TEDxBoulder
Phil Plait: The secret to scientific discoveries? Making mistakes
Phil Plait: O segredo das descobertas científicas? Cometer erros.
Filmed:
Readability: 3.5
1,760,281 views
Phil Plait estava em uma equipe de astrônomos do Telescópio Espacial Hubble que acreditavam que podiam ter tirado a primeira foto direta de um exoplaneta. Mas as evidências, na verdade, provavam isso? Acompanhe como Plait mostra como a ciência progride, por meio de uma quantidade robusta do ato de cometer e corrigir erros. "O preço de fazer ciência é admitir quando você está errado, mas a recompensa é a melhor que existe: conhecimento e compreensão", diz ele.
Phil Plait - Astronomer
Phil Plait blogs at Bad Astronomy, where he deconstructs misconceptions and explores the wonder of the universe. Full bio
Phil Plait blogs at Bad Astronomy, where he deconstructs misconceptions and explores the wonder of the universe. Full bio
Double-click the English transcript below to play the video.
00:12
Now, people have a lot
of misconceptions about science --
of misconceptions about science --
0
626
2767
As pessoas têm muitos conceitos
errados sobre a ciência,
errados sobre a ciência,
00:15
about how it works and what it is.
1
3417
2351
sobre como ela funciona e o que é.
00:17
A big one is that science
is just a big old pile of facts.
is just a big old pile of facts.
2
5792
3434
Um desses conceitos é que a ciência
é só uma pilha de fatos antigos.
é só uma pilha de fatos antigos.
00:21
But that's not true --
that's not even the goal of science.
that's not even the goal of science.
3
9250
3000
Mas isso não é verdade;
esse nem é o objetivo da ciência.
esse nem é o objetivo da ciência.
00:25
Science is a process.
4
13208
2185
A ciência é um processo.
00:27
It's a way of thinking.
5
15417
2184
É uma maneira de pensar.
00:29
Gathering facts is just a piece of it,
but it's not the goal.
but it's not the goal.
6
17625
2893
Coletar fatos é apenas uma parte dela,
mas não é o objetivo.
mas não é o objetivo.
00:32
The ultimate goal of science
is to understand objective reality
is to understand objective reality
7
20542
4767
O objetivo final da ciência
é entender a realidade objetiva
é entender a realidade objetiva
00:37
the best way we know how,
8
25333
1435
da melhor maneira que sabemos,
00:38
and that's based on evidence.
9
26792
2517
e isso é baseado em evidências.
00:41
The problem here
is that people are flawed.
is that people are flawed.
10
29333
2685
O problema aqui é que as pessoas
são imperfeitas.
são imperfeitas.
00:44
We can be fooled --
11
32042
1309
Podemos nos enganar.
00:45
we're really good at fooling ourselves.
12
33375
2309
Somos muito bons em nos enganar.
00:47
And so baked into this process
is a way of minimizing our own bias.
is a way of minimizing our own bias.
13
35708
4500
Incluído nesse processo está um modo
de minimizar nosso próprio prejulgamento.
de minimizar nosso próprio prejulgamento.
00:52
So sort of boiled down
more than is probably useful,
more than is probably useful,
14
40833
3601
De uma forma resumida,
mais do que seja provavelmente útil,
mais do que seja provavelmente útil,
00:56
here's how this works.
15
44458
1292
eis como isso funciona.
00:58
If you want to do some science,
16
46625
1643
Se você quiser fazer ciência,
01:00
what you want to do
is you want to observe something ...
is you want to observe something ...
17
48292
2642
vai querer observar algo.
01:02
say, "The sky is blue. Hey, I wonder why?"
18
50958
3018
Por exemplo: "O céu é azul,
e eu me pergunto por quê".
e eu me pergunto por quê".
01:06
You question it.
19
54000
1393
Você questiona.
01:07
The next thing you do is you come up
with an idea that may explain it:
with an idea that may explain it:
20
55417
3309
A próxima coisa que você faz
é propor uma ideia para explicar isso:
é propor uma ideia para explicar isso:
uma hipótese.
01:10
a hypothesis.
21
58750
1268
Sabe de uma coisa? Os oceanos são azuis.
01:12
Well, you know what? Oceans are blue.
22
60042
1892
01:13
Maybe the sky is reflecting
the colors from the ocean.
the colors from the ocean.
23
61958
2959
Talvez o céu esteja refletindo
as cores do oceano.
as cores do oceano.
