ABOUT THE SPEAKER
Stuart Firestein - Neuroscientist
Stuart Firestein teaches students and “citizen scientists” that ignorance is far more important to discovery than knowledge.

Why you should listen

You’d think that a scientist who studies how the human brain receives and perceives information would be inherently interested in what we know. But Stuart Firestein says he’s far more intrigued by what we don’t. “Answers create questions,” he says. “We may commonly think that we begin with ignorance and we gain knowledge [but] the more critical step in the process is the reverse of that.”

Firestein, who chairs the biological sciences department at Columbia University, teaches a course about how ignorance drives science. In it -- and in his 2012 book on the topic -- he challenges the idea that knowledge and the accumulation of data create certainty. Facts are fleeting, he says; their real purpose is to lead us to ask better questions.

More profile about the speaker
Stuart Firestein | Speaker | TED.com
TED2013

Stuart Firestein: The pursuit of ignorance

Stuart Firestein: Honba za nevěděním

Filmed:
2,046,254 views

Jak doopravdy vypadá práce vědce? Stuart Firestein o tom vtipkuje: Zčásti vědecké metody, z větší části "zevlování ... po tmě". V této chytré přednášce se Firestein dostává na dřeň vědecké práce a navrhuje, abychom si toho, co nevíme -- "kvalitního nevědění" -- vážili alespoň jako toho, co víme.
- Neuroscientist
Stuart Firestein teaches students and “citizen scientists” that ignorance is far more important to discovery than knowledge. Full bio

