TED2010
Temple Grandin: The world needs all kinds of minds
Temple Grandin: pasauliui reikia visokių protų
Filmed:
Readability: 3.4
5,588,848 views
Temple Grandin, kuriai dar vaikystėje buvo diagnozuotas autizmas, kalba apie tai, kaip veikia jos protas - ji dalijasi savo gebėjimu "mąstyti vaizdais", kuris padeda jai išspręsti tokias problemas, su kuriomis tipinės smegenys ne visada susidoroja. Ji dėsto nuomonę, kad pasauliui reikia žmonių su tam tikrais autizmo požymiais - mąstančiųjų vizualiai, modeliais, žodžiais, ir visokių kitokių protingų nesuprastų "moksliukų".
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
Manau, kad iš pradžių šiek tiek pakalbėsiu apie tai,
00:17
what exactly autism is.
1
2000
2000
kas konkrečiai yra autizmas.
00:19
Autism is a very big continuum
2
4000
3000
Autizmas yra labai plataus spektro -
00:22
that goes from very severe -- the child remains non-verbal --
3
7000
3000
nuo labai sunkios formos, kai vaikas lieka nebylus,
00:25
all the way up to brilliant scientists and engineers.
4
10000
3000
iki ypač talentingų mokslininkų ir inžinierių.
00:28
And I actually feel at home here,
5
13000
2000
Ir čia aš jaučiuosi lyg namie,
00:30
because there's a lot of autism genetics here.
6
15000
2000
nes čia (TED'e) yra labai daug žmonių su autizmo požymiais.
00:32
You wouldn't have any...
7
17000
2000
Jūs neturėtumėte...
00:34
(Applause)
8
19000
4000
(Plojimai)
00:38
It's a continuum of traits.
9
23000
2000
Autizmas - tai nepertraukiama požymių seka.
00:40
When does a nerd turn into
10
25000
3000
Nuo kurios ribos "moksliukui" gali būti diagnozuotas
00:43
Asperger, which is just mild autism?
11
28000
2000
Aspergerio sindromas, kuris yra lengva autizmo forma?
00:45
I mean, Einstein and Mozart
12
30000
3000
Turiu omenyje, juk ir Einšteinui, ir Mocartui,
00:48
and Tesla would all be probably diagnosed
13
33000
2000
ir Teslai tikriausiai būtų buvusi diagnozuota
00:50
as autistic spectrum today.
14
35000
2000
tam tikra autizmo forma.
00:52
And one of the things that is really going to concern me is
15
37000
3000
Vienas iš dalykų, kuris man labai rūpi, yra
00:55
getting these kids to be the ones that are going to invent
16
40000
3000
paskatinti autizmo požymių turinčius vaikus tapti tokiais, kurie sugalvos
00:58
the next energy things,
17
43000
2000
naujus energetikos sprendimus,
01:00
you know, that Bill Gates talked about this morning.
18
45000
4000
apie kuriuos Bill Gates kalbėjo šį rytą.
01:04
OK. Now, if you want to understand
19
49000
2000
Gerai. Jei jūs norite suprasti
01:06
autism, animals.
20
51000
2000
autizmą, gyvūnus -
01:08
And I want to talk to you now about different ways of thinking.
21
53000
2000
Aš dabar norėčiau jums papasakoti apie skirtingus mąstymo būdus -
01:10
You have to get away from verbal language.
22
55000
3000
jūs turite atsiriboti nuo verbalinės kalbos.
01:13
I think in pictures,
23
58000
2000
Aš galvoju vaizdais.
01:15
I don't think in language.
24
60000
3000
Aš nemąstau žodžiais.
01:18
Now, the thing about the autistic mind
25
63000
2000
Svarbiausias autistinio proto bruožas yra
01:20
is it attends to details.
26
65000
3000
ypatingas jo dėmesys detalėms
01:23
OK, this is a test where you either have to
27
68000
2000
Čia pateikiamas testas, kuriame jūs turite
01:25
pick out the big letters, or pick out the little letters,
28
70000
2000
išrinkti dideles arba mažas raides.
01:27
and the autistic mind picks out the
29
72000
2000
Autistinis protas greičiau išrenka
01:29
little letters more quickly.
30
74000
2000
mažąsias raides.
01:31
And the thing is, the normal brain ignores the details.
31
76000
4000
Esmė ta, kad normalios smegenys ignoruoja detales.
01:35
Well, if you're building a bridge, details are pretty important
32
80000
2000
O juk jei jūs statote tiltą, detalės yra gana svarbios,
01:37
because it will fall down if you ignore the details.
33
82000
3000
nes tiltas sugrius, jei jūs nekreipsite į jas dėmesio.
01:40
And one of my big concerns with a lot of policy things today
34
85000
3000
Man didelį susirūpinimą kelia tai, kad dėl daugybės politinių aspektų
01:43
is things are getting too abstract.
35
88000
2000
daug klausimų tampa per daug abstraktūs.
01:45
People are getting away from doing
36
90000
2000
Žmonės vis mažiau daro
01:47
hands-on stuff.
37
92000
2000
rankinio, konkretaus darbo.
01:49
I'm really concerned that a lot of the schools have taken out
38
94000
2000
Aš esu labai susirūpinusi, kad daugybė mokyklų atsisakė
01:51
the hands-on classes,
39
96000
2000
darbų pamokų,
01:53
because art, and classes like that,
40
98000
2000
nes menų ir kitos panašios pamokos
01:55
those are the classes where I excelled.
41
100000
2000
buvo tos pamokos, kurios man itin gerai sekėsi.
01:57
In my work with cattle,
42
102000
2000
Dirbdama su galvijais,
01:59
I noticed a lot of little things that most people don't notice
43
104000
3000
aš pastebėjau daug smulkių dalykų, kurių dauguma žmonių nepastebi,
02:02
would make the cattle balk. Like, for example,
44
107000
2000
tačiau kurie skatina galvijus spyriotis. Pavyzdžiui,
02:04
this flag waving, right in front of the veterinary facility.
45
109000
3000
prieš veterinarijos įstaigą plevėsuojanti vėliava.
02:07
This feed yard was going to tear down their whole veterinary facility;
46
112000
3000
Ši įstaiga jau planavo nugriauti visą pastatą,
02:10
all they needed to do was move the flag.
47
115000
2000
nors viskas, ką jiems reikėjo padaryti, buvo nuimti vėliavą.
02:12
Rapid movement, contrast.
48
117000
3000
Tai greiti judesiai, kontrastai.
02:15
In the early '70s when I started, I got right down
49
120000
2000
8-ojo dešimtmečio pradžioje, kai pradėjau darbą, aš iškart nuvykau į
02:17
in the chutes to see what cattle were seeing.
50
122000
2000
aptvarus, kad pamatyčiau, ką mato galvijai.
02:19
People thought that was crazy. A coat on a fence would make them balk,
51
124000
3000
Žmonės manė, kad aš išprotėjau. Galvijus erzino striukė ant tvoros.
02:22
shadows would make them balk, a hose on the floor ...
52
127000
3000
Juos erzino šešėliai, kelnės ant grindų.
02:25
people weren't noticing these things --
53
130000
2000
Žmonės šių dalykų nepastebėdavo -
02:27
a chain hanging down --
54
132000
2000
kabančios grandinės,
02:29
and that's shown very, very nicely in the movie.
55
134000
2000
šie efektai labai gerai pavaizduoti filme.
