TED2007
Alan Kay: A powerful idea about ideas
אלן קיי מדבר על רעיון חזק לגבי רעיונות
Filmed:
Readability: 3.4
851,991 views
כשהוא מדבר בבהירות ובעצמה כמו שהוא יודע, אלן קיי מדמיין טכניקות טובות יותר ללימוד ילדים תוך שימוש במחשבים בכדי להמחיש ולהתנסות בדרכים, מתמטיות ופיזיקליות, כמו שרק מחשבים יכולים לסייע.
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. Full bio
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 start, I think, with my view of simplicity
0
0
4000
דרך מצויינת להתחיל, לדעתי, עם התפיסה שלי לגבי פשטות
00:22
is to take a look at TED. Here you are, understanding why we're here,
1
4000
7000
תהיה להסתכל על מה שקורה כאן בTED. הנה אתם, מבינים מה אנו עושים כאן,
00:29
what's going on with no difficulty at all.
2
11000
5000
ומה מתרחש כאן, בלא כל קושי.
00:34
The best A.I. in the planet would find it complex and confusing,
3
16000
4000
מערכת הבינה מלאכותית הטובה ביותר על כדור הארץ תמצא את זה כמסובך ומבלבל מאוד,
00:38
and my little dog Watson would find it simple and understandable
4
20000
5000
והכלב שלי ווטסון יחשוב שמה שקורה כאן זה פשוט ומובן מאוד,
00:43
but would miss the point.
5
25000
2000
אבל כמובן יפספס את את המטרה.
00:45
(Laughter)
6
27000
3000
(צחוק)
00:48
He would have a great time.
7
30000
3000
הוא יהנה מאוד.
00:51
And of course, if you're a speaker here, like Hans Rosling,
8
33000
5000
וכמובן, אם אתם אחד הדוברים פה, כמו הנס רוסלינג,
00:56
a speaker finds this complex, tricky. But in Hans Rosling's case,
9
38000
5000
מרצה כאן יחשוב שהנושא מסובך ומבלבל. אבל במקרה של הנס רוסלינג,
01:01
he had a secret weapon yesterday,
10
43000
2000
היה לו אתמול נשק סודי,
01:03
literally, in his sword swallowing act.
11
45000
4000
באופן מילולי לחלוטין, במופע בליעת החרבות שלו.
01:07
And I must say, I thought of quite a few objects
12
49000
2000
אני חייב להודות שגם אני חשבתי על כמה וכמה דברים
01:09
that I might try to swallow today and finally gave up on,
13
51000
5000
שאני עשוי לנסות לבלוע כאן היום, אבל בסוף וויתרתי על זה
01:14
but he just did it and that was a wonderful thing.
14
56000
4000
אבל הוא עשה את זה וזה היה מדהים.
01:18
So Puck meant not only are we fools in the pejorative sense,
15
60000
5000
פוק התכוון לומר שאנו לא רק שוטים במובן המזלזל
01:23
but that we're easily fooled. In fact, what Shakespeare
16
65000
4000
אלא שקל מאוד להוליך אותנו שולל. למעשה הכוונה של שייקספיר
01:27
was pointing out is we go to the theater in order to be fooled,
17
69000
3000
היתה להדגיש שאנו באים לתיאטרון בכדי ללכת שולל,
01:30
so we're actually looking forward to it.
18
72000
4000
כך שאנו למעשה מצפים לזה.
01:34
We go to magic shows in order to be fooled.
19
76000
2000
אנחנו הולכים למופעי קסמים בכדי ללכת שולל.
01:36
And this makes many things fun, but it makes it difficult to actually
20
78000
8000
וזה גורם להרבה דברים להיות יותר מהנים, אבל זה גם מקשה
01:44
get any kind of picture on the world we live in or on ourselves.
21
86000
4000
עלינו לקבל תמונה טובה של העולם שאנו חיים בו, או על עצמנו.
01:48
And our friend, Betty Edwards,
22
90000
2000
וחברה שלנו, בטי אדוארדס,
01:50
the "Drawing on the Right Side of the Brain" lady, shows these two tables
23
92000
3000
הציור מימין לאשת המוח (בטי), מציגה את שני השולחנות הללו
01:53
to her drawing class and says,
24
95000
5000
לכיתת הציור שלה ואומרת,
01:58
"The problem you have with learning to draw
25
100000
4000
הבעיה שיש לכם עם ללמוד לצייר
02:02
is not that you can't move your hand,
26
104000
2000
היא לא שאתם לא יכולים להזיז את היד,
02:04
but that the way your brain perceives images is faulty.
27
106000
6000
אלא שהמוח שלכם תופס תמונות באופן מוטעה.
02:10
It's trying to perceive images into objects
28
112000
2000
המוח מנסה להמיר דמויות לעצמים
02:12
rather than seeing what's there."
29
114000
2000
במקום פשוט לראות את מה שמוצג בפניו.
02:14
And to prove it, she says, "The exact size and shape of these tabletops
30
116000
5000
ההוכחה לכך, היא אומרת, היא בכך שהגודל והצורה של שני המשטחים של השולחנות
02:19
is the same, and I'm going to prove it to you."
31
121000
3000
זהים במדויק, ואני הולך להוכיח לכם את זה.
02:22
She does this with cardboard, but since I have
32
124000
3000
היא עושה את זה עם גזירי קרטון, אבל מאחר ולי יש
02:25
an expensive computer here
33
127000
3000
כאן מחשב יקר,
02:28
I'll just rotate this little guy around and ...
34
130000
3000
אני פשוט אסובב קצת את המרובע הזה כאן ו...
