TED2007
Alan Kay: A powerful idea about ideas
Alan Kay comparte una poderosa idea sobre las ideas
Filmed:
Readability: 3.4
851,991 views
Con toda la intensidad y brillantez por la que es conocido, Alan Kay prevé mejores técnicas para educar a los niños usando computadoras para ilustrar experiencias en formas -matemáticas y científicas- que sólo se pueden hacer con computadores.
Alan Kay - Educator and computing pioneer
One of the true luminaries of personal computing, Alan Kay conceived of laptops and graphical interfaces years before they were realized. At XeroxPARC, Apple, HP and Disney, he has developed tools for improving the mind. Full bio
One of the true luminaries of personal computing, Alan Kay conceived of laptops and graphical interfaces years before they were realized. At XeroxPARC, Apple, HP and Disney, he has developed tools for improving the mind. Full bio
Double-click the English transcript below to play the video.
00:18
A great way to start, I think, with my view of simplicity
0
0
4000
Una gran manera de empezar, creo, para mi idea de simplicidad,
00:22
is to take a look at TED. Here you are, understanding why we're here,
1
4000
7000
es mirar a TED. Aquí están ustedes, comprendiendo por qué estamos aquí,
00:29
what's going on with no difficulty at all.
2
11000
5000
lo que está sucediendo, sin ninguna dificultad.
00:34
The best A.I. in the planet would find it complex and confusing,
3
16000
4000
La mejor inteligencia artificial del planeta lo encontraría complejo y confuso,
00:38
and my little dog Watson would find it simple and understandable
4
20000
5000
y mi pequeño perro Watson lo encontraría simple y comprensible,
00:43
but would miss the point.
5
25000
2000
pero no comprendería la idea.
00:45
(Laughter)
6
27000
3000
(Risas)
00:48
He would have a great time.
7
30000
3000
Él lo pasaría de maravilla.
00:51
And of course, if you're a speaker here, like Hans Rosling,
8
33000
5000
Y por supuesto, si presentasen aquí, como Hans Rosling,
00:56
a speaker finds this complex, tricky. But in Hans Rosling's case,
9
38000
5000
un presentador encuentra esto complejo, difícil. Pero en el caso de Hans Rosling,
01:01
he had a secret weapon yesterday,
10
43000
2000
él tenía una arma secreta ayer,
01:03
literally, in his sword swallowing act.
11
45000
4000
literalmente, al tragar las espadas.
01:07
And I must say, I thought of quite a few objects
12
49000
2000
Y debo decir que pensé en varios objetos
01:09
that I might try to swallow today and finally gave up on,
13
51000
5000
que podría tratar de tragar hoy y finalmente me rendí;
01:14
but he just did it and that was a wonderful thing.
14
56000
4000
pero él lo hizo y fue algo maravilloso.
01:18
So Puck meant not only are we fools in the pejorative sense,
15
60000
5000
Y Puck no sólo trató de decir que somos tontos despectivamente,
01:23
but that we're easily fooled. In fact, what Shakespeare
16
65000
4000
sino que somos fáciles de engañar. De hecho, lo que Shakespeare
01:27
was pointing out is we go to the theater in order to be fooled,
17
69000
3000
trataba de decir es que vamos al teatro para ser engañados,
01:30
so we're actually looking forward to it.
18
72000
4000
así que es algo que en realidad deseamos.
01:34
We go to magic shows in order to be fooled.
19
76000
2000
Vamos a espectáculos de magia para ser engañados.
01:36
And this makes many things fun, but it makes it difficult to actually
20
78000
8000
Y esto hace a muchas cosas divertidas, pero hace difícil
01:44
get any kind of picture on the world we live in or on ourselves.
21
86000
4000
obtener una visión del mundo donde vivimos, o de nosotros mismos.
01:48
And our friend, Betty Edwards,
22
90000
2000
Y nuestra amiga, Betty Edwards,
01:50
the "Drawing on the Right Side of the Brain" lady, shows these two tables
23
92000
3000
la señora de Dibujando En El Lado Derecho Del Cerebro, muestra estas dos mesas
01:53
to her drawing class and says,
24
95000
5000
a su clase de dibujo y dice:
01:58
"The problem you have with learning to draw
25
100000
4000
el problema que tienen al aprender a dibujar
02:02
is not that you can't move your hand,
26
104000
2000
no es que no puedan mover su mano,
02:04
but that the way your brain perceives images is faulty.
27
106000
6000
sino que la forma en la que su cerebro percibe imágenes es defectuosa.
02:10
It's trying to perceive images into objects
28
112000
2000
Está tratando de percibir imágenes como objetos
02:12
rather than seeing what's there."
29
114000
2000
en vez de ver lo que está ahí.
02:14
And to prove it, she says, "The exact size and shape of these tabletops
30
116000
5000
Y para probarlo, dice ella, el tamaño y la forma de estos tableros
02:19
is the same, and I'm going to prove it to you."
31
121000
3000
es idéntica, y se los voy a probar.
02:22
She does this with cardboard, but since I have
32
124000
3000
Ella hace esto con cartón, pero como tengo
02:25
an expensive computer here
33
127000
3000
una costosa computadora acá,
02:28
I'll just rotate this little guy around and ...
