TEDGlobal 2013
Uri Alon: Why science demands a leap into the unknown
Uri Alon: Miért vezet az igazi újítás az ismeretlenen át
Filmed:
Readability: 4.3
1,123,668 views
Fizika PhD tanulmányai során Uri Alon úgy érezte, semmire se viszi, mert minden próbálkozása zsákutcába vezetett. De az improvizációs színház segítségével rájött, hogy a kudarc szórakoztató is lehet. Felhívja a tudósok figyelmét arra, hogy a kutatás nem egyenes út a kérdéstől a válaszig. Üzenete bármely más szakterület művelőiben is visszhangra fog találni.
Uri Alon - Systems biologist
Uri Alon studies how cells work, using an array of tools (including improv theater) to understand the biological circuits that perform the functions of life. Full bio
Uri Alon studies how cells work, using an array of tools (including improv theater) to understand the biological circuits that perform the functions of life. Full bio
Double-click the English transcript below to play the video.
00:12
In the middle of my Ph.D.,
0
325
2063
A PhD-m közepe táján
00:14
I was hopelessly stuck.
1
2388
3462
reménytelenül elakadtam.
00:17
Every research direction that I tried
2
5850
1780
Akármerre fordultam,
00:19
led to a dead end.
3
7630
1616
zsákutcába kerültem.
00:21
It seemed like my basic assumptions
4
9246
1902
Úgy tűnt, mintha az alapvető feltevéseim
00:23
just stopped working.
5
11148
1928
már nem lettek volna helytállóak.
00:25
I felt like a pilot flying through the mist,
6
13076
2999
Úgy éreztem magam,
mint a ködben repülő pilóta,
mint a ködben repülő pilóta,
00:28
and I lost all sense of direction.
7
16075
2795
nem tudtam tájékozódni.
00:30
I stopped shaving.
8
18870
1481
Már meg sem borotválkoztam.
00:32
I couldn't get out of bed in the morning.
9
20351
2741
Reggel nem tudtam kikelni az ágyból.
00:35
I felt unworthy
10
23092
1733
Nem éreztem méltónak magam ahhoz,
00:36
of stepping across the gates of the university,
11
24825
3153
hogy belépjek az egyetem kapuján,
mert nem voltam olyan,
mint Einstein vagy Newton,
mint Einstein vagy Newton,
00:39
because I wasn't like Einstein or Newton
12
27978
2148
00:42
or any other scientist whose results
13
30126
2153
vagy más tudós,
akiknek az eredményeiről tanultunk.
00:44
I had learned about, because in science,
14
32279
1531
00:45
we just learn about the results, not the process.
15
33810
3382
Mert a tudományban csak eredményekről
tanulunk, nem folyamatokról.
tanulunk, nem folyamatokról.
00:49
And so obviously, I couldn't be a scientist.
16
37192
4701
Így persze én nem lehettem tudós.
00:53
But I had enough support
17
41893
1664
De volt elég támaszom,
00:55
and I made it through
18
43557
1397
és túlléptem ezen.
00:56
and discovered something new about nature.
19
44954
2220
Valami újat fedeztem fel a természetről.
00:59
This is an amazing feeling of calmness,
20
47174
2743
Rendkívül megnyugtató érzés volt
a világon az egyetlen embernek lenni,
01:01
being the only person in the world
21
49917
1332
01:03
who knows a new law of nature.
22
51249
2225
aki ismer egy új természeti törvényt.
01:05
And I started the second project in my Ph.D,
23
53474
3042
Elindítottam a második PhD projektemet
01:08
and it happened again.
24
56516
1364
és megismétlődött ugyanaz.
01:09
I got stuck and I made it through.
25
57880
2289
Zátonyra futottam, majd túljutottam rajta.
01:12
And I started thinking,
26
60169
1386
Kezdtem arra gondolni,
hogy ez valami szabályszerűség lehet.
01:13
maybe there's a pattern here.
27
61555
1157
01:14
I asked the other graduate students, and they said,
28
62712
1841
Megkérdeztem más végzősösöket is.
01:16
"Yeah, that's exactly what happened to us,
29
64553
2043
"Igen, pontosan így jártunk."- mondták,
01:18
except nobody told us about it."
30
66596
2349
"csak senki nem figyelmeztetett előre."
Mi mindannyian azt tanultuk
a tudományról,
a tudományról,
01:20
We'd all studied science as if it's a series
31
68945
1950
01:22
of logical steps between question and answer,
32
70895
3576
hogy az logikus lépések sorozata
kérdéstől válaszig.
kérdéstől válaszig.
01:26
but doing research is nothing like that.
33
74471
2746
De a kutatás egyáltalán nem ilyen.
01:29
At the same time, I was also studying
34
77217
2334
Ugyanebben az időszakban
improvizációs színházi
képzésen vettem részt.
képzésen vettem részt.
01:31
to be an improvisation theater actor.
35
79551
2087
Tehát napközben fizikával foglalkoztam,
01:33
So physics by day,
36
81638
1434
01:35
and by night, laughing, jumping, singing,
37
83072
2018
és éjjel pedig nevettem, ugráltam,
01:37
playing my guitar.
38
85090
1312
énekeltem és gitároztam.
01:38
Improvisation theater,
39
86402
1479
A improvizációs színház,
01:39
just like science, goes into the unknown,
40
87881
3009
akárcsak a tudomány,
az ismeretlenben tapogatózik,
az ismeretlenben tapogatózik,
mert rendező és forgatókönyv nélkül
01:42
because you have to make a scene onstage
41
90890
1412
01:44
without a director, without a script,
42
92302
1703
kell játszani a színpadon,
01:46
without having any idea what you'll portray
43
94005
2278
anélkül, hogy tudnánk,
mit kell majd alakítanunk,
mit kell majd alakítanunk,
01:48
or what the other characters will do.
