TED2013
Stuart Firestein: The pursuit of ignorance
Stuart Firestein: Honba za nevěděním
Filmed:
Readability: 3.5
2,046,254 views
Jak doopravdy vypadá práce vědce? Stuart Firestein o tom vtipkuje: Zčásti vědecké metody, z větší části "zevlování ... po tmě". V této chytré přednášce se Firestein dostává na dřeň vědecké práce a navrhuje, abychom si toho, co nevíme -- "kvalitního nevědění" -- vážili alespoň jako toho, co víme.
Stuart Firestein - Neuroscientist
Stuart Firestein teaches students and “citizen scientists” that ignorance is far more important to discovery than knowledge. Full bio
Stuart Firestein teaches students and “citizen scientists” that ignorance is far more important to discovery than knowledge. Full bio
Double-click the English transcript below to play the video.
00:12
There is an ancient proverb that says
0
495
3558
Staré rčení říká,
00:16
it's very difficult to find a black cat in a dark room,
1
4053
4062
že je těžké najít černou kočku v temné místnosti,
00:20
especially when there is no cat.
2
8115
2788
tím spíš, když tam žádná kočka není.
00:22
I find this a particularly apt description of science
3
10903
3329
Zdá se mi to jako docela přiléhavý popis vědy
00:26
and how science works --
4
14232
2136
a toho, jak věda funguje --
00:28
bumbling around in a dark room, bumping into things,
5
16368
3320
zmatené pobíhání po temné místnosti,
narážení do věcí
narážení do věcí
00:31
trying to figure out what shape this might be,
6
19688
2302
zjišťování, co je to za tvar,
00:33
what that might be,
7
21990
1444
co by to mohlo být,
00:35
there are reports of a cat somewhere around,
8
23434
2489
existují zprávy o tom, že by tu mohla být kočka,
00:37
they may not be reliable, they may be,
9
25923
1793
nemusejí být spolehlivé, ale můžou,
00:39
and so forth and so on.
10
27716
1520
a tak dále.
00:41
Now I know this is different than the way most people
11
29236
1976
Vím, že se to liší od toho, jak si většina lidí
00:43
think about science.
12
31212
1552
vědu představuje.
00:44
Science, we generally are told,
13
32764
1554
Věda, jak se nám říká,
00:46
is a very well-ordered mechanism for
14
34318
2750
je uspořádaný mechanismus
00:49
understanding the world,
15
37068
1301
pro pochopení světa,
00:50
for gaining facts, for gaining data,
16
38369
2286
pro získávání faktů a dat,
00:52
that it's rule-based,
17
40655
1553
má svá pravidla
00:54
that scientists use this thing called the scientific method
18
42208
3241
a vědci používají to, čemu se říká vědecké metody,
00:57
and we've been doing this for 14 generations or so now,
19
45449
2839
už to tak děláme zhruba 14 generací,
01:00
and the scientific method is a set of rules
20
48288
2571
a ty vědecké metody jsou soubor pravidel,
01:02
for getting hard, cold facts out of the data.
21
50859
4192
jak z dat dostat tvrdá, holá fakta.
01:07
I'd like to tell you that's not the case.
22
55051
2095
Rád bych vám řekl, že to není pravda.
01:09
So there's the scientific method,
23
57146
1832
Máme sice vědecké metody,
01:10
but what's really going on is this. (Laughter)
24
58978
2319
ale ve skutečnosti to probíhá takto. (smích)
01:13
[The Scientific Method vs. Farting Around]
25
61297
958
[Vědecké metody vs. zevlování]
01:14
And it's going on kind of like that.
26
62255
3104
[Vědecké metody vs. zevlování]
01:17
[... in the dark] (Laughter)
27
65359
1421
[... po tmě]
(smích)
(smích)
01:18
So what is the difference, then,
28
66780
4541
Jaký je pak rozdíl,
01:23
between the way I believe science is pursued
29
71321
3816
mezi tím, jak si myslím že věda probíhá
01:27
and the way it seems to be perceived?
30
75137
2861
a tím, jak ji lidé vnímají?
01:29
So this difference first came to me in some ways
31
77998
2715
Na tento rozdíl jsem poprvé tak nějak natrefil
01:32
in my dual role at Columbia University,
32
80713
2097
ve své dvojroli na Kolumbijské univerzitě,
01:34
where I'm both a professor and run a laboratory in neuroscience
33
82810
4155
kde jsem byl profesorem
a zároveň jsem vedl neurovědeckou laboratoř.
a zároveň jsem vedl neurovědeckou laboratoř.
01:38
where we try to figure out how the brain works.
34
86965
2195
kde jsme se snažili přijít na to, jak funguje mozek.
01:41
We do this by studying the sense of smell,
35
89160
2371
Studovali jsme čich,
01:43
the sense of olfaction, and in the laboratory,
36
91531
2531
čich, a práce v laboratoři
01:46
it's a great pleasure and fascinating work
37
94062
2634
je velice příjemná a fascinující
01:48
and exciting to work with graduate students and post-docs
38
96696
2871
s doktorandy a studenty postgraduálu,
01:51
and think up cool experiments to understand how this
39
99567
2611
kteří vymýšlejí zajímavé pokusy, aby pochopili jak
01:54
sense of smell works and how the brain might be working,
40
102178
2386
čich funguje, a jak by mohl fungovat mozek
01:56
and, well, frankly, it's kind of exhilarating.
41
104564
2802
a, upřímně, je to docela vzrušující.
01:59
But at the same time, it's my responsibility
42
107366
2718
Ale zároveň mám odpovědnost za to,
02:02
to teach a large course to undergraduates on the brain,
43
110084
2949
abych odučil pro bakaláře předmět o mozku,
02:05
and that's a big subject,
44
113033
1075
a to je obsáhlý předmět,
02:06
and it takes quite a while to organize that,
45
114108
2391
a zabere dost času to zorganizovat,
02:08
and it's quite challenging and it's quite interesting,
46
116499
2811
je to docela náročné a docela zajímavé,
02:11
but I have to say, it's not so exhilarating.
47
119310
3557
ale musím říct, že to není moc vzrušující.
02:14
So what was the difference?
48
122867
1396
V čem je ten rozdíl?
