TED2010
Temple Grandin: The world needs all kinds of minds
Temple Grandin: Svět potřebuje všechny typy mysli
Filmed:
Readability: 3.4
5,588,848 views
Temple Grandin, od dětství diagnostikovaná jako autista, přednáší o tom, jak funguje její mysl. Temple sdílí s publikem svou schopnost "myslet v obrazech", která jí pomáhá řešit problémy, které lidé s typickým mozkem nemusejí zvládnout. Jasně tak dokazuje, že svět potřebuje lidi s poruchami autistického spektra, ať už se jejich mysl specializuje na obrazy, vzorce nebo slova, nebo jsou jednoduše chytrými do vědy a techniky zabranými podivíny.
Temple Grandin - Livestock handling designer, autism activist
Through groundbreaking research and the lens of her own autism, Temple Grandin brings startling insight into two worlds. Full bio
Through groundbreaking research and the lens of her own autism, Temple Grandin brings startling insight into two worlds. Full bio
Double-click the English transcript below to play the video.
00:15
I think I'll start out and just talk a little bit about
0
0
2000
Myslím, že začnu krátkým povídáním o tom,
00:17
what exactly autism is.
1
2000
2000
co to vlastně ten autismus je.
00:19
Autism is a very big continuum
2
4000
3000
Autismus je v první řadě velké kontinuum,
00:22
that goes from very severe -- the child remains non-verbal --
3
7000
3000
s dětmi zůstávajícími bez vývoje řeči na straně jedné,
00:25
all the way up to brilliant scientists and engineers.
4
10000
3000
a nadanými vědci a inženýry na straně druhé.
00:28
And I actually feel at home here,
5
13000
2000
Vlastně se tady mezi vámi cítím jako doma.
00:30
because there's a lot of autism genetics here.
6
15000
2000
Protože tady mezi vámi
00:32
You wouldn't have any...
7
17000
2000
je skutečně mnoho autistických genů.
00:34
(Applause)
8
19000
4000
(Potlesk)
00:38
It's a continuum of traits.
9
23000
2000
Jedná se tedy o kontinuum charakteristických vlastností.
00:40
When does a nerd turn into
10
25000
3000
A nelze dost dobře říct, kde je hranice mezi počítačovým maniakem
00:43
Asperger, which is just mild autism?
11
28000
2000
a Aspergerovým syndromem, lehkou formou autismu.
00:45
I mean, Einstein and Mozart
12
30000
3000
Domnívám se, že Einstein, Mozart a Tesla
00:48
and Tesla would all be probably diagnosed
13
33000
2000
by dnes byli pravděpodobně diagnostikováni
00:50
as autistic spectrum today.
14
35000
2000
poruchami autistického spektra.
00:52
And one of the things that is really going to concern me is
15
37000
3000
A jednou z věcí, o kterou mi skutečně jde,
00:55
getting these kids to be the ones that are going to invent
16
40000
3000
je pomáhat těmto dětem, aby se z nich stali ti,
00:58
the next energy things,
17
43000
2000
kteří vyřeší naše současné energetické problémy,
01:00
you know, that Bill Gates talked about this morning.
18
45000
4000
o nichž mluvil dneska ráno Bill Gates.
01:04
OK. Now, if you want to understand
19
49000
2000
Dávejte pozor - pokud chcete
01:06
autism, animals.
20
51000
2000
porozumět autismu nebo zvířatům,
01:08
And I want to talk to you now about different ways of thinking.
21
53000
2000
musíte přestat používat slova a jazyk.
01:10
You have to get away from verbal language.
22
55000
3000
Chtěla bych vám povědět o různých typech myšlení.
01:13
I think in pictures,
23
58000
2000
Já osobně myslím v obrazech.
01:15
I don't think in language.
24
60000
3000
Nepřemýšlím pomocí jazyka.
01:18
Now, the thing about the autistic mind
25
63000
2000
Jednou z charakteristik autistické mysli
01:20
is it attends to details.
26
65000
3000
je pozornost a smysl pro detaily.
01:23
OK, this is a test where you either have to
27
68000
2000
Zde máme test, kde máte za úkol vybrat
01:25
pick out the big letters, or pick out the little letters,
28
70000
2000
buďto velké nebo malé písmena.
01:27
and the autistic mind picks out the
29
72000
2000
Autistická mysl většinou vybere
01:29
little letters more quickly.
30
74000
2000
rychleji písmena malá.
01:31
And the thing is, the normal brain ignores the details.
31
76000
4000
Věc se má takto - normální mozek detaily ignoruje.
01:35
Well, if you're building a bridge, details are pretty important
32
80000
2000
Ale když stavíte most,
01:37
because it will fall down if you ignore the details.
33
82000
3000
detaily jsou velice důležité, jinak se most zhroutí.
01:40
And one of my big concerns with a lot of policy things today
34
85000
3000
Co mě dnes znepokojuje je fakt,
01:43
is things are getting too abstract.
35
88000
2000
že mnohá nařízení jsou příliš abstraktní.
01:45
People are getting away from doing
36
90000
2000
Lidé se vzdalují od názorných příkladů,
01:47
hands-on stuff.
37
92000
2000
které si mohou sami vyzkoušet.
01:49
I'm really concerned that a lot of the schools have taken out
38
94000
2000
Skutečně mě znepokojuje,
01:51
the hands-on classes,
39
96000
2000
že mnoho škol ruší praktickou výuku,
01:53
because art, and classes like that,
40
98000
2000
protože například výtvarka a dílny
01:55
those are the classes where I excelled.
41
100000
2000
byly předměty, ve kterých jsem excelovala.
01:57
In my work with cattle,
42
102000
2000
V mé práci s dobytkem
01:59
I noticed a lot of little things that most people don't notice
43
104000
3000
jsem si všímala maličkostí, které skot zarazily,
02:02
would make the cattle balk. Like, for example,
44
107000
2000
avšak většina lidí si jich nevšimla.
02:04
this flag waving, right in front of the veterinary facility.
45
109000
3000
Například tato vlající vlajka před veterinou.
02:07
This feed yard was going to tear down their whole veterinary facility;
46
112000
3000
Tento velkochov málem nechal zbourat celou budovu veteriny,
02:10
all they needed to do was move the flag.
47
115000
2000
přestože stačilo posunout vlajku jinam.
02:12
Rapid movement, contrast.
48
117000
3000
Problém byl rychlý pohyb a kontrast.
02:15
In the early '70s when I started, I got right down
49
120000
2000
Když jsem začínala v 70-tých letech,
02:17
in the chutes to see what cattle were seeing.
50
122000
2000
sama jsem po čtyřech prolézala žláby,
02:19
People thought that was crazy. A coat on a fence would make them balk,
51
124000
3000
abych viděla to, co vidí dobytek. Mysleli si, že jsem blázen.
02:22
shadows would make them balk, a hose on the floor ...
