English-Video.net comment policy

The comment field is common to all languages

Let's write in your language and use "Google Translate" together

Please refer to informative community guidelines on TED.com

TED2015

Laura Schulz: The surprisingly logical minds of babies

לורה שולץ: המוחות ההגיוניים להפליא של ילדים

Filmed
Views 1,632,838

איך תינוקות לומדים כל כך הרבה, מתוך כל כך מעט, כה מהר? בשיחה מהנה גדושה בניסויים, המדענית הקוגניטיבית לורה שולץ מראה כיצד הצעירים שלנו מקבלים החלטות עם חוש הגיוני חזק, אפילו עוד לפני שהם יכולים לדבר.

- Cognitive scientist
Developmental behavior studies spearheaded by Laura Schulz are changing our notions of how children learn. Full bio

Markסימן Twainטוויין summedסיכם up
what I take to be
מארק טוויין סיכם את מה
שאני מחשיבה
00:12
one of the fundamentalבסיסי problemsבעיות
of cognitiveקוגניטיבית scienceמַדָע
כאחת הבעיות הבסיסיות
של מדע הקוגניציה
00:14
with a singleיחיד witticismהֶעָרָה שְׁנוּנָה.
במשפט שנון אחד.
00:18
He said, "There's something
fascinatingמַקסִים about scienceמַדָע.
הוא אמר, "יש משהו מרתק
במדע.
00:20
One getsמקבל suchכגון wholesaleסִיטוֹנִי
returnsהחזרות of conjectureלְשַׁעֵר
אדם מקבל החזרה כה גדולה
של השערות
00:23
out of suchכגון a triflingשֶׁל מַה בְּכַך
investmentהַשׁקָעָה in factעוּבדָה."
תמורת השקעה כל כך
זעומה בעובדה."
00:26
(Laughterצחוק)
(צחוק)
00:29
Twainטוויין meantהתכוון it as a jokeבדיחה,
of courseקוּרס, but he's right:
טוויין התכוון לכך כאל בדיחה,
כמובן, אבל הוא צודק:
00:32
There's something
fascinatingמַקסִים about scienceמַדָע.
יש משהו מרתק במדע.
00:34
From a fewמְעַטִים bonesעצמות, we inferלְהַסִיק
the existenceקִיוּם of dinosuarsדינוזאורים.
מכמה עצמות, אנחנו מסיקים על
קיומם של דינוזאורים.
00:37
From spectralשֶׁל רוּחַ רְפָאִים linesקווים,
the compositionהרכב of nebulaeערפיליות.
מקווי ספקטרום את הרכב של ערפיליות,
00:42
From fruitפרי fliesזבובים,
מזבובי הפירות,
00:47
the mechanismsמנגנונים of heredityתוֹרָשָׁה,
מנגנוני התורשה,
00:50
and from reconstructedמְשׁוּחזָר imagesתמונות
of bloodדָם flowingזורם throughדרך the brainמוֹחַ,
ומתמונות משוחזרות של דם שזורם דרך המוח,
00:53
or in my caseמקרה, from the behaviorהִתְנַהֲגוּת
of very youngצָעִיר childrenיְלָדִים,
או במקרה שלי, מאופן ההתנהגות
של ילדים קטנים,
00:57
we try to say something about
the fundamentalבסיסי mechanismsמנגנונים
אנו מנסים לומר משהו
על המנגנונים הבסיסיים
01:02
of humanבן אנוש cognitionקוגניציה.
של הקוגניציה האנושית.
01:05
In particularמיוחד, in my labמַעבָּדָה in the Departmentמַחלָקָה
of Brainמוֹחַ and Cognitiveקוגניטיבית Sciencesמדעים at MITMIT,
במיוחד במעבדה שלי במחלקת
מדעי המוח והקוגניציה
01:07
I have spentמוּתַשׁ the pastעבר decadeעָשׂוֹר
tryingמנסה to understandמבין the mysteryמִסתוֹרִין
ביליתי את העשור האחרון בניסיון
להבין את המיסתורין
01:12
of how childrenיְלָדִים learnלִלמוֹד so much
from so little so quicklyבִּמְהִירוּת.
של איך ילדים לומדים כל כך הרבה
מכל כך מעט, כל כך מהר.
01:16
Because, it turnsפונה out that
the fascinatingמַקסִים thing about scienceמַדָע
משום שמתברר שמה שמרתק
במדע
01:20
is alsoגַם a fascinatingמַקסִים
thing about childrenיְלָדִים,
הוא גם משהו מרתק אודות ילדים
01:23
whichאיזה, to put a gentlerעדינה יותר
spinסיבוב on Markסימן Twainטוויין,
אשר, אם עושים ספין עדין יותר
על מרק טוויין,
01:27
is preciselyבְּדִיוּק theirשֶׁלָהֶם abilityיְכוֹלֶת
to drawלצייר richעָשִׁיר, abstractתַקצִיר inferencesהסברים
זו בדיוק היכולת שלהם להסיק,
מסקנות מופשטות עשירות
01:29
rapidlyמַהֵר and accuratelyבמדויק
from sparseדליל, noisyרוֹעֵשׁ dataנתונים.
מהר ובמדויק מנתונים זעומים
ורועשים.
01:34
I'm going to give you
just two examplesדוגמאות todayהיום.
אני הולכת לתת לכם רק שתי
דוגמאות היום.
01:40
One is about a problemבְּעָיָה of generalizationהַכלָלָה,
האחת היא בעניין בעיה של
הכללה,
01:42
and the other is about a problemבְּעָיָה
of causalסיבתי reasoningהַנמָקָה.
והשנייה היא בנושא
ההיגיון הסיבתי
01:45
And althoughלמרות ש I'm going to talk
about work in my labמַעבָּדָה,
ולמרות שאני הולכת לדבר על
עבודה במעבדה שלי,
01:47
this work is inspiredבהשראה by
and indebtedאֲסִיר תוֹדָה to a fieldשדה.
העבודה היא בהשראתה ובזכותה
של עבודת שטח.
01:50
I'm gratefulאסיר תודה to mentorsחונכים, colleaguesעמיתים,
and collaboratorsמשתפי פעולה around the worldעוֹלָם.
אני אסירת תודה לחונכים, לעמיתים,
ולמשתפי פעולה ברחבי העולם.
01:53
Let me startהַתחָלָה with the problemבְּעָיָה
of generalizationהַכלָלָה.
הרשו לי להתחיל עם הבעיה
של הכללה.
01:59
Generalizingהכללה from smallקָטָן samplesדגימות of dataנתונים
is the breadלחם and butterחמאה of scienceמַדָע.
הכללה מדוגמאות קטנות של נתונים
היא הלחם והחמאה של המדע.
02:02
We pollמִשׁאָל a tinyזָעִיר fractionשבריר of the electorateציבור
אנו סוקרים חלק זעיר של הבוחרים
02:06
and we predictלַחֲזוֹת the outcomeתוֹצָאָה
of nationalלאומי electionsבחירות.
ואנו צופים תוצאות
של בחירות ארציות
02:09
We see how a handfulקוֹמֶץ of patientsחולים
respondsמגיב to treatmentיַחַס in a clinicalקליני trialמִשׁפָּט,
אנו רואים כיצד קומץ של חולים
מגיב לטיפול בניסוי קליני,
02:12
and we bringלְהָבִיא drugsסמים to a nationalלאומי marketשׁוּק.
ואנחנו מכניסים תרופות לשוק לאומי.
02:16
But this only worksעובד if our sampleלִטעוֹם
is randomlyבאופן אקראי drawnשָׁלוּף from the populationאוּכְלוֹסִיָה.
אבל זה עובד רק אם המדגם שלנו
נלקח באופן אקראי מהאוכלוסייה.
