ABOUT THE SPEAKERS
Beau Lotto - Neuroscientist, Artist
Beau Lotto is founder of Lottolab, a hybrid art studio and science lab. With glowing, interactive sculpture -- and old-fashioned peer-reviewed research--he's illuminating the mysteries of the brain's visual system.

Why you should listen

"Let there be perception," was evolution's proclamation, and so it was that all creatures, from honeybees to humans, came to see the world not as it is, but as was most useful. This uncomfortable place--where what an organism's brain sees diverges from what is actually out there--is what Beau Lotto and his team at Lottolab are exploring through their dazzling art-sci experiments and public illusions. Their Bee Matrix installation, for example, places a live bee in a transparent enclosure where gallerygoers may watch it seek nectar in a virtual meadow of luminous Plexiglas flowers. (Bees, Lotto will tell you, see colors much like we humans do.) The data captured isn't just discarded, either: it's put to good use in probing scientific papers, and sometimes in more exhibits.

At their home in London’s Science Museum, the lab holds "synesthetic workshops" where kids and adults make abstract paintings that computers interpret into music, and they host regular Lates--evenings of science, music and "mass experiments." Lotto is passionate about involving people from all walks of life in research on perception--both as subjects and as fellow researchers. One such program, called "i,scientist," in fact led to the publication of the first ever peer-reviewed scientific paper written by schoolchildren ("Blackawton Bees," December 2010). It starts, "Once upon a time ..."

These and Lotto's other conjurings are slowly, charmingly bending the science of perception--and our perceptions of what science can be.

More profile about the speaker
Beau Lotto | Speaker | TED.com
Amy O'Toole - Student
Amy O'Toole is a 12-year-old student who helped run a science experiment inspired by Beau Lotto's participative science approach. At age 10 she became one of the youngest people ever to publish a peer-reviewed science paper.

Why you should listen

Amy O'Toole is a 12-year-old student with a peer-reviewed scientific publication under her belt. She took part in a participative science program led by Beau Lotto , called "i, scientist," which inspired a science experiment by a group of 26 primary school students in Blackawton, Devon, UK. O'Toole was never interested in science before this project, but now intends to study the human mind and body. The project led to the publication of the first ever peer-reviewed scientific paper written by schoolchildren ("Blackawton Bees," Royal Society's Biology Letters, December 2010). It starts: "Once upon a time ... ."

More profile about the speaker
Amy O'Toole | Speaker | TED.com
TEDGlobal 2012

Beau Lotto + Amy O'Toole: Science is for everyone, kids included

Beau Lotto + Amy O’Toole: Wissenschaft ist für jeden, auch für Kinder

Filmed:
1,504,898 views

Was haben Wissenschaft und Spiel gemeinsam? Der Neuro-Wissenschaftler Beau Lotto glaubt, dass alle Menschen (auch Kinder) an der Wissenschaft teilhaben und so, durch den Entdeckungsprozess, ihre Wahrnehmung verändern sollten. Ihm zur Seite steht die 12jährige Amy O'Toole, die gemeinsam mit ihren 25 Klassenkameraden, den ersten von Schulkindern erstellten und von Experten begutachteten Artikel über das Blackawton-Bienen-Projekt veröffentlichte. Er beginnt mit: "Es war einmal..."
- Neuroscientist, Artist
Beau Lotto is founder of Lottolab, a hybrid art studio and science lab. With glowing, interactive sculpture -- and old-fashioned peer-reviewed research--he's illuminating the mysteries of the brain's visual system. Full bio - Student
Amy O'Toole is a 12-year-old student who helped run a science experiment inspired by Beau Lotto's participative science approach. At age 10 she became one of the youngest people ever to publish a peer-reviewed science paper. Full bio

