TED2010
Temple Grandin: The world needs all kinds of minds
Τεμπλ Γκράντιν: Ο κόσμος χρειάζεται όλων των ειδών τα μυαλά
Filmed:
Readability: 3.4
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.
Temple Grandin - Livestock handling designer, autism activist
Through groundbreaking research and the lens of her own autism, Temple Grandin brings startling insight into two worlds. Full bio
Through groundbreaking research and the lens of her own autism, Temple Grandin brings startling insight into two worlds. Full bio
Double-click the English transcript below to play the video.
00:15
I think I'll start out and just talk a little bit about
0
0
2000
Νομίζω ότι θα ξεκινήσω μιλώντας λιγάκι σχετικά με
00:17
what exactly autism is.
1
2000
2000
το τι ακριβώς είναι ο αυτισμός.
00:19
Autism is a very big continuum
2
4000
3000
Ο αυτισμός εκτείνεται σε ένα πολύ μεγάλο συνεχές
00:22
that goes from very severe -- the child remains non-verbal --
3
7000
3000
και μπορεί να είναι από πολύ σοβαρός, όπου το παιδί δεν αποκτά ομιλία,
00:25
all the way up to brilliant scientists and engineers.
4
10000
3000
μέχρι πολύ ελαφρύς, σε επίπεδο που το άτομο μπορεί να εξελιχθεί σε σπουδαίο επιστήμονα ή μηχανικό.
00:28
And I actually feel at home here,
5
13000
2000
Βασικά νιώθω σαν στο σπίτι μου εδώ.
00:30
because there's a lot of autism genetics here.
6
15000
2000
Επειδή υπάρχουν εδώ πολλά αυτιστικά γονίδια.
00:32
You wouldn't have any...
7
17000
2000
Δεν θα είχατε καθόλου...
00:34
(Applause)
8
19000
4000
(Χειροκρότημα)
00:38
It's a continuum of traits.
9
23000
2000
Υπάρχει ένα συνεχές χαρακτηριστικών.
00:40
When does a nerd turn into
10
25000
3000
Ποιο είναι το σημείο που ένας σπασίκλας μετατρέπεται σε
00:43
Asperger, which is just mild autism?
11
28000
2000
άτομο με Άσπεργκερ, το οποίο είναι απλά ήπια μορφή αυτισμού;
00:45
I mean, Einstein and Mozart
12
30000
3000
Θέλω να πω, ο Αϊνστάιν, ο Μότσαρτ
00:48
and Tesla would all be probably diagnosed
13
33000
2000
και ο Τέσλα, θα είχαν πιθανότατα όλοι διαγνωστεί
00:50
as autistic spectrum today.
14
35000
2000
με αυτισμό σήμερα.
00:52
And one of the things that is really going to concern me is
15
37000
3000
Και ένα από τα πράγματα που στα αλήθεια πρόκειται να με απασχολήσει είναι
00:55
getting these kids to be the ones that are going to invent
16
40000
3000
το να βοηθήσω αυτά τα παιδιά να γίνουν οι εφευρέτες
00:58
the next energy things,
17
43000
2000
των επόμενων ενεργειακών ανακαλύψεων,
01:00
you know, that Bill Gates talked about this morning.
18
45000
4000
τώρα, που ο Μπιλ Γκέιτς μίλησε σχετικά σήμερα το πρωί.
01:04
OK. Now, if you want to understand
19
49000
2000
Εντάξει. Τώρα, αν θέλετε να καταλάβετε
01:06
autism, animals.
20
51000
2000
τον αυτισμό, τα ζώα.
01:08
And I want to talk to you now about different ways of thinking.
21
53000
2000
Και θέλω να σας μιλήσω τώρα για διαφορετικούς τρόπους σκέψης.
01:10
You have to get away from verbal language.
22
55000
3000
Θα πρέπει να ξεχάσετε τη λεκτική γλώσσα.
01:13
I think in pictures,
23
58000
2000
Εγώ σκέφτομαι με εικόνες.
01:15
I don't think in language.
24
60000
3000
Δεν σκέφτομαι με λέξεις.
01:18
Now, the thing about the autistic mind
25
63000
2000
Τώρα, το βασικό για το αυτιστικό μυαλό
01:20
is it attends to details.
26
65000
3000
είναι ότι επικεντρώνεται στις λεπτομέρειες.
01:23
OK, this is a test where you either have to
27
68000
2000
Εντάξει, αυτό είναι ένα τεστ στο όποιο πρέπει
01:25
pick out the big letters, or pick out the little letters,
28
70000
2000
να διαλέξετε είτε τα μεγάλα, είτε τα μικρά γράμματα.
01:27
and the autistic mind picks out the
29
72000
2000
Και το αυτιστικό μυαλό διαλέγει
01:29
little letters more quickly.
30
74000
2000
γρηγορότερα τα μικρά γράμματα.
01:31
And the thing is, the normal brain ignores the details.
31
76000
4000
Και το θέμα είναι ότι το φυσιολογικό μυαλό αγνοεί τις λεπτομέρειες.
01:35
Well, if you're building a bridge, details are pretty important
32
80000
2000
Ας πούμε, οι λεπτομέρειες είναι πολύ σημαντικές στο χτίσιμο μιας γέφυρας,
01:37
because it will fall down if you ignore the details.
33
82000
3000
επειδή αν αγνοήσεις τις λεπτομέρειες θα γκρεμιστεί.
01:40
And one of my big concerns with a lot of policy things today
34
85000
3000
Μία από τις μεγαλύτερες ανησυχίες μου για πολλές σημερινές πολιτικές
01:43
is things are getting too abstract.
35
88000
2000
είναι το ότι τα πράγματα αποκτούν πολύ αφηρημένη διάσταση.
01:45
People are getting away from doing
36
90000
2000
Οι άνθρωποι απομακρύνονται από το να κάνουν
01:47
hands-on stuff.
37
92000
2000
χειρωνακτικές δραστηριότητες.
01:49
I'm really concerned that a lot of the schools have taken out
38
94000
2000
Αλήθεια με ανησυχεί το ότι πολλά σχολεία
01:51
the hands-on classes,
39
96000
2000
έχουν σταματήσει τα μαθήματα χειροτεχνίας,
01:53
because art, and classes like that,
40
98000
2000
επειδή τα καλλιτεχνικά, και άλλα τέτοια μαθήματα
01:55
those are the classes where I excelled.
41
100000
2000
ήταν εκείνα στα οποία αρίστευα.
01:57
In my work with cattle,
42
102000
2000
Εντάξει, στη δουλειά μου με τα βοοειδή
01:59
I noticed a lot of little things that most people don't notice
43
104000
3000
παρατήρησα ότι πολλά μικρά πράγματα που οι περισσότεροι δεν προσέχουν
02:02
would make the cattle balk. Like, for example,
44
107000
2000
μπορούσαν να κάνουν τα ζώα να φοβηθούν. Για παράδειγμα
02:04
this flag waving, right in front of the veterinary facility.
45
109000
3000
το ανέμισμα αυτής της σημαίας, ακριβώς μπροστά στο κτηνιατρείο.
02:07
This feed yard was going to tear down their whole veterinary facility;
46
112000
3000
Αυτό το εκτροφείο μπορούσε να γκρεμίσει όλη την κτηνιατρική εγκατάσταση.
02:10
all they needed to do was move the flag.
47
115000
2000
Το μόνο που χρειαζόταν ήταν να κουνηθεί η σημαία.
02:12
Rapid movement, contrast.
48
117000
3000
Γρήγορες κινήσεις, αντιθέσεις.
02:15
In the early '70s when I started, I got right down
49
120000
2000
Στις αρχές της δεκαετίας του '70 που ξεκίνησα, πήγα
02:17
in the chutes to see what cattle were seeing.
50
122000
2000
κατευθείαν στα κλουβιά των ζώων για να δω τι έβλεπαν.
02:19
People thought that was crazy. A coat on a fence would make them balk,
51
124000
3000
Οι άνθρωποι θεωρούσαν ότι αυτό ήταν τρελό. Ένα παλτό σε ένα φράχτη θα τα έκανε να φοβηθούν.
02:22
shadows would make them balk, a hose on the floor ...
52
127000
3000
Οι σκιές θα τα έκαναν να φοβηθούν, ένας σωλήνας στο πάτωμα.
