Mark Twain summed up what I take to be one of the fundamental problems of cognitive science with a single witticism. He said, "There's something fascinating about science. One gets such wholesale returns of conjecture out of such a trifling investment in fact." (Laughter)
Theo tôi, Mark Twain đã nêu ra được một trong những vấn đề cơ bản của của khoa học nhận thức chỉ với một nhận xét dí dỏm. Ông nói: "Khoa học thật hấp dẫn. Nó sinh ra những lợi ích rất to lớn mà chỉ dùng những phỏng đoán từ như người bán hàng rong mà thu được tiền lời của nhà buôn lớn." (Tiếng cười)
Twain meant it as a joke, of course, but he's right: There's something fascinating about science. From a few bones, we infer the existence of dinosuars. From spectral lines, the composition of nebulae. From fruit flies, the mechanisms of heredity, and from reconstructed images of blood flowing through the brain, or in my case, from the behavior of very young children, we try to say something about the fundamental mechanisms of human cognition. In particular, in my lab in the Department of Brain and Cognitive Sciences at MIT, I have spent the past decade trying to understand the mystery of how children learn so much from so little so quickly. Because, it turns out that the fascinating thing about science is also a fascinating thing about children, which, to put a gentler spin on Mark Twain, is precisely their ability to draw rich, abstract inferences rapidly and accurately from sparse, noisy data. I'm going to give you just two examples today. One is about a problem of generalization, and the other is about a problem of causal reasoning. And although I'm going to talk about work in my lab, this work is inspired by and indebted to a field. I'm grateful to mentors, colleagues, and collaborators around the world.
Đương nhiên Twain chỉ nói đùa, nhưng ông ấy lại có lý: Khoa học có điều gì đó rất thú vị. Từ vài mẩu xương, ta suy ra sự tồn tại của khủng long. Từ vạch quang phổ. là kết cấu của tinh vân. Từ những con ruồi giấm, là cơ chế của di truyền, từ những hình ảnh tái tạo dòng máu chảy qua não, hay trong trường hợp của tôi, từ cách ứng xử của những em bé còn rất nhỏ, chúng ta có thể nói về cơ chế cơ bản của sự nhận thức ở con người. Tại phòng thí nghiệm của tôi thuộc khoa "Não và Khoa học Nhận thức," viện MIT, tôi đã dành 10 năm qua để tìm hiểu về sự bí ẩn về cách trẻ em học rất nhiều thứ, từ khi còn rất nhỏ mà lại rất nhanh. Ở đây, điều thú vị trong khoa học cũng chính là điều kỳ diệu ở trẻ em, điều đó, đã gợi hứng cho Mark Twain, là khả năng đưa ra đúng lúc những suy luận trừu tượng phong phú nhanh chóng và chính xác từ những dữ liệu ít ỏi và lộn xộn. Hôm nay, tôi sẽ đưa ra chỉ hai ví dụ. Một ví dụ về vấn đề khái quát hóa, và một về vấn đề liên kết nguyên nhân - hậu quả. Dù tôi sẽ nói về công việc ở phòng nghiên cứu nhưng công trình này được truyền cảm hứng và sinh lực từ cuộc sống thật. Tôi rất cảm ơn những cố vấn, đồng nghiệp, và cộng tác viên khắp thế giới.
Let me start with the problem of generalization. Generalizing from small samples of data is the bread and butter of science. We poll a tiny fraction of the electorate and we predict the outcome of national elections. We see how a handful of patients responds to treatment in a clinical trial, and we bring drugs to a national market. But this only works if our sample is randomly drawn from the population. If our sample is cherry-picked in some way -- say, we poll only urban voters, or say, in our clinical trials for treatments for heart disease, we include only men -- the results may not generalize to the broader population.
Tôi xin bắt đầu với vấn đề khái quát hóa. Khái quát hóa từ những mẫu dữ liệu ít ỏi là "bánh mì và bơ" trong khoa học. Chúng tôi lấy một phần rất nhỏ cử tri rồi dự đoán kết quả của cuộc bầu cử quốc gia. Chúng tôi thấy cách một ít bệnh nhân phản ứng với điều trị thử nghiệm, và chúng ta bán thuốc ra cả nước. Nhưng điều này chỉ hiệu quả nếu mẫu thử được lấy ngẫu nhiên trong dân cư. Nếu mẫu thử của chúng ta được chọn kỹ càng theo cách nào đó-- như chúng ta chỉ chọn cử tri thành thị, hay như, chọn thử nghiệm điều trị bệnh tim, hay chỉ chọn nam giới -- thì kết quả sẽ không khái quát cho lượng người lớn hơn được.
