ABOUT THE SPEAKER
Alan Kay - Educator and computing pioneer
One of the true luminaries of personal computing, Alan Kay conceived of laptops and graphical interfaces years before they were realized. At XeroxPARC, Apple, HP and Disney, he has developed tools for improving the mind.

Why you should listen

"The best way to predict the future is to invent it." Alan Kay not only coined this favorite tech-world adage, but has proven its truth several times. A true polymath, as well as inventor, he has combined engineering brilliance with knowledge of child development, epistemology, molecular biology and more.

In the 1960s, Kay joined the computer team at XeroxPARC, where he worked on world-changing inventions like the graphical interface, object-oriented programming, and the personal computer itself. Later, at Apple, Atari, HP, Disney, and now at his own nonprofits, he has helped refine the tools he anticipated long before they were realized.

As the industry has blossomed, however, Kay continues to grapple with the deeper purpose of computing, struggling to create the machine that won't only recapitulate patterns in the world as we know it but will teach both children and adults to think, to see what otherwise is beyond them.

More profile about the speaker
Alan Kay | Speaker | TED.com
TED2007

Alan Kay: A powerful idea about ideas

Alan Kay partage une puissante idée à propos d'idées

Filmed:
851,991 views

Avec toute l'intensité et l'intelligence au travers desquelles il est connu, Alan Kay imagine des techniques plus efficaces pour enseigner aux enfants, en utilisant des ordinateurs pouvant illustrer une expérience - mathématiquement et scientifiquement - que seuls les ordinateurs peuvent réaliser.
- Educator and computing pioneer
One of the true luminaries of personal computing, Alan Kay conceived of laptops and graphical interfaces years before they were realized. At XeroxPARC, Apple, HP and Disney, he has developed tools for improving the mind. Full bio

Double-click the English transcript below to play the video.

