ABOUT THE SPEAKER
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.

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. 

More profile about the speaker
Temple Grandin | Speaker | TED.com
TED2010

Temple Grandin: The world needs all kinds of minds

Temple Grandin: A világnak mindenféle elmére szüksége van

Filmed:
5,588,848 views

Temple Grandin, akinél gyerekkorában autizmust állapítottak meg, saját agyának működéséről beszél -- megosztja a "képekben gondolkodás" képességét, ami segítségére van abban, hogy olyan problémákat oldjon meg, amelyeket a neurotipikus agy talán nem vesz észre. Hangsúlyozza, hogy a világnak szüksége van olyan emberekre, akik az autista spektrumon helyezkednek el: vizuális gondolkodókra, mintákban gondolkodókra, verbális gondolkodókra és mindenféle okos, geek gyerekre.
- 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

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

00:15
I think I'll startRajt out and just talk a little bitbit about
0
0
2000
Azt hiszem azzal kezdem, hogy beszélek egy kicsit
00:17
what exactlypontosan autismautizmus is.
1
2000
2000
arról, hogy mi az autizmus.
00:19
AutismAutizmus is a very bignagy continuumfolytonosság
2
4000
3000
Az autizmus egy nagyon nagy kontinuum,
00:22
that goesmegy from very severeszigorú -- the childgyermek remainsmaradványok non-verbalnon-verbális --
3
7000
3000
ami a nagyon súlyostól, mikor a gyermek non-verbális marad,
00:25
all the way up to brilliantragyogó scientiststudósok and engineersmérnökök.
4
10000
3000
egészen a zseniális tudósokig és mérnökökig terjed.
00:28
And I actuallytulajdonképpen feel at home here,
5
13000
2000
És itt igazán otthon érzem magam.
00:30
because there's a lot of autismautizmus geneticsgenetika here.
6
15000
2000
Mert itt rengeteg az autista gén.
00:32
You wouldn'tnem have any...
7
17000
2000
És nem lennének...
00:34
(ApplauseTaps)
8
19000
4000
(Taps)
00:38
It's a continuumfolytonosság of traitsvonások.
9
23000
2000
Ez tulajdonságok kontinuuma.
00:40
When does a nerdkockafejû turnfordulat into
10
25000
3000
Mikor lesz a kockafejből
00:43
AspergerAsperger, whichmelyik is just mildenyhe autismautizmus?
11
28000
2000
Asperger, ami csak enyhe autizmus?
00:45
I mean, EinsteinEinstein and MozartMozart
12
30000
3000
Úgy értem, Einsteint, Mozartot és Teslát
00:48
and TeslaTesla would all be probablyvalószínűleg diagnoseddiagnosztizált
13
33000
2000
ma valószínűleg mind az autista
00:50
as autisticautisztikus spectrumszínkép todayMa.
14
35000
2000
spektrumon helyeznék el.
00:52
And one of the things that is really going to concernvonatkozik me is
15
37000
3000
És ami igazán foglalkoztat az az, hogy elérjük
00:55
gettingszerzés these kidsgyerekek to be the onesazok that are going to inventfeltalál
16
40000
3000
hogy ezek a gyerekek legyenek azok, akik feltalálják
00:58
the nextkövetkező energyenergia things,
17
43000
2000
a következő energia kütyüket,
01:00
you know, that BillBill GatesKapuk talkedbeszélt about this morningreggel.
18
45000
4000
melyekről Bill Gates beszélt ma reggel.
01:04
OK. Now, if you want to understandmegért
19
49000
2000
Nos. Ha meg akarják érteni
01:06
autismautizmus, animalsállatok.
20
51000
2000
az autizmust, az állatokat
01:08
And I want to talk to you now about differentkülönböző waysmódokon of thinkinggondolkodás.
21
53000
2000
és most a különböző gondolkodási módokról szeretnék beszélni,
01:10
You have to get away from verbalszóbeli languagenyelv.
22
55000
3000
el kell szakadnunk a verbális nyelvtől.
01:13
I think in picturesképek,
23
58000
2000
Én képekben gondolkodom.
01:15
I don't think in languagenyelv.
24
60000
3000
Nem nyelvben gondolkodom.
01:18
Now, the thing about the autisticautisztikus mindelme
25
63000
2000
Nos, az autista elme
01:20
is it attendsrészt vesz to detailsrészletek.
26
65000
3000
a részletekre figyel.
01:23
OK, this is a testteszt where you eitherbármelyik have to
27
68000
2000
OK, ez egy teszt, ahol vagy a nagybetűket
01:25
pickszed out the bignagy lettersbetűk, or pickszed out the little lettersbetűk,
28
70000
2000
vagy a kisbetűket kell kiválasztani.
01:27
and the autisticautisztikus mindelme pickscsákány out the
29
72000
2000
És az autista elme a kisbetűket
01:29
little lettersbetűk more quicklygyorsan.
30
74000
2000
veszi észre hamarabb.
01:31
And the thing is, the normalnormál brainagy ignoresfigyelmen kívül hagyja a the detailsrészletek.
31
76000
4000
És az a helyzet, hogy a normális elme figyelmen kívűl hagyja a részleteket.
01:35
Well, if you're buildingépület a bridgehíd, detailsrészletek are prettyszép importantfontos
32
80000
2000
Nos, ha hidat építesz, a részletek elég fontosak,
01:37
because it will fallesik down if you ignorefigyelmen kívül hagyni the detailsrészletek.
33
82000
3000
mert le fog szakadni, ha nem figyelsz a részletekre.
01:40
And one of my bignagy concernsaggodalmak with a lot of policyirányelv things todayMa
34
85000
3000
És az egyik nagy problémám sok politikai programmal,
01:43
is things are gettingszerzés too abstractabsztrakt.
35
88000
2000
hogy kezdenek túl absztrakttá válni.
01:45
People are gettingszerzés away from doing
36
90000
2000
Az emberek eltávolodnak
01:47
hands-ongyakorlati stuffdolog.
37
92000
2000
a gyakorlati dolgoktól.
01:49
I'm really concernedaz érintett that a lot of the schoolsiskolákban have takentett out
38
94000
2000
Nagyon aggaszt, hogy sok iskola eltörölte
01:51
the hands-ongyakorlati classesosztályok,
39
96000
2000
a gyakorlati órákat,
01:53
because artművészet, and classesosztályok like that,
40
98000
2000
mert a művészet, és hasonló órák
01:55
those are the classesosztályok where I excelledkitűnt.
41
100000
2000
voltak azok, amelyekben igazán jeleskedtem.
01:57
In my work with cattlemarha,
42
102000
2000
Rendben, a marhákkal való munkám során
01:59
I noticedészrevette a lot of little things that mosta legtöbb people don't noticeértesítés
43
104000
3000
sok apróságot észrevettem, amit a legtöbb ember nem,
02:02
would make the cattlemarha balkBalk. Like, for examplepélda,
44
107000
2000
ami megriasztja a marhákat. Mint például
02:04
this flagzászló wavinghullámzás, right in frontelülső of the veterinaryállat-egészségügyi facilitylétesítmény.