So scientists care whether evidence is randomly sampled or not, but what does that have to do with babies? Well, babies have to generalize from small samples of data all the time. They see a few rubber ducks and learn that they float, or a few balls and learn that they bounce. And they develop expectations about ducks and balls that they're going to extend to rubber ducks and balls for the rest of their lives. And the kinds of generalizations babies have to make about ducks and balls they have to make about almost everything: shoes and ships and sealing wax and cabbages and kings.
Nên các nhà khoa học quan tâm liệu chứng cứ được thử mẫu có ngẫu nhiên không, nhưng thế thì liên quan gì đến trẻ con? Vâng, trẻ em phải liên tục khái quát từ những đơn vị dữ liệu ít ỏi. Chúng thấy vài con vịt cao su và học được rằng vịt cao su nổi, hoặc thấy vài trái bóng và học được rằng bóng nảy lên được. Và các bé phát triển dự đoán trên vịt và bóng, từ đó mở rộng áp dụng trên vịt cao su và bóng trong suốt đời. Những loại khái quát hoá mà trẻ em phải tạo ra về vịt và bóng cũng được các em làm cho hầu hết mọi thứ: giày dép, tàu thuyền, con dấu niêm phong, bắp cải hay vua chúa.
So do babies care whether the tiny bit of evidence they see is plausibly representative of a larger population? Let's find out. I'm going to show you two movies, one from each of two conditions of an experiment, and because you're going to see just two movies, you're going to see just two babies, and any two babies differ from each other in innumerable ways. But these babies, of course, here stand in for groups of babies, and the differences you're going to see represent average group differences in babies' behavior across conditions. In each movie, you're going to see a baby doing maybe just exactly what you might expect a baby to do, and we can hardly make babies more magical than they already are. But to my mind the magical thing, and what I want you to pay attention to, is the contrast between these two conditions, because the only thing that differs between these two movies is the statistical evidence the babies are going to observe. We're going to show babies a box of blue and yellow balls, and my then-graduate student, now colleague at Stanford, Hyowon Gweon, is going to pull three blue balls in a row out of this box, and when she pulls those balls out, she's going to squeeze them, and the balls are going to squeak. And if you're a baby, that's like a TED Talk. It doesn't get better than that. (Laughter) But the important point is it's really easy to pull three blue balls in a row out of a box of mostly blue balls. You could do that with your eyes closed. It's plausibly a random sample from this population. And if you can reach into a box at random and pull out things that squeak, then maybe everything in the box squeaks. So maybe babies should expect those yellow balls to squeak as well. Now, those yellow balls have funny sticks on the end, so babies could do other things with them if they wanted to. They could pound them or whack them. But let's see what the baby does.
Vậy trẻ em có quan tâm liệu chứng cứ cỏn con mà chúng thấy có đáng tin để đại diện cho số đông không? Chúng ta cùng tìm hiểu nhé! Tôi sẽ cho các bạn xem hai bộ phim, mỗi phim có hai cảnh của thử nghiệm, và vì chúng ta chỉ xem hai phim, nên chúng ta chỉ gặp hai em bé thôi, và bất kỳ hai bé nào cũng đều khác nhau theo muôn vàn cách. Nhưng tất nhiên, những em bé này đại diện cho các nhóm em bé khác, và những khác biệt mà các bạn sắp thấy đại diện cho những khác biệt thường gặp trong hành vi trẻ con qua mọi điều kiện. Trong mỗi bộ phim, bạn sẽ thấy bé làm chính xác những gì bạn nghĩ em bé làm, và chúng ta khó có thể làm cho các bé thần kì hơn khả năng của chúng. Nhưng với tôi điều thần kì, và điều mà tôi muốn bạn chú ý là sự đối lập giữa hai trường hợp, vì điều duy nhất khác biệt giữa hai bộ phim này là thống kê chứng cứ mà các bé sẽ quan sát. Chúng tôi sẽ cho các bé xem một hộp bóng xanh và vàng rồi Hyowon Gweon, cựu học sinh sau đại học giờ là đồng nghiệp của tôi tại Stanford, sẽ lấy liên tiếp ba bóng xanh ra khỏi hộp này, khi lấy bóng ra, cô ta sẽ bóp chúng, và bóng sẽ phát ra tiếng chít chít. Nếu bạn là một đứa trẻ, thì đó như buổi nói chuyện của TED. Mà thực ra là vậy. (Tiếng cười) Nhưng điểm quan trọng là dễ lấy liên tiếp ba quả bóng xanh ra khỏi hộp đựng hầu hết bóng xanh. Nhắm mắt bạn cũng làm được. Đó hiển nhiên là một mẫu thử ngẫu nhiên từ nhóm này. Nếu bạn thò tay vào hộp một cách ngẫu nhiên và lấy ra thứ phát ra tiếng, thì có thể mọi thứ trong hộp đều kêu. Vậy có thể các bé cũng mong đợi những quả bóng vàng phát ra tiếng. Giờ những quả bóng vàng có gắn que ngộ nghĩnh để cầm, nên các bé có thể làm điều mình muốn. Các bé có thể đập hay gõ vào chúng. Nhưng hãy xem bé làm gì.
