TED2007
Alan Kay: A powerful idea about ideas
Alan Kay sdílí mocnou představu o nápadech
Filmed:
Readability: 3.4
851,991 views
Alan Kay se vší silou a duchaplností, kterými je znám, představuje lepší techniky pro výuku dětí s využitím počítačů, aby ilustroval zkušenosti - matematicky a vědecky - tak, jak to umí jen počítače.
Alan Kay - Educator and computing pioneer
One of the true luminaries of personal computing, Alan Kay conceived of laptops and graphical interfaces years before they were realized. At XeroxPARC, Apple, HP and Disney, he has developed tools for improving the mind. Full bio
One of the true luminaries of personal computing, Alan Kay conceived of laptops and graphical interfaces years before they were realized. At XeroxPARC, Apple, HP and Disney, he has developed tools for improving the mind. Full bio
Double-click the English transcript below to play the video.
00:18
A great way to start, I think, with my view of simplicity
0
0
4000
Myslím, že výborný způsob, jak začít s mojí vizí jednoduchosti,
00:22
is to take a look at TED. Here you are, understanding why we're here,
1
4000
7000
je podívat se na TED. Jste tady, chápete proč,
00:29
what's going on with no difficulty at all.
2
11000
5000
víte, oč jde, a nemáte s tím problém.
00:34
The best A.I. in the planet would find it complex and confusing,
3
16000
4000
Nejlepší umělé inteligence planety by se to zdálo složité a matoucí
00:38
and my little dog Watson would find it simple and understandable
4
20000
5000
a mému pejskovi Watsonovi snadné a pochopitelné,
00:43
but would miss the point.
5
25000
2000
ale unikl by mu smysl.
00:45
(Laughter)
6
27000
3000
(smích)
00:48
He would have a great time.
7
30000
3000
Moc by se bavil.
00:51
And of course, if you're a speaker here, like Hans Rosling,
8
33000
5000
A samozřejmě: pokud jste přednášející jako Hans Rosling,
00:56
a speaker finds this complex, tricky. But in Hans Rosling's case,
9
38000
5000
zdá se vám to složité a ošidné. Jenže Hans Rosling
01:01
he had a secret weapon yesterday,
10
43000
2000
včera přišel s tajnou zbraní,
01:03
literally, in his sword swallowing act.
11
45000
4000
a to doslova: s polykáním meče.
01:07
And I must say, I thought of quite a few objects
12
49000
2000
Musím říct, že mě napadlo pár předmětů,
01:09
that I might try to swallow today and finally gave up on,
13
51000
5000
které bych dnes mohl polknout a nakonec jsem to vzdal.
01:14
but he just did it and that was a wonderful thing.
14
56000
4000
Jenže on to prostě udělal a bylo to báječné.
01:18
So Puck meant not only are we fools in the pejorative sense,
15
60000
5000
Puk nechtěl říct jen to, že jsme blázni v pejorativním smyslu,
01:23
but that we're easily fooled. In fact, what Shakespeare
16
65000
4000
ale že se snadno necháme zmást. Ve skutečnosti Shakespeare
01:27
was pointing out is we go to the theater in order to be fooled,
17
69000
3000
poukázal na to, že do divadla chodíme, abychom se nechali mást,
01:30
so we're actually looking forward to it.
18
72000
4000
proto se na to ve skutečnosti těšíme.
01:34
We go to magic shows in order to be fooled.
19
76000
2000
Chodíme na kouzelnická představení, aby tam z nás dělali blázny.
01:36
And this makes many things fun, but it makes it difficult to actually
20
78000
8000
Proto je mnoho věcí zábavných, jenže je pak těžké
01:44
get any kind of picture on the world we live in or on ourselves.
21
86000
4000
získat představu o světě, ve kterém žijeme nebo o nás samých.
01:48
And our friend, Betty Edwards,
22
90000
2000
Naše přítelkyně Betty Edwardsová,
01:50
the "Drawing on the Right Side of the Brain" lady, shows these two tables
23
92000
3000
autorka knihy "Drawing On the Right Side of the Brain", ukazuje
01:53
to her drawing class and says,
24
95000
5000
ve svých hodinách kreslení dva stoly a říká,
01:58
"The problem you have with learning to draw
25
100000
4000
že problém s tím, jak se naučit kreslit,
02:02
is not that you can't move your hand,
26
104000
2000
nespočívá v tom, že neumíte správně hýbat rukou,
02:04
but that the way your brain perceives images is faulty.
27
106000
6000
ale v tom, že váš mozek vnímá obrazy špatně.
02:10
It's trying to perceive images into objects
28
112000
2000
Snaží se spíš chápat je jako objekty
02:12
rather than seeing what's there."
29
114000
2000
než vidět, co v nich je.
02:14
And to prove it, she says, "The exact size and shape of these tabletops
30
116000
5000
Na důkaz toho tvrdí, že přesná velikost a tvar těchto desek stolu
02:19
is the same, and I'm going to prove it to you."
31
121000
3000
jsou stejné, a já vám dokážu, že to tak je.
02:22
She does this with cardboard, but since I have
32
124000
3000
Ona to dělá s lepenkou, ale jelikož tu mám
02:25
an expensive computer here
33
127000
3000
drahý počítač,
02:28
I'll just rotate this little guy around and ...