02:16
Well, the course I was and am teaching
49
124263
2069
Ten předmět, který stále ještě učím,
02:18
is called Cellular and Molecular Neuroscience - I. (Laughs)
50
126332
6464
se jmenuje Buněčná a molekulární neurověda - 1
(smích)
(smích)
02:24
It's 25 lectures full of all sorts of facts,
51
132796
4555
Je to 25 přenášek plných nejrůznějších informací,
02:29
it uses this giant book called "Principles of Neural Science"
52
137351
4317
musí přečíst takovou obrovskou knihu s názvem
"Principy nervové vědy",
"Principy nervové vědy",
02:33
by three famous neuroscientists.
53
141668
2334
kterou napsali tři známí neurovědci.
02:36
This book comes in at 1,414 pages,
54
144002
3781
Ta kniha má 1414 stránek,
02:39
it weighs a hefty seven and a half pounds.
55
147783
2736
a váží celých tři a půl kilogramu.
02:42
Just to put that in some perspective,
56
150519
1927
Abychom to k něčemu přirovnali,
02:44
that's the weight of two normal human brains.
57
152446
3455
to je váha dvou normálních lidských mozků.
02:47
(Laughter)
58
155901
3283
(smích)
02:51
So I began to realize, by the end of this course,
59
159184
3267
Na konci tohoto kurzu jsem si začal uvědomovat,
02:54
that the students maybe were getting the idea
60
162451
2248
že studenti začínají mít pocit,
02:56
that we must know everything there is to know about the brain.
61
164699
3031
že musíme vědět o mozku úplně všechno.
02:59
That's clearly not true.
62
167730
1762
A to samozřejmě není pravda.
03:01
And they must also have this idea, I suppose,
63
169492
2698
Ale také museli mít pocit, myslím si,
03:04
that what scientists do is collect data and collect facts
64
172190
3381
že jediné co vědci dělají je, že sbírají data a fakta
03:07
and stick them in these big books.
65
175571
2089
a strkají je do těchto velkých knih.
03:09
And that's not really the case either.
66
177660
1407
Což také není pravda.
03:11
When I go to a meeting, after the meeting day is over
67
179067
3303
Když máme mít ten den schůzi, a když máme po schůzi
03:14
and we collect in the bar over a couple of beers with my colleagues,
68
182370
3097
a jdeme si ten večer sednout s kolegy na pár piv,
03:17
we never talk about what we know.
69
185467
2201
nikdy se nebavíme o tom, co víme.
03:19
We talk about what we don't know.
70
187668
2166
Bavíme se o tom, co nevíme.
03:21
We talk about what still has to get done,
71
189834
2285
Bavíme se o tom, co se ještě musí udělat,
03:24
what's so critical to get done in the lab.
72
192119
2825
co je důležité v laborce udělat.
03:26
Indeed, this was, I think, best said by Marie Curie
73
194944
2557
Nejlépe to myslím vyjádřila Marie Curie
03:29
who said that one never notices what has been done
74
197501
2419
která řekla, že lidé si nevšímají toho, co se udělalo,
03:31
but only what remains to be done.
75
199920
1461
ale toho, co je ještě potřeba udělat.
03:33
This was in a letter to her brother after obtaining
76
201381
2225
Napsala to v dopise svému bratrovi potom,
co obdržela
co obdržela
03:35
her second graduate degree, I should say.
77
203606
3718
svůj druhý titul, sluší se dodat.
03:39
I have to point out this has always been one of my favorite pictures of Marie Curie,
78
207324
2813
Mimochodem, tohle je jedna z mých nejoblíbenějších fotek Marie Curie,
03:42
because I am convinced that that glow behind her
79
210137
2303
protože věřím tomu, že ta záře za ní,
03:44
is not a photographic effect. (Laughter)
80
212440
2738
není fotografický efekt. (smích)
03:47
That's the real thing.
81
215178
1800
Že tam opravdu je.
03:48
It is true that her papers are, to this day,
82
216978
4380
Je pravda, že její práce jsou dodnes
03:53
stored in a basement room in the Bibliothèque Française
83
221358
2879
uloženy ve sklepě Bibliothèque Française
03:56
in a concrete room that's lead-lined,
84
224237
2197
v betonové místnosti, odstíněné olovem,
03:58
and if you're a scholar and you want access to these notebooks,
85
226434
2652
a pokud se jako badatel
chcete k jejím zápiskům dostat,
chcete k jejím zápiskům dostat,
04:01
you have to put on a full radiation hazmat suit,
86
229086
2749
musíte si obléct protiradiační skafandr,
04:03
so it's pretty scary business.
87
231835
2351
je to docela strašidelné.
04:06
Nonetheless, this is what I think we were leaving out
88
234186
2796
Nicméně, to je to, na co si myslím, že zapomínáme
04:08
of our courses
89
236982
1626
v přednáškách
04:10
and leaving out of the interaction that we have
90
238608
2526
a na co zapomínáme, když se bavíme
04:13
with the public as scientists, the what-remains-to-be-done.
91
241134
2973
s veřejností o vědě, to, co je ještě potřeba udělat.
04:16
This is the stuff that's exhilarating and interesting.
92
244107
2634
To jsou ty věci, které jsou osvěžující a zajímavé.
04:18
It is, if you will, the ignorance.
93
246741
2910
Je to, dalo by se říct, nevědění.
04:21
That's what was missing.
94
249651
979
To chybí.
04:22
So I thought, well, maybe I should teach a course
95
250630
2860
A tak jsem si říkal, no, možná bych měl učit předmět
04:25
on ignorance,
96
253490
2100
o nevědění,
04:27
something I can finally excel at, perhaps, for example.
97
255590
3629
něco, v čem bych konečně mohl vyniknout.
04:31
So I did start teaching this course on ignorance,
98
259219
1878
A tak jsem o nevědění začal učit,
04:33
and it's been quite interesting
99
261097
1096
a bylo to docela zajímavé
04:34
and I'd like to tell you to go to the website.
100
262193
2086
a chci vám říct, abyste se podívali
na webové stránky.
na webové stránky.
04:36
You can find all sorts of information there. It's wide open.
101
264279
3636
Najdete tam spoustu informací. Je to volně přístupné.
04:39
And it's been really quite an interesting time for me
102
267915
3523
Bylo to pro mě docela zajímavé období,
04:43
to meet up with other scientists who come in and talk
103
271438
1841
potkával jsem se s ostatními vědci, kteří byli pozváni,
04:45
about what it is they don't know.
104
273279
1548
aby přednášeli o tom, co nevědí.
04:46
Now I use this word "ignorance," of course,
105
274827
1985
Slovo nevědění [v angličtině "ignorance"]
04:48
to be at least in part intentionally provocative,
106
276812
3158
používám to jako záměrnou provokaci,
04:51
because ignorance has a lot of bad connotations
107
279970
2390
protože "ignorance" má
spoustu záporných konotací,
spoustu záporných konotací,
04:54
and I clearly don't mean any of those.
