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

Alan Kay sdílí mocnou představu o nápadech

Filmed:
851,991 views

Alan Kay se vší silou a duchaplností, kterými je znám, představuje lepší techniky pro výuku dětí s využitím počítačů, aby ilustroval zkušenosti - matematicky a vědecky - tak, jak to umí jen počítače.
- 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 startStart, I think, with my viewPohled of simplicityjednoduchost
0
0
4000
Myslím, že výborný způsob, jak začít s mojí vizí jednoduchosti,
00:22
is to take a look at TEDTED. Here you are, understandingporozumění why we're here,
1
4000
7000
je podívat se na TED. Jste tady, chápete proč,
00:29
what's going on with no difficultyobtížnost at all.
2
11000
5000
víte, oč jde, a nemáte s tím problém.
00:34
The bestnejlepší A.I. in the planetplaneta would find it complexkomplex and confusingmatoucí,
3
16000
4000
Nejlepší umělé inteligence planety by se to zdálo složité a matoucí
00:38
and my little dogPes WatsonWatson would find it simplejednoduchý and understandablesrozumitelný
4
20000
5000
a mému pejskovi Watsonovi snadné a pochopitelné,
00:43
but would missslečna, minout the pointbod.
5
25000
2000
ale unikl by mu smysl.
00:45
(LaughterSmích)
6
27000
3000
(smích)
00:48
He would have a great time.
7
30000
3000
Moc by se bavil.
00:51
And of coursechod, if you're a speakermluvčí here, like HansHans RoslingRosling,
8
33000
5000
A samozřejmě: pokud jste přednášející jako Hans Rosling,
00:56
a speakermluvčí findsnajde this complexkomplex, trickyobtížné. But in HansHans Rosling'sJe Rosling casepouzdro,
9
38000
5000
zdá se vám to složité a ošidné. Jenže Hans Rosling
01:01
he had a secrettajný weaponzbraň yesterdayvčera,
10
43000
2000
včera přišel s tajnou zbraní,
01:03
literallydoslovně, in his swordmeč swallowingpolykání actakt.
11
45000
4000
a to doslova: s polykáním meče.
01:07
And I mustmusí say, I thought of quitedocela a fewpár objectsobjekty
12
49000
2000
Musím říct, že mě napadlo pár předmětů,
01:09
that I mightmohl try to swallowpolykat todaydnes and finallyKonečně gavedal up on,
13
51000
5000
které bych dnes mohl polknout a nakonec jsem to vzdal.
01:14
but he just did it and that was a wonderfulBáječné thing.
14
56000
4000
Jenže on to prostě udělal a bylo to báječné.
01:18
So PuckPUK meantznamená not only are we foolsblázni in the pejorativepejorativní sensesmysl,
15
60000
5000
Puk nechtěl říct jen to, že jsme blázni v pejorativním smyslu,
01:23
but that we're easilysnadno fooledzamilovaný. In factskutečnost, what ShakespeareShakespeare
16
65000
4000
ale že se snadno necháme zmást. Ve skutečnosti Shakespeare
01:27
was pointingpolohovací out is we go to the theaterdivadlo in orderobjednat to be fooledzamilovaný,
17
69000
3000
poukázal na to, že do divadla chodíme, abychom se nechali mást,
01:30
so we're actuallyvlastně looking forwardvpřed to it.
18
72000
4000
proto se na to ve skutečnosti těšíme.
01:34
We go to magickouzlo showsukazuje in orderobjednat to be fooledzamilovaný.
19
76000
2000
Chodíme na kouzelnická představení, aby tam z nás dělali blázny.
01:36
And this makesdělá manymnoho things funzábava, but it makesdělá it difficultobtížný to actuallyvlastně
20
78000
8000
Proto je mnoho věcí zábavných, jenže je pak těžké
01:44
get any kinddruh of pictureobrázek on the worldsvět we livežít in or on ourselvessebe.
21
86000
4000
získat představu o světě, ve kterém žijeme nebo o nás samých.
01:48
And our friendpřítel, BettyBetty EdwardsEdwards,
22
90000
2000
Naše přítelkyně Betty Edwardsová,
01:50
the "DrawingKreslení on the Right SideStrana of the BrainMozek" ladydáma, showsukazuje these two tablestabulky
23
92000
3000
autorka knihy "Drawing On the Right Side of the Brain", ukazuje
01:53
to her drawingvýkres classtřída and saysříká,
24
95000
5000
ve svých hodinách kreslení dva stoly a říká,
01:58
"The problemproblém you have with learningučení se to drawkreslit
25
100000
4000
že problém s tím, jak se naučit kreslit,
02:02
is not that you can't movehýbat se your handruka,
26
104000
2000
nespočívá v tom, že neumíte správně hýbat rukou,
02:04
but that the way your brainmozek perceivesvnímá imagessnímky is faultyvadný.
27
106000
6000
ale v tom, že váš mozek vnímá obrazy špatně.
02:10
It's tryingzkoušet to perceivevnímat imagessnímky into objectsobjekty
28
112000
2000
Snaží se spíš chápat je jako objekty
02:12
ratherspíše than seeingvidění what's there."
29
114000
2000
než vidět, co v nich je.
02:14
And to provedokázat it, she saysříká, "The exactpřesný sizevelikost and shapetvar of these tabletopsstolové desky
30
116000
5000
Na důkaz toho tvrdí, že přesná velikost a tvar těchto desek stolu
02:19
is the samestejný, and I'm going to provedokázat it to you."
31
121000
3000
jsou stejné, a já vám dokážu, že to tak je.
02:22
She does this with cardboardlepenka, but sinceod té doby I have
32
124000
3000
Ona to dělá s lepenkou, ale jelikož tu mám
02:25
an expensivedrahý computerpočítač here
33
127000
3000
drahý počítač,
02:28
I'll just rotatetočit se this little guy around and ...
34
130000
3000
jen tu desku otočím a...
02:34
Now havingmít seenviděno that -- and I've seenviděno it hundredsstovky of timesčasy,
35
136000
3000
Teď, když jsme to viděli - a já to viděl už nesčetněkrát,
02:37
because I use this in everykaždý talk I give -- I still can't see
36
139000
4000
protože to dělám při každé přednášce - pořád nevidím,
02:41
that they're the samestejný sizevelikost and shapetvar, and I doubtpochybovat that you can eitherbuď.