02:34
Now having seen that -- and I've seen it hundreds of times,
35
136000
3000
עכשיו אחרי שראינו ,ואני ראיתי את זה כבר מאות פעמים,
02:37
because I use this in every talk I give -- I still can't see
36
139000
4000
מאחר ואני משתמש בזה בכל הרצאה שאני נותן, ואני עדיין לא רואה
02:41
that they're the same size and shape, and I doubt that you can either.
37
143000
5000
ששני השולחנות באותו גודל וצורה, ואני בספק אם אתם מזהים את זה.
02:46
So what do artists do? Well, what artists do is to measure.
38
148000
5000
אז מה אמנים עושים? טוב, מה שהם עושים זה מודדים.
02:51
They measure very, very carefully.
39
153000
2000
הם מודדים בזהירות ובדיוק.
02:53
And if you measure very, very carefully with a stiff arm and a straight edge,
40
155000
4000
ואם אתם תמדדו בזהירות עם יד קשיחה וזווית ישרה,
02:57
you'll see that those two shapes are
41
159000
2000
גם אתם תראו ששתי הצורות האלו
02:59
exactly the same size.
42
161000
3000
הן בדיוק באותו גודל וצורה.
03:02
And the Talmud saw this a long time ago, saying,
43
164000
5000
בתלמוד הבינו את זה לפני הרבה זמן, כשאמרו,
03:07
"We see things not as they are, but as we are."
44
169000
3000
אנו רואים דברים לא כמו שהם, אלא כמו שאנחנו.
03:10
I certainly would like to know what happened to the person
45
172000
2000
אני בהחלט רוצה לדעת מה קרה לאדם
03:12
who had that insight back then,
46
174000
3000
שהיתה לו את ההברקה הזו כבר אז,
03:15
if they actually followed it to its ultimate conclusion.
47
177000
4000
אם הוא הלך עם הרעיון למסקנות המלאות שלו.
03:21
So if the world is not as it seems and we see things as we are,
48
183000
2000
אז אם העולם אינו כמו שהוא נראה. ואנו רואים דברים מנקודת מבטינו,
03:23
then what we call reality is a kind of hallucination
49
185000
6000
אז מה שאנו קוראים לו מציאות הוא בסך הכל סוג של הזיה
03:29
happening inside here. It's a waking dream,
50
191000
3000
שמתרחשת כאן בפנים. זה חלום בהקיץ.
03:32
and understanding that that is what we actually exist in
51
194000
5000
וההבנה שזה העולם שאנחנו בעצם חיים בתוכו
03:37
is one of the biggest epistemological barriers in human history.
52
199000
5000
היא אחד מהמחסומים ההכרתיים בהסטוריה האנושית.
03:42
And what that means: "simple and understandable"
53
204000
2000
כך ש"מובן ופשוט"
03:44
might not be actually simple or understandable,
54
206000
3000
עשוי לא להיות מובן ופשוט כלל וכלל,
03:47
and things we think are "complex" might be made simple and understandable.
55
209000
6000
ודברים שאנו חושבים שהם מסובכים יכולים להפוך לפשוטים ומובנים.
03:53
Somehow we have to understand ourselves to get around our flaws.
56
215000
4000
אנחנו חייבים להבין את עצמנו ולעקוף את הכשלים שלנו.
03:57
We can think of ourselves as kind of a noisy channel.
57
219000
2000
אנחנו יכולים לחשוב על עצמנו כעל ערוץ רועש.
03:59
The way I think of it is, we can't learn to see
58
221000
5000
הדרך בה אני חושב על זה, אנחנו לא יכולים ללמוד לראות
04:04
until we admit we're blind.
59
226000
2000
עד שאנחנו מודים שאנו עוורים.
04:06
Once you start down at this very humble level,
60
228000
4000
ברגע שאתם מתחילים מהרמה הצנועה והתחתונה הזו,
04:10
then you can start finding ways to see things.
61
232000
3000
אתם יכולים להתחיל למצוא דרכים לראות דברים.
04:13
And what's happened, over the last 400 years in particular,
62
235000
5000
ומה שקרה ב400 השנים האחרונות במיוחד
04:18
is that human beings have invented "brainlets" --
63
240000
3000
זה שהגזע האנושי התחיל להמציא עזרי חשיבה:
04:21
little additional parts for our brain --
64
243000
4000
מקטעים קטנים נוספים למוח שלנו,
04:25
made out of powerful ideas that help us
65
247000
2000
שעשויים מרעיונות חזקים שעוזרים לנו
04:27
see the world in different ways.
66
249000
2000
לראות את העולם בדרכים שונות.
04:29
And these are in the form of sensory apparatus --
67
251000
3000
ואלו הצורות השונות של מכשירי מדידה
04:32
telescopes, microscopes -- reasoning apparatus --
68
254000
5000
טלסקופים, מיקרוסקופים. אמצעי הבנה
04:37
various ways of thinking -- and, most importantly,
69
259000
4000
דרכים שונות לחשוב, והחלק הכי חשוב,
04:41
in the ability to change perspective on things.
70
263000
4000
היכולת לשנות את התפיסה של דברים.
04:45
I'll talk about that a little bit.
71
267000
1000
אני אדבר על זה קצת.
04:46
It's this change in perspective
72
268000
2000
השינוי הזה בתפיסת המציאות,
04:48
on what it is we think we're perceiving
73
270000
3000
ובמה שאנחנו חושבים שאנחנו תופסים,
04:51
that has helped us make more progress in the last 400 years
74
273000
5000
שעזר לנו להתקדם יותר במהלך ארבע מאות השנים האחרונות
04:56
than we have in the rest of human history.
75
278000
2000
מאשר לאורך כל ההסטוריה האנושית.
04:58
And yet, it is not taught in any K through 12 curriculum in America that I'm aware of.