44
96283
2406
vagy hogy a többi szereplő mit fog tenni.
01:50
But unlike science,
45
98689
1849
De a tudománytól eltérően,
01:52
in improvisation theater, they tell you from day one
46
100538
3023
az improvizációs színházban
már az első nap megmondják,
már az első nap megmondják,
01:55
what's going to happen to
you when you get onstage.
you when you get onstage.
47
103561
2215
mi fog történni, mikor színpadra lépünk.
01:57
You're going to fail miserably.
48
105776
2772
Siralmasan meg fogunk bukni.
Leblokkolunk.
02:00
You're going to get stuck.
49
108548
1177
Úgyhogy azt gyakoroltuk,
hogyan maradjunk kreatívak
hogyan maradjunk kreatívak
02:01
And we would practice staying creative
50
109725
2118
02:03
inside that stuck place.
51
111843
1203
szorult helyzetben.
02:05
For example, we had an exercise
52
113046
1905
Például volt egy gyakorlat,
amikor mind körbeálltunk,
02:06
where we all stood in a circle,
53
114951
1142
02:08
and each person had to do
the world's worst tap dance,
the world's worst tap dance,
54
116093
2965
és a legszörnyűbb sztepptáncot jártuk,
02:11
and everybody else applauded
55
119058
1586
miközben a többiek tapsoltak
02:12
and cheered you on,
56
120644
1242
és biztattak,
02:13
supporting you onstage.
57
121886
2763
támogattak a színpadon.
02:16
When I became a professor
58
124649
1908
Mikor tanár lettem,
és a saját diákjaimat irányítottam
02:18
and had to guide my own students
59
126557
1381
02:19
through their research projects,
60
127938
1973
a kutatómunkájukban,
02:21
I realized again,
61
129911
1367
ismét észrevettem,
02:23
I don't know what to do.
62
131278
1712
hogy nem tudom, mit tegyek.
02:24
I'd studied thousands of hours of physics,
63
132990
1994
Tanulmányoztam fizika,
02:26
biology, chemistry,
64
134984
1614
biológia, kémia órák ezreit,
02:28
but not one hour, not one concept
65
136598
2372
de egyik óra vagy elgondolás
sem mutatta meg,
sem mutatta meg,
02:30
on how to mentor, how to guide someone
66
138970
2586
hogy kell irányítani valakit
02:33
to go together into the unknown,
67
141556
1737
az ismeretlenben vezető közös úton,
02:35
about motivation.
68
143293
1921
hogyan kell motiválni.
02:37
So I turned to improvisation theater,
69
145214
1930
Tehát a improvizációs színháztól ihletve
02:39
and I told my students from day one
70
147144
2173
már az első nap megmondtam a diákjaimnak,
02:41
what's going to happen when you start research,
71
149317
2901
hogy mi fog történni,
mikor megkezdik a kutatást.
mikor megkezdik a kutatást.
A mi mentális beállítottságunktól függ,
02:44
and this has to do with our mental schema
72
152218
1726
02:45
of what research will be like.
73
153944
2012
hogy milyen lesz a kutatás.
02:47
Because you see, whenever people do anything,
74
155956
2278
Mert valahányszor teszünk valamit,
02:50
for example if I want to touch this blackboard,
75
158234
2642
például meg szeretném
érinteni ezt a táblát,
érinteni ezt a táblát,
az agyam először kidolgoz egy sémát,
02:52
my brain first builds up a schema,
76
160876
1660
02:54
a prediction of exactly what my muscles will do
77
162536
1859
előrevetíti az izmok pontos feladatát
02:56
before I even start moving my hand,
78
164395
2156
még mielőtt megmozdítom a kezem,
02:58
and if I get blocked,
79
166551
1848
és ha én leblokkolok,
ha az én elképzelésem
eltér a valóságtól,
eltér a valóságtól,
03:00
if my schema doesn't match reality,
80
168399
1875
03:02
that causes extra stress called cognitive dissonance.
81
170274
2284
akkor az egy többlet stresszt hoz létre,
amit kognitív disszonanciának nevezünk.
amit kognitív disszonanciának nevezünk.
03:04
That's why your schemas had better match reality.
82
172558
2909
Ezért jó, ha a séma valósághű.
03:07
But if you believe the way science is taught,
83
175467
3155
Ha hiszünk abban,
ahogyan a tudományokat tanítják,
ahogyan a tudományokat tanítják,
03:10
and if you believe textbooks, you're liable
84
178622
1897
ha hiszünk a tankönyveknek,
03:12
to have the following schema of research.
85
180519
6294
akkor a következő kutatási sémát kapjuk:
03:18
If A is the question,
86
186813
3318
Ha A a kérdés
03:22
and B is the answer,
87
190131
3400
és B a válasz,
03:25
then research is a direct path.
88
193531
4593
akkor a kutatás egyenes út.
03:30
The problem is that if an experiment doesn't work,
89
198127
3115
A gond az, hogy ha egy
kísérlet nem működik,
kísérlet nem működik,
03:33
or a student gets depressed,
90
201242
3662
vagy egy diák elcsügged,
03:36
it's perceived as something utterly wrong
91
204904
2086
akkor ezt valami fergeteges
hibának érzékeli,
hibának érzékeli,
03:38
and causes tremendous stress.
92
206990
3030
ami rendkívüli stresszt okoz.
03:42
And that's why I teach my students
93
210020
1783
Ezért tanítok a diákjaimnak
03:43
a more realistic schema.
