ABOUT THE SPEAKER
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.

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. 

More profile about the speaker
Temple Grandin | Speaker | TED.com
TED2010

Temple Grandin: The world needs all kinds of minds

Τεμπλ Γκράντιν: Ο κόσμος χρειάζεται όλων των ειδών τα μυαλά

Filmed:
5,588,848 views

Η Τεμπλ Γκράντιν, η οποία διαγνώστηκε με αυτισμό στα παιδικά της χρόνια, μιλά για το πώς λειτουργεί το μυαλό της και μοιράζεται μαζί μας την ικανότητά της να "σκέφτεται με εικόνες", κάτι που τη βοηθά στην επίλυση προβλημάτων, στα οποία οι νευροτυπικοί εγκέφαλοι πιθανώς να αποτύχουν. Τονίζει ότι ο κόσμος έχει ανάγκη από ανθρώπους που βρίσκονται στο φάσμα του αυτισμού: σκέφτονται με εικόνες, με μοτίβα, με λέξεις και με όλους τους τρόπους που ένα έξυπνο "σπασικλάκι" μπορεί.
- 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

Double-click the English transcript below to play the video.

00:15
I think I'll startαρχή out and just talk a little bitκομμάτι about
0
0
2000
Νομίζω ότι θα ξεκινήσω μιλώντας λιγάκι σχετικά με
00:17
what exactlyακριβώς autismαυτισμό is.
1
2000
2000
το τι ακριβώς είναι ο αυτισμός.
00:19
AutismΑυτισμός is a very bigμεγάλο continuumσυνέχεια
2
4000
3000
Ο αυτισμός εκτείνεται σε ένα πολύ μεγάλο συνεχές
00:22
that goesπηγαίνει from very severeαυστηρός -- the childπαιδί remainsλείψανα non-verbalμη λεκτική --
3
7000
3000
και μπορεί να είναι από πολύ σοβαρός, όπου το παιδί δεν αποκτά ομιλία,
00:25
all the way up to brilliantλαμπρός scientistsΕπιστήμονες and engineersμηχανικούς.
4
10000
3000
μέχρι πολύ ελαφρύς, σε επίπεδο που το άτομο μπορεί να εξελιχθεί σε σπουδαίο επιστήμονα ή μηχανικό.
00:28
And I actuallyπράγματι feel at home here,
5
13000
2000
Βασικά νιώθω σαν στο σπίτι μου εδώ.
00:30
because there's a lot of autismαυτισμό geneticsγενεσιολογία here.
6
15000
2000
Επειδή υπάρχουν εδώ πολλά αυτιστικά γονίδια.
00:32
You wouldn'tδεν θα ήταν have any...
7
17000
2000
Δεν θα είχατε καθόλου...
00:34
(ApplauseΧειροκροτήματα)
8
19000
4000
(Χειροκρότημα)
00:38
It's a continuumσυνέχεια of traitsχαρακτηριστικά.
9
23000
2000
Υπάρχει ένα συνεχές χαρακτηριστικών.
00:40
When does a nerdφυτό turnστροφή into
10
25000
3000
Ποιο είναι το σημείο που ένας σπασίκλας μετατρέπεται σε
00:43
AspergerAsperger, whichοι οποίες is just mildήπιος autismαυτισμό?
11
28000
2000
άτομο με Άσπεργκερ, το οποίο είναι απλά ήπια μορφή αυτισμού;
00:45
I mean, EinsteinΟ Αϊνστάιν and MozartΜότσαρτ
12
30000
3000
Θέλω να πω, ο Αϊνστάιν, ο Μότσαρτ
00:48
and TeslaTesla would all be probablyπιθανώς diagnosedδιάγνωση
13
33000
2000
και ο Τέσλα, θα είχαν πιθανότατα όλοι διαγνωστεί
00:50
as autisticαυτιστική spectrumφάσμα todayσήμερα.
14
35000
2000
με αυτισμό σήμερα.
00:52
And one of the things that is really going to concernανησυχία me is
15
37000
3000
Και ένα από τα πράγματα που στα αλήθεια πρόκειται να με απασχολήσει είναι
00:55
gettingνα πάρει these kidsπαιδιά to be the onesαυτές that are going to inventεφευρίσκω
16
40000
3000
το να βοηθήσω αυτά τα παιδιά να γίνουν οι εφευρέτες
00:58
the nextεπόμενος energyενέργεια things,
17
43000
2000
των επόμενων ενεργειακών ανακαλύψεων,
01:00
you know, that BillBill GatesΠύλες talkedμίλησε about this morningπρωί.
18
45000
4000
τώρα, που ο Μπιλ Γκέιτς μίλησε σχετικά σήμερα το πρωί.
01:04
OK. Now, if you want to understandκαταλαβαίνουν
19
49000
2000
Εντάξει. Τώρα, αν θέλετε να καταλάβετε
01:06
autismαυτισμό, animalsτων ζώων.
20
51000
2000
τον αυτισμό, τα ζώα.
01:08
And I want to talk to you now about differentδιαφορετικός waysτρόπους of thinkingσκέψη.
21
53000
2000
Και θέλω να σας μιλήσω τώρα για διαφορετικούς τρόπους σκέψης.
01:10
You have to get away from verbalπροφορικός languageΓλώσσα.
22
55000
3000
Θα πρέπει να ξεχάσετε τη λεκτική γλώσσα.
01:13
I think in picturesεικόνες,
23
58000
2000
Εγώ σκέφτομαι με εικόνες.
01:15
I don't think in languageΓλώσσα.
24
60000
3000
Δεν σκέφτομαι με λέξεις.
01:18
Now, the thing about the autisticαυτιστική mindμυαλό
25
63000
2000
Τώρα, το βασικό για το αυτιστικό μυαλό
01:20
is it attendsφοιτά to detailsΛεπτομέριες.
26
65000
3000
είναι ότι επικεντρώνεται στις λεπτομέρειες.
01:23
OK, this is a testδοκιμή where you eitherείτε have to
27
68000
2000
Εντάξει, αυτό είναι ένα τεστ στο όποιο πρέπει
01:25
pickδιαλέγω out the bigμεγάλο lettersγράμματα, or pickδιαλέγω out the little lettersγράμματα,
28
70000
2000
να διαλέξετε είτε τα μεγάλα, είτε τα μικρά γράμματα.
01:27
and the autisticαυτιστική mindμυαλό picksεπιλογές out the
29
72000
2000
Και το αυτιστικό μυαλό διαλέγει
01:29
little lettersγράμματα more quicklyγρήγορα.
30
74000
2000
γρηγορότερα τα μικρά γράμματα.
01:31
And the thing is, the normalκανονικός brainεγκέφαλος ignoresαγνοεί the detailsΛεπτομέριες.
31
76000
4000
Και το θέμα είναι ότι το φυσιολογικό μυαλό αγνοεί τις λεπτομέρειες.
01:35
Well, if you're buildingΚτίριο a bridgeγέφυρα, detailsΛεπτομέριες are prettyαρκετά importantσπουδαίος
32
80000
2000
Ας πούμε, οι λεπτομέρειες είναι πολύ σημαντικές στο χτίσιμο μιας γέφυρας,
01:37
because it will fallπτώση down if you ignoreαγνοώ the detailsΛεπτομέριες.
33
82000
3000
επειδή αν αγνοήσεις τις λεπτομέρειες θα γκρεμιστεί.
01:40
And one of my bigμεγάλο concernsανησυχίες with a lot of policyπολιτική things todayσήμερα
34
85000
3000
Μία από τις μεγαλύτερες ανησυχίες μου για πολλές σημερινές πολιτικές
01:43
is things are gettingνα πάρει too abstractαφηρημένη.
35
88000
2000
είναι το ότι τα πράγματα αποκτούν πολύ αφηρημένη διάσταση.
01:45
People are gettingνα πάρει away from doing
36
90000
2000
Οι άνθρωποι απομακρύνονται από το να κάνουν
01:47
hands-onhands-on stuffυλικό.
37
92000
2000
χειρωνακτικές δραστηριότητες.
01:49
I'm really concernedενδιαφερόμενος that a lot of the schoolsσχολεία have takenληφθεί out
38
94000
2000
Αλήθεια με ανησυχεί το ότι πολλά σχολεία
01:51
the hands-onhands-on classesμαθήματα,
39
96000
2000
έχουν σταματήσει τα μαθήματα χειροτεχνίας,
01:53
because artτέχνη, and classesμαθήματα like that,
40
98000
2000
επειδή τα καλλιτεχνικά, και άλλα τέτοια μαθήματα
01:55
those are the classesμαθήματα where I excelledδιακρίθηκαν.
41
100000
2000
ήταν εκείνα στα οποία αρίστευα.
01:57
In my work with cattleβοοειδή,
42
102000
2000
Εντάξει, στη δουλειά μου με τα βοοειδή
01:59
I noticedπαρατήρησα a lot of little things that mostπλέον people don't noticeειδοποίηση
43
104000
3000
παρατήρησα ότι πολλά μικρά πράγματα που οι περισσότεροι δεν προσέχουν
02:02
would make the cattleβοοειδή balkαποφεύγουν να προβούν. Like, for exampleπαράδειγμα,
44
107000
2000
μπορούσαν να κάνουν τα ζώα να φοβηθούν. Για παράδειγμα
02:04
this flagσημαία wavingκυματίζοντας, right in frontεμπρός of the veterinaryκτηνιατρική facilityευκολία.
45
109000
3000
το ανέμισμα αυτής της σημαίας, ακριβώς μπροστά στο κτηνιατρείο.
02:07
This feedταίζω yardαυλή was going to tearσχίσιμο down theirδικα τους wholeολόκληρος veterinaryκτηνιατρική facilityευκολία;
46
112000
3000
Αυτό το εκτροφείο μπορούσε να γκρεμίσει όλη την κτηνιατρική εγκατάσταση.
02:10
all they neededαπαιτείται to do was moveκίνηση the flagσημαία.
47
115000
2000
Το μόνο που χρειαζόταν ήταν να κουνηθεί η σημαία.
02:12
RapidΤαχεία movementκίνηση, contrastαντίθεση.
48
117000
3000
Γρήγορες κινήσεις, αντιθέσεις.
02:15
In the earlyνωρίς '70s when I startedξεκίνησε, I got right down
49
120000
2000
Στις αρχές της δεκαετίας του '70 που ξεκίνησα, πήγα
02:17
in the chutesΣχάρες to see what cattleβοοειδή were seeingβλέπων.
50
122000
2000
κατευθείαν στα κλουβιά των ζώων για να δω τι έβλεπαν.
02:19
People thought that was crazyτρελός. A coatπαλτό on a fenceφράκτης would make them balkαποφεύγουν να προβούν,
51
124000
3000
Οι άνθρωποι θεωρούσαν ότι αυτό ήταν τρελό. Ένα παλτό σε ένα φράχτη θα τα έκανε να φοβηθούν.
02:22
shadowsσκιές would make them balkαποφεύγουν να προβούν, a hoseΕύκαμπτος σωλήνας on the floorπάτωμα ...
52
127000
3000
Οι σκιές θα τα έκαναν να φοβηθούν, ένας σωλήνας στο πάτωμα.