34
130000
3000
sólo voy a rotar a este amiguito y....
02:34
Now having seen that -- and I've seen it hundreds of times,
35
136000
3000
Ahora habiendo visto esto -y lo he visto cientos de veces,
02:37
because I use this in every talk I give -- I still can't see
36
139000
4000
porque uso este ejemplo en cada presentación que doy- aún no puedo ver
02:41
that they're the same size and shape, and I doubt that you can either.
37
143000
5000
que son del mismo tamaño y forma, y dudo que ustedes puedan hacerlo.
02:46
So what do artists do? Well, what artists do is to measure.
38
148000
5000
¿Como lo hacen los artistas? Bueno, los artistas miden.
02:51
They measure very, very carefully.
39
153000
2000
Ellos toman medidas de forma muy, muy cuidadosa.
02:53
And if you measure very, very carefully with a stiff arm and a straight edge,
40
155000
4000
Y si miden con mucho cuidado y con un brazo firme y un borde rígido,
02:57
you'll see that those two shapes are
41
159000
2000
se darán cuenta que esas dos formas
02:59
exactly the same size.
42
161000
3000
son exactamente del mismo tamaño.
03:02
And the Talmud saw this a long time ago, saying,
43
164000
5000
Y el Talmud vio esto hace mucho, diciendo,
03:07
"We see things not as they are, but as we are."
44
169000
3000
que vemos las cosas no como son, sino como somos nosotros mismos.
03:10
I certainly would like to know what happened to the person
45
172000
2000
Me gustaría mucho saber qué fue de la persona
03:12
who had that insight back then,
46
174000
3000
que tuvo esa reflexión entonces,
03:15
if they actually followed it to its ultimate conclusion.
47
177000
4000
si realmente la prosiguió hasta su conclusión final.
03:21
So if the world is not as it seems and we see things as we are,
48
183000
2000
Así que si el mundo no es como parece y vemos las cosas como somos nosotros,
03:23
then what we call reality is a kind of hallucination
49
185000
6000
entonces lo que llamamos realidad es una forma de alucinación
03:29
happening inside here. It's a waking dream,
50
191000
3000
que sucede acá dentro. Es un sueño lúcido.
03:32
and understanding that that is what we actually exist in
51
194000
5000
Y comprender que es ahí donde existimos
03:37
is one of the biggest epistemological barriers in human history.
52
199000
5000
es una de las barreras epistemológicas más grandes de la historia humana.
03:42
And what that means: "simple and understandable"
53
204000
2000
Y eso que es: "simple y comprensible"
03:44
might not be actually simple or understandable,
54
206000
3000
puede que no sea simple o comprensible,
03:47
and things we think are "complex" might be made simple and understandable.
55
209000
6000
y cosas que creemos complejas pueden hacerse simples y comprensibles.
03:53
Somehow we have to understand ourselves to get around our flaws.
56
215000
4000
De algún modo tenemos que auto-comprendernos para corregir nuestros defectos.
03:57
We can think of ourselves as kind of a noisy channel.
57
219000
2000
Podemos pensar de nosotros como un canal ruidoso.
03:59
The way I think of it is, we can't learn to see
58
221000
5000
La manera en la que yo lo veo es que, no podemos aprender a ver
04:04
until we admit we're blind.
59
226000
2000
hasta que admitamos que estamos ciegos.
04:06
Once you start down at this very humble level,
60
228000
4000
Una vez que comiences en este nivel tan humilde,
04:10
then you can start finding ways to see things.
61
232000
3000
entonces puedes encontrar formas para ver la cosas.
04:13
And what's happened, over the last 400 years in particular,
62
235000
5000
Y lo que ha pasado en los últimos cuatrocientos años específicamente
04:18
is that human beings have invented "brainlets" --
63
240000
3000
es que los seres humanos han inventado "brainlets":
04:21
little additional parts for our brain --
64
243000
4000
pequeñas partes adicionales para nuestro cerebro,
04:25
made out of powerful ideas that help us
65
247000
2000
conformadas de ideas poderosas que nos ayudan
04:27
see the world in different ways.
66
249000
2000
a ver el mundo de formas diferentes.
04:29
And these are in the form of sensory apparatus --
67
251000
3000
Y estas están en la forma de aparatos sensoriales
04:32
telescopes, microscopes -- reasoning apparatus --
68
254000
5000
-telescopios, microscopios-, aparatos de razonamiento,
04:37
various ways of thinking -- and, most importantly,
69
259000
4000
variadas formas de pensar, y lo más importante,
04:41
in the ability to change perspective on things.
70
263000
4000
en la habilidad de cambiar la perspectiva de las cosas.
04:45
I'll talk about that a little bit.
71
267000
1000
Voy a hablar un poquito sobre eso.
04:46
It's this change in perspective
72
268000
2000
Es este cambio en perspectiva,
04:48
on what it is we think we're perceiving
73
270000
3000
y lo que pensamos que estamos percibiendo,
04:51
that has helped us make more progress in the last 400 years
74
273000
5000
lo que nos ha ayudado a progresar más en los últimos cuatrocientos años
04:56
than we have in the rest of human history.
