TED2007
Alan Kay: A powerful idea about ideas
Alan Kay partage une puissante idée à propos d'idées
Filmed:
Readability: 3.4
851,991 views
Avec toute l'intensité et l'intelligence au travers desquelles il est connu, Alan Kay imagine des techniques plus efficaces pour enseigner aux enfants, en utilisant des ordinateurs pouvant illustrer une expérience - mathématiquement et scientifiquement - que seuls les ordinateurs peuvent réaliser.
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
Une très bonne manière de commencer, je pense, avec ma vision de la simplicité
00:22
is to take a look at TED. Here you are, understanding why we're here,
1
4000
7000
c'est d'analyser TED. Vous êtes ici, et vous comprenez pourquoi vous êtes ici.
00:29
what's going on with no difficulty at all.
2
11000
5000
ce qui se passe, sans aucune difficulté.
00:34
The best A.I. in the planet would find it complex and confusing,
3
16000
4000
La meilleure des intelligences artificielles trouverait cela complexe et tres confus.
00:38
and my little dog Watson would find it simple and understandable
4
20000
5000
et mon petit chien Watson trouverait cela simple et compréhensible,
00:43
but would miss the point.
5
25000
2000
mais ne comprendrait absolument pas a quoi ca sert.
00:45
(Laughter)
6
27000
3000
(Rires)
00:48
He would have a great time.
7
30000
3000
Il s'amuserait bien.
00:51
And of course, if you're a speaker here, like Hans Rosling,
8
33000
5000
Et, bien sur, si vous êtes un orateur ici, comme Hans Rosling,
00:56
a speaker finds this complex, tricky. But in Hans Rosling's case,
9
38000
5000
un orateur trouverait cela complexe et délicat. Mais, dans le cas de Hans Rosling,
01:01
he had a secret weapon yesterday,
10
43000
2000
il avait une arme secrète hier,
01:03
literally, in his sword swallowing act.
11
45000
4000
littéralement, avec sa présentation durant laquelle il avale son épée.
01:07
And I must say, I thought of quite a few objects
12
49000
2000
Et, je dois dire que j'ai pensé à plusieurs objets
01:09
that I might try to swallow today and finally gave up on,
13
51000
5000
que je pouvais essayer d'avaler aujourd'hui, et finalement j'ai laissé tomber --
01:14
but he just did it and that was a wonderful thing.
14
56000
4000
mais il l'a fait et c'était merveilleux.
01:18
So Puck meant not only are we fools in the pejorative sense,
15
60000
5000
Alors Puck signifie que non seulement nous sommes des fous, dans un sens péjoratif
01:23
but that we're easily fooled. In fact, what Shakespeare
16
65000
4000
mais aussi que nous nous laissons prendre au jeu facilement. En réalité, ce que Shakespeare
01:27
was pointing out is we go to the theater in order to be fooled,
17
69000
3000
voulais dire c'était que nous allons au théâtre dans le but de nous faire avoir
01:30
so we're actually looking forward to it.
18
72000
4000
donc réellement nous sommes impatients de nous faire avoir.
01:34
We go to magic shows in order to be fooled.
19
76000
2000
Nous allons à des spectacles de magie pour nous faire avoir.
01:36
And this makes many things fun, but it makes it difficult to actually
20
78000
8000
Et cela permet d'être entouré de choses fun, mais en même temps, ça rend difficile
01:44
get any kind of picture on the world we live in or on ourselves.
21
86000
4000
capturer une image du monde dans lequel nous vivons ou une image de nous-mêmes.
01:48
And our friend, Betty Edwards,
22
90000
2000
Et notre amie, Betty Edwards,
01:50
the "Drawing on the Right Side of the Brain" lady, shows these two tables
23
92000
3000
le Dessin sur le coté droit du cerveau de la dame, montre ces deux tables
01:53
to her drawing class and says,
24
95000
5000
À sa classe de dessin, elle dit,
01:58
"The problem you have with learning to draw
25
100000
4000
le problème que vous avez avec l'apprentissage du dessin
02:02
is not that you can't move your hand,
26
104000
2000
n'est pas dans le fait que vous ne pouvez bouger votre main,
02:04
but that the way your brain perceives images is faulty.
27
106000
6000
mais c'est plutôt que la façon dont votre cerveau perçoit l'image est erronée.
02:10
It's trying to perceive images into objects
28
112000
2000
Vous essayer de percevoir les images au travers d'objets
02:12
rather than seeing what's there."
29
114000
2000
au lieu de voir ce qu'il y a la.
02:14
And to prove it, she says, "The exact size and shape of these tabletops
30
116000
5000
Et pour le prouver, dit-elle, la taille et la forme exacte de ces deux dessus de tables
02:19
is the same, and I'm going to prove it to you."
31
121000
3000
est identiques et je vais vous le prouver.
02:22
She does this with cardboard, but since I have
32
124000
3000
Elle fait cela avec des cartons, mais puisque j'ai
02:25
an expensive computer here
33
127000
3000
un ordinateur couteux, ici,
02:28
I'll just rotate this little guy around and ...
34
130000
3000
je vais juste tourner ce petit truc autour et...
