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

Why you should listen

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

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

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

Stuart Firestein: The pursuit of ignorance

Stuart Firestein: A tudatlanság nyomában

Filmed:
2,046,254 views

Milyennek látszik a valódi tudományos munka? Stuart Firestein, a neurológus vicces szavaival: sokkal kevésbé látszik a tudományos módszertan, inkább csak a "szarakodás ... a sötétben". Ebben az ötletes beszédben Firestein eljut a tudomány magjáig, ahogyan azt valójában művelik, és azt tanácsolja, hogy becsüljük meg mindazt, amit nem ismerünk - a "magas szintű tudatlanságot" - éppen úgy, mint amit már megismertünk.
- Neuroscientist
Stuart Firestein teaches students and “citizen scientists” that ignorance is far more important to discovery than knowledge. Full bio

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

00:12
There is an ancientősi proverbközmondás that saysmondja
0
495
3558
Van egy régi közmondás, amelyik azt mondja:
00:16
it's very difficultnehéz to find a blackfekete catmacska in a darksötét roomszoba,
1
4053
4062
Nagyon nehéz megtalálni egy fekete macskát egy sötét szobában,
00:20
especiallykülönösen when there is no catmacska.
2
8115
2788
főleg, ha nincs is ott a macska.
00:22
I find this a particularlykülönösen aptapt descriptionleírás of sciencetudomány
3
10903
3329
Ez egy kifejezetten találó leírás a tudományról,
00:26
and how sciencetudomány worksművek --
4
14232
2136
és arról, ahogy a tudomány működik:
00:28
bumblingkétbalkezes around in a darksötét roomszoba, bumpingbumping into things,
5
16368
3320
botladozunk a sötét szobában, beleütközünk dolgokba
00:31
tryingmegpróbálja to figureábra out what shapealak this mightesetleg be,
6
19688
2302
megpróbáljuk kitalálni, milyen formája lehet,
00:33
what that mightesetleg be,
7
21990
1444
és mi lehet az.
00:35
there are reportsjelentések of a catmacska somewherevalahol around,
8
23434
2489
Voltak olyan hírek, hogy volt arra egy macska
00:37
they maylehet not be reliablemegbízható, they maylehet be,
9
25923
1793
talán nem is igaz, vagy mégis -
00:39
and so forthtovább and so on.
10
27716
1520
és így tovább, és így tovább.
00:41
Now I know this is differentkülönböző than the way mosta legtöbb people
11
29236
1976
Tudom, hogy ez eléggé különbözik attól, ahogyan
00:43
think about sciencetudomány.
12
31212
1552
a legtöbb ember a tudományra gondol.
00:44
ScienceTudomány, we generallyáltalában are told,
13
32764
1554
A tudományról általában azt gondoljuk, hogy
00:46
is a very well-orderedjól rendezett mechanismmechanizmus for
14
34318
2750
az egy nagyon jól szervezett gépezet, amely
00:49
understandingmegértés the worldvilág,
15
37068
1301
segíti megérteni a világot,
00:50
for gainingegyre factstények, for gainingegyre dataadat,
16
38369
2286
gyűjti a tényeket és az adatokat,
00:52
that it's rule-basedszabály alapú,
17
40655
1553
szabályokon alapszik,
00:54
that scientiststudósok use this thing calledhívott the scientifictudományos methodmódszer
18
42208
3241
a tudósok pedig használják ezt a tudományos módszertannak nevezett valamit,
00:57
and we'vevoltunk been doing this for 14 generationsgenerációk or so now,
19
45449
2839
és mi is ezt tesszük már vagy 14 generáció óta.
01:00
and the scientifictudományos methodmódszer is a setkészlet of rulesszabályok
20
48288
2571
A tudományos módszertan szabályok gyűjteménye arra,
01:02
for gettingszerzés hardkemény, coldhideg factstények out of the dataadat.
21
50859
4192
hogyan jussunk el rideg, száraz tényekhez az adatokból.
01:07
I'd like to tell you that's not the caseügy.
22
55051
2095
Szeretném elmondani nektek, hogy ez nem így megy.
01:09
So there's the scientifictudományos methodmódszer,
23
57146
1832
Van ugye a tudományos módszertan,
01:10
but what's really going on is this. (LaughterNevetés)
24
58978
2319
és van az, ami helyette folyik. (nevetés)
01:13
[The ScientificTudományos MethodA módszer vsvs. FartingFing Around]
25
61297
958
[Tudományos Módszertan kontra Szarakodás]
01:14
And it's going on kindkedves of like that.
26
62255
3104
Valami ilyesmi történik.
[Tudományos Módszertan kontra Szarakodás]
01:17
[... in the darksötét] (LaughterNevetés)
27
65359
1421
[... a sötétben] (Nevetés)
01:18
So what is the differencekülönbség, then,
28
66780
4541
De mi is a különbség aközött,
01:23
betweenközött the way I believe sciencetudomány is pursuedüldözött
29
71321
3816
ahogyan szerintem a tudományt űzik,
01:27
and the way it seemsÚgy tűnik, to be perceivedérzékelt?
30
75137
2861
és ahogyan ezt mások látják?
01:29
So this differencekülönbség first camejött to me in some waysmódokon
31
77998
2715
Ezzel a különbséggel először a
Columbia Egyetemen találkoztam,
01:32
in my dualdupla roleszerep at ColumbiaColumbia UniversityEgyetem,
32
80713
2097
ahol kettős feladatom is van: professzor vagyok
01:34
where I'm bothmindkét a professorEgyetemi tanár and runfuss a laboratorylaboratórium in neuroscienceidegtudomány
33
82810
4155
és vezetem a neurológiai laboratóriumot is,
01:38
where we try to figureábra out how the brainagy worksművek.
34
86965
2195
ahol megpróbáljuk kitalálni, hogyan működik az agy.
01:41
We do this by studyingtanul the senseérzék of smellszag,
35
89160
2371
Tanulmányozzuk a szaglást,
01:43
the senseérzék of olfactionolfaction, and in the laboratorylaboratórium,
36
91531
2531
a szaglóérzéket, és ez hatalmas élvezet
01:46
it's a great pleasureöröm and fascinatingelbűvölő work
37
94062
2634
és magával ragadó munka.
01:48
and excitingizgalmas to work with graduateérettségizni studentsdiákok and post-docsutáni docs
38
96696
2871
Izgalmas együtt dolgozni a végzős hallgatókkal
és a PhD-sekkel,
01:51
and think up coolmenő experimentskísérletek to understandmegért how this
39
99567
2611
kieszelni menő kísérleteket, hogy megértsük, hogyan
01:54
senseérzék of smellszag worksművek and how the brainagy mightesetleg be workingdolgozó,
40
102178
2386
működik a szaglás, és hogyan működhet az agy,
01:56
and, well, franklyőszintén, it's kindkedves of exhilaratingüdítő.
41
104564
2802
és ez - őszintén szólva - igazán felvillanyozó.
01:59
But at the sameazonos time, it's my responsibilityfelelősség
42
107366
2718
De ugyanakkor az én felelősségem az is,
02:02
to teachtanít a largenagy coursetanfolyam to undergraduatesegyetemi hallgatók on the brainagy,
43
110084
2949
hogy hosszú kurzusokat tartsak a hallgatóknak az agyról,
02:05
and that's a bignagy subjecttantárgy,
44
113033
1075
ami elég nagy témakör,
02:06
and it takes quiteegészen a while to organizeszervez that,
45
114108
2391
és elég sok időt visz el a szervezése,
02:08
and it's quiteegészen challengingkihívást jelentő and it's quiteegészen interestingérdekes,
46
116499
2811
ami nagy kihívás és nagyon érdekes,
02:11
but I have to say, it's not so exhilaratingüdítő.
47
119310
3557
de el kell, hogy mondjam - nem igazán felvillanyozó.
02:14
So what was the differencekülönbség?
48
122867
1396
De akkor mi lehet a különbség?
02:16