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

00:12
There is an ancientstarověký proverbpřísloví that saysříká
0
495
3558
Staré rčení říká,
00:16
it's very difficultobtížný to find a blackČerná catkočka in a darktemný roompokoj, místnost,
1
4053
4062
že je těžké najít černou kočku v temné místnosti,
00:20
especiallyzvláště when there is no catkočka.
2
8115
2788
tím spíš, když tam žádná kočka není.
00:22
I find this a particularlyzejména aptapt descriptionpopis of scienceVěda
3
10903
3329
Zdá se mi to jako docela přiléhavý popis vědy
00:26
and how scienceVěda workspráce --
4
14232
2136
a toho, jak věda funguje --
00:28
bumblingpotácející se around in a darktemný roompokoj, místnost, bumpingnárazem into things,
5
16368
3320
zmatené pobíhání po temné místnosti,
narážení do věcí
00:31
tryingzkoušet to figurepostava out what shapetvar this mightmohl be,
6
19688
2302
zjišťování, co je to za tvar,
00:33
what that mightmohl be,
7
21990
1444
co by to mohlo být,
00:35
there are reportszpráv of a catkočka somewhereněkde around,
8
23434
2489
existují zprávy o tom, že by tu mohla být kočka,
00:37
they maysmět not be reliablespolehlivý, they maysmět be,
9
25923
1793
nemusejí být spolehlivé, ale můžou,
00:39
and so forthdále and so on.
10
27716
1520
a tak dále.
00:41
Now I know this is differentodlišný than the way mostvětšina people
11
29236
1976
Vím, že se to liší od toho, jak si většina lidí
00:43
think about scienceVěda.
12
31212
1552
vědu představuje.
00:44
ScienceVěda, we generallyobvykle are told,
13
32764
1554
Věda, jak se nám říká,
00:46
is a very well-ordereddobře uspořádané mechanismmechanismus for
14
34318
2750
je uspořádaný mechanismus
00:49
understandingporozumění the worldsvět,
15
37068
1301
pro pochopení světa,
00:50
for gainingzískání factsfakta, for gainingzískání datadata,
16
38369
2286
pro získávání faktů a dat,
00:52
that it's rule-basedna základě pravidel,
17
40655
1553
má svá pravidla
00:54
that scientistsvědců use this thing calledvolal the scientificvědecký methodmetoda
18
42208
3241
a vědci používají to, čemu se říká vědecké metody,
00:57
and we'vejsme been doing this for 14 generationsgenerací or so now,
19
45449
2839
už to tak děláme zhruba 14 generací,
01:00
and the scientificvědecký methodmetoda is a setsoubor of rulespravidel
20
48288
2571
a ty vědecké metody jsou soubor pravidel,
01:02
for gettingdostat hardtvrdý, coldStudený factsfakta out of the datadata.
21
50859
4192
jak z dat dostat tvrdá, holá fakta.
01:07
I'd like to tell you that's not the casepouzdro.
22
55051
2095
Rád bych vám řekl, že to není pravda.
01:09
So there's the scientificvědecký methodmetoda,
23
57146
1832
Máme sice vědecké metody,
01:10
but what's really going on is this. (LaughterSmích)
24
58978
2319
ale ve skutečnosti to probíhá takto. (smích)
01:13
[The ScientificVědecké MethodMetoda vsvs. FartingPrdění Around]
25
61297
958
[Vědecké metody vs. zevlování]
01:14
And it's going on kinddruh of like that.
26
62255
3104
[Vědecké metody vs. zevlování]
01:17
[... in the darktemný] (LaughterSmích)
27
65359
1421
[... po tmě]
(smích)
01:18
So what is the differencerozdíl, then,
28
66780
4541
Jaký je pak rozdíl,
01:23
betweenmezi the way I believe scienceVěda is pursuedsledována
29
71321
3816
mezi tím, jak si myslím že věda probíhá
01:27
and the way it seemszdá se to be perceivedvnímán?
30
75137
2861
a tím, jak ji lidé vnímají?
01:29
So this differencerozdíl first camepřišel to me in some wayszpůsoby
31
77998
2715
Na tento rozdíl jsem poprvé tak nějak natrefil
01:32
in my dualdvojí rolerole at ColumbiaKolumbie UniversityUniverzita,
32
80713
2097
ve své dvojroli na Kolumbijské univerzitě,
01:34
where I'm bothoba a professorprofesor and runběh a laboratorylaboratoř in neuroscienceneurovědy
33
82810
4155
kde jsem byl profesorem
a zároveň jsem vedl neurovědeckou laboratoř.
01:38
where we try to figurepostava out how the brainmozek workspráce.
34
86965
2195
kde jsme se snažili přijít na to, jak funguje mozek.
01:41
We do this by studyingstudovat the sensesmysl of smellčich,
35
89160
2371
Studovali jsme čich,
01:43
the sensesmysl of olfactiončich, and in the laboratorylaboratoř,
36
91531
2531
čich, a práce v laboratoři
01:46
it's a great pleasurepotěšení and fascinatingfascinující work
37
94062
2634
je velice příjemná a fascinující
01:48
and excitingvzrušující to work with graduateabsolvovat studentsstudentů and post-docspost-dokumenty
38
96696
2871
s doktorandy a studenty postgraduálu,
01:51
and think up coolchladný experimentsexperimenty to understandrozumět how this
39
99567
2611
kteří vymýšlejí zajímavé pokusy, aby pochopili jak
01:54
sensesmysl of smellčich workspráce and how the brainmozek mightmohl be workingpracovní,
40
102178
2386
čich funguje, a jak by mohl fungovat mozek
01:56
and, well, franklyupřímně řečeno, it's kinddruh of exhilaratingosvěžující.
41
104564
2802
a, upřímně, je to docela vzrušující.
01:59
But at the samestejný time, it's my responsibilityodpovědnost
42
107366
2718
Ale zároveň mám odpovědnost za to,
02:02
to teachučit a largevelký coursechod to undergraduatesstudenty vysokých škol on the brainmozek,
43
110084
2949
abych odučil pro bakaláře předmět o mozku,
02:05
and that's a bigvelký subjectpředmět,
44
113033
1075
a to je obsáhlý předmět,
02:06
and it takes quitedocela a while to organizeorganizovat that,
45
114108
2391
a zabere dost času to zorganizovat,
02:08
and it's quitedocela challengingnáročný and it's quitedocela interestingzajímavý,
46
116499
2811
je to docela náročné a docela zajímavé,
02:11
but I have to say, it's not so exhilaratingosvěžující.
47
119310
3557
ale musím říct, že to není moc vzrušující.
02:14
So what was the differencerozdíl?
48
122867
1396
V čem je ten rozdíl?
02:16
Well, the coursechod I was and am teachingvýuka
49
124263
2069
Ten předmět, který stále ještě učím,
02:18
is calledvolal CellularMobilní and MolecularMolekulární NeuroscienceNeurovědy - I. (LaughsSmích)
50
126332
6464
se jmenuje Buněčná a molekulární neurověda - 1
(smích)
02:24
It's 25 lecturespřednášky fullplný of all sortstřídění of factsfakta,
51
132796
4555
Je to 25 přenášek plných nejrůznějších informací,
02:29
it usespoužití this giantobří bookrezervovat calledvolal "PrinciplesPrincipy of NeuralNervové ScienceVěda"
52
137351
4317
musí přečíst takovou obrovskou knihu s názvem
"Principy nervové vědy",
02:33
by threetři famousslavný neuroscientistsneurovědci.
53
141668
2334
kterou napsali tři známí neurovědci.
02:36
This bookrezervovat comespřijde in at 1,414 pagesstránek,
54
144002
3781
Ta kniha má 1414 stránek,
02:39
it weighsváží a heftystatný sevensedm and a halfpolovina poundslibry.
55
147783
2736
a váží celých tři a půl kilogramu.
02:42
Just to put that in some perspectiveperspektivní,
56
150519
1927
Abychom to k něčemu přirovnali,
02:44
that's the weighthmotnost of two normalnormální humančlověk brainsmozky.
57
152446
3455
to je váha dvou normálních lidských mozků.
02:47
(LaughterSmích)
58
155901
3283
(smích)
02:51
So I beganzačalo to realizerealizovat, by the endkonec of this coursechod,
59
159184
3267
Na konci tohoto kurzu jsem si začal uvědomovat,
02:54
that the studentsstudentů maybe were gettingdostat the ideaidea
60
162451
2248
že studenti začínají mít pocit,
02:56
that we mustmusí know everything there is to know about the brainmozek.
61
164699
3031
že musíme vědět o mozku úplně všechno.
02:59
That's clearlyjasně not trueskutečný.
62
167730
1762
A to samozřejmě není pravda.
03:01
And they mustmusí alsotaké have this ideaidea, I supposepředpokládat,
63
169492
2698
Ale také museli mít pocit, myslím si,
03:04
that what scientistsvědců do is collectsbírat datadata and collectsbírat factsfakta
64
172190
3381
že jediné co vědci dělají je, že sbírají data a fakta
