TED2010
Temple Grandin: The world needs all kinds of minds
تمپل گرندین: دنیا به انواع ذهنها نیاز دارد
Filmed:
Readability: 3.4
5,588,848 views
تمپل گرندین، که در کودکی مبتلا به اوتیسم تشخیص داده شد، درمورد اینکه ذهنش چگونه کار می‌کند می‌گوید؛ او توانایی خود در «تصویری فکرکردن» را بازگو می‌کند، این ویژگی به او کمک می‌کند مسائلی را حل‌کند، که شاید سیستم‌های عصبی عادی متوجه آنها نشوند. او موضوع را این‌گونه بیان می‌کند که دنیا به همه افراد طیف اوتیسم، با تفکر تصویری، الگویی، زبانی، و همه بچه‌های باهوش و تک نیاز دارد.
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
به نظرم از اینجا شروع کنم که کمی توضیح بدم
00:17
what exactly autism is.
1
2000
2000
اوتیسم دقیقا چیست.
00:19
Autism is a very big continuum
2
4000
3000
اوتیسم زنجیره‌ای بسیار بزرگ است،
00:22
that goes from very severe -- the child remains non-verbal --
3
7000
3000
از خیلی شدید --کودکی که گنگ می‌ماند-- شروع شده
00:25
all the way up to brilliant scientists and engineers.
4
10000
3000
تا به دانشمندان و مهندسان خیلی باهوش می‌رسد.
00:28
And I actually feel at home here,
5
13000
2000
درحقیقت من اینجا را خانه خودم حس می‌کنم،
00:30
because there's a lot of autism genetics here.
6
15000
2000
چون ژن‌های اوتیسم زیادی اینجا هست.
00:32
You wouldn't have any...
7
17000
2000
شما نمی‌توانید اصلاٌ نداشته باشید...
00:34
(Applause)
8
19000
4000
(تشویق)
00:38
It's a continuum of traits.
9
23000
2000
اوتیسم یک سلسله از ویژگی‌هاست.
00:40
When does a nerd turn into
10
25000
3000
چه زمانی یکی از حالت جان‌کندن به یک
00:43
Asperger, which is just mild autism?
11
28000
2000
آسپرگر تبدیل می شود، که اوتیسم خوشخیم است؟
00:45
I mean, Einstein and Mozart
12
30000
3000
منظورم این است که، انیشتین و موتزارت
00:48
and Tesla would all be probably diagnosed
13
33000
2000
و تسلا همه احتمالاٌ
00:50
as autistic spectrum today.
14
35000
2000
ازمنظر امروزی می‌توانستند یک اوتیسمی تشخیص داده‌شوند.
00:52
And one of the things that is really going to concern me is
15
37000
3000
و یکی از چیزهایی که من را واقعاٌ دلواپس می‌کند این است که
00:55
getting these kids to be the ones that are going to invent
16
40000
3000
بگذارید این بچه‌ها فردی بشوند که می‌خواهند
00:58
the next energy things,
17
43000
2000
--انرژی‌های بعدی را بسازند،
01:00
you know, that Bill Gates talked about this morning.
18
45000
4000
می‌دانید، همانی که بیل گیتس صبح درموردش صحبت کرد.
01:04
OK. Now, if you want to understand
19
49000
2000
خوب. حالا اگر می‌خواهید
01:06
autism, animals.
20
51000
2000
اوتیسم را بفهمید، حیوانات.
01:08
And I want to talk to you now about different ways of thinking.
21
53000
2000
می‌خواهم باشما درمورد روش‌های مختلف فکر کردن صحبت کنم.
01:10
You have to get away from verbal language.
22
55000
3000
شما باید از زبان گفتاری دور شوید.
01:13
I think in pictures,
23
58000
2000
من با تصاویر فکر می‌کنم،
01:15
I don't think in language.
24
60000
3000
با زبان فکر نمی‌کنم.
01:18
Now, the thing about the autistic mind
25
63000
2000
اکنون، چیزی که درمورد ذهن اوتیسمی مطرح است
01:20
is it attends to details.
26
65000
3000
این است که به جزئیات توجه می‌کند.
01:23
OK, this is a test where you either have to
27
68000
2000
خوب، این تستی‌ست که شما باید
01:25
pick out the big letters, or pick out the little letters,
28
70000
2000
حروف بزرگ یا کوچک را جدا کنید،
01:27
and the autistic mind picks out the
29
72000
2000
ذهن اوتیسمی
01:29
little letters more quickly.
30
74000
2000
حروف کوچک را خیلی سریعتر جدا می‌کند.
01:31
And the thing is, the normal brain ignores the details.
31
76000
4000
و نکته اینجاست که، ذهن عادی جزئیات را نادیده می‌گیرد.
01:35
Well, if you're building a bridge, details are pretty important
32
80000
2000
خوب، اگر شما دارید یک پل می‌سازید، جزئیات خیلی مهم می‌شوند،
01:37
because it will fall down if you ignore the details.
33
82000
3000
چون اگر آنها را درنظر نگیرید، پل سقوط می‌کند.
01:40
And one of my big concerns with a lot of policy things today
34
85000
3000
و یکی از بزرگترین نگرانی‌های من با خیلی از سیاست‌های امروزی
01:43
is things are getting too abstract.
35
88000
2000
این است که، همه چیز دارد خیلی انتزاعی و خلاصه می‌شود.
01:45
People are getting away from doing
36
90000
2000
مردم دارند از انجام دادن
01:47
hands-on stuff.
37
92000
2000
کارهای دستی فاصله می‌گیرند.
01:49
I'm really concerned that a lot of the schools have taken out
38
94000
2000
من واقعاٌ نگران هستم که خیلی از مدرسه‌ها دارند کنار می‌روند
01:51
the hands-on classes,
39
96000
2000
کلاس‌های کاردستی،
01:53
because art, and classes like that,
40
98000
2000
چون هنر و کلاس‌های مانند آن،
01:55
those are the classes where I excelled.
41
100000
2000
کلاس‌هایی بودند که من در آنها سرآمد بودم.
01:57
In my work with cattle,
42
102000
2000
درکار من با دام،
01:59
I noticed a lot of little things that most people don't notice
43
104000
3000
من متوجه موارد کوچک زیادی شدم که بیشتر افراد به آنها توجه نمی‌کردند
02:02
would make the cattle balk. Like, for example,
44
107000
2000
و باعث می‌شد دام همیشه امتتناع ورزد. برای مثال،
02:04
this flag waving, right in front of the veterinary facility.
45
109000
3000
این پرچم درست مقابل وسایل دامپزشکی تکان می‌خورد.
02:07
This feed yard was going to tear down their whole veterinary facility;
46
112000
3000
این محوطه غذاخوری همه امکانات دامپزشکی را به هم می‌ریخت؛
02:10
all they needed to do was move the flag.
47
115000
2000
فقط لازم بود این پرچم را جابجا کنند.
02:12
Rapid movement, contrast.
48
117000
3000
حرکت سریع، مغایرت دارد.
02:15
In the early '70s when I started, I got right down
49
120000
2000
در اویل دهه هفتاد وقتی کارم را شروع کردم،
02:17
in the chutes to see what cattle were seeing.
50
122000
2000
در راهروهای مسیر دام پایین راه می‌رفتم تا ببینم دامها چه می‌بینند.
02:19
People thought that was crazy. A coat on a fence would make them balk,
51
124000
3000
مردم فکر می‌کردند این احمقانه است. یک کت روی حصار می‌تواند آنها را سرکش کند،
02:22
shadows would make them balk, a hose on the floor ...
52
127000
3000
سایه‌ها همین‌طور، یک شلنگ روی زمین، ...
