TED2015
Laura Schulz: The surprisingly logical minds of babies
ลอร่า ชูลส์ (Laura Schulz): สมองที่มีเหตุผลจนเหลือเชื่อของเด็กเล็ก
Filmed:
Readability: 3.8
1,888,975 views
เด็กเล็กเรียนรู้จากสิ่งเล็ก ๆ ได้มากมายและรวดเร็วได้อย่างไร ในทอล์กที่เต็มไปได้ความสนุกมีูมูลเหตุจากการทดลองนี้ นักประชานศาสตร์ ลอร่า ชูลส์ แสดงให้เราเห็นว่าเด็ก ๆ สามารถตัดสินใจอย่างมีเหตุผลได้ดีจนน่าประหลาดใจ ก่อนแม้จะพูดได้
Laura Schulz - Cognitive scientist
Developmental behavior studies spearheaded by Laura Schulz are changing our notions of how children learn. Full bio
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
Mark Twain summed up
what I take to be
what I take to be
0
835
2155
มาร์ก ทเวน ได้สรุปสิ่งที่ฉันเห็นว่า
00:14
one of the fundamental problems
of cognitive science
of cognitive science
1
2990
3120
เป็นปัญหาพื้นฐานอย่างหนึ่งใน
สาขาประชานศาสตร์ (cognitive science)
สาขาประชานศาสตร์ (cognitive science)
00:18
with a single witticism.
2
6110
1710
ด้วยคำพูดหนึ่งที่คมคาย
00:20
He said, "There's something
fascinating about science.
fascinating about science.
3
8410
3082
เขากล่าวว่า "มีเรื่องหนึ่งที่น่าทึ่ง
เกี่ยวกับวิทยาศาสตร์
เกี่ยวกับวิทยาศาสตร์
00:23
One gets such wholesale
returns of conjecture
returns of conjecture
4
11492
3228
เราได้กำไรมหาศาลผ่านการเดา
00:26
out of such a trifling
investment in fact."
investment in fact."
5
14720
3204
จากการได้ความจริงมาเพียงเล็กน้อย"
00:29
(Laughter)
6
17924
1585
(เสียงหัวเราะ)
00:32
Twain meant it as a joke,
of course, but he's right:
of course, but he's right:
7
20199
2604
แน่นอนว่า ทเวนตั้งใจให้เป็นมุก
แต่เขาก็พูดถูก
แต่เขาก็พูดถูก
00:34
There's something
fascinating about science.
fascinating about science.
8
22803
2876
มันเป็นเรื่องที่น่าทึ่งในวิทยาศาสตร์
00:37
From a few bones, we infer
the existence of dinosuars.
the existence of dinosuars.
9
25679
4261
จากกระดูกไม่กี่ชิ้น
เราอนุมานการมีอยู่ของไดโนเสาร์
เราอนุมานการมีอยู่ของไดโนเสาร์
00:42
From spectral lines,
the composition of nebulae.
the composition of nebulae.
10
30910
3871
จากเส้นสเปกตรัม
เราอนุมานโครงสร้างของเนบิวลา
เราอนุมานโครงสร้างของเนบิวลา
00:47
From fruit flies,
11
35471
2938
จากแมลงหวี่
00:50
the mechanisms of heredity,
12
38409
2943
เราพบกลไกการถ่ายทอดทางพันธุกรรม
00:53
and from reconstructed images
of blood flowing through the brain,
of blood flowing through the brain,
13
41352
4249
และจากภาพจำลอง
การไหลของเลือดในสมอง
การไหลของเลือดในสมอง
00:57
or in my case, from the behavior
of very young children,
of very young children,
14
45601
4708
หรือในกรณีของฉัน
จากพฤติกรรมของเด็กเล็ก
จากพฤติกรรมของเด็กเล็ก
01:02
we try to say something about
the fundamental mechanisms
the fundamental mechanisms
15
50309
2829
เราพยายามจะเรียนรู้
เกี่ยวกับกลไกพื้นฐาน
เกี่ยวกับกลไกพื้นฐาน
01:05
of human cognition.
16
53138
1618
ของระบบประชานในมนุษย์
01:07
In particular, in my lab in the Department
of Brain and Cognitive Sciences at MIT,
of Brain and Cognitive Sciences at MIT,
17
55716
4759
โดยเฉพาะ ในห้องทดลองของฉัน
ที่ภาคประชานศาสตร์และสมองที่ MIT
ที่ภาคประชานศาสตร์และสมองที่ MIT
01:12
I have spent the past decade
trying to understand the mystery
trying to understand the mystery
18
60475
3654
ฉันใช้เวลาทั้งทศวรรษที่ผ่านมา
พยายามไขปริศนา
พยายามไขปริศนา
01:16
of how children learn so much
from so little so quickly.
from so little so quickly.
19
64129
3977
ว่าเด็กสามารถเรียนรู้ได้อย่างมหาศาล
จากข้อมูลที่น้อยนิดในเวลารวดเร็วได้อย่างไร
จากข้อมูลที่น้อยนิดในเวลารวดเร็วได้อย่างไร
01:20
Because, it turns out that
the fascinating thing about science
the fascinating thing about science
20
68666
2978
เพราะจริง ๆ แล้ว
สิ่งที่น่าอัศจรรย์เกี่ยวกับวิทยาศาสตร์
สิ่งที่น่าอัศจรรย์เกี่ยวกับวิทยาศาสตร์
01:23
is also a fascinating
thing about children,
thing about children,
21
71644
3529
ก็เป็นสิ่งที่น่าอัศจรรย์ในเด็กด้วย
01:27
which, to put a gentler
spin on Mark Twain,
spin on Mark Twain,
22
75173
2581
ซึ่ง ถ้านำคำของมาร์ก ทเวน
มากล่าวให้ไพเราะขึ้น
มากล่าวให้ไพเราะขึ้น
01:29
is precisely their ability
to draw rich, abstract inferences
to draw rich, abstract inferences
23
77754
4650
ก็คือความสามารถของเด็ก
ในการอนุมานที่สมบูรณ์ที่เป็นนามธรรม
ในการอนุมานที่สมบูรณ์ที่เป็นนามธรรม
01:34
rapidly and accurately
from sparse, noisy data.
from sparse, noisy data.
24
82404
4661
อย่างรวดเร็วและแม่นยำ
จากข้อมูลเพียงเล็กน้อยและมีสิ่งรบกวน
จากข้อมูลเพียงเล็กน้อยและมีสิ่งรบกวน
01:40
I'm going to give you
just two examples today.
just two examples today.
25
88355
2398
ฉันจะยกตัวอย่างให้คุณได้ดูในวันนี้
สองตัวอย่าง
สองตัวอย่าง
01:42
One is about a problem of generalization,
26
90753
2287
อย่างแรกเกี่ยวกับปัญหาของการวางนัยทั่วไป
01:45
and the other is about a problem
of causal reasoning.
of causal reasoning.
27
93040
2850
อย่างที่สองคือปัญหาเกี่ยวกับการหาเหตุผล
01:47
And although I'm going to talk
about work in my lab,
about work in my lab,
28
95890
2525
และแม้ว่าฉันจะกล่าวถึงงาน
ในห้องทดลองของฉัน
ในห้องทดลองของฉัน
01:50
this work is inspired by
and indebted to a field.
and indebted to a field.
29
98415
3460
งานชิ้นนี้ได้แรงบันดาลใจจากภาคสนาม
01:53
I'm grateful to mentors, colleagues,
and collaborators around the world.
and collaborators around the world.
30
101875
4283
ฉันรู้สึกขอบคุณที่ปรึกษา เพื่อนร่วมงาน
และผู้ให้ความร่วมมือทุกท่านทั่วโลก
และผู้ให้ความร่วมมือทุกท่านทั่วโลก
01:59
Let me start with the problem
of generalization.
of generalization.
31
107308
2974
เราเริ่มที่ปัญหาเกี่ยวกับการวางนัยทั่วไปก่อน
02:02
Generalizing from small samples of data
is the bread and butter of science.
is the bread and butter of science.
32
110652
4133
การวางนัยทั่วไปจากข้อมูลตัวอย่างจำนวนน้อย
เป็นสิ่งพื้นฐานสำหรับวิทยาศาสตร์
เป็นสิ่งพื้นฐานสำหรับวิทยาศาสตร์
02:06
We poll a tiny fraction of the electorate
33
114785
2554
เราเก็บรวมรวมผลโพลคะแนนโหวต
จากผู้มีสิทธิเลือกตั้ง
จากผู้มีสิทธิเลือกตั้ง
02:09
and we predict the outcome
of national elections.
of national elections.
34
117339
2321
จากนั้นเราทำนายผลของการเลือกตั้งได้
02:12
We see how a handful of patients
responds to treatment in a clinical trial,
responds to treatment in a clinical trial,
35
120240
3925
เราเฝ้าดูว่าคนไข้จำนวนหนึ่ง
ตอบสนองต่อการรักษาในการทดลองอย่างไร
ตอบสนองต่อการรักษาในการทดลองอย่างไร
02:16
and we bring drugs to a national market.
36
124165
3065
จากนั้นเราก็ขายยาออกสู่ตลาด
02:19
But this only works if our sample
is randomly drawn from the population.
is randomly drawn from the population.
