TED2010
Temple Grandin: The world needs all kinds of minds
Temple Grandin: Maailma tarvitsee kaikenlaisia mieliä
Filmed:
Readability: 3.4
5,588,848 views
Temple Grandin, joka diagnosoitiin lapsena autistiseksi, puhuu mielensä toiminnasta jakaen kykynsä "ajatella kuvina", mikä helpottaa häntä ratkomaan ongelmia, joihin tavalliset aivot eivät välttämättä kykene. Hän esittää, että maailma tarvitsee myös autistisen kirjon ihmisiä: visuaalisia ajattelijoita, malleja käyttäviä ajattelijoita, sanallisia ajattelijoita, ja kaikenlaisia fiksuja nörttilapsia.
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
Aloitan puhumalla hieman
00:17
what exactly autism is.
1
2000
2000
siitä mitä autismi on.
00:19
Autism is a very big continuum
2
4000
3000
Autismi on suuri jatkumo,
00:22
that goes from very severe -- the child remains non-verbal --
3
7000
3000
joka menee äärimmäisestä -- puhumattomasta lapsesta --
00:25
all the way up to brilliant scientists and engineers.
4
10000
3000
aina älykkäimpiin tiedemiehiin ja insinööreihin asti.
00:28
And I actually feel at home here,
5
13000
2000
Minä tunnen oloni kotoisaksi täällä,
00:30
because there's a lot of autism genetics here.
6
15000
2000
koska täällä on paljon autismia ilmassa.
00:32
You wouldn't have any...
7
17000
2000
Teillä ei sattuisi olemaan...
00:34
(Applause)
8
19000
4000
(Aplodeja)
00:38
It's a continuum of traits.
9
23000
2000
Se on piirteiden jatkumo.
00:40
When does a nerd turn into
10
25000
3000
Milloin nörtistä tulee
00:43
Asperger, which is just mild autism?
11
28000
2000
Asperger, siis vain lievästi autistinen?
00:45
I mean, Einstein and Mozart
12
30000
3000
Einstein ja Mozart
00:48
and Tesla would all be probably diagnosed
13
33000
2000
ja Tesla todennäköisesti diagnosoitaisiin
00:50
as autistic spectrum today.
14
35000
2000
autistiseen jatkumoon nykyään.
00:52
And one of the things that is really going to concern me is
15
37000
3000
Yksi minua huolestuttava asia on
00:55
getting these kids to be the ones that are going to invent
16
40000
3000
saada nämä lapset keksimään
00:58
the next energy things,
17
43000
2000
seuraavat energiaratkaisut,
01:00
you know, that Bill Gates talked about this morning.
18
45000
4000
mistä Bill Gates puhui aamulla.
01:04
OK. Now, if you want to understand
19
49000
2000
Okei. Jos haluatte ymmärtää
01:06
autism, animals.
20
51000
2000
autismia, eläimiä --
01:08
And I want to talk to you now about different ways of thinking.
21
53000
2000
haluan kertoa teille erilaisista ajattelutavoista --
01:10
You have to get away from verbal language.
22
55000
3000
on päästävä pois sanallisesta kielestä.
01:13
I think in pictures,
23
58000
2000
Minä ajattelen kuvina.
01:15
I don't think in language.
24
60000
3000
En ajattele kielellä.
01:18
Now, the thing about the autistic mind
25
63000
2000
Autistinen mieli
01:20
is it attends to details.
26
65000
3000
kohdistuu yksityiskohtiin.
01:23
OK, this is a test where you either have to
27
68000
2000
Tässä kokeessa
01:25
pick out the big letters, or pick out the little letters,
28
70000
2000
valitaan joko suuret tai pienet kirjaimet.
01:27
and the autistic mind picks out the
29
72000
2000
Ja autistinen mieli valitsee
01:29
little letters more quickly.
30
74000
2000
pienet kirjaimet nopeammin.
01:31
And the thing is, the normal brain ignores the details.
31
76000
4000
Tavalliset aivot jättävät yksityiskohtia huomiotta.
01:35
Well, if you're building a bridge, details are pretty important
32
80000
2000
Siltaa suunnitellessa yksityiskohdat ovat tärkeitä,
01:37
because it will fall down if you ignore the details.
33
82000
3000
sillä se romahtaa, jos niitä ei huomioida.
01:40
And one of my big concerns with a lot of policy things today
34
85000
3000
Yksi huolistani monissa poliittisissa linjauksissa on,
01:43
is things are getting too abstract.
35
88000
2000
että asioista tulee liian abstrakteja.
01:45
People are getting away from doing
36
90000
2000
Ihmiset joutuvat erilleen
01:47
hands-on stuff.
37
92000
2000
asioiden tekemisestä.
01:49
I'm really concerned that a lot of the schools have taken out
38
94000
2000
Minua huolestuttaa, että koulut ovat
01:51
the hands-on classes,
39
96000
2000
poistaneet konkreettisia aineita,
01:53
because art, and classes like that,
40
98000
2000
koska kuvaamataito ja vastaavat aineet --
01:55
those are the classes where I excelled.
41
100000
2000
ne olivat aineita missä loistin.
01:57
In my work with cattle,
42
102000
2000
Työssäni karjan kanssa
01:59
I noticed a lot of little things that most people don't notice
43
104000
3000
huomasin pieniä asioita, joita useimmat eivät huomanneet.
02:02
would make the cattle balk. Like, for example,
44
107000
2000
Ne saivat karjan pysähtelemään. Esimerkiksi
02:04
this flag waving, right in front of the veterinary facility.
45
109000
3000
tämä liehuva lippu eläinsairaalan edessä.
02:07
This feed yard was going to tear down their whole veterinary facility;
46
112000
3000
Tämä tila oli purkamassa koko sairaalaansa, vaikka
02:10
all they needed to do was move the flag.
47
115000
2000
vain lippua tarvitsi siirtää.
02:12
Rapid movement, contrast.
48
117000
3000
Nopeaa liikettä, kontrasteja.
02:15
In the early '70s when I started, I got right down
49
120000
2000
70-luvun alussa aloin tutkia
02:17
in the chutes to see what cattle were seeing.
50
122000
2000
karja-aitauksia nähdäkseni, mitä eläimet näkivät.
02:19
People thought that was crazy. A coat on a fence would make them balk,
51
124000
3000
Ihmiset pitivät sitä hulluna. Takki aidalla sai ne pysähtymään.
02:22
shadows would make them balk, a hose on the floor ...
52
127000
3000
Myös varjot, tai letku maassa saivat ne pysähtymään.
02:25
people weren't noticing these things --
53
130000
2000
Ihmiset eivät huomanneet näitä asioita,
02:27
a chain hanging down --
54
132000
2000
-- kuten ketju roikkumassa alas -- ja
02:29
and that's shown very, very nicely in the movie.