00:18
A great way to startdébut, I think, with my viewvue of simplicitysimplicité
0
0
4000
Une très bonne manière de commencer, je pense, avec ma vision de la simplicité
00:22
is to take a look at TEDTED. Here you are, understandingcompréhension why we're here,
1
4000
7000
c'est d'analyser TED. Vous êtes ici, et vous comprenez pourquoi vous êtes ici.
00:29
what's going on with no difficultydifficulté at all.
2
11000
5000
ce qui se passe, sans aucune difficulté.
00:34
The bestmeilleur A.I. in the planetplanète would find it complexcomplexe and confusingdéroutant,
3
16000
4000
La meilleure des intelligences artificielles trouverait cela complexe et tres confus.
00:38
and my little dogchien WatsonWatson would find it simplesimple and understandablecompréhensible
4
20000
5000
et mon petit chien Watson trouverait cela simple et compréhensible,
00:43
but would missmanquer the pointpoint.
5
25000
2000
mais ne comprendrait absolument pas a quoi ca sert.
00:45
(LaughterRires)
6
27000
3000
(Rires)
00:48
He would have a great time.
7
30000
3000
Il s'amuserait bien.
00:51
And of coursecours, if you're a speakerorateur here, like HansHans RoslingRosling,
8
33000
5000
Et, bien sur, si vous êtes un orateur ici, comme Hans Rosling,
00:56
a speakerorateur findstrouve this complexcomplexe, trickyrusé. But in HansHans Rosling'sDe Rosling caseCas,
9
38000
5000
un orateur trouverait cela complexe et délicat. Mais, dans le cas de Hans Rosling,
01:01
he had a secretsecret weaponarme yesterdayhier,
10
43000
2000
il avait une arme secrète hier,
01:03
literallyLittéralement, in his swordépée swallowingavaler actacte.
11
45000
4000
littéralement, avec sa présentation durant laquelle il avale son épée.
01:07
And I mustdoit say, I thought of quiteassez a fewpeu objectsobjets
12
49000
2000
Et, je dois dire que j'ai pensé à plusieurs objets
01:09
that I mightpourrait try to swallowavaler todayaujourd'hui and finallyenfin gavea donné up on,
13
51000
5000
que je pouvais essayer d'avaler aujourd'hui, et finalement j'ai laissé tomber --
01:14
but he just did it and that was a wonderfulformidable thing.
14
56000
4000
mais il l'a fait et c'était merveilleux.
01:18
So PuckPuck meantsignifiait not only are we foolsles imbéciles in the pejorativeterme péjoratif sensesens,
15
60000
5000
Alors Puck signifie que non seulement nous sommes des fous, dans un sens péjoratif
01:23
but that we're easilyfacilement fooledtrompé. In factfait, what ShakespeareShakespeare
16
65000
4000
mais aussi que nous nous laissons prendre au jeu facilement. En réalité, ce que Shakespeare
01:27
was pointingpointant out is we go to the theaterthéâtre in ordercommande to be fooledtrompé,
17
69000
3000
voulais dire c'était que nous allons au théâtre dans le but de nous faire avoir
01:30
so we're actuallyréellement looking forwardvers l'avant to it.
18
72000
4000
donc réellement nous sommes impatients de nous faire avoir.
01:34
We go to magicla magie showsmontre in ordercommande to be fooledtrompé.
19
76000
2000
Nous allons à des spectacles de magie pour nous faire avoir.
01:36
And this makesfait du manybeaucoup things funamusement, but it makesfait du it difficultdifficile to actuallyréellement
20
78000
8000
Et cela permet d'être entouré de choses fun, mais en même temps, ça rend difficile
01:44
get any kindgentil of picturephoto on the worldmonde we livevivre in or on ourselvesnous-mêmes.
21
86000
4000
capturer une image du monde dans lequel nous vivons ou une image de nous-mêmes.
01:48
And our friendami, BettyBetty EdwardsEdwards,
22
90000
2000
Et notre amie, Betty Edwards,
01:50
the "DrawingDessin on the Right SideCôté of the BrainCerveau" ladyDame, showsmontre these two tablesles tables
23
92000
3000
le Dessin sur le coté droit du cerveau de la dame, montre ces deux tables
01:53
to her drawingdessin classclasse and saysdit,
24
95000
5000
À sa classe de dessin, elle dit,
01:58
"The problemproblème you have with learningapprentissage to drawdessiner
25
100000
4000
le problème que vous avez avec l'apprentissage du dessin
02:02
is not that you can't movebouge toi your handmain,
26
104000
2000
n'est pas dans le fait que vous ne pouvez bouger votre main,
02:04
but that the way your braincerveau perceivesperçoit imagesimages is faultydéfectueux.
27
106000
6000
mais c'est plutôt que la façon dont votre cerveau perçoit l'image est erronée.
02:10
It's tryingen essayant to perceivepercevoir imagesimages into objectsobjets
28
112000
2000
Vous essayer de percevoir les images au travers d'objets
02:12
ratherplutôt than seeingvoyant what's there."
29
114000
2000
au lieu de voir ce qu'il y a la.
02:14
And to proveprouver it, she saysdit, "The exactexact sizeTaille and shapeforme of these tabletopsdessus de table
30
116000
5000
Et pour le prouver, dit-elle, la taille et la forme exacte de ces deux dessus de tables
02:19
is the sameMême, and I'm going to proveprouver it to you."
31
121000
3000
est identiques et je vais vous le prouver.
02:22
She does this with cardboardcarton, but sincedepuis I have
32
124000
3000
Elle fait cela avec des cartons, mais puisque j'ai
02:25
an expensivecoûteux computerordinateur here
33
127000
3000
un ordinateur couteux, ici,
02:28
I'll just rotatetourner this little guy around and ...
34
130000
3000
je vais juste tourner ce petit truc autour et...
02:34
Now havingayant seenvu that -- and I've seenvu it hundredsdes centaines of timesfois,
35
136000
3000
Maintenant, en voyant cela -- et je l'ai vu une centaine de fois,
02:37
because I use this in everychaque talk I give -- I still can't see
36
139000
4000
car j'utilise cette présentation dans toutes mes discours -- je continue à ne pas voir
02:41
that they're the sameMême sizeTaille and shapeforme, and I doubtdoute that you can eithernon plus.
37
143000
5000
qu'ils sont de la même taille et de la même forme, et je doute que vous puissiez.
02:46
So what do artistsartistes do? Well, what artistsartistes do is to measuremesure.
38
148000
5000
Alors, que font les artistes? Et bien, ce que font les artistes, c'est mesurer.
02:51
They measuremesure very, very carefullysoigneusement.
39
153000
2000
Ils mesurent avec beaucoup, beaucoup d'attention.
02:53
And if you measuremesure very, very carefullysoigneusement with a stiffrigide armbras and a straighttout droit edgebord,
40
155000
4000
Et si vous mesurez avec beaucoup, beaucoup d'attention avec un bras solide et une règle,
02:57
you'lltu vas see that those two shapesformes are
41
159000
2000
vous verrez que ces deux formes sont
02:59
exactlyexactement the sameMême sizeTaille.
42
161000
3000
totalement identiques.
03:02
And the TalmudTalmud saw this a long time agodepuis, sayingen disant,
43
164000
5000
Et le Talmud a identifié cela il y a déjà longtemps, en disant,
03:07
"We see things not as they are, but as we are."
44
169000
3000
nous voyons les choses non pour ce qu'elles sont, mais pour ce que nous sommes.
03:10
I certainlycertainement would like to know what happenedarrivé to the personla personne
45
172000
2000
J'aimerais bien savoir ce qui est arrivé à la personne
03:12
who had that insightperspicacité back then,