37
127230
4365
แต่นี่เป็นไปได้
ก็ต่อเมื่อเราต้องสุ่มตัวอย่างจากประชากร
ก็ต่อเมื่อเราต้องสุ่มตัวอย่างจากประชากร
02:23
If our sample is cherry-picked
in some way --
in some way --
38
131595
2735
หากว่าตัวอย่างเป็นสิ่งที่จงใจเลือก
ไม่ว่าจะเลือกอย่างไร
ไม่ว่าจะเลือกอย่างไร
02:26
say, we poll only urban voters,
39
134330
2072
เช่น เราเก็บผลโพลจากผู้คนเพียงแค่ในเมือง
02:28
or say, in our clinical trials
for treatments for heart disease,
for treatments for heart disease,
40
136402
4388
หรือในการทดลองทางคลินิก
เพื่อรักษาโรคหัวใจ
เพื่อรักษาโรคหัวใจ
02:32
we include only men --
41
140790
1881
เราเลือกมาแค่ผู้ชาย
02:34
the results may not generalize
to the broader population.
to the broader population.
42
142671
3158
ผลที่ได้ออกมาไม่สามารถนำมาสรุปใช้
กับประชากรทั้งหมดได้
กับประชากรทั้งหมดได้
02:38
So scientists care whether evidence
is randomly sampled or not,
is randomly sampled or not,
43
146479
3581
ดังนั้น นักวิทยาศาสตร์ต้องคำนึงว่า
หลักฐานเป็นตัวอย่างสุ่มหรือไม่
หลักฐานเป็นตัวอย่างสุ่มหรือไม่
02:42
but what does that have to do with babies?
44
150060
2015
แต่นั่นเกี่ยวกับเด็กเล็ก ๆ อย่างไร
02:44
Well, babies have to generalize
from small samples of data all the time.
from small samples of data all the time.
45
152585
4621
เด็กเล็กจะต้องหาข้อสรุปจากข้อมูล
ที่ได้จากตัวอย่างกลุ่มเล็ก ๆ ตลอดเวลา
ที่ได้จากตัวอย่างกลุ่มเล็ก ๆ ตลอดเวลา
02:49
They see a few rubber ducks
and learn that they float,
and learn that they float,
46
157206
3158
พวกเขาเห็นเป็ดยางเพียงไม่กี่ตัว
และเรียนรู้ว่าพวกมันนั้นลอยน้ำได้
และเรียนรู้ว่าพวกมันนั้นลอยน้ำได้
02:52
or a few balls and learn that they bounce.
47
160364
3575
หรือเห็นลูกบอลเพียงไม่กี่ลูก
แล้วรู้ว่าพวกมันสามารถเด้งได้
แล้วรู้ว่าพวกมันสามารถเด้งได้
02:55
And they develop expectations
about ducks and balls
about ducks and balls
48
163939
2951
พวกเขาจะพัฒนาความคิด
เกี่ยวกับเป็ดและลูกบอล
เกี่ยวกับเป็ดและลูกบอล
02:58
that they're going to extend
to rubber ducks and balls
to rubber ducks and balls
49
166890
2716
ที่จะอยู่กับพวกเขา
03:01
for the rest of their lives.
50
169606
1879
ไปตลอดชีวิต
03:03
And the kinds of generalizations
babies have to make about ducks and balls
babies have to make about ducks and balls
51
171485
3739
และการหานัยทั่วไป
ที่เด็กเล็กต้องทำกับเป็ดและบอลนั้น
ที่เด็กเล็กต้องทำกับเป็ดและบอลนั้น
03:07
they have to make about almost everything:
52
175224
2089
พวกเขาต้องทำกับทุกสิ่งรอบตัว
03:09
shoes and ships and sealing wax
and cabbages and kings.
and cabbages and kings.
53
177313
3917
เช่ นรองเท้า เรือ แว็กซ์ กะหล่ำปลี พระราชา
03:14
So do babies care whether
the tiny bit of evidence they see
the tiny bit of evidence they see
54
182200
2961
ดังนั้น เด็กเล็กนั้นต้องสนใจ
หลักฐานเล็กน้อยที่พวกเขาเห็น
หลักฐานเล็กน้อยที่พวกเขาเห็น
03:17
is plausibly representative
of a larger population?
of a larger population?
55
185161
3692
ว่าเป็นเรื่องที่สามารถนำมาใช้
กับประชากรกลุ่มที่ใหญ่ขึ้นได้หรือไม่
กับประชากรกลุ่มที่ใหญ่ขึ้นได้หรือไม่
03:21
Let's find out.
56
189763
1900
เรามาดูกัน
03:23
I'm going to show you two movies,
57
191663
1723
ฉันจะให้คุณดูภาพยนตร์สองเรื่อง
03:25
one from each of two conditions
of an experiment,
of an experiment,
58
193386
2462
แต่ละเรื่องเป็นการทดลองกรณีหนึ่ง ๆ
03:27
and because you're going to see
just two movies,
just two movies,
59
195848
2438
และเพราะคุณจะได้ดูภาพยนตร์แค่สองเรื่อง
03:30
you're going to see just two babies,
60
198286
2136
คุณก็จะเห็นเด็กน้อยเพียงแค่สองคน
03:32
and any two babies differ from each other
in innumerable ways.
in innumerable ways.
61
200422
3947
และเด็กที่ไหนสองคน
ก็จะแตกต่างกันอย่างมากมาย
ก็จะแตกต่างกันอย่างมากมาย
03:36
But these babies, of course,
here stand in for groups of babies,
here stand in for groups of babies,
62
204369
3051
แต่เด็กสองคนนี้เป็นตัวแทนของกลุ่มเด็กเล็ก
03:39
and the differences you're going to see
63
207420
1895
และความแตกต่างที่คุณกำลังจะได้ดูนั้น
03:41
represent average group differences
in babies' behavior across conditions.
in babies' behavior across conditions.
64
209315
5195
จะแสดงถึงความแตกต่างระหว่างกลุ่ม
เกี่ยวกับพฤติกรรมเด็กในกรณีต่าง ๆ
เกี่ยวกับพฤติกรรมเด็กในกรณีต่าง ๆ
03:47
In each movie, you're going to see
a baby doing maybe
a baby doing maybe
65
215160
2583
ในภาพยนตร์แต่ละเรื่อง
คุณจะได้เห็นเด็กน้อย
คุณจะได้เห็นเด็กน้อย
03:49
just exactly what you might
expect a baby to do,
expect a baby to do,
66
217743
3460
ทำสิ่งที่คุณคิดไว้อยู่แล้วว่าพวกเขาจะทำ
03:53
and we can hardly make babies
more magical than they already are.
more magical than they already are.
67
221203
4017
และเด็กเหล่านี้
ก็สามารถทำอะไรได้เหลือเชื่ออยู่แล้ว
ก็สามารถทำอะไรได้เหลือเชื่ออยู่แล้ว
03:58
But to my mind the magical thing,
68
226090
2010
สำหรับฉันนั้น สิ่งเหลือเชื่อ
04:00
and what I want you to pay attention to,
69
228100
2089
และสิ่งที่ฉันต้องการที่ให้พวกคุณจะสนใจดู
04:02
is the contrast between
these two conditions,
these two conditions,
70
230189
3111
ก็คือ ความแตกต่างระหว่างสองกรณีนี้
04:05
because the only thing
that differs between these two movies
that differs between these two movies
71
233300
3529
เพราะสิ่งเดียวที่ต่างกัน
ระหว่างภาพยนตร์สองเรื่องนี้
ระหว่างภาพยนตร์สองเรื่องนี้
04:08
is the statistical evidence
the babies are going to observe.
the babies are going to observe.
72
236829
3466
ก็คือ หลักฐานทางด้านสถิติ
ที่เด็กเล็กเหล่านี้จะได้เห็น
ที่เด็กเล็กเหล่านี้จะได้เห็น
04:13
We're going to show babies
a box of blue and yellow balls,
a box of blue and yellow balls,
73
241425
3183
เราจะโชว์กล่องที่เต็มไปด้วยลูกบอล
สีน้ำเงินและสีเหลือง
สีน้ำเงินและสีเหลือง
04:16
and my then-graduate student,
now colleague at Stanford, Hyowon Gweon,
now colleague at Stanford, Hyowon Gweon,
74
244608
4620
นักศึกษาของฉันในตอนนั้น ตอนนี้เป็นเพื่อน
ร่วมงานที่สแตนฟอร์ด คือ Hyowon Gweon
ร่วมงานที่สแตนฟอร์ด คือ Hyowon Gweon
04:21
is going to pull three blue balls
in a row out of this box,
in a row out of this box,
75
249228
3077
จะดึงเอาบอลสีน้ำเงินออกจากกล่อง
ต่อกันสามลูก
ต่อกันสามลูก
04:24
and when she pulls those balls out,
she's going to squeeze them,
she's going to squeeze them,
76
252305
3123
และเมื่อเธอดึงบอลเหล่านั้นออกมา
เธอก็จะบีบมันไปด้วย
เธอก็จะบีบมันไปด้วย
04:27
and the balls are going to squeak.