55
134000
2000
se näkyy hyvin elokuvassa.
02:31
In fact, I loved the movie, how they
56
136000
2000
Rakastin elokuvassa sitä, kuinka he
02:33
duplicated all my projects. That's the geek side.
57
138000
2000
kopioivat kaikki projektini. Se on nörttiyttä.
02:35
My drawings got to star in the movie too.
58
140000
3000
Piirrustuksiani on myös paljon elokuvassa.
02:38
And actually it's called "Temple Grandin,"
59
143000
2000
Ja sitä kutsutaan Temple Grandiniksi,
02:40
not "Thinking In Pictures."
60
145000
2000
eikä 'Kuvilla ajattelemiseksi'.
02:42
So, what is thinking in pictures? It's literally movies
61
147000
2000
Mitä on kuvilla ajatteleminen? Se on
02:44
in your head.
62
149000
2000
elokuvia pään sisällä.
02:46
My mind works like Google for images.
63
151000
2000
Mieleni toimii kuin Google kuville.
02:48
Now, when I was a young kid I didn't know my thinking was different.
64
153000
3000
Kun olin lapsi, en tiennyt ajatteluni olevan erilaista.
02:51
I thought everybody thought in pictures.
65
156000
2000
Luulin, että kaikki ajattelevat kuvina.
02:53
And then when I did my book, "Thinking In Pictures,"
66
158000
2000
Kirjoittaessa kirjaani Thinking in Pictures
02:55
I start interviewing people about how they think.
67
160000
3000
haastattelin ihmisiä siitä, miten he ajattelivat.
02:58
And I was shocked to find out that
68
163000
2000
Ja järkytyin huomatessani, että ajatteluni
03:00
my thinking was quite different. Like if I say,
69
165000
2000
oli hyvin erilaista. Jos sanon:
03:02
"Think about a church steeple"
70
167000
2000
"Ajattele kirkontornia",
03:04
most people get this sort of generalized generic one.
71
169000
2000
useimmat ajattelevat sitä käsitteenä.
03:06
Now, maybe that's not true in this room,
72
171000
2000
Se ei ehkä ole totta tässä huoneessa,
03:08
but it's going to be true in a lot of different places.
73
173000
4000
mutta se on totta monissa paikoissa.
03:12
I see only specific pictures.
74
177000
2000
Minä näen vain erityisiä kuvia.
03:14
They flash up into my memory, just like Google for pictures.
75
179000
4000
Ne välähtävät mieleeni, kuten kuvien Googlessa.
03:18
And in the movie, they've got a great scene in there
76
183000
2000
Elokuvassa on hieno kohtaus
03:20
where the word "shoe" is said, and a whole bunch of '50s and '60s shoes
77
185000
4000
jossa sanotaan 'kenkä', ja lukemattomia 50- ja 60-luvun kenkiä
03:24
pop into my imagination.
78
189000
2000
pompahtaa mielikuvitukseeni.
03:26
OK, there is my childhood church,
79
191000
2000
Tässä on lapsuuteni kirkko.
03:28
that's specific. There's some more, Fort Collins.
80
193000
3000
Se on erityinen. Tässä lisää, Fort Collins.
03:31
OK, how about famous ones?
81
196000
2000
Okei, entä kuuluisat kirkot?
03:33
And they just kind of come up, kind of like this.
82
198000
3000
Ja ne vain ilmestyvät, kuten tässä.
03:36
Just really quickly, like Google for pictures.
83
201000
3000
Todella nopeasti kuin Google kuville.
03:39
And they come up one at a time,
84
204000
2000
Ne tulevat yksi kerrallaan.
03:41
and then I think, "OK, well maybe we can have it snow,
85
206000
2000
Sitten ajattelen, että voisi sataa lunta,
03:43
or we can have a thunderstorm,"
86
208000
2000
tai voisi olla ukkonen --
03:45
and I can hold it there and turn them into videos.
87
210000
3000
voin pitää ajatukset ja tehdä niistä videoita.
03:48
Now, visual thinking was a tremendous asset
88
213000
3000
Visuaalinen ajattelu oli suunnaton voimavara
03:51
in my work designing cattle-handling facilities.
89
216000
3000
työssäni karjankäsittelylaitosten suunnittelussa.
03:54
And I've worked really hard on improving
90
219000
2000
Olen työskennellyt kovasti parantaakseni
03:56
how cattle are treated at the slaughter plant.
91
221000
2000
karjan kohtelua teurastamoilla.
03:58
I'm not going to go into any gucky slaughter slides.
92
223000
3000
En aio mennä ällöihin teurastuskuviin.
04:01
I've got that stuff up on YouTube if you want to look at it.
93
226000
2000
Laitoin niitä Youtubeen, jos haluatte nähdä.
04:03
But, one of the things that I was able to do in my design work
94
228000
4000
Yksi asia, mitä pystyin tekemään suunnittelutyössäni oli,
04:07
is I could actually test run
95
232000
2000
että pystyin läpikäymään
04:09
a piece of equipment in my mind,
96
234000
2000
laitteiston osia mielessäni,
04:11
just like a virtual reality computer system.
97
236000
3000
kuten virtuaalitodellisuuden simulaatiossa.
04:14
And this is an aerial view
98
239000
2000
Tämä on ilmakuva
04:16
of a recreation of one of my projects that was used in the movie.
99
241000
3000
yhden projektini lavastuksesta elokuvassa.
04:19
That was like just so super cool.
100
244000
2000
Se oli niin superhienoa.
04:21
And there were a lot of kind of Asperger types
101
246000
2000
Elokuvan tekemisessä oli mukana
04:23
and autism types working out there on the movie set too.
102
248000
3000
paljon eräänlaisia Asperger- ja autistityyppejä.
04:26
(Laughter)
103
251000
2000
(Naurua)
04:28
But one of the things that really worries me
104
253000
2000
Eräs minua huolestuttava asia on,
04:30
is: Where's the younger version of those kids going today?
105
255000
4000
missä vastaavat nuoret ovat tänään.
04:34
They're not ending up in Silicon Valley, where they belong.
106
259000
3000
He eivät päädy Piilaaksoon, jonne kuuluisivat.
04:37
(Laughter)
107
262000
3000
(Naurua)
04:40
(Applause)
108
265000
5000
(Aplodeja)
04:45
Now, one of the things I learned very early on because I wasn't that social,
109
270000
3000
Koska en ole kovin sosiaalinen, opin jo nuorena,
04:48
is I had to sell my work, and not myself.
110
273000
4000
että minun on myytävä työtäni, ei itseäni henkilönä.
04:52
And the way I sold livestock jobs
111
277000
2000
Sain karjaan liittyviä töitä
04:54
is I showed off my drawings, I showed off pictures of things.
112
279000
3000
näyttämällä piirrustuksiani, asioiden kuvia.
