TED2006
Michael Shermer: Why people believe weird things
માઇકલ શેરર: લોકો વિચિત્ર વસ્તુઓ કેમ માને છે
Filmed:
Readability: 4.2
7,339,268 views
શા માટે લોકો વર્જિન મેરીને ચીઝ સેન્ડવિચ પર જુએ છે અથવા "સ્ટેરવે ટૂ હેવન" માં રાક્ષસી ગીતો સાંભળે છે? વિડિઓ અને સંગીતનો ઉપયોગ કરીને, શંકાસ્પદ માઇકલ શર્મર બતાવે છે કે આપણે કેવી રીતે પોતાને માનવા માટે રાજી કરીએ છીએ - અને તથ્યોને અવગણીએ છીએ.
Michael Shermer - Skeptic
Michael Shermer debunks myths, superstitions and urban legends -- and explains why we believe them. Along with publishing Skeptic Magazine, he's author of Why People Believe Weird Things and The Mind of the Market. Full bio
Michael Shermer debunks myths, superstitions and urban legends -- and explains why we believe them. Along with publishing Skeptic Magazine, he's author of Why People Believe Weird Things and The Mind of the Market. Full bio
Double-click the English transcript below to play the video.
00:24
I'm Michael Shermer,
director of the Skeptics Society,
director of the Skeptics Society,
0
0
2532
હું માઇકલ શર્મર છું,
સ્કેપ્ટિક્સ સોસાયટીના ડિરેક્ટર,
સ્કેપ્ટિક્સ સોસાયટીના ડિરેક્ટર,
00:27
publisher of "Skeptic" magazine.
1
2556
1532
સ્કેપ્ટીક" મેગેઝિનના પ્રકાશક.
00:28
We investigate claims of the paranormal,
2
4112
1913
અમે પેરાનોર્મલના દાવાની તપાસ કરીએ છીએ,
00:30
pseudo-science, fringe groups and cults,
and claims of all kinds between,
and claims of all kinds between,
3
6049
3682
સ્યુડો-વિજન, ફ્રિન્જ જૂથો અને સંપ્રદાય,
અને વચ્ચેના તમામ પ્રકારનાં દાવા,
અને વચ્ચેના તમામ પ્રકારનાં દાવા,
00:34
science and pseudo-science
and non-science and junk science,
and non-science and junk science,
4
9755
2894
વિજ્ન અને સ્યુડો-વિજ્ન
અને બિન-વિજ્ andાન અને જંક વિજ્ ન,
અને બિન-વિજ્ andાન અને જંક વિજ્ ન,
00:37
voodoo science, pathological science,
bad science, non-science,
bad science, non-science,
5
12673
3303
વૂડૂ વિજ્ન, રોગવિજ્નવિજ્ન,
ખરાબ વિજ્ન, વિજ્ ન,
ખરાબ વિજ્ન, વિજ્ ન,
00:40
and plain old non-sense.
6
16000
1887
અને સાદો જૂનો અકારણ.
00:42
And unless you've been on Mars recently,
7
17911
1917
અને જયાંસુધી તમે તાજેતરમાં મંગળ પર નહોવ
00:44
you know there's a lot of that out there.
8
19852
2018
તમે જાણો છો કે ત્યાં ઘણું બધું છે.
00:46
Some people call us debunkers,
which is kind of a negative term.
which is kind of a negative term.
9
21894
3022
કેટલાક લોકો અમને ડિબંકર્સ કહે છે
જે એક પ્રકાર નકારાત્મક શબ્દ છે
જે એક પ્રકાર નકારાત્મક શબ્દ છે
00:49
But let's face it, there's a lot of bunk.
10
24940
2108
પરંતુ આપણે તેનો સામનો કરીત્યાં ઘણા બંક છે
00:51
We are like the bunko squads
of the police departments out there --
of the police departments out there --
11
27072
3453
અમે બંકો ટુકડીઓ જેવા છીએ
ત્યાં બહાર પોલીસ વિભાગના -
ત્યાં બહાર પોલીસ વિભાગના -
00:55
well, we're sort of like
the Ralph Naders of bad ideas,
the Ralph Naders of bad ideas,
12
30549
3427
સારું, અમે જેવા છો
ખરાબ વિચારોના રાલ્ફ નાડર્સ,
ખરાબ વિચારોના રાલ્ફ નાડર્સ,
00:58
(Laughter)
13
34000
1230
(હાસ્ય)
01:00
trying to replace bad ideas
with good ideas.
with good ideas.
14
35254
2722
ખરાબ વિચારોને બદલવાનો પ્રયાસ કરી રહ્યાં છે
સારા વિચારો સાથ
સારા વિચારો સાથ
01:02
I'll show you an example of a bad idea.
15
38000
1863
હું તમને ખરાબ વિચારનું ઉદાહરણ બતાવીશ.
01:04
I brought this with me,
16
39887
1158
હું આ મારી સાથે લઈ આવ્યો
01:05
this was given to us
by NBC Dateline to test.
by NBC Dateline to test.
17
41069
3907
આ અમને આપવામાં આવ્યું હતું
એનબીસી તારીખ પરીક્ષણ માટે.
એનબીસી તારીખ પરીક્ષણ માટે.
01:09
It's produced by the Quadro
Corporation of West Virginia.
Corporation of West Virginia.
18
45000
3286
તે ક્વાડ્રો દ્વારા ઉત્પાદિત છે
પશ્ચિમ વર્જિનિયા નિગમ
પશ્ચિમ વર્જિનિયા નિગમ
01:13
It's called the Quadro 2000 Dowser Rod.
19
48310
2910
તેને ક્વાડ્રો 2000 ડોઝર રોડ કહે છે.
01:16
(Laughter)
20
51244
1446
(હાસ્ય)
01:17
This was being sold to high-school
administrators for $900 apiece.
administrators for $900 apiece.
21
52714
5262
આ હાઇ સ્કૂલને વેચવામાં આવી રહ્યું હતું
ie 900 ની રકમ માટે સંચાલકો.
ie 900 ની રકમ માટે સંચાલકો.
01:22
It's a piece of plastic with a Radio
Shack antenna attached to it.
Shack antenna attached to it.
22
58000
4327
તે રેડિયો સાથે પ્લાસ્ટિકનો ટુકડો છે
તેની સાથે શckક એન્ટેના જોડાયેલ છે.
તેની સાથે શckક એન્ટેના જોડાયેલ છે.
01:27
You could dowse for all sorts of things,
23
62351
1966
તમે બધી પ્રકારની વસ્તુઓ ડાઉઝ કરી શકો છો
01:29
but this particular one was built
to dowse for marijuana
to dowse for marijuana
24
64341
3393
પરંતુ આ એક ખાસ બાંધવામાં આવ્યું હતું
ગાંજા માટે ડાઉઝ
ગાંજા માટે ડાઉઝ
01:32
in students' lockers.
25
67758
1218
વિદ્યાર્થીઓના લોકરોમાં.
01:33
(Laughter)
26
69000
2460
(હાસ્ય)
01:36
So the way it works
is you go down the hallway,
is you go down the hallway,
27
71484
3545
તેથી તે જે રીતે કાર્ય કરે છે
શું તમે હ hallલવે નીચે જાઓ છો,
શું તમે હ hallલવે નીચે જાઓ છો,
01:39
and you see if it tilts
toward a particular locker,
toward a particular locker,
28
75053
2999
અને તમે જોશો કે તે નમે છે
કોઈ ખાસ લોકર તરફ,
કોઈ ખાસ લોકર તરફ,
01:42
and then you open the locker.
29
78076
1444
અને પછી તમે લોકર ખોલો.
01:44
So it looks something like this.