02:25
people weren't noticing these things --
53
130000
2000
مردم به این چیزها توجه نمی‌کردند
02:27
a chain hanging down --
54
132000
2000
-- یک زنجیر آویزان شده
02:29
and that's shown very, very nicely in the movie.
55
134000
2000
و این درفیلم بسیار زیبا نشان داده‌شد.
02:31
In fact, I loved the movie, how they
56
136000
2000
درواقع، من عاشق این فیلم شدم، که چطور آنها
02:33
duplicated all my projects. That's the geek side.
57
138000
2000
نسخه‌ای از همه پروژه‌های من ساختند. این قسمتش تک بود.
02:35
My drawings got to star in the movie too.
58
140000
3000
نقاشی‌های من هم در فیلم ستاره شدند.
02:38
And actually it's called "Temple Grandin,"
59
143000
2000
در حقیقت اسم فیلم رو "تمپل گرندین" گذاشتند،
02:40
not "Thinking In Pictures."
60
145000
2000
نه "تصویری فکرکردن"
02:42
So, what is thinking in pictures? It's literally movies
61
147000
2000
خوب تصویری فکرکردن چیست؟ دقیقاٌ فیلم‌هایی
02:44
in your head.
62
149000
2000
در مغز شماست.
02:46
My mind works like Google for images.
63
151000
2000
ذهن من مثل گوگل ایمج(جستجوی تصاویر) کار می‌کند.
02:48
Now, when I was a young kid I didn't know my thinking was different.
64
153000
3000
اکنون ببینید وقتی من یک کودک جوان بودم نمی‌دانستم که فکرکردن من متفاوته.
02:51
I thought everybody thought in pictures.
65
156000
2000
من تصور می‌کردم همه تصویری فکر می‌کنند.
02:53
And then when I did my book, "Thinking In Pictures,"
66
158000
2000
و وقتی که کتابم، "تصویری فکرکردن" را تمام کردم،
02:55
I start interviewing people about how they think.
67
160000
3000
شروع کردم به مصاحبه با افراد درمورد روش فکرکردن آنها.
02:58
And I was shocked to find out that
68
163000
2000
من شوکه شدم وقتی فهمیدم
03:00
my thinking was quite different. Like if I say,
69
165000
2000
فکرمن کاملاٌ متفاوت بوده. درست مثل اینکه من بگم
03:02
"Think about a church steeple"
70
167000
2000
"به ساختمان یک کلیسا فکر کنید"
03:04
most people get this sort of generalized generic one.
71
169000
2000
بیشتر افراد به این نوع شکل عمومی فکر می‌کنند.
03:06
Now, maybe that's not true in this room,
72
171000
2000
درحالی‌که ممکنه در این جمع درست نباشه،
03:08
but it's going to be true in a lot of different places.
73
173000
4000
ولی اغلب درسته.
03:12
I see only specific pictures.
74
177000
2000
من فقط تصاویر خاصی می‌بینم.
03:14
They flash up into my memory, just like Google for pictures.
75
179000
4000
اینها در حافظه من برق می‌زنند، درست مثل گوگل تصاویر.
03:18
And in the movie, they've got a great scene in there
76
183000
2000
و درفیلم، صحنه‌ای بسیارعالی ساختند،
03:20
where the word "shoe" is said, and a whole bunch of '50s and '60s shoes
77
185000
4000
جایی که کلمه "کفش" می‌آمد، و همه انواع کفش‌های دهه ۵۰ و ۶۰
03:24
pop into my imagination.
78
189000
2000
از خیال من می‌گذشت.
03:26
OK, there is my childhood church,
79
191000
2000
خوب این کلیسای بچگی‌های منه،
03:28
that's specific. There's some more, Fort Collins.
80
193000
3000
خیلی خاصه. تعدادی دیگر هم هست، فورت کولینز.
03:31
OK, how about famous ones?
81
196000
2000
معروف‌ها چطور؟
03:33
And they just kind of come up, kind of like this.
82
198000
3000
و اینها فقط چندمورد هستند که می‌آیند، مثل این یکی.
03:36
Just really quickly, like Google for pictures.
83
201000
3000
خیلی سریع، مانند گوگل تصاویر.
03:39
And they come up one at a time,
84
204000
2000
و در یک لحظه همه می‌آیند،
03:41
and then I think, "OK, well maybe we can have it snow,
85
206000
2000
و من فکر می‌کنم، "خب ممکنه برفی باشه،
03:43
or we can have a thunderstorm,"
86
208000
2000
یا شاید طوفان داشته‌باشیم،..."
03:45
and I can hold it there and turn them into videos.
87
210000
3000
و من می‌تونم آنجا نگهش دارم و آنها را به فیلم تبدیل کنم.
03:48
Now, visual thinking was a tremendous asset
88
213000
3000
خوب، تصویری فکرکردن یک دارایی فوق‌العاده
03:51
in my work designing cattle-handling facilities.
89
216000
3000
در کار طراحی تجهیزات دامداری بود.
03:54
And I've worked really hard on improving
90
219000
2000
و من برای بهترکردن
03:56
how cattle are treated at the slaughter plant.
91
221000
2000
رفتار گاو در کشتارگاه خیلی سخت کار کردم.
03:58
I'm not going to go into any gucky slaughter slides.
92
223000
3000
من نمی‌خوام به همه اسلایدهای کشتارگاه بروم.
04:01
I've got that stuff up on YouTube if you want to look at it.
93
226000
2000
آن قسمت‌ها را در یوتیوب گذاشته‌ام، اگر می‌خواهید آنجا ببینید.
04:03
But, one of the things that I was able to do in my design work
94
228000
4000
اما، یکی از مواردی که می‌توانستم در کار طراحی‌ام اجرا کنم
04:07
is I could actually test run
95
232000
2000
این بود که بتوانم
04:09
a piece of equipment in my mind,
96
234000
2000
قسمتی از وسیله را درذهنم تست کنم،
04:11
just like a virtual reality computer system.
97
236000
3000
درست مثل یک سیستم کامپیوتری واقعیت مجازی.
04:14
And this is an aerial view
98
239000
2000
این یک منظره هوایی
04:16
of a recreation of one of my projects that was used in the movie.
99
241000
3000
از بازسازی یکی از پروژه‌های منه که در فیلم آمده‌بود.
04:19
That was like just so super cool.
100
244000
2000
این یکی خیلی جالب بود.
04:21
And there were a lot of kind of Asperger types
101
246000
2000
و تعداد زیادی انواع آسپرگر
04:23
and autism types working out there on the movie set too.
102
248000
3000
و اوتیسم اونجا بودند و درفیلم هم کار می‌کردند.
04:26
(Laughter)
103
251000
2000
(خنده)
04:28
But one of the things that really worries me
104
253000
2000
اما یکی از چیزهایی که من را خیلی نگران می‌کند
04:30
is: Where's the younger version of those kids going today?
105
255000
4000
اینه که، الان بچه‌های کوچک مثل آنها کجایند؟
04:34
They're not ending up in Silicon Valley, where they belong.
106
259000
3000
آنها به سیلیکون‌ولی که به آن تعلق دارند، نمی‌رسند.
04:37
(Laughter)
107
262000
3000
(خنده)
04:40
(Applause)
108
265000
5000
(تشویق)
04:45
Now, one of the things I learned very early on because I wasn't that social,
109
270000
3000
چیزی که همان اوایل یادگرفتم را بگم، به‌خاطراینکه آنچنان اجتماعی نبودم،
04:48
is I had to sell my work, and not myself.
110
273000
4000
مجبور بودم کارم را بفروشم و نه اینکه خودم کارکنم.
04:52
And the way I sold livestock jobs
111
277000
2000
و روشی که من کار دامها را فروختم
04:54
is I showed off my drawings, I showed off pictures of things.