75
278000
2000
que durante el resto de la historia humana.
04:58
And yet, it is not taught in any K through 12 curriculum in America that I'm aware of.
76
280000
8000
Y aun así, que yo sepa no se enseña en ningún colegio en EE. UU.
05:11
So one of the things that goes from simple to complex
77
293000
2000
Una de las cosas que van de simple a complejo
05:13
is when we do more. We like more.
78
295000
3000
es cuando hacemos más. Nos gusta más.
05:16
If we do more in a kind of a stupid way,
79
298000
3000
Si hacemos más de una forma estúpida,
05:19
the simplicity gets complex
80
301000
3000
la simplicidad se torna compleja.
05:22
and, in fact, we can keep on doing it for a very long time.
81
304000
5000
Y de hecho, podemos hacerlo durante mucho tiempo.
05:27
But Murray Gell-Mann yesterday talked about emergent properties;
82
309000
3000
Pero Murray Gell-Mann habló ayer sobre las propiedades emergentes.
05:30
another name for them could be "architecture"
83
312000
4000
Otro nombre para eso podría ser "arquitectura"
05:34
as a metaphor for taking the same old material
84
316000
4000
como una metáfora de tomar los mismos viejos materiales
05:38
and thinking about non-obvious, non-simple ways of combining it.
85
320000
7000
y pensar en maneras no-obvias y complejas de combinarlos.
05:45
And in fact, what Murray was talking about yesterday in the fractal beauty of nature --
86
327000
8000
De hecho, de lo que hablaba Murray ayer era de la belleza fractal de la naturaleza,
05:53
of having the descriptions
87
335000
2000
de tener descripciones
05:55
at various levels be rather similar --
88
337000
4000
similares en varios niveles,
05:59
all goes down to the idea that the elementary particles
89
341000
5000
todo se reduce a la idea que las partículas elementales
06:04
are both sticky and standoffish,
90
346000
3000
son al mismo tiempo pegajosas y distantes,
06:07
and they're in violent motion.
91
349000
4000
y se mueven de forma violenta.
06:11
Those three things give rise to all the different levels
92
353000
3000
Esas tres cosas dan vida a todos los diversos niveles
06:14
of what seem to be complexity in our world.
93
356000
4000
que se acercan a la complejidad en nuestro mundo.
06:20
But how simple?
94
362000
2000
¿Pero qué tan simple?
06:22
So, when I saw Roslings' Gapminder stuff a few years ago,
95
364000
5000
Y cuando vi el Gapminder de los Roslings hace algunos años,
06:27
I just thought it was the greatest thing I'd seen
96
369000
2000
pensé que era lo mejor que había visto
06:29
in conveying complex ideas simply.
97
371000
5000
para comunicar ideas complejas de un forma simple.
06:34
But then I had a thought of, "Boy, maybe it's too simple."
98
376000
3000
Pero luego pensé, oye, quizás es demasiado simple.
06:37
And I put some effort in to try and check
99
379000
5000
Y puse algo de esfuerzo en chequear
06:42
to see how well these simple portrayals of trends over time
100
384000
4000
y ver qué tan bien estas simples representaciones de tendencias en el tiempo
06:46
actually matched up with some ideas and investigations from the side,
101
388000
5000
cuadraban con algunas ideas e investigaciones,
06:51
and I found that they matched up very well.
102
393000
2000
y encontré que calzaban muy bien.
06:53
So the Roslings have been able to do simplicity
103
395000
5000
Entonces los Roslings han sido capaces de simplificar
06:58
without removing what's important about the data.
104
400000
4000
sin retirar lo que es importante de los datos.
07:02
Whereas the film yesterday that we saw
105
404000
4000
En cambio el filme que vimos ayer
07:06
of the simulation of the inside of a cell,
106
408000
2000
de la simulación dentro de una célula,
07:08
as a former molecular biologist, I didn't like that at all.
107
410000
6000
como un ex biólogo molecular, no me gustó para nada.
07:14
Not because it wasn't beautiful or anything,
108
416000
2000
No porque no fuera hermoso o algo así,
07:16
but because it misses the thing that most students fail to understand
109
418000
5000
sino porque le faltaba lo que la mayoría de los estudiantes no comprenden
07:21
about molecular biology, and that is:
110
423000
3000
sobre biología molecular, y eso es:
07:24
why is there any probability at all of two complex shapes
111
426000
5000
¿por qué existen probabilidades de que dos formas complejas
07:29
finding each other just the right way
112
431000
2000
se encuentren unas a otras de la forma precisa
07:31
so they combine together and be catalyzed?
113
433000
3000
para combinarse y ser catalizadas?
07:34
And what we saw yesterday was
114
436000
2000
Y lo que vimos ayer fue,
07:36
every reaction was fortuitous;
115
438000
3000
que cada reacción era fortuita.
07:39
they just swooped in the air and bound, and something happened.
116
441000
4000
Sólo se precipitaban en el aire y se unían, y algo pasaba.
07:43
But in fact, those molecules are spinning at the rate of
117
445000
4000
Pero en realidad esas moléculas están girando a un ritmo de
07:47
about a million revolutions per second;
118
449000
3000
casi un millón de revoluciones por segundo.