52
127000
3000
Dobytek však zastavoval před odloženým kabátem,
02:25
people weren't noticing these things --
53
130000
2000
pohozenou hadicí, či stíny.
02:27
a chain hanging down --
54
132000
2000
Ostatní si toho nevšimli.
02:29
and that's shown very, very nicely in the movie.
55
134000
2000
A toto je velice pěkně znázorněno ve filmu.
02:31
In fact, I loved the movie, how they
56
136000
2000
Líbilo se mi, jak v něm
02:33
duplicated all my projects. That's the geek side.
57
138000
2000
zduplikovali moje projekty.
02:35
My drawings got to star in the movie too.
58
140000
3000
A moje nákresy se ve filmu objevily také.
02:38
And actually it's called "Temple Grandin,"
59
143000
2000
Film se jmenuje Temple Grandin,
02:40
not "Thinking In Pictures."
60
145000
2000
ne "Myšlení v obrazech" jako má kniha.
02:42
So, what is thinking in pictures? It's literally movies
61
147000
2000
Jak takové myšlení vypadá?
02:44
in your head.
62
149000
2000
V podstatě jde o filmy ve vaší hlavě.
02:46
My mind works like Google for images.
63
151000
2000
Má mysl funguje jako obrázky na Googlu.
02:48
Now, when I was a young kid I didn't know my thinking was different.
64
153000
3000
Když jsem byla mladá, nevěděla jsem, že mé myšlení je odlišné.
02:51
I thought everybody thought in pictures.
65
156000
2000
Myslela jsem, že všichni myslí v obrazech.
02:53
And then when I did my book, "Thinking In Pictures,"
66
158000
2000
Až když jsem psala svou knihu,
02:55
I start interviewing people about how they think.
67
160000
3000
a dělala pohovory s lidmi o tom, jak myslí,
02:58
And I was shocked to find out that
68
163000
2000
byla jsem šokována zjištěním,
03:00
my thinking was quite different. Like if I say,
69
165000
2000
že mé myšlení je zásadně odlišně.
03:02
"Think about a church steeple"
70
167000
2000
Když řeknete "kostelní věž,"
03:04
most people get this sort of generalized generic one.
71
169000
2000
většina lidí si představí jakousi generalizaci.
03:06
Now, maybe that's not true in this room,
72
171000
2000
Možná ne lidi v této místnosti,
03:08
but it's going to be true in a lot of different places.
73
173000
4000
ale na mnoha jiných místech to tak bude.
03:12
I see only specific pictures.
74
177000
2000
Já vidím pouze specifické obrazy.
03:14
They flash up into my memory, just like Google for pictures.
75
179000
4000
Problikávají z mé paměti, tak jako při vyhledávání na Googlu.
03:18
And in the movie, they've got a great scene in there
76
183000
2000
A ve filmu je skvělá scéna,
03:20
where the word "shoe" is said, and a whole bunch of '50s and '60s shoes
77
185000
4000
kde padne slovo "bota," a do mé imaginace
03:24
pop into my imagination.
78
189000
2000
naskočí celá kupa bot z 50. a 60. let.
03:26
OK, there is my childhood church,
79
191000
2000
Zde je kostel z mého dětství.
03:28
that's specific. There's some more, Fort Collins.
80
193000
3000
Specifický kostel. Tady je Fort Collins.
03:31
OK, how about famous ones?
81
196000
2000
A co takhle nějaké známější?
03:33
And they just kind of come up, kind of like this.
82
198000
3000
A obrazy začnou asi takto naskakovat.
03:36
Just really quickly, like Google for pictures.
83
201000
3000
Velice rychle, asi jako na tom Googlu.
03:39
And they come up one at a time,
84
204000
2000
Jeden po druhém.
03:41
and then I think, "OK, well maybe we can have it snow,
85
206000
2000
A pak si pomyslím, co takhle se sněhem,
03:43
or we can have a thunderstorm,"
86
208000
2000
nebo třeba s bouřkou…
03:45
and I can hold it there and turn them into videos.
87
210000
3000
… a také je dokážu přeměnit ve video.
03:48
Now, visual thinking was a tremendous asset
88
213000
3000
Vizuální myšlení bylo pro mou práci
03:51
in my work designing cattle-handling facilities.
89
216000
3000
designérky systémů pro chov dobytka nepostradatelné.
03:54
And I've worked really hard on improving
90
219000
2000
Skutečně tvrdě jsem pracovala na zlepšení
03:56
how cattle are treated at the slaughter plant.
91
221000
2000
zacházení s dobytkem při porážce.
03:58
I'm not going to go into any gucky slaughter slides.
92
223000
3000
Ale to vám tady nebudu ukazovat,
04:01
I've got that stuff up on YouTube if you want to look at it.
93
226000
2000
mám to na YouTubu pokud vás to zajímá.
04:03
But, one of the things that I was able to do in my design work
94
228000
4000
Jednou ze schopností, kterou jsem při své práci uplatňovala,
04:07
is I could actually test run
95
232000
2000
byla schopnost otestovat
04:09
a piece of equipment in my mind,
96
234000
2000
navržené zařízení přímo v mé mysli,
04:11
just like a virtual reality computer system.
97
236000
3000
podobně jako v počítačové virtuální realitě.
04:14
And this is an aerial view
98
239000
2000
Zde je pohled z letadla
04:16
of a recreation of one of my projects that was used in the movie.
99
241000
3000
na jeden z mých projektů použitých ve filmu.
04:19
That was like just so super cool.
100
244000
2000
Bylo to opravdu úžasné.
04:21
And there were a lot of kind of Asperger types
101
246000
2000
Na filmu navíc spolupracovala také
04:23
and autism types working out there on the movie set too.
102
248000
3000
spousta dalších zjevných autistů a Aspergerů.
04:26
(Laughter)
103
251000
2000
(Smích)
04:28
But one of the things that really worries me
104
253000
2000
Ale skutečně mě znepokojuje,
04:30
is: Where's the younger version of those kids going today?
105
255000
4000
kam se dostávají dnešní děti s těmito autistickými geny.
04:34
They're not ending up in Silicon Valley, where they belong.
106
259000
3000
Nekončí totiž v Silicon Valley, kam patří.
04:37
(Laughter)
107
262000
3000
(Smích)
04:40
(Applause)
108
265000
5000
(Potlesk)
04:45
Now, one of the things I learned very early on because I wasn't that social,
109
270000
3000
Protože jsem dříve nebyla velice společenská, tak jsem se
04:48
is I had to sell my work, and not myself.
110
273000
4000
velice brzy naučila, že musím prodávat svou práci a ne sama sebe.
04:52
And the way I sold livestock jobs
111
277000
2000
A svou práci jsem prodávala tak,
04:54
is I showed off my drawings, I showed off pictures of things.
112
279000
3000
že jsem lidem ukazovala své nákresy, obrazy těch věcí.