02:25
people weren'tδεν ήταν noticingπαρατηρώντας these things --
53
130000
2000
Οι άνθρωποι δεν πρόσεχαν αυτά τα πράγματα,
02:27
a chainαλυσίδα hangingκρέμασμα down --
54
132000
2000
μία αλυσίδα να κρέμεται,
02:29
and that's shownαπεικονίζεται very, very nicelyόμορφα in the movieταινία.
55
134000
2000
και όλο αυτό απεικονίζεται πολύ πολύ ωραία στην ταινία.
02:31
In factγεγονός, I lovedαγαπούσε the movieταινία, how they
56
136000
2000
Βασικά αυτό που αγάπησα στην ταινία είναι το πώς
02:33
duplicatedδιπλές all my projectsέργα. That's the geekgeek sideπλευρά.
57
138000
2000
αντέγραψαν όλα μου τα έργα. Αυτή είναι η πλευρά του σπασίκλα.
02:35
My drawingsσχέδια ζωγραφικής got to starαστέρι in the movieταινία too.
58
140000
3000
Ακόμη και οι ζωγραφιές μου πρωταγωνιστούν στην ταινία.
02:38
And actuallyπράγματι it's calledπου ονομάζεται "TempleΝαός GrandinGrandin,"
59
143000
2000
Και βασικά η ταινία λέγεται Τεμπλ Γκράντιν,
02:40
not "ThinkingΣκέψης In PicturesΕικόνες."
60
145000
2000
και όχι Το Να Σκέφτεσαι Με Εικόνες.
02:42
So, what is thinkingσκέψη in picturesεικόνες? It's literallyΚυριολεκτικά moviesκινηματογράφος
61
147000
2000
Οπότε, πώς είναι να σκέφτεσαι με εικόνες; Είναι κυριολεκτικά σαν
02:44
in your headκεφάλι.
62
149000
2000
να βλέπεις ταινίες μες στο κεφάλι σου.
02:46
My mindμυαλό worksεργοστάσιο like GoogleGoogle for imagesεικόνες.
63
151000
2000
Το μυαλό μου δουλεύει όπως το Google για τις εικόνες.
02:48
Now, when I was a youngνεαρός kidπαιδί I didn't know my thinkingσκέψη was differentδιαφορετικός.
64
153000
3000
Όταν ήμουν παιδί δεν ήξερα ότι η σκέψη μου διέφερε.
02:51
I thought everybodyόλοι thought in picturesεικόνες.
65
156000
2000
Νόμιζα ότι όλοι σκέφτονταν με εικόνες.
02:53
And then when I did my bookΒιβλίο, "ThinkingΣκέψης In PicturesΕικόνες,"
66
158000
2000
Και μετά, όταν ετοίμαζα το βιβλίο μου "Το να σκέφτεσαι με εικόνες",
02:55
I startαρχή interviewingσυνέντευξη people about how they think.
67
160000
3000
άρχισα να παίρνω συνεντεύξεις από ανθρώπους για το πώς σκέφτονται.
02:58
And I was shockedσοκαρισμένος to find out that
68
163000
2000
Σοκαρίστηκα ανακαλύπτοντας ότι ο τρόπος σκέψης μου
03:00
my thinkingσκέψη was quiteαρκετά differentδιαφορετικός. Like if I say,
69
165000
2000
ήταν αρκετά διαφορετικός. Ας πούμε αν πω
03:02
"Think about a churchΕκκλησία steepleκαμπαναριό"
70
167000
2000
"Σκεφτείτε ένα καμπαναριό"
03:04
mostπλέον people get this sortείδος of generalizedγενικευμένη genericγενικός one.
71
169000
2000
οι περισσότεροι άνθρωποι το αντιλαμβάνονται σαν μία γενική ιδέα.
03:06
Now, maybe that's not trueαληθής in this roomδωμάτιο,
72
171000
2000
Τώρα, μπορεί αυτό να μην ισχύει για την συγκεκριμένη αίθουσα,
03:08
but it's going to be trueαληθής in a lot of differentδιαφορετικός placesθέσεις.
73
173000
4000
αλλά θα ισχύε σε πολλούς διαφορετικούς χώρους.
03:12
I see only specificειδικός picturesεικόνες.
74
177000
2000
Εγώ βλέπω μόνο συγκεκριμένες εικόνες.
03:14
They flashλάμψη up into my memoryμνήμη, just like GoogleGoogle for picturesεικόνες.
75
179000
4000
Ξεπροβάλλουν στη μνήμη μου, όπως το Google για τις εικόνες.
03:18
And in the movieταινία, they'veέχουν got a great sceneσκηνή in there
76
183000
2000
Και στην ταινία έχουν βάλει μια φοβερή σκηνή,
03:20
where the wordλέξη "shoeπαπούτσι" is said, and a wholeολόκληρος bunchδέσμη of '50s and '60s shoesπαπούτσια
77
185000
4000
στην οποία ακούγεται η λέξη "παπούτσι", και μια στοίβα από παπούτσια
03:24
popκρότος into my imaginationφαντασία.
78
189000
2000
των δεκαετιών του '50 και του '60 ξεπροβάλλει στη φαντασία μου.
03:26
OK, there is my childhoodΠαιδική ηλικία churchΕκκλησία,
79
191000
2000
Εντάξει, εκεί είναι η εκκλησία των παιδικών μου χρόνων.
03:28
that's specificειδικός. There's some more, FortΦορτ CollinsCollins.
80
193000
3000
Είναι συγκεκριμένη. Ακόμα μία, η Φορτ Κόλλινς.
03:31
OK, how about famousπερίφημος onesαυτές?
81
196000
2000
Εντάξει, τι θα λέγατε για μερικές διάσημες;
03:33
And they just kindείδος of come up, kindείδος of like this.
82
198000
3000
Και απλά με κάποιο τρόπο εμφανίζονται, κάπως έτσι.
03:36
Just really quicklyγρήγορα, like GoogleGoogle for picturesεικόνες.
83
201000
3000
Απλά πολύ γρήγορα, όπως οι εικόνες στο Google.
03:39
And they come up one at a time,
84
204000
2000
Ξεπροβάλλουν μία-μία.
03:41
and then I think, "OK, well maybe we can have it snowχιόνι,
85
206000
2000
Και μετά σκέφτομαι, εντάξει, μπορεί να έχουμε χιόνι,
03:43
or we can have a thunderstormκαταιγίδα,"
86
208000
2000
ή μια καταιγίδα,
03:45
and I can holdΚρατήστε it there and turnστροφή them into videosΒίντεο.
87
210000
3000
και μπορώ να τις κρατήσω εκεί και να τις μετατρέψω σε βίντεο.
03:48
Now, visualοπτικός thinkingσκέψη was a tremendousκαταπληκτικός assetπεριουσιακό στοιχείο
88
213000
3000
Τώρα, η σκέψη μέσω εικόνων αποτέλεσε απίστευτο προσόν
03:51
in my work designingσχέδιο cattle-handlingβοοειδή χειρισμού facilitiesεγκαταστάσεις.
89
216000
3000
στην δουλειά μου ως σχεδιάστρια εγκαταστάσεων για βοοειδή.
03:54
And I've workedεργάστηκε really hardσκληρά on improvingβελτίωση
90
219000
2000
Και έχω δουλέψει πολύ σκληρά για τη βελτίωση
03:56
how cattleβοοειδή are treatedαντιμετωπίζεται at the slaughterσφαγή plantφυτό.
91
221000
2000
της αντιμετώπισης των βοοειδών στα σφαγεία.
03:58
I'm not going to go into any guckygucky slaughterσφαγή slidesδιαφάνειες.
92
223000
3000
Δεν πρόκειται να σας δείξω τίποτα αηδιαστικές διαφάνειες με σφαγές.
04:01
I've got that stuffυλικό up on YouTubeYouTube if you want to look at it.
93
226000
2000
Τα έχω ανεβάσει όλα αυτά στο Youtube αν θέλετε να τα δείτε.
04:03
But, one of the things that I was ableικανός to do in my designσχέδιο work
94
228000
4000
Αλλά ένα από τα πράγματα που μπορούσα να κάνω ως σχεδιάστρια
04:07
is I could actuallyπράγματι testδοκιμή runτρέξιμο
95
232000
2000
ήταν ότι δοκίμαζα
04:09
a pieceκομμάτι of equipmentεξοπλισμός in my mindμυαλό,
96
234000
2000
μέρος του εξοπλισμού μες στο ίδιο μου το μυαλό,
04:11
just like a virtualεικονικός realityπραγματικότητα computerυπολογιστή systemΣύστημα.
97
236000
3000
σαν ένα υπολογιστικό σύστημα εικονικής πραγματικότητας.
04:14
And this is an aerialεναέρια viewθέα
98
239000
2000
Αυτή είναι μία εναέρια λήψη
04:16
of a recreationαναψυχή of one of my projectsέργα that was used in the movieταινία.
99
241000
3000
της ανοικοδόμησης ενός από τα έργα μου που χρησιμοποιήθηκαν στην ταινία.
04:19
That was like just so superσούπερ coolδροσερός.
100
244000
2000
Εκείνο ήταν τόσο απίστευτα τέλειο.
04:21
And there were a lot of kindείδος of AspergerAsperger typesτύπους
101
246000
2000
Πολλοί άνθρωποι με Άσπεργκερ και αυτισμό
04:23
and autismαυτισμό typesτύπους workingεργαζόμενος out there on the movieταινία setσειρά too.
102
248000
3000
δουλεύουν επίσης στα πλατό της ταινίας.
04:26
(LaughterΤο γέλιο)
103
251000
2000
(Γέλια)
04:28
But one of the things that really worriesανησυχίες me
104
253000
2000
Αλλά ένα από τα πράγματα που πραγματικά με ανησυχεί
04:30
is: Where'sΠού είναι the youngerπιο ΝΕΟΣ versionεκδοχή of those kidsπαιδιά going todayσήμερα?
105
255000
4000
είναι το πού οδεύει η νεότερη εκδοχή εκείνων των παιδιών σήμερα.
04:34
They're not endingκατάληξη up in SiliconΠυριτίου ValleyΚοιλάδα, where they belongανήκω.
106
259000
3000
Δεν καταλήγουν στη Σίλικον Βάλεϊ, εκεί που ανήκουν.
04:37
(LaughterΤο γέλιο)
107
262000
3000
(Γέλια)
04:40
(ApplauseΧειροκροτήματα)
108
265000
5000
(Χειροκρότημα)
04:45
Now, one of the things I learnedέμαθα very earlyνωρίς on because I wasn'tδεν ήταν that socialκοινωνικός,
109
270000
3000
Τώρα, ένα από τα πράγματα που έμαθα από πολύ μικρή, καθώς δεν ήμουν πολύ κοινωνική,
04:48
is I had to sellΠουλώ my work, and not myselfεγώ ο ίδιος.
110
273000
4000
είναι το ότι έπρεπε να πουλήσω τη δουλειά μου και όχι τον εαυτό μου.
04:52
And the way I soldπωληθεί livestockζώα jobsθέσεις εργασίας
111
277000
2000
Και ο τρόπος που πουλούσα τις δουλειές μου με τα ζωντανά ήταν
04:54
is I showedέδειξε off my drawingsσχέδια ζωγραφικής, I showedέδειξε off picturesεικόνες of things.