02:19
If our sampleלִטעוֹם is cherry-pickedדובדבן
in some way --
אם המדגם שלנו נבחר בקפידה
בדרך כלשהי -
02:23
say, we pollמִשׁאָל only urbanעִירוֹנִי votersהבוחרים,
למשל, אנו מסקרים רק בוחרים
עירוניים,
02:26
or say, in our clinicalקליני trialsניסויים
for treatmentsטיפולים for heartלֵב diseaseמַחֲלָה,
או למשל, בניסויים הקליניים שלנו
לטיפולים במחלות לב,
02:28
we includeלִכלוֹל only menגברים --
אנו מכלילים רק גברים --
02:32
the resultsתוצאות mayמאי not generalizeלְהַכלִיל
to the broaderרחבה יותר populationאוּכְלוֹסִיָה.
התוצאות אולי לא יכלילו את האוכלוסיה
הרחבה יותר.
02:34
So scientistsמדענים careלְטַפֵּל whetherהאם evidenceעֵדוּת
is randomlyבאופן אקראי sampledשנדגמו or not,
אז למדענים אכפת אם ראיות נדגמו
באופן אקראי או לא.
02:38
but what does that have to do with babiesתינוקות?
אבל מה לזה ולתינוקות?
02:42
Well, babiesתינוקות have to generalizeלְהַכלִיל
from smallקָטָן samplesדגימות of dataנתונים all the time.
ובכן, תינוקות צריכים להכליל מדגימות
קטנות של נתונים כל הזמן.
02:44
They see a fewמְעַטִים rubberגוּמִי ducksברווזים
and learnלִלמוֹד that they floatלָצוּף,
הם רואים כמה ברווזי גומי
ולומדים שהם צפים,
02:49
or a fewמְעַטִים ballsכדורים and learnלִלמוֹד that they bounceלהקפיץ.
או כמה כדורים והם לומדים
שהם קופצים.
02:52
And they developלְפַתֵחַ expectationsציפיות
about ducksברווזים and ballsכדורים
והם מפתחים ציפיות לגבי
ברווזים וכדורים
02:55
that they're going to extendלְהַאֲרִיך
to rubberגוּמִי ducksברווזים and ballsכדורים
שהם הולכים להרחיב לגבי
ברווזי גומי וכדורים
02:58
for the restמנוחה of theirשֶׁלָהֶם livesחיים.
למשך שאר חייהם,
03:01
And the kindsמיני of generalizationsהכללות
babiesתינוקות have to make about ducksברווזים and ballsכדורים
ואת סוגי ההכללות שתינוקות
צריכים לעשות לגבי ברווזים וכדורים
03:03
they have to make about almostכִּמעַט everything:
הם צריכים לעשות לגבי
הכל כמעט:
03:07
shoesנעליים and shipsספינות and sealingאִטוּם waxדוֹנַג
and cabbagesכרוב and kingsמלכים.
נעליים וספינות ושעוות-חותם
וראשי כרוב ומלכים.
03:09
So do babiesתינוקות careלְטַפֵּל whetherהאם
the tinyזָעִיר bitbit of evidenceעֵדוּת they see
אז האם לתינוקות אכפת אם טיפת
ראייה שהם רואים
03:14
is plausiblyסביר representativeנציג
of a largerיותר גדול populationאוּכְלוֹסִיָה?
היא מייצג סביר של
אוכלוסיה גדולה יותר?
03:17
Let's find out.
בואו ונגלה.
03:21
I'm going to showלְהַצִיג you two moviesסרטים,
אני הולכת להראות לכם
שני סרטים
03:23
one from eachכל אחד of two conditionsתנאים
of an experimentלְנַסוֹת,
כל אחד מהם משני מצבים של ניסוי
03:25
and because you're going to see
just two moviesסרטים,
ומשום שאתם הולכים לראות
רק שני סרטים,
03:27
you're going to see just two babiesתינוקות,
אתם הולכים לראות רק
שני תינוקות,
03:30
and any two babiesתינוקות differלִהיוֹת שׁוֹנֶה from eachכל אחד other
in innumerableאינספור waysדרכים.
וכל שני תינוקות שונים זה מזה
בדרכים רבות מספור.
03:32
But these babiesתינוקות, of courseקוּרס,
here standלַעֲמוֹד in for groupsקבוצות of babiesתינוקות,
אבל תינוקות אלה, כמובן, מייצגים
קבוצות של תינוקות,
03:36
and the differencesהבדלים you're going to see
וההבדלים שאתם עומדים לראות
03:39
representלְיַצֵג averageמְמוּצָע groupקְבוּצָה differencesהבדלים
in babies'תינוקות behaviorהִתְנַהֲגוּת acrossלְרוֹחָב conditionsתנאים.
מייצגים הבדלי קבוצה ממוצעים
בהתנהגותם של תינוקות לאורך מצבים שונים.
03:41
In eachכל אחד movieסרט, you're going to see
a babyתִינוֹק doing maybe
בכל סרט אתם הולכים לראות
תינוק עושה אולי
03:47
just exactlyבְּדִיוּק what you mightאולי
expectלְצַפּוֹת a babyתִינוֹק to do,
בדיוק רק מה שאתם עשויים לצפות
מתינוק שיעשה,
03:49
and we can hardlyבְּקוֹשִׁי make babiesתינוקות
more magicalקִסמִי than they alreadyכְּבָר are.
ואנחנו בקושי יכולים לגרום לתינוקות
להיות יותר קסומים ממה שהם כבר.
03:53
But to my mindאכפת the magicalקִסמִי thing,
אבל לדעתי הדבר הקסום,
03:58
and what I want you to payלְשַׁלֵם attentionתשומת הלב to,
ומה שאני רוצה שתשימו לב אליו,
04:00
is the contrastבניגוד betweenבֵּין
these two conditionsתנאים,
הוא הניגוד בין שני מצבים אלה,
04:02
because the only thing
that differsשונה betweenבֵּין these two moviesסרטים
כי הדבר היחיד ששונה
בין שני סרטים אלה
04:05
is the statisticalסטָטִיסטִי evidenceעֵדוּת
the babiesתינוקות are going to observeלצפות.
הוא הראיות הסטטיסטיות שהתינוקות
עומדים להבחין בהם.
04:08
We're going to showלְהַצִיג babiesתינוקות
a boxקופסא of blueכָּחוֹל and yellowצהוב ballsכדורים,
אנחנו הולכים להראות לתינוקות
תיבה של כדורים כחולים וצהובים
04:13
and my then-graduateאז בוגר studentתלמיד,
now colleagueעמית at Stanfordסטנפורד, Hyowonהייוון Gweonגוויון,
והסטודנטית המתמחה שלי אז, שכיום
היא עמיתה חדשה בסטנפורד , היווון גוואון,
04:16
is going to pullמְשׁוֹך threeשְׁלוֹשָׁה blueכָּחוֹל ballsכדורים
in a rowשׁוּרָה out of this boxקופסא,
הולכת לשלוף 3 כדורים כחולים בזה אחר זה
מתוך תיבה זו,
04:21
and when she pullsמושך those ballsכדורים out,
she's going to squeezeלמחוץ them,
וכאשר היא שולפת כדורים אלה החוצה,
היא הולכת למעוך אותם,
04:24
and the ballsכדורים are going to squeakחֲרִיקָה.
והכדורים יצפצפו.
04:27
And if you're a babyתִינוֹק,
that's like a TEDTED Talk.
ואם אתם תינוקות,
זה כמו הרצאה ב-TED.
04:29
It doesn't get better than that.
זה לא נעשה יותר טוב מזה.
