ABOUT THE SPEAKER
Alan Kay - Educator and computing pioneer
One of the true luminaries of personal computing, Alan Kay conceived of laptops and graphical interfaces years before they were realized. At XeroxPARC, Apple, HP and Disney, he has developed tools for improving the mind.

Why you should listen

"The best way to predict the future is to invent it." Alan Kay not only coined this favorite tech-world adage, but has proven its truth several times. A true polymath, as well as inventor, he has combined engineering brilliance with knowledge of child development, epistemology, molecular biology and more.

In the 1960s, Kay joined the computer team at XeroxPARC, where he worked on world-changing inventions like the graphical interface, object-oriented programming, and the personal computer itself. Later, at Apple, Atari, HP, Disney, and now at his own nonprofits, he has helped refine the tools he anticipated long before they were realized.

As the industry has blossomed, however, Kay continues to grapple with the deeper purpose of computing, struggling to create the machine that won't only recapitulate patterns in the world as we know it but will teach both children and adults to think, to see what otherwise is beyond them.

More profile about the speaker
Alan Kay | Speaker | TED.com
TED2007

Alan Kay: A powerful idea about ideas

Ο Άλαν Κέι μοιράζεται μια δυνατή ιδέα για τις ιδέες.

Filmed:
851,991 views

Με όλη την ένταση και την λαμπρότητα που τον διαπρέπει, ο Άλαν Κέι οραματίζεται καλύτερες τεχνικές για την διδασκαλία των παιδιών, χρησιμοποιώντας τους υπολογιστές για να επεξηγήσει την εμπειρία - μαθηματικά και επιστημονικά - όπως μόνο οι υπολογιστές μπορούν.
- Educator and computing pioneer
One of the true luminaries of personal computing, Alan Kay conceived of laptops and graphical interfaces years before they were realized. At XeroxPARC, Apple, HP and Disney, he has developed tools for improving the mind. Full bio