34
130000
3000
jen tu desku otočím a...
02:34
Now having seen that -- and I've seen it hundreds of times,
35
136000
3000
Teď, když jsme to viděli - a já to viděl už nesčetněkrát,
02:37
because I use this in every talk I give -- I still can't see
36
139000
4000
protože to dělám při každé přednášce - pořád nevidím,
02:41
that they're the same size and shape, and I doubt that you can either.
37
143000
5000
že mají stejnou velikost i tvar, a pochybuji, že jste na tom lépe.
02:46
So what do artists do? Well, what artists do is to measure.
38
148000
5000
Takže co dělají umělci? Umělci si to měří.
02:51
They measure very, very carefully.
39
153000
2000
Měří velmi pozorně.
02:53
And if you measure very, very carefully with a stiff arm and a straight edge,
40
155000
4000
A když měříte velmi pozorně, pevnou rukou a s rovnou hranou,
02:57
you'll see that those two shapes are
41
159000
2000
uvidíte, že tyto dva tvary mají
02:59
exactly the same size.
42
161000
3000
přesně stejnou velikost.
03:02
And the Talmud saw this a long time ago, saying,
43
164000
5000
Talmud to věděl už před dávnými časy a tvrdil:
03:07
"We see things not as they are, but as we are."
44
169000
3000
"Nevidíme věci, jaké skutečně jsou, ale takové, jací jsme my."
03:10
I certainly would like to know what happened to the person
45
172000
2000
Skutečně by mě zajímalo, co se stalo člověku,
03:12
who had that insight back then,
46
174000
3000
který na to tehdy přišel,
03:15
if they actually followed it to its ultimate conclusion.
47
177000
4000
jestli se tím skutečně řídil až ke konečnému závěru.
03:21
So if the world is not as it seems and we see things as we are,
48
183000
2000
Není-li svět tím, čím se zdá, a my vidíme věci podle sebe,
03:23
then what we call reality is a kind of hallucination
49
185000
6000
pak je takzvaná realita druhem halucinace
03:29
happening inside here. It's a waking dream,
50
191000
3000
probíhající tady uvnitř. Je to sen ve stavu bdělosti.
03:32
and understanding that that is what we actually exist in
51
194000
5000
A pochopení toho, v čem ve skutečnosti existujeme,
03:37
is one of the biggest epistemological barriers in human history.
52
199000
5000
je jednou z největších gnozeologických bariér v historii lidstva.
03:42
And what that means: "simple and understandable"
53
204000
2000
To znamená, že "jednoduché a pochopitelné"
03:44
might not be actually simple or understandable,
54
206000
3000
nemusí ve skutečnosti jednoduché nebo pochopitelné být
03:47
and things we think are "complex" might be made simple and understandable.
55
209000
6000
a věci, jež považujeme za složité, takové být mohou.
03:53
Somehow we have to understand ourselves to get around our flaws.
56
215000
4000
Musíme porozumět sami sobě, abychom se vymotali z vlastních omylů.
03:57
We can think of ourselves as kind of a noisy channel.
57
219000
2000
Můžeme o sobě smýšlet jako o jistém druhu šumového kanálu.
03:59
The way I think of it is, we can't learn to see
58
221000
5000
Já to vidím tak, že se nenaučíme vidět,
04:04
until we admit we're blind.
59
226000
2000
dokud si nepřiznáme, že jsme slepí.
04:06
Once you start down at this very humble level,
60
228000
4000
Jakmile začnete na této velmi pokorné úrovni,
04:10
then you can start finding ways to see things.
61
232000
3000
můžete začít hledat způsoby, jak vidět věci.
04:13
And what's happened, over the last 400 years in particular,
62
235000
5000
Za poslední čtyři staletí došlo zejména k tomu,
04:18
is that human beings have invented "brainlets" --
63
240000
3000
že lidské bytosti vyvinuly "brainlety",
04:21
little additional parts for our brain --
64
243000
4000
malé pomůcky pro náš mozek
04:25
made out of powerful ideas that help us
65
247000
2000
vytvořené na základě mocných myšlenek, jež nám pomáhají
04:27
see the world in different ways.
66
249000
2000
vidět svět odlišnými způsoby.
04:29
And these are in the form of sensory apparatus --
67
251000
3000
Mají podobu senzorického přístroje -
04:32
telescopes, microscopes -- reasoning apparatus --
68
254000
5000
dalekohledů, mikroskopů - rozumového aparátu,
04:37
various ways of thinking -- and, most importantly,
69
259000
4000
tedy rozličných způsobů myšlení, a především
04:41
in the ability to change perspective on things.
70
263000
4000
schopnosti změnit perspektivu vidění věcí.
04:45
I'll talk about that a little bit.
71
267000
1000
O tomto budu trochu mluvit.
04:46
It's this change in perspective
72
268000
2000
Právě díky této změně perspektivy
04:48
on what it is we think we're perceiving
73
270000
3000
a toho, čím si myslíme, že je,
04:51
that has helped us make more progress in the last 400 years
74
273000
5000
jsme dosáhli za poslední čtyři staletí většího pokroku
04:56
than we have in the rest of human history.