94
211803
3862
egy sokkal valóságosabb sémát.
03:50
Here's an example
95
218860
1524
Íme egy példa arra,
03:52
where things don't match your schema.
96
220384
3136
amikor a dolgok eltérnek a sémától.
03:58
(Laughter)
97
226379
3262
(Nevetés)
04:01
(Applause)
98
229641
3199
(Taps)
04:13
So I teach my students a different schema.
99
241564
3446
Tehát egy másik sémát
tanítok a diákjaimnak.
tanítok a diákjaimnak.
04:17
If A is the question,
100
245010
2194
Ha A a kérdés,
04:19
B is the answer,
101
247204
2181
B a válasz,
04:25
stay creative in the cloud,
102
253320
1535
maradj kreatív a felhőben
04:26
and you start going,
103
254855
1975
és indulj el.
04:28
and experiments don't work, experiments don't work,
104
256830
2363
De a kísérletek nem működnek, nem működnek
04:31
experiments don't work, experiments don't work,
105
259193
2535
nem működnek és nem működnek,
04:33
until you reach a place linked
with negative emotions
with negative emotions
106
261728
2676
s végül rossz érzésekkel
eltelve oda jutunk,
eltelve oda jutunk,
ahol már úgy tűnik,
hogy az alapfeltevéseinknek
hogy az alapfeltevéseinknek
04:36
where it seems like your basic assumptions
107
264404
2278
04:38
have stopped making sense,
108
266682
1116
nincs semmi értelme.
04:39
like somebody yanked the carpet beneath your feet.
109
267798
3055
Mintha kicsúszna a talaj a lábunk alól.
04:42
And I call this place the cloud.
110
270853
3328
Ezt a helyet nevezem felhőnek.
04:59
Now you can be lost in the cloud
111
287685
2678
Eltévedhetünk a felhőben
05:02
for a day, a week, a month, a year,
112
290363
2508
egy napra, hétre, hónapra, évre,
05:04
a whole career,
113
292871
1498
egy egész életpályára,
05:06
but sometimes, if you're lucky enough
114
294369
2162
de néha, hogyha szerencsénk van,
05:08
and you have enough support,
115
296531
1856
és támogatnak is minket,
05:10
you can see in the materials at hand,
116
298387
1990
észrevehetünk valamit magunk körül,
05:12
or perhaps meditating on the shape of the cloud,
117
300377
3248
esetleg épp a felhő formáján meditálva,
05:15
a new answer,
118
303625
2002
egy új választ,
05:19
C, and you decide to go for it.
119
307285
3684
C-t, és eldönthetjük, hogy kipróbáljuk.
05:22
And experiments don't work, experiments don't work,
120
310969
2369
A kísérlet nem működik, és nem működik,
05:25
but you get there,
121
313338
1469
de megérkezünk,
és akkor megosztjuk a világgal
05:26
and then you tell everyone about it
122
314807
1220
05:28
by publishing a paper that reads A arrow C,
123
316027
3502
egy publikált cikkben, hogy A nyíl C,
05:31
which is a great way to communicate,
124
319529
1959
ami a közlés nagyszerű módja,
05:33
but as long as you don't forget the path
125
321488
2344
de csak ha nem felejtjük el az utat,
05:35
that brought you there.
126
323832
1799
mely odavezetett.
05:37
Now this cloud is an inherent part
127
325631
1975
Ez a felhő a kutatás velejárója,
05:39
of research, an inherent part of our craft,
128
327606
2604
mesterségünk része,
05:42
because the cloud stands guard at the boundary.
129
330210
3210
mert a felhő őrzi a határzónát.
05:49
It stands guard at the boundary
130
337721
2269
Őrködik a határon
05:51
between the known
131
339990
2972
az ismert
05:57
and the unknown,
132
345795
3604
és az ismeretlen között.
06:05
because in order to discover something truly new,
133
353110
2275
Hogy felfedezzünk valami egészen újat,
06:07
at least one of your basic
assumptions has to change,
assumptions has to change,
134
355385
3577
legalább egy alapfeltevést
meg kell változtatni,
meg kell változtatni,
ami azt jelenti, hogy a tudományban
06:10
and that means that in science,
135
358962
1254
06:12
we do something quite heroic.
136
360216
1962
valami egészen hősieset teszünk:
06:14
Every day, we try to bring ourselves
137
362178
1821
minden nap megpróbálunk eljutni
06:15
to the boundary between
the known and the unknown
the known and the unknown
138
363999
1812
az ismert és ismeretlen
dolgok közti határra,
dolgok közti határra,
06:17
and face the cloud.
139
365811
1821
hogy szembenézzünk a felhővel.
06:19
Now notice that I put B
140
367632
1705
Vegyük észre,
hogy B-t az ismert zónába helyeztem,
06:21
in the land of the known,
141
369337
743
06:22
because we knew about it in the beginning,
142
370080
1811
mert már kezdetben is ismerjük.
06:23
but C is always more interesting
143
371891
3649
De C mindig sokkal érdekesebb
06:27
and more important than B.
144
375540
2723
és sokkal fontosabb, mint B.
06:30
So B is essential in order to get going,
145
378263
2193
B fontos az induláshoz,
06:32
but C is much more profound,
146
380456
1818
de C sokkal tartalmasabb.
06:34
and that's the amazing thing about resesarch.
147
382274
4497
Ez a csodálatos a kutatásban.