07:50
they're agitating back and forth their size every two nanoseconds;
119
452000
6000
Recorren su distancia total para cada lado cada dos nanosegundos.
07:56
they're completely crowded together, they're jammed,
120
458000
3000
Están muy juntas entre sí. Están atascadas,
07:59
they're bashing up against each other.
121
461000
3000
y se golpean unas con otras.
08:02
And if you don't understand that in your mental model of this stuff,
122
464000
3000
Y si no comprenden eso en su modelo mental de esto,
08:05
what happens inside of a cell seems completely mysterious and fortuitous,
123
467000
5000
lo que sucede dentro de una célula parece completamente misterioso y fortuito.
08:10
and I think that's exactly the wrong image
124
472000
2000
Y pienso que esa es precisamente la imagen incorrecta
08:12
for when you're trying to teach science.
125
474000
3000
cuando se está tratando de enseñar ciencia.
08:18
So, another thing that we do is to confuse adult sophistication
126
480000
5000
Otra cosa que hacemos es confundir la sofisticación adulta
08:23
with the actual understanding of some principle.
127
485000
5000
con la comprensión real de un principio.
08:28
So a kid who's 14 in high school
128
490000
2000
Un niño de 14 años en secundaria
08:30
gets this version of the Pythagorean theorem,
129
492000
6000
recibe esta versión del teorema de Pitágoras,
08:36
which is a truly subtle and interesting proof,
130
498000
3000
que es una prueba muy sutil e interesante,
08:39
but in fact it's not a good way to start learning about mathematics.
131
501000
7000
pero en realidad no es una buena forma de comenzar a aprender sobre matemática.
08:46
So a more direct one, one that gives you more of the feeling of math,
132
508000
5000
Entonces, una forma más directa, que da más la sensación de matemáticas,
08:51
is something closer to Pythagoras' own proof, which goes like this:
133
513000
4000
es algo más parecido a la prueba del propio Pitágoras que era algo así.
08:55
so here we have this triangle, and if we surround that C square with
134
517000
6000
Tenemos este triángulo, y si rodeamos ese cuadrado C con
09:01
three more triangles and we copy that,
135
523000
3000
tres triángulos más y lo copiamos,
09:04
notice that we can move those triangles down like this.
136
526000
5000
noten que podemos mover esos triángulos hacia abajo así,
09:09
And that leaves two open areas that are kind of suspicious ...
137
531000
3000
y eso deja dos áreas abiertas que son algo sospechosas,
09:12
and bingo. That is all you have to do.
138
534000
7000
y bingo. Y eso es todo lo que tienen que hacer.
09:19
And this kind of proof is the kind of proof
139
541000
2000
Y este tipo de prueba es el tipo de prueba
09:21
that you need to learn when you're learning mathematics
140
543000
3000
que necesitan aprenden cuando se está aprendiendo matemática
09:24
in order to get an idea of what it means
141
546000
3000
para darse una idea de lo que eso significa
09:27
before you look into the, literally, 1,200 or 1,500 proofs
142
549000
4000
antes de que se fijen en, literalmente, 12 o 1500 pruebas
09:31
of Pythagoras' theorem that have been discovered.
143
553000
3000
del teorema de Pitágoras que han sido descubiertas.
09:37
Now let's go to young children.
144
559000
3000
Ahora miremos a los niños pequeños.
09:40
This is a very unusual teacher
145
562000
2000
Esta es una profesora muy inusual
09:42
who was a kindergarten and first-grade teacher,
146
564000
4000
que era una profesora de kindergarten y de primer grado,
09:46
but was a natural mathematician.
147
568000
2000
y que era naturalmente matemática.
09:48
So she was like that jazz musician friend you have who never studied music
148
570000
5000
Ella era como ese amigo suyo que es un músico de jazz que nunca estudió música,
09:53
but is a terrific musician;
149
575000
2000
pero es un músico increíble.
09:55
she just had a feeling for math.
150
577000
2000
Ella simplemente podía sentirlas,
09:57
And here are her six-year-olds,
151
579000
3000
y aquí están sus alumnos de seis años,
10:00
and she's got them making shapes out of a shape.
152
582000
5000
y los tiene haciendo formas de otras formas.
10:05
So they pick a shape they like -- like a diamond, or a square,
153
587000
2000
Entonces ellos eligen una forma que les guste -un diamante, o un cuadrado,
10:07
or a triangle, or a trapezoid -- and then they try and make
154
589000
3000
o un triangulo, o un trapezoide- y luego tratan de hacer
10:10
the next larger shape of that same shape, and the next larger shape.
155
592000
4000
la siguiente forma de esa misma forma, y la siguiente forma más grande.
10:14
You can see the trapezoids are a little challenging there.
156
596000
4000
Y pueden ver aquí que los trapezoides son algo complicados.
10:18
And what this teacher did on every project
157
600000
3000
Y lo que esta profesora hizo en cada proyecto
10:21
was to have the children act like first it was a creative arts project,
158
603000
5000
fue hacer que los niños actuaran primero como si fuera un proyecto de arte creativo
10:26
and then something like science.
159
608000
2000
y después algo científico.
10:28
So they had created these artifacts.