46
174000
3000
qui a eu cette révélation à ce moment la,
03:15
if they actuallyréellement followedsuivi it to its ultimateultime conclusionconclusion.
47
177000
4000
s’ils ont réellement poursuivit cela jusqu'à sa conclusion ultime.
03:21
So if the worldmonde is not as it seemssemble and we see things as we are,
48
183000
2000
Alors, si le monde n'est pas ce qu'il semble et nous voyons les choses comme nous nous voyons nous-mêmes,
03:23
then what we call realityréalité is a kindgentil of hallucinationhallucination
49
185000
6000
alors, ce que nous appelons la réalité est une forme d'hallucination
03:29
happeningévénement insideà l'intérieur here. It's a wakingse réveiller dreamrêver,
50
191000
3000
qui se passe ici. C'est un rêve debout.
03:32
and understandingcompréhension that that is what we actuallyréellement existexister in
51
194000
5000
Et comprendre que c'est en fait dans cela que nous existons
03:37
is one of the biggestplus grand epistemologicalépistémologique barriersbarrières in humanHumain historyhistoire.
52
199000
5000
est l'une des barrières les plus épistémologiques de l'histoire humaine.
03:42
And what that meansveux dire: "simplesimple and understandablecompréhensible"
53
204000
2000
Et ce que cela veut dire : "simple et compréhensible"
03:44
mightpourrait not be actuallyréellement simplesimple or understandablecompréhensible,
54
206000
3000
ne serait peut être pas en réalité simple ou compréhensible,
03:47
and things we think are "complexcomplexe" mightpourrait be madefabriqué simplesimple and understandablecompréhensible.
55
209000
6000
et les choses que nous pensons être compliquées peuvent être simples et compréhensibles.
03:53
SomehowEn quelque sorte we have to understandcomprendre ourselvesnous-mêmes to get around our flawsdéfauts.
56
215000
4000
Quelque part, nous devons nous comprendre nous-mêmes pour contourner nos défauts.
03:57
We can think of ourselvesnous-mêmes as kindgentil of a noisybruyant channelcanal.
57
219000
2000
Nous pouvons imaginer que nous sommes quelque chose comme une chaine bruyante.
03:59
The way I think of it is, we can't learnapprendre to see
58
221000
5000
Ce que je pense, c'est que nous ne pouvons pas apprendre à voir
04:04
untiljusqu'à we admitadmettre we're blindaveugle.
59
226000
2000
tant que nous n'admettons pas que nous sommes aveugles.
04:06
OnceFois you startdébut down at this very humblehumble levelniveau,
60
228000
4000
Lorsque vous commencez à ce degré d'humilité,
04:10
then you can startdébut findingdécouverte waysfaçons to see things.
61
232000
3000
alors vous pouvez commencer à trouver des moyens de voir les choses.
04:13
And what's happenedarrivé, over the last 400 yearsannées in particularparticulier,
62
235000
5000
Et ce qui s'est passé depuis plus de quatre cent ans plus particulièrement
04:18
is that humanHumain beingsêtres have inventeda inventé "brainletsbrainlets" --
63
240000
3000
c'est que les êtres humains ont inventé des extensions de cerveau:
04:21
little additionalsupplémentaires partsles pièces for our braincerveau --
64
243000
4000
des petites parties ajoutées à notre cerveau,
04:25
madefabriqué out of powerfulpuissant ideasidées that help us
65
247000
2000
créées grâce à des idées grandioses qui nous permettent
04:27
see the worldmonde in differentdifférent waysfaçons.
66
249000
2000
de voir le monde de manière différente.
04:29
And these are in the formforme of sensorysensoriel apparatusappareil --
67
251000
3000
Et celles-ci ont pris la forme d'appareils sensoriels --
04:32
telescopestélescopes, microscopesmicroscopes -- reasoningraisonnement apparatusappareil --
68
254000
5000
télescopes, microscopes -- appareils pour comprendre,
04:37
variousdivers waysfaçons of thinkingen pensant -- and, mostles plus importantlyimportant,
69
259000
4000
différentes manières de penser, et plus important encore,
04:41
in the abilitycapacité to changechangement perspectivela perspective on things.
70
263000
4000
la capacité de changer la perspective sur les choses.
04:45
I'll talk about that a little bitbit.
71
267000
1000
Je vais parler un peu de tout cela.
04:46
It's this changechangement in perspectivela perspective
72
268000
2000
C'est ce changement de perspective,
04:48
on what it is we think we're perceivingpercevoir
73
270000
3000
et ce que nous croyons percevoir,
04:51
that has helpedaidé us make more progressle progrès in the last 400 yearsannées
74
273000
5000
qui nous a permis de faire plus de progrès ces quatre cent dernières années
04:56
than we have in the restdu repos of humanHumain historyhistoire.
75
278000
2000
que nous n'en avons fait durant le reste de l'histoire de l’humanité.
04:58
And yetencore, it is not taughtenseigné in any K throughpar 12 curriculumcurriculum in AmericaL’Amérique that I'm awareconscient of.
76
280000
8000
Et pourtant, rien de tout cela n'est enseigné dans les classes de la maternelle au lycée aux États-Unis, du moins que je sache.
05:11
So one of the things that goesva from simplesimple to complexcomplexe
77
293000
2000
Alors, l'une des choses qui passe du simple au compliqué
05:13
is when we do more. We like more.
78
295000
3000
c'est lorsque nous faisons "plus de". Nous aimons "plus".
05:16
If we do more in a kindgentil of a stupidstupide way,
79
298000
3000
Lorsque nous faisons "plus" bêtement,
05:19
the simplicitysimplicité getsobtient complexcomplexe
80
301000
3000
la simplicité devient compliquée.
05:22
and, in factfait, we can keep on doing it for a very long time.
81
304000
5000
Et en fait, nous pouvons continuer à faire cela pendant longtemps.
05:27
But MurrayMurray Gell-MannGell-Mann yesterdayhier talkeda parlé about emergentEmergent propertiesPropriétés;
82
309000
3000
Hier, Murray Gell-Mann parlait des propriétés qui émergent.
05:30
anotherun autre nameprénom for them could be "architecturearchitecture"
83
312000
4000
Un autre nom pour cela pourrait être "architecture"
05:34
as a metaphormétaphore for takingprise the sameMême oldvieux materialMatériel
84
316000
4000
comme une métaphore dans laquelle on prend du vieux matériel
05:38
and thinkingen pensant about non-obviousnon évidentes, non-simplenon simple waysfaçons of combiningcombinant it.
85
320000
7000
en pensant à des moyens pas très évidents et pas simple de les combiner.
05:45
And in factfait, what MurrayMurray was talkingparlant about yesterdayhier in the fractalfractale beautybeauté of naturela nature --
86
327000
8000
Et en réalité, ce dont Murray parlait hier, dans la beauté fractale de la nature,
05:53
of havingayant the descriptionsdescriptions
87
335000
2000
d'avoir des descriptions
05:55
at variousdivers levelsles niveaux be ratherplutôt similarsimilaire --
88
337000
4000
à différents niveaux et relativement similaires,
05:59
all goesva down to the ideaidée that the elementaryélémentaire particlesdes particules
89
341000
5000
tout revient à l'idée que les particules élémentaires,
06:04
are bothtous les deux stickygluant and standoffishavec froideur,
90
346000
3000
sont toutes les deux collantes et peu amicales,
06:07
and they're in violentviolent motionmouvement.
91