30
79544
1577
તેથી તે કંઈક આના જેવું લાગે છે.
01:45
I'll show you.
31
81145
1183
હુ તને દેખાડીસ.
01:48
(Laughter)
32
83809
1167
(હાસ્ય)
01:49
Well, it has kind of a right-leaning bias.
33
85000
3391
ઠીક છે, તેમાં એક પ્રકારનો જમણો વૃત્તિ છે.
01:53
Well, this is science,
so we'll do a controlled experiment.
so we'll do a controlled experiment.
34
88415
2805
સારું, આ વિજ્ isાન છે,
તેથી અમે નિયંત્રિત પ્રયોગ કરીશું.
તેથી અમે નિયંત્રિત પ્રયોગ કરીશું.
01:56
It'll go this way for sure.
35
91244
1582
તે ખાતરી માટે આ રીતે આગળ વધશે.
01:57
(Laughter)
36
92850
3934
(હાસ્ય)
02:01
Sir, do you want to empty
your pockets, please, sir?
your pockets, please, sir?
37
96808
2526
સાહેબ, તમે ખાલી કરવા માંગો છો
તમારા ખિસ્સાકૃપા કરીનેસર
તમારા ખિસ્સાકૃપા કરીનેસર
02:04
(Laughter)
38
99358
1838
(હાસ્ય)
02:06
So the question was, can it actually
find marijuana in students' lockers?
find marijuana in students' lockers?
39
101220
3457
સાહેબ, તમે ખાલી કરવા માંગો છો?
તમારા ખિસ્સા, કૃપા કરીને, સર?
તમારા ખિસ્સા, કૃપા કરીને, સર?
02:09
And the answer is,
if you open enough of them, yes.
if you open enough of them, yes.
40
104701
2598
અને જવાબ છે,
જો તમે તેમાંના પૂરતા પ્રમાણમાં ખોલશો,તો હા
જો તમે તેમાંના પૂરતા પ્રમાણમાં ખોલશો,તો હા
02:12
(Laughter)
41
107323
1023
(હાસ્ય)
02:13
(Applause)
42
108370
1606
(તાળીઓ)
02:14
But in science, we have to keep track
of the misses, not just the hits.
of the misses, not just the hits.
43
110000
3381
પરંતુ વિજ્ .ાનમાં, આપણે ટ્રક રાખવું પડશે
ચૂકી છે, માત્ર હિટ નથી.
ચૂકી છે, માત્ર હિટ નથી.
02:18
And that's probably the key lesson
to my short talk here:
to my short talk here:
44
113405
3266
અને તે જ કદાચ મુખ્ય પાઠ છે
મારી ટૂંકી વાત અહીં:
મારી ટૂંકી વાત અહીં:
02:21
This is how psychics work, astrologers,
tarot card readers and so on.
tarot card readers and so on.
45
116695
3734
આ રીતે મનોવિજ્ન કાર્ય કરે છે, જ્યોતિષીઓ,
ટેરોટ કાર્ડ વાચકો અને તેથી વધુ.
ટેરોટ કાર્ડ વાચકો અને તેથી વધુ.
02:25
People remember the hits
and forget the misses.
and forget the misses.
46
120453
2219
લોકોને હિટ યાદ આવે છે
અને ચૂકી ભૂલો.
અને ચૂકી ભૂલો.
02:27
In science, we keep the whole database,
47
122696
1895
વિજ્ Inાનમાં, અમે આખો ડેટાબેસ રાખીએ છીએ
02:29
and look to see if the number
of hits somehow stands out
of hits somehow stands out
48
124615
2661
અને તે જોવા માટે જો સંખ્યા
હિટ્સ કોઈક બહાર રહે છે
હિટ્સ કોઈક બહાર રહે છે
02:32
from the total number
you'd expect by chance.
you'd expect by chance.
49
127300
2213
કુલ સંખ્યામાંથી
તમે તક દ્વારા અપેક્ષા કરશો.
તમે તક દ્વારા અપેક્ષા કરશો.
02:34
In this case, we tested it.
50
129537
1294
આકિસ્સાઅમેતે પરીક્ષણકર્યું
02:35
We had two opaque boxes:
51
130855
1492
અમારી પાસે બે અપારદર્શક ક્સ હતા
02:37
one with government-approved THC
marijuana, and one with nothing.
marijuana, and one with nothing.
52
132371
3634
એક સરકાર દ્વારા માન્યતા પ્રાપ્ત THC સાથે
ગાંજા, અને કઈ નથી.
ગાંજા, અને કઈ નથી.
02:40
And it got it 50 percent of the time --
53
136029
1881
અને તે તેને 50 ટકા સમય મળ્યો -
2: 17.93
2: 17.93
02:42
(Laughter)
54
137934
1093
(હાસ્ય)
02:43
which is exactly what you'd expect
with a coin-flip model.
with a coin-flip model.
55
139051
2925
જે બરાબર તે જ છે જેની તમે અપેક્ષા કરશો
સિક્કો-ફ્લિપ મોડેલ સાથે
સિક્કો-ફ્લિપ મોડેલ સાથે
02:46
So that's just a fun little example
here of the sorts of things we do.
here of the sorts of things we do.
56
142000
3991
તેથી તે માત્ર એક મનોરંજક નાનું ઉદાહરણ છે
અહીં આપણે જે વસ્તુઓ કરીએ છીએ તે અહીં છે.
અહીં આપણે જે વસ્તુઓ કરીએ છીએ તે અહીં છે.
02:50
"Skeptic" is the quarterly publication.
Each one has a particular theme.
Each one has a particular theme.
57
146015
3468
સ્કેપ્ટીક "ત્રિમાસિક પ્રકાશન છે.
દરેક પાસે એક ચોક્કસ થીમ છે.
દરેક પાસે એક ચોક્કસ થીમ છે.
02:54
This one is on the future of intelligence.
58
149507
2074
આ એક બુદ્ધિના ભાવિ પર છે.
02:56
Are people getting smarter or dumber?
59
151605
1771
શું લોકો સ્માર્ટ કે ડમ્બર થઈ રહ્યા છે
02:58
I have an opinion of this myself
because of the business I'm in,
because of the business I'm in,
60
153400
3048
મારે આ અંગેનો અભિપ્રાય છે
હું જે વ્યવસાયમાં છું તેના કારણે,
હું જે વ્યવસાયમાં છું તેના કારણે,
03:01
but in fact, people, it turns out,
are getting smarter.
are getting smarter.
61
156472
2667
પરંતુહકીકતમાંલોકોતેબહાર આવ્યું છે
વધુ સ્માર્ટ થઈ રહ્યા છે
વધુ સ્માર્ટ થઈ રહ્યા છે
03:03
Three IQ points per 10 years, going up.
62
159163
2813
10 વર્ષ દીઠ ત્રણ IQ પોઇન્ટ, ઉપર જતા.
03:06
Sort of an interesting thing.
63
162000
1651
એક રસપ્રદ વસ્તુને સortર્ટ કરો.
03:08
With science, don't think of skepticism
as a thing, or science as a thing.
as a thing, or science as a thing.
64
163675
3547
વિજ્ન સાથેનાસ્તિકતા વિશે વિચારો નહીં
વસ્તુ તરીકે અથવા વિજ્ scienceાન તરીકે.
વસ્તુ તરીકે અથવા વિજ્ scienceાન તરીકે.
03:12
Are science and religion compatible?
65
167246
1730
શું વિજ્ andાન અને ધર્મ સુસંગત છે?
03:13
It's like, are science
and plumbing compatible?
and plumbing compatible?
66
169000
2231
એવું છે, વિજ્ .ાન છે
અને પ્લમ્બિંગ સુસંગત છે?