02:34
Now having seen that -- and I've seen it hundreds of times,
35
136000
3000
Maintenant, en voyant cela -- et je l'ai vu une centaine de fois,
02:37
because I use this in every talk I give -- I still can't see
36
139000
4000
car j'utilise cette présentation dans toutes mes discours -- je continue à ne pas voir
02:41
that they're the same size and shape, and I doubt that you can either.
37
143000
5000
qu'ils sont de la même taille et de la même forme, et je doute que vous puissiez.
02:46
So what do artists do? Well, what artists do is to measure.
38
148000
5000
Alors, que font les artistes? Et bien, ce que font les artistes, c'est mesurer.
02:51
They measure very, very carefully.
39
153000
2000
Ils mesurent avec beaucoup, beaucoup d'attention.
02:53
And if you measure very, very carefully with a stiff arm and a straight edge,
40
155000
4000
Et si vous mesurez avec beaucoup, beaucoup d'attention avec un bras solide et une règle,
02:57
you'll see that those two shapes are
41
159000
2000
vous verrez que ces deux formes sont
02:59
exactly the same size.
42
161000
3000
totalement identiques.
03:02
And the Talmud saw this a long time ago, saying,
43
164000
5000
Et le Talmud a identifié cela il y a déjà longtemps, en disant,
03:07
"We see things not as they are, but as we are."
44
169000
3000
nous voyons les choses non pour ce qu'elles sont, mais pour ce que nous sommes.
03:10
I certainly would like to know what happened to the person
45
172000
2000
J'aimerais bien savoir ce qui est arrivé à la personne
03:12
who had that insight back then,
46
174000
3000
qui a eu cette révélation à ce moment la,
03:15
if they actually followed it to its ultimate conclusion.
47
177000
4000
s’ils ont réellement poursuivit cela jusqu'à sa conclusion ultime.
03:21
So if the world is not as it seems and we see things as we are,
48
183000
2000
Alors, si le monde n'est pas ce qu'il semble et nous voyons les choses comme nous nous voyons nous-mêmes,
03:23
then what we call reality is a kind of hallucination
49
185000
6000
alors, ce que nous appelons la réalité est une forme d'hallucination
03:29
happening inside here. It's a waking dream,
50
191000
3000
qui se passe ici. C'est un rêve debout.
03:32
and understanding that that is what we actually exist in
51
194000
5000
Et comprendre que c'est en fait dans cela que nous existons
03:37
is one of the biggest epistemological barriers in human history.
52
199000
5000
est l'une des barrières les plus épistémologiques de l'histoire humaine.
03:42
And what that means: "simple and understandable"
53
204000
2000
Et ce que cela veut dire : "simple et compréhensible"
03:44
might not be actually simple or understandable,
54
206000
3000
ne serait peut être pas en réalité simple ou compréhensible,
03:47
and things we think are "complex" might be made simple and understandable.
55
209000
6000
et les choses que nous pensons être compliquées peuvent être simples et compréhensibles.
03:53
Somehow we have to understand ourselves to get around our flaws.
56
215000
4000
Quelque part, nous devons nous comprendre nous-mêmes pour contourner nos défauts.
03:57
We can think of ourselves as kind of a noisy channel.
57
219000
2000
Nous pouvons imaginer que nous sommes quelque chose comme une chaine bruyante.
03:59
The way I think of it is, we can't learn to see
58
221000
5000
Ce que je pense, c'est que nous ne pouvons pas apprendre à voir
04:04
until we admit we're blind.
59
226000
2000
tant que nous n'admettons pas que nous sommes aveugles.
04:06
Once you start down at this very humble level,
60
228000
4000
Lorsque vous commencez à ce degré d'humilité,
04:10
then you can start finding ways to see things.
61
232000
3000
alors vous pouvez commencer à trouver des moyens de voir les choses.
04:13
And what's happened, over the last 400 years in particular,
62
235000
5000
Et ce qui s'est passé depuis plus de quatre cent ans plus particulièrement
04:18
is that human beings have invented "brainlets" --
63
240000
3000
c'est que les êtres humains ont inventé des extensions de cerveau:
04:21
little additional parts for our brain --
64
243000
4000
des petites parties ajoutées à notre cerveau,
04:25
made out of powerful ideas that help us
65
247000
2000
créées grâce à des idées grandioses qui nous permettent
04:27
see the world in different ways.
66
249000
2000
de voir le monde de manière différente.
04:29
And these are in the form of sensory apparatus --
67
251000
3000
Et celles-ci ont pris la forme d'appareils sensoriels --
04:32
telescopes, microscopes -- reasoning apparatus --
68
254000
5000
télescopes, microscopes -- appareils pour comprendre,
04:37
various ways of thinking -- and, most importantly,
69
259000
4000
différentes manières de penser, et plus important encore,
04:41
in the ability to change perspective on things.
70
263000
4000
la capacité de changer la perspective sur les choses.
04:45
I'll talk about that a little bit.
71
267000
1000
Je vais parler un peu de tout cela.
04:46
It's this change in perspective
72
268000
2000
C'est ce changement de perspective,
04:48
on what it is we think we're perceiving
73
270000
3000
et ce que nous croyons percevoir,
04:51
that has helped us make more progress in the last 400 years
74
273000
5000
qui nous a permis de faire plus de progrès ces quatre cent dernières années
04:56
than we have in the rest of human history.
75
278000
2000
que nous n'en avons fait durant le reste de l'histoire de l’humanité.