77
255428
2113
บอลเหล่านี้จะส่งเสียง
04:29
And if you're a baby,
that's like a TED Talk.
that's like a TED Talk.
78
257541
2763
และถ้าพวกคุณคือเด็กคนนั้น
นั่นเป็นเหมือนกับดู TED Talk
นั่นเป็นเหมือนกับดู TED Talk
04:32
It doesn't get better than that.
79
260304
1904
ไม่มีอะไรเจ๋งกว่านี้แล้ว
04:34
(Laughter)
80
262208
2561
(เสียงหัวเราะ)
04:38
But the important point is it's really
easy to pull three blue balls in a row
easy to pull three blue balls in a row
81
266968
3659
แต่สิ่งสำคัญก็คือ มันง่ายมากที่จะดึงเอา
บอลสีน้ำเงินออกมาเรียง ๆ กัน
บอลสีน้ำเงินออกมาเรียง ๆ กัน
04:42
out of a box of mostly blue balls.
82
270627
2305
จากกล่องที่เต็มไปด้วยบอลสีน้ำเงิน
04:44
You could do that with your eyes closed.
83
272932
2060
คุณสามารถปิดตาทำมันได้ด้วยซ้ำ
04:46
It's plausibly a random sample
from this population.
from this population.
84
274992
2996
มันน่าจะเป็นการเลือกสุ่มจาก
กลุ่มประชากรนี้
กลุ่มประชากรนี้
04:49
And if you can reach into a box at random
and pull out things that squeak,
and pull out things that squeak,
85
277988
3732
และเมื่อคุณล้วงลงไปในกล่องอย่างสุ่ม ๆ
แล้วดึงเอาบางสิ่งที่ส่งเสียงได้ออกมา
แล้วดึงเอาบางสิ่งที่ส่งเสียงได้ออกมา
04:53
then maybe everything in the box squeaks.
86
281720
2839
เราก็อาจสรุปได้ว่า
ทุกอย่างในกล่องนั้นส่งเสียงได้
ทุกอย่างในกล่องนั้นส่งเสียงได้
04:56
So maybe babies should expect
those yellow balls to squeak as well.
those yellow balls to squeak as well.
87
284559
3650
ดังนั้นเด็ก ๆ ก็ควรจะคิดว่าลูกบอลสีเหลือง
ก็จะส่งเสียงร้องได้เหมือนกัน
ก็จะส่งเสียงร้องได้เหมือนกัน
05:00
Now, those yellow balls
have funny sticks on the end,
have funny sticks on the end,
88
288209
2519
แต่ว่าบอลสีเหลืองเหล่านั้นมีแท่ง
ยาวดูแปลก ๆ ที่ยืดออกมา
ยาวดูแปลก ๆ ที่ยืดออกมา
05:02
so babies could do other things
with them if they wanted to.
with them if they wanted to.
89
290728
2857
ดังนั้น เด็ก ๆ จะเล่นอะไรอย่างอื่นกับมันก็ได้
ถ้าปรารถนา
ถ้าปรารถนา
05:05
They could pound them or whack them.
90
293585
1831
พวกเขาสามารถตีมันรัว ๆ และแรง ๆ
05:07
But let's see what the baby does.
91
295416
2586
แต่มาดูกันว่าเด็ก ๆ จะทำอะไร
05:12
(Video) Hyowon Gweon: See this?
(Ball squeaks)
(Ball squeaks)
92
300548
3343
(วีดิโอ) โยวอน จวอน : ดูนี่นะจ๊ะ
(เสียงบอล)
(เสียงบอล)
05:16
Did you see that?
(Ball squeaks)
(Ball squeaks)
93
304531
3045
เห็นไหมจ๊ะ
(เสียงบอล)
(เสียงบอล)
05:20
Cool.
94
308036
3066
เจ๋งใช่ไหมล่ะ
05:24
See this one?
95
312706
1950
ดูนี่นะจ๊ะ
05:26
(Ball squeaks)
96
314656
1881
(เสียงบอล)
05:28
Wow.
97
316537
2653
ว้าว
05:33
Laura Schulz: Told you. (Laughs)
98
321854
2113
ลอร่า: บอกคุณแล้ว
(เสียงหัวเราะ)
(เสียงหัวเราะ)
05:35
(Video) HG: See this one?
(Ball squeaks)
(Ball squeaks)
99
323967
4031
(วีดิโอ) โยวอน: ดูนี่นะจ๊ะ
(เสียงบอล)
(เสียงบอล)
05:39
Hey Clara, this one's for you.
You can go ahead and play.
You can go ahead and play.
100
327998
4619
คลารา อันนี้ของหนูจ้ะ
เล่นกับมันได้ตามสบายเลย
เล่นกับมันได้ตามสบายเลย
05:51
(Laughter)
101
339854
4365
(เสียงหัวเราะ)
05:56
LS: I don't even have to talk, right?
102
344219
2995
ลอร่า: ฉันไม่ต้องพูดบรรยายเลยนะ
05:59
All right, it's nice that babies
will generalize properties
will generalize properties
103
347214
2899
เป็นเรื่องดีที่เด็กสามารถวางนัยทั่วไป
เกี่ยวกับคุณสมบัติ
เกี่ยวกับคุณสมบัติ
06:02
of blue balls to yellow balls,
104
350113
1528
ของบอลเหลืองว่าเหมือนกับน้ำเงิน
06:03
and it's impressive that babies
can learn from imitating us,
can learn from imitating us,
105
351641
3096
น่าประทับใจมากที่เด็กน้อยนั้นสามารถ
เรียนรู้เลียนแบบเรา
เรียนรู้เลียนแบบเรา
06:06
but we've known those things about babies
for a very long time.
for a very long time.
106
354737
3669
แต่เรารู้เรื่องราวเช่นนี้เกี่ยวกับเด็ก ๆ
มานานมากแล้ว
มานานมากแล้ว
06:10
The really interesting question
107
358406
1811
คำถามที่น่าสนใจมาก ๆ ก็คือ
06:12
is what happens when we show babies
exactly the same thing,
exactly the same thing,
108
360217
2852
เกิดอะไรขึ้นเมื่อเราแสดงสิ่งเดียวกัน
ให้เด็กหลายคนดู
ให้เด็กหลายคนดู
06:15
and we can ensure it's exactly the same
because we have a secret compartment
because we have a secret compartment
109
363069
3611
และเราทำได้เหมือนกันเพราะเรา
มีช่องลับในกล่องบอล
มีช่องลับในกล่องบอล
06:18
and we actually pull the balls from there,
110
366680
2110
และจริง ๆ เราดึงบอลออกมาจากส่วนนั้น
06:20
but this time, all we change
is the apparent population
is the apparent population
111
368790
3478
แต่คราวนี้ เราจะเปลี่ยนรูปแบบกลุ่มที่ปรากฏ
06:24
from which that evidence was drawn.
112
372268
2902
ที่ใช้แสดงเป็นหลักฐาน
06:27
This time, we're going to show babies
three blue balls
three blue balls
113
375170
3553
ครั้งนี้ เราจะให้เด็กดูบอลสีน้ำเงินสามลูก
06:30
pulled out of a box
of mostly yellow balls,
of mostly yellow balls,
114
378723
3384
ที่ดึงออกมาจากกล่องที่เต็มไปด้วย
บอลสีเหลือง
บอลสีเหลือง
06:34
and guess what?
115
382107
1322
และรู้อะไรไหม
06:35
You [probably won't] randomly draw
three blue balls in a row
three blue balls in a row
116
383429
2840
คุณ [อาจจะไม่สามารถ]
จะสุ่มหยิบบอลสีน้ำเงินออกมาเรียง ๆ กัน
จะสุ่มหยิบบอลสีน้ำเงินออกมาเรียง ๆ กัน
06:38
out of a box of mostly yellow balls.
117
386269
2484
จากกล่องที่เต็มไปด้วยบอลสีเหลือง
06:40
That is not plausibly
randomly sampled evidence.
randomly sampled evidence.
118
388753
3747
นั่นคงจะไม่ใช่หลักฐานที่เกิดจาการสุ่ม
06:44
That evidence suggests that maybe Hyowon
was deliberately sampling the blue balls.
was deliberately sampling the blue balls.
119
392500
5123
หลักฐานนั้นแสดงว่าบางที
Hyowon อาจจะเลือกบอลอย่างจงใจ
Hyowon อาจจะเลือกบอลอย่างจงใจ
06:49
Maybe there's something special
about the blue balls.
about the blue balls.
120
397623
2583
และบางทีอาจมีอะไรพิเศษ
เกี่ยวกับบอลสีน้ำเงิน
เกี่ยวกับบอลสีน้ำเงิน
06:52
Maybe only the blue balls squeak.
121
400846
2976
บางทีแค่บอลสีน้ำเงินเท่านั้นที่ร้อง
06:55
Let's see what the baby does.
122
403822
1895
เรามาดูกันว่าเด็ก ๆ จะทำอะไร
06:57
(Video) HG: See this?
(Ball squeaks)
(Ball squeaks)
123
405717
2904
(วีดิโอ) โยวอน: เห็นนี่ไหมจ๊ะ
(เสียงบอล)
(เสียงบอล)
07:02
See this toy?