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

00:18
A great way to startαρχή, I think, with my viewθέα of simplicityαπλότητα
0
0
4000
Ένας θαυμάσιος τρόπος, πιστεύω, να ξεκινήσω να μιλάω για το πως βλέπω την έννοια της απλότητας
00:22
is to take a look at TEDTED. Here you are, understandingκατανόηση why we're here,
1
4000
7000
είναι το TED. Βρίσκεστε εδώ, συνειδητοποιώντας γιατί είστε εδώ,
00:29
what's going on with no difficultyδυσκολία at all.
2
11000
5000
και τί συμβαίνει γύρω σας, χωρίς καμία δυσκολία.
00:34
The bestκαλύτερος A.I. in the planetπλανήτης would find it complexσυγκρότημα and confusingσύγχυση,
3
16000
4000
Η καλύτερη συσκευή τεχνητής νοημοσύνης στον πλανήτη, θα το έβρισκε πολύπλοκο και συγκεχυμένο,
00:38
and my little dogσκύλος WatsonWatson would find it simpleαπλός and understandableκατανοητός
4
20000
5000
και το σκυλάκι μου ο Ουάτσον θα το έβρισκε απλό και κατανοητό.
00:43
but would missδεσποινίδα the pointσημείο.
5
25000
2000
αλλά θα έχανε την ουσία.
00:45
(LaughterΤο γέλιο)
6
27000
3000
(Γέλιο)
00:48
He would have a great time.
7
30000
3000
Θα περνούσε θαυμάσια.
00:51
And of courseσειρά μαθημάτων, if you're a speakerΟμιλητής here, like HansHans RoslingRosling,
8
33000
5000
Και φυσικά, εάν είστε ομιλητής εδώ, όπως ο Χανς Ρόσλινγκ,
00:56
a speakerΟμιλητής findsευρήματα this complexσυγκρότημα, trickyπονηρός. But in HansHans Rosling'sΤου Rosling caseπερίπτωση,
9
38000
5000
ένας ομιλητής το βρίσκει πολύπλοκο, μπερδεμένο. Αλλά στην περίπτωση του Χανς Ρόσλινγκ,
01:01
he had a secretμυστικό weaponόπλο yesterdayεχθές,
10
43000
2000
αυτός είχε ένα μυστικό όπλο χθες,
01:03
literallyΚυριολεκτικά, in his swordσπαθί swallowingκατάποση actενεργω.
11
45000
4000
στην κυριολεξία, με την παράσταση που έδωσε καταπίνοντας σπαθιά.
01:07
And I mustπρέπει say, I thought of quiteαρκετά a fewλίγοι objectsαντικείμενα
12
49000
2000
Και πρέπει να σας πω ότι σκέφτηκα αρκετά αντικείμενα
01:09
that I mightθα μπορούσε try to swallowκαταπιεί todayσήμερα and finallyτελικά gaveέδωσε up on,
13
51000
5000
που θα μπορούσα να καταπιώ αλλά τελικά τα παράτησα--
01:14
but he just did it and that was a wonderfulεκπληκτικός thing.
14
56000
4000
αλλά αυτός απλά το έκανε και ήτανε πράγματι καταπληκτικό.
01:18
So PuckΞωτικό meantσήμαινε not only are we foolsανόητοι in the pejorativeυποτιμητικός senseέννοια,
15
60000
5000
Ο Πακ λοιπόν, δεν εννοούσε απλά ότι είμαστε ανόητοι με την υποτιμητική έννοια
01:23
but that we're easilyεύκολα fooledξεγελαστούν. In factγεγονός, what ShakespeareΣαίξπηρ
16
65000
4000
αλλά ότι ξεγελιόμαστε πολύ εύκολα. Συγκεκριμένα αυτό που ο Σαίξπηρ
01:27
was pointingδείχνοντας out is we go to the theaterθέατρο in orderΣειρά to be fooledξεγελαστούν,
17
69000
3000
τόνιζε είναι ότι πηγαίνουμε στο θέατρο με σκοπό να αφήσουμε τους άλλους να μας ξεγελάσουν
01:30
so we're actuallyπράγματι looking forwardπρος τα εμπρός to it.
18
72000
4000
δηλαδή ουσιαστικά είναι κάτι που το επιδιώκουμε.
01:34
We go to magicμαγεία showsδείχνει in orderΣειρά to be fooledξεγελαστούν.
19
76000
2000
Πηγαίνουμε σε μαγικές παραστάσεις για να παραπλανηθούμε.
01:36
And this makesκάνει manyΠολλά things funδιασκέδαση, but it makesκάνει it difficultδύσκολος to actuallyπράγματι
20
78000
8000
Και αυτό μπορεί να είναι διασκεδαστικό, αλλά κάνει πολύ δύσκολο το να σχηματίσουμε
01:44
get any kindείδος of pictureεικόνα on the worldκόσμος we liveζω in or on ourselvesεμείς οι ίδιοι.
21
86000
4000
την οποιαδήποτε εικόνα για τον κόσμο μας ή τον εαυτό μας.
01:48
And our friendφίλος, BettyΜπέττυ EdwardsEdwards,
22
90000
2000
Και η φίλη μας, η Μπέτυ Έντουαρτς,
01:50
the "DrawingΣχέδιο on the Right SideΠλευρά of the BrainΕγκεφάλου" ladyκυρία, showsδείχνει these two tablesπίνακες
23
92000
3000
η "Ζωγραφιά στην δεξιά μεριά του Μυαλού" κοπέλα, δείχνει αυτά τα δύο τραπέζια
01:53
to her drawingσχέδιο classτάξη and saysλέει,
24
95000
5000
στην τάξη ζωγραφικής της και λέει:
01:58
"The problemπρόβλημα you have with learningμάθηση to drawσχεδιάζω
25
100000
4000
"το πρόβλημα που αντιμετωπίζετε στο να μάθετε να σχεδιάζετε
02:02
is not that you can't moveκίνηση your handχέρι,
26
104000
2000
δεν είναι ότι δεν μπορείτε να κουνήσετε σωστά το χέρι σας,
02:04
but that the way your brainεγκέφαλος perceivesαντιλαμβάνεται imagesεικόνες is faultyελαττωματικό.
27
106000
6000
αλλά ότι ο τρόπος που ο εγκέφαλός σας αντιλαμβάνεται τις εικόνες είναι προβληματικός.
02:10
It's tryingπροσπαθεί to perceiveαντιλαμβάνονται imagesεικόνες into objectsαντικείμενα
28
112000
2000
Προσπαθεί να αντιληφθεί τις εικόνες σαν αντικείμενα
02:12
ratherμάλλον than seeingβλέπων what's there."
29
114000
2000
παρά το να δει τι υπάρχει στην εικόνα."
02:14
And to proveαποδεικνύω it, she saysλέει, "The exactακριβής sizeμέγεθος and shapeσχήμα of these tabletopstabletops
30
116000
5000
"Και για να το αποδείξω", λέει,"το μέγεθος και σχήμα αυτών των τραπεζιών
02:19
is the sameίδιο, and I'm going to proveαποδεικνύω it to you."
31
121000
3000
είναι το ίδιο, και θα σας το αποδείξω."
02:22
She does this with cardboardχαρτόνι, but sinceΑπό I have
32
124000
3000
Αυτή το κάνει με ένα κομμάτι από χαρτόνι, αλλά αφού έχω
02:25
an expensiveακριβός computerυπολογιστή here
33
127000
3000
έναν ακριβό υπολογιστή εδώ,
02:28
I'll just rotateγυρίζω this little guy around and ...
34
130000
3000
απλά θα περιστρέψω αυτό λίγο και...
02:34
Now havingέχοντας seenείδα that -- and I've seenείδα it hundredsεκατοντάδες of timesφορές,
35
136000
3000
Τώρα, έχοντας δει αυτό -- και το έχω δει εκατοντάδες φορές,
02:37
because I use this in everyκάθε talk I give -- I still can't see
36
139000
4000
γιατί το χρησιμοποιώ σε κάθε μου διάλεξη -- ακόμα δεν μπορώ να δω
02:41
that they're the sameίδιο sizeμέγεθος and shapeσχήμα, and I doubtαμφιβολία that you can eitherείτε.
37
143000
5000
ότι είναι το ίδιο μέγεθος και σχήμα, και αμφιβάλω ότι και εσείς μπορείτε.
02:46
So what do artistsκαλλιτέχνες do? Well, what artistsκαλλιτέχνες do is to measureμετρήσει.
38
148000
5000
Και τι κάνουν οι καλλιτέχνες τότε; Λοιπόν αυτό που κάνουν είναι ότι μετράνε.
02:51
They measureμετρήσει very, very carefullyπροσεκτικά.
39
153000
2000
Μετράνε πολύ, πολύ προσεχτικά.
02:53
And if you measureμετρήσει very, very carefullyπροσεκτικά with a stiffδύσκαμπτος armμπράτσο and a straightευθεία edgeάκρη,
40
155000
4000
Και αν μετρήσετε πολύ, πολύ προσεχτικά με τεντωμένο χέρι και μία επίπεδη επιφάνεια,
02:57
you'llθα το κάνετε see that those two shapesσχήματα are
41
159000
2000
θα δείτε ότι αυτά τα δύο σχήματα είναι
02:59
exactlyακριβώς the sameίδιο sizeμέγεθος.
42
161000
3000
ακριβώς το ίδιο μέγεθος.
03:02
And the TalmudΤαλμούδ saw this a long time agoπριν, sayingρητό,
43
164000
5000
Και το Ταλμούδ το είχε καταλάβει από πολύ παλιά, λέγοντας,
03:07
"We see things not as they are, but as we are."
44
169000
3000
"βλέπουμε τα πράγματα όχι όπως είναι, αλλά όπως είμαστε".
03:10
I certainlyσίγουρα would like to know what happenedσυνέβη to the personπρόσωπο
45
172000
2000
Πραγματικά θα ήθελα να ήξερα τι συνέβη στον άνθρωπο
03:12
who had that insightδιορατικότητα back then,
46
174000
3000