04:58
And yet, it is not taught in any K through 12 curriculum in America that I'm aware of.
76
280000
8000
Et pourtant, rien de tout cela n'est enseigné dans les classes de la maternelle au lycée aux États-Unis, du moins que je sache.
05:11
So one of the things that goes from simple to complex
77
293000
2000
Alors, l'une des choses qui passe du simple au compliqué
05:13
is when we do more. We like more.
78
295000
3000
c'est lorsque nous faisons "plus de". Nous aimons "plus".
05:16
If we do more in a kind of a stupid way,
79
298000
3000
Lorsque nous faisons "plus" bêtement,
05:19
the simplicity gets complex
80
301000
3000
la simplicité devient compliquée.
05:22
and, in fact, we can keep on doing it for a very long time.
81
304000
5000
Et en fait, nous pouvons continuer à faire cela pendant longtemps.
05:27
But Murray Gell-Mann yesterday talked about emergent properties;
82
309000
3000
Hier, Murray Gell-Mann parlait des propriétés qui émergent.
05:30
another name for them could be "architecture"
83
312000
4000
Un autre nom pour cela pourrait être "architecture"
05:34
as a metaphor for taking the same old material
84
316000
4000
comme une métaphore dans laquelle on prend du vieux matériel
05:38
and thinking about non-obvious, non-simple ways of combining it.
85
320000
7000
en pensant à des moyens pas très évidents et pas simple de les combiner.
05:45
And in fact, what Murray was talking about yesterday in the fractal beauty of nature --
86
327000
8000
Et en réalité, ce dont Murray parlait hier, dans la beauté fractale de la nature,
05:53
of having the descriptions
87
335000
2000
d'avoir des descriptions
05:55
at various levels be rather similar --
88
337000
4000
à différents niveaux et relativement similaires,
05:59
all goes down to the idea that the elementary particles
89
341000
5000
tout revient à l'idée que les particules élémentaires,
06:04
are both sticky and standoffish,
90
346000
3000
sont toutes les deux collantes et peu amicales,
06:07
and they're in violent motion.
91
349000
4000
et elles remuent violemment.
06:11
Those three things give rise to all the different levels
92
353000
3000
Ces trois choses donnent naissances à tous les différents niveaux
06:14
of what seem to be complexity in our world.
93
356000
4000
de ce qui semble former la complexité de notre monde.
06:20
But how simple?
94
362000
2000
Mais simple comment?
06:22
So, when I saw Roslings' Gapminder stuff a few years ago,
95
364000
5000
Alors lorsque j'ai vu les trucs de Roslings Gapminder il y a déjà quelques années,
06:27
I just thought it was the greatest thing I'd seen
96
369000
2000
j'ai pense que c'était la chose la plus géniale que j'avais jamais vu
06:29
in conveying complex ideas simply.
97
371000
5000
expliquant simplement les idées complexes.
06:34
But then I had a thought of, "Boy, maybe it's too simple."
98
376000
3000
Mais alors, je me suis mis a pensé que, peut-être c'était trop simple.
06:37
And I put some effort in to try and check
99
379000
5000
Et j'ai mis du temps et de l'énergie à essayer et vérifier cela
06:42
to see how well these simple portrayals of trends over time
100
384000
4000
afin de voir comment ces simples descriptions à la mode
06:46
actually matched up with some ideas and investigations from the side,
101
388000
5000
correspondaient réellement avec des idées et des recherches parallèles,
06:51
and I found that they matched up very well.
102
393000
2000
et j'ai découvert qu'elles correspondaient très bien.
06:53
So the Roslings have been able to do simplicity
103
395000
5000
Donc, les Roslings ont réussi à faire simple
06:58
without removing what's important about the data.
104
400000
4000
sans enlever les éléments importants des informations.
07:02
Whereas the film yesterday that we saw
105
404000
4000
Comme le film que nous avons vu hier
07:06
of the simulation of the inside of a cell,
106
408000
2000
sur la reproduction de l'intérieur d'une cellule,
07:08
as a former molecular biologist, I didn't like that at all.
107
410000
6000
en tant que biologiste moléculaire, je n'ai pas du tout aimé.
07:14
Not because it wasn't beautiful or anything,
108
416000
2000
Pas parce que ce n'était pas beau, pas du tout,
07:16
but because it misses the thing that most students fail to understand
109
418000
5000
mais parce qu'il manque la chose essentielle que les étudiants ne comprennent pas
07:21
about molecular biology, and that is:
110
423000
3000
à propos de la biologie moléculaire, c’est à dire,
07:24
why is there any probability at all of two complex shapes
111
426000
5000
pourquoi y-a t-il des probabilités que deux formes complexes
07:29
finding each other just the right way
112
431000
2000
se trouvent parfaitement
07:31
so they combine together and be catalyzed?
113
433000
3000
et peuvent ainsi se combiner et se catalyser?
07:34
And what we saw yesterday was
114
436000
2000
Et ce que nous avons vu hier était,
07:36
every reaction was fortuitous;
115
438000
3000
que toute réaction est fortuite.
07:39
they just swooped in the air and bound, and something happened.
116
441000
4000
Elles plongent dans les airs, rebondissent et quelque chose se passe.