45
109000
3000
ez a lobogó zászló pont az állatorvosi épület előtt.
02:07
This feedtakarmány yardudvar was going to tearkönny down theirazok wholeegész veterinaryállat-egészségügyi facilitylétesítmény;
46
112000
3000
Az üzem le akarta bontani az egész állatorvosi épületet,
02:10
all they neededszükséges to do was movemozog the flagzászló.
47
115000
2000
pedig csak a zászlót kellett áthelyezniük.
02:12
RapidGyors movementmozgalom, contrastkontraszt.
48
117000
3000
Gyors mozgás, kontraszt.
02:15
In the earlykorai '70s when I startedindult, I got right down
49
120000
2000
Amikor elkezdtem, a 70-es évek elején, végigmentem
02:17
in the chutescsúszdák to see what cattlemarha were seeinglátás.
50
122000
2000
a folyósókon, hogy lássam, amit a marhák látnak.
02:19
People thought that was crazyőrült. A coatkabát on a fencekerítés would make them balkBalk,
51
124000
3000
Mindenki bolondnak tartott. Egy kabát a kerítésen megriasztja őket.
02:22
shadowsárnyékok would make them balkBalk, a hosetömlő on the floorpadló ...
52
127000
3000
Az árnyékok megrisztják őket, egy slag a földön.
02:25
people weren'tnem voltak noticingészrevenné these things --
53
130000
2000
Az emebrek nem vették észre ezeket,
02:27
a chainlánc hangingfüggő down --
54
132000
2000
egy lelógó láncot,
02:29
and that's shownLátható very, very nicelyszépen in the moviefilm.
55
134000
2000
és ezt nagyon jól bemutatták a filmben.
02:31
In facttény, I lovedszeretett the moviefilm, how they
56
136000
2000
Imádtam, ahogy a filmben lemásolták
02:33
duplicatedduplázott all my projectsprojektek. That's the geekkockafej sideoldal.
57
138000
2000
az összes projektem. Ez a geek része.
02:35
My drawingsrajzok got to starcsillag in the moviefilm too.
58
140000
3000
A rajzaim is szerepeltek a filmben.
02:38
And actuallytulajdonképpen it's calledhívott "TempleTemplom GrandinGrandin,"
59
143000
2000
A film címe valójában Temple Grandin,
02:40
not "ThinkingGondolkodás In PicturesKépek."
60
145000
2000
nem pedig 'Képekben gondolkodni'.
02:42
So, what is thinkinggondolkodás in picturesképek? It's literallyszó szerint moviesfilmek
61
147000
2000
Szóval milyen képekben gondolkodni? Szó szerint
02:44
in your headfej.
62
149000
2000
egy mozi a fejedben.
02:46
My mindelme worksművek like GoogleGoogle for imagesképek.
63
151000
2000
Az agyam úgy működik, mint a Google képkereső.
02:48
Now, when I was a youngfiatal kidkölyök I didn't know my thinkinggondolkodás was differentkülönböző.
64
153000
3000
Gyerekkoromban nem tudtam, hogy én máshogy gondolkodom.
02:51
I thought everybodymindenki thought in picturesképek.
65
156000
2000
Azt hittem, mindenki képekben gondolkodik.
02:53
And then when I did my bookkönyv, "ThinkingGondolkodás In PicturesKépek,"
66
158000
2000
De miközben írtam a "Képekben gondolkodni" c. könyvem,
02:55
I startRajt interviewinginterjú people about how they think.
67
160000
3000
elkezdtem beszélgetni emberekkel arról, hogy hogyan gondolkodnak.
02:58
And I was shockeddöbbent to find out that
68
163000
2000
És nagyon meglepett, hogy az én gondolkodásmódom
03:00
my thinkinggondolkodás was quiteegészen differentkülönböző. Like if I say,
69
165000
2000
egészen más. Pl. ha azt mondom
03:02
"Think about a churchtemplom steepleSteeple"
70
167000
2000
"Gondolj egy templomtoronyra!"
03:04
mosta legtöbb people get this sortfajta of generalizedgeneralizált genericgenerikus one.
71
169000
2000
a legtöbben egyfajta áltlagos toronyra gondolnak.
03:06
Now, maybe that's not trueigaz in this roomszoba,
72
171000
2000
Nos, ez talán nem igaz
03:08
but it's going to be trueigaz in a lot of differentkülönböző placeshelyek.
73
173000
4000
ebben a teremben, de igaz a legtöbb helyen.
03:12
I see only specifickülönleges picturesképek.
74
177000
2000
Én csak konkrét képeket látok.
03:14
They flashvaku up into my memorymemória, just like GoogleGoogle for picturesképek.
75
179000
4000
Megjelennek a memóriámban, csakúgy, mint a Google képek.
03:18
And in the moviefilm, they'veők már got a great sceneszínhely in there
76
183000
2000
És a filmben van egy nagyszerű jelenet,
03:20
where the wordszó "shoecipő" is said, and a wholeegész bunchcsokor of '50s and '60s shoescipő
77
185000
4000
amikor elhangzik a 'cipő' szó, és egy rakás 50-es és 60-as évekbeli
03:24
poppop into my imaginationképzelet.
78
189000
2000
cipő jut eszembe.
03:26
OK, there is my childhoodgyermekkor churchtemplom,
79
191000
2000
OK, ez a gyerekkori templomom.
03:28
that's specifickülönleges. There's some more, FortFort CollinsCollins.
80
193000
3000
Ez konkrét. Néhány másik, Fort Collins.
03:31
OK, how about famoushíres onesazok?
81
196000
2000
És mi a helyzet a híres templomokkal?
03:33
And they just kindkedves of come up, kindkedves of like this.
82
198000
3000
És csak megjelennek, valahogy így.
03:36
Just really quicklygyorsan, like GoogleGoogle for picturesképek.
83
201000
3000
Egészen gyorsan, mint a Google képek.
03:39
And they come up one at a time,
84
204000
2000
És egyenként jelennek meg.
03:41
and then I think, "OK, well maybe we can have it snow,
85
206000
2000
Aztán azt gondolom, OK, talán havazik,
03:43
or we can have a thunderstormJórészt felhős,"
86
208000
2000
vagy villámlik,
03:45
and I can holdtart it there and turnfordulat them into videosvideók.
87
210000
3000
és megállíthatjuk ott és filmet csinálhatunk belőle.
03:48
Now, visualvizuális thinkinggondolkodás was a tremendousborzasztó assetvagyontárgy
88
213000
3000
Nos, a vizuális gondolkodásom nagy előnyt jelentett
03:51
in my work designingtervezés cattle-handlingszarvasmarha-kezelés facilitiesfelszerelés.
89
216000
3000
a munkám során a marhatartó üzemek tervezésekor.