112
279000
3000
το ότι παρουσίαζα τις ζωγραφιές μου, εικόνες πραγμάτων.
04:57
AnotherΈνα άλλο thing that helpedβοήθησα me as a little kidπαιδί
113
282000
2000
Κάτι άλλο που με βοήθησε, ως μικρό παιδί,
04:59
is, boyαγόρι, in the '50s, you were taughtδιδακτός mannersήθη.
114
284000
2000
είναι ότι, φίλε μου, στη δεκαετία του '50 μάθαινες τρόπους.
05:01
You were taughtδιδακτός you can't pullΤραβήξτε the merchandiseεμπορεύματα off the shelvesράφια
115
286000
2000
Μάθαινες ότι δε μπορείς να τραβάς το εμπόρευμα
05:03
in the storeκατάστημα and throwβολή it around.
116
288000
2000
από τα ράφια του μαγαζιού και να το ρίχνεις τριγύρω.
05:05
Now, when kidsπαιδιά get to be in thirdτρίτος or fourthτέταρτος gradeΒαθμός,
117
290000
3000
Τώρα, όταν τα παιδιά φτάνουν στη 'Γ ή 'Δ Δημοτικού,
05:08
you mightθα μπορούσε see that this kid'sπαιδιά going to be a visualοπτικός thinkerστοχαστής,
118
293000
3000
μπορεί να δεις ότι το τάδε παιδί πρόκειται να σκέφτεται με εικόνες,
05:11
drawingσχέδιο in perspectiveπροοπτική. Now, I want to
119
296000
2000
ζωγραφίζοντας σε προοπτική. Τώρα, θέλω να τονίσω
05:13
emphasizeτονίζω that not everyκάθε autisticαυτιστική kidπαιδί
120
298000
2000
πως δεν είναι απαραίτητο ότι όλα
05:15
is going to be a visualοπτικός thinkerστοχαστής.
121
300000
2000
τα αυτιστικά παιδιά θα σκέφτονται με εικόνες.
05:17
Now, I had this brainεγκέφαλος scanσάρωση doneΈγινε severalαρκετά yearsχρόνια agoπριν,
122
302000
4000
Eίχα κάνει αυτή την τομογραφία εγκεφάλου πριν κάμποσα χρόνια,
05:21
and I used to jokeαστείο around about havingέχοντας a
123
306000
2000
και συνήθιζα να αστειεύομαι λέγοντας ότι έχω
05:23
giganticγιγάντιο InternetΣτο διαδίκτυο trunkκορμός lineγραμμή
124
308000
2000
μια γιγαντιαία διαδικτυακή γραμμή
05:25
going deepβαθύς into my visualοπτικός cortexφλοιός.
125
310000
2000
που πηγαίνει βαθιά στον οπτικό μου φλοιό.
05:27
This is tensorτανυστής imagingαπεικόνισης.
126
312000
2000
Αυτή είναι η απεικόνιση του τανυστή διάχυσης.
05:29
And my great bigμεγάλο internetΔιαδίκτυο trunkκορμός lineγραμμή
127
314000
2000
Αυτή η μεγάλη διαδικτυακή γραμμή μου
05:31
is twiceεις διπλούν as bigμεγάλο as the control'sτου ελέγχου.
128
316000
2000
είναι διπλάσια από αυτή της εικόνας ελέγχου.
05:33
The redτο κόκκινο linesγραμμές there are me,
129
318000
2000
Οι κόκκινες γραμμές εκεί είμαι εγώ,
05:35
and the blueμπλε linesγραμμές are the sexφύλο and age-matchedηλικία-συμφωνημένα controlέλεγχος.
130
320000
4000
και οι μπλε γραμμές είναι ο συγκριτικός έλεγχος φύλου και ηλικίας.
05:39
And there I got a giganticγιγάντιο one,
131
324000
2000
Εδώ έχω μια γιγάντια γραμμή,
05:41
and the controlέλεγχος over there, the blueμπλε one,
132
326000
2000
ενώ η γραμμή ελέγχου, η μπλε,
05:43
has got a really smallμικρό one.
133
328000
4000
είναι πολύ μικρή.
05:47
And some of the researchέρευνα now is showingεπίδειξη
134
332000
2000
Μέρος των τρεχουσών ερευνών δείχνει
05:49
is that people on the spectrumφάσμα actuallyπράγματι think with primaryπρωταρχικός visualοπτικός cortexφλοιός.
135
334000
4000
ότι άνθρωποι στο φάσμα του αυτισμού σκέφτονται μέσω του πρωτοταγή οπτικού φλοιού.
05:53
Now, the thing is, the visualοπτικός thinker'sτου στοχαστή just one kindείδος of mindμυαλό.
136
338000
3000
Τώρα, το θέμα είναι ότι όποιος σκέφτεται με εικόνες, αντιστοιχεί σε ένα μόνο είδος εγκεφάλου.
05:56
You see, the autisticαυτιστική mindμυαλό tendsτείνει to be a specialistειδικός mindμυαλό --
137
341000
3000
Βλέπετε, το αυτιστικό μυαλό τείνει να εξειδικεύεται.
05:59
good at one thing, badκακό at something elseαλλού.
138
344000
4000
Καλό σε ένα πράγμα, κακό σε κάτι άλλο.
06:03
And where I was badκακό was algebraάλγεβρα. And I was never allowedεπιτρέπεται
139
348000
2000
Εγώ δεν ήμουν καλή στην άλγεβρα. Και δεν μου επέτρεψαν ποτέ
06:05
to take geometryγεωμετρία or trigtrig.
140
350000
2000
να επιλέξω γεωμετρία ή τριγωνομετρία.
06:07
GiganticΓιγάντιο mistakeλάθος: I'm findingεύρεση a lot of kidsπαιδιά who need to skipπαραλείπω algebraάλγεβρα,
141
352000
3000
Τεράστιο λάθος. Βλέπω πολλά παιδιά που χρειάζεται να αφήσουν την άλγεβρα,
06:10
go right to geometryγεωμετρία and trigtrig.
142
355000
2000
και να ασχοληθούν κατευθείαν με γεωμετρία και τριγωνομετρία.
06:12
Now, anotherαλλο kindείδος of mindμυαλό is the patternπρότυπο thinkerστοχαστής.
143
357000
3000
Τώρα, άλλο είδος μυαλού είναι αυτό που σκέφτεται με μοτίβα.
06:15
More abstractαφηρημένη. These are your engineersμηχανικούς,
144
360000
2000
Πιο αφηρημένες έννοιες. Σε αυτή την κατηγορία υπάγονται
06:17
your computerυπολογιστή programmersπρογραμματιστές.
145
362000
2000
οι μηχανικοί σας, οι προγραμματιστές.
06:19
Now, this is patternπρότυπο thinkingσκέψη. That prayingπροσεύχεται mantisαλογάκι της Παναγίας
146
364000
2000
Τώρα, αυτή είναι σκέψη με μοτίβα. Αυτό το αλογάκι της Παναγίας
06:21
is madeέκανε from a singleμονόκλινο sheetσεντόνι of paperχαρτί --
147
366000
2000
έχει φτιαχτεί από ένα μονό φύλλο χαρτί,
06:23
no scotchουίσκι tapeκολλητική ταινία, no cutsπερικοπές.
148
368000
2000
χωρίς σελοτέιπ ή ψαλίδι.
06:25
And there in the backgroundΙστορικό is the patternπρότυπο for foldingπτυσσόμενος it.
149
370000
3000
Και εκεί στο πίσω μέρος είναι το μοτίβο του διπλώματός του.
06:28
Here are the typesτύπους of thinkingσκέψη:
150
373000
2000
Εδώ είναι τα είδη σκέψης,
06:30
photo-realisticφωτορεαλιστικά visualοπτικός thinkersστοχαστές, like me;
151
375000
3000
Σκέψη με ρεαλιστικές φωτογραφίες, όπως η δική μου.
06:33
patternπρότυπο thinkersστοχαστές, musicΜΟΥΣΙΚΗ and mathμαθηματικά mindsμυαλά.
152
378000
4000
Σκέψη με μοτίβα, μουσικά και μαθηματικά μυαλά.
06:37
Some of these oftentimesπολλάκις have problemsπροβλήματα with readingΑΝΑΓΝΩΣΗ.
153
382000
2000
Άτομα που σκέφτονται έτσι πολλές φορές έχουν προβλήματα στην ανάγνωση.
06:39
You alsoεπίσης will see these kindείδος of problemsπροβλήματα
154
384000
2000
Μπορεί κανείς να συναντήσει τέτοιου είδους προβλήματα και
06:41
with kidsπαιδιά that are dyslexicδυσλεξία.
155
386000
3000
σε δυσλεξικά παιδιά.
06:44
You'llΘα σας see these differentδιαφορετικός kindsείδη of mindsμυαλά.
156
389000
2000
Θα δείτε αυτά τα διαφορετικά είδη μυαλών.
06:46
And then there's a verbalπροφορικός mindμυαλό, they know everyκάθε factγεγονός about everything.
157
391000
3000
Και μετά υπάρχει και ένα γλωσσικό μυαλό. Αυτοί ξέρουν τα πάντα για τα πάντα.
06:49
Now, anotherαλλο thing is the sensoryαισθητήριος issuesθέματα.
158
394000
2000
Τώρα, ένα ακόμη θέμα αποτελούν τα αισθητηριακά ζητήματα.
06:51
I was really concernedενδιαφερόμενος about havingέχοντας to wearφορούν this gadgetεπινόημα on my faceπρόσωπο.
159
396000
4000
Ήμουν ιδιαίτερα ανήσυχη που έπρεπε να βάλω αυτό το εξάρτημα στο πρόσωπό μου.
06:55
And I cameήρθε in halfΉμισυ an hourώρα beforehandΕκ των προτέρων
160
400000
3000
Και ήρθα μισή ώρα νωρίτερα
06:58
so I could have it put on and kindείδος of get used to it,
161
403000
2000
μόνο και μόνο για να το βάλω από πριν και να το συνηθίσω για λίγο.
07:00
and they got it bentλυγισμένα so it's not hittingνα χτυπήσει my chinπηγούνι.
162
405000
3000
Και το λύγισαν έτσι ώστε να μην ενοχλεί το σαγόνι μου.
07:03
But sensoryαισθητήριος is an issueθέμα. Some kidsπαιδιά are botheredενοχλημένος by fluorescentλαμπτήρες φθορισμού lightsφώτα;
163
408000
3000
Αλλά το αισθητηριακό αποτελεί ζήτημα. Κάποια παιδιά ενοχλούνται από τις λάμπες φθορισμού,
07:06
othersοι υπολοιποι have problemsπροβλήματα with soundήχος sensitivityευαισθησία.
164
411000
3000
ενώ άλλα έχουν προβλήματα λόγω ακουστικής ευαισθησίας.
07:09
You know, it's going to be variableμεταβλητή.
165
414000
3000
Ξέρετε, υπάρχει ποικιλία σε αυτά.
07:12
Now, visualοπτικός thinkingσκέψη gaveέδωσε me a wholeολόκληρος lot of insightδιορατικότητα
166
417000
4000
Βασικά η σκέψη μέσω εικόνων με έκανε πολύ διορατική
07:16
into the animalζώο mindμυαλό.
167
421000
2000
ως προς το μυαλό των ζώων.