349000
4000
et elles remuent violemment.
06:11
Those threeTrois things give riseaugmenter to all the differentdifférent levelsles niveaux
92
353000
3000
Ces trois choses donnent naissances à tous les différents niveaux
06:14
of what seemsembler to be complexitycomplexité in our worldmonde.
93
356000
4000
de ce qui semble former la complexité de notre monde.
06:20
But how simplesimple?
94
362000
2000
Mais simple comment?
06:22
So, when I saw Roslings''Roslings GapminderGapminder stuffdes trucs a fewpeu yearsannées agodepuis,
95
364000
5000
Alors lorsque j'ai vu les trucs de Roslings Gapminder il y a déjà quelques années,
06:27
I just thought it was the greatestplus grand thing I'd seenvu
96
369000
2000
j'ai pense que c'était la chose la plus géniale que j'avais jamais vu
06:29
in conveyingconvoyage complexcomplexe ideasidées simplysimplement.
97
371000
5000
expliquant simplement les idées complexes.
06:34
But then I had a thought of, "BoyGarçon, maybe it's too simplesimple."
98
376000
3000
Mais alors, je me suis mis a pensé que, peut-être c'était trop simple.
06:37
And I put some efforteffort in to try and checkvérifier
99
379000
5000
Et j'ai mis du temps et de l'énergie à essayer et vérifier cela
06:42
to see how well these simplesimple portrayalsreprésentations of trendsles tendances over time
100
384000
4000
afin de voir comment ces simples descriptions à la mode
06:46
actuallyréellement matchedapparié up with some ideasidées and investigationsinvestigations from the sidecôté,
101
388000
5000
correspondaient réellement avec des idées et des recherches parallèles,
06:51
and I founda trouvé that they matchedapparié up very well.
102
393000
2000
et j'ai découvert qu'elles correspondaient très bien.
06:53
So the RoslingsRoslings have been ablecapable to do simplicitysimplicité
103
395000
5000
Donc, les Roslings ont réussi à faire simple
06:58
withoutsans pour autant removingenlever what's importantimportant about the dataLes données.
104
400000
4000
sans enlever les éléments importants des informations.
07:02
WhereasAlors que the filmfilm yesterdayhier that we saw
105
404000
4000
Comme le film que nous avons vu hier
07:06
of the simulationsimulation of the insideà l'intérieur of a cellcellule,
106
408000
2000
sur la reproduction de l'intérieur d'une cellule,
07:08
as a formerancien molecularmoléculaire biologistbiologiste, I didn't like that at all.
107
410000
6000
en tant que biologiste moléculaire, je n'ai pas du tout aimé.
07:14
Not because it wasn'tn'était pas beautifulbeau or anything,
108
416000
2000
Pas parce que ce n'était pas beau, pas du tout,
07:16
but because it missesmanque the thing that mostles plus studentsélèves failéchouer to understandcomprendre
109
418000
5000
mais parce qu'il manque la chose essentielle que les étudiants ne comprennent pas
07:21
about molecularmoléculaire biologyla biologie, and that is:
110
423000
3000
à propos de la biologie moléculaire, c’est à dire,
07:24
why is there any probabilityprobabilité at all of two complexcomplexe shapesformes
111
426000
5000
pourquoi y-a t-il des probabilités que deux formes complexes
07:29
findingdécouverte eachchaque other just the right way
112
431000
2000
se trouvent parfaitement
07:31
so they combinecombiner togetherensemble and be catalyzedcatalysé?
113
433000
3000
et peuvent ainsi se combiner et se catalyser?
07:34
And what we saw yesterdayhier was
114
436000
2000
Et ce que nous avons vu hier était,
07:36
everychaque reactionréaction was fortuitousfortuit;
115
438000
3000
que toute réaction est fortuite.
07:39
they just swoopedfondit in the airair and boundlié, and something happenedarrivé.
116
441000
4000
Elles plongent dans les airs, rebondissent et quelque chose se passe.
07:43
But in factfait, those moleculesmolécules are spinningfilage at the ratetaux of
117
445000
4000
Mais en réalité ces molécules tournent à une vitesse
07:47
about a millionmillion revolutionsrévolutions perpar secondseconde;
118
449000
3000
d'environ un million de tours par secondes.
07:50
they're agitatingagitation back and forthavant theirleur sizeTaille everychaque two nanosecondsnanosecondes;
119
452000
6000
Elles remuent de tous les cotés toutes les deux nanosecondes.
07:56
they're completelycomplètement crowdedbondé togetherensemble, they're jammedcoincé,
120
458000
3000
Elles sont complètement serrées les unes sur les autres. Elles sont empilées,
07:59
they're bashingbashing up againstcontre eachchaque other.
121
461000
3000
elles se rentrent dedans.
08:02
And if you don't understandcomprendre that in your mentalmental modelmaquette of this stuffdes trucs,
122
464000
3000
Et si vous ne comprenez pas cela dans votre représentation mentale de ce truc,
08:05
what happensarrive insideà l'intérieur of a cellcellule seemssemble completelycomplètement mysteriousmystérieux and fortuitousfortuit,
123
467000
5000
ce qui se passe à l'intérieur d'une cellule semble complètement mystérieux et fortuit.
08:10
and I think that's exactlyexactement the wrongfaux imageimage
124
472000
2000
Et je pense que c'est exactement la mauvaise image
08:12
for when you're tryingen essayant to teachapprendre sciencescience.
125
474000
3000
à se faire lorsque vous essayez d'enseigner la science.
08:18
So, anotherun autre thing that we do is to confuseconfondre adultadulte sophisticationsophistication
126
480000
5000
Alors une autre chose que nous faisons c'est confondre la sophistication des adultes
08:23
with the actualréel understandingcompréhension of some principleprincipe.
127
485000
5000
avec la compréhension actuelle de certains principes.
08:28
So a kidenfant who'squi est 14 in highhaute schoolécole
128
490000
2000
Alors, un enfant de 14 ans au lycée
08:30
getsobtient this versionversion of the PythagoreanPythagore theoremThéorème de,
129
492000
6000
apprend cette version du théorème de Pythagore,
08:36
whichlequel is a trulyvraiment subtlesubtil and interestingintéressant proofpreuve,
130
498000
3000
ce qui est vraiment une preuve subtile et intéressante,
08:39
but in factfait it's not a good way to startdébut learningapprentissage about mathematicsmathématiques.
131
501000
7000
mais qui en réalité n'est pas un bon moyen de commencer à apprendre les mathématiques.
08:46
So a more directdirect one, one that givesdonne you more of the feelingsentiment of mathmath,
132
508000
5000
Alors une version plus directe, une qui vous donne un meilleur ressenti des maths,
08:51
is something closerplus proche to Pythagoras'Pythagoras' ownposséder proofpreuve, whichlequel goesva like this:
133
513000
4000
serait quelque chose de plus proche de la preuve même du théorème de Pythagore, quelque chose comme cela.
08:55
so here we have this triangleTriangle, and if we surroundentourer that C squarecarré with
134
517000
6000
Donc, ici nous avons un triangle, et si nous entourons ce carré C avec
09:01
threeTrois more trianglestriangles and we copycopie that,
135
523000
3000
trois triangles supplémentaires et que nous recopions cela,
09:04
noticeremarquer that we can movebouge toi those trianglestriangles down like this.
136
526000
5000