04:32
(Laughterצחוק)
(צחוק)
04:34
But the importantחָשׁוּב pointנְקוּדָה is it's really
easyקַל to pullמְשׁוֹך threeשְׁלוֹשָׁה blueכָּחוֹל ballsכדורים in a rowשׁוּרָה
אבל מה שחשוב זה שממש קל
לשלוף שלושה כדורים כחולים ברצף
04:38
out of a boxקופסא of mostlyבעיקר blueכָּחוֹל ballsכדורים.
מתוך תיבת כדורים בעיקר כחולים.
04:42
You could do that with your eyesעיניים closedסָגוּר.
תוכלו לעשות זאת בעיניים עצומות.
04:44
It's plausiblyסביר a randomאַקרַאִי sampleלִטעוֹם
from this populationאוּכְלוֹסִיָה.
זה מדגם אקראי סביר מקבוצה זו.
04:46
And if you can reachלְהַגִיעַ into a boxקופסא at randomאַקרַאִי
and pullמְשׁוֹך out things that squeakחֲרִיקָה,
ואם אתם יכולים להושיט יד לתיבה באקראי
ולשלוף ממנה דברים מצפצפים,
04:49
then maybe everything in the boxקופסא squeaksחריקה.
אז אולי כל דבר בתיבה חורק.
04:53
So maybe babiesתינוקות should expectלְצַפּוֹת
those yellowצהוב ballsכדורים to squeakחֲרִיקָה as well.
אז אולי תינוקות צריכים לצפות
גם מהכדורים הצהובים שיצפצפו.
04:56
Now, those yellowצהוב ballsכדורים
have funnyמצחיק sticksמקלות on the endסוֹף,
עכשיו, לכדורים צהובים אלו
יש מקלות מצחיקים בקצה,
05:00
so babiesתינוקות could do other things
with them if they wanted to.
כך שתינוקות יכולים לעשות דברים אחרים
איתם אם הם היו רוצים.
05:02
They could poundלִירָה them or whackמַהֲלוּמָה them.
הם יכולים לחבוט בהם או להצליף איתם.
05:05
But let's see what the babyתִינוֹק does.
אבל בואו נראה מה התינוקת עושה.
05:07
(Videoוִידֵאוֹ) Hyowonהייוון Gweonגוויון: See this?
(Ballכַּדוּר squeaksחריקה)
(וידאו) היוון גוואון: רואה את זה?
(כדור מצפצף)
05:12
Did you see that?
(Ballכַּדוּר squeaksחריקה)
ראית את זה?
05:16
Coolמגניב.
מגניב.
05:20
See this one?
רואה את זה?
05:24
(Ballכַּדוּר squeaksחריקה)
(כדור מצפצף)
05:26
Wowוואו.
וואו.
05:28
Lauraלורה Schulzשולץ: Told you. (Laughsצוחק)
לורה שולץ: אמרתי לכם? (צוחקת)
05:33
(Videoוִידֵאוֹ) HGHG: See this one?
(Ballכַּדוּר squeaksחריקה)
(וידאו) ה.ג. רואה את זה?
(כדור מצפצף)
05:35
Hey Claraקלרה, this one'sיחידות for you.
You can go aheadקָדִימָה and playלְשַׂחֵק.
היי קלרה, זה בשבילך.
את יכולה להמשיך ולשחק.
05:39
(Laughterצחוק)
(צחוק)
05:51
LSLS: I don't even have to talk, right?
ל.ש.: אני אפילו לא צריכה לדבר, נכון?
05:56
All right, it's niceנֶחְמָד that babiesתינוקות
will generalizeלְהַכלִיל propertiesנכסים
בסדר, זה נחמד שתינוקות
יעשו הכללה של תכונות
05:59
of blueכָּחוֹל ballsכדורים to yellowצהוב ballsכדורים,
מכדורים כחולים לכדורים צהובים,
06:02
and it's impressiveמרשימים that babiesתינוקות
can learnלִלמוֹד from imitatingמחקה us,
וזה מרשים שתינוקות
יכולים ללמוד מלחקות אותנו,
06:03
but we'veיש לנו knownידוע those things about babiesתינוקות
for a very long time.
אבל ידענו דברים אלה על תינוקות
מזה זמן רב.
06:06
The really interestingמעניין questionשְׁאֵלָה
השאלה המעניינת באמת
06:10
is what happensקורה when we showלְהַצִיג babiesתינוקות
exactlyבְּדִיוּק the sameאותו thing,
היא מה קורה כאשר אנו מראים לתינוקות
בדיוק את אותו הדבר,
06:12
and we can ensureלְהַבטִיחַ it's exactlyבְּדִיוּק the sameאותו
because we have a secretסוֹד compartmentתָא
ואנחנו יכולים להבטיח שזה בדיוק
אותו הדבר כי יש לנו תא סודי
06:15
and we actuallyלמעשה pullמְשׁוֹך the ballsכדורים from there,
ואנחנו למעשה שולפים את הכדורים משם,
06:18
but this time, all we changeשינוי
is the apparentנִרְאֶה populationאוּכְלוֹסִיָה
אך הפעם, כל מה שאנו משנים זה
את הקבוצה
06:20
from whichאיזה that evidenceעֵדוּת was drawnשָׁלוּף.
שממנה ראייה זו נמשכה
06:24
This time, we're going to showלְהַצִיג babiesתינוקות
threeשְׁלוֹשָׁה blueכָּחוֹל ballsכדורים
הפעם, אנחנו הולכים להראות לתינוקות
שלושה כדורים כחולים
06:27
pulledמשך out of a boxקופסא
of mostlyבעיקר yellowצהוב ballsכדורים,
שהוצאו מקופסה
בעיקר של כדורים צהובים
06:30
and guessלְנַחֵשׁ what?
ונחשו מה?
06:34
You [probablyכנראה won'tרָגִיל] randomlyבאופן אקראי drawלצייר
threeשְׁלוֹשָׁה blueכָּחוֹל ballsכדורים in a rowשׁוּרָה
אתם (כנראה שלא) תשלפו
3 כדורים בזה אחר זה
06:35
out of a boxקופסא of mostlyבעיקר yellowצהוב ballsכדורים.
מתיבה של בעיקר כדורים צהובים
06:38
That is not plausiblyסביר
randomlyבאופן אקראי sampledשנדגמו evidenceעֵדוּת.
זו לא ראיית דגימה סבירה באופן
אקראי.
06:40
That evidenceעֵדוּת suggestsמציע that maybe Hyowonהייוון
was deliberatelyבכוונה samplingדְגִימָה the blueכָּחוֹל ballsכדורים.
ראייה זו מצביעה על כך שאולי היוון
דיגמה במתכוון את הכדורים הכחולים
06:44
Maybe there's something specialמיוחד
about the blueכָּחוֹל ballsכדורים.
אולי יש משהו מיוחד
בכדורים הכחולים.
06:49
Maybe only the blueכָּחוֹל ballsכדורים squeakחֲרִיקָה.
אולי רק הכדורים הכחולים מצפצפים.
06:52
Let's see what the babyתִינוֹק does.
בואו נראה מה התינוקת עושה.
06:55
(Videoוִידֵאוֹ) HGHG: See this?
(Ballכַּדוּר squeaksחריקה)
(וידאו) ה.ג.: רואה את זה? (כדור מצפצף)
06:57
See this toyצַעֲצוּעַ?
(Ballכַּדוּר squeaksחריקה)
רואה את הצעצוע הזה?
(כדור מצפצף)
07:02
Oh, that was coolמגניב. See?
(Ballכַּדוּר squeaksחריקה)
הו, זה היה מגניב. רואה?
(כדור מצפצף)
07:05
Now this one'sיחידות for you to playלְשַׂחֵק.
You can go aheadקָדִימָה and playלְשַׂחֵק.
עכשיו זה בשבילך לשחק.
את יכולה לשחק.