07:43
But in fact, those molecules are spinning at the rate of
117
445000
4000
Mais en réalité ces molécules tournent à une vitesse
07:47
about a million revolutions per second;
118
449000
3000
d'environ un million de tours par secondes.
07:50
they're agitating back and forth their size every two nanoseconds;
119
452000
6000
Elles remuent de tous les cotés toutes les deux nanosecondes.
07:56
they're completely crowded together, they're jammed,
120
458000
3000
Elles sont complètement serrées les unes sur les autres. Elles sont empilées,
07:59
they're bashing up against each other.
121
461000
3000
elles se rentrent dedans.
08:02
And if you don't understand that in your mental model of this stuff,
122
464000
3000
Et si vous ne comprenez pas cela dans votre représentation mentale de ce truc,
08:05
what happens inside of a cell seems completely mysterious and fortuitous,
123
467000
5000
ce qui se passe à l'intérieur d'une cellule semble complètement mystérieux et fortuit.
08:10
and I think that's exactly the wrong image
124
472000
2000
Et je pense que c'est exactement la mauvaise image
08:12
for when you're trying to teach science.
125
474000
3000
à se faire lorsque vous essayez d'enseigner la science.
08:18
So, another thing that we do is to confuse adult sophistication
126
480000
5000
Alors une autre chose que nous faisons c'est confondre la sophistication des adultes
08:23
with the actual understanding of some principle.
127
485000
5000
avec la compréhension actuelle de certains principes.
08:28
So a kid who's 14 in high school
128
490000
2000
Alors, un enfant de 14 ans au lycée
08:30
gets this version of the Pythagorean theorem,
129
492000
6000
apprend cette version du théorème de Pythagore,
08:36
which is a truly subtle and interesting proof,
130
498000
3000
ce qui est vraiment une preuve subtile et intéressante,
08:39
but in fact it's not a good way to start learning about mathematics.
131
501000
7000
mais qui en réalité n'est pas un bon moyen de commencer à apprendre les mathématiques.
08:46
So a more direct one, one that gives you more of the feeling of math,
132
508000
5000
Alors une version plus directe, une qui vous donne un meilleur ressenti des maths,
08:51
is something closer to Pythagoras' own proof, which goes like this:
133
513000
4000
serait quelque chose de plus proche de la preuve même du théorème de Pythagore, quelque chose comme cela.
08:55
so here we have this triangle, and if we surround that C square with
134
517000
6000
Donc, ici nous avons un triangle, et si nous entourons ce carré C avec
09:01
three more triangles and we copy that,
135
523000
3000
trois triangles supplémentaires et que nous recopions cela,
09:04
notice that we can move those triangles down like this.
136
526000
5000
remarquez que nous pouvons bouger ces triangles en bas comme cela,
09:09
And that leaves two open areas that are kind of suspicious ...
137
531000
3000
et que cela nous laisse deux ouvertures qui sont un peu suspects,
09:12
and bingo. That is all you have to do.
138
534000
7000
et Bingo. Et c'est tout ce que vous avez à faire.
09:19
And this kind of proof is the kind of proof
139
541000
2000
Et ce genre de preuve est le genre de preuve
09:21
that you need to learn when you're learning mathematics
140
543000
3000
dont vous avez besoin lorsque vous apprenez les mathématiques
09:24
in order to get an idea of what it means
141
546000
3000
si vous voulez comprendre ce que c'est
09:27
before you look into the, literally, 1,200 or 1,500 proofs
142
549000
4000
avant d'aller explorer, littéralement, les 12 ou 1500 preuves
09:31
of Pythagoras' theorem that have been discovered.
143
553000
3000
du théorème de Pythagore qui ont été découvertes.
09:37
Now let's go to young children.
144
559000
3000
Maintenant, voyons les enfants plus jeunes.
09:40
This is a very unusual teacher
145
562000
2000
Voila un enseignant très bizarre
09:42
who was a kindergarten and first-grade teacher,
146
564000
4000
qui enseignait dans des classes de maternelle et de primaire,
09:46
but was a natural mathematician.
147
568000
2000
mais elle était une mathématicienne dans l'âme.
09:48
So she was like that jazz musician friend you have who never studied music
148
570000
5000
Elle était comme ce copain musicien qui joue du jazz mais qui n'a jamais étudié la musique,
09:53
but is a terrific musician;
149
575000
2000
mais qui est un musicien fantastique.
09:55
she just had a feeling for math.
150
577000
2000
Elle avait vraiment un don pour les maths,
09:57
And here are her six-year-olds,
151
579000
3000
et la voila avec ces élèves de 6 ans,
10:00
and she's got them making shapes out of a shape.
152
582000
5000
et elle leurs demande de fabriquer des formes en utilisant des formes.
10:05
So they pick a shape they like -- like a diamond, or a square,
153
587000
2000
Alors ils prennent une forme qu'ils aiment -- un losange, ou un carré,
10:07
or a triangle, or a trapezoid -- and then they try and make
154
589000
3000
ou un triangle, ou un trapèze -- et ils essaient et reproduisent
10:10
the next larger shape of that same shape, and the next larger shape.
155
592000
4000
un modèle plus grand de la forme de départ et ainsi de suite.
10:14
You can see the trapezoids are a little challenging there.
156
596000
4000
Et vous pouvez voir les trapèzes posent un peu de difficultés la.