76
280000
8000
ועדיין לא מלמדים את זה באף תוכנית לימודים באמריקה שאני מודע אליה.
05:11
So one of the things that goes from simple to complex
77
293000
2000
אז אחד ההמצבים בהם פשוט עובר למסובך
05:13
is when we do more. We like more.
78
295000
3000
קורה כאשר יש כמות גדולה. אנחנו אוהבים הרבה.
05:16
If we do more in a kind of a stupid way,
79
298000
3000
אם נגדיל את הכמות באופן טפשי בלי מחשבה,
05:19
the simplicity gets complex
80
301000
3000
הפשטות של הפרט תעבור לרמת סיבוכיות גדולה יותר.
05:22
and, in fact, we can keep on doing it for a very long time.
81
304000
5000
ולמעשה, אנחנו יכולים להמשיך להגדיל את הכמות עוד ועוד.
05:27
But Murray Gell-Mann yesterday talked about emergent properties;
82
309000
3000
מצד שני מורי גל-מן דיבר אתמול על נכסים מתהווים.
05:30
another name for them could be "architecture"
83
312000
4000
שם נוסף לכך יכול להיות "ארכיטקטורה"
05:34
as a metaphor for taking the same old material
84
316000
4000
כמטאפורה לכך שכמות גדולה מאותו חומר גלם פשוט
05:38
and thinking about non-obvious, non-simple ways of combining it.
85
320000
7000
וחשיבה על עצמים שאינם מובנים מאליהן, דרך מקורית לחבר את חומר הגלם.
05:45
And in fact, what Murray was talking about yesterday in the fractal beauty of nature --
86
327000
8000
למעשה, מה שמורי דיבר עליו אתמול היה היופי הפרקטלי של הטבע,
05:53
of having the descriptions
87
335000
2000
כך שהתאור
05:55
at various levels be rather similar --
88
337000
4000
ברמות שונות של האובייקט הוא זהה,
05:59
all goes down to the idea that the elementary particles
89
341000
5000
כל זה יורד עד לרעיון לפיו החלקיקים האלמנטריים
06:04
are both sticky and standoffish,
90
346000
3000
הם בו זמנית דביקים ומוגדרים בפי עצמם,
06:07
and they're in violent motion.
91
349000
4000
ושהם בתנועה מהירה.
06:11
Those three things give rise to all the different levels
92
353000
3000
שלושת התכונות הללו גורמות לרמות שונות
06:14
of what seem to be complexity in our world.
93
356000
4000
של מה שנראה כמו הגיוון וייחוד של העולם.
06:20
But how simple?
94
362000
2000
אבל עד כמה פשוט?
06:22
So, when I saw Roslings' Gapminder stuff a few years ago,
95
364000
5000
אז כשראיתי את הרעיונות פורצי החשיבה של רוסלינג לפני כמה שנים,
06:27
I just thought it was the greatest thing I'd seen
96
369000
2000
חשבתי שזו הדרך הכי טובה שראיתי
06:29
in conveying complex ideas simply.
97
371000
5000
להפוך רעיונות מורכבים לפשוטים.
06:34
But then I had a thought of, "Boy, maybe it's too simple."
98
376000
3000
אבל אז עלתה לי מחשבה, רגע, אולי זה פשוט מדי.
06:37
And I put some effort in to try and check
99
379000
5000
וחשבתי קצת על דרך לבדוק
06:42
to see how well these simple portrayals of trends over time
100
384000
4000
ולראות עד כמה התאורים הפשוטים הללו של מגמות
06:46
actually matched up with some ideas and investigations from the side,
101
388000
5000
באמת תואמים לאורך זמן לחלק מהרעיונות שמופיעים בדרך,
06:51
and I found that they matched up very well.
102
393000
2000
אבל גיליתי שהם מתאימים בצורה יפה מאוד.
06:53
So the Roslings have been able to do simplicity
103
395000
5000
כך שהצוות של רוסלינג הצליח לפשט רעיונות
06:58
without removing what's important about the data.
104
400000
4000
אבל עדיין לשמור את החלק החשוב במידע שבהן.
07:02
Whereas the film yesterday that we saw
105
404000
4000
מצד שני הסרט שראינו אתמול
07:06
of the simulation of the inside of a cell,
106
408000
2000
שהציג סימולציה על מה שמתרחש בתוך התא,
07:08
as a former molecular biologist, I didn't like that at all.
107
410000
6000
בתור מי שעסק בביולוגיה מולקולרית, אני ממש לא אהבתי את זה.
07:14
Not because it wasn't beautiful or anything,
108
416000
2000
לא בגלל שהסרט לא היה יפה או דברים כאלה,
07:16
but because it misses the thing that most students fail to understand
109
418000
5000
אלא בגלל שהוא פיספס את הרעיון שרוב הסטודנטים מתקשים להבין
07:21
about molecular biology, and that is:
110
423000
3000
בביולוגיה מולקולרית, והרעיון הזה הוא,
07:24
why is there any probability at all of two complex shapes
111
426000
5000
השאלה למה יש בכלל הסתברות עבור שתי צורות מורכבות
07:29
finding each other just the right way
112
431000
2000
למצוא אחת את השניה בדיוק בכיוון הנכון
07:31
so they combine together and be catalyzed?
113
433000
3000
כך שהן יוכלו להתחבר יחד וולקיים את התהליך הכימי?
07:34
And what we saw yesterday was
114
436000
2000
ומה שראינו אתמול הציג כאילו
07:36
every reaction was fortuitous;
115
438000
3000
כל מפגש בין המולקולות היה בר מזל, ויצר תגובה.
07:39
they just swooped in the air and bound, and something happened.
116
441000
4000
המולקולות פשוט התעופפו להן באוויר ונקשרו, והתגובה התרחשה.