01:17
Great, but now you have to test it
24
65917
2017
Ótimo, mas agora você tem que testar
01:19
so you predict what that might mean.
25
67958
2643
para prever o que isso pode significar.
01:22
Your prediction would be,
26
70625
1268
Sua previsão seria:
"Bem, se o céu estiver
refletindo a cor do oceano,
refletindo a cor do oceano,
01:23
"Well, if the sky is reflecting
the ocean color,
the ocean color,
27
71917
2309
01:26
it will be bluer on the coasts
28
74250
2018
ele será mais azul na costa
do que no interior do país".
do que no interior do país".
01:28
than it will be
in the middle of the country."
in the middle of the country."
29
76292
2434
01:30
OK, that's fair enough,
30
78750
1559
Faz sentido,
01:32
but you've got to test that prediction
31
80333
1851
mas você tem que testar essa previsão.
Então, você pega um avião,
sai de Denver em um belo dia cinzento,
sai de Denver em um belo dia cinzento,
01:34
so you get on a plane,
you leave Denver on a nice gray day,
you leave Denver on a nice gray day,
32
82208
3768
01:38
you fly to LA, you look up
and the sky is gloriously blue.
and the sky is gloriously blue.
33
86000
3601
voa para Los Angeles, olha pra cima,
e o céu está gloriosamente azul.
e o céu está gloriosamente azul.
01:41
Hooray, your thesis is proven.
34
89625
2125
Viva, sua tese está comprovada.
01:44
But is it really? No.
35
92542
1892
Mas será mesmo? Não.
01:46
You've made one observation.
36
94458
1726
Você fez uma observação.
01:48
You need to think about your hypothesis,
think about how to test it
think about how to test it
37
96208
3185
Precisa pensar sobre sua hipótese
e a maneira de testá-la,
e a maneira de testá-la,
01:51
and do more than just one.
38
99417
1642
e testar mais do que só uma vez.
01:53
Maybe you could go
to a different part of the country
to a different part of the country
39
101083
2560
Talvez você pudesse ir
a uma parte diferente do país
a uma parte diferente do país
ou numa época diferente do ano
para ver como está o clima lá então.
para ver como está o clima lá então.
01:55
or a different part of the year
40
103667
1517
01:57
and see what the weather's like then.
41
105208
2060
01:59
Another good idea
is to talk to other people.
is to talk to other people.
42
107292
2684
Outra boa ideia é conversar
com outras pessoas.
com outras pessoas.
02:02
They have different ideas,
different perspectives,
different perspectives,
43
110000
2601
Elas têm ideias e perspectivas diferentes
02:04
and they can help you.
44
112625
1226
e podem ajudá-lo.
02:05
This is what we call peer review.
45
113875
2393
Isso é o que chamamos
de "revisão por pares".
de "revisão por pares".
02:08
And in fact that will probably also
save you a lot of money and a lot of time,
save you a lot of money and a lot of time,
46
116292
3684
De fato, isso também deverá
lhe poupar muito tempo e dinheiro,
lhe poupar muito tempo e dinheiro,
em vez de voar de costa a costa
só para checar o tempo.
só para checar o tempo.
02:12
flying coast-to-coast
just to check the weather.
just to check the weather.
47
120000
2292
02:15
Now, what happens if your hypothesis
does a decent job but not a perfect job?
does a decent job but not a perfect job?
48
123542
6267
Agora, o que acontece se sua hipótese
faz um trabalho decente, mas não perfeito?
faz um trabalho decente, mas não perfeito?
02:21
Well, that's OK,
49
129833
1268
Tudo bem, porque você pode
modificar um pouco
modificar um pouco
02:23
because what you can do
is you can modify it a little bit
is you can modify it a little bit
50
131125
2809
02:25
and then go through
this whole process again --
this whole process again --
51
133958
2393
e depois passar por todo
esse processo novamente:
esse processo novamente:
02:28
make predictions, test them --
52
136375
1893
fazer previsões e testá-las.
02:30
and as you do that over and over again,
you will hone this idea.
you will hone this idea.
53
138292
3059
Ao fazer isso várias vezes,
você irá aprimorar essa ideia.
você irá aprimorar essa ideia.