(Ball squeaks)
(Ball squeaks)
124
410851
2645
เห็นของเล่นนี่ไหมเอ่ย
(เสียงบอล)
(เสียงบอล)
07:05
Oh, that was cool. See?
(Ball squeaks)
(Ball squeaks)
125
413496
5480
โอ๊ะ นี่เจ๋งมากใช่ไหมล่ะ
(เสียงบอล)
(เสียงบอล)
07:10
Now this one's for you to play.
You can go ahead and play.
You can go ahead and play.
126
418976
4394
อันนี้ของหนูนะจ๊ะ เล่นได้เลย
07:18
(Fussing)
(Laughter)
(Laughter)
127
426074
6347
(ทำจู้จี้)
(เสียงหัวเราะ)
(เสียงหัวเราะ)
07:26
LS: So you just saw
two 15-month-old babies
two 15-month-old babies
128
434901
2748
ลอร่า: คุณได้เห็นไปแล้วว่า เด็กน้อยอายุ
15 เดือน
15 เดือน
07:29
do entirely different things
129
437649
1942
ได้ทำสิ่งที่ต่างกันอย่างสิ้นเชิง
07:31
based only on the probability
of the sample they observed.
of the sample they observed.
130
439591
3599
โดยมีเหตุจากตัวอย่างที่พวกเขาเห็น
07:35
Let me show you the experimental results.
131
443190
2321
มาดูผลการทดลองกันค่ะ
07:37
On the vertical axis, you'll see
the percentage of babies
the percentage of babies
132
445511
2764
แกนตั้งแสดงถึงเปอร์เซ็นต์ของเด็กเล็ก
07:40
who squeezed the ball in each condition,
133
448275
2530
ที่บีบบอลในแต่ละกรณี
07:42
and as you'll see, babies are much
more likely to generalize the evidence
more likely to generalize the evidence
134
450805
3715
และคุณก็จะเห็นว่า
เด็ก ๆ จะสรุปความจากหลักฐาน
เด็ก ๆ จะสรุปความจากหลักฐาน
07:46
when it's plausibly representative
of the population
of the population
135
454520
3135
ที่สามารถเป็นสถิติครอบคลุมประชากร
07:49
than when the evidence
is clearly cherry-picked.
is clearly cherry-picked.
136
457655
3738
มากกกว่าเมื่อเลือกตัวอย่างออกมาอย่างจงใจ
07:53
And this leads to a fun prediction:
137
461393
2415
ทำให้เกิดการคาดคะเนที่น่าสนุก
07:55
Suppose you pulled just one blue ball
out of the mostly yellow box.
out of the mostly yellow box.
138
463808
4868
เมื่อคุณดึงบอลสีน้ำเงินหนึ่งลูก
ออกมาจากกล่องที่เต็มไปด้วยบอลสีเหลือง
ออกมาจากกล่องที่เต็มไปด้วยบอลสีเหลือง
08:00
You [probably won't] pull three blue balls
in a row at random out of a yellow box,
in a row at random out of a yellow box,
139
468896
3869
คุณ [น่าจะไม่] ดึงบอลสีน้ำเงิน
ออกมาติด ๆ กันสามลูกจากกล่องสีเหลือง
ออกมาติด ๆ กันสามลูกจากกล่องสีเหลือง
08:04
but you could randomly sample
just one blue ball.
just one blue ball.
140
472765
2455
แต่คุณควรจะดึงบอลสีน้ำเงินออกมา
เพียงแค่หนึ่งลูก
เพียงแค่หนึ่งลูก
08:07
That's not an improbable sample.
141
475220
1970
นั่นไม่ใช่ตัวอย่างที่เป็นไปไม่ได้
08:09
And if you could reach into
a box at random
a box at random
142
477190
2224
แต่ถ้าคุณดึงตัวอย่างออกมาอย่างสุ่ม
08:11
and pull out something that squeaks,
maybe everything in the box squeaks.
maybe everything in the box squeaks.
143
479414
3987
และดึงบางอย่างที่ส่งเสียงร้องได้
ออกมาในกล่องนั่นทุกอย่างน่าจะส่งเสียงได้
ออกมาในกล่องนั่นทุกอย่างน่าจะส่งเสียงได้
08:15
So even though babies are going to see
much less evidence for squeaking,
much less evidence for squeaking,
144
483875
4445
ดังนั้น แม้ว่าเด็กเล็กจะเห็นหลักฐาน
ที่ส่งเสียงร้องได้เพียงเล็กน้อย
ที่ส่งเสียงร้องได้เพียงเล็กน้อย
08:20
and have many fewer actions to imitate
145
488320
2242
และเห็นตัวอย่างน้อยกว่าที่จะเลียนแบบ
08:22
in this one ball condition than in
the condition you just saw,
the condition you just saw,
146
490562
3343
ในกรณีบอลลูกเดียว
ที่ไม่ใช่กรณีที่คุณเพิ่งดู
ที่ไม่ใช่กรณีที่คุณเพิ่งดู
08:25
we predicted that babies themselves
would squeeze more,
would squeeze more,
147
493905
3892
เราคาดว่าเด็ก ๆ จะบีบบอลมากกว่า
08:29
and that's exactly what we found.
148
497797
2894
แต่นั่นก็คือสิ่งที่พวกเราพบ
08:32
So 15-month-old babies,
in this respect, like scientists,
in this respect, like scientists,
149
500691
4411
ดังนั้น เด็กอายุ 15 เดือน
เป็นก็เหมือนกับนักวิทยาศาสตร์
เป็นก็เหมือนกับนักวิทยาศาสตร์
08:37
care whether evidence
is randomly sampled or not,
is randomly sampled or not,
150
505102
3088
ที่สนใจว่าหลักฐานมาจาการสุ่มหรือไม่
08:40
and they use this to develop
expectations about the world:
expectations about the world:
151
508190
3507
พวกเขาใช้กลไกนี้
ในการเรียนรู้สิ่งต่าง ๆ รอบตัว
ในการเรียนรู้สิ่งต่าง ๆ รอบตัว
08:43
what squeaks and what doesn't,
152
511697
2182
อะไรที่ส่งเสียงร้องได้ และอะไรที่ไม่ร้อง
08:45
what to explore and what to ignore.
153
513879
3145
อะไรคือสิ่งที่ควรจะศึกษา
และอะไรคือสิ่งที่ควรละเลย
และอะไรคือสิ่งที่ควรละเลย
08:50
Let me show you another example now,
154
518384
2066
ตอนนี้เรามาดูตัวอย่างต่อไปกันนะคะ
08:52
this time about a problem
of causal reasoning.
of causal reasoning.
155
520450
2730
คราวนี้เป็นเรื่องราว
เกี่ยวกับปัญหาการให้เหตุผลทั่ว ๆ ไป
เกี่ยวกับปัญหาการให้เหตุผลทั่ว ๆ ไป
08:55
And it starts with a problem
of confounded evidence
of confounded evidence
156
523180
2439
เราจะเริ่มต้นด้วยปัญหาของหลักฐานที่สับสน
08:57
that all of us have,
157
525619
1672
นั่นคือทั้งหมดที่เรามี
08:59
which is that we are part of the world.
158
527291
2020
ซึ่งก็คือเราเป็นส่วนหนึ่งของโลกใบนี้
09:01
And this might not seem like a problem
to you, but like most problems,
to you, but like most problems,
159
529311
3436
คุณคงไม่คิดว่านี่เป็นปัญหา
แต่นี่ก็เหมือนกับปัญหาอื่น ๆ
แต่นี่ก็เหมือนกับปัญหาอื่น ๆ
09:04
it's only a problem when things go wrong.
160
532747
2337
คือจะเป็นปัญหาก็ต่อเมื่อมีอะไรผิดพลาด
09:07
Take this baby, for instance.
161
535464
1811
มาดูเด็กน้อยคนนี้เป็นตัวอย่างค่ะ
09:09
Things are going wrong for him.
162
537275
1705
มีอะไรผิดปกติเกิดขึ้นกับเขา
09:10
He would like to make
this toy go, and he can't.
this toy go, and he can't.
163
538980
2271
เขาต้องการจะให้ของเล่นชิ้นนี้ทำงาน
แต่ทำไม่ได้
แต่ทำไม่ได้
09:13
I'll show you a few-second clip.
164
541251
2529
ฉันจะให้คุณดูคลิปสั้น ๆ
09:21
And there's two possibilities, broadly:
165
549340
1920
และโดยทั่วไป มีความเป็นไปได้สองประการ
09:23
Maybe he's doing something wrong,
166
551260
2634
คือเขาอาจจะทำอะไรผิดพลาด
09:25
or maybe there's something
wrong with the toy.
wrong with the toy.
167
553894
4216
หรือบางที ของเล่นอาจจะเสีย
09:30
So in this next experiment,
168
558110
2111
ดังนั้นในการทดลองถัดไป
09:32
we're going to give babies
just a tiny bit of statistical data
just a tiny bit of statistical data
169
560221
3297
เราจะให้เด็กนั้นได้เห็นข้อมูลเชิงสถิติ
เพียงเล็กน้อย
เพียงเล็กน้อย
09:35
supporting one hypothesis over the other,
170
563518
2582
เพื่อสนับสนุนสมมติฐานหนึ่ง ๆ
มากกว่าอีกอันหนึ่ง
มากกว่าอีกอันหนึ่ง
09:38
and we're going to see if babies
can use that to make different decisions
can use that to make different decisions
171
566100
3455
และเราจะมาดูกันว่าเด็ก ๆ สามารถใช้สถิติ
มาตัดสินใจให้แตกต่างกัน
มาตัดสินใจให้แตกต่างกัน
09:41
about what to do.