03:07
and sticklepit them in these bigvelký booksknihy.
65
175571
2089
a strkají je do těchto velkých knih.
03:09
And that's not really the casepouzdro eitherbuď.
66
177660
1407
Což také není pravda.
03:11
When I go to a meetingSetkání, after the meetingSetkání day is over
67
179067
3303
Když máme mít ten den schůzi, a když máme po schůzi
03:14
and we collectsbírat in the barbar over a couplepár of beerspivo with my colleagueskolegy,
68
182370
3097
a jdeme si ten večer sednout s kolegy na pár piv,
03:17
we never talk about what we know.
69
185467
2201
nikdy se nebavíme o tom, co víme.
03:19
We talk about what we don't know.
70
187668
2166
Bavíme se o tom, co nevíme.
03:21
We talk about what still has to get doneHotovo,
71
189834
2285
Bavíme se o tom, co se ještě musí udělat,
03:24
what's so criticalkritické to get doneHotovo in the lablaboratoř.
72
192119
2825
co je důležité v laborce udělat.
03:26
IndeedSkutečně, this was, I think, bestnejlepší said by MarieMarie CurieCurie
73
194944
2557
Nejlépe to myslím vyjádřila Marie Curie
03:29
who said that one never noticesoznámení what has been doneHotovo
74
197501
2419
která řekla, že lidé si nevšímají toho, co se udělalo,
03:31
but only what remainszbytky to be doneHotovo.
75
199920
1461
ale toho, co je ještě potřeba udělat.
03:33
This was in a letterdopis to her brotherbratr after obtainingzískání
76
201381
2225
Napsala to v dopise svému bratrovi potom,
co obdržela
03:35
her seconddruhý graduateabsolvovat degreestupeň, I should say.
77
203606
3718
svůj druhý titul, sluší se dodat.
03:39
I have to pointbod out this has always been one of my favoriteoblíbený picturesobrázky of MarieMarie CurieCurie,
78
207324
2813
Mimochodem, tohle je jedna z mých nejoblíbenějších fotek Marie Curie,
03:42
because I am convincedpřesvědčený that that glowzáře behindza her
79
210137
2303
protože věřím tomu, že ta záře za ní,
03:44
is not a photographicfotografické effectúčinek. (LaughterSmích)
80
212440
2738
není fotografický efekt. (smích)
03:47
That's the realnemovitý thing.
81
215178
1800
Že tam opravdu je.
03:48
It is trueskutečný that her papersdoklady are, to this day,
82
216978
4380
Je pravda, že její práce jsou dodnes
03:53
storedUloženo in a basementsuterén roompokoj, místnost in the BibliothBibliothèqueque FranFrançaiseAISE
83
221358
2879
uloženy ve sklepě Bibliothèque Française
03:56
in a concretebeton roompokoj, místnost that's lead-linedolova,
84
224237
2197
v betonové místnosti, odstíněné olovem,
03:58
and if you're a scholarvědec and you want accesspřístup to these notebooksnotebooky,
85
226434
2652
a pokud se jako badatel
chcete k jejím zápiskům dostat,
04:01
you have to put on a fullplný radiationzáření hazmatHAZMAT suitoblek,
86
229086
2749
musíte si obléct protiradiační skafandr,
04:03
so it's prettydosti scaryděsivé businesspodnikání.
87
231835
2351
je to docela strašidelné.
04:06
NonethelessNicméně, this is what I think we were leavingopouštět out
88
234186
2796
Nicméně, to je to, na co si myslím, že zapomínáme
04:08
of our courseskurzy
89
236982
1626
v přednáškách
04:10
and leavingopouštět out of the interactioninterakce that we have
90
238608
2526
a na co zapomínáme, když se bavíme
04:13
with the publicveřejnost as scientistsvědců, the what-remains-to-be-doneco zůstává k být hotovo.
91
241134
2973
s veřejností o vědě, to, co je ještě potřeba udělat.
04:16
This is the stuffvěci that's exhilaratingosvěžující and interestingzajímavý.
92
244107
2634
To jsou ty věci, které jsou osvěžující a zajímavé.
04:18
It is, if you will, the ignoranceneznalost.
93
246741
2910
Je to, dalo by se říct, nevědění.
04:21
That's what was missingchybějící.
94
249651
979
To chybí.
04:22
So I thought, well, maybe I should teachučit a coursechod
95
250630
2860
A tak jsem si říkal, no, možná bych měl učit předmět
04:25
on ignoranceneznalost,
96
253490
2100
o nevědění,
04:27
something I can finallyKonečně excelvynikat at, perhapsmožná, for examplepříklad.
97
255590
3629
něco, v čem bych konečně mohl vyniknout.
04:31
So I did startStart teachingvýuka this coursechod on ignoranceneznalost,
98
259219
1878
A tak jsem o nevědění začal učit,
04:33
and it's been quitedocela interestingzajímavý
99
261097
1096
a bylo to docela zajímavé
04:34
and I'd like to tell you to go to the websitewebová stránka.
100
262193
2086
a chci vám říct, abyste se podívali
na webové stránky.
04:36
You can find all sortstřídění of informationinformace there. It's wideširoký openotevřeno.
101
264279
3636
Najdete tam spoustu informací. Je to volně přístupné.
04:39
And it's been really quitedocela an interestingzajímavý time for me
102
267915
3523
Bylo to pro mě docela zajímavé období,
04:43
to meetsetkat up with other scientistsvědců who come in and talk
103
271438
1841
potkával jsem se s ostatními vědci, kteří byli pozváni,
04:45
about what it is they don't know.
104
273279
1548
aby přednášeli o tom, co nevědí.
04:46
Now I use this wordslovo "ignoranceneznalost," of coursechod,
105
274827
1985
Slovo nevědění [v angličtině "ignorance"]
04:48
to be at leastnejméně in partčást intentionallyzáměrně provocativeprovokativní,
106
276812
3158
používám to jako záměrnou provokaci,
04:51
because ignoranceneznalost has a lot of badšpatný connotationskonotace
107
279970
2390
protože "ignorance" má
spoustu záporných konotací,
04:54
and I clearlyjasně don't mean any of those.
108
282360
2005
ale ty samozřejmě nemám na mysli.
04:56
So I don't mean stupidityhloupost, I don't mean a callownezralý indifferencelhostejnost
109
284365
3505
Nemám na mysli hloupost, ani tupý nezájem
04:59
to factskutečnost or reasondůvod or datadata.
110
287870
2308
o fakta, rozum nebo data.
05:02
The ignorantneznalý are clearlyjasně unenlightenedneosvícená, unawarenevědomý,
111
290178
3271
Ignoranti jsou jistě neosvícení, lhostejní,
05:05
uninformedNeinformovaní, and presentsoučasnost, dárek companyspolečnost todaydnes exceptedKromě,
112
293449
3307
neinformovaní a s výjimkou dnešního osazenstva
05:08
oftenčasto occupyokupovat electedzvolený officeskanceláře, it seemszdá se to me.
113
296756
2908
často zaujímají místa na úřadech, zdá se mi.
05:11
That's anotherdalší storypříběh, perhapsmožná.
114
299664
1806
To bych ale odbočoval.
05:13
I mean a differentodlišný kinddruh of ignoranceneznalost.
115
301470
1633
To je jiný druh nevědění.
05:15
I mean a kinddruh of ignoranceneznalost that's lessméně pejorativepejorativní,
116
303103
2268
Já mám na mysli nevědění
v méně pejorativním významu,
05:17
a kinddruh of ignoranceneznalost that comespřijde from a communalkomunální gapmezera in our knowledgeznalost,
117
305371
3487
druh nevědění, která vychází
ze společné mezery v našem vědění,
05:20
something that's just not there to be knownznámý
118
308858
1865
něco, co buď poznat nelze,
05:22
or isn't knownznámý well enoughdost yetdosud or we can't make predictionspředpovědi from,
119
310723
2821
nebo to ještě není dobře známo,
nebo co neumožňuje předpovědi,
05:25
the kinddruh of ignoranceneznalost that's maybe bestnejlepší summedsoučet up
120
313544
2318
ten druh nevědění, které nejlépe shrnuje
05:27
in a statementprohlášení by JamesJames ClerkÚředník MaxwellMaxwell,
121
315862
1845
prohlášení Jamese Clerka Maxwella,
05:29
perhapsmožná the greatestnejvětší physicistfyzik betweenmezi NewtonNewton and EinsteinEinstein,
122
317707
3449
snad největšího fyzika vedle Newtona a Einsteina,
05:33
who said, "ThoroughlyDůkladně consciousvědomí ignoranceneznalost
123
321156
2301
který řekl: "Uvědomělé nevědění
05:35
is the preludePředehra to everykaždý realnemovitý advancezáloha in scienceVěda."
124
323457
2568
je předpokladem jakékoli pokroku ve vědě."
05:38
I think it's a wonderfulBáječné ideaidea:
125
326025
1388