07:18
Because think about it: An animalζώο is a sensory-basedβασίζονται σε αισθητηριακή thinkerστοχαστής,
168
423000
3000
Επειδή, αν το σκεφτείτε, τα ζώα σκέφτονται με αισθητηριακό τρόπο,
07:21
not verbalπροφορικός -- thinksσκέφτεται in picturesεικόνες,
169
426000
4000
όχι λεκτικό. Σκέφτονται με εικόνες.
07:25
thinksσκέφτεται in soundsήχους, thinksσκέφτεται in smellsμυρίζει.
170
430000
3000
Σκέφτονται με ήχους και μυρωδιές.
07:28
Think about how much informationπληροφορίες there is there on the localτοπικός fireΦωτιά hydrantστόμιο υδροληψίας.
171
433000
3000
Σκεφτείτε πόσες πληροφορίες υπάρχουν εκεί, στον τοπικό πυροσβεστικό κρουνό.
07:31
He knowsξέρει who'sποιος είναι been there, when they were there.
172
436000
3000
Ξέρει ποιοι ήταν εκεί, πότε ήταν εκεί,
07:34
Are they friendφίλος or foeεχθρός? Is there anybodyοποιοσδήποτε he can go mateMate with?
173
439000
3000
αν ήταν φίλοι ή εχθροί, αν υπάρχει εκεί κοντά κάποια με την οποία μπορεί να ζευγαρώσει.
07:37
There's a tonτόνος of informationπληροφορίες on that fireΦωτιά hydrantστόμιο υδροληψίας.
174
442000
3000
Υπάρχει ένα τόνος πληροφοριών σ' αυτόν τον πυροσβεστικό κρουνό.
07:40
It's all very detailedλεπτομερείς informationπληροφορίες,
175
445000
4000
Και είναι όλες πολύ λεπτομερείς.
07:44
and, looking at these kindείδος of detailsΛεπτομέριες
176
449000
2000
Η παρατήρηση όλων αυτών των λεπτομερειών
07:46
gaveέδωσε me a lot of insightδιορατικότητα into animalsτων ζώων.
177
451000
2000
με έκανε πολύ διορατική με τα ζώα.
07:48
Now, the animalζώο mindμυαλό, and alsoεπίσης my mindμυαλό,
178
453000
4000
Τώρα, τα μυαλά των ζώων, όπως και το δικό μου,
07:52
putsθέτει sensory-basedβασίζονται σε αισθητηριακή informationπληροφορίες
179
457000
2000
κατηγοριοποιούν τις πληροφορίες
07:54
into categoriesκατηγορίες.
180
459000
2000
αισθητηριακής φύσης.
07:56
Man on a horseάλογο
181
461000
2000
Ένας άνθρωπος πάνω σε ένα άλογο
07:58
and a man on the groundέδαφος --
182
463000
2000
και ένας άνθρωπος που στέκεται στη γη
08:00
that is viewedείδαν as two totallyεντελώς differentδιαφορετικός things.
183
465000
2000
γίνονται αντιληπτοί σαν δύο τελείως διαφορετικά πράγματα.
08:02
You could have a horseάλογο that's been abusedκατάχρηση by a riderκαβαλάρης.
184
467000
3000
Ένα άλογο που έχει υποστεί κακοποίηση από τον αναβάτη
08:05
They'llΑυτοί θα be absolutelyαπολύτως fine with the veterinarianκτηνίατρος
185
470000
2000
δεν θα είχε κανένα πρόβλημα με τον κτηνίατρο
08:07
and with the horseshoerhorseshoer, but you can't rideβόλτα him.
186
472000
3000
και τον πεταλωτή, αλλά είναι αδύνατον να το ιππεύσει κανείς.
08:10
You have anotherαλλο horseάλογο, where maybe the horseshoerhorseshoer beatΡυθμός him up
187
475000
3000
Ένα άλλο άλογο, που πιθανώς να το έχει χτυπήσει ο πεταλωτής
08:13
and he'llκόλαση be terribleτρομερός for anything on the groundέδαφος,
188
478000
2000
και που δεν θα μπορεί να λειτουργήσει στο έδαφος,
08:15
with the veterinarianκτηνίατρος, but a personπρόσωπο can rideβόλτα him.
189
480000
3000
με τον κτηνίατρο, μπορεί παρόλα αυτά να ιππευθεί.
08:18
CattleΒοοειδή are the sameίδιο way.
190
483000
2000
Τα βοοειδή λειτουργούν με παρόμοιο τρόπο.
08:20
Man on a horseάλογο,
191
485000
2000
Ένας άνθρωπος που ιππεύει
08:22
a man on footπόδι -- they're two differentδιαφορετικός things.
192
487000
2000
κι ένας που στέκεται στη γη είναι δύο διαφορετικά πράγματα.
08:24
You see, it's a differentδιαφορετικός pictureεικόνα.
193
489000
2000
Βλέπετε, είναι μια διαφορετική εικόνα.
08:26
See, I want you to think about just how specificειδικός this is.
194
491000
3000
Βλέπετε, θέλω απλά να σκεφτείτε πόσο συγκεκριμένο είναι αυτό.
08:29
Now, this abilityικανότητα to put informationπληροφορίες into categoriesκατηγορίες,
195
494000
4000
Τώρα, όσον αφορά την ικανότητα της κατηγοριοποίησης,
08:33
I find a lot of people are not very good at this.
196
498000
3000
βλέπω ότι πολλοί άνθρωποι δεν είναι πολύ καλοί σε αυτό.
08:36
When I'm out troubleshootingαντιμετώπιση προβλημάτων equipmentεξοπλισμός
197
501000
2000
Όταν λύνω προβλήματα με τον εξοπλισμό
08:38
or problemsπροβλήματα with something in a plantφυτό,
198
503000
2000
ή προβλήματα σε ένα σφαγείο,
08:40
they don't seemφαίνομαι to be ableικανός to figureεικόνα out, "Do I have a trainingεκπαίδευση people issueθέμα?
199
505000
4000
δεν φαίνεται να είναι σε θέση να ξεκαθαρίσουν "Υπάρχει πρόβλημα με την εκπαίδευση του προσωπικού;
08:44
Or do I have something wrongλανθασμένος with the equipmentεξοπλισμός?"
200
509000
2000
Ή μήπως συμβαίνει κάτι με τον εξοπλισμό";
08:46
In other wordsλόγια, categorizeκατηγοριοποίηση equipmentεξοπλισμός problemπρόβλημα
201
511000
2000
Με άλλα λόγια, πολλοί άνθρωποι δυσκολεύονται
08:48
from a people problemπρόβλημα.
202
513000
2000
να διαχωρίσουν ένα πρόβλημα που σχετίζεται με τον εξοπλισμό, από ένα πρόβλημα
08:50
I find a lot of people have difficultyδυσκολία doing that.
203
515000
3000
που σχετίζεται με τον ανθρώπινο παράγοντα. Πολλοί έχουν πρόβλημα με αυτό.
08:53
Now, let's say I figureεικόνα out it's an equipmentεξοπλισμός problemπρόβλημα.
204
518000
3000
Τώρα, ας πούμε ότι διαπιστώνω ότι είναι πρόβλημα του εξοπλισμού.
08:56
Is it a minorανήλικος problemπρόβλημα, with something simpleαπλός I can fixδιορθώσετε?
205
521000
2000
Είναι μικρό πρόβλημα που επιλύεται εύκολα;
08:58
Or is the wholeολόκληρος designσχέδιο of the systemΣύστημα wrongλανθασμένος?
206
523000
3000
Ή είναι όλος σχεδιασμός του συστήματος λανθασμένος;
09:01
People have a hardσκληρά time figuringκατανόηση that out.
207
526000
3000
Οι άνθρωποι δυσκολεύονται να το διαπιστώσουν αυτό.
09:04
Let's just look at something like, you know,
208
529000
2000
Ας σκεφτούμε κάτι σαν, ξέρετε, την επίλυση προβλημάτων
09:06
solvingεπίλυση problemsπροβλήματα with makingκατασκευή airlinesαεροπορικών εταιρειών saferασφαλέστερα.
209
531000
2000
για την δημιουργία ασφαλέστερων αερογραμμών.
09:08
Yeah, I'm a million-mileεκατομμυρίων μιλίων flierιπτάμενων.
210
533000
2000
Ναι, έχω κάνει εκατομμύρια μίλια πετώντας.
09:10
I do lots and lots of flyingπέταγμα,
211
535000
2000
Χρησιμοποιώ πολύ το αεροπλάνο
09:12
and if I was at the FAAFAA,
212
537000
3000
και αν δούλευα στο FFA,
09:15
what would I be doing a lot of directαπευθείας observationπαρατήρηση of?
213
540000
4000
τι θα ήταν εκείνο που θα παρατηρούσα άμεσα;
09:19
It would be theirδικα τους airplaneαεροπλάνο tailsουρές.
214
544000
2000
Θα ήταν οι ουρές των αεροπλάνων.
09:21
You know, fiveπέντε fatalμοιραίος wrecksναυάγια in the last 20 yearsχρόνια,
215
546000
3000
Ξέρετε, σε πέντε θανάσιμα αεροπορικά δυστυχήματα των τελευταίων
09:24
the tailουρά eitherείτε cameήρθε off or steeringπηδαλιούχηση stuffυλικό insideμέσα the tailουρά brokeέσπασε
216
549000
4000
20 χρόνων, με κάποιο τρόπο είτε ξεκόλλησε η ουρά, είτε κάποια εξαρτήματα
09:28
in some way.
217
553000
2000
που βρίσκονταν μέσα της έσπασαν.
09:30
It's tailsουρές, pureκαθαρός and simpleαπλός.
218
555000
2000
Είναι οι ουρές, απλά και ξεκάθαρα.
09:32
And when the pilotsπιλότοι walkΠερπατήστε around the planeεπίπεδο, guessεικασία what? They can't see
219
557000
2000
Και μαντέψτε: όταν οι πιλότοι περπατούν μέσα στο αεροπλάνο, δεν μπορούν να δουν
09:34
that stuffυλικό insideμέσα the tailουρά.
220
559000
2000
τι συμβαίνει μέσα στην ουρά.
09:36
You know, now as I think about that,
221
561000
2000
Ξέρετε, τώρα, καθώς το σκέφτομαι,
09:38
I'm pullingτραβώντας up all of that specificειδικός informationπληροφορίες.
222
563000
3000
τσεκάρω όλες εκείνες τις συγκεκριμένες πληροφορίες.
09:41
It's specificειδικός. See, my thinking'sτης σκέψης bottom-upαπό κάτω προς τα πάνω.
223
566000
3000
Είναι συγκεκριμένες. Βλέπετε, ο τρόπος σκέψης μου εστιάζει στη λεπτομέρεια.
09:44
I take all the little piecesκομμάτια and I put the piecesκομμάτια togetherμαζί like a puzzleπαζλ.
224
569000
4000
Παίρνω όλα τα κομματάκια και τα ενώνω όπως στα παζλ.
09:48
Now, here is a horseάλογο that was deathlyΚλήροι afraidφοβισμένος
225
573000
2000
Τώρα, εδώ είναι ένα άλογο που φοβόταν υπερβολικά
09:50
of blackμαύρος cowboyκαουμπόη hatsΚαπέλα.