02:33
And if it gets good enough,
54
141375
1393
Se ela ficar boa o bastante,
02:34
it may be accepted
by the scientific community,
by the scientific community,
55
142792
2351
poderá ser aceita
pela comunidade científica,
pela comunidade científica,
02:37
at least provisionally,
56
145167
1267
ao menos provisoriamente,
02:38
as a good explanation of what's going on,
57
146458
2935
como uma boa explicação
do que está acontecendo,
do que está acontecendo,
02:41
at least until a better idea
58
149417
2017
pelo menos até que uma ideia melhor
ou alguma evidência contraditória apareça.
ou alguma evidência contraditória apareça.
02:43
or some contradictory
evidence comes along.
evidence comes along.
59
151458
2167
02:47
Now, part of this process
is admitting when you're wrong.
is admitting when you're wrong.
60
155292
3750
Parte desse processo
é admitir quando você está errado.
é admitir quando você está errado.
02:51
And that can be really, really hard.
61
159792
2333
Isso pode ser muito difícil.
02:54
Science has its strengths and weaknesses
62
162708
2185
A ciência tem pontos fortes e fracos
que dependem disso.
que dependem disso.
02:56
and they depend on this.
63
164917
2184
02:59
One of the strengths of science
is that it's done by people,
is that it's done by people,
64
167125
3226
Um de seus pontos fortes
é que ela é feita por pessoas,
é que ela é feita por pessoas,
03:02
and it's proven itself
to do a really good job.
to do a really good job.
65
170375
2226
e está provado que elas fazem
um ótimo trabalho.
um ótimo trabalho.
03:04
We understand the universe
pretty well because of science.
pretty well because of science.
66
172625
2768
Entendemos muito bem
o Universo por causa dela.
o Universo por causa dela.
03:07
One of science's weaknesses
is that it's done by people,
is that it's done by people,
67
175417
3517
Um dos pontos fracos da ciência
é que ela é feita por pessoas,
é que ela é feita por pessoas,
03:10
and we bring a lot of baggage
along with us when we investigate things.
along with us when we investigate things.
68
178958
4268
e trazemos muita bagagem conosco
quando investigamos as coisas.
quando investigamos as coisas.
03:15
We are egotistical,
69
183250
2018
Somos narcisistas,
03:17
we are stubborn, we're superstitious,
70
185292
2517
teimosos, supersticiosos,
03:19
we're tribal, we're humans --
71
187833
2310
somos tribais, somos seres humanos.
03:22
these are all human traits
and scientists are humans.
and scientists are humans.
72
190167
3434
Todos esses são traços humanos,
e os cientistas são humanos.
e os cientistas são humanos.
03:25
And so we have to be aware of that
when we're studying science
when we're studying science
73
193625
4476
Temos que estar cientes disso
quando estudamos ciência
quando estudamos ciência
03:30
and when we're trying
to develop our theses.
to develop our theses.
74
198125
2458
e tentamos desenvolver nossas teses.
03:33
But part of this whole thing,
75
201333
2435
Mas parte dessa coisa toda,
03:35
part of this scientific process,
76
203792
1642
parte desse processo científico,
03:37
part of the scientific method,
77
205458
2101
parte do método científico,
03:39
is admitting when you're wrong.
78
207583
1959
é admitir quando você está errado.
03:42
I know, I've been there.
79
210458
2018
Eu sei, já passei por isso.
03:44
Many years ago I was working
on Hubble Space Telescope,
on Hubble Space Telescope,
80
212500
2643
Há muitos anos, trabalhei
no Telescópio Espacial Hubble,
no Telescópio Espacial Hubble,
03:47
and a scientist I worked with
came to me with some data,
came to me with some data,
81
215167
3809
e um cientista com quem trabalhei
veio até mim com alguns dados
veio até mim com alguns dados
03:51
and he said, "I think
there may be a picture
there may be a picture
82
219000
3059
e disse: "Acho que pode haver uma foto
03:54
of a planet orbiting
another star in this data."
another star in this data."
83
222083
2875
de um planeta na órbita
de outra estrela nesses dados".
de outra estrela nesses dados".
03:58
We had not had any pictures taken
of planets orbiting other stars yet,
of planets orbiting other stars yet,
84
226417
4184
Não havíamos tirado fotos de planetas
na órbita de estrelas ainda.
na órbita de estrelas ainda.
04:02
so if this were true,
85
230625
2184
Então, se isso fosse verdade,
04:04
then this would be the first one
86
232833
1643
esse seria o primeiro planeta,
04:06
and we would be the ones who found it.
87
234500
2059
e nós seríamos aqueles que o descobriram.