02:31
In fact, I loved the movie, how they
56
136000
2000
Tiesą sakant, man labai patiko, kaip filme
02:33
duplicated all my projects. That's the geek side.
57
138000
2000
buvo dubliuoti visi mano projektai. Tai - "moksliukiškas" bruožas.
02:35
My drawings got to star in the movie too.
58
140000
3000
Mano piešiniai taip pat vaidino filme.
02:38
And actually it's called "Temple Grandin,"
59
143000
2000
Beje, šis filmas vadinasi "Temple Grandin",
02:40
not "Thinking In Pictures."
60
145000
2000
o ne "Mąstymas vaizdais".
02:42
So, what is thinking in pictures? It's literally movies
61
147000
2000
Taigi, kas yra mąstymas vaizdais? Tai filmai jūsų galvoje
02:44
in your head.
62
149000
2000
tiesiogine to žodžio prasme.
02:46
My mind works like Google for images.
63
151000
2000
Mano protas veikia kaip Google Vaizdai.
02:48
Now, when I was a young kid I didn't know my thinking was different.
64
153000
3000
Kai aš buvau maža, aš nežinojau, kad mąstau ne taip, kaip visi.
02:51
I thought everybody thought in pictures.
65
156000
2000
Aš maniau, kad visi mąsto vaizdais.
02:53
And then when I did my book, "Thinking In Pictures,"
66
158000
2000
Tada, kai ruošiau savo knygą "Mąstymas vaizdais",
02:55
I start interviewing people about how they think.
67
160000
3000
pradėjau klausinėti žmonių apie tai, kaip jie mąsto.
02:58
And I was shocked to find out that
68
163000
2000
Aš buvau priblokšta, kai supratau, kad mano mąstymas
03:00
my thinking was quite different. Like if I say,
69
165000
2000
mano mąstymas buvo kitoks. Pavyzdžiui, jei aš sakau
03:02
"Think about a church steeple"
70
167000
2000
"Galvok apie bažnyčios varpinę",
03:04
most people get this sort of generalized generic one.
71
169000
2000
dauguma žmonių galvos apie bendrą, generalizuotą varpinės idėją.
03:06
Now, maybe that's not true in this room,
72
171000
2000
Galbūt tai ne visai tiesa šioje salėje,
03:08
but it's going to be true in a lot of different places.
73
173000
4000
tačiau tai tiesa daugeliu atvejų.
03:12
I see only specific pictures.
74
177000
2000
Aš matau tik konkrečius vaizdus.
03:14
They flash up into my memory, just like Google for pictures.
75
179000
4000
Jie išnyra iš mano atminties, visai kaip Google vaizdai.
03:18
And in the movie, they've got a great scene in there
76
183000
2000
Filme yra puiki scena,
03:20
where the word "shoe" is said, and a whole bunch of '50s and '60s shoes
77
185000
4000
kai yra pasakomas žodis "batas", ir ištisa krūva 6-ojo ir 7-ojo dešimtmečių batų
03:24
pop into my imagination.
78
189000
2000
išnyra mano vaizduotėje.
03:26
OK, there is my childhood church,
79
191000
2000
Gerai, čia yra mano vaikystės bažnyčia.
03:28
that's specific. There's some more, Fort Collins.
80
193000
3000
Tai labai konkretu. Čia dar viena - varpinė Fort Collins'e.
03:31
OK, how about famous ones?
81
196000
2000
Gal dar keletą garsesnių?
03:33
And they just kind of come up, kind of like this.
82
198000
3000
Ir vaizdai tiesiog išnyra, panašiai kaip čia.
03:36
Just really quickly, like Google for pictures.
83
201000
3000
Tik labai greitai, kaip Google vaizdai.
03:39
And they come up one at a time,
84
204000
2000
Jie visi išnyra vienu metu.
03:41
and then I think, "OK, well maybe we can have it snow,
85
206000
2000
Tuomet aš galvoju, gerai, galbūt gali snigti,
03:43
or we can have a thunderstorm,"
86
208000
2000
arba kilti audra,
03:45
and I can hold it there and turn them into videos.
87
210000
3000
ir tada aš šiuos paveikslėlius galiu paversti į filmus.
03:48
Now, visual thinking was a tremendous asset
88
213000
3000
Vizualinis mąstymas buvo neįtikėtinai vertingas,
03:51
in my work designing cattle-handling facilities.
89
216000
3000
kai aš dirbau konstruodama galvijų gardus.
03:54
And I've worked really hard on improving
90
219000
2000
Aš labai daug dirbau siekdama pagerinti
03:56
how cattle are treated at the slaughter plant.
91
221000
2000
galvijų laikymo ir skerdimo sąlygas skerdyklose.
03:58
I'm not going to go into any gucky slaughter slides.
92
223000
3000
Aš nerodysiu jokių nemalonių skerdimo nuotraukų,
04:01
I've got that stuff up on YouTube if you want to look at it.
93
226000
2000
Tokių vaizdų aš esu įdėjusi į Youtube, jei norite juos pasižiūrėti.
04:03
But, one of the things that I was able to do in my design work
94
228000
4000
Bet vienas iš dalykų, kuriuos aš galėjau padaryti konstruodama visą sistemą,
04:07
is I could actually test run
95
232000
2000
buvo tai, kad aš sistemos dalis galėjau išbandyti
04:09
a piece of equipment in my mind,
96
234000
2000
savo galvoje, tarsi
04:11
just like a virtual reality computer system.
97
236000
3000
naudodamasi virtualiosios realybės kompiuterine sistema.
04:14
And this is an aerial view
98
239000
2000
Čia yra vaizdas iš viršaus
04:16
of a recreation of one of my projects that was used in the movie.
99
241000
3000
į vieną iš mano projektų, kuris buvo atkurtas filmuojant filmą.
04:19
That was like just so super cool.
100
244000
2000
Tai buvo neįtikėtinai puiku.
04:21
And there were a lot of kind of Asperger types
101
246000
2000
Buvo daug Aspergerio sindromo
04:23
and autism types working out there on the movie set too.
102
248000
3000
ar autizmo sindromo požymių turinčių žmonių, kurie dirbo filmavimo aikštelėje.
04:26
(Laughter)
103
251000
2000
(Juokas)
04:28
But one of the things that really worries me
104
253000
2000
Bet vienas iš mane labiausiai gąsdinančių dalykų yra tai,
04:30
is: Where's the younger version of those kids going today?
105
255000
4000
kur šiandien eina jaunesnė šių vaikų versija.
04:34
They're not ending up in Silicon Valley, where they belong.
106
259000
3000
Jie neatsiduria Silikono slėnyje, kur jiems derėtų būti.
04:37
(Laughter)
107
262000
3000
(Juokas)
04:40
(Applause)
108
265000
5000
(Plojimai)
04:45
Now, one of the things I learned very early on because I wasn't that social,
109
270000
3000
Vienas iš dalykų, kuriuos išmokau labai anksti, nes nebuvau socialiai aktyvi,
04:48
is I had to sell my work, and not myself.
110
273000
4000
buvo tai, kad aš turiu parduoti savo darbą, o ne save.
04:52
And the way I sold livestock jobs
111
277000
2000
Aš pardaviau savo skerdyklų planus
04:54
is I showed off my drawings, I showed off pictures of things.