75
278000
2000
než ve zbývající historii lidstva.
04:58
And yet, it is not taught in any K through 12 curriculum in America that I'm aware of.
76
280000
8000
A přece o ní neučí žádné školní osnovy v USA.
05:11
So one of the things that goes from simple to complex
77
293000
2000
Jednoduché se stává složitým,
05:13
is when we do more. We like more.
78
295000
3000
když toho děláme víc. Jsme rádi, když je něčeho víc.
05:16
If we do more in a kind of a stupid way,
79
298000
3000
Když děláme víc věcí hloupým způsobem,
05:19
the simplicity gets complex
80
301000
3000
jednoduché se stává složitým.
05:22
and, in fact, we can keep on doing it for a very long time.
81
304000
5000
Vlastně v tom můžeme pokračovat dlouho.
05:27
But Murray Gell-Mann yesterday talked about emergent properties;
82
309000
3000
Ale Murray Gell-Mann včera mluvil o nepředvídaných vlastnostech.
05:30
another name for them could be "architecture"
83
312000
4000
Také bychom tomu mohli říkat "architektura",
05:34
as a metaphor for taking the same old material
84
316000
4000
což je metafora pro použití téhož starého materiálu
05:38
and thinking about non-obvious, non-simple ways of combining it.
85
320000
7000
a promýšlení neobvyklých, nejednoduchých způsobů, jak ho kombinovat.
05:45
And in fact, what Murray was talking about yesterday in the fractal beauty of nature --
86
327000
8000
Murray včera vlastně mluvil o fraktálové kráse přírody,
05:53
of having the descriptions
87
335000
2000
o tom, že máme popisy
05:55
at various levels be rather similar --
88
337000
4000
na různých úrovních, které jsou si podobné,
05:59
all goes down to the idea that the elementary particles
89
341000
5000
a že jde v podstatě o to, že elementární částice
06:04
are both sticky and standoffish,
90
346000
3000
se přitahují a zároveň odpuzují
06:07
and they're in violent motion.
91
349000
4000
a jsou v intenzivním pohybu.
06:11
Those three things give rise to all the different levels
92
353000
3000
Tyto tři věci dávají vzniknout všem různým úrovním
06:14
of what seem to be complexity in our world.
93
356000
4000
toho, co se zdá být v našem světě složité.
06:20
But how simple?
94
362000
2000
Ale jak jednoduché?
06:22
So, when I saw Roslings' Gapminder stuff a few years ago,
95
364000
5000
Když jsem před pár lety viděl Roslingův Gapminder,
06:27
I just thought it was the greatest thing I'd seen
96
369000
2000
přišel mi jako ta nejúžasnější věc, kterou znám,
06:29
in conveying complex ideas simply.
97
371000
5000
protože složité myšlenky vyjadřuje jednoduše.
06:34
But then I had a thought of, "Boy, maybe it's too simple."
98
376000
3000
Pak jsem si ale pomyslel, že je to možná jednoduché až moc.
06:37
And I put some effort in to try and check
99
379000
5000
A poměrně dost jsem se snažil
06:42
to see how well these simple portrayals of trends over time
100
384000
4000
zjistit, jak dobře tato jednoduchá znázornění trendů v čase
06:46
actually matched up with some ideas and investigations from the side,
101
388000
5000
skutečně odpovídají některým myšlenkám a výzkumům,
06:51
and I found that they matched up very well.
102
393000
2000
a zjistil jsem, že moc dobře.
06:53
So the Roslings have been able to do simplicity
103
395000
5000
Roslingovi byli schopni dosáhnout jednoduchosti,
06:58
without removing what's important about the data.
104
400000
4000
aniž by odstranili to, co je na datech důležité.
07:02
Whereas the film yesterday that we saw
105
404000
4000
Zatímco ten film, který jsme viděli včera,
07:06
of the simulation of the inside of a cell,
106
408000
2000
ta simulace dějů uvnitř buňky,
07:08
as a former molecular biologist, I didn't like that at all.
107
410000
6000
to se mi jako bývalému molekulárnímu biologovi nelíbilo.
07:14
Not because it wasn't beautiful or anything,
108
416000
2000
Ne snad proto, že by to nebylo krásné,
07:16
but because it misses the thing that most students fail to understand
109
418000
5000
ale protože to nepostihlo to, co většina studentů nechápe
07:21
about molecular biology, and that is:
110
423000
3000
na molekulární biologii, tedy fakt,
07:24
why is there any probability at all of two complex shapes
111
426000
5000
proč existuje pravděpodobnost, že dva složité útvary
07:29
finding each other just the right way
112
431000
2000
najdou jeden druhý přesně tak, jak je třeba,
07:31
so they combine together and be catalyzed?
113
433000
3000
aby se spojily a aby proběhla katalýza.
07:34
And what we saw yesterday was
114
436000
2000
A včera jsme viděli,
07:36
every reaction was fortuitous;
115
438000
3000
že každá reakce byla dílem náhody.
07:39
they just swooped in the air and bound, and something happened.
116
441000
4000
Prostě vyletěly do vzduchu, reagovaly a k něčemu došlo.