Myslím si, že je to skvělá myšlenka:
05:39
thoroughlydůkladně consciousvědomí ignoranceneznalost.
126
327413
3147
uvědomělé nevědění.
05:42
So that's the kinddruh of ignoranceneznalost that I want to talk about todaydnes,
127
330560
2421
To je ten druh nevědění, o kterém chci dnes mluvit,
05:44
but of coursechod the first thing we have to clearPrůhledná up
128
332981
1519
ale samozřejmě, první věc, kterou si musíme ujasnit,
05:46
is what are we going to do with all those factsfakta?
129
334500
2103
je, co budeme se všemi těmi fakty dělat?
05:48
So it is trueskutečný that scienceVěda pilespiloty up at an alarmingalarmující ratehodnotit.
130
336603
3674
Je pravda, že se věda rozrůstá alarmujícím tempem.
05:52
We all have this sensesmysl that scienceVěda is this mountainhora of factsfakta,
131
340277
2810
Všichni máme pocit, že věda je hora faktů,
05:55
this accumulationakumulace modelmodel of scienceVěda, as manymnoho have calledvolal it,
132
343087
4036
mnozí z nás tomu říkáme akumulativní model vědy,
05:59
and it seemszdá se impregnablenedobytný, it seemszdá se impossiblenemožné.
133
347123
2451
až se zdá nedobytná, nezdolatelná.
06:01
How can you ever know all of this?
134
349574
1314
Jak by někdo mohl toho tolik vědět?
06:02
And indeedVskutku, the scientificvědecký literatureliteratura growsroste at an alarmingalarmující ratehodnotit.
135
350888
3581
A opravdu, objem vědecké literatury roste alarmujícím tempem.
06:06
In 2006, there were 1.3 millionmilión papersdoklady publishedpublikováno.
136
354469
3654
V roce 2006 bylo publikováno 1,3 milionů studií.
06:10
There's about a two-and-a-half-percentdvě a půl procenta yearlyročně growthrůst ratehodnotit,
137
358123
2632
A každý rok se toto tempo zvyšuje o 2,5 procenta
06:12
and so last yearrok we saw over one and a halfpolovina millionmilión papersdoklady beingbytost publishedpublikováno.
138
360755
4390
takže minulý rok bylo publikováno
víc než 1,5 milionů studií.
06:17
DivideDělení that by the numberčíslo of minutesminut in a yearrok,
139
365145
2230
Vydělte to počtem minut za rok,
06:19
and you windvítr up with threetři newNový papersdoklady perza minuteminuta.
140
367375
3138
a vyjde vám, že byste museli přečíst
tři nové studie za minutu.
06:22
So I've been up here a little over 10 minutesminut,
141
370513
1482
Už tu jsem něco přes 10 minut,
06:23
I've alreadyjiž lostztracený threetři papersdoklady.
142
371995
1776
už jsem o tři studie pozadu.
06:25
I have to get out of here actuallyvlastně. I have to go readčíst.
143
373771
2840
Budu muset jít. Musím jít číst.
06:28
So what do we do about this? Well, the factskutečnost is
144
376611
3446
Co s tím? Je zřejmé, že
06:32
that what scientistsvědců do about it is a kinddruh of a controlledřízen neglectzanedbání, if you will.
145
380057
4509
vědci se s tím budou muset vypořádat pomocí
úmyslného zanedbávání.
06:36
We just don't worrytrápit se about it, in a way.
146
384566
2664
Prostě na to svým způsobem kašleme.
06:39
The factsfakta are importantdůležité. You have to know a lot of stuffvěci
147
387230
2243
Fakta jsou důležitá. Musíte toho spoustu vědět,
06:41
to be a scientistvědec. That's trueskutečný.
148
389473
1810
abyste se mohli stát vědcem. To je pravda.
06:43
But knowingvědět a lot of stuffvěci doesn't make you a scientistvědec.
149
391283
2927
Ale to, že toho hodně víte z vás ještě neudělá vědce.
06:46
You need to know a lot of stuffvěci to be a lawyerprávník
150
394210
2665
Musíte toho hodně vědět, aby z vás mohl být právník,
06:48
or an accountantúčetní or an electricianelektrikář or a carpenterCarpenter.
151
396875
3892
účetní, elektrikář nebo truhlář.
06:52
But in scienceVěda, knowingvědět a lot of stuffvěci is not the pointbod.
152
400767
3610
Ale ve vědě o ty znalosti tolik nejde.
06:56
KnowingVědomí a lot of stuffvěci is there to help you get
153
404377
3556
Hodně vědět vám může pomoci
06:59
to more ignoranceneznalost.
154
407933
1388
k nevědění.
07:01
So knowledgeznalost is a bigvelký subjectpředmět, but I would say
155
409321
2510
Znalosti, to je velké téma, ale řekl bych,
07:03
ignoranceneznalost is a biggervětší one.
156
411831
2487
že nevědění je ještě větší.
07:06
So this leadsvede us to maybe think about, a little bitbit
157
414318
2194
To nás přivádí k tomu, abychom se trochu zamysleli
07:08
about, some of the modelsmodely of scienceVěda that we tendtendenci to use,
158
416528
2883
nad obvyklými modely vědy
07:11
and I'd like to disabuseomylu you of some of them.
159
419411
1825
a vyvrátili obecné omyly.
07:13
So one of them, a popularoblíbený one, is that scientistsvědců
160
421236
2313
Jeden z nich, velmi oblíbený, je že vědci
07:15
are patientlytrpělivě puttinguvedení the pieceskousky of a puzzlehádanka togetherspolu
161
423549
2628
trpělivě skládají dílky skládačky,
07:18
to revealodhalit some grandgrand schemesystém or anotherdalší.
162
426177
2773
aby přišli na něco velkého.
07:20
This is clearlyjasně not trueskutečný. For one, with puzzlespuzzle,
163
428950
2558
To ve skutečnosti není pravda. Zaprvé, u skládaček
07:23
the manufacturervýrobce has guaranteedzaručené that there's a solutionřešení.
164
431508
3499
výrobce zaručuje, že existuje řešení.
07:27
We don't have any suchtakový guaranteezáruka.
165
435007
1749
Takovou záruku nemáme.
07:28
IndeedSkutečně, there are manymnoho of us who aren'tnejsou so sure about the manufacturervýrobce.
166
436756
3155
Mnozí si nejsme ani moc jistí tím výrobcem.
07:31
(LaughterSmích)
167
439911
3063
(smích)
07:34
So I think the puzzlehádanka modelmodel doesn't work.
168
442974
1757
Takže ten skládačkový model nesedí.
07:36
AnotherDalší popularoblíbený modelmodel is that scienceVěda is busyzaneprázdněný unravelingpro případ nouze things
169
444731
3514
Další oblíbený model je, že věda stále odhaluje věci
07:40
the way you unravelodhalit the peelsslupky of an onioncibule.
170
448245
2196
tak, jak se loupe cibule.
07:42
So peelkůra by peelkůra, you take away the layersvrstvy of the onioncibule
171
450441
2989
Vrstvu po vrstvě odlupujete jednotlivé slupky
07:45
to get at some fundamentalzákladní kerneljádro of truthpravda.
172
453430
2319
abyste se dostali k podstatě, k jádru pravdy.
07:47
I don't think that's the way it workspráce eitherbuď.
173
455749
2187
Ale ani tak to podle mě není.
07:49
AnotherDalší one, a kinddruh of popularoblíbený one, is the icebergledovec ideaidea,
174
457936
2934
Další, docela oblíbená je teorie ledovce,
07:52
that we only see the tiptip of the icebergledovec but underneathpod
175
460870
2460
že vidíme pouze špičku ledovce, ale
07:55
is where mostvětšina of the icebergledovec is hiddenskrytý.
176
463330
2185
většina ledovce je schovaná.
07:57
But all of these modelsmodely are basedna základě on the ideaidea of a largevelký bodytělo of factsfakta
177
465515
3554
Všechny tyto modely jsou založené
na představě velkého množství faktů
08:01
that we can somehowNějak or anotherdalší get completeddokončeno.
178
469069
2420
které nějakým způsobem kompletujeme.
08:03
We can chipčip away at this icebergledovec and figurepostava out what it is,
179
471489
3343
Můžeme se prosekat do toho ledovce
a zjistit, co je zač,
08:06
or we could just wait for it to melttaveniny, I supposepředpokládat, these daysdnů,
180
474832
2605
nebo už asi počkat, až roztaje,
08:09
but one way or anotherdalší we could get to the wholeCelý icebergledovec. Right?
181
477437
3227
ale nějak se dostaneme k celému ledovci, že?
08:12
Or make it manageablezvládnutelné. But I don't think that's the casepouzdro.
182
480664
2467
Nebo to umožníme. Ale nemyslím si, že tomu tak je.
08:15
I think what really happensse děje in scienceVěda
183
483131
2399
Ve skutečnosti model vědy
08:17
is a modelmodel more like the magickouzlo well,