04:08
That's a big deal.
88
236583
1768
Era algo importante.
04:10
I was very excited,
89
238375
1726
Fiquei muito animado.
04:12
so I just dug right into this data.
90
240125
2393
Investiguei esses dados.
04:14
I spent a long time trying to figure out
if this thing were a planet or not.
if this thing were a planet or not.
91
242542
3916
Passei muito tempo tentando descobrir
se essa coisa era um planeta ou não.
se essa coisa era um planeta ou não.
04:19
The problem is planets are faint
and stars are bright,
and stars are bright,
92
247125
3434
O problema é que os planetas são tênues,
e as estrelas são brilhantes.
e as estrelas são brilhantes.
04:22
so trying to get
the signal out of this data
the signal out of this data
93
250583
2101
Tentar obter um sinal desses dados
04:24
was like trying to hear a whisper
in a heavy metal concert --
in a heavy metal concert --
94
252708
3601
era como tentar ouvir um sussurro
num show de heavy metal.
num show de heavy metal.
04:28
it was really hard.
95
256333
1434
Era muito difícil.
04:29
I tried everything I could,
96
257791
2310
Tentei tudo o que pude,
04:32
but after a month of working on this,
97
260125
2643
mas, após um mês trabalhando nisso,
04:34
I came to a realization ...
couldn't do it.
couldn't do it.
98
262792
2934
cheguei a uma conclusão...
eu não conseguia fazer.
eu não conseguia fazer.
04:37
I had to give up.
99
265750
1309
Tive que desistir.
04:39
And I had to tell this other scientist,
100
267083
2060
Tive que dizer ao outro cientista:
04:41
"The data's too messy.
101
269167
1267
"Os dados estão confusos.
Não podemos dizer se é um planeta ou não".
04:42
We can't say whether
this is a planet or not."
this is a planet or not."
102
270458
2726
04:45
And that was hard.
103
273208
1935
E isso foi difícil.
04:47
Then later on we got
follow-up observations with Hubble,
follow-up observations with Hubble,
104
275167
2809
Depois, fizemos observações
de acompanhamento com o Hubble,
de acompanhamento com o Hubble,
04:50
and it showed that it wasn't a planet.
105
278000
2726
que mostraram que não era um planeta.
04:52
It was a background star
or galaxy, something like that.
or galaxy, something like that.
106
280750
2708
Era uma estrela de fundo
ou galáxia, algo assim.
ou galáxia, algo assim.
04:56
Well, not to get too technical,
but that sucked.
but that sucked.
107
284375
2726
Bem, para não ficar técnico demais,
mas foi uma droga.
mas foi uma droga.
04:59
(Laughter)
108
287125
1018
(Risos)
05:00
I was really unhappy about this.
109
288167
2500
Fiquei muito triste com aquilo.
05:03
But that's part of it.
110
291917
1267
Mas isso faz parte.
Você tem que dizer: "Olha, não podemos
fazer isso com os dados que temos".
fazer isso com os dados que temos".
05:05
You have to say, "Look, you know,
we can't do this with the data we have."
we can't do this with the data we have."
111
293208
3976
05:09
And then I had to face up to the fact
112
297208
1810
Então, tive que encarar o fato
de que até os dados de acompanhamento
mostravam nosso erro.
mostravam nosso erro.
05:11
that even the follow-up data
showed we were wrong.
showed we were wrong.
113
299042
2375
05:15
Emotionally I was pretty unhappy.
114
303125
3083
Emocionalmente fiquei muito triste.
05:18
But if a scientist
is doing their job correctly,
is doing their job correctly,
115
306958
2601
Mas, se um cientista
faz seu trabalho corretamente,
faz seu trabalho corretamente,
05:21
being wrong is not so bad
116
309583
2685
estar errado não é tão ruim,
05:24
because that means
there's still more stuff out there --
there's still more stuff out there --
117
312292
2642
porque significa que ainda
há mais coisas por aí,
há mais coisas por aí,
mais coisas para se descobrir.
05:26
more things to figure out.
118
314958
1518
05:28
Scientists don't love being wrong
but we love puzzles,
but we love puzzles,
119
316500
3851
Os cientistas não adoram estar errados,
mas adoramos quebra-cabeças,
mas adoramos quebra-cabeças,
05:32
and the universe is
the biggest puzzle of them all.
the biggest puzzle of them all.
120
320375
2958
e o Universo é o maior
quebra-cabeça de todos.
quebra-cabeça de todos.