226
575000
2000
τα μαύρα καουμπόικα καπέλα.
09:52
He'dΑυτός θα been abusedκατάχρηση by somebodyκάποιος with a blackμαύρος cowboyκαουμπόη hatκαπέλο.
227
577000
2000
Είχε κακοποιηθεί από κάποιον που φορούσε ένα τέτοιο.
09:54
WhiteΛευκό cowboyκαουμπόη hatsΚαπέλα, that was absolutelyαπολύτως fine.
228
579000
3000
Δεν φοβόταν καθόλου ας πούμε τα άσπρα καουμπόικα καπέλα.
09:57
Now, the thing is, the worldκόσμος is going to need
229
582000
3000
Τώρα, το θέμα είναι ότι ο κόσμος θα χρειαστεί
10:00
all of the differentδιαφορετικός kindsείδη of mindsμυαλά
230
585000
2000
τη συνεργασία όλων των διαφορετικών
10:02
to work togetherμαζί.
231
587000
2000
ειδών μυαλών.
10:04
We'veΈχουμε got to work on developingανάπτυξη all these differentδιαφορετικός kindsείδη of mindsμυαλά.
232
589000
3000
Πρέπει να προσπαθήσουμε να αναπτύξουμε όλα αυτά τα μυαλά.
10:07
And one of the things that is drivingοδήγηση me really crazyτρελός,
233
592000
3000
Και ένα από τα πράγματα που πραγματικά με νευριάζουν
10:10
as I travelταξίδι around and I do autismαυτισμό meetingsσυνεδριάσεις,
234
595000
2000
καθώς ταξιδεύω και παρευρίσκομαι σε συναντήσεις για τον αυτισμό,
10:12
is I'm seeingβλέπων a lot of smartέξυπνος, geekygeeky, nerdynerdy kidsπαιδιά,
235
597000
3000
είναι που βλέπω πολλά έξυπνα σπασικλάκια,
10:15
and they just aren'tδεν είναι very socialκοινωνικός,
236
600000
3000
τα οποία απλά δεν είναι πολύ κοινωνικά.
10:18
and nobody'sκανείς δεν είναι workingεργαζόμενος on developingανάπτυξη theirδικα τους interestενδιαφέρον
237
603000
2000
Κανείς δεν προσπαθεί να αναπτύξει το ενδιαφέρον τους
10:20
in something like scienceεπιστήμη.
238
605000
2000
για κάτι όπως η επιστήμη.
10:22
And this bringsφέρνει up the wholeολόκληρος thing of my scienceεπιστήμη teacherδάσκαλος.
239
607000
3000
Κι αυτό φέρνει στην επιφάνεια την περίπτωση του καθηγητή μου.
10:25
My scienceεπιστήμη teacherδάσκαλος is shownαπεικονίζεται absolutelyαπολύτως beautifullyόμορφα in the movieταινία.
240
610000
3000
Ο καθηγητής της φυσικο-χημείας παρουσιάζεται πολύ όμορφα στην ταινία.
10:28
I was a goofballGoofball studentμαθητης σχολειου. When I was in highυψηλός schoolσχολείο
241
613000
2000
Δεν ήμουν καλή μαθήτρια. Στα χρόνια του λυκείου
10:30
I just didn't careΦροντίδα at all about studyingμελετώντας,
242
615000
3000
απλά δεν ενδιαφερόμουν για τη μελέτη,
10:33
untilμέχρις ότου I had MrΟ κ.. Carlock'sΤου Carlock scienceεπιστήμη classτάξη.
243
618000
3000
μέχρι που παρακολούθησα τα μαθήματα του κ. Κάρλοκ.
10:36
He was now DrDr. CarlockCarlock in the movieταινία.
244
621000
3000
Ονομάζεται Δρ. Κάρλοκ στην ταινία.
10:39
And he got me challengedαμφισβητηθεί
245
624000
3000
Με προκάλεσε
10:42
to figureεικόνα out an opticalοπτική illusionψευδαίσθηση roomδωμάτιο.
246
627000
3000
να ανακαλύψω πώς λειτουργεί ένα δωμάτιο οπτικών παραισθήσεων.
10:45
This bringsφέρνει up the wholeολόκληρος thing of you've got to showπροβολή kidsπαιδιά
247
630000
2000
Όλο αυτό δείχνει τη σημασία του να δείξεις στα παιδιά
10:47
interestingενδιαφέρων stuffυλικό.
248
632000
2000
ενδιαφέροντα πράγματα.
10:49
You know, one of the things that I think maybe TEDTED oughtπρέπει to do
249
634000
3000
Ξέρετε, ένα από αυτά που νομίζω ότι θα μπορούσε να κάνει το TED
10:52
is tell all the schoolsσχολεία about all the great lecturesδιαλέξεις that are on TEDTED,
250
637000
3000
είναι να διαδώσει στα σχολεία πόσο καλές ομιλίες υπάρχουν στο TED.
10:55
and there's all kindsείδη of great stuffυλικό on the InternetΣτο διαδίκτυο
251
640000
2000
Και υπάρχουν καλά πράγματα όλων των ειδών στο διαδίκτυο
10:57
to get these kidsπαιδιά turnedγύρισε on.
252
642000
2000
για να ενεργοποιηθούν αυτά τα παιδιά.
10:59
Because I'm seeingβλέπων a lot of these geekygeeky nerdynerdy kidsπαιδιά,
253
644000
3000
Επειδή βλέπω πολλά από αυτά τα σπασικλάκια
11:02
and the teachersκαθηγητές out in the MidwestMidwest, and the other partsεξαρτήματα of the countryΧώρα,
254
647000
3000
και τους δασκάλους στα κεντροδυτικά και άλλα μέρη της χώρας,
11:05
when you get away from these techtech areasπεριοχές,
255
650000
2000
να μην ξέρουν τι να κάνουν με αυτά τα παιδιά όταν
11:07
they don't know what to do with these kidsπαιδιά.
256
652000
2000
ξεφεύγει κανείς από αυτές τα τεχνολογικές περιοχές.
11:09
And they're not going down the right pathμονοπάτι.
257
654000
2000
Δεν ακολουθούν το σωστό δρόμο.
11:11
The thing is, you can make a mindμυαλό
258
656000
2000
Το θέμα είναι ότι μπορεί κανείς να κάνει ένα μυαλό
11:13
to be more of a thinkingσκέψη and cognitiveγνωστική mindμυαλό,
259
658000
3000
να γίνει περισσότερο σκεπτόμενο και γνωστικό.
11:16
or your mindμυαλό can be wiredενσύρματο to be more socialκοινωνικός.
260
661000
3000
Ή το μυαλό σας μπορεί να προγραμματιστεί να γίνει πιο κοινωνικό.
11:19
And what some of the researchέρευνα now has shownαπεικονίζεται in autismαυτισμό
261
664000
2000
Αυτό που ορισμένες έρευνες πάνω στον αυτισμό έχουν δείξει
11:21
is there mayενδέχεται by extraεπιπλέον wiringκαλωδίωση back here,
262
666000
2000
είναι ότι μπορεί να υπάρχει καλύτερη καλωδίωση εδώ, στα πραγματικά
11:23
in the really brilliantλαμπρός mindμυαλό, and we loseχάνω a fewλίγοι socialκοινωνικός circuitsκυκλώματα here.
263
668000
3000
ιδιοφυή μυαλά, αλλά χάνουμε παράλληλα εδώ κάποια κυκλώματα που αφορούν την κοινωνικότητα.
11:26
It's kindείδος of a trade-offσυμβιβασμός betweenμεταξύ thinkingσκέψη and socialκοινωνικός.
264
671000
4000
Είναι σαν να υπάρχει μία τράμπα μεταξύ σκέψης και κοινωνικότητας.
11:30
And then you can get into the pointσημείο where it's so severeαυστηρός
265
675000
2000
Μπορεί σε κάποιο επίπεδο να γίνει τόσο σοβαρή,
11:32
you're going to have a personπρόσωπο that's going to be non-verbalμη λεκτική.
266
677000
3000
σε σημείο που ένας άνθρωπος να μην μπορεί να επικοινωνήσει γλωσσικά.
11:35
In the normalκανονικός humanο άνθρωπος mindμυαλό
267
680000
2000
Στο φυσιολογικό ανθρώπινο μυαλό
11:37
languageΓλώσσα coversκαλύπτει up the visualοπτικός thinkingσκέψη we shareμερίδιο with animalsτων ζώων.
268
682000
3000
η γλώσσα επικαλύπτει τον οπτικό τρόπο σκέψης που μοιραζόμαστε με τα ζώα.
11:40
This is the work of DrDr. BruceBruce MillerΜίλερ.
269
685000
3000
Αυτή είναι η δουλειά του Δρ. Μπρους Μίλερ,
11:43
And he studiedμελετημένος Alzheimer'sΤης νόσου του Alzheimer patientsασθενείς
270
688000
3000
ο οποίος μελέτησε ασθενείς με Αλτσχάιμερ
11:46
that had frontalμετωπικός temporalχρονικός lobeλοβού dementiaάνοια.
271
691000
2000
που είχαν άνοια του μετωπιαίου κροταφικού λοβού,
11:48
And the dementiaάνοια ateέφαγε out the languageΓλώσσα partsεξαρτήματα of the brainεγκέφαλος,
272
693000
3000
και εξάλειψε τα γλωσσικά μέρη του εγκεφάλου.
11:51
and then this artworkέργα τέχνης cameήρθε out of somebodyκάποιος who used to installεγκαθιστώ stereosστερεοφωνικά in carsαυτοκίνητα.
273
696000
5000
Αυτό το έργο τέχνης δημιουργήθηκε από κάποιον ο οποίος τοποθετούσε στερεοφωνικά σε αυτοκίνητα.
11:56
Now, VanΒαν GoghΓκογκ doesn't know anything about physicsη φυσικη,
274
701000
4000
Τώρα, ο Βαν Γκογκ δεν ξέρει τίποτα πάνω στη φυσική,
12:00
but I think it's very interestingενδιαφέρων
275
705000
2000
αλλά νομίζω πως είναι πολύ ενδιαφέρον το ότι
12:02
that there was some work doneΈγινε to showπροβολή that
276
707000
2000
έχει γίνει κάποια δουλειά που δείχνει ότι
12:04
this eddyδίνη patternπρότυπο in this paintingζωγραφική
277
709000
2000
αυτό το στροβιλίζον μοτίβο σε αυτόν το πίνακα
12:06
followedακολούθησε a statisticalστατιστικός modelμοντέλο of turbulenceταραχή,
278
711000
3000
ακολούθησε ένα στατιστικό μοντέλο της στροβιλώδους ροής.
12:09
whichοι οποίες bringsφέρνει up the wholeολόκληρος interestingενδιαφέρων ideaιδέα
279
714000
2000
Όλο αυτό αναδεικνύει την ενδιαφέρουσα ιδέα σύμφωνα με την οποία
12:11
of maybe some of this mathematicalμαθηματικός patternsσχέδια
280
716000
2000
κάποια μαθηματικά μοτίβα
12:13
is in our ownτα δικά headκεφάλι.
281
718000
2000
πιθανώς να ενυπάρχουν στο μυαλό μας.