(Video) Hyowon Gweon: See this? (Ball squeaks) Did you see that? (Ball squeaks) Cool. See this one? (Ball squeaks) Wow.
(Phim) Hyowon Gweon: Thấy không? (Bóng chít chít) Con thấy rồi chứ? (Bóng chít chít) Tuyệt nhỉ. Thấy cái này không? (Bóng chít chít) Ồ.
Laura Schulz: Told you. (Laughs)
Laura Schulz: Nói rồi mà. (Tiếng cười)
(Video) HG: See this one? (Ball squeaks) Hey Clara, this one's for you. You can go ahead and play. (Laughter)
(Phim)HG: Thấy quả này không? (Bóng chít chít) Clara, bóng này cho con. Cầm lấy mà chơi. (Tiếng cười)
LS: I don't even have to talk, right? All right, it's nice that babies will generalize properties of blue balls to yellow balls, and it's impressive that babies can learn from imitating us, but we've known those things about babies for a very long time. The really interesting question is what happens when we show babies exactly the same thing, and we can ensure it's exactly the same because we have a secret compartment and we actually pull the balls from there, but this time, all we change is the apparent population from which that evidence was drawn. This time, we're going to show babies three blue balls pulled out of a box of mostly yellow balls, and guess what? You [probably won't] randomly draw three blue balls in a row out of a box of mostly yellow balls. That is not plausibly randomly sampled evidence. That evidence suggests that maybe Hyowon was deliberately sampling the blue balls. Maybe there's something special about the blue balls. Maybe only the blue balls squeak. Let's see what the baby does.
LS: Tôi thậm chí không cần nói, Rất hay khi các bé sẽ khái quát những tính chất của bóng xanh so với bóng vàng, và rất ấn tượng khi các bé có thể học từ việc bắt chước chúng ta, nhưng chúng ta biết những điều này về các bé từ lâu rồi. Câu hỏi thú vị ở đây là điều gì xảy ra khi ta đưa cho các bé cùng một thứ, và chúng tôi chắc chắn nó hoàn toàn giống vì chúng tôi có một ngăn bí mật và chúng tôi thật ra chỉ lấy bóng từ đấy, nhưng lần này, tất cả những gì chúng ta thay đổi là nhóm đối tượng hiện có mà từ đó sẽ rút ra suy luận. Lần này, chúng ta cho các bé thấy ba quả bóng xanh được lấy ra khỏi hộp có nhiều bóng vàng, và hãy đoán xem? Bạn [có thể sẽ không] ngẫu nhiên rút liên tiếp 3 bóng xanh ra khỏi hộp nhiều bóng vàng được. Đó không phải chứng cứ từ mẫu thử ngẫu nhiên rõ ràng. Chứng cứ đó cho thấy rằng có thể Hyowon đang cố ý lấy mẫu bóng xanh. Có thể bóng xanh có gì đó đặc biệt. Có thể chỉ có bóng xanh kêu được. Chúng ta hãy xem bé làm gì.
(Video) HG: See this? (Ball squeaks) See this toy? (Ball squeaks) Oh, that was cool. See? (Ball squeaks) Now this one's for you to play. You can go ahead and play.
(Phim) HG: Xem cái này? (Bóng chít chít) Nhìn đồ chơi này? (Bóng chít chít) Ồ, hay quá hen! thấy không? (Bóng chít chít) Bây giờ, cái này cho con chơi nè!. Cầm lấy chơi đi.