172
569555
1834
ว่าจะทำอย่างไร
09:43
Here's the setup.
173
571389
2022
นี่คือการทดลองค่ะ
09:46
Hyowon is going to try to make
the toy go and succeed.
the toy go and succeed.
174
574071
3030
โยวอนจะลองของเล่นและทุกอย่างจะปกติ
09:49
I am then going to try twice
and fail both times,
and fail both times,
175
577101
3320
ฉันจะลอง2ครั้งและจะไม่สามารถทั้งสองครั้ง
09:52
and then Hyowon is going
to try again and succeed,
to try again and succeed,
176
580421
3112
และโยวอนจะลองอีกครั้งแล้วทำมันสำเร็จ
09:55
and this roughly sums up my relationship
to my graduate students
to my graduate students
177
583533
3172
และนี่แสดงถึงความสัมพันธ์
ระหว่างฉันกับลูกศิษย์
ระหว่างฉันกับลูกศิษย์
09:58
in technology across the board.
178
586705
2835
ในเรื่องวัตถุเทคโนโลยีทุก ๆ เรื่อง
10:02
But the important point here is
it provides a little bit of evidence
it provides a little bit of evidence
179
590030
3292
แต่สิ่งสำคัญก็คือ เป็นการแสดงหลักฐานว่า
10:05
that the problem isn't with the toy,
it's with the person.
it's with the person.
180
593322
3668
ปัญหาไม่ได้เกิดจากของเล่น
แต่เป็นที่ตัวคน
แต่เป็นที่ตัวคน
10:08
Some people can make this toy go,
181
596990
2350
บางคนสามารถทำให้ของเล่นนี้เล่นได้
10:11
and some can't.
182
599340
959
แต่บางคนทำไม่ได้
10:12
Now, when the baby gets the toy,
he's going to have a choice.
he's going to have a choice.
183
600799
3413
ตอนนี้ เมื่อเด็กน้อยได้ของเล่น
เขาจะต้องเลือก
เขาจะต้องเลือก
10:16
His mom is right there,
184
604212
2188
แม่ของเขาอยู่ข้าง ๆ
10:18
so he can go ahead and hand off the toy
and change the person,
and change the person,
185
606400
3315
ดังนั้น เขาสามารถส่งของเล่นนั้นต่อได้
เพื่อให้คนอื่นเล่น
เพื่อให้คนอื่นเล่น
10:21
but there's also going to be
another toy at the end of that cloth,
another toy at the end of that cloth,
186
609715
3158
เราก็จะมีของเล่นอีกชิ้น
เตรียมไว้ที่ด้านปลายของผ้า
เตรียมไว้ที่ด้านปลายของผ้า
10:24
and he can pull the cloth towards him
and change the toy.
and change the toy.
187
612873
3552
และเขาสามารถดึงผ้ามา เพื่อเปลี่ยนของเล่น
10:28
So let's see what the baby does.
188
616425
2090
เรามาดูกันดีกว่าว่าเด็กน้อยจะทำอย่างไร
10:30
(Video) HG: Two, three. Go!
(Music)
(Music)
189
618515
4183
(วีดิโอ) โยวอน : สอง สาม เล่นเลย!
(เสียงเพลง)
(เสียงเพลง)
10:34
LS: One, two, three, go!
190
622698
3131
ลอร่า: หนึ่ง สอง สาม เล่นเลย!
10:37
Arthur, I'm going to try again.
One, two, three, go!
One, two, three, go!
191
625829
7382
อาร์เธอร์ ฉันจะลองอีกครั้งนะ
หนึ่ง สอง สาม เล่นเลย!
หนึ่ง สอง สาม เล่นเลย!
10:45
YG: Arthur, let me try again, okay?
192
633677
2600
โยวอน: อาร์เธอร์ให้ฉันลองอีกครั้งนะ
10:48
One, two, three, go!
(Music)
(Music)
193
636277
4550
หนึ่ง สอง สาม เล่นเลย!
(เสียงเพลง)
(เสียงเพลง)
10:53
Look at that. Remember these toys?
194
641583
1883
ดูนั่นสิ จำของเล่นพวกนี้ได้ไหมจ๊ะ
10:55
See these toys? Yeah, I'm going
to put this one over here,
to put this one over here,
195
643466
3264
เห็นของเล่นพวกนี้ไหม ฉันจะเอาอันนี้
วางไว้ตรงนี้นะ
วางไว้ตรงนี้นะ
10:58
and I'm going to give this one to you.
196
646730
2062
แล้วก็จะเอาอีกอันนึงให้หนูนะ
11:00
You can go ahead and play.
197
648792
2335
เล่นได้เลยจ้ะ
11:23
LS: Okay, Laura, but of course,
babies love their mommies.
babies love their mommies.
198
671213
4737
ลอร่า: โอเค ลอร่า แต่ว่าแน่นอนว่า
เด็ก ๆ รักแม่ของพวกเขา
เด็ก ๆ รักแม่ของพวกเขา
11:27
Of course babies give toys
to their mommies
to their mommies
199
675950
2182
ดังนั้น เด็ก ๆ จะเอาของให้แม่ของพวกเขา
11:30
when they can't make them work.
200
678132
2030
เมื่อเขาเล่นพวกมันไม่ได้
11:32
So again, the really important question
is what happens when we change
is what happens when we change
201
680162
3593
แต่คำถามที่สำคัญจริง ๆ อีกก็คือ
จะเกิดอะไรขึ้นเมื่อเราเปลี่ยน
จะเกิดอะไรขึ้นเมื่อเราเปลี่ยน
11:35
the statistical data ever so slightly.
202
683755
3154
ข้อมูลทางสถิติสักเล็กน้อย
11:38
This time, babies are going to see the toy
work and fail in exactly the same order,
work and fail in exactly the same order,
203
686909
4087
คราวนี้ เด็ก ๆ จะเห็นว่าของเล่นสามารถ
เล่นได้และเล่นไม่ได้ตามลำดับเดียวกัน
เล่นได้และเล่นไม่ได้ตามลำดับเดียวกัน
11:42
but we're changing
the distribution of evidence.
the distribution of evidence.
204
690996
2415
แต่เราจะเปลี่ยนการกระจายของหลักฐาน
11:45
This time, Hyowon is going to succeed
once and fail once, and so am I.
once and fail once, and so am I.
205
693411
4411
ครั้งนี้ โยวอน จะทำได้ครั้งหนึ่ง
และไม่ได้ครั้งหนึ่ง ฉันก็เหมือนกัน
และไม่ได้ครั้งหนึ่ง ฉันก็เหมือนกัน
11:49
And this suggests it doesn't matter
who tries this toy, the toy is broken.
who tries this toy, the toy is broken.
206
697822
5637
คราวนี้แสดงให้เห็นว่าเป็นตัวของเล่นที่เสีย
ไม่ว่าใครจะเป็นคนเล่นมัน
ไม่ว่าใครจะเป็นคนเล่นมัน
11:55
It doesn't work all the time.
207
703459
1886
มันเล่นไม่ได้ตลอด
11:57
Again, the baby's going to have a choice.
208
705345
1965
และอีกครั้ง เด็กน้อยจะมีทางเลือก
11:59
Her mom is right next to her,
so she can change the person,
so she can change the person,
209
707310
3396
แม่ของเธอจะอยู่ข้าง ๆ เธอ
เพื่อที่ว่าเธอจะสามารถเปลี่ยนคนได้
เพื่อที่ว่าเธอจะสามารถเปลี่ยนคนได้
12:02
and there's going to be another toy
at the end of the cloth.
at the end of the cloth.
210
710706
3204
และจะมีของเล่นอีกชิ้นวางอยู่ที่ปลายผ้า
12:05
Let's watch what she does.
211
713910
1378
มาดูกันว่าเธอจะทำอย่างไรค่ะ
12:07
(Video) HG: Two, three, go!
(Music)
(Music)
212
715288
4348
(วิดิโอ) โยวอน: สอง สาม เล่นเลย!
(เสียงเพลง)
(เสียงเพลง)
12:11
Let me try one more time.
One, two, three, go!
One, two, three, go!
213
719636
4984
ขอฉันลองอีกครั้งนะ
หนึ่ง สอง สาม เล่นเลย!
หนึ่ง สอง สาม เล่นเลย!
12:17
Hmm.
214
725460
1697
หืมม
12:19
LS: Let me try, Clara.
215
727950
2692
ลอร่า: ขอฉันลองบ้างนะจ๊ะ คลารา
12:22
One, two, three, go!
216
730642
3945
หนึ่ง สอง สาม เล่นเลย!
12:27
Hmm, let me try again.
217
735265
1935
อืมมม ขอฉันลองอีกครั้งนะ
12:29
One, two, three, go!