03:54
And I've workeddolgozott really hardkemény on improvingjavuló
90
219000
2000
És nagyon keményen dolgoztam azon,
03:56
how cattlemarha are treatedkezelt at the slaughtervágás plantnövény.
91
221000
2000
hogy javítsam a marhákkal való bánásmódot a vágóhídon.
03:58
I'm not going to go into any guckymutatom slaughtervágás slidesdiák.
92
223000
3000
Nem mutatom meg az undorító vágóhídi képeket.
04:01
I've got that stuffdolog up on YouTubeYouTube-on if you want to look at it.
93
226000
2000
Fent vannak a Youtube-on, ha valaki meg akarja nézni.
04:03
But, one of the things that I was ableképes to do in my designtervezés work
94
228000
4000
De valami, amit meg tudtam csinálni a tervezőmunkám során,
04:07
is I could actuallytulajdonképpen testteszt runfuss
95
232000
2000
az az, hogy ki tudtam próbálni
04:09
a piecedarab of equipmentfelszerelés in my mindelme,
96
234000
2000
egy felszerelést a fejemben,
04:11
just like a virtualtényleges realityvalóság computerszámítógép systemrendszer.
97
236000
3000
mint egy virtuális valóság számítógépes rendszerben.
04:14
And this is an aeriallégi viewKilátás
98
239000
2000
Ez egy légi felvétel
04:16
of a recreationszabadidő of one of my projectsprojektek that was used in the moviefilm.
99
241000
3000
az egyik újraépített projektemről, amit a filmben használtak.
04:19
That was like just so superszuper coolmenő.
100
244000
2000
Ez valami hihetetlenül szuper volt.
04:21
And there were a lot of kindkedves of AspergerAsperger typestípusok
101
246000
2000
És nagyon sok Asperger típusú
04:23
and autismautizmus typestípusok workingdolgozó out there on the moviefilm setkészlet too.
102
248000
3000
és autista típusú ember dolgozott a film helyszínén is.
04:26
(LaughterNevetés)
103
251000
2000
(Nevetés)
04:28
But one of the things that really worriesgond me
104
253000
2000
De ami igazán aggaszt, az az,
04:30
is: Where'sHol the youngerfiatalabb versionváltozat of those kidsgyerekek going todayMa?
105
255000
4000
hogy manapság hová tartanak a fiatalabb megfelelőik.
04:34
They're not endingbefejező up in SiliconSzilícium ValleyVölgy, where they belongtartoznak.
106
259000
3000
Nem a Silicon Valley-ben végzik, ahová tartoznak.
04:37
(LaughterNevetés)
107
262000
3000
(Nevetés)
04:40
(ApplauseTaps)
108
265000
5000
(Taps)
04:45
Now, one of the things I learnedtanult very earlykorai on because I wasn'tnem volt that socialtársadalmi,
109
270000
3000
Az egyik dolog, amit korán meg kellett tanulnom, mert nem voltam
04:48
is I had to sellelad my work, and not myselfmagamat.
110
273000
4000
túl szociális, az az, hogy a munkámat kell eladnom, és nem magamat.
04:52
And the way I soldeladott livestockállatállomány jobsmunkahelyek
111
277000
2000
És úgy adtam el az állattartási munkákat,
04:54
is I showedkimutatta, off my drawingsrajzok, I showedkimutatta, off picturesképek of things.
112
279000
3000
hogy megmutattam a rajzaimat, képeket mutattam meg.
04:57
AnotherEgy másik thing that helpedsegített me as a little kidkölyök
113
282000
2000
Egy másik dolog, ami segített, hogy gyerekként,
04:59
is, boyfiú, in the '50s, you were taughttanított mannersmodor.
114
284000
2000
az 50-es években igazán megtanítottak viselkedni.
05:01
You were taughttanított you can't pullHúzni the merchandiseáru off the shelvespolcok
115
286000
2000
A boltban nem ránthattad le az árukat a polcról
05:03
in the storebolt and throwdobás it around.
116
288000
2000
és nem dobálhattad őket.
05:05
Now, when kidsgyerekek get to be in thirdharmadik or fourthnegyedik gradefokozat,
117
290000
3000
Nos, amikor a gyerekek elérik a 3. vagy 4. osztályt
05:08
you mightesetleg see that this kid'sgyerekek going to be a visualvizuális thinkergondolkodó,
118
293000
3000
látni lehet, hogy ez a gyerek vizuális gondolkodó lesz,
05:11
drawingrajz in perspectivetávlati. Now, I want to
119
296000
2000
perspektívában rajzol. Ki akarom hangsúlyozni,
05:13
emphasizehangsúlyt helyez that not everyminden autisticautisztikus kidkölyök
120
298000
2000
hogy nem minden autista gyerek lesz
05:15
is going to be a visualvizuális thinkergondolkodó.
121
300000
2000
vizuális gondolkodó.
05:17
Now, I had this brainagy scanletapogatás doneKész severalszámos yearsévek agoezelőtt,
122
302000
4000
Ez a kép az agyamról régebben készült,
05:21
and I used to joketréfa around about havingamelynek a
123
306000
2000
mindig vicceltem, hogy egy
05:23
giganticgigantikus InternetInternet trunktörzs linevonal
124
308000
2000
hatalmas internet kábel
05:25
going deepmély into my visualvizuális cortexkéreg.
125
310000
2000
hatol mélyen a vizuális kérgembe.
05:27
This is tensortenzor imagingImaging.
126
312000
2000
Ez diffúziós MRI-vel készült.
05:29
And my great bignagy internetInternet trunktörzs linevonal
127
314000
2000
És a hatalmas internet kábelem
05:31
is twicekétszer as bignagy as the control'svezérlő.
128
316000
2000
kétszer akkora, mint a kontrollé.
05:33
The redpiros linesvonalak there are me,
129
318000
2000
A piros vonalak az enyémek,
05:35
and the bluekék linesvonalak are the sexszex and age-matchedéletkor controlellenőrzés.
130
320000
4000
a kékek a nemben és korban megegyező kontrollé.
05:39
And there I got a giganticgigantikus one,
131
324000
2000
Az enyém óriási,
05:41
and the controlellenőrzés over there, the bluekék one,
132
326000
2000
a kontrollé a másikon, a kék,
05:43
has got a really smallkicsi one.
133
328000
4000
egészen kicsi.
05:47
And some of the researchkutatás now is showingkiállítás
134
332000
2000
És a mai kutatások egy része azt mutatja,
05:49
is that people on the spectrumszínkép actuallytulajdonképpen think with primaryelsődleges visualvizuális cortexkéreg.
135
334000
4000
hogy az emberek a spektrumon elsősorban a vizuális kéreggel gondolkodnak.
05:53
Now, the thing is, the visualvizuális thinker'sgondolkodó just one kindkedves of mindelme.
136
338000
3000
Az a helyzet, hogy a vizuális gondolkodó az elméknek csak egy fajtája.
05:56
You see, the autisticautisztikus mindelme tendshajlamos to be a specialistszakember mindelme --
137
341000
3000
Látják, az autista elme általában specialista elme.