160
610000
2000
Entonces crearon estos artefactos.
10:30
Now she had them look at them and do this ... laborious,
161
612000
4000
Y ahora ella los tenia mirándolos y haciendo este trabajo;
10:34
which I thought for a long time, until she explained to me was
162
616000
4000
en lo cual pensé por mucho tiempo, hasta que ella me explico, era
10:38
to slow them down so they'll think.
163
620000
3000
para darles tiempo para pensar.
10:41
So they're cutting out the little pieces of cardboard here
164
623000
3000
Y cortaban las pequeñas piezas de cartón ahí,
10:44
and pasting them up.
165
626000
2000
y las pegaban.
10:46
But the whole point of this thing is
166
628000
4000
Pero el punto de esto es
10:50
for them to look at this chart and fill it out.
167
632000
3000
hacer que ellos mirasen esta tabla y la llenaran.
10:53
"What have you noticed about what you did?"
168
635000
4000
¿Qué aprendieron sobre lo que hicieron?
10:57
And so six-year-old Lauren there noticed that the first one took one,
169
639000
4000
Y entonces, Lauren de seis años noto que el primero usó uno,
11:01
and the second one took three more
170
643000
5000
y el segundo usó tres más,
11:06
and the total was four on that one,
171
648000
2000
y el total era de cuatro para ese.
11:08
the third one took five more and the total was nine on that one,
172
650000
4000
El tercero tomó cinco más, y el total fue de nueve en ese,
11:12
and then the next one.
173
654000
1000
y luego el siguiente.
11:13
She saw right away that the additional tiles that you had to add
174
655000
5000
Entonces ella noto de inmediato que las piezas adicionales que había que agregar
11:18
around the edges was always going to grow by two,
175
660000
4000
en los bordes siempre iba a crecer por dos.
11:22
so she was very confident about how she made those numbers there.
176
664000
3000
Entonces ella estaba muy confiada sobre como obtuvo esos numeros de ahí.
11:25
And she could see that these were the square numbers up until about six,
177
667000
5000
Y ella podía ver que esos eran los números cuadrados hasta el seis.
11:30
where she wasn't sure what six times six was
178
672000
3000
Donde no estaba segura de cuanto era seis por seis,
11:33
and what seven times seven was,
179
675000
2000
y cuanto era siente por siete.
11:35
but then she was confident again.
180
677000
3000
Pero luego ella volvió a estar confiada.
11:38
So that's what Lauren did.
181
680000
2000
Eso fue lo que hizo Lauren.
11:40
And then the teacher, Gillian Ishijima, had the kids
182
682000
4000
Entonces la profesora, Gillian Ishijima, hizo que los niños
11:44
bring all of their projects up to the front of the room and put them on the floor,
183
686000
3000
trajeran todos sus proyectos al frente del salón y los pusieran en el piso.
11:47
and everybody went batshit: "Holy shit! They're the same!"
184
689000
8000
Y todos enloquecieron. ¡Mierda! ¡Son iguales!
11:55
No matter what the shapes were, the growth law is the same.
185
697000
4000
Sin importar cuales fueran las formas, la ley de crecimiento es la misma.
11:59
And the mathematicians and scientists in the crowd
186
701000
3000
Y los matemáticos y científicos en el público
12:02
will recognize these two progressions
187
704000
2000
reconocerán estas dos progresiones
12:04
as a first-order discrete differential equation
188
706000
3000
como una ecuación diferencial discreta de primer orden
12:07
and a second-order discrete differential equation,
189
709000
5000
y una ecuación diferencial discreta de segundo orden.
12:12
derived by six-year-olds.
190
714000
4000
Derivadas por niños de seis años.
12:16
Well, that's pretty amazing.
191
718000
1000
Bueno, eso es bastante asombroso.
12:17
That isn't what we usually try to teach six-year-olds.
192
719000
3000
Eso no es lo que usualmente tratamos de enseñar a niños de seis años.
12:20
So, let's take a look now at how we might use the computer for some of this.
193
722000
7000
Ahora veamos cómo podemos usar la computadora para esto.
12:27
And so the first idea here is
194
729000
4000
La primera idea acá es
12:31
just to show you the kind of things that children do.
195
733000
4000
sólo para mostrarles el tipo de cosas que los niños hacen.
12:35
I'm using the software that we're putting on the $100 laptop.
196
737000
5000
Estoy usando el software que estamos poniendo en el laptop de 100 dólares.
12:40
So I'd like to draw a little car here --
197
742000
6000
Ahora me gustaría dibujar un pequeño autito acá.
12:46
I'll just do this very quickly -- and put a big tire on him.
198
748000
7000
Lo haré muy rápidamente. Y le pongo una gran rueda.
12:59
And I get a little object here and I can look inside this object,
199
761000
4000
Y obtengo un pequeño objeto acá, y puedo ver dentro de este objeto.
13:03
I'll call it a car. And here's a little behavior: car forward.
200
765000
5000
Lo llamaré un auto. Y acá hay un pequeño comportamiento: el auto avanza.
13:08
Each time I click it, car turn.
201
770000
3000
Cada vez que le hago click, el auto gira.