04:57
Another thing that helped me as a little kid
113
282000
2000
Další co mi velice pomohlo, byl způsob,
04:59
is, boy, in the '50s, you were taught manners.
114
284000
2000
jakým nás v 50-tých letech naučili slušnému chování.
05:01
You were taught you can't pull the merchandise off the shelves
115
286000
2000
Naučili nás, že nemůžeme dělat v obchodě nepořádek
05:03
in the store and throw it around.
116
288000
2000
a vyhazovat věcí z regálu okolo sebe.
05:05
Now, when kids get to be in third or fourth grade,
117
290000
3000
Na dítěti ve třetí nebo čtvrté třídě již poznáte,
05:08
you might see that this kid's going to be a visual thinker,
118
293000
3000
že právě toto dítě bude přemýšlet v obrazech.
05:11
drawing in perspective. Now, I want to
119
296000
2000
Používá totiž při kresbě perspektivu.
05:13
emphasize that not every autistic kid
120
298000
2000
Chci ovšem zdůraznit, že ne každé
05:15
is going to be a visual thinker.
121
300000
2000
autistické dítě myslí v obrazech.
05:17
Now, I had this brain scan done several years ago,
122
302000
4000
Toto je snímek mého mozku.
05:21
and I used to joke around about having a
123
306000
2000
Dělávala jsem si legraci,
05:23
gigantic Internet trunk line
124
308000
2000
že mám v hlavě tuto obrovskou
05:25
going deep into my visual cortex.
125
310000
2000
linku procházející hluboko mou vizuální kůrou mozku.
05:27
This is tensor imaging.
126
312000
2000
Věnujte pozornost těmto obrázkům.
05:29
And my great big internet trunk line
127
314000
2000
Tato obrovská linka je
05:31
is twice as big as the control's.
128
316000
2000
dvakrát širší než u kontrolní skupiny.
05:33
The red lines there are me,
129
318000
2000
Červeně je ta má,
05:35
and the blue lines are the sex and age-matched control.
130
320000
4000
modře je průměr kontrolní skupiny mého věku a pohlaví.
05:39
And there I got a gigantic one,
131
324000
2000
Jak můžete vidět,
05:41
and the control over there, the blue one,
132
326000
2000
má je skutečně obrovská,
05:43
has got a really small one.
133
328000
4000
zatímco ta modrá je skutečně malá.
05:47
And some of the research now is showing
134
332000
2000
A dnešní výzkum v některých případech ukazuje,
05:49
is that people on the spectrum actually think with primary visual cortex.
135
334000
4000
že lidé na autistickém spektru skutečně přemýšlí primární vizuální kůrou.
05:53
Now, the thing is, the visual thinker's just one kind of mind.
136
338000
3000
Ovšem pozor - myšlení v obrazech je pouze jedním z typů mysli.
05:56
You see, the autistic mind tends to be a specialist mind --
137
341000
3000
Autistická mysl tíhne ke specializaci.
05:59
good at one thing, bad at something else.
138
344000
4000
Je dobrá na jednu věc, špatná na jinou.
06:03
And where I was bad was algebra. And I was never allowed
139
348000
2000
Já byla špatná v algebře, a nikdy mi nedovolili
06:05
to take geometry or trig.
140
350000
2000
dělat geometrii a trigonometrii.
06:07
Gigantic mistake: I'm finding a lot of kids who need to skip algebra,
141
352000
3000
Obrovská chyba! Zjistila jsem, že spousta dětí musí přeskočit počty,
06:10
go right to geometry and trig.
142
355000
2000
a jít rovnou k rýsování.
06:12
Now, another kind of mind is the pattern thinker.
143
357000
3000
Dalším typem mysli je myšlení ve vzorech.
06:15
More abstract. These are your engineers,
144
360000
2000
Více abstraktní. Velice časté mezi
06:17
your computer programmers.
145
362000
2000
inženýry a počítačovými programátory.
06:19
Now, this is pattern thinking. That praying mantis
146
364000
2000
Toto je myšlení ve vzorech. Tato kudlanka
06:21
is made from a single sheet of paper --
147
366000
2000
je vyrobena z jednoho listu papíru.
06:23
no scotch tape, no cuts.
148
368000
2000
Žádné lepení, žádné stříhání.
06:25
And there in the background is the pattern for folding it.
149
370000
3000
Na pozadí vidíte vzor, podle jakého papír ohýbat.
06:28
Here are the types of thinking:
150
373000
2000
Zde jsou charakteristické typy myšlení.
06:30
photo-realistic visual thinkers, like me;
151
375000
3000
Fotorealistické vizuální myšlení - to jsem já.
06:33
pattern thinkers, music and math minds.
152
378000
4000
Myšlení ve vzorech - hudební a matematické myšlení.
06:37
Some of these oftentimes have problems with reading.
153
382000
2000
Někteří z těchto lidí mívají problémy se čtením.
06:39
You also will see these kind of problems
154
384000
2000
Mají podobné problémy jako děti,
06:41
with kids that are dyslexic.
155
386000
3000
které jsou dyslektiky.
06:44
You'll see these different kinds of minds.
156
389000
2000
Určitě takové lidi znáte.
06:46
And then there's a verbal mind, they know every fact about everything.
157
391000
3000
A potom tady máme verbální mysl. Ta zná veškeré fakty o čemkoliv.
06:49
Now, another thing is the sensory issues.
158
394000
2000
Dalším tématem je problematika vnímání.
06:51
I was really concerned about having to wear this gadget on my face.
159
396000
4000
Stále mě rozrušují tyto mikrofony.
06:55
And I came in half an hour beforehand
160
400000
3000
Přišla jsem o půl hodiny dřív,
06:58
so I could have it put on and kind of get used to it,
161
403000
2000
abych si na něj mohla zvyknout.
07:00
and they got it bent so it's not hitting my chin.
162
405000
3000
Ohnuli ho tak, aby se nedotýkal mé brady.
07:03
But sensory is an issue. Some kids are bothered by fluorescent lights;
163
408000
3000
Vněmy jsou problémem. Některým dětem vadí fluorescentní osvětlení,
07:06
others have problems with sound sensitivity.
164
411000
3000
jiné jsou citlivé na určité zvuky.
07:09
You know, it's going to be variable.
165
414000
3000
Tyto věci se mohou silně lišit.
07:12
Now, visual thinking gave me a whole lot of insight
166
417000
4000
Mé vizuální myšlení mi pomohlo porozumět
07:16
into the animal mind.
167
421000
2000
zvířecí mysli.
07:18
Because think about it: An animal is a sensory-based thinker,
168
423000
3000
Zamyslete se nad tím. Zvíře myslí pomocí vjemů,
07:21
not verbal -- thinks in pictures,
169
426000
4000
ne pomocí slov. Myslí v obrazech.
