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

Laura Schulz: As mentes surpreendentemente lógicas dos bebés

Filmed
Views 1,632,838

Como é que os bebés aprendem tanto a partir de tão pouco e tão rapidamente? Numa conversa divertida e experiente, a cientista cognitiva Laura Schulz mostra como os nossos pequeninos tomam decisões com um senso de lógica surpreendentemente forte, muito antes de saberem falar.

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

Mark Twain resumiu o que eu considero
00:12
MarkMark TwainTwain summedsomado up
what I take to be
um dos problemas fundamentais
da ciência cognitiva
00:14
one of the fundamentalfundamental problemsproblemas
of cognitivecognitivo scienceCiência
apenas numa piada.
00:18
with a singlesolteiro witticismpiada.
Ele disse: "Há algo
fascinante na ciência.
00:20
He said, "There's something
fascinatingfascinante about scienceCiência.
"Obtêm-se retornos profundos
da conjetura
00:23
One getsobtém suchtal wholesaleVenda por atacado
returnsretorna of conjectureconjectura
00:26
out of suchtal a triflingzombando de
investmentinvestimento in factfacto."
"a partir de investigações
superficiais da verdade".
00:29
(LaughterRiso)
(Risos)
Claro que Twain disse isto a brincar,
mas está correto:
00:32
TwainTwain meantsignificava it as a jokegracejo,
of coursecurso, but he's right:
00:34
There's something
fascinatingfascinante about scienceCiência.
Há algo fascinante na ciência.
00:37
From a fewpoucos bonesossos, we inferinferir
the existenceexistência of dinosuarsDinosuars.
A partir de alguns ossos, inferimos
a existência de dinossauros.
A partir de linhas espetrais,
a composição de nebulosas.
00:42
From spectralespectral lineslinhas,
the compositioncomposição of nebulaenebulosas.
A partir de moscas-da-fruta,
00:47
From fruitfruta fliesmoscas,
os mecanismos da hereditariedade,
00:50
the mechanismsmecanismos of heredityhereditariedade,
00:53
and from reconstructedreconstruída imagesimagens
of bloodsangue flowingfluindo throughatravés the braincérebro,
e de imagens reconstruídas do sangue
que flui através do cérebro,
00:57
or in my casecaso, from the behaviorcomportamento
of very youngjovem childrencrianças,
ou no meu caso, do comportamento
de crianças muito novas,
tentamos dizer algo
sobre os mecanismos fundamentais
01:02
we try to say something about
the fundamentalfundamental mechanismsmecanismos
01:05
of humanhumano cognitionconhecimento.
da cognição humana.
No meu laboratório no Departamento
de Ciências Cognitivas no MIT,
01:07
In particularespecial, in my lablaboratório in the DepartmentDepartamento
of BrainCérebro and CognitiveCognitivo SciencesCiências at MITMIT,
01:12
I have spentgasto the pastpassado decadedécada
tryingtentando to understandCompreendo the mysterymistério
passei a última década
a tentar perceber o mistério
de como as crianças aprendem tanto
a partir de tão pouco e tão rapidamente.
01:16
of how childrencrianças learnaprender so much
from so little so quicklyrapidamente.
Porque acontece que a coisa
fascinante na ciência
01:20
Because, it turnsgira out that
the fascinatingfascinante thing about scienceCiência
também é uma coisa fascinante
nas crianças.
01:23
is alsoAlém disso a fascinatingfascinante
thing about childrencrianças,
Mudando um pouco a frase de Mark Twain,
01:27
whichqual, to put a gentlermais suave
spingirar on MarkMark TwainTwain,
é exatamente a capacidade que elas têm
para criar inferências ricas e abstratas
01:29
is preciselyprecisamente theirdeles abilityhabilidade
to drawdesenhar richrico, abstractabstrato inferencesinferências
01:34
rapidlyrapidamente and accuratelycom precisão
from sparseesparsas, noisybarulhento datadados.
com rapidez e precisão,
a partir de dados soltos, ruidosos.
Hoje vou dar apenas dois exemplos.
01:40
I'm going to give you
just two examplesexemplos todayhoje.
Um é sobre um problema de generalização,
01:42
One is about a problemproblema of generalizationgeneralização,
e o outro é sobre um problema
de raciocínio causal.
01:45
and the other is about a problemproblema
of causalcausal reasoningraciocínio.
Apesar de falar sobre o trabalho
no meu laboratório,
01:47
And althoughApesar I'm going to talk
about work in my lablaboratório,
este trabalho é inspirado
e derivado de um campo.
01:50
this work is inspiredinspirado by
and indebtedem dívida to a fieldcampo.
01:53
I'm gratefulgrato to mentorsmentores, colleaguescolegas,
and collaboratorscolaboradores around the worldmundo.
Estou grata a mentores, colegas,
e colaboradores de todo o mundo.
Vou começar com o problema
da generalização.
01:59
Let me startcomeçar with the problemproblema
of generalizationgeneralização.
Generalizar a partir de poucos dados
é o pão nosso de cada dia na ciência.
02:02
GeneralizingA generalização from smallpequeno samplesamostras of datadados
is the breadpão and buttermanteiga of scienceCiência.
Sondamos uma pequena fração de eleitores
02:06
We pollEnquete a tinyminúsculo fractionfração of the electorateeleitorado
e prevemos o resultado
das eleições nacionais.
02:09
and we predictprever the outcomeresultado
of nationalnacional electionseleições.
Vemos como alguns pacientes reagem
ao tratamento num ensaio clínico,
02:12
We see how a handfulmão cheia of patientspacientes
respondsresponde to treatmenttratamento in a clinicalclínico trialtentativas,
e colocamos drogas no mercado nacional.
02:16
and we bringtrazer drugsdrogas to a nationalnacional marketmercado.
02:19
But this only workstrabalho if our sampleamostra
is randomlyaleatoriamente drawndesenhado from the populationpopulação.
Mas isto só funciona se a nossa amostra
for obtida aleatoriamente da população.