που είχε αυτή την διορατικότητα τότε,
03:15
if they actuallyπράγματι followedακολούθησε it to its ultimateτελικός conclusionσυμπέρασμα.
47
177000
4000
αν πραγματικά κατέληξε στο τελικό συμπέρασμα.
03:21
So if the worldκόσμος is not as it seemsφαίνεται and we see things as we are,
48
183000
2000
Άρα αν ο κόσμος δεν είναι όπως φαίνεται και εμείς βλέπουμε τα πράγματα όπως είμαστε,
03:23
then what we call realityπραγματικότητα is a kindείδος of hallucinationπαραίσθηση
49
185000
6000
τότε αυτό που ονομάζουμε πραγματικότητα είναι ένα είδος αυταπάτης
03:29
happeningσυμβαίνει insideμέσα here. It's a wakingαφύπνιση dreamόνειρο,
50
191000
3000
που συμβαίνει εδώ μέσα. Είναι ένα ζωντανό όνειρο.
03:32
and understandingκατανόηση that that is what we actuallyπράγματι existυπάρχει in
51
194000
5000
Και το να καταλάβουμε ότι αυτή είναι η πραγματικότητά μας
03:37
is one of the biggestμέγιστος epistemologicalεπιστημολογική barriersεμπόδια in humanο άνθρωπος historyιστορία.
52
199000
5000
είναι από τα μεγαλύτερα επιστημολογικά εμπόδια της ιστορίας μας.
03:42
And what that meansπου σημαίνει: "simpleαπλός and understandableκατανοητός"
53
204000
2000
Και αυτό σημαίνει ότι το "απλό και κατανοητό"
03:44
mightθα μπορούσε not be actuallyπράγματι simpleαπλός or understandableκατανοητός,
54
206000
3000
μπορεί στην πραγματικότητα να μην είναι απλό και κατανοητό,
03:47
and things we think are "complexσυγκρότημα" mightθα μπορούσε be madeέκανε simpleαπλός and understandableκατανοητός.
55
209000
6000
και αυτά που νομίζουμε ότι είναι πολύπλοκα μπορεί να γίνονται απλά και κατανοητά.
03:53
SomehowΚατά κάποιο τρόπο we have to understandκαταλαβαίνουν ourselvesεμείς οι ίδιοι to get around our flawsατέλειες.
56
215000
4000
Κάπως πρέπει να καταλάβουμε τον εαυτό μας για να ξεπεράσουμε τα ελαττώματά μας.
03:57
We can think of ourselvesεμείς οι ίδιοι as kindείδος of a noisyθορυβώδης channelΚανάλι.
57
219000
2000
Μπορούμε να σκεφτούμε τους εαυτούς μας σαν ένα είδος καναλιού με παράσιτα.
03:59
The way I think of it is, we can't learnμαθαίνω to see
58
221000
5000
Ο τρόπος που το σκέφτομαι εγώ είναι ότι, δεν μπορούμε να μάθουμε να βλέπουμε
04:04
untilμέχρις ότου we admitομολογώ we're blindτυφλός.
59
226000
2000
μέχρι να παραδεχτούμε ότι είμαστε τυφλοί.
04:06
OnceΜια φορά you startαρχή down at this very humbleταπεινός levelεπίπεδο,
60
228000
4000
Όταν αρχίσουμε από αυτό το ταπεινό επίπεδο,
04:10
then you can startαρχή findingεύρεση waysτρόπους to see things.
61
232000
3000
τότε θα μπορέσουμε να βρούμε τρόπους να δούμε τα πράματα.
04:13
And what's happenedσυνέβη, over the last 400 yearsχρόνια in particularιδιαιτερος,
62
235000
5000
Και το τι συνέβη μέσα στα τελευταία τετρακόσια χρόνια
04:18
is that humanο άνθρωπος beingsόντα have inventedεφευρέθηκε "brainletsbrainlets" --
63
240000
3000
είναι ότι οι άνθρωποι επινόησαν τα "μπρέινλετς":
04:21
little additionalπρόσθετες partsεξαρτήματα for our brainεγκέφαλος --
64
243000
4000
είναι σαν πρόσθετα μέρη για τον εγκέφαλό μας,
04:25
madeέκανε out of powerfulισχυρός ideasιδέες that help us
65
247000
2000
φτιαγμένα από πολύ δυνατές ιδέες που μας βοηθάνε
04:27
see the worldκόσμος in differentδιαφορετικός waysτρόπους.
66
249000
2000
να δούμε τον κόσμο με διαφορετικούς τρόπους.
04:29
And these are in the formμορφή of sensoryαισθητήριος apparatusσυσκευές --
67
251000
3000
Και έρχονται με την μορφή αισθητηριακών συσκευών --
04:32
telescopesτηλεσκόπια, microscopesμικροσκόπια -- reasoningαιτιολογία apparatusσυσκευές --
68
254000
5000
τηλεσκόπια, μικροσκόπια -- λογικές συσκευές,
04:37
variousδιάφορος waysτρόπους of thinkingσκέψη -- and, mostπλέον importantlyείναι σημαντικό,
69
259000
4000
με διάφορους τρόπους σκέψης, και το πιο σημαντικό,
04:41
in the abilityικανότητα to changeαλλαγή perspectiveπροοπτική on things.
70
263000
4000
με την δυνατότητά μας στο να αλλάξουμε την προοπτική που βλέπουμε τα πράματα.
04:45
I'll talk about that a little bitκομμάτι.
71
267000
1000
Θα μιλήσω γι'αυτό λίγο ακόμα.
04:46
It's this changeαλλαγή in perspectiveπροοπτική
72
268000
2000
Είναι αυτή η αλλαγή προοπτικής,
04:48
on what it is we think we're perceivingαντιλαμβάνεται
73
270000
3000
και το τι νομίζουμε ότι αντιλαμβανόμαστε,
04:51
that has helpedβοήθησα us make more progressπρόοδος in the last 400 yearsχρόνια
74
273000
5000
που μας βοήθησε να κάνουμε περισσότερη πρόοδο στα τελευταία τετρακόσια χρόνια
04:56
than we have in the restυπόλοιπο of humanο άνθρωπος historyιστορία.
75
278000
2000
απ'ότι έχουμε κάνει σε όλη την υπόλοιπη ανθρώπινη ιστορία.
04:58
And yetΑκόμη, it is not taughtδιδακτός in any K throughδιά μέσου 12 curriculumδιδακτέα ύλη in AmericaΑμερική that I'm awareενήμερος of.
76
280000
8000
Και όμως δεν διδάσκεται σε κανένα πρόγραμμα σπουδών δημοτικού στην Αμερική , απ' όσο γνωρίζω.
05:11
So one of the things that goesπηγαίνει from simpleαπλός to complexσυγκρότημα
77
293000
2000
Ένας λόγος που πάμε από το απλό στο πολύπλοκο
05:13
is when we do more. We like more.
78
295000
3000
είναι όταν κάνουμε περισσότερα. Μας αρέσει να κάνουμε περισσότερα.
05:16
If we do more in a kindείδος of a stupidηλίθιος way,
79
298000
3000
Αλλά αν κάνουμε περισσότερα με χαζό τρόπο,
05:19
the simplicityαπλότητα getsπαίρνει complexσυγκρότημα
80
301000
3000
το απλό γίνεται πολύπλοκο.
05:22
and, in factγεγονός, we can keep on doing it for a very long time.
81
304000
5000
Και όντως, μπορούμε να το κάνουμε αυτό για πολύ καιρό.
05:27
But MurrayMurray Gell-MannΓκελ-Μαν yesterdayεχθές talkedμίλησε about emergentαναδυόμενη propertiesιδιότητες;
82
309000
3000
Αλλά ο Μάρευ Γκέλμαν χθες μίλησε σχετικά με τις αναδυόμενες ιδιότητες.
05:30
anotherαλλο nameόνομα for them could be "architectureαρχιτεκτονική"
83
312000
4000
Εναλλακτική ονομασία για αυτές θα μπορούσε να είναι "αρχιτεκτονική"
05:34
as a metaphorμεταφορική έννοια for takingλήψη the sameίδιο oldπαλαιός materialυλικό
84
316000
4000
για να αποδώσουμε μεταφορικά την πράξη του να πάρει κανείς υπάρχοντα γνωστά υλικά
05:38
and thinkingσκέψη about non-obviousμη προφανή, non-simpleδεν είναι απλό waysτρόπους of combiningσυνδυάζοντας it.
85
320000
7000
και να σκεφτεί μη-εμφανείς, μη-απλούς τρόπους να τα συνδυάσει.
05:45
And in factγεγονός, what MurrayMurray was talkingομιλία about yesterdayεχθές in the fractalfractal beautyομορφιά of natureφύση --
86
327000
8000
Και στην πραγματικότητα, αυτό στο οποίο αναφερόταν ο Μάρευ χθες, στην κλασματική ομορφιά της φύσης,
05:53
of havingέχοντας the descriptionsπεριγραφές
87
335000
2000
με τις περιγραφές
05:55
at variousδιάφορος levelsεπίπεδα be ratherμάλλον similarπαρόμοιος --
88
337000
4000
σε διάφορα επίπεδα να είναι περίπου ίδιες,
05:59
all goesπηγαίνει down to the ideaιδέα that the elementaryστοιχειώδης particlesσωματίδια
89
341000
5000
όλα συνοψίζονται στην ιδέα ότι τα βασικά στοιχεία
06:04
are bothκαι τα δυο stickyκολλώδης and standoffishstandoffish,
90
346000
3000
είναι κολλώδη και άτυπα,
06:07
and they're in violentβίαιος motionκίνηση.
91
349000
4000
και βρίσκονται σε βίαιη κίνηση.
06:11
Those threeτρία things give riseαύξηση to all the differentδιαφορετικός levelsεπίπεδα
92
353000
3000