07:25
thinks in sounds, thinks in smells.
170
430000
3000
Myslí ve zvucích. Myslí v pachu a vůni.
07:28
Think about how much information there is there on the local fire hydrant.
171
433000
3000
Zamyslete se nad tím, kolik informací nese místní požární hydrant.
07:31
He knows who's been there, when they were there.
172
436000
3000
Říká kdo zde byl, kdy zde byl, zdali je to přítel nebo nepřítel,
07:34
Are they friend or foe? Is there anybody he can go mate with?
173
439000
3000
jestli je to někdo s kým by se měl pes družit.
07:37
There's a ton of information on that fire hydrant.
174
442000
3000
Požární hydrant nese hromadu informací.
07:40
It's all very detailed information,
175
445000
4000
A všechny jsou velice detailní.
07:44
and, looking at these kind of details
176
449000
2000
A právě citlivost na obdobné detaily
07:46
gave me a lot of insight into animals.
177
451000
2000
mně umožnila porozumět zvířatům.
07:48
Now, the animal mind, and also my mind,
178
453000
4000
Zvířecí a také má mysl
07:52
puts sensory-based information
179
457000
2000
škatulkuje vjemové informace
07:54
into categories.
180
459000
2000
do kategorií.
07:56
Man on a horse
181
461000
2000
Člověk na koni
07:58
and a man on the ground --
182
463000
2000
a člověk na zemi,
08:00
that is viewed as two totally different things.
183
465000
2000
jsou dvě velice rozdílné věci.
08:02
You could have a horse that's been abused by a rider.
184
467000
3000
Kůň, který byl týraný jezdcem,
08:05
They'll be absolutely fine with the veterinarian
185
470000
2000
bude velice vlídný k veterináři,
08:07
and with the horseshoer, but you can't ride him.
186
472000
3000
ale s jezdeckými botami se na něj neposadíte.
08:10
You have another horse, where maybe the horseshoer beat him up
187
475000
3000
Pak máte jiného koňě, kterého mlátil podkovář,
08:13
and he'll be terrible for anything on the ground,
188
478000
2000
a ten bude hrozný pro všechny na zemi,
08:15
with the veterinarian, but a person can ride him.
189
480000
3000
ovšem jezdit se na něm dát bude.
08:18
Cattle are the same way.
190
483000
2000
Skot je na tom stejně.
08:20
Man on a horse,
191
485000
2000
Člověk na koni
08:22
a man on foot -- they're two different things.
192
487000
2000
a člověk na zemi, jsou dvě rozdílné věci.
08:24
You see, it's a different picture.
193
489000
2000
Vidíte odlišný obrázek.
08:26
See, I want you to think about just how specific this is.
194
491000
3000
Zamyslete se nad tím, jak specifické to je.
08:29
Now, this ability to put information into categories,
195
494000
4000
Toto je schopnost kategorizace informací,
08:33
I find a lot of people are not very good at this.
196
498000
3000
a mnoho lidí v ní není velice dobrá.
08:36
When I'm out troubleshooting equipment
197
501000
2000
Když se snažíme vyřešit technický problém,
08:38
or problems with something in a plant,
198
503000
2000
například s vybavením podniku,
08:40
they don't seem to be able to figure out, "Do I have a training people issue?
199
505000
4000
lidé nedokážou poznat, zda mají problém se zaškolením lidí,
08:44
Or do I have something wrong with the equipment?"
200
509000
2000
nebo jestli mají problém s technickým vybavením.
08:46
In other words, categorize equipment problem
201
511000
2000
Nedokážou rozdělit problémy na ty technické
08:48
from a people problem.
202
513000
2000
a na ty lidské.
08:50
I find a lot of people have difficulty doing that.
203
515000
3000
Strašně mnoho lidí toto nedokáže.
08:53
Now, let's say I figure out it's an equipment problem.
204
518000
3000
Řekněme tedy, že se jedná o problém se zařízením.
08:56
Is it a minor problem, with something simple I can fix?
205
521000
2000
Jedná se o malý problém, který lze jednoduše opravit?
08:58
Or is the whole design of the system wrong?
206
523000
3000
Nebo je celý systém navržen špatně?
09:01
People have a hard time figuring that out.
207
526000
3000
Pro lidi je tato otázka velice obtížná.
09:04
Let's just look at something like, you know,
208
529000
2000
Vezměme si například toto -
09:06
solving problems with making airlines safer.
209
531000
2000
- jak udělat létání bezpečnější?
09:08
Yeah, I'm a million-mile flier.
210
533000
2000
Ano, už jsem také nalétala milión mílí.
09:10
I do lots and lots of flying,
211
535000
2000
Létám opravdu hodně.
09:12
and if I was at the FAA,
212
537000
3000
A kdybych byla leteckým technikem,
09:15
what would I be doing a lot of direct observation of?
213
540000
4000
na co bych zaměřovala svou pozornost?
09:19
It would be their airplane tails.
214
544000
2000
Dívala bych se na ocasy letadel.
09:21
You know, five fatal wrecks in the last 20 years,
215
546000
3000
Při pěti leteckých katastrofách z posledních 20-ti let,
09:24
the tail either came off or steering stuff inside the tail broke
216
549000
4000
se buďto utrhl ocas, nebo byl nějakým způsobem
09:28
in some way.
217
553000
2000
porušen vnitřní mechanismus řízení v ocasu letadla.
09:30
It's tails, pure and simple.
218
555000
2000
Je to velice jednoduché - problém je v ocasech.
09:32
And when the pilots walk around the plane, guess what? They can't see
219
557000
2000
A hádejte co… když si pilot obchází letadlo,
09:34
that stuff inside the tail.
220
559000
2000
nedokáže nahlédnout do vnitřku ocasu.
09:36
You know, now as I think about that,
221
561000
2000
Když nad tím teď přemýšlím,
09:38
I'm pulling up all of that specific information.
222
563000
3000
vidím to vše velice specificky.
09:41
It's specific. See, my thinking's bottom-up.
223
566000
3000
Moje myšlení je specifické - zezdola nahoru.
09:44
I take all the little pieces and I put the pieces together like a puzzle.
224
569000
4000
Posbírám všechny střípky a složím je dohromady jako puzzle.
09:48
Now, here is a horse that was deathly afraid
225
573000
2000
Tady je kůň, kterého k smrti děsili
09:50
of black cowboy hats.
226
575000
2000
kovbojové v černých kloboucích.
09:52
He'd been abused by somebody with a black cowboy hat.
227
577000
2000
Byl týraný někým v černém klobouku.
09:54
White cowboy hats, that was absolutely fine.
228
579000
3000
Bíle klobouky mu však nedělaly nejmenší problém.
09:57
Now, the thing is, the world is going to need
229
582000
3000
Věc se má tak - svět bude potřebovat,
10:00
all of the different kinds of minds
230
585000
2000
aby všechny tyto typy myslí,
10:02
to work together.