Se a nossa amostra for enviesada
de alguma maneira
02:23
If our sampleamostra is cherry-pickedescolhido a cereja
in some way --
02:26
say, we pollEnquete only urbanurbano voterseleitores,
— digamos, sondamos apenas
eleitores urbanos,
02:28
or say, in our clinicalclínico trialsensaios
for treatmentstratamentos for heartcoração diseasedoença,
ou então, nos nossos ensaios clínicos
para tratamento de doenças do coração,
incluímos apenas homens —
02:32
we includeincluir only menhomens --
os resultados podem não representar
a população mais ampla.
02:34
the resultsresultados maypode not generalizegeneralizar
to the broadermais amplo populationpopulação.
02:38
So scientistscientistas careCuidado whetherse evidenceevidência
is randomlyaleatoriamente sampledamostrados or not,
Então, os cientistas preocupam-se
se as amostras são aleatórias ou não,
02:42
but what does that have to do with babiesbebês?
mas o que é que tem isto a ver com bebés?
02:44
Well, babiesbebês have to generalizegeneralizar
from smallpequeno samplesamostras of datadados all the time.
Bem, os bebés precisam de generalizar
pequenas amostras de dados o tempo todo.
02:49
They see a fewpoucos rubberborracha duckspatos
and learnaprender that they floatcarro alegórico,
Veem alguns patos de borracha
e aprendem que eles flutuam,
ou veem algumas bolas
e aprendem que elas saltam.
02:52
or a fewpoucos ballsBolas and learnaprender that they bouncesalto.
Desenvolvem expetativas
sobre patos e bolas
02:55
And they developdesenvolve expectationsexpectativas
about duckspatos and ballsBolas
que vão alargar aos
patos de borracha e bolas
02:58
that they're going to extendampliar
to rubberborracha duckspatos and ballsBolas
03:01
for the restdescansar of theirdeles livesvidas.
para o resto da vida.
O tipo de generalizações que os bebés
têm que fazer sobre patos e bolas,
03:03
And the kindstipos of generalizationsgeneralizações
babiesbebês have to make about duckspatos and ballsBolas
precisam fazer sobre quase tudo o resto:
03:07
they have to make about almostquase everything:
03:09
shoessapatos and shipsnavios and sealingde vedação waxcera
and cabbagesrepolhos and kingsreis.
sapatos, barcos, lacre, couves e reis.
Será que os bebés reparam
se os pedacinhos de evidências que veem
03:14
So do babiesbebês careCuidado whetherse
the tinyminúsculo bitpouco of evidenceevidência they see
03:17
is plausiblyplausivelmente representativerepresentante
of a largermaior populationpopulação?
são representantes plausíveis
de uma população mais ampla?
Vamos descobrir.
03:21
Let's find out.
Vou mostrar dois filmes,
03:23
I'm going to showexposição you two moviesfilmes,
um para cada uma
de duas situações de uma experiência.
03:25
one from eachcada of two conditionscondições
of an experimentexperimentar,
03:27
and because you're going to see
just two moviesfilmes,
Como vocês vão ver apenas dois filmes,
03:30
you're going to see just two babiesbebês,
verão apenas dois bebés,
e quaisquer dois bebés diferem entre si
de várias maneiras.
03:32
and any two babiesbebês differdiferem from eachcada other
in innumerableinumeráveis waysmaneiras.
Mas estes bebés, claro,
representam grupos de bebés.
03:36
But these babiesbebês, of coursecurso,
here standficar de pé in for groupsgrupos of babiesbebês,
As diferenças que vão ver
03:39
and the differencesdiferenças you're going to see
representam as diferenças médias
de grupos de bebés em cada situação.
03:41
representrepresentar averagemédia groupgrupo differencesdiferenças
in babies'bebês' behaviorcomportamento acrossatravés conditionscondições.
Em cada filme, vocês vão ver
um bebé a fazer,
03:47
In eachcada moviefilme, you're going to see
a babybebê doing maybe
talvez exatamente o que vocês
esperam que um bebé faça,
03:49
just exactlyexatamente what you mightpoderia
expectEspero a babybebê to do,
e dificilmente podemos tornar os bebés
mais mágicos do que já são.
03:53
and we can hardlydificilmente make babiesbebês
more magicalmágico than they already are.
Mas para mim, a coisa mágica,
03:58
But to my mindmente the magicalmágico thing,
na qual quero que vocês prestem atenção,
04:00
and what I want you to paypagamento attentionatenção to,
04:02
is the contrastcontraste betweenentre
these two conditionscondições,
é o contraste entre estas duas situações,
porque a única coisa que difere
entre estes dois filmes
04:05
because the only thing
that differsdifere betweenentre these two moviesfilmes
são as evidências estatísticas
que os bebés vão observar.
04:08
is the statisticalestatística evidenceevidência
the babiesbebês are going to observeobservar.
Vamos mostrar aos bebés
uma caixa de bolas azuis e amarelas.
04:13
We're going to showexposição babiesbebês
a boxcaixa of blueazul and yellowamarelo ballsBolas,
04:16
and my then-graduateEntão-pós-graduação studentaluna,
now colleaguecolega at StanfordStanford, HyowonHyowon GweonGweon,
A minha ex-aluna, que agora é minha
colega em Stanford, Hyowon Gweon,
vai tirar da caixa
três bolas azuis de seguida.
04:21
is going to pullpuxar threetrês blueazul ballsBolas
in a rowlinha out of this boxcaixa,
04:24
and when she pullspuxa those ballsBolas out,
she's going to squeezeaperto them,
Ao tirar as bolas, ela vai apertá-las,
e as bolas vão chiar.
04:27
and the ballsBolas are going to squeakguincho.
04:29
And if you're a babybebê,
that's like a TEDTED Talk.
Para um bebé,
é como estar numa palestra do TED.
04:32
It doesn't get better than that.
Não há nada melhor que isto.
04:34
(LaughterRiso)
(Risos)
Mas o que importa é que é fácil
tirar três bolas azuis de seguida
04:38
But the importantimportante pointponto is it's really
easyfácil to pullpuxar threetrês blueazul ballsBolas in a rowlinha
de uma caixa com uma maioria
de bolas azuis.
