TED2010
Temple Grandin: The world needs all kinds of minds
טמפל גרנדין: העולם זקוק לכל מיני מוחות
Filmed:
Readability: 3.4
5,588,848 views
טמפל גרנדין, שאובחנה בילדותה כאוטיסטית, משוחחת על הדרך בה פועל מוחה, ומספרת על יכולתה "לחשוב בתמונות", שמסייעת לה לפתור בעיות שמוחות טיפוסיים מבחינה עצבית עלולים להחמיץ. טענתה היא שהעולם זקוק לבני האדם שנמצאים בקצה האוטיסטי של הספקטרום: החושבים הויזואליים, החושבים בתבניות, החושבים במלים, וגם כל מיני ילדים "חנוניים" וחכמים.
Temple Grandin - Livestock handling designer, autism activist
Through groundbreaking research and the lens of her own autism, Temple Grandin brings startling insight into two worlds. Full bio
Through groundbreaking research and the lens of her own autism, Temple Grandin brings startling insight into two worlds. Full bio
Double-click the English transcript below to play the video.
00:15
I think I'll start out and just talk a little bit about
0
0
2000
חושבני שקודם כל אספר מעט
00:17
what exactly autism is.
1
2000
2000
מהו בדיוק אוטיזם.
00:19
Autism is a very big continuum
2
4000
3000
האוטיזם הוא קשת רחבה מאד
00:22
that goes from very severe -- the child remains non-verbal --
3
7000
3000
החל ממצב חמור ביותר, הילד שנותר לא-מילולי,
00:25
all the way up to brilliant scientists and engineers.
4
10000
3000
ועד למדענים ולמהנדסים המבריקים.
00:28
And I actually feel at home here,
5
13000
2000
ואני למעשה מרגישה כאן בבית.
00:30
because there's a lot of autism genetics here.
6
15000
2000
כי יש כאן המון גנטיקה אוטיסטית.
00:32
You wouldn't have any...
7
17000
2000
לא יהיו לכם...
00:34
(Applause)
8
19000
4000
[מחיאות כפיים]
00:38
It's a continuum of traits.
9
23000
2000
מדובר בקשת של תכונות.
00:40
When does a nerd turn into
10
25000
3000
מתי 'חנון' נחשב
00:43
Asperger, which is just mild autism?
11
28000
2000
לבעל תסמונת אספרגר, שהיא אוטיזם קל ביותר?
00:45
I mean, Einstein and Mozart
12
30000
3000
כלומר, איינשטיין ומוצרט
00:48
and Tesla would all be probably diagnosed
13
33000
2000
וטסלה, כולם היו כנראה מאובחנים
00:50
as autistic spectrum today.
14
35000
2000
כיום על הספקטרום האוטיסטי.
00:52
And one of the things that is really going to concern me is
15
37000
3000
ואחד הדברים שבאמת יעסיקו אותי הוא
00:55
getting these kids to be the ones that are going to invent
16
40000
3000
להביא את הילדים האלה לכך שיהיו הממציאים
00:58
the next energy things,
17
43000
2000
של אמצעי האנרגיה הבאים,
01:00
you know, that Bill Gates talked about this morning.
18
45000
4000
ביל גייטס דיבר על כך הבוקר.
01:04
OK. Now, if you want to understand
19
49000
2000
אוקיי. אם ברצונכם להבין
01:06
autism, animals.
20
51000
2000
אוטיזם, בעלי חיים.
01:08
And I want to talk to you now about different ways of thinking.
21
53000
2000
וכעת ברצוני לספר לכם על אופני חשיבה שונים.
01:10
You have to get away from verbal language.
22
55000
3000
תצטרכו להתרחק מן השפה המילולית.
01:13
I think in pictures,
23
58000
2000
אני חושבת בתמונות.
01:15
I don't think in language.
24
60000
3000
אינני חושבת בעזרת השפה.
01:18
Now, the thing about the autistic mind
25
63000
2000
העניין עם המוח האוטיסטי
01:20
is it attends to details.
26
65000
3000
הוא התייחסותו לפרטים.
01:23
OK, this is a test where you either have to
27
68000
2000
זהו מבחן שבו עליכם לבחור
01:25
pick out the big letters, or pick out the little letters,
28
70000
2000
או את האותיות הגדולות או את הקטנות.
01:27
and the autistic mind picks out the
29
72000
2000
והמוח האוטיסטי בוחר
01:29
little letters more quickly.
30
74000
2000
את האותיות הקטנות מהר יותר.
01:31
And the thing is, the normal brain ignores the details.
31
76000
4000
העניין הוא שהמוח הרגיל מתעלם מהפרטים.
01:35
Well, if you're building a bridge, details are pretty important
32
80000
2000
אך אם אתם בונים גשר, הפרטים חשובים מאד
01:37
because it will fall down if you ignore the details.
33
82000
3000
כי אם תתעלמו מהפרטים הוא יתמוטט.
01:40
And one of my big concerns with a lot of policy things today
34
85000
3000
ואחת מדאגותי הגדולות כיום לגבי ענייני מדיניות רבים
01:43
is things are getting too abstract.
35
88000
2000
היא שהדברים נעשים מופשטים מדי.
01:45
People are getting away from doing
36
90000
2000
אנשים הולכים ומתרחקים
01:47
hands-on stuff.
37
92000
2000
מעשיית דברים במו-ידיהם.
01:49
I'm really concerned that a lot of the schools have taken out
38
94000
2000
מדאיג אותי מאד שבתי ספר רבים ביטלו
01:51
the hands-on classes,
39
96000
2000
את השיעורים המעשיים,
01:53
because art, and classes like that,
40
98000
2000
כי אמנות ושיעורים דומים,
01:55
those are the classes where I excelled.
41
100000
2000
הם השיעורים בהם הצטיינתי.
01:57
In my work with cattle,
42
102000
2000
אז בעבודתי עם בקר,
01:59
I noticed a lot of little things that most people don't notice
43
104000
3000
זיהיתי הרבה דברים קטנים שרוב האנשים לא רואים
02:02
would make the cattle balk. Like, for example,
44
107000
2000
ואשר גורמים לבקר להירתע, לדוגמה,
02:04
this flag waving, right in front of the veterinary facility.
45
109000
3000
הדגל הזה, שמתנופף ממש בחזית המתקן הווטרינרי.
02:07
This feed yard was going to tear down their whole veterinary facility;
46
112000
3000
חצר ההאכלה הזו כמעט הפילה את כל המתקן הוטרינרי,
02:10
all they needed to do was move the flag.
47
115000
2000
וכל שהיה עליהם לעשות הוא רק לסלק את הדגל.
02:12
Rapid movement, contrast.
48
117000
3000
תנועה מהירה, ניגודיות.
02:15
In the early '70s when I started, I got right down
49
120000
2000
בתחילת שנות השבעים, כשהתחלתי, נכנסתי ממש
02:17
in the chutes to see what cattle were seeing.
50
122000
2000
לתוך המשפכים, כדי לראות מה רואה הבקר.
02:19
People thought that was crazy. A coat on a fence would make them balk,
51
124000
3000
חשבו שאני מטורפת. מעיל על הגדר גרם להן להירתע.
02:22
shadows would make them balk, a hose on the floor ...
52
127000
3000
צללים גרמו להן להירתע, צינור על הריצפה.