05:59
good at one thing, badrossz at something elsemás.
138
344000
4000
Valamiben jó, valami másban rossz.
06:03
And where I was badrossz was algebraalgebra. And I was never allowedengedélyezett
139
348000
2000
Én algebrában voltam rossz. És soha nem engedték,
06:05
to take geometrygeometria or trigtrigonometrikus.
140
350000
2000
hogy geometriát vagy trigonometriát tanuljak.
06:07
GiganticGigantikus mistakehiba: I'm findinglelet a lot of kidsgyerekek who need to skipÁtugrani algebraalgebra,
141
352000
3000
Óriási hiba. Azt látom, hogy sok gyereknek át kell ugrania
06:10
go right to geometrygeometria and trigtrigonometrikus.
142
355000
2000
az algebrát, rögtön a geometriára vagy a trigre.
06:12
Now, anotheregy másik kindkedves of mindelme is the patternminta thinkergondolkodó.
143
357000
3000
Egy másik fajta elme a mintákban gondolkodó.
06:15
More abstractabsztrakt. These are your engineersmérnökök,
144
360000
2000
Inkább absztrakt. Ők lesznek a mérnökök,
06:17
your computerszámítógép programmersprogramozók.
145
362000
2000
számítógép programozók.
06:19
Now, this is patternminta thinkinggondolkodás. That prayingimádkozás mantisMantis
146
364000
2000
Ez a mintákban gondolkodás. Ez az imádkozó sáska
06:21
is madekészült from a singleegyetlen sheetlap of paperpapír --
147
366000
2000
egyetlen papírlapból készült,
06:23
no scotchskót tapeszalag, no cutsvágások.
148
368000
2000
vágás és ragasztás nélkül.
06:25
And there in the backgroundháttér is the patternminta for foldingösszecsukható it.
149
370000
3000
És a háttérben látszik a hajtogatás mintája.
06:28
Here are the typestípusok of thinkinggondolkodás:
150
373000
2000
Ezek a gondolkodási formák:
06:30
photo-realisticfotó-realisztikus visualvizuális thinkersgondolkodók, like me;
151
375000
3000
fotórealista vizuális gondolkodás, mint én.
06:33
patternminta thinkersgondolkodók, musiczene and mathmatematikai mindselmék.
152
378000
4000
Mintákban gondolkodók, zenei és matematikai elmék.
06:37
Some of these oftentimesgyakorta have problemsproblémák with readingolvasás.
153
382000
2000
Sokuknak olvasási nehézségei vannak.
06:39
You alsois will see these kindkedves of problemsproblémák
154
384000
2000
Ezek a problémák figyelhetők meg
06:41
with kidsgyerekek that are dyslexicdiszlexiás.
155
386000
3000
diszlexiás gyerekeknél is.
06:44
You'llYou'll see these differentkülönböző kindsféle of mindselmék.
156
389000
2000
Megfigyelhetők ezek a különböző elmék.
06:46
And then there's a verbalszóbeli mindelme, they know everyminden facttény about everything.
157
391000
3000
És ott vannak a verbális elmék. Minden adatot tudnak mindenről.
06:49
Now, anotheregy másik thing is the sensoryszenzoros issueskérdések.
158
394000
2000
Egy másik dolog az érzékelés.
06:51
I was really concernedaz érintett about havingamelynek to wearviselet this gadgeteszköz on my facearc.
159
396000
4000
Nagyon aggasztott, hogy ezt a kütyüt kell viselnem az arcomon.
06:55
And I camejött in halffél an houróra beforehandelőzetesen
160
400000
3000
Idejöttem egy fél órával korábban,
06:58
so I could have it put on and kindkedves of get used to it,
161
403000
2000
hogy fel tudják tenni és hozzászokjak.
07:00
and they got it benthajlított so it's not hittingütő my chinálla.
162
405000
3000
És behajlították, hogy ne érjen az államhoz.
07:03
But sensoryszenzoros is an issueprobléma. Some kidsgyerekek are botheredzavarta by fluorescentfénycső lightsLámpák;
163
408000
3000
De az érzékelés egy probléma. Vannak gyerekek, akiket zavarnak
07:06
othersmások have problemsproblémák with soundhang sensitivityérzékenység.
164
411000
3000
a neon fények, mások a hangokra érzékenyek.
07:09
You know, it's going to be variableváltozó.
165
414000
3000
Tudják, ez személyenként változik.
07:12
Now, visualvizuális thinkinggondolkodás gaveadott me a wholeegész lot of insightbepillantás
166
417000
4000
Nos, a vizuális gondolkodás bepillantást engedett
07:16
into the animalállat mindelme.
167
421000
2000
az állati elmébe.
07:18
Because think about it: An animalállat is a sensory-basedérzékszervi alapú thinkergondolkodó,
168
423000
3000
Gondoljanak bele. Egy állat érzékelés alapján gondolkodik,
07:21
not verbalszóbeli -- thinksazt hiszi in picturesképek,
169
426000
4000
nem verbálisan. Képekben gondolkodik.
07:25
thinksazt hiszi in soundshangok, thinksazt hiszi in smellsillatok.
170
430000
3000
Hangokban gondolkodik. Szagokban gondolkodik.
07:28
Think about how much informationinformáció there is there on the localhelyi fireTűz hydranttűzcsap.
171
433000
3000
Képzeljék el, mennyi információ van a helyi tűzcsapon.
07:31
He knowstudja who'saki been there, when they were there.
172
436000
3000
Tudja, ki volt ott, mikor voltak ott,
07:34
Are they friendbarát or foeellenség? Is there anybodybárki he can go mateMáté with?
173
439000
3000
barát vagy ellenség, van-e valaki, akivel párosodhat.
07:37
There's a tonTon of informationinformáció on that fireTűz hydranttűzcsap.
174
442000
3000
Rengeteg információ van azon a tűzcsapon.
07:40
It's all very detailedrészletes informationinformáció,
175
445000
4000
Nagyon részletes információ.
07:44
and, looking at these kindkedves of detailsrészletek
176
449000
2000
És ezeknek a részleteknek a vizsgálata
07:46
gaveadott me a lot of insightbepillantás into animalsállatok.
177
451000
2000
nagyon sok bepillantást engedett az állatokba.
07:48
Now, the animalállat mindelme, and alsois my mindelme,
178
453000
4000
Nos, az állati elme, és az én elmém,
07:52
putshelyezi sensory-basedérzékszervi alapú informationinformáció
179
457000
2000
kategorizálja az érzékelésen
07:54
into categorieskategóriák.
180
459000
2000
alapuló információkat.
07:56
Man on a horse
181
461000
2000
Ember a lovon,
07:58
and a man on the groundtalaj --
182
463000
2000
és ember a földön,
08:00
that is viewedlátogatóink as two totallyteljesen differentkülönböző things.
183
465000
2000
az két teljesen különböző dolognak látszik.