Az az egyszerű tény,
hogy ismerjük a felhő fogalmát,
hogy ismerjük a felhő fogalmát,
06:38
Now just knowing that word, the cloud,
148
386771
2188
06:40
has been transformational in my research group,
149
388959
2555
nagy hatást gyakorolt a kutatócsoportomra,
06:43
because students come to me and say,
150
391514
1870
mert a diákjaim jönnek és azt mondják:
06:45
"Uri, I'm in the cloud,"
151
393384
1598
"Uri, a felhőben vagyok."
06:46
and I say, "Great, you must be feeling miserable."
152
394982
3166
"Nagyszerű, akkor biztos
nyomorultul érzed magad."
nyomorultul érzed magad."
06:50
(Laughter)
153
398148
2142
(Nevetés)
06:52
But I'm kind of happy,
154
400290
1913
De igazából örülök,
06:54
because we might be close to the boundary
155
402203
1678
mert lehet, hogy közel vagyunk
06:55
between the known and the unknown,
156
403881
1896
az ismert és az ismeretlen határához,
06:57
and we stand a chance of discovering
157
405777
1546
és esélyünk van felfedezni
06:59
something truly new,
158
407323
1861
valami egészen újat.
07:01
since the way our mind works,
159
409184
1342
Mert így működik az elménk.
07:02
it's just knowing that the cloud
160
410526
3148
Tudva, hogy a felhő
07:05
is normal, it's essential,
161
413674
4426
normális, lényeges,
07:10
and in fact beautiful,
162
418100
1205
és tulajdonképpen szép,
07:11
we can join the Cloud Appreciation Society,
163
419305
3623
csatlakozhatunk
a Felhőt Értékelők Társaságához.
a Felhőt Értékelők Társaságához.
07:14
and it detoxifies the feeling that something
164
422928
1918
Ez felszabadít az érzés alól,
07:16
is deeply wrong with me.
165
424846
2562
hogy valami nincs rendben velem.
07:19
And as a mentor, I know what to do,
166
427408
2450
Mint mentor tudom, mi a dolgom.
07:21
which is to step up my support for the student,
167
429858
2202
Támogatnom kell a diákomat,
07:24
because research in psychology shows
168
432060
1481
mert a kutatás lélektana szerint
07:25
that if you're feeling fear and despair,
169
433541
3559
a félelem és a reménytelenség
07:29
your mind narrows down
170
437100
997
óvatos és konzervatív gondolkozásra
07:30
to very safe and conservative ways of thinking.
171
438097
2831
készteti az elmét.
Ha szeretnénk felfedezni
a kockázatos utakat,
a kockázatos utakat,
07:32
If you'd like to explore the risky paths
172
440928
1575
07:34
needed to get out of the cloud,
173
442503
1388
hogy kijussunk a felhőből,
07:35
you need other emotions --
174
443891
1761
más érzelmekre van szükség.
07:37
solidarity, support, hope —
175
445652
2201
Szolidaritásra, támogatásra, reményre,
melyek a másokkal való
kapcsolódásból erednek.
kapcsolódásból erednek.
07:39
that come with your connection from somebody else,
176
447853
1737
07:41
so like in improvisation theater,
177
449590
1550
Akárcsak az improvizációs színházban,
07:43
in science, it's best to walk into the unknown
178
451140
2301
a tudományban is jobb az ismeretlenbe
07:45
together.
179
453441
1969
együtt belemenni.
07:47
So knowing about the cloud,
180
455410
2442
Ismerve a felhő fogalmát,
07:49
you also learn from improvisation theater
181
457852
3324
a színháztól tanultunk
egy hatékony módszert
07:53
a very effective way to have conversations
182
461176
2602
07:55
inside the cloud.
183
463778
1760
a felhő belsejében való beszélgetésre is.
07:57
It's based on the central principle
184
465538
1977
Az improvizációs színház
07:59
of improvisation theater,
185
467515
1767
alapelvére épül,
tehát itt megint segítségemre sietett
08:01
so here improvisation theater
186
469282
1093
08:02
came to my help again.
187
470375
1296
az improvizációs színház.
08:03
It's called saying "Yes, and"
188
471671
2291
Ez az "Igen, és" válasz,
08:05
to the offers made by other actors.
189
473962
3465
amit mások javaslataira adunk.
08:16
That means accepting the offers
190
484297
2894
Azt jelenti,
hogy elfogadjuk a javaslatot,
hogy elfogadjuk a javaslatot,
és építünk rá, mondván "igen, és".
08:19
and building on them, saying, "Yes, and."
191
487191
2511
Például, ha egy színész azt mondja:
08:21
For example, if one actor says,
192
489702
1239
08:22
"Here is a pool of water,"
193
490941
1155
"Nézd, egy tócsa."
08:24
and the other actor says,
194
492096
1045
és a másik azt válaszolja:
08:25
"No, that's just a stage,"
195
493141
1869
"Nem, az csak egy színpad."
08:27
the improvisation is over.
196
495010
1738
Akkor az improvizációnak vége.
08:28
It's dead, and everybody feels frustrated.
197
496748
3772
Elhal és mindenki feszült lesz.
08:32
That's called blocking.
198
500520
1348
Ezt hívjuk leblokkolásnak.
08:33
If you're not mindful of communications,
199
501868
1607
Ha nem tudatosan kommunikálunk,
08:35
scientific conversations can have a lot of blocking.
200
503475
2937
akkor a tudományos beszélgetések
sokszor elakadnak.
sokszor elakadnak.
08:38
Saying "Yes, and" sounds like this.
201
506412
2236
Az "Igen, és"
használatával ez így hangzik:
használatával ez így hangzik:
08:40
"Here is a pool of water."
"Yeah, let's jump in."
"Yeah, let's jump in."
202
508648
2508
"Itt egy tócsa."
"Igen, gyertek, ugorjunk bele."