12:15
And the WolframWolfram stuffυλικό -- I was takingλήψη
282
720000
2000
Τα στοιχεία από την υπολογιστική μηχανή αναζήτησης Wolfram
12:17
notesσημειώσεις and I was writingΓραφή down all the
283
722000
2000
για τα οποία κρατούσα σημειώσεις και κατέγραφα
12:19
searchΨάξιμο wordsλόγια I could use,
284
724000
2000
όλες τις λέξεις κλειδιά που μπορούσα να χρησιμοποιήσω,
12:21
because I think that's going to go on in my autismαυτισμό lecturesδιαλέξεις.
285
726000
4000
το έκανα επειδή θεωρώ ότι όλα αυτά θα προστεθούν στις διαλέξεις μου σχετικά με τον αυτισμό.
12:25
We'veΈχουμε got to showπροβολή these kidsπαιδιά interestingενδιαφέρων stuffυλικό.
286
730000
2000
Θα πρέπει να δείξουμε σε αυτά τα παιδιά ενδιαφέροντα πράγματα.
12:27
And they'veέχουν takenληφθεί out the autoshopautoshop classτάξη
287
732000
2000
Έχουν καταργήσει τα μαθήματα μηχανικής αυτοκινήτου,
12:29
and the draftingσύνταξη classτάξη and the artτέχνη classτάξη.
288
734000
2000
όπως και τα μαθήματα σχεδίου και καλλιτεχνικών.
12:31
I mean artτέχνη was my bestκαλύτερος subjectθέμα in schoolσχολείο.
289
736000
3000
Εννοώ, τα καλλιτεχνικά ήταν το αγαπημένο μου μάθημα.
12:34
We'veΈχουμε got to think about all these differentδιαφορετικός kindsείδη of mindsμυαλά,
290
739000
2000
Πρέπει να σκεφτούμε όλα αυτά τα διαφορετικά είδη μυαλών
12:36
and we'veέχουμε got to absolutelyαπολύτως work with these kindείδος of mindsμυαλά,
291
741000
3000
και οπωσδήποτε πρέπει να δουλέψουμε μαζί τους
12:39
because we absolutelyαπολύτως are going to need
292
744000
3000
επειδή σίγουρα θα χρειαστούμε στο μέλλον
12:42
these kindείδος of people in the futureμελλοντικός.
293
747000
3000
αυτό το είδος των ανθρώπων.
12:45
And let's talk about jobsθέσεις εργασίας.
294
750000
2000
Ας μιλήσουμε τώρα για το επαγγελματικό ζήτημα.
12:47
OK, my scienceεπιστήμη teacherδάσκαλος got me studyingμελετώντας
295
752000
2000
Εντάξει, ο φυσικο-χημικός μου με έκανε να διαβάζω
12:49
because I was a goofballGoofball that didn't want to studyμελέτη.
296
754000
3000
επειδή δεν ήμουν καλή μαθήτρια και δεν ήθελα να διαβάζω.
12:52
But you know what? I was gettingνα πάρει work experienceεμπειρία.
297
757000
2000
Αλλά ξέρετε κάτι; Αποκτούσα εργασιακή εμπειρία.
12:54
I'm seeingβλέπων too manyΠολλά of these smartέξυπνος kidsπαιδιά who haven'tδεν έχουν learnedέμαθα basicβασικός things,
298
759000
2000
Βλέπω πολλά από αυτά τα έξυπνα παιδιά να μην έχουν μάθει βασικά πράγματα
12:56
like how to be on time.
299
761000
2000
όπως το να είναι στην ώρα τους.
12:58
I was taughtδιδακτός that when I was eightοκτώ yearsχρόνια oldπαλαιός.
300
763000
2000
Εγώ το έμαθα όταν ήμουν οχτώ χρονών.
13:00
You know, how to have tableτραπέζι mannersήθη at granny'sτης γιαγιάς SundayΚυριακή partyκόμμα.
301
765000
3000
Επίσης έμαθα πολύ μικρή καλούς τρόπους
13:03
I was taughtδιδακτός that when I was very, very youngνεαρός.
302
768000
3000
για τα κυριακάτικα πάρτι της γιαγιάς.
13:06
And when I was 13, I had a jobδουλειά at a dressmaker'sμοδίστρας shopκατάστημα
303
771000
3000
Και στα 13 μου βρήκα μια δουλειά σε ένα ραφείο
13:09
sewingράψιμο clothesρούχα.
304
774000
2000
όπου σιδέρωνα ρούχα.
13:11
I did internshipsπρακτική άσκηση in collegeΚολλέγιο,
305
776000
3000
Όταν ήμουν στο κολέγιο έκανα πρακτική.
13:14
I was buildingΚτίριο things,
306
779000
3000
Κατασκεύαζα πράγματα.
13:17
and I alsoεπίσης had to learnμαθαίνω how to do assignmentsαναθέσεις.
307
782000
3000
Επίσης έπρεπε να μάθω να γράφω εργασίες.
13:20
You know, all I wanted to do was drawσχεδιάζω picturesεικόνες of horsesάλογα when I was little.
308
785000
4000
Ξέρετε, το μόνο που ήθελα να κάνω όταν ήμουν μικρή ήταν να ζωγραφίζω άλογα.
13:24
My motherμητέρα said, "Well let's do a pictureεικόνα of something elseαλλού."
309
789000
2000
Η μητέρα μου είπε, "Λοιπόν, ας ζωγραφίσουμε κάτι διαφορετικό".
13:26
They'veΘα έχουμε got to learnμαθαίνω how to do something elseαλλού.
310
791000
2000
Αυτά τα παιδιά πρέπει να μάθουν να κάνουν και άλλα πράγματα.
13:28
Let's say the kidπαιδί is fixatedσταθεροποιημένο on LegosLegos.
311
793000
2000
Ας πούμε πώς ένα παιδί παίζει συνέχεια με τουβλάκια.
13:30
Let's get him workingεργαζόμενος on buildingΚτίριο differentδιαφορετικός things.
312
795000
3000
Ας το προτρέψουμε να χτίσει κάτι διαφορετικό.
13:33
The thing about the autisticαυτιστική mindμυαλό
313
798000
2000
Το ζήτημα του αυτιστικού μυαλού
13:35
is it tendsτείνει to be fixatedσταθεροποιημένο.
314
800000
2000
είναι ότι συχνά παθαίνει εμμονή με κάτι.
13:37
Like if a kidπαιδί lovesαγαπά racecarsαγωνιστικά,
315
802000
2000
Οπότε αν ένα παιδί αγαπά τα αυτοκινητάκια
13:39
let's use racecarsαγωνιστικά for mathμαθηματικά.
316
804000
2000
μπορούμε να τα χρησιμοποιήσουμε σαν βοήθημα για τα μαθηματικά.
13:41
Let's figureεικόνα out how long it takes a racecarαγωνιστικό αυτοκίνητο to go a certainβέβαιος distanceαπόσταση.
317
806000
3000
Ας πούμε πόση ώρα χρειάζεται το τάδε αυτοκινητάκι να διανύσει μια συγκεκριμένη απόσταση.
13:44
In other wordsλόγια, use that fixationοστεοσύνθεση
318
809000
4000
Με άλλα λόγια, το να χρησιμοποιήσουμε την εμμονή του παιδιού
13:48
in orderΣειρά to motivateθέτω στην κίνησιν that kidπαιδί, that's one of the things we need to do.
319
813000
3000
για την κινητοποίησή του είναι ένα από τα πράγματα που χρειάζεται να κάνουμε.
13:51
I really get fedτάισα up when they, you know, the teachersκαθηγητές,
320
816000
3000
Αλήθεια αγανακτώ όταν αυτοί, ξέρετε, οι δάσκαλοι,
13:54
especiallyειδικά when you get away from this partμέρος of the countryΧώρα,
321
819000
3000
ιδιαίτερα σε άλλες περιοχές της χώρας,
13:57
they don't know what to do with these smartέξυπνος kidsπαιδιά.
322
822000
2000
δεν ξέρουν τι να κάνουν με αυτά τα έξυπνα παιδιά.
13:59
It just drivesδίσκους me crazyτρελός.
323
824000
2000
Αλήθεια τρελαίνομαι με αυτό.
14:01
What can visualοπτικός thinkersστοχαστές do when they growκαλλιεργώ up?
324
826000
2000
Τι μπορούν να κάνουν όσοι έχουν οπτικό τρόπο σκέψης όταν μεγαλώσουν;
14:03
They can do graphicγραφικό designσχέδιο, all kindsείδη of stuffυλικό with computersΥπολογιστές,
325
828000
3000
Μπορούν να ασχοληθούν με τη γραφιστική, με όλα όσα έχουν να κάνουν με υπολογιστές,
14:06
photographyφωτογραφία, industrialβιομηχανικός designσχέδιο.
326
831000
5000
με φωτογραφία, με βιομηχανικό σχέδιο.
14:11
The patternπρότυπο thinkersστοχαστές, they're the onesαυτές that are going to be
327
836000
2000
Όσοι σκέφτονται με μοτίβα, είναι αυτοί που θα γίνουν
14:13
your mathematiciansμαθηματικοί, your softwareλογισμικό engineersμηχανικούς,
328
838000
3000
οι μαθηματικοί σας, οι μηχανικοί λογισμικού,
14:16
your computerυπολογιστή programmersπρογραμματιστές, all of those kindsείδη of jobsθέσεις εργασίας.
329
841000
4000
οι προγραμματιστές σας, όλα εκείνα τα επαγγέλματα.
14:20
And then you've got the wordλέξη mindsμυαλά. They make great journalistsδημοσιογράφους,
330
845000
3000
Και μετά έχουμε τα μυαλά με γλωσσικό τρόπο σκέψης. Γίνονται καλοί δημοσιογράφοι.
14:23
and they alsoεπίσης make really, really good stageστάδιο actorsηθοποιούς.
331
848000
3000
Γίνονται επίσης πολύ καλοί θεατρικοί ηθοποιοί.
14:26
Because the thing about beingνα εισαι autisticαυτιστική is,
332
851000
2000
Επειδή, το ζήτημα είναι ότι ως αυτιστική,
14:28
I had to learnμαθαίνω socialκοινωνικός skillsικανότητες like beingνα εισαι in a playπαίζω.
333
853000
3000
έπρεπε να μάθω κοινωνικές δεξιότητες σαν να έπαιζα θέατρο.
14:31
It's just kindείδος of -- you just have to learnμαθαίνω it.
334
856000
3000
Είναι κάτι που απλά, πρέπει να το μάθεις.
14:34
And we need to be workingεργαζόμενος with these studentsΦοιτητές.
335
859000
3000
Και χρειάζεται να δουλεύουμε με αυτούς τους μαθητές,
14:37
And this bringsφέρνει up mentorsμέντορες.
336
862000
2000
κάτι που οδηγεί στην ανάδειξη μεντόρων.
14:39
You know, my scienceεπιστήμη teacherδάσκαλος was not an accreditedΔιαπιστευμένη teacherδάσκαλος.
337
864000
3000
Ξέρετε, ο φυσικο-χημικός μου δεν ήταν πιστοποιημένος δάσκαλος.
14:42
He was a NASANASA spaceχώρος scientistεπιστήμονας.
338
867000
2000
Ήταν επιστήμονας της NASA.