108
282360
2005
ale ty samozřejmě nemám na mysli.
04:56
So I don't mean stupidity, I don't mean a callow indifference
109
284365
3505
Nemám na mysli hloupost, ani tupý nezájem
04:59
to fact or reason or data.
110
287870
2308
o fakta, rozum nebo data.
05:02
The ignorant are clearly unenlightened, unaware,
111
290178
3271
Ignoranti jsou jistě neosvícení, lhostejní,
05:05
uninformed, and present company today excepted,
112
293449
3307
neinformovaní a s výjimkou dnešního osazenstva
05:08
often occupy elected offices, it seems to me.
113
296756
2908
často zaujímají místa na úřadech, zdá se mi.
05:11
That's another story, perhaps.
114
299664
1806
To bych ale odbočoval.
05:13
I mean a different kind of ignorance.
115
301470
1633
To je jiný druh nevědění.
05:15
I mean a kind of ignorance that's less pejorative,
116
303103
2268
Já mám na mysli nevědění
v méně pejorativním významu,
v méně pejorativním významu,
05:17
a kind of ignorance that comes from a communal gap in our knowledge,
117
305371
3487
druh nevědění, která vychází
ze společné mezery v našem vědění,
ze společné mezery v našem vědění,
05:20
something that's just not there to be known
118
308858
1865
něco, co buď poznat nelze,
05:22
or isn't known well enough yet or we can't make predictions from,
119
310723
2821
nebo to ještě není dobře známo,
nebo co neumožňuje předpovědi,
nebo co neumožňuje předpovědi,
05:25
the kind of ignorance that's maybe best summed up
120
313544
2318
ten druh nevědění, které nejlépe shrnuje
05:27
in a statement by James Clerk Maxwell,
121
315862
1845
prohlášení Jamese Clerka Maxwella,
05:29
perhaps the greatest physicist between Newton and Einstein,
122
317707
3449
snad největšího fyzika vedle Newtona a Einsteina,
05:33
who said, "Thoroughly conscious ignorance
123
321156
2301
který řekl: "Uvědomělé nevědění
05:35
is the prelude to every real advance in science."
124
323457
2568
je předpokladem jakékoli pokroku ve vědě."
05:38
I think it's a wonderful idea:
125
326025
1388
Myslím si, že je to skvělá myšlenka:
05:39
thoroughly conscious ignorance.
126
327413
3147
uvědomělé nevědění.
05:42
So that's the kind of ignorance that I want to talk about today,
127
330560
2421
To je ten druh nevědění, o kterém chci dnes mluvit,
05:44
but of course the first thing we have to clear up
128
332981
1519
ale samozřejmě, první věc, kterou si musíme ujasnit,
05:46
is what are we going to do with all those facts?
129
334500
2103
je, co budeme se všemi těmi fakty dělat?
05:48
So it is true that science piles up at an alarming rate.
130
336603
3674
Je pravda, že se věda rozrůstá alarmujícím tempem.
05:52
We all have this sense that science is this mountain of facts,
131
340277
2810
Všichni máme pocit, že věda je hora faktů,
05:55
this accumulation model of science, as many have called it,
132
343087
4036
mnozí z nás tomu říkáme akumulativní model vědy,
05:59
and it seems impregnable, it seems impossible.
133
347123
2451
až se zdá nedobytná, nezdolatelná.
06:01
How can you ever know all of this?
134
349574
1314
Jak by někdo mohl toho tolik vědět?
06:02
And indeed, the scientific literature grows at an alarming rate.
135
350888
3581
A opravdu, objem vědecké literatury roste alarmujícím tempem.
06:06
In 2006, there were 1.3 million papers published.
136
354469
3654
V roce 2006 bylo publikováno 1,3 milionů studií.
06:10
There's about a two-and-a-half-percent yearly growth rate,
137
358123
2632
A každý rok se toto tempo zvyšuje o 2,5 procenta
06:12
and so last year we saw over one and a half million papers being published.
138
360755
4390
takže minulý rok bylo publikováno
víc než 1,5 milionů studií.
víc než 1,5 milionů studií.
06:17
Divide that by the number of minutes in a year,
139
365145
2230
Vydělte to počtem minut za rok,
06:19
and you wind up with three new papers per minute.
140
367375
3138
a vyjde vám, že byste museli přečíst
tři nové studie za minutu.
tři nové studie za minutu.
06:22
So I've been up here a little over 10 minutes,
141
370513
1482
Už tu jsem něco přes 10 minut,
06:23
I've already lost three papers.
142
371995
1776
už jsem o tři studie pozadu.
06:25
I have to get out of here actually. I have to go read.
143
373771
2840
Budu muset jít. Musím jít číst.
06:28
So what do we do about this? Well, the fact is
144
376611
3446
Co s tím? Je zřejmé, že
06:32
that what scientists do about it is a kind of a controlled neglect, if you will.
145
380057
4509
vědci se s tím budou muset vypořádat pomocí
úmyslného zanedbávání.
úmyslného zanedbávání.
06:36
We just don't worry about it, in a way.
146
384566
2664
Prostě na to svým způsobem kašleme.
06:39
The facts are important. You have to know a lot of stuff
147
387230
2243
Fakta jsou důležitá. Musíte toho spoustu vědět,
06:41
to be a scientist. That's true.
148
389473
1810
abyste se mohli stát vědcem. To je pravda.
06:43
But knowing a lot of stuff doesn't make you a scientist.
149
391283
2927
Ale to, že toho hodně víte z vás ještě neudělá vědce.
06:46
You need to know a lot of stuff to be a lawyer
150
394210
2665
Musíte toho hodně vědět, aby z vás mohl být právník,
06:48
or an accountant or an electrician or a carpenter.
151
396875
3892
účetní, elektrikář nebo truhlář.
06:52
But in science, knowing a lot of stuff is not the point.
152
400767
3610
Ale ve vědě o ty znalosti tolik nejde.
06:56
Knowing a lot of stuff is there to help you get
153
404377
3556
Hodně vědět vám může pomoci
06:59
to more ignorance.
154
407933
1388
k nevědění.
07:01
So knowledge is a big subject, but I would say
155
409321
2510
Znalosti, to je velké téma, ale řekl bych,
07:03
ignorance is a bigger one.
156
411831
2487
že nevědění je ještě větší.