05:36
Now having said that,
121
324042
1476
Dito isso,
05:37
if you have a piece and it doesn't fit
no matter how you move it,
no matter how you move it,
122
325542
3559
se você tem uma peça que não se encaixa,
não importa como você a mova,
não importa como você a mova,
05:41
jamming it in harder isn't going to help.
123
329125
3101
forçá-la mais não irá ajudar.
05:44
There's going to be a time
when you have to let go of your idea
when you have to let go of your idea
124
332250
3226
Haverá um momento em que você
terá que abandonar sua ideia
terá que abandonar sua ideia
05:47
if you want to understand
the bigger picture.
the bigger picture.
125
335500
2726
se quiser entender o todo.
05:50
The price of doing science
is admitting when you're wrong,
is admitting when you're wrong,
126
338250
3434
O preço de fazer ciência é admitir
quando você está errado,
quando você está errado,
05:53
but the payoff is the best there is:
127
341708
2935
mas a recompensa é a melhor que existe:
05:56
knowledge and understanding.
128
344667
2309
conhecimento e compreensão.
05:59
And I can give you a thousand
examples of this in science,
examples of this in science,
129
347000
2809
Posso lhes dar mil exemplos
disso na ciência,
disso na ciência,
06:01
but there's one I really like.
130
349833
1476
mas há um de que gosto muito.
06:03
It has to do with astronomy,
131
351333
1393
Tem a ver com astronomia,
06:04
and it was a question
that had been plaguing astronomers
that had been plaguing astronomers
132
352750
2643
e era uma questão que vinha
atormentando astrônomos
atormentando astrônomos
06:07
literally for centuries.
133
355417
1517
literalmente há séculos.
06:08
When you look at the Sun,
it seems special.
it seems special.
134
356958
2060
Quando olhamos para o Sol,
ele parece especial.
ele parece especial.
06:11
It is the brightest object in the sky,
135
359042
2851
É o objeto mais brilhante no céu,
06:13
but having studied astronomy, physics,
chemistry, thermodynamics for centuries,
chemistry, thermodynamics for centuries,
136
361917
5059
mas, tendo estudado astronomia, física,
química e termodinâmica por muito tempo,
química e termodinâmica por muito tempo,
06:19
we learned something
very important about it.
very important about it.
137
367000
2143
aprendemos algo muito importante:
ele não é tão especial assim.
ele não é tão especial assim.
06:21
It's not that special.
138
369167
1267
É uma estrela como milhões de outras.
06:22
It's a star just like
millions of other stars.
millions of other stars.
139
370458
2935
06:25
But that raises an interesting question.
140
373417
2434
Mas isso levanta uma questão interessante:
06:27
If the Sun is a star
141
375875
1893
"Se o Sol é uma estrela
06:29
and the Sun has planets,
142
377792
2226
e tem planetas ao redor,
06:32
do these other stars have planets?
143
380042
2208
essas outras estrelas têm planetas?"
06:34
Well, like I said with my own failure
in the "planet" I was looking for,
in the "planet" I was looking for,
144
382917
3476
Como eu disse sobre meu próprio fracasso
no "planeta" que eu estava procurando,
no "planeta" que eu estava procurando,
06:38
finding them is super hard,
145
386417
1767
encontrá-los é superdifícil,
06:40
but scientists tend to be
pretty clever people
pretty clever people
146
388208
2893
mas os cientistas tendem a ser
pessoas muito inteligentes.
pessoas muito inteligentes.
06:43
and they used a lot
of different techniques
of different techniques
147
391125
2101
Eles usaram muitas técnicas diferentes
e começaram a observar as estrelas.
e começaram a observar as estrelas.
06:45
and started observing stars.
148
393250
1393
Ao longo das décadas, começaram
a descobrir coisas bem interessantes,
a descobrir coisas bem interessantes,
06:46
And over the decades
149
394667
1267
06:47
they started finding some things
that were pretty interesting,
that were pretty interesting,
150
395958
2935
bem no limite esparso e arriscado
do que conseguiam detectar.
do que conseguiam detectar.
06:50
right on the thin, hairy edge
of what they were able to detect.
of what they were able to detect.
151
398917
2994
Mas, frequentemente,
mostrou-se que estava errado.
mostrou-se que estava errado.
06:53
But time and again,
it was shown to be wrong.
it was shown to be wrong.
152
401935
2095
06:56
That all changed in 1991.