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

00:17
BeauBeau LottoLotto: So, this gameSpiel is very simpleeinfach.
0
1487
2169
Beau Lotto: Also, das Spiel
ist ganz einfach.
00:19
All you have to do is readlesen what you see. Right?
1
3656
4047
Ihr müsst nur vorlesen,
was ihr seht. In Ordnung?
00:23
So, I'm going to countGraf to you, so we don't all do it togetherzusammen.
2
7703
3201
Ich zähle für euch, dann müssen wir das
nicht alle zusammen machen.
00:26
Okay, one, two, threedrei.AudiencePublikum: Can you readlesen this?
3
10904
2499
Eins, zwei, drei.
Publikum: Könnt ihr das lesen?
00:29
BLBL: AmazingErstaunlich. What about this one? One, two, threedrei.AudiencePublikum: You are not readingLesen this.
4
13403
4379
BL: Faszinierend. Wie steht's damit? 1, 2, 3.
Publikum: Das lest ihr nicht.
00:33
BLBL: All right. One, two, threedrei. (LaughterLachen)
5
17782
5316
BL: In Ordnung.
Eins, zwei, drei. (Gelächter)
00:38
If you were PortuguesePortugiesisch, right? How about this one? One, two, threedrei.
6
23098
4797
Vielleicht als Portugiesen.
Und das? Eins, zwei, drei
00:43
AudiencePublikum: What are you readingLesen?
7
27895
1978
Publikum: Was lest Ihr?
00:45
BLBL: What are you readingLesen? There are no wordsWörter there.
8
29873
3458
BL: Was lest ihr da vor?
Da stehen keine Worte.
00:49
I said, readlesen what you're seeingSehen. Right?
9
33331
2537
Ich sagte, lest vor, was ihr seht, oder?
00:51
It literallybuchstäblich sayssagt, "WatWat arAR ouou reaRea in?" (LaughterLachen) Right?
10
35868
3850
Eigentlich steht da, "Wa le t i r d?"
(Gelächter) Richtig?
00:55
That's what you should have said. Right? Why is this?
11
39718
3828
Das hättet ihr sagen sollen, oder?
Wie kommt das?
00:59
It's because perceptionWahrnehmung is groundedgeerdet in our experienceErfahrung.
12
43546
3536
Weil Wahrnehmung
auf unserer Erfahrung beruht.
01:02
Right? The brainGehirn takes meaninglessbedeutungslos informationInformation
13
47082
2897
Das Gehirn nimmt sinnlose Informationen
01:05
and makesmacht meaningBedeutung out of it, whichwelche meansmeint we never see
14
49979
2959
und macht sie verständlich,
was bedeutet, dass wir nie sehen,
01:08
what's there, we never see informationInformation,
15
52938
2256
was da ist. Wir sehen
niemals die Information,
01:11
we only ever see what was usefulsinnvoll to see in the pastVergangenheit.
16
55194
3275
nur das, was in der Vergangenheit sinnvoll war.
01:14
All right? WhichDie meansmeint, when it comeskommt to perceptionWahrnehmung,
17
58469
2736
Das bedeutet, dass wir in unserer Wahrnehmung
01:17
we're all like this frogFrosch.
18
61205
6795
alle wie dieser Frosch sind.
01:23
(LaughterLachen)
19
68000
912
(Gelächter)
01:24
Right? It's gettingbekommen informationInformation. It's generatingErzeugen behaviorVerhalten
20
68912
3395
Es geht darum,
Informationen zu bekommen.
01:28
that's usefulsinnvoll. (LaughterLachen)
21
72307
4468
Es generiert nützliches Verhalten. (Gelächter)
01:32
(LaughterLachen)
22
76775
7032
(Gelächter)
01:39
(VideoVideo) Man: OwOw! OwOw! (LaughterLachen) (ApplauseApplaus)
23
83807
5982
(Video) Mann: Autsch, au!
(Gelächter) (Applaus)
01:45
BLBL: And sometimesmanchmal, when things don't go our way,
24
89789
2712
BL: Wenn es nicht so läuft,
wie wir es gern hätten,
01:48
we get a little bitBit annoyedverärgert, right?
25
92501
2259
ärgern wir uns, nicht wahr?
01:50
But we're talkingim Gespräch about perceptionWahrnehmung here, right?
26
94760
2730
Aber die Rede ist hier von Wahrnehmung
01:53
And perceptionWahrnehmung underpinsUnterstreichungen everything we think, we know,
27
97490
4365
und die Wahrnehmung untermauert
alles, was wir denken,
01:57
we believe, our hopesHoffnungen, our dreamsTräume, the clothesKleider we weartragen,
28
101855
2871
glauben, unsere Hoffnungen,
unsere Träume, unsere Kleidung,
02:00
fallingfallend in love, everything beginsbeginnt with perceptionWahrnehmung.
29
104726
3743
verliebt sein, alles beginnt
mit der Wahrnehmung.
02:04
Now if perceptionWahrnehmung is groundedgeerdet in our historyGeschichte, it meansmeint
30
108469
2945
Wenn Wahrnehmung auf
unserer Geschichte beruht,
02:07
we're only ever respondingreagieren accordingnach to what we'vewir haben doneerledigt before.
31
111414
3459
heißt das, wir reagieren nur auf etwas,
das wir schon mal gemacht haben.
02:10
But actuallytatsächlich, it's a tremendousenorm problemProblem,
32
114873
3076
Aber das schafft ein gewaltiges Problem,
02:13
because how can we ever see differentlyanders?
33
117949
3617
denn wie sollen wir je etwas anders sehen?
02:17
Now, I want to tell you a storyGeschichte about seeingSehen differentlyanders,
34
121566
4063
Ich möchte euch eine Geschichte über
das "anders sehen" erzählen,
02:21
and all newneu perceptionsWahrnehmungen beginStart in the samegleich way.
35
125629
3988
und jede neue Wahrnehmung beginnt gleich.
02:25
They beginStart with a questionFrage.
36
129617
2582
Sie fängt mit einer Frage an.
02:28
The problemProblem with questionsFragen is they createerstellen uncertaintyUnsicherheit.
37
132199
3238
Das Problem mit Fragen ist,
dass sie Unsicherheit erschaffen.
02:31
Now, uncertaintyUnsicherheit is a very badschlecht thing. It's evolutionarilyevolutionär
38
135437
2729
Unsicherheit ist evolutionär
eine schlimme Sache.
02:34
a badschlecht thing. If you're not sure that's a predatorPredator, it's too latespät.
39
138166
3601
Wenn man nicht sicher ist,
ob das ein Feind ist, ist es zu spät!
02:37
Okay? (LaughterLachen)
40
141767
1360
Okay? (Gelächter)
02:39
Even seasicknessSeekrankheit is a consequenceFolge of uncertaintyUnsicherheit.
41
143127
3160
Sogar Seekrankheit basiert auf Unsicherheit.
02:42
Right? If you go down belowunten on a boatBoot, your innerinnere earsOhren
42
146287
2252
Unter Deck sagt euch das Innenohr,
02:44
are you tellingErzählen you you're movingbewegend. Your eyesAugen, because
43
148539
2176
ihr bewegt euch.
Aber die Augen bewegen sich
02:46
it's movingbewegend in registerregistrieren with the boatBoot, say I'm standingStehen still.
44
150715
2316
im Einklang mit dem Boot,
und sagen: "Ich stehe still."
02:48
Your brainGehirn cannotnicht können dealDeal with the uncertaintyUnsicherheit of that informationInformation, and it getsbekommt illkrank.
45
153031
4655
Das Gehirn kann die Unsicherheit
nicht verarbeiten und wird krank.
02:53
The questionFrage "why?" is one of the mostdie meisten dangerousgefährlich things you can do,
46
157686
3929
Die Frage nach dem "Warum" ist sehr gefährlich,
02:57
because it takes you into uncertaintyUnsicherheit.
47
161615
2992
weil es euch unsicher macht.
03:00
And yetnoch, the ironyIronie is, the only way we can ever
48
164607
2879
Die Ironie daran ist, dass wir nur dann
03:03
do anything newneu is to stepSchritt into that spacePlatz.