231
587000
2000
spolupracovaly.
10:04
We've got to work on developing all these different kinds of minds.
232
589000
3000
Měli bychom pracovat na rozvoji všech těchto typů mysli.
10:07
And one of the things that is driving me really crazy,
233
592000
3000
Jednou z věcí, která mě skutečně vytáčí během cestování
10:10
as I travel around and I do autism meetings,
234
595000
2000
po různých autistických setkáních
10:12
is I'm seeing a lot of smart, geeky, nerdy kids,
235
597000
3000
je vidět mezi dětmi tu spoustu chytrých podivínů,
10:15
and they just aren't very social,
236
600000
3000
kteří nejsou velmi společenští.
10:18
and nobody's working on developing their interest
237
603000
2000
Štve mě, když se nikdo nesnaží roznítit jejich zájem
10:20
in something like science.
238
605000
2000
o věci jako věda a podobně.
10:22
And this brings up the whole thing of my science teacher.
239
607000
3000
Což mě přivádí k tématu mého učitele vědy.
10:25
My science teacher is shown absolutely beautifully in the movie.
240
610000
3000
Toho film ztvárňuje naprosto nádherně.
10:28
I was a goofball student. When I was in high school
241
613000
2000
Byla jsem studentem hlupákem. Na střední škole
10:30
I just didn't care at all about studying,
242
615000
3000
mě studium vůbec nezajímalo.
10:33
until I had Mr. Carlock's science class.
243
618000
3000
Tedy až do předmětu věda pana Carlocka.
10:36
He was now Dr. Carlock in the movie.
244
621000
3000
To je ten doktor Carlock ve filmu.
10:39
And he got me challenged
245
624000
3000
Vyzval mě, abych se pokusila přijít na to,
10:42
to figure out an optical illusion room.
246
627000
3000
jak funguje jistý optický klam.
10:45
This brings up the whole thing of you've got to show kids
247
630000
2000
Což mě přivádí k tomu, že je potřeba
10:47
interesting stuff.
248
632000
2000
těmto dětem ukazovat zajímavé věci.
10:49
You know, one of the things that I think maybe TED ought to do
249
634000
3000
Myslím, že jedna z věcí, kterou by TED měl udělat,
10:52
is tell all the schools about all the great lectures that are on TED,
250
637000
3000
je říct všem školám o všech těch skvělých přednáškách,
10:55
and there's all kinds of great stuff on the Internet
251
640000
2000
ať už na TEDu nebo jinde na webu.
10:57
to get these kids turned on.
252
642000
2000
Toto jsou myšlenky, které ty děti dokážou zaujmout.
10:59
Because I'm seeing a lot of these geeky nerdy kids,
253
644000
3000
Když vyjedete ven z Kalifornie,
11:02
and the teachers out in the Midwest, and the other parts of the country,
254
647000
3000
nebo obecně z oblastí, které mají silné technické zázemí,
11:05
when you get away from these tech areas,
255
650000
2000
uvidíte, jak si učitelé s těmito
11:07
they don't know what to do with these kids.
256
652000
2000
chytrými podivíny neví rady.
11:09
And they're not going down the right path.
257
654000
2000
A děti se poté vydávají špatnými cestami.
11:11
The thing is, you can make a mind
258
656000
2000
Věc se má totiž takto -
11:13
to be more of a thinking and cognitive mind,
259
658000
3000
- je možné vytvořit mysl, které je více přemýšlivá.
11:16
or your mind can be wired to be more social.
260
661000
3000
Nebo můžete mít mysl, která je více společenská.
11:19
And what some of the research now has shown in autism
261
664000
2000
A dnešní výzkum ukazuje, že u autismu,
11:21
is there may by extra wiring back here,
262
666000
2000
máme v případě briliantních myslí
11:23
in the really brilliant mind, and we lose a few social circuits here.
263
668000
3000
nějaké dráty navíc, a nějaké společenské obvody naopak chybí.
11:26
It's kind of a trade-off between thinking and social.
264
671000
4000
Jde o jakousi výměnu mezi myšlením a společenskostí.
11:30
And then you can get into the point where it's so severe
265
675000
2000
A tato výměna může dojít až do extrému,
11:32
you're going to have a person that's going to be non-verbal.
266
677000
3000
kde máte člověka, který vůbec verbálně nekomunikuje.
11:35
In the normal human mind
267
680000
2000
V typické lidské mysli
11:37
language covers up the visual thinking we share with animals.
268
682000
3000
jazyk dominuje vizuálnímu myšlení, které sdílíme se zvířaty.
11:40
This is the work of Dr. Bruce Miller.
269
685000
3000
Toto je práce doktora Bruce Millera.
11:43
And he studied Alzheimer's patients
270
688000
3000
Studoval pacienty s Alzheimerem,
11:46
that had frontal temporal lobe dementia.
271
691000
2000
kteří mají demenci v předním mozkovém laloku.
11:48
And the dementia ate out the language parts of the brain,
272
693000
3000
Demence "snědla" jazykovou část jejich mozku,
11:51
and then this artwork came out of somebody who used to install stereos in cars.
273
696000
5000
a například člověk, který kdysi prodával autorádia, namaloval tento obraz.
11:56
Now, Van Gogh doesn't know anything about physics,
274
701000
4000
Van Gogh toho asi nevěděl moc o fyzice,
12:00
but I think it's very interesting
275
705000
2000
ale myslím, že je velice zajímavé,
12:02
that there was some work done to show that
276
707000
2000
že vzory, které vidíte
12:04
this eddy pattern in this painting
277
709000
2000
tady na jeho malbě,
12:06
followed a statistical model of turbulence,
278
711000
3000
odpovídají statistickým modelům turbulence.
12:09
which brings up the whole interesting idea
279
714000
2000
Což mě odvádí k zajímavé myšlence,
12:11
of maybe some of this mathematical patterns
280
716000
2000
protože je možné, že tyto matematické
12:13
is in our own head.
281
718000
2000
vzory máme přímo v naších mozcích.
12:15
And the Wolfram stuff -- I was taking
282
720000
2000
A když tady dneska přednášel pan Wolfram,
12:17
notes and I was writing down all the
283
722000
2000
dělala jsem si spoustu poznámek o klíčových slovech,
12:19
search words I could use,
284
724000
2000
které mohu použít při vyhledávání.
12:21
because I think that's going to go on in my autism lectures.
285
726000
4000
Myslím, že o tom budu hodně povídat během svých přednášek autistům.
12:25
We've got to show these kids interesting stuff.
286
730000
2000
Opravdu těmto dětem musíme ukázat zajímavé věci.
12:27
And they've taken out the autoshop class
287
732000
2000
A školy bohužel zrušily
12:29
and the drafting class and the art class.
288
734000
2000
výtvarku a dílny.
12:31
I mean art was my best subject in school.