184
485530
1830
je spíš kouzelná studánka,
08:19
where no matterhmota how manymnoho bucketskbelíky you take out,
185
487360
1837
u které nezáleží na to, kolik kýblů vyčerpáte,
08:21
there's always anotherdalší bucketplechovka of watervoda to be had,
186
489197
2112
vždycky tam zbyde ještě další kýbl,
08:23
or my particularlyzejména favoriteoblíbený one,
187
491309
2127
nebo moje zvláště oblíbená,
08:25
with the effectúčinek and everything, the ripplesvlnky on a pondrybník.
188
493436
2939
s důsledky a vším, kruhy na vodní hladině.
08:28
So if you think of knowledgeznalost beingbytost this ever-expandingstále se rozšiřující ripplezvlnění on a pondrybník,
189
496375
3127
Pokud si představíte, že vědomosti
jsou jako stále se zvětšující kola na hladině,
08:31
the importantdůležité thing to realizerealizovat is that our ignoranceneznalost,
190
499502
3382
musíme si uvědomit, že nevědění
08:34
the circumferenceobvodu of this knowledgeznalost, alsotaké growsroste with knowledgeznalost.
191
502884
3382
se zvětšuje spolu s vědomostmi.
08:38
So the knowledgeznalost generatesgeneruje ignoranceneznalost.
192
506266
2763
Poznání generuje nevědomost.
08:41
This is really well said, I thought, by GeorgeGeorge BernardBernard ShawShaw.
193
509029
2915
To dobře řekl myslím George Bernard Shaw.
08:43
This is actuallyvlastně partčást of a toastpřípitek that he delivereddodáno
194
511944
2677
Je to vlastně část přípitku, který pronesl
08:46
to celebrateslavit EinsteinEinstein at a dinnervečeře celebratingOslava Einstein'sEinsteinova work,
195
514621
3677
na oslavu Einsteina na večeři na počest jeho práce,
08:50
in whichkterý he claimsnároky that scienceVěda
196
518298
1414
ve které tvrdí, že věda
08:51
just createsvytváří more questionsotázky than it answersodpovědi.
["ScienceVěda is always wrongšpatně. It never solvesřeší a problemproblém withoutbez creatingvytváření 10 more."]
197
519712
2265
vytváří víc otázek, než na kolik odpovídá.
08:53
I find that kinddruh of gloriousslavná, and I think he's preciselypřesně right,
198
521977
3542
Myslím že uhodil hřebíček na hlavičku,
08:57
plusPlus it's a kinddruh of jobpráce securitybezpečnostní.
199
525519
2526
navíc díky tomu máme práci.
09:00
As it turnsotočí out, he kinddruh of cribbedopisoval that
200
528045
2726
Pak jsem přišel na to, že to ukradl
09:02
from the philosopherfilozof ImmanuelImmanuel KantKant
201
530771
1852
filozofovi Immanuelu Kantovi,
09:04
who a hundredsto yearsroky earlierdříve had come up with this ideaidea
202
532623
2645
který před sto lety přišel s toutéž myšlenkou
09:07
of questionotázka propagationpropagace, that everykaždý answerOdpovědět begetsbegets more questionsotázky.
203
535268
3808
množení otázek, že každá odpověď
plodí další otázky.
09:11
I love that termobdobí, "questionotázka propagationpropagace,"
204
539076
2199
Zbožňují ten termín "množení otázek,"
09:13
this ideaidea of questionsotázky propagatingšíření out there.
205
541275
2739
ta myšlenka, že se otázky rozmnožují.
09:16
So I'd say the modelmodel we want to take is not
206
544014
1887
Takže model, kterým se chceme řídit není ten,
09:17
that we startStart out kinddruh of ignorantneznalý and we get some factsfakta togetherspolu
207
545901
3509
že začneme nevědomí
a až si dáme informace dohromady,
09:21
and then we gainzískat knowledgeznalost.
208
549410
2143
dojdeme k poznání.
09:23
It's ratherspíše kinddruh of the other way around, really.
209
551553
2379
Je to spíš ve skutečnosti obráceně.
09:25
What do we use this knowledgeznalost for?
210
553932
1907
K čemu toto poznání používáme?
09:27
What are we usingpoužitím this collectionsbírka of factsfakta for?
211
555839
2528
Pro koho tato fakta sbíráme?
09:30
We're usingpoužitím it to make better ignoranceneznalost,
212
558367
2857
Používáme je k prohlubování nevědění,
09:33
to come up with, if you will, higher-qualityvyšší kvalita ignoranceneznalost.
213
561224
3079
abychom vytvořili kvalitnější nevědění.
09:36
Because, you know, there's low-qualitynízké kvality ignoranceneznalost
214
564303
1872
Protože, jak víte, je tu nekvalitní nevědění
09:38
and there's high-qualityvysoce kvalitní ignoranceneznalost. It's not all the samestejný.
215
566175
2413
a kvalitní nevědění. V tom je rozdíl.
09:40
ScientistsVědci arguedohadovat se about this all the time.
216
568588
2370
Vědci se o tom v jednom kuse přou.
09:42
SometimesNěkdy we call them bullbýk sessionszasedání.
217
570958
1965
Někdy tomu říkáme býčí zápasy.
09:44
SometimesNěkdy we call them grantgrant proposalsnávrhy.
218
572923
1918
Někdy tomu říkáme žádosti o grant.
09:46
But nonethelessnicméně, it's what the argumentargument is about.
219
574841
3508
Ale nicméně, kvůli tomu se vedou všechny spory.
09:50
It's the ignoranceneznalost. It's the what we don't know.
220
578349
1844
Kvůli nevědění. O to, co nevíme.
09:52
It's what makesdělá a good questionotázka.
221
580193
2690
Jen tak dojdeme k dobrým otázkám.
09:54
So how do we think about these questionsotázky?
222
582883
1630
Jak tedy na tyto otázky přijdeme?
09:56
I'm going to showshow you a graphgraf that showsukazuje up
223
584513
1952
Ukážu vám graf, který se vyskytuje
09:58
quitedocela a bitbit on happyšťastný hourhodina postersplakáty in variousrozličný scienceVěda departmentsoddělení.
224
586465
3867
docela často na nástěnkách
v nejrůznějších výzkumných odděleních.
10:02
This graphgraf asksptá se the relationshipvztah betweenmezi what you know
225
590332
4221
Tento graf ukazuje vztah mezi tím, co víme,
10:06
and how much you know about it.
226
594553
2190
a tím, kolik o tom víme.
10:08
So what you know, you can know anywherekdekoli from nothing to everything, of coursechod,
227
596743
3515
Vědět můžete od "nic" až po "všechno";
10:12
and how much you know about it can be anywherekdekoli
228
600258
1683
kolik toho o tom víte, může být mezi
10:13
from a little to a lot.
229
601941
2423
"trochu" a "hodně".
10:16
So let's put a pointbod on the graphgraf. There's an undergraduatebakalářské.
230
604364
4232
A teď si to zakreslíme do grafu. Tady jsou bakaláři.
10:20
Doesn't know much but they have a lot of interestzájem.
231
608596
2364
Nevědí toho moc, ale mají spoustu zájmů.
10:22
They're interestedzájem in almosttéměř everything.
232
610960
1691
Zajímá je téměř všechno.
10:24
Now you look at a master'sMaster studentstudent, a little furtherdále alongpodél in theirjejich educationvzdělání,
233
612651
3454
Pokud se podíváme na magisterské studenty,
když jejich vzdělávání pokročilo,
10:28
and you see they know a bitbit more,
234
616105
1351
vidíte, že toho vědí o trochu víc,
10:29
but it's been narrowedzúžený somewhatponěkud.
235
617456
1890
ale trochu se to zúžilo.
10:31
And finallyKonečně you get your PhPH.D., where it turnsotočí out
236
619346
2719
A pak se dostáváme k doktorandům, kde se ukazuje
10:34
you know a tremendousobrovský amountmnožství about almosttéměř nothing. (LaughterSmích)
237
622065
5105
že toho víte ohromnou spoustu téměř o ničem.
(smích)
10:39
What's really disturbingrušivý is the trendtrend linečára that goesjde throughpřes that
238
627170
3781
Opravdu znepokojující je křivka, která tudy prochází
10:42
because, of coursechod, when it dipskliky na bradlech belowníže the zeronula axisosa, there,
239
630951
3775
a samozřejmě, tady, když klesne pod nulovou hranici,
10:46
it getsdostane into a negativenegativní areaplocha.
240
634726
2262
dostane se do záporných čísel.
10:48
That's where you find people like me, I'm afraidstrach.
241
636988
2915
Tam, obávám se, najdete lidi, jako jsem já.
10:51
So the importantdůležité thing here is that this can all be changedzměněna.
242
639903
3368
Důležité je to, že se to všechno může změnit.
10:55
This wholeCelý viewPohled can be changedzměněna