07:43
But in fact, those molecules are spinning at the rate of
117
445000
4000
Ve skutečnosti však tyto molekuly kmitají rychlostí
07:47
about a million revolutions per second;
118
449000
3000
asi milionu cyklů za sekundu.
07:50
they're agitating back and forth their size every two nanoseconds;
119
452000
6000
Lomcují sebou sem a tam každé dvě nanosekundy.
07:56
they're completely crowded together, they're jammed,
120
458000
3000
Jsou úplně natěsnané, nacpané,
07:59
they're bashing up against each other.
121
461000
3000
narážejí do sebe.
08:02
And if you don't understand that in your mental model of this stuff,
122
464000
3000
A pokud toto ve svém mentálním modelu nepochopíte,
08:05
what happens inside of a cell seems completely mysterious and fortuitous,
123
467000
5000
děje uvnitř buňky se jeví jako něco tajemného a nahodilého.
08:10
and I think that's exactly the wrong image
124
472000
2000
A to je myslím špatná ukázka
08:12
for when you're trying to teach science.
125
474000
3000
toho, jak se někdo zkouší učit vědu.
08:18
So, another thing that we do is to confuse adult sophistication
126
480000
5000
Pak také zaměňujeme důmyslnost dospělých
08:23
with the actual understanding of some principle.
127
485000
5000
za skutečné porozumění některému principu.
08:28
So a kid who's 14 in high school
128
490000
2000
Takže 14letý středoškolák
08:30
gets this version of the Pythagorean theorem,
129
492000
6000
dostane tuto verzi Pythagorovy věty,
08:36
which is a truly subtle and interesting proof,
130
498000
3000
což je skutečně rafinovaný a zajímavý důkaz,
08:39
but in fact it's not a good way to start learning about mathematics.
131
501000
7000
jenže takhle se s učením matematiky začínat nemá.
08:46
So a more direct one, one that gives you more of the feeling of math,
132
508000
5000
Ukážu vám přímější způsob, díky němuž poznáte, co je to matematika.
08:51
is something closer to Pythagoras' own proof, which goes like this:
133
513000
4000
Blíží se Pythagorovu vlastnímu důkazu, který vypadá takto.
08:55
so here we have this triangle, and if we surround that C square with
134
517000
6000
Máme tento trojúhelník a pokud ten čtverec C ohraničíme
09:01
three more triangles and we copy that,
135
523000
3000
třemi dalšími trojúhelníky a zkopírujeme to,
09:04
notice that we can move those triangles down like this.
136
526000
5000
všimněte si, že můžeme otočit tyto trojúhelníky takto dolů,
09:09
And that leaves two open areas that are kind of suspicious ...
137
531000
3000
a že se tak uvolní dvě plochy, které jsou trochu podezřelé,
09:12
and bingo. That is all you have to do.
138
534000
7000
a bingo! Víc dělat nemusíte.
09:19
And this kind of proof is the kind of proof
139
541000
2000
Právě takový druh důkazu
09:21
that you need to learn when you're learning mathematics
140
543000
3000
potřebujete, pokud se učíte matematiku,
09:24
in order to get an idea of what it means
141
546000
3000
abyste získali představu, co znamená,
09:27
before you look into the, literally, 1,200 or 1,500 proofs
142
549000
4000
dřív než se podíváte na doslova 12 až 1 500 důkazů
09:31
of Pythagoras' theorem that have been discovered.
143
553000
3000
Pythagorovy věty, jež byly objeveny.
09:37
Now let's go to young children.
144
559000
3000
Teď přejděme k malým dětem.
09:40
This is a very unusual teacher
145
562000
2000
Toto je hodně netypická učitelka,
09:42
who was a kindergarten and first-grade teacher,
146
564000
4000
která učila ve školce a v první třídě,
09:46
but was a natural mathematician.
147
568000
2000
přitom byla rozená matematička.
09:48
So she was like that jazz musician friend you have who never studied music
148
570000
5000
Byla jako kamarád jazzman, který nikdy nestudoval hudbu,
09:53
but is a terrific musician;
149
575000
2000
a přece je vynikající hudebník.
09:55
she just had a feeling for math.
150
577000
2000
Měla pro matematiku prostě cit.
09:57
And here are her six-year-olds,
151
579000
3000
Toto jsou její šestiletí svěřenci
10:00
and she's got them making shapes out of a shape.
152
582000
5000
a ona je nechala vytvářet tvary z tvarů.
10:05
So they pick a shape they like -- like a diamond, or a square,
153
587000
2000
Děti si vyberou tvar, jaký chtějí - kosočtverec nebo čtverec,
10:07
or a triangle, or a trapezoid -- and then they try and make
154
589000
3000
trojúhelník nebo různoběžník - a pak zkoušejí vytvořit
10:10
the next larger shape of that same shape, and the next larger shape.
155
592000
4000
další, větší verzi téhož obrazce, a pak ještě větší.
10:14
You can see the trapezoids are a little challenging there.
156
596000
4000
A můžete vidět, že různoběžníky jsou trochu těžké.
10:18
And what this teacher did on every project
157
600000
3000
Tato učitelka u každé práce
10:21
was to have the children act like first it was a creative arts project,
158
603000
5000
nechala děti vytvářet na první pohled kreativní umění,
10:26
and then something like science.