"Igen, gyertek, ugorjunk bele."
08:43
"Look, there's a whale! Let's grab it by its tail.
203
511156
3009
"Nézzétek, egy bálna!
Gyertek, fogjuk meg a farkát!
Gyertek, fogjuk meg a farkát!
08:46
It's pulling us to the moon!"
204
514165
2101
A Holdig vontat minket."
08:48
So saying "Yes, and" bypasses our inner critic.
205
516266
3020
Az "Igen, és" használata
kikerüli a belső kritikát.
kikerüli a belső kritikát.
Mindenkinek van belső kritikája,
08:51
We all have an inner critic
206
519286
1694
ami felügyeli, mit mondunk,
08:52
that kind of guards what we say,
207
520980
1241
hogy ne tűnjünk közönségesnek,
08:54
so people don't think that we're obscene
208
522221
1923
vagy őrültnek vagy nem hitelesnek.
08:56
or crazy or unoriginal,
209
524144
1115
08:57
and science is full of the fear
210
525259
1260
A tudomány retteg attól,
08:58
of appearing unoriginal.
211
526519
1557
hogy nem alkot valami eredetit.
09:00
Saying "Yes, and" bypasses the critic
212
528076
2167
Az "Igen, és" használata
kikapcsolja a kritikát,
kikapcsolja a kritikát,
09:02
and unlocks hidden voices of creativity
213
530243
2612
és felszabadítja a rejtett kreativitást,
melynek létezését nem is sejtettük,
09:04
you didn't even know that you had,
214
532855
1525
09:06
and they often carry the answer
215
534380
2030
és gyakran hordozzák a választ
09:08
about the cloud.
216
536410
2405
a felhőről.
09:10
So you see, knowing about the cloud
217
538815
2601
A felhő ismerete
09:13
and about saying "Yes, and"
218
541416
1404
és az "Igen, és" használata
09:14
made my lab very creative.
219
542820
2859
csapatunkat nagyon kreativvá tette.
09:17
Students started playing off of each others' ideas,
220
545679
2528
A diákok elkezdték használni
egymás ötleteit,
egymás ötleteit,
09:20
and we made surprising discoveries
221
548207
2114
és meglepő felfedezéseket tettek
09:22
in the interface between physics and biology.
222
550321
2869
a fizika és a biológia közös felületén.
09:25
For example, we were stuck for a year
223
553190
2950
Például egy évre elakadtunk,
mikor próbáltuk megérteni
09:28
trying to understand the intricate
224
556140
1149
09:29
biochemical networks inside our cells,
225
557289
2693
sejtjeink összetett biokémiai hálózatát.
09:31
and we said, "We are deeply in the cloud,"
226
559982
2457
"Mélyen vagyunk a felhőben." - mondtuk.
09:34
and we had a playful conversation
227
562439
1980
Játékos beszélgetéseket folytattunk.
09:36
where my student Shai Shen Orr said,
228
564419
1788
Shai Shen Orr diákom azt mondta:
09:38
"Let's just draw this on a
piece of paper, this network,"
piece of paper, this network,"
229
566207
2843
"Rajzoljuk le a hálózatot egy papírra!"
09:41
and instead of saying,
230
569050
1453
Ahelyett, hogy leszóltuk volna:
09:42
"But we've done that so many times
231
570503
2151
"De olyan sokszor lerajzoltuk már,
09:44
and it doesn't work,"
232
572654
1034
és nem működött."
09:45
I said, "Yes, and
233
573688
2943
Azt mondtam:
"Jó, és használjunk nagyon nagy lapot."
09:48
let's use a very big piece of paper,"
234
576631
2041
Ron Milo hozzátette:
09:50
and then Ron Milo said,
235
578672
1092
"Az építészek tervrajzokhoz
használt hatalmas lapját,
használt hatalmas lapját,
09:51
"Let's use a gigantic architect's
236
579764
2220
09:53
blueprint kind of paper, and I know where to print it,"
237
581984
1796
azt is tudom, hol lehet kinyomtatni."
09:55
and we printed out the network and looked at it,
238
583780
2500
Kinyomtattuk a hálózatot,
és ránéztünk.
és ránéztünk.
09:58
and that's where we made
our most important discovery,
our most important discovery,
239
586280
2509
Ekkor született meg
a legfontosabb felfedezésünk,
a legfontosabb felfedezésünk,
10:00
that this complicated network is just made
240
588789
2201
hogy ez a bonyolult hálózat
10:02
of a handful of simple, repeating interaction patterns
241
590990
3463
csak néhány egyszerű és ismétlődő
szerkezetekből áll,
szerkezetekből áll,
10:06
like motifs in a stained glass window.
242
594453
3163
mint egy ólomüveg ablak motívumai.
10:09
We call them network motifs,
243
597616
2048
Hálózati motívumoknak neveztük őket,
10:11
and they're the elementary circuits
244
599664
2152
és ezek az elemi körök
10:13
that help us understand
245
601816
1385
segítettek megérteni
10:15
the logic of the way cells make decisions
246
603201
2700
a sejtek döntéshozatalának logikáját
az organizmusokban,
az organizmusokban,
10:17
in all organisms, including our body.
247
605901
2849
beleértve az emberi testet is.
Röviddel ezután
10:20
Soon enough, after this,
248
608750
1925
10:22
I started being invited to give talks
249
610675
1620
kezdtek meghívni előadást tartani
10:24
to thousands of scientists across the world,
250
612295
3011
tudósok ezreinek szerte a világban,
10:27
but the knowledge about the cloud
251
615306
1833
de a felhő fogalma
és az "Igen, és" használata
10:29
and saying "Yes, and"
252
617139
1132
10:30
just stayed within my own lab,
253
618271
1839
a laboromon belül maradt,
10:32
because you see, in science,
we don't talk about the process,
we don't talk about the process,
254
620110
2131
mert a tudományban
nem beszélünk a folyamatról,
nem beszélünk a folyamatról,
10:34
anything subjective or emotional.