153
404875
2268
Tudo isso mudou em 1991.
06:59
A couple of astronomers --
154
407167
1976
Uma dupla de astrônomos,
07:01
Alexander Lyne --
Andrew Lyne, pardon me --
Andrew Lyne, pardon me --
155
409167
2142
Andrew Lyne
07:03
and Matthew Bailes,
156
411333
1268
e Matthew Bailes,
fizeram um anúncio muito importante:
07:04
had a huge announcement.
157
412625
1476
07:06
They had found a planet
orbiting another star.
orbiting another star.
158
414125
3184
a descoberta de um planeta
na órbita de outra estrela.
na órbita de outra estrela.
Não era qualquer estrela, mas um pulsar,
07:09
And not just any star, but a pulsar,
159
417333
2810
07:12
and this is the remnant of a star
that has previously exploded.
that has previously exploded.
160
420167
4184
o remanescente de uma estrela
que explodiu anteriormente
que explodiu anteriormente
07:16
It's blasting out radiation.
161
424375
2101
e que estava produzindo radiação.
07:18
This is the last place in the universe
you would expect to find a planet,
you would expect to find a planet,
162
426500
4559
Esse é o último lugar do Universo
onde você esperaria encontrar um planeta,
onde você esperaria encontrar um planeta,
07:23
but they had very methodically
looked at this pulsar,
looked at this pulsar,
163
431083
2476
mas eles haviam analisado
metodicamente esse pulsar
metodicamente esse pulsar
07:25
and they detected the gravitational tug
of this planet as it orbited the pulsar.
of this planet as it orbited the pulsar.
164
433583
4851
e detectaram a atração gravitacional
do planeta na órbita do pulsar.
do planeta na órbita do pulsar.
07:30
It looked really good.
165
438458
1560
Parecia muito bom.
07:32
The first planet orbiting
another star had been found ...
another star had been found ...
166
440042
3601
A descoberta do primeiro planeta
na órbita de outra estrela...
na órbita de outra estrela...
07:35
except not so much.
167
443667
2434
só que não.
07:38
(Laughter)
168
446125
1018
(Risos)
Após o anúncio, um grupo de astrônomos
comentou a respeito.
comentou a respeito.
07:39
After they made the announcement,
169
447167
1601
07:40
a bunch of other astronomers
commented on it,
commented on it,
170
448792
2101
Então, eles voltaram, analisaram os dados
07:42
and so they went back
and looked at their data
and looked at their data
171
450917
2226
e perceberam que haviam cometido
um erro muito embaraçoso.
um erro muito embaraçoso.
07:45
and realized they had made
a very embarrassing mistake.
a very embarrassing mistake.
172
453167
2767
Eles não haviam levado em conta
algumas características muito sutis
algumas características muito sutis
07:47
They had not accounted
for some very subtle characteristics
for some very subtle characteristics
173
455958
3060
07:51
of the Earth's motion around the Sun,
174
459042
2184
do movimento da Terra ao redor do Sol,
07:53
which affected how they measured
this planet going around the pulsar.
this planet going around the pulsar.
175
461250
3851
o que afetou o modo de medição
desse planeta ao redor do pulsar.
desse planeta ao redor do pulsar.
07:57
And it turns out that when they did
account for it correctly,
account for it correctly,
176
465125
3226
Acontece que, quando eles
explicaram corretamente,
explicaram corretamente,
08:00
poof -- their planet disappeared.
177
468375
1976
puf... o planeta havia desaparecido.
08:02
It wasn't real.
178
470375
1250
Não era real.
08:04
So Andrew Lyne had a very formidable task.
179
472458
2851
Então, Andrew Lyne
ficou com uma tarefa terrível.
ficou com uma tarefa terrível.
08:07
He had to admit this.
180
475333
2185
Ele precisava admitir isso.
08:09
So in 1992 at the American
Astronomical Society meeting,
Astronomical Society meeting,
181
477542
4059
Então, em 1992, no encontro
da American Astronomical Society,
da American Astronomical Society,
08:13
which is one of the largest gatherings
of astronomers on the planet,
of astronomers on the planet,
182
481625
3226
um dos maiores encontros
de astrônomos do planeta,
de astrônomos do planeta,
08:16
he stood up and announced
that he had made a mistake
that he had made a mistake
183
484875
4018
ele se levantou e anunciou
que havia cometido um erro
que havia cometido um erro
08:20
and that the planet did not exist.