02:25
people weren't noticing these things --
53
130000
2000
אנשים לא שמו לב לדברים האלה,
02:27
a chain hanging down --
54
132000
2000
שרשרת תלויה,
02:29
and that's shown very, very nicely in the movie.
55
134000
2000
ובסרט רואים את זה טוב מאד.
02:31
In fact, I loved the movie, how they
56
136000
2000
למעשה, אהבתי איך שבסרט
02:33
duplicated all my projects. That's the geek side.
57
138000
2000
שיחזרו את כל הפרוייקטים שלי. זה ההיבט החנוני.
02:35
My drawings got to star in the movie too.
58
140000
3000
גם הציורים שלי זכו לככב בסרט.
02:38
And actually it's called "Temple Grandin,"
59
143000
2000
ושמו הוא באמת "טמפל גרנדין",
02:40
not "Thinking In Pictures."
60
145000
2000
ולא "חשיבה בתמונות".
02:42
So, what is thinking in pictures? It's literally movies
61
147000
2000
אז מהי חשיבה בתמונות? אלו ממש סרטים
02:44
in your head.
62
149000
2000
בתוך הראש.
02:46
My mind works like Google for images.
63
151000
2000
המוח שלי פועל כמו "גוגל תמונות".
02:48
Now, when I was a young kid I didn't know my thinking was different.
64
153000
3000
כשהייתי קטנה לא ידעתי שהחשיבה שלי שונה.
02:51
I thought everybody thought in pictures.
65
156000
2000
חשבתי שכולם חושבים בתמונות.
02:53
And then when I did my book, "Thinking In Pictures,"
66
158000
2000
וכשכתבתי את ספרי, "חשיבה בתמונות",
02:55
I start interviewing people about how they think.
67
160000
3000
התחלתי לראיין אנשים בנוגע לדרך חשיבתם,
02:58
And I was shocked to find out that
68
163000
2000
ונדהמתי לגלות שאופן החשיבה שלי
03:00
my thinking was quite different. Like if I say,
69
165000
2000
כל כך שונה. כלומר, אם אומר,
03:02
"Think about a church steeple"
70
167000
2000
"חישבו על צריח כנסיה"
03:04
most people get this sort of generalized generic one.
71
169000
2000
מרבית האנשים יראו מעין צריח כללי שכזה.
03:06
Now, maybe that's not true in this room,
72
171000
2000
אולי זה לא נכון ליושבים כאן
03:08
but it's going to be true in a lot of different places.
73
173000
4000
אבל זה יקרה בהמון מקומות.
03:12
I see only specific pictures.
74
177000
2000
אני רואה רק תמונות ספציפיות
03:14
They flash up into my memory, just like Google for pictures.
75
179000
4000
הם מבזיקות בזכרוני, ממש כמו ב"גוגל תמונות".
03:18
And in the movie, they've got a great scene in there
76
183000
2000
ובסרט שלי יש סצינה נהדרת,
03:20
where the word "shoe" is said, and a whole bunch of '50s and '60s shoes
77
185000
4000
שבה נאמרת המילה "נעל", והמון נעליים משנות ה-50 וה-60
03:24
pop into my imagination.
78
189000
2000
קופצות ומופיעות בדמיוני.
03:26
OK, there is my childhood church,
79
191000
2000
אוקיי. זאת כנסיית ילדותי.
03:28
that's specific. There's some more, Fort Collins.
80
193000
3000
בדיוק זו. ויש עוד. פורט קולינס.
03:31
OK, how about famous ones?
81
196000
2000
מה עם כנסיות מפורסמות?
03:33
And they just kind of come up, kind of like this.
82
198000
3000
והן כאילו מופיעות, בערך ככה.
03:36
Just really quickly, like Google for pictures.
83
201000
3000
מהר מאד. כמו ב"גוגל תמונות".
03:39
And they come up one at a time,
84
204000
2000
והן מופיעות אחת אחת.
03:41
and then I think, "OK, well maybe we can have it snow,
85
206000
2000
ואני חושבת, אולי אעשה שיירד שלג,
03:43
or we can have a thunderstorm,"
86
208000
2000
או שתהיה סופת רעמים,
03:45
and I can hold it there and turn them into videos.
87
210000
3000
ואני יכולה לעצור ולהפוך אותן לסרטים.
03:48
Now, visual thinking was a tremendous asset
88
213000
3000
לחשיבה ויזואלית היה ערך עצום
03:51
in my work designing cattle-handling facilities.
89
216000
3000
בעבודתי בתכנון מתקנים לטיפול בבקר.
03:54
And I've worked really hard on improving
90
219000
2000
ועבדתי קשה מאד כדי לשפר
03:56
how cattle are treated at the slaughter plant.
91
221000
2000
את היחס לבקר במפעלי השחיטה.
03:58
I'm not going to go into any gucky slaughter slides.
92
223000
3000
לא אציג את השיקופיות המבחילות של השחיטה.
04:01
I've got that stuff up on YouTube if you want to look at it.
93
226000
2000
העליתי את זה ל"יו-טיוב", אם תרצו לראות.
04:03
But, one of the things that I was able to do in my design work
94
228000
4000
אך אחד הדברים שיכולתי לעשות בעבודת התכנון שלי
04:07
is I could actually test run
95
232000
2000
הוא לבצע הרצת-מבחן
04:09
a piece of equipment in my mind,
96
234000
2000
לפריט-ציוד כלשהו במוחי,
04:11
just like a virtual reality computer system.
97
236000
3000
ממש כמו מערכת ממוחשבת של מציאות מדומה.
04:14
And this is an aerial view
98
239000
2000
וזהו מראה מהאוויר
04:16
of a recreation of one of my projects that was used in the movie.
99
241000
3000
של שיחזור אחד הפרוייקטים שלי לצורך הסרט.
04:19
That was like just so super cool.
100
244000
2000
זה היה כזה מעולה.
04:21
And there were a lot of kind of Asperger types
101
246000
2000
והיו הרבה טיפוסי אספרגר
04:23
and autism types working out there on the movie set too.
102
248000
3000
ואוטיסטים שעבדו גם הם באתר ההסרטה.
04:26
(Laughter)
103
251000
2000
[צחוק]
04:28
But one of the things that really worries me
104
253000
2000
אך אחד הדברים שבאמת מדאיגים אותי הוא השאלה
04:30
is: Where's the younger version of those kids going today?
105
255000
4000
לאן פונות כיום הגרסאות הצעירות יותר של נערים אלה.
04:34
They're not ending up in Silicon Valley, where they belong.
106
259000
3000
הם לא מגיעים לעמק הסיליקון, ששם מקומם.
04:37
(Laughter)
107
262000
3000
[צחוק]
04:40
(Applause)
108
265000
5000
[מחיאות כפיים]
04:45
Now, one of the things I learned very early on because I wasn't that social,
109
270000
3000
אחד הדברים שלמדתי מוקדם מאד, כי לא הייתי חברותית,
04:48
is I had to sell my work, and not myself.
110
273000
4000
הוא שעלי למכור את עבודתי, ולא את עצמי.
04:52
And the way I sold livestock jobs
111
277000
2000
והדרך בה אני מוכרת עבודות שקשורות בבעלי חיים
04:54
is I showed off my drawings, I showed off pictures of things.