37
143000
5000
že mají stejnou velikost i tvar, a pochybuji, že jste na tom lépe.
02:46
So what do artistsumělců do? Well, what artistsumělců do is to measureopatření.
38
148000
5000
Takže co dělají umělci? Umělci si to měří.
02:51
They measureopatření very, very carefullyopatrně.
39
153000
2000
Měří velmi pozorně.
02:53
And if you measureopatření very, very carefullyopatrně with a stifftuhý armpaže and a straightrovný edgeokraj,
40
155000
4000
A když měříte velmi pozorně, pevnou rukou a s rovnou hranou,
02:57
you'llBudete see that those two shapestvary are
41
159000
2000
uvidíte, že tyto dva tvary mají
02:59
exactlypřesně the samestejný sizevelikost.
42
161000
3000
přesně stejnou velikost.
03:02
And the TalmudTalmud saw this a long time agopřed, sayingrčení,
43
164000
5000
Talmud to věděl už před dávnými časy a tvrdil:
03:07
"We see things not as they are, but as we are."
44
169000
3000
"Nevidíme věci, jaké skutečně jsou, ale takové, jací jsme my."
03:10
I certainlyrozhodně would like to know what happenedStalo to the personosoba
45
172000
2000
Skutečně by mě zajímalo, co se stalo člověku,
03:12
who had that insightvhled back then,
46
174000
3000
který na to tehdy přišel,
03:15
if they actuallyvlastně followednásledoval it to its ultimatekonečný conclusionzávěr.
47
177000
4000
jestli se tím skutečně řídil až ke konečnému závěru.
03:21
So if the worldsvět is not as it seemszdá se and we see things as we are,
48
183000
2000
Není-li svět tím, čím se zdá, a my vidíme věci podle sebe,
03:23
then what we call realityrealita is a kinddruh of hallucinationhalucinace
49
185000
6000
pak je takzvaná realita druhem halucinace
03:29
happeninghappening insideuvnitř here. It's a wakingprobuzení dreamsen,
50
191000
3000
probíhající tady uvnitř. Je to sen ve stavu bdělosti.
03:32
and understandingporozumění that that is what we actuallyvlastně existexistovat in
51
194000
5000
A pochopení toho, v čem ve skutečnosti existujeme,
03:37
is one of the biggestnejvětší epistemologicalepistemologický barriersbariéry in humančlověk historydějiny.
52
199000
5000
je jednou z největších gnozeologických bariér v historii lidstva.
03:42
And what that meansprostředek: "simplejednoduchý and understandablesrozumitelný"
53
204000
2000
To znamená, že "jednoduché a pochopitelné"
03:44
mightmohl not be actuallyvlastně simplejednoduchý or understandablesrozumitelný,
54
206000
3000
nemusí ve skutečnosti jednoduché nebo pochopitelné být
03:47
and things we think are "complexkomplex" mightmohl be madevyrobeno simplejednoduchý and understandablesrozumitelný.
55
209000
6000
a věci, jež považujeme za složité, takové být mohou.
03:53
SomehowNějakým způsobem we have to understandrozumět ourselvessebe to get around our flawsvady.
56
215000
4000
Musíme porozumět sami sobě, abychom se vymotali z vlastních omylů.
03:57
We can think of ourselvessebe as kinddruh of a noisyhlučný channelkanál.
57
219000
2000
Můžeme o sobě smýšlet jako o jistém druhu šumového kanálu.
03:59
The way I think of it is, we can't learnUčit se to see
58
221000
5000
Já to vidím tak, že se nenaučíme vidět,
04:04
untilaž do we admitpřipustit we're blindslepý.
59
226000
2000
dokud si nepřiznáme, že jsme slepí.
04:06
OnceJednou you startStart down at this very humblepokořit levelúroveň,
60
228000
4000
Jakmile začnete na této velmi pokorné úrovni,
04:10
then you can startStart findingnález wayszpůsoby to see things.
61
232000
3000
můžete začít hledat způsoby, jak vidět věci.
04:13
And what's happenedStalo, over the last 400 yearsroky in particularkonkrétní,
62
235000
5000
Za poslední čtyři staletí došlo zejména k tomu,
04:18
is that humančlověk beingsbytosti have inventedvymyslel "brainletsbrainlets" --
63
240000
3000
že lidské bytosti vyvinuly "brainlety",
04:21
little additionalDalší partsčásti for our brainmozek --
64
243000
4000
malé pomůcky pro náš mozek
04:25
madevyrobeno out of powerfulsilný ideasnápady that help us
65
247000
2000
vytvořené na základě mocných myšlenek, jež nám pomáhají
04:27
see the worldsvět in differentodlišný wayszpůsoby.
66
249000
2000
vidět svět odlišnými způsoby.
04:29
And these are in the formformulář of sensorysmyslové apparatuspřístroje --
67
251000
3000
Mají podobu senzorického přístroje -
04:32
telescopesdalekohledy, microscopesmikroskopy -- reasoninguvažování apparatuspřístroje --
68
254000
5000
dalekohledů, mikroskopů - rozumového aparátu,
04:37
variousrozličný wayszpůsoby of thinkingmyslící -- and, mostvětšina importantlydůležité,
69
259000
4000
tedy rozličných způsobů myšlení, a především
04:41
in the abilityschopnost to changezměna perspectiveperspektivní on things.
70
263000
4000
schopnosti změnit perspektivu vidění věcí.
04:45
I'll talk about that a little bitbit.
71
267000
1000
O tomto budu trochu mluvit.
04:46
It's this changezměna in perspectiveperspektivní
72
268000
2000
Právě díky této změně perspektivy
04:48
on what it is we think we're perceivingvnímání
73
270000
3000
a toho, čím si myslíme, že je,
04:51
that has helpedpomohl us make more progresspokrok in the last 400 yearsroky
74
273000
5000
jsme dosáhli za poslední čtyři staletí většího pokroku
04:56
than we have in the restodpočinek of humančlověk historydějiny.
75
278000
2000
než ve zbývající historii lidstva.
04:58
And yetdosud, it is not taughtvyučován in any K throughpřes 12 curriculumosnovy in AmericaAmerika that I'm awarevědomě of.