07:10
(Fussingמהומה)
(Laughterצחוק)
(התרגשות)
(צחוק)
07:18
LSLS: So you just saw
two 15-month-old- בן חודש babiesתינוקות
ל.ש: אז אתם ראיתם
שני תינוקות בני 15 חודשים
07:26
do entirelyלַחֲלוּטִין differentשונה things
עושים דברים שונים לחלוטין
07:29
basedמבוסס only on the probabilityהִסתַבְּרוּת
of the sampleלִטעוֹם they observedנצפים.
שמבוססים רק על ההסתברות של
הדוגמה שהם ראו.
07:31
Let me showלְהַצִיג you the experimentalנִסיוֹנִי resultsתוצאות.
הרשו לי להראות לכם את
תוצאות הניסוי.
07:35
On the verticalאֲנָכִי axisצִיר, you'llאתה see
the percentageאֲחוּזִים of babiesתינוקות
על הציר האנכי, תראו את
אחוז התינוקות
07:37
who squeezedסָחוּט the ballכַּדוּר in eachכל אחד conditionמַצָב,
שמעכו את הכדור בכל מצב.
07:40
and as you'llאתה see, babiesתינוקות are much
more likelyסָבִיר to generalizeלְהַכלִיל the evidenceעֵדוּת
וכפי שתראו, סביר הרבה יותר
שתינוקות יעשו הכללה
07:42
when it's plausiblyסביר representativeנציג
of the populationאוּכְלוֹסִיָה
כשזה ייצוג מתקבל על הדעת
של האוכלוסייה
07:46
than when the evidenceעֵדוּת
is clearlyבְּבִירוּר cherry-pickedדובדבן.
מאשר כשהראייה נבחרת בקפידה
07:49
And this leadsמוביל to a funכֵּיף predictionנְבוּאָה:
וזה מוליך לחיזוי מהנה:
07:53
Supposeלְהַנִיחַ you pulledמשך just one blueכָּחוֹל ballכַּדוּר
out of the mostlyבעיקר yellowצהוב boxקופסא.
נניח ששלפתם רק כדור כחול אחד
מהתיבה שבה רוב של כדורים צהובים
07:55
You [probablyכנראה won'tרָגִיל] pullמְשׁוֹך threeשְׁלוֹשָׁה blueכָּחוֹל ballsכדורים
in a rowשׁוּרָה at randomאַקרַאִי out of a yellowצהוב boxקופסא,
אתם (כנראה לא) תוציאו 3 כדורים כחולים
בזה אחר זה , באקראי מתוך תיבה צהובה.
08:00
but you could randomlyבאופן אקראי sampleלִטעוֹם
just one blueכָּחוֹל ballכַּדוּר.
אבל יכולתם באקראי לדגום רק
כדור כחול אחד.
08:04
That's not an improbableלֹא סָבִיר sampleלִטעוֹם.
זה לא מדגם בלתי סביר.
08:07
And if you could reachלְהַגִיעַ into
a boxקופסא at randomאַקרַאִי
ולו יכולתם להגיע לתיבה באקראי
08:09
and pullמְשׁוֹך out something that squeaksחריקה,
maybe everything in the boxקופסא squeaksחריקה.
ולהוציא משהו שחורק,מצפצף,
אולי הכל בתיבה מצפצף.
08:11
So even thoughאם כי babiesתינוקות are going to see
much lessפָּחוּת evidenceעֵדוּת for squeakingחורק,
אז למרות שתינוקות הולכים לראות
הרבה פחות ראיות לצפצופים,
08:15
and have manyרב fewerפחות actionsפעולות to imitateלְחַקוֹת
ויש להם הרבה פחות פעולות לחקות
08:20
in this one ballכַּדוּר conditionמַצָב than in
the conditionמַצָב you just saw,
במצב זה של כדור אחד מאשר במצב
שראיתם זה עתה.
08:22
we predictedניבא that babiesתינוקות themselvesעצמם
would squeezeלמחוץ more,
חזינו שהתינוקות עצמם ילחצו יותר.
08:25
and that's exactlyבְּדִיוּק what we foundמצאתי.
וזה בדיוק מה שמצאנו.
08:29
So 15-month-old- בן חודש babiesתינוקות,
in this respectכבוד, like scientistsמדענים,
ובכן, לתינוקות בני 15 חודשים, בהקשר זה,
כמו מדענים,
08:32
careלְטַפֵּל whetherהאם evidenceעֵדוּת
is randomlyבאופן אקראי sampledשנדגמו or not,
אכפת אם ראיות נדגמו באקראי או לא,
08:37
and they use this to developלְפַתֵחַ
expectationsציפיות about the worldעוֹלָם:
והם משתמשים בזה כדי לפתח
ציפיות לגבי העולם:
08:40
what squeaksחריקה and what doesn't,
מה חורק ומה לא,
08:43
what to exploreלַחקוֹר and what to ignoreלהתעלם.
מה לחקור וממה להתעלם.
08:45
Let me showלְהַצִיג you anotherאַחֵר exampleדוגמא now,
הרשו לי להראות לכם
דוגמה נוספת עכשיו,
08:50
this time about a problemבְּעָיָה
of causalסיבתי reasoningהַנמָקָה.
הפעם על חשיבה סיבתית
08:52
And it startsמתחיל with a problemבְּעָיָה
of confoundedמבולבל evidenceעֵדוּת
וזה מתחיל עם בעיה של ראייה מבולבלת.
08:55
that all of us have,
שיש לכל אחד מאיתנו.
08:57
whichאיזה is that we are partחֵלֶק of the worldעוֹלָם.
שהיא שאנחנו הננו חלק מהעולם
08:59
And this mightאולי not seemנראה like a problemבְּעָיָה
to you, but like mostרוב problemsבעיות,
וזה עשוי לא להיראות לכם כמו בעייה,
אבל כמו רב הבעיות,
09:01
it's only a problemבְּעָיָה when things go wrongלא בסדר.
זו רק בעיה כאשר דברים משתבשים.
09:04
Take this babyתִינוֹק, for instanceלמשל.
קחו את התינוק הזה לדוגמה.
09:07
Things are going wrongלא בסדר for him.
דברים משתבשים עבורו.
09:09
He would like to make
this toyצַעֲצוּעַ go, and he can't.
הוא היה רוצה לגרום לצעצוע זה
לפעול, ואינו יכול.
09:10
I'll showלְהַצִיג you a few-secondכמה שניות clipלְקַצֵץ.
אראה לכם סרטון של כמה שניות.
09:13
And there's two possibilitiesאפשרויות, broadlyבְּהַרְחָבָה:
ויש שתי אפשרויות, בגדול:
09:21
Maybe he's doing something wrongלא בסדר,
אולי הוא עושה משהו לא בסדר.
09:23
or maybe there's something
wrongלא בסדר with the toyצַעֲצוּעַ.
או שאולי יש משהו לא בסדר בצעצוע.
09:25
So in this nextהַבָּא experimentלְנַסוֹת,
אז בניסוי הבא,
09:30
we're going to give babiesתינוקות
just a tinyזָעִיר bitbit of statisticalסטָטִיסטִי dataנתונים
אנחנו הולכים לתת לתינוקות רק טיפ-טיפה
של נתונים סטטיסטיים
09:32
supportingתומך one hypothesisהַשׁעָרָה over the other,
שתומכים בהשערה אחת לעומת השנייה,
09:35
and we're going to see if babiesתינוקות
can use that to make differentשונה decisionsהחלטות
ואנחנו הולכים לראות אם תינוקות יכולים
להשתמש בזה כדי לקבל החלטות שונות
09:38
about what to do.
מה לעשות.
09:41
Here'sהנה the setupלהכין.
הנה המערך.
09:43
Hyowonהייוון is going to try to make
the toyצַעֲצוּעַ go and succeedלהצליח.