112
279000
3000
היא שאני מציגה את שרטוטי, תמונות של דברים.
04:57
Another thing that helped me as a little kid
113
282000
2000
מה שעוד עזר לי, כילדה קטנה,
04:59
is, boy, in the '50s, you were taught manners.
114
284000
2000
הוא שבשנות ה-50 לימדו אותנו נימוסים.
05:01
You were taught you can't pull the merchandise off the shelves
115
286000
2000
לימדו אותנו שאסור לגנוב סחורה מהמדפים
05:03
in the store and throw it around.
116
288000
2000
בחנות ולפזר אותה מסביב.
05:05
Now, when kids get to be in third or fourth grade,
117
290000
3000
כשילדים מגיעים לכיתה ד' או ה',
05:08
you might see that this kid's going to be a visual thinker,
118
293000
3000
אפשר לראות אם ילד זה עתיד לחשוב ויזואלית,
05:11
drawing in perspective. Now, I want to
119
296000
2000
הוא מצייר בפרספקטיבה. כעת, אני רוצה
05:13
emphasize that not every autistic kid
120
298000
2000
להדגיש שלא כל ילד אוטיסטי
05:15
is going to be a visual thinker.
121
300000
2000
עתיד להיות חושב ויזואלי.
05:17
Now, I had this brain scan done several years ago,
122
302000
4000
את סריקת המוח הזו עשו לי לפני כמה שנים,
05:21
and I used to joke around about having a
123
306000
2000
ונהגתי להתלוצץ שיש לי
05:23
gigantic Internet trunk line
124
308000
2000
שדירת אינטרנט ענקית
05:25
going deep into my visual cortex.
125
310000
2000
שמגיעה עד למרכז הראייה בקליפת המוח שלי.
05:27
This is tensor imaging.
126
312000
2000
זוהי הדמיה של מסילות העצבים במוח.
05:29
And my great big internet trunk line
127
314000
2000
וזו שדירת האינטרנט הרחבה שלי
05:31
is twice as big as the control's.
128
316000
2000
כפולה בגודלה יחסית לקבוצת הביקורת.
05:33
The red lines there are me,
129
318000
2000
הקווים האדומים מייצגים אותי,
05:35
and the blue lines are the sex and age-matched control.
130
320000
4000
והכחולים - של קבוצת הביקורת המקבילה מבחינת מין וגיל.
05:39
And there I got a gigantic one,
131
324000
2000
וכאן יש לי קו ענק.
05:41
and the control over there, the blue one,
132
326000
2000
וקבוצת הביקורת כאן, הכחול הזה,
05:43
has got a really small one.
133
328000
4000
הוא ממש קטן.
05:47
And some of the research now is showing
134
332000
2000
וחלק מהמחקרים מוכיחים כעת
05:49
is that people on the spectrum actually think with primary visual cortex.
135
334000
4000
שרוב החשיבה של מי שבספקטרום הזה נעשית במרכז הראיה הראשוני.
05:53
Now, the thing is, the visual thinker's just one kind of mind.
136
338000
3000
העניין הוא שחשיבה ויזואלית היא רק סוג מוח אחד.
05:56
You see, the autistic mind tends to be a specialist mind --
137
341000
3000
עליכם להבין שהמוח האוטיסטי נוטה להיות מוח מומחה.
05:59
good at one thing, bad at something else.
138
344000
4000
טוב בדבר אחד, גרוע בדבר אחר.
06:03
And where I was bad was algebra. And I was never allowed
139
348000
2000
ואני הייתי גרועה באלגברה. לא הירשו לי ללמוד
06:05
to take geometry or trig.
140
350000
2000
הנדסה או טריגונומטריה. טעות עצומה.
06:07
Gigantic mistake: I'm finding a lot of kids who need to skip algebra,
141
352000
3000
אני מגלה ילדים רבים שצריכים לדלג על אלגברה.
06:10
go right to geometry and trig.
142
355000
2000
להמשיך ישר להנדסה וטריגונומטריה.
06:12
Now, another kind of mind is the pattern thinker.
143
357000
3000
סוג נוסף הוא המוח שחושב בתבניות.
06:15
More abstract. These are your engineers,
144
360000
2000
עוד יותר מופשט. אלה המהנדסים שלכם,
06:17
your computer programmers.
145
362000
2000
מתכנתי המחשבים שלכם.
06:19
Now, this is pattern thinking. That praying mantis
146
364000
2000
הנה חשיבה תבניתית. גמל שלמה הזה
06:21
is made from a single sheet of paper --
147
366000
2000
עשוי מגליון נייר יחיד,
06:23
no scotch tape, no cuts.
148
368000
2000
ללא נייר דבק, ללא גזירות.
06:25
And there in the background is the pattern for folding it.
149
370000
3000
וברקע רואים את תבנית הקיפול שלו.
06:28
Here are the types of thinking:
150
373000
2000
הנה סוגי החשיבה,
06:30
photo-realistic visual thinkers, like me;
151
375000
3000
חושבים ויזואליים בצילומים ריאליסטיים, כמוני.
06:33
pattern thinkers, music and math minds.
152
378000
4000
חושבים תבניתיים, מוחות מוזיקליים ומתמטיים.
06:37
Some of these oftentimes have problems with reading.
153
382000
2000
לחלקם יש לפעמים קשיי קריאה.
06:39
You also will see these kind of problems
154
384000
2000
תמצאו בעיות כאלה גם
06:41
with kids that are dyslexic.
155
386000
3000
אצל ילדים דיסלקטיים.
06:44
You'll see these different kinds of minds.
156
389000
2000
תגלו שיש סוגי מוחות שונים.
06:46
And then there's a verbal mind, they know every fact about everything.
157
391000
3000
וישנו גם המוח המילולי. אלה מכירים כל עובדה על כל דבר.
06:49
Now, another thing is the sensory issues.
158
394000
2000
כעת, דבר נוסף הוא הנושא התחושתי.
06:51
I was really concerned about having to wear this gadget on my face.
159
396000
4000
הייתי מוטרדת מאד לגבי ענידת האביזר הזה על פני.
06:55
And I came in half an hour beforehand
160
400000
3000
ולכן הגעתי חצי שעה מוקדם יותר
06:58
so I could have it put on and kind of get used to it,
161
403000
2000
כדי שירכיבו לי אותו ושאוכל קצת להתרגל אליו.
07:00
and they got it bent so it's not hitting my chin.
162
405000
3000
הם כופפו לי אותו כדי שזה לא יפגע לי בסנטר.
07:03
But sensory is an issue. Some kids are bothered by fluorescent lights;
163
408000
3000
אך תחושתיות זו בעיה. יש ילדים שרגישים לאור נאון.
07:06
others have problems with sound sensitivity.
164
411000
3000
לאחרים יש בעיות של רגישות לצלילים.
07:09
You know, it's going to be variable.
165
414000
3000
זה משתנה.
07:12
Now, visual thinking gave me a whole lot of insight
166
417000
4000
החשיבה הויזואלית נתנה לי המון תובנה
07:16
into the animal mind.
167
421000
2000
לגבי מוחו של בעל החיים.
07:18
Because think about it: An animal is a sensory-based thinker,
168
423000
3000
חישבו על כך: חיה חושבת בתחושות,
07:21
not verbal -- thinks in pictures,
169
426000
4000
לא בצורה מילולית. היא חושבת בתמונות.