112
279000
3000
rodydama piešinius, įvairių daiktų piešinius
04:57
Another thing that helped me as a little kid
113
282000
2000
Kitas dalykas, kuris padėjo man, kai buvau maža,
04:59
is, boy, in the '50s, you were taught manners.
114
284000
2000
buvo tai, kad šeštajame dešimtmetyje geros manieros buvo itin svarbu.
05:01
You were taught you can't pull the merchandise off the shelves
115
286000
2000
Jūs buvote mokomi, kad negalima traukti prekių iš parduotuvės lentynų
05:03
in the store and throw it around.
116
288000
2000
ir jų mėtyti po visą parduotuvę.
05:05
Now, when kids get to be in third or fourth grade,
117
290000
3000
Kai vaikai būna trečioje ar ketvirtoje klasėje,
05:08
you might see that this kid's going to be a visual thinker,
118
293000
3000
kartais galima pastebėti, kad kažkuris iš jų mąsto vizualiai,
05:11
drawing in perspective. Now, I want to
119
296000
2000
piešia trimatį vaizdą, perspektyvą. Aš noriu pabrėžti,
05:13
emphasize that not every autistic kid
120
298000
2000
kad ne kiekvienas autistiškas vaikas
05:15
is going to be a visual thinker.
121
300000
2000
būtinai mąsto vizualiai.
05:17
Now, I had this brain scan done several years ago,
122
302000
4000
Prieš keletą metų man darė smegenų skenogramą.
05:21
and I used to joke around about having a
123
306000
2000
Aš tada juokavau apie
05:23
gigantic Internet trunk line
124
308000
2000
milžinišką interneto magistralę,
05:25
going deep into my visual cortex.
125
310000
2000
esančią mano smegenų žievės dalyje, atsakingoje už vaizdus.
05:27
This is tensor imaging.
126
312000
2000
Čia yra mano skenograma.
05:29
And my great big internet trunk line
127
314000
2000
Mano "interneto linija"
05:31
is twice as big as the control's.
128
316000
2000
yra dvigubai ryškesnė, nei kontrolinės grupės.
05:33
The red lines there are me,
129
318000
2000
Raudonos linijos yra mano rodikliai,
05:35
and the blue lines are the sex and age-matched control.
130
320000
4000
o mėlynos linijos - pagal lytį ir amžių atitinkanti kontrolinė grupė.
05:39
And there I got a gigantic one,
131
324000
2000
Kitoje mano skenogramoje šios linijos vėl labai ryškios,
05:41
and the control over there, the blue one,
132
326000
2000
o kontrolinėje grupėje mėlynos linijos yra
05:43
has got a really small one.
133
328000
4000
tikrai labai mažos.
05:47
And some of the research now is showing
134
332000
2000
Kai kurie tyrimai rodo,
05:49
is that people on the spectrum actually think with primary visual cortex.
135
334000
4000
kad žmonės, turintys autizmo požymių, pirmiausiai mąsto už vaizdus atsakinga smegenų žievės dalimi.
05:53
Now, the thing is, the visual thinker's just one kind of mind.
136
338000
3000
Vis dėlto vizualinis mąstymas yra tik vienas mąstymo būdas.
05:56
You see, the autistic mind tends to be a specialist mind --
137
341000
3000
Suprantate, autistinis protas yra specialisto protas.
05:59
good at one thing, bad at something else.
138
344000
4000
Jis kažką sugeba labai gerai, bet kažko nesugeba visai.
06:03
And where I was bad was algebra. And I was never allowed
139
348000
2000
Aš visiškai nesugebėjau suprasti algebros. Ir man niekada neleido
06:05
to take geometry or trig.
140
350000
2000
mokytis geometrijos ar trigonometrijos.
06:07
Gigantic mistake: I'm finding a lot of kids who need to skip algebra,
141
352000
3000
Didžiulė klaida! Aš sutinku daug vaikų, kuriems reikia praleisti algebrą
06:10
go right to geometry and trig.
142
355000
2000
ir iškart mokytis geometrijos ir trigonometrijos.
06:12
Now, another kind of mind is the pattern thinker.
143
357000
3000
Kitas mąstymo tipas yra mąstymas modeliais, principais.
06:15
More abstract. These are your engineers,
144
360000
2000
Tai abstraktesnis mąstymo būdas. Taip mąsto jūsų inžinieriai,
06:17
your computer programmers.
145
362000
2000
programuotojai.
06:19
Now, this is pattern thinking. That praying mantis
146
364000
2000
Tai yra mąstymas modeliais. Šis vabzdys maldininkas
06:21
is made from a single sheet of paper --
147
366000
2000
yra išlankstytas iš vieno popieriaus lapo,
06:23
no scotch tape, no cuts.
148
368000
2000
jo neklijuojant ir nekarpant.
06:25
And there in the background is the pattern for folding it.
149
370000
3000
Fone matote jo išlankstymo instrukciją - lankstymo principus.
06:28
Here are the types of thinking:
150
373000
2000
Štai kokie yra mąstymo būdai:
06:30
photo-realistic visual thinkers, like me;
151
375000
3000
vizualinis mąstymas - taip mąstau aš.
06:33
pattern thinkers, music and math minds.
152
378000
4000
Mąstymas modeliais ir principais - taip mąsto muzikai, matematikai.
06:37
Some of these oftentimes have problems with reading.
153
382000
2000
Kai kuriems iš šių žmonių yra sunku skaityti.
06:39
You also will see these kind of problems
154
384000
2000
Tokių problemų turi ir
06:41
with kids that are dyslexic.
155
386000
3000
vaikai, kuriems diagnozuota disleksija.
06:44
You'll see these different kinds of minds.
156
389000
2000
Čia jūs matysite skirtingus mąstymo būdus.
06:46
And then there's a verbal mind, they know every fact about everything.
157
391000
3000
Esama ir verbalinio mąstymo. Tokie žmonės žino kiekvieną faktą apie viską.
06:49
Now, another thing is the sensory issues.
158
394000
2000
Kitas svarbus klausimas yra jutiminiai aspektai.
06:51
I was really concerned about having to wear this gadget on my face.
159
396000
4000
Aš labai nerimavau, kad man reikės naudoti šį prie veido esantį mikrofoną.
06:55
And I came in half an hour beforehand
160
400000
3000
Aš atėjau čia pusvalandžiu anksčiau,
06:58
so I could have it put on and kind of get used to it,
161
403000
2000
kad galėčiau jį užsidėti ir turėčiau laiko prie jo priprasti.
07:00
and they got it bent so it's not hitting my chin.
162
405000
3000
Jį man sulenkė, kad jis nesidaužytų man į smakrą.
07:03
But sensory is an issue. Some kids are bothered by fluorescent lights;
163
408000
3000
Bet jutimai yra labai svarbus dalykas. Kai kuriuos vaikus trikdo fluorescencinės šviesos;
07:06
others have problems with sound sensitivity.
164
411000
3000
kiti yra jautrūs garsams.
07:09
You know, it's going to be variable.
165
414000
3000
Tokie dalykai labai skiriasi.
07:12
Now, visual thinking gave me a whole lot of insight
166
417000
4000
Taigi, vizualinis mąstymas davė man daug įžvalgų apie tai,
07:16
into the animal mind.
167
421000
2000
kaip veikia gyvūno protas.
07:18
Because think about it: An animal is a sensory-based thinker,
168
423000
3000
Pagalvokite - gyvūno mąstymas yra pagrįstas jutimais,
07:21
not verbal -- thinks in pictures,
169
426000
4000
ne žodžiais. Gyvūnas mąsto vaizdais.