112
279000
3000
این بود که من نقاشی‌هایم را نشان می‌دادم، تصاویر را نشان می‌دادم.
04:57
Another thing that helped me as a little kid
113
282000
2000
مورد دیگری که دربچگی به من کمک کرد،
04:59
is, boy, in the '50s, you were taught manners.
114
284000
2000
دردهه ۵۰ تو آداب یاد می‌دادی.--
05:01
You were taught you can't pull the merchandise off the shelves
115
286000
2000
یاد می‌دادی که نمی‌توانی کالا را از قفسه مغازه‌ها برداری
05:03
in the store and throw it around.
116
288000
2000
و دور بیندازی.
05:05
Now, when kids get to be in third or fourth grade,
117
290000
3000
وقتی که بچه‌ها در کلاس سوم چهارم هستند،
05:08
you might see that this kid's going to be a visual thinker,
118
293000
3000
شما ممکنه ببینید که این بچه‌ها تصویری فکرمی‌کنند،
05:11
drawing in perspective. Now, I want to
119
296000
2000
پرسپکتیو می‌کشند. من بازهم
05:13
emphasize that not every autistic kid
120
298000
2000
تأکید می‌کنم که همه بچه‌های اوتیسمی
05:15
is going to be a visual thinker.
121
300000
2000
قرار نیست تصویری فکرکنند.
05:17
Now, I had this brain scan done several years ago,
122
302000
4000
-من این اسکن مغزی رو چندسال پیش گرفتم،
05:21
and I used to joke around about having a
123
306000
2000
و عادت داشتم همه جا درباره‌اش جوک بگم
05:23
gigantic Internet trunk line
124
308000
2000
که سیم‌کشی اینترنت بزرگی
05:25
going deep into my visual cortex.
125
310000
2000
در کورتکس بینایی‌ام دارم.
05:27
This is tensor imaging.
126
312000
2000
این تصویربرداری تانسور است.
05:29
And my great big internet trunk line
127
314000
2000
و این خطوط اینترنت عظیم من
05:31
is twice as big as the control's.
128
316000
2000
دوبرابر بزرگتر از کنترل‌هایش است.
05:33
The red lines there are me,
129
318000
2000
خطوط قرمز من هستم،
05:35
and the blue lines are the sex and age-matched control.
130
320000
4000
و آبی‌ها -تطبیق با کنترل جنسیت و سن هستند.
05:39
And there I got a gigantic one,
131
324000
2000
من خیلی بزرگش رو دارم،
05:41
and the control over there, the blue one,
132
326000
2000
و کنترل آنجاست، آبیه،
05:43
has got a really small one.
133
328000
4000
واقعاٌ کوچکه.
05:47
And some of the research now is showing
134
332000
2000
برخی از تحقیقات امروزه نشان می‌دهند
05:49
is that people on the spectrum actually think with primary visual cortex.
135
334000
4000
که مردم برای بینایی، با کورتکس اصلی بینایی فکرمی‌کنند.
05:53
Now, the thing is, the visual thinker's just one kind of mind.
136
338000
3000
درحالی‌که این تنها شکل فکرکردن، برای افرادی‌ست که تصویری فکر می‌کنند.
05:56
You see, the autistic mind tends to be a specialist mind --
137
341000
3000
می‌بینید که ذهن اوتیسمی گرایش دارد که ذهنی متخصص شود،
05:59
good at one thing, bad at something else.
138
344000
4000
در یک چیز خوب باشد، در چیز دیگری بد.
06:03
And where I was bad was algebra. And I was never allowed
139
348000
2000
چیزی که من درش بد بودم جبر بود. و هرگز
06:05
to take geometry or trig.
140
350000
2000
اجازه نداشتم هندسه یا مثلثات بردارم.
06:07
Gigantic mistake: I'm finding a lot of kids who need to skip algebra,
141
352000
3000
اشتباه بزرگ: من بچه‌های زیادی را می‌بینم که نیاز دارند جبر را کناربگذارند،
06:10
go right to geometry and trig.
142
355000
2000
و مستقیم سراغ هندسه و مثلثات بروند.
06:12
Now, another kind of mind is the pattern thinker.
143
357000
3000
یک نوع دیگر از ذهنها تفکر الگویی ست.
06:15
More abstract. These are your engineers,
144
360000
2000
انتزاعی‌تر است. اینها مهندس‌های شما هستند،
06:17
your computer programmers.
145
362000
2000
برنامه‌نویس‌ها.
06:19
Now, this is pattern thinking. That praying mantis
146
364000
2000
خوب این یک ذهن الگویی است. آن آخوندک
06:21
is made from a single sheet of paper --
147
366000
2000
از یک تکه کاغذ درست شده،
06:23
no scotch tape, no cuts.
148
368000
2000
بدون چسب‌نواری، یا برش.
06:25
And there in the background is the pattern for folding it.
149
370000
3000
و در زمینه، الگوی تا کردنش هست.
06:28
Here are the types of thinking:
150
373000
2000
اینها انواع فکرکردن هستند:
06:30
photo-realistic visual thinkers, like me;
151
375000
3000
فکرکردن با تصاویر واقعی، مثل من؛
06:33
pattern thinkers, music and math minds.
152
378000
4000
تفکر الگویی، ذهن‌های موسیقایی و ریاضی.
06:37
Some of these oftentimes have problems with reading.
153
382000
2000
بعضی از اینها اغلب اوقات درخواندن مشکل دارند.
06:39
You also will see these kind of problems
154
384000
2000
این قبیل مشکلات را
06:41
with kids that are dyslexic.
155
386000
3000
در بچه های نارساخوان هم می‌بینید.
06:44
You'll see these different kinds of minds.
156
389000
2000
این انواع مختلف ذهن را می‌بینید.
06:46
And then there's a verbal mind, they know every fact about everything.
157
391000
3000
و سپس یک ذهن زبانی داریم، که حقیقت همه چیز را می‌دانند.
06:49
Now, another thing is the sensory issues.
158
394000
2000
حال موضوع دیگر حساسیت است.
06:51
I was really concerned about having to wear this gadget on my face.
159
396000
4000
من واقعاٌ نگران بودم که باید این وسیله را روی صورتم بگذارم.
06:55
And I came in half an hour beforehand
160
400000
3000
نیم‌ساعت زودتر آمدم
06:58
so I could have it put on and kind of get used to it,
161
403000
2000
که بتوانم این را بگذارم تا هرجورشده بهش عادت کنم،
07:00
and they got it bent so it's not hitting my chin.
162
405000
3000
و این رو خم کردند تا به چانه‌ام نخوره.
07:03
But sensory is an issue. Some kids are bothered by fluorescent lights;
163
408000
3000
اما حساسیت یک مسئله است. بعضی بچه‌ها با لامپ‌های فلوئورسنت اذیت می‌شوند؛
07:06
others have problems with sound sensitivity.
164
411000
3000
برخی با حساسیت به صدا مشکل دارند.
07:09
You know, it's going to be variable.
165
414000
3000
می‌دونید، اینها همه متغیرند.
07:12
Now, visual thinking gave me a whole lot of insight
166
417000
4000
تصویری فکرکردن به من یک دید کلی
07:16
into the animal mind.
167
421000
2000
از ذهن حیوانات داده.
07:18
Because think about it: An animal is a sensory-based thinker,
168
423000
3000
بهش فکرکنید، یک حیوان براساس حواسش فکرمی‌کند،
07:21
not verbal -- thinks in pictures,
169
426000
4000
نه زبانش – با تصاویر فکرمی‌کند،
07:25
thinks in sounds, thinks in smells.
170
430000
3000
با صداها، با بوها.
07:28
Think about how much information there is there on the local fire hydrant.