07:43
But in fact, those molecules are spinning at the rate of
117
445000
4000
אבל המולקולות האלו למעשה מסתובבות בקצב של
07:47
about a million revolutions per second;
118
449000
3000
כמליון סיבובים בשניה.
07:50
they're agitating back and forth their size every two nanoseconds;
119
452000
6000
הן קופצות את לכל הכיוונים את הגודל שלהן בכל ננו-שניה.
07:56
they're completely crowded together, they're jammed,
120
458000
3000
והן ממש צפופות ביניהן, הן דחוסות,
07:59
they're bashing up against each other.
121
461000
3000
והן מתנגשות אחת בשניה.
08:02
And if you don't understand that in your mental model of this stuff,
122
464000
3000
ואם אתם לא מבינים את זה במודל שאתם בונים לעצמכם במחשבה,
08:05
what happens inside of a cell seems completely mysterious and fortuitous,
123
467000
5000
אז מה שקורה בתוך התא יראה לכם מסתורי ואקראי לחלוטין.
08:10
and I think that's exactly the wrong image
124
472000
2000
ואני חושב שזו בדיוק התמונה הלא נכונה
08:12
for when you're trying to teach science.
125
474000
3000
שאתם רוצים להציג כדי ללמד מדע.
08:18
So, another thing that we do is to confuse adult sophistication
126
480000
5000
עוד שגיאה שאנו נוטים לעשות זה להתבלבל בין תחכום בוגר
08:23
with the actual understanding of some principle.
127
485000
5000
עם ההבנה הממשית של עיקרון כלשהו.
08:28
So a kid who's 14 in high school
128
490000
2000
כך שילד בן 14 בתיכון
08:30
gets this version of the Pythagorean theorem,
129
492000
6000
מקבל גרסת הוכחה למשפט פיתגורס,
08:36
which is a truly subtle and interesting proof,
130
498000
3000
הוכחה שהיא ממש מעניינת ומתוחכמת,
08:39
but in fact it's not a good way to start learning about mathematics.
131
501000
7000
אבל למעשה לא מתאימה כנקודת התחלה ללימודי מתמטיקה.
08:46
So a more direct one, one that gives you more of the feeling of math,
132
508000
5000
והוכחה ישירה יותר, אחת שממש נותנת את התחושה של המתמטיקה,
08:51
is something closer to Pythagoras' own proof, which goes like this:
133
513000
4000
היא משהו הרבה יותר קרוב לגירסה של פיתגורס עצמו והולכת כך.
08:55
so here we have this triangle, and if we surround that C square with
134
517000
6000
אז כאן יש לנו את המשולש, אם נקיף את הריבוע של היתר
09:01
three more triangles and we copy that,
135
523000
3000
בארבעה משולשים זהים, ונעתיק את זה לצד,
09:04
notice that we can move those triangles down like this.
136
526000
5000
נראה שאפשר להזיז את המשולשים הלא למטה באופן הזה,
09:09
And that leaves two open areas that are kind of suspicious ...
137
531000
3000
וכך ישארו לנו שני חללים פנויים שנראים קצת חשודים,
09:12
and bingo. That is all you have to do.
138
534000
7000
ובינגו. זה כל מה שצריך לעשות.
09:19
And this kind of proof is the kind of proof
139
541000
2000
וסוג כזה של הוכחה זה סוג ההוכחה
09:21
that you need to learn when you're learning mathematics
140
543000
3000
שצריך ללמוד כאשר לומדים מתמטיקה
09:24
in order to get an idea of what it means
141
546000
3000
כדי להבין את המשמעות של המשפט
09:27
before you look into the, literally, 1,200 or 1,500 proofs
142
549000
4000
לפני שתסתכל לתוך 12 או 1500 הוכחות
09:31
of Pythagoras' theorem that have been discovered.
143
553000
3000
של משפט פיתגורס שהתגלו עם הזמן.
09:37
Now let's go to young children.
144
559000
3000
בואו נעבור עכשיו לילדים קטנים.
09:40
This is a very unusual teacher
145
562000
2000
זוהי מורה מאוד לא רגילה
09:42
who was a kindergarten and first-grade teacher,
146
564000
4000
היא היתה מורה בגן ילדים ובכיתה א,
09:46
but was a natural mathematician.
147
568000
2000
אבל בין השאר גם מתמטיקאית מלידה.
09:48
So she was like that jazz musician friend you have who never studied music
148
570000
5000
היא כמו החבר הזה שמנגן ג'אז אבל מעולם לא למד מוזיקה,
09:53
but is a terrific musician;
149
575000
2000
אבל הוא מוזיקאי מצויין.
09:55
she just had a feeling for math.
150
577000
2000
לה יש פשוט תחושה למתמטיקה,
09:57
And here are her six-year-olds,
151
579000
3000
והנה התלמידים בני השש שלה,
10:00
and she's got them making shapes out of a shape.
152
582000
5000
והיא אמרה להם להרכיב צורות גדולות מצורה בסיסית קטנה.
10:05
So they pick a shape they like -- like a diamond, or a square,
153
587000
2000
אז הם בחרו כל אחד צורה בסיסית כמו יהלום או ריבוע,
10:07
or a triangle, or a trapezoid -- and then they try and make
154
589000
3000
משולש, או טרפז, והם מנסים להרכיב
10:10
the next larger shape of that same shape, and the next larger shape.
155
592000
4000
את הצורה בגודל הבא מאותה צורה בסיסית, וצורה גדולה יותר.
10:14
You can see the trapezoids are a little challenging there.
156
596000
4000
ואתם יכולים לראות שעובדה עם טרפז יכולה להיות קצת מאתגרת.