remarquez que nous pouvons bouger ces triangles en bas comme cela,
09:09
And that leavesfeuilles two openouvrir areaszones that are kindgentil of suspiciousméfiant ...
137
531000
3000
et que cela nous laisse deux ouvertures qui sont un peu suspects,
09:12
and bingoBingo. That is all you have to do.
138
534000
7000
et Bingo. Et c'est tout ce que vous avez à faire.
09:19
And this kindgentil of proofpreuve is the kindgentil of proofpreuve
139
541000
2000
Et ce genre de preuve est le genre de preuve
09:21
that you need to learnapprendre when you're learningapprentissage mathematicsmathématiques
140
543000
3000
dont vous avez besoin lorsque vous apprenez les mathématiques
09:24
in ordercommande to get an ideaidée of what it meansveux dire
141
546000
3000
si vous voulez comprendre ce que c'est
09:27
before you look into the, literallyLittéralement, 1,200 or 1,500 proofspreuves
142
549000
4000
avant d'aller explorer, littéralement, les 12 ou 1500 preuves
09:31
of Pythagoras'Pythagoras' theoremThéorème de that have been discovereddécouvert.
143
553000
3000
du théorème de Pythagore qui ont été découvertes.
09:37
Now let's go to youngJeune childrenles enfants.
144
559000
3000
Maintenant, voyons les enfants plus jeunes.
09:40
This is a very unusualinhabituel teacherprof
145
562000
2000
Voila un enseignant très bizarre
09:42
who was a kindergartenjardin d’enfants and first-gradepremière année teacherprof,
146
564000
4000
qui enseignait dans des classes de maternelle et de primaire,
09:46
but was a naturalNaturel mathematicianmathématicien.
147
568000
2000
mais elle était une mathématicienne dans l'âme.
09:48
So she was like that jazzle jazz musicianmusicien friendami you have who never studiedétudié musicla musique
148
570000
5000
Elle était comme ce copain musicien qui joue du jazz mais qui n'a jamais étudié la musique,
09:53
but is a terrificformidable musicianmusicien;
149
575000
2000
mais qui est un musicien fantastique.
09:55
she just had a feelingsentiment for mathmath.
150
577000
2000
Elle avait vraiment un don pour les maths,
09:57
And here are her six-year-oldssix ans,
151
579000
3000
et la voila avec ces élèves de 6 ans,
10:00
and she's got them makingfabrication shapesformes out of a shapeforme.
152
582000
5000
et elle leurs demande de fabriquer des formes en utilisant des formes.
10:05
So they pickchoisir a shapeforme they like -- like a diamonddiamant, or a squarecarré,
153
587000
2000
Alors ils prennent une forme qu'ils aiment -- un losange, ou un carré,
10:07
or a triangleTriangle, or a trapezoidtrapèze -- and then they try and make
154
589000
3000
ou un triangle, ou un trapèze -- et ils essaient et reproduisent
10:10
the nextprochain largerplus grand shapeforme of that sameMême shapeforme, and the nextprochain largerplus grand shapeforme.
155
592000
4000
un modèle plus grand de la forme de départ et ainsi de suite.
10:14
You can see the trapezoidstrapèzes are a little challengingdifficile there.
156
596000
4000
Et vous pouvez voir les trapèzes posent un peu de difficultés la.
10:18
And what this teacherprof did on everychaque projectprojet
157
600000
3000
Et ce que cette institutrice a fait pour chaque projet
10:21
was to have the childrenles enfants actacte like first it was a creativeCréatif artsles arts projectprojet,
158
603000
5000
était de permettre aux enfants de percevoir le projet comme un projet d'art créatif
10:26
and then something like sciencescience.
159
608000
2000
et seulement ensuite comme un projet scientifique.
10:28
So they had createdcréé these artifactsartefacts.
160
610000
2000
Donc, ils ont créé ces objets.
10:30
Now she had them look at them and do this ... laboriouslaborieux,
161
612000
4000
Maintenant, elle a demandé aux enfants de les regarder et de le rendre laborieux --
10:34
whichlequel I thought for a long time, untiljusqu'à she explainedexpliqué to me was
162
616000
4000
ce qui m'a fait réfléchir pendant un bon moment, jusqu'à ce qu'elle me l'explique, c'était
10:38
to slowlent them down so they'llils vont think.
163
620000
3000
de leur permettre de se calmer pour ainsi leur permettre de penser.
10:41
So they're cuttingCoupe out the little piecesdes morceaux of cardboardcarton here
164
623000
3000
Alors, tout d'abord, ils coupent les petits morceaux de cartons ici,
10:44
and pasting-coller them up.
165
626000
2000
et les collent.
10:46
But the wholeentier pointpoint of this thing is
166
628000
4000
Mais le but du jeu est
10:50
for them to look at this chartgraphique and fillremplir it out.
167
632000
3000
pour eux, de regarder ce tableau et de le remplir.
10:53
"What have you noticedremarqué about what you did?"
168
635000
4000
Qu'est ce que vous avez remarque par rapport a ce que vous avez fait?
10:57
And so six-year-oldsix ans LaurenLauren there noticedremarqué that the first one tooka pris one,
169
639000
4000
Et alors, Lauren, 6 ans, a remarqué que pour le premier il en fallait un,
11:01
and the secondseconde one tooka pris threeTrois more
170
643000
5000
et que pour le deuxième il en fallait trois de plus,
11:06
and the totaltotal was fourquatre on that one,
171
648000
2000
et que le total était de quatre sur celui la.
11:08
the thirdtroisième one tooka pris fivecinq more and the totaltotal was nineneuf on that one,
172
650000
4000
Le troisième en a pris 5 de plus, et le total était de 9 sur celui la,
11:12
and then the nextprochain one.
173
654000
1000
et ainsi de suite.
11:13
She saw right away that the additionalsupplémentaires tilescarrelage that you had to addajouter
174
655000
5000
Donc, elle s'est tout de suite rendu compte que les carreaux ajoutés
11:18
around the edgesbords was always going to growcroître by two,
175
660000
4000
autour des bords grandissaient toujours par deux.
11:22
so she was very confidentsur de soi about how she madefabriqué those numbersNombres there.
176
664000
3000
Donc, elle se sentait a l'aise lorsqu'elle mettait ces nombres la.
11:25
And she could see that these were the squarecarré numbersNombres up untiljusqu'à about sixsix,
177
667000
5000
Et elle pouvait voir que ceux-ci étaient les nombres des carrés jusqu'à 6.
11:30
where she wasn'tn'était pas sure what sixsix timesfois sixsix was
178
672000
3000
Ce dont elle n'était pas sure c'était ce que représentait 6 fois 6,
11:33
and what sevenSept timesfois sevenSept was,
179
675000
2000
et ce que sept fois sept faisait.
11:35
but then she was confidentsur de soi again.
180
677000
3000
Mais ensuite, elle reprenait confiance en elle-même.
11:38
So that's what LaurenLauren did.
181
680000
2000
C'est donc ce que Lauren a fait.
11:40
And then the teacherprof, GillianGillian IshijimaIshijima, had the kidsdes gamins
182
682000
4000
Et puis, l'institutrice, Gillian Ishijima, a demandé aux enfants
11:44
bringapporter all of theirleur projectsprojets up to the frontde face of the roomchambre and put them on the floorsol,
183
686000
3000
d'apporter tous leurs projets au devant de la pièce et de les mettre par terre.
11:47
and everybodyTout le monde wentest allé batshitbatshit: "HolySainte shitmerde! They're the sameMême!"
184
689000
8000