અને પ્લમ્બિંગ સુસંગત છે?
03:16
They're just two different things.
67
171255
1634
તેઓ ફક્ત બે અલગ વસ્તુઓ છે.
03:17
Science is not a thing. It's a verb.
68
172913
1739
વિજ્ .ાન વસ્તુ નથી. તે ક્રિયાપદ છે.
03:19
It's a way of thinking about things.
69
174676
1722
તે વસ્તુઓ વિશે વિચારવાનો એક માર્ગ છે
03:21
It's a way of looking for natural
explanations for all phenomena.
explanations for all phenomena.
70
176422
3070
તે કુદરતી શોધવાની રીત છે
બધા અસાધારણ ઘટના માટે સ્પષ્ટતા.
બધા અસાધારણ ઘટના માટે સ્પષ્ટતા.
03:24
I mean, what's more likely:
71
179516
1350
મારો મતલબ, વધુ સંભવિત શું છે
03:25
that extraterrestrial intelligences
or multi-dimensional beings
or multi-dimensional beings
72
180890
3563
કે બહારની દુનિયાના બુદ્ધિ
અથવા બહુ-પરિમાણીય જીવો
અથવા બહુ-પરિમાણીય જીવો
03:29
travel across vast distances
of interstellar space
of interstellar space
73
184477
2390
વિશાળ અંતરની મુસાફરી
આંતરરાષ્ટ્રીય જગ્યા
આંતરરાષ્ટ્રીય જગ્યા
03:31
to leave a crop circle in Farmer Bob's
field in Puckerbrush, Kansas
field in Puckerbrush, Kansas
74
186891
3180
ખેડૂત બોબમાં પાક વર્તુળ છોડવા માટે
કેકસના પુકરબ્રશ ક્ષેત્રમાં
કેકસના પુકરબ્રશ ક્ષેત્રમાં
03:34
to promote skeptic.com, our web page?
75
190095
1810
skeptic.comઅમારાવેબનેપ્રોત્સાહનઆપવામાટ
03:36
Or is it more likely that a reader
of "Skeptic" did this with Photoshop?
of "Skeptic" did this with Photoshop?
76
191929
4478
અથવા સંભવ છે કે કોઈ વાચક
"સ્કેપ્ટીક" ના ફોટોશોપ સાથે આ કર્યું?
"સ્કેપ્ટીક" ના ફોટોશોપ સાથે આ કર્યું?
03:41
And in all cases we have to ask --
77
196431
1650
અને બધા કિસ્સામાં આપણે પૂછવું પડશે
03:42
(Laughter)
78
198105
1824
હાસ્ય
03:44
What's the more likely explanation?
79
199953
2023
વધુ સંભવિત સમજૂતી શું છે?
03:46
Before we say something
is out of this world,
is out of this world,
80
202000
2167
આપણે કંઇક કહેતા પહેલા
આ દુનિયાની બહાર છે,
આ દુનિયાની બહાર છે,
03:48
we should first make sure
that it's not in this world.
that it's not in this world.
81
204191
2664
આપણે પહેલા ખાતરી કરવી જોઈએ
કે તે આ દુનિયામાં નથી.
કે તે આ દુનિયામાં નથી.
03:51
What's more likely:
82
206879
1151
વધુ શક્યતા શું છે:
03:52
that Arnold had extraterrestrial help
in his run for the governorship,
in his run for the governorship,
83
208054
3326
કે આર્નોલ્ડને બહારની દુનિયાની મદદ મળી
રાજ્યપાલ પદ માટે તેમની દોડમાં,
રાજ્યપાલ પદ માટે તેમની દોડમાં,
03:56
or that the "World Weekly News"
makes stuff up?
makes stuff up?
84
211404
2498
અથવા તે "વર્લ્ડ સાપ્તાહિક સમાચાર"
સામગ્રી બનાવે છે?
સામગ્રી બનાવે છે?
03:58
(Laughter)
85
213926
1389
હાસ્ય
04:00
The same theme is expressed nicely
here in this Sidney Harris cartoon.
here in this Sidney Harris cartoon.
86
215339
4662
સમાન થીમ સરસ રીતે વ્યક્ત કરવામાં આવી છે
અહીં આ સિડની હેરિસ કાર્ટૂનમાં.
અહીં આ સિડની હેરિસ કાર્ટૂનમાં.
04:04
For those of you in the back,
it says here: "Then a miracle occurs.
it says here: "Then a miracle occurs.
87
220025
3215
પાછળના તમારામાંના માટે,
તે અહીં કહે છે: "પછી એક ચમત્કાર થાય છે.
તે અહીં કહે છે: "પછી એક ચમત્કાર થાય છે.
04:08
I think you need to be more
explicit here in step two."
explicit here in step two."
88
223264
2712
મને લાગે છે તમારે વધુ બનવાની જરૂર છે
અહીં પગલું બે સ્પષ્ટ
અહીં પગલું બે સ્પષ્ટ
04:10
This single slide completely dismantles
the intelligent design arguments.
the intelligent design arguments.
89
226000
4496
આ એક સ્લાઇડ સંપૂર્ણપણે વિખેરી નાખે છે
બુદ્ધિશાળી ડિઝાઇન દલીલો.
બુદ્ધિશાળી ડિઝાઇન દલીલો.
04:15
There's nothing more to it than that.
90
230520
1848
તેના કરતાં વધુ કંઇ નથી.
04:17
(Applause)
91
232392
1050
(તાળીઓ)
04:18
You can say a miracle occurs,
92
233466
1388
તમે કહીશકોછોકેકોઈચમત્કારથાયછે
04:19
it's just that it doesn't explain
anything or offer anything.
anything or offer anything.
93
234878
2966
તે એટલું જ છે જે તે સમજાતું નથી
કંઈપણ અથવા કંઈપણ આપે છે.
કંઈપણ અથવા કંઈપણ આપે છે.
04:22
There's nothing to test.
94
237868
1150
પરીક્ષણ કરવા માટેકંઈ નથી
04:23
It's the end of the conversation
for intelligent design creationists.
for intelligent design creationists.
95
239042
3448
તે વાતચીતનો અંત છે
બુદ્ધિશાળી ડિઝાઇન રચનાકારો માટે
બુદ્ધિશાળી ડિઝાઇન રચનાકારો માટે
04:27
And it's true, scientists sometimes throw
terms out as linguistic place fillers --
terms out as linguistic place fillers --
96
242514
4886
અને તે સાચું છે વૈજ્નિકો કેટલી ફેંકી દે છે
ભાષાકીય સ્થાન ભરનારા તરીકેની શરતો
ભાષાકીય સ્થાન ભરનારા તરીકેની શરતો
04:32
dark energy or dark matter,
something like that --
something like that --
97
247424
2348
શ્યામ orર્જા અથવા શ્યામ પદાર્થ,
તેના જેવું કંઇક --
તેના જેવું કંઇક --
04:34
until we figure out what it is,
we'll call it this.
we'll call it this.
98
249796
2460
જ્યાં સુધી આપણે તે શોધીએ નહીં,
અમે તેને આ કહીશું
અમે તેને આ કહીશું
04:37
It's the beginning of the causal
chain for science.
chain for science.
99
252280
2701
તે કારકની શરૂઆત છે
વિજ્ forાન માટે સાંકળ.
વિજ્ forાન માટે સાંકળ.
04:39
For intelligent design creationists,
it's the end of the chain.
it's the end of the chain.
100
255005
4075
બુદ્ધિશાળી ડિઝાઇન બનાવટ માટે,
તે સાંકળનો અંત છે.
તે સાંકળનો અંત છે.