10:18
And what this teacher did on every project
157
600000
3000
ומה שהמורה הזו עשתה בכל פרוייקט כזה
10:21
was to have the children act like first it was a creative arts project,
158
603000
5000
היה להתנהג עם הילדים כאילו היה זה פרוייקט אמנות ראשון שלהם
10:26
and then something like science.
159
608000
2000
ואז גם משהו כמו מחקר מדעי.
10:28
So they had created these artifacts.
160
610000
2000
אז הם הרכיבו את החפצים.
10:30
Now she had them look at them and do this ... laborious,
161
612000
4000
ועכשיו היא אמרה להם להסתכל על מה שהם עשו ולעשות עבודה די מפרכת
10:34
which I thought for a long time, until she explained to me was
162
616000
4000
משהו שאני חשבתי להרבה זמן, עד שהיא הסבירה לי, היה
10:38
to slow them down so they'll think.
163
620000
3000
במטרה להאט אותם כדי שהם יחשבו.
10:41
So they're cutting out the little pieces of cardboard here
164
623000
3000
אז הם חתכו את חתיכות הקרטון האלה כאן,
10:44
and pasting them up.
165
626000
2000
והדביקו אותם יחד.
10:46
But the whole point of this thing is
166
628000
4000
אבל כל הרעיון של התרגיל הזה היה
10:50
for them to look at this chart and fill it out.
167
632000
3000
לגרום להם להסתכל על הטבלה הזו ולמלא אותה.
10:53
"What have you noticed about what you did?"
168
635000
4000
לאלו דברים שמתם לב לגבי מה שעשיתן?
10:57
And so six-year-old Lauren there noticed that the first one took one,
169
639000
4000
ולורן בת ה-6 ראתה שהמבנה הראשון דרש אחד,
11:01
and the second one took three more
170
643000
5000
ועבור השני היה צורך בעוד שלושה,
11:06
and the total was four on that one,
171
648000
2000
וסך כל אבני הבניין היה ארבעה במקרה הזה.
11:08
the third one took five more and the total was nine on that one,
172
650000
4000
עבור השלישי היה צורך בעוד חמישה, וסך הכל היה תשעה אבני בניין,
11:12
and then the next one.
173
654000
1000
ואז הבא בתור.
11:13
She saw right away that the additional tiles that you had to add
174
655000
5000
אז היא מיד ראתה שהמספר של אבני הבניין שצריך להוסיף
11:18
around the edges was always going to grow by two,
175
660000
4000
סביב השוליים תמיד יגדל בשתיים.
11:22
so she was very confident about how she made those numbers there.
176
664000
3000
אז היא היתה די בטוחה לגבי הדרך שהיא מצאה את המספרים האלה.
11:25
And she could see that these were the square numbers up until about six,
177
667000
5000
והיא יכלה גם לראות שאלו מספרים ריבועיים עד לפחות שש.
11:30
where she wasn't sure what six times six was
178
672000
3000
והיא לא היתה בטוחה כמה זה שש כפול שש,
11:33
and what seven times seven was,
179
675000
2000
וכמה זה שבע כפול שבע.
11:35
but then she was confident again.
180
677000
3000
אבל אז היא היתה בטוחה בזה שוב.
11:38
So that's what Lauren did.
181
680000
2000
אז זה מה שלורן עשתה.
11:40
And then the teacher, Gillian Ishijima, had the kids
182
682000
4000
ומה שהמורה, גיליאן איזהיג'ימה, אמרה לילדים לעשות
11:44
bring all of their projects up to the front of the room and put them on the floor,
183
686000
3000
היה להביא את כל הפרוייקטים שלהם למרכז החדר ולהניח אותם על הרצפה.
11:47
and everybody went batshit: "Holy shit! They're the same!"
184
689000
8000
וכולם נדהמו מהתוצאה, כולם אותו דבר!
11:55
No matter what the shapes were, the growth law is the same.
185
697000
4000
בלי קשר למה היתה הצורה הראשונית, הגדילה של כל הצורות היתה זהה.
11:59
And the mathematicians and scientists in the crowd
186
701000
3000
והמתמטיקאים והמדענים פה בקהל
12:02
will recognize these two progressions
187
704000
2000
יבחינו מייד בשתי עקומות הגדילה האלו
12:04
as a first-order discrete differential equation
188
706000
3000
בתור משוואה דיפרנציאלית דיסקרטית ממעלה ראשונה,
12:07
and a second-order discrete differential equation,
189
709000
5000
ומשוואה דיפרנצציאלית דיסקרטית ממעלה שניה.
12:12
derived by six-year-olds.
190
714000
4000
כל אלה חושבו על ידי ילדים בני שש.
12:16
Well, that's pretty amazing.
191
718000
1000
זה בהחלט די מדהים.
12:17
That isn't what we usually try to teach six-year-olds.
192
719000
3000
וזה לא מה שבדרך כלל מלמדים ילדים בני שש.
12:20
So, let's take a look now at how we might use the computer for some of this.
193
722000
7000
בואו נסתכל גם על איך אנחנו יכולים להשתמש במחשב לצרכים כאלו.
12:27
And so the first idea here is
194
729000
4000
אז הרעיון הראשוני כאן הוא
12:31
just to show you the kind of things that children do.
195
733000
4000
פשוט להראות את סוג הדברים שילדים עושים.
12:35
I'm using the software that we're putting on the $100 laptop.
196
737000
5000
אני משתמש בתוכנה שאנחנו מתקינים על המחשבים הניידים ב-100 דולר.
12:40
So I'd like to draw a little car here --
197
742000
6000
ואני רוצה לצייר כאן מכונית קטנה.
12:46
I'll just do this very quickly -- and put a big tire on him.