02:25
people weren't noticing these things --
53
130000
2000
Οι άνθρωποι δεν πρόσεχαν αυτά τα πράγματα,
02:27
a chain hanging down --
54
132000
2000
μία αλυσίδα να κρέμεται,
02:29
and that's shown very, very nicely in the movie.
55
134000
2000
και όλο αυτό απεικονίζεται πολύ πολύ ωραία στην ταινία.
02:31
In fact, I loved the movie, how they
56
136000
2000
Βασικά αυτό που αγάπησα στην ταινία είναι το πώς
02:33
duplicated all my projects. That's the geek side.
57
138000
2000
αντέγραψαν όλα μου τα έργα. Αυτή είναι η πλευρά του σπασίκλα.
02:35
My drawings got to star in the movie too.
58
140000
3000
Ακόμη και οι ζωγραφιές μου πρωταγωνιστούν στην ταινία.
02:38
And actually it's called "Temple Grandin,"
59
143000
2000
Και βασικά η ταινία λέγεται Τεμπλ Γκράντιν,
02:40
not "Thinking In Pictures."
60
145000
2000
και όχι Το Να Σκέφτεσαι Με Εικόνες.
02:42
So, what is thinking in pictures? It's literally movies
61
147000
2000
Οπότε, πώς είναι να σκέφτεσαι με εικόνες; Είναι κυριολεκτικά σαν
02:44
in your head.
62
149000
2000
να βλέπεις ταινίες μες στο κεφάλι σου.
02:46
My mind works like Google for images.
63
151000
2000
Το μυαλό μου δουλεύει όπως το Google για τις εικόνες.
02:48
Now, when I was a young kid I didn't know my thinking was different.
64
153000
3000
Όταν ήμουν παιδί δεν ήξερα ότι η σκέψη μου διέφερε.
02:51
I thought everybody thought in pictures.
65
156000
2000
Νόμιζα ότι όλοι σκέφτονταν με εικόνες.
02:53
And then when I did my book, "Thinking In Pictures,"
66
158000
2000
Και μετά, όταν ετοίμαζα το βιβλίο μου "Το να σκέφτεσαι με εικόνες",
02:55
I start interviewing people about how they think.
67
160000
3000
άρχισα να παίρνω συνεντεύξεις από ανθρώπους για το πώς σκέφτονται.
02:58
And I was shocked to find out that
68
163000
2000
Σοκαρίστηκα ανακαλύπτοντας ότι ο τρόπος σκέψης μου
03:00
my thinking was quite different. Like if I say,
69
165000
2000
ήταν αρκετά διαφορετικός. Ας πούμε αν πω
03:02
"Think about a church steeple"
70
167000
2000
"Σκεφτείτε ένα καμπαναριό"
03:04
most people get this sort of generalized generic one.
71
169000
2000
οι περισσότεροι άνθρωποι το αντιλαμβάνονται σαν μία γενική ιδέα.
03:06
Now, maybe that's not true in this room,
72
171000
2000
Τώρα, μπορεί αυτό να μην ισχύει για την συγκεκριμένη αίθουσα,
03:08
but it's going to be true in a lot of different places.
73
173000
4000
αλλά θα ισχύε σε πολλούς διαφορετικούς χώρους.
03:12
I see only specific pictures.
74
177000
2000
Εγώ βλέπω μόνο συγκεκριμένες εικόνες.
03:14
They flash up into my memory, just like Google for pictures.
75
179000
4000
Ξεπροβάλλουν στη μνήμη μου, όπως το Google για τις εικόνες.
03:18
And in the movie, they've got a great scene in there
76
183000
2000
Και στην ταινία έχουν βάλει μια φοβερή σκηνή,
03:20
where the word "shoe" is said, and a whole bunch of '50s and '60s shoes
77
185000
4000
στην οποία ακούγεται η λέξη "παπούτσι", και μια στοίβα από παπούτσια
03:24
pop into my imagination.
78
189000
2000
των δεκαετιών του '50 και του '60 ξεπροβάλλει στη φαντασία μου.
03:26
OK, there is my childhood church,
79
191000
2000
Εντάξει, εκεί είναι η εκκλησία των παιδικών μου χρόνων.
03:28
that's specific. There's some more, Fort Collins.
80
193000
3000
Είναι συγκεκριμένη. Ακόμα μία, η Φορτ Κόλλινς.
03:31
OK, how about famous ones?
81
196000
2000
Εντάξει, τι θα λέγατε για μερικές διάσημες;
03:33
And they just kind of come up, kind of like this.
82
198000
3000
Και απλά με κάποιο τρόπο εμφανίζονται, κάπως έτσι.
03:36
Just really quickly, like Google for pictures.
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 snow,
85
206000
2000
Και μετά σκέφτομαι, εντάξει, μπορεί να έχουμε χιόνι,
03:43
or we can have a thunderstorm,"
86
208000
2000
ή μια καταιγίδα,
03:45
and I can hold it there and turn them into videos.
87
210000
3000
και μπορώ να τις κρατήσω εκεί και να τις μετατρέψω σε βίντεο.
03:48
Now, visual thinking was a tremendous asset
88
213000
3000
Τώρα, η σκέψη μέσω εικόνων αποτέλεσε απίστευτο προσόν
03:51
in my work designing cattle-handling facilities.
89
216000
3000
στην δουλειά μου ως σχεδιάστρια εγκαταστάσεων για βοοειδή.
03:54
And I've worked really hard on improving
90
219000
2000
Και έχω δουλέψει πολύ σκληρά για τη βελτίωση
03:56
how cattle are treated at the slaughter plant.
91
221000
2000
της αντιμετώπισης των βοοειδών στα σφαγεία.
03:58
I'm not going to go into any gucky slaughter slides.
92
223000
3000
Δεν πρόκειται να σας δείξω τίποτα αηδιαστικές διαφάνειες με σφαγές.
04:01
I've got that stuff up on YouTube 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 able to do in my design work
94
228000
4000
Αλλά ένα από τα πράγματα που μπορούσα να κάνω ως σχεδιάστρια
04:07
is I could actually test run
95
232000
2000
ήταν ότι δοκίμαζα
04:09
a piece of equipment in my mind,
96
234000
2000
μέρος του εξοπλισμού μες στο ίδιο μου το μυαλό,
04:11
just like a virtual reality computer system.
97
236000
3000
σαν ένα υπολογιστικό σύστημα εικονικής πραγματικότητας.
04:14
And this is an aerial view
98
239000
2000
Αυτή είναι μία εναέρια λήψη
04:16
of a recreation of one of my projects that was used in the movie.
99
241000
3000
της ανοικοδόμησης ενός από τα έργα μου που χρησιμοποιήθηκαν στην ταινία.
04:19
That was like just so super cool.
100
244000
2000
Εκείνο ήταν τόσο απίστευτα τέλειο.
04:21
And there were a lot of kind of Asperger types
101
246000
2000
Πολλοί άνθρωποι με Άσπεργκερ και αυτισμό
04:23
and autism types working out there on the movie set too.
102
248000
3000
δουλεύουν επίσης στα πλατό της ταινίας.
04:26
(Laughter)
103
251000
2000
(Γέλια)
04:28
But one of the things that really worries me
104
253000
2000
Αλλά ένα από τα πράγματα που πραγματικά με ανησυχεί
04:30
is: Where's the younger version of those kids going today?
105
255000
4000
είναι το πού οδεύει η νεότερη εκδοχή εκείνων των παιδιών σήμερα.
04:34
They're not ending up in Silicon Valley, where they belong.
106
259000
3000
Δεν καταλήγουν στη Σίλικον Βάλεϊ, εκεί που ανήκουν.
04:37
(Laughter)
107
262000
3000
(Γέλια)
04:40
(Applause)
108
265000
5000
(Χειροκρότημα)
04:45
Now, one of the things I learned very early on because I wasn't that social,
109
270000
3000
Τώρα, ένα από τα πράγματα που έμαθα από πολύ μικρή, καθώς δεν ήμουν πολύ κοινωνική,
04:48
is I had to sell my work, and not myself.
110
273000
4000
είναι το ότι έπρεπε να πουλήσω τη δουλειά μου και όχι τον εαυτό μου.