04:57
Another thing that helped me as a little kid
113
282000
2000
Lapsena minua auttoi se,
04:59
is, boy, in the '50s, you were taught manners.
114
284000
2000
että 50-luvulla opetettiin tapoja.
05:01
You were taught you can't pull the merchandise off the shelves
115
286000
2000
Opetettiin, ettei kaupan hyllyistä
05:03
in the store and throw it around.
116
288000
2000
oteta tavaraa viskeltäväksi ympäriinsä.
05:05
Now, when kids get to be in third or fourth grade,
117
290000
3000
Kun lapset ovat 3. tai 4. luokalla,
05:08
you might see that this kid's going to be a visual thinker,
118
293000
3000
saatetaan nähdä visuaalisesti ajatteleva lapsi
05:11
drawing in perspective. Now, I want to
119
296000
2000
piirtämässä perspektiiviin. Haluan painottaa,
05:13
emphasize that not every autistic kid
120
298000
2000
ettei jokainen autistilapsi
05:15
is going to be a visual thinker.
121
300000
2000
ole visuaalinen ajattelija.
05:17
Now, I had this brain scan done several years ago,
122
302000
4000
Minulle tehtiin aivokuvaus vuosia sitten,
05:21
and I used to joke around about having a
123
306000
2000
ja vitsailin, että minulla on
05:23
gigantic Internet trunk line
124
308000
2000
jättimäinen teleoperaattoritason yhteys
05:25
going deep into my visual cortex.
125
310000
2000
syvälle visuaaliseen aivokuoreeni.
05:27
This is tensor imaging.
126
312000
2000
Tässä on diffuusiotensorikuvaus.
05:29
And my great big internet trunk line
127
314000
2000
Minun runkoverkon yhteyteni
05:31
is twice as big as the control's.
128
316000
2000
on tuplasti isompi kuin verrokin.
05:33
The red lines there are me,
129
318000
2000
Punaiset viivat ovat minä,
05:35
and the blue lines are the sex and age-matched control.
130
320000
4000
ja siniset viivat sukupuolen ja iän mukaan valitun verrokin.
05:39
And there I got a gigantic one,
131
324000
2000
Tässä minulla on suunnaton yhteys,
05:41
and the control over there, the blue one,
132
326000
2000
ja verrokilla, tuo sininen,
05:43
has got a really small one.
133
328000
4000
on todella pieni.
05:47
And some of the research now is showing
134
332000
2000
Nykyään tutkimus osoittaa,
05:49
is that people on the spectrum actually think with primary visual cortex.
135
334000
4000
että autismin kirjon ihmiset ajattelevat näköaivokuorella.
05:53
Now, the thing is, the visual thinker's just one kind of mind.
136
338000
3000
Visuaalinen ajattelija on erään tyyppinen mieli.
05:56
You see, the autistic mind tends to be a specialist mind --
137
341000
3000
Autistinen mieli on yleensä erikoistunut mieli.
05:59
good at one thing, bad at something else.
138
344000
4000
Hyvä yhdessä asiassa, huono toisessa.
06:03
And where I was bad was algebra. And I was never allowed
139
348000
2000
Minä olin huono laskemisessa.
06:05
to take geometry or trig.
140
350000
2000
En koskaan saanut opiskella geometriaa tai trigonometriaa.
06:07
Gigantic mistake: I'm finding a lot of kids who need to skip algebra,
141
352000
3000
Suunnaton virhe. Olen huomannut, että monien lasten
06:10
go right to geometry and trig.
142
355000
2000
kannattaa hypätä suoraan geometriaan.
06:12
Now, another kind of mind is the pattern thinker.
143
357000
3000
Toinen mielityyppi on malleja käyttävä ajattelija.
06:15
More abstract. These are your engineers,
144
360000
2000
Käsitteellisempi. Nämä ovat
06:17
your computer programmers.
145
362000
2000
insinöörejä, ohjelmoijia.
06:19
Now, this is pattern thinking. That praying mantis
146
364000
2000
Tässä on malliajattelua. Tuo rukoilijasirkka
06:21
is made from a single sheet of paper --
147
366000
2000
on tehty yhdestä paperinpalasta,
06:23
no scotch tape, no cuts.
148
368000
2000
ei teippiä, ei leikkauksia.
06:25
And there in the background is the pattern for folding it.
149
370000
3000
Taustalla näkyy malli, miten sellainen taitellaan.
06:28
Here are the types of thinking:
150
373000
2000
Tässä ovat ajattelutyypit,
06:30
photo-realistic visual thinkers, like me;
151
375000
3000
fotorealistiset visuaaliset ajattelijat, kuten minä.
06:33
pattern thinkers, music and math minds.
152
378000
4000
Malleja käyttävät ajattelijat; musiikilliset ja matemaattiset mielet.
06:37
Some of these oftentimes have problems with reading.
153
382000
2000
Joillain näistä on ongelmia lukemisessa.
06:39
You also will see these kind of problems
154
384000
2000
Vastaavia ongelmia ilmenee lapsissa,
06:41
with kids that are dyslexic.
155
386000
3000
joilla on lukihäiriö.
06:44
You'll see these different kinds of minds.
156
389000
2000
Mieliä on erilaisia.
06:46
And then there's a verbal mind, they know every fact about everything.
157
391000
3000
Ja sitten on kirjallinen mieli. He tietävät kaikki faktat.
06:49
Now, another thing is the sensory issues.
158
394000
2000
Toinen asia ovat aistimukset.
06:51
I was really concerned about having to wear this gadget on my face.
159
396000
4000
Minua hermostutti kovasti tämän vekottimen pito naamallani.
06:55
And I came in half an hour beforehand
160
400000
3000
Tulin puoli tuntia etuajassa, jotta pystyin
06:58
so I could have it put on and kind of get used to it,
161
403000
2000
pukemaan sen ja totuttautumaan siihen.
07:00
and they got it bent so it's not hitting my chin.
162
405000
3000
Sitä taivutettiin, ettei se osu leukaani.
07:03
But sensory is an issue. Some kids are bothered by fluorescent lights;
163
408000
3000
Aistimukset ovat tärkeä asia. Joitain lapsia häiritsevät
07:06
others have problems with sound sensitivity.
164
411000
3000
loisteputket, toiset ovat herkkiä äänille.
07:09
You know, it's going to be variable.
165
414000
3000
Siinä on vaihtelua.
07:12
Now, visual thinking gave me a whole lot of insight
166
417000
4000
Visuaalinen ajattelu antoi minulle paljon näkemystä
07:16
into the animal mind.
167
421000
2000
eläinten mieleen.
07:18
Because think about it: An animal is a sensory-based thinker,
168
423000
3000
Ajatelkaas. Eläin on aistimuksiin pohjautuva ajattelija,
07:21
not verbal -- thinks in pictures,
169
426000
4000
ei verbaalinen. Se ajattelee kuvina.