171
433000
3000
می‌دونید چقدر اطلاعات در کنار شیرآتش‌نشانی محله هست.
07:31
He knows who's been there, when they were there.
172
436000
3000
او می‌داند چه‌کسانی، کِی آنجا بوده‌اند.
07:34
Are they friend or foe? Is there anybody he can go mate with?
173
439000
3000
آشنا بوده‌اند یا غریبه؟ کسی بوده که بتواند جفتش شود؟
07:37
There's a ton of information on that fire hydrant.
174
442000
3000
چند تُن اطلاعات در آن شیرآتش‌نشانی هست.
07:40
It's all very detailed information,
175
445000
4000
همه اطلاعات خیلی جزئی هستند،
07:44
and, looking at these kind of details
176
449000
2000
و نگاه‌کردن به این جزئیات
07:46
gave me a lot of insight into animals.
177
451000
2000
دید خوبی از حیوانات به من داده‌است.
07:48
Now, the animal mind, and also my mind,
178
453000
4000
خوب، ذهن حیوانات و همین‌طور ذهن من،
07:52
puts sensory-based information
179
457000
2000
اطلاعات حسی را
07:54
into categories.
180
459000
2000
طبقه‌بندی می‌کند.
07:56
Man on a horse
181
461000
2000
مردی روی اسب
07:58
and a man on the ground --
182
463000
2000
و مردی روی زمین،
08:00
that is viewed as two totally different things.
183
465000
2000
این دو کاملاً متفاوت دیده می‌شوند.
08:02
You could have a horse that's been abused by a rider.
184
467000
3000
شما می‌تونید یک اسب داشته‌باشید که سوارکارش اذیتش می‌کرده.
08:05
They'll be absolutely fine with the veterinarian
185
470000
2000
اونها با یک دامپزشک
08:07
and with the horseshoer, but you can't ride him.
186
472000
3000
و نعل‌ساز کاملاٌ خوب هستند، ولی نمی‌توانید سوارش شوید.
08:10
You have another horse, where maybe the horseshoer beat him up
187
475000
3000
اسب دیگری دارید، که شاید نعل‌ساز اورا زده‌باشد،
08:13
and he'll be terrible for anything on the ground,
188
478000
2000
و او با هرکاری روی زمین
08:15
with the veterinarian, but a person can ride him.
189
480000
3000
با دامپزشک وحشتناک است، ولی می‌توانید سوارش شوید.
08:18
Cattle are the same way.
190
483000
2000
گاوها همین‌طور هستند.
08:20
Man on a horse,
191
485000
2000
مردِ روی اسب،
08:22
a man on foot -- they're two different things.
192
487000
2000
مردی روی پا؛ آنها دوچیز متفاوتند.
08:24
You see, it's a different picture.
193
489000
2000
می‌بینید، دوتصویر متفاوت هستند.
08:26
See, I want you to think about just how specific this is.
194
491000
3000
می‌خوام به این فکرکنید که این چقدر خاص است.
08:29
Now, this ability to put information into categories,
195
494000
4000
حالا، این توانایی که اطلاعات را در طبقه‌بندی قرارمی‌دهد،
08:33
I find a lot of people are not very good at this.
196
498000
3000
من افراد زیادی رو دیدم که در این کار خوب نیستند.
08:36
When I'm out troubleshooting equipment
197
501000
2000
وقتی من درحال عیب‌یابی یک وسیله
08:38
or problems with something in a plant,
198
503000
2000
یا مشکلی در یک کارخانه هستم،
08:40
they don't seem to be able to figure out, "Do I have a training people issue?
199
505000
4000
آنها به نظر می‌رسد که اصلاً متوجه نیستند، "آیا مسئله من آموزش افراد است؟
08:44
Or do I have something wrong with the equipment?"
200
509000
2000
یا این تجهیزات اشکالی دارند؟"
08:46
In other words, categorize equipment problem
201
511000
2000
به‌عبارت دیگر، طبقه‌بندی مشکل تجهیزات
08:48
from a people problem.
202
513000
2000
از مشکل افراد.
08:50
I find a lot of people have difficulty doing that.
203
515000
3000
فهمیده‌ام که افراد زیادی همین مشکل را دارند.
08:53
Now, let's say I figure out it's an equipment problem.
204
518000
3000
خوب، بگذارید بگیم که این مشکل تجهیزات است.
08:56
Is it a minor problem, with something simple I can fix?
205
521000
2000
مشکلی فرعی‌ست، که با کاری ساده می‌توانم حلش کنم؟
08:58
Or is the whole design of the system wrong?
206
523000
3000
یا طراحی کلی سیستم اشتباه بوده؟
09:01
People have a hard time figuring that out.
207
526000
3000
افراد به شدت زمان می‌گذارند تا این را بفهمند.
09:04
Let's just look at something like, you know,
208
529000
2000
بیایید فقط به یک چیز نگاه کنیم، مثلاٌ
09:06
solving problems with making airlines safer.
209
531000
2000
با امن‌تر کردن خطوط هوایی، مشکلات را حل می‌کنیم.
09:08
Yeah, I'm a million-mile flier.
210
533000
2000
آره، من میلیون‌ها مایل در پرواز بودم.
09:10
I do lots and lots of flying,
211
535000
2000
خیلی زیاد پرواز می‌کنم،
09:12
and if I was at the FAA,
212
537000
3000
و اگر در FAA باشم،
09:15
what would I be doing a lot of direct observation of?
213
540000
4000
چیزی که بیشتر می‌خواهم مستقیم تماشا کنم چیه؟
09:19
It would be their airplane tails.
214
544000
2000
این دم هواپیماها ست.
09:21
You know, five fatal wrecks in the last 20 years,
215
546000
3000
می‌دونید در پنج خرابی مهلک بیست سال گذشته،
09:24
the tail either came off or steering stuff inside the tail broke
216
549000
4000
دم هم پایین می‌آید، هم همه چیز داخلش را
09:28
in some way.
217
553000
2000
به هرشکلی شده نابود می‌کند.
09:30
It's tails, pure and simple.
218
555000
2000
این دم‌ها هستند، خیلی ساده.
09:32
And when the pilots walk around the plane, guess what? They can't see
219
557000
2000
و وقتی که خلبان‌ها دورهواپیما می‌گردند، حدس می‌زنید چی می‌شه؟ آنها
09:34
that stuff inside the tail.
220
559000
2000
نمی‌تونند آن چیزهای داخل دم را ببینند.
09:36
You know, now as I think about that,
221
561000
2000
می‌دونید، حالا که من بهش فکر می‌کنم،
09:38
I'm pulling up all of that specific information.
222
563000
3000
همه آن اطلاعات خاص را دارم به ذهنم می‌آورم.
09:41
It's specific. See, my thinking's bottom-up.
223
566000
3000
این خاص ست. ببینید فکرمن پایین به بالاست(باتم-آپ)
09:44
I take all the little pieces and I put the pieces together like a puzzle.
224
569000
4000
من همه تکه‌های کوچک را برمی‌دارم و مثل یک پازل کنارهم می‌گذارم.
09:48
Now, here is a horse that was deathly afraid
225
573000
2000
خوب، این اسبی بود که درحدمرگ
09:50
of black cowboy hats.
226
575000
2000
از کلاه کابوی مشکی می‌ترسید.
09:52
He'd been abused by somebody with a black cowboy hat.
227
577000
2000
یک نفر با کلاه کابوی مشکی آزارش داده بود.
09:54
White cowboy hats, that was absolutely fine.
228
579000
3000
کلاه کابوی سفید، کاملاً برایش خوب بود.
09:57
Now, the thing is, the world is going to need
229
582000
3000
حالا می‌بینید دنیا نیازمند
10:00
all of the different kinds of minds
230
585000
2000
همه انواع مختلف ذهن‌هاست
10:02
to work together.
