TED2008
Neil Turok: My wish: Find the next Einstein in Africa
نيل تورك آرزوى خودش رو در هنگام دريافت جايزه TED بيان مى كند.
Filmed:
Readability: 4.1
609,381 views
نيل توروك، فيزيكدان، در هنگام دريافت جايزه TED از جوانان با استعداد آفريقايي صحبت مي كند كه از فرصت ها محروم بوده اند. با آزاد كردن و پروراندن پتانسيل خلاق اين قاره مي توانيم در آينده آفريقا تغييري ايجاد كنيم.
Neil Turok - Physicist, education activist
Neil Turok is working on a model of the universe that explains the big bang -- while, closer to home, he's founded a network of math and science academies across Africa. Full bio
Neil Turok is working on a model of the universe that explains the big bang -- while, closer to home, he's founded a network of math and science academies across Africa. Full bio
Double-click the English transcript below to play the video.
00:13
It was an incredible surprise to me
0
1000
3000
برای من خیلی جالبه که سازمانی وجود داره که به هر دو جنبه زندگی من اهمیت میده.
00:16
to find out that there was actually an organization that cared about both parts of my life.
1
4000
6000
برای من خیلی جالبه که سازمانی وجود داره که به هر دو جنبه زندگی من اهمیت میده.
00:22
Because, basically,
2
10000
1000
چون که، اصولا، من به عنوان یک فیزیکدان نظری فعالیت میکنم.
00:23
I work as a theoretical physicist.
3
11000
2000
چون که، اصولا، من به عنوان یک فیزیکدان نظری فعالیت میکنم.
00:25
I develop and test models of the Big Bang,
4
13000
3000
من با استفاده از داده های مشاهده ای
00:28
using observational data.
5
16000
3000
مدل هایی رو برای مهبانگ توسعه و مورد آزمایش قرار میدم.
00:31
And I've been moonlighting for the last five years
6
19000
3000
من در پنج سال گذشته مشغول يك كار جانبي بودم و اون كمك به يك پروژه در آفريقاست.
00:34
helping with a project in Africa.
7
22000
3000
من در پنج سال گذشته مشغول يك كار جانبي بودم و اون كمك به يك پروژه در آفريقاست.
00:37
And, I get a lot of flak for this at Cambridge.
8
25000
4000
و به خاطر اين در كمبريج خيلى بهم انتقاد ميشه.
00:41
People wonder, you know, "How do you have time to do this?" And so on.
9
29000
4000
مردم میگن، "چطور وقت برای این کار پیدا می کنی؟" و مثل این.
00:45
And so it was simply astonishing to me
10
33000
3000
و برای من خیلی هیچان انگیز بود که
00:48
to find an organization that actually appreciated both those sides.
11
36000
4000
یک سازمان رو پیدا کردم که هر دو جنبه زندگی من رو مورد توجه قرار میده.
00:52
So I thought I'd start off by just telling you a little bit about myself
12
40000
3000
پس فکر کردم بهتره که اول یک مقدار از خودم براتون بگم
00:55
and why I lead this schizophrenic life.
13
43000
4000
و چرا چنین زندگی شیزوفرنی مانندی دارم.
00:59
Well, I was born in South Africa and my parents were imprisoned
14
47000
5000
خوب، من در آفریقای جنوبی متولد شدم و والدینم به دلیل مقابله با رژیم آپارتاید به زندان افتاده بودند.
01:04
for resisting the racist regime.
15
52000
2000
خوب، من در آفریقای جنوبی متولد شدم و والدینم به دلیل مقابله با رژیم آپارتاید به زندان افتاده بودند.
01:06
When they were released, we left and we went as refugees to Kenya and Tanzania.
16
54000
7000
زمانی که اونها آزاد شدند، ما به عنوان پناهنده کشور رو ترک کردیم و به کنیا و تانزانیا رفتیم.
01:13
Both were very young countries then,
17
61000
2000
اون زمان هر دوی این کشورها تازه تاسیس بودند، و سرشار از امید به آینده.
01:15
and full of hope for the future.
18
63000
3000
اون زمان هر دوی این کشورها تازه تاسیس بودند، و سرشار از امید به آینده.
01:18
We had an amazing childhood. We didn't have any money,
19
66000
2000
ما دوران كودكي عالي داشتيم. پولدار نبوديم،
01:20
but we were outdoors most of the time.
20
68000
3000
ولي بيشتر وقتمون رو در بيرون از خونه ميگذرونديم.
01:23
We had fantastic friends and we saw the wonders of the world,
21
71000
5000
دوستان خيلي خوبي داشتيم و به ديدن عجايب جهان ميرفتيم،
01:28
like Kilimanjaro, Serengeti and the Olduvai Gorge.
22
76000
6000
مثل كليمانجارو، سرنگتي و اولداوي جرج ميرفتيم.
01:34
Well, then we moved to London for high school.
23
82000
2000
و بعد براي دبيرستان به لندن رفتيم.
01:36
And after that -- there's nothing much to say about that.
24
84000
5000
و بعد از اون- چيز زيادي براي تعريف كردن نداره.
01:41
It was rather dull. But I came back to Africa
25
89000
4000
خيلي يكنواخت بود. ولي زماني كه ١٧ سالم بود به عنوان معلم داوطلب مجددا به آفريقا برگشتم
01:45
at the age of 17, as a volunteer teacher
26
93000
4000
خيلي يكنواخت بود. ولي زماني كه ١٧ سالم بود به عنوان معلم داوطلب مجددا به آفريقا برگشتم
01:49
to Lesotho, which is a tiny country,
27
97000
3000
به كشور لسوتو، كه يك كشور كوچكه،
01:52
surrounded at that time by apartheid South Africa.
28
100000
5000
و در اون زمان توسط رژيم آپارتايد آفريقاي جنوبي احاطه شده بود.
01:57
Well, 80 percent of the men in Lesotho
29
105000
3000
٨٠ درصد مردان لسوتو در معادن خادج از مرز در شرايطي مرگبار كار ميكردند.
02:00
worked in the mines over the border,
30
108000
4000
٨٠ درصد مردان لسوتو در معادن خادج از مرز در شرايطي مرگبار كار ميكردند.
02:04
in brutal conditions.
31
112000
3000
٨٠ درصد مردان لسوتو در معادن خادج از مرز در شرايطي مرگبار كار ميكردند.
02:07
Nevertheless, I -- as I'm sure -- as a rather irritating young, white man
32
115000
6000
گرچه، من به عنوان يك جوان سفيدپوست مزاحم
02:13
coming into their village, I was welcomed with incredible hospitality and warmth.
33
121000
6000
به روستاي اونها ميرفتم، ولي آنها به گرمي از من استقبال ميكردند.
02:19
But the kids were the best part.
34
127000
2000
ولي بچه ها بهترين قسمت ماجرا بودند. اونا عالي بودند. بسيار مصمم و اكثرا با استعداد.
02:21
The kids were amazing: extremely eager and often very bright.
35
129000
5000
ولي بچه ها بهترين قسمت ماجرا بودند. اونا عالي بودند. بسيار مصمم و اكثرا با استعداد.
02:26
And I'm just going to tell you one story,
36
134000
2000
و ميخوام فقط يك داستان رو براتون تعريف كنيم،
02:28
which got through to me.
37
136000
3000
كه خيلي رو من اثر گذاشت.
02:31
I used to try to take the kids outside as often as possible,
38
139000
2000
من سعي ميكردم بچه ها رو تا جاي ممكن بيرون ببرم،
02:33
to try to connect the academic stuff with the real world.
39
141000
5000
و سعي كنم مبحاث نظري رو به دنياي واقعي مرتبط كنم.
02:38
And they weren't used to that.
40
146000
3000
و اونها به چنين چيزي عادت نداشتند.
02:41
But I took them outside one day and I said,
41
149000
2000
ولي يك روز اونها رو بيرون بردم و گفتم: "ازتون مي خوام ارتفاع اون ساختمان رو تخمين بزنيد."
02:43
"I want you to estimate the height of the building."