07:25
thinks in sounds, thinks in smells.
170
430000
3000
Ajattelee ääninä. Ajattelee tuoksuina.
07:28
Think about how much information there is there on the local fire hydrant.
171
433000
3000
Ajatelkaa kuinka paljon tietoa on valotolpassa.
07:31
He knows who's been there, when they were there.
172
436000
3000
Kuka on käynyt siinä, milloin,
07:34
Are they friend or foe? Is there anybody he can go mate with?
173
439000
3000
ystävä vai vihollinen, tai mahdollinen parittelukumppani.
07:37
There's a ton of information on that fire hydrant.
174
442000
3000
Valotolpassa on paljon tietoa.
07:40
It's all very detailed information,
175
445000
4000
Hyvin yksityiskohtaista tietoa.
07:44
and, looking at these kind of details
176
449000
2000
Näiden yksityiskohtien tarkastelu
07:46
gave me a lot of insight into animals.
177
451000
2000
antoi minulle näkemystä eläimiin.
07:48
Now, the animal mind, and also my mind,
178
453000
4000
Eläimen mieli, ja oma mieleni,
07:52
puts sensory-based information
179
457000
2000
laittavat aistimuksista saadun tiedon
07:54
into categories.
180
459000
2000
kategorioihin.
07:56
Man on a horse
181
461000
2000
Ihminen hevosen selässä,
07:58
and a man on the ground --
182
463000
2000
ja ihminen maassa,
08:00
that is viewed as two totally different things.
183
465000
2000
ne ovat kaksi eri asiaa.
08:02
You could have a horse that's been abused by a rider.
184
467000
3000
Hevonen, jota ratsastaja on pahoinpidellyt,
08:05
They'll be absolutely fine with the veterinarian
185
470000
2000
pärjää hyvin eläinlääkärin seurassa,
08:07
and with the horseshoer, but you can't ride him.
186
472000
3000
ja hevosenkengittäjän, mutta sillä ei voi ratsastaa.
08:10
You have another horse, where maybe the horseshoer beat him up
187
475000
3000
Hevonen, jonka vaikkapa hevosenkengittäjä on hakannut,
08:13
and he'll be terrible for anything on the ground,
188
478000
2000
pelkää kaikkea maassa seisovaa,
08:15
with the veterinarian, but a person can ride him.
189
480000
3000
jopa eläinlääkäriä, mutta antaa ratsastaa selässään.
08:18
Cattle are the same way.
190
483000
2000
Karja on samanlaista.
08:20
Man on a horse,
191
485000
2000
Ihminen hevosen selässä, tai
08:22
a man on foot -- they're two different things.
192
487000
2000
ihminen jalkaisin -- ne ovat kaksi eri asiaa.
08:24
You see, it's a different picture.
193
489000
2000
Näettehän, se on erilainen kuva.
08:26
See, I want you to think about just how specific this is.
194
491000
3000
Haluan teidän ajattelevan kuinka yksityiskohtaista tämä on.
08:29
Now, this ability to put information into categories,
195
494000
4000
Tämä kyky laittaa tietoa kategorioihin --
08:33
I find a lot of people are not very good at this.
196
498000
3000
olen huomannut, että monet eivät ole hyviä siinä.
08:36
When I'm out troubleshooting equipment
197
501000
2000
Kun olen korjaamassa laitteita,
08:38
or problems with something in a plant,
198
503000
2000
tai ongelmia jollain tilalla,
08:40
they don't seem to be able to figure out, "Do I have a training people issue?
199
505000
4000
he eivät tunnu osaavan rajata: "Onko ongelma ihmisten koulutuksessa?
08:44
Or do I have something wrong with the equipment?"
200
509000
2000
Vai onko ongelma laitteistossa?"
08:46
In other words, categorize equipment problem
201
511000
2000
Toisin sanoen, erottaa
08:48
from a people problem.
202
513000
2000
laiteongelma ihmisten ongelmista.
08:50
I find a lot of people have difficulty doing that.
203
515000
3000
Monilla ihmisillä on vaikeuksia siinä.
08:53
Now, let's say I figure out it's an equipment problem.
204
518000
3000
Oletetaan, että se on laiteongelma.
08:56
Is it a minor problem, with something simple I can fix?
205
521000
2000
Onko se pieni ongelma, jonka voin korjata?
08:58
Or is the whole design of the system wrong?
206
523000
3000
Vai onko koko järjestelmän suunnittelussa vika?
09:01
People have a hard time figuring that out.
207
526000
3000
Ihmisten on vaikea huomata näitä.
09:04
Let's just look at something like, you know,
208
529000
2000
Tarkastellaanpa jotain, kuten
09:06
solving problems with making airlines safer.
209
531000
2000
lentomatkailun turvallisuuden parantamista.
09:08
Yeah, I'm a million-mile flier.
210
533000
2000
Olen lentoyhtiön kanta-asiakas.
09:10
I do lots and lots of flying,
211
535000
2000
Lennän todella paljon,
09:12
and if I was at the FAA,
212
537000
3000
ja jos olisin ilmailuvirastossa,
09:15
what would I be doing a lot of direct observation of?
213
540000
4000
mihin kiinnittäisin paljon huomiota?
09:19
It would be their airplane tails.
214
544000
2000
Se olisi lentokoneiden pyrstöt.
09:21
You know, five fatal wrecks in the last 20 years,
215
546000
3000
On viisi vakavaa onnettomuutta 20 vuoden aikana,
09:24
the tail either came off or steering stuff inside the tail broke
216
549000
4000
jossa pyrstö joko irtosi, tai mekaniikka sen sisällä
09:28
in some way.
217
553000
2000
vaurioitui jollain tavalla.
09:30
It's tails, pure and simple.
218
555000
2000
Kyse on pyrstöstä.
09:32
And when the pilots walk around the plane, guess what? They can't see
219
557000
2000
Kun lentäjät kiertävät konetta,
09:34
that stuff inside the tail.
220
559000
2000
he eivät näe pyrstön sisään.
09:36
You know, now as I think about that,
221
561000
2000
Nyt kun mietin sitä,
09:38
I'm pulling up all of that specific information.
222
563000
3000
haen mielestäni kaikenlaista yksityiskohtaista tietoa.
09:41
It's specific. See, my thinking's bottom-up.
223
566000
3000
Se on yksityiskohtaista. Ajatteluni lähtee yksityiskohdista.
09:44
I take all the little pieces and I put the pieces together like a puzzle.
224
569000
4000
Otan kaikki pienet palaset, ja ikään kuin kokoan niistä palapelin.
09:48
Now, here is a horse that was deathly afraid
225
573000
2000
Tämä hevonen pelkäsi
09:50
of black cowboy hats.
226
575000
2000
kuollakseen mustia cowboy-hattuja.