07:25
thinks in sounds, thinks in smells.
170
430000
3000
היא חושבת בצלילים, בריחות.
07:28
Think about how much information there is there on the local fire hydrant.
171
433000
3000
חישבו כמה מידע מצוי על ברז כיבוי-האש ברחובכם.
07:31
He knows who's been there, when they were there.
172
436000
3000
היא יודעת מי היה שם, ומתי,
07:34
Are they friend or foe? Is there anybody he can go mate with?
173
439000
3000
ואם זה ידיד או אויב, או מישהו שאפשר להזדווג איתו.
07:37
There's a ton of information on that fire hydrant.
174
442000
3000
יש טונות של מידע על ברז הכיבוי ההוא.
07:40
It's all very detailed information,
175
445000
4000
וזהו מידע מפורט ביותר.
07:44
and, looking at these kind of details
176
449000
2000
ומתוך התבוננות בסוג זה של פרטים
07:46
gave me a lot of insight into animals.
177
451000
2000
זכיתי בהבנה מעמיקה בבעלי חיים.
07:48
Now, the animal mind, and also my mind,
178
453000
4000
מוח החיה, והמוח שלי
07:52
puts sensory-based information
179
457000
2000
מסדרים מידע מבוסס-תחושות
07:54
into categories.
180
459000
2000
לפי קטגוריות.
07:56
Man on a horse
181
461000
2000
אדם על סוס,
07:58
and a man on the ground --
182
463000
2000
ואדם על הקרקע,
08:00
that is viewed as two totally different things.
183
465000
2000
נתפסים כשני דברים שונים לחלוטין.
08:02
You could have a horse that's been abused by a rider.
184
467000
3000
יכול להיות לכם לכם סוס שרוכבו התעלל בו.
08:05
They'll be absolutely fine with the veterinarian
185
470000
2000
הוטרינר יחשוב שהכל בסדר,
08:07
and with the horseshoer, but you can't ride him.
186
472000
3000
וכך גם המפרזל. אבל אי אפשר לרכב עליו.
08:10
You have another horse, where maybe the horseshoer beat him up
187
475000
3000
ואילו סוס אחר, שהמפרזל אולי היכה אותו,
08:13
and he'll be terrible for anything on the ground,
188
478000
2000
והוא יתנהג איום ונורא לכל מה שנמצא על הקרקע,
08:15
with the veterinarian, but a person can ride him.
189
480000
3000
אל הוטרינר, אבל ניתן לרכב עליו.
08:18
Cattle are the same way.
190
483000
2000
כך גם הבקר.
08:20
Man on a horse,
191
485000
2000
גבר על סוס,
08:22
a man on foot -- they're two different things.
192
487000
2000
גבר שהולך ברגל - שני דברים שונים.
08:24
You see, it's a different picture.
193
489000
2000
זו הרי כבר תמונה אחרת.
08:26
See, I want you to think about just how specific this is.
194
491000
3000
אני רוצה שתחשבו כמה זה ספציפי.
08:29
Now, this ability to put information into categories,
195
494000
4000
והיכולת הזו לסווג מידע לפי קטגוריות,
08:33
I find a lot of people are not very good at this.
196
498000
3000
מצאתי שהרבה אנשים לא טובים בזה.
08:36
When I'm out troubleshooting equipment
197
501000
2000
כשאני בשטח, מתקנת ציוד
08:38
or problems with something in a plant,
198
503000
2000
או בעיות שקשורות במשהו במפעל
08:40
they don't seem to be able to figure out, "Do I have a training people issue?
199
505000
4000
הם כנראה לא מסוגלים לסווג: "יש לי בעיה להכשיר אנשים
08:44
Or do I have something wrong with the equipment?"
200
509000
2000
או יש לי בעיה בציוד?"
08:46
In other words, categorize equipment problem
201
511000
2000
במלים אחרות, סיווג בעיית הציוד
08:48
from a people problem.
202
513000
2000
להבדיל מבעיית האנשים.
08:50
I find a lot of people have difficulty doing that.
203
515000
3000
אני מוצאת שלאנשים רבים קשה לעשות זאת.
08:53
Now, let's say I figure out it's an equipment problem.
204
518000
3000
נניח שסיווגתי זאת כבעיית ציוד.
08:56
Is it a minor problem, with something simple I can fix?
205
521000
2000
האם זו בעיה קטנה, משהו פשוט שאני יכולה לתקן?
08:58
Or is the whole design of the system wrong?
206
523000
3000
או שכל תכנון המערכת שגוי?
09:01
People have a hard time figuring that out.
207
526000
3000
לאנשים קשה לעשות הבחנות כאלה.
09:04
Let's just look at something like, you know,
208
529000
2000
ניקח משהו כמו
09:06
solving problems with making airlines safer.
209
531000
2000
פתרון בעיות לצורך שיפור בטיחות התעבורה האווירית.
09:08
Yeah, I'm a million-mile flier.
210
533000
2000
כן, אני נוסעת מתמידה.
09:10
I do lots and lots of flying,
211
535000
2000
אני טסה המון,
09:12
and if I was at the FAA,
212
537000
3000
ואם הייתי חברה באיגוד הטיסות הפדרלי,
09:15
what would I be doing a lot of direct observation of?
213
540000
4000
על מה הייתי עורכת תצפיות ישירות?
09:19
It would be their airplane tails.
214
544000
2000
על זנבות המטוסים.
09:21
You know, five fatal wrecks in the last 20 years,
215
546000
3000
חמש התרסקויות קטלניות ב-20 השנים האחרונות
09:24
the tail either came off or steering stuff inside the tail broke
216
549000
4000
שבהן הזנב נשר או שמערכת ההיגוי שבפנים התקלקלה
09:28
in some way.
217
553000
2000
בצורה מסוימת.
09:30
It's tails, pure and simple.
218
555000
2000
הזנבות שלהם. קל ופשוט.
09:32
And when the pilots walk around the plane, guess what? They can't see
219
557000
2000
וכשהטייסים בודקים מסביב למטוס, אתם יודעים מה?
09:34
that stuff inside the tail.
220
559000
2000
הם לא רואים את מה שיש בתוך הזנב.
09:36
You know, now as I think about that,
221
561000
2000
עכשיו, כשאני חושבת על זה, אני בעצם מחלצת
09:38
I'm pulling up all of that specific information.
222
563000
3000
את כל המידע הספציפי הזה.
09:41
It's specific. See, my thinking's bottom-up.
223
566000
3000
הוא ספציפי. החשיבה שלי היא מלמטה כלפי מעלה.
09:44
I take all the little pieces and I put the pieces together like a puzzle.
224
569000
4000
אני לוקחת ומצרפת את כל הפיסות הקטנות כמו בחידת תצרף.
09:48
Now, here is a horse that was deathly afraid
225
573000
2000
אז הנה הסוס שפחד פחד מוות
09:50
of black cowboy hats.
226
575000
2000
מכובעי בוקרים שחורים.
09:52
He'd been abused by somebody with a black cowboy hat.
227
577000
2000
התעלל בו מישהו שחבש כובע בוקרים שחור.
09:54
White cowboy hats, that was absolutely fine.
228
579000
3000
כובעי בוקרים לבנים - אלה בסדר גמור.