255
622241
2433
semmi szubjektívről vagy érzelmekről.
10:36
We talk about the results.
256
624674
1863
Eredményekről beszélünk.
A konferenciákon sem beszélhettem róla.
10:38
So there was no way to talk about it in conferences.
257
626537
2069
10:40
That was unthinkable.
258
628606
1924
Elképzelhetetlen volt.
10:42
And I saw scientists in other groups get stuck
259
630530
2076
Láttam más csoportok elakadt tudósait,
10:44
without even having a word to describe
260
632606
1774
akik nem tudták kifejezni,
10:46
what they're seeing,
261
634380
1321
hogy mit látnak,
10:47
and their ways of thinking
262
635701
1355
és a gondolkodásuk leszűkült
10:49
narrowed down to very safe paths,
263
637056
1528
egy keskeny biztonságos mezsgyére,
10:50
their science didn't reach its full potential,
264
638584
1660
a tudományuk nem bontakozott ki teljesen
10:52
and they were miserable.
265
640244
1753
és szenvedtek.
10:53
I thought, that's the way it is.
266
641997
1939
Hát ez az, gondoltam,
a csapatom kreativitásra
ösztönzöm, amennyire lehet,
ösztönzöm, amennyire lehet,
10:55
I'll try to make my lab as creative as possible,
267
643936
2021
10:57
and if everybody else does the same,
268
645957
1680
és ha más is így tesz,
10:59
science will eventually become
269
647637
2190
akkor a tudomány
11:01
more and more better and better.
270
649827
2214
egyre jobb lesz.
11:04
That way of thinking got turned on its head
271
652041
2920
Ez a gondolkodásmódom
gyökeresen megváltozott,
gyökeresen megváltozott,
11:06
when by chance I went to hear Evelyn Fox Keller
272
654961
2339
amikor véletlenül meghallgattam
11:09
give a talk about her experiences
273
657300
1358
Evelyn Fox Keller kutatónő beszédét
11:10
as a woman in science.
274
658658
1691
a tapasztalatairól.
11:12
And she asked,
275
660349
1823
Azt kérdezte:
11:14
"Why is it that we don't talk about the subjective
276
662172
1948
"Miért van az, hogy nem beszélünk
a kutatás szubjektív
a kutatás szubjektív
11:16
and emotional aspects of doing science?
277
664120
2186
és érzelmi oldaláról?
11:18
It's not by chance. It's a matter of values."
278
666306
3992
Ez nem lehet véletlen.
Az értékrendünk áll e mögött."
Az értékrendünk áll e mögött."
Láthatjuk, hogy a tudománynak
ismeretre van szüksége,
ismeretre van szüksége,
11:22
You see, science seeks knowledge
279
670298
2178
11:24
that's objective and rational.
280
672476
1795
és ez objektív és racionális.
11:26
That's the beautiful thing about science.
281
674271
2198
Ez a szép a tudományban.
11:28
But we also have a cultural myth
282
676469
1956
De van egy kulturális mítosz is,
miszerint a tudományos kutatás,
11:30
that the doing of science,
283
678425
1254
11:31
what we do every day to get that knowledge,
284
679679
2300
a tudás megszerzésére
irányuló napi tevékenységünk
irányuló napi tevékenységünk
11:33
is also only objective and rational,
285
681979
2440
is csak objektív és racionális,
11:36
like Mr. Spock.
286
684419
2432
mint Spock.
11:38
And when you label something
287
686851
1414
Ha valamit tárgyilagosnak
11:40
as objective and rational,
288
688265
1813
és racionális titulálunk,
11:42
automatically, the other side,
289
690078
1642
az ellenkezője -
a szubjektív és érzelmi dolgok -,
11:43
the subjective and emotional,
290
691720
1457
11:45
become labeled as non-science
291
693177
2102
automatikusan nem-tudományos
címkét kapnak,
címkét kapnak,
11:47
or anti-science or threatening to science,
292
695279
1971
vagy tudományellenest
vagy azt fenyegetőt,
vagy azt fenyegetőt,
11:49
and we just don't talk about it.
293
697250
1811
és többet nem is beszélünk róluk.
11:51
And when I heard that,
294
699061
1954
Mikor azt hallottam,
11:53
that science has a culture,
295
701015
2167
hogy a tudománynak kultúrája van,
11:55
everything clicked into place for me,
296
703182
1547
minden helyre került bennem,
mert ha a tudománynak van kultúrája,
11:56
because if science has a culture,
297
704729
1664
11:58
culture can be changed,
298
706393
1256
akkor az megváltoztatható,
11:59
and I can be a change agent
299
707649
1593
én pedig elősegíthetem a változást
12:01
working to change the culture
of science wherever I could.
of science wherever I could.
300
709242
2712
valahányszor alkalmam adódik.
12:03
And so the very next lecture I gave in a conference,
301
711954
3069
Rögtön a következő konferencián
12:07
I talked about my science,
302
715023
1612
a tudományos előadásom után
12:08
and then I talked about the importance
303
716635
1512
beszéltem a tudomány
12:10
of the subjective and emotional
aspects of doing science
aspects of doing science
304
718147
2182
szubjektív és érzelmi
oldalának fontosságáról,
oldalának fontosságáról,
12:12
and how we should talk about them,
305
720329
1120
és hogy erről beszélnünk kellene.