04:42
out of a boxcaixa of mostlyna maioria das vezes blueazul ballsBolas.
Podíamos fazer isto de olhos fechados.
04:44
You could do that with your eyesolhos closedfechadas.
É plausível que sejam evidências
aleatórias desta população.
04:46
It's plausiblyplausivelmente a randomaleatória sampleamostra
from this populationpopulação.
Se tiramos duma caixa, ao acaso,
qualquer coisa que chia,
04:49
And if you can reachalcance into a boxcaixa at randomaleatória
and pullpuxar out things that squeakguincho,
então talvez tudo dentro da caixa chie.
04:53
then maybe everything in the boxcaixa squeaksgritos.
04:56
So maybe babiesbebês should expectEspero
those yellowamarelo ballsBolas to squeakguincho as well.
Talvez os bebés devessem esperar que
as bolas amarelas também chiassem.
Mas as bolas amarelas
têm bastões engraçados na ponta,
05:00
Now, those yellowamarelo ballsBolas
have funnyengraçado sticksvaras on the endfim,
05:02
so babiesbebês could do other things
with them if they wanted to.
para os bebés fazerem
outras coisas com elas, se quiserem.
05:05
They could poundlibra them or whackwhack them.
Podem amassá-las ou bater com elas.
05:07
But let's see what the babybebê does.
Mas vamos ver o que o bebé faz.
(Vídeo)
Hyowon Gweon: Vês isto?
05:12
(VideoVídeo) HyowonHyowon GweonGweon: See this?
(BallBola squeaksgritos)
(Bola chia)
Viste?
05:16
Did you see that?
(BallBola squeaksgritos)
(Bola chia)
05:20
CoolFresco.
Fixe.
Vês esta?
05:24
See this one?
05:26
(BallBola squeaksgritos)
(Bola chia)
Uau.
05:28
WowUau.
Laura Schulz: Eu não disse?
05:33
LauraLaura SchulzSchulz: Told you. (LaughsRisos)
HG: Estás a ver esta?
05:35
(VideoVídeo) HGHG: See this one?
(BallBola squeaksgritos)
(Bola chia)
05:39
Hey ClaraClara, this one'suns for you.
You can go aheadadiante and playToque.
Ei, Clara, esta é para ti.
Podes brincar, se quiseres.
(Risos)
05:51
(LaughterRiso)
LS: Nem preciso dizer nada, certo?
05:56
LSLS: I don't even have to talk, right?
Tudo bem, é bom que os bebés
generalizem as propriedades
05:59
All right, it's nicebom that babiesbebês
will generalizegeneralizar propertiespropriedades
das bolas azuis para as amarelas.
06:02
of blueazul ballsBolas to yellowamarelo ballsBolas,
06:03
and it's impressiveimpressionante that babiesbebês
can learnaprender from imitatingimitando us,
É impressionante que os bebés
aprendam por imitação,
mas já sabemos estas coisas
sobre bebés há muito tempo.
06:06
but we'venós temos knownconhecido those things about babiesbebês
for a very long time.
A questão mais interessante
06:10
The really interestinginteressante questionquestão
é o que acontece quando mostramos
exatamente a mesma coisa,
06:12
is what happensacontece when we showexposição babiesbebês
exactlyexatamente the samemesmo thing,
06:15
and we can ensuregarantir it's exactlyexatamente the samemesmo
because we have a secretsegredo compartmentcompartimento
e podemos garantir que é a mesma coisa
pois temos um compartimento secreto
06:18
and we actuallyna realidade pullpuxar the ballsBolas from there,
e tiramos as bolas de lá.
06:20
but this time, all we changemudança
is the apparentaparente populationpopulação
Mas, desta vez, vamos mudar
a população aparente
a partir da qual foram obtidas as evidências .
06:24
from whichqual that evidenceevidência was drawndesenhado.
06:27
This time, we're going to showexposição babiesbebês
threetrês blueazul ballsBolas
Desta vez, vamos mostrar
aos bebés três bolas azuis
06:30
pulledpuxado out of a boxcaixa
of mostlyna maioria das vezes yellowamarelo ballsBolas,
tiradas de uma caixa com
a maioria de bolas amarelas,
e adivinhem?
06:34
and guessacho what?
06:35
You [probablyprovavelmente won'tnão vai] randomlyaleatoriamente drawdesenhar
threetrês blueazul ballsBolas in a rowlinha
Não é provável tirarmos
três bolas azuis de seguida
06:38
out of a boxcaixa of mostlyna maioria das vezes yellowamarelo ballsBolas.
de uma caixa com a maioria
de bolas amarelas.
06:40
That is not plausiblyplausivelmente
randomlyaleatoriamente sampledamostrados evidenceevidência.
Isto não é uma prova
de uma amostra aleatória plausível.
06:44
That evidenceevidência suggestssugere that maybe HyowonHyowon
was deliberatelydeliberadamente samplingamostragem the blueazul ballsBolas.
Estas evidências indicam
que Hyowon escolheu
as bolas azuis, de propósito.
06:49
Maybe there's something specialespecial
about the blueazul ballsBolas.
Talvez haja algo especial
nas bolas azuis.
Talvez apenas as bolas azuis chiem.
06:52
Maybe only the blueazul ballsBolas squeakguincho.
Vamos ver o que o bebé faz.
06:55
Let's see what the babybebê does.
06:57
(VideoVídeo) HGHG: See this?
(BallBola squeaksgritos)
(Vídeo) HG: Vês isto?
(Bola chia)
Vês este brinquedo?
07:02
See this toybrinquedo?
(BallBola squeaksgritos)
(Bola chia)
07:05
Oh, that was coollegal. See?
(BallBola squeaksgritos)
Oh, isto foi fixe! Vês?
(Bola chia)
07:10
Now this one'suns for you to playToque.
You can go aheadadiante and playToque.
Agora, esta é para tu brincares.
Podes brincar se quiser.