(Music)
(Music)
218
737200
5670
หนึ่ง สอง สาม เล่นเลย!
(เสียงเพลง)
(เสียงเพลง)
12:35
HG: I'm going
to put this one over here,
to put this one over here,
219
743009
2233
โยวอน: ฉันจะวางของเล่นนี่ไว้ตรงนี้นะจ๊ะ
12:37
and I'm going to give this one to you.
220
745242
2001
ฉันจะให้อันนี้แก่หนูนะจ๊ะ
12:39
You can go ahead and play.
221
747243
3597
เล่นเลยจ้ะ
12:58
(Applause)
222
766376
4897
(เสียงปรบมือ)
13:04
LS: Let me show you
the experimental results.
the experimental results.
223
772993
2392
ลอร่า : เรามาดูผลการทดลองกันค่ะ
13:07
On the vertical axis,
you'll see the distribution
you'll see the distribution
224
775385
2475
แกนตั้งคุณจะเห็นการกระจาย
13:09
of children's choices in each condition,
225
777860
2577
ของการเลือกของเด็กในแต่ละกรณี
13:12
and you'll see that the distribution
of the choices children make
of the choices children make
226
780437
4551
คุณจะเห็นการกระจายของตัวเลือกที่เด็กเลือก
13:16
depends on the evidence they observe.
227
784988
2787
ว่าขึ้นอยู่กับหลักฐานที่พวกเขาได้เห็น
13:19
So in the second year of life,
228
787775
1857
ดังนั้นในปีที่สองของชีวิต
13:21
babies can use a tiny bit
of statistical data
of statistical data
229
789632
2577
เด็ก ๆ จะสามารถใช้ข้อมูลทางด้านสถิติ
13:24
to decide between two
fundamentally different strategies
fundamentally different strategies
230
792209
3367
มาเพื่อเลือกกลยุทธ์พื้นฐานสองอย่าง
ที่แตกต่างกัน
ที่แตกต่างกัน
13:27
for acting in the world:
231
795576
1881
เพื่อตอบสนองกับสิ่งรอบตัว
13:29
asking for help and exploring.
232
797457
2743
เช่นร้องขอความช่วยเหลือ
และสำรวจสิ่งต่าง ๆ
และสำรวจสิ่งต่าง ๆ
13:33
I've just shown you
two laboratory experiments
two laboratory experiments
233
801700
3434
ฉันให้พวกคุณได้ดูการทดลองสองอย่าง
13:37
out of literally hundreds in the field
that make similar points,
that make similar points,
234
805134
3691
จากการทดลองทั้งหมดเป็นร้อย ๆ
ที่แสดงผลคล้ายกัน
ที่แสดงผลคล้ายกัน
13:40
because the really critical point
235
808825
2392
เพราะประเด็นที่สำคัญมากที่สุด
13:43
is that children's ability
to make rich inferences from sparse data
to make rich inferences from sparse data
236
811217
5108
ก็คือความสามารถของเด็ก ๆ ที่จะสรุปได้ดี
จากข้อมูลเพียงเล็กน้อย
จากข้อมูลเพียงเล็กน้อย
13:48
underlies all the species-specific
cultural learning that we do.
cultural learning that we do.
237
816325
5341
เป็นกลไกการเรียนรู้วัฒนธรรม
เฉพาะสายพันธุ์ของพวกเรา
เฉพาะสายพันธุ์ของพวกเรา
13:53
Children learn about new tools
from just a few examples.
from just a few examples.
238
821666
4597
เด็ก ๆ เรียนรู้เกี่ยวกับอุปกรณ์ใหม่ ๆ
จากตัวอย่างเพียงไม่กี่ตัวอย่าง
จากตัวอย่างเพียงไม่กี่ตัวอย่าง
13:58
They learn new causal relationships
from just a few examples.
from just a few examples.
239
826263
4717
เรียนรู้ความสัมพันธ์โดยเหตุผลใหม่ ๆ
จากตัวอย่างเพียงเล็กน้อย
จากตัวอย่างเพียงเล็กน้อย
14:03
They even learn new words,
in this case in American Sign Language.
in this case in American Sign Language.
240
831928
4871
พวกเขาเรียนคำใหม่ ๆ ซึ่งในกรณีนี้
เป็นภาษาใบ้อเมริกัน
เป็นภาษาใบ้อเมริกัน
14:08
I want to close with just two points.
241
836799
2311
ฉันอยากจะจบการพูดคุยนี้ด้วยสองประเด็น
14:12
If you've been following my world,
the field of brain and cognitive sciences,
the field of brain and cognitive sciences,
242
840050
3688
ถ้าคุณได้ติดตามโลกของฉัน
ที่เกี่ยวกับสมองและประชานศาสตร์
ที่เกี่ยวกับสมองและประชานศาสตร์
14:15
for the past few years,
243
843738
1927
มาตลอดสองถึงสามปีที่ผ่านมา
14:17
three big ideas will have come
to your attention.
to your attention.
244
845665
2415
คุณคงจะได้ประสบความคิดหลักสามอย่าง
14:20
The first is that this is
the era of the brain.
the era of the brain.
245
848080
3436
สิ่งแรกคือนี่เป็นยุคสมัยของสมอง
14:23
And indeed, there have been
staggering discoveries in neuroscience:
staggering discoveries in neuroscience:
246
851516
3669
จริงเช่นนั้น มีการค้นพบมากมาย
ในประสาทวิทยศาสตร์
ในประสาทวิทยศาสตร์
14:27
localizing functionally specialized
regions of cortex,
regions of cortex,
247
855185
3436
เช่นการบอกตำแหน่งของคอร์เท็กซ์
ที่ทำงานเฉพาะกิจ
ที่ทำงานเฉพาะกิจ
14:30
turning mouse brains transparent,
248
858621
2601
หรือการทำให้สมองของหนูโปร่งใส
14:33
activating neurons with light.
249
861222
3776
แล้วกระตุ้นเซลล์ประสาทด้วยแสง
14:36
A second big idea
250
864998
1996
ไอเดียที่สอง
14:38
is that this is the era of big data
and machine learning,
and machine learning,
251
866994
4104
คือยุคนี้เป็นยุคของข้อมูลมากมาย
และการเรียนรู้ของเครื่อง
และการเรียนรู้ของเครื่อง
14:43
and machine learning promises
to revolutionize our understanding
to revolutionize our understanding
252
871098
3141
การเรียนรู้ของเครื่องอาจจะปฏิวัติ
ความเข้าใจของเรา
ความเข้าใจของเรา
14:46
of everything from social networks
to epidemiology.
to epidemiology.
253
874239
4667
ในประเด็นปัญหาต่าง ๆ ตั้งแต่
โซเชียลเน็ตเวิร์กจนถึงวิทยาการโรคระบาด
โซเชียลเน็ตเวิร์กจนถึงวิทยาการโรคระบาด
14:50
And maybe, as it tackles problems
of scene understanding
of scene understanding
254
878906
2693
นั่นอาจนำไปถึง
การแก้ปัญหาการเข้าใจสถานการณ์ต่าง ๆ
การแก้ปัญหาการเข้าใจสถานการณ์ต่าง ๆ
14:53
and natural language processing,
255
881599
1993
และการเข้าใจภาษา
14:55
to tell us something
about human cognition.
about human cognition.
256
883592
3324
เพื่อที่จะบอกเรา
เกี่ยวกับระบบประชานของมนุษย์
เกี่ยวกับระบบประชานของมนุษย์
14:59
And the final big idea you'll have heard
257
887756
1937
และไอเดียสุดท้ายที่คุณจะได้ประสบก็คือ
15:01
is that maybe it's a good idea we're going
to know so much about brains
to know so much about brains
258
889693
3387
น่าจะเป็นเรื่องที่ดีที่เราจะได้เข้าใจ
สมองของเรามากขึ้น
สมองของเรามากขึ้น
15:05
and have so much access to big data,
259
893080
1917
และเข้าถึงข้อมูลจำนวนมากได้มากขึ้น
15:06
because left to our own devices,
260
894997
2507
เพราะถ้าเราไม่มีเครื่องช่วย
15:09
humans are fallible, we take shortcuts,
261
897504
3831
มนุษย์ทำการผิดพลาดได้ คือเรามักใช้ทางลัด
15:13
we err, we make mistakes,
262
901335
3437
เราทำผิดพลาด
15:16
we're biased, and in innumerable ways,
263
904772
3684
เราลำเอียง และในหลาย ๆ ด้าน
15:20
we get the world wrong.
264
908456
2969
เราเข้าใจโลกผิดเพี้ยนไป
15:24
I think these are all important stories,
265
912843
2949
ฉันคิดว่าเหล่านี้เป็นเรื่องสำคัญ
15:27
and they have a lot to tell us
about what it means to be human,
about what it means to be human,
266
915792
3785
และเป็นสิ่งที่จะบอกเรา
เกี่ยวกับนิยามของการเป็นมนุษย์
เกี่ยวกับนิยามของการเป็นมนุษย์
15:31
but I want you to note that today
I told you a very different story.
I told you a very different story.