231
587000
2000
تا باهم کار کنند.
10:04
We've got to work on developing all these different kinds of minds.
232
589000
3000
ما باید برای پیشرفت همه انواع ذهن ها کارکنیم.
10:07
And one of the things that is driving me really crazy,
233
592000
3000
و یکی از چیزهایی که من را دیوونه می‌کنه،
10:10
as I travel around and I do autism meetings,
234
595000
2000
درحین سفرهای من و جلسه‌های اوتیسمی که دارم
10:12
is I'm seeing a lot of smart, geeky, nerdy kids,
235
597000
3000
بچه‌های باهوش، تک و خاص زیادی می‌بینم،
10:15
and they just aren't very social,
236
600000
3000
که فقط اجتماعی نیستند،
10:18
and nobody's working on developing their interest
237
603000
2000
و هیچ‌کس برای پیشرفت آنها در چیزی که بهش علاقه دارند
10:20
in something like science.
238
605000
2000
مثل علوم کاری نمی‌کند.
10:22
And this brings up the whole thing of my science teacher.
239
607000
3000
و همه اینها، همه چیز معلم علومم را به یاد من می‌آورد.
10:25
My science teacher is shown absolutely beautifully in the movie.
240
610000
3000
معلم علوم من خیلی زیبا در فیلم نشان داده‌شد.
10:28
I was a goofball student. When I was in high school
241
613000
2000
من دانش‌آموزی کودن بودم. وقتی دبیرستان می‌رفتم
10:30
I just didn't care at all about studying,
242
615000
3000
اصلاٌ به درس خواندن اهمیت نمی‌دادم،
10:33
until I had Mr. Carlock's science class.
243
618000
3000
تازمانی که کلاس علوم آقای کارلاک را داشتم.
10:36
He was now Dr. Carlock in the movie.
244
621000
3000
که حالا دکتر کارلاک در فیلم بود.
10:39
And he got me challenged
245
624000
3000
او من رو به چالش‌کشید
10:42
to figure out an optical illusion room.
246
627000
3000
تا آن اتاقک خطای‌دید را بفهمم.
10:45
This brings up the whole thing of you've got to show kids
247
630000
2000
این همه‌چیز را می‌رساند، که شما باید به بچه‌ها
10:47
interesting stuff.
248
632000
2000
چیزهای جذابی نشان دهید.
10:49
You know, one of the things that I think maybe TED ought to do
249
634000
3000
می‌دونید، یکی از کارهایی که فکرمی‌کنم شاید TED باید انجام‌دهد
10:52
is tell all the schools about all the great lectures that are on TED,
250
637000
3000
این‌ست که به تمام مدرسه‌ها درمورد همه سخنرانی‌های عالی روی TED اطلاع‌دهد،
10:55
and there's all kinds of great stuff on the Internet
251
640000
2000
و همه این چیزهایی که روی اینترنت هست
10:57
to get these kids turned on.
252
642000
2000
تا این بچه‌ها رو راه بیندازد.
10:59
Because I'm seeing a lot of these geeky nerdy kids,
253
644000
3000
چون من دارم این همه بچه‌های منحصربفرد و خاص را می‌بینم،
11:02
and the teachers out in the Midwest, and the other parts of the country,
254
647000
3000
و معلم‌هایی که آنجا (در میدوِست)، و بقیه جاهای کشور هستند،
11:05
when you get away from these tech areas,
255
650000
2000
وقتی از مناطق تکنولوژیک دور می‌شوید،
11:07
they don't know what to do with these kids.
256
652000
2000
آنها نمی‌دونند با این بچه‌ها چه‌کارکنند.
11:09
And they're not going down the right path.
257
654000
2000
و راه درستی نمی‌روند.
11:11
The thing is, you can make a mind
258
656000
2000
مسئله این‌ست که، شما می‌تونید ذهنی را
11:13
to be more of a thinking and cognitive mind,
259
658000
3000
که بیشتر برای یک نوع تفکر و شناخت باشد، بسازید،
11:16
or your mind can be wired to be more social.
260
661000
3000
یا اینکه ذهنتان باید برای اینکه بیشتر اجتماعی باشید، ساخته شود.
11:19
And what some of the research now has shown in autism
261
664000
2000
چیزی که الان تحقیقات در اوتیسم نشان می‌دهد
11:21
is there may by extra wiring back here,
262
666000
2000
این‌ست که ممکنه در یک ذهن بااستعداد، جایی بیشتر
11:23
in the really brilliant mind, and we lose a few social circuits here.
263
668000
3000
سیم‌کشی شده‌باشد، و مقداری از مدارهای اجتماعی را دراینجا ازدست بدهیم.
11:26
It's kind of a trade-off between thinking and social.
264
671000
4000
این شبیه به یک معامله بین فکرکردن و اجتماعی‌بودن است.
11:30
And then you can get into the point where it's so severe
265
675000
2000
و می‌تونید به جایی برسید که خیلی شدید بشه
11:32
you're going to have a person that's going to be non-verbal.
266
677000
3000
کسی رو داشته‌باشید که حرف نزند.
11:35
In the normal human mind
267
680000
2000
در ذهن عادی انسان، زبان
11:37
language covers up the visual thinking we share with animals.
268
682000
3000
تفکرتصویری که با حیوانات مشترکا داریم، را پوشش می‌دهد.
11:40
This is the work of Dr. Bruce Miller.
269
685000
3000
این کار دکتر بروس میلر است.
11:43
And he studied Alzheimer's patients
270
688000
3000
او بیماران آلزایمری را بررسی‌کرده
11:46
that had frontal temporal lobe dementia.
271
691000
2000
که در نرمه جلویی گیجگاه زوال داشته‌اند.
11:48
And the dementia ate out the language parts of the brain,
272
693000
3000
این زوال قسمت‌های زبانی مغز را ازبین‌برده،
11:51
and then this artwork came out of somebody who used to install stereos in cars.
273
696000
5000
و این اثرهنری کار یک نصب‌کننده سیستم‌های استریوی ماشین است.
11:56
Now, Van Gogh doesn't know anything about physics,
274
701000
4000
خوب، ون گوگ هیچی درمورد فیزیک نمی‌داند،
12:00
but I think it's very interesting
275
705000
2000
و به‌نظرم این خیلی جالبه
12:02
that there was some work done to show that
276
707000
2000
که کاری وجود‌دارد برای اینکه نشان‌دهد
12:04
this eddy pattern in this painting
277
709000
2000
این طرح گردابی در این نقاشی
12:06
followed a statistical model of turbulence,
278
711000
3000
از یک مدل آماری از تلاطم پیروی می‌کند،
12:09
which brings up the whole interesting idea
279
714000
2000
و کل این ایده جذاب را به‌ارمغان آورده
12:11
of maybe some of this mathematical patterns
280
716000
2000
که شاید برخی ازین الگوهای ریاضی
12:13
is in our own head.
281
718000
2000
در مغزمان وجوددارند.
12:15
And the Wolfram stuff -- I was taking
282
720000
2000
و کارهای ولفرام -من داشتم
12:17
notes and I was writing down all the
283
722000
2000
نوت‌برداری می‌کردم و همه کلمه‌های جستجو
12:19
search words I could use,
284
724000
2000
که می‌توانم استفاده‌کنم را می‌نوشتم،
12:21
because I think that's going to go on in my autism lectures.
285
726000
4000
-چون فکرمی‌کنم این در سخنرانی‌های اوتیسم من پیش خواهندرفت.
12:25
We've got to show these kids interesting stuff.
286
730000
2000
ما باید به این بچه‌ها چیزهای جذابی نشان دهیم.