04:52
And the way I sold livestock jobs
111
277000
2000
Και ο τρόπος που πουλούσα τις δουλειές μου με τα ζωντανά ήταν
04:54
is I showed off my drawings, I showed off pictures of things.
112
279000
3000
το ότι παρουσίαζα τις ζωγραφιές μου, εικόνες πραγμάτων.
04:57
Another thing that helped me as a little kid
113
282000
2000
Κάτι άλλο που με βοήθησε, ως μικρό παιδί,
04:59
is, boy, in the '50s, you were taught manners.
114
284000
2000
είναι ότι, φίλε μου, στη δεκαετία του '50 μάθαινες τρόπους.
05:01
You were taught you can't pull the merchandise off the shelves
115
286000
2000
Μάθαινες ότι δε μπορείς να τραβάς το εμπόρευμα
05:03
in the store and throw it around.
116
288000
2000
από τα ράφια του μαγαζιού και να το ρίχνεις τριγύρω.
05:05
Now, when kids get to be in third or fourth grade,
117
290000
3000
Τώρα, όταν τα παιδιά φτάνουν στη 'Γ ή 'Δ Δημοτικού,
05:08
you might see that this kid's going to be a visual thinker,
118
293000
3000
μπορεί να δεις ότι το τάδε παιδί πρόκειται να σκέφτεται με εικόνες,
05:11
drawing in perspective. Now, I want to
119
296000
2000
ζωγραφίζοντας σε προοπτική. Τώρα, θέλω να τονίσω
05:13
emphasize that not every autistic kid
120
298000
2000
πως δεν είναι απαραίτητο ότι όλα
05:15
is going to be a visual thinker.
121
300000
2000
τα αυτιστικά παιδιά θα σκέφτονται με εικόνες.
05:17
Now, I had this brain scan done several years ago,
122
302000
4000
Eίχα κάνει αυτή την τομογραφία εγκεφάλου πριν κάμποσα χρόνια,
05:21
and I used to joke around about having a
123
306000
2000
και συνήθιζα να αστειεύομαι λέγοντας ότι έχω
05:23
gigantic Internet trunk line
124
308000
2000
μια γιγαντιαία διαδικτυακή γραμμή
05:25
going deep into my visual cortex.
125
310000
2000
που πηγαίνει βαθιά στον οπτικό μου φλοιό.
05:27
This is tensor imaging.
126
312000
2000
Αυτή είναι η απεικόνιση του τανυστή διάχυσης.
05:29
And my great big internet trunk line
127
314000
2000
Αυτή η μεγάλη διαδικτυακή γραμμή μου
05:31
is twice as big as the control's.
128
316000
2000
είναι διπλάσια από αυτή της εικόνας ελέγχου.
05:33
The red lines there are me,
129
318000
2000
Οι κόκκινες γραμμές εκεί είμαι εγώ,
05:35
and the blue lines are the sex and age-matched control.
130
320000
4000
και οι μπλε γραμμές είναι ο συγκριτικός έλεγχος φύλου και ηλικίας.
05:39
And there I got a gigantic one,
131
324000
2000
Εδώ έχω μια γιγάντια γραμμή,
05:41
and the control over there, the blue one,
132
326000
2000
ενώ η γραμμή ελέγχου, η μπλε,
05:43
has got a really small one.
133
328000
4000
είναι πολύ μικρή.
05:47
And some of the research now is showing
134
332000
2000
Μέρος των τρεχουσών ερευνών δείχνει
05:49
is that people on the spectrum actually think with primary visual cortex.
135
334000
4000
ότι άνθρωποι στο φάσμα του αυτισμού σκέφτονται μέσω του πρωτοταγή οπτικού φλοιού.
05:53
Now, the thing is, the visual thinker's just one kind of mind.
136
338000
3000
Τώρα, το θέμα είναι ότι όποιος σκέφτεται με εικόνες, αντιστοιχεί σε ένα μόνο είδος εγκεφάλου.
05:56
You see, the autistic mind tends to be a specialist mind --
137
341000
3000
Βλέπετε, το αυτιστικό μυαλό τείνει να εξειδικεύεται.
05:59
good at one thing, bad at something else.
138
344000
4000
Καλό σε ένα πράγμα, κακό σε κάτι άλλο.
06:03
And where I was bad was algebra. And I was never allowed
139
348000
2000
Εγώ δεν ήμουν καλή στην άλγεβρα. Και δεν μου επέτρεψαν ποτέ
06:05
to take geometry or trig.
140
350000
2000
να επιλέξω γεωμετρία ή τριγωνομετρία.
06:07
Gigantic mistake: I'm finding a lot of kids who need to skip algebra,
141
352000
3000
Τεράστιο λάθος. Βλέπω πολλά παιδιά που χρειάζεται να αφήσουν την άλγεβρα,
06:10
go right to geometry and trig.
142
355000
2000
και να ασχοληθούν κατευθείαν με γεωμετρία και τριγωνομετρία.
06:12
Now, another kind of mind is the pattern thinker.
143
357000
3000
Τώρα, άλλο είδος μυαλού είναι αυτό που σκέφτεται με μοτίβα.
06:15
More abstract. These are your engineers,
144
360000
2000
Πιο αφηρημένες έννοιες. Σε αυτή την κατηγορία υπάγονται
06:17
your computer programmers.
145
362000
2000
οι μηχανικοί σας, οι προγραμματιστές.
06:19
Now, this is pattern thinking. That praying mantis
146
364000
2000
Τώρα, αυτή είναι σκέψη με μοτίβα. Αυτό το αλογάκι της Παναγίας
06:21
is made from a single sheet of paper --
147
366000
2000
έχει φτιαχτεί από ένα μονό φύλλο χαρτί,
06:23
no scotch tape, no cuts.
148
368000
2000
χωρίς σελοτέιπ ή ψαλίδι.
06:25
And there in the background is the pattern for folding it.
149
370000
3000
Και εκεί στο πίσω μέρος είναι το μοτίβο του διπλώματός του.
06:28
Here are the types of thinking:
150
373000
2000
Εδώ είναι τα είδη σκέψης,
06:30
photo-realistic visual thinkers, like me;
151
375000
3000
Σκέψη με ρεαλιστικές φωτογραφίες, όπως η δική μου.
06:33
pattern thinkers, music and math minds.
152
378000
4000
Σκέψη με μοτίβα, μουσικά και μαθηματικά μυαλά.
06:37
Some of these oftentimes have problems with reading.
153
382000
2000
Άτομα που σκέφτονται έτσι πολλές φορές έχουν προβλήματα στην ανάγνωση.
06:39
You also will see these kind of problems
154
384000
2000
Μπορεί κανείς να συναντήσει τέτοιου είδους προβλήματα και
06:41
with kids that are dyslexic.
155
386000
3000
σε δυσλεξικά παιδιά.
06:44
You'll see these different kinds of minds.
156
389000
2000
Θα δείτε αυτά τα διαφορετικά είδη μυαλών.
06:46
And then there's a verbal mind, they know every fact about everything.
157
391000
3000
Και μετά υπάρχει και ένα γλωσσικό μυαλό. Αυτοί ξέρουν τα πάντα για τα πάντα.
06:49
Now, another thing is the sensory issues.
158
394000
2000
Τώρα, ένα ακόμη θέμα αποτελούν τα αισθητηριακά ζητήματα.
06:51
I was really concerned about having to wear this gadget on my face.
159
396000
4000
Ήμουν ιδιαίτερα ανήσυχη που έπρεπε να βάλω αυτό το εξάρτημα στο πρόσωπό μου.
06:55
And I came in half an hour beforehand
160
400000
3000
Και ήρθα μισή ώρα νωρίτερα
06:58
so I could have it put on and kind 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 bent so it's not hitting my chin.
162
405000
3000
Και το λύγισαν έτσι ώστε να μην ενοχλεί το σαγόνι μου.
07:03
But sensory is an issue. Some kids are bothered by fluorescent lights;
163
408000
3000
Αλλά το αισθητηριακό αποτελεί ζήτημα. Κάποια παιδιά ενοχλούνται από τις λάμπες φθορισμού,
07:06
others have problems with sound sensitivity.
164
411000
3000
ενώ άλλα έχουν προβλήματα λόγω ακουστικής ευαισθησίας.
07:09
You know, it's going to be variable.