07:06
So this leads us to maybe think about, a little bit
157
414318
2194
To nás přivádí k tomu, abychom se trochu zamysleli
07:08
about, some of the models of science that we tend to use,
158
416528
2883
nad obvyklými modely vědy
07:11
and I'd like to disabuse you of some of them.
159
419411
1825
a vyvrátili obecné omyly.
07:13
So one of them, a popular one, is that scientists
160
421236
2313
Jeden z nich, velmi oblíbený, je že vědci
07:15
are patiently putting the pieces of a puzzle together
161
423549
2628
trpělivě skládají dílky skládačky,
07:18
to reveal some grand scheme or another.
162
426177
2773
aby přišli na něco velkého.
07:20
This is clearly not true. For one, with puzzles,
163
428950
2558
To ve skutečnosti není pravda. Zaprvé, u skládaček
07:23
the manufacturer has guaranteed that there's a solution.
164
431508
3499
výrobce zaručuje, že existuje řešení.
07:27
We don't have any such guarantee.
165
435007
1749
Takovou záruku nemáme.
07:28
Indeed, there are many of us who aren't so sure about the manufacturer.
166
436756
3155
Mnozí si nejsme ani moc jistí tím výrobcem.
07:31
(Laughter)
167
439911
3063
(smích)
07:34
So I think the puzzle model doesn't work.
168
442974
1757
Takže ten skládačkový model nesedí.
07:36
Another popular model is that science is busy unraveling things
169
444731
3514
Další oblíbený model je, že věda stále odhaluje věci
07:40
the way you unravel the peels of an onion.
170
448245
2196
tak, jak se loupe cibule.
07:42
So peel by peel, you take away the layers of the onion
171
450441
2989
Vrstvu po vrstvě odlupujete jednotlivé slupky
07:45
to get at some fundamental kernel of truth.
172
453430
2319
abyste se dostali k podstatě, k jádru pravdy.
07:47
I don't think that's the way it works either.
173
455749
2187
Ale ani tak to podle mě není.
07:49
Another one, a kind of popular one, is the iceberg idea,
174
457936
2934
Další, docela oblíbená je teorie ledovce,
07:52
that we only see the tip of the iceberg but underneath
175
460870
2460
že vidíme pouze špičku ledovce, ale
07:55
is where most of the iceberg is hidden.
176
463330
2185
většina ledovce je schovaná.
07:57
But all of these models are based on the idea of a large body of facts
177
465515
3554
Všechny tyto modely jsou založené
na představě velkého množství faktů
na představě velkého množství faktů
08:01
that we can somehow or another get completed.
178
469069
2420
které nějakým způsobem kompletujeme.
08:03
We can chip away at this iceberg and figure out what it is,
179
471489
3343
Můžeme se prosekat do toho ledovce
a zjistit, co je zač,
a zjistit, co je zač,
08:06
or we could just wait for it to melt, I suppose, these days,
180
474832
2605
nebo už asi počkat, až roztaje,
08:09
but one way or another we could get to the whole iceberg. Right?
181
477437
3227
ale nějak se dostaneme k celému ledovci, že?
08:12
Or make it manageable. But I don't think that's the case.
182
480664
2467
Nebo to umožníme. Ale nemyslím si, že tomu tak je.
08:15
I think what really happens in science
183
483131
2399
Ve skutečnosti model vědy
08:17
is a model more like the magic well,
184
485530
1830
je spíš kouzelná studánka,
08:19
where no matter how many buckets you take out,
185
487360
1837
u které nezáleží na to, kolik kýblů vyčerpáte,
08:21
there's always another bucket of water to be had,
186
489197
2112
vždycky tam zbyde ještě další kýbl,
08:23
or my particularly favorite one,
187
491309
2127
nebo moje zvláště oblíbená,
08:25
with the effect and everything, the ripples on a pond.
188
493436
2939
s důsledky a vším, kruhy na vodní hladině.
08:28
So if you think of knowledge being this ever-expanding ripple on a pond,
189
496375
3127
Pokud si představíte, že vědomosti
jsou jako stále se zvětšující kola na hladině,
jsou jako stále se zvětšující kola na hladině,
08:31
the important thing to realize is that our ignorance,
190
499502
3382
musíme si uvědomit, že nevědění
08:34
the circumference of this knowledge, also grows with knowledge.
191
502884
3382
se zvětšuje spolu s vědomostmi.
08:38
So the knowledge generates ignorance.
192
506266
2763
Poznání generuje nevědomost.
08:41
This is really well said, I thought, by George Bernard Shaw.
193
509029
2915
To dobře řekl myslím George Bernard Shaw.
08:43
This is actually part of a toast that he delivered
194
511944
2677
Je to vlastně část přípitku, který pronesl
08:46
to celebrate Einstein at a dinner celebrating Einstein's work,
195
514621
3677
na oslavu Einsteina na večeři na počest jeho práce,
08:50
in which he claims that science
196
518298
1414
ve které tvrdí, že věda
08:51
just creates more questions than it answers.
["Science is always wrong. It never solves a problem without creating 10 more."]
["Science is always wrong. It never solves a problem without creating 10 more."]
197
519712
2265
vytváří víc otázek, než na kolik odpovídá.
08:53
I find that kind of glorious, and I think he's precisely right,
198
521977
3542
Myslím že uhodil hřebíček na hlavičku,
08:57
plus it's a kind of job security.
199
525519
2526
navíc díky tomu máme práci.
09:00
As it turns out, he kind of cribbed that
200
528045
2726
Pak jsem přišel na to, že to ukradl
09:02
from the philosopher Immanuel Kant
201
530771
1852
filozofovi Immanuelu Kantovi,
09:04
who a hundred years earlier had come up with this idea
202
532623
2645
který před sto lety přišel s toutéž myšlenkou
09:07
of question propagation, that every answer begets more questions.
203
535268
3808
množení otázek, že každá odpověď
plodí další otázky.
plodí další otázky.
09:11
I love that term, "question propagation,"
204
539076
2199
Zbožňují ten termín "množení otázek,"
09:13
this idea of questions propagating out there.
205
541275
2739
ta myšlenka, že se otázky rozmnožují.
09:16
So I'd say the model we want to take is not
206
544014
1887
Takže model, kterým se chceme řídit není ten,
09:17
that we start out kind of ignorant and we get some facts together
207
545901
3509
že začneme nevědomí
a až si dáme informace dohromady,
a až si dáme informace dohromady,
09:21
and then we gain knowledge.
208
549410
2143
dojdeme k poznání.