42
151000
3000
ولي يك روز اونها رو بيرون بردم و گفتم: "ازتون مي خوام ارتفاع اون ساختمان رو تخمين بزنيد."
02:46
And I expected them to put a ruler next to the wall,
43
154000
3000
و انتظار داشتم كه يك خط كش بزارن كنار ديوار، و يك حساب سر انگشتي بكنند و تخمين بزنند.
02:49
size it up with a finger, and make an estimate of the height.
44
157000
5000
و انتظار داشتم كه يك خط كش بزارن كنار ديوار، و يك حساب سر انگشتي بكنند و تخمين بزنند.
02:54
But there was one little boy, very small for his age.
45
162000
4000
ولي يك پسر كوچك بود كه نسبت به سنش جثه كوچكي داشت.
02:58
He was the son of one of the poorest families in the village.
46
166000
3000
اون بچه ي فقيرترين خانواده اون روستا بود.
03:01
And he wasn't doing that. He was scribbling with chalk on the pavement.
47
169000
5000
و اون اين كار رو نكرد. اون با گچ روي پياده رو خطوطي ميكشيد.
03:06
And so, I said -- I was annoyed -- I said, "What are you doing?
48
174000
3000
و من گفتم- يكم عصباني شدم - گفتم "چكار داري ميكني؟ ازت خواستم كه ارتفاع ساختمان رو تخمين بزني."
03:09
I want you to estimate the height of the building."
49
177000
2000
و من گفتم- يكم عصباني شدم - گفتم "چكار داري ميكني؟ ازت خواستم كه ارتفاع ساختمان رو تخمين بزني."
03:11
He said, "OK. I measured the height of a brick.
50
179000
3000
اون گفت "بله. من ارتفاع يك آجر رو اندازه گرفتم. تعداد آجرها رو هم شمردم و الان دارم ضرب ميكنم."
03:14
I counted the number of bricks and now I'm multiplying."
51
182000
5000
اون گفت "بله. من ارتفاع يك آجر رو اندازه گرفتم. تعداد آجرها رو هم شمردم و الان دارم ضرب ميكنم."
03:19
Well -- (Laughter) -- I hadn't thought of that one.
52
187000
5000
خوب- (خنده حضار)- فكر اين يكي رو نكرده بودم. و از اين جريانها براي من زياد اتفاق افتاده.
03:24
And many experiences like this happened to me.
53
192000
4000
خوب- (خنده حضار)- فكر اين يكي رو نكرده بودم. و از اين جريانها براي من زياد اتفاق افتاده.
03:28
Another one is that I met a miner. He was home on his three-month leave from the mines.
54
196000
8000
يك جريان ديگه وقتيه كه يك كارگر معدن ديدم. اون در خونه اش، در يك مرخصي سه ماهه بود.
03:36
Sitting next to him one day, he said, "There's only one thing that I really loved at school.
55
204000
6000
يك روز كنارش نشسته بودم، ميگفت "تو مدرسه فقط يك چيز بود كه خيلي دوست داشتم.
03:42
And you know what it was? Shakespeare." And he recited some to me.
56
210000
7000
ميدوني اون چيه؟ شكسپير" و بعد يك مقدارش رو از حفظ برام خوند.
03:49
And these and many similar experiences convinced me
57
217000
4000
اين جريان و خيلي جريانهاي مشابه من رو متقاعد كرده بود كه
03:53
that there are just tons of bright kids in Africa
58
221000
4000
كه در آفريقا يك عالمه از اين بچه هاي با استعداد هست
03:57
-- inventive kids, intellectual kids --
59
225000
4000
بچه هاي مبتكر و با هوش -- و محروم از فرصت.
04:01
and starved of opportunity.
60
229000
1000
بچه هاي مبتكر و با هوش -- و محروم از فرصت.
04:02
And if Africa is going to get fixed, it's by them, not by us.
61
230000
6000
و اگر قراره كه آفريقا درست بشه، بايد به وسيله خودشون باشه، نه ما.
04:08
Well, after -- (Applause) -- that's the truth.
62
236000
6000
خوب - (تشويق)- اين حقيقت داره.
04:14
Well, after Lesotho, I traveled across Africa
63
242000
3000
خوب بعد از لسوتو، قبل از بازگشتم به انگليس من به سرتاسر آفريقا سفر كردم
04:17
before returning to England
64
245000
2000
خوب بعد از لسوتو، قبل از بازگشتم به انگليس من به سرتاسر آفريقا سفر كردم
04:20
-- so gray and depressing, in comparison.
65
248000
3000
- كه در مقايسه انگليس، خيلي يكنواخت و افسرده كننده تره.
04:23
And I went to Cambridge. And there, I fell for theoretical physics.
66
251000
7000
و به كمبريج رفتم. و اونجا عاشق فيزيك نظري شدم.
04:30
Well, I'm not going to explain this equation,
67
258000
2000
خوب، من قصد ندارم اين معادله رو توضيح بدم. ولي فيزيك نظري حقيقتا موضوع هيجان انگيزيه.
04:32
but theoretical physics is really an amazing subject.
68
260000
4000
خوب، من قصد ندارم اين معادله رو توضيح بدم. ولي فيزيك نظري حقيقتا موضوع هيجان انگيزيه.
04:36
We can write down all the laws of physics we know in one line.
69
264000
6000
ما مي تونيم تمام قوانين فيزيكي كه ميدونيم رو در يك خط بنويسيم.
04:42
And, admittedly, it's in a very shorthand notation.
70
270000
5000
و معترفم كه اين نسخه ي فشرده اش هست.
04:47
And it contains 18 free parameters,
71
275000
4000
و اين معادله ١٨ پارامتر آزاد داره، كه بايد با داده هامون جور كنيم.
04:51
OK, which we have to fit to the data.
72
279000
3000
و اين معادله ١٨ پارامتر آزاد داره، كه بايد با داده هامون جور كنيم.
04:54
So it's not the final story,
73
282000
2000
بنابراين اين آخر ماجرا نيست،
04:56
but it's an incredibly powerful summary of everything we know
74
284000
5000
ولي اين يك خلاصه قوي از هر آنچه در مورد طبيعت در بنيادي ترين سطح ميدونيم هستش.
05:01
about nature at the most basic level.
75
289000
4000
ولي اين يك خلاصه قوي از هر آنچه در مورد طبيعت در بنيادي ترين سطح ميدونيم هستش.
05:05
And apart from a few very important loose ends, which you've heard about here --
76
293000
4000
و جدا از جنبه هايي مثل انرژي تاريك و ماده تاريك -- اين معادله همه چیز رو توضيح ميده-
05:09
like dark energy and dark matter --
77
297000
3000
و جدا از جنبه هايي مثل انرژي تاريك و ماده تاريك -- اين معادله همه چیز رو توضيح ميده-
05:12
this equation describes,
78
300000
2000
و جدا از جنبه هايي مثل انرژي تاريك و ماده تاريك -- اين معادله همه چیز رو توضيح ميده-
05:14
seems to describe everything about the universe and what's in it.
79
302000
5000
به نظر ميرسه كه هر آنچه مربوط به جهان هست و در آن هست رو داره توضيح ميده.
05:19
But there's one big puzzle remaining,
80
307000
2000
ولي هنوز يك معما باقي مونده،
05:21
and this was most succinctly put to me by my primary school math teacher in
81
309000
5000
و اين معما توسط معلم رياضي دبستانم در تانزانيا كه يك خانم اسكاتلندي محشر بود،
05:26
Tanzania, who's a wonderful Scottish lady
82
314000
3000
به صورت خيلي موجزانه براي من طرح شد. هنوز با معلمم در تماسم.
05:29
who I still stay in touch with.
83
317000
3000
به صورت خيلي موجزانه براي من طرح شد. هنوز با معلمم در تماسم.
05:32
And she's now in her 80s.
84
320000
2000
و اون الان در دهه هشتم زندگيشه.
05:34
And when I try to explain my work to her, she waved away all the details, and she said,
85
322000
5000
و وقتي كه من سعي ميكردم كه بهش توضيح بدم، تمام جزئيات رو كنار زد و گفت
05:39
"Neil, there's only one question that really matters.