10:18
And what this teacher did on every project
157
600000
3000
Et ce que cette institutrice a fait pour chaque projet
10:21
was to have the children act like first it was a creative arts project,
158
603000
5000
était de permettre aux enfants de percevoir le projet comme un projet d'art créatif
10:26
and then something like science.
159
608000
2000
et seulement ensuite comme un projet scientifique.
10:28
So they had created these artifacts.
160
610000
2000
Donc, ils ont créé ces objets.
10:30
Now she had them look at them and do this ... laborious,
161
612000
4000
Maintenant, elle a demandé aux enfants de les regarder et de le rendre laborieux --
10:34
which I thought for a long time, until she explained to me was
162
616000
4000
ce qui m'a fait réfléchir pendant un bon moment, jusqu'à ce qu'elle me l'explique, c'était
10:38
to slow them down so they'll think.
163
620000
3000
de leur permettre de se calmer pour ainsi leur permettre de penser.
10:41
So they're cutting out the little pieces of cardboard here
164
623000
3000
Alors, tout d'abord, ils coupent les petits morceaux de cartons ici,
10:44
and pasting them up.
165
626000
2000
et les collent.
10:46
But the whole point of this thing is
166
628000
4000
Mais le but du jeu est
10:50
for them to look at this chart and fill it out.
167
632000
3000
pour eux, de regarder ce tableau et de le remplir.
10:53
"What have you noticed about what you did?"
168
635000
4000
Qu'est ce que vous avez remarque par rapport a ce que vous avez fait?
10:57
And so six-year-old Lauren there noticed that the first one took one,
169
639000
4000
Et alors, Lauren, 6 ans, a remarqué que pour le premier il en fallait un,
11:01
and the second one took three more
170
643000
5000
et que pour le deuxième il en fallait trois de plus,
11:06
and the total was four on that one,
171
648000
2000
et que le total était de quatre sur celui la.
11:08
the third one took five more and the total was nine on that one,
172
650000
4000
Le troisième en a pris 5 de plus, et le total était de 9 sur celui la,
11:12
and then the next one.
173
654000
1000
et ainsi de suite.
11:13
She saw right away that the additional tiles that you had to add
174
655000
5000
Donc, elle s'est tout de suite rendu compte que les carreaux ajoutés
11:18
around the edges was always going to grow by two,
175
660000
4000
autour des bords grandissaient toujours par deux.
11:22
so she was very confident about how she made those numbers there.
176
664000
3000
Donc, elle se sentait a l'aise lorsqu'elle mettait ces nombres la.
11:25
And she could see that these were the square numbers up until about six,
177
667000
5000
Et elle pouvait voir que ceux-ci étaient les nombres des carrés jusqu'à 6.
11:30
where she wasn't sure what six times six was
178
672000
3000
Ce dont elle n'était pas sure c'était ce que représentait 6 fois 6,
11:33
and what seven times seven was,
179
675000
2000
et ce que sept fois sept faisait.
11:35
but then she was confident again.
180
677000
3000
Mais ensuite, elle reprenait confiance en elle-même.
11:38
So that's what Lauren did.
181
680000
2000
C'est donc ce que Lauren a fait.
11:40
And then the teacher, Gillian Ishijima, had the kids
182
682000
4000
Et puis, l'institutrice, Gillian Ishijima, a demandé aux enfants
11:44
bring all of their projects up to the front of the room and put them on the floor,
183
686000
3000
d'apporter tous leurs projets au devant de la pièce et de les mettre par terre.
11:47
and everybody went batshit: "Holy shit! They're the same!"
184
689000
8000
Et tous etaient epoustouflés! Merde alors! Ce sont les mêmes!
11:55
No matter what the shapes were, the growth law is the same.
185
697000
4000
Peu importe la forme utilisée, la loi de croissance était la même.
11:59
And the mathematicians and scientists in the crowd
186
701000
3000
Et les mathématiciens et les scientifiques, dans la foule
12:02
will recognize these two progressions
187
704000
2000
reconnaitront ces deux progressions
12:04
as a first-order discrete differential equation
188
706000
3000
comme une équation différentielle de premier ordre
12:07
and a second-order discrete differential equation,
189
709000
5000
et une équation différentielle d'ordre secondaire.
12:12
derived by six-year-olds.
190
714000
4000
Dérivées par un enfant de 6 ans.
12:16
Well, that's pretty amazing.
191
718000
1000
Et bien c'est plutôt incroyable.
12:17
That isn't what we usually try to teach six-year-olds.
192
719000
3000
Ce n'est pourtant pas cela que nous essayons d'enseigner a nos enfants de 6 ans.
12:20
So, let's take a look now at how we might use the computer for some of this.
193
722000
7000
Alors, maintenant, regardons comment est ce que l'on peut utiliser l'ordinateur pour illustrer cela.
12:27
And so the first idea here is
194
729000
4000
Et donc, la première idée est
12:31
just to show you the kind of things that children do.
195
733000
4000
simplement de vous montrer le genre de choses que les enfants font.
12:35
I'm using the software that we're putting on the $100 laptop.
196
737000
5000
J'utilise le logiciel que nous installons dans un ordinateur portable qui coute 100 dollars.
12:40
So I'd like to draw a little car here --
197
742000
6000
Bon, j'aimerais dessiner une petite voiture ici.