Well, the coursetanfolyam I was and am teachingtanítás
49
124263
2069
Nos a kurzust, amin tanítottam és tanítok, úgy hívják,
02:18
is calledhívott CellularCelluláris and MolecularMolekuláris NeuroscienceIdegtudomány - I. (LaughsNevet)
50
126332
6464
hogy Celluláris és Molekuláris Neurobiológia - 1. (Nevetés)
02:24
It's 25 lectureselőadások fullteljes of all sortsfajta of factstények,
51
132796
4555
Ez 25 előadás, tele mindenféle tényekkel,
02:29
it usesfelhasználások this giantóriás bookkönyv calledhívott "PrinciplesAlapelvek of NeuralNeurális ScienceTudomány"
52
137351
4317
felhasználva az "Idegi Tudományok Alapjai" című hatalmas munkát,
02:33
by threehárom famoushíres neuroscientistsidegtudósok.
53
141668
2334
amit három híres neurológus írt.
02:36
This bookkönyv comesjön in at 1,414 pagesoldalak,
54
144002
3781
Ez a könyv 1414 lapból áll
02:39
it weighssúlya a heftyizmos sevenhét and a halffél poundsfont.
55
147783
2736
és masszívan 3 és fél kiló.
02:42
Just to put that in some perspectivetávlati,
56
150519
1927
Hogy adjak egy más megközelítést is,
02:44
that's the weightsúly of two normalnormál humanemberi brainsagyvelő.
57
152446
3455
ez két átlagos emberi agy súlya.
02:47
(LaughterNevetés)
58
155901
3283
(Nevetés)
02:51
So I begankezdett to realizemegvalósítani, by the endvég of this coursetanfolyam,
59
159184
3267
Kezdtem rájönni a kurzus végére,
02:54
that the studentsdiákok maybe were gettingszerzés the ideaötlet
60
162451
2248
hogy a hallgatókban kialakult egy olyan kép,
02:56
that we mustkell know everything there is to know about the brainagy.
61
164699
3031
hogy mi már biztosan mindent tudunk az agyról,
amit tudni lehet.
02:59
That's clearlytisztán not trueigaz.
62
167730
1762
De ez egyáltalán nem igaz.
03:01
And they mustkell alsois have this ideaötlet, I supposetegyük fel,
63
169492
2698
Szerintem még egy olyan ötletük is lehetett,
03:04
that what scientiststudósok do is collectgyűjt dataadat and collectgyűjt factstények
64
172190
3381
hogy a tudósok csak gyűjtögetik az adatokat és a tényeket
03:07
and stickrúd them in these bignagy bookskönyvek.
65
175571
2089
és beletöltik ezekbe a nagy könyvekbe.
03:09
And that's not really the caseügy eitherbármelyik.
66
177660
1407
És persze ez sem igaz.
03:11
When I go to a meetingtalálkozó, after the meetingtalálkozó day is over
67
179067
3303
Amikor egy egész napos értekezlet után
03:14
and we collectgyűjt in the barbár over a couplepárosít of beerssörök with my colleagueskollégák,
68
182370
3097
összejövünk a kollégákkal néhány sörre a bárban,
03:17
we never talk about what we know.
69
185467
2201
sohasem arról beszélünk, amit tudunk,
03:19
We talk about what we don't know.
70
187668
2166
hanem arról, amit nem tudunk.
03:21
We talk about what still has to get doneKész,
71
189834
2285
Arról beszélünk, hogy mivel kéne még elkészülni,
03:24
what's so criticalkritikai to get doneKész in the lablabor.
72
192119
2825
ami fontos lenne a laborban.
03:26
IndeedValóban, this was, I think, bestlegjobb said by MarieMarie CurieCurie
73
194944
2557
Ezt szerintem legjobban Marie Curie fogalmazta meg,
03:29
who said that one never noticesközlemények what has been doneKész
74
197501
2419
amikor azt mondta: sohasem azt vesszük észre,
amivel elkészültünk,
hanem azt, amit még kell tenni.
03:31
but only what remainsmaradványok to be doneKész.
75
199920
1461
03:33
This was in a letterlevél to her brotherfiú testvér after obtainingmegszerzése
76
201381
2225
Ezt egy levelében írta bátyjának,
03:35
her secondmásodik graduateérettségizni degreefokozat, I should say.
77
203606
3718
miután megszerezte a második diplomáját.
03:39
I have to pointpont out this has always been one of my favoritekedvenc picturesképek of MarieMarie CurieCurie,
78
207324
2813
Hadd mutassak rá, hogy mindig ez volt
a kedvenc Marie Curie fényképem,
03:42
because I am convincedmeggyőződéses that that glowragyogás behindmögött her
79
210137
2303
mert meg vagyok győződve arról, hogy mögötte
03:44
is not a photographicfényképészeti effecthatás. (LaughterNevetés)
80
212440
2738
a derengés nem egy fotós trükk. (Nevetés)
03:47
That's the realigazi thing.
81
215178
1800
Valódi.
03:48
It is trueigaz that her paperspapírok are, to this day,
82
216978
4380
Az is igaz, hogy az írásait a mai napig egy alagsori
03:53
storedtárolt in a basementpince roomszoba in the BibliothBibliothèqueque FranFrançaiseaise
83
221358
2879
szobában tárolják a Bibliothéque Francaise-ben,
03:56
in a concreteKonkrét roomszoba that's lead-linedólom bevonatú,
84
224237
2197
egy ólommal bélelt szobában,
03:58
and if you're a scholartudós and you want accesshozzáférés to these notebooksnotebook-ok,
85
226434
2652
és ha tudós vagy és hozzá akarsz férni ezekhez a jegyzetfüzetekhez,
04:01
you have to put on a fullteljes radiationsugárzás hazmatHAZMAT suitöltöny,
86
229086
2749
akkor egy sugárvédő ruhát kell felvenned,
04:03
so it's prettyszép scaryijedős businessüzleti.
87
231835
2351
vagyis ez elég rémisztő dolog.
04:06
NonethelessEnnek ellenére, this is what I think we were leavingkilépő out
88
234186
2796
Azt hiszem, hogy az, amit kifelejtünk
04:08
of our coursesnyelvtanfolyamok
89
236982
1626
a kurzusokból,
04:10
and leavingkilépő out of the interactioninterakció that we have
90
238608
2526
és kifelejtünk, amikor tudósként érintkezünk
04:13
with the publicnyilvános as scientiststudósok, the what-remains-to-be-donemi-továbbra is-kell-kell-kész.
91
241134
2973
a közönséggel, az amit még meg kell tenni.
04:16
This is the stuffdolog that's exhilaratingüdítő and interestingérdekes.
92
244107
2634
Ez az a dolog, ami igazán felvillanyozó és érdekes.
04:18
It is, if you will, the ignorancetudatlanság.
93
246741
2910
Ez, ha úgy akarad, a tudatlanság.
04:21
That's what was missinghiányzó.
94
249651
979
Ez az, amit hiányolok.
04:22
So I thought, well, maybe I should teachtanít a coursetanfolyam
95
250630
2860
Ezért gondoltam, hogy talán kéne tartanom egy kurzust
04:25
on ignorancetudatlanság,
96
253490
2100
a tudatlanságról,
04:27
something I can finallyvégül excelexcel at, perhapstalán, for examplepélda.
97
255590
3629
végre valami, amiben esetleg kitűnhetek.
04:31
So I did startRajt teachingtanítás this coursetanfolyam on ignorancetudatlanság,
98
259219
1878
Így beindítottam a kurzust a tudatlanságról,
04:33
and it's been quiteegészen interestingérdekes
99
261097
1096
ami elég érdekes lett,
04:34
and I'd like to tell you to go to the websiteweboldal.
100
262193
2086
szeretném, ha ti is megnéznétek a weboldalt.
04:36
You can find all sortsfajta of informationinformáció there. It's wideszéles opennyisd ki.
101
264279
3636
Találhattok ott mindenféle információt. Szabadon elérhető.
04:39
And it's been really quiteegészen an interestingérdekes time for me
102
267915
3523
Ez tényleg nagyon érdekes időszak lett a számomra,
04:43
to meettalálkozik up with other scientiststudósok who come in and talk
103
271438
1841
találkoztam más tudósokkal is, akik eljöttek
04:45
about what it is they don't know.
104
273279
1548
és beszéltek arról, amit nem tudnak.
04:46
Now I use this wordszó "ignorancetudatlanság," of coursetanfolyam,