09:23
It's rather kind of the other way around, really.
209
551553
2379
Je to spíš ve skutečnosti obráceně.
09:25
What do we use this knowledge for?
210
553932
1907
K čemu toto poznání používáme?
09:27
What are we using this collection of facts for?
211
555839
2528
Pro koho tato fakta sbíráme?
09:30
We're using it to make better ignorance,
212
558367
2857
Používáme je k prohlubování nevědění,
09:33
to come up with, if you will, higher-quality ignorance.
213
561224
3079
abychom vytvořili kvalitnější nevědění.
09:36
Because, you know, there's low-quality ignorance
214
564303
1872
Protože, jak víte, je tu nekvalitní nevědění
09:38
and there's high-quality ignorance. It's not all the same.
215
566175
2413
a kvalitní nevědění. V tom je rozdíl.
09:40
Scientists argue about this all the time.
216
568588
2370
Vědci se o tom v jednom kuse přou.
09:42
Sometimes we call them bull sessions.
217
570958
1965
Někdy tomu říkáme býčí zápasy.
09:44
Sometimes we call them grant proposals.
218
572923
1918
Někdy tomu říkáme žádosti o grant.
09:46
But nonetheless, it's what the argument is about.
219
574841
3508
Ale nicméně, kvůli tomu se vedou všechny spory.
09:50
It's the ignorance. It's the what we don't know.
220
578349
1844
Kvůli nevědění. O to, co nevíme.
09:52
It's what makes a good question.
221
580193
2690
Jen tak dojdeme k dobrým otázkám.
09:54
So how do we think about these questions?
222
582883
1630
Jak tedy na tyto otázky přijdeme?
09:56
I'm going to show you a graph that shows up
223
584513
1952
Ukážu vám graf, který se vyskytuje
09:58
quite a bit on happy hour posters in various science departments.
224
586465
3867
docela často na nástěnkách
v nejrůznějších výzkumných odděleních.
v nejrůznějších výzkumných odděleních.
10:02
This graph asks the relationship between what you know
225
590332
4221
Tento graf ukazuje vztah mezi tím, co víme,
10:06
and how much you know about it.
226
594553
2190
a tím, kolik o tom víme.
10:08
So what you know, you can know anywhere from nothing to everything, of course,
227
596743
3515
Vědět můžete od "nic" až po "všechno";
10:12
and how much you know about it can be anywhere
228
600258
1683
kolik toho o tom víte, může být mezi
10:13
from a little to a lot.
229
601941
2423
"trochu" a "hodně".
10:16
So let's put a point on the graph. There's an undergraduate.
230
604364
4232
A teď si to zakreslíme do grafu. Tady jsou bakaláři.
10:20
Doesn't know much but they have a lot of interest.
231
608596
2364
Nevědí toho moc, ale mají spoustu zájmů.
10:22
They're interested in almost everything.
232
610960
1691
Zajímá je téměř všechno.
10:24
Now you look at a master's student, a little further along in their education,
233
612651
3454
Pokud se podíváme na magisterské studenty,
když jejich vzdělávání pokročilo,
když jejich vzdělávání pokročilo,
10:28
and you see they know a bit more,
234
616105
1351
vidíte, že toho vědí o trochu víc,
10:29
but it's been narrowed somewhat.
235
617456
1890
ale trochu se to zúžilo.
10:31
And finally you get your Ph.D., where it turns out
236
619346
2719
A pak se dostáváme k doktorandům, kde se ukazuje
10:34
you know a tremendous amount about almost nothing. (Laughter)
237
622065
5105
že toho víte ohromnou spoustu téměř o ničem.
(smích)
(smích)
10:39
What's really disturbing is the trend line that goes through that
238
627170
3781
Opravdu znepokojující je křivka, která tudy prochází
10:42
because, of course, when it dips below the zero axis, there,
239
630951
3775
a samozřejmě, tady, když klesne pod nulovou hranici,
10:46
it gets into a negative area.
240
634726
2262
dostane se do záporných čísel.
10:48
That's where you find people like me, I'm afraid.
241
636988
2915
Tam, obávám se, najdete lidi, jako jsem já.
10:51
So the important thing here is that this can all be changed.
242
639903
3368
Důležité je to, že se to všechno může změnit.
10:55
This whole view can be changed
243
643271
1804
Celý tento pohled se může změnit,
10:57
by just changing the label on the x-axis.
244
645075
3161
stačí pouze změnit popisek na ose x.
11:00
So instead of how much you know about it,
245
648236
1917
Místo toho, kolik toho o tom víte,
11:02
we could say, "What can you ask about it?"
246
650153
3541
bychom mohli říct: "Na co se můžete zeptat?"
11:05
So yes, you do need to know a lot of stuff as a scientist,
247
653694
2867
Takže ano, jako vědec
toho potřebujete vědět velkou spoustu,
toho potřebujete vědět velkou spoustu,
11:08
but the purpose of knowing a lot of stuff
248
656561
2629
ale vědět toho spoustu
11:11
is not just to know a lot of stuff. That just makes you a geek, right?
249
659190
2587
není účelem. To z vás jen udělá podivína.
11:13
Knowing a lot of stuff, the purpose is
250
661777
2138
Smyslem vědění spousty věcí je to,
11:15
to be able to ask lots of questions,
251
663915
1676
abyste byli schopni pokládat spoustu otázek,
11:17
to be able to frame thoughtful, interesting questions,
252
665591
3088
abyste byli schopni formulovat
smysluplné a zajímavé otázky,
smysluplné a zajímavé otázky,
11:20
because that's where the real work is.
253
668679
1725
protože o to běží.
11:22
Let me give you a quick idea of a couple of these sorts of questions.
254
670404
2552
Dám vám několik rychlých příkladů takových otázek.
11:24
I'm a neuroscientist, so how would we come up
255
672956
2163
Jsem neurovědec, jak bych mohl vznést
11:27
with a question in neuroscience?
256
675119
1431
pochybnosti ohledně neurovědy?
11:28
Because it's not always quite so straightforward.
257
676550
2669
Protože to není vždycky tak přímočaré.
11:31
So, for example, we could say, well what is it that the brain does?
258
679219
2559
Takže například bychom se mohli zeptat:
Co že to vlastně mozek dělá?
Co že to vlastně mozek dělá?
11:33
Well, one thing the brain does, it moves us around.
259
681778
1814
Jednou z věcí, které mozek dělá, je že s námi hýbe.
11:35
We walk around on two legs.