08:02
You could have a horse that's been abusedbántalmazott by a riderlovas.
184
467000
3000
Lehet, hogy egy lóval rosszul bánt egy lovas.
08:05
They'llThey'll be absolutelyteljesen fine with the veterinarianállatorvos
185
470000
2000
Nem lesz semmilyen problémája az állatorvossal,
08:07
and with the horseshoerhorseshoer, but you can't ridelovagol him.
186
472000
3000
a patkolókováccsal, de nem lehet meglovagolni.
08:10
You have anotheregy másik horse, where maybe the horseshoerhorseshoer beatüt him up
187
475000
3000
Egy másik ló, akit esetleg vert a patkolókovács,
08:13
and he'llpokol be terribleszörnyű for anything on the groundtalaj,
188
478000
2000
a földön mindent rosszul visel,
08:15
with the veterinarianállatorvos, but a personszemély can ridelovagol him.
189
480000
3000
az állatorvost, de meg lehet lovagolni.
08:18
CattleSzarvasmarha are the sameazonos way.
190
483000
2000
A marhák ugyanilyenek.
08:20
Man on a horse,
191
485000
2000
Ember a lovon,
08:22
a man on footláb -- they're two differentkülönböző things.
192
487000
2000
ember a földön, két különböző dolog.
08:24
You see, it's a differentkülönböző picturekép.
193
489000
2000
Látják, ez egy másik kép.
08:26
See, I want you to think about just how specifickülönleges this is.
194
491000
3000
Gondoljanak bele, hogy ez mennyire specifikus.
08:29
Now, this abilityképesség to put informationinformáció into categorieskategóriák,
195
494000
4000
Ez a képesség, hogy kategorizáljuk az információt,
08:33
I find a lot of people are not very good at this.
196
498000
3000
azt tapasztaltam, hogy a legtöbb embernek ez nehezen megy.
08:36
When I'm out troubleshootingHibaelhárítás equipmentfelszerelés
197
501000
2000
Amikor hibákat keresek a felszerelésben
08:38
or problemsproblémák with something in a plantnövény,
198
503000
2000
vagy problémákat valamivel egy gyárban
08:40
they don't seemlátszik to be ableképes to figureábra out, "Do I have a trainingkiképzés people issueprobléma?
199
505000
4000
nehezen tudják kitalálni, "Az emberek képzésével van gond?
08:44
Or do I have something wrongrossz with the equipmentfelszerelés?"
200
509000
2000
Vagy valami gond van a felszereléssel?"
08:46
In other wordsszavak, categorizekategorizálása equipmentfelszerelés problemprobléma
201
511000
2000
Más szóval, elkülöníteni a felszerelés hibáját
08:48
from a people problemprobléma.
202
513000
2000
az emberi hibától.
08:50
I find a lot of people have difficultynehézség doing that.
203
515000
3000
Azt tapasztalom, ez sok embernek nehezére esik.
08:53
Now, let's say I figureábra out it's an equipmentfelszerelés problemprobléma.
204
518000
3000
Mondjuk, rájövök, hogy a felszerelés a probléma.
08:56
Is it a minorkisebb problemprobléma, with something simpleegyszerű I can fixerősít?
205
521000
2000
Kis hiba, valami egyszerű, amit meg tudok javítani?
08:58
Or is the wholeegész designtervezés of the systemrendszer wrongrossz?
206
523000
3000
Vagy a teljes rendszer tervezése rossz?
09:01
People have a hardkemény time figuringösszeadás that out.
207
526000
3000
Az emberek nehezen találják ki.
09:04
Let's just look at something like, you know,
208
529000
2000
Nézzünk valamit, mondjuk, hogyan tegyük
09:06
solvingmegoldó problemsproblémák with makinggyártás airlineslégitársaságok saferbiztonságosabb.
209
531000
2000
biztonságosabbá a légitársaságokat.
09:08
Yeah, I'm a million-milemillió mérföldes flierszórólap.
210
533000
2000
Én egy millió mérföldes utas vagyok.
09:10
I do lots and lots of flyingrepülő,
211
535000
2000
Rengeteget repülök.
09:12
and if I was at the FAAFARKAS,
212
537000
3000
És ha én az FFA-nál dolgoznék
09:15
what would I be doing a lot of directközvetlen observationmegfigyelés of?
213
540000
4000
mi az, amit közvetlenül megfigyelnék?
09:19
It would be theirazok airplanerepülőgép tailsfrakk.
214
544000
2000
A repülőgépek farkát.
09:21
You know, fiveöt fatalhalálos wrecksroncsok in the last 20 yearsévek,
215
546000
3000
Az elmúlt 20 évben 5 halálos szerencsétlenség történt,
09:24
the tailfarok eitherbármelyik camejött off or steeringkormányzó stuffdolog insidebelül the tailfarok broketörött
216
549000
4000
vagy letört a farok vagy valahogy elromlott a kormányzó
09:28
in some way.
217
553000
2000
berendezés a farokban.
09:30
It's tailsfrakk, puretiszta and simpleegyszerű.
218
555000
2000
Egyszerűen a farokról van szó.
09:32
And when the pilotspilóták walkséta around the planerepülőgép, guessTaláld ki what? They can't see
219
557000
2000
És amikor a pilóták körbejárják a gépet, tudják mit nem látnak?
09:34
that stuffdolog insidebelül the tailfarok.
220
559000
2000
A berendezést a farokban.
09:36
You know, now as I think about that,
221
561000
2000
Tudják, ahogy ezen gondolkodom, előhívom
09:38
I'm pullingvontatás up all of that specifickülönleges informationinformáció.
222
563000
3000
az összes specifikus információt.
09:41
It's specifickülönleges. See, my thinking'sgondolkodás barátait bottom-upalulról felfelé.
223
566000
3000
Specikifus. Látják, lentről felfelé gondolkodom.
09:44
I take all the little piecesdarabok and I put the piecesdarabok togetheregyütt like a puzzlekirakós játék.
224
569000
4000
Fogom az apró darabokat és összerakom őket, mint egy kirakóst.
09:48
Now, here is a horse that was deathlyhalálos afraidfélnek
225
573000
2000
Ez a ló halálra volt rémülve
09:50
of blackfekete cowboycowboy hatskalap.
226
575000
2000
a fekete cowboy kalapoktól.
09:52
He'dŐ been abusedbántalmazott by somebodyvalaki with a blackfekete cowboycowboy hatkalap.
227
577000
2000
Valaki fekete cowboy kalapban rosszul bánt vele.
09:54
WhiteFehér cowboycowboy hatskalap, that was absolutelyteljesen fine.
228
579000
3000
Fehér cowboy kalapok, semmi probléma.
09:57
Now, the thing is, the worldvilág is going to need
229
582000
3000
Az a helyzet, hogy a világnak szüksége lesz
10:00
all of the differentkülönböző kindsféle of mindselmék
230
585000
2000
az összes különböző elme
10:02
to work togetheregyütt.
231
587000
2000
együttműködésére.