105
274827
1985
A "tudatlanság" szót használom, ami, persze
04:48
to be at leastlegkevésbé in partrész intentionallyszándékosan provocativeprovokatív,
106
276812
3158
legalábbis részben, szándékosan provokatív,
04:51
because ignorancetudatlanság has a lot of badrossz connotationskonnotációja
107
279970
2390
mivel a tudatlansághoz sok rossz jelentés társul
04:54
and I clearlytisztán don't mean any of those.
108
282360
2005
pedig én egyikre sem gondolok.
04:56
So I don't mean stupidityhülyeség, I don't mean a callowzöldfülű indifferenceközöny
109
284365
3505
Nem gondolom ezt ostobaságnak, vagy éretlen közönynek
04:59
to facttény or reasonok or dataadat.
110
287870
2308
a tények, az okok vagy az adatok iránt.
05:02
The ignoranttudatlan are clearlytisztán unenlightenedvilágitó, unawaretudatában annak,
111
290178
3271
A tudatlanok nyilván felvilágosulatlan, naiv,
05:05
uninformedtájékozatlan, and presentajándék companyvállalat todayMa exceptedkivételével,
112
293449
3307
tájékozatlan emberek, és nekem úgy tűnik, hogy gyakran ők foglalják
05:08
oftengyakran occupyelfoglalják electedmegválasztott officesirodák, it seemsÚgy tűnik, to me.
113
296756
2908
el a válogatott hivatalokat is - a jelenlévők persze kivételek.
05:11
That's anotheregy másik storysztori, perhapstalán.
114
299664
1806
Persze, ez egy másik történet.
05:13
I mean a differentkülönböző kindkedves of ignorancetudatlanság.
115
301470
1633
Egy másfajta tudatlanság.
05:15
I mean a kindkedves of ignorancetudatlanság that's lessKevésbé pejorativepejoratív,
116
303103
2268
Én egy olyan tudatlanságra gondolok, amely kevésbé pejoratív,
05:17
a kindkedves of ignorancetudatlanság that comesjön from a communalkommunális gaprés in our knowledgetudás,
117
305371
3487
egy olyan tudatlanság, amely tudásunk hiányosságából fakad,
05:20
something that's just not there to be knownismert
118
308858
1865
valami, amit nem lehet ismerni,
05:22
or isn't knownismert well enoughelég yetmég or we can't make predictionselőrejelzések from,
119
310723
2821
vagy még nem eléggé ismerünk, vagy még megjósolni sem tudunk.
05:25
the kindkedves of ignorancetudatlanság that's maybe bestlegjobb summedfoglalta up
120
313544
2318
Ezt a fajta tudatlanságot James Clark Maxwell
05:27
in a statementnyilatkozat by JamesJames ClerkJegyző MaxwellMaxwell,
121
315862
1845
összegezhette legjobban egy állításában,
05:29
perhapstalán the greatestlegnagyobb physicistfizikus betweenközött NewtonNewton and EinsteinEinstein,
122
317707
3449
aki talán a legnagyobb fizikus volt Newton és Einstein között.
05:33
who said, "ThoroughlyAlaposan conscioustudatos ignorancetudatlanság
123
321156
2301
"A tökéletesen öntudatos tudatlanság vezet
05:35
is the preludeElőjáték to everyminden realigazi advanceelőleg in sciencetudomány."
124
323457
2568
minden valódi tudományos haladáshoz."
05:38
I think it's a wonderfulcsodálatos ideaötlet:
125
326025
1388
Szerintem ez egy csodálatos ötlet:
05:39
thoroughlyalaposan conscioustudatos ignorancetudatlanság.
126
327413
3147
a tökéletesen öntudatos tudatlanság.
05:42
So that's the kindkedves of ignorancetudatlanság that I want to talk about todayMa,
127
330560
2421
Ez a fajta tudatlanság az, amiről ma beszélni akarok,
05:44
but of coursetanfolyam the first thing we have to clearegyértelmű up
128
332981
1519
de először persze azt a dolgot kell tisztázni,
05:46
is what are we going to do with all those factstények?
129
334500
2103
hogy mit is kezdünk azzal a rengeteg ténnyel?
05:48
So it is trueigaz that sciencetudomány pilesaranyér up at an alarmingriasztó ratearány.
130
336603
3674
Mert a tudomány riasztó mértékben halmozza a tényeket.
05:52
We all have this senseérzék that sciencetudomány is this mountainhegy of factstények,
131
340277
2810
Mind éreztük már, hogy a tudomány csak tények halmaza,
05:55
this accumulationfelhalmozódás modelmodell of sciencetudomány, as manysok have calledhívott it,
132
343087
4036
ahogyan sokan nevezték, ez a tudomány felhalmozási modellje,
05:59
and it seemsÚgy tűnik, impregnablebevehetetlen, it seemsÚgy tűnik, impossiblelehetetlen.
133
347123
2451
ami úgy tűnik, bevehetetlen és képtelen.
06:01
How can you ever know all of this?
134
349574
1314
Hogyan lennél képes mindezt megismerni?
06:02
And indeedvalóban, the scientifictudományos literatureirodalom growsnövekszik at an alarmingriasztó ratearány.
135
350888
3581
Csakugyan, a tudományos szakirodalom
riasztó mértékben növekszik.
06:06
In 2006, there were 1.3 millionmillió paperspapírok publishedközzétett.
136
354469
3654
2006-ban 1,3 millió tanulmányt publikáltak.
06:10
There's about a two-and-a-half-percentkét és fél százalék yearlyévente growthnövekedés ratearány,
137
358123
2632
Az éves növekedés kb. 2 és fél százalékos,
06:12
and so last yearév we saw over one and a halffél millionmillió paperspapírok beinglény publishedközzétett.
138
360755
4390
vagyis tavaly (2012) már több mint másfél milliót publikáltak.
06:17
DivideSzakadék that by the numberszám of minutespercek in a yearév,
139
365145
2230
Leosztva az év minden egyes percére,
06:19
and you windszél up with threehárom newúj paperspapírok perper minuteperc.
140
367375
3138
percenként 3 tanulmánnyal számolhatunk.
06:22
So I've been up here a little over 10 minutespercek,
141
370513
1482
Amíg itt állok egy kicsit több, mint tíz percig,
06:23
I've alreadymár lostelveszett threehárom paperspapírok.
142
371995
1776
már három tanulmányt szalasztottam el.
06:25
I have to get out of here actuallytulajdonképpen. I have to go readolvas.
143
373771
2840
Tulajdonképpen már mennem is kell. Olvasni.
06:28
So what do we do about this? Well, the facttény is
144
376611
3446
De mit is tehetük ezzel? Nos, az a helyzet,
06:32
that what scientiststudósok do about it is a kindkedves of a controlledellenőrzött neglectelhanyagolás, if you will.
145
380057
4509
hogy amit a tudósok tesznek,
az egyfajta irányított hanyagság, ha úgy tetszik.
06:36
We just don't worryaggodalom about it, in a way.
146
384566
2664
Egyszerűen nem aggódunk emiatt egy bizonyos fokig.
06:39
The factstények are importantfontos. You have to know a lot of stuffdolog
147
387230
2243
A tények fontosak. Egy csomó dolgot tudnod kell,
06:41
to be a scientisttudós. That's trueigaz.
148
389473
1810
hogy tudós legyél. Ez igaz.
06:43
But knowingtudva a lot of stuffdolog doesn't make you a scientisttudós.
149
391283
2927
De hiába ismersz egy csomó dolgot, attól még nem leszel tudós.
06:46
You need to know a lot of stuffdolog to be a lawyerjogász
150
394210
2665
Rengeteg dolgot kell tudnod, hogy ügyvéd,
06:48
or an accountantKönyvelő or an electricianvillanyszerelő or a carpenterCarpenter.
151
396875
3892
könyvelő, villanyszerelő vagy ács legyél.
06:52
But in sciencetudomány, knowingtudva a lot of stuffdolog is not the pointpont.
152
400767
3610
De a tudományban nem ez a lényeg.
06:56
KnowingIsmerve a lot of stuffdolog is there to help you get
153
404377
3556
Ha sok mindent tudsz, az segít abban, hogy
06:59
to more ignorancetudatlanság.
154
407933
1388
még tudatlanabb legyél.
07:01