13:11
If I want to make a little script to do this over and over again,
202
773000
2000
Si quiero hacer un pequeño programa para repetir esto varias veces,
13:13
I just drag these guys out and set them going.
203
775000
5000
sólo arrastro estos y los echo a andar.
13:20
And I can try steering the car here by ...
204
782000
3000
Y puedo tratar de conducir el auto...
13:23
See the car turn by five here?
205
785000
2000
¿ven al auto girar por cinco?
13:25
So what if I click this down to zero?
206
787000
3000
¿Qué pasa si bajo esto a cero?
13:28
It goes straight. That's a big revelation for nine-year-olds.
207
790000
5000
Se mueve en línea recta. Esa es una gran revelación para un niño de nueve años.
13:33
Make it go in the other direction.
208
795000
2000
Hacerlo ir en la dirección contraria.
13:35
But of course, that's a little bit like kissing your sister
209
797000
2000
Pero obviamente eso es un poco como besar a tu hermana
13:37
as far as driving a car,
210
799000
3000
comparado con manejar un auto.
13:40
so the kids want to do a steering wheel;
211
802000
3000
Entonces los niños quieren hacer un manubrio.
13:43
so they draw a steering wheel.
212
805000
3000
Dibujan un manubrio.
13:46
And we'll call this a wheel.
213
808000
5000
Y lo llamaremos manubrio.
13:51
See this wheel's heading here?
214
813000
4000
Y, ¿ven la dirección del manubrio acá?
13:55
If I turn this wheel, you can see that number over there going minus and positive.
215
817000
5000
Si giro esta rueda, pueden ver ese número ahí yendo a negativo y positivo.
14:00
That's kind of an invitation to pick up this name of
216
822000
2000
Esa es como una invitación para tomar
14:02
those numbers coming out there
217
824000
3000
esos números saliendo de ahí
14:05
and to just drop it into the script here,
218
827000
2000
y colocarlos aquí en el programa.
14:07
and now I can steer the car with the steering wheel.
219
829000
5000
Y ahora puedo conducir el auto con el manubrio.
14:12
And it's interesting.
220
834000
2000
Y es interesante.
14:14
You know how much trouble the children have with variables,
221
836000
3000
Ustedes saben el problema que tienen los niños con las variables,
14:17
but by learning it this way, in a situated fashion,
222
839000
2000
pero aprendiendo de esta manera, en una situación,
14:19
they never forget from this single trial
223
841000
3000
nunca olvidan después de la primera vez
14:22
what a variable is and how to use it.
224
844000
3000
lo que es una variable y como se usan.
14:25
And we can reflect here the way Gillian Ishijima did.
225
847000
2000
Y podemos reflexionar aquí como lo hizo Gillian Ishijima.
14:27
So if you look at the little script here,
226
849000
2000
Así que si miran a este pequeño programa,
14:29
the speed is always going to be 30.
227
851000
2000
la velocidad siempre será de 30.
14:31
We're going to move the car according to that over and over again.
228
853000
5000
Vamos a mover el auto, según eso, una y otra vez.
14:36
And I'm dropping a little dot for each one of these things;
229
858000
4000
Y estoy dejando un puntito por cada una de esas cosas.
14:40
they're evenly spaced because they're 30 apart.
230
862000
3000
Están espaciados uniformemente porque están a 30 de distancia.
14:43
And what if I do this progression that the six-year-olds did
231
865000
3000
¿Y qué pasa si hago esta progresión que hicieron los niños de seis años
14:46
of saying, "OK, I'm going to increase the speed by two each time,
232
868000
5000
al decir, OK, voy a incrementar la velocidad por dos cada vez,
14:51
and then I'm going to increase the distance by the speed each time?
233
873000
3000
y luego voy a incrementar la distancia por la velocidad cada vez?
14:54
What do I get there?"
234
876000
4000
¿Qué obtengo ahí?
14:58
We get a visual pattern of what these nine-year-olds called acceleration.
235
880000
7000
Obtenemos un patrón visual de lo que los niños de nueve años llamaron aceleración.
15:05
So how do the children do science?
236
887000
2000
¿Así que cómo hacen ciencia los niños?
15:08
(Video) Teacher: [Choose] objects that you think will fall to the Earth at the same time.
237
890000
3000
(Video) Profesora: Objetos que ustedes creen que caerán a la tierra al mismo tiempo...
15:11
Student 1: Ooh, this is nice.
238
893000
3000
Niño: Esto es genial.
15:18
Teacher: Do not pay any attention
239
900000
2000
Profesora: No pongan atención
15:20
to what anybody else is doing.
240
902000
3000
a lo que hacen los demás.
15:35
Who's got the apple?
241
917000
2000
¿Quién tiene la manzana?
15:37
Alan Kay: They've got little stopwatches.
242
919000
2000
Alan Kay: Tienen pequeños cronómetros.
15:44
Student 2: What did you get? What did you get?
243
926000
2000
Profesora: ¿Qué obtienen? ¿Qué obtuvieron?
15:46
AK: Stopwatches aren't accurate enough.
244
928000
3000
AK: Los cronómetros no son lo suficientemente precisos.
15:49
Student 3: 0.99 seconds.
245
931000
2000
Niña: 0,99 segundos.