86
327000
5000
"نيل، فقط يك سوال هست كه اهميت داره. چي منفجر شد؟ (خنده حضار)
05:44
What banged?" (Laughter)
87
332000
4000
"نيل، فقط يك سوال هست كه اهميت داره. چي منفجر شد؟ (خنده حضار)
05:48
"Everyone talks about the Big Bang. What banged?"
88
336000
5000
"همه راجع به انفجار بزرگ صحبت مي كنند. ولی چي منفجر شد؟"
05:53
And she's right. It's a question we've all been avoiding.
89
341000
5000
و اون حق داره. اين پرسشيه كه همه ما ازش اجتناب ميكنيم.
05:58
The standard explanation is that the universe somehow sprang into existence,
90
346000
5000
توضيح استاندارد اينه كه جهان به شكلي ناگهان به وجود آمد
06:03
full of a strange kind of energy
91
351000
2000
كه پر از نوع غريبي از انرژي هست انرژي انبساط دهنده- كه جهان رو منفجر كرد.
06:05
-- inflationary energy -- which blew it up.
92
353000
5000
كه پر از نوع غريبي از انرژي هست انرژي انبساط دهنده- كه جهان رو منفجر كرد.
06:10
But the puzzle of why the universe emerged in that peculiar state
93
358000
4000
ولي اين معما كه چرا جهان در اون شرايط كاملا حل نشده باقي مانده.
06:14
is completely unsolved.
94
362000
4000
ولي اين معما كه چرا جهان در اون شرايط كاملا حل نشده باقي مانده.
06:18
Now, I worked on that theory for a while, with Stephen Hawking and others.
95
366000
4000
من روي اين نظريه براي مدتي با استفن هاوكينگ و ديگران كار كردم.
06:22
But then I began to explore another alternative.
96
370000
3000
ولي بعد دليل ديگري رو بررسي كردم.
06:25
The alternative is that the Big Bang wasn't the beginning.
97
373000
3000
اون بديل اينه كه انفجار بزرگ، سرآغاز نباشه.
06:28
Perhaps the universe existed before the bang,
98
376000
3000
شايد جهان قبل از انفجار هم وجود داشته، و اين انفجار فقط يك رخداد خشن قبل از به وجود آمدن اين جهان باشد.
06:31
and the bang was just a violent event in a pre-existing universe.
99
379000
5000
شايد جهان قبل از انفجار هم وجود داشته، و اين انفجار فقط يك رخداد خشن قبل از به وجود آمدن اين جهان باشد.
06:36
Well, this possibility is actually suggested
100
384000
3000
خب، اين احتمال توسط آخرين نظريات، يعني نظريه يكپارچه مطرح شده
06:39
by the latest theories, the unified theories,
101
387000
3000
خب، اين احتمال توسط آخرين نظريات، يعني نظريه يكپارچه مطرح شده
06:42
which try to explain all those 18 free parameters
102
390000
3000
كه سعي ميكنه تمام اون ١٨ پارامتر رو در يك چهارچوب كه تمام اونها رو قابل محاسبه كنه، تبيين كنه.
06:45
in a single framework, which will hopefully predict all of them.
103
393000
7000
كه سعي ميكنه تمام اون ١٨ پارامتر رو در يك چهارچوب كه تمام اونها رو قابل محاسبه كنه، تبيين كنه.
06:52
And I'll just share a cartoon of this idea here.
104
400000
3000
و من فقط يك نقاشي از اين ايده رو نشون ميدم.
06:55
It's all I can convey. According to these theories,
105
403000
3000
اين تنها چيزيه كه مي تونم انتقال بدم. براساس اين نظريات،
06:58
there are extra dimensions of space, not just the three we're familiar with,
106
406000
3000
در فضا ابعاد ديگري هم هست، نه فقط سه بعدي كه ما ميشناسيم،
07:01
but at every point in the room there are more dimensions.
107
409000
4000
بلكه در هر نقطه ي اتاق ابعاد بيشتري هست.
07:05
And in particular, there's one rather strange one,
108
413000
2000
و در دقيق ترين نظريات يكپارچه كه داريم، مشخصا يك بعد عجيب وجود داره.
07:07
in the most elegant unified theories we have.
109
415000
3000
و در دقيق ترين نظريات يكپارچه كه داريم، مشخصا يك بعد عجيب وجود داره.
07:10
The strange one looks likes this:
110
418000
2000
اون عجيبه اين شكليه: كه ما در يك جهان سه بعدي زندگي ميكنيم.
07:12
that we live in a three-dimensional world.
111
420000
3000
اون عجيبه اين شكليه: كه ما در يك جهان سه بعدي زندگي ميكنيم.
07:15
We live in one of these worlds, and I can only show it as a sheet,
112
423000
4000
ما در يكي از اين جهان ها زندگي ميكنيم، كه هر كدومش رو فقط با يك صفحه ميتونم نشون بدم،
07:19
but it's really three-dimensional.
113
427000
3000
ولي در واقع سه بعدي هست.
07:22
And a tiny distance away, there's another sheet,
114
430000
4000
و با فاصله خيلي كم يك صفحه ديگه هست،
07:26
also three-dimensional, and they're separated by a gap.
115
434000
2000
كه اين هم سه بعدي هست ولي با يك فاصله كوچك جدا شده.
07:28
The gap is very tiny, and I've blown it up so you can see it.
116
436000
3000
اين فاصله خيلي كوچكه و من اين رو خيلي بزرگنمايي كردم تا بتوانيد ببينيد.
07:31
But it's really a tiny fraction of the size of an atomic nucleus.
117
439000
5000
ولي اين يك بخش خيلي كوچك، اندازه هسته يك اتم هست.
07:36
I won't go into the details of why we think the universe is like this,
118
444000
3000
من وارد جزئيات نميشم كه چرا فكر ميكنيم جهان اين شكليه
07:39
but it comes out of the math and trying to explain the physics that we know.
119
447000
4000
ولي اين از محاسبت رياضي يدست آمده و سعي ميكنه قوانين فيزيكي كه ميدونيم رو تبيين كنه.
07:43
Well, I got interested in this because it seemed to me that it was an obvious question.
120
451000
4000
خب، من به اين موضوع علاقه مند شدم چون اين يك سوال بديهي بود.
07:47
Which is, what happens if these two, three-dimensional worlds
121
455000
3000
و اون اينه كه اگه اين دو جهان سه بعدي با هم برخورد كنند، چه اتفاقي ميفته؟
07:50
should actually collide?
122
458000
3000
و اون اينه كه اگه اين دو جهان سه بعدي با هم برخورد كنند، چه اتفاقي ميفته؟
07:54
And if they collide, it would look a lot like the Big Bang.
123
462000
3000
و اگه برخورد كنند اتفاقي كه ميفته بسيار شبيه انفجار بزرگ خواهد بود.
07:57
But it's slightly different than in the conventional picture.
124
465000
3000
ولي يك مقدار با تصوير مرسوم متفاوت خواهد بود.
08:00
The conventional picture of the Big Bang is a point.
125
468000
2000
تصوير مرسوم اينه كه انفجار بزرگ يك نقطه هست.
08:02
Everything comes out of a point;
126
470000
2000
همه چيز از يك نقطه بيرون مياد؛
08:04
you have infinite density. And all the equations break down.
127
472000
4000
كه چگالي بينهايت داريم. و تمام معادلات جواب نمي دهند.
08:08
No hope of describing that.
128
476000
2000
هيچ اميدي به تبيين چنين واقعه اي نيست.
08:10
In this picture, you'll notice,
129
478000
2000
در اين تصوير مي بينيد كه
08:12
the bang is extended. It's not a point.
130
480000
2000
انفجار امتداد داره. يك نقطه نيست.
08:14
The density of matter is finite, and we have a chance
131
482000
3000
چگالي ماده متناهي هست و اين شانس رو داريم كه
08:17
of a consistent set of equations that can describe the whole process.