So knowledgetudás is a bignagy subjecttantárgy, but I would say
155
409321
2510
Vagyis a tudás egy nagy témakör, de azt mondanám,
07:03
ignorancetudatlanság is a biggernagyobb one.
156
411831
2487
hogy a tudatlanság még nagyobb.
07:06
So this leadsvezet us to maybe think about, a little bitbit
157
414318
2194
Ez vezet el minket ahhoz, hogy egy kicsit átgondoljuk
07:08
about, some of the modelsmodellek of sciencetudomány that we tendhajlamosak to use,
158
416528
2883
azokat a tudományos modelleket,
amiket hajlamosak vagyunk elhinni,
07:11
and I'd like to disabusefelvilágosít you of some of them.
159
419411
1825
de én szeretnélek titeket kiábrándítani.
07:13
So one of them, a popularnépszerű one, is that scientiststudósok
160
421236
2313
Az egyik, talán a legnépszerűbb, hogy a tudósok
07:15
are patientlytürelmesen puttingelhelyezés the piecesdarabok of a puzzlekirakós játék togetheregyütt
161
423549
2628
türelmesen rakosgatják egy puzzle darabjait,
07:18
to revealfelfed some grandnagy schemerendszer or anotheregy másik.
162
426177
2773
hogy nagyszerű összefüggéseket tárjanak fel.
07:20
This is clearlytisztán not trueigaz. For one, with puzzlesrejtvények,
163
428950
2558
Ez egyáltalán nem igaz. Először is, a puzzle
07:23
the manufacturergyártó has guaranteedgarantált that there's a solutionmegoldás.
164
431508
3499
gyártója garantálja, hogy van megoldás.
07:27
We don't have any suchilyen guaranteegarancia.
165
435007
1749
Nekünk nincs ilyen garanciánk.
07:28
IndeedValóban, there are manysok of us who aren'tnem so sure about the manufacturergyártó.
166
436756
3155
Persze sokan még a gyártóban sem olyan biztosak.
07:31
(LaughterNevetés)
167
439911
3063
(Nevetés)
07:34
So I think the puzzlekirakós játék modelmodell doesn't work.
168
442974
1757
Szerintem a puzzle modell nem működik.
07:36
AnotherEgy másik popularnépszerű modelmodell is that sciencetudomány is busyelfoglalt unravelingunraveling things
169
444731
3514
Egy másik népszerű modell szerint a tudomány
szorgosan bogozgatja a szálakat,
07:40
the way you unravelkibogoz the peelshámlani kezd of an onionhagyma.
170
448245
2196
ahogyan a hagyma héját is tisztítjuk.
07:42
So peelhéj by peelhéj, you take away the layersrétegek of the onionhagyma
171
450441
2989
Héjról-héjra eltávolítva a hagyma rétegeit,
07:45
to get at some fundamentalalapvető kernelrendszermag of truthigazság.
172
453430
2319
eljuthatunk az igazság alapvető lényegéhez.
07:47
I don't think that's the way it worksművek eitherbármelyik.
173
455749
2187
Szerintem ez sem működik.
07:49
AnotherEgy másik one, a kindkedves of popularnépszerű one, is the icebergúszó jéghegy ideaötlet,
174
457936
2934
Még egy, szintén népszerű ötlet a jéghegy, vagyis
07:52
that we only see the tiptipp of the icebergúszó jéghegy but underneathalul
175
460870
2460
mi csak a jéghegy csúcsát látjuk, de alatta
07:55
is where mosta legtöbb of the icebergúszó jéghegy is hiddenrejtett.
176
463330
2185
ott van a jéghegy nagyobb része elrejtve.
07:57
But all of these modelsmodellek are basedszékhelyű on the ideaötlet of a largenagy bodytest of factstények
177
465515
3554
Ezek a modellek a hatalmas tömegű tényanyag
gondolatára alapoznak,
08:01
that we can somehowvalahogy or anotheregy másik get completedbefejezték.
178
469069
2420
amit mi, vagy valaki más befejezhet.
08:03
We can chipcsip away at this icebergúszó jéghegy and figureábra out what it is,
179
471489
3343
Szétmállaszthatjuk a jéghegyet és kitalálhatjuk, mi lehet ez,
08:06
or we could just wait for it to meltolvadás, I supposetegyük fel, these daysnapok,
180
474832
2605
vagy csak megvárjuk, amíg elolvad, különösen mostanában,
08:09
but one way or anotheregy másik we could get to the wholeegész icebergúszó jéghegy. Right?
181
477437
3227
de így vagy úgy, a miénk lesz az egész jéghegy. Igaz?
08:12
Or make it manageablekezelhető. But I don't think that's the caseügy.
182
480664
2467
Vagy kezelhetővé válik. De nem hiszem, hogy így lenne.
08:15
I think what really happensmegtörténik in sciencetudomány
183
483131
2399
Ami a tudományban történik, az szerintem valójában
08:17
is a modelmodell more like the magicvarázslat well,
184
485530
1830
olyan, mint egy varázskút,
08:19
where no matterügy how manysok bucketskanalak you take out,
185
487360
1837
ahol nem számít, mennyi vödör vizet húzol,
08:21
there's always anotheregy másik bucketvödör of watervíz to be had,
186
489197
2112
mindig megtölthetsz egy másik vödröt is vízzel.
08:23
or my particularlykülönösen favoritekedvenc one,
187
491309
2127
A személyes kedvencem,
08:25
with the effecthatás and everything, the rippleshullámok on a pondtavacska.
188
493436
2939
hatásában és egyébként is, a fodrozódás a vízen.
08:28
So if you think of knowledgetudás beinglény this ever-expandingfolyamatosan bővülő rippleRipple on a pondtavacska,
189
496375
3127
Ha úgy tekintesz a tudásra, mint egy folytonosan terjedő hullámra,
08:31
the importantfontos thing to realizemegvalósítani is that our ignorancetudatlanság,
190
499502
3382
akkor észreveheted, hogy tudatlanságunk, ami a tudás
08:34
the circumferencekerülete of this knowledgetudás, alsois growsnövekszik with knowledgetudás.
191
502884
3382
kerülete, együtt növekszik a tudással.
08:38
So the knowledgetudás generatesgenerál ignorancetudatlanság.
192
506266
2763
Vagyis a tudás idézi elő a tudatlanságot.
08:41
This is really well said, I thought, by GeorgeGeorge BernardBernard ShawShaw.
193
509029
2915
Nagyon jól mondta ezt George Bernard Show.
08:43
This is actuallytulajdonképpen partrész of a toastpirítós that he deliveredszállított
194
511944
2677
Ez egy részlet abból a köszöntőből, amit egy
08:46
to celebrateünnepel EinsteinEinstein at a dinnervacsora celebratingünneplése Einstein'sEinstein work,
195
514621
3677
Einstein tiszteletére adott vacsorán mondott,
08:50
in whichmelyik he claimskövetelések that sciencetudomány
196
518298
1414
azt állítva, hogy a tudomány
08:51
just createsteremt more questionskérdések than it answersválaszokat.
["ScienceTudomány is always wrongrossz. It never solvesmegoldja a problemprobléma withoutnélkül creatinglétrehozása 10 more."]
197
519712
2265
több kérdést vet fel, mint amennyit megválaszol.
08:53
I find that kindkedves of gloriousdicsőséges, and I think he's preciselypontosan right,
198
521977
3542
Ez ragyogó, és úgy vélem, rendkívül igaz,
08:57
plusplusz it's a kindkedves of jobmunka securityBiztonság.
199
525519
2526
sőt még biztosítja a munkánkat is.
09:00
As it turnsmenetek out, he kindkedves of cribbedcribbed that
200
528045
2726
Kiderülhet persze, hogy csak lenyúlta az ötletet
09:02
from the philosopherfilozófus ImmanuelImmanuel KantKant
201
530771
1852
Immanuel Kanttól, a filozófustól,
09:04
who a hundredszáz yearsévek earlierkorábban had come up with this ideaötlet
202
532623
2645
aki már száz évvel korábban előállt egy ötlettel
09:07
of questionkérdés propagationszaporítás, that everyminden answerválasz begetsszül more questionskérdések.
203
535268
3808
a kérdések szaporodásáról, ami szerint minden válasz
újabb kérdéseket vet fel.
09:11
I love that termkifejezés, "questionkérdés propagationszaporítás,"