Et tous etaient epoustouflés! Merde alors! Ce sont les mêmes!
11:55
No mattermatière what the shapesformes were, the growthcroissance lawloi is the sameMême.
185
697000
4000
Peu importe la forme utilisée, la loi de croissance était la même.
11:59
And the mathematiciansmathématiciens and scientistsscientifiques in the crowdfoule
186
701000
3000
Et les mathématiciens et les scientifiques, dans la foule
12:02
will recognizereconnaître these two progressionsprogressions
187
704000
2000
reconnaitront ces deux progressions
12:04
as a first-orderpremier ordre discretediscret differentialdifférentiel equationéquation
188
706000
3000
comme une équation différentielle de premier ordre
12:07
and a second-ordersecond ordre discretediscret differentialdifférentiel equationéquation,
189
709000
5000
et une équation différentielle d'ordre secondaire.
12:12
deriveddérivé by six-year-oldssix ans.
190
714000
4000
Dérivées par un enfant de 6 ans.
12:16
Well, that's prettyjoli amazingincroyable.
191
718000
1000
Et bien c'est plutôt incroyable.
12:17
That isn't what we usuallyd'habitude try to teachapprendre six-year-oldssix ans.
192
719000
3000
Ce n'est pourtant pas cela que nous essayons d'enseigner a nos enfants de 6 ans.
12:20
So, let's take a look now at how we mightpourrait use the computerordinateur for some of this.
193
722000
7000
Alors, maintenant, regardons comment est ce que l'on peut utiliser l'ordinateur pour illustrer cela.
12:27
And so the first ideaidée here is
194
729000
4000
Et donc, la première idée est
12:31
just to showmontrer you the kindgentil of things that childrenles enfants do.
195
733000
4000
simplement de vous montrer le genre de choses que les enfants font.
12:35
I'm usingen utilisant the softwareLogiciel that we're puttingen mettant on the $100 laptopportable.
196
737000
5000
J'utilise le logiciel que nous installons dans un ordinateur portable qui coute 100 dollars.
12:40
So I'd like to drawdessiner a little carvoiture here --
197
742000
6000
Bon, j'aimerais dessiner une petite voiture ici.
12:46
I'll just do this very quicklyrapidement -- and put a biggros tirepneu on him.
198
748000
7000
Je vais le faire très rapidement. Et ici, je vais placer un gros pneu dessus.
12:59
And I get a little objectobjet here and I can look insideà l'intérieur this objectobjet,
199
761000
4000
Et je vais mettre un petit objet ici, et je peux voir à l'intérieur de cet objet.
13:03
I'll call it a carvoiture. And here'svoici a little behaviorcomportement: carvoiture forwardvers l'avant.
200
765000
5000
Je vais l'appeler une voiture. Voila le mouvement. La voiture avance.
13:08
EachChaque time I clickCliquez it, carvoiture turntour.
201
770000
3000
Chaque fois que je clique dessus, la voiture tourne.
13:11
If I want to make a little scriptscript to do this over and over again,
202
773000
2000
Si je veux créer un script pour continuer cette manœuvre,
13:13
I just dragtraîne these guys out and setensemble them going.
203
775000
5000
j'ai juste à faire glisser ces petits trucs et les laisser aller.
13:20
And I can try steeringpilotage the carvoiture here by ...
204
782000
3000
Et je peux essayer de tourner le volant de la voiture ici en --
13:23
See the carvoiture turntour by fivecinq here?
205
785000
2000
voyez la voiture qui tourne en 5 ici?
13:25
So what if I clickCliquez this down to zerozéro?
206
787000
3000
Alors, qu'est ce qui se passe si je clique cela et que je reviens a zéro?
13:28
It goesva straighttout droit. That's a biggros revelationrévélation for nine-year-oldsneuf ans.
207
790000
5000
Elle va tout droit. C'est plutôt une révélation pour un enfant de 9 ans.
13:33
Make it go in the other directiondirection.
208
795000
2000
La faire bouger dans une autre direction.
13:35
But of coursecours, that's a little bitbit like kissingembrasser your sistersœur
209
797000
2000
Bien entendu, c'est un peu comme embrasser votre sœur
13:37
as farloin as drivingau volant a carvoiture,
210
799000
3000
en comparaison avec conduire une voiture.
13:40
so the kidsdes gamins want to do a steeringpilotage wheelroue;
211
802000
3000
Alors les enfants veulent faire un volant.
13:43
so they drawdessiner a steeringpilotage wheelroue.
212
805000
3000
Donc, ils dessinent un volant.
13:46
And we'llbien call this a wheelroue.
213
808000
5000
Et nous appellerons cela un volant.
13:51
See this wheel'sde roue headingtitre here?
214
813000
4000
Et, vous voyez l'étiquette de ce volant ici?
13:55
If I turntour this wheelroue, you can see that numbernombre over there going minusmoins and positivepositif.
215
817000
5000
Si je tourne ce volant, vous pouvez voir ce nombre la qui diminue et devient positif.
14:00
That's kindgentil of an invitationinvitation to pickchoisir up this nameprénom of
216
822000
2000
C'est une forme d'invitation à choisir ce nom de
14:02
those numbersNombres comingvenir out there
217
824000
3000
ces chiffres qui sortent
14:05
and to just droplaissez tomber it into the scriptscript here,
218
827000
2000
et de le poser dans le script ici.
14:07
and now I can steerSteer the carvoiture with the steeringpilotage wheelroue.
219
829000
5000
Et maintenant, Je peux tourner la voiture avec le volant.
14:12
And it's interestingintéressant.
220
834000
2000
Et c'est interessant.
14:14
You know how much troubledifficulté the childrenles enfants have with variablesvariables,
221
836000
3000
Est ce que vous vous rendez compte des difficultés que les enfants rencontrent avec les variables,
14:17
but by learningapprentissage it this way, in a situatedsitué fashionmode,
222
839000
2000
mais en apprenant de cette manière, dans une situation connue,
14:19
they never forgetoublier from this singleunique trialprocès
223
841000
3000
ils n'oublieront jamais grâce à cet essai unique
14:22
what a variablevariable is and how to use it.
224
844000
3000
ce qu'est une variable et comment l'utiliser.
14:25
And we can reflectréfléchir here the way GillianGillian IshijimaIshijima did.
225
847000
2000
Et nous pouvons réfléchir ici, aux moyens utilises par Gillian Ishijima.
14:27
So if you look at the little scriptscript here,
226
849000
2000
Donc, si vous regarder ce script ici,
14:29
the speedla vitesse is always going to be 30.
227
851000
2000
la vitesse va toujours être de 30.
14:31
We're going to movebouge toi the carvoiture accordingselon to that over and over again.
228
853000
5000
Nous allons faire bouger la voiture encore et encore, en prenant cela en compte.
14:36
And I'm droppingchute a little dotpoint for eachchaque one of these things;
229
858000
4000
Et je vais poser un petit point pour chacune de ces choses.
14:40
they're evenlyuniformément spacedespacées de because they're 30 apartune part.
230
862000
3000
Elles sont espacées de façon égale. Elles sont espacées de 30.
14:43
And what if I do this progressionprogression that the six-year-oldssix ans did
231
865000
3000
Et que se passe t-il si j'utilise la progression qu'a utilise l'enfant de six ans
14:46
of sayingen disant, "OK, I'm going to increaseaugmenter the speedla vitesse by two eachchaque time,
232
868000
5000
en disant OK, je vais multiplier ma vitesse par deux à chaque fois,