76
280000
8000
A přece o ní neučí žádné školní osnovy v USA.
05:11
So one of the things that goesjde from simplejednoduchý to complexkomplex
77
293000
2000
Jednoduché se stává složitým,
05:13
is when we do more. We like more.
78
295000
3000
když toho děláme víc. Jsme rádi, když je něčeho víc.
05:16
If we do more in a kinddruh of a stupidhloupý way,
79
298000
3000
Když děláme víc věcí hloupým způsobem,
05:19
the simplicityjednoduchost getsdostane complexkomplex
80
301000
3000
jednoduché se stává složitým.
05:22
and, in factskutečnost, we can keep on doing it for a very long time.
81
304000
5000
Vlastně v tom můžeme pokračovat dlouho.
05:27
But MurrayMurray Gell-MannGell-Mann yesterdayvčera talkedmluvil about emergentemergentní propertiesvlastnosti;
82
309000
3000
Ale Murray Gell-Mann včera mluvil o nepředvídaných vlastnostech.
05:30
anotherdalší namenázev for them could be "architecturearchitektura"
83
312000
4000
Také bychom tomu mohli říkat "architektura",
05:34
as a metaphormetafora for takingpřijmout the samestejný oldstarý materialmateriál
84
316000
4000
což je metafora pro použití téhož starého materiálu
05:38
and thinkingmyslící about non-obviousnon zřejmý, non-simple-jednoduché wayszpůsoby of combiningkombinování it.
85
320000
7000
a promýšlení neobvyklých, nejednoduchých způsobů, jak ho kombinovat.
05:45
And in factskutečnost, what MurrayMurray was talkingmluvící about yesterdayvčera in the fractalfraktální beautykrása of naturePříroda --
86
327000
8000
Murray včera vlastně mluvil o fraktálové kráse přírody,
05:53
of havingmít the descriptionsPopis
87
335000
2000
o tom, že máme popisy
05:55
at variousrozličný levelsúrovně be ratherspíše similarpodobný --
88
337000
4000
na různých úrovních, které jsou si podobné,
05:59
all goesjde down to the ideaidea that the elementaryzákladní particlesčástice
89
341000
5000
a že jde v podstatě o to, že elementární částice
06:04
are bothoba stickylepkavý and standoffishrezervovaný,
90
346000
3000
se přitahují a zároveň odpuzují
06:07
and they're in violentnásilný motionpohyb.
91
349000
4000
a jsou v intenzivním pohybu.
06:11
Those threetři things give risevzestup to all the differentodlišný levelsúrovně
92
353000
3000
Tyto tři věci dávají vzniknout všem různým úrovním
06:14
of what seemzdát se to be complexitysložitost in our worldsvět.
93
356000
4000
toho, co se zdá být v našem světě složité.
06:20
But how simplejednoduchý?
94
362000
2000
Ale jak jednoduché?
06:22
So, when I saw Roslings''Roslings GapminderGapminder stuffvěci a fewpár yearsroky agopřed,
95
364000
5000
Když jsem před pár lety viděl Roslingův Gapminder,
06:27
I just thought it was the greatestnejvětší thing I'd seenviděno
96
369000
2000
přišel mi jako ta nejúžasnější věc, kterou znám,
06:29
in conveyingDopravníky complexkomplex ideasnápady simplyjednoduše.
97
371000
5000
protože složité myšlenky vyjadřuje jednoduše.
06:34
But then I had a thought of, "BoyChlapec, maybe it's too simplejednoduchý."
98
376000
3000
Pak jsem si ale pomyslel, že je to možná jednoduché až moc.
06:37
And I put some effortsnaha in to try and checkkontrola
99
379000
5000
A poměrně dost jsem se snažil
06:42
to see how well these simplejednoduchý portrayalsobrazy of trendstrendy over time
100
384000
4000
zjistit, jak dobře tato jednoduchá znázornění trendů v čase
06:46
actuallyvlastně matchedodpovídající up with some ideasnápady and investigationsvyšetřování from the sideboční,
101
388000
5000
skutečně odpovídají některým myšlenkám a výzkumům,
06:51
and I foundnalezeno that they matchedodpovídající up very well.
102
393000
2000
a zjistil jsem, že moc dobře.
06:53
So the RoslingsRoslings have been ableschopný to do simplicityjednoduchost
103
395000
5000
Roslingovi byli schopni dosáhnout jednoduchosti,
06:58
withoutbez removingodstranění what's importantdůležité about the datadata.
104
400000
4000
aniž by odstranili to, co je na datech důležité.
07:02
WhereasVzhledem k tomu, the filmfilm yesterdayvčera that we saw
105
404000
4000
Zatímco ten film, který jsme viděli včera,
07:06
of the simulationsimulace of the insideuvnitř of a cellbuňka,
106
408000
2000
ta simulace dějů uvnitř buňky,
07:08
as a formerbývalý molecularmolekulární biologistbiolog, I didn't like that at all.
107
410000
6000
to se mi jako bývalému molekulárnímu biologovi nelíbilo.
07:14
Not because it wasn'tnebyl beautifulKrásná or anything,
108
416000
2000
Ne snad proto, že by to nebylo krásné,
07:16
but because it misseschybí the thing that mostvětšina studentsstudentů failselhat to understandrozumět
109
418000
5000
ale protože to nepostihlo to, co většina studentů nechápe
07:21
about molecularmolekulární biologybiologie, and that is:
110
423000
3000
na molekulární biologii, tedy fakt,
07:24
why is there any probabilitypravděpodobnost at all of two complexkomplex shapestvary
111
426000
5000
proč existuje pravděpodobnost, že dva složité útvary
07:29
findingnález eachkaždý other just the right way
112
431000
2000
najdou jeden druhý přesně tak, jak je třeba,
07:31
so they combinekombajn togetherspolu and be catalyzedkatalyzované?
113
433000
3000
aby se spojily a aby proběhla katalýza.
07:34
And what we saw yesterdayvčera was
114
436000
2000
A včera jsme viděli,
07:36
everykaždý reactionreakce was fortuitousnepředvídatelné;
115
438000
3000
že každá reakce byla dílem náhody.
07:39
they just swoopedstřemhlav in the airvzduch and boundvázaný, and something happenedStalo.