204
539076
2199
Imádom ezt a kifejezést, a "kérdések szaporodását",
09:13
this ideaötlet of questionskérdések propagatingszaporító out there.
205
541275
2739
az eszmét, hogy a kérdések szaporodnak a világban.
09:16
So I'd say the modelmodell we want to take is not
206
544014
1887
Mondhatnám, hogy nem olyan modellt akarunk kapni,
09:17
that we startRajt out kindkedves of ignoranttudatlan and we get some factstények togetheregyütt
207
545901
3509
ahol elindulva egyfajta tudatlanságból, gyűjtögetve a tényeket
09:21
and then we gainnyereség knowledgetudás.
208
549410
2143
végül elnyerjük a tudást.
09:23
It's ratherInkább kindkedves of the other way around, really.
209
551553
2379
Ez tényleg nagyon különböző.
09:25
What do we use this knowledgetudás for?
210
553932
1907
Mire használjuk ezt a tudást?
09:27
What are we usinghasználva this collectionGyűjtemény of factstények for?
211
555839
2528
Mire is használjuk az összegyűjtött tényeket?
09:30
We're usinghasználva it to make better ignorancetudatlanság,
212
558367
2857
Arra használjuk, hogy javítsuk a tudatlanságot,
09:33
to come up with, if you will, higher-qualityjobb minőségű ignorancetudatlanság.
213
561224
3079
előálljunk, ha úgy tetszik, egy magas szintű tudatlansággal.
09:36
Because, you know, there's low-qualityalacsony-tulajdonság ignorancetudatlanság
214
564303
1872
Mivel, tudjuk, létezik az alacsony szintű
09:38
and there's high-qualitykiváló minőségű ignorancetudatlanság. It's not all the sameazonos.
215
566175
2413
és a magas szintű tudatlanság. Egyáltalán nem ugyanaz.
09:40
ScientistsA tudósok argueérvel about this all the time.
216
568588
2370
A tudósok állandóan erről vitatkoznak.
09:42
SometimesNéha we call them bullbika sessionsülés.
217
570958
1965
Néha megbeszélésnek hívjuk.
09:44
SometimesNéha we call them grantbiztosít proposalsjavaslatok.
218
572923
1918
Néha ösztöndíj előterjesztésnek.
09:46
But nonethelessennek ellenére, it's what the argumentérv is about.
219
574841
3508
De mindazonáltal, ez az, amiről a vita folyik.
09:50
It's the ignorancetudatlanság. It's the what we don't know.
220
578349
1844
A tudatlanság. Ez az, amit nem ismerünk.
09:52
It's what makesgyártmányú a good questionkérdés.
221
580193
2690
Ez az, ami a jó kérdéseket felveti.
09:54
So how do we think about these questionskérdések?
222
582883
1630
Hogyan is gondolunk ezekre a kérdésekre?
09:56
I'm going to showelőadás you a graphgrafikon that showsműsorok up
223
584513
1952
Mutatok egy grafikont, amely fellelhető
09:58
quiteegészen a bitbit on happyboldog houróra postersposzterek in variouskülönféle sciencetudomány departmentsosztályok.
224
586465
3867
egyes egyetemi tanszékek hirdetőtábláin is.
10:02
This graphgrafikon askskérdezi the relationshipkapcsolat betweenközött what you know
225
590332
4221
Ez a grafikon azt vizsgálja, hogy mi a viszony a között, amit tudsz
10:06
and how much you know about it.
226
594553
2190
és amennyit tudsz róla.
10:08
So what you know, you can know anywherebárhol from nothing to everything, of coursetanfolyam,
227
596743
3515
Az "amit tudsz", az az amit tudhatsz, valahol a semmitől a mindenig,
10:12
and how much you know about it can be anywherebárhol
228
600258
1683
a "mennyit tudsz róla", pedig valahol
10:13
from a little to a lot.
229
601941
2423
a kevéstől a sokig.
10:16
So let's put a pointpont on the graphgrafikon. There's an undergraduategraduális.
230
604364
4232
Tegyünk egy pontot a grafikonra. Az egy alsóéves hallgató.
10:20
Doesn't know much but they have a lot of interestérdeklődés.
231
608596
2364
Nem tud sokat, de tele van érdeklődéssel.
10:22
They're interestedérdekelt in almostmajdnem everything.
232
610960
1691
Majdnem minden érdekli.
10:24
Now you look at a master'smester studentdiák, a little furthertovábbi alongmentén in theirazok educationoktatás,
233
612651
3454
Most lássunk egy végzőst, aki már tovább jutott a tanulmányaiban,
10:28
and you see they know a bitbit more,
234
616105
1351
és ahogy látod, már kicsit többet tud,
10:29
but it's been narrowedszűkült somewhatnémileg.
235
617456
1890
de már némileg szűkebben.
10:31
And finallyvégül you get your PhPH-érték.D., where it turnsmenetek out
236
619346
2719
És végül eléri a PhD-t, ahol kiderül,
10:34
you know a tremendousborzasztó amountösszeg about almostmajdnem nothing. (LaughterNevetés)
237
622065
5105
hogy borzasztó sokat tud, de majdnem semmiről.
(Nevetés)
10:39
What's really disturbingzavaró is the trendirányzat linevonal that goesmegy throughkeresztül that
238
627170
3781
Ami igazán zavaró, hogy a vonal még tovább is megy,
10:42
because, of coursetanfolyam, when it dipsmártogatós belowlent the zeronulla axistengely, there,
239
630951
3775
hogy aztán ott a zéró tengely alá bukva,
10:46
it getsjelentkeznek into a negativenegatív areaterület.
240
634726
2262
elérje a negatív tartományt.
10:48
That's where you find people like me, I'm afraidfélnek.
241
636988
2915
Ott találni meg olyanokat mint én, attól tartok.
10:51
So the importantfontos thing here is that this can all be changedmegváltozott.
242
639903
3368
Fontos, hogy itt van az, ahol minden megváltozhat.
10:55
This wholeegész viewKilátás can be changedmegváltozott
243
643271
1804
Az egész nézőpont megváltozhat
10:57
by just changingváltozó the labelcímke on the x-axisx-tengely.
244
645075
3161
azáltal, hogy kicseréljük az X-tengelyen a címkét.
11:00
So insteadhelyette of how much you know about it,
245
648236
1917
A "mennyit tudsz róla" helyett
11:02
we could say, "What can you askkérdez about it?"
246
650153
3541
legyen inkább "mit tudsz erről kérdezni?"
11:05
So yes, you do need to know a lot of stuffdolog as a scientisttudós,
247
653694
2867
És igen, tényleg sok mindent kell tudnod tudósként,
11:08
but the purposecélja of knowingtudva a lot of stuffdolog
248
656561
2629
de a sok minden tudásának a célja nem az,
11:11
is not just to know a lot of stuffdolog. That just makesgyártmányú you a geekkockafej, right?
249
659190
2587
hogy sokat tudjál. Attól csak egy stréber leszel, ugye?
11:13
KnowingIsmerve a lot of stuffdolog, the purposecélja is
250
661777
2138
Ennek a sok tudásnak az a célja,
11:15
to be ableképes to askkérdez lots of questionskérdések,
251
663915
1676
hogy képes legyél sok kérdést feltenni,
11:17
to be ableképes to framekeret thoughtfulfigyelmes, interestingérdekes questionskérdések,
252
665591
3088
hogy képes legyél összerakni megfontolt, érdekes kérdéseket,
11:20
because that's where the realigazi work is.
253
668679
1725
mivel ez az igazi munka.
11:22
Let me give you a quickgyors ideaötlet of a couplepárosít of these sortsfajta of questionskérdések.
254
670404
2552
Adok egy kis ízelítőt az ilyen kérdésekből.
11:24
I'm a neuroscientistneurológus, so how would we come up
255
672956
2163
Neurológus vagyok, vagyis javasolhatok
11:27
with a questionkérdés in neuroscienceidegtudomány?
256
675119
1431
egy neurológiai kérdést?
11:28
Because it's not always quiteegészen so straightforwardegyértelmű.
257
676550
2669
Ez nem mindig igazán egyértelmű.
11:31
So, for examplepélda, we could say, well what is it that the brainagy does?