12:27
And they've taken out the autoshop class
287
732000
2000
و انها کلاس اتوشاپ(طراحی ماشین) را می‌گیرند
12:29
and the drafting class and the art class.
288
734000
2000
و کلاس طراحی و هنر.
12:31
I mean art was my best subject in school.
289
736000
3000
برای من هنر بهترین موضوع در مدرسه بود.
12:34
We've got to think about all these different kinds of minds,
290
739000
2000
ما باید به انواع مختلف ذهنها فکرکنیم،
12:36
and we've got to absolutely work with these kind of minds,
291
741000
3000
و ما باید حتماٌ با این نوع ذهنها کارکنیم،
12:39
because we absolutely are going to need
292
744000
3000
چون ما حتماٌ به
12:42
these kind of people in the future.
293
747000
3000
این‌گونه افراد در آینده نیازداریم.
12:45
And let's talk about jobs.
294
750000
2000
و بیایید درمورد شغل‌ها صحبت کنیم.
12:47
OK, my science teacher got me studying
295
752000
2000
خوب، معلم علومم باعث شد من درس‌بخوانم
12:49
because I was a goofball that didn't want to study.
296
754000
3000
چون من یک کودن بودم که نمی‌خواستم درس بخوانم.
12:52
But you know what? I was getting work experience.
297
757000
2000
ولی می‌دونید چیه؟ من داشتم تجربه کار کسب می‌کردم.
12:54
I'm seeing too many of these smart kids who haven't learned basic things,
298
759000
2000
من خیلی ازین بچه‌های باهوش را می‌بینم که چیزهای ابتدایی را یادنگرفته‌اند،
12:56
like how to be on time.
299
761000
2000
مثلاٌ چطور سروقت باشند.
12:58
I was taught that when I was eight years old.
300
763000
2000
به من وقتی هشت ساله بودم یاددادند.
13:00
You know, how to have table manners at granny's Sunday party.
301
765000
3000
می‌دونید، چطور غذاخوردن در مهمانی یکشنبه پدربزرگ را
13:03
I was taught that when I was very, very young.
302
768000
3000
وقتی که خیلی کوچک بودم، به من یاداده بودند.
13:06
And when I was 13, I had a job at a dressmaker's shop
303
771000
3000
وقتی که من سیزده ساله بودم، در یک مغازه لباس‌دوزی شغلی داشتم
13:09
sewing clothes.
304
774000
2000
لباس می‌دوختم.
13:11
I did internships in college,
305
776000
3000
در کالج کارآموزی رفتم،
13:14
I was building things,
306
779000
3000
چیزهایی می‌ساختم،
13:17
and I also had to learn how to do assignments.
307
782000
3000
و همین‌طور باید یادمی‌گرفتم که چطور تکلیف انجام‌دهم.
13:20
You know, all I wanted to do was draw pictures of horses when I was little.
308
785000
4000
می‌دونید، وقتی که کوچک بودم من فقط می‌خواستم عکس اسب بکشم.
13:24
My mother said, "Well let's do a picture of something else."
309
789000
2000
مادرم می‌گفت، "خوب بیا چیز دیگری بکشیم."
13:26
They've got to learn how to do something else.
310
791000
2000
آنها باید یادبگیرند که چطور کار دیگری بکنند.
13:28
Let's say the kid is fixated on Legos.
311
793000
2000
بگذارید بگوییم بچه روی لگو متمرکز شده.
13:30
Let's get him working on building different things.
312
795000
3000
بیایید او را به ساختن چیزهای متفاوت سوق‌دهیم.
13:33
The thing about the autistic mind
313
798000
2000
چیزی که درمورد ذهن اوتیسمی مطرح‌ست،
13:35
is it tends to be fixated.
314
800000
2000
گرایش آن به متمرکزشدن است.
13:37
Like if a kid loves racecars,
315
802000
2000
مثل اینکه اگر بچه‌ای عاشق ماشین مسابقه‌ای باشد،
13:39
let's use racecars for math.
316
804000
2000
بیایید از ماشین مسابقه‌ای در ریاضی استفاده‌کنیم.
13:41
Let's figure out how long it takes a racecar to go a certain distance.
317
806000
3000
مثلا چقدر طول می‌کشد که یک ماشین‌مسابقه مسافت مشخصی را برود.
13:44
In other words, use that fixation
318
809000
4000
به‌عبارت‌دیگر، از آن عشق زیاد استفاده‌کنید
13:48
in order to motivate that kid, that's one of the things we need to do.
319
813000
3000
برای اینکه بچه را باانگیزه کنید، این یکی از چیزهایی‌ست که ما نیازداریم انجام دهیم.
13:51
I really get fed up when they, you know, the teachers,
320
816000
3000
من واقعاٌ رنجیده می‌شوم وقتی که آنها، همان معلم‌ها
13:54
especially when you get away from this part of the country,
321
819000
3000
به‌خصوص وقتی ازین مناطق کشور دور می‌شوید،
13:57
they don't know what to do with these smart kids.
322
822000
2000
آنها نمی‌دانند با این بچه‌های باهوش چه‌کارکنند.
13:59
It just drives me crazy.
323
824000
2000
این من را خیلی دیوانه می‌کند.
14:01
What can visual thinkers do when they grow up?
324
826000
2000
کسانی که تصویری فکرمی‌کنند وقتی بزرگ شوند چه‌کارهایی می‌توانند انجام دهند؟
14:03
They can do graphic design, all kinds of stuff with computers,
325
828000
3000
آنها می‌توانند طراحی گرافیکی کنند، همه کارهایی که با کامپیوتر می‌کنند،
14:06
photography, industrial design.
326
831000
5000
عکاسی، طراحی صنعتی.
14:11
The pattern thinkers, they're the ones that are going to be
327
836000
2000
افراد با فکرهای الگویی، کسانی هستند که
14:13
your mathematicians, your software engineers,
328
838000
3000
ریاضیدان‌ها، مهندس‌های کامپیوتر،
14:16
your computer programmers, all of those kinds of jobs.
329
841000
4000
و برنامه‌نویس‌های شما می‌شوند، و همه این نوع شغل‌ها.
14:20
And then you've got the word minds. They make great journalists,
330
845000
3000
و سپس شما ذهن‌های کلامی را دارید. آنها روزنامه‌نگاران خیلی خوب،
14:23
and they also make really, really good stage actors.
331
848000
3000
و بازیگران واقعاٌ خوبی می‌شوند.
14:26
Because the thing about being autistic is,
332
851000
2000
چون درمورد یک اوتیسمی این مطرح‌ست که
14:28
I had to learn social skills like being in a play.
333
853000
3000
من باید مهارت‌های اجتماعی یادبگیرم تا بتوانم دریک نمایش باشم.
14:31
It's just kind of -- you just have to learn it.
334
856000
3000
درست مثل اینکه، باید این را یادبگیری.
14:34
And we need to be working with these students.
335
859000
3000
و ما نیازداریم با این دانش‌آموزان کارکنیم.
14:37
And this brings up mentors.
336
862000
2000
و این معلم‌های خصوصی را مطرح می‌کند.
14:39
You know, my science teacher was not an accredited teacher.
337
864000
3000
می‌دونید، معلم علوم من یک معلم معروف و معتبر نبود.
14:42
He was a NASA space scientist.
338
867000
2000
او یک دانشمندفضایی ناسا بود.
14:44
Now, some states now are getting it to where
339
869000
2000
بعضی ایالت‌ها الان به‌جایی رسیده‌اند که
14:46
if you have a degree in biology, or a degree in chemistry,
340
871000
2000
اگر مدرک زیست‌شناسی یا شیمی داشته‌باشید،
14:48
you can come into the school and teach biology or chemistry.