07:18
(FussingFuçando)
(LaughterRiso)
(Balbucios)
07:26
LSLS: So you just saw
two 15-month-old-mês-velho babiesbebês
LS: Pronto, acabaram de ver
dois bebés de 15 meses
07:29
do entirelyinteiramente differentdiferente things
a fazer coisas totalmente diferentes,
07:31
basedSediada only on the probabilityprobabilidade
of the sampleamostra they observedobservado.
com base apenas na probabilidade
da amostra que observaram.
Vou mostrar os resultados experimentais.
07:35
Let me showexposição you the experimentalexperimental resultsresultados.
07:37
On the verticalvertical axiseixo, you'llvocê vai see
the percentagepercentagem of babiesbebês
No eixo vertical, temos
a percentagem de bebés
07:40
who squeezedespremidos the ballbola in eachcada conditioncondição,
que apertaram a bola em cada situação.
07:42
and as you'llvocê vai see, babiesbebês are much
more likelyprovável to generalizegeneralizar the evidenceevidência
Como podemos ver, os bebés
tendem a generalizar as evidências
07:46
when it's plausiblyplausivelmente representativerepresentante
of the populationpopulação
quando há uma amostra representativa
plausível da população
07:49
than when the evidenceevidência
is clearlyclaramente cherry-pickedescolhido a cereja.
em vez de uma amostra
escolhida propositadamente.
Isto leva a uma previsão divertida:
07:53
And this leadsconduz to a funDiversão predictionpredição:
07:55
SupposeSuponha que you pulledpuxado just one blueazul ballbola
out of the mostlyna maioria das vezes yellowamarelo boxcaixa.
suponham que tirávamos uma bola azul
da caixa com maioria de bolas amarelas.
08:00
You [probablyprovavelmente won'tnão vai] pullpuxar threetrês blueazul ballsBolas
in a rowlinha at randomaleatória out of a yellowamarelo boxcaixa,
Provavelmente, não tirávamos
três bolas azuis de seguida,
mas podíamos tirar aleatoriamente
uma bola azul.
08:04
but you could randomlyaleatoriamente sampleamostra
just one blueazul ballbola.
Isso não é uma amostra improvável.
08:07
That's not an improbableimprovável sampleamostra.
08:09
And if you could reachalcance into
a boxcaixa at randomaleatória
Se pudéssemos mexer
numa caixa ao acaso
08:11
and pullpuxar out something that squeaksgritos,
maybe everything in the boxcaixa squeaksgritos.
e tirar qualquer coisa que chie,
talvez todas as coisas da caixa chiem.
08:15
So even thoughApesar babiesbebês are going to see
much lessMenos evidenceevidência for squeakingchiando,
Então, mesmo que os bebés estejam
a ver menos evidências para o chiar,
e tenham muitas menos ações para imitar
08:20
and have manymuitos fewermenos actionsações to imitateimitar
08:22
in this one ballbola conditioncondição than in
the conditioncondição you just saw,
nesta situação de uma bola
que acabámos de ver,
08:25
we predictedpreviu that babiesbebês themselvessi mesmos
would squeezeaperto more,
previmos que os próprios bebés
apertariam mais,
08:29
and that's exactlyexatamente what we foundencontrado.
e foi exatamente isso que vimos.
08:32
So 15-month-old-mês-velho babiesbebês,
in this respectrespeito, like scientistscientistas,
Então, os bebés de 15 meses,
como se fossem cientistas,
08:37
careCuidado whetherse evidenceevidência
is randomlyaleatoriamente sampledamostrados or not,
reparam se as evidências são
amostras aleatórias ou não,
08:40
and they use this to developdesenvolve
expectationsexpectativas about the worldmundo:
e usam isso para desenvolver
expetativas sobre o mundo:
o que chia e o que não chia,
08:43
what squeaksgritos and what doesn't,
o que explorar e o que ignorar.
08:45
what to exploreexplorar and what to ignoreignorar.
Agora vou mostrar outro exemplo,
08:50
Let me showexposição you anotheroutro exampleexemplo now,
desta vez sobre um problema
de raciocínio causal.
08:52
this time about a problemproblema
of causalcausal reasoningraciocínio.
Começa com um problema
de evidências confusas
08:55
And it startscomeça with a problemproblema
of confoundedconfundidos evidenceevidência
que todos nós temos,
08:57
that all of us have,
ou seja, que fazemos parte do mundo.
08:59
whichqual is that we are partparte of the worldmundo.
09:01
And this mightpoderia not seemparecem like a problemproblema
to you, but like mosta maioria problemsproblemas,
Isto pode não vos parecer um problema
mas, como a maioria dos problemas,
09:04
it's only a problemproblema when things go wrongerrado.
só é um problema
quando as coisas não correm bem.
Vejam este bebé, por exemplo.
09:07
Take this babybebê, for instanceinstância.
09:09
Things are going wrongerrado for him.
As coisas não lhe correm bem.
09:10
He would like to make
this toybrinquedo go, and he can't.
Ele queria que este brinquedo tocasse,
mas não consegue.
09:13
I'll showexposição you a few-secondpoucos segundos clipgrampo.
Vou mostrar-vos um vídeo
de alguns segundos.
Há duas possibilidades:
09:21
And there's two possibilitiespossibilidades, broadlyem linhas gerais:
Talvez ele esteja a fazer algo mal,
09:23
Maybe he's doing something wrongerrado,
ou talvez haja algo de errado
com o brinquedo.
09:25
or maybe there's something
wrongerrado with the toybrinquedo.
Portanto, nesta próxima experiência,
09:30
So in this nextPróximo experimentexperimentar,
vamos dar aos bebés
apenas alguns dados estatísticos
09:32
we're going to give babiesbebês
just a tinyminúsculo bitpouco of statisticalestatística datadados
apoiando uma hipótese sobre a outra.
09:35
supportingde apoio one hypothesishipótese over the other,
Vamos ver se os bebés conseguem
tomar decisões diferentes
09:38
and we're going to see if babiesbebês
can use that to make differentdiferente decisionsdecisões
quanto ao que fazer.
09:41
about what to do.
09:43
Here'sAqui é the setupinstalação.
Aqui está a experiência.
A Hyowon vai tentar fazer
com que o brinquedo toque e consegue.