165
414000
3000
Ξέρετε, υπάρχει ποικιλία σε αυτά.
07:12
Now, visual thinking gave me a whole lot of insight
166
417000
4000
Βασικά η σκέψη μέσω εικόνων με έκανε πολύ διορατική
07:16
into the animal mind.
167
421000
2000
ως προς το μυαλό των ζώων.
07:18
Because think about it: An animal is a sensory-based thinker,
168
423000
3000
Επειδή, αν το σκεφτείτε, τα ζώα σκέφτονται με αισθητηριακό τρόπο,
07:21
not verbal -- thinks in pictures,
169
426000
4000
όχι λεκτικό. Σκέφτονται με εικόνες.
07:25
thinks in sounds, thinks in smells.
170
430000
3000
Σκέφτονται με ήχους και μυρωδιές.
07:28
Think about how much information there is there on the local fire hydrant.
171
433000
3000
Σκεφτείτε πόσες πληροφορίες υπάρχουν εκεί, στον τοπικό πυροσβεστικό κρουνό.
07:31
He knows who's been there, when they were there.
172
436000
3000
Ξέρει ποιοι ήταν εκεί, πότε ήταν εκεί,
07:34
Are they friend or foe? Is there anybody he can go mate 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 ton of information on that fire hydrant.
174
442000
3000
Υπάρχει ένα τόνος πληροφοριών σ' αυτόν τον πυροσβεστικό κρουνό.
07:40
It's all very detailed information,
175
445000
4000
Και είναι όλες πολύ λεπτομερείς.
07:44
and, looking at these kind of details
176
449000
2000
Η παρατήρηση όλων αυτών των λεπτομερειών
07:46
gave me a lot of insight into animals.
177
451000
2000
με έκανε πολύ διορατική με τα ζώα.
07:48
Now, the animal mind, and also my mind,
178
453000
4000
Τώρα, τα μυαλά των ζώων, όπως και το δικό μου,
07:52
puts sensory-based information
179
457000
2000
κατηγοριοποιούν τις πληροφορίες
07:54
into categories.
180
459000
2000
αισθητηριακής φύσης.
07:56
Man on a horse
181
461000
2000
Ένας άνθρωπος πάνω σε ένα άλογο
07:58
and a man on the ground --
182
463000
2000
και ένας άνθρωπος που στέκεται στη γη
08:00
that is viewed as two totally different things.
183
465000
2000
γίνονται αντιληπτοί σαν δύο τελείως διαφορετικά πράγματα.
08:02
You could have a horse that's been abused by a rider.
184
467000
3000
Ένα άλογο που έχει υποστεί κακοποίηση από τον αναβάτη
08:05
They'll be absolutely fine with the veterinarian
185
470000
2000
δεν θα είχε κανένα πρόβλημα με τον κτηνίατρο
08:07
and with the horseshoer, but you can't ride him.
186
472000
3000
και τον πεταλωτή, αλλά είναι αδύνατον να το ιππεύσει κανείς.
08:10
You have another horse, where maybe the horseshoer beat him up
187
475000
3000
Ένα άλλο άλογο, που πιθανώς να το έχει χτυπήσει ο πεταλωτής
08:13
and he'll be terrible for anything on the ground,
188
478000
2000
και που δεν θα μπορεί να λειτουργήσει στο έδαφος,
08:15
with the veterinarian, but a person can ride him.
189
480000
3000
με τον κτηνίατρο, μπορεί παρόλα αυτά να ιππευθεί.
08:18
Cattle are the same way.
190
483000
2000
Τα βοοειδή λειτουργούν με παρόμοιο τρόπο.
08:20
Man on a horse,
191
485000
2000
Ένας άνθρωπος που ιππεύει
08:22
a man on foot -- they're two different things.
192
487000
2000
κι ένας που στέκεται στη γη είναι δύο διαφορετικά πράγματα.
08:24
You see, it's a different picture.
193
489000
2000
Βλέπετε, είναι μια διαφορετική εικόνα.
08:26
See, I want you to think about just how specific this is.
194
491000
3000
Βλέπετε, θέλω απλά να σκεφτείτε πόσο συγκεκριμένο είναι αυτό.
08:29
Now, this ability to put information into categories,
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 troubleshooting equipment
197
501000
2000
Όταν λύνω προβλήματα με τον εξοπλισμό
08:38
or problems with something in a plant,
198
503000
2000
ή προβλήματα σε ένα σφαγείο,
08:40
they don't seem to be able to figure out, "Do I have a training people issue?
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 wrong with the equipment?"
200
509000
2000
Ή μήπως συμβαίνει κάτι με τον εξοπλισμό";
08:46
In other words, categorize equipment problem
201
511000
2000
Με άλλα λόγια, πολλοί άνθρωποι δυσκολεύονται
08:48
from a people problem.
202
513000
2000
να διαχωρίσουν ένα πρόβλημα που σχετίζεται με τον εξοπλισμό, από ένα πρόβλημα
08:50
I find a lot of people have difficulty doing that.
203
515000
3000
που σχετίζεται με τον ανθρώπινο παράγοντα. Πολλοί έχουν πρόβλημα με αυτό.
08:53
Now, let's say I figure out it's an equipment problem.
204
518000
3000
Τώρα, ας πούμε ότι διαπιστώνω ότι είναι πρόβλημα του εξοπλισμού.
08:56
Is it a minor problem, with something simple I can fix?
205
521000
2000
Είναι μικρό πρόβλημα που επιλύεται εύκολα;
08:58
Or is the whole design of the system wrong?
206
523000
3000
Ή είναι όλος σχεδιασμός του συστήματος λανθασμένος;
09:01
People have a hard time figuring 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
solving problems with making airlines safer.
209
531000
2000
για την δημιουργία ασφαλέστερων αερογραμμών.
09:08
Yeah, I'm a million-mile flier.
210
533000
2000
Ναι, έχω κάνει εκατομμύρια μίλια πετώντας.
09:10
I do lots and lots of flying,
211
535000
2000
Χρησιμοποιώ πολύ το αεροπλάνο
09:12
and if I was at the FAA,
212
537000
3000
και αν δούλευα στο FFA,
09:15
what would I be doing a lot of direct observation of?
213
540000
4000
τι θα ήταν εκείνο που θα παρατηρούσα άμεσα;
09:19
It would be their airplane tails.
214
544000
2000
Θα ήταν οι ουρές των αεροπλάνων.
09:21
You know, five fatal wrecks in the last 20 years,
215
546000
3000
Ξέρετε, σε πέντε θανάσιμα αεροπορικά δυστυχήματα των τελευταίων
09:24
the tail either came off or steering stuff inside the tail broke
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 tails, pure and simple.
218
555000
2000
Είναι οι ουρές, απλά και ξεκάθαρα.
09:32
And when the pilots walk around the plane, guess what? They can't see
219
557000
2000
Και μαντέψτε: όταν οι πιλότοι περπατούν μέσα στο αεροπλάνο, δεν μπορούν να δουν
09:34
that stuff inside the tail.
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 pulling up all of that specific information.
222
563000
3000
τσεκάρω όλες εκείνες τις συγκεκριμένες πληροφορίες.
09:41
It's specific. See, my thinking's bottom-up.
223
566000
3000
Είναι συγκεκριμένες. Βλέπετε, ο τρόπος σκέψης μου εστιάζει στη λεπτομέρεια.
09:44
I take all the little pieces and I put the pieces together like a puzzle.
224
569000
4000
Παίρνω όλα τα κομματάκια και τα ενώνω όπως στα παζλ.
09:48
Now, here is a horse that was deathly afraid
225
573000
2000
Τώρα, εδώ είναι ένα άλογο που φοβόταν υπερβολικά
09:50
of black cowboy hats.
226
575000
2000
τα μαύρα καουμπόικα καπέλα.
09:52
He'd been abused by somebody with a black cowboy hat.
227
577000
2000
Είχε κακοποιηθεί από κάποιον που φορούσε ένα τέτοιο.
09:54
White cowboy hats, that was absolutely fine.
228
579000
3000
Δεν φοβόταν καθόλου ας πούμε τα άσπρα καουμπόικα καπέλα.
09:57
Now, the thing is, the world is going to need
229
582000
3000
Τώρα, το θέμα είναι ότι ο κόσμος θα χρειαστεί
10:00
all of the different kinds of minds
230
585000
2000
τη συνεργασία όλων των διαφορετικών
10:02
to work together.