341
873000
3000
می‌توانید وارد مدرسه شوید و زیست‌شناسی یا شیمی درس‌بدهید.
14:51
We need to be doing that.
342
876000
2000
ما نیازداریم که این کاررا بکنیم.
14:53
Because what I'm observing is
343
878000
2000
زیرا چیزی که من مشاهده‌می‌کنم این‌ست که
14:55
the good teachers, for a lot of these kids,
344
880000
2000
معلم‌های خوب، برای خیلی ازین بچه‌ها
14:57
are out in the community colleges,
345
882000
2000
خارج کالج‌ها هستند،
14:59
but we need to be getting some of these good teachers into the high schools.
346
884000
3000
ولی ما باید بعضی ازاین معلم‌های خوب را به دبیرستان‌ها بیاوریم.
15:02
Another thing that can be very, very, very successful is
347
887000
3000
مورد دیگری که می‌تواند بسیارموفق شود، اینکه
15:05
there is a lot of people that may have retired
348
890000
3000
عده زیادی هستند که شاید از کارکردن در صنعت نرم‌افزاری
15:08
from working in the software industry, and they can teach your kid.
349
893000
3000
بازنشست شده‌باشند، و آنها می‌توانند به بچه‌هایتان درس بدهند.
15:11
And it doesn't matter if what they teach them is old,
350
896000
3000
و مهم نیست اگر چیزی که درس می‌دهند قدیمی‌ست،
15:14
because what you're doing is you're lighting the spark.
351
899000
3000
چون کاری که شما دارید می‌کنید روشن‌کردن جرقه‌هاست.
15:17
You're getting that kid turned on.
352
902000
3000
شما دارید بچه را راه می‌اندازید.
15:20
And you get him turned on, then he'll learn all the new stuff.
353
905000
3000
و اورا راه می‌اندازید، سپس خودش همه چیزهای جدید را یادمی‌گیرد.
15:23
Mentors are just essential.
354
908000
2000
فقط معلم‌های خصوصی ضروری هستند.
15:25
I cannot emphasize enough
355
910000
2000
من نمی‌تونم به‌اندازه کافی تأکید کنم
15:27
what my science teacher did for me.
356
912000
3000
که معلم علومم چقدر برای من کارکرد.
15:30
And we've got to mentor them, hire them.
357
915000
3000
و ما آنها را به‌عنوان معلم خصوصی استخدام می‌کنیم.
15:33
And if you bring them in for internships in your companies,
358
918000
2000
و اگر شما آنها را برای کارآموزی به شرکت خود آوردید،
15:35
the thing about the autism, Asperger-y kind of mind,
359
920000
3000
چیزی که درباره ذهن اوتیسمی و آسپرگری هست،
15:38
you've got to give them a specific task. Don't just say, "Design new software."
360
923000
3000
اینکه شما باید به آنها یک وظیفه مشخص بدهید. نه اینکه فقط بگویید، "نرم‌افزار جدید طراحی کن."
15:41
You've got to tell them something a lot more specific:
361
926000
2000
شما باید به آنها اختصاصی‌تر، بگویید:
15:43
"Well, we're designing a software for a phone
362
928000
3000
"خوب، ما داریم یک نرم‌افزار برای تلفن طراحی می‌کنیم
15:46
and it has to do some specific thing.
363
931000
2000
باید کار خاصی بکند.
15:48
And it can only use so much memory."
364
933000
2000
و فقط می‌تواند حافظه زیادی استفاده کند."
15:50
That's the kind of specificity you need.
365
935000
2000
این نوعی از اختصاصی‌بودن است که لازم دارید.
15:52
Well, that's the end of my talk.
366
937000
2000
خوب، این پایان صحبت‌های من بود.
15:54
And I just want to thank everybody for coming.
367
939000
2000
فقط می‌خواهم از همه کسانی که آمده‌اند تشکرکنم.
15:56
It was great to be here.
368
941000
2000
اینجا بودن عالی بود.
15:58
(Applause)
369
943000
12000
(تشویق)
16:10
Oh, you've got a question for me? OK.
370
955000
3000
اوه، ازمن سؤالی دارید؟ باشه.
16:13
(Applause)
371
958000
1000
(تشویق)
16:14
Chris Anderson: Thank you so much for that.
372
959000
4000
کریس اندرسون: خیلی متشکرم.
16:18
You know, you once wrote, I like this quote,
373
963000
2000
می‌دونید، یک بار نوشتید، این نقل‌قول را دوست دارم
16:20
"If by some magic, autism had been
374
965000
2000
"اگر با جادویی، اوتیسم
16:22
eradicated from the face of the Earth,
375
967000
3000
ازروی زمین ریشه‌کن می‌شد،
16:25
then men would still be socializing in front of a wood fire
376
970000
3000
آدم‌ها هنوز داشتند جلوی یک آتش
16:28
at the entrance to a cave."
377
973000
2000
در ورودی یک غار اجتماعی می‌شدند."
16:30
Temple Grandin: Because who do you think made the first stone spears?
378
975000
2000
تمپل گرندین: چون فکرمی‌کنید چه کسی اولین نیزه سنگی را درست کرد؟
16:32
The Asperger guy. And if you were to get rid of all the autism genetics
379
977000
3000
یک آسپرگری. و اگر شما بخواهید از تمام ژن‌های اوتیسم خلاص شوید
16:35
there would be no more Silicon Valley,
380
980000
2000
دیگر سیلیکون‌ولی نخواهدبود،
16:37
and the energy crisis would not be solved.
381
982000
2000
و بحران انرژی حل نمی‌شود.
16:39
(Applause)
382
984000
3000
(تشویق)
16:42
CA: So, I want to ask you a couple other questions,
383
987000
2000
کریس: پس می‌خوام چندتا سؤال دیگر ازت بپرسم،
16:44
and if any of these feel inappropriate,
384
989000
2000
و اگر هرکدام را احساس کردی نامناسبه،
16:46
it's okay just to say, "Next question."
385
991000
2000
مشکلی نیست که فقط بگی "سؤال بعدی."
16:48
But if there is someone here
386
993000
2000
ولی اگر کسی اینجا باشه
16:50
who has an autistic child,
387
995000
2000
که بچه‌ای اوتیسمی داره،
16:52
or knows an autistic child
388
997000
2000
یا بچه‌ای اوتیسمی را می‌شناسه
16:54
and feels kind of cut off from them,
389
999000
3000
و به شکلی احساس می‌کنن ازش بریدن،
16:57
what advice would you give them?
390
1002000
2000
چه توصیه‌ای به آنها داری؟
16:59
TG: Well, first of all, you've got to look at age.
391
1004000
2000
تمپل: خوب، اول ازهمه، باید سنش را ببینی.
17:01
If you have a two, three or four year old
392
1006000
2000
اگر بچه دو-سه یا چهار ساله دارید
17:03
you know, no speech, no social interaction,
393
1008000
2000
نه حرفی، نه ارتباط اجتماعی،
17:05
I can't emphasize enough:
394
1010000
2000
من نمی‌دونم چقدر تأکیدکنم:
17:07
Don't wait, you need at least 20 hours a week of one-to-one teaching.
395
1012000
4000
صبر نکنید، حداقل ۲۰ ساعت درهفته تدریس فردی لازمه.
17:11
You know, the thing is, autism comes in different degrees.
396
1016000
3000
می‌دونید، اوتیسم با درجات مختلفی می‌آید.
17:14
There's going to be about half the people on the spectrum
397
1019000
2000
قراره که نصف افرادی که در طیف هستند
17:16
that are not going to learn to talk, and they're not going to be working
398
1021000
2000
صحبت کردن یادنگیرند، و آنها قرار نیست کارکنند
17:18
Silicon Valley, that would not be a reasonable thing for them to do.