09:52
He'd been abused by somebody with a black cowboy hat.
227
577000
2000
Joku oli pahoinpidellyt sen mustassa cowboy-hatussa.
09:54
White cowboy hats, that was absolutely fine.
228
579000
3000
Valkoiset cowbow-hatut olivat ok.
09:57
Now, the thing is, the world is going to need
229
582000
3000
Asia on näin: maailma tarvitsee
10:00
all of the different kinds of minds
230
585000
2000
monenlaisia erilaisia mieliä
10:02
to work together.
231
587000
2000
toimimaan yhdessä.
10:04
We've got to work on developing all these different kinds of minds.
232
589000
3000
Meidän täytyy työskennellä niiden kaikkien kehittämiseksi.
10:07
And one of the things that is driving me really crazy,
233
592000
3000
Yksi asia, joka ajaa minut hulluksi,
10:10
as I travel around and I do autism meetings,
234
595000
2000
kun matkustan ja käyn autismikokouksissa,
10:12
is I'm seeing a lot of smart, geeky, nerdy kids,
235
597000
3000
on se, että näen paljon älykkäitä nörttilapsia.
10:15
and they just aren't very social,
236
600000
3000
He eivät vain ole kovin sosiaalisia.
10:18
and nobody's working on developing their interest
237
603000
2000
Ja kukaan ei kehitä heidän kiinnostustaan
10:20
in something like science.
238
605000
2000
johonkin, kuten tieteeseen.
10:22
And this brings up the whole thing of my science teacher.
239
607000
3000
Tämä nostaa esiin oman tiedeaineiden opettajani.
10:25
My science teacher is shown absolutely beautifully in the movie.
240
610000
3000
Hänet esitetään todella upeasti elokuvassa.
10:28
I was a goofball student. When I was in high school
241
613000
2000
Olin huono opiskelija.
10:30
I just didn't care at all about studying,
242
615000
3000
Yläkoululaisena en juuri välittänyt opiskelusta,
10:33
until I had Mr. Carlock's science class.
243
618000
3000
kunnes kävin Mr. Carlockin tunneilla.
10:36
He was now Dr. Carlock in the movie.
244
621000
3000
Joka esitetään Dr. Carlockina elokuvassa.
10:39
And he got me challenged
245
624000
3000
Hän haastoi minut
10:42
to figure out an optical illusion room.
246
627000
3000
selvittämään 'optisten illuusioiden huoneen'.
10:45
This brings up the whole thing of you've got to show kids
247
630000
2000
Tämä nostaa esiin sen, että
10:47
interesting stuff.
248
632000
2000
lapsille on näytettävä mielenkiintoisia juttuja.
10:49
You know, one of the things that I think maybe TED ought to do
249
634000
3000
Yksi asia mitä TEDin minusta pitäisi tehdä
10:52
is tell all the schools about all the great lectures that are on TED,
250
637000
3000
on kertoa kouluille TEDin hienoista luennoista,
10:55
and there's all kinds of great stuff on the Internet
251
640000
2000
ja kaikesta hienosta mitä on internetissä,
10:57
to get these kids turned on.
252
642000
2000
että lapset saataisiin innostumaan.
10:59
Because I'm seeing a lot of these geeky nerdy kids,
253
644000
3000
Sillä näen paljon näitä nörttilapsia,
11:02
and the teachers out in the Midwest, and the other parts of the country,
254
647000
3000
eivätkä opettajat keskilännessä, tai muissa osissa maata --
11:05
when you get away from these tech areas,
255
650000
2000
näiden tietoteknisten alueiden ulkopuolella --
11:07
they don't know what to do with these kids.
256
652000
2000
tiedä, mitä tehdä näille lapsille.
11:09
And they're not going down the right path.
257
654000
2000
Eivätkä he ole oikealla polulla.
11:11
The thing is, you can make a mind
258
656000
2000
Asia on niin, että mieli voi olla
11:13
to be more of a thinking and cognitive mind,
259
658000
3000
enemmän ajatteleva ja kognitiivinen mieli.
11:16
or your mind can be wired to be more social.
260
661000
3000
Tai mieli voi olla kytketty olemaan sosiaalisempi.
11:19
And what some of the research now has shown in autism
261
664000
2000
Tiede on näyttänyt, että autismissa
11:21
is there may by extra wiring back here,
262
666000
2000
on ylimääräisiä yhteyksiä täällä takana,
11:23
in the really brilliant mind, and we lose a few social circuits here.
263
668000
3000
älykkäässä mielessä, ja joitain sosiaalisia kytkentöjä puuttuu.
11:26
It's kind of a trade-off between thinking and social.
264
671000
4000
Se on vaihtokauppa ajattelun ja sosiaalisuuden välillä.
11:30
And then you can get into the point where it's so severe
265
675000
2000
Ja kun mennään tarpeeksi pitkälle,
11:32
you're going to have a person that's going to be non-verbal.
266
677000
3000
saadaan henkilö, joka ei osaa kommunikoida verbaalisesti.
11:35
In the normal human mind
267
680000
2000
Tavallisessa ihmismielessä
11:37
language covers up the visual thinking we share with animals.
268
682000
3000
kieli peittää eläimistäkin tutun kuvallisen ajattelun.
11:40
This is the work of Dr. Bruce Miller.
269
685000
3000
Tämä on Dr. Bruce Millerin työtä.
11:43
And he studied Alzheimer's patients
270
688000
3000
Hän tutki Alzheimer-potilaita, joilla oli
11:46
that had frontal temporal lobe dementia.
271
691000
2000
ohimolohkon etuosan dementia.
11:48
And the dementia ate out the language parts of the brain,
272
693000
3000
Dementia söi aivojen kielialueen,
11:51
and then this artwork came out of somebody who used to install stereos in cars.
273
696000
5000
ja tämän taiteen teki entinen autoasentaja.
11:56
Now, Van Gogh doesn't know anything about physics,
274
701000
4000
Van Gogh ei tiennyt mitään fysiikasta.
12:00
but I think it's very interesting
275
705000
2000
Mutta minusta on mielenkiintoista,
12:02
that there was some work done to show that
276
707000
2000
että on osoitettu
12:04
this eddy pattern in this painting
277
709000
2000
tämän maalauksen pyörrekuvion
12:06
followed a statistical model of turbulence,
278
711000
3000
seuraavan tilastollista turbulenssimallia.
12:09
which brings up the whole interesting idea
279
714000
2000
Mistä päästään mielenkiintoiseen ideaan,
12:11
of maybe some of this mathematical patterns
280
716000
2000
että ehkä jotkut matemaattiset kaavat
12:13
is in our own head.
281
718000
2000
ovat omissa päissämme.