Αυτά τα τρία πράγματα φέρνουν στην επιφάνεια, σε όλα τα διαφορετικά επίπεδα,
06:14
of what seemφαίνομαι to be complexityπερίπλοκο in our worldκόσμος.
93
356000
4000
ό,τι μοιάζει με την πολυπλοκότητα στον κόσμο μας.
06:20
But how simpleαπλός?
94
362000
2000
Όμως πόσο απλά;
06:22
So, when I saw Roslings''Roslings GapminderGapminder stuffυλικό a fewλίγοι yearsχρόνια agoπριν,
95
364000
5000
Όταν, λοιπόν, είδα τι είχε κάνει ο Ρόσλινγκ στο Gapminder μερικά χρόνια πριν,
06:27
I just thought it was the greatestμεγαλύτερη thing I'd seenείδα
96
369000
2000
σκέφτηκα ότι είναι το σπουδαιότερο πράγμα που έχω δει
06:29
in conveyingμεταφορά complexσυγκρότημα ideasιδέες simplyαπλά.
97
371000
5000
αναφορικά με την μετάδοση πολύπλοκων ιδεών με απλοποιημένο τρόπο.
06:34
But then I had a thought of, "BoyΑγόρι, maybe it's too simpleαπλός."
98
376000
3000
Και μετά αναλογίστηκα, μηπώς ήταν υπέραπλουστευμένο.
06:37
And I put some effortπροσπάθεια in to try and checkέλεγχος
99
379000
5000
Και στην συνέχεια αφιέρωσα κάποια προσπάθεια στο να ελέγξω
06:42
to see how well these simpleαπλός portrayalsαπεικονίσεις of trendsτάσεις over time
100
384000
4000
για να διαπιστώσω πόσο αυτά τα απλοϊκά χαρτογραφήματα των τάσεων στην διάρκεια του χρόνου
06:46
actuallyπράγματι matchedταιριάζει up with some ideasιδέες and investigationsδιερευνήσεις from the sideπλευρά,
101
388000
5000
στην πραγματικότητα αντιστοιχούσαν στις ιδέες και τις υποθέσεις που αναπαριστούσαν,
06:51
and I foundβρέθηκαν that they matchedταιριάζει up very well.
102
393000
2000
και διέκρινα ότι υπήρχε ένα επιτυχές συνταίριασμα.
06:53
So the RoslingsRoslings have been ableικανός to do simplicityαπλότητα
103
395000
5000
Συνεπώς οι Ρόσλινγκ κατάφεραν να αποδώσουν την απλότητα
06:58
withoutχωρίς removingαφαίρεση what's importantσπουδαίος about the dataδεδομένα.
104
400000
4000
χωρίς όμως να απογυμνώσουν τα στοιχεία από την ουσία τους.
07:02
WhereasΛαμβάνοντας υπόψη ότι the filmταινία yesterdayεχθές that we saw
105
404000
4000
Ενώ η ταινία που παρακολουθήσαμε χθές
07:06
of the simulationπροσομοίωση of the insideμέσα of a cellκύτταρο,
106
408000
2000
με την προσομοίωση του εσωτερικού ενός κυττάρου,
07:08
as a formerπρώην molecularμοριακός biologistβιολόγος, I didn't like that at all.
107
410000
6000
αξιολογώντας την βέβαια από την οπτική πρώην μοριακού βιολόγου, δεν μου άρεσε καθόλου.
07:14
Not because it wasn'tδεν ήταν beautifulπανεμορφη or anything,
108
416000
2000
Όχι επειδή δεν ήταν αισθητικά προσεγμένη ή κάτι ανάλογο,
07:16
but because it missesχάνει the thing that mostπλέον studentsΦοιτητές failαποτυγχάνω to understandκαταλαβαίνουν
109
418000
5000
αλλά επειδή παρέλειψε να συμπεριλάβει μια παράμετρο που η πλειοψηφία των μαθητών αποτυγχάνει να κατανοήσει
07:21
about molecularμοριακός biologyβιολογία, and that is:
110
423000
3000
σχετικά με την μοριακή βιολογία, και αναφέρομαι στο,
07:24
why is there any probabilityπιθανότητα at all of two complexσυγκρότημα shapesσχήματα
111
426000
5000
γιατί εξαρχής υφίσταται η πιθανότητα δυο πολύπλοκες μορφές
07:29
findingεύρεση eachκαθε other just the right way
112
431000
2000
να συναντιούνται και να διαδρούν με το σωστό τρόπο
07:31
so they combineσυνδυασμός togetherμαζί and be catalyzedκαταλυμένα?
113
433000
3000
ωστέ να μπορέσουν να αναμειχθούν και να γίνει κατάλυση;
07:34
And what we saw yesterdayεχθές was
114
436000
2000
Και αυτό που είδαμε χθες παρουσίαζε
07:36
everyκάθε reactionαντίδραση was fortuitousτυχαία;
115
438000
3000
ότι όλες αυτές οι αντιδράσεις καθορίζονταν τυχαία.
07:39
they just swoopedόρμησε in the airαέρας and boundόριο, and something happenedσυνέβη.
116
441000
4000
Απλά τα στοιχεία επιτάχυναν στον αέρα και δεσμεύονταν, και κάτι γινόταν.
07:43
But in factγεγονός, those moleculesμόρια are spinningκλώση at the rateτιμή of
117
445000
4000
Αλλά στην πραγματικότητα αυτά τα μόρια επιταχύνουν κυκλικά με ρυθμό
07:47
about a millionεκατομμύριο revolutionsστροφές perανά secondδεύτερος;
118
449000
3000
περίπου ενός εκατομμυρίου περιστροφών το δευτερόλεπτο.
07:50
they're agitatingανακίνηση back and forthΕμπρός theirδικα τους sizeμέγεθος everyκάθε two nanosecondsνανοδευτερόλεπτα;
119
452000
6000
Το σχήμα τους αναπλάθεται κάθε δύο νανοδευτερόλεπτα.
07:56
they're completelyεντελώς crowdedγεματο κοσμο togetherμαζί, they're jammedμπλοκαρισμένο,
120
458000
3000
Και υπάρχει απόλυτος κορεσμός των στοιχείων. Είναι συμπιεσμένα,
07:59
they're bashingbashing up againstκατά eachκαθε other.
121
461000
3000
συγκρούονται μεταξύ τους.
08:02
And if you don't understandκαταλαβαίνουν that in your mentalδιανοητικός modelμοντέλο of this stuffυλικό,
122
464000
3000
Και αν κατανοείς τα παραπάνω στο νοητικό μοντέλο που έχεις σχηματίσει για το φαινόμενο αυτό,
08:05
what happensσυμβαίνει insideμέσα of a cellκύτταρο seemsφαίνεται completelyεντελώς mysteriousμυστηριώδης and fortuitousτυχαία,
123
467000
5000
οτιδήποτε συμβαίνει μέσα σε ένα κύτταρο σου φαίνεται μυστηριώδες και τυχαίο.
08:10
and I think that's exactlyακριβώς the wrongλανθασμένος imageεικόνα
124
472000
2000
Και θεωρώ ότι αυτή είναι η λάθος εικόνα που δεν θες
08:12
for when you're tryingπροσπαθεί to teachδιδάσκω scienceεπιστήμη.
125
474000
3000
να μεταδώσεις όταν προσπαθείς να διδάξεις την επιστήμη.
08:18
So, anotherαλλο thing that we do is to confuseσυγχέουμε adultενήλικας sophisticationεπιτήδευση
126
480000
5000
Επιπλέον κάτι το οποίο κάνουμε είναι να μπερδεύουμε την επιτήδευση που διακρίνει τους ενήλικες
08:23
with the actualπραγματικός understandingκατανόηση of some principleαρχή.
127
485000
5000
με την ουσιαστική κατανόηση μιας αρχής.
08:28
So a kidπαιδί who'sποιος είναι 14 in highυψηλός schoolσχολείο
128
490000
2000
Οπότε ένα παιδί 14 χρονών που φοιτά στο γυμνάσιο
08:30
getsπαίρνει this versionεκδοχή of the PythagoreanΠυθαγόρειο theoremθεώρημα,
129
492000
6000
διδάσκεται αυτή την εκδοχή του Πυθαγόρειου θεωρήματος,
08:36
whichοι οποίες is a trulyστα αληθεια subtleδιακριτικό and interestingενδιαφέρων proofαπόδειξη,
130
498000
3000
που είναι ειλικρινώς μια ευφυής και ενδιαφέρουσα απόδειξη,
08:39
but in factγεγονός it's not a good way to startαρχή learningμάθηση about mathematicsμαθηματικά.
131
501000
7000
αλλά στην πραγματικότητα δεν είναι ο "σωστός" τρόπος για να αρχίσει κανείς να μαθαίνει μαθηματικά.
08:46
So a more directαπευθείας one, one that givesδίνει you more of the feelingσυναισθημα of mathμαθηματικά,
132
508000
5000
Οπότε μια πιο άμεση απόδοση του, που αποδίδει περισσότερο την ουσία των μαθηματικών,
08:51
is something closerπιο κοντά to Pythagoras'Πυθαγόρα ownτα δικά proofαπόδειξη, whichοι οποίες goesπηγαίνει like this:
133
513000
4000
προσεγγίζει περισσότερο την απόδειξη του ίδιου του Πυθαγόρα και είναι κάπως έτσι.
08:55
so here we have this triangleτρίγωνο, and if we surroundπεριβάλλω that C squareτετράγωνο with
134
517000
6000
Συνεπώς εδώ έχουμε αυτό το τρίγωνο, και αν περικλείσουμε τις πλευρές του τετραγώνου C με
09:01
threeτρία more trianglesτρίγωνα and we copyαντιγραφή that,
135
523000
3000
με τρία επιπλέον τρίγωνα και το αντιγράψουμε,
09:04
noticeειδοποίηση that we can moveκίνηση those trianglesτρίγωνα down like this.