10:04
We'veMost már got to work on developingfejlesztés all these differentkülönböző kindsféle of mindselmék.
232
589000
3000
Fejlesztenünk kell ezeket a fajta elméket.
10:07
And one of the things that is drivingvezetés me really crazyőrült,
233
592000
3000
És ami igazán dühít, ahogy járom az országot,
10:10
as I travelutazás around and I do autismautizmus meetingsülések,
234
595000
2000
és autizmus találkozókat tartok, az az,
10:12
is I'm seeinglátás a lot of smartOkos, geekygeeky, nerdynerdy kidsgyerekek,
235
597000
3000
hogy rengeteg okos, geek, kocka gyereket látok.
10:15
and they just aren'tnem very socialtársadalmi,
236
600000
3000
És nem igazán szociálisak.
10:18
and nobody'ssenki sem workingdolgozó on developingfejlesztés theirazok interestérdeklődés
237
603000
2000
És senki sem bátorítja az érdeklődésüket
10:20
in something like sciencetudomány.
238
605000
2000
olyasmi iránt, mint a természettudomány.
10:22
And this bringshoz up the wholeegész thing of my sciencetudomány teachertanár.
239
607000
3000
És ez eszembe juttatja a fizika tanáromat.
10:25
My sciencetudomány teachertanár is shownLátható absolutelyteljesen beautifullyszépen in the moviefilm.
240
610000
3000
Gyönyörűen bemutatják a fizika tanáromat a filmben.
10:28
I was a goofballgoofball studentdiák. When I was in highmagas schooliskola
241
613000
2000
Lusta diák voltam. A gimnáziumban
10:30
I just didn't caregondoskodás at all about studyingtanul,
242
615000
3000
egyáltalán nem éredekelt a tanulás,
10:33
untilamíg I had MrMr. Carlock'sCarlock barátait sciencetudomány classosztály.
243
618000
3000
Mr. Carlock fizika órájáig.
10:36
He was now DrDr. CarlockCarlock in the moviefilm.
244
621000
3000
Aki most már Dr. Carlock a filmben.
10:39
And he got me challengedmegtámadta
245
624000
3000
Aki kihívás elé állított,
10:42
to figureábra out an opticaloptikai illusionillúzió roomszoba.
246
627000
3000
hogy oldjak meg egy optikai illúzió szobát.
10:45
This bringshoz up the wholeegész thing of you've got to showelőadás kidsgyerekek
247
630000
2000
A lényeg, hogy a gyerekeknek érdekes
10:47
interestingérdekes stuffdolog.
248
632000
2000
dolgokat kell mutatni.
10:49
You know, one of the things that I think maybe TEDTED oughtkellene to do
249
634000
3000
Tudják, szerintem az egyik dolog, amit a TED-nek csinálnia kéne,
10:52
is tell all the schoolsiskolákban about all the great lectureselőadások that are on TEDTED,
250
637000
3000
felhívni az iskolák figyelmét a nagyszerű előadásokra a TED-en,
10:55
and there's all kindsféle of great stuffdolog on the InternetInternet
251
640000
2000
és rengeteg nagyszerű dolog van az interneten,
10:57
to get these kidsgyerekek turnedfordult on.
252
642000
2000
hogy felvillanyozzuk a gyerekeket.
10:59
Because I'm seeinglátás a lot of these geekygeeky nerdynerdy kidsgyerekek,
253
644000
3000
Mert nagyon sok okos, geek, kocka gyereket látok,
11:02
and the teacherstanárok out in the MidwestMidwest, and the other partsalkatrészek of the countryország,
254
647000
3000
és a tanárok a Középnyugaton és az ország más részein,
11:05
when you get away from these techtech areasnak,
255
650000
2000
távolabb ezektől a tech területektől,
11:07
they don't know what to do with these kidsgyerekek.
256
652000
2000
nem tudják mit kezdjenek ezekkel a gyerekekkel.
11:09
And they're not going down the right pathpálya.
257
654000
2000
És nem jó irányba haladnak.
11:11
The thing is, you can make a mindelme
258
656000
2000
Az az igazság, hogy egy agyat
11:13
to be more of a thinkinggondolkodás and cognitivemegismerő mindelme,
259
658000
3000
lehet gondolkodóbb, kognitív elmévé tenni.
11:16
or your mindelme can be wiredvezetékes to be more socialtársadalmi.
260
661000
3000
Vagy lehet, hogy az agy inkább szociális.
11:19
And what some of the researchkutatás now has shownLátható in autismautizmus
261
664000
2000
És bizonyos autizmus kutatások azt mutatják,
11:21
is there maylehet by extrakülön- wiringvezetékek back here,
262
666000
2000
hogy több vezeték lehet itt hátul,
11:23
in the really brilliantragyogó mindelme, and we loseelveszít a fewkevés socialtársadalmi circuitsáramkörök here.
263
668000
3000
az igazán zseniális agyban, és elvesztünk néhány áramkört itt.
11:26
It's kindkedves of a trade-offkompromisszum betweenközött thinkinggondolkodás and socialtársadalmi.
264
671000
4000
Ez egyfajta alku a gondolkodó és a szociális között.
11:30
And then you can get into the pointpont where it's so severeszigorú
265
675000
2000
És lehet olyan súlyos, hogy a személy
11:32
you're going to have a personszemély that's going to be non-verbalnon-verbális.
266
677000
3000
nonverbális lesz.
11:35
In the normalnormál humanemberi mindelme
267
680000
2000
A normális agyban a nyelv
11:37
languagenyelv coversburkolatok up the visualvizuális thinkinggondolkodás we shareOssza meg with animalsállatok.
268
682000
3000
elfedi a vizuális gondolkodást, ami közös az állatokkal.
11:40
This is the work of DrDr. BruceBruce MillerMiller.
269
685000
3000
Ez Dr. Bruce Miller munkája.
11:43
And he studiedtanult Alzheimer'sAlzheimer-kór patientsbetegek
270
688000
3000
Alzheimer kóros betegeket tanulmányozott,
11:46
that had frontalelülső temporalidőbeli lobelebeny dementiademencia.
271
691000
2000
akiknek homloklebeny demenciájuk volt.
11:48
And the dementiademencia ateevett out the languagenyelv partsalkatrészek of the brainagy,
272
693000
3000
A demencia elpusztította az agy nyelvi részeit,
11:51
and then this artworkalkotás camejött out of somebodyvalaki who used to installtelepítés stereossztereó in carsautók.
273
696000
5000
és ez a festmény jött elő valakiből, aki korábban autórádiókat szerelt be.
11:56
Now, VanVan GoghGogh doesn't know anything about physicsfizika,
274
701000
4000
Nos, Van Gogh nem tud semmit a fizikáról.