260
683592
2005
Chodíme po dvou nohách.
11:37
That seems kind of simple, somehow or another.
261
685597
1851
To se zdá být jaksi jednoduché.
11:39
I mean, virtually everybody over 10 months of age
262
687448
2725
Chci říct, skoro každý, kdo je starší než 10 měsíců,
11:42
walks around on two legs, right?
263
690173
2172
dokáže chodit po dvou, že?
11:44
So that maybe is not that interesting.
264
692345
1391
No, to možná není tak zajímavé.
11:45
So instead maybe we want to choose something a little more complicated to look at.
265
693736
3148
Takže místo toho bychom si měli vybrat
něco komplikovanějšího.
něco komplikovanějšího.
11:48
How about the visual system?
266
696884
2775
Co třeba zraková soustava?
11:51
There it is, the visual system.
267
699659
1627
Tady je zraková soustava.
11:53
I mean, we love our visual systems. We do all kinds of cool stuff.
268
701286
3248
Zrakovou soustavu máme rádi.
Děláme spoustu skvělých věcí.
Děláme spoustu skvělých věcí.
11:56
Indeed, there are over 12,000 neuroscientists
269
704534
3391
Na zrakové soustavě pracuje
11:59
who work on the visual system,
270
707925
1580
přes 12 000 neurovědců,
12:01
from the retina to the visual cortex,
271
709505
2081
od sítnice po zrakové centrum v mozku,
12:03
in an attempt to understand not just the visual system
272
711586
2565
abychom pochopili nejenom zrakovou soustavu,
12:06
but to also understand how general principles
273
714151
3024
ale také obecné principy
12:09
of how the brain might work.
274
717175
1951
fungování mozku.
12:11
But now here's the thing:
275
719126
1660
Ale je zde problém:
12:12
Our technology has actually been pretty good
276
720786
2480
Naše technologie je sice dost dobrá na to,
12:15
at replicating what the visual system does.
277
723266
2590
aby replikovala to, co zraková soustava dělá.
12:17
We have TV, we have movies,
278
725856
3023
Máme televizi, máme filmy,
12:20
we have animation, we have photography,
279
728879
2495
máme animace, máme fotografie,
12:23
we have pattern recognition, all of these sorts of things.
280
731374
3151
máme rozpoznávání vzorců, všechny tyto věci.
12:26
They work differently than our visual systems in some cases,
281
734525
2646
V některých případech fungují jinak
než naše zraková soustava,
než naše zraková soustava,
12:29
but nonetheless we've been pretty good at
282
737171
1591
ale nicméně dokážeme dost dobře
12:30
making a technology work like our visual system.
283
738762
3476
vytvořit technologii,
která pracuje jako naše zraková soustava.
která pracuje jako naše zraková soustava.
12:34
Somehow or another, a hundred years of robotics,
284
742238
2936
Robotika je tu sto let, a přesto jsme
12:37
you never saw a robot walk on two legs,
285
745174
2266
ještě neviděli robota, který by chodil po dvou,
12:39
because robots don't walk on two legs
286
747440
2163
protože roboti po dvou nechodí
12:41
because it's not such an easy thing to do.
287
749603
2390
protože to není nic jednoduchého.
12:43
A hundred years of robotics,
288
751993
1528
Robotika je tu sto let,
12:45
and we can't get a robot that can move more than a couple steps one way or the other.
289
753521
3367
a my nedokážeme sestrojit robota,
který by udělal víc než pár krůčků.
který by udělal víc než pár krůčků.
12:48
You ask them to go up an inclined plane, and they fall over.
290
756888
2572
Necháte je jít po nakloněné rovině a spadnou.
12:51
Turn around, and they fall over. It's a serious problem.
291
759460
2004
Otočí se, a spadnou. Je to vážný problém.
12:53
So what is it that's the most difficult thing for a brain to do?
292
761464
3547
Co je ta nejtěžší věc, kterou musí mozek zvládnout?
12:57
What ought we to be studying?
293
765011
1623
Co bychom měli studovat?
12:58
Perhaps it ought to be walking on two legs, or the motor system.
294
766634
4295
Možná by to měla být chůze po dvou, motorika.
13:02
I'll give you an example from my own lab,
295
770929
1735
Dám vám příklad z mojí laborky,
13:04
my own particularly smelly question,
296
772664
1725
otázku, která zavání,
13:06
since we work on the sense of smell.
297
774389
2099
protože zkoumáme čich.
13:08
But here's a diagram of five molecules
298
776488
3228
Zde je diagram pěti molekul
13:11
and sort of a chemical notation.
299
779716
1510
a jakýsi chemický zápis.
13:13
These are just plain old molecules, but if you sniff those molecules
300
781226
2996
Jsou to jenom obyčejné molekuly,
ale pokud je nasajete
ale pokud je nasajete
13:16
up these two little holes in the front of your face,
301
784222
2470
těmi dvěma dírkami v obličeji,
13:18
you will have in your mind the distinct impression of a rose.
302
786692
3874
vytvoří se ve vaší mysli představa růže.
13:22
If there's a real rose there, those molecules will be the ones,
303
790566
2158
Jejich zdrojem může být skutečná růže,
13:24
but even if there's no rose there,
304
792724
1560
ale i když tu žádná růže není,
13:26
you'll have the memory of a molecule.
305
794284
1591
ty molekuly vyvolají vzpomínku na ni.
13:27
How do we turn molecules into perceptions?
306
795875
3104
Jak z molekul vznikají vjemy?
13:30
What's the process by which that could happen?
307
798979
1857
Jakým procesem se to asi děje?
13:32
Here's another example: two very simple molecules, again in this kind of chemical notation.
308
800836
3960
Zde je další příklad: chemický vzorec
dvou velmi jednoduchých molekul.
dvou velmi jednoduchých molekul.
13:36
It might be easier to visualize them this way,
309
804796
2077
Možná si je lépe představíte takto,
13:38
so the gray circles are carbon atoms, the white ones
310
806873
2794
ty šedé kruhy jsou atomy uhlíku, ty bílé
13:41
are hydrogen atoms and the red ones are oxygen atoms.
311
809667
2775
jsou atomy vodíku a ty červené jsou atomy kyslíku.
13:44
Now these two molecules differ by only one carbon atom
312
812442
4298
Tyto dvě molekuly se liší jen jedním atomem uhlíku
13:48
and two little hydrogen atoms that ride along with it,
313
816740
2688
a dvěma malými atomy vodíku, které se na ně pojí,
13:51
and yet one of them, heptyl acetate,
314
819428
1986
a přesto jeden z nich, heptylacetát,
13:53
has the distinct odor of a pear,
315
821414
2311
má typickou vůni hrušky,
13:55
and hexyl acetate is unmistakably banana.