12:46
I'll just do this very quickly -- and put a big tire on him.
198
748000
7000
Je vais le faire très rapidement. Et ici, je vais placer un gros pneu dessus.
12:59
And I get a little object here and I can look inside this object,
199
761000
4000
Et je vais mettre un petit objet ici, et je peux voir à l'intérieur de cet objet.
13:03
I'll call it a car. And here's a little behavior: car forward.
200
765000
5000
Je vais l'appeler une voiture. Voila le mouvement. La voiture avance.
13:08
Each time I click it, car turn.
201
770000
3000
Chaque fois que je clique dessus, la voiture tourne.
13:11
If I want to make a little script to do this over and over again,
202
773000
2000
Si je veux créer un script pour continuer cette manœuvre,
13:13
I just drag these guys out and set them going.
203
775000
5000
j'ai juste à faire glisser ces petits trucs et les laisser aller.
13:20
And I can try steering the car here by ...
204
782000
3000
Et je peux essayer de tourner le volant de la voiture ici en --
13:23
See the car turn by five here?
205
785000
2000
voyez la voiture qui tourne en 5 ici?
13:25
So what if I click this down to zero?
206
787000
3000
Alors, qu'est ce qui se passe si je clique cela et que je reviens a zéro?
13:28
It goes straight. That's a big revelation for nine-year-olds.
207
790000
5000
Elle va tout droit. C'est plutôt une révélation pour un enfant de 9 ans.
13:33
Make it go in the other direction.
208
795000
2000
La faire bouger dans une autre direction.
13:35
But of course, that's a little bit like kissing your sister
209
797000
2000
Bien entendu, c'est un peu comme embrasser votre sœur
13:37
as far as driving a car,
210
799000
3000
en comparaison avec conduire une voiture.
13:40
so the kids want to do a steering wheel;
211
802000
3000
Alors les enfants veulent faire un volant.
13:43
so they draw a steering wheel.
212
805000
3000
Donc, ils dessinent un volant.
13:46
And we'll call this a wheel.
213
808000
5000
Et nous appellerons cela un volant.
13:51
See this wheel's heading here?
214
813000
4000
Et, vous voyez l'étiquette de ce volant ici?
13:55
If I turn this wheel, you can see that number over there going minus and positive.
215
817000
5000
Si je tourne ce volant, vous pouvez voir ce nombre la qui diminue et devient positif.
14:00
That's kind of an invitation to pick up this name of
216
822000
2000
C'est une forme d'invitation à choisir ce nom de
14:02
those numbers coming out there
217
824000
3000
ces chiffres qui sortent
14:05
and to just drop it into the script here,
218
827000
2000
et de le poser dans le script ici.
14:07
and now I can steer the car with the steering wheel.
219
829000
5000
Et maintenant, Je peux tourner la voiture avec le volant.
14:12
And it's interesting.
220
834000
2000
Et c'est interessant.
14:14
You know how much trouble the children have with variables,
221
836000
3000
Est ce que vous vous rendez compte des difficultés que les enfants rencontrent avec les variables,
14:17
but by learning it this way, in a situated fashion,
222
839000
2000
mais en apprenant de cette manière, dans une situation connue,
14:19
they never forget from this single trial
223
841000
3000
ils n'oublieront jamais grâce à cet essai unique
14:22
what a variable is and how to use it.
224
844000
3000
ce qu'est une variable et comment l'utiliser.
14:25
And we can reflect here the way Gillian Ishijima did.
225
847000
2000
Et nous pouvons réfléchir ici, aux moyens utilises par Gillian Ishijima.
14:27
So if you look at the little script here,
226
849000
2000
Donc, si vous regarder ce script ici,
14:29
the speed is always going to be 30.
227
851000
2000
la vitesse va toujours être de 30.
14:31
We're going to move the car according to that over and over again.
228
853000
5000
Nous allons faire bouger la voiture encore et encore, en prenant cela en compte.
14:36
And I'm dropping a little dot for each one of these things;
229
858000
4000
Et je vais poser un petit point pour chacune de ces choses.
14:40
they're evenly spaced because they're 30 apart.
230
862000
3000
Elles sont espacées de façon égale. Elles sont espacées de 30.
14:43
And what if I do this progression that the six-year-olds did
231
865000
3000
Et que se passe t-il si j'utilise la progression qu'a utilise l'enfant de six ans
14:46
of saying, "OK, I'm going to increase the speed by two each time,
232
868000
5000
en disant OK, je vais multiplier ma vitesse par deux à chaque fois,
14:51
and then I'm going to increase the distance by the speed each time?
233
873000
3000
et puis, je vais accroitre ma distance en la multipliant par la vitesse à chaque fois?
14:54
What do I get there?"
234
876000
4000
Qu'est ce que j'obtiens?
14:58
We get a visual pattern of what these nine-year-olds called acceleration.
235
880000
7000
Nous obtenons un parcours de ce que ces enfants de neuf ans appellent accélération.
15:05
So how do the children do science?
236
887000
2000
Alors, comment est-ce que les enfants découvrent la science?
15:08
(Video) Teacher: [Choose] objects that you think will fall to the Earth at the same time.
237
890000
3000
(Video) Le prof: Les objets que vous pensez vont tomber au sol au même moment -
15:11
Student 1: Ooh, this is nice.