12:00
but I think it's very interestingérdekes
275
705000
2000
De ami igazán érdekes,
12:02
that there was some work doneKész to showelőadás that
276
707000
2000
hogy egy tanulmány kimutatta,
12:04
this eddyörvény patternminta in this paintingfestmény
277
709000
2000
hogy ez az örvény minta a festményen
12:06
followedmajd a statisticalstatisztikai modelmodell of turbulenceturbulencia,
278
711000
3000
egy statisztikailag helyes légörvény modellt követ.
12:09
whichmelyik bringshoz up the wholeegész interestingérdekes ideaötlet
279
714000
2000
Ami ahhoz az érdekes gondolathoz vezet,
12:11
of maybe some of this mathematicalmatematikai patternsminták
280
716000
2000
hogy talán a matematikai modellek egy része
12:13
is in our ownsaját headfej.
281
718000
2000
a fejünkben van.
12:15
And the WolframVolfrám stuffdolog -- I was takingbevétel
282
720000
2000
És a Wolfram előadás alatt
12:17
notesjegyzetek and I was writingírás down all the
283
722000
2000
jegyzeteltem és leírtam az összes
12:19
searchKeresés wordsszavak I could use,
284
724000
2000
keresőszót, amit majd használhatok,
12:21
because I think that's going to go on in my autismautizmus lectureselőadások.
285
726000
4000
mert azt hiszem ez része lesz az autizmus előadásaimnak.
12:25
We'veMost már got to showelőadás these kidsgyerekek interestingérdekes stuffdolog.
286
730000
2000
Érdekes dolgokat kell mutatnunk ezeknek a gyerekeknek.
12:27
And they'veők már takentett out the autoshopAutoshop classosztály
287
732000
2000
És megszüntették az autószerelő órát,
12:29
and the draftingmegfogalmazás classosztály and the artművészet classosztály.
288
734000
2000
a műszaki rajzot, a művészetet.
12:31
I mean artművészet was my bestlegjobb subjecttantárgy in schooliskola.
289
736000
3000
A művészet volt a legjobb tantárgyam az iskolában.
12:34
We'veMost már got to think about all these differentkülönböző kindsféle of mindselmék,
290
739000
2000
Gondolnunk kell ezekre a különböző elmékre.
12:36
and we'vevoltunk got to absolutelyteljesen work with these kindkedves of mindselmék,
291
741000
3000
És mindenképpen együtt kell dolgoznunk
12:39
because we absolutelyteljesen are going to need
292
744000
3000
ezekkel az elmékkel, mert abszolút
12:42
these kindkedves of people in the futurejövő.
293
747000
3000
szükségünk lesz ezekre az emberekre a jövőben.
12:45
And let's talk about jobsmunkahelyek.
294
750000
2000
És beszéljünk állásokról.
12:47
OK, my sciencetudomány teachertanár got me studyingtanul
295
752000
2000
A fizika tanárom rávett, hogy tanuljak,
12:49
because I was a goofballgoofball that didn't want to studytanulmány.
296
754000
3000
mert lusta voltam és nem akartam tanulni.
12:52
But you know what? I was gettingszerzés work experiencetapasztalat.
297
757000
2000
De tudják mit? Közben munka tapasztalatot szereztem.
12:54
I'm seeinglátás too manysok of these smartOkos kidsgyerekek who haven'tnincs learnedtanult basicalapvető things,
298
759000
2000
Sok okos gyereket látok, akik alapvető dolgokat nem tanultak meg,
12:56
like how to be on time.
299
761000
2000
pl. hogy pontosak legyenek.
12:58
I was taughttanított that when I was eightnyolc yearsévek oldrégi.
300
763000
2000
Én ezt nyolc évesen tanultam meg.
13:00
You know, how to have tableasztal mannersmodor at granny'snagymama SundayVasárnap partyparty.
301
765000
3000
Hogyan viselkedjek az asztalnál nagyi vasárnapi ebédjén.
13:03
I was taughttanított that when I was very, very youngfiatal.
302
768000
3000
Nagyon-nagyon fiatalon megtanultam.
13:06
And when I was 13, I had a jobmunka at a dressmaker'sruhaboltban shopüzlet
303
771000
3000
És 13 évesen állásom volt egy ruhaboltban,
13:09
sewingvarrás clothesruhák.
304
774000
2000
ruhákat árultam.
13:11
I did internshipsszakmai gyakorlatok in collegefőiskola,
305
776000
3000
Egyetemen szakmai gyakorlatot szereztem.
13:14
I was buildingépület things,
306
779000
3000
Építettem dolgokat.
13:17
and I alsois had to learntanul how to do assignmentshozzárendelések.
307
782000
3000
És meg kellett tanulnom elvégezni feladatokat.
13:20
You know, all I wanted to do was drawhúz picturesképek of horseslovak when I was little.
308
785000
4000
Tudják, gyerekkoromban csak lovakat akartam rajzolni.
13:24
My motheranya said, "Well let's do a picturekép of something elsemás."
309
789000
2000
Aynám azt mondta, "Rajzoljunk valami mást."
13:26
They'veŐk már got to learntanul how to do something elsemás.
310
791000
2000
Meg kell tanulniuk valami mást csinálni.
13:28
Let's say the kidkölyök is fixatedfixált on LegosLegos.
311
793000
2000
Mondjuk a gyerek a Lego megszállottja.
13:30
Let's get him workingdolgozó on buildingépület differentkülönböző things.
312
795000
3000
Vegyük rá, hogy különböző dolgokat építsen.
13:33
The thing about the autisticautisztikus mindelme
313
798000
2000
Az a helyzet az autista elmével,
13:35
is it tendshajlamos to be fixatedfixált.
314
800000
2000
hogy hajlamos a fixációra.
13:37
Like if a kidkölyök lovesszeret racecarsversenyautó,
315
802000
2000
Pl. ha egy gyerek szereti a versenyautókat,
13:39
let's use racecarsversenyautó for mathmatematikai.
316
804000
2000
használjunk versenyautókat a matekhoz.
13:41
Let's figureábra out how long it takes a racecarversenyautó to go a certainbizonyos distancetávolság.
317
806000
3000
Számoljuk ki, mennyi időbe telik megtenni egy bizonyos távolságot.
13:44
In other wordsszavak, use that fixationrögzítés
318
809000
4000
Más szóval, használjuk a fixációt
13:48
in ordersorrend to motivatemotivál that kidkölyök, that's one of the things we need to do.
319
813000
3000
hogy motiváljuk a gyereket, ez az egyik dolog, amit tennünk kell.
13:51
I really get fedmegetetett up when they, you know, the teacherstanárok,
320
816000
3000
Igazán idegesít, amikor a tanárok, főleg
13:54
especiallykülönösen when you get away from this partrész of the countryország,
321
819000
3000
amikor eltávolodunk az ország ezen részétől,
13:57
they don't know what to do with these smartOkos kidsgyerekek.
322
822000
2000
nem tudnak mit kezdeni ezekkel az okos gyerekekkel.
13:59
It just drivesmeghajtók me crazyőrült.
323
824000
2000
Egyszerűen megőrjít.
14:01
What can visualvizuális thinkersgondolkodók do when they grow up?