243
643271
1804
Celý tento pohled se může změnit,
10:57
by just changingměnící se the labeloznačení on the x-axisosa x.
244
645075
3161
stačí pouze změnit popisek na ose x.
11:00
So insteadmísto toho of how much you know about it,
245
648236
1917
Místo toho, kolik toho o tom víte,
11:02
we could say, "What can you askdotázat se about it?"
246
650153
3541
bychom mohli říct: "Na co se můžete zeptat?"
11:05
So yes, you do need to know a lot of stuffvěci as a scientistvědec,
247
653694
2867
Takže ano, jako vědec
toho potřebujete vědět velkou spoustu,
11:08
but the purposeúčel of knowingvědět a lot of stuffvěci
248
656561
2629
ale vědět toho spoustu
11:11
is not just to know a lot of stuffvěci. That just makesdělá you a geekgeek, right?
249
659190
2587
není účelem. To z vás jen udělá podivína.
11:13
KnowingVědomí a lot of stuffvěci, the purposeúčel is
250
661777
2138
Smyslem vědění spousty věcí je to,
11:15
to be ableschopný to askdotázat se lots of questionsotázky,
251
663915
1676
abyste byli schopni pokládat spoustu otázek,
11:17
to be ableschopný to framerám thoughtfulohleduplný, interestingzajímavý questionsotázky,
252
665591
3088
abyste byli schopni formulovat
smysluplné a zajímavé otázky,
11:20
because that's where the realnemovitý work is.
253
668679
1725
protože o to běží.
11:22
Let me give you a quickrychlý ideaidea of a couplepár of these sortstřídění of questionsotázky.
254
670404
2552
Dám vám několik rychlých příkladů takových otázek.
11:24
I'm a neuroscientistneurolog, so how would we come up
255
672956
2163
Jsem neurovědec, jak bych mohl vznést
11:27
with a questionotázka in neuroscienceneurovědy?
256
675119
1431
pochybnosti ohledně neurovědy?
11:28
Because it's not always quitedocela so straightforwardpřímý.
257
676550
2669
Protože to není vždycky tak přímočaré.
11:31
So, for examplepříklad, we could say, well what is it that the brainmozek does?
258
679219
2559
Takže například bychom se mohli zeptat:
Co že to vlastně mozek dělá?
11:33
Well, one thing the brainmozek does, it movespohybuje se us around.
259
681778
1814
Jednou z věcí, které mozek dělá, je že s námi hýbe.
11:35
We walkProcházka around on two legsnohy.
260
683592
2005
Chodíme po dvou nohách.
11:37
That seemszdá se kinddruh of simplejednoduchý, somehowNějak or anotherdalší.
261
685597
1851
To se zdá být jaksi jednoduché.
11:39
I mean, virtuallyprakticky everybodyvšichni over 10 monthsměsíců of agestáří
262
687448
2725
Chci říct, skoro každý, kdo je starší než 10 měsíců,
11:42
walksprocházky around on two legsnohy, right?
263
690173
2172
dokáže chodit po dvou, že?
11:44
So that maybe is not that interestingzajímavý.
264
692345
1391
No, to možná není tak zajímavé.
11:45
So insteadmísto toho maybe we want to chooseVybrat something a little more complicatedsložitý to look at.
265
693736
3148
Takže místo toho bychom si měli vybrat
něco komplikovanějšího.
11:48
How about the visualvizuální systemSystém?
266
696884
2775
Co třeba zraková soustava?
11:51
There it is, the visualvizuální systemSystém.
267
699659
1627
Tady je zraková soustava.
11:53
I mean, we love our visualvizuální systemssystémy. We do all kindsdruhy of coolchladný stuffvěci.
268
701286
3248
Zrakovou soustavu máme rádi.
Děláme spoustu skvělých věcí.
11:56
IndeedSkutečně, there are over 12,000 neuroscientistsneurovědci
269
704534
3391
Na zrakové soustavě pracuje
11:59
who work on the visualvizuální systemSystém,
270
707925
1580
přes 12 000 neurovědců,
12:01
from the retinasítnice to the visualvizuální cortexkůra,
271
709505
2081
od sítnice po zrakové centrum v mozku,
12:03
in an attemptpokus to understandrozumět not just the visualvizuální systemSystém
272
711586
2565
abychom pochopili nejenom zrakovou soustavu,
12:06
but to alsotaké understandrozumět how generalVšeobecné principleszásady
273
714151
3024
ale také obecné principy
12:09
of how the brainmozek mightmohl work.
274
717175
1951
fungování mozku.
12:11
But now here'stady je the thing:
275
719126
1660
Ale je zde problém:
12:12
Our technologytechnika has actuallyvlastně been prettydosti good
276
720786
2480
Naše technologie je sice dost dobrá na to,
12:15
at replicatingreplikace what the visualvizuální systemSystém does.
277
723266
2590
aby replikovala to, co zraková soustava dělá.
12:17
We have TVTV, we have moviesfilmy,
278
725856
3023
Máme televizi, máme filmy,
12:20
we have animationanimace, we have photographyfotografování,
279
728879
2495
máme animace, máme fotografie,
12:23
we have patternvzor recognitionuznání, all of these sortstřídění of things.
280
731374
3151
máme rozpoznávání vzorců, všechny tyto věci.
12:26
They work differentlyjinak than our visualvizuální systemssystémy in some casespřípadů,
281
734525
2646
V některých případech fungují jinak
než naše zraková soustava,
12:29
but nonethelessnicméně we'vejsme been prettydosti good at
282
737171
1591
ale nicméně dokážeme dost dobře
12:30
makingtvorba a technologytechnika work like our visualvizuální systemSystém.
283
738762
3476
vytvořit technologii,
která pracuje jako naše zraková soustava.
12:34
SomehowNějakým způsobem or anotherdalší, a hundredsto yearsroky of roboticsRobotika,
284
742238
2936
Robotika je tu sto let, a přesto jsme
12:37
you never saw a robotrobot walkProcházka on two legsnohy,
285
745174
2266
ještě neviděli robota, který by chodil po dvou,
12:39
because robotsroboty don't walkProcházka on two legsnohy
286
747440
2163
protože roboti po dvou nechodí
12:41
because it's not suchtakový an easysnadný thing to do.
287
749603
2390
protože to není nic jednoduchého.
12:43
A hundredsto yearsroky of roboticsRobotika,
288
751993
1528
Robotika je tu sto let,
12:45
and we can't get a robotrobot that can movehýbat se more than a couplepár stepskroky one way or the other.
289
753521
3367
a my nedokážeme sestrojit robota,
který by udělal víc než pár krůčků.
12:48
You askdotázat se them to go up an inclinedsklon planeletadlo, and they fallpodzim over.
290
756888
2572
Necháte je jít po nakloněné rovině a spadnou.
12:51
TurnZapnutí around, and they fallpodzim over. It's a seriousvážně problemproblém.
291
759460
2004
Otočí se, a spadnou. Je to vážný problém.
12:53
So what is it that's the mostvětšina difficultobtížný thing for a brainmozek to do?
292
761464
3547
Co je ta nejtěžší věc, kterou musí mozek zvládnout?
12:57
What oughtby měl we to be studyingstudovat?
293
765011
1623
Co bychom měli studovat?
12:58
PerhapsSnad it oughtby měl to be walkingchůze on two legsnohy, or the motormotor systemSystém.
294
766634
4295
Možná by to měla být chůze po dvou, motorika.
13:02
I'll give you an examplepříklad from my ownvlastní lablaboratoř,
295
770929
1735
Dám vám příklad z mojí laborky,
13:04
my ownvlastní particularlyzejména smellypáchnoucí questionotázka,
296
772664
1725
otázku, která zavání,
13:06
sinceod té doby we work on the sensesmysl of smellčich.
297
774389
2099
protože zkoumáme čich.
13:08
But here'stady je a diagramdiagram of fivePět moleculesmolekul
298
776488
3228
Zde je diagram pěti molekul
13:11
and sorttřídění of a chemicalchemikálie notationnotace.
299
779716
1510
a jakýsi chemický zápis.
13:13
These are just plainprostý oldstarý moleculesmolekul, but if you sniffčichat those moleculesmolekul
300
781226
2996
Jsou to jenom obyčejné molekuly,
ale pokud je nasajete
13:16
up these two little holesotvory in the frontpřední of your facetvář,
301
784222
2470
těmi dvěma dírkami v obličeji,
13:18
you will have in your mindmysl the distinctodlišný impressiondojem of a roserůže.
302
786692
3874
vytvoří se ve vaší mysli představa růže.
13:22
If there's a realnemovitý roserůže there, those moleculesmolekul will be the onesty,
303
790566
2158
Jejich zdrojem může být skutečná růže,
13:24
but even if there's no roserůže there,