04:43
So again, we can ask this:
what's more likely?
what's more likely?
101
259104
2172
તો ફરી, આપણે આ પૂછી શકીએ:
વધુ શક્યતા શું છે?
વધુ શક્યતા શું છે?
04:46
Are UFOs alien spaceships, or perceptual
cognitive mistakes, or even fakes?
cognitive mistakes, or even fakes?
102
261300
4391
યુએફઓ એ એલિયન સ્પેસશીપ્સ છે, અથવા ખ્યાલ છે
જ્ cાનાત્મક ભૂલો, અથવા તો બનાવટી પણ?
જ્ cાનાત્મક ભૂલો, અથવા તો બનાવટી પણ?
04:50
This is a UFO shot from my house
in Altadena, California,
in Altadena, California,
103
265715
3261
આ મારા ઘરમાંથી એક યુએફઓ શોટ છે
કેલિફોર્નિયાના અલ્તાડેનામાં,
કેલિફોર્નિયાના અલ્તાડેનામાં,
04:53
looking down over Pasadena.
104
269000
1976
પસાડેના ઉપર નીચે જોવું.
04:55
And if it looks a lot like a Buick
hubcap, it's because it is.
hubcap, it's because it is.
105
271000
3521
અને જો તે બ્યુઇક જેવું લાગે છે
હબકેપ, તે એટલા માટે છે કારણ કે તે છે.
હબકેપ, તે એટલા માટે છે કારણ કે તે છે.
04:59
You don't even need Photoshop
or high-tech equipment,
or high-tech equipment,
106
274545
2738
તમારે ફોટોશોપની પણ જરૂર નથી
અથવા ઉચ્ચ તકનીકી ઉપકરણો,
અથવા ઉચ્ચ તકનીકી ઉપકરણો,
05:02
you don't need computers.
107
277307
1198
તમારે કમ્પ્યુટરનીજરૂર નથી
05:03
This was shot with a throwaway
Kodak Instamatic camera.
Kodak Instamatic camera.
108
278529
3447
આને ફેંકી દેવાની સાથે ગોળી વાગી હતી
કોડક ઇન્સ્ટામેટિક કેમેરો.
કોડક ઇન્સ્ટામેટિક કેમેરો.
05:06
You just have somebody off on the side
with a hubcap ready to go.
with a hubcap ready to go.
109
282000
3096
તમારી પાસે હમણાં જ કોઈક બાજુ પર બંધ છે
જવા માટે તૈયાર હબકેપ સાથે.
જવા માટે તૈયાર હબકેપ સાથે.
05:09
Camera's ready -- that's it.
110
285120
1898
કમેરો તૈયાર છે - બસ.
05:11
(Laughter)
111
287042
1437
(હાસ્ય)
05:13
So, although it's possible
that most of these things are fake
that most of these things are fake
112
288503
3473
તેથી, તેમ છતાં તે શક્ય છે
કે આમાંની મોટાભાગની ચીજો નકલી છે
કે આમાંની મોટાભાગની ચીજો નકલી છે
05:16
or illusions or so on,
and that some of them are real,
and that some of them are real,
113
292000
3714
અથવા ભ્રાંતિ અથવા તેથી વધુ,
અને તેમાંથી કેટલાક વાસ્તવિકતા.
અને તેમાંથી કેટલાક વાસ્તવિકતા.
05:20
it's more likely that all of them
are fake, like the crop circles.
are fake, like the crop circles.
114
295738
3133
તે બધા શક્યતા છે
પાકના વર્તુળોની જેમ નકલી છે.
પાકના વર્તુળોની જેમ નકલી છે.
05:23
On a more serious note, in all of science
we're looking for a balance
we're looking for a balance
115
298895
3381
વધુગંભીરનોંધબધાવિજ્નમાંઅમેસંતુલનશોધીરહ્યા
05:27
between data and theory.
116
302300
1676
ડેટા અને સિદ્ધાંત વચ્ચે.
05:28
In the case of Galileo,
he had two problems
he had two problems
117
304000
3976
ગેલિલિઓના કિસ્સામાં,
તેને બે સમસ્યા હતી
તેને બે સમસ્યા હતી
05:32
when he turned his telescope to Saturn.
118
308000
2361
જ્યારે તેણે ટેલિસ્કોપ શનિ તરફ ફેરવ્યો.
05:35
First of all, there was no
theory of planetary rings.
theory of planetary rings.
119
310385
3122
સૌ પ્રથમ, ત્યાં કોઈ ન હતું
ગ્રહોની રિંગ્સની સિદ્ધાંત.
ગ્રહોની રિંગ્સની સિદ્ધાંત.
05:38
Second of all, his data
was grainy and fuzzy,
was grainy and fuzzy,
120
313531
2193
બીજું, તેનો ડેટા
દાણાદાર અને અસ્પષ્ટ હતા,
દાણાદાર અને અસ્પષ્ટ હતા,
05:40
and he couldn't quite make out
what he was looking at.
what he was looking at.
121
315748
2528
અને તે તદ્દન બહાર બનાવી શક્યો નહી
તે શું જોઈ રહ્યો હતો
તે શું જોઈ રહ્યો હતો
05:43
So he wrote that he had seen --
122
318300
1676
તેથી તેણે લખ્યું કે તેણે જોયું હતું
05:44
"I have observed that the furthest
planet has three bodies."
planet has three bodies."
123
320000
3507
મેં નિરીક્ષણ કર્યું છે કે દૂરના
ગ્રહના ત્રણ શરીર છે. "
ગ્રહના ત્રણ શરીર છે. "
05:48
And this is what he ended up
concluding that he saw.
concluding that he saw.
124
323531
2865
અને આ તે જ અંત છે
તેમણે જોયું કે નિષ્કર્ષ.
તેમણે જોયું કે નિષ્કર્ષ.
05:51
So without a theory of planetary
rings and with only grainy data,
rings and with only grainy data,
125
326420
3556
તેથી ગ્રહોના સિદ્ધાંત વિના
રિંગ્સ અને ફક્ત દાણાદાર ડેટા સાથે,
રિંગ્સ અને ફક્ત દાણાદાર ડેટા સાથે,
05:54
you can't have a good theory.
126
330000
1918
તમારી પાસે સારી સિદ્ધાંત હોઈ શકતી નથી.
05:56
It wasn't solved until 1655.
127
331942
1619
તે 1655 સુધી ઉકેલાયું ન હતું.
05:58
This is Christiaan Huygens's book
that catalogs all the mistakes
that catalogs all the mistakes
128
333585
3014
આ ક્રિસ્ટિયાન હ્યુજેન્સનું પુસ્તક છે
કે બધી ભૂલોને સૂચિબદ્ધ કરે
કે બધી ભૂલોને સૂચિબદ્ધ કરે
06:01
people made trying to figure out
what was going on with Saturn.
what was going on with Saturn.
129
336623
2962
લોકો બહાર આકૃતિ કરવાનો પ્રયાસ કરી
શનિ સાથે શું ચાલી રહ્યું હતું
શનિ સાથે શું ચાલી રહ્યું હતું
06:04
It wasn't till Huygens had two things:
130
339609
1856
હ્યુજેન્સપાસેબેવસ્તુનતીત્યાંસુધીતેનહતું
06:06
He had a good theory of planetary rings
and how the solar system operated,
and how the solar system operated,
131
341489
4486
તેમની પાસે ગ્રહોની રિંગ્સનોસારોસિદ્ધાંતહતો
હ્યુજેન્સ પાસે બે વસ્તુ નહતીતયાસુધીતેનહતું
હ્યુજેન્સ પાસે બે વસ્તુ નહતીતયાસુધીતેનહતું
06:10
and he had better telescopic,
more fine-grain data
more fine-grain data
132
345999
2863
અને તેની પાસે વધુ સારી દૂરબીન હતી,
વધુ દંડ અનાજ માહિતી
વધુ દંડ અનાજ માહિતી
06:13
in which he could figure out that
as the Earth is going around faster --
as the Earth is going around faster --
133
348886
3543
જેમાં તે સમજી શક્યો
પૃથ્વી ઝડપથી આસપાસ જઈ રહી છે -
પૃથ્વી ઝડપથી આસપાસ જઈ રહી છે -
06:17
according to Kepler's Laws --
than Saturn, then we catch up with it.
than Saturn, then we catch up with it.