159
608000
2000
z něhož se vyklubalo něco jako věda.
10:28
So they had created these artifacts.
160
610000
2000
Takže vytvořily tyto artefakty.
10:30
Now she had them look at them and do this ... laborious,
161
612000
4000
Pak je přiměla podívat se na ně a provést tuto těžkou věc -
10:34
which I thought for a long time, until she explained to me was
162
616000
4000
kterou jsem nechápal do doby, než mi vysvětlila,
10:38
to slow them down so they'll think.
163
620000
3000
že bylo potřeba děti zklidnit, aby přemýšlely.
10:41
So they're cutting out the little pieces of cardboard here
164
623000
3000
Proto vystřihují kousíčky lepenky
10:44
and pasting them up.
165
626000
2000
a nalepují je.
10:46
But the whole point of this thing is
166
628000
4000
Ale podstatou je,
10:50
for them to look at this chart and fill it out.
167
632000
3000
aby se podívaly na tuto tabulku a vyplnily ji.
10:53
"What have you noticed about what you did?"
168
635000
4000
"Čeho jste si všimli na tom, co jste dělali?"
10:57
And so six-year-old Lauren there noticed that the first one took one,
169
639000
4000
A šestiletá Lauren zjistila, že první obrazec zabral jedno místo,
11:01
and the second one took three more
170
643000
5000
druhý pak třikrát více
11:06
and the total was four on that one,
171
648000
2000
a dohromady vznikl čtyřnásobek prvního.
11:08
the third one took five more and the total was nine on that one,
172
650000
4000
Třetí zabral pětinásobek a součet byl devítinásobek
11:12
and then the next one.
173
654000
1000
a tak dále.
11:13
She saw right away that the additional tiles that you had to add
174
655000
5000
Viděla, že počet dalších čtverečků, které měla přidat
11:18
around the edges was always going to grow by two,
175
660000
4000
kolem okrajů, byl vždy dvojnásobný.
11:22
so she was very confident about how she made those numbers there.
176
664000
3000
Proto si byla velmi jistá tím, jak dospěla k těmto číslům.
11:25
And she could see that these were the square numbers up until about six,
177
667000
5000
A viděla, že toto byly druhé mocniny až do šesti.
11:30
where she wasn't sure what six times six was
178
672000
3000
Pak už si nebyla jistá, kolik je 6 krát 6
11:33
and what seven times seven was,
179
675000
2000
a kolik je 7 krát 7.
11:35
but then she was confident again.
180
677000
3000
Ale pak se jí jistota vrátila.
11:38
So that's what Lauren did.
181
680000
2000
Takže to udělala Lauren.
11:40
And then the teacher, Gillian Ishijima, had the kids
182
682000
4000
A pak učitelka Gillian Ishijimaová chtěla,
11:44
bring all of their projects up to the front of the room and put them on the floor,
183
686000
3000
aby děti přinesly všechny výtvory dopředu a položily je na zem.
11:47
and everybody went batshit: "Holy shit! They're the same!"
184
689000
8000
A všichni z toho byli na větvi. Ježíšmarjá! Všechny jsou stejné!
11:55
No matter what the shapes were, the growth law is the same.
185
697000
4000
Bez ohledu na to, o jaké tvary šlo, zákon růstu platí stejný.
11:59
And the mathematicians and scientists in the crowd
186
701000
3000
A matematici a vědci v publiku
12:02
will recognize these two progressions
187
704000
2000
rozpoznají tyto dvě posloupnosti
12:04
as a first-order discrete differential equation
188
706000
3000
jako diskrétní diferenciální rovnici prvního řádu
12:07
and a second-order discrete differential equation,
189
709000
5000
a diskrétní diferenciální rovnici druhého řádu.
12:12
derived by six-year-olds.
190
714000
4000
Odvozenou šestiletými dětmi.
12:16
Well, that's pretty amazing.
191
718000
1000
Což je úžasné.
12:17
That isn't what we usually try to teach six-year-olds.
192
719000
3000
Tohle obvykle šestileté děti neučíme.
12:20
So, let's take a look now at how we might use the computer for some of this.
193
722000
7000
Teď se podívejme, jak k něčemu takovému použít počítač.
12:27
And so the first idea here is
194
729000
4000
Nejprve
12:31
just to show you the kind of things that children do.
195
733000
4000
vám ukážu to, co dělají děti.
12:35
I'm using the software that we're putting on the $100 laptop.
196
737000
5000
Používám software, který instalujeme na notebook za 100 dolarů.
12:40
So I'd like to draw a little car here --
197
742000
6000
Pokusím se namalovat autíčko.
12:46
I'll just do this very quickly -- and put a big tire on him.
198
748000
7000
Jen tak narychlo. Přidám mu veliká kola.
12:59
And I get a little object here and I can look inside this object,
199
761000
4000
A získám malý předmět, do kterého můžu nahlížet.
13:03
I'll call it a car. And here's a little behavior: car forward.
200
765000
5000
Pojmenuji ho "auto." A tady máme nějaké ovládání: jízda dopředu.
13:08
Each time I click it, car turn.