(Fussing) (Laughter)
(Bé kình) (Tiếng cười)
LS: So you just saw two 15-month-old babies do entirely different things based only on the probability of the sample they observed. Let me show you the experimental results. On the vertical axis, you'll see the percentage of babies who squeezed the ball in each condition, and as you'll see, babies are much more likely to generalize the evidence when it's plausibly representative of the population than when the evidence is clearly cherry-picked. And this leads to a fun prediction: Suppose you pulled just one blue ball out of the mostly yellow box. You [probably won't] pull three blue balls in a row at random out of a yellow box, but you could randomly sample just one blue ball. That's not an improbable sample. And if you could reach into a box at random and pull out something that squeaks, maybe everything in the box squeaks. So even though babies are going to see much less evidence for squeaking, and have many fewer actions to imitate in this one ball condition than in the condition you just saw, we predicted that babies themselves would squeeze more, and that's exactly what we found. So 15-month-old babies, in this respect, like scientists, care whether evidence is randomly sampled or not, and they use this to develop expectations about the world: what squeaks and what doesn't, what to explore and what to ignore.
Bạn vừa xem hai bé 15 tháng tuổi làm những việc hoàn toàn khác nhau chỉ dựa trên việc xảy ra của mẫu mà chúng quan sát được. Để tôi cho các bạn xem kết quả thí nghiệm. trên trục tung là phần trăm các bé bóp bóng kêu trong mỗi trường hợp, như bạn thấy, trẻ gần như khái quát chứng cứ tốt hơn khi chứng cứ là đại diện hợp lý từ số đông so với khi chứng cứ rõ ràng được chọn một cách cố ý. Điều này đưa đến một dự đoán thú vị: Giả sử bạn lấy chỉ một bóng xanh ra từ một hộp đa số là bóng vàng, bạn [có thể không] lấy ra được ngẫu nhiên liên tiếp ba bóng xanh trong hộp bóng vàng nhưng bạn có thể lấy ngẫu nhiên chỉ một bóng xanh. Đó không là một mẫu thử không chắc. Nếu bạn ngẫu nhiên đưa tay vào trong hộp và lấy ra quả nào đó kêu được thì có thể mọi bóng trong đó đều kêu. Mặc dù các bé sẽ thấy ít chứng cứ cho thứ kêu được, và có ít động tác để bắt chước như trường hợp thấy một quả bóng này hơn so với trường hợp bạn vừa xem, chúng ta dự đoán chính các bé sẽ bóp bóng kêu nhiều hơn, và đó chính là điều chúng tôi đã tìm ra. Vậy em bé 15 tháng tuổi trong trường hợp này, giống như các nhà khoa học, quan tâm liệu chứng cứ được lấy mẫu ngẫu nhiên hay không, và chúng dùng cách này để phát triển phán đoán về thế giới: cái gì kêu và cái gì không kêu, cái gì nên khám phá và cái gì nên bỏ qua.
Let me show you another example now, this time about a problem of causal reasoning. And it starts with a problem of confounded evidence that all of us have, which is that we are part of the world. And this might not seem like a problem to you, but like most problems, it's only a problem when things go wrong. Take this baby, for instance. Things are going wrong for him. He would like to make this toy go, and he can't. I'll show you a few-second clip. And there's two possibilities, broadly: Maybe he's doing something wrong, or maybe there's something wrong with the toy. So in this next experiment, we're going to give babies just a tiny bit of statistical data supporting one hypothesis over the other, and we're going to see if babies can use that to make different decisions about what to do.
Tôi sẽ cho các bạn xem một ví dụ khác, lần này là về vấn đề về lý luận nguyên nhân - hậu quả. Nó bắt đầu với vấn đề của chứng cứ quái quỷ mà tất cả chúng ta đều có, mà là chúng ta là một phần thế giới. Đây có thể không phải là rắc rối với bạn, nhưng như hầu hết các rắc rối, nó chỉ sinh chuyện khi có cái gì đó sai. Hãy lấy bé này làm ví dụ. Có gì đó trục trặc cho bé. Bé muốn đồ chơi này chạy, nhưng không thể. Tôi sẽ cho bạn xem một clip ngắn vài giây. Nói chung, có hai khả năng sau: Có thể bé làm gì đó sai, hoặc có thể món đồ chơi có gì đó trục trặc. Vậy trong thí nghiệm tiếp theo, chúng tôi chỉ đưa cho các bé chỉ một chút xíu dữ liệu thống kê hổ trợ giả thuyết đối với giả thuyết con lại, chúng tôi sẽ quan sát liệu các bé có thể dùng dữ liệu đó để quyết định khác điều mình làm.