09:46
HyowonHyowon is going to try to make
the toybrinquedo go and succeedter sucesso.
Depois, eu vou tentar duas vezes e falhar.
09:49
I am then going to try twiceduas vezes
and failfalhou bothambos timesvezes,
09:52
and then HyowonHyowon is going
to try again and succeedter sucesso,
A Hyowon vai tentar de novo
e vai conseguir,
09:55
and this roughlymais ou menos sumssomas up my relationshiprelação
to my graduategraduado studentsalunos
e isto resume a minha relação
com os meus alunos de pós-graduação
09:58
in technologytecnologia acrossatravés the boardborda.
em tecnologia.
Mas o importante aqui é fornecer
um pouco de evidências
10:02
But the importantimportante pointponto here is
it providesfornece a little bitpouco of evidenceevidência
de que o problema
não é o brinquedo, é a pessoa.
10:05
that the problemproblema isn't with the toybrinquedo,
it's with the personpessoa.
Algumas pessoas fazem o brinquedo tocar,
10:08
Some people can make this toybrinquedo go,
e outras não.
10:11
and some can't.
Agora, quando o bebé pega no brinquedo,
ele tem uma escolha.
10:12
Now, when the babybebê getsobtém the toybrinquedo,
he's going to have a choiceescolha.
A mãe dele está ali,
10:16
His mommamãe is right there,
para ele poder entregar o brinquedo
e mudar de pessoa,
10:18
so he can go aheadadiante and handmão off the toybrinquedo
and changemudança the personpessoa,
10:21
but there's alsoAlém disso going to be
anotheroutro toybrinquedo at the endfim of that clothpano,
mas também haverá outro brinquedo,
no final daquele pano.
10:24
and he can pullpuxar the clothpano towardsem direção him
and changemudança the toybrinquedo.
Ele pode puxar o pano
e mudar de brinquedo.
Então vamos ver o que o bebé faz.
10:28
So let's see what the babybebê does.
(Vídeo)
10:30
(VideoVídeo) HGHG: Two, threetrês. Go!
(MusicMúsica)
HG: Dois, três. Vai!
(Música)
10:34
LSLS: One, two, threetrês, go!
LS: Um, dois, três, vai!
10:37
ArthurArthur, I'm going to try again.
One, two, threetrês, go!
Arthur, vou tentar novamente.
Um, dois, três, vai!
10:45
YGYG: ArthurArthur, let me try again, okay?
HG: Arthur, vou tentar de novo, está bem?
10:48
One, two, threetrês, go!
(MusicMúsica)
Um, dois, três, vai!
(Música)
Vê isto.
Lembras-te destes brinquedos?
10:53
Look at that. RememberLembre-se these toysbrinquedos?
10:55
See these toysbrinquedos? Yeah, I'm going
to put this one over here,
Vês estes brinquedos?
Sim, vou pôr este aqui,
10:58
and I'm going to give this one to you.
e vou dar-te este.
Podes brincar se quiseres.
11:00
You can go aheadadiante and playToque.
11:23
LSLS: Okay, LauraLaura, but of coursecurso,
babiesbebês love theirdeles mommiesmamães.
LS: Ok, Laura, mas é óbvio
que os bebés amam as mamãs.
É claro que os bebés vão dar
os brinquedos às mamãs
11:27
Of coursecurso babiesbebês give toysbrinquedos
to theirdeles mommiesmamães
11:30
when they can't make them work.
quando não conseguem pô-los a funcionar.
11:32
So again, the really importantimportante questionquestão
is what happensacontece when we changemudança
Novamente, o que importa
é o que acontece,
quando mudamos ligeiramente
os dados estatísticos.
11:35
the statisticalestatística datadados ever so slightlylevemente.
Desta vez, os bebés vão ver o brinquedo
funcionar e falhar pela mesma ordem,
11:38
This time, babiesbebês are going to see the toybrinquedo
work and failfalhou in exactlyexatamente the samemesmo orderordem,
mas mudamos a distribuição das evidências.
11:42
but we're changingmudando
the distributiondistribuição of evidenceevidência.
11:45
This time, HyowonHyowon is going to succeedter sucesso
onceuma vez and failfalhou onceuma vez, and so am I.
Desta vez, a Hyowon vai conseguir
uma vez e falhar uma vez, e eu também.
11:49
And this suggestssugere it doesn't matterimportam
who triestentativas this toybrinquedo, the toybrinquedo is brokenpartido.
Isto sugere que não importa quem tenta,
o brinquedo está avariado.
Ele nunca funciona.
11:55
It doesn't work all the time.
De novo, a bebé vai poder escolher.
11:57
Again, the baby'sdo bebê going to have a choiceescolha.
A mãe está mesmo ao lado dela,
então ela pode mudar a pessoa,
11:59
Her mommamãe is right nextPróximo to her,
so she can changemudança the personpessoa,
e haverá outro brinquedo no fim do pano.
12:02
and there's going to be anotheroutro toybrinquedo
at the endfim of the clothpano.
Vamos ver o que ela faz.
12:05
Let's watchAssistir what she does.
(Vídeo)
12:07
(VideoVídeo) HGHG: Two, threetrês, go!
(MusicMúsica)
HG: Dois, três, vai!
(Música)
12:11
Let me try one more time.
One, two, threetrês, go!
Deixa-me tentar de novo.
Um, dois, três, vai!
12:17
HmmHmm.
Hum.
12:19
LSLS: Let me try, ClaraClara.
LS: Deixa-me tentar, Clara.
Um, dois, três, vai!
12:22
One, two, threetrês, go!
Hum, deixa-me tentar de novo.
12:27
HmmHmm, let me try again.
12:29
One, two, threetrês, go!
(MusicMúsica)
Um, dois, três, vai!
(Música)
HG: Vou deixar este aqui,
12:35
HGHG: I'm going
to put this one over here,
12:37
and I'm going to give this one to you.
e vou dar-te este.
12:39
You can go aheadadiante and playToque.
Podes brincar, se quiseres.
12:58
(ApplauseAplausos)
(Aplausos)
LS: Vou mostrar
os resultados experimentais.