14:51
and then I'm going to increaseaugmenter the distancedistance by the speedla vitesse eachchaque time?
233
873000
3000
et puis, je vais accroitre ma distance en la multipliant par la vitesse à chaque fois?
14:54
What do I get there?"
234
876000
4000
Qu'est ce que j'obtiens?
14:58
We get a visualvisuel patternmodèle of what these nine-year-oldsneuf ans calledappelé accelerationaccélération.
235
880000
7000
Nous obtenons un parcours de ce que ces enfants de neuf ans appellent accélération.
15:05
So how do the childrenles enfants do sciencescience?
236
887000
2000
Alors, comment est-ce que les enfants découvrent la science?
15:08
(VideoVidéo) TeacherEnseignant: [ChooseChoisir] objectsobjets that you think will falltomber to the EarthTerre at the sameMême time.
237
890000
3000
(Video) Le prof: Les objets que vous pensez vont tomber au sol au même moment -
15:11
StudentStudent 1: OohOoh, this is niceagréable.
238
893000
3000
L'enfant: C'est joli.
15:18
TeacherEnseignant: Do not payPayer any attentionattention
239
900000
2000
Le Prof: Ne prêtez pas attention
15:20
to what anybodyn'importe qui elseautre is doing.
240
902000
3000
à ce que les autres font.
15:35
Who'sQui de got the applePomme?
241
917000
2000
Qui a la pomme?
15:37
AlanAlan KayKay: They'veIls ont got little stopwatcheschronomètres.
242
919000
2000
Alan Kay: Ils ont des petits chronomètres.
15:44
StudentStudent 2: What did you get? What did you get?
243
926000
2000
Le prof: Qu'est ce que vous comprenez? Qu'est ce que vous avez compris?
15:46
AKAK: StopwatchesChronomètres aren'tne sont pas accurateprécis enoughassez.
244
928000
3000
AK: Les chronomètres ne sont pas assez précis.
15:49
StudentStudent 3: 0.99 secondssecondes.
245
931000
2000
La fille: 0.99 secondes.
15:52
TeacherEnseignant: So put "spongeéponge ballballon" ...
246
934000
3000
Le Prof: Alors: met la "balle en éponge"
15:56
StudentStudent 4l: [I decideddécidé to] do the shotcoup put and the spongeéponge ballballon
247
938000
3000
La Fille: Il y avait un lancer du poid et une balle en éponge,
15:59
because they're two totallytotalement differentdifférent weightspoids,
248
941000
3000
parce qu’ils sont de poids complètement différents.
16:02
and if you droplaissez tomber them at the sameMême time,
249
944000
2000
Et si vous les lâchez en même temps,
16:04
maybe they'llils vont droplaissez tomber at the sameMême speedla vitesse.
250
946000
2000
ils vont peut-être tomber à la même vitesse.
16:06
TeacherEnseignant: DropLaisser tomber. ClassClasse: WhoaWhoa!
251
948000
2000
Le Prof: Laches.
16:10
AKAK: So obviouslyévidemment, AristotleAristote never askeda demandé a childenfant
252
952000
3000
AK: Visiblement Aristote n'a jamais demandé à un enfant
16:13
about this particularparticulier pointpoint
253
955000
3000
à ce sujet,
16:16
because, of coursecours, he didn't botherpas la peine doing the experimentexpérience,
254
958000
2000
parce que, bien entendu, il n'a pas pris le temps de faire l'expérience,
16:18
and neitherni did StSt. ThomasThomas AquinasThomas d’Aquin.
255
960000
2000
ni St Thomas d'Aquin d'ailleurs.
16:20
And it was not untiljusqu'à GalileoGalileo actuallyréellement did it
256
962000
2000
Et il a fallut attendre Galilée
16:22
that an adultadulte thought like a childenfant,
257
964000
3000
afin qu'un adulte pense comme un enfant.
16:25
only 400 yearsannées agodepuis.
258
967000
3000
Il y a seulement 400 ans.
16:28
We get one childenfant like that about everychaque classroomSalle de classe of 30 kidsdes gamins
259
970000
4000
Nous avons un enfant comme cela en moyenne dans une classe de 30 enfants
16:32
who will actuallyréellement cutCouper straighttout droit to the chaseChase.
260
974000
3000
qui ira directement a la conclusion.
16:35
Now, what if we want to look at this more closelyétroitement?
261
977000
3000
Maintenant, que se passe t-il si nous regardons a cela de façon plus approfondie?
16:38
We can take a moviefilm of what's going on,
262
980000
3000
Nous pouvons faire un film de ce qui se passe,
16:41
but even if we singleunique steppedétagé this moviefilm,
263
983000
2000
mais même si nous prenions chaque étape de ce film,
16:43
it's trickyrusé to see what's going on.
264
985000
2000
ça devient délicat de comprendre ce qui se passe.
16:45
And so what we can do is we can layallonger out the framescadres sidecôté by sidecôté
265
987000
3000
Donc, ce que nous pouvons faire, nous pouvons mettre des tableaux l’un à coté de l’autre,
16:48
or stackempiler them up.
266
990000
2000
ou les empiler.
16:50
So when the childrenles enfants see this, they say, "AhAh! AccelerationAccélération,"
267
992000
5000
Ainsi, lorsque les enfants les voient, ils disent "ah, accélération,"
16:55
rememberingse souvenir back fourquatre monthsmois when they did theirleur carsdes voitures sidewayssur le côté,
268
997000
3000
parce qu'ils se souviennent qu'il y a 4 mois ils ont mis leur voiture en biais,
16:58
and they startdébut measuringmesure to find out what kindgentil of accelerationaccélération it is.
269
1000000
6000
et ils commencent à mesurer pour découvrir la nature de l'accélération.
17:04
So what I'm doing is measuringmesure from the bottombas of one imageimage
270
1006000
6000
Et donc, ce que je fais c'est mesurer en commençant en bas d'une image
17:10
to the bottombas of the nextprochain imageimage, about a fifthcinquième of a secondseconde laterplus tard,
271
1012000
5000
jusque sur le bas de l'image d'à coté, environ un cinquième de seconde plus tard,
17:15
like that. And they're gettingobtenir fasterPlus vite and fasterPlus vite eachchaque time,
272
1017000
2000
comme ça, et a chaque fois, ils vont de plus en plus vite.
17:17
and if I stackempiler these guys up, then we see the differencesdifférences; the increaseaugmenter
273
1019000
10000
Et si je les empile, alors nous voyons les différences, l’augmentation
17:27
in the speedla vitesse is constantconstant.
274
1029000
3000
de la vitesse est constante.
17:30
And they say, "Oh, yeah. ConstantConstante accelerationaccélération.
275
1032000
2000
Et alors, ils s'exclament, oh oui, acceleration constante.
17:32
We'veNous avons doneterminé that alreadydéjà."
276
1034000
2000
Nous avons déjà fait cela.
17:34
And how shalldevra we look and verifyVérifier that we actuallyréellement have it?
277
1036000
8000
Et comment est ce qu’on vérifie que nous l’avons déjà fait?
17:42
So you can't tell much from just makingfabrication the ballballon droplaissez tomber there,
278
1044000
5000
Nous ne pouvons pas vraiment le dire juste en posant la balle ici,
17:47
but if we droplaissez tomber the ballballon and runcourir the moviefilm at the sameMême time,
279
1049000
4000
mais si nous mettons la balle et mettons le film en marche en même temps,
17:53
we can see that we have come up with an accurateprécis physicalphysique modelmaquette.
280
1055000
5000
nous pouvons voir que nous arrivons à un modèle physique précis.
18:00
GalileoGalileo, by the way, did this very cleverlyhabilement
281
1062000
4000
Galilée, au fait, avait fait cela de manière très intelligente
18:04