116
441000
4000
Prostě vyletěly do vzduchu, reagovaly a k něčemu došlo.
07:43
But in factskutečnost, those moleculesmolekul are spinningpředení at the ratehodnotit of
117
445000
4000
Ve skutečnosti však tyto molekuly kmitají rychlostí
07:47
about a millionmilión revolutionsotáčky perza seconddruhý;
118
449000
3000
asi milionu cyklů za sekundu.
07:50
they're agitatingagitovat back and forthdále theirjejich sizevelikost everykaždý two nanosecondsnanosekund;
119
452000
6000
Lomcují sebou sem a tam každé dvě nanosekundy.
07:56
they're completelyzcela crowdedpřeplněný togetherspolu, they're jammedzaseknutý,
120
458000
3000
Jsou úplně natěsnané, nacpané,
07:59
they're bashingnapadání up againstproti eachkaždý other.
121
461000
3000
narážejí do sebe.
08:02
And if you don't understandrozumět that in your mentalduševní modelmodel of this stuffvěci,
122
464000
3000
A pokud toto ve svém mentálním modelu nepochopíte,
08:05
what happensse děje insideuvnitř of a cellbuňka seemszdá se completelyzcela mysterioustajemný and fortuitousnepředvídatelné,
123
467000
5000
děje uvnitř buňky se jeví jako něco tajemného a nahodilého.
08:10
and I think that's exactlypřesně the wrongšpatně imageobraz
124
472000
2000
A to je myslím špatná ukázka
08:12
for when you're tryingzkoušet to teachučit scienceVěda.
125
474000
3000
toho, jak se někdo zkouší učit vědu.
08:18
So, anotherdalší thing that we do is to confusepletou adultdospělý sophisticationsofistikovanost
126
480000
5000
Pak také zaměňujeme důmyslnost dospělých
08:23
with the actualaktuální understandingporozumění of some principlezásada.
127
485000
5000
za skutečné porozumění některému principu.
08:28
So a kiddítě who'skdo je 14 in highvysoký schoolškola
128
490000
2000
Takže 14letý středoškolák
08:30
getsdostane this versionverze of the PythagoreanTento druh theoremvěta,
129
492000
6000
dostane tuto verzi Pythagorovy věty,
08:36
whichkterý is a trulyopravdu subtlejemné and interestingzajímavý proofdůkaz,
130
498000
3000
což je skutečně rafinovaný a zajímavý důkaz,
08:39
but in factskutečnost it's not a good way to startStart learningučení se about mathematicsmatematika.
131
501000
7000
jenže takhle se s učením matematiky začínat nemá.
08:46
So a more directPřímo one, one that givesdává you more of the feelingpocit of mathmatematika,
132
508000
5000
Ukážu vám přímější způsob, díky němuž poznáte, co je to matematika.
08:51
is something closerblíže to Pythagoras'Pythagora ownvlastní proofdůkaz, whichkterý goesjde like this:
133
513000
4000
Blíží se Pythagorovu vlastnímu důkazu, který vypadá takto.
08:55
so here we have this triangletrojúhelník, and if we surroundsurround that C squarenáměstí with
134
517000
6000
Máme tento trojúhelník a pokud ten čtverec C ohraničíme
09:01
threetři more trianglestrojúhelníky and we copykopírovat that,
135
523000
3000
třemi dalšími trojúhelníky a zkopírujeme to,
09:04
noticeoznámení that we can movehýbat se those trianglestrojúhelníky down like this.
136
526000
5000
všimněte si, že můžeme otočit tyto trojúhelníky takto dolů,
09:09
And that leaveslisty two openotevřeno areasoblasti that are kinddruh of suspiciouspodezřelý ...
137
531000
3000
a že se tak uvolní dvě plochy, které jsou trochu podezřelé,
09:12
and bingoBingo. That is all you have to do.
138
534000
7000
a bingo! Víc dělat nemusíte.
09:19
And this kinddruh of proofdůkaz is the kinddruh of proofdůkaz
139
541000
2000
Právě takový druh důkazu
09:21
that you need to learnUčit se when you're learningučení se mathematicsmatematika
140
543000
3000
potřebujete, pokud se učíte matematiku,
09:24
in orderobjednat to get an ideaidea of what it meansprostředek
141
546000
3000
abyste získali představu, co znamená,
09:27
before you look into the, literallydoslovně, 1,200 or 1,500 proofsdoklady
142
549000
4000
dřív než se podíváte na doslova 12 až 1 500 důkazů
09:31
of Pythagoras'Pythagora theoremvěta that have been discoveredobjevil.
143
553000
3000
Pythagorovy věty, jež byly objeveny.
09:37
Now let's go to youngmladý childrenděti.
144
559000
3000
Teď přejděme k malým dětem.
09:40
This is a very unusualneobvyklý teacheručitel
145
562000
2000
Toto je hodně netypická učitelka,
09:42
who was a kindergartenmateřské školy and first-grade-první třídy teacheručitel,
146
564000
4000
která učila ve školce a v první třídě,
09:46
but was a naturalpřírodní mathematicianmatematik.
147
568000
2000
přitom byla rozená matematička.
09:48
So she was like that jazzjazz musicianhudebník friendpřítel you have who never studiedstudoval musichudba
148
570000
5000
Byla jako kamarád jazzman, který nikdy nestudoval hudbu,
09:53
but is a terrificúžasný musicianhudebník;
149
575000
2000
a přece je vynikající hudebník.
09:55
she just had a feelingpocit for mathmatematika.
150
577000
2000
Měla pro matematiku prostě cit.
09:57
And here are her six-year-oldsšestiletých,
151
579000
3000
Toto jsou její šestiletí svěřenci
10:00
and she's got them makingtvorba shapestvary out of a shapetvar.
152
582000
5000
a ona je nechala vytvářet tvary z tvarů.
10:05
So they pickvýběr a shapetvar they like -- like a diamondDiamond, or a squarenáměstí,
153
587000
2000
Děti si vyberou tvar, jaký chtějí - kosočtverec nebo čtverec,
10:07
or a triangletrojúhelník, or a trapezoidLichoběžník -- and then they try and make
154
589000
3000
trojúhelník nebo různoběžník - a pak zkoušejí vytvořit
10:10
the nextdalší largervětší shapetvar of that samestejný shapetvar, and the nextdalší largervětší shapetvar.