07:25
thinks in sounds, thinks in smells.
170
430000
3000
Jis mąsto garsais. Kvapais.
07:28
Think about how much information there is there on the local fire hydrant.
171
433000
3000
Tik pagalvokite, kiek informacijos suteikia vietinis vandens hidrantas.
07:31
He knows who's been there, when they were there.
172
436000
3000
Šuo žino, kas ir kada prie jo buvo,
07:34
Are they friend or foe? Is there anybody he can go mate with?
173
439000
3000
ar tai buvo draugai, ar priešai, ar jis su kuo nors galėtų poruotis.
07:37
There's a ton of information on that fire hydrant.
174
442000
3000
Ant šio vandens hidranto yra be galo daug informacijos.
07:40
It's all very detailed information,
175
445000
4000
Ir tai yra labai detali informacija.
07:44
and, looking at these kind of details
176
449000
2000
Žiūrėjimas į tokias detales
07:46
gave me a lot of insight into animals.
177
451000
2000
leido man pažvelgti į gyvūnų protus.
07:48
Now, the animal mind, and also my mind,
178
453000
4000
Gyvūno protas, kaip ir maniškis,
07:52
puts sensory-based information
179
457000
2000
jutimais pagrįstą informaciją
07:54
into categories.
180
459000
2000
išskirsto į kategorijas.
07:56
Man on a horse
181
461000
2000
Vyras ant arklio
07:58
and a man on the ground --
182
463000
2000
ir vyras ant žemės
08:00
that is viewed as two totally different things.
183
465000
2000
yra suprantami kai du visiškai atskiri, nesusiję dalykai.
08:02
You could have a horse that's been abused by a rider.
184
467000
3000
Jei jūs turėtumėte arklį, kurį skriaudė raitelis,
08:05
They'll be absolutely fine with the veterinarian
185
470000
2000
jis ramiai reaguotų į veterinarą
08:07
and with the horseshoer, but you can't ride him.
186
472000
3000
ar kaustytoją, tačiau joti juo jūs negalėtumėte.
08:10
You have another horse, where maybe the horseshoer beat him up
187
475000
3000
Jei, pavyzdžiui, jūsų arklį skriaudė kaustytojas,
08:13
and he'll be terrible for anything on the ground,
188
478000
2000
toks arklys baiminsis bet kokio ant žemės esančio žmogaus,
08:15
with the veterinarian, but a person can ride him.
189
480000
3000
įskaitant veterinarą, tačiau Jūs juo galėsite joti.
08:18
Cattle are the same way.
190
483000
2000
Galvijai mąsto lygiai taip pat.
08:20
Man on a horse,
191
485000
2000
Vyras ant arklio
08:22
a man on foot -- they're two different things.
192
487000
2000
ir ant žemės stovintis vyras yra du skirtingi dalykai.
08:24
You see, it's a different picture.
193
489000
2000
Matote, paveikslėliai yra skirtingi.
08:26
See, I want you to think about just how specific this is.
194
491000
3000
Jūs turite suvokti, kokia svarbi čia yra specifika.
08:29
Now, this ability to put information into categories,
195
494000
4000
Taigi, šis gebėjimas kategorizuoti informaciją -
08:33
I find a lot of people are not very good at this.
196
498000
3000
nedaug žmonių tą gerai sugeba.
08:36
When I'm out troubleshooting equipment
197
501000
2000
Kai aš tikrinu įrangą dėl gedimų,
08:38
or problems with something in a plant,
198
503000
2000
ar esama problemų gamykloje,
08:40
they don't seem to be able to figure out, "Do I have a training people issue?
199
505000
4000
dauguma žmonių negali suvokti - ar kažkas blogai su žmonių paruošimu,
08:44
Or do I have something wrong with the equipment?"
200
509000
2000
ar su pačia įranga?
08:46
In other words, categorize equipment problem
201
511000
2000
Kitaip tariant, jie nesugeba atskirti "įrangos problemos"
08:48
from a people problem.
202
513000
2000
nuo "žmonių problemos".
08:50
I find a lot of people have difficulty doing that.
203
515000
3000
Aš sutinku daug žmonių, kuriems tą padaryti yra sudėtinga.
08:53
Now, let's say I figure out it's an equipment problem.
204
518000
3000
Tarkime, aš išsiaiškinu, kad tai įrangos problema.
08:56
Is it a minor problem, with something simple I can fix?
205
521000
2000
Ar tai yra smulkus gedimas, kažkas, ką aš galiu pataisyti?
08:58
Or is the whole design of the system wrong?
206
523000
3000
O gal visa įrangos sistema, dizainas yra prasti?
09:01
People have a hard time figuring that out.
207
526000
3000
Žmonėms tą įvertinti yra sudėtinga.
09:04
Let's just look at something like, you know,
208
529000
2000
Paimkime tokį pavyzdį -
09:06
solving problems with making airlines safer.
209
531000
2000
problemos sprendimas siekiant padidinti avialinijų saugumą.
09:08
Yeah, I'm a million-mile flier.
210
533000
2000
Taip, aš esu dažna keliautoja.
09:10
I do lots and lots of flying,
211
535000
2000
Aš labai dažnai skraidau lėktuvais,
09:12
and if I was at the FAA,
212
537000
3000
ir jei aš dirbčiau federalinėje aviacijos priežiūros tarnyboje (FAA),
09:15
what would I be doing a lot of direct observation of?
213
540000
4000
į ką aš kreipčiau daugiausiai dėmesio?
09:19
It would be their airplane tails.
214
544000
2000
Į lėktuvų uodegas.
09:21
You know, five fatal wrecks in the last 20 years,
215
546000
3000
Ar žinojote, kad penkiose lėktuvų katastrofose per pastaruosius 20 metų
09:24
the tail either came off or steering stuff inside the tail broke
216
549000
4000
lėktuvo uodega arba atsikabino nuo lėktuvo, arba vairavimo įranga uodegoje kokiu nors būdu
09:28
in some way.
217
553000
2000
sugedo.
09:30
It's tails, pure and simple.
218
555000
2000
Paprasta ir aišku - problema yra uodegose.
09:32
And when the pilots walk around the plane, guess what? They can't see
219
557000
2000
Ir kai pilotai apžiūri lėktuvą, žinote, ką? Jie negali matyti,
09:34
that stuff inside the tail.
220
559000
2000
kas vyksta uodegoje.
09:36
You know, now as I think about that,
221
561000
2000
Žinote, kai aš apie tai pagalvoju,
09:38
I'm pulling up all of that specific information.
222
563000
3000
aš tarsi iš kažkur ištraukiu visą šią specifinę informaciją.
09:41
It's specific. See, my thinking's bottom-up.
223
566000
3000
Tai yra labai specifiška. Matote, mano mąstymas yra pagrįstas "iš apačios į viršų" principu.
09:44
I take all the little pieces and I put the pieces together like a puzzle.
224
569000
4000
Aš renku mažas detales ir jas kaip dėlionėje sudėlioju į vieną paveikslą.
09:48
Now, here is a horse that was deathly afraid
225
573000
2000
Čia matote arklį, kuris mirtinai bijojo
09:50
of black cowboy hats.
226
575000
2000
juodų kaubojiškų skrybėlių.
09:52
He'd been abused by somebody with a black cowboy hat.