132
485000
5000
معادلات پايداري داشته باشيم كه تمام فرآيند رو تبيين كنند.
08:22
So, to cut a long story short, we've explored this alternative.
133
490000
3000
خلاصه كنم، ما اين گزينه رو بررسي كرديم.
08:25
We've shown that it can fit
134
493000
2000
ما نشون داديم كه اين گزينه مي تونه
08:27
all of the data that we have about the formation of galaxies,
135
495000
4000
تمام داده هايي كه درباره به وجود آمدن كهكشان ها داريم،
08:31
the fluctuations in the microwave background.
136
499000
3000
و نوسانات ريزموج زمينه رو تبيين ميكنه.
08:34
Furthermore, there's an experimental way
137
502000
2000
علاوه بر اين، روش تجربي هم براي بيان داستان
08:36
to tell this theory, apart from the inflationary explanation that I told you before.
138
504000
7000
جدا از تفسير منبسط شونده اي كه قبلا گفتم، وجود داره.
08:43
It involves gravitational waves.
139
511000
3000
كه اين امواج گرانشي رو هم وارد ماجرا ميكنه.
08:46
And in this scenario, not only was the Big Bang not the beginning,
140
514000
3000
و در اين سناريو، نه تنها انفجار بزرگ نبوده،
08:49
as you can see from the picture,
141
517000
3000
همين طور كه در عكس هم ميبينيد،
08:52
it can happen over and over again.
142
520000
2000
اين اتفاق مي تونه بارها و بارها اتفاق بيفته.
08:54
It may be that we live in an endless universe,
143
522000
3000
شايد اينطور باشه كه ما در جهاني بي انتها در فضا و زمان زندگي ميكنيم.
08:57
both in space and in time.
144
525000
1000
شايد اينطور باشه كه ما در جهاني بي انتها در فضا و زمان زندگي ميكنيم.
09:01
And there've been bangs in the past, and there will be bangs in the future.
145
529000
3000
و انفجارهايي قبلا وجود داشته و انفجارهايي در آينده هم رخ خواهد داد.
09:04
And maybe we live in an endless universe.
146
532000
4000
و شايد ما در جهاني ابدي زندگي ميكنيم.
09:08
Well, making and testing models of the universe
147
536000
5000
خب، ساختن و آزمودن مدلهايي از جهان
09:13
is, for me, the best way I have of enjoying and appreciating the universe.
148
541000
7000
براي من بهترين راهيه كه مي تونم از دنيا لذت ببرم و قدرش رو بدونم.
09:20
We need to make the best mathematical models we can,
149
548000
2000
ما نيازمنديم كه بهترين مدلهاي رياضي كه مي تونيم رو بسازيم، پايدارترين اونها رو.
09:22
the most consistent ones.
150
550000
2000
ما نيازمنديم كه بهترين مدلهاي رياضي كه مي تونيم رو بسازيم، پايدارترين اونها رو.
09:24
And then we scrutinize them, logically and with data.
151
552000
4000
و بعد اونها رو با منطق و با داده ها موشکافی می کنیم.
09:28
And we try to convince ourselves --
152
556000
3000
و بعد سعي ميكنيم خودمون رو متقاعد كنيم-
09:31
we really try to convince ourselves they're wrong.
153
559000
2000
ما واقعا سعي ميكنيم كه خودمون رو متقاعد كنيم كه اونها غلط هستند.
09:33
That's progress: when we prove things wrong.
154
561000
3000
اين خودش پيشرفته: كه اثبات كنيم چيزي اشتباهه.
09:36
And gradually, we hopefully move closer and closer to understanding the world.
155
564000
6000
و امیدواریم که کم کم به فهم جهان نزدیک تر و نزدیک تر بشویم.
09:42
As I pursued my career, something was always gnawing away inside me.
156
570000
5000
زماني كه در حرفه ام پيش ميرفتم، يك چيزي از درون من رو اذيت ميكرد.
09:47
What about Africa?
157
575000
3000
پس آفريقا چي؟ اون بچه هايي كه ترك كردم چي؟
09:50
What about those kids I'd left behind?
158
578000
5000
پس آفريقا چي؟ اون بچه هايي كه ترك كردم چي؟
09:55
Instead of developing, as we'd all hoped in the '60s,
159
583000
3000
برخلاف اون چيزي كه در دهه ٦٠ تصور ميكرديم، به جاي توسعه شرايط اونها بدتر شد.
09:58
things had gotten worse.
160
586000
2000
برخلاف اون چيزي كه در دهه ٦٠ تصور ميكرديم، به جاي توسعه شرايط اونها بدتر شد.
10:00
Africa was gripped by poverty, disease and war.
161
588000
4000
آفريقا در فقر، بيماري و جنگ فرو رفت.
10:04
This is very graphically shown by the Worldmapper website and project.
162
592000
6000
اين مسئله در وبسايت worldmapper و پروژه ي اونها به وضوح نشون داده شده.
10:10
And so the idea is to represent each country
163
598000
3000
ايده اينه كه هر كشور رو روي نقشه نشون بديم
10:13
on a map, but scale the area according to some quantity.
164
601000
6000
ولي مساحت اون رو متناسب با يك كميت در نظر بگيريم.
10:19
So here's just the standard area map of the world.
165
607000
2000
خب اين نقشه معمولي دنياست. ضمنا آفريقا خيلي وسيعه.
10:21
By the way, Africa is very large.
166
609000
2000
خب اين نقشه معمولي دنياست. ضمنا آفريقا خيلي وسيعه.
10:23
And the next map now shows Africa's GDP in 1960,
167
611000
5000
نقشه بعدي توليد ناخالص داخلي رو در ١٩٦٠ نشون ميده،
10:28
around the time of independence for many African states.
168
616000
5000
زماني كه خيلي از كشورهاي آفريقايي مستقل شدند.
10:33
Now, this is 1990, and then 2002. And here's a projection for 2015.
169
621000
10000
خوب، اين در ١٩٩٠ هست و بعد ٢٠٠٢. و اين هم تخميني براي ٢٠١٥.
10:44
Big changes are happening in the world,
170
632000
1000
تغييرات بزرگي در دنيا داره رخ ميده، ولي هيچ كدوم اونا به آفريقا كمك نميكنه.
10:45
but they're not helping Africa.
171
633000
3000
تغييرات بزرگي در دنيا داره رخ ميده، ولي هيچ كدوم اونا به آفريقا كمك نميكنه.
10:48
What about Africa's population? The population isn't out of proportion to its area,
172
636000
4000
جمعيت آفريقا چطور؟ جمعيت نسبت به مساحت نامتناسب نيست،
10:52
but Africa leads the world in deaths from often preventable causes:
173
640000
5000
ولي آفريقا رتبه اول در مرگ هاي اكثرا قابل پيشگيري هست:
10:57
malnutrition, simple infections and birth complications.
174
645000
7000
سوتغذيه، عفونت هاي ساده و مشكلات زايمان.
11:04
Then there's HIV/AIDS. And then there are deaths from war.
175
652000
5000
بعد HIVايدز هست. و بعد مرگ ناشي از جنگ ها.
11:09
OK, currently there are 45,000 people a month dying in the Congo,
176
657000
5000
الان در كنگو به دليل جنگ بين coltan و diamonds
11:14
as a consequence of the war
177
662000
2000
در هر ماه ٤٥٠٠٠ نفر كشته مي شوند.
11:16
there over coltan and diamonds and other things.
178
664000
4000
در هر ماه ٤٥٠٠٠ نفر كشته مي شوند.
11:20
It's still going on.
179
668000
4000
اين شرايط همچنان ادامه داره.
11:24
What about Africa's capacity to do something about these problems?
180
672000
3000
پس ظرفيت آفريقا براي حل اين مسائل چي ميشه؟
11:27
Well, here's the number of physicians in Africa.
181
675000
5000
خب، اين تعداد فيزيكدان هاي آفريقاست.
11:32
Here's the number of people in higher education.
182
680000
5000
اين تعداد افرادي كه در تحصيلات تكميلي هستن.