134
352453
3228
કેપ્લરના કાયદા અનુસાર -
શનિ કરતાં, ધ
શનિ કરતાં, ધ
06:20
And we see the angles of the rings
at different angles, there.
at different angles, there.
135
355705
3271
અને આપણે રિંગ્સની એંગલ જોઈએ છીએ
વિવિધ ખૂણા પર, ત્યાં.
વિવિધ ખૂણા પર, ત્યાં.
06:23
And that, in fact, turns out to be true.
136
359000
2220
અને તે, હકીકતમાં, સાચું બહાર આવ્યું છે.
06:26
The problem with having a theory is that
it may be loaded with cognitive biases.
it may be loaded with cognitive biases.
137
361244
5297
સિદ્ધાંત સાથે સમસ્યા તે છે
તે જ્ognાનાત્મક પૂર્વગ્રહથી લોડ થઈ શકે છે.
તે જ્ognાનાત્મક પૂર્વગ્રહથી લોડ થઈ શકે છે.
06:31
So one of the problems of explaining
why people believe weird things
why people believe weird things
138
366565
3267
તેથી સમજાવવાની એક સમસ્યા
લોકો વિચિત્ર વસ્તુઓ કેમ માને છે
લોકો વિચિત્ર વસ્તુઓ કેમ માને છે
06:34
is that we have things, on a simple level,
139
369856
2068
શું આપણી પાસે વસ્તુઓ છે, એક સરળ સ્તર પર,
06:36
and then I'll go to more serious ones.
140
371948
1828
અને પછી હું વધુ ગંભીર લોકો પર જઈશ.
06:38
Like, we have a tendency to see faces.
141
373800
1876
જેમ કે, આપણો ચહેરો જોવાની વૃત્તિ છે.
06:40
This is the face on Mars.
142
375700
1776
આ મંગળ પરનો ચહેરો છે.
06:42
In 1976, where there was a whole movement
to get NASA to photograph that area
to get NASA to photograph that area
143
377500
4512
1976 માં, જ્યાં આખું આંદોલન થયું
નાસાને તે વિસ્તારના ફોટોગ્રાફ મેળવવા માટે
નાસાને તે વિસ્તારના ફોટોગ્રાફ મેળવવા માટે
06:46
because people thought this was monumental
architecture made by Martians.
architecture made by Martians.
144
382036
3916
કારણ કે લોકો માનતા હતા કે આ સ્મારક છે
માર્ટિઅન્સ દ્વારા બનાવેલ આવેલ આર્કિટેક્ચર
માર્ટિઅન્સ દ્વારા બનાવેલ આવેલ આર્કિટેક્ચર
06:50
Here's the close-up of it from 2001.
145
385976
2771
2001 થી અહીં તેનું ક્લોઝ-અપ છે.
06:53
If you squint, you can still see the face.
146
388771
2460
જોતમેસ્ક્વિન્ટકરોતોતમેહજીપણચહેરોજોઈ શકો છો
06:56
And when you're squinting,
147
391255
1302
અનેજ્યારેતમેસ્ક્વિન્ટિંગકરો
06:57
you're turning that from fine-grain
to coarse-grain,
to coarse-grain,
148
392581
3023
તમે તેને દંડ-અનાજથી ફેરવી રહ્યા છો
બરછટ અનાજ માટે,
બરછટ અનાજ માટે,
07:00
so you're reducing
the quality of your data.
the quality of your data.
149
395628
2287
જેથી તમે ઘટાડી રહ્યા છો
તમારા ડેટાની ગુણવત્તા.
તમારા ડેટાની ગુણવત્તા.
07:02
And if I didn't tell you what to look for,
you'd still see the face,
you'd still see the face,
150
397939
3229
અને તમનેકહ્યું નહી કે તમારેશું શોધવાનુ છે
તમે હજી પણ ચહેરો જોશો
તમે હજી પણ ચહેરો જોશો
07:05
because we're programmed
by evolution to see faces.
by evolution to see faces.
151
401192
2429
કારણઆપણેપ્રોગ્રામકરેલછેચહેરાજોવાઉત્ક્રાંતિ
07:08
Faces are important for us socially.
152
403645
2151
ચહેરા આપણા માટે સામાજિક રૂપે મહત્વપૂર્ણ છે
07:10
And of course, happy faces,
faces of all kinds are easy to see.
faces of all kinds are easy to see.
153
405820
3468
અને અલબત્ત, ખુશ ચહેરાઓ,
તમામ પ્રકારના ચહેરાઓ જોવા માટે સરળ છે.
તમામ પ્રકારના ચહેરાઓ જોવા માટે સરળ છે.
07:14
You see the happy face on Mars, there.
154
409312
1896
તમે ત્યાં મંગળ પર ખુશ ચહેરો જોશો.
07:16
(Laughter)
155
411232
1151
હાસ્ય
07:17
If astronomers were frogs,
perhaps they'd see Kermit the Frog.
perhaps they'd see Kermit the Frog.
156
412407
2913
જો ખગોળશાસ્ત્રીઓ દેડકા હતા,
કદાચ તેઓ કેરમીટ ધ ફ્રોગ જોશે.
કદાચ તેઓ કેરમીટ ધ ફ્રોગ જોશે.
07:20
Do you see him there? Little froggy legs.
157
415344
1953
તમે તેને ત્યાં જુઓ છો? નાના દેડકા પગ.
07:22
Or if geologists were elephants?
158
417688
2195
અથવા ભૂસ્તરશાસ્ત્રીઓ હાથી હતા તો?
07:25
Religious iconography.
159
420736
3240
ધાર્મિક પ્રતિમા
07:28
(Laughter)
160
424000
2801
હાસ્ય
07:31
Discovered by a Tennessee baker in 1996.
161
426825
2151
1996 માં ટેનેસી બેકર દ્વારા શોધાયેલ.
07:33
He charged five bucks a head
to come see the nun bun
to come see the nun bun
162
429000
2477
તેણે માથાના પાંચ રૂપિયાચાર્જકર્યા
સાધ્વી બન જોવા આવવા
સાધ્વી બન જોવા આવવા
07:36
till he got a cease-and-desist
from Mother Teresa's lawyer.
from Mother Teresa's lawyer.
163
431501
3713
જ્યાં સુધી તેને શસ્ત્રવિરામ બંધ ન થાય
મધર ટેરેસાના વકીલ પાસેથી.
મધર ટેરેસાના વકીલ પાસેથી.
07:40
Here's Our Lady of Guadalupe and Our
Lady of Watsonville, just down the street,
Lady of Watsonville, just down the street,
164
435238
3738
અહીં આપની લેડી Guફ ગુઆડાલુપ અને અમારી છે
વatsટસનવિલેની મહિલા, શેરીની નીચે,
વatsટસનવિલેની મહિલા, શેરીની નીચે,
07:43
or is it up the street from here?
165
439000
1604
અથવા તે અહીંથી શેરીમાં છે?