231
587000
2000
ειδών μυαλών.
10:04
We've got to work on developing all these different kinds of minds.
232
589000
3000
Πρέπει να προσπαθήσουμε να αναπτύξουμε όλα αυτά τα μυαλά.
10:07
And one of the things that is driving me really crazy,
233
592000
3000
Και ένα από τα πράγματα που πραγματικά με νευριάζουν
10:10
as I travel around and I do autism meetings,
234
595000
2000
καθώς ταξιδεύω και παρευρίσκομαι σε συναντήσεις για τον αυτισμό,
10:12
is I'm seeing a lot of smart, geeky, nerdy kids,
235
597000
3000
είναι που βλέπω πολλά έξυπνα σπασικλάκια,
10:15
and they just aren't very social,
236
600000
3000
τα οποία απλά δεν είναι πολύ κοινωνικά.
10:18
and nobody's working on developing their interest
237
603000
2000
Κανείς δεν προσπαθεί να αναπτύξει το ενδιαφέρον τους
10:20
in something like science.
238
605000
2000
για κάτι όπως η επιστήμη.
10:22
And this brings up the whole thing of my science teacher.
239
607000
3000
Κι αυτό φέρνει στην επιφάνεια την περίπτωση του καθηγητή μου.
10:25
My science teacher is shown absolutely beautifully in the movie.
240
610000
3000
Ο καθηγητής της φυσικο-χημείας παρουσιάζεται πολύ όμορφα στην ταινία.
10:28
I was a goofball student. When I was in high school
241
613000
2000
Δεν ήμουν καλή μαθήτρια. Στα χρόνια του λυκείου
10:30
I just didn't care at all about studying,
242
615000
3000
απλά δεν ενδιαφερόμουν για τη μελέτη,
10:33
until I had Mr. Carlock's science class.
243
618000
3000
μέχρι που παρακολούθησα τα μαθήματα του κ. Κάρλοκ.
10:36
He was now Dr. Carlock in the movie.
244
621000
3000
Ονομάζεται Δρ. Κάρλοκ στην ταινία.
10:39
And he got me challenged
245
624000
3000
Με προκάλεσε
10:42
to figure out an optical illusion room.
246
627000
3000
να ανακαλύψω πώς λειτουργεί ένα δωμάτιο οπτικών παραισθήσεων.
10:45
This brings up the whole thing of you've got to show kids
247
630000
2000
Όλο αυτό δείχνει τη σημασία του να δείξεις στα παιδιά
10:47
interesting stuff.
248
632000
2000
ενδιαφέροντα πράγματα.
10:49
You know, one of the things that I think maybe TED ought to do
249
634000
3000
Ξέρετε, ένα από αυτά που νομίζω ότι θα μπορούσε να κάνει το TED
10:52
is tell all the schools about all the great lectures that are on TED,
250
637000
3000
είναι να διαδώσει στα σχολεία πόσο καλές ομιλίες υπάρχουν στο TED.
10:55
and there's all kinds of great stuff on the Internet
251
640000
2000
Και υπάρχουν καλά πράγματα όλων των ειδών στο διαδίκτυο
10:57
to get these kids turned on.
252
642000
2000
για να ενεργοποιηθούν αυτά τα παιδιά.
10:59
Because I'm seeing a lot of these geeky nerdy kids,
253
644000
3000
Επειδή βλέπω πολλά από αυτά τα σπασικλάκια
11:02
and the teachers out in the Midwest, and the other parts of the country,
254
647000
3000
και τους δασκάλους στα κεντροδυτικά και άλλα μέρη της χώρας,
11:05
when you get away from these tech areas,
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 kids.
256
652000
2000
ξεφεύγει κανείς από αυτές τα τεχνολογικές περιοχές.
11:09
And they're not going down the right path.
257
654000
2000
Δεν ακολουθούν το σωστό δρόμο.
11:11
The thing is, you can make a mind
258
656000
2000
Το θέμα είναι ότι μπορεί κανείς να κάνει ένα μυαλό
11:13
to be more of a thinking and cognitive mind,
259
658000
3000
να γίνει περισσότερο σκεπτόμενο και γνωστικό.
11:16
or your mind can be wired to be more social.
260
661000
3000
Ή το μυαλό σας μπορεί να προγραμματιστεί να γίνει πιο κοινωνικό.
11:19
And what some of the research now has shown in autism
261
664000
2000
Αυτό που ορισμένες έρευνες πάνω στον αυτισμό έχουν δείξει
11:21
is there may by extra wiring back here,
262
666000
2000
είναι ότι μπορεί να υπάρχει καλύτερη καλωδίωση εδώ, στα πραγματικά
11:23
in the really brilliant mind, and we lose a few social circuits here.
263
668000
3000
ιδιοφυή μυαλά, αλλά χάνουμε παράλληλα εδώ κάποια κυκλώματα που αφορούν την κοινωνικότητα.
11:26
It's kind of a trade-off between thinking and social.
264
671000
4000
Είναι σαν να υπάρχει μία τράμπα μεταξύ σκέψης και κοινωνικότητας.
11:30
And then you can get into the point where it's so severe
265
675000
2000
Μπορεί σε κάποιο επίπεδο να γίνει τόσο σοβαρή,
11:32
you're going to have a person that's going to be non-verbal.
266
677000
3000
σε σημείο που ένας άνθρωπος να μην μπορεί να επικοινωνήσει γλωσσικά.
11:35
In the normal human mind
267
680000
2000
Στο φυσιολογικό ανθρώπινο μυαλό
11:37
language covers up the visual thinking we share with animals.
268
682000
3000
η γλώσσα επικαλύπτει τον οπτικό τρόπο σκέψης που μοιραζόμαστε με τα ζώα.
11:40
This is the work of Dr. Bruce Miller.
269
685000
3000
Αυτή είναι η δουλειά του Δρ. Μπρους Μίλερ,
11:43
And he studied Alzheimer's patients
270
688000
3000
ο οποίος μελέτησε ασθενείς με Αλτσχάιμερ
11:46
that had frontal temporal lobe dementia.
271
691000
2000
που είχαν άνοια του μετωπιαίου κροταφικού λοβού,
11:48
And the dementia ate out the language parts of the brain,
272
693000
3000
και εξάλειψε τα γλωσσικά μέρη του εγκεφάλου.
11:51
and then this artwork came out of somebody who used to install stereos in cars.
273
696000
5000
Αυτό το έργο τέχνης δημιουργήθηκε από κάποιον ο οποίος τοποθετούσε στερεοφωνικά σε αυτοκίνητα.
11:56
Now, Van Gogh doesn't know anything about physics,
274
701000
4000
Τώρα, ο Βαν Γκογκ δεν ξέρει τίποτα πάνω στη φυσική,
12:00
but I think it's very interesting
275
705000
2000
αλλά νομίζω πως είναι πολύ ενδιαφέρον το ότι
12:02
that there was some work done to show that
276
707000
2000
έχει γίνει κάποια δουλειά που δείχνει ότι
12:04
this eddy pattern in this painting
277
709000
2000
αυτό το στροβιλίζον μοτίβο σε αυτόν το πίνακα
12:06
followed a statistical model of turbulence,
278
711000
3000
ακολούθησε ένα στατιστικό μοντέλο της στροβιλώδους ροής.
12:09
which brings up the whole interesting idea
279
714000
2000
Όλο αυτό αναδεικνύει την ενδιαφέρουσα ιδέα σύμφωνα με την οποία
12:11
of maybe some of this mathematical patterns
280
716000
2000
κάποια μαθηματικά μοτίβα
12:13
is in our own head.
281
718000
2000
πιθανώς να ενυπάρχουν στο μυαλό μας.
12:15
And the Wolfram stuff -- I was taking
282
720000
2000
Τα στοιχεία από την υπολογιστική μηχανή αναζήτησης Wolfram
12:17
notes and I was writing down all the
283
722000
2000
για τα οποία κρατούσα σημειώσεις και κατέγραφα
12:19
search words 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 autism lectures.
285
726000
4000
το έκανα επειδή θεωρώ ότι όλα αυτά θα προστεθούν στις διαλέξεις μου σχετικά με τον αυτισμό.