289
736000
3000
Výtvarka byla mým nejoblíbenějším předmětem.
12:34
We've got to think about all these different kinds of minds,
290
739000
2000
Opravdu musíme přemýšlet nad všemi typy myslí.
12:36
and we've got to absolutely work with these kind of minds,
291
741000
3000
A opravdu musíme pracovat se všemi typy myslí,
12:39
because we absolutely are going to need
292
744000
3000
protože v budoucnu budeme
12:42
these kind of people in the future.
293
747000
3000
všechny tyto typy lidí potřebovat.
12:45
And let's talk about jobs.
294
750000
2000
Je tedy na čase promluvit o práci.
12:47
OK, my science teacher got me studying
295
752000
2000
Můj učitel vědy mě naučil studovat,
12:49
because I was a goofball that didn't want to study.
296
754000
3000
i přestože jsem původně studovat nechtěla.
12:52
But you know what? I was getting work experience.
297
757000
2000
Zároveň jsem však také získávala pracovní zkušenosti.
12:54
I'm seeing too many of these smart kids who haven't learned basic things,
298
759000
2000
Dneska potkávám spoustu dětí, které nikdo nenaučil úplně základní věci,
12:56
like how to be on time.
299
761000
2000
jako například dochvilnost,
12:58
I was taught that when I was eight years old.
300
763000
2000
což mě naučili, když mě bylo osm let.
13:00
You know, how to have table manners at granny's Sunday party.
301
765000
3000
Nebo jak se chovat u stolu při nedělních sešlostech u babičky.
13:03
I was taught that when I was very, very young.
302
768000
3000
Naučili mě to, když jsem byla velmi, velmi mladá.
13:06
And when I was 13, I had a job at a dressmaker's shop
303
771000
3000
A když mě bylo třináct, pracovala jsem jako švadlena,
13:09
sewing clothes.
304
774000
2000
sešívala jsem oblečení.
13:11
I did internships in college,
305
776000
3000
Na vyšší odborné škole jsem měla pracovní stáže.
13:14
I was building things,
306
779000
3000
Hodně jsem stavěla.
13:17
and I also had to learn how to do assignments.
307
782000
3000
A také jsem se musela naučit dělat přiřazené úkoly.
13:20
You know, all I wanted to do was draw pictures of horses when I was little.
308
785000
4000
Protože jediné, co jsem chtěla dělat jako malá, bylo kreslit obrázky koňů.
13:24
My mother said, "Well let's do a picture of something else."
309
789000
2000
A matka mi řekla: "Pojďme nakreslit něco jiného."
13:26
They've got to learn how to do something else.
310
791000
2000
Tyto děti se musí naučit, jak dělat něco jiného.
13:28
Let's say the kid is fixated on Legos.
311
793000
2000
Řekněme, že dítě má fixaci na Lego.
13:30
Let's get him working on building different things.
312
795000
3000
Pomožme mu stavět také něco jiného.
13:33
The thing about the autistic mind
313
798000
2000
Autistická mysl bývá
13:35
is it tends to be fixated.
314
800000
2000
typicky upnutá či fixovaná.
13:37
Like if a kid loves racecars,
315
802000
2000
Když dítě zbožňuje závodní auta,
13:39
let's use racecars for math.
316
804000
2000
je třeba použít závodní auta k výuce matematiky.
13:41
Let's figure out how long it takes a racecar to go a certain distance.
317
806000
3000
Ať třeba přijdou na to, jak dlouho bude autu trvat ujetí jisté vzdálenosti.
13:44
In other words, use that fixation
318
809000
4000
Jinými slovy, použijte fixaci k motivaci dítěte.
13:48
in order to motivate that kid, that's one of the things we need to do.
319
813000
3000
Toto je jedna ze základních věcí, kterou musíme dělat.
13:51
I really get fed up when they, you know, the teachers,
320
816000
3000
Skutečně mě štve, když učitelé,
13:54
especially when you get away from this part of the country,
321
819000
3000
obzvláště mimo tuto část země,
13:57
they don't know what to do with these smart kids.
322
822000
2000
neví jak s těmito chytrými dětmi nakládat.
13:59
It just drives me crazy.
323
824000
2000
Skutečně mě to vytáčí.
14:01
What can visual thinkers do when they grow up?
324
826000
2000
Čím se mohou živit vizuálně myslící, až dospějí?
14:03
They can do graphic design, all kinds of stuff with computers,
325
828000
3000
Mohou být grafickými designéry, dělat mnohé s počítači,
14:06
photography, industrial design.
326
831000
5000
fotografii, průmyslový design.
14:11
The pattern thinkers, they're the ones that are going to be
327
836000
2000
Myšlení ve vzorech - to budou naší matematici,
14:13
your mathematicians, your software engineers,
328
838000
3000
softwaroví inženýři, počítačoví programátoři,
14:16
your computer programmers, all of those kinds of jobs.
329
841000
4000
a všechny podobné typy profesí.
14:20
And then you've got the word minds. They make great journalists,
330
845000
3000
A ti co myslí ve slovech, ti budou skvělí žurnalisti.
14:23
and they also make really, really good stage actors.
331
848000
3000
Nebo také skvělí herci.
14:26
Because the thing about being autistic is,
332
851000
2000
Protože pokud chcete být jako autista společenský,
14:28
I had to learn social skills like being in a play.
333
853000
3000
musíte se naučit společenským dovednostem,
14:31
It's just kind of -- you just have to learn it.
334
856000
3000
a hrát je jako byste byli herci.
14:34
And we need to be working with these students.
335
859000
3000
Zkrátka je třeba se těmto dětem věnovat.
14:37
And this brings up mentors.
336
862000
2000
Což mě přivádí k mentorům.
14:39
You know, my science teacher was not an accredited teacher.
337
864000
3000
Můj učitel vědy nebyl ve skutečnosti akreditovaný učitel.
14:42
He was a NASA space scientist.
338
867000
2000
Byl to vesmírný výzkumník z NASA.
14:44
Now, some states now are getting it to where
339
869000
2000
Některé státy nyní začínají povolovat lidem,
14:46
if you have a degree in biology, or a degree in chemistry,
340
871000
2000
kteří mají vysokoškolské vzdělání v biologii nebo chemii,
14:48
you can come into the school and teach biology or chemistry.
341
873000
3000
možnost přijít do školy a vyučovat biologii nebo chemii.
14:51
We need to be doing that.
342
876000
2000
Přesně to je třeba.
14:53
Because what I'm observing is
343
878000
2000
Protože většina učitelů,
14:55
the good teachers, for a lot of these kids,
344
880000
2000
kteří jsou pro tento typ dětí vhodní,
14:57
are out in the community colleges,
345
882000
2000
jsou pouze v komunitních školách.
14:59
but we need to be getting some of these good teachers into the high schools.