11:37
And here -- most shocking to me --
183
685000
2000
و اينجا- از همه براي من تكان دهنده تر-- تعداد مقالات پژوهش هاي علمي آفريقاست.
11:39
the number of scientific research papers coming out of Africa.
184
687000
4000
و اينجا- از همه براي من تكان دهنده تر-- تعداد مقالات پژوهش هاي علمي آفريقاست.
11:43
It just doesn't exist scientifically.
185
691000
5000
از نظر علمي اصلا چيزي وجود نداره.
11:48
And this was very eloquently argued at TED Africa:
186
696000
3000
و اين خيلي گويا در كنفرانس TEDآفريقا بيان شد كه:
11:51
that all of the aid that's been given
187
699000
2000
تمام كمك هايي كه به داده شده
11:53
has completely failed to put Africa onto its own two feet.
188
701000
8000
نتونسته آفريقا رو روي دو پاي خودش بلند كنه.
12:01
Well, the transition to democracy in South Africa in 1994
189
709000
3000
خب، گذار به دموكراسي در آفريقاي جنوبي در سال ١٩٩٤
12:04
was literally a dream come true for many of us.
190
712000
4000
براي خيلي از ماها رويايي بود كه به حقيقت پيوست.
12:08
My parents were both elected to the first parliament,
191
716000
3000
والدين من هر دو براي اولين پارلمان انتخاب شدند
12:11
alongside Nelson and Winnie Mandela. They were the only other couple.
192
719000
5000
به غير از نلسون و ويني ماندلا، والدين من تنها زوجي بودند كه انتخاب شده بودند.
12:16
And in 2001, I took a research leave to visit them.
193
724000
4000
و من در ٢٠٠١ يك فرصت مطالعاتي گرفتم تا به ديدنشون بروم.
12:20
And while I was busy working -- I was working on these colliding worlds, in the day.
194
728000
7000
و همچنان كه مشغول كارم بودم- داشتم روي جهان هاي متصادم كار ميكردم.
12:27
But I learned that there was a desperate shortage of skills,
195
735000
3000
و متوجه كمبود حادي از تخصص شدم.
12:30
especially mathematical skills, in industry, in government, in education.
196
738000
8000
خصوصا مهارتهاي رياضي، در صنايع، در اداره دولت، در آموزش.
12:38
The ability to make and test models has become essential,
197
746000
4000
توانايي ساخت و آزمودن مدل ضروري شده،
12:42
not only to every single area of science today,
198
750000
3000
نه فقط براي تمام بخش هاي علم، بلكه حتي براي جوامع امروزي.
12:45
but also to modern society itself.
199
753000
4000
نه فقط براي تمام بخش هاي علم، بلكه حتي براي جوامع امروزي.
12:49
And if you don't have math, you're not going to enter the modern age.
200
757000
6000
و اگر رياضي نداشته باشيد، نمي تونيد به عصر مدرن وارد شويد.
12:55
So I had an idea. And the idea was very simple.
201
763000
3000
خب من يه ايده داشتم و ايده خيلي ساده بود.
12:58
The idea was to set up an African Institute for Mathematical Sciences, or AIMS.
202
766000
6000
ايده ام اين بود كه موسسه آفريقايي رياضي يه به طور خلاص AIMS رو تاسيس كنيم.
13:04
And let's recruit students from the whole of Africa,
203
772000
4000
و دانش آموزان رو از سراسر آفريقا بگيريم و بهترين اساتيد رو از سراسر دنيا براشون بياريم
13:08
bring them together with lecturers from all over the world,
204
776000
4000
و دانش آموزان رو از سراسر آفريقا بگيريم و بهترين اساتيد رو از سراسر دنيا براشون بياريم
13:12
and we'll try to give them a fantastic education.
205
780000
5000
و به اونها يك آموزش عالي بدهيم.
13:17
Well, as a Cambridge professor, I had many contacts.
206
785000
3000
خب، به عنوان استاد كمبريج، من ارتباطات زيادي برقرار كردم.
13:20
And to my astonishment, they backed me 100 percent.
207
788000
3000
و در كمال تعجب من، اونها ١٠٠ درصد از من حمايت كردند.
13:23
They said, "Go and do it,
208
791000
2000
اونها گفتند " برو و اين كار رو انجام بده و ما مي آييم و تدريس مي كنيم."
13:25
and we'll come and lecture."
209
793000
4000
اونها گفتند " برو و اين كار رو انجام بده و ما مي آييم و تدريس مي كنيم."
13:29
And I knew it would be amazing fun to bring brilliant students
210
797000
4000
و من ميدونستم كه اين بسيار لذت بخش هست كه دانش آموزان بااستعداد رو
13:33
from these countries -- where they don't have any opportunities -- together
211
801000
4000
از اين كشورها، جايي كه هيچ فرصتي ندارند
13:37
with the best lecturers in the world --
212
805000
2000
در كنار بهترين اساتيد دنيا گردهم بياوريم كه ميدونستم به خاطر آفريقا ميان.
13:39
who I knew would come, because of the interest in Africa --
213
807000
3000
در كنار بهترين اساتيد دنيا گردهم بياوريم كه ميدونستم به خاطر آفريقا ميان.
13:42
and put them together and just let the sparks fly.
214
810000
7000
و اونها رو به كنار هم بياريم و بذاريم بحث آغاز بشه.
13:49
So we bought a derelict hotel near Cape Town.
215
817000
4000
پس ما يك هتل متروك نزديك كيپ تاون رو خريديم.
13:53
It's an 80-room Art Deco hotel from the 1920s.
216
821000
3000
اين يك هتل ٨٠ اتاقه با معماري ساده از دهه ١٩٢٠ است.
13:56
The area was kind of seedy, so we got an 80-room hotel for 100,000 dollars.
217
824000
6000
اين ناحيه يك مقدار فرسوده بود بنابراين يك هتل ٨٠ تخته رو فقط با ١٠٠٠٠٠ دلار خريديم.
14:02
It's a beautiful building. We decided we would refurbish it
218
830000
4000
اين يك ساختمان زيبا بود. تصميم گرفتيم كه بازسازي اش كنيم.
14:06
and then put out the word:
219
834000
2000
و بعد خبرش رو منتشر كنيم.
14:08
we're going to start the best math institute in Africa
220
836000
4000
ما قراره كه بهترين موسسه رياضيات در آفريقا رو در اين هتل پايه بگذاريم.
14:12
in this hotel.
221
840000
1000
ما قراره كه بهترين موسسه رياضيات در آفريقا رو در اين هتل پايه بگذاريم.
14:13
Well, the new South Africa is a very exciting country.
222
841000
3000
خب، آفريقاي جنوبي جديد يك كشور پرهيجان هست.
14:16
And those of you who haven't been there, you should go.
223
844000
3000
و اونهايي از شما كه اونجا نرفتيد، حتما بايد بريد.
14:19
It's very, very interesting what's happening.
224
847000
3000
اتفاقاتي كه ميفته بسيار بسيار جالب اند.
14:22
And we recruited wonderful staff,
225
850000
3000
ما كاركناني عالي رو استخدام كرديم كه بسيار با انگيزه هستند.
14:25
highly motivated staff.
226
853000
2000
ما كاركناني عالي رو استخدام كرديم كه بسيار با انگيزه هستند.
14:27
The other thing that's happened, which was good for us, is the Internet.
227
855000
4000
چيز خوب ديگه اي كه اتفاق افتاد و براي ما خوب بود، اينترنت بود.
14:31
Even though the Internet is very expensive all over Africa,
228
859000
3000
گرچه كه اينترنت در تمام آفريقا بسيار گران هست
14:34
there are Internet cafes everywhere.
229
862000
2000
ولي همه جا سالن هاي اينترنت هست.
14:36
And bright young Africans are desperate to join the global community,
230
864000
5000
و جوانان با استعداد آفريقايي مشتاق اند كه به جامعه جهاني ملحق بشوند،
14:41
to be successful -- and they're very ambitious.