184
488917
2267
e que o planeta não existia.
08:23
And what happened next --
185
491208
2435
O que aconteceu depois...
08:25
oh, I love this --
186
493667
1309
ah, eu adoro isso...
08:27
what happened next was wonderful.
187
495000
1583
o que aconteceu depois foi maravilhoso.
08:29
He got an ovation.
188
497500
1934
Ele recebeu uma ovação.
08:31
The astronomers weren't angry at him;
189
499458
2643
Os astrônomos não estavam
zangados com ele;
zangados com ele;
08:34
they didn't want to chastise him.
190
502125
1601
não queriam criticá-lo.
Eles o elogiaram por sua honestidade
e sua integridade.
e sua integridade.
08:35
They praised him
for his honesty and his integrity.
for his honesty and his integrity.
191
503750
3101
08:38
I love that!
192
506875
1268
Eu adoro isso!
08:40
Scientists are people.
193
508167
1267
Os cientistas são pessoas.
08:41
(Laughter)
194
509458
1018
(Risos)
08:42
And it gets better!
195
510500
1309
E fica ainda melhor!
08:43
(Laughter)
196
511833
1143
(Risos)
08:45
Lyne steps off the podium.
197
513000
1476
Lyne deixa a tribuna.
08:46
The next guy to come up
is a man named Aleksander Wolszczan
is a man named Aleksander Wolszczan
198
514500
3143
O próximo a se apresentar é um homem
chamado Aleksander Wolszczan.
chamado Aleksander Wolszczan.
08:49
He takes the microphone and says,
199
517667
1976
Ele pega o microfone e diz:
08:51
"Yeah, so Lyne's team
didn't find a pulsar planet,
didn't find a pulsar planet,
200
519667
3476
"Sim, a equipe de Lyne
não descobriu um planeta pulsar,
não descobriu um planeta pulsar,
08:55
but my team found not just one
201
523167
2684
mas minha equipe descobriu não apenas um,
08:57
but two planets
orbiting a different pulsar.
orbiting a different pulsar.
202
525875
2768
mas dois planetas na órbita
de um pulsar diferente.
de um pulsar diferente.
09:00
We knew about the problem that Lyne had,
203
528667
2059
Soubemos do problema de Lyne,
09:02
we checked for it,
and yeah, ours are real."
and yeah, ours are real."
204
530750
3434
verificamos e, sim, os nossos são reais".
09:06
And it turns out he was right.
205
534208
2101
E acontece que ele estava certo.
09:08
And in fact, a few months later,
206
536333
1643
De fato, alguns meses depois,
09:10
they found a third planet
orbiting this pulsar
orbiting this pulsar
207
538000
2434
descobriram um terceiro planeta
na órbita do pulsar.
na órbita do pulsar.
09:12
and it was the first
exoplanet system ever found --
exoplanet system ever found --
208
540458
4393
Foi o primeiro sistema
exoplaneta já descoberto.
exoplaneta já descoberto.
09:16
what we call alien worlds -- exoplanets.
209
544875
2667
É o que chamamos de mundos
alienígenas: exoplanetas.
alienígenas: exoplanetas.
09:20
That to me is just wonderful.
210
548375
2976
Isso para mim é simplesmente maravilhoso.
09:23
At that point the floodgates were opened.
211
551375
2601
Naquele momento,
as comportas foram abertas.
as comportas foram abertas.
09:26
In 1995 a planet was found
around a star more like the Sun,
around a star more like the Sun,
212
554000
5434
Em 1995, um planeta foi descoberto
ao redor de uma estrela como o Sol,
ao redor de uma estrela como o Sol,
09:31
and then we found another and another.
213
559458
2685
e depois descobrimos outro e mais outro.
09:34
This is an image of an actual planet
orbiting an actual star.
orbiting an actual star.
214
562167
3916
Esta é uma imagem de um planeta real
na órbita de uma estrela real.
na órbita de uma estrela real.
09:39
We kept getting better at it.
215
567042
1434
Continuamos aperfeiçoando.
09:40
We started finding them by the bucketload.
216
568500
2226
Começamos a encontrá-los
em grande quantidade.
em grande quantidade.
09:42
We started finding thousands of them.
217
570750
2101
Começamos a encontrar milhares deles.
09:44
We built observatories
specifically designed to look for them.
specifically designed to look for them.
218
572875
3476
Construímos observatórios projetados
especificamente para procurá-los.
especificamente para procurá-los.