346
884000
3000
Je třeba dostat obdobně dobré učitele do středních škol.
15:02
Another thing that can be very, very, very successful is
347
887000
3000
Další co by mohlo být velice úspěšné,
15:05
there is a lot of people that may have retired
348
890000
3000
jsou lidé, kteří jsou v důchodu po práci v IT průmyslu.
15:08
from working in the software industry, and they can teach your kid.
349
893000
3000
Ti by také mohli s výukou dětí pomoci.
15:11
And it doesn't matter if what they teach them is old,
350
896000
3000
A nezáleží na tom, jestli to, co je naučí je zastaralé,
15:14
because what you're doing is you're lighting the spark.
351
899000
3000
protože v prvé řadě jde o roznícení zájmu.
15:17
You're getting that kid turned on.
352
902000
3000
Musíme ty děti zaujmout.
15:20
And you get him turned on, then he'll learn all the new stuff.
353
905000
3000
A jakmile jsou zaujaty, všechno nové se naučí samy.
15:23
Mentors are just essential.
354
908000
2000
Mentoři jsou nepostradatelní.
15:25
I cannot emphasize enough
355
910000
2000
Nemůžu nijak zveličit,
15:27
what my science teacher did for me.
356
912000
3000
jak důležitý byl můj učitel vědy pro mě.
15:30
And we've got to mentor them, hire them.
357
915000
3000
A musíme tyto děti také zaměstnat.
15:33
And if you bring them in for internships in your companies,
358
918000
2000
A pokud už je zaměstnáte,
15:35
the thing about the autism, Asperger-y kind of mind,
359
920000
3000
je třeba jim dát specifické úkoly.
15:38
you've got to give them a specific task. Don't just say, "Design new software."
360
923000
3000
Neříkejte jim, ať navrhnou nový software.
15:41
You've got to tell them something a lot more specific:
361
926000
2000
Musíte jim to zadat specifičtěji.
15:43
"Well, we're designing a software for a phone
362
928000
3000
"Navrhujeme nový software pro telefon, který musí
15:46
and it has to do some specific thing.
363
931000
2000
dělat něco specifického. A může při tom používat
15:48
And it can only use so much memory."
364
933000
2000
pouze omezené množství paměti."
15:50
That's the kind of specificity you need.
365
935000
2000
Toto je specificita, kterou potřebujete.
15:52
Well, that's the end of my talk.
366
937000
2000
A tím končím svou řeč.
15:54
And I just want to thank everybody for coming.
367
939000
2000
Chtěla bych poděkovat všem, že jste přišli.
15:56
It was great to be here.
368
941000
2000
Bylo skvělé tady s vámi být.
15:58
(Applause)
369
943000
12000
(Potlesk)
16:10
Oh, you've got a question for me? OK.
370
955000
3000
Máte pro mě otázky? Tak dobře.
16:13
(Applause)
371
958000
1000
(Potlesk)
16:14
Chris Anderson: Thank you so much for that.
372
959000
4000
Chris Anderson: Velice děkuji, bylo to výborné.
16:18
You know, you once wrote, I like this quote,
373
963000
2000
Jednou jste napsala citát, který mám velice rád:
16:20
"If by some magic, autism had been
374
965000
2000
"Pokud by nějakým zázrakem autismus
16:22
eradicated from the face of the Earth,
375
967000
3000
zmizel z povrchu Země,
16:25
then men would still be socializing in front of a wood fire
376
970000
3000
člověk by žil stále mezi lidmi okolo ohně
16:28
at the entrance to a cave."
377
973000
2000
před vstupem do jeskyně."
16:30
Temple Grandin: Because who do you think made the first stone spears?
378
975000
2000
Temple Grandin: Kdo myslíte, že vyrobil první kamenné kopí?
16:32
The Asperger guy. And if you were to get rid of all the autism genetics
379
977000
3000
Ten člověk měl Aspergera. A pokud byste odstranili
16:35
there would be no more Silicon Valley,
380
980000
2000
veškeré autistické geny, nebylo by Sillicon Valley,
16:37
and the energy crisis would not be solved.
381
982000
2000
a energetická krize by nikdy nebyla vyřešena.
16:39
(Applause)
382
984000
3000
(Potlesk)
16:42
CA: So, I want to ask you a couple other questions,
383
987000
2000
CA: Chtěl bych se zeptat ještě na pár dalších věcí.
16:44
and if any of these feel inappropriate,
384
989000
2000
A pokud bude cokoliv jakkoliv nevhodné,
16:46
it's okay just to say, "Next question."
385
991000
2000
řekněte jen "Další otázku prosím."
16:48
But if there is someone here
386
993000
2000
Řekněme, že je tady někdo,
16:50
who has an autistic child,
387
995000
2000
kdo má autistické dítě,
16:52
or knows an autistic child
388
997000
2000
nebo zná autistické dítě,
16:54
and feels kind of cut off from them,
389
999000
3000
a cítí se od něj být odstřižen,
16:57
what advice would you give them?
390
1002000
2000
jakou byste mu dala radu?
16:59
TG: Well, first of all, you've got to look at age.
391
1004000
2000
TG: Prvně záleží na věku dítěte.
17:01
If you have a two, three or four year old
392
1006000
2000
Pokud jsou dítěti, dva, tři, čtyři roky,
17:03
you know, no speech, no social interaction,
393
1008000
2000
nemluví, není společenské,
17:05
I can't emphasize enough:
394
1010000
2000
tak nemůžu dostatečně zdůraznit
17:07
Don't wait, you need at least 20 hours a week of one-to-one teaching.
395
1012000
4000
nutnost minimálně 20-ti hodin týdně přímé práce s dítětem.
17:11
You know, the thing is, autism comes in different degrees.
396
1016000
3000
Ovšem autismus přichází v různých obdobách.
17:14
There's going to be about half the people on the spectrum
397
1019000
2000
Asi polovina lidí na autistickém spektru
17:16
that are not going to learn to talk, and they're not going to be working
398
1021000
2000
se nenaučí mluvit, nebudou pracovat v Sillicon Valley,
17:18
Silicon Valley, that would not be a reasonable thing for them to do.
399
1023000
3000
toto musíme pochopit.
17:21
But then you get the smart, geeky kids
400
1026000
2000
Ovšem potom máme ty chytré podivínské děti,
17:23
that have a touch of autism,
401
1028000
2000
které jsou jaksi řízlé autismem,
17:25
and that's where you've got to get them turned on
402
1030000
2000
a kde je třeba tyto děti roznítit tím,
17:27
with doing interesting things.
403
1032000
2000
že budou dělat zajímavé věci.
17:29
I got social interaction through shared interest.
404
1034000
3000
Já se dostávala mezi děti prostřednictvím společných zájmů.