267
919577
3529
แต่ฉันอยากให้ทุกท่านทราบว่า
ฉันได้บอกเล่าเรื่องราวที่ต่างไปในวันนี้
ฉันได้บอกเล่าเรื่องราวที่ต่างไปในวันนี้
15:35
It's a story about minds and not brains,
268
923966
3807
เป็นเรื่องราวของจิตใจไม่ใช่สมอง
15:39
and in particular, it's a story
about the kinds of computations
about the kinds of computations
269
927773
3006
โดยเฉพาะ เรื่องราวของการคำนวณ
15:42
that uniquely human minds can perform,
270
930779
2590
ซึ่งมีเพียงแค่จิตใจของมนุษย์เท่านั้น
ที่สามารถทำได้
ที่สามารถทำได้
15:45
which involve rich, structured knowledge
and the ability to learn
and the ability to learn
271
933369
3944
ซึ่งเกี่ยวข้องกับความรู้ที่มีโครงสร้าง
และความสามารถในการเรียนรู้
และความสามารถในการเรียนรู้
15:49
from small amounts of data,
the evidence of just a few examples.
the evidence of just a few examples.
272
937313
5268
จากข้อมูลเพียงเล็กน้อย
จากหลักฐานที่มีไม่กี่ตัว
จากหลักฐานที่มีไม่กี่ตัว
15:56
And fundamentally, it's a story
about how starting as very small children
about how starting as very small children
273
944301
4299
และในขั้นพื้นฐาน คือเรื่อของง
การเริ่มต้นจากเป็นเด็กเล็ก ๆ
การเริ่มต้นจากเป็นเด็กเล็ก ๆ
16:00
and continuing out all the way
to the greatest accomplishments
to the greatest accomplishments
274
948600
4180
และดำเนินต่อไปสู่ความสำเร็จที่ยิ่งใหญ่ที่สุด
16:04
of our culture,
275
952780
3843
ในวัฒนธรรมของเรา
16:08
we get the world right.
276
956623
1997
ทำให้เข้าใจโลกนี้อย่างถูกต้อง
16:12
Folks, human minds do not only learn
from small amounts of data.
from small amounts of data.
277
960433
5267
จิตใจเรานั้นไม่ได้เรียนรู้แค่ข้อมูล
ที่มีเพียงเล็กน้อย
ที่มีเพียงเล็กน้อย
16:18
Human minds think
of altogether new ideas.
of altogether new ideas.
278
966285
2101
เราสามารถสร้างไอเดียใหม่ ๆ ขึ้นมา
16:20
Human minds generate
research and discovery,
research and discovery,
279
968746
3041
จิตใจคนเราสามารถสร้างงานวิจัยและค้นพบ
16:23
and human minds generate
art and literature and poetry and theater,
art and literature and poetry and theater,
280
971787
5273
จิตใจคนสร้างศิลปะ บทประพันธ์
กลอน และละคร
กลอน และละคร
16:29
and human minds take care of other humans:
281
977070
3760
จิตใจคนสามารถคำนึงถึงมนุษย์คนอื่น ๆ
16:32
our old, our young, our sick.
282
980830
3427
คือคนแก่ เด็ก คนเจ็บ
16:36
We even heal them.
283
984517
2367
เราแม้แต่ช่วยรักษาพวกเขา
16:39
In the years to come, we're going
to see technological innovations
to see technological innovations
284
987564
3103
ในอนาคตที่จะมาถึงนี้
เราจะได้เห็นนวัตกรรมทางด้านเทคโนโลยี
เราจะได้เห็นนวัตกรรมทางด้านเทคโนโลยี
16:42
beyond anything I can even envision,
285
990667
3797
ที่เหนือกว่าที่ฉันจะสามารถจินตนาการได้
16:46
but we are very unlikely
286
994464
2150
แต่เราแทบไม่มีโอกาสจะเห็น
16:48
to see anything even approximating
the computational power of a human child
the computational power of a human child
287
996614
5709
อะไรที่แม้แต่จะสามารถมาใกล้เคียง
กับความฉลาดของเด็กมนุษย์ได้
กับความฉลาดของเด็กมนุษย์ได้
16:54
in my lifetime or in yours.
288
1002323
4298
ในช่วงชีวิตของฉันหรือของคุณ
16:58
If we invest in these most powerful
learners and their development,
learners and their development,
289
1006621
5047
ถ้าเราลงทุนในผู้เรียนที่ฉลาดที่สุดพวกนี้
และในการพัฒนาของพวกเขา
และในการพัฒนาของพวกเขา
17:03
in babies and children
290
1011668
2917
คือในเด็กทารกและเด็ก ๆ
17:06
and mothers and fathers
291
1014585
1826
และพ่อแม่
17:08
and caregivers and teachers
292
1016411
2699
และคนเลี้ยงและคุณครู
17:11
the ways we invest in our other
most powerful and elegant forms
most powerful and elegant forms
293
1019110
4170
เหมือนกันที่เราลงทุนทางเทคโนโลยี
วิศวกรรม และการออกแบบ
วิศวกรรม และการออกแบบ
17:15
of technology, engineering and design,
294
1023280
3218
ที่แสนจะทรงพลังและดูงดงาม
17:18
we will not just be dreaming
of a better future,
of a better future,
295
1026498
2939
เราก็จะไม่เพียงแค่ฝันกลางวัน
ถึงอนาคตอันสดใส
ถึงอนาคตอันสดใส
17:21
we will be planning for one.
296
1029437
2127
นี่เรากำลังวางแผนมัน
17:23
Thank you very much.
297
1031564
2345
ขอบคุณมาก ๆ ค่ะ
17:25
(Applause)
298
1033909
3421
(เสียงปรบมือ)
17:29
Chris Anderson: Laura, thank you.
I do actually have a question for you.
I do actually have a question for you.
299
1037810
4426
คริส แอนเดอร์สัน: Laura ขอบคุณครับ
ผมมีคำถามอยากจะถามคุณ
ผมมีคำถามอยากจะถามคุณ
17:34
First of all, the research is insane.
300
1042236
2359
อย่างแรกเลย งานวิจัยนั่นสุด ๆ เลยครับ
17:36
I mean, who would design
an experiment like that? (Laughter)
an experiment like that? (Laughter)
301
1044595
3725
มีใครจะออกแบบการทดลองแบบนั้นบ้าง
(เสียงหัวเราะ)
(เสียงหัวเราะ)
17:41
I've seen that a couple of times,
302
1049150
1790
ผมได้ดูมาแล้วกว่าสองครั้ง
17:42
and I still don't honestly believe
that that can truly be happening,
that that can truly be happening,
303
1050940
3222
และยังไม่เชื่อว่าเป็นเรื่องที่เกิดขึ้นจริง
17:46
but other people have done
similar experiments; it checks out.
similar experiments; it checks out.
304
1054162
3158
แต่มีคนอื่นที่ได้ทำการทดลองแบบเดียวกัน
ผลก็ออกมาเหมือนกัน
ผลก็ออกมาเหมือนกัน
17:49
The babies really are that genius.
305
1057320
1633
เด็กเล็ก ๆ เป็นอัจฉริยะจริง ๆ
17:50
LS: You know, they look really impressive
in our experiments,
in our experiments,
306
1058953
3007
ลอร่า: ใช่ไหมล่ะคะ พวกเขาดูน่าทึ่งมาก
ในการทดลองของพวกเรา
ในการทดลองของพวกเรา
17:53
but think about what they
look like in real life, right?
look like in real life, right?
307
1061960
2652
แต่ในชีวิตจริงไม่ได้เหมือนอย่างนั้นใช่ไหม
17:56
It starts out as a baby.
308
1064612
1150
เริ่มจากเป็นแค่เด็กทารก
17:57
Eighteen months later,
it's talking to you,
it's talking to you,
309
1065762
2007
18 เดือนต่อมาพวกเขาก็เริ่มพูดคุยกับคุณ
17:59
and babies' first words aren't just
things like balls and ducks,
things like balls and ducks,
310
1067769
3041
และคำแรกที่พวกเขาพูดก็ไม่ใช่แค่คำง่าย ๆ
อย่างบอล หรือ เป็ด
อย่างบอล หรือ เป็ด
18:02
they're things like "all gone,"
which refer to disappearance,
which refer to disappearance,
311
1070810
2881
แต่เป็นคำพูดว่า หมดแล้ว
ที่หมายถึงการหายไป
ที่หมายถึงการหายไป
18:05
or "uh-oh," which refer
to unintentional actions.
to unintentional actions.
312
1073691
2283
หรือ Uh-Oh
มุ่งถึงการกระทำที่เขาไม่ได้ตั้งใจ
มุ่งถึงการกระทำที่เขาไม่ได้ตั้งใจ
18:07
It has to be that powerful.
313
1075974
1562
ทารกต้องเป็นสิ่งที่ทรงพลังมาก
18:09
It has to be much more powerful
than anything I showed you.
than anything I showed you.
314
1077536
2775
เป็นสิ่งเหนือจินตนาการ
มากกว่าสิ่งที่ฉันได้แสดงให้คุณดูไป
มากกว่าสิ่งที่ฉันได้แสดงให้คุณดูไป
18:12
They're figuring out the entire world.
315
1080311
1974
พวกเขาต้องหาคำตอบจากโลกรอบตัวทั้งหมด
18:14
A four-year-old can talk to you
about almost anything.
about almost anything.