227
577000
2000
Jį skriaudė kažkas, kas dėvėjo tokią skrybėlę.
09:54
White cowboy hats, that was absolutely fine.
228
579000
3000
Tuo tarpu baltų kaubojiškų skrybėlių šis arklys nebijojo.
09:57
Now, the thing is, the world is going to need
229
582000
3000
Taigi dalykas yra tas, kad pasauliui reikės
10:00
all of the different kinds of minds
230
585000
2000
pačių įvairiausių protų,
10:02
to work together.
231
587000
2000
kurie turės dirbti kartu.
10:04
We've got to work on developing all these different kinds of minds.
232
589000
3000
Mes turime stengtis, kad šie skirtingi protai augtų ir tobulėtų.
10:07
And one of the things that is driving me really crazy,
233
592000
3000
Ir mane varo iš proto tai, kad
10:10
as I travel around and I do autism meetings,
234
595000
2000
keliaudama po autistų susitikimus
10:12
is I'm seeing a lot of smart, geeky, nerdy kids,
235
597000
3000
aš matau daug protingų "moksliukų",
10:15
and they just aren't very social,
236
600000
3000
kurie tiesiog nėra labai socialūs.
10:18
and nobody's working on developing their interest
237
603000
2000
Ir niekas net nebando jų sudominti tokiais dalykais,
10:20
in something like science.
238
605000
2000
kaip mokslas.
10:22
And this brings up the whole thing of my science teacher.
239
607000
3000
Tai skatina mane pakalbėti apie mano gamtos mokslų mokytoją.
10:25
My science teacher is shown absolutely beautifully in the movie.
240
610000
3000
Mano gamtos mokslų mokytojas yra itin gražiai pavaizduotas filme.
10:28
I was a goofball student. When I was in high school
241
613000
2000
Aš buvau prasta mokinė. Kai mokiausi mokykloje,
10:30
I just didn't care at all about studying,
242
615000
3000
man visiškai nerūpėjo jokie mokslai,
10:33
until I had Mr. Carlock's science class.
243
618000
3000
kol aš neatsidūriau pono Karloko pamokoje.
10:36
He was now Dr. Carlock in the movie.
244
621000
3000
Filme jis vadinamas daktaru Karloku.
10:39
And he got me challenged
245
624000
3000
Jis metė man iššūkį
10:42
to figure out an optical illusion room.
246
627000
3000
išsiaiškinti optinę iliuziją, kuriamą mažame kambarėlyje.
10:45
This brings up the whole thing of you've got to show kids
247
630000
2000
Aš noriu akcentuoti, kad vaikams jūs privalote
10:47
interesting stuff.
248
632000
2000
rodyti įdomius dalykus.
10:49
You know, one of the things that I think maybe TED ought to do
249
634000
3000
Žinote, vienas iš dalykų, kuriuos, mano nuomone, turėtų daryti TED,
10:52
is tell all the schools about all the great lectures that are on TED,
250
637000
3000
tai pasakoti moksleiviams mokyklose apie tai, kokios puikios paskaitos yra organizuojamos TED'e,
10:55
and there's all kinds of great stuff on the Internet
251
640000
2000
ir kad internete galima rasti be galo įdomių temų,
10:57
to get these kids turned on.
252
642000
2000
ir tada tie vaikai tuo susidomės.
10:59
Because I'm seeing a lot of these geeky nerdy kids,
253
644000
3000
Žinote, aš matau daug tokių "moksliukų"
11:02
and the teachers out in the Midwest, and the other parts of the country,
254
647000
3000
ir jų mokytojų Vidurio Vakaruose ir kitose JAV dalyse.
11:05
when you get away from these tech areas,
255
650000
2000
Jei tik nesate regionuose, kur aktyviai vystomos aukštosios technologijos,
11:07
they don't know what to do with these kids.
256
652000
2000
mokytojai nežino, ką daryti su tokiais vaikais.
11:09
And they're not going down the right path.
257
654000
2000
Ir tie vaikai niekada nepasuka tinkamu keliu.
11:11
The thing is, you can make a mind
258
656000
2000
Dalykas yra tas, kad jūs galite paskatinti protą
11:13
to be more of a thinking and cognitive mind,
259
658000
3000
būti labiau mąstančiu ir orientuotu į pažinimą,
11:16
or your mind can be wired to be more social.
260
661000
3000
arba jūsų protas gali būti labiau susijęs su aplinka ir todėl socialesnis.
11:19
And what some of the research now has shown in autism
261
664000
2000
Autizmo tyrimai rodo,
11:21
is there may by extra wiring back here,
262
666000
2000
kad itin protingų žmonių smegenų užpakalinėje dalyje
11:23
in the really brilliant mind, and we lose a few social circuits here.
263
668000
3000
esama papildomų jungčių, tačiau tada priekinėje smegenų dalyje esama mažiau su bendravimu susijusių jungčių.
11:26
It's kind of a trade-off between thinking and social.
264
671000
4000
Tai tarsi balansavimas tarp protinių ir socialinių gebėjimų.
11:30
And then you can get into the point where it's so severe
265
675000
2000
Kai kuriais atvejais šis disbalansas gali būti toks ekstremalus,
11:32
you're going to have a person that's going to be non-verbal.
266
677000
3000
kad žmogus netgi nesugebės kalbėti.
11:35
In the normal human mind
267
680000
2000
Normalaus žmogaus smegenyse
11:37
language covers up the visual thinking we share with animals.
268
682000
3000
verbaliniai gebėjimai užgožia vizualinį mąstymą, kuris mus sieja su gyvūnais.
11:40
This is the work of Dr. Bruce Miller.
269
685000
3000
Tai daktaro Bruce Miller darbas
11:43
And he studied Alzheimer's patients
270
688000
3000
Jis studijavo Alzheimerio liga sergančius pacientus,
11:46
that had frontal temporal lobe dementia.
271
691000
2000
kuriems buvo diagnozuota priekinės smegenų skilties demencija (FLD).
11:48
And the dementia ate out the language parts of the brain,
272
693000
3000
Demencija paveikė už kalbą atsakingas smegenų dalis,
11:51
and then this artwork came out of somebody who used to install stereos in cars.
273
696000
5000
o šį piešinį sukūrė žmogus, kuris surinkinėdavo automobilių stereo aparatūrą.
11:56
Now, Van Gogh doesn't know anything about physics,
274
701000
4000
Van Gogas nežinojo nieko apie fiziką.
12:00
but I think it's very interesting
275
705000
2000
Bet, manau, labai įdomu yra tai,
12:02
that there was some work done to show that
276
707000
2000
kad keleto tyrimų metu
12:04
this eddy pattern in this painting
277
709000
2000
jo darbuose buvo atrasta tam tikrų sūkuriuojančių raštų,
12:06
followed a statistical model of turbulence,
278
711000
3000
kuriuos galima aprašyti pagal statistinį turbulencijos modelį.
12:09
which brings up the whole interesting idea
279
714000
2000
Tai paskatina iškelti įdomią mintį,
12:11
of maybe some of this mathematical patterns
280
716000
2000
kad galbūt kai kurie matematiniai dėsniai
12:13
is in our own head.
281
718000
2000
natūraliai yra mūsų galvose.
12:15
And the Wolfram stuff -- I was taking
282
720000
2000
Aš rašiausi pastabas apie Wolfram'o dėstomus dalykus
12:17
notes and I was writing down all the
283
722000
2000
ir žymėjausi visus raktinius žodžius
12:19
search words I could use,
284
724000
2000
kuriuos tik galėčiau panaudoti -
12:21
because I think that's going to go on in my autism lectures.