היווון תנסה לגרום לצעצוע לפעול ותצליח.
09:46
I am then going to try twiceפעמיים
and failלְהִכָּשֵׁל bothשניהם timesפִּי,
ואז אני אנסה פעמיים ואכשל
בשתי הפעמים.
09:49
and then Hyowonהייוון is going
to try again and succeedלהצליח,
ואז היווון תנסה שוב ותצליח.
09:52
and this roughlyבְּעֵרֶך sumsסכומים up my relationshipמערכת יחסים
to my graduateבוגר studentsסטודנטים
וזה בערך מסכם את מערכת היחסים שלי
עם הסטודנטים שלי לתואר שני
09:55
in technologyטֶכנוֹלוֹגִיָה acrossלְרוֹחָב the boardלוּחַ.
בטכנולוגיה באופן כללי
09:58
But the importantחָשׁוּב pointנְקוּדָה here is
it providesמספק a little bitbit of evidenceעֵדוּת
אבל הנקודה החשובה כאן היא שזה
מספק מעט ראיות
10:02
that the problemבְּעָיָה isn't with the toyצַעֲצוּעַ,
it's with the personאדם.
שהבעיה אינה עם הצעצוע.
אלא עם האדם.
10:05
Some people can make this toyצַעֲצוּעַ go,
יש אנשים שמסוגלים לגרום
לצעצוע לפעול.
10:08
and some can't.
ויש כאלה שלא.
10:11
Now, when the babyתִינוֹק getsמקבל the toyצַעֲצוּעַ,
he's going to have a choiceבְּחִירָה.
עכשיו, כשהתינוק מקבל צעצוע,
הולכת להיות לו בחירה.
10:12
His momאִמָא is right there,
האמא שלו היא ממש שם,
10:16
so he can go aheadקָדִימָה and handיד off the toyצַעֲצוּעַ
and changeשינוי the personאדם,
אז אני יכולה לתת את הצעצוע
ולהחליף את האדם.
10:18
but there's alsoגַם going to be
anotherאַחֵר toyצַעֲצוּעַ at the endסוֹף of that clothבַּד,
אבל הולך להיות צעצוע אחר
בקצה הבד הזה,
10:21
and he can pullמְשׁוֹך the clothבַּד towardsלִקרַאת him
and changeשינוי the toyצַעֲצוּעַ.
והוא יכול למשוך את הבד אליו
ולהחליף את הצעצוע.
10:24
So let's see what the babyתִינוֹק does.
אז בואו נראה מה התינוק עושה.
10:28
(Videoוִידֵאוֹ) HGHG: Two, threeשְׁלוֹשָׁה. Go!
(Musicמוּסִיקָה)
(וידאו) ה.ג.: שתיים, שלוש. צא!
(מוסיקה)
10:30
LSLS: One, two, threeשְׁלוֹשָׁה, go!
ל.ש: אחת שתיים שלוש, צא!
10:34
Arthurארתור, I'm going to try again.
One, two, threeשְׁלוֹשָׁה, go!
ארתור, אני הולך לנסות שוב.
אחת, שתיים שלוש, צא!
10:37
YGי"ג: Arthurארתור, let me try again, okay?
ה.ג: ארתור, תן לי לנסות, טוב?
10:45
One, two, threeשְׁלוֹשָׁה, go!
(Musicמוּסִיקָה)
אחת, שתיים, שלוש, צא!
10:48
Look at that. Rememberלִזכּוֹר these toysצעצועים?
תראו את זה. זוכר את
הצעצועים האלה?
10:53
See these toysצעצועים? Yeah, I'm going
to put this one over here,
רואה את הצעצועים האלה? אני הולכת
להניח את זה כאן.
10:55
and I'm going to give this one to you.
ואני הולכת לתת את זה לך.
10:58
You can go aheadקָדִימָה and playלְשַׂחֵק.
אתה יכול להמשיך ולשחק.
11:00
LSLS: Okay, Lauraלורה, but of courseקוּרס,
babiesתינוקות love theirשֶׁלָהֶם mommiesאמהות.
ל.ש: טוב, לורה, אבל כמובן,
תינוקות אוהבים את האמהות שלהם.
11:23
Of courseקוּרס babiesתינוקות give toysצעצועים
to theirשֶׁלָהֶם mommiesאמהות
כמובן שתינוקות נותנים צעצועים
לאמהות שלהם
11:27
when they can't make them work.
כשאינם מצליחים להפעיל אותם.
11:30
So again, the really importantחָשׁוּב questionשְׁאֵלָה
is what happensקורה when we changeשינוי
אז שוב, השאלה החשובה באמת היא
מה קורה כאשר אנו משנים
11:32
the statisticalסטָטִיסטִי dataנתונים ever so slightlyמְעַט.
מעט את הנתונים הסטטיסטיים .
11:35
This time, babiesתינוקות are going to see the toyצַעֲצוּעַ
work and failלְהִכָּשֵׁל in exactlyבְּדִיוּק the sameאותו orderלהזמין,
הפעם, תינוקות הולכים לראות את הצעצוע
פועל ולא פועל בדיוק באותו הסדר,
11:38
but we're changingמִשְׁתַנֶה
the distributionהפצה of evidenceעֵדוּת.
אבל אנחנו משנים את חלוקת הראיות.
11:42
This time, Hyowonהייוון is going to succeedלהצליח
onceפַּעַם and failלְהִכָּשֵׁל onceפַּעַם, and so am I.
הפעם, היווון הולכת להצליח
פעם אחת ולהיכשל פעם אחת, וגם אני!
11:45
And this suggestsמציע it doesn't matterחוֹמֶר
who triesמנסה this toyצַעֲצוּעַ, the toyצַעֲצוּעַ is brokenשָׁבוּר.
וזה מציע שלא משנה מי מנסה את הצעצוע
הזה. הצעצוע שבור.
11:49
It doesn't work all the time.
הוא לא פועל כל הזמן.
11:55
Again, the baby'sשל התינוק going to have a choiceבְּחִירָה.
שוב, לתינוק הולכת להיות ברירה.
11:57
Her momאִמָא is right nextהַבָּא to her,
so she can changeשינוי the personאדם,
אמא שלה נמצאת ממש לידה,
כך שהיא יכולה לשנות את האדם
11:59
and there's going to be anotherאַחֵר toyצַעֲצוּעַ
at the endסוֹף of the clothבַּד.
והולך להיות צעצוע אחר
בקצהו של הבד.
12:02
Let's watchשעון what she does.
בואו נראה מה היא עושה.
12:05
(Videoוִידֵאוֹ) HGHG: Two, threeשְׁלוֹשָׁה, go!
(Musicמוּסִיקָה)
(וידאו) ה.ג.: שתיים, שלוש, צא!
(מוסיקה)
12:07
Let me try one more time.
One, two, threeשְׁלוֹשָׁה, go!
תנו לי לנסות עוד פעם אחת.
אחת, שתיים, שלוש, צא!
12:11
Hmmהממ.
המממ.
12:17
LSLS: Let me try, Claraקלרה.
ל.ש: תני לי לנסות, קלרה.
12:19
One, two, threeשְׁלוֹשָׁה, go!
אחת, שתיים, שלוש, צא!
12:22
Hmmהממ, let me try again.
הממ, תנו לי לנסות שוב.
12:27
One, two, threeשְׁלוֹשָׁה, go!
(Musicמוּסִיקָה)
אחת, שתיים, שלוש, צא!
(מוסיקה)
12:29
HGHG: I'm going
to put this one over here,
ה.ג.: אני אשים את זה כאן,
12:35
and I'm going to give this one to you.
ואני אתן את זה לך.
12:37
You can go aheadקָדִימָה and playלְשַׂחֵק.
את יכולה להמשיך ולשחק.