238
893000
3000
L'enfant: C'est joli.
15:18
Teacher: Do not pay any attention
239
900000
2000
Le Prof: Ne prêtez pas attention
15:20
to what anybody else is doing.
240
902000
3000
à ce que les autres font.
15:35
Who's got the apple?
241
917000
2000
Qui a la pomme?
15:37
Alan Kay: They've got little stopwatches.
242
919000
2000
Alan Kay: Ils ont des petits chronomètres.
15:44
Student 2: What did you get? What did you get?
243
926000
2000
Le prof: Qu'est ce que vous comprenez? Qu'est ce que vous avez compris?
15:46
AK: Stopwatches aren't accurate enough.
244
928000
3000
AK: Les chronomètres ne sont pas assez précis.
15:49
Student 3: 0.99 seconds.
245
931000
2000
La fille: 0.99 secondes.
15:52
Teacher: So put "sponge ball" ...
246
934000
3000
Le Prof: Alors: met la "balle en éponge"
15:56
Student 4l: [I decided to] do the shot put and the sponge ball
247
938000
3000
La Fille: Il y avait un lancer du poid et une balle en éponge,
15:59
because they're two totally different weights,
248
941000
3000
parce qu’ils sont de poids complètement différents.
16:02
and if you drop them at the same time,
249
944000
2000
Et si vous les lâchez en même temps,
16:04
maybe they'll drop at the same speed.
250
946000
2000
ils vont peut-être tomber à la même vitesse.
16:06
Teacher: Drop. Class: Whoa!
251
948000
2000
Le Prof: Laches.
16:10
AK: So obviously, Aristotle never asked a child
252
952000
3000
AK: Visiblement Aristote n'a jamais demandé à un enfant
16:13
about this particular point
253
955000
3000
à ce sujet,
16:16
because, of course, he didn't bother doing the experiment,
254
958000
2000
parce que, bien entendu, il n'a pas pris le temps de faire l'expérience,
16:18
and neither did St. Thomas Aquinas.
255
960000
2000
ni St Thomas d'Aquin d'ailleurs.
16:20
And it was not until Galileo actually did it
256
962000
2000
Et il a fallut attendre Galilée
16:22
that an adult thought like a child,
257
964000
3000
afin qu'un adulte pense comme un enfant.
16:25
only 400 years ago.
258
967000
3000
Il y a seulement 400 ans.
16:28
We get one child like that about every classroom of 30 kids
259
970000
4000
Nous avons un enfant comme cela en moyenne dans une classe de 30 enfants
16:32
who will actually cut straight to the chase.
260
974000
3000
qui ira directement a la conclusion.
16:35
Now, what if we want to look at this more closely?
261
977000
3000
Maintenant, que se passe t-il si nous regardons a cela de façon plus approfondie?
16:38
We can take a movie of what's going on,
262
980000
3000
Nous pouvons faire un film de ce qui se passe,
16:41
but even if we single stepped this movie,
263
983000
2000
mais même si nous prenions chaque étape de ce film,
16:43
it's tricky to see what's going on.
264
985000
2000
ça devient délicat de comprendre ce qui se passe.
16:45
And so what we can do is we can lay out the frames side by side
265
987000
3000
Donc, ce que nous pouvons faire, nous pouvons mettre des tableaux l’un à coté de l’autre,
16:48
or stack them up.
266
990000
2000
ou les empiler.
16:50
So when the children see this, they say, "Ah! Acceleration,"
267
992000
5000
Ainsi, lorsque les enfants les voient, ils disent "ah, accélération,"
16:55
remembering back four months when they did their cars sideways,
268
997000
3000
parce qu'ils se souviennent qu'il y a 4 mois ils ont mis leur voiture en biais,
16:58
and they start measuring to find out what kind of acceleration it is.
269
1000000
6000
et ils commencent à mesurer pour découvrir la nature de l'accélération.
17:04
So what I'm doing is measuring from the bottom of one image
270
1006000
6000
Et donc, ce que je fais c'est mesurer en commençant en bas d'une image
17:10
to the bottom of the next image, about a fifth of a second later,
271
1012000
5000
jusque sur le bas de l'image d'à coté, environ un cinquième de seconde plus tard,
17:15
like that. And they're getting faster and faster each time,
272
1017000
2000
comme ça, et a chaque fois, ils vont de plus en plus vite.
17:17
and if I stack these guys up, then we see the differences; the increase
273
1019000
10000
Et si je les empile, alors nous voyons les différences, l’augmentation
17:27
in the speed is constant.
274
1029000
3000
de la vitesse est constante.
17:30
And they say, "Oh, yeah. Constant acceleration.
275
1032000
2000
Et alors, ils s'exclament, oh oui, acceleration constante.
17:32
We've done that already."
276
1034000
2000
Nous avons déjà fait cela.
17:34
And how shall we look and verify that we actually have it?
277
1036000
8000
Et comment est ce qu’on vérifie que nous l’avons déjà fait?
17:42
So you can't tell much from just making the ball drop there,
278
1044000
5000
Nous ne pouvons pas vraiment le dire juste en posant la balle ici,
17:47
but if we drop the ball and run the movie at the same time,
279
1049000
4000
mais si nous mettons la balle et mettons le film en marche en même temps,
17:53
we can see that we have come up with an accurate physical model.