285
726000
4000
manau, jie atsidurs mano paskaitose apie autizmą.
12:25
We've got to show these kids interesting stuff.
286
730000
2000
Mes tiems vaikams turime rodyti dalykus, kurie juos sudomintų.
12:27
And they've taken out the autoshop class
287
732000
2000
Tačiau iš mokyklos programų buvo išbrauktos darbų,
12:29
and the drafting class and the art class.
288
734000
2000
menų ir panašios pamokos.
12:31
I mean art was my best subject in school.
289
736000
3000
O juk būtent dailė man mokykloje sekėsi geriausiai.
12:34
We've got to think about all these different kinds of minds,
290
739000
2000
Mes privalome atsižvelgti į įvairiausius protus.
12:36
and we've got to absolutely work with these kind of minds,
291
741000
3000
Ir būtina su tais įvairiais protais aktyviai dirbti,
12:39
because we absolutely are going to need
292
744000
3000
nes tokių žmonių mums neabejotinai
12:42
these kind of people in the future.
293
747000
3000
reikės ateityje.
12:45
And let's talk about jobs.
294
750000
2000
Pakalbėkime apie darbus ir profesijas.
12:47
OK, my science teacher got me studying
295
752000
2000
Tarkim, mano gamtos mokslų mokytojas paskatino mane mokytis,
12:49
because I was a goofball that didn't want to study.
296
754000
3000
nes aš tiesiog buvau dykinėtoja ir nenorėjau to daryti.
12:52
But you know what? I was getting work experience.
297
757000
2000
Bet žinote, ką? Aš taip pat įgavau darbo patirties.
12:54
I'm seeing too many of these smart kids who haven't learned basic things,
298
759000
2000
Aš matau per daug protingų vaikų, kurie neišmoko pačių pagrindinių dalykų,
12:56
like how to be on time.
299
761000
2000
pavyzdžiui, kaip nevėluoti.
12:58
I was taught that when I was eight years old.
300
763000
2000
Mane to išmokė, kai man buvo aštuoneri.
13:00
You know, how to have table manners at granny's Sunday party.
301
765000
3000
Žinote, močiutės sekmadienio vakarėlio metu jūs turite laikytis tam tikrų manierų.
13:03
I was taught that when I was very, very young.
302
768000
3000
Mane to išmokė, kai aš dar buvau labai maža.
13:06
And when I was 13, I had a job at a dressmaker's shop
303
771000
3000
Ir kai aš buvau 13 metų, aš gavau darbą pas siuvėją,
13:09
sewing clothes.
304
774000
2000
kur siuvau drabužius.
13:11
I did internships in college,
305
776000
3000
Aš atlikau praktiką koledže.
13:14
I was building things,
306
779000
3000
Aš kūriau, stačiau įvairius projektus.
13:17
and I also had to learn how to do assignments.
307
782000
3000
Aš taip pat turėjau išmokti, kaip atlikti man skirtas užduotis.
13:20
You know, all I wanted to do was draw pictures of horses when I was little.
308
785000
4000
Kai buvau maža, aš norėjau piešti vien tik arklius.
13:24
My mother said, "Well let's do a picture of something else."
309
789000
2000
Mano mama sakė - "Pabandykime nupiešti ką nors kita"
13:26
They've got to learn how to do something else.
310
791000
2000
Tokie vaikai privalo išmokti atlikti įvairius dalykus.
13:28
Let's say the kid is fixated on Legos.
311
793000
2000
Tarkime, vaikas yra susikoncentravęs į Lego žaidimą.
13:30
Let's get him working on building different things.
312
795000
3000
Tokiu atveju paskatinkime jį statyti įvairesnius dalykus.
13:33
The thing about the autistic mind
313
798000
2000
Dalykas apie autistišką protą yra tas,
13:35
is it tends to be fixated.
314
800000
2000
kad jis turi tendenciją susikoncentruoti į vieną daiktą, veiksmą ar idėją.
13:37
Like if a kid loves racecars,
315
802000
2000
Pavyzdžiui, jei vaikui patinka lenktyniniai automobiliai,
13:39
let's use racecars for math.
316
804000
2000
naudokime lenktyninius automobilius mokydami tokį vaiką matematikos.
13:41
Let's figure out how long it takes a racecar to go a certain distance.
317
806000
3000
Skaičiuokime, kiek laiko užtrunka tokiu automobiliu nuvažiuoti tam tikrą atstumą.
13:44
In other words, use that fixation
318
809000
4000
Kitaip tariant, naudokime tą koncentraciją
13:48
in order to motivate that kid, that's one of the things we need to do.
319
813000
3000
taip, kad motyvuotume vaiką - tai vienas iš dalykų, kuriuos mes privalome padaryti.
13:51
I really get fed up when they, you know, the teachers,
320
816000
3000
Mane tikrai erzina mokytojai,
13:54
especially when you get away from this part of the country,
321
819000
3000
ypač dirbantys ne šiame šalies regione,
13:57
they don't know what to do with these smart kids.
322
822000
2000
kurie nežino, ką daryti su tais protingais vaikais.
13:59
It just drives me crazy.
323
824000
2000
Tai varo mane iš proto.
14:01
What can visual thinkers do when they grow up?
324
826000
2000
Ką tokie vizualiniai mąstytojai gali daryti užaugę?
14:03
They can do graphic design, all kinds of stuff with computers,
325
828000
3000
Jie gali būti grafikos dizaineriais, dirbti su kompiuteriais,
14:06
photography, industrial design.
326
831000
5000
fotografija, pramoniniu dizainu.
14:11
The pattern thinkers, they're the ones that are going to be
327
836000
2000
Tokie dėsniais mąstantys žmonės yra tie,
14:13
your mathematicians, your software engineers,
328
838000
3000
kurie bus jūsų matematikai, programinės įrangos kūrėjai,
14:16
your computer programmers, all of those kinds of jobs.
329
841000
4000
programuotojai ir panašių profesijų atstovai.
14:20
And then you've got the word minds. They make great journalists,
330
845000
3000
Tada mes dar turime verbalinius mąstytojus. Jie tampa puikiais žurnalistais.
14:23
and they also make really, really good stage actors.
331
848000
3000
Taip pat jie būna nuostabūs aktoriai.
14:26
Because the thing about being autistic is,
332
851000
2000
Autizmo išskirtinumas yra tas,
14:28
I had to learn social skills like being in a play.
333
853000
3000
kad socialinius įgūdžius reikia išmokti tarsi vaidmenį.
14:31
It's just kind of -- you just have to learn it.
334
856000
3000
Tai tiesiog reikia išmokti.
14:34
And we need to be working with these students.
335
859000
3000
Dėl to su tokiais mokiniais reikia dirbti.
14:37
And this brings up mentors.
336
862000
2000
O tai veda mane prie minties apie mentorius.
14:39
You know, my science teacher was not an accredited teacher.
337
864000
3000
Žinote, mano gamtos mokslų mokytojas nebuvo akredituotas mokytojas.
14:42
He was a NASA space scientist.
338
867000
2000
Jis buvo NASA mokslininkas.