258
679219
2559
Például mondhatnánk, hogy mit is csinál az agy?
11:33
Well, one thing the brainagy does, it movesmozog us around.
259
681778
1814
Nos, az egyik dolog, hogy mozgat minket.
11:35
We walkséta around on two legslábak.
260
683592
2005
Két lábon járunk.
11:37
That seemsÚgy tűnik, kindkedves of simpleegyszerű, somehowvalahogy or anotheregy másik.
261
685597
1851
Ez egyszerűen tűnik, így vagy úgy.
11:39
I mean, virtuallygyakorlatilag everybodymindenki over 10 monthshónap of agekor
262
687448
2725
Úgy értem, látszólag mindenki, aki elmúlt 10 hónapos
11:42
walkssétál around on two legslábak, right?
263
690173
2172
két lábon jár, ugye?
11:44
So that maybe is not that interestingérdekes.
264
692345
1391
Vagyis talán ez nem is olyan érdekes.
11:45
So insteadhelyette maybe we want to chooseválaszt something a little more complicatedbonyolult to look at.
265
693736
3148
Ehelyett talán valami bonyolultabbat akarunk megvizsgálni.
11:48
How about the visualvizuális systemrendszer?
266
696884
2775
Legyen a látás?
11:51
There it is, the visualvizuális systemrendszer.
267
699659
1627
Ez az, a látás.
11:53
I mean, we love our visualvizuális systemsrendszerek. We do all kindsféle of coolmenő stuffdolog.
268
701286
3248
Arra gondolok, imádjuk a látásunkat. Mindenféle menő dolgot csinál.
11:56
IndeedValóban, there are over 12,000 neuroscientistsidegtudósok
269
704534
3391
És tényleg, több mint 12.000 neurológus van,
11:59
who work on the visualvizuális systemrendszer,
270
707925
1580
akik a retinától a látókéregig
12:01
from the retinaretina to the visualvizuális cortexkéreg,
271
709505
2081
a látás vizsgálatán dolgoznak,
12:03
in an attemptkísérlet to understandmegért not just the visualvizuális systemrendszer
272
711586
2565
hogy megkíséreljék megérteni nem csak a látást,
12:06
but to alsois understandmegért how generalTábornok principleselvek
273
714151
3024
hanem az általános törvényszerűségeit annak is,
12:09
of how the brainagy mightesetleg work.
274
717175
1951
hogyan működhet az agy.
12:11
But now here'sitt the thing:
275
719126
1660
De van itt egy bökkenő:
12:12
Our technologytechnológia has actuallytulajdonképpen been prettyszép good
276
720786
2480
a technológia már elég jó abban,
12:15
at replicatingutánzó what the visualvizuális systemrendszer does.
277
723266
2590
hogy lemásoljuk a látás rendszerét.
12:17
We have TVTV, we have moviesfilmek,
278
725856
3023
Van tévé, mozi,
12:20
we have animationélénkség, we have photographyfényképezés,
279
728879
2495
animáció, fotózás,
12:23
we have patternminta recognitionelismerés, all of these sortsfajta of things.
280
731374
3151
alakfelismerés, mindenféle ezekből a dolgokból.
12:26
They work differentlyeltérően than our visualvizuális systemsrendszerek in some casesesetek,
281
734525
2646
Bizonyos esetekben másképp működnek, mint a látásunk,
12:29
but nonethelessennek ellenére we'vevoltunk been prettyszép good at
282
737171
1591
de mégis eléggé jók vagyunk abban,
12:30
makinggyártás a technologytechnológia work like our visualvizuális systemrendszer.
283
738762
3476
hogy a látáshoz hasonló technológiát készítsünk.
12:34
SomehowValahogy or anotheregy másik, a hundredszáz yearsévek of roboticsRobotika,
284
742238
2936
Így vagy úgy, a robotika 100 éve után
12:37
you never saw a robotrobot walkséta on two legslábak,
285
745174
2266
sohasem láttunk robotot két lábon járni,
12:39
because robotsrobotok don't walkséta on two legslábak
286
747440
2163
a robotok nem járnak két lábon,
12:41
because it's not suchilyen an easykönnyen thing to do.
287
749603
2390
mert ez mégsem olyan egyszerű dolog.
12:43
A hundredszáz yearsévek of roboticsRobotika,
288
751993
1528
A robotikában 100 éve után sem készült
12:45
and we can't get a robotrobot that can movemozog more than a couplepárosít stepslépések one way or the other.
289
753521
3367
olyan robot, amely képes lenne néhány lépésnél többet megtenni.
12:48
You askkérdez them to go up an inclinedferde planerepülőgép, and they fallesik over.
290
756888
2572
Ha megkérjük, hogy menjen fel egy ferde síkon, feldől.
12:51
TurnViszont around, and they fallesik over. It's a serioussúlyos problemprobléma.
291
759460
2004
Visszafordul és feldől. Ez elég komoly probléma.
12:53
So what is it that's the mosta legtöbb difficultnehéz thing for a brainagy to do?
292
761464
3547
Akkor mi is a legbonyolultabb dolog az agy számára?
12:57
What oughtkellene we to be studyingtanul?
293
765011
1623
Mit kellene tanulmányoznunk?
12:58
PerhapsTalán it oughtkellene to be walkinggyalogló on two legslábak, or the motormotor systemrendszer.
294
766634
4295
Talán a két lábon járást, vagy a mozgásszervi rendszert.
13:02
I'll give you an examplepélda from my ownsaját lablabor,
295
770929
1735
Legyen egy példa a saját laboromból,
13:04
my ownsaját particularlykülönösen smellybüdös questionkérdés,
296
772664
1725
egy különösen büdös kérdés,
13:06
sincemivel we work on the senseérzék of smellszag.
297
774389
2099
mivel mi a szaglás működésével foglalkozunk.
13:08
But here'sitt a diagramdiagram of fiveöt moleculesmolekulák
298
776488
3228
Itt van egy ábra 5 molekulával
13:11
and sortfajta of a chemicalkémiai notationjelölés.
299
779716
1510
és valamiféle kémiai jelölésekkel.
13:13
These are just plainegyszerű oldrégi moleculesmolekulák, but if you sniffszippantás those moleculesmolekulák
300
781226
2996
Ezek egyszerű, jól ismert molekulák, de ha megszaglászod őket
13:16
up these two little holeslyukak in the frontelülső of your facearc,
301
784222
2470
az arcodon található két kis lyukkal,
13:18
you will have in your mindelme the distinctkülönböző impressionbenyomás of a roserózsa.
302
786692
3874
az elmédben felötlik egy rózsa határozott lenyomata.
13:22
If there's a realigazi roserózsa there, those moleculesmolekulák will be the onesazok,
303
790566
2158
Ha van ott egy valódi rózsa, akkor ezek azok a molekulák,
13:24
but even if there's no roserózsa there,
304
792724
1560
de még ha nincs is ott a rózsa,
13:26
you'llazt is megtudhatod have the memorymemória of a moleculemolekula.
305
794284
1591
akkor is van egy emléked a molekuláról.
13:27
How do we turnfordulat moleculesmolekulák into perceptionsfelfogás?
306
795875
3104
Hogyan fordítjuk át a molekulát érzékeléssé?
13:30
What's the processfolyamat by whichmelyik that could happentörténik?
307
798979
1857
Mi az a folyamat, amely ezt lehetővé teszi?
13:32
Here'sItt van anotheregy másik examplepélda: two very simpleegyszerű moleculesmolekulák, again in this kindkedves of chemicalkémiai notationjelölés.
308
800836
3960
Itt egy másik példa: két nagyon egyszerű molekula,
újra a kémiai jelöléssel.
13:36
It mightesetleg be easierkönnyebb to visualizeláthatóvá them this way,
309
804796
2077
Így talán könnyebb megjeleníteni őket,
13:38
so the grayszürke circleskörök are carbonszén atomsatomok, the whitefehér onesazok
310
806873
2794
a szürke körök a szén atomok, a fehérek
13:41
are hydrogenhidrogén atomsatomok and the redpiros onesazok are oxygenoxigén atomsatomok.
311
809667
2775
a hidrogén atomok, a vörösek az oxigén atomok.
13:44