136
526000
5000
παρατηρείστε ότι μπορούμε να μετακινήσουμε τα τρίγωνα προς τα κάτω κάπως έτσι,
09:09
And that leavesφύλλα two openΆνοιξε areasπεριοχές that are kindείδος of suspiciousύποπτος ...
137
531000
3000
και αυτό μας αφήνει με 2 ακάλυπτες περιοχές που είναι κάπως ύποπτες,
09:12
and bingoμπίνγκο. That is all you have to do.
138
534000
7000
και έτοιμο. Και αυτό είναι το μόνο που χρειάζεται να κάνεις.
09:19
And this kindείδος of proofαπόδειξη is the kindείδος of proofαπόδειξη
139
541000
2000
Και αυτή η εκδοχή της απόδειξης εκφράζει ακριβώς το είδος των αποδείξεων
09:21
that you need to learnμαθαίνω when you're learningμάθηση mathematicsμαθηματικά
140
543000
3000
που χρειάζεται να μάθεις όταν διδάσκεσαι μαθηματικά
09:24
in orderΣειρά to get an ideaιδέα of what it meansπου σημαίνει
141
546000
3000
έτσι ώστε να συλλάβεις και να κατανοήσεις την ιδέα του θεωρήματος
09:27
before you look into the, literallyΚυριολεκτικά, 1,200 or 1,500 proofsαποδείξεις
142
549000
4000
πριν κοιτάξεις τις, κυριολεκτικά, 12 εως 1500 αποδείξεις
09:31
of Pythagoras'Πυθαγόρα theoremθεώρημα that have been discoveredανακαλύφθηκε.
143
553000
3000
που έχουν διατυπωθεί για το Πυθαγόρειο θεώρημα.
09:37
Now let's go to youngνεαρός childrenπαιδιά.
144
559000
3000
Τώρα ας προχωρήσουμε σε ένα θέμα που σχετίζεται με τα μικρά παιδιά.
09:40
This is a very unusualασυνήθης teacherδάσκαλος
145
562000
2000
Αυτή εδώ είναι μια πολύ ιδιαίτερη δασκάλα
09:42
who was a kindergartenΝηπιαγωγείο and first-gradeπρώτος-βαθμού teacherδάσκαλος,
146
564000
4000
που δίδασκε σε τάξεις του νηπιαγωγείου και της πρώτης δημοτικού,
09:46
but was a naturalφυσικός mathematicianμαθηματικός.
147
568000
2000
και η οποία είναι ένα έμφυτο μαθηματικό ταλέντο
09:48
So she was like that jazzτζαζ musicianμουσικός friendφίλος you have who never studiedμελετημένος musicΜΟΥΣΙΚΗ
148
570000
5000
Έμοιαζε με μια φίλη μουσικό της τζαζ που δεν έχει μελετήσει ποτέ μουσική,
09:53
but is a terrificκαταπληκτική musicianμουσικός;
149
575000
2000
αλλά είναι θεσπέσια μουσικός.
09:55
she just had a feelingσυναισθημα for mathμαθηματικά.
150
577000
2000
Απλά είχε μια κλίση στα μαθηματικά,
09:57
And here are her six-year-oldsέξι ετών,
151
579000
3000
και εδώ βλέπουμε τους μαθητές της που είναι 6 χρονών,
10:00
and she's got them makingκατασκευή shapesσχήματα out of a shapeσχήμα.
152
582000
5000
και τους είχε αναθέσει να σχεδιάσουν διάφορα μεγέθη από ένα σχήμα.
10:05
So they pickδιαλέγω a shapeσχήμα they like -- like a diamondδιαμάντι, or a squareτετράγωνο,
153
587000
2000
Τα παιδιά επιλέγουν ένα σχήμα που προτιμούν - ένα διαμάντι, ή ένα τετράγωνο,
10:07
or a triangleτρίγωνο, or a trapezoidτραπέζιο -- and then they try and make
154
589000
3000
ή ένα τρίγωνο, ή ένα τραπέζιο -- και μετά προσπαθούν να σχεδιάσουν
10:10
the nextεπόμενος largerμεγαλύτερος shapeσχήμα of that sameίδιο shapeσχήμα, and the nextεπόμενος largerμεγαλύτερος shapeσχήμα.
155
592000
4000
το ίδιο σχήμα στο επόμενο μεγαλύτερο μέγεθος, και στο αμέσως επόμενο μεγαλύτερο.
10:14
You can see the trapezoidsΤραπεζοειδείς are a little challengingπροκλητική there.
156
596000
4000
Και όπως μπορείτε να δείτε τα τραπέζια είναι λίγο απαιτητικά.
10:18
And what this teacherδάσκαλος did on everyκάθε projectέργο
157
600000
3000
Και η δασκάλα ουσιαστικά κατάφερνε σε κάθε μια από αυτές τις εργασίες
10:21
was to have the childrenπαιδιά actενεργω like first it was a creativeδημιουργικός artsτέχνες projectέργο,
158
603000
5000
να κάνει τα παιδιά να ασχοληθούν με κάτι που φαινόταν σαν καλλιτεχνική απασχόληση
10:26
and then something like scienceεπιστήμη.
159
608000
2000
αλλά στο τέλος έμοιαζε με επιστημονική εργασία.
10:28
So they had createdδημιουργήθηκε these artifactsχειροποίητα αντικείμενα.
160
610000
2000
Οπότε δημιούργησαν αυτές τις κατασκευές.
10:30
Now she had them look at them and do this ... laboriousεπίπονη,
161
612000
4000
Έβαλε τα παιδιά να τις δούνε πολύ προσεκτικά και να κάνουν αυτό το δύσκολο --
10:34
whichοι οποίες I thought for a long time, untilμέχρις ότου she explainedεξηγείται to me was
162
616000
4000
είχα απορία γιατί το έκανε για κάμποσο καιρό, μέχρι που μου το εξήγησε,
10:38
to slowαργός them down so they'llθα το κάνουν think.
163
620000
3000
ότι στόχευε στο να τα βάλει να συγκεντρωθούν και να σκεφτούν.
10:41
So they're cuttingτομή out the little piecesκομμάτια of cardboardχαρτόνι here
164
623000
3000
Μετά κόβαν τα μικρά κομμάτια από το χαρτόνι αυτό,
10:44
and pastingΕπικόλληση them up.
165
626000
2000
και τα κολλούσαν πάνω σε αυτό το φυλλάδιο.
10:46
But the wholeολόκληρος pointσημείο of this thing is
166
628000
4000
Αλλά το νόημα της όλης εργασίας είναι
10:50
for them to look at this chartδιάγραμμα and fillγέμισμα it out.
167
632000
3000
να συμπληρώσουν αυτή τη φόρμα
10:53
"What have you noticedπαρατήρησα about what you did?"
168
635000
4000
απαντώτας την ερωτηση του τι είχαν παρατηρήσει.
10:57
And so six-year-oldέξι ετών LaurenLauren there noticedπαρατήρησα that the first one tookπήρε one,
169
639000
4000
Λοιπόν, η εξάχρονη Λώρεν παρατήρησε ότι το πρώτο καταλάμβανε ένα μέρος,
11:01
and the secondδεύτερος one tookπήρε threeτρία more
170
643000
5000
και το δεύτερο καταλάμβανε την τριπλάσια επιφάνεια,
11:06
and the totalσύνολο was fourτέσσερα on that one,
171
648000
2000
οπότε το συνολικό ήταν 4 για αυτό το σχήμα.
11:08
the thirdτρίτος one tookπήρε fiveπέντε more and the totalσύνολο was nineεννέα on that one,
172
650000
4000
Το τρίτο καταλάμβανε πέντε φορές μεγαλύτερη επιφάνεια, και το σύνολο αυξανόταν στα εννιά γι' αυτό το σχήμα,
11:12
and then the nextεπόμενος one.
173
654000
1000
και συνεπακολούθως τα επόμενα.
11:13
She saw right away that the additionalπρόσθετες tilesπλακάκια that you had to addπροσθέτω
174
655000
5000
Διέκρινε αμέσως ότι ο αριθμός των κομματιών που έπρεπε να προσθέτει
11:18
around the edgesάκρα was always going to growκαλλιεργώ by two,
175
660000
4000
στις άκρες του σχήματος αυξανόταν πάντα στο τετράγωνο.
11:22
so she was very confidentβέβαιος about how she madeέκανε those numbersαριθμούς there.
176
664000
3000
Και ήταν πολύ σίγουρη ότι για τους υπολογισμούς που έκανε.
11:25
And she could see that these were the squareτετράγωνο numbersαριθμούς up untilμέχρις ότου about sixέξι,
177
667000
5000
Και έβλεπε ότι οι αριθμοί που προέκυπταν ήταν τα νούμερα μέχρι και το 6 υψωμένα στην δύναμη του 2.
11:30
where she wasn'tδεν ήταν sure what sixέξι timesφορές sixέξι was
178
672000
3000
Στο τετραγωνική δύναμη του έξι είχε μια αμφιβολία για το ποιο είναι το γινόμενο 6*6,
11:33
and what sevenεπτά timesφορές sevenεπτά was,
179
675000
2000
όπως και ποιο είναι το γινόμενο 7*7.
11:35
but then she was confidentβέβαιος again.
180
677000
3000
Αλλά μετά ανέκτησε πάλι την εμπιστοσύνη στον εαυτό της.
11:38
So that's what LaurenLauren did.
181
680000
2000
Αυτό λοιπόν έκανε η Λώρεν.
11:40
And then the teacherδάσκαλος, GillianGillian IshijimaIshijima, had the kidsπαιδιά
182
682000
4000
Στην συνέχεια η δασκάλα τους, η Τζίλιαν Ισιτζίμα, είπε στα παιδιά
11:44
bringνα φερεις all of theirδικα τους projectsέργα up to the frontεμπρός of the roomδωμάτιο and put them on the floorπάτωμα,