12:13
and I looked at the audience,
306
721449
1234
Figyeltem a hallgatóságot,
12:14
and they were cold.
307
722683
2360
de nem reagáltak.
12:17
They couldn't hear what I was saying
308
725043
3291
Nem volt értelme annak, amit mondtam
egy 10 egymást érő
PowerPoint előadást tartalmazó
PowerPoint előadást tartalmazó
12:20
in the context of a 10 back-to-back
309
728334
1251
12:21
PowerPoint presentation conference.
310
729585
1839
konferencia kontextusában.
12:23
And I tried again and again,
conference after conference,
conference after conference,
311
731424
2482
Újra és újra megpróbáltam,
egyik konferencián a másik után,
egyik konferencián a másik után,
12:25
but I wasn't getting through.
312
733906
2373
de nem ment át.
12:28
I was in the cloud.
313
736279
2906
A felhőben voltam.
12:31
And eventually I managed to get out the cloud
314
739185
3514
Végül zenével és rögtönzéssel
12:34
using improvisation and music.
315
742699
2811
sikerült kijönni a felhőből.
12:37
Since then, every conference I go to,
316
745510
2739
Azóta minden konferencián,
ahol felszólalok,
ahol felszólalok,
12:40
I give a science talk and a second, special talk
317
748249
2862
tartok egy tudományos előadást,
és egy másodikat
és egy másodikat
12:43
called "Love and fear in the lab,"
318
751111
1993
"Szeretet és félelem a laborban" címmel.
12:45
and I start it off by doing a song
319
753104
2217
Egy énekkel kezdem
12:47
about scientists' greatest fear,
320
755321
2572
a tudósok legnagyobb félelméről,
12:49
which is that we work hard,
321
757893
2912
arról, hogy keményen dolgozunk,
12:52
we discover something new,
322
760805
2342
felfedezünk valami újat,
12:55
and somebody else publishes it before we do.
323
763147
3357
de valaki más lepublikálja előttünk.
12:58
We call it being scooped,
324
766504
2616
Beelőztek minket.
13:01
and being scooped feels horrible.
325
769120
3214
Szörnyű érzés.
Emiatt félünk beszélni egymással,
13:04
It makes us afraid to talk to each other,
326
772334
2213
és ez kellemetlen,
13:06
which is no fun,
327
774547
833
13:07
because we came to science to share our ideas
328
775380
2760
mert azért kezdtünk kutatni,
hogy beszélgessünk,
hogy beszélgessünk,
13:10
and to learn from each other,
329
778140
1311
és tanuljunk egymástól.
13:11
and so I do a blues song,
330
779451
3489
Úgyhogy eléneklek egy blues-t.
13:17
which — (Applause) —
331
785040
5504
(Taps)
13:22
called "Scooped Again,"
332
790544
3223
"Megint beelőztek" a címe.
13:25
and I ask the audience to be my backup singers,
333
793767
2658
Felkérem a közönséget,
hogy énekeljen velem.
hogy énekeljen velem.
13:28
and I tell them, "Your text is 'Scoop, Scoop.'"
334
796425
3980
Az ő szövegük: "Scoop, scoop."
13:32
It sounds like this: "Scoop, scoop!"
335
800405
2645
Így hangzik: "Scoop, scoop".
13:35
Sounds like this.
336
803050
963
Így hangzik.
13:36
♪ I've been scooped again ♪
337
804013
2219
♪ Megint beelőztek ♪
13:38
♪ Scoop! Scoop! ♪
338
806232
1743
♪ Scoop! Scoop!♪
13:39
And then we go for it.
339
807975
1278
Aztán belevágunk.
13:41
♪ I've been scooped again ♪
340
809253
2045
♪ Megint beelőztek ♪
13:43
♪ Scoop! Scoop! ♪
341
811298
1286
♪ Scoop! Scoop!♪
13:44
♪ I've been scooped again ♪
342
812584
1895
♪ Megint beelőztek ♪
13:46
♪ Scoop! Scoop! ♪
343
814479
1306
♪ Scoop! Scoop!♪
13:47
♪ I've been scooped again ♪
344
815785
1783
♪ Megint beelőztek ♪
13:49
♪ Scoop! Scoop! ♪
345
817568
1639
♪ Scoop! Scoop!♪
13:51
♪ I've been scooped again ♪
346
819207
1668
♪ Megint beelőztek ♪
13:52
♪ Scoop! Scoop! ♪
347
820875
1762
♪ Scoop! Scoop!♪
13:54
♪ Oh mama, can't you feel my pain ♪
348
822637
3275
♪ Oh, anyám, érzed a fájdalmam ♪
13:57
♪ Heavens help me, I've been scooped again ♪
349
825912
3786
♪ Istenem, segíts, megint beelőztek ♪
14:02
(Applause)
350
830925
6391
(Taps)
14:09
Thank you.
351
837735
1230
Köszönöm.
14:10
Thank you for your backup singing.
352
838965
1499
Köszönöm a kíséretet.
14:12
So everybody starts laughing, starts breathing,
353
840464
2084
Ilyenkor mindenki
nevetni kezd és fellélegzik,
nevetni kezd és fellélegzik,
14:14
notices that there's other scientists around them
354
842548
2012
rájön, hogy más tudósoknak is
14:16
with shared issues,
355
844560
1307
hasonló gondjai vannak,
14:17
and we start talking about the emotional
356
845867
1805
és elkezdünk beszélni a kutatás
14:19
and subjective things that go on in research.
357
847672
1850
érzelmi és szubjektív oldaláról.
14:21
It feels like a huge taboo has been lifted.