316
823725
3839
a hexylacetát je jasný banán.
13:59
So there are two really interesting questions here, it seems to me.
317
827564
2557
Z toho vyplývají dvě zajímavé otázky.
14:02
One is, how can a simple little molecule like that
318
830121
3215
Zaprvé, jak může taková obyčejná molekula
14:05
create a perception in your brain that's so clear
319
833336
2468
vytvořit v mozku konkrétní dojem
14:07
as a pear or a banana?
320
835804
1742
hrušky nebo banánu?
14:09
And secondly, how the hell can we tell the difference
321
837546
3121
A za druhé, jak sakra poznáme rozdíl
14:12
between two molecules that differ by a single carbon atom?
322
840667
4315
mezi dvěma molekulami,
které se liší jediným atomem uhlíku?
které se liší jediným atomem uhlíku?
14:16
I mean, that's remarkable to me,
323
844982
1646
To je pro mě neuvěřitelné,
14:18
clearly the best chemical detector on the face of the planet.
324
846628
3032
máme na tváři nejdokonalejší chemický detektor
na celém světě.
na celém světě.
14:21
And you don't even think about it, do you?
325
849660
2776
To by vás ani nenapadlo, že?
14:24
So this is a favorite quote of mine that takes us
326
852436
2617
Můj oblíbený citát nás vrací zpátky
14:27
back to the ignorance and the idea of questions.
327
855053
1746
k nevědění a k teorii otázek.
14:28
I like to quote because I think dead people
328
856799
2019
Rád používám citáty, protože si myslím,
14:30
shouldn't be excluded from the conversation.
329
858818
2543
že mrtví se nemohou nechat stranou.
14:33
And I also think it's important to realize that
330
861361
1939
A také si myslím, že je důležité si uvědomit, že
14:35
the conversation's been going on for a while, by the way.
331
863300
2462
konverzace už mimochodem nějakou dobu probíhá.
14:37
So Erwin Schrodinger, a great quantum physicist
332
865762
2758
Erwin Schrodinger, významný kvantový fyzik
14:40
and, I think, philosopher, points out how you have to
333
868520
2566
a, řekl bych, filozof, poukazuje na to, jak musíte
14:43
"abide by ignorance for an indefinite period" of time.
334
871086
3465
"následovat své nevědění nekonečně dlouho".
14:46
And it's this abiding by ignorance
335
874551
1987
A myslím si, že následovat své nevědění
14:48
that I think we have to learn how to do.
336
876538
1666
je něco, co se musíme všichni naučit.
14:50
This is a tricky thing. This is not such an easy business.
337
878204
2977
Je to zrádné. Není to nic jednoduchého.
14:53
I guess it comes down to our education system,
338
881181
1959
Myslím si, že musíme začít od vzdělávacího systému,
14:55
so I'm going to talk a little bit about ignorance and education,
339
883140
2457
a tak budu mluvit trochu o nevědění a vzdělávání,
14:57
because I think that's where it really has to play out.
340
885597
2268
protože si myslím, že zde se to musí vyřešit.
14:59
So for one, let's face it,
341
887865
2267
Takže si to přiznejme,
15:02
in the age of Google and Wikipedia,
342
890132
3352
za časů Google a Wikipedie,
15:05
the business model of the university
343
893484
1793
obchodní model univerzit a
15:07
and probably secondary schools is simply going to have to change.
344
895277
3421
možná i středních škol se prostě musí změnit.
15:10
We just can't sell facts for a living anymore.
345
898698
1901
Už se neuživíme prodáváním fakt.
15:12
They're available with a click of the mouse,
346
900599
2050
Dnes se k nim dostanete jedním kliknutím,
15:14
or if you want to, you could probably just ask the wall
347
902649
2496
nebo pokud chcete, stačí se zeptat zdi
15:17
one of these days, wherever they're going to hide the things
348
905145
1712
nebo kde to vlastně schovávají ty věci,
15:18
that tell us all this stuff.
349
906857
1417
které nám všechno tohle zprostředkovávají.
15:20
So what do we have to do? We have to give our students
350
908274
2883
Co je tedy potřeba? Musíme předat našim studentům
15:23
a taste for the boundaries, for what's outside that circumference,
351
911157
3896
smysl pro hranice, pro to, co je za nimi,
15:27
for what's outside the facts, what's just beyond the facts.
352
915053
4308
co je mimo ta fakta, co je za těmi fakty.
15:31
How do we do that?
353
919361
2157
Jak to uděláme?
15:33
Well, one of the problems, of course,
354
921518
1508
No, jedním z problémů se samozřejmě
15:35
turns out to be testing.
355
923026
2109
ukazuje být zkoušení.
15:37
We currently have an educational system
356
925135
2649
V současnosti máme vzdělávací systém,
15:39
which is very efficient but is very efficient at a rather bad thing.
357
927784
3709
který je velmi efektivní, ale ne v dobrém.
15:43
So in second grade, all the kids are interested in science,
358
931493
2974
Všechny děti ve druhé třídě zajímají přírodní vědy,
15:46
the girls and the boys.
359
934467
1263
dívky i chlapce.
15:47
They like to take stuff apart. They have great curiosity.
360
935730
3974
Rádi věci rozmontovávají. Jsou velice zvídaví.
15:51
They like to investigate things. They go to science museums.
361
939704
2499
Rádi věcem přicházejí na kloub. Chodí do muzeí.
15:54
They like to play around. They're in second grade.
362
942203
6188
Rádi si hrají. Jsou ve druhé třídě.
16:00
They're interested.
363
948407
1494
Jsou zvídaví.
16:01
But by 11th or 12th grade, fewer than 10 percent
364
949901
2934
Ale okolo třeťáku nebo čtvrťáku na střední
méně než 10 procent
méně než 10 procent
16:04
of them have any interest in science whatsoever,
365
952835
3075
z nich má zájem o přírodní vědy,
16:07
let alone a desire to go into science as a career.
366
955910
2945
natož pak touhu dát se na vědeckou kariéru.
16:10
So we have this remarkably efficient system
367
958855
2982
Máme neuvěřitelně účinný systém
16:13
for beating any interest in science out of everybody's head.
368
961837
3973
na vytloukání zájmu o vědu z dětských z hlav.
16:17
Is this what we want?