49
167486
3536
etwas Neues tun können,
wenn wir diesen Schritt wagen.
03:06
So how can we ever do anything newneu? Well fortunatelyglücklicherweise,
50
171022
3224
Wie können wir je
etwas Neues tun? Zum Glück
03:10
evolutionEvolution has givengegeben us an answerAntworten, right?
51
174246
3584
hat die Evolution die Antwort für uns.
03:13
And it enablesermöglicht us to addressAdresse even the mostdie meisten difficultschwer
52
177830
3595
Sie befähigt uns,
die schwierigsten Fragen zu stellen.
03:17
of questionsFragen. The bestBeste questionsFragen are the onesEinsen that createerstellen the mostdie meisten uncertaintyUnsicherheit.
53
181425
4679
Die besten Fragen sind die, welche die
größte Unsicherheit schaffen.
03:22
They're the onesEinsen that questionFrage the things we think to be truewahr alreadybereits. Right?
54
186104
3956
Es sind solche, die unsere Wahrheit hinterfragen.
03:25
It's easyeinfach to askFragen questionsFragen about how did life beginStart,
55
190060
1989
Es ist leicht, nach dem Ursprung
des Lebens zu fragen
03:27
or what extendserweitert beyonddarüber hinaus the universeUniversum, but to questionFrage what you think to be truewahr alreadybereits
56
192049
3308
oder den Grenzen des Universums,
aber zu hinterfragen, woran man glaubt,
03:31
is really steppingStepping into that spacePlatz.
57
195357
3001
lässt einen erst wirklich Neuland betreten.
03:34
So what is evolution'sEvolution answerAntworten to the problemProblem of uncertaintyUnsicherheit?
58
198358
4810
Was also ist die Antwort der Evolution
auf das Problem mit der Unsicherheit?
03:39
It's playspielen.
59
203168
1773
Spielen!
03:40
Now playspielen is not simplyeinfach a processverarbeiten. ExpertsExperten in playspielen will tell you
60
204941
4193
Spielen ist nicht nur ein Prozess.
Experten im Spielen werden sagen,
03:45
that actuallytatsächlich it's a way of beingSein.
61
209134
2615
dass es eher eine Frage des Seins ist.
03:47
PlaySpielen is one of the only humanMensch endeavorsBemühungen where uncertaintyUnsicherheit
62
211749
2891
Nur beim Spielen wird die Unsicherheit gefeiert.
03:50
is actuallytatsächlich celebratedgefeiert. UncertaintyUnsicherheit is what makesmacht playspielen funSpaß.
63
214640
4326
Die Unsicherheit ist der Spaß am Spiel.
03:54
Right? It's adaptableanpassungsfähig to changeVeränderung. Right? It opensöffnet possibilityMöglichkeit,
64
218966
4275
Es passt sich Veränderungen an.
Es eröffnet Möglichkeiten
03:59
and it's cooperativeGenossenschaft. It's actuallytatsächlich how we do our socialSozial bondingVerklebung von,
65
223241
4109
und ist kooperativ.
So knüpfen wir soziale Kontakte.
04:03
and it's intrinsicallyintrinsisch motivatedmotiviert. What that meansmeint
66
227350
1726
Und es ist selbstmotivierend.
Das bedeutet,
04:04
is that we playspielen to playspielen. PlaySpielen is its ownbesitzen rewardBelohnung.
67
229076
4606
dass wir spielen um zu spielen.
Das Spiel ist selbstbelohnend.
04:09
Now if you look at these fivefünf waysWege of beingSein,
68
233682
3891
Wenn ihr diese fünf Lebensweisen betrachtet,
04:13
these are the exactgenau samegleich waysWege of beingSein you need
69
237573
2721
sind es genau die, die ihr braucht,
04:16
in orderAuftrag to be a good scientistWissenschaftler.
70
240294
2036
um ein guter Wissenschaftler zu sein.
04:18
ScienceWissenschaft is not defineddefiniert by the methodMethode sectionAbschnitt of a paperPapier-.
71
242330
3027
Wissenschaft ist kein Abschnitt
auf einem Arbeitsblatt.
04:21
It's actuallytatsächlich a way of beingSein, whichwelche is here, and this is truewahr
72
245357
3140
Es ist eine Frage der Sichtweise, dieser hier,
04:24
for anything that is creativekreativ.
73
248497
2653
und das gilt für alles Kreative.
04:27
So if you addhinzufügen rulesRegeln to playspielen, you have a gameSpiel.
74
251150
4203
Fügt ihr Spielregeln hinzu, habt ihr ein Spiel.
04:31
That's actuallytatsächlich what an experimentExperiment is.
75
255353
2790
So funktioniert auch ein Experiment.
04:34
So armedbewaffnete with these two ideasIdeen,
76
258143
1919
Bewaffnet mit diesen zwei Ideen,
04:35
that scienceWissenschaft is a way of beingSein and experimentsExperimente are playspielen,
77
260062
4322
dass Wissenschaft eine Sichtweise
und Experimente Spiele sind,
04:40
we askedaufgefordert, can anyonejemand becomewerden a scientistWissenschaftler?
78
264384
3453
fragten wir, ob jeder Wissenschaftler werden kann?
04:43
And who better to askFragen than 25 eight-acht- to 10-year-old-Jahr alt childrenKinder?
79
267837
3500
Wen könnte man besser fragen,
als 25 8- bis 10-jährige Kinder?
04:47
Because they're expertsExperten in playspielen. So I tookdauerte my beeBiene arenaArena
80
271337
3507
Das sind die Experten im Spiel.
Ich nahm meine Bienenzucht
04:50
down to a smallklein schoolSchule in DevonDevon, and the aimZiel of this
81
274844
3547
mit in eine kleine Schule in Devon, mit dem Ziel,
04:54
was to not just get the kidsKinder to see scienceWissenschaft differentlyanders,
82
278391
4244
die Kinder die Wissenschaft mit
anderen Augen sehen zu lassen,
04:58
but, throughdurch the processverarbeiten of scienceWissenschaft, to see themselvessich differentlyanders. Right?
83
282635
4598
aber auch sich selbst
durch Wissenschaft anders zu sehen.
05:03
The first stepSchritt was to askFragen a questionFrage.
84
287233
3408
Zunächst sollten sie eine Frage stellen.
05:06
Now, I should say that we didn't get fundingFinanzierung for this studyStudie
85
290641
2880
Wir bekamen kein Geld für diese Studie,
05:09
because the scientistsWissenschaftler said smallklein childrenKinder couldn'tkonnte nicht make
86
293521
3330
weil Wissenschaftler behaupteten,
dass kleine Kinder keinen
05:12
a usefulsinnvoll contributionBeitrag to scienceWissenschaft, and the teachersLehrer said kidsKinder couldn'tkonnte nicht do it.
87
296851
4302
sinnvollen Beitrag zur Wissenschaft leisten können.
Das Gleiche sagten die Lehrer.
05:17
So we did it anywaysowieso. Right? Of courseKurs.
88
301153
3734
Natürlich haben wir es dennoch gemacht.
05:20
So, here are some of the questionsFragen. I put them in smallklein printdrucken
89
304887
2819
Hier nur ein paar dieser Fragen.
Klein gedruckt,
05:23
so you wouldn'twürde nicht botherdie Mühe readingLesen it. PointPunkt is that fivefünf of the questionsFragen that the kidsKinder camekam up with
90
307706
4440
damit ihr nicht versucht, es zu lesen.
Der Punkt ist, dass fünf dieser Fragen
05:28
were actuallytatsächlich the basisBasis of scienceWissenschaft publicationVeröffentlichung the last fivefünf to 15 yearsJahre. Right?
91
312146
4618
die Basis jeder wissenschaftlichen Veröffentlichung
der letzten fünf bis 15 Jahre waren.
05:32