155
592000
4000
další, větší verzi téhož obrazce, a pak ještě větší.
10:14
You can see the trapezoidslichoběžníky are a little challengingnáročný there.
156
596000
4000
A můžete vidět, že různoběžníky jsou trochu těžké.
10:18
And what this teacheručitel did on everykaždý projectprojekt
157
600000
3000
Tato učitelka u každé práce
10:21
was to have the childrenděti actakt like first it was a creativetvořivý artsumění projectprojekt,
158
603000
5000
nechala děti vytvářet na první pohled kreativní umění,
10:26
and then something like scienceVěda.
159
608000
2000
z něhož se vyklubalo něco jako věda.
10:28
So they had createdvytvořeno these artifactsartefakty.
160
610000
2000
Takže vytvořily tyto artefakty.
10:30
Now she had them look at them and do this ... laboriouspracná,
161
612000
4000
Pak je přiměla podívat se na ně a provést tuto těžkou věc -
10:34
whichkterý I thought for a long time, untilaž do she explainedvysvětlil to me was
162
616000
4000
kterou jsem nechápal do doby, než mi vysvětlila,
10:38
to slowpomalý them down so they'lloni budou think.
163
620000
3000
že bylo potřeba děti zklidnit, aby přemýšlely.
10:41
So they're cuttingřezání out the little pieceskousky of cardboardlepenka here
164
623000
3000
Proto vystřihují kousíčky lepenky
10:44
and pastingvložení them up.
165
626000
2000
a nalepují je.
10:46
But the wholeCelý pointbod of this thing is
166
628000
4000
Ale podstatou je,
10:50
for them to look at this chartschéma and fillvyplnit it out.
167
632000
3000
aby se podívaly na tuto tabulku a vyplnily ji.
10:53
"What have you noticedvšiml si about what you did?"
168
635000
4000
"Čeho jste si všimli na tom, co jste dělali?"
10:57
And so six-year-oldšestiletého LaurenLauren there noticedvšiml si that the first one tookvzal one,
169
639000
4000
A šestiletá Lauren zjistila, že první obrazec zabral jedno místo,
11:01
and the seconddruhý one tookvzal threetři more
170
643000
5000
druhý pak třikrát více
11:06
and the totalcelkový was fourčtyři on that one,
171
648000
2000
a dohromady vznikl čtyřnásobek prvního.
11:08
the thirdTřetí one tookvzal fivePět more and the totalcelkový was ninedevět on that one,
172
650000
4000
Třetí zabral pětinásobek a součet byl devítinásobek
11:12
and then the nextdalší one.
173
654000
1000
a tak dále.
11:13
She saw right away that the additionalDalší tilesdlaždice that you had to addpřidat
174
655000
5000
Viděla, že počet dalších čtverečků, které měla přidat
11:18
around the edgesokraje was always going to growrůst by two,
175
660000
4000
kolem okrajů, byl vždy dvojnásobný.
11:22
so she was very confidentsebejistý about how she madevyrobeno those numbersčísla there.
176
664000
3000
Proto si byla velmi jistá tím, jak dospěla k těmto číslům.
11:25
And she could see that these were the squarenáměstí numbersčísla up untilaž do about sixšest,
177
667000
5000
A viděla, že toto byly druhé mocniny až do šesti.
11:30
where she wasn'tnebyl sure what sixšest timesčasy sixšest was
178
672000
3000
Pak už si nebyla jistá, kolik je 6 krát 6
11:33
and what sevensedm timesčasy sevensedm was,
179
675000
2000
a kolik je 7 krát 7.
11:35
but then she was confidentsebejistý again.
180
677000
3000
Ale pak se jí jistota vrátila.
11:38
So that's what LaurenLauren did.
181
680000
2000
Takže to udělala Lauren.
11:40
And then the teacheručitel, GillianGillian IshijimaIshijima, had the kidsděti
182
682000
4000
A pak učitelka Gillian Ishijimaová chtěla,
11:44
bringpřinést all of theirjejich projectsprojektů up to the frontpřední of the roompokoj, místnost and put them on the floorpatro, podlaha, dno,
183
686000
3000
aby děti přinesly všechny výtvory dopředu a položily je na zem.
11:47
and everybodyvšichni wentšel batshitbatshit: "HolySvatá shithovno! They're the samestejný!"
184
689000
8000
A všichni z toho byli na větvi. Ježíšmarjá! Všechny jsou stejné!
11:55
No matterhmota what the shapestvary were, the growthrůst lawzákon is the samestejný.
185
697000
4000
Bez ohledu na to, o jaké tvary šlo, zákon růstu platí stejný.
11:59
And the mathematiciansmatematiků and scientistsvědců in the crowddav
186
701000
3000
A matematici a vědci v publiku
12:02
will recognizeuznat these two progressionsprůběhy
187
704000
2000
rozpoznají tyto dvě posloupnosti
12:04
as a first-orderprvního řádu discreteoddělený differentialrozdíl equationrovnice
188
706000
3000
jako diskrétní diferenciální rovnici prvního řádu
12:07
and a second-orderdruhého řádu discreteoddělený differentialrozdíl equationrovnice,
189
709000
5000
a diskrétní diferenciální rovnici druhého řádu.
12:12
derivedodvozený by six-year-oldsšestiletých.
190
714000
4000
Odvozenou šestiletými dětmi.
12:16
Well, that's prettydosti amazingúžasný.
191
718000
1000
Což je úžasné.
12:17
That isn't what we usuallyobvykle try to teachučit six-year-oldsšestiletých.
192
719000
3000
Tohle obvykle šestileté děti neučíme.
12:20
So, let's take a look now at how we mightmohl use the computerpočítač for some of this.
193
722000
7000
Teď se podívejme, jak k něčemu takovému použít počítač.
12:27
And so the first ideaidea here is
194
729000
4000
Nejprve
12:31
just to showshow you the kinddruh of things that childrenděti do.
195
733000
4000
vám ukážu to, co dělají děti.
12:35
I'm usingpoužitím the softwaresoftware that we're puttinguvedení on the $100 laptopnotebooku.
196
737000
5000
Používám software, který instalujeme na notebook za 100 dolarů.
12:40
So I'd like to drawkreslit a little carauto here --
197
742000
6000
Pokusím se namalovat autíčko.