231
869000
3000
تا موفق باشند- اونها بسيار بلند پرواز هستند. مي خوان كه اينشتين بعدي باشند.
14:44
They want to be the next Einstein.
232
872000
4000
تا موفق باشند- اونها بسيار بلند پرواز هستند. مي خوان كه اينشتين بعدي باشند.
14:50
And so when word came out that AIMS was opening,
233
878000
3000
پس وقتي كه خبر افتتاح AIMS منتشر شد،
14:53
it spread very quickly via e-mail and our website.
234
881000
4000
خيلي سريع از طريق ايميل و وبسايت خود ما پخش شد.
14:57
And we got lots of applicants.
235
885000
2000
و تقاضاهاي فراواني براي ما ارسال شد.
14:59
Well, we designed AIMS as a 24-hour learning environment,
236
887000
3000
ما AIMS رو به عنوان يك محيط آموزشي ٢٤ ساعته طراحي كرديم
15:02
and it was fantastic to start a university from the beginning.
237
890000
4000
و ساختن يك دانشگاه از نقطه صفر بسيار جالب بود.
15:06
You have to rethink, what is the university for?
238
894000
4000
شما بايد دوباره بازنگري كنيد، اصلا دانشگاه براي چي هست؟
15:10
And that's really exciting.
239
898000
2000
و اين بسيار هيجان انگيزه.
15:12
So we designed it to have interactive teaching.
240
900000
3000
بنابراين ما اين رو طراحي كريم كه تدريس تبادلي داشته باشيم.
15:15
No droning on at the chalkboard.
241
903000
4000
هيچ صداي گچ روي تخته سياه نيست.
15:19
We emphasize problem-solving, working in groups,
242
907000
4000
تاكيد ما بر حل مسئله، كار در گروه،
15:23
every student discovering and maximizing their own potential
243
911000
4000
و شناخت پتانسيل هر دانشجو توسط خود او و تقويت آن هست
15:27
and not chasing grades.
244
915000
3000
و نه اينكه صرفا به دنبال مدرك باشند.
15:30
Everyone lives together in this hotel -- lecturers and students --
245
918000
2000
همه توي اين هتل زندگي مي كنند، اساتيد و دانشجويان
15:32
and it's not surprising at all to find an impromptu tutorial at 1 a.m.
246
920000
6000
و اصلا عجيب نيست كه جلسات بدون برنامه قبلي با استاد راهنما در ساعت ١ بامداد ببينيد.
15:38
The students don't usually leave the computer lab till 2 or 3 a.m.
247
926000
4000
دانشجوها معمولا سالن كامپيوتر رو تا ساعت ٢ يا ٣ صبح ترك نمي كنند.
15:42
And then they're up again at eight in the morning.
248
930000
2000
و بعد باز ساعت ٨ صبح بيدارند.
15:44
Lectures, problem-solving and so on. It's an extraordinary place.
249
932000
7000
براي كلاس يا حل مسئله و غيره. يك مكان خارق العاده است.
15:51
We especially emphasize areas of great relevance to Africa's development,
250
939000
5000
ما مخصوصا بر موضوعات مرتبط با توسعه آفريقا تاكيد ميكنيم،
15:56
because, in those areas, scientists working in Africa will have a competitive advantage.
251
944000
6000
تا دانشمنداني كه در آفريقا كار مي كنند مزيت رقابتي داشته باشند.
16:02
They'll publish, be invited to conferences.
252
950000
2000
اونها مقالاتشون رو منتشر مي كنند، به كنفرانس ها دعوت مي شند.
16:04
They'll do well. They'll have successful careers.
253
952000
6000
شرايطشون خوبه؛ اونها در حرفه شان موفق خواهند بود.
16:10
And AIMS has done extremely well.
254
958000
2000
و AIMS بسيار موفق بوده.
16:12
Here is a list of last year's graduates, graduated in June,
255
960000
4000
اين ليست فارغ التحصيلان پارسال هست كه در ماه ژوئن فارغ التحصيل شدند،
16:16
and what they're currently doing -- 48 of them.
256
964000
3000
و كاري كه الان بهش مشغول هستند، ٤٨ تاي اونها.
16:19
And where they are is indicated over here.
257
967000
4000
و مكان اونها هم اينجا نشون داده شده.
16:23
And where they've gone. So these are all postgraduate students.
258
971000
4000
و اين كه به كجا رفتند. و اينها دانشجويان مقطع ارشد هستند.
16:27
And they've all gone on to master's and Ph.D. degrees in excellent places.
259
975000
7000
و همه ي اونها براي مدرك دكترا به دانشگاههاي عالي رفتند.
16:34
Five students can be educated at AIMS
260
982000
2000
با هزينه آموزش يك دانشجو در آمريكا يا اروپا در AIMS ميشه پنج نفر رو آموزش داد.
16:36
for the cost of educating one in the U.S. or Europe.
261
984000
4000
با هزينه آموزش يك دانشجو در آمريكا يا اروپا در AIMS ميشه پنج نفر رو آموزش داد.
16:40
But more important, the pan-African student body
262
988000
3000
ولي مهمتر از اون، دانشجويان عضو پان-آفريقا منشا دائمي از قدرت، غرور و تعهد به آفريقا هستند.
16:43
is a continual source of strength, pride and commitment to Africa.
263
991000
6000
ولي مهمتر از اون، دانشجويان عضو پان-آفريقا منشا دائمي از قدرت، غرور و تعهد به آفريقا هستند.
16:49
We illustrate AIMS' progress by coloring in the countries of Africa.
264
997000
5000
ما پيشرفت AIMS رو با رنگ كردن كشورهاي آفريقا نشون ميديم.
16:54
So here you can see behind this list.
265
1002000
2000
مي تونيد پشت اين ليست ببيندش.
16:56
When a county is colored yellow, we've received an application;
266
1004000
4000
هر كشوري كه با رنگ زرد مشخص شده يعني ما يك درخواست از اونجا داشتيم؛
17:00
orange, we've accepted an application; and green,
267
1008000
5000
نارنجي يعني حداقل يك درخواست رو تاييد كرديم؛ و سبز:
17:05
a student has graduated.
268
1013000
2000
يعني يك دانشجو فارغ التحصيل شده.
17:07
So here is where we were after the first graduation in 2004.
269
1015000
4000
پس اين موقعيت ما در ٢٠٠٤ بعد از اولين فارغ التحصيل ها است.
17:11
And we set ourselves a goal of turning the continent green.
270
1019000
4000
و ما براي خودمون هدفي گذاشتيم كه تمام قاره رو سبز كنيم.
17:15
So there's 2005, -6, -7, -8.
271
1023000
4000
واین هم آمار سال 2005، 6، 7 و 8.
17:19
(Applause)
272
1027000
10000
(تشويق)
17:29
We're well on the way to achieving our initial goal.
273
1037000
4000
ما داريم به هدف اوليه مون ميرسيم.
17:33
We had some of the students filmed at home before they came to AIMS.
274
1041000
4000
ما از بعضي از دانشجوها در خونه شان فيلم گرفتيم قبل از اينكه به AIMS بيان.
17:37
And I'll just show you one.
275
1045000
3000
و فقط يكيش رو به شما نشون ميدم.
17:40
Tendai Mugwagwa: My name is Tendai Mugwagwa.
276
1048000
4000
تنداي موگواگوا: اسم من تنداي موگواگوا است.
17:44
I have a Bachelor of Science with an education degree.
277
1052000
3000
من مدرك كارشناسي دارم.
17:47
I will be attending AIMS.
278
1055000
2000
من ميخوام در دوره هاي AIMS شركت كنم.
17:49
My understanding of the course is that it covers quite a lot.
279
1057000
4000
تا اونجايي كه ميدونم، مباحثي كه قراره طرح بشه خيلي وسيع هست.
17:53
You know, from physics to medicine,
280
1061000
4000
مي دونيد، از فيزيك گرفته تا پزشكي بطور مشخص اپيدمولوژي و همچنين مدلهاي رياضي.
17:57
in particular, epidemiology and also mathematical modeling.