183
686000
3000
να συγκεντρώσουν στο κέντρο της αίθουσας τις εργασίες τους και να τις τοποθετήσουν στο πάτωμα.
11:47
and everybodyόλοι wentπήγε batshitbatshit: "HolyΙερά shitσκατά! They're the sameίδιο!"
184
689000
8000
Και όλοι έμειναν έκπληκτοι. Ήταν τα ίδια!
11:55
No matterύλη what the shapesσχήματα were, the growthανάπτυξη lawνόμος is the sameίδιο.
185
697000
4000
Ανεξάρτητα από το σχήμα, ο κανόνας μεγένθυσης είναι ο ίδιος.
11:59
And the mathematiciansμαθηματικοί and scientistsΕπιστήμονες in the crowdπλήθος
186
701000
3000
Και οι μαθηματικοί και οι επιστήμονες από το κοινό μας
12:02
will recognizeαναγνωρίζω these two progressionsπροόδων
187
704000
2000
αναγνωρίζουν τις 2 αυτές μαθηματικές προόδους
12:04
as a first-orderπρώτης τάξης discreteδιακεκριμένος differentialδιαφορικός equationεξίσωση
188
706000
3000
σαν μία πρώτου βαθμού διαφορική εξίσωση,
12:07
and a second-orderδεύτερης τάξης discreteδιακεκριμένος differentialδιαφορικός equationεξίσωση,
189
709000
5000
και μία δευτέρου βαθμού διαφορική εξίσωση.
12:12
derivedσυμπληρωματικός by six-year-oldsέξι ετών.
190
714000
4000
Τις οποίες έγραψαν παιδιά έξι ετών.
12:16
Well, that's prettyαρκετά amazingφοβερο.
191
718000
1000
Λοιπόν, αυτό είναι αξιοθαύμαστο.
12:17
That isn't what we usuallyσυνήθως try to teachδιδάσκω six-year-oldsέξι ετών.
192
719000
3000
Και αυτές οι έννοιες δεν προσπαθούμε συνήθως να τις διδάξουμε σε παιδιά 6 ετών.
12:20
So, let's take a look now at how we mightθα μπορούσε use the computerυπολογιστή for some of this.
193
722000
7000
Ας ρίξουμε μια ματιά τώρα στο πως μπορούμε να χρησιμοποιήσουμε τους υπολογιστές για κάτι αντίστοιχο.
12:27
And so the first ideaιδέα here is
194
729000
4000
Ορίστε η πρώτη ιδέα για
12:31
just to showπροβολή you the kindείδος of things that childrenπαιδιά do.
195
733000
4000
να σας δείξω τι κάνουν τα παιδιά.
12:35
I'm usingχρησιμοποιώντας the softwareλογισμικό that we're puttingβάζοντας on the $100 laptopΦΟΡΗΤΟΣ ΥΠΟΛΟΓΙΣΤΗΣ.
196
737000
5000
Χρησιμοποιώ το λογισμικό που έχουν εγκαταστήσει στον φορητό υπολογιστή των 100 δολαρίων.
12:40
So I'd like to drawσχεδιάζω a little carαυτοκίνητο here --
197
742000
6000
Οπότε ας ζωγραφίσω ένα μικρό αυτοκίνητο εδώ.
12:46
I'll just do this very quicklyγρήγορα -- and put a bigμεγάλο tireλάστιχο on him.
198
748000
7000
Θα το κάνω αυτό πολύ γρήγορα. Να κάνω και τα λάστιχα του.
12:59
And I get a little objectαντικείμενο here and I can look insideμέσα this objectαντικείμενο,
199
761000
4000
Οπότε έχω ένα αντικείμενο εδώ, και μπορώ να κοιτάξω μέσα στο αντικείμενο.
13:03
I'll call it a carαυτοκίνητο. And here'sεδώ είναι a little behaviorη ΣΥΜΠΕΡΙΦΟΡΑ: carαυτοκίνητο forwardπρος τα εμπρός.
200
765000
5000
Το αποκαλώ αμάξι. Και εδώ είναι μια από τις εντολές συμπεριφοράς: να κινείς το αμάξι μπροστά.
13:08
EachΚάθε time I clickΚάντε κλικ it, carαυτοκίνητο turnστροφή.
201
770000
3000
Κάθε φορά που το επιλέγω, το αμάξι γυρνάει.
13:11
If I want to make a little scriptδέσμη ενεργειών to do this over and over again,
202
773000
2000
Και αν θέλω να κάνω μια εντολή για να κάνει την ίδια ενέργεια ξανά και ξανά,
13:13
I just dragσέρνω these guys out and setσειρά them going.
203
775000
5000
απλά μεταφέρω εδώ τις εντολές και τις τοποθετώ στην σειρά.
13:20
And I can try steeringπηδαλιούχηση the carαυτοκίνητο here by ...
204
782000
3000
Και μπορώ να ελέγξω την κατεύθυνση του αμαξιού από εδώ --
13:23
See the carαυτοκίνητο turnστροφή by fiveπέντε here?
205
785000
2000
βλέπετε το αμάξι να στρίβει κατά πέντε σημεία;
13:25
So what if I clickΚάντε κλικ this down to zeroμηδέν?
206
787000
3000
ΤΙ γίνεται όμως αν το επιλέξω την κλίση της στροφής να είναι μηδέν;
13:28
It goesπηγαίνει straightευθεία. That's a bigμεγάλο revelationαποκάλυψη for nine-year-oldsεννέα-έτος-olds.
207
790000
5000
Πηγαίνει ευθεία. Και αυτό είναι ένα είδος ανακάλυψης για παιδιά εννιά ετών.
13:33
Make it go in the other directionκατεύθυνση.
208
795000
2000
Μπορείς να το κάνεις να πάει προς την αντίθετη κατεύθυνση.
13:35
But of courseσειρά μαθημάτων, that's a little bitκομμάτι like kissingασπασμός your sisterαδελφή
209
797000
2000
Αλλά επειδή αυτό δεν δίνει την αίσθηση ακριβώς ότι
13:37
as farμακριά as drivingοδήγηση a carαυτοκίνητο,
210
799000
3000
οδηγείς αυτοκίνητο.
13:40
so the kidsπαιδιά want to do a steeringπηδαλιούχηση wheelΡΟΔΑ;
211
802000
3000
Τα παιδιά θα θέλαν να κάνουν ένα τιμόνι.
13:43
so they drawσχεδιάζω a steeringπηδαλιούχηση wheelΡΟΔΑ.
212
805000
3000
Οπότε σχεδιάζουν το τιμόνι.
13:46
And we'llΚαλά call this a wheelΡΟΔΑ.
213
808000
5000
Το ορίζουμε ως τιμόνι στο πρόγραμμα.
13:51
See this wheel'sτου τροχού headingεπικεφαλίδα here?
214
813000
4000
Και βλέπετε την κατεύθυνση που ορίζει το τιμόνι;
13:55
If I turnστροφή this wheelΡΟΔΑ, you can see that numberαριθμός over there going minusμείον and positiveθετικός.
215
817000
5000
Αν στρέψεις το τιμόνι, μπορείς να δεις τις τιμές εδώ της μεταβλητής να είναι θετικές και αρνητικές.
14:00
That's kindείδος of an invitationπρόσκληση to pickδιαλέγω up this nameόνομα of
216
822000
2000
Αυτό είναι μία πρόσκληση να πάρω τα ονόματα αυτών
14:02
those numbersαριθμούς comingερχομός out there
217
824000
3000
των αριθμών προερχόμενων από εκεί
14:05
and to just dropπτώση it into the scriptδέσμη ενεργειών here,
218
827000
2000
και να τους ρίξω στο κείμενο εδώ.
14:07
and now I can steerβόδι the carαυτοκίνητο with the steeringπηδαλιούχηση wheelΡΟΔΑ.
219
829000
5000
Και τώρα μπορώ να κατευθύνω το αμάξι με το τιμόνι.
14:12
And it's interestingενδιαφέρων.
220
834000
2000
Και είναι ενδιαφέρον.
14:14
You know how much troubleταλαιπωρία the childrenπαιδιά have with variablesμεταβλητές,
221
836000
3000
Γνωρίζετε πόσα προβλήματα αντιμετωπίζουν τα παιδιά με τις μεταβλητές,
14:17
but by learningμάθηση it this way, in a situatedευρισκόμενος fashionμόδα,
222
839000
2000
αλλά μαθαίνοντας μ'αυτό τον τρόπο, με το κείμενο τρόπο,
14:19
they never forgetξεχνάμε from this singleμονόκλινο trialδίκη
223
841000
3000
δεν ξεχνούν ποτέ από αυτή τη μοναδική δοκιμή
14:22
what a variableμεταβλητή is and how to use it.
224
844000
3000
τι είναι μια μεταβλητή και πως να την χρησιμοποιούν.
14:25
And we can reflectκατοπτρίζω here the way GillianGillian IshijimaIshijima did.
225
847000
2000
Και μπορούμε να σκεφτούμε εδώ όπως η Τζίλιαν Ισιζίμα.
14:27
So if you look at the little scriptδέσμη ενεργειών here,
226
849000
2000
Βλέποντας, λοιπόν, αυτό το μικρό κείμενο εδώ,
14:29
the speedΤαχύτητα is always going to be 30.
227
851000
2000
η ταχύτητα παραμένει 30.
14:31
We're going to moveκίνηση the carαυτοκίνητο accordingσύμφωνα με to that over and over again.
228
853000
5000
Θα μετακινήσουμε το αυτοκίνητο, σύμφωνα με αυτό το δεδομένο, ξανά και ξανά.
14:36
And I'm droppingρίψη a little dotτελεία for eachκαθε one of these things;
229
858000
4000
Και θα βάλω μερικές τελείες για κάθε ένα από αυτά τα πράγματα.
14:40
they're evenlyομοιόμορφα spacedαποστάσεις because they're 30 apartχώρια.
230
862000
3000
Είναι ίσα κατανεμημένες καθώς η απόστασή τους είναι 30.
14:43
And what if I do this progressionπροχώρηση that the six-year-oldsέξι ετών did