13:04
LSLS: Let me showexposição you
the experimentalexperimental resultsresultados.
No eixo vertical, temos a distribuição
de escolhas das crianças
13:07
On the verticalvertical axiseixo,
you'llvocê vai see the distributiondistribuição
13:09
of children'scrianças choicesescolhas in eachcada conditioncondição,
para cada situação.
13:12
and you'llvocê vai see that the distributiondistribuição
of the choicesescolhas childrencrianças make
Podemos ver que as escolhas
que as crianças fazem
dependem das evidências observadas.
13:16
dependsdepende on the evidenceevidência they observeobservar.
Então, no segundo ano de vida,
13:19
So in the secondsegundo yearano of life,
os bebés podem usar alguns
dados estatísticos
13:21
babiesbebês can use a tinyminúsculo bitpouco
of statisticalestatística datadados
13:24
to decidedecidir betweenentre two
fundamentallyfundamentalmente differentdiferente strategiesestratégias
para decidir entre duas estratégias
fundamentalmente diferentes
13:27
for actingagindo in the worldmundo:
para agir no mundo:
13:29
askingPerguntando for help and exploringexplorando.
pedir ajuda e explorar.
13:33
I've just shownmostrando you
two laboratorylaboratório experimentsexperiências
Eu só mostrei duas
experiências de laboratório
entre centenas de outras
que mostram resultados parecidos,
13:37
out of literallyliteralmente hundredscentenas in the fieldcampo
that make similarsemelhante pointspontos,
pois o ponto essencial
13:40
because the really criticalcrítico pointponto
é mostrar que a capacidade das crianças
de fazerem deduções com poucos dados
13:43
is that children'scrianças abilityhabilidade
to make richrico inferencesinferências from sparseesparsas datadados
13:48
underliessubjacente a all the species-specificespécie-específicos
culturalcultural learningAprendendo that we do.
está por trás de toda a aprendizagem
cultural específica que fazemos.
As crianças aprendem novas ferramentas
a partir de alguns exemplos.
13:53
ChildrenCrianças learnaprender about newNovo toolsFerramentas
from just a fewpoucos examplesexemplos.
13:58
They learnaprender newNovo causalcausal relationshipsrelacionamentos
from just a fewpoucos examplesexemplos.
Aprendem novas relações causais
a partir de alguns exemplos.
Até aprendem novas palavras,
neste caso em linguagem gestual.
14:03
They even learnaprender newNovo wordspalavras,
in this casecaso in AmericanAmericana SignSinal LanguageLíngua.
14:08
I want to closefechar with just two pointspontos.
Vou concluir com apenas dois pontos.
Se vocês têm estado a acompanhar
as ciências cognitivas e do cérebro
14:12
If you've been followingSegue my worldmundo,
the fieldcampo of braincérebro and cognitivecognitivo sciencesciências,
dos últimos anos,
14:15
for the pastpassado fewpoucos yearsanos,
terão reparado em três grandes ideias.
14:17
threetrês biggrande ideasidéias will have come
to your attentionatenção.
14:20
The first is that this is
the eraera of the braincérebro.
A primeira é que estamos
na era do cérebro.
14:23
And indeedde fato, there have been
staggeringescalonamento discoveriesdescobertas in neuroscienceneurociência:
De facto, houve descobertas
surpreendentes na neurociência:
14:27
localizingLocalização de functionallyfuncionalmente specializedespecializado
regionsregiões of cortexcórtex,
a localização funcional
de regiões especializadas do córtex,
14:30
turninggiro mouserato brainscérebro transparenttransparente,
tornando transparentes cérebros de ratos,
14:33
activatingativando neuronsneurônios with lightluz.
ativando neurónios com luz.
A segunda grande ideia
14:36
A secondsegundo biggrande ideaidéia
é que estamos na era dos megadados
e da aprendizagem das máquinas,
14:38
is that this is the eraera of biggrande datadados
and machinemáquina learningAprendendo,
e isto promete revolucionar
a nossa compreensão de tudo,
14:43
and machinemáquina learningAprendendo promisespromessas
to revolutionizerevolucionar a our understandingcompreensão
14:46
of everything from socialsocial networksredes
to epidemiologyepidemiologia.
desde as redes sociais
até à epidemiologia.
Talvez ao enfrentar problemas
de compreensão contextual
14:50
And maybe, as it tacklestackles problemsproblemas
of scenecena understandingcompreensão
e de processamento de linguagem natural,
14:53
and naturalnatural languagelíngua processingem processamento,
14:55
to tell us something
about humanhumano cognitionconhecimento.
isto nos possa dizer algo
sobre a cognição humana.
E a última grande ideia
14:59
And the finalfinal biggrande ideaidéia you'llvocê vai have heardouviu
é que talvez seja uma boa ideia
virmos a saber muito sobre o cérebro
15:01
is that maybe it's a good ideaidéia we're going
to know so much about brainscérebro
e termos muito acesso aos megadados,
15:05
and have so much accessAcesso to biggrande datadados,
15:06
because left to our ownpróprio devicesdispositivos,
pois, se ficarmos entregues a nós próprios,
15:09
humanshumanos are falliblefalível, we take shortcutsatalhos,
os seres humanos são falíveis,
usamos atalhos,
15:13
we errErr, we make mistakeserros,
erramos, cometemos erros,
somos preconceituosos
e, de várias maneiras,
15:16
we're biasedtendencioso, and in innumerableinumeráveis waysmaneiras,
15:20
we get the worldmundo wrongerrado.
interpretamos mal o mundo.
Penso que estas histórias são importantes,
15:24
I think these are all importantimportante storieshistórias,
e elas dizem-nos muito sobre
o que significa ser humano,
15:27
and they have a lot to tell us
about what it meanssignifica to be humanhumano,
mas quero que vocês percebam que
vos contei uma história muito diferente.
15:31
but I want you to noteNota that todayhoje
I told you a very differentdiferente storyhistória.
É uma história sobre mentes
e não sobre o cérebro.