15:52
Teacher: So put "sponge ball" ...
246
934000
3000
Profesora: Pongan "pelota de esponja";
15:56
Student 4l: [I decided to] do the shot put and the sponge ball
247
938000
3000
Niña: Había una bala y una pelota de esponja,
15:59
because they're two totally different weights,
248
941000
3000
porque son de pesos totalmente diferentes.
16:02
and if you drop them at the same time,
249
944000
2000
Y si las sueltas al mismo tiempo,
16:04
maybe they'll drop at the same speed.
250
946000
2000
quizás caerán a la misma velocidad.
16:06
Teacher: Drop. Class: Whoa!
251
948000
2000
Profesora: Suéltala.
16:10
AK: So obviously, Aristotle never asked a child
252
952000
3000
AK: Obviamente Aristóteles nunca le pregunto a un niño
16:13
about this particular point
253
955000
3000
sobre este tema específico,
16:16
because, of course, he didn't bother doing the experiment,
254
958000
2000
ya que no se molestó en hacer el experimento,
16:18
and neither did St. Thomas Aquinas.
255
960000
2000
y tampoco lo hizo Santo Tomas de Aquino.
16:20
And it was not until Galileo actually did it
256
962000
2000
Y no fue hasta que Galileo lo hizo
16:22
that an adult thought like a child,
257
964000
3000
que un adulto pensó como un niño.
16:25
only 400 years ago.
258
967000
3000
Sólo hace 400 años.
16:28
We get one child like that about every classroom of 30 kids
259
970000
4000
Vemos un niño como ella por como cada clase de 30 niños
16:32
who will actually cut straight to the chase.
260
974000
3000
que va directo al punto.
16:35
Now, what if we want to look at this more closely?
261
977000
3000
Ahora, ¿qué pasa si queremos ver esto más detenidamente?
16:38
We can take a movie of what's going on,
262
980000
3000
Podemos tomar un vídeo de lo que está pasando,
16:41
but even if we single stepped this movie,
263
983000
2000
pero aún si pasamos este vídeo paso a paso,
16:43
it's tricky to see what's going on.
264
985000
2000
es complicado ver qué esta pasando.
16:45
And so what we can do is we can lay out the frames side by side
265
987000
3000
Y lo que podemos hacer es, podemos poner los cuadros uno al lado del otro,
16:48
or stack them up.
266
990000
2000
o apilarlos.
16:50
So when the children see this, they say, "Ah! Acceleration,"
267
992000
5000
Entonces cuando los niños ven eso, dicen. "Ah, aceleración,"
16:55
remembering back four months when they did their cars sideways,
268
997000
3000
recordando cuatro meses antes cuando hicieron sus autos,
16:58
and they start measuring to find out what kind of acceleration it is.
269
1000000
6000
y comienzan a medir para ver qué tipo de aceleración es.
17:04
So what I'm doing is measuring from the bottom of one image
270
1006000
6000
Y entonces lo que estoy haciendo es medir desde el fondo de una imagen
17:10
to the bottom of the next image, about a fifth of a second later,
271
1012000
5000
hasta el fondo de la imagen siguiente, casi un quinto de segundo después,
17:15
like that. And they're getting faster and faster each time,
272
1017000
2000
así, y se ponen cada vez mas rápidas.
17:17
and if I stack these guys up, then we see the differences; the increase
273
1019000
10000
Y si apilo estas cosas, podemos ver las diferencias, el incremento
17:27
in the speed is constant.
274
1029000
3000
en velocidad es constante.
17:30
And they say, "Oh, yeah. Constant acceleration.
275
1032000
2000
Y dicen, "oh, sí, aceleración constante.
17:32
We've done that already."
276
1034000
2000
Eso ya lo hicimos."
17:34
And how shall we look and verify that we actually have it?
277
1036000
8000
¿Y cómo podemos ver y verificar que lo tenemos?
17:42
So you can't tell much from just making the ball drop there,
278
1044000
5000
No podemos ver mucho sólo haciendo que la pelota caiga ahí,
17:47
but if we drop the ball and run the movie at the same time,
279
1049000
4000
pero si hacemos caer la pelota y corremos la película al mismo tiempo,
17:53
we can see that we have come up with an accurate physical model.
280
1055000
5000
podemos ver que hemos obtenido un modelo físico preciso.
18:00
Galileo, by the way, did this very cleverly
281
1062000
4000
A propósito, Galileo, hizo esto de una forma muy astuta
18:04
by running a ball backwards down the strings of his lute.
282
1066000
3000
haciendo correr una pelota hacia atrás por las cuerdas de su laúd.
18:07
I pulled out those apples to remind myself to tell you that
283
1069000
5000
Yo saqué esas manzanas para acordarme de decirles
18:12
this is actually probably a Newton and the apple type story,
284
1074000
5000
que esta probablemente es una historia como la de Newton y la manzana,
18:17
but it's a great story.
285
1079000
2000
pero es una buenísima historia.
18:19
And I thought I would do just one thing
286
1081000
2000
Y pensé que haría una sola cosa
18:21
on the $100 laptop here just to prove that this stuff works here.
287
1083000
10000
en este laptop de 100 dólares para probarles que esto funciona.