Here's the setup. Hyowon is going to try to make the toy go and succeed. I am then going to try twice and fail both times, and then Hyowon is going to try again and succeed, and this roughly sums up my relationship to my graduate students in technology across the board. But the important point here is it provides a little bit of evidence that the problem isn't with the toy, it's with the person. Some people can make this toy go, and some can't. Now, when the baby gets the toy, he's going to have a choice. His mom is right there, so he can go ahead and hand off the toy and change the person, but there's also going to be another toy at the end of that cloth, and he can pull the cloth towards him and change the toy. So let's see what the baby does.
Đây là sự dàn dựng. Hyowon sẽ cố gắng làm đồ chơi chạy và nó kêu thật. rồi đến lượt tôi, hai lần đều thất bại, và rồi Hyowon thử lại lần nữa và thành công, điều đó kết luận mối liên hệ giữa tôi và những sinh viên cao học về mặt công nghệ . Nhưng điều quan trọng ở đây là nó cho thấy một ít chứng cứ rằng rắc rối không từ đồ chơi, nó từ con người. Một số người có thể làm đồ chơi này chạy được, số khác thì không. Bây giờ, khi bé lấy được đồ chơi, bé sẽ có một lựa chọn. Mẹ bé ở ngay đây, nên bé có thể đưa mẹ đồ chơi và thay đổi người chơi, hoặc cũng sẽ có đồ chơi khác ở cuối tấm vải, bé có thể kéo tấm vải về phía mình và đổi đồ chơi Vậy hãy xem bé sẽ làm gì nhé.
(Video) HG: Two, three. Go! (Music) LS: One, two, three, go! Arthur, I'm going to try again. One, two, three, go! YG: Arthur, let me try again, okay? One, two, three, go! (Music) Look at that. Remember these toys? See these toys? Yeah, I'm going to put this one over here, and I'm going to give this one to you. You can go ahead and play. LS: Okay, Laura, but of course, babies love their mommies. Of course babies give toys to their mommies when they can't make them work. So again, the really important question is what happens when we change the statistical data ever so slightly. This time, babies are going to see the toy work and fail in exactly the same order, but we're changing the distribution of evidence. This time, Hyowon is going to succeed once and fail once, and so am I. And this suggests it doesn't matter who tries this toy, the toy is broken. It doesn't work all the time. Again, the baby's going to have a choice. Her mom is right next to her, so she can change the person, and there's going to be another toy at the end of the cloth. Let's watch what she does.
HG: Hai, ba, nhấn! (tiếng nhạc) LS: Một, hai, ba, nhấn! Athur, cô sẽ làm lại nhé. Một, hai, ba, nhấn! YG: Athur, cô thử lại lần nữa nhé? Một, hai, ba, nhấn! (Tiếng nhạc) Nhìn này, con nhớ các đồ chơi này chứ? Hãy nhìn các đồ chơi này? Cô sẽ để nó ở đây, và cô đưa cho con món này. Con có thể cầm lấy và chơi. LS: Được rồi, Laura, nhưng tất nhiên các bé yêu mẹ mình. Cho nên tất nhiên là các em đưa đồ chơi cho mẹ khi các bé không mở được đồ chơi. Một lần nữa, câu hỏi quan trọng là điều gì xảy ra khi chúng ta thay đổi một chút dữ liệu thống kê. Lần này, các bé sẽ thấy đồ chơi kêu và không kêu theo đúng trật tự, nhưng chúng tôi thay đổi sự thứ tự của kết quả. Lần này, Hyowon là thành công một lần và thất bại một lần, tôi cũng vậy. Điều này muốn nói rằng dù là ai thử đi nữa thì đồ chơi này cũng đã hỏng. Nó không hoạt động nữa. Một Lần nữa, các bé sẽ phải chọn lựa. Mẹ bé ở ngay bên cạnh, nên bé có thể đổi người, và có đồ chơi khác ở phía cuối tấm vải. Hãy xem bé làm gì nhé.
(Video) HG: Two, three, go! (Music) Let me try one more time. One, two, three, go! Hmm.
(Video) HG : Hai, ba, nhấn! (Tiếng nhạc) Cho cô làm lần nữa nhé. Một, hai, ba, nhấn! (Hừm)
LS: Let me try, Clara. One, two, three, go! Hmm, let me try again. One, two, three, go! (Music) HG: I'm going to put this one over here, and I'm going to give this one to you. You can go ahead and play. (Applause)
LS: Cho cô thử nhé, Clara Một, hai, ba nhấn! Hmm, cô thử lại nhé. Một, hai, ba, nhấn! (Tiếng nhạc) HG: tôi sẽ đặt cái này ở đây, và cô cho con cái này. Con có thể cầm lấy và chơi nhé. (Vỗ tay)
LS: Let me show you the experimental results. On the vertical axis, you'll see the distribution of children's choices in each condition, and you'll see that the distribution of the choices children make depends on the evidence they observe. So in the second year of life, babies can use a tiny bit of statistical data to decide between two fundamentally different strategies for acting in the world: asking for help and exploring. I've just shown you two laboratory experiments out of literally hundreds in the field that make similar points, because the really critical point is that children's ability to make rich inferences from sparse data underlies all the species-specific cultural learning that we do. Children learn about new tools from just a few examples. They learn new causal relationships from just a few examples. They even learn new words, in this case in American Sign Language.