12:39
(Applauseתְשׁוּאוֹת)
(מחיאות כפיים)
12:58
LSLS: Let me showלְהַצִיג you
the experimentalנִסיוֹנִי resultsתוצאות.
ל.ש.: תנו לי להראות לכם
את תוצאות הניסוי.
13:04
On the verticalאֲנָכִי axisצִיר,
you'llאתה see the distributionהפצה
על הציר האנכי תראו את החלוקה
13:07
of children'sילדים choicesבחירות in eachכל אחד conditionמַצָב,
של בחירות הילדים בכל מצב,
13:09
and you'llאתה see that the distributionהפצה
of the choicesבחירות childrenיְלָדִים make
ותראו שחלוקת הבחירות
שילדים עושים
13:12
dependsתלוי on the evidenceעֵדוּת they observeלצפות.
תלוייה בראיות שנצפו.
13:16
So in the secondשְׁנִיָה yearשָׁנָה of life,
אז בשנה השנייה של החיים,
13:19
babiesתינוקות can use a tinyזָעִיר bitbit
of statisticalסטָטִיסטִי dataנתונים
תינוקות יכולים להשתמש בטיפ-טיפה
של נתונים סטטיסטיים
13:21
to decideלְהַחלִיט betweenבֵּין two
fundamentallyבִּיסוֹדוֹ differentשונה strategiesאסטרטגיות
כדי להחליט בין שתי אסטרטגיות
שונות במהותן
13:24
for actingמשחק in the worldעוֹלָם:
כדי לפעול בעולם:
13:27
askingשואל for help and exploringחקר.
לבקש עזרה ולחקור.
13:29
I've just shownמוצג you
two laboratoryמַעבָּדָה experimentsניסויים
הראיתי לכם זה עתה שני
ניסויי מעבדה
13:33
out of literallyפשוטו כמשמעו hundredsמאות in the fieldשדה
that make similarדוֹמֶה pointsנקודות,
מתוך מאות, בשטח שמראים
נקודות דומות,
13:37
because the really criticalקריטי pointנְקוּדָה
בגלל שהנקודה הקריטית ממש
13:40
is that children'sילדים abilityיְכוֹלֶת
to make richעָשִׁיר inferencesהסברים from sparseדליל dataנתונים
היא שיכולתם של הילדים להסיק מסקנות
רבות מנתונים דלים
13:43
underliesבבסיס all the species-specificמינים ספציפיים
culturalתַרְבּוּתִי learningלְמִידָה that we do.
נמצאת בבסיס כל תרבות הלמידה
ייחודית-למינים שאנו עושים.
13:48
Childrenיְלָדִים learnלִלמוֹד about newחָדָשׁ toolsכלים
from just a fewמְעַטִים examplesדוגמאות.
ילדים לומדים על כלים חדשים
מתוך כמה דוגמאות בלבד.
13:53
They learnלִלמוֹד newחָדָשׁ causalסיבתי relationshipsיחסים
from just a fewמְעַטִים examplesדוגמאות.
הם לומדים קשרי גומלין סיבתיים חדשים
מכמה דוגמאות בלבד.
13:58
They even learnלִלמוֹד newחָדָשׁ wordsמילים,
in this caseמקרה in Americanאֲמֶרִיקָאִי Signסִימָן Languageשפה.
הם אפילו לומדים מילים חדשות,
במקרה זה בשפת סימנים אמריקאית.
14:03
I want to closeלִסְגוֹר with just two pointsנקודות.
אני רוצה לסיים עם
שתי נקודות בלבד
14:08
If you've been followingהבא my worldעוֹלָם,
the fieldשדה of brainמוֹחַ and cognitiveקוגניטיבית sciencesמדעים,
אם עקבתם אחרי העולם שלי,
תחום מדעי המוח והקוגניציה
14:12
for the pastעבר fewמְעַטִים yearsשנים,
בשנים האחרונות,
14:15
threeשְׁלוֹשָׁה bigגָדוֹל ideasרעיונות will have come
to your attentionתשומת הלב.
הייתם שמים לב לשלושה רעיונות גדולים.
14:17
The first is that this is
the eraתְקוּפָה of the brainמוֹחַ.
הראשון הוא שזה עידן המוח.
14:20
And indeedאכן, there have been
staggeringמַדְהִים discoveriesתגליות in neuroscienceמדעי המוח:
ואכן, היו תגליות מדהימות
בחקר מדעי המוח:
14:23
localizingלוקליזציה functionallyפונקציונלית specializedהתמחה
regionsאזורים of cortexקליפת המוח,
לוקליזציה של תפקודים מיוחדים
באזורים של קליפת המוח,
14:27
turningחֲרִיטָה mouseעכבר brainsמוֹחַ transparentשָׁקוּף,
הפיכת מוחות של עכברים
לשקופים.
14:30
activatingהפעלה neuronsנוירונים with lightאוֹר.
הפעלת נוירונים עם אור.
14:33
A secondשְׁנִיָה bigגָדוֹל ideaרַעְיוֹן
רעיון גדול שני
14:36
is that this is the eraתְקוּפָה of bigגָדוֹל dataנתונים
and machineמְכוֹנָה learningלְמִידָה,
הוא שזה העידן של נתונים גדולים
ולמידת מכונה,
14:38
and machineמְכוֹנָה learningלְמִידָה promisesהבטחות
to revolutionizeלְחוֹלֵל מַהְפֵּכָה our understandingהֲבָנָה
ולמידת מכונה מבטיחה לחולל
מהפיכה בהבנה שלנו
14:43
of everything from socialחֶברָתִי networksרשתות
to epidemiologyאֶפִּידֶמִיוֹלוֹגִיָה.
של כל דבר, החל מרשתות חברתיות
לאפידמיולוגיה.
14:46
And maybe, as it tacklesמתמודד problemsבעיות
of sceneסְצֵינָה understandingהֲבָנָה
ואולי, בעת התמודדות עם בעיות
של הבנת סצנה
14:50
and naturalטִבעִי languageשפה processingמעבד,
ועיבוד טבעי של שפה,
14:53
to tell us something
about humanבן אנוש cognitionקוגניציה.
לספר לנו משהו
על קוגניציה אנושית.
14:55
And the finalסופי bigגָדוֹל ideaרַעְיוֹן you'llאתה have heardשמע
והרעיון הגדול האחרון שהייתם שומעים
עליו
14:59
is that maybe it's a good ideaרַעְיוֹן we're going
to know so much about brainsמוֹחַ
הוא שאולי זה רעיון טוב שאנחנו הולכים
לדעת כל כך הרבה על מוחות
15:01
and have so much accessגִישָׁה to bigגָדוֹל dataנתונים,
ויש גישה רבה כל כך לנתונים רבים,
15:05
because left to our ownשֶׁלוֹ devicesהתקנים,
כי אם ניעזב לנפשנו
15:06
humansבני אנוש are fallibleעָלוּל לִטעוֹת, we take shortcutsקיצורי דרך,
בני אדם נוטים לטעות, אנחנו עושים
קיצורי דרך,
15:09
we errלִטְעוֹת, we make mistakesטעויות,
אנחנו שוגים, אנחנו עושים טעויות,
15:13
we're biasedמְשׁוּחָד, and in innumerableאינספור waysדרכים,
אנחנו מוטים, ובמובנים רבים מספור,
15:16
we get the worldעוֹלָם wrongלא בסדר.
אנו תופשים לא נכון את העולם.
15:20
I think these are all importantחָשׁוּב storiesסיפורים,
אני חושבת שאלה כולם סיפורים חשובים,
15:24
and they have a lot to tell us
about what it meansאומר to be humanבן אנוש,
ויש להם הרבה מה לספר לנו
על מה זה להיות אנושי,
15:27
but I want you to noteהערה that todayהיום
I told you a very differentשונה storyכַּתָבָה.