281
1065000
6000
مي دونيد، از فيزيك گرفته تا پزشكي بطور مشخص اپيدمولوژي و همچنين مدلهاي رياضي.
18:03
Neil Turok: So Tendai came to AIMS and did very well.
282
1071000
5000
نيل تورك: بنابراين تندار به AIMS اومد و خيلي موفق بود.
18:08
And I'll let her take it from there.
283
1076000
4000
و از اينجا به بعد رو خودش توضيح ميده.
18:16
TM: My name is Tendai Mugwagwa
284
1084000
2000
تنداي: اسم من تنداي موگواگوا هست.
18:18
and I was a student at AIMS in 2003 and 2004.
285
1086000
4000
و من در سال ٢٠٠٣ و ٢٠٠٤ در AIMS دانشجو بودم.
18:22
After leaving AIMS, I went on to do a master's in applied mathematics
286
1090000
5000
بعد از ترك AIMS من با تحصيل در مقطع ارشد در رشته رياضيات كاربردي
18:27
at the University of Cape Town in South Africa.
287
1095000
3000
در دانشگاه كيپ تاون در آفريقاي جنوبي ادامه دادم.
18:30
After that, I came to the Netherlands
288
1098000
2000
بعد از اون به هلند آمدم
18:32
where I'm now doing a Ph.D. in theoretical immunology.
289
1100000
3000
كه الان مشغول تحصيل در مقطع دكترا در رشته ايمني شناسي نظري هستم.
18:35
Professor: Tendai is working very independently.
290
1103000
3000
استاد: تنداي به صورت كاملا مستقل كار ميكنه.
18:38
She communicates well with the immunologists at the hospital.
291
1106000
4000
اون به خوبي با ايمني شناسان در بيمارستان در ارتباط است
18:42
So all in all I have a very good Ph.D. student from South Africa.
292
1110000
4000
در كل من يك دانشجوي خوب دكترا از آفريقاي جنوبي دارم.
18:46
So I'm happy she's here.
293
1114000
3000
و خوشحالم كه اون اينجاست.
18:49
NT: Another student in the first year of AIMS was Shehu.
294
1117000
4000
نيل تورك: يك دانشجوي ديگه در سال اول AIMS شهو بود.
18:53
And he's shown here with his favorite high school teacher.
295
1121000
5000
و اينجا عكس اون رو با معلم مورد علاقه ي دبيرستانش مي بينيد.
18:58
And then entering university in northern Nigeria.
296
1126000
6000
و بعد ورود به دانشگاهي در شمال نيجريه.
19:04
And after AIMS, Shehu wanted to do high-energy physics,
297
1132000
5000
و بعد ازAIMS شهو مي خواست در فيزيك انرژي بالا ادامه تحصيل بده، و به كمبريج اومد.
19:09
and he came to Cambridge.
298
1137000
2000
و بعد ازAIMS شهو مي خواست در فيزيك انرژي بالا ادامه تحصيل بده، و به كمبريج اومد.
19:11
He's about to finish his Ph.D.,
299
1139000
3000
اون داره دوره دكتراش رو تموم ميكنه.
19:14
and he was filmed recently with someone you all know.
300
1142000
4000
و اين فيلم اون با كسيه كه شما همه مي شناسيدش.
19:18
Shehu: And from there we will be able to,
301
1146000
2000
شهو: و از اونجا مي تونيم
19:20
hopefully, make better predictions and then we compare it
302
1148000
3000
پيش بيني هاي بهتري بكنيم و بعد با نمودارها
19:23
to the graph and also make some predictions.
303
1151000
5000
مقايسه كنيم و همچنين تخمين هايي بزنيم.
19:28
Stephen Hawking: That is nice.
304
1156000
3000
استفن هاوكينگ: اين خيلي خوبه.
19:31
NT: Here are the current students at AIMS. There are 53 of them
305
1159000
3000
نيل تورك: اينا دانشجوهاي كنونيAIMS هستند. اونها ٥٣ نفر هستند
19:34
from 20 different countries, including 20 women.
306
1162000
4000
از ٢٠ كشور متفاوت. ٢٠ نفر اونها خانم هستند.
19:38
So now I'm going to get to my TED business.
307
1166000
3000
خب حالا بريم سراغ بحث TED.
19:41
Well, we had a party. This is Africa --
308
1169000
3000
خب، ما يك مهماني داشتيم. اين آفريقاست-
19:44
we have good parties in Africa. And last month, they threw a surprise party for me.
309
1172000
4000
ما در آفريقا مهموني هاي خوبي داريم. و ماه گذشته براي من بي خبر يك مهموني گرفتند.
19:48
Here's somebody you've seen already.
310
1176000
2000
اينم كسي كه قبل تر باهاش آشنا شديد.
19:50
(Applause)
311
1178000
24000
(تشويق)
20:14
I want to point out a few other exceptional people in this picture.
312
1202000
4000
من مي خوام تعداد ديگه اي از آدم هاي برجسته توي اين عكس رو معرفي كنم.
20:18
So, we were having a party,
313
1206000
1000
مي بينيد كه مهموني داشتيم و اينجا بقيه كاملن جلوي من رو گرفتند.
20:19
as you can see they're completely eclipsing me at this point.
314
1207000
4000
مي بينيد كه مهموني داشتيم و اينجا بقيه كاملن جلوي من رو گرفتند.
20:23
This is Ezra. She's from Darfur.
315
1211000
3000
اين ازرا هست. اهل دارفوره.
20:26
She's a physicist, and somehow stays smiling,
316
1214000
4000
اون يك فيزيكدانه، و علي رغم تمام اتفاق هايي كه در وطنش داره رخ ميده، هميشه لبخند به لب داره.
20:30
in spite of everything going on back home.
317
1218000
2000
اون يك فيزيكدانه، و علي رغم تمام اتفاق هايي كه در وطنش داره رخ ميده، هميشه لبخند به لب داره.
20:32
But she wants to continue in physics, and she's doing extremely well.
318
1220000
4000
و او مي خواد در فيزيك ادامه تحصيل بده و خيلي موفق هست.
20:36
This is Lydia. Lydia is the first ever woman
319
1224000
4000
اين ليديا هست. ليديا اولين زني هست كه
20:40
to graduate in mathematics in the Central African Republic.
320
1228000
3000
در رشته رياضي در جمهوري آفريقاي مركزي فارغ التحصيل شده.
20:43
And she's now at AIMS. (Applause)
321
1231000
5000
و او الان درAIMS هست. (تشويق)
20:49
So now let me get to our TED wish.
322
1237000
4000
خب اجازه بديد برام سراغ آرزوي TED.
20:53
Well, it's not my TED wish; it's our wish, as you've already gathered.
323
1241000
5000
البته، اين آرزوي من نيست؛ آرزوي ماست چون شماها هم ملحق شديد.
20:58
And our wish has two parts:
324
1246000
3000
و آرزوي ما دو قسمت داره:
21:01
one is a dream and the other's a plan. OK.
325
1249000
5000
يكيش يك روياست و ديگري يك برنامه است. بسيار خب.
21:06
Our TED dream is that the next Einstein will be African. (Applause)
326
1254000
16000
روياي TED ما اينه كه اينشتين بعدي آفريقايي باشه. (تشويق)
21:25
In striving for the heights of creative genius,
327
1273000
1000
برای دست یافتن به قله های نبوغِ خلاق،
21:26
we want to give thousands of people the motivation,
328
1274000
5000
ما می خوایم به هزاران نفر انگیزه و
21:31
the encouragement and the courage
329
1279000
2000
دلگرمی و شجاعت بدهیم
21:33
to obtain the high-level skills they need to help Africa.
330
1281000
5000
تا مهارت های سطح بالایی که برای کمک به آفریقا نیاز دارند رو بدست بیاورند.
21:38
Among them will be not only brilliant scientists --
331
1286000
3000
در بین اونها فقط دانشمندان نیستند-
21:41
I'm sure of that from what we've seen at AIMS --
332
1289000
3000
از اون چیزی که در AIMS دیدم این رو مطمئنم-
21:44
they'll also be the African Gates, Brins and Pages of the future.