So they were askingfragen questionsFragen that were significantsignifikant
92
316764
2660
Sie fragten also die richtigen Fragen
05:35
to expertExperte scientistsWissenschaftler.
93
319424
2130
für Wissenschaftler.
05:37
Now here, I want to shareAktie the stageStufe with someonejemand quiteganz specialbesondere. Right?
94
321554
4134
Ab hier möchte ich die Bühne mit
jemand ganz Besonderem teilen.
05:41
She was one of the youngjung people who was involvedbeteiligt in this studyStudie,
95
325688
2612
Sie war einer der jungen Menschen,
die an der Studie mitwirkten.
05:44
and she's now one of the youngestjüngste publishedveröffentlicht scientistsWissenschaftler
96
328300
2334
Jetzt ist sie eine der jüngsten
veröffentlichten Wissenschaftler
05:46
in the worldWelt. Right? She will now, onceEinmal she comeskommt ontoauf zu stageStufe,
97
330634
3883
der Welt. Und wenn sie gleich
auf die Bühne kommt,
05:50
will be the youngestjüngste personPerson to ever speaksprechen at TEDTED. Right?
98
334517
3698
ist sie auch der jüngste Mensch, der je
bei TED gesprochen hat.
05:54
Now, scienceWissenschaft and askingfragen questionsFragen is about courageMut.
99
338215
2875
Für Wissenschaft und Fragen braucht es Mut.
05:56
Now she is the personificationPersonifizierung of courageMut, because she's
100
341090
3200
Sie ist die Personifizierung von Mut, weil sie
06:00
going to standStand up here and talk to you all.
101
344290
1387
hier zu euch sprechen wird.
06:01
So AmyAmy, would you please come up? (ApplauseApplaus)
102
345677
5254
Amy, kommst du bitte nach oben? (Applaus)
06:06
(ApplauseApplaus)
103
350931
7185
(Applaus)
06:14
So Amy'sAmys going to help me tell the storyGeschichte of what we call
104
358116
2519
Amy hilft mir dabei, die Geschichte vom
06:16
the BlackawtonBlackawton BeesBienen ProjectProjekt, and first she's going to tell you
105
360635
2666
"Blackawton-Bienen-Projekt" zu erzählen.
Anfangen wird sie mit der Frage,
06:19
the questionFrage that they camekam up with. So go aheadvoraus, AmyAmy.
106
363301
2545
auf die sie gekommen waren. Fang an, Amy.
06:21
AmyAmy O'TooleO' Toole: Thank you, BeauBeau. We thought
107
365846
1719
Amy O'Toole: Danke, Beau. Wir dachten,
06:23
that it was easyeinfach to see the linkVerknüpfung betweenzwischen humansMenschen and apesAffen
108
367565
3401
es wäre leicht, eine Verbindung von
Menschen und Affen zu sehen,
06:26
in the way that we think, because we look alikewie.
109
370966
3024
weil wir uns ähnlich sehen.
06:29
But we wonderedwunderte sich if there's a possiblemöglich linkVerknüpfung
110
373990
2689
Also fragten wir uns,
ob es eine Verbindung
06:32
with other animalsTiere. It'dEs würde be amazingtolle if humansMenschen and beesBienen
111
376679
4704
zu anderen Tieren gibt. Es wäre doch faszinierend,
wenn Menschen und Bienen
06:37
thought similarähnlich, sinceschon seit they seemscheinen so differentanders from us.
112
381383
4113
ähnlich dachten, obwohl sie so
anders als wir scheinen.
06:41
So we askedaufgefordert if humansMenschen and beesBienen mightMacht solvelösen
113
385496
3053
Also fragten wir, ob Menschen und Bienen
06:44
complexKomplex problemsProbleme in the samegleich way.
114
388549
2407
komplexe Probleme ähnlich lösten.
06:46
Really, we wanted to know if beesBienen can alsoebenfalls adaptanpassen
115
390956
3287
Wir wollten wissen, ob Bienen
ähnlich anpassungsfähig
06:50
themselvessich to newneu situationsSituationen usingmit previouslyvorher learnedgelernt rulesRegeln
116
394243
3707
neuen Situationen gegenüber waren
und zuvor gelernte Regeln
06:53
and conditionsBedingungen. So what if beesBienen can think like us?
117
397950
4214
und Bedingungen anwandten.
Was, wenn Bienen denken wie wir?
06:58
Well, it'des würde be amazingtolle, sinceschon seit we're talkingim Gespräch about an insectInsekt
118
402164
2552
Das wäre faszinierend.
Wir reden ja von einem Insekt
07:00
with only one millionMillion brainGehirn cellsZellen.
119
404716
2525
mit nur einer Million Gehirnzellen.
07:03
But it actuallytatsächlich makesmacht a lot of senseSinn they should,
120
407241
2142
Aber eigentlich macht es sogar großen Sinn.
07:05
because beesBienen, like us, can recognizeerkenne a good flowerBlume
121
409383
3277
Bienen erkennen, genau wie wir,
eine gute Blume,
07:08
regardlessungeachtet of the time of day, the lightLicht, the weatherWetter,
122
412660
3613
unabhängig von der Tageszeit,
dem Licht, dem Wetter,
07:12
or from any angleWinkel they approachAnsatz it from. (ApplauseApplaus)
123
416273
5742
oder dem Anflugwinkel. (Applaus)
07:17
BLBL: So the nextNächster stepSchritt was to designEntwurf an experimentExperiment,
124
422015
3782
BL: Im nächsten Schritt sollte
ein Experiment entworfen werden,
07:21
whichwelche is a gameSpiel. So the kidsKinder wentging off and they designedentworfen
125
425797
3302
das ein Spiel ist. Die Kinder
zogen los und entwarfen
07:24
this experimentExperiment, and so -- well, gameSpiel -- and so,
126
429099
3301
das Experiment oder auch Spiel.
07:28
AmyAmy, can you tell us what the gameSpiel was,
127
432400
1466
Amy, was war das für ein Spiel?
07:29
and the puzzlePuzzle that you setSet the beesBienen?
128
433866
2143
Welches Rätsel mussten die Bienen lösen?
07:31
AOAO: The puzzlePuzzle we camekam up with was an if-thenWenn-dann ruleRegel.
129
436009
3023
AO: Das Rätsel war eine Wenn-Dann-Regel.
07:34
We askedaufgefordert the beesBienen to learnlernen not just to go to a certainsicher colorFarbe,
130
439032
3645
Die Bienen sollten nicht nur
zu einer bestimmten Farbe fliegen,
07:38
but to a certainsicher colorFarbe flowerBlume only
131
442677
2668
sondern zu einer bestimmten farbigen Blume
07:41
when it's in a certainsicher patternMuster.
132
445345
1632
mit einem bestimmten Muster.
07:42
They were only rewardedbelohnt if they wentging to the yellowGelb flowersBlumen
133
446977
3259
Sie wurden nur belohnt, wenn sie
zu den gelben Blumen flogen,
07:46
if the yellowGelb flowersBlumen were surroundedumgeben by the blueblau,
134
450236
3060
wenn die gelben Blumen
von blauen umgeben waren,
07:49
or if the blueblau flowersBlumen were surroundedumgeben by the yellowGelb.
135
453296
3268
oder wenn die blauen Blumen
von gelben umgeben waren.
07:52
Now there's a numberNummer of differentanders rulesRegeln the beesBienen can learnlernen
136
456564
2585
Die Bienen können ein paar
unterschiedliche Regeln lernen,
07:55
to solvelösen this puzzlePuzzle. The interestinginteressant questionFrage is, whichwelche?
137
459149
3425
um das Rätsel zu lösen.
Die interessante Frage ist, welche?
07:58
What was really excitingaufregend about this projectProjekt was we,
138
462574
2780
Spannend an dem Projekt war,
dass weder Beau
08:01
and BeauBeau, had no ideaIdee whetherob it would work.
139
465354
2343