12:25
We've got to show these kids interesting stuff.
286
730000
2000
Θα πρέπει να δείξουμε σε αυτά τα παιδιά ενδιαφέροντα πράγματα.
12:27
And they've taken out the autoshop class
287
732000
2000
Έχουν καταργήσει τα μαθήματα μηχανικής αυτοκινήτου,
12:29
and the drafting class and the art class.
288
734000
2000
όπως και τα μαθήματα σχεδίου και καλλιτεχνικών.
12:31
I mean art was my best subject in school.
289
736000
3000
Εννοώ, τα καλλιτεχνικά ήταν το αγαπημένο μου μάθημα.
12:34
We've got to think about all these different kinds of minds,
290
739000
2000
Πρέπει να σκεφτούμε όλα αυτά τα διαφορετικά είδη μυαλών
12:36
and we've got to absolutely work with these kind of minds,
291
741000
3000
και οπωσδήποτε πρέπει να δουλέψουμε μαζί τους
12:39
because we absolutely are going to need
292
744000
3000
επειδή σίγουρα θα χρειαστούμε στο μέλλον
12:42
these kind of people in the future.
293
747000
3000
αυτό το είδος των ανθρώπων.
12:45
And let's talk about jobs.
294
750000
2000
Ας μιλήσουμε τώρα για το επαγγελματικό ζήτημα.
12:47
OK, my science teacher got me studying
295
752000
2000
Εντάξει, ο φυσικο-χημικός μου με έκανε να διαβάζω
12:49
because I was a goofball that didn't want to study.
296
754000
3000
επειδή δεν ήμουν καλή μαθήτρια και δεν ήθελα να διαβάζω.
12:52
But you know what? I was getting work experience.
297
757000
2000
Αλλά ξέρετε κάτι; Αποκτούσα εργασιακή εμπειρία.
12:54
I'm seeing too many of these smart kids who haven't learned basic 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 taught that when I was eight years old.
300
763000
2000
Εγώ το έμαθα όταν ήμουν οχτώ χρονών.
13:00
You know, how to have table manners at granny's Sunday party.
301
765000
3000
Επίσης έμαθα πολύ μικρή καλούς τρόπους
13:03
I was taught that when I was very, very young.
302
768000
3000
για τα κυριακάτικα πάρτι της γιαγιάς.
13:06
And when I was 13, I had a job at a dressmaker's shop
303
771000
3000
Και στα 13 μου βρήκα μια δουλειά σε ένα ραφείο
13:09
sewing clothes.
304
774000
2000
όπου σιδέρωνα ρούχα.
13:11
I did internships in college,
305
776000
3000
Όταν ήμουν στο κολέγιο έκανα πρακτική.
13:14
I was building things,
306
779000
3000
Κατασκεύαζα πράγματα.
13:17
and I also had to learn how to do assignments.
307
782000
3000
Επίσης έπρεπε να μάθω να γράφω εργασίες.
13:20
You know, all I wanted to do was draw pictures of horses when I was little.
308
785000
4000
Ξέρετε, το μόνο που ήθελα να κάνω όταν ήμουν μικρή ήταν να ζωγραφίζω άλογα.
13:24
My mother said, "Well let's do a picture of something else."
309
789000
2000
Η μητέρα μου είπε, "Λοιπόν, ας ζωγραφίσουμε κάτι διαφορετικό".
13:26
They've got to learn how to do something else.
310
791000
2000
Αυτά τα παιδιά πρέπει να μάθουν να κάνουν και άλλα πράγματα.
13:28
Let's say the kid is fixated on Legos.
311
793000
2000
Ας πούμε πώς ένα παιδί παίζει συνέχεια με τουβλάκια.
13:30
Let's get him working on building different things.
312
795000
3000
Ας το προτρέψουμε να χτίσει κάτι διαφορετικό.
13:33
The thing about the autistic mind
313
798000
2000
Το ζήτημα του αυτιστικού μυαλού
13:35
is it tends to be fixated.
314
800000
2000
είναι ότι συχνά παθαίνει εμμονή με κάτι.
13:37
Like if a kid loves racecars,
315
802000
2000
Οπότε αν ένα παιδί αγαπά τα αυτοκινητάκια
13:39
let's use racecars for math.
316
804000
2000
μπορούμε να τα χρησιμοποιήσουμε σαν βοήθημα για τα μαθηματικά.
13:41
Let's figure out how long it takes a racecar to go a certain distance.
317
806000
3000
Ας πούμε πόση ώρα χρειάζεται το τάδε αυτοκινητάκι να διανύσει μια συγκεκριμένη απόσταση.
13:44
In other words, use that fixation
318
809000
4000
Με άλλα λόγια, το να χρησιμοποιήσουμε την εμμονή του παιδιού
13:48
in order to motivate that kid, 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 fed up when they, you know, the teachers,
320
816000
3000
Αλήθεια αγανακτώ όταν αυτοί, ξέρετε, οι δάσκαλοι,
13:54
especially when you get away from this part of the country,
321
819000
3000
ιδιαίτερα σε άλλες περιοχές της χώρας,
13:57
they don't know what to do with these smart kids.
322
822000
2000
δεν ξέρουν τι να κάνουν με αυτά τα έξυπνα παιδιά.
13:59
It just drives me crazy.
323
824000
2000
Αλήθεια τρελαίνομαι με αυτό.
14:01
What can visual thinkers do when they grow up?
324
826000
2000
Τι μπορούν να κάνουν όσοι έχουν οπτικό τρόπο σκέψης όταν μεγαλώσουν;
14:03
They can do graphic design, all kinds of stuff with computers,
325
828000
3000
Μπορούν να ασχοληθούν με τη γραφιστική, με όλα όσα έχουν να κάνουν με υπολογιστές,
14:06
photography, industrial design.
326
831000
5000
με φωτογραφία, με βιομηχανικό σχέδιο.
14:11
The pattern thinkers, they're the ones that are going to be
327
836000
2000
Όσοι σκέφτονται με μοτίβα, είναι αυτοί που θα γίνουν
14:13
your mathematicians, your software engineers,
328
838000
3000
οι μαθηματικοί σας, οι μηχανικοί λογισμικού,
14:16
your computer programmers, all of those kinds of jobs.
329
841000
4000
οι προγραμματιστές σας, όλα εκείνα τα επαγγέλματα.
14:20
And then you've got the word minds. They make great journalists,
330
845000
3000
Και μετά έχουμε τα μυαλά με γλωσσικό τρόπο σκέψης. Γίνονται καλοί δημοσιογράφοι.
14:23
and they also make really, really good stage actors.
331
848000
3000
Γίνονται επίσης πολύ καλοί θεατρικοί ηθοποιοί.
14:26
Because the thing about being autistic is,
332
851000
2000
Επειδή, το ζήτημα είναι ότι ως αυτιστική,
14:28
I had to learn social skills like being in a play.
333
853000
3000
έπρεπε να μάθω κοινωνικές δεξιότητες σαν να έπαιζα θέατρο.
14:31
It's just kind of -- you just have to learn it.
334
856000
3000
Είναι κάτι που απλά, πρέπει να το μάθεις.
14:34
And we need to be working with these students.
335
859000
3000
Και χρειάζεται να δουλεύουμε με αυτούς τους μαθητές,
14:37
And this brings up mentors.
336
862000
2000
κάτι που οδηγεί στην ανάδειξη μεντόρων.
14:39
You know, my science teacher was not an accredited teacher.
337
864000
3000
Ξέρετε, ο φυσικο-χημικός μου δεν ήταν πιστοποιημένος δάσκαλος.
14:42
He was a NASA space scientist.
338
867000
2000
Ήταν επιστήμονας της NASA.
14:44
Now, some states now are getting it to where
339
869000
2000
Τώρα, κάτι που συμβαίνει σε κάποιες πολιτείες είναι ότι
14:46
if you have a degree in biology, or a degree in chemistry,
340
871000
2000
αν έχεις πτυχίο στη βιολογία ή τη χημεία
14:48
you can come into the school and teach biology or chemistry.
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 observing is
343
878000
2000
επειδή αυτό που παρατηρώ είναι ότι
14:55
the good teachers, for a lot of these kids,
344
880000
2000
οι καλοί δάσκαλοι, για πολλά από αυτά τα παιδιά,
14:57
are out in the community colleges,
345
882000
2000
βρίσκονται έξω, στα κοινοτικά κολέγια.