Now these two moleculesmolekulák differkülönbözik by only one carbonszén atomatom
312
812442
4298
A két molekula között a különbség mindössze egyetlen szén atom
13:48
and two little hydrogenhidrogén atomsatomok that ridelovagol alongmentén with it,
313
816740
2688
és a rajta kapaszkodó két kicsi hidrogén atom,
13:51
and yetmég one of them, heptylheptil acetateacetát,
314
819428
1986
és mégis, az egyik, a heptil-acetát illata
13:53
has the distinctkülönböző odorszag of a pearkörte,
315
821414
2311
határozottan a körtéé,
13:55
and hexylhexil acetateacetát is unmistakablyfélreérthetetlenül bananabanán.
316
823725
3839
a másik, a hexil-acetát, félreismerhetetlenül a banáné.
13:59
So there are two really interestingérdekes questionskérdések here, it seemsÚgy tűnik, to me.
317
827564
2557
Vagyis úgy tűnik, hogy itt van két valóban érdekes kérdés.
14:02
One is, how can a simpleegyszerű little moleculemolekula like that
318
830121
3215
Egy, hogyan képes egy ilyen egyszerű molekula,
14:05
createteremt a perceptionészlelés in your brainagy that's so clearegyértelmű
319
833336
2468
mint ez, létrehozni az agyunkban
14:07
as a pearkörte or a bananabanán?
320
835804
1742
a körte vagy a banán élményét?
14:09
And secondlymásodszor, how the hellpokol can we tell the differencekülönbség
321
837546
3121
Másodszor, hogy az ördögbe vagyunk képesek
14:12
betweenközött two moleculesmolekulák that differkülönbözik by a singleegyetlen carbonszén atomatom?
322
840667
4315
különbséget tenni két molekula között,
ami csak egy szén atomban különbözik?
14:16
I mean, that's remarkablefigyelemre méltó to me,
323
844982
1646
Vagyis, ami igazán rendkívüli,
14:18
clearlytisztán the bestlegjobb chemicalkémiai detectordetektor on the facearc of the planetbolygó.
324
846628
3032
hogy az arcunkon van a bolygó legjobb kémiai detektora.
14:21
And you don't even think about it, do you?
325
849660
2776
És mi még sohasem gondoltunk erre, ugye?
14:24
So this is a favoritekedvenc quoteidézet of mineenyém that takes us
326
852436
2617
Ez a kedvenc idézetem, ami visszavezet minket
14:27
back to the ignorancetudatlanság and the ideaötlet of questionskérdések.
327
855053
1746
a tudatlansághoz és a kérdések fogalmához.
14:28
I like to quoteidézet because I think deadhalott people
328
856799
2019
Szeretek idézni, mert úgy vélem, a halottakat
14:30
shouldn'tne be excludedkizárt from the conversationbeszélgetés.
329
858818
2543
sem kellene kizárni a beszélgetésből.
14:33
And I alsois think it's importantfontos to realizemegvalósítani that
330
861361
1939
És persze fontosnak gondolom, hogy ráébredjünk,
14:35
the conversation'sbeszélgetésben been going on for a while, by the way.
331
863300
2462
hogy a beszélgetés már folyik egy ideje.
14:37
So ErwinErwin SchrodingerSchrödinger, a great quantumkvantum physicistfizikus
332
865762
2758
Erwin Schrödinger, a nagy kvantumfizikus
14:40
and, I think, philosopherfilozófus, pointspont out how you have to
333
868520
2566
és filozófus mutatott rá, hogy még
14:43
"abidebetartja by ignorancetudatlanság for an indefinitehatározatlan periodidőszak" of time.
334
871086
3465
"határozatlan ideig el kell viselnünk a tudatlanságot".
14:46
And it's this abidingtörvénytisztelő by ignorancetudatlanság
335
874551
1987
A tudatlanság elviselése az,
14:48
that I think we have to learntanul how to do.
336
876538
1666
amit szerintem meg kell tanulnunk.
14:50
This is a trickyfurfangos thing. This is not suchilyen an easykönnyen businessüzleti.
337
878204
2977
Ez egy ravasz dolog. Nem is igazán könnyű ügy.
14:53
I guessTaláld ki it comesjön down to our educationoktatás systemrendszer,
338
881181
1959
Ez talán az oktatási rendszerből származik,
14:55
so I'm going to talk a little bitbit about ignorancetudatlanság and educationoktatás,
339
883140
2457
ezért beszélek egy kicsit a tudatlanságról és az oktatásról,
14:57
because I think that's where it really has to playjáték out.
340
885597
2268
mivel ez az, ahol ezt tényleg végig kell csinálni.
14:59
So for one, let's facearc it,
341
887865
2267
Először is nézzünk szembe azzal,
15:02
in the agekor of GoogleGoogle and WikipediaWikipédia,
342
890132
3352
hogy a Google és a Wikipedia korában
15:05
the businessüzleti modelmodell of the universityegyetemi
343
893484
1793
az egyetemek, és talán a középiskolák
15:07
and probablyvalószínűleg secondarymásodlagos schoolsiskolákban is simplyegyszerűen going to have to changeváltozás.
344
895277
3421
működési modellje is változtatásra szorul.
15:10
We just can't sellelad factstények for a livingélő anymoretöbbé.
345
898698
1901
Nem adhatunk el többé tényeket a megélhetésért.
15:12
They're availableelérhető with a clickkettyenés of the mouseegér,
346
900599
2050
Mindezt el lehet érni egy kattintással,
15:14
or if you want to, you could probablyvalószínűleg just askkérdez the wallfal
347
902649
2496
vagy ha akarod, egy napon talán a faltól is
15:17
one of these daysnapok, whereverbárhol they're going to hideelrejt the things
348
905145
1712
megkérdezheted, ha éppen oda rejtik el
15:18
that tell us all this stuffdolog.
349
906857
1417
ezeket a dolgokat.
15:20
So what do we have to do? We have to give our studentsdiákok
350
908274
2883
Akkor mit kellene tennünk? Át kell adjuk a hallgatóknak
15:23
a tasteíz for the boundarieshatárok, for what's outsidekívül that circumferencekerülete,
351
911157
3896
a határok érzését, hogy mi van a tudás peremén túl,
15:27
for what's outsidekívül the factstények, what's just beyondtúl the factstények.
352
915053
4308
mi van a tényeken kívül, mi van a tényeken túl.
15:31
How do we do that?
353
919361
2157
Hogy tegyük meg ezt?
15:33
Well, one of the problemsproblémák, of coursetanfolyam,
354
921518
1508
Nos, kiderült, hogy természetesen
15:35
turnsmenetek out to be testingtesztelés.
355
923026
2109
az egyik probléma a tesztelés.
15:37
We currentlyjelenleg have an educationalnevelési systemrendszer
356
925135
2649
Van pillanatnyilag egy oktatási rendszer,
15:39
whichmelyik is very efficienthatékony but is very efficienthatékony at a ratherInkább badrossz thing.
357
927784
3709
amelyik nagyon hatékony, de egy eléggé rossz dologban.
15:43
So in secondmásodik gradefokozat, all the kidsgyerekek are interestedérdekelt in sciencetudomány,
358
931493
2974
Második osztályban minden gyereket érdekli a tudomány,
15:46
the girlslányok and the boysfiúk.
359
934467
1263
a fiúkat és a lányokat is.
15:47
They like to take stuffdolog aparteltekintve. They have great curiositykíváncsiság.
360
935730
3974
Szeretnek szétszedni dolgokat. Nagyon kíváncsiak.
15:51
They like to investigatevizsgálja things. They go to sciencetudomány museumsmúzeumok.
361
939704
2499
Szívesen kutatják a dolgokat. Múzeumba járnak.
15:54
They like to playjáték around. They're in secondmásodik gradefokozat.
362
942203
6188
Szívesen játszanak. Másodikosok.
16:00
They're interestedérdekelt.
363
948407
1494
Érdeklődőek.
16:01
But by 11thth or 12thth gradefokozat, fewerkevesebb than 10 percentszázalék
364
949901
2934
De a 11. vagy 12. osztályban kevesebb mint 10 százalék
16:04