12:15
And the Wolfram stuff -- I was taking
282
720000
2000
Wolframin jutuista otin muistiinpanoja
12:17
notes and I was writing down all the
283
722000
2000
ja kirjoitin ylös kaikenlaisia
12:19
search words I could use,
284
724000
2000
hakusanoja, joita voisin käyttää,
12:21
because I think that's going to go on in my autism lectures.
285
726000
4000
koska uskon ottavani käyttäväni sitä autismiluennoillani.
12:25
We've got to show these kids interesting stuff.
286
730000
2000
Meidän pitää näyttää lapsille mielenkiintoisia juttuja.
12:27
And they've taken out the autoshop class
287
732000
2000
Kouluista on poistettu
12:29
and the drafting class and the art class.
288
734000
2000
käsityö- ja taitoaineita.
12:31
I mean art was my best subject in school.
289
736000
3000
Kuvaamataito oli paras aineeni koulussa.
12:34
We've got to think about all these different kinds of minds,
290
739000
2000
Meidän pitää ottaa huomioon erilaiset mielet.
12:36
and we've got to absolutely work with these kind of minds,
291
741000
3000
Meidän pitää työskennellä näiden mielten kanssa,
12:39
because we absolutely are going to need
292
744000
3000
koska tulemme ehdottomasti tarvitsemaan
12:42
these kind of people in the future.
293
747000
3000
tällaisia ihmisiä tulevaisuudessa.
12:45
And let's talk about jobs.
294
750000
2000
Puhutaanpa työpaikoista.
12:47
OK, my science teacher got me studying
295
752000
2000
Opettajani sai minut opiskelemaan,
12:49
because I was a goofball that didn't want to study.
296
754000
3000
koska olin sekoboltsi, joka ei halunnut opiskella.
12:52
But you know what? I was getting work experience.
297
757000
2000
Mutta arvatkaa mitä? Sain työkokemusta.
12:54
I'm seeing too many of these smart kids who haven't learned basic things,
298
759000
2000
Näen liikaa näitä älykkölapsia, jotka
12:56
like how to be on time.
299
761000
2000
eivät opi perustaitoja, kuten ajoissa olemista.
12:58
I was taught that when I was eight years old.
300
763000
2000
Minulle opetettiin se, kun olin kahdeksan.
13:00
You know, how to have table manners at granny's Sunday party.
301
765000
3000
Miten käyttäydytään mummolassa sunnuntaipäivänä.
13:03
I was taught that when I was very, very young.
302
768000
3000
Minulle opetettiin se hyvin hyvin nuorena.
13:06
And when I was 13, I had a job at a dressmaker's shop
303
771000
3000
Kolmetoistavuotiaana olin töissä ompelijan
13:09
sewing clothes.
304
774000
2000
apulaisena.
13:11
I did internships in college,
305
776000
3000
Tein sijaisuuksia koulussa.
13:14
I was building things,
306
779000
3000
Rakentelin asioita.
13:17
and I also had to learn how to do assignments.
307
782000
3000
Jouduin opettelemaan kuinka suorittaa tehtäviä.
13:20
You know, all I wanted to do was draw pictures of horses when I was little.
308
785000
4000
Pienenä halusin vain piirtää hevosia.
13:24
My mother said, "Well let's do a picture of something else."
309
789000
2000
Äitini sanoi: "Piirrä jotakin muuta."
13:26
They've got to learn how to do something else.
310
791000
2000
Heidän pitää oppia tekemään muuta.
13:28
Let's say the kid is fixated on Legos.
311
793000
2000
Sanotaan, että lapsi on kiintynyt Legoihin.
13:30
Let's get him working on building different things.
312
795000
3000
Laitetaan hänet rakentamaan erilaisia asioita.
13:33
The thing about the autistic mind
313
798000
2000
Autistisella mielellä on
13:35
is it tends to be fixated.
314
800000
2000
taipumus kiinnittyä asioihin.
13:37
Like if a kid loves racecars,
315
802000
2000
Jos lapsi rakastaa ralliautoja,
13:39
let's use racecars for math.
316
804000
2000
käytetään ralliautoja matematiikan opiskeluun.
13:41
Let's figure out how long it takes a racecar to go a certain distance.
317
806000
3000
Selvitetään kauanko autolta kestää mennä tietty matka.
13:44
In other words, use that fixation
318
809000
4000
Toisin sanoen, käytetään sitä kiintymystä
13:48
in order to motivate that kid, that's one of the things we need to do.
319
813000
3000
motivoimaan lasta -- niin meidän pitää tehdä.
13:51
I really get fed up when they, you know, the teachers,
320
816000
3000
Hermostun, kun opettajat eivät tiedä,
13:54
especially when you get away from this part of the country,
321
819000
3000
etenkin tämän alueen ulkopuolella,
13:57
they don't know what to do with these smart kids.
322
822000
2000
miten kohdella älykkölapsia.
13:59
It just drives me crazy.
323
824000
2000
Se ajaa minut hulluksi.
14:01
What can visual thinkers do when they grow up?
324
826000
2000
Mitä visuaalinen ajattelija voi tehdä isona?
14:03
They can do graphic design, all kinds of stuff with computers,
325
828000
3000
Graafista suunnittelua, kaikenlaista tietokoneiden kanssa,
14:06
photography, industrial design.
326
831000
5000
valokuvausta, teollista muotoilua.
14:11
The pattern thinkers, they're the ones that are going to be
327
836000
2000
Malleja käyttävät ajattelijat -- heistä tulee
14:13
your mathematicians, your software engineers,
328
838000
3000
matemaatikkoja, ohjelmistosuunnittelijoita,
14:16
your computer programmers, all of those kinds of jobs.
329
841000
4000
ohjelmoijia, kaikkia tuollaisia.
14:20
And then you've got the word minds. They make great journalists,
330
845000
3000
Ja sitten on sanalliset mielet. Heistä tulee loistavia toimittajia.
14:23
and they also make really, really good stage actors.
331
848000
3000
He ovat myös hyviä teatterinäyttelijöitä.
14:26
Because the thing about being autistic is,
332
851000
2000
Koska autismiin liittyy se, että
14:28
I had to learn social skills like being in a play.
333
853000
3000
minun piti opetella sosiaaliset taidot 'näytelmänä'.
14:31
It's just kind of -- you just have to learn it.
334
856000
3000
Se on vain opeteltava.
14:34
And we need to be working with these students.
335
859000
3000
Meidän täytyy työskennellä näiden oppilaiden kanssa.
14:37
And this brings up mentors.
336
862000
2000
Tästä päästään mentoreihin.
14:39
You know, my science teacher was not an accredited teacher.
337
864000
3000
Tiedeaineiden opettajani ei ollut pätevä opettaja.
14:42
He was a NASA space scientist.
338
867000
2000
Hän oli NASAn avaruustieteilijä.