333
1292000
6000
بلکه گیتز (موسس مایکروسافت)، برین و پیچ (موسسان گوگل) نیز آفریقایی خواهند بود.
21:50
Well, I said we also have a plan. And our plan is quite simple.
334
1298000
4000
خب گفتم كه يك برنامه هم داريم. برنامه مون خيلي سر راسته.
21:54
AIMS is now a proven model.
335
1302000
2000
AIMS الان يك مدل جواب پس داده است.
21:56
And what we need to do is to replicate it.
336
1304000
4000
و كاري كه بايد بكنيم اينه كه بايد ازش كپي برداري كنيم.
22:00
We want to roll out 15 AIMS centers in the next five years, all over Africa.
337
1308000
4000
ما مي خوايم در پنج سال آينده ١٥ مركز AIMS رو در سراسر آفريقا افتتاح كنيم.
22:04
Each will have a pan-African student body,
338
1312000
5000
هر مركز اعضاي پان-آفريقايي خواهد داشت،
22:09
but specialize in a different area of science.
339
1317000
2000
ولی در یک حیطه مشخص علم به صورت تخصصی کار خواهد کرد.
22:11
We want to use science to overcome the national and cultural barriers,
340
1319000
5000
ما می خواهیم از علم برای غلبه بر موانع ملیتی و فرهنگی استفاده کنیم،
22:16
as it does at AIMS.
341
1324000
1000
همان طور که در AIMS هم این طور هست.
22:17
And we want to add elements to the curriculum.
342
1325000
2000
و ما می خواهیم بخش های دیگه ای هم به سرفصل دروس اضافه کنیم.
22:19
We want to add entrepreneurship and policy skills.
343
1327000
5000
می خوایم کارآفرینی و مهارت های سیاست گذاری رو هم اضافه کنیم.
22:24
The expanded AIMS will be a coherent pan-African institution,
344
1332000
3000
AIMS توسعه یافته یک موسسه منسجم کاملا آفریقایی خواهد بود،
22:27
and its graduates will form a powerful network,
345
1335000
4000
و فارغ التحصیلان آن یک شبکه قوی رو شکل خواهند داد،
22:31
working together for peace and progress across the continent.
346
1339000
6000
که با همدیگه برای صلح و پیشرفت در کل قاره کار خواهند کرد.
22:37
Over the last year,
347
1345000
2000
در طول سال گذشته،
22:39
we've been visiting sites in Africa,
348
1347000
2000
ما مکان های مختلفی در آفریقا را بازدید کردیم،
22:41
looking at potential sites for new AIMS centers.
349
1349000
3000
و به دنبال مکان های بالقوه برای مراکز جدید AIMS بودیم.
22:44
And here are the ones we've selected.
350
1352000
2000
و این مکان ها اونهایی هستند که انتخاب کردیم.
22:46
And each of these centers has a strong local team,
351
1354000
4000
و هر کدام از این مراکز یک تیم قوی محلی خواهند داشت،
22:50
each is in a beautiful place, an interesting place,
352
1358000
2000
هر کدام از اینها یک مکان زیبا و جذاب هستند،
22:52
which international lecturers will be happy to visit.
353
1360000
3000
که اساتید بین المللی از دیدن اونها لذت خواهند برد.
22:55
And our partners across Africa are extremely enthusiastic about this.
354
1363000
5000
و همکاران ما در آفریقا راجع به این موضوع بسیار هیجان زده هستند.
23:00
Everyone wants an AIMS center in their country.
355
1368000
4000
همه می خواهند که یک مرکز AIMS در کشورشون داشته باشند.
23:04
And last November,
356
1372000
2000
و نوامبر گذشته، کنفرانس همه وزرای علم و فناوری کشورهای آفریقایی
23:06
the conference of all the African ministers of science and technology,
357
1374000
4000
و نوامبر گذشته، کنفرانس همه وزرای علم و فناوری کشورهای آفریقایی
23:10
held in Mombasa, called for a comprehensive plan to roll out AIMS.
358
1378000
5000
که در مومباسا برگذار شد، دستور برنامه جامعی برای گسترش AIMS رو صادر کرد.
23:15
So we have political support right across the continent.
359
1383000
3000
بنابراین ما حمایت سیاسی رو در سرتاسر قاره داریم.
23:18
It won't be easy.
360
1386000
3000
این کار راحت نیست. در هر مرکز چالش های فراوانی هست.
23:21
At every site there will be huge challenges.
361
1389000
2000
این کار راحت نیست. در هر مرکز چالش های فراوانی هست.
23:23
Local scientists must play leading roles
362
1391000
3000
کارشناسان محلی باید نقش اساسی رو بازی کنند
23:26
and governments must be persuaded to buy in.
363
1394000
4000
و دولت ها باید متقاعد باشند که حمایت کنند.
23:30
Conditions are very difficult,
364
1398000
2000
شرایط خیلی سخت هست،
23:32
but we cannot afford to compromise on those principles which made AIMS work.
365
1400000
7000
ولی ما نمی تونیم بر سر این اصولی که باعث نتیجه دادن AIMS شده اند کوتاه بیاییم.
23:39
And we summarize them this way:
366
1407000
2000
و این اصول رو به این شکل خلاصه می کنیم:
23:41
the institutes have got to be relevant, innovative,
367
1409000
3000
موسسات باید مرتبط باشند، نوآور،
23:44
cost-effective and high quality. Why?
368
1412000
2000
اقتصادی و دارای کیفیت بالا. چرا؟
23:46
Because we want Africa to be rich.
369
1414000
3000
چون می خواهیم که آفریقا غنی باشد.
23:49
Easy to remember the basic rules we need.
370
1417000
7000
به این روش می توان این اصول رو به راحتی به خاطر سپرد.
23:56
So, just in ending, let me say the only people who can fix Africa
371
1424000
3000
خب، برای پایان، بذارید بگم که تنها کسانی که می تونند آفریقا رو بسازند
23:59
are talented young Africans.
372
1427000
3000
جوانان با استعداد آفریقایی هستند.
24:02
By unlocking and nurturing their creative potential,
373
1430000
3000
با آزاد کردن و پروراندن پتانسیل خلاق اونها،
24:05
we can create a step change in Africa's future.
374
1433000
4000
ما می تونیم یک تغییر عظیم در آینده آفریقا ایجاد کنیم.
24:09
Over time, they will contribute to African development
375
1437000
4000
با گذشت زمان اونها به توسعه آفریقا
24:13
and to science in ways we can only imagine.
376
1441000
3000
و به پیشرفت علم به گونه هایی کمک خواهند کرد که تنها به تصور خطور می کنند.
24:16
Thank you.
377
1444000
2000
متشکرم.
24:18
(Applause)
378
1446000
21000
(تشویق)
ABOUT THE SPEAKER
Neil Turok - Physicist, education activistNeil Turok is working on a model of the universe that explains the big bang -- while, closer to home, he's founded a network of math and science academies across Africa.
Why you should listen
Neil Turok works on understanding the universe's very beginnings. With Stephen Hawking, he developed the Hawking-Turok instanton solutions, describing the birth of an inflationary universe -- positing that, big bang or no, the universe came from something, not from utter nothingness.
Recently, with Paul Steinhardt at Princeton, Turok has been working on a cyclic model for the universe in which the big bang is explained as a collision between two “brane-worlds.” The two physicists cowrote the popular-science book Endless Universe.
In 2003, Turok, who was born in South Africa, founded the African Institute for Mathematical Sciences (AIMS) in Muizenberg, a postgraduate center supporting math and science. His TED Prize wish: Help him grow AIMS and promote the study and math and science in Africa, so that the world's next Einstein may be African.
Turok is the Director of the Perimeter Institute for Theoretical Physics, in Ontario, Canada. In 2010, the Canadian government funded a $20million expansion of the AIMS schools, working with the Perimeter Institute to start five new AIMS schools in different African nations.
In 2016, he won the Tate Medal for International Leadership in Physics .
Neil Turok | Speaker | TED.com