noch wir wussten, ob es klappen würde.
08:03
It was completelyvollständig newneu, and no one had doneerledigt it before,
140
467697
2454
Es war etwas völlig Neues.
Niemand hatte es je zuvor gemacht,
08:06
includingeinschließlich adultsErwachsene. (LaughterLachen)
141
470151
3723
auch die Erwachsenen nicht. (Gelächter)
08:09
BLBL: IncludingEinschließlich the teachersLehrer, and that was really hardhart for the teachersLehrer.
142
473874
3464
BL: Das war hart für die Lehrer.
08:13
It's easyeinfach for a scientistWissenschaftler to go in and not have a clueHinweis what he's doing,
143
477338
2904
Einem Wissenschaftler fällt es leicht,
nicht zu wissen, was er tut,
08:16
because that's what we do in the labLabor, but for a teacherLehrer
144
480242
2544
nichts anderes machen wir im Labor.
Aber einem Lehrer fällt es schwer,
08:18
not to know what's going to happengeschehen at the endEnde of the day --
145
482786
1625
das Ergebnis nicht zu kennen.
08:20
so much of the creditKredit goesgeht to DaveDave StrudwickStrudwick, who was
146
484411
2599
Vielen Dank an Dave Strudwick,
08:22
the collaboratorMitarbeiter on this projectProjekt. Okay?
147
487010
2209
der uns bei diesem Projekt half.
08:25
So I'm not going to go throughdurch the wholeganze detailsDetails of the studyStudie
148
489219
2732
Ich erläutere die Studie nicht in allen Details,
08:27
because actuallytatsächlich you can readlesen about it, but the nextNächster stepSchritt
149
491951
2638
weil ihr sie nachlesen könnt.
Die nächste Stufe
08:30
is observationÜberwachung. So here are some of the studentsStudenten
150
494589
3645
war die Beobachtung.
Hier sehen wir einige Schüler
08:34
doing the observationsBeobachtungen. They're recordingAufzeichnung the dataDaten
151
498234
2768
bei der Beobachtung.
Sie dokumentieren,
08:36
of where the beesBienen flyFliege.
152
501002
5044
wohin die Bienen fliegen.
08:41
(VideoVideo) DaveDave StrudwickStrudwick: So what we're going to do —StudentStudent: 5C.
153
506046
2023
(Video) Dave Strudwick:
Was machen wir also? Student: 5C
08:43
DaveDave StrudwickStrudwick: Is she still going up here?StudentStudent: Yeah.
154
508069
3990
DS: Fliegt sie immer noch nach hier oben?
Student: Ja
08:47
DaveDave StrudwickStrudwick: So you keep trackSpur of eachjede einzelne.StudentStudent: HenryHenry, can you help me here?
155
512059
3597
DS: Ihr verfolgt also jeden Flug.
Student: Henry, kannst du mir helfen?
08:51
BLBL: "Can you help me, HenryHenry?" What good scientistWissenschaftler sayssagt that, right?
156
515656
2904
BL: "Kannst du mir helfen, Henry?"
Welcher gute Wissenschaftler sagt das?
08:54
StudentStudent: There's two up there.
157
518560
4710
Student: Hier oben sind zwei.
08:59
And threedrei in here.
158
523270
2874
Und drei hier.
09:02
BLBL: Right? So we'vewir haben got our observationsBeobachtungen. We'veWir haben got our dataDaten.
159
526144
2275
BL: Wir haben unsere Beobachtungen
und unsere Daten.
09:04
They do the simpleeinfach mathematicsMathematik, averagingim Durchschnitt, etcetc., etcetc.
160
528419
3773
Einfache Mathematik, schätzen, etc. etc.
09:08
And now we want to shareAktie. That's the nextNächster stepSchritt.
161
532192
1931
Jetzt wollen wir das mitteilen.
Das ist der nächste Schritt.
09:10
So we're going to writeschreiben this up and try to submiteinreichen this
162
534123
1608
Wir schreiben es auf und wollen
09:11
for publicationVeröffentlichung. Right? So we have to writeschreiben it up.
163
535731
2856
es veröffentlichen.
Dazu müssen wir es verfassen
09:14
So we go, of courseKurs, to the pubPub. All right? (LaughterLachen)
164
538587
4513
und natürlich machen wir
das im Pub. (Gelächter)
09:19
The one on the left is mineBergwerk, okay? (LaughterLachen)
165
543100
2284
Das Linke ist meines, okay? (Gelächter)
09:21
Now, I tell them, a paperPapier- has fourvier differentanders sectionsAbschnitte:
166
545384
2086
Ich sagte ihnen, so ein Schriftstück hat
vier verschiedene Bereiche:
09:23
an introductionEinführung, a methodsMethoden, a resultsErgebnisse, a discussionDiskussion.
167
547470
2807
Eine Einleitung, die Methode,
das Ergebnis, die Diskussion.
09:26
The introductionEinführung sayssagt, what's the questionFrage and why?
168
550277
2604
Die Einleitung erklärt die Frage und das Warum.
09:28
MethodsMethoden, what did you do? ResultsErgebnisse, what was the observationÜberwachung?
169
552881
3119
Die Methode: Was habt ihr gemacht?
Das Ergebnis: Was habt ihr beobachtet?
09:31
And the discussionDiskussion is, who careskümmert sich? Right?
170
556000
2143
Und die Diskussion: Wen interessiert's?
09:34
That's a scienceWissenschaft paperPapier-, basicallyGrundsätzlich gilt. (LaughterLachen)
171
558143
2459
Das ist eine wissenschaftliche Abhandlung.
(Gelächter)
09:36
So the kidsKinder give me the wordsWörter, right? I put it into a narrativeErzählung,
172
560602
4529
Die Kinder nannten mir Worte
und ich schrieb den Bericht,
09:41
whichwelche meansmeint that this paperPapier- is writtengeschrieben in kidspeakkidspeak.
173
565131
3247
also wurde dieses Schriftstück in
Kindersprache geschrieben.
09:44
It's not writtengeschrieben by me. It's writtengeschrieben by AmyAmy
174
568378
2528
Es wurde nicht von mir geschrieben,
sondern von Amy
09:46
and the other studentsStudenten in the classKlasse. As a consequenceFolge,
175
570906
3320
und ihren Mitschülern.
Konsequenterweise
09:50
this scienceWissenschaft paperPapier- beginsbeginnt, "OnceEinmal uponauf a time ... " (LaughterLachen)
176
574226
6017
beginnt die Abhandlung mit: "Es war einmal ..."
(Gelächter)
09:56
The resultsErgebnisse sectionAbschnitt, it sayssagt: "TrainingAusbildung phasePhase, the puzzlePuzzle ... duhduh duhduh duuuuuhhhduuuuuhhh." Right? (LaughterLachen)
177
580243
5312
Beim Ergebnis steht: "Trainingsphase,
das Rätsel ... ta ta taaaahhh." (Gelächter)
10:01
And the methodsMethoden, it sayssagt, "Then we put the beesBienen
178
585555
2196
Bei der Methode:
"Dann steckten wir die Bienen
10:03
into the fridgeKühlschrank (and madegemacht beeBiene piePie)," smileySmiley faceGesicht. Right? (LaughterLachen)
179
587751
3317
in den Kühlschrank
(und machten Bienenkuchen)," Smiley. (Gelächter)
10:06
This is a scienceWissenschaft paperPapier-. We're going to try to get it publishedveröffentlicht.
180
591068
3833
Das ist die wissenschaftliche Abhandlung
und wir wollen sie veröffentlichen.
10:10
So here'shier ist the titleTitel pageSeite. We have a numberNummer of authorsAutoren there.
181
594901
2834
Das ist die Titelseite.
Wir haben eine Reihe von Autoren.
10:13
All the onesEinsen in boldFett gedruckt are eightacht to 10 yearsJahre oldalt.
182
597735
2851
Alle in fett gedruckt sind acht bis 10 Jahre alt.
10:16
The first authorAutor is BlackawtonBlackawton PrimaryPrimäre SchoolSchule, because