14:44
Now, some states now are getting it to where
339
869000
2000
Jotkut osavaltiot ovat ryhtymässä siihen,
14:46
if you have a degree in biology, or a degree in chemistry,
340
871000
2000
että jos on valmistunut biologi tai kemisti,
14:48
you can come into the school and teach biology or chemistry.
341
873000
3000
voi tulla opettamaan kouluun biologiaa tai kemiaa.
14:51
We need to be doing that.
342
876000
2000
Näin meidän pitäisi toimia.
14:53
Because what I'm observing is
343
878000
2000
Olen huomannut, että
14:55
the good teachers, for a lot of these kids,
344
880000
2000
monia hyviä opettajia näille lapsille
14:57
are out in the community colleges,
345
882000
2000
löytyy toisen asteen oppilaitoksista.
14:59
but we need to be getting some of these good teachers into the high schools.
346
884000
3000
Meidän pitää saada joitakin näistä yläkouluihin.
15:02
Another thing that can be very, very, very successful is
347
887000
3000
Eräs suuria mahdollisuuksia omaava vaihtoehto on,
15:05
there is a lot of people that may have retired
348
890000
3000
että ohjelmistokehityksessä työskennelleet ihmiset
15:08
from working in the software industry, and they can teach your kid.
349
893000
3000
voisivat opettaa lapsia eläkkeelle jäätyään.
15:11
And it doesn't matter if what they teach them is old,
350
896000
3000
Ei haittaa, vaikka heidän opettamansa asia olisi vanhaa,
15:14
because what you're doing is you're lighting the spark.
351
899000
3000
sillä he sytyttävät kipinän.
15:17
You're getting that kid turned on.
352
902000
3000
Saavat lapsen innostumaan.
15:20
And you get him turned on, then he'll learn all the new stuff.
353
905000
3000
Ja kun hän innostuu, hän oppii kaikkea uutta.
15:23
Mentors are just essential.
354
908000
2000
Ohjaajat ovat elintärkeitä.
15:25
I cannot emphasize enough
355
910000
2000
En voi tarpeeksi painottaa,
15:27
what my science teacher did for me.
356
912000
3000
mitä tiedeaineiden opettajani teki minulle.
15:30
And we've got to mentor them, hire them.
357
915000
3000
Meidän tulee ohjata ja palkata heitä.
15:33
And if you bring them in for internships in your companies,
358
918000
2000
Jos Asperger-tyyppi otetaan
15:35
the thing about the autism, Asperger-y kind of mind,
359
920000
3000
harjoittelijaksi yritykseen, hänelle on annettava
15:38
you've got to give them a specific task. Don't just say, "Design new software."
360
923000
3000
tarkasti määritelty tehtävä -- ei voi vain sanoa "suunnittele uusi ohjelmisto".
15:41
You've got to tell them something a lot more specific:
361
926000
2000
On muotoiltava paljon yksityiskohtaisemmin.
15:43
"Well, we're designing a software for a phone
362
928000
3000
"Suunnittelemme uutta puhelinohjelmistoa,
15:46
and it has to do some specific thing.
363
931000
2000
jonka pitäisi tehdä tämä erityinen asia.
15:48
And it can only use so much memory."
364
933000
2000
Muistia saa kulua vain tämän verran."
15:50
That's the kind of specificity you need.
365
935000
2000
Tällaisia yksityiskohtia tarvitaan.
15:52
Well, that's the end of my talk.
366
937000
2000
No, tähän päättyy puheeni.
15:54
And I just want to thank everybody for coming.
367
939000
2000
Haluan vielä kiittää kaikkia seuraamisesta.
15:56
It was great to be here.
368
941000
2000
Oli mukava olla täällä.
15:58
(Applause)
369
943000
12000
(Aplodeja)
16:10
Oh, you've got a question for me? OK.
370
955000
3000
Minulle on kysymys? Okei.
16:13
(Applause)
371
958000
1000
(Aplodeja)
16:14
Chris Anderson: Thank you so much for that.
372
959000
4000
Chris Anderson: Kiitoksia paljon.
16:18
You know, you once wrote, I like this quote,
373
963000
2000
Kirjoitit kerran -- minä pidän tästä lainauksesta --
16:20
"If by some magic, autism had been
374
965000
2000
"Jos jollain taikatempulla autismi
16:22
eradicated from the face of the Earth,
375
967000
3000
olisi poistettettu maan päältä,
16:25
then men would still be socializing in front of a wood fire
376
970000
3000
niin ihmiset kokoontuisivat edelleen
16:28
at the entrance to a cave."
377
973000
2000
nuotion ääressä luolan suulla."
16:30
Temple Grandin: Because who do you think made the first stone spears?
378
975000
2000
Temple Grandin: Kenen luulette keksineen ensimmäiset kivikeihäät?
16:32
The Asperger guy. And if you were to get rid of all the autism genetics
379
977000
3000
Asperger-kaveri. Jos poistettaisiin kaikki autismin perinnöllisyys,
16:35
there would be no more Silicon Valley,
380
980000
2000
ei olisi Piilaaksoa,
16:37
and the energy crisis would not be solved.
381
982000
2000
eikä ratkaisua energiakriisiin.
16:39
(Applause)
382
984000
3000
(Aplodeja)
16:42
CA: So, I want to ask you a couple other questions,
383
987000
2000
CA: Halusin kysyä vielä pari kysymystä.
16:44
and if any of these feel inappropriate,
384
989000
2000
Jos jokin näistä tuntuu epäsopivalta,
16:46
it's okay just to say, "Next question."
385
991000
2000
voit vain sanoa: "Seuraava kysymys".
16:48
But if there is someone here
386
993000
2000
Jos jollain täällä
16:50
who has an autistic child,
387
995000
2000
on autistinen lapsi,
16:52
or knows an autistic child
388
997000
2000
tai tuntee autistisen lapsen,
16:54
and feels kind of cut off from them,
389
999000
3000
jonka tuntee oleva saavuttamattomissa,
16:57
what advice would you give them?
390
1002000
2000
niin minkä neuvon antaisit heille?
16:59
TG: Well, first of all, you've got to look at age.
391
1004000
2000
TG: Ensiksi on katsottava ikää.
17:01
If you have a two, three or four year old
392
1006000
2000
Jos on kaksi-, kolme-, neljävuotias
17:03
you know, no speech, no social interaction,
393
1008000
2000
joka ei puhu, ei ota sosiaalista kontaktia,
17:05
I can't emphasize enough:
394
1010000
2000
en voi painottaa liikaa, että
17:07
Don't wait, you need at least 20 hours a week of one-to-one teaching.
395
1012000
4000
älkää odottako. Tarvitaan vähintään 20 tuntia yksityisopetusta viikossa.
17:11
You know, the thing is, autism comes in different degrees.
396
1016000
3000
Autismihan ilmenee eri asteisina.