399
1023000
3000
سیلیکون‌ولی، جای معقولی برای آنها نیست که بروند.
17:21
But then you get the smart, geeky kids
400
1026000
2000
ولی بعد شما بچه‌هایی باهوش و خاص دارید
17:23
that have a touch of autism,
401
1028000
2000
که ذره‌ای اوتیسم دارند،
17:25
and that's where you've got to get them turned on
402
1030000
2000
و این جایی‌ست که باید آنهارا راه بیندازید
17:27
with doing interesting things.
403
1032000
2000
با انجام‌دادن کارهای جذاب.
17:29
I got social interaction through shared interest.
404
1034000
3000
من روابط اجتماعی را در مشارکت علائق یادگرفتم.
17:32
I rode horses with other kids, I made model rockets with other kids,
405
1037000
4000
من با بچه‌های دیگر سوارکاری می‌کردم، با بچه‌ها مدل موشک می‌ساختم،
17:36
did electronics lab with other kids,
406
1041000
2000
آزمایشگاه الکترونیک رفتم با بچه‌های دیگر،
17:38
and in the '60s, it was gluing mirrors
407
1043000
2000
و در دهه ۶۰ کارم چسباندن آینه‌ها
17:40
onto a rubber membrane on a speaker to make a light show.
408
1045000
3000
روی یک غشای‌لاستیکی بود، روی یک بلندگو تا یک نمایش نور بسازیم.
17:43
That was like, we considered that super cool.
409
1048000
3000
به‌نظرما اون کار خیلی باحال بود.
17:46
CA: Is it unrealistic for them
410
1051000
2000
کریس: این برای آنها غیرواقعی‌ست
17:48
to hope or think that that child
411
1053000
2000
که امیدوار باشند یا فکرکنند که آن بچه
17:50
loves them, as some might, as most, wish?
412
1055000
3000
عاشق آنهاست، مثل بعضی‌ها که ممکنه باشند، مثل خیلی‌ها، امیدواریم؟
17:53
TG: Well let me tell you, that child will be loyal,
413
1058000
2000
تمپل: بگذارید بهتون بگم، آن بچه وفادار خواهدبود،
17:55
and if your house is burning down, they're going to get you out of it.
414
1060000
2000
و اگر خانه‌تان در آتش‌سوزی باشد، آنها شما را بیرون می‌آورند.
17:57
CA: Wow. So, most people, if you ask them
415
1062000
3000
کریس: واو. پس بیشتر افراد، اگر ازآنها بپرسی
18:00
what are they most passionate about, they'd say things like,
416
1065000
2000
از چی بیشتر احساساتی می‌شوند، آنها می‌گویند مثلاٌ،
18:02
"My kids" or "My lover."
417
1067000
3000
"بچه‌هایم" یا "عشقم"
18:05
What are you most passionate about?
418
1070000
3000
تو درمورد چه چیزی بیشترازهمه احساساتی می‌شوی؟
18:08
TG: I'm passionate about that the things I do
419
1073000
2000
تمپل: من درمورد کارهایی که کرده‌ام احساساتی می‌شوم،
18:10
are going to make the world a better place.
420
1075000
2000
می‌روند تا دنیا را جایی بهتر کنند.
18:12
When I have a mother of an autistic child say,
421
1077000
2000
وقتی که می‌بینم مادر یک بچه اوتیسمی می‌گوید،
18:14
"My kid went to college because of your book,
422
1079000
2000
"بچه من کالج می‌رود به‌خاطر کتاب شما،
18:16
or one of your lectures," that makes me happy.
423
1081000
2000
یا یکی از سخنرانی‌های شما،" این من را خوشحال می‌کند.
18:18
You know, the slaughter plants, I've worked with them
424
1083000
3000
می‌دونید، کشتارگاه‌هایی که با آنها کار کردم،
18:21
in the '80s; they were absolutely awful.
425
1086000
2000
در دهه ۸۰؛ آنها کاملاٌ افتضاح بودند.
18:23
I developed a really simple scoring system for slaughter plants
426
1088000
4000
من یک سیستم امتیازی واقعاٌ ساده برای کشتارگاه‌ها ساختم
18:27
where you just measure outcomes: How many cattle fell down?
427
1092000
2000
که شما درآن فقط خروجی‌ها را می‌شمارید: چند دام افتادند؟
18:29
How many cattle got poked with the prodder?
428
1094000
2000
چند دام را سیخونک زدند؟
18:31
How many cattle are mooing their heads off?
429
1096000
2000
چند گاو دارند ماما می‌کنند؟
18:33
And it's very, very simple.
430
1098000
2000
و این خیلی‌خیلی ساده‌ست.
18:35
You directly observe a few simple things.
431
1100000
2000
شما فقط چیزهای ساده‌ای را مستقیماٌ مشاهده می‌کنید.
18:37
It's worked really well. I get satisfaction out of
432
1102000
2000
این واقعاٌ خوب کار می‌کرد. من رضایت دارم از
18:39
seeing stuff that makes real change
433
1104000
3000
دیدن چیزهایی که تغییری واقعی
18:42
in the real world. We need a lot more of that,
434
1107000
2000
در دنیای واقعی بوجودمی‌آورند. ما تغییرات خیلی بیشتری نیازداریم،
18:44
and a lot less abstract stuff.
435
1109000
2000
و خیلی کمتر به چیزهای انتزاعی(که ازدنیای واقعی بدورند).
18:46
(Applause)
436
1111000
7000
(تشویق)
18:53
CA: When we were talking on the phone, one of the things you said that
437
1118000
2000
کریس: وقتی که داشتیم پشت تلفن حرف می‌زدیم، یکی از چیزهایی که گفتی
18:55
really astonished me was you said one thing
438
1120000
2000
واقعاٌ مرا متعجب کرد، اینکه گفتی
18:57
you were passionate about was server farms. Tell me about that.
439
1122000
4000
تو درمورد خوشه‌های‌سرور اشتیاق داری. درموردش بهمون بگو.
19:01
TG: Well the reason why I got really excited when I read about that,
440
1126000
3000
تمپل: دلیل اینکه من وقتی درباره آنها خواندم واقعاٌ هیجان‌زده شدم اینه که
19:04
it contains knowledge.
441
1129000
3000
اینها محتوی دانش هستند.
19:07
It's libraries.
442
1132000
2000
کتابخانه‌هایی هستند.
19:09
And to me, knowledge is something
443
1134000
2000
و برای من، دانش چیزی
19:11
that is extremely valuable. So, maybe, over 10 years ago
444
1136000
2000
فوق‌العاده باارزش است. پس شاید، بیش از ۱۰ سال قبل
19:13
now our library got flooded.
445
1138000
2000
کتابخانه ما را سیل برد.
19:15
And this is before the Internet got really big.
446
1140000
2000
و این قبل از این بود که اینترنت انقدر بزرگ شود.
19:17
And I was really upset about all the books being wrecked,
447
1142000
2000
و من واقعاٌ ناراحت بودم که همه کتاب‌ها غرق شدند،
19:19
because it was knowledge being destroyed.
448
1144000
2000
چون این دانش بود که ازبین رفته‌بود.
19:21
And server farms, or data centers
449
1146000
2000
و یا مراکز داده
19:23
are great libraries of knowledge.
450
1148000
3000
کتابخانه‌های بزرگی از دانش هستند.
19:26
CA: Temple, can I just say it's an absolute delight to have you at TED.
451
1151000
3000
کریس: تمپل، خیلی از آمدنت به TED لذت بردیم.
19:29
TG: Well thank you so much. Thank you.
452
1154000
3000
تمپل: خیلی ازشما متشکرم. خیلی ممنون.
19:32
(Applause)
453
1157000
6000
(تشویق)
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