183
600586
2050
Der erste Autor ist die Blackawton-Grundschule.
10:18
if it were ever referencedauf die verwiesen wird, it would be "BlackawtonBlackawton etet alal,"
184
602636
3246
Wenn es jemals zitiert wird,
hieße es "Blackawton et al",
10:21
and not one individualPerson. So we submiteinreichen it to a publicÖffentlichkeit accessZugriff journalTagebuch,
185
605882
3057
und nicht einer allein. Wir schickten es
an ein öffentliches Journal
10:24
and it sayssagt this. It said manyviele things, but it said this.
186
608939
3332
und das war u. a. die Antwort:
10:28
"I'm afraidAngst the paperPapier- failsschlägt fehl our initialInitiale qualityQualität controlsteuern checksPrüfungen in severalmehrere differentanders waysWege." (LaughterLachen)
187
612271
3919
"Das Schriftstück unterschreitet unsere
Qualitätsstandards auf vielfältige Art." (Gelächter)
10:32
In other wordsWörter, it startsbeginnt off "onceEinmal uponauf a time,"
188
616190
2560
Es fängt schon bei: "Es war einmal" an,
10:34
the figuresZahlen are in crayonBuntstift, etcetc. (LaughterLachen)
189
618750
2526
die Figuren sind mit Kreide gemalt, etc. (Gelächter)
10:37
So we said, we'llGut get it reviewedüberprüft. So I sentgesendet it to DaleDale PurvesPurves,
190
621276
4353
Also ließen wir es gegenlesen.
Ich schickte es an Dale Purves,
10:41
who is at the NationalNationalen AcademyAkademie of ScienceWissenschaft, one of the leadingführend neuroscientistsNeurowissenschaftler in the worldWelt,
191
625629
3533
der in der "National Academy of Science" und
ein führender Neurowissenschaftler der Welt ist.
10:45
and he sayssagt, "This is the mostdie meisten originalOriginal scienceWissenschaft paperPapier- I have ever readlesen" — (LaughterLachen) —
192
629162
3449
Er sagte: "Das ist die originellste Abhandlung,
die ich je gelesen habe." (Gelächter)
10:48
"and it certainlybestimmt deservesverdient widebreit exposureExposition."
193
632611
2097
"Sie verdient es, weit verbreitet zu werden."
10:50
LarryLarry MaloneyMaloney, expertExperte in visionVision, sayssagt, "The paperPapier- is magnificentherrlich.
194
634708
4271
Larry Maloney, Experte für Farbensehen, sagt:
"Die Abhandlung ist hervorragend."
10:54
The work would be publishablezur Veröffentlichung if doneerledigt by adultsErwachsene."
195
638979
3366
"Wenn sie von Erwachsenen geschrieben wäre,
könnte man sie veröffentlichen."
10:58
So what did we do? We sendsenden it back to the editorEditor.
196
642345
1979
Was taten wir?
Wir schickten sie zum Verleger zurück.
11:00
They say no.
197
644324
1589
Sie sagten Nein.
11:01
So we askedaufgefordert LarryLarry and NatalieNatalie HempelHempel to writeschreiben
198
645913
2454
Also baten wir Larry und Natalie Hempel,
11:04
a commentaryKommentar situatingSituierung the findingsErgebnisse for scientistsWissenschaftler, right,
199
648367
4007
eine Erläuterung für Wissenschaftler über die
aufgestellten Ergebnisse zu verfassen.
11:08
puttingPutten in the referencesVerweise, and we submiteinreichen it to BiologyBiologie LettersBriefe.
200
652374
4128
Diese reichten wir mitsamt der Empfehlungen
bei "Biology Letters" (Wissenschaftsmagazin) ein.
11:12
And there, it was reviewedüberprüft by fivefünf independentunabhängig refereesSchiedsrichter,
201
656502
3327
Dort wurde es von fünf unabhängigen
Sachverständigen begutachtet
11:15
and it was publishedveröffentlicht. Okay? (ApplauseApplaus)
202
659829
4421
und veröffentlicht. Okay? (Applaus)
11:20
(ApplauseApplaus)
203
664250
6000
(Applaus)
11:26
It tookdauerte fourvier monthsMonate to do the scienceWissenschaft,
204
670250
3021
Die wissenschaftliche Arbeit dauerte vier Monate,
11:29
two yearsJahre to get it publishedveröffentlicht. (LaughterLachen)
205
673271
3228
es zu veröffentlichen zwei Jahre. (Gelächter)
11:32
TypicalTypische scienceWissenschaft, actuallytatsächlich, right? So this makesmacht AmyAmy and
206
676499
4835
Typisch Wissenschaft, was?
Das also macht Amy
11:37
her friendsFreunde the youngestjüngste publishedveröffentlicht scientistsWissenschaftler in the worldWelt.
207
681334
2433
und ihre Freunde zu den jüngsten
veröffentlichten Wissenschaftlern der Welt.
11:39
What was the feedbackFeedback like?
208
683767
2016
Und wie war das Feedback?
11:41
Well, it was publishedveröffentlicht two daysTage before ChristmasWeihnachten,
209
685783
2885
Es wurde zwei Tage vor Weihnachten veröffentlicht,
11:44
downloadedheruntergeladen 30,000 timesmal in the first day, right?
210
688668
4003
und 30.000 Mal am ersten Tag runtergeladen!
11:48
It was the Editors'Redaktion ChoiceWahl in ScienceWissenschaft, whichwelche is a topoben scienceWissenschaft magazineZeitschrift.
211
692671
4040
Es war Redaktionsempfehlung in "Science",
einem der Top-Wissenschaftsmagazine.
11:52
It's foreverfür immer freelyfrei accessiblezugänglich by BiologyBiologie LettersBriefe.
212
696711
2542
Es steht für immer kostenlos bei
"Biology Letters" zur Verfügung.
11:55
It's the only paperPapier- that will ever be freelyfrei accessiblezugänglich by this journalTagebuch.
213
699253
3680
Es ist die einzige Abhandlung, die es jemals
kostenlos bei diesem Magazin geben wird.
11:58
Last yearJahr, it was the second-mostam zweithäufigsten downloadedheruntergeladen paperPapier-
214
702933
2699
Letztes Jahr war es das am zweithäufigsten
runtergeladene Dokument
12:01
by BiologyBiologie LettersBriefe, and the feedbackFeedback from not just scientistsWissenschaftler
215
705632
4104
bei "Biology Letters" und bekam
nicht nur von Wissenschaftlern
12:05
and teachersLehrer but the publicÖffentlichkeit as well.
216
709736
2548
und Lehrern, sondern auch von
der Öffentlichkeit Zuschriften.
12:08
And I'll just readlesen one.
217
712284
1772
Ich lese nur eine vor.
12:09
"I have readlesen 'Blackawton"Blackawton Bees'Bienen recentlyvor kurzem. I don't have
218
714056
2490
"Ich las kürzlich 'Blackawton-Bienen'. Mir fehlen
12:12
wordsWörter to explainerklären exactlygenau how I am feelingGefühl right now.
219
716546
2313
die Worte, um meine Gefühle zu beschreiben.
12:14
What you guys have doneerledigt is realecht, truewahr and amazingtolle.
220
718859
2479
Was ihr getan habt ist echt,
wahrhaft und erstaunlich.
12:17
CuriosityNeugier, interestinteressieren, innocenceUnschuld and zealEifer are the mostdie meisten basicBasic
221
721338
3109
Neugier, Interesse, Unschuld
und Begeisterung sind die Basis
12:20
and mostdie meisten importantwichtig things to do scienceWissenschaft.
222
724447
1724
und das Wichtigste in der Wissenschaft.
12:22
Who elsesonst can have these qualitiesQualitäten more than childrenKinder?
223
726171
2478
Wer, wenn nicht Kinder,
hat sonst diese Qualitäten?
12:24
Please congratulategratuliere your children'sKinder- teamMannschaft from my sideSeite."
224
728649
3541