07:45
Tree bark is particularly good
because it's nice and grainy, branchy,
because it's nice and grainy, branchy,
166
440628
3348
ખાસ કરીને વૃક્ષની છાલ સારી છે
કારણ કે તે સરસ અને દાણાદાર છે,શાખાવાળુ છે
કારણ કે તે સરસ અને દાણાદાર છે,શાખાવાળુ છે
07:48
black-and-white splotchy and you can
get the pattern-seeking --
get the pattern-seeking --
167
444000
3000
કાળા અને સફેદ સ્પ્લોટી અને તમે કરી શકો છો
દાખલાની શોધ -
દાખલાની શોધ -
07:51
humans are pattern-seeking animals.
168
447024
1952
મનુષ્ય પેટર્ન શોધતા પ્રાણીઓ છે.
07:53
Here's the Virgin Mary on the side
of a glass window in Sao Paulo.
of a glass window in Sao Paulo.
169
449000
3563
અહીં બાજુ પર વર્જિન મેરી છે
સાઓ પાઉલોમાં કાચની વિંડોની.
સાઓ પાઉલોમાં કાચની વિંડોની.
07:57
Here's when the Virgin Mary made
her appearance on a cheese sandwich --
her appearance on a cheese sandwich --
170
452587
3414
વર્જિન મેરી બનાવતી વખતે અહીં છે
ચીઝ સેન્ડવિચ પર તેનો દેખાવ -
ચીઝ સેન્ડવિચ પર તેનો દેખાવ -
08:00
which I got to actually
hold in a Las Vegas casino --
hold in a Las Vegas casino --
171
456025
2490
જે મને ખરેખર મળ્યું
લાસ વેગાસ કેસિનોમાં પકડો -
લાસ વેગાસ કેસિનોમાં પકડો -
08:03
of course, this being America.
172
458539
1537
અલબત્ત, આ અમેરિકા છે.
08:04
(Laughter)
173
460100
1525
(હાસ્ય)
08:06
This casino paid $28,500
on eBay for the cheese sandwich.
on eBay for the cheese sandwich.
174
461649
4327
આ કેસિનોએ $ 28,500 ચૂકવ્યા
પનીર સેન્ડવિચ માટે ઇબે પર.
પનીર સેન્ડવિચ માટે ઇબે પર.
08:10
(Laughter)
175
466000
1976
(હાસ્ય)
08:12
But who does it really look like?
The Virgin Mary?
The Virgin Mary?
176
468000
2381
પરંતુ તે ખરેખર કોની જેમ દેખાય છે?
વર્જિન મેરી?
વર્જિન મેરી?
08:15
(Laughter)
177
470405
1979
(હાસ્ય)
08:17
It has that sort of
puckered lips, 1940s-era look.
puckered lips, 1940s-era look.
178
472408
3865
તે તે પ્રકારની છે
puckered હોઠ, 1940-યુગનો દેખાવ.
puckered હોઠ, 1940-યુગનો દેખાવ.
08:21
Virgin Mary in Clearwater, Florida.
179
476297
1679
ફ્લોરિડાના ક્લીયરવોટરવર્જિન મેરી
08:22
I actually went to see this one.
180
478000
1976
હું ખરેખર આ એક જોવા ગયો.
08:24
There was a lot of people there.
181
480000
1834
ત્યાં ઘણા લોકો હતા.
08:26
The faithful come in their wheelchairs
and crutches, and so on.
and crutches, and so on.
182
481858
4652
વિશ્વાસુ તેમની વ્હીલચેરમાં આવે છે
અને crutches, અને તેથી વધુ.
અને crutches, અને તેથી વધુ.
08:31
We went down and investigated.
183
486534
1861
અમે નીચે ગયા અને તપાસ કરી.
08:33
Just to give you a size, that's Dawkins,
me and The Amazing Randi,
me and The Amazing Randi,
184
488419
3173
ફક્ત તમને એક કદ આપવા માટે, તે ડોકિન્સ છે,
હું અને અમેઝિંગ રેન્ડી,
હું અને અમેઝિંગ રેન્ડી,
08:36
next to this two,
two and a half story-sized image.
two and a half story-sized image.
185
491616
2413
આ બેની બાજુમાં,
અ storyી વાર્તાની કદની છબી.
અ storyી વાર્તાની કદની છબી.
08:38
All these candles, thousands of candles
people had lit in tribute to this.
people had lit in tribute to this.
186
494053
3502
આ બધી મીણબત્તીઓ, હજારો મીણબત્તીઓ
લોકોએ આને શ્રદ્ધાંજલિ આપી હતી.
લોકોએ આને શ્રદ્ધાંજલિ આપી હતી.
08:42
So we walked around the backside,
to see what was going on.
to see what was going on.
187
497579
2805
તેથી અમે પાછળની બાજુએ ચાલ્યા ગયા,
કોણ જોવા માટે
કોણ જોવા માટે
08:45
It turns out wherever there's
a sprinkler head and a palm tree,
a sprinkler head and a palm tree,
188
500408
3331
તે ત્યાં બહાર વળે છે
છંટકાવ કરતું માથું અને ખજૂરનું ઝાડ,
છંટકાવ કરતું માથું અને ખજૂરનું ઝાડ,
08:48
you get the effect.
189
503763
1213
તમે અસર મળે છે.
08:49
Here's the Virgin Mary on the backside,
which they started to wipe off.
which they started to wipe off.
190
505000
3381
અહીંની પાછળ વર્જિન મેરી છે,
જેને તેઓ સાફ કરવા લાગ્યા.
જેને તેઓ સાફ કરવા લાગ્યા.
08:53
I guess you can only have
one miracle per building.
one miracle per building.
191
508405
2571
હુ માનુ છુ કે તમે ફક્ત આ કરી શકો છો
એક મકાનદીઠએકચમત્કાર
એક મકાનદીઠએકચમત્કાર
08:55
(Laughter)
192
511000
3333
હાસ્ય
08:59
So is it really a miracle of Mary,
or is it a miracle of Marge?
or is it a miracle of Marge?
193
514357
3679
તો શું તે ખરેખર મેરીનો ચમત્કાર છે,
અથવા તે માર્જનો ચમત્કાર છે?
અથવા તે માર્જનો ચમત્કાર છે?
09:02
(Laughter)
194
518060
1001
હાસ્ય
09:03
And now I'm going to finish up
with another example of this,
with another example of this,
195
519085
3603
અને હવે હું સમાપ્ત કરવા જઇ રહ્યો છું
આના બીજા ઉદાહરણ સાથે,
આના બીજા ઉદાહરણ સાથે,
09:07
with auditory illusions.
196
522712
2777
શ્રાવ્ય ભ્રમ સાથે.
09:10
There's this film, "White Noise,"
with Michael Keaton,
with Michael Keaton,
197
525513
2526
આ ફિલ્મ છે, "વ્હાઇટ અવાજ,"
માઇકલ કીટોન સાથે.
માઇકલ કીટોન સાથે.
09:12
about the dead talking back to us.
198
528063
2534
મૃતક આપણી સાથે પાછા વાત કરી રહ્યા છે.
09:15
By the way, the whole business of talking
to the dead is not that big a deal.
to the dead is not that big a deal.
199
530621
3665
માર્ગ દ્વારા, વાત કરવાનો આખો વ્યવસાય
મૃતકો માટે તે મોટો સોદો નથી.
મૃતકો માટે તે મોટો સોદો નથી.
09:19
Anybody can do it, turns out.
200
534310
1485
કોઈપણ તેને કરી શકેછેબહાર વળે છે
09:20
It's getting the dead to talk
back that's the really hard part.
back that's the really hard part.