15:35
It's a storyhistória about mindsmentes and not brainscérebro,
Em particular, é uma história
sobre os tipos de cálculos
15:39
and in particularespecial, it's a storyhistória
about the kindstipos of computationscálculos
que só as mentes humanas
podem fazer,
15:42
that uniquelyunicamente humanhumano mindsmentes can performexecutar,
15:45
whichqual involveenvolver richrico, structuredestruturada knowledgeconhecimento
and the abilityhabilidade to learnaprender
o que envolve o conhecimento
rico e estruturado
e a capacidade de aprender a partir
de pequenas quantidades de dados,
15:49
from smallpequeno amountsvalores of datadados,
the evidenceevidência of just a fewpoucos examplesexemplos.
das evidências de alguns exemplos.
Essencialmente, é uma história
sobre como as crianças
15:56
And fundamentallyfundamentalmente, it's a storyhistória
about how startinginiciando as very smallpequeno childrencrianças
16:00
and continuingcontinuando out all the way
to the greatestmaior accomplishmentsrealizações
começam e continuam o seu caminho
para as maiores realizações
da nossa cultura.
16:04
of our culturecultura,
Conseguimos assim,
interpretar bem o mundo.
16:08
we get the worldmundo right.
16:12
FolksPessoal, humanhumano mindsmentes do not only learnaprender
from smallpequeno amountsvalores of datadados.
A mente humana não aprende
apenas com pequenas quantidades de dados.
A mente humana pensa em novas ideias.
16:18
HumanHumana mindsmentes think
of altogetherno total newNovo ideasidéias.
A mente humana gera
pesquisa e descoberta.
16:20
HumanHumana mindsmentes generategerar
researchpesquisa and discoverydescoberta,
16:23
and humanhumano mindsmentes generategerar
artarte and literatureliteratura and poetrypoesia and theaterteatro,
A mente humana gera
arte, literatura, poesia e teatro.
16:29
and humanhumano mindsmentes take careCuidado of other humanshumanos:
A mente humana cuida
de outros seres humanos:
16:32
our oldvelho, our youngjovem, our sickdoente.
dos nossos velhos, dos nossos jovens,
dos nossos doentes.
16:36
We even healcurar them.
Nós até os curamos.
16:39
In the yearsanos to come, we're going
to see technologicaltecnológica innovationsinovações
Nos próximos anos, vamos ver
inovações tecnológicas
16:42
beyondalém anything I can even envisionenVision,
para além de qualquer coisa
que eu possa imaginar,
mas é muito improvável
16:46
but we are very unlikelyimprovável
que venhamos a ver um computador com
o mesmo poder da mente de uma criança
16:48
to see anything even approximatingaproximando-se
the computationalcomputacional powerpoder of a humanhumano childcriança
durante a minha vida ou a vossa.
16:54
in my lifetimetempo de vida or in yoursSua.
16:58
If we investinvestir in these mosta maioria powerfulpoderoso
learnersalunos and theirdeles developmentdesenvolvimento,
Se investirmos nestes poderosos
aprendizes e no seu desenvolvimento,
nos bebés e nas crianças,
17:03
in babiesbebês and childrencrianças
nas mães e nos pais
17:06
and mothersmães and fatherspais
nos cuidadores e nos professores,
17:08
and caregiverscuidadores and teachersprofessores
da mesma forma que investimos
noutras formas mais poderosas e elegantes
17:11
the waysmaneiras we investinvestir in our other
mosta maioria powerfulpoderoso and elegantelegante formsformas
de tecnologia, da engenharia e do "design",
17:15
of technologytecnologia, engineeringEngenharia and designdesenhar,
não vamos apenas sonhar
com um futuro melhor,
17:18
we will not just be dreamingsonhando
of a better futurefuturo,
vamos estar a planeá-lo.
17:21
we will be planningplanejamento for one.
17:23
Thank you very much.
Muito obrigada.
(Aplausos)
17:25
(ApplauseAplausos)
17:29
ChrisChris AndersonAnderson: LauraLaura, thank you.
I do actuallyna realidade have a questionquestão for you.
Chris Anderson: Laura, obrigado.
Tenho uma pergunta para si.
Em primeiro lugar,
esta pesquisa é uma loucura.
17:34
First of all, the researchpesquisa is insaneinsano.
17:36
I mean, who would designdesenhar
an experimentexperimentar like that? (LaughterRiso)
Quero dizer, quem iria projetar
uma experiência como esta?
Eu vi isto algumas vezes,
17:41
I've seenvisto that a couplecasal of timesvezes,
e ainda não acredito que isto
pode estar a acontecer,
17:42
and I still don't honestlyhonestamente believe
that that can trulyverdadeiramente be happeningacontecendo,
mas outras pessoas fizeram experiências
semelhantes; e verifica-se.
17:46
but other people have donefeito
similarsemelhante experimentsexperiências; it checksverifica out.
Os bebés são realmente geniais.
17:49
The babiesbebês really are that geniusgênio.
17:50
LSLS: You know, they look really impressiveimpressionante
in our experimentsexperiências,
LS: Eles parecem muito impressionantes
nas nossas experiências,
17:53
but think about what they
look like in realreal life, right?
mas pense em como eles são
na vida real.
Nasce um bebé. Dezoito meses depois,
está a falar connosco.
17:56
It startscomeça out as a babybebê.
17:57
EighteenDezoito anos monthsmeses latermais tarde,
it's talkingfalando to you,
17:59
and babies'bebês' first wordspalavras aren'tnão são just
things like ballsBolas and duckspatos,
As primeiras palavras
não são coisas como bolas e patos,
são coisas como "não há",
que se refere ao desaparecimento,
18:02
they're things like "all gonefoi,"
whichqual referreferir to disappearancedesaparecimento,
ou "uh-oh", que se refere
a ações não intencionais.
18:05
or "uh-ohAh-Ah," whichqual referreferir
to unintentionalnão intencional actionsações.
É preciso ser poderoso,
18:07
It has to be that powerfulpoderoso.
18:09
It has to be much more powerfulpoderoso
than anything I showedmostrou you.
muito mais poderoso
do que tudo o que eu mostrei.