12:46
I'll just do this very quicklyrychle -- and put a bigvelký tirepneumatika on him.
198
748000
7000
Jen tak narychlo. Přidám mu veliká kola.
12:59
And I get a little objectobjekt here and I can look insideuvnitř this objectobjekt,
199
761000
4000
A získám malý předmět, do kterého můžu nahlížet.
13:03
I'll call it a carauto. And here'stady je a little behaviorchování: carauto forwardvpřed.
200
765000
5000
Pojmenuji ho "auto." A tady máme nějaké ovládání: jízda dopředu.
13:08
EachKaždý time I clickklikněte na tlačítko it, carauto turnotočit se.
201
770000
3000
Pokaždé, když na to kliknu, auto zatočí.
13:11
If I want to make a little scriptskript to do this over and over again,
202
773000
2000
Pokud chci vytvořit malý skript, aby se to opakovalo,
13:13
I just dragtáhnout these guys out and setsoubor them going.
203
775000
5000
přetáhnu tyhle kroky a nastavím je tak, aby fungovaly.
13:20
And I can try steeringřízení the carauto here by ...
204
782000
3000
Můžu zkusit řízení auta o -
13:23
See the carauto turnotočit se by fivePět here?
205
785000
2000
vidíte, jak se auto otočí o pětinu?
13:25
So what if I clickklikněte na tlačítko this down to zeronula?
206
787000
3000
Co když kliknu sem a nastavím to na nulu?
13:28
It goesjde straightrovný. That's a bigvelký revelationzjevení for nine-year-oldsdevět rok olds.
207
790000
5000
Jede rovně. To je pro devítiletého docela objev.
13:33
Make it go in the other directionsměr.
208
795000
2000
Zkusíme jet jiným směrem.
13:35
But of coursechod, that's a little bitbit like kissinglíbání your sistersestra
209
797000
2000
Pokud jde o řízení,
13:37
as fardaleko as drivingřízení a carauto,
210
799000
3000
je to samozřejmě brnkačka.
13:40
so the kidsděti want to do a steeringřízení wheelkolo;
211
802000
3000
Proto děti chtějí vytvořit volant.
13:43
so they drawkreslit a steeringřízení wheelkolo.
212
805000
3000
Nakreslí tedy volant.
13:46
And we'lldobře call this a wheelkolo.
213
808000
5000
Nazvěme to "volant".
13:51
See this wheel'skolo je headingnadpis here?
214
813000
4000
Vidíte záhlaví toho kola tady?
13:55
If I turnotočit se this wheelkolo, you can see that numberčíslo over there going minusminus and positivepozitivní.
215
817000
5000
Pokud otočím volantem, vidíte, že se to číslo mění do mínusu a do plusu.
14:00
That's kinddruh of an invitationPozvánka to pickvýběr up this namenázev of
216
822000
2000
To je jistá výzva vybrat
14:02
those numbersčísla comingpříchod out there
217
824000
3000
čísla, která se tam objevují,
14:05
and to just droppokles it into the scriptskript here,
218
827000
2000
a vložit je do tohoto skriptu.
14:07
and now I can steerřídit the carauto with the steeringřízení wheelkolo.
219
829000
5000
Teď můžu řídit auto volantem.
14:12
And it's interestingzajímavý.
220
834000
2000
A je to zajímavé.
14:14
You know how much troubleproblémy the childrenděti have with variablesproměnné,
221
836000
3000
Sami víte, jaké velké mají děti problémy s proměnnými,
14:17
but by learningučení se it this way, in a situatedumístěné fashionmóda,
222
839000
2000
ale když to učíte takto, ve formě modelování,
14:19
they never forgetzapomenout from this singlesingl trialpokus
223
841000
3000
díky tomuto primitivnímu pokusu nikdy nezapomenou,
14:22
what a variableProměnná is and how to use it.
224
844000
3000
co to proměnná je a jak ji užívat.
14:25
And we can reflectodrážejí here the way GillianGillian IshijimaIshijima did.
225
847000
2000
Tady se můžeme zamyslet nad tím, co dělala Gillian Ishijimaová.
14:27
So if you look at the little scriptskript here,
226
849000
2000
Podíváte-li se na ten skript,
14:29
the speedRychlost is always going to be 30.
227
851000
2000
rychlost je vždy rovna 30.
14:31
We're going to movehýbat se the carauto accordingpodle to that over and over again.
228
853000
5000
Podle toho začneme autem pohybovat, znova a znova.
14:36
And I'm droppingodstranění a little dottečka for eachkaždý one of these things;
229
858000
4000
Po každém intervalu zaznamenám malou tečku.
14:40
they're evenlyrovnoměrně spacedrozloženy because they're 30 apartodděleně.
230
862000
3000
Mají rovnoměrné odstupy, protože jsou 30 bodů od sebe.
14:43
And what if I do this progressionpostup that the six-year-oldsšestiletých did
231
865000
3000
Co když udělám tuto posloupnost jako šestiletý
14:46
of sayingrčení, "OK, I'm going to increasezvýšit the speedRychlost by two eachkaždý time,
232
868000
5000
a řeknu si: "Tak, pokaždé zvýším rychlost dvakrát
14:51
and then I'm going to increasezvýšit the distancevzdálenost by the speedRychlost eachkaždý time?
233
873000
3000
"a pak zvětším vzdálenost v závislosti na rychlosti.
14:54
What do I get there?"
234
876000
4000
"Co dostanu?"
14:58
We get a visualvizuální patternvzor of what these nine-year-oldsdevět rok olds calledvolal accelerationakcelerace.
235
880000
7000
Dostaneme vizuální vzorec toho, čemu devítiletí říkají "zrychlení".
15:05
So how do the childrenděti do scienceVěda?
236
887000
2000
Takže jak děti dělaly vědu?
15:08
(VideoVideo) TeacherUčitel: [ChooseZvolte] objectsobjekty that you think will fallpodzim to the EarthZemě at the samestejný time.
237
890000
3000
(Video) Učitel: Předměty, které podle vás budou padat k zemi zároveň...
15:11
StudentStudentka 1: OohOoh, this is nicepěkný.
238
893000
3000
Dítě: To je pěkné.