198
748000
7000
אני אצייר אותה מהר מאוד. ונרכיב עליה צמיג גדול.
12:59
And I get a little object here and I can look inside this object,
199
761000
4000
והנה יש לי כאן אובייקט, אני יכול להיכנס להגדרות בתוך האובייקט הזה.
13:03
I'll call it a car. And here's a little behavior: car forward.
200
765000
5000
אני אקרא לזה מכונית. ונגדיר התנהגות למכונית מסוג התקדמות קדימה
13:08
Each time I click it, car turn.
201
770000
3000
בכל פעם שאני לוחץ עליה, גם פניה של המכונית.
13:11
If I want to make a little script to do this over and over again,
202
773000
2000
ואני רוצה לייצור סקריפט קטן כדי לבצע את זה שוב ושוב,
13:13
I just drag these guys out and set them going.
203
775000
5000
אני פשוט גורר את הפקודות האלו החוצה ומתחיל את התוכנית.
13:20
And I can try steering the car here by ...
204
782000
3000
ואני יכול לנסות לכוון את המכונית על ידי
13:23
See the car turn by five here?
205
785000
2000
רואים את המכונית פונה בחמש מעלות כאן?
13:25
So what if I click this down to zero?
206
787000
3000
אז מה אם אני לוחץ ומוריד את המספר לאפס?
13:28
It goes straight. That's a big revelation for nine-year-olds.
207
790000
5000
המכונית נוסעת ישר. זו סוג של התגלות לילד בן תשע.
13:33
Make it go in the other direction.
208
795000
2000
לגרום למכונית לנסוע לכיוון אחר.
13:35
But of course, that's a little bit like kissing your sister
209
797000
2000
אבל זה יותר קרוב לסוג של משחק ילדים
13:37
as far as driving a car,
210
799000
3000
מאשר לנהיגה במכונית
13:40
so the kids want to do a steering wheel;
211
802000
3000
אז הילדים רצו להכין גם גלגל הגה.
13:43
so they draw a steering wheel.
212
805000
3000
וציירו את ההגה.
13:46
And we'll call this a wheel.
213
808000
5000
ובואו נקרא לו "הגה".
13:51
See this wheel's heading here?
214
813000
4000
אתם רואים את הכותרת "הגה" כאן?
13:55
If I turn this wheel, you can see that number over there going minus and positive.
215
817000
5000
ואם נסובב את ההגה הזה, אתם יכולים לראות את המספרים כאן משתנים בין חיוביים ושליליים.
14:00
That's kind of an invitation to pick up this name of
216
822000
2000
זו כבר ממש הזמנה לקחת את המשתנה שמחזיק את
14:02
those numbers coming out there
217
824000
3000
המספרים האלו ומבטא את סיבוב ההגה
14:05
and to just drop it into the script here,
218
827000
2000
ופשוט להכניס אותו לתוך הסקריפט שהכנו קודם.
14:07
and now I can steer the car with the steering wheel.
219
829000
5000
ועכשיו אני יכול לכוון את המכונית בעזרת ההגה.
14:12
And it's interesting.
220
834000
2000
וזה כבר מעניין.
14:14
You know how much trouble the children have with variables,
221
836000
3000
אתם יודעים כמה בעיות יש לילדים עם ההבנה של משתנים,
14:17
but by learning it this way, in a situated fashion,
222
839000
2000
אבל אם הם ילמדו את זה ככה באופן מובנה,
14:19
they never forget from this single trial
223
841000
3000
הם לא ישכחו את הניסיון היחיד הזה לעולם
14:22
what a variable is and how to use it.
224
844000
3000
את המשמעות של משתנה ואיך משתמשים בו.
14:25
And we can reflect here the way Gillian Ishijima did.
225
847000
2000
ואנחנו יכולים לשקף זאת עם מה שגיליאן איזהיג'ימה עשתה.
14:27
So if you look at the little script here,
226
849000
2000
אז אם אתם מסתכלים על הסקריפט הזה כאן,
14:29
the speed is always going to be 30.
227
851000
2000
המהירות קבועה על 30.
14:31
We're going to move the car according to that over and over again.
228
853000
5000
אנחנו נסיע את המכונית, לפי הנתונים האלה, שוב ושוב.
14:36
And I'm dropping a little dot for each one of these things;
229
858000
4000
ואני סידרתי כך שהיא תצייר נקודה קטנה עם כל צעד של הסקריפט.
14:40
they're evenly spaced because they're 30 apart.
230
862000
3000
הנקודות ממוקמות במרחקים שווים מאחר והן מרוחקות 30 צעדים זו מזו.
14:43
And what if I do this progression that the six-year-olds did
231
865000
3000
ומה אם אני אכתוב את ההתקדמות הזו שאותו ילד בן שש עשה
14:46
of saying, "OK, I'm going to increase the speed by two each time,
232
868000
5000
ואומר, טוב, אני עכשיו הולך להגדיל את המהירות בשני צעדים כל פעם,
14:51
and then I'm going to increase the distance by the speed each time?
233
873000
3000
ואז המרחק יגדל לפי המהירות בכל פעם?
14:54
What do I get there?"
234
876000
4000
מה אני אקבל עכשיו?
14:58
We get a visual pattern of what these nine-year-olds called acceleration.
235
880000
7000
אנחנו נקבל תמונה חזותית של מה שילדים בני תשע קוראים תאוצה.
15:05
So how do the children do science?
236
887000
2000
אז איך ילדים יכולים לחקור באופן מדעי?
15:08
(Video) Teacher: [Choose] objects that you think will fall to the Earth at the same time.
237
890000
3000
(סרטון) מורה: חפצים שאתם חושבים שיפלו לקרקע באותו זמן
15:11
Student 1: Ooh, this is nice.