201
535819
3088
તે વાત કરવા માટે મૃત થઈ રહ્યો છે
પાછા તે ખરેખર સખત ભાગ છે.
પાછા તે ખરેખર સખત ભાગ છે.
09:23
(Laughter)
202
538931
1098
હાસ્ય
09:24
In this case, supposedly, these messages
are hidden in electronic phenomena.
are hidden in electronic phenomena.
203
540053
3782
આ કિસ્સામાં,માનવામાં આવે છે કે આ સંદેશા છે
ઇલેક્ટ્રોનિક ઘટના માં છુપાયેલા છે.
ઇલેક્ટ્રોનિક ઘટના માં છુપાયેલા છે.
09:28
There's a ReverseSpeech.com web page
where I downloaded this stuff.
where I downloaded this stuff.
204
543859
3285
એક રીવર્સસ્પીક.કોમ વેબ પૃષ્ઠ છે
જ્યાં મેં આ સામગ્રી ડાઉનલોડ કરી છે.
જ્યાં મેં આ સામગ્રી ડાઉનલોડ કરી છે.
09:31
This is the most famous one
of all of these.
of all of these.
205
547168
3151
આ સૌથી પ્રખ્યાત છે
આ બધા.
આ બધા.
09:35
Here's the forward version
of the very famous song.
of the very famous song.
206
550343
2801
અહીં આગળનું સંસ્કરણ છે
ખૂબ પ્રખ્યાત ગીત.
ખૂબ પ્રખ્યાત ગીત.
09:37
(Music with lyrics)
207
553168
1071
ગીતો સાથે સંગીત
09:39
If there's a bustle in your hedgerow
don't be alarmed now.
don't be alarmed now.
208
554263
5158
જો તમારા હેજરોમાં ખળભળાટ મચી ગયો છે
હવે ચિંતા ન કરો.
હવે ચિંતા ન કરો.
09:44
It's just a spring clean
for the May Queen.
for the May Queen.
209
560089
3795
તે માત્ર એક વસંત સ્વચ્છ છે
મે રાણી માટે.
મે રાણી માટે.
09:50
Yes, there are two paths you
can go by, but in the long run,
can go by, but in the long run,
210
565764
4987
હા, તમે બે રસ્તાઓ છે
દ્વારા જઈ શકે છે, પરંતુ લાંબા ગાળે,
દ્વારા જઈ શકે છે, પરંતુ લાંબા ગાળે,
09:56
There's still time to change
the road you're on
the road you're on
211
571870
3564
હજી બદલવાનો સમય છે
તમે જે માર્ગ પર છો
તમે જે માર્ગ પર છો
ગીતો સાથે સંગીત
10:03
Couldn't you just listen to that all day?
212
578733
2611
તમે ફક્ત આખો દિવસ તે સાંભળી શકતા નથી?
10:06
All right, here it is backwards,
213
581368
1607
બરાબર, અહીં તે પાછળની બાજુ છે,
10:07
and see if you can hear the hidden
messages that are supposedly in there.
messages that are supposedly in there.
214
582999
4030
અને જુઓ તમે છુપાયેલાને સાંભળી શકો કે નહીં
ત્યાં સંભવિત સંદેશા છે.
ત્યાં સંભવિત સંદેશા છે.
10:12
(Music with unintelligible lyrics)
215
587513
6778
(અજેય ગીતો સાથેનું સંગીત)
10:26
(Lyrics) Satan!
216
601450
1294
(ગીતો) શેતાન!
10:27
(Unintelligible lyrics continue)
217
602768
6477
(અજેય ગીતો ચાલુ રહે છે)
10:41
What did you get?
Audience: Satan!
Audience: Satan!
218
616934
1620
તમને શું મળ્યું?
પ્રેક્ષક: શેતાન!
પ્રેક્ષક: શેતાન!
10:43
Satan. OK, at least we got "Satan".
219
618578
1712
શેતાનઠીકછેઓછામાંઆપણનેશેતાનમળીગયછે
10:45
Now, I'll prime the auditory
part of your brain
part of your brain
220
620314
2302
હવે, હું શ્રાવ્યને પ્રાઇમ કરીશ
તમારા મગજના ભાગ
તમારા મગજના ભાગ
10:47
to tell you what you're supposed
to hear, and then hear it again.
to hear, and then hear it again.
221
622640
3437
શું માનવામાં આવે છેતે કહેવા માટે
સાંભળવા માટેઅને પછી તેને ફરીથી સાંભળવું
સાંભળવા માટેઅને પછી તેને ફરીથી સાંભળવું
10:50
(Music with lyrics)
222
626101
3801
(ગીતો સાથે સંગીત)
11:17
(Music ends)
223
652673
1086
(સંગીત સમાપ્ત થાય છે)
11:18
(Laughter)
224
653783
1207
(હાસ્ય)
11:19
(Applause)
225
655014
6389
(તાળીઓ)
11:26
You can't miss it
when I tell you what's there.
when I tell you what's there.
226
661427
2549
તમે તેચૂકીનશકોજ્યારેહુંતમનેકહુકેત્યાંશુંછે
11:28
(Laughter)
227
664000
3250
(હાસ્ય)
11:32
I'm going to just end
with a positive, nice little story.
with a positive, nice little story.
228
667274
4035
હું માત્ર અંત જઇ રહ્યો છું
સકારાત્મક, સરસ નાની વાર્તા સાથે.
સકારાત્મક, સરસ નાની વાર્તા સાથે.
11:36
The Skeptics is a nonprofit
educational organization.
educational organization.
229
671333
2845
સ્કેપ્ટિક્સ એ એક નફાકારક છે
શૈક્ષણિક સંસ્થા.
શૈક્ષણિક સંસ્થા.
11:39
We're always looking for little
good things that people do.
good things that people do.
230
674202
2820
આપણે હંમેશાં થોડી શોધીએ છીએ
સારી વસ્તુઓ કે જે લોકો કરે છે.
11:41
And in England, there's a pop singer.
231
677046
2009
અને ઇંગ્લેન્ડમાં, ત્યાં એક પોપ ગાયક છે.
11:43
One of the top popular singers
in England today, Katie Melua.
in England today, Katie Melua.
232
679079
3745
ટોચના લોકપ્રિય ગાયકોમાંથી એક
ઇંગ્લેન્ડમાં આજે, કેટી મેલુઆ.
ઇંગ્લેન્ડમાં આજે, કેટી મેલુઆ.
11:47
And she wrote a beautiful song.
233
682848
1528
અને તેણે એક સુંદર ગીત લખ્યું.
11:49
It was in the top five in 2005, called,
"Nine Million Bicycles in Beijing."
"Nine Million Bicycles in Beijing."
234
684400
5576
તે 2005 માં ટોચના પાંચમાં હતો,
"બેઇજિંગમાં નવ મિલિયન સાયકલ."
"બેઇજિંગમાં નવ મિલિયન સાયકલ."
11:54
It's a love story -- she's sort
of the Norah Jones of the UK --
of the Norah Jones of the UK --
235
690000
3096
તે એક લવ સ્ટોરી છે - તે સ sortર્ટ છે
યુકેના નોરાહ જોન્સ -
યુકેના નોરાહ જોન્સ -
11:57
about how she much loves her guy,
236
693120
1621
તેણીતેનાવ્યક્તિકેમપ્રેમકરેછેતેવિશે
11:59
and compared to nine million
bicycles, and so forth.
bicycles, and so forth.
237
694765
2476
અને નવ મિલિયનની તુલનામાં
સાયકલ, અને તેથી આગળ.
સાયકલ, અને તેથી આગળ.
12:02
And she has this one passage here.
238
697265
2225
અને તેણીનો અહીં આ એક માર્ગ છે.