201
770000
3000
Pokaždé, když na to kliknu, auto zatočí.
13:11
If I want to make a little script to do this over and over again,
202
773000
2000
Pokud chci vytvořit malý skript, aby se to opakovalo,
13:13
I just drag these guys out and set them going.
203
775000
5000
přetáhnu tyhle kroky a nastavím je tak, aby fungovaly.
13:20
And I can try steering the car here by ...
204
782000
3000
Můžu zkusit řízení auta o -
13:23
See the car turn by five here?
205
785000
2000
vidíte, jak se auto otočí o pětinu?
13:25
So what if I click this down to zero?
206
787000
3000
Co když kliknu sem a nastavím to na nulu?
13:28
It goes straight. That's a big revelation for nine-year-olds.
207
790000
5000
Jede rovně. To je pro devítiletého docela objev.
13:33
Make it go in the other direction.
208
795000
2000
Zkusíme jet jiným směrem.
13:35
But of course, that's a little bit like kissing your sister
209
797000
2000
Pokud jde o řízení,
13:37
as far as driving a car,
210
799000
3000
je to samozřejmě brnkačka.
13:40
so the kids want to do a steering wheel;
211
802000
3000
Proto děti chtějí vytvořit volant.
13:43
so they draw a steering wheel.
212
805000
3000
Nakreslí tedy volant.
13:46
And we'll call this a wheel.
213
808000
5000
Nazvěme to "volant".
13:51
See this wheel's heading here?
214
813000
4000
Vidíte záhlaví toho kola tady?
13:55
If I turn this wheel, you can see that number over there going minus and positive.
215
817000
5000
Pokud otočím volantem, vidíte, že se to číslo mění do mínusu a do plusu.
14:00
That's kind of an invitation to pick up this name of
216
822000
2000
To je jistá výzva vybrat
14:02
those numbers coming out there
217
824000
3000
čísla, která se tam objevují,
14:05
and to just drop it into the script here,
218
827000
2000
a vložit je do tohoto skriptu.
14:07
and now I can steer the car with the steering wheel.
219
829000
5000
Teď můžu řídit auto volantem.
14:12
And it's interesting.
220
834000
2000
A je to zajímavé.
14:14
You know how much trouble the children have with variables,
221
836000
3000
Sami víte, jaké velké mají děti problémy s proměnnými,
14:17
but by learning it this way, in a situated fashion,
222
839000
2000
ale když to učíte takto, ve formě modelování,
14:19
they never forget from this single trial
223
841000
3000
díky tomuto primitivnímu pokusu nikdy nezapomenou,
14:22
what a variable is and how to use it.
224
844000
3000
co to proměnná je a jak ji užívat.
14:25
And we can reflect here the way Gillian Ishijima did.
225
847000
2000
Tady se můžeme zamyslet nad tím, co dělala Gillian Ishijimaová.
14:27
So if you look at the little script here,
226
849000
2000
Podíváte-li se na ten skript,
14:29
the speed is always going to be 30.
227
851000
2000
rychlost je vždy rovna 30.
14:31
We're going to move the car according to that over and over again.
228
853000
5000
Podle toho začneme autem pohybovat, znova a znova.
14:36
And I'm dropping a little dot for each one of these things;
229
858000
4000
Po každém intervalu zaznamenám malou tečku.
14:40
they're evenly spaced because they're 30 apart.
230
862000
3000
Mají rovnoměrné odstupy, protože jsou 30 bodů od sebe.
14:43
And what if I do this progression that the six-year-olds did
231
865000
3000
Co když udělám tuto posloupnost jako šestiletý
14:46
of saying, "OK, I'm going to increase the speed by two each time,
232
868000
5000
a řeknu si: "Tak, pokaždé zvýším rychlost dvakrát
14:51
and then I'm going to increase the distance by the speed each time?
233
873000
3000
"a pak zvětším vzdálenost v závislosti na rychlosti.
14:54
What do I get there?"
234
876000
4000
"Co dostanu?"
14:58
We get a visual pattern of what these nine-year-olds called acceleration.
235
880000
7000
Dostaneme vizuální vzorec toho, čemu devítiletí říkají "zrychlení".
15:05
So how do the children do science?
236
887000
2000
Takže jak děti dělaly vědu?
15:08
(Video) Teacher: [Choose] objects that you think will fall to the Earth at the same time.
237
890000
3000
(Video) Učitel: Předměty, které podle vás budou padat k zemi zároveň...
15:11
Student 1: Ooh, this is nice.
238
893000
3000
Dítě: To je pěkné.
15:18
Teacher: Do not pay any attention
239
900000
2000
Učitel: Nevšímejte si toho,
15:20
to what anybody else is doing.
240
902000
3000
co dělají ostatní.
15:35
Who's got the apple?
241
917000
2000
Kdo má jablko?
15:37
Alan Kay: They've got little stopwatches.
242
919000
2000
Alan Kay: Dostali malé stopky.
15:44
Student 2: What did you get? What did you get?
243
926000
2000
Učitel: Co dostanete? Co jste dostali?
15:46
AK: Stopwatches aren't accurate enough.
244
928000
3000
AK: Stopky nejsou dost přesné.