358
849522
2184
Olyan érzés, mintha feloldottunk volna
egy nagy tabut.
egy nagy tabut.
14:23
Finally, we can talk about
this in a scientific conference.
this in a scientific conference.
359
851706
2799
Végre beszélhetünk erről
egy tudományos konferencián.
egy tudományos konferencián.
14:26
And scientists have gone on to form peer groups
360
854505
2186
A tudósok elkezdtek
csoportokat létrehozni,
csoportokat létrehozni,
14:28
where they meet regularly
361
856691
1610
ahol rendszeresen találkoznak,
14:30
and create a space to talk about the emotional
362
858301
1629
és teret adnak az érzelmi
és szubjektív dolgoknak,
és szubjektív dolgoknak,
14:31
and subjective things that
happen as they're mentoring,
happen as they're mentoring,
363
859930
2301
melyek felmerülnek a mentoráláskor,
14:34
as they're going into the unknown,
364
862231
1363
mikor az ismeretlenben tapogatóznak.
14:35
and even started courses
365
863594
1570
Sőt, kurzusokat tartanak
14:37
about the process of doing science,
366
865164
1675
a kutatás folyamatáról,
14:38
about going into the unknown together,
367
866839
1895
a ismeretlen közös felkutatásáról,
14:40
and many other things.
368
868734
1416
és még sok másról.
14:42
So my vision is that,
369
870150
1334
Az én vízióm a következő:
14:43
just like every scientist knows the word "atom,"
370
871484
3462
mintahogy minden tudós
ismeri az atom szót,
ismeri az atom szót,
14:46
that matter is made out of atoms,
371
874946
1967
tudja, hogy az anyag atomokból áll,
14:48
every scientist would know the words
372
876913
1484
ugyanúgy minden tudós ismerje meg
14:50
like "the cloud," saying "Yes, and,"
373
878397
2344
a felhő és az "Igen, és" fogalmát.
14:52
and science will become much more creative,
374
880741
3079
A tudomány kreatívabb lesz,
14:55
make many, many more unexpected discoveries
375
883820
3004
sokkal-sokkal több
váratlan felfedezés születik
váratlan felfedezés születik
14:58
for the benefit of us all,
376
886824
2536
mindannyiunk javára,
15:01
and would also be much more playful.
377
889360
2216
és sokkal szórakoztatóbb is lesz.
15:03
And what I might ask you to remember from this talk
378
891576
2590
Ebből az előadásból azt jegyezzék meg,
15:06
is that next time you face
379
894166
2696
hogy ha legközelebb problémába ütköznek,
15:08
a problem you can't solve
380
896862
1726
melyet nem tudnak megoldani,
15:10
in work or in life,
381
898588
2592
legyen az szakmai vagy magánéleti,
15:13
there's a word for what you're going to see:
382
901180
1876
van egy használható fogalmuk erre:
15:15
the cloud.
383
903056
1177
a felhő.
15:16
And you can go through the cloud
384
904233
1533
Ezen a felhőt át lehet kelni,
15:17
not alone but together
385
905766
1408
nem magányosan, hanem valakivel,
15:19
with someone who is your source of support
386
907174
2038
aki támogatja önöket,
15:21
to say "Yes, and" to your ideas,
387
909212
2048
és "Igen, és"-sel válaszol a gondolaira,
és segít "Igen, és"-t mondani
a saját ötleteire is,
a saját ötleteire is,
15:23
to help you say "Yes, and" to your own ideas,
388
911260
2317
15:25
to increase the chance that,
389
913577
1887
így növelve az esélyét,
15:27
through the wisps of the cloud,
390
915464
1726
hogy a felhőfoszlányok között
15:29
you'll find that moment of calmness
391
917190
1498
megtalálják majd azt a nyugalmat,
15:30
where you get your first glimpse
392
918688
1803
amelyben először pillantanak meg
15:32
of your unexpected discovery,
393
920491
3250
egy váratlan felfedezést,
15:35
your C.
394
923741
2724
az önök C-jét.
15:38
Thank you.
395
926465
2320
Köszönöm.
15:40
(Applause)
396
928785
4000
(Taps)
Translated by Reka Lorinczy
ABOUT THE SPEAKER
Uri Alon - Systems biologistUri Alon studies how cells work, using an array of tools (including improv theater) to understand the biological circuits that perform the functions of life.
Why you should listen
First trained as a physicist, Uri Alon found a passion for biological systems. At the Weizmann Institute of Science in Israel, he and his lab investigate the protein circuits within a cell (they focus on E. coli), looking for basic interaction patterns that recur throughout biological networks. It's a field full of cross-disciplinary thinking habits and interesting problems. And in fact, Alon is the author of a classic paper on lab behavior called "How to Choose a Good Scientific Problem," which takes a step back from the rush to get grants and publish papers to ask: How can a good lab foster growth and self-motivated research?
In Alon's lab, students use tools from physics, neurobiology and computer science -- and concepts from improv theatre -- to study basic principles of interactions. Using a theater practice called the "mirror game," they showed that two people can create complex novel motion together without a designated leader or follower. He also works on an addicting site called BioNumbers -- all the measurements you need to know about biology. The characteristic heart rate of a pond mussel? Why it's 4-6 beats per minute.
More profile about the speakerIn Alon's lab, students use tools from physics, neurobiology and computer science -- and concepts from improv theatre -- to study basic principles of interactions. Using a theater practice called the "mirror game," they showed that two people can create complex novel motion together without a designated leader or follower. He also works on an addicting site called BioNumbers -- all the measurements you need to know about biology. The characteristic heart rate of a pond mussel? Why it's 4-6 beats per minute.
Uri Alon | Speaker | TED.com