280
1055000
5000
nous pouvons voir que nous arrivons à un modèle physique précis.
18:00
Galileo, by the way, did this very cleverly
281
1062000
4000
Galilée, au fait, avait fait cela de manière très intelligente
18:04
by running a ball backwards down the strings of his lute.
282
1066000
3000
en laissant une balle tomber à l’envers le long d'une corde de son Luth.
18:07
I pulled out those apples to remind myself to tell you that
283
1069000
5000
J'ai sorti ces pommes afin de me souvenir qu'il fallait que je vous dise que
18:12
this is actually probably a Newton and the apple type story,
284
1074000
5000
c'est en fait, probablement une histoire comme Newton et son histoire de pommes,
18:17
but it's a great story.
285
1079000
2000
mais c'est une bonne histoire.
18:19
And I thought I would do just one thing
286
1081000
2000
Et j’ai pensé de faire juste une chose
18:21
on the $100 laptop here just to prove that this stuff works here.
287
1083000
10000
sur l'ordinateur à 100 dollars juste pour vous prouver que ce truc marche.
18:31
So once you have gravity, here's this --
288
1093000
3000
Alors, une fois que vous avez la gravité, la voila --
18:34
increase the speed by something,
289
1096000
2000
augmentez un petit peu la vitesse,
18:36
increase the ship's speed.
290
1098000
3000
augmentez la vitesse du vaisseau spatial.
18:39
If I start the little game here that the kids have done,
291
1101000
3000
Si je commence le petit jeu que les enfants ont fait,
18:42
it'll crash the space ship.
292
1104000
2000
le vaisseau va se planter.
18:44
But if I oppose gravity, here we go ... Oops!
293
1106000
4000
Mais si j'oppose la gravite, la voila -- oups!
18:48
(Laughter)
294
1110000
2000
(Rires)
18:50
One more.
295
1112000
1000
Une fois de plus.
18:54
Yeah, there we go. Yeah, OK?
296
1116000
5000
Ouais, nous y voila. Ouais, Ok?
18:59
I guess the best way to end this is with two quotes:
297
1121000
7000
Je pense que le meilleur moyen de finir ceci c'est avec deux citations.
19:06
Marshall McLuhan said,
298
1128000
2000
Marshall McLuhan a dit,
19:08
"Children are the messages that we send to the future,"
299
1130000
4000
"Les enfants sont les messages que nous envoyons au future."
19:12
but in fact, if you think of it,
300
1134000
2000
Mais, en fait, quand on y pense,
19:14
children are the future we send to the future.
301
1136000
2000
les enfants sont le futur que nous envoyons dans le futur.
19:16
Forget about messages;
302
1138000
3000
Oubliez les messages.
19:19
children are the future,
303
1141000
3000
Les enfants sont le futur.
19:22
and children in the first and second world
304
1144000
2000
Et les enfants du premier monde et du second monde,
19:24
and, most especially, in the third world
305
1146000
3000
et plus spécialement du tiers monde,
19:27
need mentors.
306
1149000
2000
ont besoin de mentors.
19:29
And this summer, we're going to build five million of these $100 laptops,
307
1151000
5000
Et cet été, nous allons construire 5 millions de ces ordinateurs à 100 dollars
19:34
and maybe 50 million next year.
308
1156000
2000
et peut être 50 millions l'année prochaine.
19:36
But we couldn't create 1,000 new teachers this summer to save our life.
309
1158000
7000
Mais nous ne pouvons pas créer un milliers de nouveaux instructeurs cet été, pour sauver nos vies.
19:43
That means that we, once again, have a thing where we can put technology out,
310
1165000
6000
Et ça veut dire qu'une fois de plus, nous avons les moyens de créer de la technologie,
19:49
but the mentoring that is required to go
311
1171000
3000
mais le suivi pédagogique qui permettrait d'aller
19:52
from a simple new iChat instant messaging system
312
1174000
5000
d'un simple système de messagerie instantanée
19:57
to something with depth is missing.
313
1179000
2000
à quelque chose de profond manque complètement.
19:59
I believe this has to be done with a new kind of user interface,
314
1181000
3000
Je pense que cela peut se faire avec un nouveau type d’interface.
20:02
and this new kind of user interface could be done
315
1184000
4000
Et ce type d’interface pourrait être réalisé
20:06
with an expenditure of about 100 million dollars.
316
1188000
5000
en dépensant environ 100 millions de dollars.
20:11
It sounds like a lot, but it is literally 18 minutes of what we're spending in Iraq --
317
1193000
7000
Ça pourrait sembler beaucoup, mais ça représente en réalité 18 minutes de ce que nous dépensons en Iraq.
20:18
we're spending 8 billion dollars a month; 18 minutes is 100 million dollars --
318
1200000
5000
Nous dépensons 8 milliards de dollars par mois. 18 minutes représentent 100 millions.
20:23
so this is actually cheap.
319
1205000
2000
Alors c'est relativement peu cher.
20:25
And Einstein said,
320
1207000
4000
Et Einstein a dit,
20:29
"Things should be as simple as possible, but not simpler."
321
1211000
3000
"Les choses devrait être aussi simple que possible, mais pas plus simples."
20:32
Thank you.
322
1214000
1000
Merci.
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