LS: Để tôi cho các bạn xem kết quả thí nghiệm. Trên trục tung, bạn sẽ thấy số lần lựa chọn của các bé trong mỗi trường hợp, và bạn cũng thấy số lần lựa chọn các bé làm dựa vào chứng cứ các bé quan sát. Vậy, ở năm hai tuổi, các bé có thể biết sử dụng một ít dữ liệu thống kê để quyết định giữa hai chiến lược cơ bản khác nhau tác động vào thế giới xung quanh: tìm sự giúp đỡ hay khám phá. Tôi vừa cho các bạn xem hai thí nghiệm trong hàng trăm thí nghiệm trên thực địa cho cùng mục tiêu, vì điểm then chốt là khả năng làm phong phú lập luận từ những dữ liệu ít ỏi của các bé ẩn chứa tất cả cách học của từng giống loài chuyên biệt mà chúng ta làm. Trẻ học cách dùng những công cụ mới chỉ từ vài ví dụ. Chúng học quan hệ nhân quả chỉ từ vài ví dụ. Chúng thậm chí học từ mới, trong trường hợp này, là Ngôn ngữ bằng tay của Mỹ.
I want to close with just two points. If you've been following my world, the field of brain and cognitive sciences, for the past few years, three big ideas will have come to your attention. The first is that this is the era of the brain. And indeed, there have been staggering discoveries in neuroscience: localizing functionally specialized regions of cortex, turning mouse brains transparent, activating neurons with light. A second big idea is that this is the era of big data and machine learning, and machine learning promises to revolutionize our understanding of everything from social networks to epidemiology. And maybe, as it tackles problems of scene understanding and natural language processing, to tell us something about human cognition. And the final big idea you'll have heard is that maybe it's a good idea we're going to know so much about brains and have so much access to big data, because left to our own devices, humans are fallible, we take shortcuts, we err, we make mistakes, we're biased, and in innumerable ways, we get the world wrong. I think these are all important stories, and they have a lot to tell us about what it means to be human, but I want you to note that today I told you a very different story. It's a story about minds and not brains, and in particular, it's a story about the kinds of computations that uniquely human minds can perform, which involve rich, structured knowledge and the ability to learn from small amounts of data, the evidence of just a few examples. And fundamentally, it's a story about how starting as very small children and continuing out all the way to the greatest accomplishments of our culture, we get the world right.
Tôi muốn kết thúc với hai điểm. Nếu bạn theo dõi chuyên môn của tôi, trong lĩnh vực não và khoa học nhận thức, trong những năm qua, ba ý tưởng lớn sẽ thu hút sự chú ý của bạn. Thứ nhất, đó là thời đại của não. Thực ra, có những phát hiện chiến lược trong khoa học nơ-ron thần kinh: việc định vị các vùng chuyên biệt của vỏ não theo chức năng, việc làm trong suốt não chuột, việc kích hoạt các nơ-ron bằng ánh sáng. Ý tưởng thứ nhì thì đây là kỷ nguyên của dữ liệu lớn và học máy, và học máy hứa hẹn sẽ cách mạng hoá sự hiểu biết của ta về mọi thứ từ hệ thống xã hội cho đến dịch tễ học. Và có thể, qua việc giải quyết vấn đề về phân tích hình ảnh và quá trình hiểu ngôn ngữ tự nhiên, để nói với chúng ta điều gì đó về nhận thức của con người. Ý tưởng lớn cuối cùng bạn sẽ nghe là một ý tưởng tuyệt vời giúp chúng ta biết nhiều về não và tiếp cận được dữ liệu lớn, nhờ vào những thiết bị của chúng ta, con người lầm lẫn, ta hay đi tắt, ta đi lạc, ta phạm lỗi, ta bị chệch hướng, và trong vô vàn cách, ta nhận thức sai về thế giới. Tôi nghĩ đây là những câu chuyện quan trọng, và những thiết bị đó nhiều điều để nói với ta về ý nghĩa của việc làm người, nhưng tôi muốn bạn nhớ rằng hôm nay tôi nói với bạn về câu chuyện rất khác. Đó là một câu chuyện về tư duy chứ không phải về não bộ, và đặc biệt, đó là một câu chuyện về các loại tính toán mà chỉ có não người mới có thể làm, lại có liên quan đến kiến thức dồi dào trật tự và khả năng học từ những lượng dữ liệu ít ỏi, đó là chứng cứ qua vài ví dụ. Và cơ bản, đó là câu chuyện về cách khởi đầu của các em bé rất nhỏ và cứ tiếp tục như thế đến những hoàn thiện tuyệt vời nhất của văn hoá của chúng ta, để chúng ta dẫn dắt thế giới đúng hướng.