14:44
Now, some states now are getting it to where
339
869000
2000
Kai kuriose valstijose jau diegiama tokia sistema, kad
14:46
if you have a degree in biology, or a degree in chemistry,
340
871000
2000
jei turite biologijos ar chemijos išsilavinimą,
14:48
you can come into the school and teach biology or chemistry.
341
873000
3000
mokykloje galite dėstyti šiuos dalykus ir be specialaus pedagoginio laipsnio.
14:51
We need to be doing that.
342
876000
2000
Ir mes turime tą daryti ir toliau.
14:53
Because what I'm observing is
343
878000
2000
Aš matau, kad
14:55
the good teachers, for a lot of these kids,
344
880000
2000
mokytojai, kurie autizmo požymių turintiems vaikams būtų tinkamiausi,
14:57
are out in the community colleges,
345
882000
2000
dėsto bendruomenių koledžuose.
14:59
but we need to be getting some of these good teachers into the high schools.
346
884000
3000
Kai kurie iš šių gerųjų mokytojų turėtų atsidurti mokyklose.
15:02
Another thing that can be very, very, very successful is
347
887000
3000
Kitas sprendimas, kuris galėtų būti labai sėkmingas,
15:05
there is a lot of people that may have retired
348
890000
3000
būtų pakviesti žmones, dirbusius programinės įrangos sektoriuje, o dabar išėjusius į pensiją,
15:08
from working in the software industry, and they can teach your kid.
349
893000
3000
mokyti vaikus.
15:11
And it doesn't matter if what they teach them is old,
350
896000
3000
Nesvarbu, kad tai, ko jie mokytų, galbūt yra pasenę,
15:14
because what you're doing is you're lighting the spark.
351
899000
3000
nes jie vaikuose įžiebtų susidomėjimo ugnelę.
15:17
You're getting that kid turned on.
352
902000
3000
Tada vaikas aktyviai įsitraukia.
15:20
And you get him turned on, then he'll learn all the new stuff.
353
905000
3000
O kai vaikas įsitraukia, jis pats sužinos ir visus naujus dalykus.
15:23
Mentors are just essential.
354
908000
2000
Mentoriai yra absoliuti būtinybė.
15:25
I cannot emphasize enough
355
910000
2000
Neįmanoma pervertinti to,
15:27
what my science teacher did for me.
356
912000
3000
ką man davė gamtos mokslų mokytojas.
15:30
And we've got to mentor them, hire them.
357
915000
3000
Mes tokius vaikus turime mokyti, lavinti, vėliau - juos samdyti.
15:33
And if you bring them in for internships in your companies,
358
918000
2000
Jei jie jūsų bendrovėse atlieka praktiką,
15:35
the thing about the autism, Asperger-y kind of mind,
359
920000
3000
svarbu tokiems autizmo ar Aspergerio sindromo požymių turintiems žmonėms
15:38
you've got to give them a specific task. Don't just say, "Design new software."
360
923000
3000
duoti specifines užduotis. Nesakykite tiesiog "sukurk naują programinę įrangą."
15:41
You've got to tell them something a lot more specific:
361
926000
2000
Užduotį jūs turite suformuoti kur kas konkrečiau.
15:43
"Well, we're designing a software for a phone
362
928000
3000
Pavyzdžiui - "mes kuriame naują programinę įrangą telefonui,
15:46
and it has to do some specific thing.
363
931000
2000
ir ši programa turi daryti kažką labai specifinio.
15:48
And it can only use so much memory."
364
933000
2000
Tai turi užimti ne daugiau nei tiek ir tiek atminties."
15:50
That's the kind of specificity you need.
365
935000
2000
Jūs turite suformuluoti būtent tokią specifinę užduotį.
15:52
Well, that's the end of my talk.
366
937000
2000
Na, tai mano kalbos pabaiga.
15:54
And I just want to thank everybody for coming.
367
939000
2000
Aš norėčiau padėkoti jums visiems, kad buvote čia.
15:56
It was great to be here.
368
941000
2000
Nes man čia tikrai patiko.
15:58
(Applause)
369
943000
12000
(Plojimai)
16:10
Oh, you've got a question for me? OK.
370
955000
3000
Ak, turite klausimą? Gerai.
16:13
(Applause)
371
958000
1000
(Plojimai)
16:14
Chris Anderson: Thank you so much for that.
372
959000
4000
Chris Anderson: Ačiū Jums labai.
16:18
You know, you once wrote, I like this quote,
373
963000
2000
Žinote, kartą Jūs rašėte (man labai patinka ši citata):
16:20
"If by some magic, autism had been
374
965000
2000
"Jei kokiu nors stebuklingu būdu autizmas
16:22
eradicated from the face of the Earth,
375
967000
3000
dingtų nuo žemės paviršiaus,
16:25
then men would still be socializing in front of a wood fire
376
970000
3000
žmonės vis dar bendrautų prie laužo,
16:28
at the entrance to a cave."
377
973000
2000
prie įėjimo į urvą."
16:30
Temple Grandin: Because who do you think made the first stone spears?
378
975000
2000
Temple Grandin: Nes kaip Jums atrodo, kas padarė pirmąsias akmenines ietis?
16:32
The Asperger guy. And if you were to get rid of all the autism genetics
379
977000
3000
Aspergerio sindromą turintis žmogus. Jei mes atsikratytume autizmo geno,
16:35
there would be no more Silicon Valley,
380
980000
2000
nebebūtų Silikono slėnio,
16:37
and the energy crisis would not be solved.
381
982000
2000
ir energetikos krizė taip pat nebūtų išspręsta.
16:39
(Applause)
382
984000
3000
(Plojimai)
16:42
CA: So, I want to ask you a couple other questions,
383
987000
2000
CA: Aš dar norėčiau Jūsų paklausti keleto papildomų klausimų.
16:44
and if any of these feel inappropriate,
384
989000
2000
Jei kuris iš jų Jums pasirodys nepriimtinas,
16:46
it's okay just to say, "Next question."
385
991000
2000
tiesiog sakykite "Kitas klausimas".
16:48
But if there is someone here
386
993000
2000
Tačiau - jei čia yra kas nors,
16:50
who has an autistic child,
387
995000
2000
kas turi vaiką autistą,
16:52
or knows an autistic child
388
997000
2000
ar pažįsta tokį vaiką,
16:54
and feels kind of cut off from them,
389
999000
3000
ir jaučiasi nuo jo atkirstas,
16:57
what advice would you give them?
390
1002000
2000
ką patartumėte tokiam žmogui?
16:59
TG: Well, first of all, you've got to look at age.
391
1004000
2000
TG: Na, visų pirma būtina įvertinti vaiko amžių.
17:01
If you have a two, three or four year old
392
1006000
2000
Jei vaikui yra dveji-ketveri metai,
17:03
you know, no speech, no social interaction,
393
1008000
2000
ir jis nekalba, nebendrauja -
17:05
I can't emphasize enough:
394
1010000
2000
neįmanoma per mažai akcentuoti bendravimo su tokiu vaiku -
17:07
Don't wait, you need at least 20 hours a week of one-to-one teaching.
395
1012000
4000
nieko nelaukite, tokiam vaikui reikia bent 20 val. per savaitę individualaus mokymo.
17:11
You know, the thing is, autism comes in different degrees.
396
1016000
3000
Suprantate, esama skirtingų autizmo lygių.
17:14
There's going to be about half the people on the spectrum
397
1019000
2000
Maždaug pusė autizmą turinčių žmonių
17:16
that are not going to learn to talk, and they're not going to be working
398
1021000
2000
niekada neišmoks kalbėti, jie nedirbs
17:18
Silicon Valley, that would not be a reasonable thing for them to do.