אבל אני רוצה שתשימו לב שהיום סיפרתי
לכם סיפור שונה מאוד.
15:31
It's a storyכַּתָבָה about mindsמוחות and not brainsמוֹחַ,
זה סיפור על המודעות ולא על המוח,
15:35
and in particularמיוחד, it's a storyכַּתָבָה
about the kindsמיני of computationsחישובים
ובמיוחד זה סיפור על סוגי חישובים
15:39
that uniquelyבאופן ייחודי humanבן אנוש mindsמוחות can performלְבַצֵעַ,
שבאופן ייחודי התודעה האנושית יכולה לבצע,
15:42
whichאיזה involveכרוך richעָשִׁיר, structuredמובנה knowledgeיֶדַע
and the abilityיְכוֹלֶת to learnלִלמוֹד
שמעורבים בו ידע מובנה עשיר,
והיכולת ללמוד
15:45
from smallקָטָן amountsסכומים of dataנתונים,
the evidenceעֵדוּת of just a fewמְעַטִים examplesדוגמאות.
מכמויות קטנות של נתונים, ראייה של
רק מעט דוגמאות.
15:49
And fundamentallyבִּיסוֹדוֹ, it's a storyכַּתָבָה
about how startingהחל as very smallקָטָן childrenיְלָדִים
וביסודו, זה סיפור על איך מתחילים כילדים
קטנים מאוד
15:56
and continuingהמשך out all the way
to the greatestהגדול ביותר accomplishmentsהישגים
וממשיכים כל הדרך להישגים הגדולים ביותר
16:00
of our cultureתַרְבּוּת,
של התרבות שלנו.
16:04
we get the worldעוֹלָם right.
אנו תופשים נכון את העולם .
16:08
Folksאנשים, humanבן אנוש mindsמוחות do not only learnלִלמוֹד
from smallקָטָן amountsסכומים of dataנתונים.
התודעה האנושית לא רק לומדת
מכמויות קטנות של נתונים,
16:12
Humanבן אנוש mindsמוחות think
of altogetherלְגַמרֵי newחָדָשׁ ideasרעיונות.
התודעה האנושית חושבת
על רעיונות לגמרי חדשים.
16:18
Humanבן אנוש mindsמוחות generateלִיצוֹר
researchמחקר and discoveryתַגלִית,
התודעה האנושית יוצרת מחקר
ומחוללת גילוי.
16:20
and humanבן אנוש mindsמוחות generateלִיצוֹר
artאומנות and literatureסִפְרוּת and poetryשִׁירָה and theaterתיאטרון,
והתודעה האנושית יוצרת אמנות וספרות
ושירה ותיאטרון,
16:23
and humanבן אנוש mindsמוחות take careלְטַפֵּל of other humansבני אנוש:
והתודעה האנושית דואגת לבני אדם אחרים:
16:29
our oldישן, our youngצָעִיר, our sickחוֹלֶה.
הזקנים שלנו, הצעירים שלנו, החולים שלנו.
16:32
We even healלְרַפֵּא them.
אנו אפילו מרפאים אותם.
16:36
In the yearsשנים to come, we're going
to see technologicalטֶכנוֹלוֹגִי innovationsחידושים
בשנים הבאות, אנחנו עומדים
לראות חידושים טכנולוגיים
16:39
beyondמעבר anything I can even envisionלַחֲזוֹת,
מעבר לכל מה שאני יכולה לדמיין,
16:42
but we are very unlikelyלא סביר
אבל מאוד לא סביר שאנחנו
16:46
to see anything even approximatingמקרוב
the computationalחישובית powerכּוֹחַ of a humanבן אנוש childיֶלֶד
נראה משהו שמתקרב אפילו לכוח
החישובי של הילד האנושי
16:48
in my lifetimeלכל החיים or in yoursשלך.
בחיים שלי או בשלכם.
16:54
If we investלהשקיע in these mostרוב powerfulחָזָק
learnersלומדים and theirשֶׁלָהֶם developmentהתפתחות,
אם נשקיע הרבה בלומדים אלה ובפיתוחם
16:58
in babiesתינוקות and childrenיְלָדִים
בתינוקות ובילדים
17:03
and mothersאמהות and fathersאבות
ואימהות ואבות
17:06
and caregiversמטפלים and teachersמורים
ובמטפלים ומורים
17:08
the waysדרכים we investלהשקיע in our other
mostרוב powerfulחָזָק and elegantאֵלֶגַנטִי formsטפסים
בדרך שאנו משקיעים בצורות האחרות האלגנטיות
ורבות העצמה שלנו
17:11
of technologyטֶכנוֹלוֹגִיָה, engineeringהַנדָסָה and designלְעַצֵב,
של טכנולוגיה, הנדסה ועיצוב,
17:15
we will not just be dreamingחולם
of a better futureעתיד,
לא רק נחלום על עתיד טוב יותר,
17:18
we will be planningתִכנוּן for one.
נתכנן כזה.
17:21
Thank you very much.
תודה רבה.
17:23
(Applauseתְשׁוּאוֹת)
(מחיאות כפיים)
17:25
Chrisכריס Andersonאנדרסון: Lauraלורה, thank you.
I do actuallyלמעשה have a questionשְׁאֵלָה for you.
כריס אנדרסון: לורה, תודה.
למעשה יש לי שאלה אליך.
17:29
First of all, the researchמחקר is insaneמטורף.
ראשית המחקר הוא מטורף.
17:34
I mean, who would designלְעַצֵב
an experimentלְנַסוֹת like that? (Laughterצחוק)
אני מתכוון, מי היה מעצב
ניסוי כזה? (צחוק)
17:36
I've seenלראות that a coupleזוּג of timesפִּי,
ראיתי את זה כמה פעמים
17:41
and I still don't honestlyבִּיוֹשֶׁר believe
that that can trulyבֶּאֱמֶת be happeningמתרחש,
ועדיין איני מאמין בכנות שיכול להיות
שזה באמת קורה.
17:42
but other people have doneבוצע
similarדוֹמֶה experimentsניסויים; it checksהמחאות out.
אבל אנשים אחרים עשו
ניסויים דומים; זה עובד.
17:46
The babiesתינוקות really are that geniusגָאוֹן.
התינוקות באמת כאלה גאונים.
17:49
LSLS: You know, they look really impressiveמרשימים
in our experimentsניסויים,
ל.ש: אתה יודע, הם נראים ממש
מרשימים בניסויים שלנו,
17:50
but think about what they
look like in realאמיתי life, right?
אבל חישבו על איך שהם נראים בחיי
היומיום. נכון?
17:53
It startsמתחיל out as a babyתִינוֹק.
זה מתחיל כתינוק.
17:56
Eighteenשמונה עשרה monthsחודשים laterיותר מאוחר,
it's talkingשִׂיחָה to you,
18 חודש מאוחר יותר זה מדבר אליך.
17:57
and babies'תינוקות first wordsמילים aren'tלא just
things like ballsכדורים and ducksברווזים,
והמילים הראשונות של התינוקות הן לא רק
דברים כמו כדורים וברווזים,
17:59
they're things like "all goneנעלם,"
whichאיזה referמתייחס to disappearanceהֵעָלְמוּת,
אלה דברים כמו "הכל הלך", שמתייחסים
להיעלמות.
18:02
or "uh-ohאו - או," whichאיזה referמתייחס
to unintentionalלא מכוונת actionsפעולות.
או "או-או" שמתייחס לפעולות שאינן מכוונות.
18:05
It has to be that powerfulחָזָק.
זה חייב להיות עד כדי כך חזק.
18:07
It has to be much more powerfulחָזָק
than anything I showedparagraphs you.