Estão a tentar descobrir
o mundo inteiro.
18:12
They're figuringfigurando out the entireinteira worldmundo.
Uma criança de quatro anos
pode conversar sobre quase tudo.
18:14
A four-year-oldquatro anos de idade can talk to you
about almostquase anything.
(Aplausos)
18:17
(ApplauseAplausos)
18:19
CACA: And if I understandCompreendo you right,
the other keychave pointponto you're makingfazer is,
CA: Se percebi bem,
o outro ponto que levanta
é que temos passado estes anos
com esta conversa toda
18:22
we'venós temos been throughatravés these yearsanos
where there's all this talk
do quão peculiar e confusas
são as nossas mentes,
18:25
of how quirkypeculiar and buggybuggy our mindsmentes are,
18:27
that behavioralcomportamentais economicseconomia
and the wholetodo theoriesteorias behindatrás that
que a economia comportamental
e outras teorias que dizem
que não somos agentes racionais.
18:29
that we're not rationalracional agentsagentes.
18:31
You're really sayingdizendo that the biggerMaior
storyhistória is how extraordinaryextraordinário,
Acha realmente que a nossa mente
é extraordinária,
18:35
and there really is geniusgênio there
that is underappreciatedsubestimado.
e que há um génio ali que é subestimado?
18:40
LSLS: One of my favoritefavorito
quotescitações in psychologyPsicologia
LS: Uma das minhas citações favoritas
em psicologia
18:42
comesvem from the socialsocial
psychologistpsicólogo SolomonSalomão AschAsch,
é do psicólogo social Solomon Asch,
18:45
and he said the fundamentalfundamental tasktarefa
of psychologyPsicologia is to removeremover
que disse que a tarefa fundamental
da psicologia
é remover o véu
da autoevidência das coisas.
18:47
the veilvéu of self-evidenceauto-evidência from things.
18:50
There are ordersordens of magnitudemagnitude
more decisionsdecisões you make everycada day
Há milhões de tipos de escolhas
que fazemos todos os dias,
que nos fazem ver bem o mundo.
18:55
that get the worldmundo right.
18:56
You know about objectsobjetos
and theirdeles propertiespropriedades.
Conhecemos os objetos
e as suas propriedades.
18:58
You know them when they're occludedocluídas.
You know them in the darkSombrio.
Sabemos quando estão ocultos.
Conhecemo-los no escuro.
Podemos andar por salas,
19:01
You can walkandar throughatravés roomsquartos.
19:02
You can figurefigura out what other people
are thinkingpensando. You can talk to them.
descobrir o que as outras
pessoas estão a pensar e falar com elas.
Podemos navegar no espaço.
Conhecemos os números.
19:06
You can navigatenavegar spaceespaço.
You know about numbersnúmeros.
Conhecemos as relações causais
e o raciocínio moral.
19:08
You know causalcausal relationshipsrelacionamentos.
You know about moralmoral reasoningraciocínio.
Fazemos isto sem esforço,
por isso nem reparamos,
19:11
You do this effortlesslysem esforço,
so we don't see it,
mas é assim que vemos o mundo,
e é uma realização notável
19:14
but that is how we get the worldmundo right,
and it's a remarkablenotável
e muito difícil de perceber.
19:16
and very difficult-to-understanddifícil de entender
accomplishmentrealização.
CA: Eu suspeito que há pessoas na plateia
19:19
CACA: I suspectsuspeito there are people
in the audiencepúblico who have
que têm uma visão do poder
tecnológico crescente
19:21
this viewVisão of acceleratingacelerando
technologicaltecnológica powerpoder
que podem refutar a sua afirmação
de que, nunca na nossa vida,
19:24
who mightpoderia disputedisputa your statementdeclaração
that never in our lifetimestempos de vida
haverá um computador que faça o mesmo
que uma criança de três anos,
19:27
will a computercomputador do what
a three-year-oldtrês anos de idade childcriança can do,
mas está claro que, em qualquer cenário,
19:29
but what's clearClaro is that in any scenariocenário,
19:32
our machinesmáquinas have so much to learnaprender
from our toddlerscrianças pequenas.
as nossas máquinas têm muito
a aprender com as nossas crianças.
19:38
LSLS: I think so. You'llVocê vai have some
machinemáquina learningAprendendo folkspessoal up here.
LS: Acho que sim. Temos aqui pessoas
de aprendizagem de máquina.
19:41
I mean, you should never betaposta
againstcontra babiesbebês or chimpanzeeschimpanzés
Quero dizer, não devemos apostar
contra bebés ou chimpanzés
19:45
or technologytecnologia as a matterimportam of practiceprática,
ou tecnologia, como uma questão prática,
19:49
but it's not just
a differencediferença in quantityquantidade,
mas não é apenas
uma diferença na quantidade,
é uma diferença no tipo.
19:53
it's a differencediferença in kindtipo.
Temos computadores
incrivelmente poderosos,
19:55
We have incrediblyincrivelmente powerfulpoderoso computerscomputadores,
que fazem coisas
incrivelmente sofisticadas,
19:57
and they do do amazinglySurpreendentemente
sophisticatedsofisticado things,
20:00
oftenfrequentemente with very biggrande amountsvalores of datadados.
muitas vezes com grandes
quantidades de dados.
A mente humana faz algo
completamente diferente.
20:03
HumanHumana mindsmentes do, I think,
something quitebastante differentdiferente,
Acho que é a natureza hierárquica
e estruturada do conhecimento humano
20:05
and I think it's the structuredestruturada,
hierarchicalhierárquica naturenatureza of humanhumano knowledgeconhecimento
20:09
that remainspermanece a realreal challengedesafio.
que continua a ser um desafio real.
20:11
CACA: LauraLaura SchulzSchulz, wonderfulMaravilhoso
foodComida for thought. Thank you so much.
CA: Laura Schulz,
uma conversa maravilhosa. Obrigado.
20:14
LSLS: Thank you.
(ApplauseAplausos)
LS: Obrigada.
(Aplausos)
Translated by Catarina Mendes
Reviewed by Margarida Ferreira

▲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