18:31
So once you have gravity, here's this --
288
1093000
3000
Una vez que tienes gravedad, aquí está;
18:34
increase the speed by something,
289
1096000
2000
aumentar la velocidad por algo,
18:36
increase the ship's speed.
290
1098000
3000
aumentar la velocidad de la nave.
18:39
If I start the little game here that the kids have done,
291
1101000
3000
Si arranco este jueguito que los niños hicieron,
18:42
it'll crash the space ship.
292
1104000
2000
chocará la nave espacial.
18:44
But if I oppose gravity, here we go ... Oops!
293
1106000
4000
Pero si me opongo a la gravedad, aquí vamos -- oops!
18:48
(Laughter)
294
1110000
2000
(Risas)
18:50
One more.
295
1112000
1000
Una más.
18:54
Yeah, there we go. Yeah, OK?
296
1116000
5000
Sí, ahí estamos. Sí, ¿De acuerdo?
18:59
I guess the best way to end this is with two quotes:
297
1121000
7000
Creo que la mejor forma de terminar esto es con dos frases.
19:06
Marshall McLuhan said,
298
1128000
2000
Marshall McLuhan dijo:
19:08
"Children are the messages that we send to the future,"
299
1130000
4000
"Los niños son los mensajes que enviamos al futuro."
19:12
but in fact, if you think of it,
300
1134000
2000
Pero de hecho, si lo piensan,
19:14
children are the future we send to the future.
301
1136000
2000
los niños son el futuro que enviamos al futuro.
19:16
Forget about messages;
302
1138000
3000
Olvídense de los mensajes.
19:19
children are the future,
303
1141000
3000
Los niños son el futuro.
19:22
and children in the first and second world
304
1144000
2000
Y los niños en el primer y segundo mundo,
19:24
and, most especially, in the third world
305
1146000
3000
y especialmente en el tercer mundo,
19:27
need mentors.
306
1149000
2000
necesitan mentores.
19:29
And this summer, we're going to build five million of these $100 laptops,
307
1151000
5000
Y este verano vamos a construir 5 millones de estos laptops de 100 dólares
19:34
and maybe 50 million next year.
308
1156000
2000
y quizás 50 millones el próximo año.
19:36
But we couldn't create 1,000 new teachers this summer to save our life.
309
1158000
7000
Pero aunque hicieramos lo imposible, no podríamos crear mil nuevos profesores este verano.
19:43
That means that we, once again, have a thing where we can put technology out,
310
1165000
6000
Y eso significa que nuevamente tenemos una situación donde podemos introducir tecnología,
19:49
but the mentoring that is required to go
311
1171000
3000
pero falta la tutoría que se requiere para pasar
19:52
from a simple new iChat instant messaging system
312
1174000
5000
de un sistema iChat simple y nuevo de mensajería instantánea
19:57
to something with depth is missing.
313
1179000
2000
a algo con mayor profundidad.
19:59
I believe this has to be done with a new kind of user interface,
314
1181000
3000
Pienso que esto debe hacerse con un nuevo tipo de interfaz de usuario.
20:02
and this new kind of user interface could be done
315
1184000
4000
Y este nuevo tipo de interfaz de usuario puede hacerse
20:06
with an expenditure of about 100 million dollars.
316
1188000
5000
con un gasto de unos 100 millones de dólares.
20:11
It sounds like a lot, but it is literally 18 minutes of what we're spending in Iraq --
317
1193000
7000
Parece muchísimo, pero es literalmente 18 minutos de lo que estamos gastando en Irak.
20:18
we're spending 8 billion dollars a month; 18 minutes is 100 million dollars --
318
1200000
5000
Estamos gastando 8 mil millones al mes. 18 minutos son 100 millones de dólares.
20:23
so this is actually cheap.
319
1205000
2000
Así que esto es barato.
20:25
And Einstein said,
320
1207000
4000
Y Einstein dijo:
20:29
"Things should be as simple as possible, but not simpler."
321
1211000
3000
"Las cosas deben ser lo más simple posible, pero no más simples."
20:32
Thank you.
322
1214000
1000
Gracias.
ABOUT THE SPEAKER
Alan Kay - Educator and computing pioneerOne of the true luminaries of personal computing, Alan Kay conceived of laptops and graphical interfaces years before they were realized. At XeroxPARC, Apple, HP and Disney, he has developed tools for improving the mind.
Why you should listen
"The best way to predict the future is to invent it." Alan Kay not only coined this favorite tech-world adage, but has proven its truth several times. A true polymath, as well as inventor, he has combined engineering brilliance with knowledge of child development, epistemology, molecular biology and more.
In the 1960s, Kay joined the computer team at XeroxPARC, where he worked on world-changing inventions like the graphical interface, object-oriented programming, and the personal computer itself. Later, at Apple, Atari, HP, Disney, and now at his own nonprofits, he has helped refine the tools he anticipated long before they were realized.
As the industry has blossomed, however, Kay continues to grapple with the deeper purpose of computing, struggling to create the machine that won't only recapitulate patterns in the world as we know it but will teach both children and adults to think, to see what otherwise is beyond them.
Alan Kay | Speaker | TED.com