369
965810
1914
Je to to, co chceme?
16:19
I think this comes from what a teacher colleague of mine
370
967724
2342
Jeden z mých kolegů učitelů
16:22
calls "the bulimic method of education."
371
970066
2722
tomu říká "bulimická metoda vzdělávání."
16:24
You know. You can imagine what it is.
372
972788
1373
Asi víte co myslím.
16:26
We just jam a whole bunch of facts down their throats over here
373
974161
2948
Nacpeme jim do chřtánu mraky faktů
16:29
and then they puke it up on an exam over here
374
977109
2354
a pak je všechny u zkoušky vyzvrací
16:31
and everybody goes home with no added intellectual heft whatsoever.
375
979463
4579
a nikoho to intelektuálně neobohatí.
16:36
This can't possibly continue to go on.
376
984042
2081
Tak to nesmí pokračovat.
16:38
So what do we do? Well the geneticists, I have to say,
377
986123
2334
Co s tím? Genetici mají
16:40
have an interesting maxim they live by.
378
988457
1983
zajímavé rčení, kterým se řídí.
16:42
Geneticists always say, you always get what you screen for.
379
990440
5252
Říkají, že vždycky dostanete to, co vybíráte.
16:47
And that's meant as a warning.
380
995692
2861
A to říkám jako varování.
16:50
So we always will get what we screen for,
381
998553
2319
Vždycky dostaneme to, co vybíráme,
16:52
and part of what we screen for is in our testing methods.
382
1000872
3455
a to platí i o našich testovacích metodách.
16:56
Well, we hear a lot about testing and evaluation,
383
1004327
3243
Hodně se toho mluví o testování a hodnocení,
16:59
and we have to think carefully when we're testing
384
1007570
2187
a musíme při zkoušení dávat pozor na to,
17:01
whether we're evaluating or whether we're weeding,
385
1009757
3087
jestli hodnotíme, nebo oddělujeme zrno od plev,
17:04
whether we're weeding people out,
386
1012844
1459
jestli se zbavujeme lidí
17:06
whether we're making some cut.
387
1014303
3134
a některé odepisujeme.
17:09
Evaluation is one thing. You hear a lot about evaluation
388
1017437
2641
Hodnocení je jedna věc. Hodně se o něm dnes mluví
17:12
in the literature these days, in the educational literature,
389
1020078
2910
v pedagogické literatuře,
17:14
but evaluation really amounts to feedback and it amounts
390
1022988
2958
ale hodnocení vlastně závisí na zpětné vazbě,
17:17
to an opportunity for trial and error.
391
1025946
2154
a rovná se příležitostem pro pokusy a omyly.
17:20
It amounts to a chance to work over a longer period of time
392
1028100
4494
Rovná se možnosti pracovat po delší dobu
17:24
with this kind of feedback.
393
1032594
1910
s touto zpětnou vazbou.
17:26
That's different than weeding, and usually, I have to tell you,
394
1034504
2938
Není to oddělování zrna od plev, i když většinou
17:29
when people talk about evaluation, evaluating students,
395
1037442
2726
když lidé mluví o hodnocení studentů,
17:32
evaluating teachers, evaluating schools,
396
1040168
2787
hodnocení učitelů, škol
17:34
evaluating programs, that they're really talking about weeding.
397
1042955
4161
a oborů, většinou tím myslí oddělování zrna od plev.
17:39
And that's a bad thing, because then you will get what you select for,
398
1047116
4210
A to je špatně, protože pak dostanete to, co vybíráte,
17:43
which is what we've gotten so far.
399
1051326
1958
což je to, co máme k dispozici.
17:45
So I'd say what we need is a test that says, "What is x?"
400
1053284
3441
A tak bych řekl, že potřebujeme test,
ve kterém je otázka: "Kolik je x?"
ve kterém je otázka: "Kolik je x?"
17:48
and the answers are "I don't know, because no one does,"
401
1056725
3092
a odpověď zní: "Nevím, protože to neví nikdo."
17:51
or "What's the question?" Even better.
402
1059817
1741
nebo "Jaká je otázka?" Ještě lepší.
17:53
Or, "You know what, I'll look it up, I'll ask someone,
403
1061558
2390
Nebo: "Víte co, já si to zjistím, někoho se zeptám,
17:55
I'll phone someone. I'll find out."
404
1063964
2700
někomu zavolám. Zjistím si to."
17:58
Because that's what we want people to do,
405
1066664
1550
Protože to chceme aby lidé dělali
18:00
and that's how you evaluate them.
406
1068214
1371
a tak bychom je měli hodnotit.
18:01
And maybe for the advanced placement classes,
407
1069585
1943
A možná pro pokročilejší třídy
18:03
it could be, "Here's the answer. What's the next question?"
408
1071528
3714
by to mohlo být:
"Zde je odpověď. Jaká bude další otázka?"
"Zde je odpověď. Jaká bude další otázka?"
18:07
That's the one I like in particular.
409
1075242
1511
Takové zadání mám nejradši.
18:08
So let me end with a quote from William Butler Yeats,
410
1076753
2177
Dovolte mi to zakončit citátem W. B. Yeatse,
18:10
who said "Education is not about filling buckets;
411
1078930
3167
který řekl: "Vzdělání není o tom plnit nádoby;
18:14
it is lighting fires."
412
1082097
2153
je to o tom, jak zažehnout oheň."
18:16
So I'd say, let's get out the matches.
413
1084250
3875
A tak vám říkám: vezměte si sirky.
18:20
Thank you.
414
1088125
1208
Děkuji.
18:21
(Applause)
415
1089333
3227
(potlesk)
18:24
Thank you. (Applause)
416
1092560
3816
Děkuji. (potlesk)
ABOUT THE SPEAKER
Stuart Firestein - NeuroscientistStuart Firestein teaches students and “citizen scientists” that ignorance is far more important to discovery than knowledge.
Why you should listen
You’d think that a scientist who studies how the human brain receives and perceives information would be inherently interested in what we know. But Stuart Firestein says he’s far more intrigued by what we don’t. “Answers create questions,” he says. “We may commonly think that we begin with ignorance and we gain knowledge [but] the more critical step in the process is the reverse of that.”
Firestein, who chairs the biological sciences department at Columbia University, teaches a course about how ignorance drives science. In it -- and in his 2012 book on the topic -- he challenges the idea that knowledge and the accumulation of data create certainty. Facts are fleeting, he says; their real purpose is to lead us to ask better questions.
Stuart Firestein | Speaker | TED.com