Folks, human minds do not only learn from small amounts of data. Human minds think of altogether new ideas. Human minds generate research and discovery, and human minds generate art and literature and poetry and theater, and human minds take care of other humans: our old, our young, our sick. We even heal them. In the years to come, we're going to see technological innovations beyond anything I can even envision, but we are very unlikely to see anything even approximating the computational power of a human child in my lifetime or in yours. If we invest in these most powerful learners and their development, in babies and children and mothers and fathers and caregivers and teachers the ways we invest in our other most powerful and elegant forms of technology, engineering and design, we will not just be dreaming of a better future, we will be planning for one.
Tư duy người không chỉ học được từ lượng dữ liệu ít ỏi. Tư duy người còn cùng lúc tạo ra ý tưởng mới. Tư duy người làm nghiên cứu và phát minh, và tư duy người sản sinh ra nghệ thuật và văn học và thơ và kịch, và tư duy người chăm lo cho người khác: người già, người trẻ, người bệnh. Chúng ta thậm chí chữa lành cho họ. Trong những năm tới, chúng ta sẽ thấy nhiều đổi mới công nghệ vượt xa mọi thứ mà ta có thể tưởng tượng, nhưng chúng ta không có nhiều cơ may thấy được bất kỳ cái gì thậm chí gần giống với sức mạnh tính toán của một đứa trẻ trong đời tôi hay trong đời bạn. Nếu ta đầu tư cho lực học mạnh mẽ nhất này và cho sự phát triển nơi em bé và trẻ em và những bà mẹ và ông bố và người chăm sóc, và thầy cô và cách mà chúng ta đầu tư vào những hình thức mạnh mẽ và lịch lãm nhất của công nghệ, kỹ thuật và thiết kế, ta sẽ không chỉ mơ ước về một tương lai tốt hơn, mà ta còn lên kế hoạch cho tương lai.
Thank you very much.
Cảm ơn rất nhiều.
(Applause)
(Vỗ tay)
Chris Anderson: Laura, thank you. I do actually have a question for you. First of all, the research is insane. I mean, who would design an experiment like that? (Laughter) I've seen that a couple of times, and I still don't honestly believe that that can truly be happening, but other people have done similar experiments; it checks out. The babies really are that genius.
Chris Anderson: Laura, cảm ơn. Tôi xin có một câu hỏi cho bạn. Trước hết, nghiên cứu này vô nghĩa. Tôi muốn nói, ai thiết kế một thử nghiệm kiểu này? (Tiếng cười) Tôi đã từng thấy vài lần, và tôi thật tình vẫn không tin rằng điều đó có thể thật sự xảy ra, nhưng vài người khác đã làm thí nghiệm giống vậy; thất bại. Các em bé thật sự là thần đồng.
LS: You know, they look really impressive in our experiments, but think about what they look like in real life, right? It starts out as a baby. Eighteen months later, it's talking to you, and babies' first words aren't just things like balls and ducks, they're things like "all gone," which refer to disappearance, or "uh-oh," which refer to unintentional actions. It has to be that powerful. It has to be much more powerful than anything I showed you. They're figuring out the entire world. A four-year-old can talk to you about almost anything. (Applause)
LS: Bạn biết đấy, các em có vẻ rất ấn tượng trong các thí nghiêm, nhưng hãy nghĩ các em như thế nào trong cuộc đời thật! Bắt đầu từ một em bé. 18 tháng sau, bé nói với bạn, những từ đầu tiên của bé không chỉ là những thứ như banh và vịt, mà là những thứ như "hết rồi" để chỉ sự biến mất, hay "ái, ui," để chỉ những hành động không cố ý. Điều đó cũng có sức mạnh tương tự. Nó phải mạnh hơn nhiều những gì tôi vừa trình bày với bạn. Chúng là toàn bộ thế giới. Một trẻ bốn tuổi có thể nói với bạn về hầu hết mọi thứ. (Vỗ tay)
CA: And if I understand you right, the other key point you're making is, we've been through these years where there's all this talk of how quirky and buggy our minds are, that behavioral economics and the whole theories behind that that we're not rational agents. You're really saying that the bigger story is how extraordinary, and there really is genius there that is underappreciated.