12:04
(Music)
239
699514
1036
(સંગીત)
12:05
(Lyrics) We are 12 billion
light-years from the edge
light-years from the edge
240
700574
5771
(ગીતો) આપણે 12 અબજ છીએ
ધાર થી પ્રકાશ વર્ષો
ધાર થી પ્રકાશ વર્ષો
12:11
That's a guess,
241
706369
2325
તે અનુમાન છે,
12:13
No one can ever say it's true,
242
708718
3711
તે ક્યારેય સાચું કહી શકે નહીં,
12:17
But I know that I will always be with you.
243
712453
4603
પરંતુ હુ જાણુ છુ કેહું હંમેશાતમારીસાથેરહીશ
12:22
Michael Shermer: Well, that's nice.
At least she got it close.
At least she got it close.
244
717731
2965
માઇકલ શર્મર: સારું, સરસ છે.
ઓછામાં ઓછું તેણી નજીક આવી ગઈ.
ઓછામાં ઓછું તેણી નજીક આવી ગઈ.
12:25
In America it'd be,
"We're 6,000 light years from the edge."
"We're 6,000 light years from the edge."
245
720720
2923
અમેરિકામાં તે હોત,
"અમે ધારથી 6,000 પ્રકાશ વર્ષ છીએ."
"અમે ધારથી 6,000 પ્રકાશ વર્ષ છીએ."
12:28
(Laughter)
246
723667
1036
(હાસ્ય)
12:29
But my friend, Simon Singh, the particle
physicist now turned science educator,
physicist now turned science educator,
247
724727
3769
પણ મારો મિત્ર સિમોન સિંઘ, એ કણ
ભૌતિકશાસ્ત્રીએ હવે વિજ્ eન શિક્ષક બનાવ્યા,
ભૌતિકશાસ્ત્રીએ હવે વિજ્ eન શિક્ષક બનાવ્યા,
12:33
who wrote the book
"The Big Bang," and so on,
"The Big Bang," and so on,
248
728520
2127
જેણે પુસ્તક લખ્યું હતુ
ધ બીગ બેંગઅને તેથી વધુ
ધ બીગ બેંગઅને તેથી વધુ
12:35
uses every chance he gets
to promote good science.
to promote good science.
249
730671
2405
તેનેમળેલીદરેકતકનોઉપયોગકરેછેસારાવિપૌ્ત્સાહન
12:37
And so he wrote an op-ed piece
in "The Guardian" about Katie's song,
in "The Guardian" about Katie's song,
250
733100
3286
અને તેથી તેણે એક opપ-એડ ભાગ લખ્યો
કેટીના ગીત વિશે "ધ ગાર્ડિયન" માં,
કેટીના ગીત વિશે "ધ ગાર્ડિયન" માં,
12:41
in which he said, well, we know exactly
how far from the edge.
how far from the edge.
251
736410
5036
જેમાં તેણે કહ્યુંસારુંઆપણે બરાબર જાણીએ છીએ
ધારથી કેટલી દૂર.
ધારથી કેટલી દૂર.
12:46
You know, it's 13.7 billion light years,
and it's not a guess.
and it's not a guess.
252
741470
3818
તમે જાણો છો, તે 13.7 અબજ પ્રકાશ વર્ષ છે,
અને તે કોઈ અનુમાન નથી.
12:50
We know within precise
error bars how close it is.
error bars how close it is.
253
745312
4264
અમે ચોક્કસ અંદર જાણીએ છીએ
ભૂલ તે કેટલી નજીક છે.
ભૂલ તે કેટલી નજીક છે.
12:54
So we can say, although not absolutely
true, it's pretty close to being true.
true, it's pretty close to being true.
254
749600
3810
તેથી અમે કહી શકીએ, જોકે એકદમ નહીં
સાચું, તે સાચા હોવાની ખૂબ નજીક છે.
સાચું, તે સાચા હોવાની ખૂબ નજીક છે.
12:58
And, to his credit, Katie called him up
after this op-ed piece came out, and said,
after this op-ed piece came out, and said,
255
753434
4739
અને, તેની શ્રેય, કેટીએ તેને બોલાવ્યો
આ opપ-એડ ભાગ પછી બહાર આવ્યા, અને કહ્યું,
આ opપ-એડ ભાગ પછી બહાર આવ્યા, અને કહ્યું,
13:02
"I'm so embarrassed.
I was in the astronomy club.
I was in the astronomy club.
256
758197
2371
હું ખૂબ શરમઅનુભવુંછું
હું એસ્ટ્રોનોમી ક્લબમાં હતો.
હું એસ્ટ્રોનોમી ક્લબમાં હતો.
13:05
I should've known better."
257
760592
1278
મનેવધુસારીરીતેજાણવુંજોઈએ
13:06
And she re-cut the song.
258
761894
1222
અનેતેણેગીતનેફરીકાપીનાખ્યુ
13:07
So I will end with the new version.
259
763140
1848
તેથી હું નવા સંસ્કરણ સાથે સમાપ્ત થઈશ.
13:09
(Music with lyrics)
260
765012
1264
(ગીતો સાથે સંગીત)
13:11
We are 13.7 billion light years
261
766300
2421
આપણે ૧.7..7 અબજ પ્રકાશ વર્ષો છે
13:13
from the edge of the observable universe.
262
768745
3491
અવલોકનક્ષમ બ્રહ્માંડની ધારથી.
13:17
That's a good estimate
with well-defined error bars.
with well-defined error bars.
263
772260
3769
તે સારો અંદાજ છે
સારી રીતે વ્યાખ્યાયિત ભૂલ બાર્સ સાથે.
સારી રીતે વ્યાખ્યાયિત ભૂલ બાર્સ સાથે.
13:20
And with the available information,
264
776053
3152
અને ઉપલબ્ધ માહિતી સાથે,
13:24
I predict that I will always be with you.
265
779229
4343
હું આગાહી કરુંકેહું હંમેશા તમારી સાથે રહીશ
13:28
(Laughter)
266
783596
1157
(હાસ્ય)
13:29
How cool is that?
267
784777
1168
તે કેટલું સરસ છે?
13:30
(Applause)
268
785969
2031
(તાળીઓ)
ABOUT THE SPEAKER
Michael Shermer - SkepticMichael Shermer debunks myths, superstitions and urban legends -- and explains why we believe them. Along with publishing Skeptic Magazine, he's author of Why People Believe Weird Things and The Mind of the Market.
Why you should listen
As founder and publisher of Skeptic Magazine, Michael Shermer has exposed fallacies behind intelligent design, 9/11 conspiracies, the low-carb craze, alien sightings and other popular beliefs and paranoias. But it's not about debunking for debunking's sake. Shermer defends the notion that we can understand our world better only by matching good theory with good science.
Shermer's work offers cognitive context for our often misguided beliefs: In the absence of sound science, incomplete information can powerfully combine with the power of suggestion (helping us hear Satanic lyrics when "Stairway to Heaven" plays backwards, for example). In fact, a common thread that runs through beliefs of all sorts, he says, is our tendency to convince ourselves: We overvalue the shreds of evidence that support our preferred outcome, and ignore the facts we aren't looking for.
He writes a monthly column for Scientific American, and is an adjunct at Claremont Graduate University and Chapman University. His latest book is The Believing Brain: From Ghosts and Gods to Politics and Conspiracies—How We Construct Beliefs and Reinforce Them as Truths. He is also the author of The Mind of the Market, on evolutionary economics, Why Darwin Matters: Evolution and the Case Against Intelligent Design, and The Science of Good and Evil. And his next book is titled The Moral Arc of Science.
Michael Shermer | Speaker | TED.com