of them have any interestérdeklődés in sciencetudomány whatsoeverakármi,
365
952835
3075
mutat bármilyen tudományos érdeklődést, nem is szólva
16:07
let aloneegyedül a desirevágy to go into sciencetudomány as a careerkarrier.
366
955910
2945
olyan vágyról, hogy tudományos karriert kezdjen.
16:10
So we have this remarkablyfeltűnően efficienthatékony systemrendszer
367
958855
2982
Vagyis van egy rendkívül hatékony rendszer,
16:13
for beatingverés any interestérdeklődés in sciencetudomány out of everybody'smindenkié headfej.
368
961837
3973
amely kiveri a tudományos érdeklődést a fejekből.
16:17
Is this what we want?
369
965810
1914
Ez az, amit akarunk?
16:19
I think this comesjön from what a teachertanár colleaguekolléga of mineenyém
370
967724
2342
Azt hiszem, ez abból származik, amit egy tanár kollégám
16:22
callshívások "the bulimicbulimiás methodmódszer of educationoktatás."
371
970066
2722
úgy hívott, hogy "az oktatás bulimiás modellje."
16:24
You know. You can imagineKépzeld el what it is.
372
972788
1373
Ismeritek. El tudjátok képzelni, mi ez.
16:26
We just jamlekvár a wholeegész bunchcsokor of factstények down theirazok throatstorok over here
373
974161
2948
Lenyomunk egy egész csomó tényt a torkukon,
16:29
and then they pukehányás it up on an examvizsga over here
374
977109
2354
és aztán ők visszaöklendezik ezt egy vizsgán,
16:31
and everybodymindenki goesmegy home with no addedhozzáadott intellectualszellemi heftsúly whatsoeverakármi.
375
979463
4579
majd mindenki hazamegy,
bármilyen hozzáadott intellektuális érték nélkül.
16:36
This can't possiblyesetleg continueFolytatni to go on.
376
984042
2081
Ezt nem folytatódhat így tovább.
16:38
So what do we do? Well the geneticistsgenetikus, I have to say,
377
986123
2334
Akkor mit csináljunk? El kell mondjam, a genetikusoknak
16:40
have an interestingérdekes maximMaxim they liveélő by.
378
988457
1983
van egy érdekes alapelvük, ami szerint élnek.
16:42
GeneticistsGenetikus always say, you always get what you screenképernyő for.
379
990440
5252
Azt mondják, hogy mindig azt kapod, amit éppen keresel.
16:47
And that's meantjelentett as a warningFigyelem.
380
995692
2861
Ezt figyelmeztetésnek szánják.
16:50
So we always will get what we screenképernyő for,
381
998553
2319
Vagyis mindig azt kapjuk, amit keresünk,
16:52
and partrész of what we screenképernyő for is in our testingtesztelés methodsmód.
382
1000872
3455
és ennek az egyik oldala a teszteléses módszer.
16:56
Well, we hearhall a lot about testingtesztelés and evaluationértékelése,
383
1004327
3243
Nos, sokat hallunk tesztelésről és értékelésről,
16:59
and we have to think carefullygondosan when we're testingtesztelés
384
1007570
2187
és gondosan át kellene gondolnunk, hogy amikor tesztelünk,
17:01
whetherakár we're evaluatingértékelése or whetherakár we're weedinggyomlálás,
385
1009757
3087
akkor vajon értékelünk, vagy gyomlálunk?
17:04
whetherakár we're weedinggyomlálás people out,
386
1012844
1459
Vajon csak kigyomláljuk az embereket,
17:06
whetherakár we're makinggyártás some cutvágott.
387
1014303
3134
csak csökkentjük a létszámot?
17:09
EvaluationÉrtékelése is one thing. You hearhall a lot about evaluationértékelése
388
1017437
2641
Az értékelés egy dolog. Sokkal hallottunk erről mostanában
17:12
in the literatureirodalom these daysnapok, in the educationalnevelési literatureirodalom,
389
1020078
2910
a szakirodalomban, főleg az oktatási szakirodalomban,
17:14
but evaluationértékelése really amountsösszegek to feedbackVisszacsatolás and it amountsösszegek
390
1022988
2958
de az értékelés valójában csak egy visszacsatolás,
17:17
to an opportunitylehetőség for trialpróba and errorhiba.
391
1025946
2154
ami alkalmat teremt a próbálgatásokra.
17:20
It amountsösszegek to a chancevéletlen to work over a longerhosszabb periodidőszak of time
392
1028100
4494
Hosszú távon a visszajelzések esélyt teremtenek
17:24
with this kindkedves of feedbackVisszacsatolás.
393
1032594
1910
az újragondolásra.
17:26
That's differentkülönböző than weedinggyomlálás, and usuallyáltalában, I have to tell you,
394
1034504
2938
Ez más, mint a gyomlálás, és el kell mondjam, amikor
17:29
when people talk about evaluationértékelése, evaluatingértékelése studentsdiákok,
395
1037442
2726
az emberek általában az értékelésről beszélnek -
17:32
evaluatingértékelése teacherstanárok, evaluatingértékelése schoolsiskolákban,
396
1040168
2787
hallgatók, tanárok, iskolák vagy
17:34
evaluatingértékelése programsprogramok, that they're really talkingbeszél about weedinggyomlálás.
397
1042955
4161
programok értékeléséről, valójában gyomlálásról beszélnek.
17:39
And that's a badrossz thing, because then you will get what you selectválaszt for,
398
1047116
4210
Ez pedig rossz dolog, mivel azt fogjuk kapni, amit keresünk,
17:43
whichmelyik is what we'vevoltunk gottenütött so farmessze.
399
1051326
1958
az, amit már eddig is megkaptunk.
17:45
So I'd say what we need is a testteszt that saysmondja, "What is x?"
400
1053284
3441
Szerintem olyan tesztre van szükségünk,
amiben a kérdésre: "Mi az X?"
17:48
and the answersválaszokat are "I don't know, because no one does,"
401
1056725
3092
a válasz: "Nem tudom, mert senki sem tudja",
17:51
or "What's the questionkérdés?" Even better.
402
1059817
1741
esetleg "Mi is a kérdés?" Még jobb.
17:53
Or, "You know what, I'll look it up, I'll askkérdez someonevalaki,
403
1061558
2390
Vagy: "Te tudod, én majd utánanézek,
megkérdezek vagy felhívok valakit. Kiderítem."
17:55
I'll phonetelefon someonevalaki. I'll find out."
404
1063964
2700
17:58
Because that's what we want people to do,
405
1066664
1550
Mert azt akarjuk, hogy így tegyenek az emberek,
18:00
and that's how you evaluateértékelje them.
406
1068214
1371
ez az, ahogy értékelni tudjuk őket.
18:01
And maybe for the advancedfejlett placementelhelyezés classesosztályok,
407
1069585
1943
A kiemelt osztályok számára esetleg
18:03
it could be, "Here'sItt van the answerválasz. What's the nextkövetkező questionkérdés?"
408
1071528
3714
lehetne ilyen is: "Itt a válasz. Mi a következő kérdés?"
18:07
That's the one I like in particularkülönös.
409
1075242
1511
Ez az, amit igazán kedvelek.
18:08
So let me endvég with a quoteidézet from WilliamWilliam ButlerButler YeatsYeats,
410
1076753
2177
Ezért hadd fejezzem be egy Yeats idézettel, aki
18:10
who said "EducationOktatás is not about fillingtöltő bucketskanalak;
411
1078930
3167
azt mondta: "Az oktatás nem arról szól, hogy vödröket töltögessünk,
18:14
it is lightingvilágítás firestüzek."
412
1082097
2153
hanem hogy tüzeket gyújtsunk."
18:16
So I'd say, let's get out the matchesmérkőzések.
413
1084250
3875
Szóval, elő a gyufákkal.
18:20
Thank you.
414
1088125
1208
Köszönöm.
18:21
(ApplauseTaps)
415
1089333
3227
(Taps)
18:24
Thank you. (ApplauseTaps)
416
1092560
3816
Köszönöm. (Taps)
Translated by Tibor B
Reviewed by Anna Patai

▲Back to top

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

Why you should listen

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

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

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