15:49
Student 3: 0.99 seconds.
245
931000
2000
Holčička: 0,99 sekundy.
15:52
Teacher: So put "sponge ball" ...
246
934000
3000
Učitel: Tak pusť molitanový míček...
15:56
Student 4l: [I decided to] do the shot put and the sponge ball
247
938000
3000
Holčička: Tady se spustila koule a molitanový míček,
15:59
because they're two totally different weights,
248
941000
3000
protože mají úplně jinou hmotnost.
16:02
and if you drop them at the same time,
249
944000
2000
A když je pustíte zároveň,
16:04
maybe they'll drop at the same speed.
250
946000
2000
snad dopadnou stejnou rychlostí.
16:06
Teacher: Drop. Class: Whoa!
251
948000
2000
Učitel: Hoď!
16:10
AK: So obviously, Aristotle never asked a child
252
952000
3000
AK: Aristoteles se nikdy nezeptal dítěte
16:13
about this particular point
253
955000
3000
na tento dílčí aspekt,
16:16
because, of course, he didn't bother doing the experiment,
254
958000
2000
protože si samozřejmě nedal tu práci s experimentem
16:18
and neither did St. Thomas Aquinas.
255
960000
2000
stejně jako svatý Tomáš Akvinský.
16:20
And it was not until Galileo actually did it
256
962000
2000
A až za Galilea
16:22
that an adult thought like a child,
257
964000
3000
dospělý přemýšlel jako dítě.
16:25
only 400 years ago.
258
967000
3000
Před pouhými 400 lety.
16:28
We get one child like that about every classroom of 30 kids
259
970000
4000
Ve třídě se 30 žáky je jedno takové dítě,
16:32
who will actually cut straight to the chase.
260
974000
3000
které jde rovnou k jádru věci.
16:35
Now, what if we want to look at this more closely?
261
977000
3000
Co kdybychom se teď na to podívali blíže?
16:38
We can take a movie of what's going on,
262
980000
3000
Můžeme natočit, co se tu děje,
16:41
but even if we single stepped this movie,
263
983000
2000
ale i když ten film natočíme po krocích,
16:43
it's tricky to see what's going on.
264
985000
2000
je obtížné vidět, o co jde.
16:45
And so what we can do is we can lay out the frames side by side
265
987000
3000
Můžeme tedy položit snímky vedle sebe
16:48
or stack them up.
266
990000
2000
nebo je poskládat na sebe.
16:50
So when the children see this, they say, "Ah! Acceleration,"
267
992000
5000
Když to děti vidí, řeknou: "Aha, zrychlení."
16:55
remembering back four months when they did their cars sideways,
268
997000
3000
Vzpomenou si totiž, co před 4 měsíci prováděly s řízením auta,
16:58
and they start measuring to find out what kind of acceleration it is.
269
1000000
6000
a začnou měřit, aby zjistily, o který druh zrychlení se jedná.
17:04
So what I'm doing is measuring from the bottom of one image
270
1006000
6000
Takže já to teď změřím od spodní části obrázku
17:10
to the bottom of the next image, about a fifth of a second later,
271
1012000
5000
ke spodní části dalšího obrázku, zhruba o pětinu sekundy později,
17:15
like that. And they're getting faster and faster each time,
272
1017000
2000
a jsou pokaždé čím dál rychlejší.
17:17
and if I stack these guys up, then we see the differences; the increase
273
1019000
10000
A pokud nakupím tyto kousky na sebe, uvidíme rozdíly: nárůst
17:27
in the speed is constant.
274
1029000
3000
rychlosti je konstantní.
17:30
And they say, "Oh, yeah. Constant acceleration.
275
1032000
2000
A děti si řeknou: "Aha, konstantní zrychlení."
17:32
We've done that already."
276
1034000
2000
To už jsme dělaly.
17:34
And how shall we look and verify that we actually have it?
277
1036000
8000
A jak si ověříme, že to tak skutečně je?
17:42
So you can't tell much from just making the ball drop there,
278
1044000
5000
Moc neusoudíme z pouhého spouštění koule,
17:47
but if we drop the ball and run the movie at the same time,
279
1049000
4000
ale když hodíme kouli a zároveň pustíme film,
17:53
we can see that we have come up with an accurate physical model.
280
1055000
5000
vidíme, že jsme dostali přesný fyzikální model.
18:00
Galileo, by the way, did this very cleverly
281
1062000
4000
Mimochodem, Galileo to provedl velmi chytře
18:04
by running a ball backwards down the strings of his lute.
282
1066000
3000
kutálením koule sem a tam po strunách své loutny.
18:07
I pulled out those apples to remind myself to tell you that
283
1069000
5000
Ty jablka jsem tam dal, abych vám nezapomněl říct,
18:12
this is actually probably a Newton and the apple type story,
284
1074000
5000
že toto je pravděpodobně verze příběhu o Newtonovi a jablku,
18:17
but it's a great story.
285
1079000
2000
což je ovšem skvělý příběh.
18:19
And I thought I would do just one thing
286
1081000
2000
Napadlo mě se stodolarovým notebookem
18:21
on the $100 laptop here just to prove that this stuff works here.
287
1083000
10000
udělat jednu věc, abych dokázal, že to funguje i v něm.