231
865000
3000
Και αν εφαρμόσω την ίδια πρόοδο, που εφάρμοσαν τα εξάχρονα παιδιά
14:46
of sayingρητό, "OK, I'm going to increaseαυξάνουν the speedΤαχύτητα by two eachκαθε time,
232
868000
5000
λέγοντας, εντάξει, θα αυξήσω την ταχύτητα κατά δύο κάθε φορά,
14:51
and then I'm going to increaseαυξάνουν the distanceαπόσταση by the speedΤαχύτητα eachκαθε time?
233
873000
3000
και έπειτα θα αυξήσω την απόσταση κατά την ταχύτητα κάθε φορά;
14:54
What do I get there?"
234
876000
4000
Τι αποτέλεσμα θα βρω εδώ;
14:58
We get a visualοπτικός patternπρότυπο of what these nine-year-oldsεννέα-έτος-olds calledπου ονομάζεται accelerationεπιτάχυνση.
235
880000
7000
Βλέπουμε μια απεικόνιση του τι τα εννιάχρονα παιδιά αποκαλούν επιτάχυνση.
15:05
So how do the childrenπαιδιά do scienceεπιστήμη?
236
887000
2000
Πώς, λοιπόν, τα παιδιά μελετούν τις επιστήμες;
15:08
(VideoΒίντεο) TeacherΔάσκαλος: [ChooseΕπιλέξτε] objectsαντικείμενα that you think will fallπτώση to the EarthΓη at the sameίδιο time.
237
890000
3000
(Βίντεο) Δάσκαλος: Αντικείμενα που νομίζεις ότι θα πέσουν στη γη την ίδια στιγμή-
15:11
StudentΦοιτητής 1: OohOoh, this is niceόμορφη.
238
893000
3000
Παιδί: Αυτό είναι ωραίο.
15:18
TeacherΔάσκαλος: Do not payπληρωμή any attentionπροσοχή
239
900000
2000
Δάσκαλος: Μην κοιτάτε
15:20
to what anybodyοποιοσδήποτε elseαλλού is doing.
240
902000
3000
τι κάνει ο καθένας.
15:35
Who'sΠου του got the appleμήλο?
241
917000
2000
Ποιός έχει το μήλο;
15:37
AlanAlan KayKay: They'veΘα έχουμε got little stopwatchesχρονόμετρα.
242
919000
2000
Άλαν Κέυ: Έχουν μικρά χρονόμετρα.
15:44
StudentΦοιτητής 2: What did you get? What did you get?
243
926000
2000
Δάσκαλος: Τι αποτέλεσμα έχεις; Τι αποτέλεσμα είχες;
15:46
AKAK: StopwatchesΧρονόμετρα aren'tδεν είναι accurateακριβής enoughαρκετά.
244
928000
3000
ΑΚ: Τα χρονόμετρα δεν είναι τόσο ακριβή.
15:49
StudentΦοιτητής 3: 0.99 secondsδευτερολέπτων.
245
931000
2000
Κορίτσι: 0,99 δευτερόλεπτα.
15:52
TeacherΔάσκαλος: So put "spongeσφουγγάρι ballμπάλα" ...
246
934000
3000
Δάσκαλος: Βάλε, λοιπόν, το "σφουγγάρι"-
15:56
StudentΦοιτητής 4l: [I decidedαποφασισμένος to] do the shotβολή put and the spongeσφουγγάρι ballμπάλα
247
938000
3000
Κορίτσι: Ήταν μία σφαίρα σφαιροβολίας και ένα σφουγγάρι,
15:59
because they're two totallyεντελώς differentδιαφορετικός weightsβάρη,
248
941000
3000
επειδή έχουν τελείως διαφορετικά βάρη.
16:02
and if you dropπτώση them at the sameίδιο time,
249
944000
2000
Και αν τα ρίξεις την ίδια στιγμή,
16:04
maybe they'llθα το κάνουν dropπτώση at the sameίδιο speedΤαχύτητα.
250
946000
2000
μάλλον θα πέσουν με την ίδια ταχύτητα.
16:06
TeacherΔάσκαλος: DropΑφήστε το. ClassΚλάση: WhoaΣτάσου!
251
948000
2000
Δάσκαλος: Ρίξε το.
16:10
AKAK: So obviouslyπροφανώς, AristotleΑριστοτέλης never askedερωτηθείς a childπαιδί
252
952000
3000
ΑΚ: Προφανώς ο Αριστοτέλης δεν ρώτησε ποτέ ένα παιδί
16:13
about this particularιδιαιτερος pointσημείο
253
955000
3000
για το συγκεκριμένο θέμα,
16:16
because, of courseσειρά μαθημάτων, he didn't botherενοχλεί doing the experimentπείραμα,
254
958000
2000
γιατί, φυσικά, δεν θα τον απασχολούσε να κάνει το πείραμα,
16:18
and neitherκανενα απο τα δυο did StSt. ThomasΘΩΜΑΣ AquinasΟ Ακινάτης.
255
960000
2000
όπως ούτε ο Θωμάς ο Ακινάτης.
16:20
And it was not untilμέχρις ότου GalileoGalileo actuallyπράγματι did it
256
962000
2000
Μόνο όταν το έκανε ο Γαλιλαίος
16:22
that an adultενήλικας thought like a childπαιδί,
257
964000
3000
σκέφτηκε ένας ενήλικας όπως ένα παιδί.
16:25
only 400 yearsχρόνια agoπριν.
258
967000
3000
Μόνο 400 χρόνια πριν.
16:28
We get one childπαιδί like that about everyκάθε classroomαίθουσα διδασκαλίας of 30 kidsπαιδιά
259
970000
4000
Έχουμε ένα παιδί σαν αυτό σε κάθε τάξη των 30 παιδιών
16:32
who will actuallyπράγματι cutΤομή straightευθεία to the chaseκυνηγητό.
260
974000
3000
που θα μπει κατευθείαν στο ψητό.
16:35
Now, what if we want to look at this more closelyαπο κοντα?
261
977000
3000
Τώρα, αν θέλουμε να το δούμε πιο κοντά;
16:38
We can take a movieταινία of what's going on,
262
980000
3000
Μπορούμε να φτιάξουμε μια ταινία για να δούμε τι γίνεται,
16:41
but even if we singleμονόκλινο steppedβγήκε this movieταινία,
263
983000
2000
αλλά ακόμα και αν δούμε την ταινία πολύ αργά,
16:43
it's trickyπονηρός to see what's going on.
264
985000
2000
είναι δύσκολο να παρατηρήσουμε τι συμβαίνει.
16:45
And so what we can do is we can layλαϊκός out the framesπλαίσια sideπλευρά by sideπλευρά
265
987000
3000
Αυτό που θα κάνουμε, λοιπόν, είναι να απλώσουμε τα κάδρα πλάι πλάι,
16:48
or stackσωρός them up.
266
990000
2000
ή να τα σωρεύσουμε το ένα πάνω στο άλλο.
16:50
So when the childrenπαιδιά see this, they say, "AhΑχ! AccelerationΕπιτάχυνση,"
267
992000
5000
Όταν, λοιπόν, τα παιδιά το δουν, θα πουν, "Α, επιτάχυνση,"
16:55
rememberingθυμόμαστε back fourτέσσερα monthsμήνες when they did theirδικα τους carsαυτοκίνητα sidewaysστο πλάι,
268
997000
3000
θυμόμενα πριν από τέσσερεις μήνες όταν έβαλαν τα αυτοκίνητα πλαγίως,
16:58
and they startαρχή measuringμέτρημα to find out what kindείδος of accelerationεπιτάχυνση it is.
269
1000000
6000
και αρχίζουν να μετρούν για να βρουν τι είδους επιτάχυνση είναι.
17:04
So what I'm doing is measuringμέτρημα from the bottomκάτω μέρος of one imageεικόνα
270
1006000
6000
Έτσι, λοιπόν, αυτό που κάνω είναι να μετράω από το κάτω μέρος της μιας εικόνας
17:10
to the bottomκάτω μέρος of the nextεπόμενος imageεικόνα, about a fifthπέμπτος of a secondδεύτερος laterαργότερα,
271
1012000
5000
στο κάτω μέρος της επόμενης εικόνας, περίπου ένα πέμπτο του δευτερολέπτου αργότερα,
17:15
like that. And they're gettingνα πάρει fasterγρηγορότερα and fasterγρηγορότερα eachκαθε time,
272
1017000
2000
έτσι, και γίνονται ταχύτερα κάθε φορά.
17:17
and if I stackσωρός these guys up, then we see the differencesδιαφορές; the increaseαυξάνουν
273
1019000
10000
Και αν τα βάλω το ένα πάνω στο άλλο, τότε βλέπουμε τις διαφορές, η αύξηση
17:27
in the speedΤαχύτητα is constantσυνεχής.
274
1029000
3000
της ταχύτητας είναι σταθερή.
17:30
And they say, "Oh, yeah. ConstantΣταθερή accelerationεπιτάχυνση.
275
1032000
2000
Και λένε, ααα, ναι, σταθερή επιτάχυνση.
17:32
We'veΈχουμε doneΈγινε that alreadyήδη."
276
1034000
2000
Το έχουμε ήδη κάνει αυτό.
17:34
And how shallθα we look and verifyεπαληθεύω that we actuallyπράγματι have it?
277
1036000
8000
Και πώς θα δούμε και θα εξακριβώσουμε ότι το έχουμε στην πραγματικότητα;
17:42
So you can't tell much from just makingκατασκευή the ballμπάλα dropπτώση there,
278
1044000
5000
Δεν μπορούμε, λοιπόν, να πούμε πολλά από την ρίψη της μπάλας εκεί,
17:47
but if we dropπτώση the ballμπάλα and runτρέξιμο the movieταινία at the sameίδιο time,
279
1049000
4000
αλλά αν ρίξουμε την μπάλα και προβάλλουμε την ταινία συγχρόνως,
17:53
we can see that we have come up with an accurateακριβής physicalφυσικός modelμοντέλο.
280
1055000
5000
μπορούμε να παρατηρήσουμε ότι έχουμε ένα ακριβές φυσικό μοντέλο.
18:00
GalileoGalileo, by the way, did this very cleverlyέξυπνα
281
1062000
4000
Ο Γαλιλαίος, επί τη ευκαιρία, το έκανε αυτό έξυπνα
18:04