זה חייב להיות הרבה יותר חזק
מכל דבר שהראיתי לכם.
18:09
They're figuringלהבין out the entireשלם worldעוֹלָם.
הם מבינים את העולם כולו.
18:12
A four-year-oldבן ארבע can talk to you
about almostכִּמעַט anything.
בן 4 יכול לדבר איתכם כמעט
על כל דבר.
18:14
(Applauseתְשׁוּאוֹת)
(מחיאות כפיים)
18:17
CACA: And if I understandמבין you right,
the other keyמַפְתֵחַ pointנְקוּדָה you're makingהֲכָנָה is,
כ.א.: ואם אני מבין אותך נכון הנקודה
המרכזית האחרת שאת מצביעה עליה היא,
18:19
we'veיש לנו been throughדרך these yearsשנים
where there's all this talk
כבר עברנו דרך השנים האלה
שיש בהן את כל הדיבורים האלה
18:22
of how quirkyמשונה and buggyמֶרְכָּבָה our mindsמוחות are,
עד כמה מוזרה ומטורפה התודעה שלנו.
18:25
that behavioralהתנהגותי economicsכלכלה
and the wholeכֹּל theoriesתיאוריות behindמֵאָחוֹר that
שכלכלה ארגונית ותיאוריות שלמות עומדים
מאחורי זה
18:27
that we're not rationalרַצִיוֹנָלִי agentsסוכנים.
שאנחנו לא יצורים רציונליים.
18:29
You're really sayingפִּתגָם that the biggerגדול יותר
storyכַּתָבָה is how extraordinaryיוצא דופן,
את באמת אומרת שהסיפור הגדול יותר הוא
עד כמה יוצא מהכלל,
18:31
and there really is geniusגָאוֹן there
that is underappreciatedלא מעריכים.
ויש גאון שם שאינו מוערך דיו.
18:35
LSLS: One of my favoriteהכי אהוב
quotesציטוטים in psychologyפְּסִיכוֹלוֹגִיָה
ל.ש.: אחד מהציטוטים בפסיכולוגיה
האהובים עלי
18:40
comesבא from the socialחֶברָתִי
psychologistפְּסִיכוֹלוֹג Solomonסולומון Aschאש,
הוא של הפסיכולוג החברתי סולומון אש,
18:42
and he said the fundamentalבסיסי taskמְשִׁימָה
of psychologyפְּסִיכוֹלוֹגִיָה is to removeלְהַסִיר
והוא אמר שהתפקיד הקריטי של פסיכולוגיה
הוא להסיר
18:45
the veilצָעִיף of self-evidenceראיה עצמית from things.
את מעטה הראיה-העצמית מעל הדברים.
18:47
There are ordersהזמנות of magnitudeגוֹדֶל
more decisionsהחלטות you make everyכֹּל day
ישנם סדרי גודל
יותר החלטות שמקבלים מדי יום
18:50
that get the worldעוֹלָם right.
שמבינים את העולם נכון.
18:55
You know about objectsחפצים
and theirשֶׁלָהֶם propertiesנכסים.
אתם יודעים על אובייקטים
והמאפיינים שלהם.
18:56
You know them when they're occludedהמוסתרת.
You know them in the darkאפל.
אתם מכירים אותם כאשר הם
חסומים. אתם מכירים אותם בחושך.
18:58
You can walkלָלֶכֶת throughדרך roomsחדרים.
אתם יכולים לעבור דרך חדרים.
19:01
You can figureדמות out what other people
are thinkingחושב. You can talk to them.
אתם יכולים להבין מה אחרים
חושבים. אתם יכולים לדבר איתם.
19:02
You can navigateנווט spaceמֶרחָב.
You know about numbersמספרים.
אתם יכולים לנווט בחלל.
אתם יודעים על מספרים
19:06
You know causalסיבתי relationshipsיחסים.
You know about moralמוסר השכל reasoningהַנמָקָה.
אתם יודעים על קשרים סיבתיים, אתם
יודעים על חשיבה מוסרית.
19:08
You do this effortlesslyללא מאמץ,
so we don't see it,
אתם עושים זאת בקלות, ולכן אנו לא
רואים את זה.
19:11
but that is how we get the worldעוֹלָם right,
and it's a remarkableראוי לציון
אבל ככה אנחנו מבינים את העולם נכון,
וזה מרשים
19:14
and very difficult-to-understandקשה להבין
accomplishmentהישג.
והישג קשה מאוד להבנה.
19:16
CACA: I suspectחָשׁוּד there are people
in the audienceקהל who have
כ.א.: אני חושד שיש אנשים בקהל
שיש להם
19:19
this viewנוף of acceleratingמאיצה
technologicalטֶכנוֹלוֹגִי powerכּוֹחַ
השקפה זו של האצת כוח טכנולוגי
19:21
who mightאולי disputeמַחֲלוֹקֶת your statementהַצהָרָה
that never in our lifetimesחיים
שאולי יחלוק על ההצהרה שלך
שאף פעם בחיינו
19:24
will a computerמַחשֵׁב do what
a three-year-oldבן שלוש childיֶלֶד can do,
מחשב לא יעשה את מה שילד בן 3 יכול לעשות,
19:27
but what's clearברור is that in any scenarioתַרחִישׁ,
אבל מה שברור הוא, שבכל תרחיש,
19:29
our machinesמכונה have so much to learnלִלמוֹד
from our toddlersפעוטות.
למכונות שלנו יש כל כך הרבה ללמוד
מהפעוטות שלנו.
19:32
LSLS: I think so. You'llללא שם: תוכל have some
machineמְכוֹנָה learningלְמִידָה folksאנשים up here.
ל.ש.: אני חושבת כך,יהיו לכם כמה
אנשי למידת מכונה כאן.
19:38
I mean, you should never betלְהַמֵר
againstמול babiesתינוקות or chimpanzeesשימפנזות
כלומר, אתם אף פעם לא צריכים להמר
נגד תינוקות או שימפנזים
19:41
or technologyטֶכנוֹלוֹגִיָה as a matterחוֹמֶר of practiceלְתַרְגֵל,
או טכנולוגיה למעשה,
19:45
but it's not just
a differenceהֶבדֵל in quantityכַּמוּת,
אבל זה לא רק הבדל בכמות,
19:49
it's a differenceהֶבדֵל in kindסוג.
זה הבדל בסוג.
19:53
We have incrediblyבצורה מדהימה powerfulחָזָק computersמחשבים,
יש לנו מחשבים רבי עוצמה,
19:55
and they do do amazinglyמדהים
sophisticatedמתוחכם things,
והם עושים דברים מתוחכמים להפליא,
19:57
oftenלעתים קרובות with very bigגָדוֹל amountsסכומים of dataנתונים.
לעתים קרובות עם כמויות
גדולות מאוד של נתונים.
20:00
Humanבן אנוש mindsמוחות do, I think,
something quiteדַי differentשונה,
התודעה האנושית, אני חושבת,
עושה משהו שונה בתכלית,
20:03
and I think it's the structuredמובנה,
hierarchicalהיררכי natureטֶבַע of humanבן אנוש knowledgeיֶדַע
ואני חושבת שזה המבנה ההיררכי המובנה
של הידע אנושי
20:05
that remainsשְׂרִידִים a realאמיתי challengeאתגר.
שנשאר אתגר אמיתי.
20:09
CACA: Lauraלורה Schulzשולץ, wonderfulנִפלָא
foodמזון for thought. Thank you so much.
כ.א.: לורה שולץ, חומר נפלא למחשבה
תודה רבה לך.
20:11
LSLS: Thank you.
(Applauseתְשׁוּאוֹת)
ל.ש.: תודה רבה
(מחיאות כפיים)
20:14
Translated by zeeva Livshitz
Reviewed by Ido Dekkers

▲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