09:57
Now, the thing is, the world is going to need
229
582000
3000
העניין הוא שהעולם עתיד להזדקק
10:00
all of the different kinds of minds
230
585000
2000
לכל מיני מוחות
10:02
to work together.
231
587000
2000
שיפעלו בצוותא.
10:04
We've got to work on developing all these different kinds of minds.
232
589000
3000
עלינו להשקיע בפיתוח כל סוגי המוחות האלה.
10:07
And one of the things that is driving me really crazy,
233
592000
3000
ומה שממש משגע אותי,
10:10
as I travel around and I do autism meetings,
234
595000
2000
כשאני נוסעת ועורכת מפגשי אוטיסטים,
10:12
is I'm seeing a lot of smart, geeky, nerdy kids,
235
597000
3000
הוא שאני פוגשת המון ילדים חנוניים וחכמים.
10:15
and they just aren't very social,
236
600000
3000
והם לא הכי חברותיים.
10:18
and nobody's working on developing their interest
237
603000
2000
ואיש איננו פועל כדי לפתח את העניין שלהם
10:20
in something like science.
238
605000
2000
במשהו כמו מדע.
10:22
And this brings up the whole thing of my science teacher.
239
607000
3000
וזה מביא אותי למורה שלי למדעים.
10:25
My science teacher is shown absolutely beautifully in the movie.
240
610000
3000
המורה שלי למדעים מוצג נפלא בסרט הזה.
10:28
I was a goofball student. When I was in high school
241
613000
2000
הייתי תלמידה טיפשה כשהייתי בתיכון
10:30
I just didn't care at all about studying,
242
615000
3000
בכלל לא התייחסתי ללימודים,
10:33
until I had Mr. Carlock's science class.
243
618000
3000
עד שיעור המדעים של מר קרלוק.
10:36
He was now Dr. Carlock in the movie.
244
621000
3000
זהו ד"ר קרלוק שבסרט.
10:39
And he got me challenged
245
624000
3000
והוא הציב לי אתגר
10:42
to figure out an optical illusion room.
246
627000
3000
להתמצא בחדר מלא אשליות אופטיות.
10:45
This brings up the whole thing of you've got to show kids
247
630000
2000
זה מעלה את הנושא שצריך להראות לילדים
10:47
interesting stuff.
248
632000
2000
דברים מעניינים.
10:49
You know, one of the things that I think maybe TED ought to do
249
634000
3000
חשבתי שאחד הדברים ש-TED אולי צריכה לעשות
10:52
is tell all the schools about all the great lectures that are on TED,
250
637000
3000
הוא לספר בכל בתי הספר על ההרצאות הנהדרות של TED,
10:55
and there's all kinds of great stuff on the Internet
251
640000
2000
ויש גם המון דברים נהדרים באינטרנט,
10:57
to get these kids turned on.
252
642000
2000
שיכולים להדליק את הילדים.
10:59
Because I'm seeing a lot of these geeky nerdy kids,
253
644000
3000
כי אני רואה המון ילדים חנונים כאלה,
11:02
and the teachers out in the Midwest, and the other parts of the country,
254
647000
3000
והמורים במערב התיכון, ובחלקים אחרים של הארץ,
11:05
when you get away from these tech areas,
255
650000
2000
כשמתרחקים מהאזורים עתירי הטכנולוגיה,
11:07
they don't know what to do with these kids.
256
652000
2000
הם לא יודעים מה לעשות עם הילדים האלה.
11:09
And they're not going down the right path.
257
654000
2000
והם לא פועלים בכיוון הנכון.
11:11
The thing is, you can make a mind
258
656000
2000
העניין הוא שאפשר לעצב מוח
11:13
to be more of a thinking and cognitive mind,
259
658000
3000
כך שיהיה יותר חושב וקוגניטיבי.
11:16
or your mind can be wired to be more social.
260
661000
3000
או שהמוח יהיה מחווט כמוח חברתי יותר.
11:19
And what some of the research now has shown in autism
261
664000
2000
וחלק מהמחקרים היום מראים שבאוטיזם,
11:21
is there may by extra wiring back here,
262
666000
2000
יש אולי עודף חיווט כאן מאחור,
11:23
in the really brilliant mind, and we lose a few social circuits here.
263
668000
3000
במוח המבריק, ופה אנו מאבדים כמה מעגלים חברתיים.
11:26
It's kind of a trade-off between thinking and social.
264
671000
4000
זה מעין סחר גומלין בין חשיבה לחברתיות.
11:30
And then you can get into the point where it's so severe
265
675000
2000
ואז אפשר להגיע לנקודה שבה זה כה חמור
11:32
you're going to have a person that's going to be non-verbal.
266
677000
3000
שאותו אדם עתיד להיות לא-מילולי.
11:35
In the normal human mind
267
680000
2000
במוח האנושי הנורמלי
11:37
language covers up the visual thinking we share with animals.
268
682000
3000
השפה מכסה על החשיבה הויזואלית שמשותפת לנו ולחיות.
11:40
This is the work of Dr. Bruce Miller.
269
685000
3000
זו עבודתו של ד"ר ברוס מילר.
11:43
And he studied Alzheimer's patients
270
688000
3000
הוא חקר חולי אלצהיימר
11:46
that had frontal temporal lobe dementia.
271
691000
2000
שסבלו מדמנציה של אונת הרקה הקדמית.
11:48
And the dementia ate out the language parts of the brain,
272
693000
3000
והדמנציה איכלה את חלקי השפה של המוח.
11:51
and then this artwork came out of somebody who used to install stereos in cars.
273
696000
5000
ואת זה צייר אדם שפעם הרכיב מערכות שמע במכוניות.
11:56
Now, Van Gogh doesn't know anything about physics,
274
701000
4000
נכון שואן גוך לא מבין כלום בפיזיקה,
12:00
but I think it's very interesting
275
705000
2000
אבל נראה לי שזה מעניין מאד
12:02
that there was some work done to show that
276
707000
2000
שנערך מעט מחקר שהוכיח
12:04
this eddy pattern in this painting
277
709000
2000
שתבניות המערבולות בציור הזה
12:06
followed a statistical model of turbulence,
278
711000
3000
מתנהגות לפי דגם סטטיסטי של מערבולת.
12:09
which brings up the whole interesting idea
279
714000
2000
מה שמעלה את כל הרעיון המעניין
12:11
of maybe some of this mathematical patterns
280
716000
2000
שאולי משהו מהתבניות המתמטיות האלה
12:13
is in our own head.
281
718000
2000
נמצא בתוך ראשנו.
12:15
And the Wolfram stuff -- I was taking
282
720000
2000
ובנושא "וולפראם", ניהלתי
12:17
notes and I was writing down all the
283
722000
2000
רשימות וכתבתי את כל
12:19
search words I could use,
284
724000
2000
מילות החיפוש שיכולתי להשתמש בהן
12:21
because I think that's going to go on in my autism lectures.
285
726000
4000
כי נראה לי שזה יימשך בהרצאותי על האוטיזם.
12:25
We've got to show these kids interesting stuff.
286
730000
2000
אנו חייבים להראות לילדים האלה דברים מעניינים.
12:27
And they've taken out the autoshop class
287
732000
2000
אבל מבטלים את שיעורי הכרת הרכב
12:29
and the drafting class and the art class.