by runningτρέξιμο a ballμπάλα backwardsπρος τα πίσω down the stringsχορδές of his luteΛαούτο.
282
1066000
3000
ρίχνοντας μια μπάλα ανάποδα στις χορδές του λαούτου του.
18:07
I pulledτράβηξε out those applesτα μήλα to remindυπενθυμίζω myselfεγώ ο ίδιος to tell you that
283
1069000
5000
Έβγαλα αυτά τα μήλα για να υπενθυμίσω στον εαυτό μου να σας πω ότι
18:12
this is actuallyπράγματι probablyπιθανώς a NewtonΝιούτον and the appleμήλο typeτύπος storyιστορία,
284
1074000
5000
αυτή είναι πιθανότατα μια ιστορία τύπου "ο Νεύτων και το μήλο."
18:17
but it's a great storyιστορία.
285
1079000
2000
αλλά είναι μία σπουδαία ιστορία.
18:19
And I thought I would do just one thing
286
1081000
2000
Και σκέφτηκα ότι θα μπορούσα να κάνω ένα ακόμα πράγμα
18:21
on the $100 laptopΦΟΡΗΤΟΣ ΥΠΟΛΟΓΙΣΤΗΣ here just to proveαποδεικνύω that this stuffυλικό worksεργοστάσιο here.
287
1083000
10000
στο λάπτοπ των 100 δολαρίων εδώ για να αποδείξω ότι λειτουργεί.
18:31
So onceμια φορά you have gravityβαρύτητα, here'sεδώ είναι this --
288
1093000
3000
Έχοντας τη βαρύτητα, λοιπόν, να τη--
18:34
increaseαυξάνουν the speedΤαχύτητα by something,
289
1096000
2000
ας αυξήσουμε την ταχύτητα κατά κάτι,
18:36
increaseαυξάνουν the ship'sτου πλοίου speedΤαχύτητα.
290
1098000
3000
ας αυξήσουμε την ταχύτητα του πλοίου.
18:39
If I startαρχή the little gameπαιχνίδι here that the kidsπαιδιά have doneΈγινε,
291
1101000
3000
Αν αρχίσω αυτό το μικρό παιχνίδι εδώ που τα παιδιά έκαναν,
18:42
it'llθα το κάνει crashσύγκρουση the spaceχώρος shipπλοίο.
292
1104000
2000
θα συντρίψει το διαστημόπλοιο.
18:44
But if I opposeαντιτίθενται gravityβαρύτητα, here we go ... OopsΩχ!
293
1106000
4000
Αλλά αν αντιπαραβάλλω τη βαρύτητα, πάμε λοιπόν-- ουπς!
18:48
(LaughterΤο γέλιο)
294
1110000
2000
(Γέλια)
18:50
One more.
295
1112000
1000
Μία ακόμα φορά.
18:54
Yeah, there we go. Yeah, OK?
296
1116000
5000
Ναι, εδώ είμαστε. Ναι, εντάξει;
18:59
I guessεικασία the bestκαλύτερος way to endτέλος this is with two quotesεισαγωγικά:
297
1121000
7000
Πιστεύω ότι ο καλύτερος να τελειώσω αυτή την ομιλία είναι με δύο αποσπάσματα.
19:06
MarshallΜάρσαλ McLuhanMcLuhan said,
298
1128000
2000
Ο Μάρσαλ Μακλούχαν είπε,
19:08
"ChildrenΤα παιδιά are the messagesμηνυμάτων that we sendστείλετε to the futureμελλοντικός,"
299
1130000
4000
"Τα παιδιά είναι τα μηνύματα που στέλνουμε στο μέλλον."
19:12
but in factγεγονός, if you think of it,
300
1134000
2000
Αλλά στην πραγματικότητα, αν το σκεφτείτε,
19:14
childrenπαιδιά are the futureμελλοντικός we sendστείλετε to the futureμελλοντικός.
301
1136000
2000
τα παιδιά είναι το μέλλον που στέλνουμε στο μέλλον.
19:16
ForgetΞεχνάμε about messagesμηνυμάτων;
302
1138000
3000
Ξεχάστε τα μηνύματα.
19:19
childrenπαιδιά are the futureμελλοντικός,
303
1141000
3000
Τα παιδιά είναι το μέλλον.
19:22
and childrenπαιδιά in the first and secondδεύτερος worldκόσμος
304
1144000
2000
Και τα παιδιά στον πρώτο και δεύτερο κόσμο,
19:24
and, mostπλέον especiallyειδικά, in the thirdτρίτος worldκόσμος
305
1146000
3000
και ειδικά στον τρίτο κόσμο,
19:27
need mentorsμέντορες.
306
1149000
2000
χρειάζονται μέντορες.
19:29
And this summerκαλοκαίρι, we're going to buildχτίζω fiveπέντε millionεκατομμύριο of these $100 laptopsφορητούς υπολογιστές,
307
1151000
5000
Και αυτό το καλοκαίρι θα κατασκευάσουμε 5 εκατομμύρια λάπτοπ των 100 δολαρίων
19:34
and maybe 50 millionεκατομμύριο nextεπόμενος yearέτος.
308
1156000
2000
και ίσως 50 εκατομμύρια την επόμενη χρονιά.
19:36
But we couldn'tδεν μπορούσε createδημιουργώ 1,000 newνέος teachersκαθηγητές this summerκαλοκαίρι to saveαποθηκεύσετε our life.
309
1158000
7000
Αλλά δεν θα μπορούσαμε να δημιουργήσουμε χίλιους καινούριους δασκάλους αυτό το καλοκαίρι για να σώσουν τις ζωές μας.
19:43
That meansπου σημαίνει that we, onceμια φορά again, have a thing where we can put technologyτεχνολογία out,
310
1165000
6000
Και αυτό σημαίνει ότι για μια ακόμα φορά μπορούμε να βγάλουμε την τεχνολογία,
19:49
but the mentoringκαθοδήγηση that is requiredαπαιτείται to go
311
1171000
3000
αλλά η συμβούλευση που απαιτείται για να πάμε,
19:52
from a simpleαπλός newνέος iChatiChat instantστιγμή messagingμηνυμάτων systemΣύστημα
312
1174000
5000
από ένα απλό νέο iChat άμεσο σύστημα μηνυμάτων
19:57
to something with depthβάθος is missingλείπει.
313
1179000
2000
σε κάτι με βάθος, λείπει.
19:59
I believe this has to be doneΈγινε with a newνέος kindείδος of userχρήστης interfaceδιεπαφή,
314
1181000
3000
Πιστεύω ότι αυτό πρέπει να γίνει με ένα καινούριο είδος διάδρασης με το χρήστη.
20:02
and this newνέος kindείδος of userχρήστης interfaceδιεπαφή could be doneΈγινε
315
1184000
4000
Και αυτό το καινούριο είδος διάδρασης με το χρήστη μπορεί να γίνει
20:06
with an expenditureδαπάνες of about 100 millionεκατομμύριο dollarsδολάρια.
316
1188000
5000
με τη δαπάνη, περίπου, 100 εκατομμυρίων δολαρίων.
20:11
It soundsήχους like a lot, but it is literallyΚυριολεκτικά 18 minutesλεπτά of what we're spendingδαπανών in IraqΙράκ --
317
1193000
7000
Ακούγεται υπερβολικό, αλλά είναι ουσιαστικά 18 λεπτά απ' ότι ξοδεύουμε στο Ιράκ.
20:18
we're spendingδαπανών 8 billionδισεκατομμύριο dollarsδολάρια a monthμήνας; 18 minutesλεπτά is 100 millionεκατομμύριο dollarsδολάρια --
318
1200000
5000
Δαπανούμε 8 δισεκατομμύρια το μήνα. 18 λεπτά είναι 100 εκατομμύρια δολάρια.
20:23
so this is actuallyπράγματι cheapφτηνός.
319
1205000
2000
Είναι, λοιπόν, πραγματικά φθηνό.
20:25
And EinsteinΟ Αϊνστάιν said,
320
1207000
4000
Και όπως είπε ο Άινσταϊν,
20:29
"Things should be as simpleαπλός as possibleδυνατόν, but not simplerαπλούστερη."
321
1211000
3000
"Τα πράγματα πρέπει να είναι όσο τον δυνατόν πιο απλοποιημένα, αλλά όχι υπεραπλουστευμένα"
20:32
Thank you.
322
1214000
1000
Σας ευχαριστώ.
Translated by Dimitrios Manousakis
Reviewed by Leonidas Argyros

▲Back to top

ABOUT THE SPEAKER
Alan Kay - Educator and computing pioneer
One of the true luminaries of personal computing, Alan Kay conceived of laptops and graphical interfaces years before they were realized. At XeroxPARC, Apple, HP and Disney, he has developed tools for improving the mind.

Why you should listen

"The best way to predict the future is to invent it." Alan Kay not only coined this favorite tech-world adage, but has proven its truth several times. A true polymath, as well as inventor, he has combined engineering brilliance with knowledge of child development, epistemology, molecular biology and more.

In the 1960s, Kay joined the computer team at XeroxPARC, where he worked on world-changing inventions like the graphical interface, object-oriented programming, and the personal computer itself. Later, at Apple, Atari, HP, Disney, and now at his own nonprofits, he has helped refine the tools he anticipated long before they were realized.

As the industry has blossomed, however, Kay continues to grapple with the deeper purpose of computing, struggling to create the machine that won't only recapitulate patterns in the world as we know it but will teach both children and adults to think, to see what otherwise is beyond them.

More profile about the speaker
Alan Kay | Speaker | TED.com