by runningfonctionnement a ballballon backwardsen arrière down the stringscordes of his luteluth.
282
1066000
3000
en laissant une balle tomber à l’envers le long d'une corde de son Luth.
18:07
I pulledtiré out those applespommes to remindrappeler myselfmoi même to tell you that
283
1069000
5000
J'ai sorti ces pommes afin de me souvenir qu'il fallait que je vous dise que
18:12
this is actuallyréellement probablyProbablement a NewtonNewton and the applePomme typetype storyrécit,
284
1074000
5000
c'est en fait, probablement une histoire comme Newton et son histoire de pommes,
18:17
but it's a great storyrécit.
285
1079000
2000
mais c'est une bonne histoire.
18:19
And I thought I would do just one thing
286
1081000
2000
Et j’ai pensé de faire juste une chose
18:21
on the $100 laptopportable here just to proveprouver that this stuffdes trucs workstravaux here.
287
1083000
10000
sur l'ordinateur à 100 dollars juste pour vous prouver que ce truc marche.
18:31
So onceune fois que you have gravityla gravité, here'svoici this --
288
1093000
3000
Alors, une fois que vous avez la gravité, la voila --
18:34
increaseaugmenter the speedla vitesse by something,
289
1096000
2000
augmentez un petit peu la vitesse,
18:36
increaseaugmenter the ship'sdu navire speedla vitesse.
290
1098000
3000
augmentez la vitesse du vaisseau spatial.
18:39
If I startdébut the little gameJeu here that the kidsdes gamins have doneterminé,
291
1101000
3000
Si je commence le petit jeu que les enfants ont fait,
18:42
it'llça va crashcrash the spaceespace shipnavire.
292
1104000
2000
le vaisseau va se planter.
18:44
But if I opposes’opposer à gravityla gravité, here we go ... OopsOups!
293
1106000
4000
Mais si j'oppose la gravite, la voila -- oups!
18:48
(LaughterRires)
294
1110000
2000
(Rires)
18:50
One more.
295
1112000
1000
Une fois de plus.
18:54
Yeah, there we go. Yeah, OK?
296
1116000
5000
Ouais, nous y voila. Ouais, Ok?
18:59
I guessdeviner the bestmeilleur way to endfin this is with two quotescitations:
297
1121000
7000
Je pense que le meilleur moyen de finir ceci c'est avec deux citations.
19:06
MarshallMarshall McLuhanMcLuhan said,
298
1128000
2000
Marshall McLuhan a dit,
19:08
"ChildrenEnfants are the messagesmessages that we sendenvoyer to the futureavenir,"
299
1130000
4000
"Les enfants sont les messages que nous envoyons au future."
19:12
but in factfait, if you think of it,
300
1134000
2000
Mais, en fait, quand on y pense,
19:14
childrenles enfants are the futureavenir we sendenvoyer to the futureavenir.
301
1136000
2000
les enfants sont le futur que nous envoyons dans le futur.
19:16
ForgetOubliez about messagesmessages;
302
1138000
3000
Oubliez les messages.
19:19
childrenles enfants are the futureavenir,
303
1141000
3000
Les enfants sont le futur.
19:22
and childrenles enfants in the first and secondseconde worldmonde
304
1144000
2000
Et les enfants du premier monde et du second monde,
19:24
and, mostles plus especiallynotamment, in the thirdtroisième worldmonde
305
1146000
3000
et plus spécialement du tiers monde,
19:27
need mentorsmentors.
306
1149000
2000
ont besoin de mentors.
19:29
And this summerété, we're going to buildconstruire fivecinq millionmillion of these $100 laptopsordinateurs portables,
307
1151000
5000
Et cet été, nous allons construire 5 millions de ces ordinateurs à 100 dollars
19:34
and maybe 50 millionmillion nextprochain yearan.
308
1156000
2000
et peut être 50 millions l'année prochaine.
19:36
But we couldn'tne pouvait pas createcréer 1,000 newNouveau teachersenseignants this summerété to saveenregistrer our life.
309
1158000
7000
Mais nous ne pouvons pas créer un milliers de nouveaux instructeurs cet été, pour sauver nos vies.
19:43
That meansveux dire that we, onceune fois que again, have a thing where we can put technologyLa technologie out,
310
1165000
6000
Et ça veut dire qu'une fois de plus, nous avons les moyens de créer de la technologie,
19:49
but the mentoringmentorat that is requiredChamps obligatoires to go
311
1171000
3000
mais le suivi pédagogique qui permettrait d'aller
19:52
from a simplesimple newNouveau iChatiChat instantinstant messagingMessagerie systemsystème
312
1174000
5000
d'un simple système de messagerie instantanée
19:57
to something with depthprofondeur is missingmanquant.
313
1179000
2000
à quelque chose de profond manque complètement.
19:59
I believe this has to be doneterminé with a newNouveau kindgentil of userutilisateur interfaceinterface,
314
1181000
3000
Je pense que cela peut se faire avec un nouveau type d’interface.
20:02
and this newNouveau kindgentil of userutilisateur interfaceinterface could be doneterminé
315
1184000
4000
Et ce type d’interface pourrait être réalisé
20:06
with an expendituredépenses of about 100 millionmillion dollarsdollars.
316
1188000
5000
en dépensant environ 100 millions de dollars.
20:11
It soundsdes sons like a lot, but it is literallyLittéralement 18 minutesminutes of what we're spendingdépenses in IraqIrak --
317
1193000
7000
Ça pourrait sembler beaucoup, mais ça représente en réalité 18 minutes de ce que nous dépensons en Iraq.
20:18
we're spendingdépenses 8 billionmilliard dollarsdollars a monthmois; 18 minutesminutes is 100 millionmillion dollarsdollars --
318
1200000
5000
Nous dépensons 8 milliards de dollars par mois. 18 minutes représentent 100 millions.
20:23
so this is actuallyréellement cheappas cher.
319
1205000
2000
Alors c'est relativement peu cher.
20:25
And EinsteinEinstein said,
320
1207000
4000
Et Einstein a dit,
20:29
"Things should be as simplesimple as possiblepossible, but not simplerplus simple."
321
1211000
3000
"Les choses devrait être aussi simple que possible, mais pas plus simples."
20:32
Thank you.
322
1214000
1000
Merci.
Translated by Aline Hanle
Reviewed by Anna Cristiana Minoli

▲Back to top

ABOUT THE SPEAKER
Alan Kay - Educator and computing pioneer
One of the true luminaries of personal computing, Alan Kay conceived of laptops and graphical interfaces years before they were realized. At XeroxPARC, Apple, HP and Disney, he has developed tools for improving the mind.

Why you should listen

"The best way to predict the future is to invent it." Alan Kay not only coined this favorite tech-world adage, but has proven its truth several times. A true polymath, as well as inventor, he has combined engineering brilliance with knowledge of child development, epistemology, molecular biology and more.

In the 1960s, Kay joined the computer team at XeroxPARC, where he worked on world-changing inventions like the graphical interface, object-oriented programming, and the personal computer itself. Later, at Apple, Atari, HP, Disney, and now at his own nonprofits, he has helped refine the tools he anticipated long before they were realized.

As the industry has blossomed, however, Kay continues to grapple with the deeper purpose of computing, struggling to create the machine that won't only recapitulate patterns in the world as we know it but will teach both children and adults to think, to see what otherwise is beyond them.

More profile about the speaker
Alan Kay | Speaker | TED.com