238
893000
3000
ילד: זה נחמד.
15:18
Teacher: Do not pay any attention
239
900000
2000
מורה: אל תתייחסו
15:20
to what anybody else is doing.
240
902000
3000
למה שאחרים עושים.
15:35
Who's got the apple?
241
917000
2000
למי יש את התפוח?
15:37
Alan Kay: They've got little stopwatches.
242
919000
2000
אלן קיי: יש להם שעוני עצר קטנים.
15:44
Student 2: What did you get? What did you get?
243
926000
2000
מורה: מה אתם מקבלים? מה קיבלתם?
15:46
AK: Stopwatches aren't accurate enough.
244
928000
3000
אלן קיי: שעוני עצר הם לא מספיק מדוייקים.
15:49
Student 3: 0.99 seconds.
245
931000
2000
ילדה: 0.99 שניות.
15:52
Teacher: So put "sponge ball" ...
246
934000
3000
מורה: אז תכתבי "כדור ספוג"
15:56
Student 4l: [I decided to] do the shot put and the sponge ball
247
938000
3000
ילדה: היה לי כדור ברזל וכדור ספוג,
15:59
because they're two totally different weights,
248
941000
3000
מאחר והם במשקל מאוד שונה זה מזה.
16:02
and if you drop them at the same time,
249
944000
2000
ואם תפיל אותם באותו זמן,
16:04
maybe they'll drop at the same speed.
250
946000
2000
אולי הם יפלו באותה מהירות.
16:06
Teacher: Drop. Class: Whoa!
251
948000
2000
מורה: תפילו אותם.
16:10
AK: So obviously, Aristotle never asked a child
252
952000
3000
אז סביר להניח שאריסטו לא שאל ילדים
16:13
about this particular point
253
955000
3000
על אף נקודה עקרונית,
16:16
because, of course, he didn't bother doing the experiment,
254
958000
2000
מאחר שבין השאר הוא לא טרח לבצע את הניסוי,
16:18
and neither did St. Thomas Aquinas.
255
960000
2000
וגם תומאס אקווינס לא נהג כך.
16:20
And it was not until Galileo actually did it
256
962000
2000
וחיכינו עד שבא גלילאו וממש ביצע את הניסוי
16:22
that an adult thought like a child,
257
964000
3000
כדי שמבוגרים יחשבו קצת כמו ילדים.
16:25
only 400 years ago.
258
967000
3000
זה היה רק לפני 400 שנה.
16:28
We get one child like that about every classroom of 30 kids
259
970000
4000
יש לנו בערך ילד אחד על כל כיתה של שלושים ילדים
16:32
who will actually cut straight to the chase.
260
974000
3000
אחד שיגש ישר לעניין.
16:35
Now, what if we want to look at this more closely?
261
977000
3000
ועכשיו, מה אם נרצה להביט על זה מקרוב יותר?
16:38
We can take a movie of what's going on,
262
980000
3000
אנחנו יכולים לצלם סרטון של מה שקורה,
16:41
but even if we single stepped this movie,
263
983000
2000
אבל אפילו אם נציג את הסרטון תמונה אחרי תמונה,
16:43
it's tricky to see what's going on.
264
985000
2000
זה קצת מתוחכם להבחין בפרטים.
16:45
And so what we can do is we can lay out the frames side by side
265
987000
3000
אז מה שאנחנו יכולים לעשות, אנחנו יכולים להציג את התמונות אחת ליד השניה,
16:48
or stack them up.
266
990000
2000
או אחת על השניה.
16:50
So when the children see this, they say, "Ah! Acceleration,"
267
992000
5000
ועכשיו, כשהילדים יראו את זה, הם יגידו "ברור, זו תאוצה."
16:55
remembering back four months when they did their cars sideways,
268
997000
3000
ויזכרו שארבעה חודשים לפני כן הם עבדו עם המכוניות שלהם,
16:58
and they start measuring to find out what kind of acceleration it is.
269
1000000
6000
ומדדו את המרחקים כדי לגלות איזה סוג של תאוצה הם מקבלים.
17:04
So what I'm doing is measuring from the bottom of one image
270
1006000
6000
וכך, מה שאני עושה זה למדוד מתחתית התמונה
17:10
to the bottom of the next image, about a fifth of a second later,
271
1012000
5000
אל תחתית התמונה הבאה, כחמישית שניה לאחר מכן,
17:15
like that. And they're getting faster and faster each time,
272
1017000
2000
בדיוק כך, והכדור מקבל מהירות גבוהה יותר בכל פעם.
17:17
and if I stack these guys up, then we see the differences; the increase
273
1019000
10000
ואם אני מציג את התמונות אחת על גבי השניה, אתם יכולים לראות את ההבדלים,
17:27
in the speed is constant.
274
1029000
3000
השינוי במהירות הוא קבוע בין התמונות.
17:30
And they say, "Oh, yeah. Constant acceleration.
275
1032000
2000
והילדים יאמרו, כן, ברור, זו תאוצה קבועה.
17:32
We've done that already."
276
1034000
2000
אנחנו למדנו את זה כבר.
17:34
And how shall we look and verify that we actually have it?
277
1036000
8000
ואיך נראה ונוודא שזה באמת המצב?
17:42
So you can't tell much from just making the ball drop there,
278
1044000
5000
אנחנו לא יכולים להבין הרבה מפשוט להפיל את הכדור,
17:47
but if we drop the ball and run the movie at the same time,
279
1049000
4000
אבל אם נפיל את הכדור ונריץ את הסרטון באותו זמן,
17:53
we can see that we have come up with an accurate physical model.
280
1055000
5000
נוכל לראות שיש לנו כאן מודל פיזיקלי מדוייק.