15:18
TeacherUčitel: Do not payplatit any attentionPozor
239
900000
2000
Učitel: Nevšímejte si toho,
15:20
to what anybodyněkdo elsejiný is doing.
240
902000
3000
co dělají ostatní.
15:35
Who'sKdo si got the applejablko?
241
917000
2000
Kdo má jablko?
15:37
AlanAlan KayKay: They'veOni už got little stopwatchesstopky.
242
919000
2000
Alan Kay: Dostali malé stopky.
15:44
StudentStudentka 2: What did you get? What did you get?
243
926000
2000
Učitel: Co dostanete? Co jste dostali?
15:46
AKAK: StopwatchesStopky aren'tnejsou accuratepřesný enoughdost.
244
928000
3000
AK: Stopky nejsou dost přesné.
15:49
StudentStudentka 3: 0.99 secondssekundy.
245
931000
2000
Holčička: 0,99 sekundy.
15:52
TeacherUčitel: So put "spongehouba na mytí ballmíč" ...
246
934000
3000
Učitel: Tak pusť molitanový míček...
15:56
StudentStudentka 4l: [I decidedrozhodl to] do the shotvýstřel put and the spongehouba na mytí ballmíč
247
938000
3000
Holčička: Tady se spustila koule a molitanový míček,
15:59
because they're two totallynaprosto differentodlišný weightsváhy,
248
941000
3000
protože mají úplně jinou hmotnost.
16:02
and if you droppokles them at the samestejný time,
249
944000
2000
A když je pustíte zároveň,
16:04
maybe they'lloni budou droppokles at the samestejný speedRychlost.
250
946000
2000
snad dopadnou stejnou rychlostí.
16:06
TeacherUčitel: DropPřetažení. ClassTřída: WhoaOuha!
251
948000
2000
Učitel: Hoď!
16:10
AKAK: So obviouslyočividně, AristotleAristoteles never askedzeptal se a childdítě
252
952000
3000
AK: Aristoteles se nikdy nezeptal dítěte
16:13
about this particularkonkrétní pointbod
253
955000
3000
na tento dílčí aspekt,
16:16
because, of coursechod, he didn't botherobtěžovat doing the experimentexperiment,
254
958000
2000
protože si samozřejmě nedal tu práci s experimentem
16:18
and neitherani did StSt. ThomasThomas AquinasTomáš Akvinský.
255
960000
2000
stejně jako svatý Tomáš Akvinský.
16:20
And it was not untilaž do GalileoGalileo actuallyvlastně did it
256
962000
2000
A až za Galilea
16:22
that an adultdospělý thought like a childdítě,
257
964000
3000
dospělý přemýšlel jako dítě.
16:25
only 400 yearsroky agopřed.
258
967000
3000
Před pouhými 400 lety.
16:28
We get one childdítě like that about everykaždý classroomtřída of 30 kidsděti
259
970000
4000
Ve třídě se 30 žáky je jedno takové dítě,
16:32
who will actuallyvlastně cutstřih straightrovný to the chaseChase.
260
974000
3000
které jde rovnou k jádru věci.
16:35
Now, what if we want to look at this more closelyúzce?
261
977000
3000
Co kdybychom se teď na to podívali blíže?
16:38
We can take a moviefilm of what's going on,
262
980000
3000
Můžeme natočit, co se tu děje,
16:41
but even if we singlesingl steppedstoupal this moviefilm,
263
983000
2000
ale i když ten film natočíme po krocích,
16:43
it's trickyobtížné to see what's going on.
264
985000
2000
je obtížné vidět, o co jde.
16:45
And so what we can do is we can laypoložit out the framesrámů sideboční by sideboční
265
987000
3000
Můžeme tedy položit snímky vedle sebe
16:48
or stackzásobník them up.
266
990000
2000
nebo je poskládat na sebe.
16:50
So when the childrenděti see this, they say, "AhAh! AccelerationZrychlení,"
267
992000
5000
Když to děti vidí, řeknou: "Aha, zrychlení."
16:55
rememberingzapamatování back fourčtyři monthsměsíců when they did theirjejich carsauta sidewaysdo strany,
268
997000
3000
Vzpomenou si totiž, co před 4 měsíci prováděly s řízením auta,
16:58
and they startStart measuringměření to find out what kinddruh of accelerationakcelerace it is.
269
1000000
6000
a začnou měřit, aby zjistily, o který druh zrychlení se jedná.
17:04
So what I'm doing is measuringměření from the bottomdno of one imageobraz
270
1006000
6000
Takže já to teď změřím od spodní části obrázku
17:10
to the bottomdno of the nextdalší imageobraz, about a fifthpátý of a seconddruhý laterpozději,
271
1012000
5000
ke spodní části dalšího obrázku, zhruba o pětinu sekundy později,
17:15
like that. And they're gettingdostat fasterrychleji and fasterrychleji eachkaždý time,
272
1017000
2000
a jsou pokaždé čím dál rychlejší.
17:17
and if I stackzásobník these guys up, then we see the differencesrozdíly; the increasezvýšit
273
1019000
10000
A pokud nakupím tyto kousky na sebe, uvidíme rozdíly: nárůst
17:27
in the speedRychlost is constantkonstantní.
274
1029000
3000
rychlosti je konstantní.
17:30
And they say, "Oh, yeah. ConstantKonstantní accelerationakcelerace.
275
1032000
2000
A děti si řeknou: "Aha, konstantní zrychlení."
17:32
We'veMáme doneHotovo that alreadyjiž."
276
1034000
2000
To už jsme dělaly.
17:34
And how shallmusí we look and verifyověřit that we actuallyvlastně have it?
277
1036000
8000
A jak si ověříme, že to tak skutečně je?
17:42
So you can't tell much from just makingtvorba the ballmíč droppokles there,
278
1044000
5000
Moc neusoudíme z pouhého spouštění koule,
17:47
but if we droppokles the ballmíč and runběh the moviefilm at the samestejný time,
279
1049000
4000
ale když hodíme kouli a zároveň pustíme film,
17:53
we can see that we have come up with an accuratepřesný physicalfyzický modelmodel.
280
1055000
5000
vidíme, že jsme dostali přesný fyzikální model.
18:00
GalileoGalileo, by the way, did this very cleverlychytře
281
1062000
4000
Mimochodem, Galileo to provedl velmi chytře
18:04
by runningběh a ballmíč backwardsdozadu down the stringsřetězce of his luteLoutna.