304
792724
1560
ale i když tu žádná růže není,
13:26
you'llBudete have the memoryPaměť of a moleculemolekula.
305
794284
1591
ty molekuly vyvolají vzpomínku na ni.
13:27
How do we turnotočit se moleculesmolekul into perceptionsvnímání?
306
795875
3104
Jak z molekul vznikají vjemy?
13:30
What's the processproces by whichkterý that could happenpřihodit se?
307
798979
1857
Jakým procesem se to asi děje?
13:32
Here'sTady je anotherdalší examplepříklad: two very simplejednoduchý moleculesmolekul, again in this kinddruh of chemicalchemikálie notationnotace.
308
800836
3960
Zde je další příklad: chemický vzorec
dvou velmi jednoduchých molekul.
13:36
It mightmohl be easiersnadnější to visualizevizualizovat them this way,
309
804796
2077
Možná si je lépe představíte takto,
13:38
so the grayšedá circleskruhy are carbonuhlík atomsatomů, the whitebílý onesty
310
806873
2794
ty šedé kruhy jsou atomy uhlíku, ty bílé
13:41
are hydrogenvodík atomsatomů and the redČervené onesty are oxygenkyslík atomsatomů.
311
809667
2775
jsou atomy vodíku a ty červené jsou atomy kyslíku.
13:44
Now these two moleculesmolekul differlišit by only one carbonuhlík atomatom
312
812442
4298
Tyto dvě molekuly se liší jen jedním atomem uhlíku
13:48
and two little hydrogenvodík atomsatomů that ridejezdit alongpodél with it,
313
816740
2688
a dvěma malými atomy vodíku, které se na ně pojí,
13:51
and yetdosud one of them, heptylheptyl acetateacetát,
314
819428
1986
a přesto jeden z nich, heptylacetát,
13:53
has the distinctodlišný odorvůně of a pearhruška,
315
821414
2311
má typickou vůni hrušky,
13:55
and hexylbenzoát acetateacetát is unmistakablyneomylně bananabanán.
316
823725
3839
a hexylacetát je jasný banán.
13:59
So there are two really interestingzajímavý questionsotázky here, it seemszdá se to me.
317
827564
2557
Z toho vyplývají dvě zajímavé otázky.
14:02
One is, how can a simplejednoduchý little moleculemolekula like that
318
830121
3215
Zaprvé, jak může taková obyčejná molekula
14:05
createvytvořit a perceptionvnímání in your brainmozek that's so clearPrůhledná
319
833336
2468
vytvořit v mozku konkrétní dojem
14:07
as a pearhruška or a bananabanán?
320
835804
1742
hrušky nebo banánu?
14:09
And secondlyza druhé, how the hellpeklo can we tell the differencerozdíl
321
837546
3121
A za druhé, jak sakra poznáme rozdíl
14:12
betweenmezi two moleculesmolekul that differlišit by a singlesingl carbonuhlík atomatom?
322
840667
4315
mezi dvěma molekulami,
které se liší jediným atomem uhlíku?
14:16
I mean, that's remarkablepozoruhodný to me,
323
844982
1646
To je pro mě neuvěřitelné,
14:18
clearlyjasně the bestnejlepší chemicalchemikálie detectordetektor on the facetvář of the planetplaneta.
324
846628
3032
máme na tváři nejdokonalejší chemický detektor
na celém světě.
14:21
And you don't even think about it, do you?
325
849660
2776
To by vás ani nenapadlo, že?
14:24
So this is a favoriteoblíbený quotecitát of minetěžit that takes us
326
852436
2617
Můj oblíbený citát nás vrací zpátky
14:27
back to the ignoranceneznalost and the ideaidea of questionsotázky.
327
855053
1746
k nevědění a k teorii otázek.
14:28
I like to quotecitát because I think deadmrtví people
328
856799
2019
Rád používám citáty, protože si myslím,
14:30
shouldn'tby neměl be excludedvyloučeno from the conversationkonverzace.
329
858818
2543
že mrtví se nemohou nechat stranou.
14:33
And I alsotaké think it's importantdůležité to realizerealizovat that
330
861361
1939
A také si myslím, že je důležité si uvědomit, že
14:35
the conversation'skonverzace je been going on for a while, by the way.
331
863300
2462
konverzace už mimochodem nějakou dobu probíhá.
14:37
So ErwinErwin SchrodingerSchrödingerova, a great quantumkvantum physicistfyzik
332
865762
2758
Erwin Schrodinger, významný kvantový fyzik
14:40
and, I think, philosopherfilozof, pointsbodů out how you have to
333
868520
2566
a, řekl bych, filozof, poukazuje na to, jak musíte
14:43
"abidedodržujte by ignoranceneznalost for an indefiniteneurčitý perioddoba" of time.
334
871086
3465
"následovat své nevědění nekonečně dlouho".
14:46
And it's this abidingdodržování zákonů by ignoranceneznalost
335
874551
1987
A myslím si, že následovat své nevědění
14:48
that I think we have to learnUčit se how to do.
336
876538
1666
je něco, co se musíme všichni naučit.
14:50
This is a trickyobtížné thing. This is not suchtakový an easysnadný businesspodnikání.
337
878204
2977
Je to zrádné. Není to nic jednoduchého.
14:53
I guesstipni si it comespřijde down to our educationvzdělání systemSystém,
338
881181
1959
Myslím si, že musíme začít od vzdělávacího systému,
14:55
so I'm going to talk a little bitbit about ignoranceneznalost and educationvzdělání,
339
883140
2457
a tak budu mluvit trochu o nevědění a vzdělávání,
14:57
because I think that's where it really has to playhrát si out.
340
885597
2268
protože si myslím, že zde se to musí vyřešit.
14:59
So for one, let's facetvář it,
341
887865
2267
Takže si to přiznejme,
15:02
in the agestáří of GoogleGoogle and WikipediaWikipedie,
342
890132
3352
za časů Google a Wikipedie,
15:05
the businesspodnikání modelmodel of the universityuniverzita
343
893484
1793
obchodní model univerzit a
15:07
and probablypravděpodobně secondarysekundární schoolsškoly is simplyjednoduše going to have to changezměna.
344
895277
3421
možná i středních škol se prostě musí změnit.
15:10
We just can't sellprodat factsfakta for a livingživobytí anymoreuž víc.
345
898698
1901
Už se neuživíme prodáváním fakt.
15:12
They're availabledostupný with a clickklikněte na tlačítko of the mousemyš,
346
900599
2050
Dnes se k nim dostanete jedním kliknutím,
15:14
or if you want to, you could probablypravděpodobně just askdotázat se the wallstěna
347
902649
2496
nebo pokud chcete, stačí se zeptat zdi
15:17
one of these daysdnů, whereverkdekoli they're going to hideskrýt the things
348
905145
1712
nebo kde to vlastně schovávají ty věci,
15:18
that tell us all this stuffvěci.
349
906857
1417
které nám všechno tohle zprostředkovávají.
15:20
So what do we have to do? We have to give our studentsstudentů
350
908274
2883
Co je tedy potřeba? Musíme předat našim studentům
15:23
a tastechuť for the boundarieshranice, for what's outsidemimo that circumferenceobvodu,
351
911157
3896
smysl pro hranice, pro to, co je za nimi,
15:27
for what's outsidemimo the factsfakta, what's just beyondmimo the factsfakta.
352
915053
4308
co je mimo ta fakta, co je za těmi fakty.
15:31
How do we do that?
353
919361
2157
Jak to uděláme?
15:33
Well, one of the problemsproblémy, of coursechod,
354
921518
1508
No, jedním z problémů se samozřejmě
15:35
turnsotočí out to be testingtestování.
355
923026
2109
ukazuje být zkoušení.
15:37
We currentlyv současné době have an educationalvzdělávací systemSystém
356
925135
2649
V současnosti máme vzdělávací systém,
15:39
whichkterý is very efficientúčinný but is very efficientúčinný at a ratherspíše badšpatný thing.
357
927784
3709
který je velmi efektivní, ale ne v dobrém.
15:43
So in seconddruhý gradeškolní známka, all the kidsděti are interestedzájem in scienceVěda,
358
931493
2974
Všechny děti ve druhé třídě zajímají přírodní vědy,
15:46
the girlsdívky and the boyschlapci.
359
934467
1263
dívky i chlapce.
15:47
They like to take stuffvěci apartodděleně. They have great curiosityzvědavost.
360
935730
3974
Rádi věci rozmontovávají. Jsou velice zvídaví.
15:51
They like to investigatevyšetřovat things. They go to scienceVěda museumsmuzea.
361
939704
2499
Rádi věcem přicházejí na kloub. Chodí do muzeí.
15:54
They like to playhrát si around. They're in seconddruhý gradeškolní známka.
362
942203
6188
Rádi si hrají. Jsou ve druhé třídě.
16:00
They're interestedzájem.
363
948407