17:14
There's going to be about half the people on the spectrum
397
1019000
2000
Noin puolet autismin kirjon ihmisistä
17:16
that are not going to learn to talk, and they're not going to be working
398
1021000
2000
ei tule oppimaan puhumaan, ja he eivät tule
17:18
Silicon Valley, that would not be a reasonable thing for them to do.
399
1023000
3000
työskentelemään Piilaaksossa, sillä se ei sopisi heille.
17:21
But then you get the smart, geeky kids
400
1026000
2000
Mutta sitten ovat ne fiksut nörttilapset
17:23
that have a touch of autism,
401
1028000
2000
joilla on vivahde autismia,
17:25
and that's where you've got to get them turned on
402
1030000
2000
ja heidät pitää saada innostumaan
17:27
with doing interesting things.
403
1032000
2000
mielenkiintoisista asioista.
17:29
I got social interaction through shared interest.
404
1034000
3000
Minä sain sosiaalista vuorovaikutusta jaettujen kiinnostusten kautta.
17:32
I rode horses with other kids, I made model rockets with other kids,
405
1037000
4000
Ratsastin muiden lasten kanssa. Tein raketteja ja
17:36
did electronics lab with other kids,
406
1041000
2000
elektroniikkakokeita muiden kanssa,
17:38
and in the '60s, it was gluing mirrors
407
1043000
2000
mikä 60-luvulla tarkoitti peilien liimaamista
17:40
onto a rubber membrane on a speaker to make a light show.
408
1045000
3000
kaiuttimen muovikalvoon valoefektien aikaansaamiseksi.
17:43
That was like, we considered that super cool.
409
1048000
3000
Meistä se oli superhienoa.
17:46
CA: Is it unrealistic for them
410
1051000
2000
CA: Onko epärealistista
17:48
to hope or think that that child
411
1053000
2000
toivoa tai ajatella, että autistinen lapsi
17:50
loves them, as some might, as most, wish?
412
1055000
3000
rakastaa omaisiaan, kuten monet toivovat.
17:53
TG: Well let me tell you, that child will be loyal,
413
1058000
2000
TG: Minä kerron, että se lapsi on lojaali.
17:55
and if your house is burning down, they're going to get you out of it.
414
1060000
2000
Jos talonne palaa, he hoitavat teidät ulos.
17:57
CA: Wow. So, most people, if you ask them
415
1062000
3000
CA: Vau. Monet ihmiset, jos kysyt heiltä
18:00
what are they most passionate about, they'd say things like,
416
1065000
2000
mikä on heidän intohimonsa, he sanovat esimerkiksi:
18:02
"My kids" or "My lover."
417
1067000
3000
"lapseni" tai "rakastajani".
18:05
What are you most passionate about?
418
1070000
3000
Mikä on sinun intohimosi?
18:08
TG: I'm passionate about that the things I do
419
1073000
2000
TG: Olen intohimoinen asioista
18:10
are going to make the world a better place.
420
1075000
2000
tehdäkseni maailmasta paremman paikan.
18:12
When I have a mother of an autistic child say,
421
1077000
2000
Kun autistilapsen äiti sanoo minulle:
18:14
"My kid went to college because of your book,
422
1079000
2000
"Lapseni meni lukioon kirjasi
18:16
or one of your lectures," that makes me happy.
423
1081000
2000
tai luentosi tähden", tulen onnelliseksi.
18:18
You know, the slaughter plants, I've worked with them
424
1083000
3000
Ne teurastamot, joiden parissa työskentelin
18:21
in the '80s; they were absolutely awful.
425
1086000
2000
80-luvulla, olivat aivan kamalia.
18:23
I developed a really simple scoring system for slaughter plants
426
1088000
4000
Kehitin yksinkertaisen pisteytysjärjestelmän teurastamoille.
18:27
where you just measure outcomes: How many cattle fell down?
427
1092000
2000
Siinä laskettiin tuloksia; kuinka paljon karjaa kaatui,
18:29
How many cattle got poked with the prodder?
428
1094000
2000
kuinka monia lyötiin,
18:31
How many cattle are mooing their heads off?
429
1096000
2000
kuinka moni ammui henkensä hädässä?
18:33
And it's very, very simple.
430
1098000
2000
Se on hyvin hyvin yksinkertaista.
18:35
You directly observe a few simple things.
431
1100000
2000
Suoraan valvottavia yksinkertaisia asioita.
18:37
It's worked really well. I get satisfaction out of
432
1102000
2000
Se toimi erittäin hyvin. Saan tyydytystä, kun
18:39
seeing stuff that makes real change
433
1104000
3000
näen asioiden tekevän todellista muutosta
18:42
in the real world. We need a lot more of that,
434
1107000
2000
maailmassa. Tarvitsemme sitä lisää,
18:44
and a lot less abstract stuff.
435
1109000
2000
ja vähemmän abstrakteja asioita.
18:46
(Applause)
436
1111000
7000
(Aplodeja)
18:53
CA: When we were talking on the phone, one of the things you said that
437
1118000
2000
CA: Kun puhuimme puhelimessa, yksi asioista
18:55
really astonished me was you said one thing
438
1120000
2000
hämmästytti minua -- sanoit olevasi
18:57
you were passionate about was server farms. Tell me about that.
439
1122000
4000
erittäin kiinnostunut palvelinkeskuksista. Kerrotko siitä?
19:01
TG: Well the reason why I got really excited when I read about that,
440
1126000
3000
TG: Minua alkoi kiinnostaa, kun luin,
19:04
it contains knowledge.
441
1129000
3000
että niissä on paljon tietoa.
19:07
It's libraries.
442
1132000
2000
Ne ovat kirjastoja.
19:09
And to me, knowledge is something
443
1134000
2000
Minulle tieto on erittäin arvokasta.
19:11
that is extremely valuable. So, maybe, over 10 years ago
444
1136000
2000
Noin kymmenen vuotta sitten
19:13
now our library got flooded.
445
1138000
2000
kirjastomme jäi veden valtaan.
19:15
And this is before the Internet got really big.
446
1140000
2000
Tämä oli ennen internetin läpilyöntiä.
19:17
And I was really upset about all the books being wrecked,
447
1142000
2000
Olin hyvin pahoillani kirjojen vaurioitumisesta,
19:19
because it was knowledge being destroyed.
448
1144000
2000
koska niin paljon tietoa tuhoutui.
19:21
And server farms, or data centers
449
1146000
2000
Ja palvelinkeskukset ovat
19:23
are great libraries of knowledge.
450
1148000
3000
suuria tiedon kirjastoja.
19:26
CA: Temple, can I just say it's an absolute delight to have you at TED.
451
1151000
3000
CA: Temple, oli ilahduttavaa saada sinut mukaan TEDiin.
19:29
TG: Well thank you so much. Thank you.
452
1154000
3000
TG: Kiitoksia paljon. Kiitos.
19:32
(Applause)
453
1157000
6000
(Aplodeja)
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