Bitte gratuliert eurem Kinder-Team von mir."
12:28
So I'd like to concludedaraus schließen with a physicalphysisch metaphorMetapher.
225
732190
3383
Ich möchte mit einer physischen Metapher enden.
12:31
Can I do it on you? (LaughterLachen)
226
735573
2968
Kann ich es bei Ihnen versuchen? (Gelächter)
12:34
Oh yeah, yeah, yeah, come on. Yeah yeah. Okay.
227
738541
3093
Oh ja, ja, ja komm schon. Ja. Okay.
12:37
Now, scienceWissenschaft is about takingunter risksRisiken, so this is an incredibleunglaublich riskRisiko, right? (LaughterLachen)
228
741634
5177
In der Wissenschaft geht man Risiken ein.
Das ist ein enormes Risiko. (Gelächter)
12:42
For me, not for him. Right? Because we'vewir haben only doneerledigt this onceEinmal before. (LaughterLachen)
229
746811
6098
Für mich, nicht für ihn. Denn wir haben es erst
einmal zuvor getan. (Gelächter)
12:48
And you like technologyTechnologie, right?
230
752909
1576
Sie mögen doch Technik, oder?
12:50
ShimonShimon SchockenSchocken: Right, but I like myselfmich selber.
231
754485
2176
Shimon Schocken: Schon,
aber ich mag mich auch.
12:52
BLBL: This is the epitomeInbegriff of technologyTechnologie. Right. Okay.
232
756661
2951
BL: Das ist der Inbegriff von Technik. In Ordnung.
12:55
Now ... (LaughterLachen)
233
759612
3608
Jetzt ... (Gelächter)
12:59
Okay. (LaughterLachen)
234
763220
2880
Okay. (Gelächter)
13:02
Now, we're going to do a little demonstrationDemonstration, right?
235
766100
4084
Jetzt machen wir eine kleine Demonstration.
13:06
You have to closeschließen your eyesAugen, and you have to pointPunkt
236
770184
4019
Schließen Sie die Augen und zeigen Sie dahin,
13:10
where you hearhören me clappingHändeklatschen. All right?
237
774203
3157
wo Sie mich klatschen hören. Okay?
13:13
(ClappingHändeklatschen)
238
777360
4398
(Klatschen)
13:17
(ClappingHändeklatschen)
239
781758
3144
(Klatschen)
13:20
Okay, how about if everyonejeder over there shoutsschreit. One, two, threedrei?
240
784902
2903
Ihr alle dort schreit jetzt. 1, 2, 3.
13:23
AudiencePublikum: (ShoutsSchreit)
241
787805
2901
Publikum: (Schreit)
13:26
(LaughterLachen)
242
790706
4446
(Gelächter)
13:31
(ShoutsSchreit) (LaughterLachen)
243
795152
3171
(Schreie) (Gelächter)
13:34
BrilliantBrillante. Now, openöffnen your eyesAugen. We'llWir werden do it one more time.
244
798323
3641
Brillant. Öffne deine Augen. Noch einmal.
13:37
EveryoneAlle over there shoutShout. (ShoutsSchreit)
245
801964
2802
Ihr alle dort schreit. (Schreie)
13:40
Where'sWo ist the soundklingen comingKommen from? (LaughterLachen) (ApplauseApplaus)
246
804766
5932
Wo kommt das Geräusch her?
(Gelächter) (Applaus)
13:46
Thank you very much. (ApplauseApplaus)
247
810698
4230
Vielen Dank. (Applaus)
13:50
What's the pointPunkt? The pointPunkt is what scienceWissenschaft does for us.
248
814928
3713
Was soll das? Es geht darum,
was Wissenschaft für uns tut.
13:54
Right? We normallynormalerweise walkgehen throughdurch life respondingreagieren,
249
818641
2406
Wir gehen durchs Leben und reagieren nur.
13:56
but if we ever want to do anything differentanders, we have to
250
821047
2212
Wenn wir je etwas anderes
tun möchten, müssen wir
13:59
stepSchritt into uncertaintyUnsicherheit. When he openedgeöffnet his eyesAugen,
251
823259
2689
in die Unsicherheit eintreten.
Als er die Augen öffnete,
14:01
he was ablefähig to see the worldWelt in a newneu way.
252
825948
2382
konnte er die Welt mit neuen Augen betrachten.
14:04
That's what scienceWissenschaft offersbietet an us. It offersbietet an the possibilityMöglichkeit
253
828330
3168
Das bietet uns die Wissenschaft.
Sie bietet uns die Möglichkeit,
14:07
to stepSchritt on uncertaintyUnsicherheit throughdurch the processverarbeiten of playspielen, right?
254
831498
4016
in die Unsicherheit einzutreten,
indem wir spielen.
14:11
Now, truewahr scienceWissenschaft educationBildung I think should be about
255
835514
3024
Echte wissenschaftliche Bildung sollte den Menschen
14:14
givinggeben people a voiceStimme and enablingAktivieren to expressausdrücken that voiceStimme,
256
838538
3399
eine Stimme geben und sie dazu befähigen,
diese auch auszudrücken.
14:17
so I've askedaufgefordert AmyAmy to be the last voiceStimme in this shortkurz storyGeschichte.
257
841937
4369
Deshalb soll Amy das letzte Wort in
dieser kurzen Geschichte haben.
14:22
So, AmyAmy?
258
846306
3105
Also, Amy?
14:25
AOAO: This projectProjekt was really excitingaufregend for me,
259
849411
2553
AO: Dieses Projekt war wirklich aufregend für mich,
14:27
because it broughtgebracht the processverarbeiten of discoveryEntdeckung to life,
260
851964
2671
weil es den Entdeckungsprozess
zum Leben erweckte
14:30
and it showedzeigte me that anyonejemand, and I mean anyonejemand,
261
854635
2911
und mir zeigte, dass jeder, und ich meine jeder,
14:33
has the potentialPotenzial to discoverentdecken something newneu,
262
857546
2753
das Potential hat, etwas Neues zu entdecken.
14:36
and that a smallklein questionFrage can leadführen into a biggroß discoveryEntdeckung.
263
860299
4072
Und dass eine kleine Frage zu einer
großen Entdeckung führen kann.
14:40
ChangingÄndern the way a personPerson thinksdenkt about something
264
864371
2652
Die Meinung eines Menschen zu ändern,
14:42
can be easyeinfach or hardhart. It all dependshängt davon ab on the way the personPerson
265
867023
3712
kann leicht oder hart sein.
Es kommt darauf an, wie diese Person
14:46
feelsfühlt sich about changeVeränderung.
266
870735
1488
über Veränderung denkt.
14:48
But changingÄndern the way I thought about scienceWissenschaft was
267
872223
2452
Meine Meinung über die Wissenschaft zu ändern
14:50
surprisinglyüberraschenderweise easyeinfach. OnceEinmal we playedgespielt the gamesSpiele
268
874675
2275
war erstaunlich einfach.
Als wir anfingen, zu spielen
14:52
and then startedhat angefangen to think about the puzzlePuzzle,
269
876950
2418
und über das Rätsel nachzudenken,
14:55
I then realizedrealisiert that scienceWissenschaft isn't just a boringlangweilig subjectFach,
270
879368
3857
wurde mir klar, dass Naturwissenschaft
nicht bloß ein langweiliges Fach ist
14:59
and that anyonejemand can discoverentdecken something newneu.
271
883225
3194
und dass jeder etwas Neues entdecken kann.
15:02
You just need an opportunityGelegenheit. My opportunityGelegenheit camekam
272
886419
3200
Man braucht nur die Gelegenheit. Meine kam mit
15:05
in the formbilden of BeauBeau, and the BlackawtonBlackawton BeeBiene ProjectProjekt.
273
889619
2636
Beau und dem "Blackawton-Bienen-Projekt".
15:08
Thank you.BLBL: Thank you very much. (ApplauseApplaus)
274
892255
4361
Danke!
BL: Vielen Dank! (Applaus)
15:12
(ApplauseApplaus)
275
896616
7747
(Applaus)
Translated by Irina Mink
Reviewed by Angelika Lueckert Leon