399
1023000
3000
Silikono slėnyje ir neras jiems tinkamo užsiėmimo.
17:21
But then you get the smart, geeky kids
400
1026000
2000
Bet protingieji, "moksliukiški" vaikai
17:23
that have a touch of autism,
401
1028000
2000
turi lengvesnę autizmo formą
17:25
and that's where you've got to get them turned on
402
1030000
2000
ir būtent tokius vaikus reikia sudominti, juos paskatinti
17:27
with doing interesting things.
403
1032000
2000
daryti įvairius įdomius dalykus.
17:29
I got social interaction through shared interest.
404
1034000
3000
Aš pradėjau bendrauti dėl bendrų interesų.
17:32
I rode horses with other kids, I made model rockets with other kids,
405
1037000
4000
Aš jodinėjau su kitais vaikais. Aš dariau raketų modelius su kitais vaikais,
17:36
did electronics lab with other kids,
406
1041000
2000
su kitais vaikais dariau elektronikos laboratorinius darbus,
17:38
and in the '60s, it was gluing mirrors
407
1043000
2000
o septintajame dešimtmetyje tai reiškė veidrodėlių klijavimą
17:40
onto a rubber membrane on a speaker to make a light show.
408
1045000
3000
ant guminės membranos, esančios ant garso kolonėlės, taip kuriant šviesų šou.
17:43
That was like, we considered that super cool.
409
1048000
3000
Mes manėme, kad tai buvo išskirtinai puiku.
17:46
CA: Is it unrealistic for them
410
1051000
2000
CA: Tokiems žmonėms yra nerealu
17:48
to hope or think that that child
411
1053000
2000
manyti ar tikėtis, kad vaikas
17:50
loves them, as some might, as most, wish?
412
1055000
3000
mylės juos taip, kaip dauguma tikisi.
17:53
TG: Well let me tell you, that child will be loyal,
413
1058000
2000
TG: Leiskite pasakyti taip - toks vaikas bus labai lojalus.
17:55
and if your house is burning down, they're going to get you out of it.
414
1060000
2000
Jei Jūsų namas vieną dieną degs, toks vaikas Jus iš jo ištrauks.
17:57
CA: Wow. So, most people, if you ask them
415
1062000
3000
CA: Oho. Taigi, dauguma žmonių, jei jų paklaustume,
18:00
what are they most passionate about, they'd say things like,
416
1065000
2000
kas jiems rūpi labiausiai, jie greičiausiai pasakytų
18:02
"My kids" or "My lover."
417
1067000
3000
"Mano vaikai" arba "Mano mylimas žmogus".
18:05
What are you most passionate about?
418
1070000
3000
O kas Jums rūpi labiausiai?
18:08
TG: I'm passionate about that the things I do
419
1073000
2000
TG: Man labiausiai rūpi tai, kad tai, ką aš darau,
18:10
are going to make the world a better place.
420
1075000
2000
kuria geresnį pasaulį.
18:12
When I have a mother of an autistic child say,
421
1077000
2000
Jei autisto vaiko mama man pasako,
18:14
"My kid went to college because of your book,
422
1079000
2000
kad jos vaikas mokosi aukštojoje mokykloje mano knygos
18:16
or one of your lectures," that makes me happy.
423
1081000
2000
ar vienos iš mano paskaitų dėka, tai daro mane labai laimingą.
18:18
You know, the slaughter plants, I've worked with them
424
1083000
3000
Žinote, devintajame dešimtmetyje aš dirbau
18:21
in the '80s; they were absolutely awful.
425
1086000
2000
su skerdyklomis; jos buvo absoliučiai siaubingos.
18:23
I developed a really simple scoring system for slaughter plants
426
1088000
4000
Aš toms skerdykloms sukūriau tikrai labai paprastą vertinimo sistemą,
18:27
where you just measure outcomes: How many cattle fell down?
427
1092000
2000
pagal kurią matuojamas skerdyklos efektyvumas - kiek galvijų krito,
18:29
How many cattle got poked with the prodder?
428
1094000
2000
kokiam galvijų skaičiui buvo naudotas elektrošokas,
18:31
How many cattle are mooing their heads off?
429
1096000
2000
kiek galvijų baubia iki išprotėjimo?
18:33
And it's very, very simple.
430
1098000
2000
Ir tai yra labai labai paprasta.
18:35
You directly observe a few simple things.
431
1100000
2000
Pagal tokią sistemą, jūs tiesiogiai stebite keletą paprastų dalykų.
18:37
It's worked really well. I get satisfaction out of
432
1102000
2000
Ji veikė ypač gerai. Aš jaučiu pasitenkinimą matydama,
18:39
seeing stuff that makes real change
433
1104000
3000
kad kažkas pasaulyje iš tiesų labai pasikeičia.
18:42
in the real world. We need a lot more of that,
434
1107000
2000
Tokių pasikeitimų reikia kur kas daugiau,
18:44
and a lot less abstract stuff.
435
1109000
2000
ir mums reikia mažiau abstrakčių idėjų.
18:46
(Applause)
436
1111000
7000
(Plojimai)
18:53
CA: When we were talking on the phone, one of the things you said that
437
1118000
2000
CA: Kai mes kalbėjome telefonu, vienas iš mane labai nustebinusių dalykų buvo tai,
18:55
really astonished me was you said one thing
438
1120000
2000
kad Jūs labai entuziastingai vertinate
18:57
you were passionate about was server farms. Tell me about that.
439
1122000
4000
vadinamąsias serverių fermas. Papasakokite apie tai daugiau.
19:01
TG: Well the reason why I got really excited when I read about that,
440
1126000
3000
TG: Priežastis, kodėl aš labai apsidžiaugiau perskaičiusi apie serverių fermas,
19:04
it contains knowledge.
441
1129000
3000
yra ta, kad tokios fermos talpina labai daug informacijos.
19:07
It's libraries.
442
1132000
2000
Iš esmės tai - bibliotekos.
19:09
And to me, knowledge is something
443
1134000
2000
O man informacija, žinios yra
19:11
that is extremely valuable. So, maybe, over 10 years ago
444
1136000
2000
kažkas ypač vertingo. Pavyzdžiui, prieš 10 metų
19:13
now our library got flooded.
445
1138000
2000
mūsų biblioteka buvo užtvindyta.
19:15
And this is before the Internet got really big.
446
1140000
2000
Tai buvo dar prieš išplintant internetui.
19:17
And I was really upset about all the books being wrecked,
447
1142000
2000
Aš buvau labai nusiminusi dėl visų sunaikintų knygų,
19:19
because it was knowledge being destroyed.
448
1144000
2000
nes taip buvo sunaikintos žinios.
19:21
And server farms, or data centers
449
1146000
2000
O serverių fermos, arba informacijos centrai,
19:23
are great libraries of knowledge.
450
1148000
3000
yra puikios žinių bibliotekos.
19:26
CA: Temple, can I just say it's an absolute delight to have you at TED.
451
1151000
3000
CA: Temple, aš tegaliu pridurti, kad turėti Jus TED yra didžiulis malonumas.
19:29
TG: Well thank you so much. Thank you.
452
1154000
3000
TG: Labai Jums ačiū. Ačiū.
19:32
(Applause)
453
1157000
6000
(Plojimai)
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