1494
Jsou zvídaví.
16:01
But by 11thth or 12thth gradeškolní známka, fewerméně than 10 percentprocent
364
949901
2934
Ale okolo třeťáku nebo čtvrťáku na střední
méně než 10 procent
16:04
of them have any interestzájem in scienceVěda whatsoevervůbec,
365
952835
3075
z nich má zájem o přírodní vědy,
16:07
let alonesama a desiretouha to go into scienceVěda as a careerkariéra.
366
955910
2945
natož pak touhu dát se na vědeckou kariéru.
16:10
So we have this remarkablypozoruhodně efficientúčinný systemSystém
367
958855
2982
Máme neuvěřitelně účinný systém
16:13
for beatingporážka any interestzájem in scienceVěda out of everybody'svšichni jsou headhlava.
368
961837
3973
na vytloukání zájmu o vědu z dětských z hlav.
16:17
Is this what we want?
369
965810
1914
Je to to, co chceme?
16:19
I think this comespřijde from what a teacheručitel colleaguekolega of minetěžit
370
967724
2342
Jeden z mých kolegů učitelů
16:22
callsvolání "the bulimicbulimii methodmetoda of educationvzdělání."
371
970066
2722
tomu říká "bulimická metoda vzdělávání."
16:24
You know. You can imaginepředstav si what it is.
372
972788
1373
Asi víte co myslím.
16:26
We just jamdžem a wholeCelý bunchchomáč of factsfakta down theirjejich throatskrku over here
373
974161
2948
Nacpeme jim do chřtánu mraky faktů
16:29
and then they pukezvracet it up on an examzkouška over here
374
977109
2354
a pak je všechny u zkoušky vyzvrací
16:31
and everybodyvšichni goesjde home with no addedpřidal intellectualintelektuální heftpotěžkat whatsoevervůbec.
375
979463
4579
a nikoho to intelektuálně neobohatí.
16:36
This can't possiblymožná continuepokračovat to go on.
376
984042
2081
Tak to nesmí pokračovat.
16:38
So what do we do? Well the geneticistsgenetici, I have to say,
377
986123
2334
Co s tím? Genetici mají
16:40
have an interestingzajímavý maximMaxim they livežít by.
378
988457
1983
zajímavé rčení, kterým se řídí.
16:42
GeneticistsGenetici always say, you always get what you screenobrazovka for.
379
990440
5252
Říkají, že vždycky dostanete to, co vybíráte.
16:47
And that's meantznamená as a warningVarování.
380
995692
2861
A to říkám jako varování.
16:50
So we always will get what we screenobrazovka for,
381
998553
2319
Vždycky dostaneme to, co vybíráme,
16:52
and partčást of what we screenobrazovka for is in our testingtestování methodsmetody.
382
1000872
3455
a to platí i o našich testovacích metodách.
16:56
Well, we hearslyšet a lot about testingtestování and evaluationhodnocení,
383
1004327
3243
Hodně se toho mluví o testování a hodnocení,
16:59
and we have to think carefullyopatrně when we're testingtestování
384
1007570
2187
a musíme při zkoušení dávat pozor na to,
17:01
whetherzda we're evaluatingvyhodnocení or whetherzda we're weedingodstraňování plevele,
385
1009757
3087
jestli hodnotíme, nebo oddělujeme zrno od plev,
17:04
whetherzda we're weedingodstraňování plevele people out,
386
1012844
1459
jestli se zbavujeme lidí
17:06
whetherzda we're makingtvorba some cutstřih.
387
1014303
3134
a některé odepisujeme.
17:09
EvaluationHodnocení is one thing. You hearslyšet a lot about evaluationhodnocení
388
1017437
2641
Hodnocení je jedna věc. Hodně se o něm dnes mluví
17:12
in the literatureliteratura these daysdnů, in the educationalvzdělávací literatureliteratura,
389
1020078
2910
v pedagogické literatuře,
17:14
but evaluationhodnocení really amountsmnožství to feedbackzpětná vazba and it amountsmnožství
390
1022988
2958
ale hodnocení vlastně závisí na zpětné vazbě,
17:17
to an opportunitypříležitost for trialpokus and errorchyba.
391
1025946
2154
a rovná se příležitostem pro pokusy a omyly.
17:20
It amountsmnožství to a chancešance to work over a longerdelší perioddoba of time
392
1028100
4494
Rovná se možnosti pracovat po delší dobu
17:24
with this kinddruh of feedbackzpětná vazba.
393
1032594
1910
s touto zpětnou vazbou.
17:26
That's differentodlišný than weedingodstraňování plevele, and usuallyobvykle, I have to tell you,
394
1034504
2938
Není to oddělování zrna od plev, i když většinou
17:29
when people talk about evaluationhodnocení, evaluatingvyhodnocení studentsstudentů,
395
1037442
2726
když lidé mluví o hodnocení studentů,
17:32
evaluatingvyhodnocení teachersučitelů, evaluatingvyhodnocení schoolsškoly,
396
1040168
2787
hodnocení učitelů, škol
17:34
evaluatingvyhodnocení programsprogramy, that they're really talkingmluvící about weedingodstraňování plevele.
397
1042955
4161
a oborů, většinou tím myslí oddělování zrna od plev.
17:39
And that's a badšpatný thing, because then you will get what you selectvybrat for,
398
1047116
4210
A to je špatně, protože pak dostanete to, co vybíráte,
17:43
whichkterý is what we'vejsme gottendostal so fardaleko.
399
1051326
1958
což je to, co máme k dispozici.
17:45
So I'd say what we need is a testtest that saysříká, "What is x?"
400
1053284
3441
A tak bych řekl, že potřebujeme test,
ve kterém je otázka: "Kolik je x?"
17:48
and the answersodpovědi are "I don't know, because no one does,"
401
1056725
3092
a odpověď zní: "Nevím, protože to neví nikdo."
17:51
or "What's the questionotázka?" Even better.
402
1059817
1741
nebo "Jaká je otázka?" Ještě lepší.
17:53
Or, "You know what, I'll look it up, I'll askdotázat se someoneněkdo,
403
1061558
2390
Nebo: "Víte co, já si to zjistím, někoho se zeptám,
17:55
I'll phonetelefon someoneněkdo. I'll find out."
404
1063964
2700
někomu zavolám. Zjistím si to."
17:58
Because that's what we want people to do,
405
1066664
1550
Protože to chceme aby lidé dělali
18:00
and that's how you evaluatevyhodnotit them.
406
1068214
1371
a tak bychom je měli hodnotit.
18:01
And maybe for the advancedpokročilý placementumístění classestřídy,
407
1069585
1943
A možná pro pokročilejší třídy
18:03
it could be, "Here'sTady je the answerOdpovědět. What's the nextdalší questionotázka?"
408
1071528
3714
by to mohlo být:
"Zde je odpověď. Jaká bude další otázka?"
18:07
That's the one I like in particularkonkrétní.
409
1075242
1511
Takové zadání mám nejradši.
18:08
So let me endkonec with a quotecitát from WilliamVilém ButlerButler YeatsYeats,
410
1076753
2177
Dovolte mi to zakončit citátem W. B. Yeatse,
18:10
who said "EducationVzdělání is not about fillingplnicí bucketskbelíky;
411
1078930
3167
který řekl: "Vzdělání není o tom plnit nádoby;
18:14
it is lightingosvětlení firespožáry."
412
1082097
2153
je to o tom, jak zažehnout oheň."
18:16
So I'd say, let's get out the matchesodpovídá.
413
1084250
3875
A tak vám říkám: vezměte si sirky.
18:20
Thank you.
414
1088125
1208
Děkuji.
18:21
(ApplausePotlesk)
415
1089333
3227
(potlesk)
18:24
Thank you. (ApplausePotlesk)
416
1092560
3816
Děkuji. (potlesk)
Translated by Marek Petrik
Reviewed by Pavel Slama

▲Back to top

ABOUT THE SPEAKER
Stuart Firestein - Neuroscientist
Stuart Firestein teaches students and “citizen scientists” that ignorance is far more important to discovery than knowledge.

Why you should listen

You’d think that a scientist who studies how the human brain receives and perceives information would be inherently interested in what we know. But Stuart Firestein says he’s far more intrigued by what we don’t. “Answers create questions,” he says. “We may commonly think that we begin with ignorance and we gain knowledge [but] the more critical step in the process is the reverse of that.”

Firestein, who chairs the biological sciences department at Columbia University, teaches a course about how ignorance drives science. In it -- and in his 2012 book on the topic -- he challenges the idea that knowledge and the accumulation of data create certainty. Facts are fleeting, he says; their real purpose is to lead us to ask better questions.

More profile about the speaker
Stuart Firestein | Speaker | TED.com