18:00
Galileo, by the way, did this very cleverly
281
1062000
4000
גלילאו, דרך אגב, עשה את זה באופן מאוד מחוכם
18:04
by running a ball backwards down the strings of his lute.
282
1066000
3000
הוא גילגל את הכדור בניגוד לכיוון הפסים בקתרוס (כלי נגינה דומה לגיטרה) שלו.
18:07
I pulled out those apples to remind myself to tell you that
283
1069000
5000
משכתי את התפוחים האלו לכאן כדי להזכיר לעצמי לומר לכם
18:12
this is actually probably a Newton and the apple type story,
284
1074000
5000
שזה כנראה סיפור כמו על ניוטון והתפוח,
18:17
but it's a great story.
285
1079000
2000
אבל זה עדיין סיפור מצויין.
18:19
And I thought I would do just one thing
286
1081000
2000
וחשבתי שאני אעשה גם משהו
18:21
on the $100 laptop here just to prove that this stuff works here.
287
1083000
10000
על המחשב הנייד ב100 דולר רק כדי להוכחי לכם שהדברים האלה פועלים עליו.
18:31
So once you have gravity, here's this --
288
1093000
3000
אז ברגע שהבנו את הכבידה, הנה זה
18:34
increase the speed by something,
289
1096000
2000
מעלה את המהירות של משהו,
18:36
increase the ship's speed.
290
1098000
3000
מעלה את המהירות של החללית.
18:39
If I start the little game here that the kids have done,
291
1101000
3000
אם אני אתחיל כאן במשחק קטן שהילדים עשו,
18:42
it'll crash the space ship.
292
1104000
2000
החללית תתרסק.
18:44
But if I oppose gravity, here we go ... Oops!
293
1106000
4000
אבל אם אני אתנגד לכבידה, הנה זה עובד, אופס!
18:48
(Laughter)
294
1110000
2000
(צחוק בקהל)
18:50
One more.
295
1112000
1000
עוד פעם.
18:54
Yeah, there we go. Yeah, OK?
296
1116000
5000
כן, הנה זה עובד. בדיוק, יופי?
18:59
I guess the best way to end this is with two quotes:
297
1121000
7000
אני מניח שהדרך הכי טובה לסיים פה תהיה עם שני ציטוטים.
19:06
Marshall McLuhan said,
298
1128000
2000
מרשל מקלוהאן אמר,
19:08
"Children are the messages that we send to the future,"
299
1130000
4000
"ילדים הם המסרים שאנו שולחים לעתיד."
19:12
but in fact, if you think of it,
300
1134000
2000
אבל למעשה, אם אתם חושבים על זה,
19:14
children are the future we send to the future.
301
1136000
2000
ילדים הם העתיד שאנו שולחים לעתיד.
19:16
Forget about messages;
302
1138000
3000
תשכחו מהמסרים.
19:19
children are the future,
303
1141000
3000
ילדים הם העתיד.
19:22
and children in the first and second world
304
1144000
2000
וילדים בעולם הראשון והשני,
19:24
and, most especially, in the third world
305
1146000
3000
ובמיוחד בעולם השלישי,
19:27
need mentors.
306
1149000
2000
צריכים מורים.
19:29
And this summer, we're going to build five million of these $100 laptops,
307
1151000
5000
ובקיץ הקרוב אנחנו הולכים להרכיב 5 מיליון מהמחשבים הניידים האלו
19:34
and maybe 50 million next year.
308
1156000
2000
ואולי 50 מיליון בשנה הבאה.
19:36
But we couldn't create 1,000 new teachers this summer to save our life.
309
1158000
7000
אבל לא נוכל ליצור אלף מורים חדשים בקיץ כדי להציל את החיים שלנו.
19:43
That means that we, once again, have a thing where we can put technology out,
310
1165000
6000
וזה אומר ששוב יש כאן משהו שהטכנולוגיה יכולה לעשות
19:49
but the mentoring that is required to go
311
1171000
3000
אבל ההוראה שדרושה כדי לעבור
19:52
from a simple new iChat instant messaging system
312
1174000
5000
ממערכת מסרים מיידיים פשוטה
19:57
to something with depth is missing.
313
1179000
2000
למשהו עם עומק ומשמעות חסרה.
19:59
I believe this has to be done with a new kind of user interface,
314
1181000
3000
אני חושב שצריך לעשות את זה עם מנשק משתמש מסוג אחר.
20:02
and this new kind of user interface could be done
315
1184000
4000
והמנשק החדש הזה יכול להתבצע
20:06
with an expenditure of about 100 million dollars.
316
1188000
5000
בהוצאה של משהו כמו 100 מיליון דולר.
20:11
It sounds like a lot, but it is literally 18 minutes of what we're spending in Iraq --
317
1193000
7000
זה נשמע כמו הרבה כסף, אבל זה בדיוק 18 דקות מתוך מה שאנחנו מוציאים בעירק.
20:18
we're spending 8 billion dollars a month; 18 minutes is 100 million dollars --
318
1200000
5000
אנחנו מוציאים 8 מיליארד דולר בחודש. 18 דקות שוות 100 מיליון דולר.
20:23
so this is actually cheap.
319
1205000
2000
אז זה בעצם די זול.
20:25
And Einstein said,
320
1207000
4000
ואינשטיין אמר פעם,
20:29
"Things should be as simple as possible, but not simpler."
321
1211000
3000
"דברים צריכים להיות פשוטים ככל האפשר, אבל לא יותר פשוטים."
20:32
Thank you.
322
1214000
1000
תודה רבה.
ABOUT THE SPEAKER
Alan Kay - Educator and computing pioneerOne 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.
Alan Kay | Speaker | TED.com