14:44
Now, some statesκράτη μέλη now are gettingνα πάρει it to where
339
869000
2000
Τώρα, κάτι που συμβαίνει σε κάποιες πολιτείες είναι ότι
14:46
if you have a degreeβαθμός in biologyβιολογία, or a degreeβαθμός in chemistryχημεία,
340
871000
2000
αν έχεις πτυχίο στη βιολογία ή τη χημεία
14:48
you can come into the schoolσχολείο and teachδιδάσκω biologyβιολογία or chemistryχημεία.
341
873000
3000
μπορείς να έρθεις στο σχολείο και να διδάξεις τα συγκεκριμένα μαθήματα.
14:51
We need to be doing that.
342
876000
2000
Χρειάζεται να το κάνουμε αυτό,
14:53
Because what I'm observingπαρατηρητικός is
343
878000
2000
επειδή αυτό που παρατηρώ είναι ότι
14:55
the good teachersκαθηγητές, for a lot of these kidsπαιδιά,
344
880000
2000
οι καλοί δάσκαλοι, για πολλά από αυτά τα παιδιά,
14:57
are out in the communityκοινότητα collegesκολέγια,
345
882000
2000
βρίσκονται έξω, στα κοινοτικά κολέγια.
14:59
but we need to be gettingνα πάρει some of these good teachersκαθηγητές into the highυψηλός schoolsσχολεία.
346
884000
3000
Θα πρέπει να παίρνουμε κάποιους από αυτούς τους καλούς δασκάλους στα λύκεια.
15:02
AnotherΈνα άλλο thing that can be very, very, very successfulεπιτυχής is
347
887000
3000
Κάτι άλλο που μπορεί να αποδειχτεί πολύ πολύ επιτυχημένο είναι ότι
15:05
there is a lot of people that mayενδέχεται have retiredσυνταξιούχος
348
890000
3000
υπάρχουν πολλοί άνθρωποι που έχουν αποσυρθεί
15:08
from workingεργαζόμενος in the softwareλογισμικό industryβιομηχανία, and they can teachδιδάσκω your kidπαιδί.
349
893000
3000
από τη βιομηχανία υπολογιστών που μπορούν να διδάξουν το παιδί σας.
15:11
And it doesn't matterύλη if what they teachδιδάσκω them is oldπαλαιός,
350
896000
3000
Και δεν έχει σημασία αν η ύλη που θα το διδάξουν είναι παλιότερων εποχών
15:14
because what you're doing is you're lightingφωτισμός the sparkσπίθα.
351
899000
3000
επειδή το ζήτημα είναι να ανάψετε τη σπίθα.
15:17
You're gettingνα πάρει that kidπαιδί turnedγύρισε on.
352
902000
3000
Ενεργοποιείτε τα παιδιά,
15:20
And you get him turnedγύρισε on, then he'llκόλαση learnμαθαίνω all the newνέος stuffυλικό.
353
905000
3000
κι από εκείνη τη στιγμή αρχίζουν να μαθαίνουν καινούρια πράγματα.
15:23
MentorsΜέντορες are just essentialουσιώδης.
354
908000
2000
Οι μέντορες είναι απλά απαραίτητοι.
15:25
I cannotδεν μπορώ emphasizeτονίζω enoughαρκετά
355
910000
2000
Δεν μπορώ να τονίσω αρκετά
15:27
what my scienceεπιστήμη teacherδάσκαλος did for me.
356
912000
3000
το τι έκανε για μένα ο φυσικο-χημικός μου.
15:30
And we'veέχουμε got to mentorμέντορας them, hireενοικίαση them.
357
915000
3000
Πρέπει να τα διδάσκουμε και να τα προσλαμβάνουμε.
15:33
And if you bringνα φερεις them in for internshipsπρακτική άσκηση in your companiesεταιρείες,
358
918000
2000
Αν τα πάρετε για πρακτική στις εταιρείες σας,
15:35
the thing about the autismαυτισμό, Asperger-yAsperger-y kindείδος of mindμυαλό,
359
920000
3000
έχετε υπόψιν ότι σε αυτιστικά μυαλά ή μυαλά με Άσπεργκερ
15:38
you've got to give them a specificειδικός taskέργο. Don't just say, "DesignΣχεδιασμός newνέος softwareλογισμικό."
360
923000
3000
θα πρέπει να αναθέτετε συγκεκριμένες αρμοδιότητες. Μην πείτε απλά "Σχεδιάστε ένα νέο λογισμικό".
15:41
You've got to tell them something a lot more specificειδικός:
361
926000
2000
Θα πρέπει να τους δίνετε πολύ πιο συγκεκριμένες πληροφορίες.
15:43
"Well, we're designingσχέδιο a softwareλογισμικό for a phoneτηλέφωνο
362
928000
3000
"Λοιπόν, σχεδιάζουμε ένα λογισμικό για ένα τηλέφωνο
15:46
and it has to do some specificειδικός thing.
363
931000
2000
και πρέπει να κάνει κάτι συγκεκριμένο,
15:48
And it can only use so much memoryμνήμη."
364
933000
2000
και μπορεί να χρησιμοποιηθεί μόνο τόση χωρητικότητα".
15:50
That's the kindείδος of specificityεξειδίκευση you need.
365
935000
2000
Τόσο συγκεκριμένοι πρέπει να είστε.
15:52
Well, that's the endτέλος of my talk.
366
937000
2000
Λοιπόν, αυτό είναι το τέλος της ομιλίας μου,
15:54
And I just want to thank everybodyόλοι for comingερχομός.
367
939000
2000
Θέλω απλά να σας ευχαριστήσω όλους για την παρουσία σας.
15:56
It was great to be here.
368
941000
2000
Ήταν υπέροχο να είμαι εδώ.
15:58
(ApplauseΧειροκροτήματα)
369
943000
12000
(Χειροκρότημα)
16:10
Oh, you've got a questionερώτηση for me? OK.
370
955000
3000
Α, έχετε μια ερώτηση για μένα; Εντάξει.
16:13
(ApplauseΧειροκροτήματα)
371
958000
1000
(Χειροκρότημα)
16:14
ChrisChris AndersonΆντερσον: Thank you so much for that.
372
959000
4000
Κρις Άντερσον: Σας ευχαριστώ πολύ για όλο αυτό.
16:18
You know, you onceμια φορά wroteέγραψε, I like this quoteπαραθέτω, αναφορά,
373
963000
2000
Ξέρετε, κάποτε γράψατε -- μου αρέσουν αυτά τα λόγια σας,
16:20
"If by some magicμαγεία, autismαυτισμό had been
374
965000
2000
"Αν, ως δια μαγείας, ο αυτισμός είχε
16:22
eradicatedεξαλειφθεί from the faceπρόσωπο of the EarthΓη,
375
967000
3000
εξαφανιστεί από προσώπου Γης,
16:25
then menάνδρες would still be socializingκοινωνικοποίηση in frontεμπρός of a woodξύλο fireΦωτιά
376
970000
3000
τότε οι άνθρωποι θα κοινωνικοποιούνταν ακόμα μπροστά από μια φωτιά
16:28
at the entranceείσοδος to a caveΣπήλαιο."
377
973000
2000
στην είσοδο μιας σπηλιάς".
16:30
TempleΝαός GrandinGrandin: Because who do you think madeέκανε the first stoneπέτρα spearsτα δόρατα?
378
975000
2000
Τεμπλ Γκράντιν: Ποιος νομίζετε ότι έφτιαξε τους πρώτους χειροπελέκεις;
16:32
The AspergerAsperger guy. And if you were to get ridαπαλλάσσω of all the autismαυτισμό geneticsγενεσιολογία
379
977000
3000
Ο τύπος με το Άσπεργκερ. Κι αν ξεφορτωνόσασταν όλα τα γονίδια του αυτισμού
16:35
there would be no more SiliconΠυριτίου ValleyΚοιλάδα,
380
980000
2000
αφενός δεν θα υπήρχε πια η Σίλικον Βάλεϊ,
16:37
and the energyενέργεια crisisκρίση would not be solvedλυθεί.
381
982000
2000
αφετέρου δεν θα επιλυόταν η ενεργειακή κρίση.
16:39
(ApplauseΧειροκροτήματα)
382
984000
3000
(Χειροκρότημα)
16:42
CACA: So, I want to askπαρακαλώ you a coupleζευγάρι other questionsερωτήσεις,
383
987000
2000
Κ.Α.: Θα ήθελα να σου κάνω μερικές ακόμη ερωτήσεις.
16:44
and if any of these feel inappropriateακατάλληλος,
384
989000
2000
Αν θεωρείς ότι κάποιες από αυτές δεν είναι οι πλέον κατάλληλες
16:46
it's okay just to say, "NextΕπόμενη questionερώτηση."
385
991000
2000
απλά πες "Επόμενη ερώτηση".
16:48
But if there is someoneκάποιος here
386
993000
2000
Αλλά αν βρίσκεται κάποιος εδώ
16:50
who has an autisticαυτιστική childπαιδί,
387
995000
2000
που είτε έχει ένα αυτιστικό παιδί
16:52
or knowsξέρει an autisticαυτιστική childπαιδί
388
997000
2000
είτε ξέρει κάποιο αυτιστικό παιδί
16:54
and feelsαισθάνεται kindείδος of cutΤομή off from them,
389
999000
3000
κι αισθάνεται κάπως αποκομμένος από αυτό,
16:57
what adviceσυμβουλή would you give them?
390
1002000
2000
τι συμβουλή θα του έδινες;
16:59
TGTG: Well, first of all, you've got to look at ageηλικία.
391
1004000
2000
Τ.Γ.: Λοιπόν, καταρχάς πρέπει κανείς να κοιτάξει την ηλικία.
17:01
If you have a two, threeτρία or fourτέσσερα yearέτος oldπαλαιός
392
1006000
2000
Αν έχεις ένα παιδί δύο, τριών ή τεσσάρων ετών,
17:03
you know, no speechομιλία, no socialκοινωνικός interactionΑΛΛΗΛΕΠΙΔΡΑΣΗ,
393
1008000
2000
ξέρεις, χωρίς ομιλία, χωρίς κοινωνική αλληλεπίδραση,
17:05
I can't emphasizeτονίζω enoughαρκετά:
394
1010000
2000
δεν μπορώ να το τονίσω αρκετά,
17:07
Don't wait, you need at leastελάχιστα 20 hoursώρες a weekεβδομάδα of one-to-oneένα προς ένα teachingδιδασκαλία.
395
1012000
4000
μην καθυστερείς, θα χρειαστείς τουλάχιστον 20 ώρες την εβδομάδα διδασκαλίας ενός προς έναν.
17:11
You know, the thing is, autismαυτισμό comesέρχεται in differentδιαφορετικός degreesβαθμούς.
396
1016000
3000
Ξέρετε, το ζήτημα είναι ότι ο αυτισμός εμφανίζεται σε διαφορετικές διαβαθμίσεις.
17:14
There's going to be about halfΉμισυ the people on the spectrumφάσμα
397
1019000
2000
Περίπου τα μισά από τα άτομα που βρίσκονται στο φάσμα
17:16
that are not going to learnμαθαίνω to talk, and they're not going to be workingεργαζόμενος
398
1021000
2000
δεν πρόκειται να μάθουν να μιλούν, ούτε θα μπορέσουν να δουλέψουν
17:18
SiliconΠυριτίου ValleyΚοιλάδα, that would not be a reasonableλογικός thing for them to do.