14:59
but we need to be getting some of these good teachers into the high schools.
346
884000
3000
Θα πρέπει να παίρνουμε κάποιους από αυτούς τους καλούς δασκάλους στα λύκεια.
15:02
Another thing that can be very, very, very successful is
347
887000
3000
Κάτι άλλο που μπορεί να αποδειχτεί πολύ πολύ επιτυχημένο είναι ότι
15:05
there is a lot of people that may have retired
348
890000
3000
υπάρχουν πολλοί άνθρωποι που έχουν αποσυρθεί
15:08
from working in the software industry, and they can teach your kid.
349
893000
3000
από τη βιομηχανία υπολογιστών που μπορούν να διδάξουν το παιδί σας.
15:11
And it doesn't matter if what they teach them is old,
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 lighting the spark.
351
899000
3000
επειδή το ζήτημα είναι να ανάψετε τη σπίθα.
15:17
You're getting that kid turned on.
352
902000
3000
Ενεργοποιείτε τα παιδιά,
15:20
And you get him turned on, then he'll learn all the new stuff.
353
905000
3000
κι από εκείνη τη στιγμή αρχίζουν να μαθαίνουν καινούρια πράγματα.
15:23
Mentors are just essential.
354
908000
2000
Οι μέντορες είναι απλά απαραίτητοι.
15:25
I cannot emphasize enough
355
910000
2000
Δεν μπορώ να τονίσω αρκετά
15:27
what my science teacher did for me.
356
912000
3000
το τι έκανε για μένα ο φυσικο-χημικός μου.
15:30
And we've got to mentor them, hire them.
357
915000
3000
Πρέπει να τα διδάσκουμε και να τα προσλαμβάνουμε.
15:33
And if you bring them in for internships in your companies,
358
918000
2000
Αν τα πάρετε για πρακτική στις εταιρείες σας,
15:35
the thing about the autism, Asperger-y kind of mind,
359
920000
3000
έχετε υπόψιν ότι σε αυτιστικά μυαλά ή μυαλά με Άσπεργκερ
15:38
you've got to give them a specific task. Don't just say, "Design new software."
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 specific:
361
926000
2000
Θα πρέπει να τους δίνετε πολύ πιο συγκεκριμένες πληροφορίες.
15:43
"Well, we're designing a software for a phone
362
928000
3000
"Λοιπόν, σχεδιάζουμε ένα λογισμικό για ένα τηλέφωνο
15:46
and it has to do some specific thing.
363
931000
2000
και πρέπει να κάνει κάτι συγκεκριμένο,
15:48
And it can only use so much memory."
364
933000
2000
και μπορεί να χρησιμοποιηθεί μόνο τόση χωρητικότητα".
15:50
That's the kind of specificity you need.
365
935000
2000
Τόσο συγκεκριμένοι πρέπει να είστε.
15:52
Well, that's the end of my talk.
366
937000
2000
Λοιπόν, αυτό είναι το τέλος της ομιλίας μου,
15:54
And I just want to thank everybody for coming.
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
(Applause)
369
943000
12000
(Χειροκρότημα)
16:10
Oh, you've got a question for me? OK.
370
955000
3000
Α, έχετε μια ερώτηση για μένα; Εντάξει.
16:13
(Applause)
371
958000
1000
(Χειροκρότημα)
16:14
Chris Anderson: Thank you so much for that.
372
959000
4000
Κρις Άντερσον: Σας ευχαριστώ πολύ για όλο αυτό.
16:18
You know, you once wrote, I like this quote,
373
963000
2000
Ξέρετε, κάποτε γράψατε -- μου αρέσουν αυτά τα λόγια σας,
16:20
"If by some magic, autism had been
374
965000
2000
"Αν, ως δια μαγείας, ο αυτισμός είχε
16:22
eradicated from the face of the Earth,
375
967000
3000
εξαφανιστεί από προσώπου Γης,
16:25
then men would still be socializing in front of a wood fire
376
970000
3000
τότε οι άνθρωποι θα κοινωνικοποιούνταν ακόμα μπροστά από μια φωτιά
16:28
at the entrance to a cave."
377
973000
2000
στην είσοδο μιας σπηλιάς".
16:30
Temple Grandin: Because who do you think made the first stone spears?
378
975000
2000
Τεμπλ Γκράντιν: Ποιος νομίζετε ότι έφτιαξε τους πρώτους χειροπελέκεις;
16:32
The Asperger guy. And if you were to get rid of all the autism genetics
379
977000
3000
Ο τύπος με το Άσπεργκερ. Κι αν ξεφορτωνόσασταν όλα τα γονίδια του αυτισμού
16:35
there would be no more Silicon Valley,
380
980000
2000
αφενός δεν θα υπήρχε πια η Σίλικον Βάλεϊ,
16:37
and the energy crisis would not be solved.
381
982000
2000
αφετέρου δεν θα επιλυόταν η ενεργειακή κρίση.
16:39
(Applause)
382
984000
3000
(Χειροκρότημα)
16:42
CA: So, I want to ask you a couple other questions,
383
987000
2000
Κ.Α.: Θα ήθελα να σου κάνω μερικές ακόμη ερωτήσεις.
16:44
and if any of these feel inappropriate,
384
989000
2000
Αν θεωρείς ότι κάποιες από αυτές δεν είναι οι πλέον κατάλληλες
16:46
it's okay just to say, "Next question."
385
991000
2000
απλά πες "Επόμενη ερώτηση".
16:48
But if there is someone here
386
993000
2000
Αλλά αν βρίσκεται κάποιος εδώ
16:50
who has an autistic child,
387
995000
2000
που είτε έχει ένα αυτιστικό παιδί
16:52
or knows an autistic child
388
997000
2000
είτε ξέρει κάποιο αυτιστικό παιδί
16:54
and feels kind of cut off from them,
389
999000
3000
κι αισθάνεται κάπως αποκομμένος από αυτό,
16:57
what advice would you give them?
390
1002000
2000
τι συμβουλή θα του έδινες;
16:59
TG: Well, first of all, you've got to look at age.
391
1004000
2000
Τ.Γ.: Λοιπόν, καταρχάς πρέπει κανείς να κοιτάξει την ηλικία.
17:01
If you have a two, three or four year old
392
1006000
2000
Αν έχεις ένα παιδί δύο, τριών ή τεσσάρων ετών,
17:03
you know, no speech, no social interaction,
393
1008000
2000
ξέρεις, χωρίς ομιλία, χωρίς κοινωνική αλληλεπίδραση,
17:05
I can't emphasize enough:
394
1010000
2000
δεν μπορώ να το τονίσω αρκετά,
17:07
Don't wait, you need at least 20 hours a week of one-to-one teaching.
395
1012000
4000
μην καθυστερείς, θα χρειαστείς τουλάχιστον 20 ώρες την εβδομάδα διδασκαλίας ενός προς έναν.
17:11
You know, the thing is, autism comes in different degrees.
396
1016000
3000
Ξέρετε, το ζήτημα είναι ότι ο αυτισμός εμφανίζεται σε διαφορετικές διαβαθμίσεις.
17:14
There's going to be about half the people on the spectrum
397
1019000
2000
Περίπου τα μισά από τα άτομα που βρίσκονται στο φάσμα
17:16
that are not going to learn to talk, and they're not going to be working
398
1021000
2000
δεν πρόκειται να μάθουν να μιλούν, ούτε θα μπορέσουν να δουλέψουν
17:18
Silicon Valley, that would not be a reasonable 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 smart, geeky kids
400
1026000
2000
Αλλά όταν μιλάμε για τα έξυπνα σπασικλάκια
17:23
that have a touch of autism,
401
1028000
2000
που έχουν κάποια αυτιστικά στοιχεία,
17:25
and that's where you've got to get them turned on
402
1030000
2000
εκεί είναι που πρέπει να τα βοηθήσεις να ενεργοποιηθούν
17:27
with doing interesting things.
403
1032000
2000
δίνοντάς τους να κάνουν ενδιαφέροντα πράγματα.
17:29
I got social interaction through shared interest.
404
1034000
3000
Έμαθα να αλληλεπιδρώ κοινωνικά μέσω του μοιράσματος των ενδιαφερόντων μου.