▲Back to top

ABOUT THE SPEAKERS
Beau Lotto - Neuroscientist, Artist
Beau Lotto is founder of Lottolab, a hybrid art studio and science lab. With glowing, interactive sculpture -- and old-fashioned peer-reviewed research--he's illuminating the mysteries of the brain's visual system.

Why you should listen

"Let there be perception," was evolution's proclamation, and so it was that all creatures, from honeybees to humans, came to see the world not as it is, but as was most useful. This uncomfortable place--where what an organism's brain sees diverges from what is actually out there--is what Beau Lotto and his team at Lottolab are exploring through their dazzling art-sci experiments and public illusions. Their Bee Matrix installation, for example, places a live bee in a transparent enclosure where gallerygoers may watch it seek nectar in a virtual meadow of luminous Plexiglas flowers. (Bees, Lotto will tell you, see colors much like we humans do.) The data captured isn't just discarded, either: it's put to good use in probing scientific papers, and sometimes in more exhibits.

At their home in London’s Science Museum, the lab holds "synesthetic workshops" where kids and adults make abstract paintings that computers interpret into music, and they host regular Lates--evenings of science, music and "mass experiments." Lotto is passionate about involving people from all walks of life in research on perception--both as subjects and as fellow researchers. One such program, called "i,scientist," in fact led to the publication of the first ever peer-reviewed scientific paper written by schoolchildren ("Blackawton Bees," December 2010). It starts, "Once upon a time ..."

These and Lotto's other conjurings are slowly, charmingly bending the science of perception--and our perceptions of what science can be.

More profile about the speaker
Beau Lotto | Speaker | TED.com
Amy O'Toole - Student
Amy O'Toole is a 12-year-old student who helped run a science experiment inspired by Beau Lotto's participative science approach. At age 10 she became one of the youngest people ever to publish a peer-reviewed science paper.

Why you should listen

Amy O'Toole is a 12-year-old student with a peer-reviewed scientific publication under her belt. She took part in a participative science program led by Beau Lotto , called "i, scientist," which inspired a science experiment by a group of 26 primary school students in Blackawton, Devon, UK. O'Toole was never interested in science before this project, but now intends to study the human mind and body. The project led to the publication of the first ever peer-reviewed scientific paper written by schoolchildren ("Blackawton Bees," Royal Society's Biology Letters, December 2010). It starts: "Once upon a time ... ."

More profile about the speaker
Amy O'Toole | Speaker | TED.com