399
1023000
3000
στη Σίλικον Βάλεϊ, δεν θα είναι λογικό να το κάνουν.
17:21
But then you get the smartέξυπνος, geekygeeky kidsπαιδιά
400
1026000
2000
Αλλά όταν μιλάμε για τα έξυπνα σπασικλάκια
17:23
that have a touchαφή of autismαυτισμό,
401
1028000
2000
που έχουν κάποια αυτιστικά στοιχεία,
17:25
and that's where you've got to get them turnedγύρισε on
402
1030000
2000
εκεί είναι που πρέπει να τα βοηθήσεις να ενεργοποιηθούν
17:27
with doing interestingενδιαφέρων things.
403
1032000
2000
δίνοντάς τους να κάνουν ενδιαφέροντα πράγματα.
17:29
I got socialκοινωνικός interactionΑΛΛΗΛΕΠΙΔΡΑΣΗ throughδιά μέσου sharedκοινή χρήση interestενδιαφέρον.
404
1034000
3000
Έμαθα να αλληλεπιδρώ κοινωνικά μέσω του μοιράσματος των ενδιαφερόντων μου.
17:32
I rodeβόλτα horsesάλογα with other kidsπαιδιά, I madeέκανε modelμοντέλο rocketsρουκέτες with other kidsπαιδιά,
405
1037000
4000
Έκανα ιππασία με άλλα παιδιά. Έφτιαχνα μικρούς πυραύλους με άλλα παιδιά,
17:36
did electronicsΗΛΕΚΤΡΟΝΙΚΑ ΕΙΔΗ labεργαστήριο with other kidsπαιδιά,
406
1041000
2000
συμμετείχα σε ηλεκτρονικά εργαστήρια με άλλα παιδιά,
17:38
and in the '60s, it was gluingκόλλημα mirrorsκαθρέφτες
407
1043000
2000
κάτι που στη δεκαετία του '60 σήμαινε να κολλάς καθρέφτες
17:40
ontoεπάνω σε a rubberκαουτσούκ membraneμεμβράνη on a speakerΟμιλητής to make a lightφως showπροβολή.
408
1045000
3000
με μεμβράνες από καουτσούκ πάνω σε ένα ηχείο για να εμφανιστεί ένα φως.
17:43
That was like, we consideredθεωρούνται that superσούπερ coolδροσερός.
409
1048000
3000
Αυτό ήταν σαν, το θεωρούσαμε σούπερ τέλειο.
17:46
CACA: Is it unrealisticμη ρεαλιστικές for them
410
1051000
2000
Κ.Α.: Είναι μη ρεαλιστικό για αυτούς
17:48
to hopeελπίδα or think that that childπαιδί
411
1053000
2000
να ελπίζουν ή να σκέφτονται ότι εκείνο το παιδί
17:50
lovesαγαπά them, as some mightθα μπορούσε, as mostπλέον, wishεπιθυμία?
412
1055000
3000
τους αγαπάει, όπως μερικοί, οι περισσότεροι, εύχονται.
17:53
TGTG: Well let me tell you, that childπαιδί will be loyalπιστός,
413
1058000
2000
Τ.Γ.: Λοιπόν άκου τι θα σου πω: Το παιδί αυτό είναι πιστό.
17:55
and if your houseσπίτι is burningκαύση down, they're going to get you out of it.
414
1060000
2000
Κι αν το σπίτι σου καίγεται θα έρθει να σε βγάλει έξω.
17:57
CACA: WowWow. So, mostπλέον people, if you askπαρακαλώ them
415
1062000
3000
Κ.Α.: Λοιπόν, οι περισσότεροι άνθρωποι, αν τους ρωτήσεις
18:00
what are they mostπλέον passionateπαθιασμένος about, they'dτο είχαν say things like,
416
1065000
2000
ποιο πράγμα τους παθιάζει περισσότερο, θα έλεγαν κάτι όπως
18:02
"My kidsπαιδιά" or "My loverεραστής."
417
1067000
3000
"Τα παιδιά μου" ή "Ο/η εραστής/ερωμένη μου".
18:05
What are you mostπλέον passionateπαθιασμένος about?
418
1070000
3000
Εσένα τι σε παθιάζει περισσότερο;
18:08
TGTG: I'm passionateπαθιασμένος about that the things I do
419
1073000
2000
Τ.Γ.: Με παθιάζει το ότι τα πράγματα που κάνω
18:10
are going to make the worldκόσμος a better placeθέση.
420
1075000
2000
θα βοηθήσουν τον κόσμο να γίνει ένα καλύτερο μέρος.
18:12
When I have a motherμητέρα of an autisticαυτιστική childπαιδί say,
421
1077000
2000
Όταν έχω τη μητέρα ενός αυτιστικού παιδιού να λέει
18:14
"My kidπαιδί wentπήγε to collegeΚολλέγιο because of your bookΒιβλίο,
422
1079000
2000
"Το παιδί μου πήγε στο κολέγιο λόγω του βιβλίου σου
18:16
or one of your lecturesδιαλέξεις," that makesκάνει me happyευτυχισμένος.
423
1081000
2000
ή κάποιας ομιλίας σου", αισθάνομαι ευτυχισμένη.
18:18
You know, the slaughterσφαγή plantsφυτά, I've workedεργάστηκε with them
424
1083000
3000
Ξέρετε, τα σφαγεία στα οποία δούλεψα
18:21
in the '80s; they were absolutelyαπολύτως awfulαπαίσιος.
425
1086000
2000
τη δεκαετία του '80, ήταν αληθινά απαίσια.
18:23
I developedαναπτηγμένος a really simpleαπλός scoringβαθμολόγησης systemΣύστημα for slaughterσφαγή plantsφυτά
426
1088000
4000
Δημιούργησα ένα πολύ απλό σύστημα αξιολόγησης για τα σφαγεία
18:27
where you just measureμετρήσει outcomesαποτελέσματα: How manyΠολλά cattleβοοειδή fellτομάρι ζώου down?
427
1092000
2000
που απλά μετράς τα αποτελέσματα, πόσα ζώα σφαγιάστηκαν,
18:29
How manyΠολλά cattleβοοειδή got pokedέσπρωξε with the prodderProdder?
428
1094000
2000
πόσα ζώα τσιμπήθηκαν με τη βουκέντρα,
18:31
How manyΠολλά cattleβοοειδή are mooingmooing theirδικα τους headsκεφάλια off?
429
1096000
2000
πόσα ξεσπάνε σε μυκηθμούς;
18:33
And it's very, very simpleαπλός.
430
1098000
2000
Και είναι πολύ πολύ απλό.
18:35
You directlyκατευθείαν observeπαρατηρούν a fewλίγοι simpleαπλός things.
431
1100000
2000
Παρατηρείς άμεσα λίγα απλά πράγματα.
18:37
It's workedεργάστηκε really well. I get satisfactionικανοποίηση out of
432
1102000
2000
Έχει δουλέψει πολύ καλά. Παίρνω ικανοποίηση από το να
18:39
seeingβλέπων stuffυλικό that makesκάνει realπραγματικός changeαλλαγή
433
1104000
3000
βλέπω πράγματα που φέρνουν αληθινές αλλαγές
18:42
in the realπραγματικός worldκόσμος. We need a lot more of that,
434
1107000
2000
στον αληθινό κόσμο. Χρειαζόμαστε πολύ περισσότερα από αυτά
18:44
and a lot lessπιο λιγο abstractαφηρημένη stuffυλικό.
435
1109000
2000
και πολύ λιγότερα από τα αφηρημένα πράγματα.
18:46
(ApplauseΧειροκροτήματα)
436
1111000
7000
(Χειροκρότημα)
18:53
CACA: When we were talkingομιλία on the phoneτηλέφωνο, one of the things you said that
437
1118000
2000
Κ.Α.: Όταν μιλούσαμε στο τηλέφωνο, κάτι που ανέφερες και
18:55
really astonishedέκπληκτος me was you said one thing
438
1120000
2000
αληθινά εξεπλάγην, ήταν όταν είπες ότι ένα από τα πράγματα
18:57
you were passionateπαθιασμένος about was serverδιακομιστή farmsαγροκτήματα. Tell me about that.
439
1122000
4000
που σε παθιάζουν είναι οι φάρμες διακομιστών. Μίλησέ μου για αυτό.
19:01
TGTG: Well the reasonλόγος why I got really excitedερεθισμένος when I readανάγνωση about that,
440
1126000
3000
Τ.Γ.: Λοιπόν ο λόγος που ενθουσιάζομαι όταν διαβάζω για αυτά είναι
19:04
it containsπεριέχει knowledgeη γνώση.
441
1129000
3000
ότι περιέχουν γνώση.
19:07
It's librariesβιβλιοθήκες.
442
1132000
2000
Είναι βιβλιοθήκες.
19:09
And to me, knowledgeη γνώση is something
443
1134000
2000
Και για μένα η γνώση έχει τεράστια αξία.
19:11
that is extremelyεπακρώς valuableπολύτιμος. So, maybe, over 10 yearsχρόνια agoπριν
444
1136000
2000
Έτσι, πριν από περίπου 10 χρόνια
19:13
now our libraryβιβλιοθήκη got floodedπλημμύρισαν.
445
1138000
2000
η βιβλιοθήκη μας πλημμύρισε.
19:15
And this is before the InternetΣτο διαδίκτυο got really bigμεγάλο.
446
1140000
2000
Αυτό έγινε πριν την εξάπλωση του διαδικτύου,
19:17
And I was really upsetαναστατωμένος about all the booksβιβλία beingνα εισαι wreckedναυάγησε,
447
1142000
2000
και το γεγονός ότι όλα τα βιβλία καταστράφηκαν με στενοχώρησε πολύ,
19:19
because it was knowledgeη γνώση beingνα εισαι destroyedκαταστράφηκε από.
448
1144000
2000
καθώς αυτό που πραγματικά καταστράφηκε ήταν η ίδια η γνώση.
19:21
And serverδιακομιστή farmsαγροκτήματα, or dataδεδομένα centersκέντρα
449
1146000
2000
Οι φάρμες διακομιστών ή οι βάσεις δεδομένων
19:23
are great librariesβιβλιοθήκες of knowledgeη γνώση.
450
1148000
3000
αποτελούν μεγάλες βιβλιοθήκες γνώσης.
19:26
CACA: TempleΝαός, can I just say it's an absoluteαπόλυτος delightαπόλαυση to have you at TEDTED.
451
1151000
3000
Κ.Α.: Τεμπλ, απλά θα πω ότι ήταν μεγάλη ευχαρίστηση να σε έχουμε στο TED.
19:29
TGTG: Well thank you so much. Thank you.
452
1154000
3000
Τ.Γ.: Σε ευχαριστώ πάρα πολύ. Σε ευχαριστώ.
19:32
(ApplauseΧειροκροτήματα)
453
1157000
6000
(Χειροκρότημα)
Translated by Vana Nikolopoulou
Reviewed by Dimitra Papageorgiou

▲Back to top

ABOUT THE SPEAKER
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.

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. 

More profile about the speaker
Temple Grandin | Speaker | TED.com