CA: Nếu tôi không lầm, điểm mấu chốt khác bạn đang làm chúng ta đã nói trong những năm qua qua buổi nói chuyện này về mức độ lầm lẫn trong suy nghĩ của ta, rằng kinh tế học hành vi và những lý thuyết đằng sau nó rằng chúng ta không là những nhân tố lý trí. Bạn nói rằng câu chuyện lớn hơn là kỳ diệu thế nào, khi có một thần đồng thật sự ở đây mà chưa được đánh giá đúng mức.
LS: One of my favorite quotes in psychology comes from the social psychologist Solomon Asch, and he said the fundamental task of psychology is to remove the veil of self-evidence from things. There are orders of magnitude more decisions you make every day that get the world right. You know about objects and their properties. You know them when they're occluded. You know them in the dark. You can walk through rooms. You can figure out what other people are thinking. You can talk to them. You can navigate space. You know about numbers. You know causal relationships. You know about moral reasoning. You do this effortlessly, so we don't see it, but that is how we get the world right, and it's a remarkable and very difficult-to-understand accomplishment.
LS: Trích dẫn tôi thích trong tâm lý học từ Nhà tâm lý xã hội Solomon Asch, ông ta nói nhiệm vụ cơ bản của tâm lý là lấy đi bức màn chứng cứ tự có về sự vật. Có những thứ tự về độ quan trọng khác nhau của những quyết định hàng ngày để đưa thế giới đúng hướng. Bạn biết về sự vật và các thuộc tính của nó. Bạn biết khi sự vật bị che lấp, Bạn biết sự vật trong bóng tối. Bạn có thể đi qua các phòng. Bạn có thể suy ra điều người khác đang nghĩ. Bạn có thể nói với họ. Bạn định vị trong không gian. Bạn biết các chữ số. Bạn biết quan hệ nhân quả. Bạn biết lý luận hợp lý. Bạn làm điều đó dễ dàng, đến mức bạn không để ý Đó là cách ta dẫn thế giới đúng hướng, và đó là một thành quả đáng nể nhưng rất khó hiểu.
CA: I suspect there are people in the audience who have this view of accelerating technological power who might dispute your statement that never in our lifetimes will a computer do what a three-year-old child can do, but what's clear is that in any scenario, our machines have so much to learn from our toddlers. LS: I think so. You'll have some machine learning folks up here. I mean, you should never bet against babies or chimpanzees or technology as a matter of practice, but it's not just a difference in quantity, it's a difference in kind. We have incredibly powerful computers, and they do do amazingly sophisticated things, often with very big amounts of data. Human minds do, I think, something quite different, and I think it's the structured, hierarchical nature of human knowledge that remains a real challenge.
CA: Tôi nghĩ nhiều người trong khán phòng có cách nhìn về việc tăng tốc sức mạnh kỹ thuật họ chống lại ý kiến của bạn rằng không bao giờ trong đời một máy tính làm được điều đứa trẻ 3 tuổi có thể làm, nhưng điều rõ ràng là trong bất kỳ tình huống nào, máy cần phải học nhiều thứ từ những đứa trẻ. LS: Tôi nghĩ vậy. Bạn sẽ thấy nhiều người - máy học ở đây. Tôi muốn nói bạn không nên cá cược mà không chọn bên trẻ con hoặc tinh tinh hoặc công nghệ trong thực hành, nhưng nó không chỉ là một khác biệt về số lượng, nó còn là một khác biệt về thể loại. Chúng ta có những máy tính cực kỳ mạnh, và chúng làm được nhiều thứ vô cùng tinh vi, thông thường với một lượng dữ liệu rất lớn. Theo tôi, tư duy con người làm được thứ khá khác biệt, và tôi nghĩ nó là tự nhiên của kiến thức con người được kết cấu, xếp đặt mà vẫn còn là một thách thức thật sự.
CA: Laura Schulz, wonderful food for thought. Thank you so much.
CA: Laura Schulz, một món ăn tuyệt vời cho suy nghĩ. Cảm ơn nhiều.
LS: Thank you. (Applause)
LS: Cảm ơn. (Vỗ tay)