17:32
I rode horses with other kids, I made model rockets with other kids,
405
1037000
4000
Jezdila jsem s nimi na koních, stavěla s nimi modely raket,
17:36
did electronics lab with other kids,
406
1041000
2000
elektroniku v laboratoři,
17:38
and in the '60s, it was gluing mirrors
407
1043000
2000
a v 60-tých letech jsme dělali světelnou show
17:40
onto a rubber membrane on a speaker to make a light show.
408
1045000
3000
lepením zrcadel ke gumovým membránám reproduktorů.
17:43
That was like, we considered that super cool.
409
1048000
3000
To bylo něco, co jsme považovali za naprosto kůl.
17:46
CA: Is it unrealistic for them
410
1051000
2000
CA: Je pro rodiče nerealistické
17:48
to hope or think that that child
411
1053000
2000
doufat, nebo si myslet, že je jejich dítě miluje,
17:50
loves them, as some might, as most, wish?
412
1055000
3000
a nezbývá jim tak nic jiného, než po tom toužit?
17:53
TG: Well let me tell you, that child will be loyal,
413
1058000
2000
TG: Řeknu to takto, to dítě bude loajální.
17:55
and if your house is burning down, they're going to get you out of it.
414
1060000
2000
Když vám bude hořet dům, půjdou vás zachránit.
17:57
CA: Wow. So, most people, if you ask them
415
1062000
3000
CA: Wow. Když bych se zeptal lidí,
18:00
what are they most passionate about, they'd say things like,
416
1065000
2000
co je jejich vášní, většina by asi odpověděla
18:02
"My kids" or "My lover."
417
1067000
3000
"Mé děti" nebo 'Můj milý."
18:05
What are you most passionate about?
418
1070000
3000
Co je vaší vášní?
18:08
TG: I'm passionate about that the things I do
419
1073000
2000
TG: Mou vášní je dělat věci,
18:10
are going to make the world a better place.
420
1075000
2000
které dělají tento svět lepším místem.
18:12
When I have a mother of an autistic child say,
421
1077000
2000
Když mi matka autistického dítěte řekne,
18:14
"My kid went to college because of your book,
422
1079000
2000
"Mé dítě je na univerzitě díky vaší knize,
18:16
or one of your lectures," that makes me happy.
423
1081000
2000
nebo díky vaší přednášce," to mě dělá opravdu šťastnou.
18:18
You know, the slaughter plants, I've worked with them
424
1083000
3000
Nebo třeba když jsem v 80-tých letech pracovala
18:21
in the '80s; they were absolutely awful.
425
1086000
2000
v jatečních podnicích - byly naprosto příšerné.
18:23
I developed a really simple scoring system for slaughter plants
426
1088000
4000
Vymyslela jsem skutečně jednoduchý bodovací systém,
18:27
where you just measure outcomes: How many cattle fell down?
427
1092000
2000
který měřil výsledky - kolik zvířat upadlo,
18:29
How many cattle got poked with the prodder?
428
1094000
2000
kolik zvířat bylo uhozeno,
18:31
How many cattle are mooing their heads off?
429
1096000
2000
kolik zvířat naříkalo.
18:33
And it's very, very simple.
430
1098000
2000
Velice jednoduchý systém
18:35
You directly observe a few simple things.
431
1100000
2000
založený na přímém pozorování pár věcí.
18:37
It's worked really well. I get satisfaction out of
432
1102000
2000
A fungovalo to skutečně dobře. Těšilo mě vidět,
18:39
seeing stuff that makes real change
433
1104000
3000
že to má skutečný dopad na skutečný svět.
18:42
in the real world. We need a lot more of that,
434
1107000
2000
Takových věcí potřebujeme mnohem více,
18:44
and a lot less abstract stuff.
435
1109000
2000
a mnohem méně těch abstraktních.
18:46
(Applause)
436
1111000
7000
(Potlesk)
18:53
CA: When we were talking on the phone, one of the things you said that
437
1118000
2000
CA: Když jsme spolu mluvili po telefonu, říkala jste,
18:55
really astonished me was you said one thing
438
1120000
2000
což mě opravdu ohromilo, že jedna z věcí
18:57
you were passionate about was server farms. Tell me about that.
439
1122000
4000
pro které jste nadšena jsou serverové farmy. Proč je tomu tak?
19:01
TG: Well the reason why I got really excited when I read about that,
440
1126000
3000
TG: Tím důvodem pro mé nadšení je to,
19:04
it contains knowledge.
441
1129000
3000
že tyto farmy obsahují vědomosti.
19:07
It's libraries.
442
1132000
2000
Podobně jako knihovny.
19:09
And to me, knowledge is something
443
1134000
2000
Pro mě jsou vědomosti něčím,
19:11
that is extremely valuable. So, maybe, over 10 years ago
444
1136000
2000
co je extrémně hodnotné. Asi před 10-ti lety
19:13
now our library got flooded.
445
1138000
2000
byla zaplavena jedna z knihoven.
19:15
And this is before the Internet got really big.
446
1140000
2000
Ještě před tím, než se stal internet tím čím je dnes.
19:17
And I was really upset about all the books being wrecked,
447
1142000
2000
A já byla skutečně naštvaná, protože všechny ty knihy
19:19
because it was knowledge being destroyed.
448
1144000
2000
a všechny ty vědomosti byly zničeny.
19:21
And server farms, or data centers
449
1146000
2000
A serverové farmy nebo datová centra
19:23
are great libraries of knowledge.
450
1148000
3000
jsou úžasnými knihovnami vědomostí.
19:26
CA: Temple, can I just say it's an absolute delight to have you at TED.
451
1151000
3000
CA: Temple, musím říct, že bylo mým absolutním potěšením mít vás tady na TEDu.
19:29
TG: Well thank you so much. Thank you.
452
1154000
3000
TG: Děkuji, děkuji mnohokrát.
19:32
(Applause)
453
1157000
6000
(Potlesk)
ABOUT THE SPEAKER
Temple Grandin - Livestock handling designer, autism activistThrough groundbreaking research and the lens of her own autism, Temple Grandin brings startling insight into two worlds.
Why you should listen
An expert on animal behavior, Temple Grandin has designed humane handling systems for half the cattle-processing facilities in the US, and consults with the meat industry to develop animal welfare guidelines. As PETA wrote when awarding her a 2004 Proggy: “Dr. Grandin's improvements to animal-handling systems found in slaughterhouses have decreased the amount of fear and pain that animals experience in their final hours, and she is widely considered the world's leading expert on the welfare of cattle and pigs.” In 2010, Time Magazine listed her as one of its most Important People of the Year. She is also a member of the American Academy of Arts and Sciences.
Grandin’s books about her interior life as an autistic person have increased the world's understanding of the condition with personal immediacy -- and with import, as rates of autism diagnosis rise. She is revered by animal rights groups and members of autistic community, perhaps because in both regards she is a voice for those who are sometimes challenged to make themselves heard.
Temple Grandin | Speaker | TED.com