288
734000
2000
ואת שיעורי השרטוט, ואת שיעורי האמנות.
12:31
I mean art was my best subject in school.
289
736000
3000
ואמנות הרי היתה הנושא הכי טוב שלי בביה"ס.
12:34
We've got to think about all these different kinds of minds,
290
739000
2000
עלינו לחשוב על כל סוגי המוחות השונים הללו.
12:36
and we've got to absolutely work with these kind of minds,
291
741000
3000
ובהחלט לעבוד עם כל סוגי המוחות השונים הללו.
12:39
because we absolutely are going to need
292
744000
3000
כי אנו עתידים בהחלט להזדקק
12:42
these kind of people in the future.
293
747000
3000
לסוגי אנשים כאלה בעתיד.
12:45
And let's talk about jobs.
294
750000
2000
בואו נדבר על מקומות עבודה.
12:47
OK, my science teacher got me studying
295
752000
2000
אז המורה שלי למדעים גרם לי ללמוד
12:49
because I was a goofball that didn't want to study.
296
754000
3000
כי הייתי טיפשה שלא רוצה ללמוד.
12:52
But you know what? I was getting work experience.
297
757000
2000
אבל אתם יודעים מה? רכשתי נסיון עבודה.
12:54
I'm seeing too many of these smart kids who haven't learned basic things,
298
759000
2000
אני רואה יותר מדי ילדים חכמים שלא למדו דברים בסיסיים,
12:56
like how to be on time.
299
761000
2000
כמו איך להתייצב בזמן.
12:58
I was taught that when I was eight years old.
300
763000
2000
את זה לימדו אותי כשהייתי בת שמונה.
13:00
You know, how to have table manners at granny's Sunday party.
301
765000
3000
ונימוסי שולחן במסיבות יום ראשון אצל סבתא.
13:03
I was taught that when I was very, very young.
302
768000
3000
את זה לימדו אותי כשהייתי מאד מאד צעירה.
13:06
And when I was 13, I had a job at a dressmaker's shop
303
771000
3000
כשהייתי בת 13 היתה לי עבודה אצל תופרת שמלות
13:09
sewing clothes.
304
774000
2000
ומכרתי בגדים.
13:11
I did internships in college,
305
776000
3000
עשיתי התמחויות בקולג'.
13:14
I was building things,
306
779000
3000
בניתי דברים.
13:17
and I also had to learn how to do assignments.
307
782000
3000
והיה עלי גם ללמוד לבצע מטלות.
13:20
You know, all I wanted to do was draw pictures of horses when I was little.
308
785000
4000
וכשהייתי קטנה, כל מה שרציתי היה לצייר סוסים.
13:24
My mother said, "Well let's do a picture of something else."
309
789000
2000
אימי אמרה," אז בואי נצייר תמונה של משהו אחר."
13:26
They've got to learn how to do something else.
310
791000
2000
הם חייבים ללמוד איך לעשות משהו אחר.
13:28
Let's say the kid is fixated on Legos.
311
793000
2000
נניח שהילד מקובע על לגו.
13:30
Let's get him working on building different things.
312
795000
3000
הבה נגרום לו לעבוד על בניית דברים שונים.
13:33
The thing about the autistic mind
313
798000
2000
העניין עם המוח האוטיסטי
13:35
is it tends to be fixated.
314
800000
2000
הוא נטייתו להתקבע.
13:37
Like if a kid loves racecars,
315
802000
2000
נניח שהילד אוהב מכוניות מרוץ,
13:39
let's use racecars for math.
316
804000
2000
אז בואו נשתמש בהן כדי ללמוד מתמטיקה.
13:41
Let's figure out how long it takes a racecar to go a certain distance.
317
806000
3000
הבה נראה כמה זמן לוקח למכונית מרוץ לעבור מרחק מסוים.
13:44
In other words, use that fixation
318
809000
4000
במלים אחרות, לנצל את הקיבעון
13:48
in order to motivate that kid, that's one of the things we need to do.
319
813000
3000
כדי לתת לילד מוטיבציה. זה אחד הדברים שעלינו לעשות.
13:51
I really get fed up when they, you know, the teachers,
320
816000
3000
ממש נמאס לי כשהמורים,
13:54
especially when you get away from this part of the country,
321
819000
3000
במיוחד כשמתרחקים מחלק הארץ הזה,
13:57
they don't know what to do with these smart kids.
322
822000
2000
לא יודעים מה לעשות עם הילדים החכמים האלה.
13:59
It just drives me crazy.
323
824000
2000
זה ממש מרתיח אותי.
14:01
What can visual thinkers do when they grow up?
324
826000
2000
במה יוכלו לעסוק החושבים הויזואליים כשיגדלו?
14:03
They can do graphic design, all kinds of stuff with computers,
325
828000
3000
הם יוכלו לעסוק בעיצוב גרפי, כל מיני דברים עם מחשבים,
14:06
photography, industrial design.
326
831000
5000
צילום, עיצוב תעשייתי.
14:11
The pattern thinkers, they're the ones that are going to be
327
836000
2000
החושבים התבניתיים, אלה עתידים להיות
14:13
your mathematicians, your software engineers,
328
838000
3000
המתמטיקאים ומהנדסי התוכנה שלכם.
14:16
your computer programmers, all of those kinds of jobs.
329
841000
4000
מתכנתי המחשבים שלכם, כל התפקידים האלה.
14:20
And then you've got the word minds. They make great journalists,
330
845000
3000
וישנם מוחות המלים. אלה יהיו עיתונאים נהדרים.
14:23
and they also make really, really good stage actors.
331
848000
3000
וגם שחקני תיאטרון ממש טובים.
14:26
Because the thing about being autistic is,
332
851000
2000
כי העניין בהיותי אוטיסטית הוא שהיה עלי
14:28
I had to learn social skills like being in a play.
333
853000
3000
ללמוד את הכישורים החברתיים כמו תפקיד בהצגה.
14:31
It's just kind of -- you just have to learn it.
334
856000
3000
זה די דומה. צריך פשוט ללמוד את זה.
14:34
And we need to be working with these students.
335
859000
3000
ואנו חייבים לעבוד עם התלמידים האלה.
14:37
And this brings up mentors.
336
862000
2000
וזה מעלה את נושא המורים הרוחניים.
14:39
You know, my science teacher was not an accredited teacher.
337
864000
3000
המורה שלי למדעים לא היה מורה מוסמך.
14:42
He was a NASA space scientist.
338
867000
2000
הוא היה מדען חלל של "נאסא".
14:44
Now, some states now are getting it to where
339
869000
2000
כמה מדינות הגיעו כעת לשלב שבו
14:46
if you have a degree in biology, or a degree in chemistry,
340
871000
2000
אם יש לך תואר בביולוגיה או בכימיה,
14:48
you can come into the school and teach biology or chemistry.
341
873000
3000
אתה רשאי לבוא לביה"ס וללמד ביולוגיה או כימיה.
14:51
We need to be doing that.
342
876000
2000
עלינו לעשות זאת.
14:53
Because what I'm observing is
343
878000
2000
כי מה שאני מבחינה בו
14:55
the good teachers, for a lot of these kids,
344
880000
2000
הוא שהמורים הטובים של רבים מהילדים האלה,
14:57
are out in the community colleges,
345
882000
2000
נמצאים בקולג'ים הקהילתיים.