282
1066000
3000
kutálením koule sem a tam po strunách své loutny.
18:07
I pulledvytáhl out those applesjablka to remindpřipomenout myselfmoje maličkost to tell you that
283
1069000
5000
Ty jablka jsem tam dal, abych vám nezapomněl říct,
18:12
this is actuallyvlastně probablypravděpodobně a NewtonNewton and the applejablko typetyp storypříběh,
284
1074000
5000
že toto je pravděpodobně verze příběhu o Newtonovi a jablku,
18:17
but it's a great storypříběh.
285
1079000
2000
což je ovšem skvělý příběh.
18:19
And I thought I would do just one thing
286
1081000
2000
Napadlo mě se stodolarovým notebookem
18:21
on the $100 laptopnotebooku here just to provedokázat that this stuffvěci workspráce here.
287
1083000
10000
udělat jednu věc, abych dokázal, že to funguje i v něm.
18:31
So oncejednou you have gravitygravitace, here'stady je this --
288
1093000
3000
Když máme gravitaci -
18:34
increasezvýšit the speedRychlost by something,
289
1096000
2000
zvýšíme o něco rychlost,
18:36
increasezvýšit the ship'slodní speedRychlost.
290
1098000
3000
třeba rychlost lodi.
18:39
If I startStart the little gamehra here that the kidsděti have doneHotovo,
291
1101000
3000
Pokud spustím banální hru, jako to dělaly děti,
18:42
it'llto bude crashpád the spaceprostor shiploď.
292
1104000
2000
kosmickou loď to zničí.
18:44
But if I opposeproti gravitygravitace, here we go ... OopsChybička se vloudila!
293
1106000
4000
Pokud ale postavím gravitaci protiváhu, pak... hopla!
18:48
(LaughterSmích)
294
1110000
2000
(smích)
18:50
One more.
295
1112000
1000
Ještě jednou.
18:54
Yeah, there we go. Yeah, OK?
296
1116000
5000
A je to. Vidíte?
18:59
I guesstipni si the bestnejlepší way to endkonec this is with two quotescitáty:
297
1121000
7000
Řekl bych, že nejlepší bude skončit dvěma citáty.
19:06
MarshallMarshall McLuhanMcLuhan said,
298
1128000
2000
Marshall McLuhan řekl:
19:08
"ChildrenDěti are the messageszpráv that we sendposlat to the futurebudoucnost,"
299
1130000
4000
"Děti jsou poselství, které posíláme do budoucnosti."
19:12
but in factskutečnost, if you think of it,
300
1134000
2000
Pokud však o tom přemýšlíte,
19:14
childrenděti are the futurebudoucnost we sendposlat to the futurebudoucnost.
301
1136000
2000
děti jsou budoucnost, kterou posíláme do budoucnosti.
19:16
ForgetZapomeňte na about messageszpráv;
302
1138000
3000
Zapomeňte na poselství.
19:19
childrenděti are the futurebudoucnost,
303
1141000
3000
Děti jsou budoucnost.
19:22
and childrenděti in the first and seconddruhý worldsvět
304
1144000
2000
A děti v prvním a druhém světě
19:24
and, mostvětšina especiallyzvláště, in the thirdTřetí worldsvět
305
1146000
3000
a zvláště ve třetím světě
19:27
need mentorsmentorů.
306
1149000
2000
potřebují učitele.
19:29
And this summerletní, we're going to buildstavět fivePět millionmilión of these $100 laptopsnotebooky,
307
1151000
5000
Letos necháme vyrobit 5 milionů těchto stodolarových notebooků
19:34
and maybe 50 millionmilión nextdalší yearrok.
308
1156000
2000
a příští rok 50 milionů.
19:36
But we couldn'tnemohl createvytvořit 1,000 newNový teachersučitelů this summerletní to saveUložit our life.
309
1158000
7000
Jenže nedokážeme vyrobit tisíc nových učitelů, i kdyby nám šlo o život.
19:43
That meansprostředek that we, oncejednou again, have a thing where we can put technologytechnika out,
310
1165000
6000
Což znamená, že sice opět máme věc plnou technologie,
19:49
but the mentoringmentoring that is requiredPovinný to go
311
1171000
3000
ale zaučení, které je k jejímu použití nutné,
19:52
from a simplejednoduchý newNový iChatiChat instantokamžitý messagingodesílání zpráv systemSystém
312
1174000
5000
od jednoduchých okamžitých zpráv v novém systému iChat
19:57
to something with depthhloubka is missingchybějící.
313
1179000
2000
po něco náročnějšího, tady chybí.
19:59
I believe this has to be doneHotovo with a newNový kinddruh of useruživatel interfacerozhraní,
314
1181000
3000
Věřím, že toho lze dosáhnout s novým typem uživatelského rozhraní.
20:02
and this newNový kinddruh of useruživatel interfacerozhraní could be doneHotovo
315
1184000
4000
Takovéto rozhraní by šlo vyvinout
20:06
with an expenditurevýdaje of about 100 millionmilión dollarsdolarů.
316
1188000
5000
s rozpočtem asi 100 milionů dolarů.
20:11
It soundszvuky like a lot, but it is literallydoslovně 18 minutesminut of what we're spendingvýdaje in IraqIrák --
317
1193000
7000
Zdá se to hodně, ale je to doslova 18 minut toho, co utratíme v Iráku.
20:18
we're spendingvýdaje 8 billionmiliarda dollarsdolarů a monthMěsíc; 18 minutesminut is 100 millionmilión dollarsdolarů --
318
1200000
5000
Irák nás stojí 8 miliard měsíčně. 18 minut odpovídá 100 milionům dolarů.
20:23
so this is actuallyvlastně cheaplevný.
319
1205000
2000
Takže je to ve skutečnosti levné.
20:25
And EinsteinEinstein said,
320
1207000
4000
A Einstein řekl:
20:29
"Things should be as simplejednoduchý as possiblemožný, but not simplerjednodušší."
321
1211000
3000
"Věci by měly co nejjednodušší, ale ne jednodušší."
20:32
Thank you.
322
1214000
1000
Děkuji vám.
Translated by Petr Podaril
Reviewed by Sylva Ficová

▲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