09:48
And now we know of thousands of them.
219
576375
1809
Agora conhecemos milhares deles
e até mesmo sistemas planetários.
e até mesmo sistemas planetários.
09:50
We even know of planetary systems.
220
578208
2685
09:52
That is actual data, animated, showing
four planets orbiting another star.
four planets orbiting another star.
221
580917
4750
Esses são dados reais, animados,
que mostram quatro planetas
na órbita de outra estrela.
na órbita de outra estrela.
09:58
This is incredible. Think about that.
222
586375
2226
Isso é incrível. Pensem nisso.
10:00
For all of human history,
223
588625
1851
Ao longo de toda a história humana,
10:02
you could count all the known planets
in the universe on two hands --
in the universe on two hands --
224
590500
4518
podíamos contar todos os planetas
conhecidos no Universo em duas mãos...
conhecidos no Universo em duas mãos...
10:07
nine -- eight?
225
595042
1517
nove... oito?
10:08
Nine? Eight -- eight.
226
596583
1310
Nove? Oito... oito.
10:09
(Laughter)
227
597917
3226
(Risos)
10:13
Eh.
228
601167
1267
Ah.
(Risos)
10:14
(Laughter)
229
602458
1060
Mas agora sabemos
que estão por toda a parte.
que estão por toda a parte.
10:15
But now we know they're everywhere.
230
603542
2351
10:17
Every star --
231
605917
1267
Para cada estrela que vemos no céu,
pode haver três, cinco, dez planetas.
pode haver três, cinco, dez planetas.
10:19
for every star you see in the sky
there could be three, five, ten planets.
there could be three, five, ten planets.
232
607208
3560
10:22
The sky is filled with them.
233
610792
1666
O céu está repleto deles.
Achamos que os planetas podem
exceder em número as estrelas da galáxia.
exceder em número as estrelas da galáxia.
10:26
We think that planets
may outnumber stars in the galaxy.
may outnumber stars in the galaxy.
234
614375
2976
10:29
This is a profound statement,
235
617375
2476
Essa é uma afirmação profunda.
10:31
and it was made because of science.
236
619875
1934
Foi feita por causa da ciência
10:33
And it wasn't made just because of science
and the observatories and the data;
and the observatories and the data;
237
621833
3685
e não só por causa dela,
dos observatórios e dos dados;
dos observatórios e dos dados;
foi feita por causa dos cientistas
que construíram os observatórios,
que construíram os observatórios,
10:37
it was made because of the scientists
who built the observatories,
who built the observatories,
238
625542
3142
pegaram os dados,
10:40
who took the data,
239
628708
1268
cometeram erros e admitiram isso,
10:42
who made the mistakes and admitted them
240
630000
1858
10:43
and then let other scientists
build on their mistakes
build on their mistakes
241
631882
3219
e depois deixaram outros cientistas
se basearem em seus erros
se basearem em seus erros
10:47
so that they could do what they do
242
635125
1976
para que pudessem fazer o que fazem
10:49
and figure out where
our place is in the universe.
our place is in the universe.
243
637125
2958
e descobrir onde fica
o nosso lugar no Universo.
o nosso lugar no Universo.
10:53
That is how you find the truth.
244
641542
3017
É assim que descobrimos a verdade.
10:56
Science is at its best
when it dares to be human.
when it dares to be human.
245
644583
3792
A ciência está no seu melhor
quando se atreve a ser humana.
quando se atreve a ser humana.
11:01
Thank you.
246
649250
1268
Obrigado.
(Aplausos) (Vivas)
11:02
(Applause and cheers)
247
650542
3208
ABOUT THE SPEAKER
Phil Plait - AstronomerPhil Plait blogs at Bad Astronomy, where he deconstructs misconceptions and explores the wonder of the universe.
Why you should listen
Phil Plait is the Bad Astronomer. Not a bad astronomer, but a blogger for Slate who debunks myths and misconceptions about astronomy -- and also writes about the beauty, wonder and importance of fundamental research.
He worked for six years on the Hubble Space Telescope, and directed public outreach for the Fermi Gamma-ray Space Telescope. He is a past president of the James Randi Educational Foundation, and was the host of Phil Plait's Bad Universe, a documentary series on the Discovery Channel.
Read more from Phil Plait in the Huffington Post's special TEDWeekends feature, "Asteroids: Getting Ready" >>
Phil Plait | Speaker | TED.com