316
1082285
3144
เด็กอายุสี่ขวบ
สามารถคุยกับคุณได้แทบทุกเรื่อง
สามารถคุยกับคุณได้แทบทุกเรื่อง
18:17
(Applause)
317
1085429
1601
(เสียงปรบมือ)
18:19
CA: And if I understand you right,
the other key point you're making is,
the other key point you're making is,
318
1087030
3414
คริส: ถ้าผมเข้าใจไม่ผิด อีกประเด็นที่คุณ
กำลังต้องการจะสื่อ ก็คือ
กำลังต้องการจะสื่อ ก็คือ
18:22
we've been through these years
where there's all this talk
where there's all this talk
319
1090444
2754
ผ่านมาหลายปีที่มีการพูดถึงอย่างมากมายว่า
18:25
of how quirky and buggy our minds are,
320
1093198
1932
ใจของพวกเราแปลก
และไม่ค่อยแน่นอนเท่าไร
และไม่ค่อยแน่นอนเท่าไร
18:27
that behavioral economics
and the whole theories behind that
and the whole theories behind that
321
1095130
2867
สาขาเศรษฐศาสตร์เชิงพฤติกรรมและทฤษฎี
ทั้งหมดนั้นบอกว่า
ทั้งหมดนั้นบอกว่า
18:29
that we're not rational agents.
322
1097997
1603
เราไม่ได้เป็นสิ่งที่มีเหตุผล
18:31
You're really saying that the bigger
story is how extraordinary,
story is how extraordinary,
323
1099600
4216
แต่คุณกล่าวว่าเรื่องที่สำคัญกว่านั้นคือ
ใจเราน่าอัศจรรย์
ใจเราน่าอัศจรรย์
18:35
and there really is genius there
that is underappreciated.
that is underappreciated.
324
1103816
4944
และมีความอัจฉริยะที่ประเมินค่าต่ำไป
18:40
LS: One of my favorite
quotes in psychology
quotes in psychology
325
1108760
2070
ลอร่า: มีคำกล่าวด้านจิตวิทยาที่ฉันชอบมาก
อันนึง
อันนึง
18:42
comes from the social
psychologist Solomon Asch,
psychologist Solomon Asch,
326
1110830
2290
เป็นคำพูดของนักจิตวิทยาด้านสังคม
โซโลมอน แอช
โซโลมอน แอช
18:45
and he said the fundamental task
of psychology is to remove
of psychology is to remove
327
1113120
2807
เขาบอกว่างานพื้นฐานของจิตวิทยา
คือการกำจัด
คือการกำจัด
18:47
the veil of self-evidence from things.
328
1115927
2626
สิ่งบดบังความชัดเจนในตัวเองของทุกสิ่ง
18:50
There are orders of magnitude
more decisions you make every day
more decisions you make every day
329
1118553
4551
มีการตัดสินใจมากมายกว่าที่เห็นอีกมาก
ที่คุณต้องทำ
ที่คุณต้องทำ
18:55
that get the world right.
330
1123104
1347
เพื่อเข้าใจโลกอย่างถูกต้อง
18:56
You know about objects
and their properties.
and their properties.
331
1124451
2132
คุณรู้จักสิ่งของและรู้สมบัติต่าง ๆ ของมัน
18:58
You know them when they're occluded.
You know them in the dark.
You know them in the dark.
332
1126583
3029
คุณทราบแม้ว่ามันจะถูกบังไว้
หรือในความมืด
หรือในความมืด
19:01
You can walk through rooms.
333
1129612
1308
คุณเดินผ่านห้องได้
19:02
You can figure out what other people
are thinking. You can talk to them.
are thinking. You can talk to them.
334
1130920
3532
คุณสามารถรู้ได้ว่าคนอื่นกำลังคิดอะไร
คุณพูดคุยกับเขาได้
คุณพูดคุยกับเขาได้
19:06
You can navigate space.
You know about numbers.
You know about numbers.
335
1134452
2230
คุณสามารถเดินทางไปในที่ต่าง ๆ
คุณรู้จักตัวเลข
คุณรู้จักตัวเลข
19:08
You know causal relationships.
You know about moral reasoning.
You know about moral reasoning.
336
1136682
3022
รู้ความเป็นเหตุผล
รู้จักเหตุผลตามทำนองคลองธรรม
รู้จักเหตุผลตามทำนองคลองธรรม
19:11
You do this effortlessly,
so we don't see it,
so we don't see it,
337
1139704
2356
ทำสิ่งเหล่านี้โดยไม่ต้องพยายาม
เราจึงมองไม่เห็นมัน
เราจึงมองไม่เห็นมัน
19:14
but that is how we get the world right,
and it's a remarkable
and it's a remarkable
338
1142060
2912
แต่เรารู้จักโลกได้อย่างถูกต้อง
และนี่มันก็น่ามหัศจรรย์
และนี่มันก็น่ามหัศจรรย์
19:16
and very difficult-to-understand
accomplishment.
accomplishment.
339
1144972
2318
และเป็นความสำเร็จที่เข้าใจได้ยาก
19:19
CA: I suspect there are people
in the audience who have
in the audience who have
340
1147290
2628
คริส: ผมคิดว่ามีผู้ชมในที่นี้
19:21
this view of accelerating
technological power
technological power
341
1149918
2238
ที่มีความคิดเกี่ยวกับ
การเร่งพัฒนาของเทคโนโลยี
การเร่งพัฒนาของเทคโนโลยี
19:24
who might dispute your statement
that never in our lifetimes
that never in our lifetimes
342
1152156
2958
และคิดโต้แย้งกับสิ่งที่คุณพูดว่า
ในช่วงชีวิตของเรา
ในช่วงชีวิตของเรา
19:27
will a computer do what
a three-year-old child can do,
a three-year-old child can do,
343
1155114
2618
คอมพิวเตอร์จะไม่สามารถทำอะไรก็ตาม
ที่เด็กอายุสามขวบสามารถทำได้
ที่เด็กอายุสามขวบสามารถทำได้
19:29
but what's clear is that in any scenario,
344
1157732
3248
แต่สิ่งที่ชัดเจนคือ ไม่ว่าในสถานการณ์ใด
19:32
our machines have so much to learn
from our toddlers.
from our toddlers.
345
1160980
3770
เครื่องกลของเราก็จะต้ัองเรียนรู้
จากเด็กน้อยของเรา
จากเด็กน้อยของเรา
19:38
LS: I think so. You'll have some
machine learning folks up here.
machine learning folks up here.
346
1166230
3216
ลอร่า: ฉันก็คิดเช่นนั้น คุณอาจมีผู้ชำนาญ
เรื่องการเรียนรู้ของเครื่อง
เรื่องการเรียนรู้ของเครื่อง
19:41
I mean, you should never bet
against babies or chimpanzees
against babies or chimpanzees
347
1169446
4203
ฉันหมายถึงว่า คุณไม่ควรเดิมพัน
ต้านเด็กหรือลิงชิมแปนซี
ต้านเด็กหรือลิงชิมแปนซี
19:45
or technology as a matter of practice,
348
1173649
3645
หรือเทคโนโลยี ในทางปฏิบัติ
19:49
but it's not just
a difference in quantity,
a difference in quantity,
349
1177294
4528
แต่นี่ไม่ใช่เพียงความแตกต่างเชิงปริมาณ
19:53
it's a difference in kind.
350
1181822
1764
แต่ต่างด้วยประเภท
19:55
We have incredibly powerful computers,
351
1183586
2160
เรามีคอมพิวเตอร์ที่มีพลังมหาศาล
19:57
and they do do amazingly
sophisticated things,
sophisticated things,
352
1185746
2391
ที่สามารถทำสิ่งซับซ้อนที่ไม่น่าเชื่อ
20:00
often with very big amounts of data.
353
1188137
3204
บ่อยครั้งกับข้อมูลเยอะแยะมากมาย
20:03
Human minds do, I think,
something quite different,
something quite different,
354
1191341
2607
ฉันคิดว่าสมองของเราทำสิ่งที่แตกต่างกันมาก
20:05
and I think it's the structured,
hierarchical nature of human knowledge
hierarchical nature of human knowledge
355
1193948
3895
และฉันเชื่อว่ามันเป็นโครงสร้าง
และระบบจัดการความรู้โดยธรรมชาติของมนุษย์
และระบบจัดการความรู้โดยธรรมชาติของมนุษย์
20:09
that remains a real challenge.
356
1197843
2032
ซึ่งยังคงเป็นเรื่องท้าทายที่แท้จริง
20:11
CA: Laura Schulz, wonderful
food for thought. Thank you so much.
food for thought. Thank you so much.
357
1199875
3061
คริส: ลอร่า ชูลส์ ผู้ให้อาหารสมองนี่น่าทึ่ง
ขอบคุณมากครับ
ขอบคุณมากครับ
20:14
LS: Thank you.
(Applause)
(Applause)
358
1202936
2922
ลอร่า: ขอบคุณค่ะ
(เสียงปรบมือ)
(เสียงปรบมือ)
ABOUT THE SPEAKER
Laura Schulz - Cognitive scientistDevelopmental 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.
Laura Schulz | Speaker | TED.com