17:32
I rode horses with other kids, I made model rockets with other kids,
405
1037000
4000
Έκανα ιππασία με άλλα παιδιά. Έφτιαχνα μικρούς πυραύλους με άλλα παιδιά,
17:36
did electronics lab with other kids,
406
1041000
2000
συμμετείχα σε ηλεκτρονικά εργαστήρια με άλλα παιδιά,
17:38
and in the '60s, it was gluing mirrors
407
1043000
2000
κάτι που στη δεκαετία του '60 σήμαινε να κολλάς καθρέφτες
17:40
onto a rubber membrane on a speaker to make a light show.
408
1045000
3000
με μεμβράνες από καουτσούκ πάνω σε ένα ηχείο για να εμφανιστεί ένα φως.
17:43
That was like, we considered that super cool.
409
1048000
3000
Αυτό ήταν σαν, το θεωρούσαμε σούπερ τέλειο.
17:46
CA: Is it unrealistic for them
410
1051000
2000
Κ.Α.: Είναι μη ρεαλιστικό για αυτούς
17:48
to hope or think that that child
411
1053000
2000
να ελπίζουν ή να σκέφτονται ότι εκείνο το παιδί
17:50
loves them, as some might, as most, wish?
412
1055000
3000
τους αγαπάει, όπως μερικοί, οι περισσότεροι, εύχονται.
17:53
TG: Well let me tell you, that child will be loyal,
413
1058000
2000
Τ.Γ.: Λοιπόν άκου τι θα σου πω: Το παιδί αυτό είναι πιστό.
17:55
and if your house is burning 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
CA: Wow. So, most people, if you ask them
415
1062000
3000
Κ.Α.: Λοιπόν, οι περισσότεροι άνθρωποι, αν τους ρωτήσεις
18:00
what are they most passionate about, they'd say things like,
416
1065000
2000
ποιο πράγμα τους παθιάζει περισσότερο, θα έλεγαν κάτι όπως
18:02
"My kids" or "My lover."
417
1067000
3000
"Τα παιδιά μου" ή "Ο/η εραστής/ερωμένη μου".
18:05
What are you most passionate about?
418
1070000
3000
Εσένα τι σε παθιάζει περισσότερο;
18:08
TG: I'm passionate 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 world a better place.
420
1075000
2000
θα βοηθήσουν τον κόσμο να γίνει ένα καλύτερο μέρος.
18:12
When I have a mother of an autistic child say,
421
1077000
2000
Όταν έχω τη μητέρα ενός αυτιστικού παιδιού να λέει
18:14
"My kid went to college because of your book,
422
1079000
2000
"Το παιδί μου πήγε στο κολέγιο λόγω του βιβλίου σου
18:16
or one of your lectures," that makes me happy.
423
1081000
2000
ή κάποιας ομιλίας σου", αισθάνομαι ευτυχισμένη.
18:18
You know, the slaughter plants, I've worked with them
424
1083000
3000
Ξέρετε, τα σφαγεία στα οποία δούλεψα
18:21
in the '80s; they were absolutely awful.
425
1086000
2000
τη δεκαετία του '80, ήταν αληθινά απαίσια.
18:23
I developed a really simple scoring system for slaughter plants
426
1088000
4000
Δημιούργησα ένα πολύ απλό σύστημα αξιολόγησης για τα σφαγεία
18:27
where you just measure outcomes: How many cattle fell down?
427
1092000
2000
που απλά μετράς τα αποτελέσματα, πόσα ζώα σφαγιάστηκαν,
18:29
How many cattle got poked with the prodder?
428
1094000
2000
πόσα ζώα τσιμπήθηκαν με τη βουκέντρα,
18:31
How many cattle are mooing their heads off?
429
1096000
2000
πόσα ξεσπάνε σε μυκηθμούς;
18:33
And it's very, very simple.
430
1098000
2000
Και είναι πολύ πολύ απλό.
18:35
You directly observe a few simple things.
431
1100000
2000
Παρατηρείς άμεσα λίγα απλά πράγματα.
18:37
It's worked really well. I get satisfaction out of
432
1102000
2000
Έχει δουλέψει πολύ καλά. Παίρνω ικανοποίηση από το να
18:39
seeing stuff that makes real change
433
1104000
3000
βλέπω πράγματα που φέρνουν αληθινές αλλαγές
18:42
in the real world. We need a lot more of that,
434
1107000
2000
στον αληθινό κόσμο. Χρειαζόμαστε πολύ περισσότερα από αυτά
18:44
and a lot less abstract stuff.
435
1109000
2000
και πολύ λιγότερα από τα αφηρημένα πράγματα.
18:46
(Applause)
436
1111000
7000
(Χειροκρότημα)
18:53
CA: When we were talking on the phone, one of the things you said that
437
1118000
2000
Κ.Α.: Όταν μιλούσαμε στο τηλέφωνο, κάτι που ανέφερες και
18:55
really astonished me was you said one thing
438
1120000
2000
αληθινά εξεπλάγην, ήταν όταν είπες ότι ένα από τα πράγματα
18:57
you were passionate about was server farms. Tell me about that.
439
1122000
4000
που σε παθιάζουν είναι οι φάρμες διακομιστών. Μίλησέ μου για αυτό.
19:01
TG: Well the reason why I got really excited when I read about that,
440
1126000
3000
Τ.Γ.: Λοιπόν ο λόγος που ενθουσιάζομαι όταν διαβάζω για αυτά είναι
19:04
it contains knowledge.
441
1129000
3000
ότι περιέχουν γνώση.
19:07
It's libraries.
442
1132000
2000
Είναι βιβλιοθήκες.
19:09
And to me, knowledge is something
443
1134000
2000
Και για μένα η γνώση έχει τεράστια αξία.
19:11
that is extremely valuable. So, maybe, over 10 years ago
444
1136000
2000
Έτσι, πριν από περίπου 10 χρόνια
19:13
now our library got flooded.
445
1138000
2000
η βιβλιοθήκη μας πλημμύρισε.
19:15
And this is before the Internet got really big.
446
1140000
2000
Αυτό έγινε πριν την εξάπλωση του διαδικτύου,
19:17
And I was really upset about all the books being wrecked,
447
1142000
2000
και το γεγονός ότι όλα τα βιβλία καταστράφηκαν με στενοχώρησε πολύ,
19:19
because it was knowledge being destroyed.
448
1144000
2000
καθώς αυτό που πραγματικά καταστράφηκε ήταν η ίδια η γνώση.
19:21
And server farms, or data centers
449
1146000
2000
Οι φάρμες διακομιστών ή οι βάσεις δεδομένων
19:23
are great libraries of knowledge.
450
1148000
3000
αποτελούν μεγάλες βιβλιοθήκες γνώσης.
19:26
CA: Temple, can I just say it's an absolute delight to have you at TED.
451
1151000
3000
Κ.Α.: Τεμπλ, απλά θα πω ότι ήταν μεγάλη ευχαρίστηση να σε έχουμε στο TED.
19:29
TG: Well thank you so much. Thank you.
452
1154000
3000
Τ.Γ.: Σε ευχαριστώ πάρα πολύ. Σε ευχαριστώ.
19:32
(Applause)
453
1157000
6000
(Χειροκρότημα)
ABOUT THE SPEAKER
Temple Grandin - Livestock handling designer, autism activistThrough groundbreaking research and the lens of her own autism, Temple Grandin brings startling insight into two worlds.
Why you should listen
An expert on animal behavior, Temple Grandin has designed humane handling systems for half the cattle-processing facilities in the US, and consults with the meat industry to develop animal welfare guidelines. As PETA wrote when awarding her a 2004 Proggy: “Dr. Grandin's improvements to animal-handling systems found in slaughterhouses have decreased the amount of fear and pain that animals experience in their final hours, and she is widely considered the world's leading expert on the welfare of cattle and pigs.” In 2010, Time Magazine listed her as one of its most Important People of the Year. She is also a member of the American Academy of Arts and Sciences.
Grandin’s books about her interior life as an autistic person have increased the world's understanding of the condition with personal immediacy -- and with import, as rates of autism diagnosis rise. She is revered by animal rights groups and members of autistic community, perhaps because in both regards she is a voice for those who are sometimes challenged to make themselves heard.
Temple Grandin | Speaker | TED.com