14:59
but we need to be getting some of these good teachers into the high schools.
346
884000
3000
עלינו להביא כמה מהמורים הטובים האלה לתיכון.
15:02
Another thing that can be very, very, very successful is
347
887000
3000
ועוד דבר, שעשוי להיות מאד מאד מאד מוצלח
15:05
there is a lot of people that may have retired
348
890000
3000
הוא שיש רבים שאולי פרשו לגמלאות
15:08
from working in the software industry, and they can teach your kid.
349
893000
3000
מתעשיית התוכנה, והם מסוגלים ללמד ילדים.
15:11
And it doesn't matter if what they teach them is old,
350
896000
3000
ולא משנה אם ילמדו אותם דברים ישנים,
15:14
because what you're doing is you're lighting the spark.
351
899000
3000
כי מה שהם יעשו זה להדליק את הניצוץ.
15:17
You're getting that kid turned on.
352
902000
3000
להדליק את הילד.
15:20
And you get him turned on, then he'll learn all the new stuff.
353
905000
3000
ואחרי שנדלק, הוא כבר ילמד את כל הדברים החדשים.
15:23
Mentors are just essential.
354
908000
2000
מורים רוחניים הם ממש צורך חיוני.
15:25
I cannot emphasize enough
355
910000
2000
אינני יכולה להדגיש מספיק
15:27
what my science teacher did for me.
356
912000
3000
מה שהמורה שלי למדעים עשה למעני.
15:30
And we've got to mentor them, hire them.
357
915000
3000
ועלינו להשתמש בהם, להעסיק אותם.
15:33
And if you bring them in for internships in your companies,
358
918000
2000
ואם אתם מביאים אותם להתמחויות בחברות שלכם,
15:35
the thing about the autism, Asperger-y kind of mind,
359
920000
3000
העניין עם אוטיזם, עם מוח מסוג אספרגר, הוא שצריך
15:38
you've got to give them a specific task. Don't just say, "Design new software."
360
923000
3000
לתת מטלה ספציפית. לא סתם לומר, "תעצב תוכנה חדשה".
15:41
You've got to tell them something a lot more specific:
361
926000
2000
צריך לומר להם משהו הרבה יותר ספציפי.
15:43
"Well, we're designing a software for a phone
362
928000
3000
"אנו בונים תוכנה עבור טלפון
15:46
and it has to do some specific thing.
363
931000
2000
והיא צריכה לעשות משהו מסוים.
15:48
And it can only use so much memory."
364
933000
2000
והיא יכולה להשתמש רק בכך-וכך זכרון."
15:50
That's the kind of specificity you need.
365
935000
2000
זה סוג הספציפיות הרצוי.
15:52
Well, that's the end of my talk.
366
937000
2000
טוב, זהו סוף ההרצאה שלי.
15:54
And I just want to thank everybody for coming.
367
939000
2000
ואני רק רוצה להודות לכולכם על כי באתם.
15:56
It was great to be here.
368
941000
2000
נהדר להיות כאן.
15:58
(Applause)
369
943000
12000
[מחיאות כפיים]
16:10
Oh, you've got a question for me? OK.
370
955000
3000
יש לך שאלה אלי? בסדר.
16:13
(Applause)
371
958000
1000
[מחיאות כפיים]
16:14
Chris Anderson: Thank you so much for that.
372
959000
4000
כריס אנדרסון: תודה רבה לך על ההרצאה.
16:18
You know, you once wrote, I like this quote,
373
963000
2000
כתבת פעם, ואני אוהב את הציטטה הזו,
16:20
"If by some magic, autism had been
374
965000
2000
"אם ע"י קסם כלשהו, האוטיזם היה
16:22
eradicated from the face of the Earth,
375
967000
3000
חולף מן העולם,
16:25
then men would still be socializing in front of a wood fire
376
970000
3000
בני האדם עדיין היו יושבים בצוותא סביב המדורה
16:28
at the entrance to a cave."
377
973000
2000
בפתח המערה."
16:30
Temple Grandin: Because who do you think made the first stone spears?
378
975000
2000
טמפל גרנדין: וכי מי יצר את כידון האבן הראשון?
16:32
The Asperger guy. And if you were to get rid of all the autism genetics
379
977000
3000
זה עם האספרגר. ואילו נפטרנו מכל הגנטיקה האוטיסטית
16:35
there would be no more Silicon Valley,
380
980000
2000
לא יהיה יותר עמק הסיליקון.
16:37
and the energy crisis would not be solved.
381
982000
2000
ומשבר האנרגיה לא ייפתר.
16:39
(Applause)
382
984000
3000
[מחיאות כפיים]
16:42
CA: So, I want to ask you a couple other questions,
383
987000
2000
כ"א: אז יש לי עוד כמה שאלות.
16:44
and if any of these feel inappropriate,
384
989000
2000
ואם אחת מהן לא תהיה הולמת,
16:46
it's okay just to say, "Next question."
385
991000
2000
אימרי רק, "השאלה הבאה".
16:48
But if there is someone here
386
993000
2000
אבל אם יש כאן מישהו
16:50
who has an autistic child,
387
995000
2000
שיש לו ילד אוטיסטי,
16:52
or knows an autistic child
388
997000
2000
או מכיר ילד אוטיסטי
16:54
and feels kind of cut off from them,
389
999000
3000
ומרגיש מנותק ממנו,
16:57
what advice would you give them?
390
1002000
2000
איזו עצה תוכלי לתת לו?
16:59
TG: Well, first of all, you've got to look at age.
391
1004000
2000
ט"ג: קודם כל, צריך לבדוק את עניין הגיל.
17:01
If you have a two, three or four year old
392
1006000
2000
אם הילד הוא בן שנתיים, שלוש או ארבע
17:03
you know, no speech, no social interaction,
393
1008000
2000
לא מדבר, ללא קשרים חברתיים,
17:05
I can't emphasize enough:
394
1010000
2000
איני יכולה להדגיש יותר: אסור לחכות.
17:07
Don't wait, you need at least 20 hours a week of one-to-one teaching.
395
1012000
4000
דרושות לפחות 20 שעות שבועיות של לימוד אחד-על-אחד.
17:11
You know, the thing is, autism comes in different degrees.
396
1016000
3000
העניין הוא שהאוטיזם בא בדרגות שונות.
17:14
There's going to be about half the people on the spectrum
397
1019000
2000
בערך חצי מהאנשים שבספקטרום
17:16
that are not going to learn to talk, and they're not going to be working
398
1021000
2000
לא ילמדו לדבר, והם אינם עתידים לעבוד
17:18
Silicon Valley, that would not be a reasonable thing for them to do.
399
1023000
3000
בעמק הסיליקון. זה לא יתאים להם.
17:21
But then you get the smart, geeky kids
400
1026000
2000
אבל ישנם הילדים החנוניים החכמים
17:23
that have a touch of autism,
401
1028000
2000
עם מעט אוטיזם,
17:25
and that's where you've got to get them turned on
402
1030000
2000
ואת אלה צריך להדליק
17:27
with doing interesting things.
403
1032000
2000
בעזרת עשיית דברים מעניינים.
17:29
I got social interaction through shared interest.
404
1034000
3000
למדתי אינטראקציה חברתית דרך תחומי עניין משותף.