18:31
So once you have gravity, here's this --
288
1093000
3000
Když máme gravitaci -
18:34
increase the speed by something,
289
1096000
2000
zvýšíme o něco rychlost,
18:36
increase the ship's speed.
290
1098000
3000
třeba rychlost lodi.
18:39
If I start the little game here that the kids have done,
291
1101000
3000
Pokud spustím banální hru, jako to dělaly děti,
18:42
it'll crash the space ship.
292
1104000
2000
kosmickou loď to zničí.
18:44
But if I oppose gravity, here we go ... Oops!
293
1106000
4000
Pokud ale postavím gravitaci protiváhu, pak... hopla!
18:48
(Laughter)
294
1110000
2000
(smích)
18:50
One more.
295
1112000
1000
Ještě jednou.
18:54
Yeah, there we go. Yeah, OK?
296
1116000
5000
A je to. Vidíte?
18:59
I guess the best way to end this is with two quotes:
297
1121000
7000
Řekl bych, že nejlepší bude skončit dvěma citáty.
19:06
Marshall McLuhan said,
298
1128000
2000
Marshall McLuhan řekl:
19:08
"Children are the messages that we send to the future,"
299
1130000
4000
"Děti jsou poselství, které posíláme do budoucnosti."
19:12
but in fact, if you think of it,
300
1134000
2000
Pokud však o tom přemýšlíte,
19:14
children are the future we send to the future.
301
1136000
2000
děti jsou budoucnost, kterou posíláme do budoucnosti.
19:16
Forget about messages;
302
1138000
3000
Zapomeňte na poselství.
19:19
children are the future,
303
1141000
3000
Děti jsou budoucnost.
19:22
and children in the first and second world
304
1144000
2000
A děti v prvním a druhém světě
19:24
and, most especially, in the third world
305
1146000
3000
a zvláště ve třetím světě
19:27
need mentors.
306
1149000
2000
potřebují učitele.
19:29
And this summer, we're going to build five million of these $100 laptops,
307
1151000
5000
Letos necháme vyrobit 5 milionů těchto stodolarových notebooků
19:34
and maybe 50 million next year.
308
1156000
2000
a příští rok 50 milionů.
19:36
But we couldn't create 1,000 new teachers this summer to save our life.
309
1158000
7000
Jenže nedokážeme vyrobit tisíc nových učitelů, i kdyby nám šlo o život.
19:43
That means that we, once again, have a thing where we can put technology out,
310
1165000
6000
Což znamená, že sice opět máme věc plnou technologie,
19:49
but the mentoring that is required to go
311
1171000
3000
ale zaučení, které je k jejímu použití nutné,
19:52
from a simple new iChat instant messaging system
312
1174000
5000
od jednoduchých okamžitých zpráv v novém systému iChat
19:57
to something with depth is missing.
313
1179000
2000
po něco náročnějšího, tady chybí.
19:59
I believe this has to be done with a new kind of user interface,
314
1181000
3000
Věřím, že toho lze dosáhnout s novým typem uživatelského rozhraní.
20:02
and this new kind of user interface could be done
315
1184000
4000
Takovéto rozhraní by šlo vyvinout
20:06
with an expenditure of about 100 million dollars.
316
1188000
5000
s rozpočtem asi 100 milionů dolarů.
20:11
It sounds like a lot, but it is literally 18 minutes of what we're spending in Iraq --
317
1193000
7000
Zdá se to hodně, ale je to doslova 18 minut toho, co utratíme v Iráku.
20:18
we're spending 8 billion dollars a month; 18 minutes is 100 million dollars --
318
1200000
5000
Irák nás stojí 8 miliard měsíčně. 18 minut odpovídá 100 milionům dolarů.
20:23
so this is actually cheap.
319
1205000
2000
Takže je to ve skutečnosti levné.
20:25
And Einstein said,
320
1207000
4000
A Einstein řekl:
20:29
"Things should be as simple as possible, but not simpler."
321
1211000
3000
"Věci by měly co nejjednodušší, ale ne jednodušší."
20:32
Thank you.
322
1214000
1000
Děkuji vám.
ABOUT THE SPEAKER
Alan Kay - Educator and computing pioneerOne of the true luminaries of personal computing, Alan Kay conceived of laptops and graphical interfaces years before they were realized. At XeroxPARC, Apple, HP and Disney, he has developed tools for improving the mind.
Why you should listen
"The best way to predict the future is to invent it." Alan Kay not only coined this favorite tech-world adage, but has proven its truth several times. A true polymath, as well as inventor, he has combined engineering brilliance with knowledge of child development, epistemology, molecular biology and more.
In the 1960s, Kay joined the computer team at XeroxPARC, where he worked on world-changing inventions like the graphical interface, object-oriented programming, and the personal computer itself. Later, at Apple, Atari, HP, Disney, and now at his own nonprofits, he has helped refine the tools he anticipated long before they were realized.
As the industry has blossomed, however, Kay continues to grapple with the deeper purpose of computing, struggling to create the machine that won't only recapitulate patterns in the world as we know it but will teach both children and adults to think, to see what otherwise is beyond them.
Alan Kay | Speaker | TED.com