17:32
I rode horses with other kids, I made model rockets with other kids,
405
1037000
4000
רכבתי על סוסים עם ילדים אחרים ובניתי איתם דגמי טילים.
17:36
did electronics lab with other kids,
406
1041000
2000
עבדתי במעבדת האלקטרוניקה עם ילדים אחרים,
17:38
and in the '60s, it was gluing mirrors
407
1043000
2000
ובשנות השישים זה היה הדבקת מראות
17:40
onto a rubber membrane on a speaker to make a light show.
408
1045000
3000
על ממברנת גומי של רמקול כדי לקבל מופע אורות.
17:43
That was like, we considered that super cool.
409
1048000
3000
וזה היה - חשבנו שזה הכי מעולה.
17:46
CA: Is it unrealistic for them
410
1051000
2000
כ"א: האם זה לא-מציאותי עבורם
17:48
to hope or think that that child
411
1053000
2000
לקוות או לחשוב שאותו ילד
17:50
loves them, as some might, as most, wish?
412
1055000
3000
יאהב אותם, כפי שאחדים, או רבים, היו רוצים?
17:53
TG: Well let me tell you, that child will be loyal,
413
1058000
2000
ט"ג: אומר לך כך. הילד הזה יהיה נאמן לך
17:55
and if your house is burning down, they're going to get you out of it.
414
1060000
2000
ואם ביתך יישרף הוא ייכנס כדי לחלץ אותך משם.
17:57
CA: Wow. So, most people, if you ask them
415
1062000
3000
כ"א: וואו. אז רוב האנשים, אם תשאלי אותם
18:00
what are they most passionate about, they'd say things like,
416
1065000
2000
מה שלדבריהם הכי חשוב להם, הם דברים כמו
18:02
"My kids" or "My lover."
417
1067000
3000
"הילדים שלי" או "האהוב שלי"
18:05
What are you most passionate about?
418
1070000
3000
מה הכי חשוב לך?
18:08
TG: I'm passionate about that the things I do
419
1073000
2000
ט"ג: חשובים לי הדברים שאני עושה
18:10
are going to make the world a better place.
420
1075000
2000
ושיהפכו את העולם למקום טוב יותר.
18:12
When I have a mother of an autistic child say,
421
1077000
2000
כשאם לילד אוטיסטי אומרת,
18:14
"My kid went to college because of your book,
422
1079000
2000
"ילדי הלך לקולג' הודות לספר שלך,
18:16
or one of your lectures," that makes me happy.
423
1081000
2000
או אחת מהרצאותיך", זה גורם לי אושר.
18:18
You know, the slaughter plants, I've worked with them
424
1083000
3000
ואתה יודע, בתי המטבחיים שאיתם עבדתי
18:21
in the '80s; they were absolutely awful.
425
1086000
2000
בשנות השמונים היו נוראים ואיומים.
18:23
I developed a really simple scoring system for slaughter plants
426
1088000
4000
פיתחתי שיטת דירוג פשוטה למפעלי השחיטה
18:27
where you just measure outcomes: How many cattle fell down?
427
1092000
2000
שבה מודדים את התפוקה, כמה ראשי בקר נפלו,
18:29
How many cattle got poked with the prodder?
428
1094000
2000
כמה ראשי בקר נדקרו במנקר,
18:31
How many cattle are mooing their heads off?
429
1096000
2000
כמה ראשי בקר גועים כשראשם נכרת?
18:33
And it's very, very simple.
430
1098000
2000
וזה מאד מאד פשוט.
18:35
You directly observe a few simple things.
431
1100000
2000
רואים מיד כמה דברים פשוטים.
18:37
It's worked really well. I get satisfaction out of
432
1102000
2000
זה עבד טוב מאד. הפקתי סיפוק
18:39
seeing stuff that makes real change
433
1104000
3000
מלראות דברים שגרמו לשינוי אמיתי
18:42
in the real world. We need a lot more of that,
434
1107000
2000
בעולם האמיתי. אנו זקוקים לעוד מזה,
18:44
and a lot less abstract stuff.
435
1109000
2000
והרבה פחות דברים מופשטים.
18:46
(Applause)
436
1111000
7000
[מחיאות כפיים]
18:53
CA: When we were talking on the phone, one of the things you said that
437
1118000
2000
כ"א: כששוחחנו בטלפון, אחד הדברים שאמרת
18:55
really astonished me was you said one thing
438
1120000
2000
ושממש הפליא אותי, היה
18:57
you were passionate about was server farms. Tell me about that.
439
1122000
4000
שאת רואה חשיבות רבה בחוות שרתים. ספרי לי על זה.
19:01
TG: Well the reason why I got really excited when I read about that,
440
1126000
3000
ט"ג: הסיבה היא שהתרגשתי כשקראתי עליהן
19:04
it contains knowledge.
441
1129000
3000
מפני שהן מכילות ידע.
19:07
It's libraries.
442
1132000
2000
אלו הן ספריות.
19:09
And to me, knowledge is something
443
1134000
2000
ועבורי ידע הוא משהו
19:11
that is extremely valuable. So, maybe, over 10 years ago
444
1136000
2000
בעל ערך עצום. לפני אולי יותר מ-10 שנים
19:13
now our library got flooded.
445
1138000
2000
הספריה שלנו הוצפה,
19:15
And this is before the Internet got really big.
446
1140000
2000
וזה עוד לפני שהאינטרנט ממש גדל
19:17
And I was really upset about all the books being wrecked,
447
1142000
2000
ואני הייתי מודאגת מכך שכל הספרים נהרסו,
19:19
because it was knowledge being destroyed.
448
1144000
2000
כי מדובר בידע שהושמד.
19:21
And server farms, or data centers
449
1146000
2000
וחוות שרתים, או מרכזי נתונים
19:23
are great libraries of knowledge.
450
1148000
3000
הם ספריות ענק של ידע.
19:26
CA: Temple, can I just say it's an absolute delight to have you at TED.
451
1151000
3000
כ"א: טמפל, אוכל רק לומר איזה עונג הוא לארח אותך ב"TED".
19:29
TG: Well thank you so much. Thank you.
452
1154000
3000
ט"ג: תודה רבה לך. תודה רבה.
19:32
(Applause)
453
1157000
6000
[מחיאות כפיים]
ABOUT THE SPEAKER
Temple Grandin - Livestock handling designer, autism activistThrough groundbreaking research and the lens of her own autism, Temple Grandin brings startling insight into two worlds.
Why you should listen
An expert on animal behavior, Temple Grandin has designed humane handling systems for half the cattle-processing facilities in the US, and consults with the meat industry to develop animal welfare guidelines. As PETA wrote when awarding her a 2004 Proggy: “Dr. Grandin's improvements to animal-handling systems found in slaughterhouses have decreased the amount of fear and pain that animals experience in their final hours, and she is widely considered the world's leading expert on the welfare of cattle and pigs.” In 2010, Time Magazine listed her as one of its most Important People of the Year. She is also a member of the American Academy of Arts and Sciences.
Grandin’s books about her interior life as an autistic person have increased the world's understanding of the condition with personal immediacy -- and with import, as rates of autism diagnosis rise. She is revered by animal rights groups and members of autistic community, perhaps because in both regards she is a voice for those who are sometimes challenged to make themselves heard.
Temple Grandin | Speaker | TED.com