324
826000
2000
Mit tudnak csinálni a vizuális gondolkodók, ha felnőnek?
14:03
They can do graphicgrafikus designtervezés, all kindsféle of stuffdolog with computersszámítógépek,
325
828000
3000
Lehetnek grafikus tervezők, mindenféle számítógépes szakma,
14:06
photographyfényképezés, industrialipari designtervezés.
326
831000
5000
fényképészek, ipari tervezők.
14:11
The patternminta thinkersgondolkodók, they're the onesazok that are going to be
327
836000
2000
A mintákban gondokolkodók lesznek a
14:13
your mathematiciansmatematikusok, your softwareszoftver engineersmérnökök,
328
838000
3000
matematikusok, szoftver tervezők,
14:16
your computerszámítógép programmersprogramozók, all of those kindsféle of jobsmunkahelyek.
329
841000
4000
számítógép programozók, az összes ilyen foglalkozás.
14:20
And then you've got the wordszó mindselmék. They make great journalistsújságírók,
330
845000
3000
És ott vannak a verbális elmék. Nagyszerű újságírók lesznek.
14:23
and they alsois make really, really good stageszínpad actorsszereplők.
331
848000
3000
És nagyon jó színészek is lesznek belőlük.
14:26
Because the thing about beinglény autisticautisztikus is,
332
851000
2000
Mert az a helyzet az autizmussal,
14:28
I had to learntanul socialtársadalmi skillsszakértelem like beinglény in a playjáték.
333
853000
3000
meg kellett tanulnom a szociális készségeket,
14:31
It's just kindkedves of -- you just have to learntanul it.
334
856000
3000
mint egy színdarabban. Egyszerűen meg kell tanulni.
14:34
And we need to be workingdolgozó with these studentsdiákok.
335
859000
3000
És együtt kell dolgoznunk ezekkel a diákokkal.
14:37
And this bringshoz up mentorsmentorok.
336
862000
2000
És ezzel elérkeztünk a mentorokhoz.
14:39
You know, my sciencetudomány teachertanár was not an accreditedakkreditált teachertanár.
337
864000
3000
Tudják, a fizika tanárom nem volt akkreditált tanár.
14:42
He was a NASANASA spacehely scientisttudós.
338
867000
2000
Egy NASA űrtudós volt.
14:44
Now, some statesÁllamok now are gettingszerzés it to where
339
869000
2000
Nos, vannak már államok, ahol
14:46
if you have a degreefokozat in biologybiológia, or a degreefokozat in chemistrykémia,
340
871000
2000
ha van egy diplomád biológiából vagy kémiából,
14:48
you can come into the schooliskola and teachtanít biologybiológia or chemistrykémia.
341
873000
3000
elmehetsz egy iskolába biológiát vagy kémiát tanítani.
14:51
We need to be doing that.
342
876000
2000
Szükség van erre.
14:53
Because what I'm observingmegfigyelése is
343
878000
2000
Mert azt veszem észre, hogy
14:55
the good teacherstanárok, for a lot of these kidsgyerekek,
344
880000
2000
a jó tanárok, sok gyereknek,
14:57
are out in the communityközösség collegesfőiskolák,
345
882000
2000
a közösségi főiskolákon vannak.
14:59
but we need to be gettingszerzés some of these good teacherstanárok into the highmagas schoolsiskolákban.
346
884000
3000
Be kell juttatnunk ezeket a tanárokat a középiskolákba.
15:02
AnotherEgy másik thing that can be very, very, very successfulsikeres is
347
887000
3000
Egy másik dolog, ami nagyon, nagyon sikeres lehet,
15:05
there is a lot of people that maylehet have retirednyugdíjas
348
890000
3000
sokan vannak, akik talán már nyugdíjba mentek,
15:08
from workingdolgozó in the softwareszoftver industryipar, and they can teachtanít your kidkölyök.
349
893000
3000
de a szoftver iparban dolgoztak, és tudnak tanítani egy gyereket.
15:11
And it doesn't matterügy if what they teachtanít them is oldrégi,
350
896000
3000
És nem számít, hogy amit tanítanak, az régi,
15:14
because what you're doing is you're lightingvilágítás the sparkszikra.
351
899000
3000
mert amit csinálsz, az az, hogy meggyújtod a szikrát.
15:17
You're gettingszerzés that kidkölyök turnedfordult on.
352
902000
3000
Felébreszted a gyerek érdeklődését.
15:20
And you get him turnedfordult on, then he'llpokol learntanul all the newúj stuffdolog.
353
905000
3000
Elindítod, és ő majd megtanulja az új dolgokat.
15:23
MentorsMentorok are just essentialalapvető.
354
908000
2000
A mentorok létfontosságúak.
15:25
I cannotnem tud emphasizehangsúlyt helyez enoughelég
355
910000
2000
Nem tudom eleget hangsúlyozni,
15:27
what my sciencetudomány teachertanár did for me.
356
912000
3000
hogy a fizika tanárom mit tett értem.
15:30
And we'vevoltunk got to mentortanácsadó them, hirebérel them.
357
915000
3000
Tanítanunk és alkalmaznunk kell őket.
15:33
And if you bringhoz them in for internshipsszakmai gyakorlatok in your companiesvállalatok,
358
918000
2000
És ha felveszed őket szakmai gyakorlatra,
15:35
the thing about the autismautizmus, Asperger-yAsperger-y kindkedves of mindelme,
359
920000
3000
az autista, Aspergeres elméknek specifikus feladatokat
15:38
you've got to give them a specifickülönleges taskfeladat. Don't just say, "DesignDesign newúj softwareszoftver."
360
923000
3000
kell adni. Ne mondd azt, hogy "Tervezz egy új szoftvert."
15:41
You've got to tell them something a lot more specifickülönleges:
361
926000
2000
Valami sokkal specifikusabb feladatot kell adni.
15:43
"Well, we're designingtervezés a softwareszoftver for a phonetelefon
362
928000
3000
"Nos, egy telefon szoftvert tervezünk,
15:46
and it has to do some specifickülönleges thing.
363
931000
2000
és valami konkrét dolgot kell csinálnia.
15:48
And it can only use so much memorymemória."
364
933000
2000
És csak ennyi memóriát használhat."
15:50
That's the kindkedves of specificitysajátosság you need.
365
935000
2000
Erre a fajta specificitásra van szükség.
15:52
Well, that's the endvég of my talk.
366
937000
2000
Nos, ez az előadásom vége.
15:54
And I just want to thank everybodymindenki for comingeljövetel.
367
939000
2000
És meg szeretném köszönni mindenkinek, hogy eljött.
15:56
It was great to be here.
368
941000
2000
Öröm volt itt lenni.
15:58
(ApplauseTaps)
369
943000
12000
(Taps)
16:10
Oh, you've got a questionkérdés for me? OK.
370
955000
3000
Van egy kérdése a számomra? Rendben.
16:13
(ApplauseTaps)
371
958000
1000
(Taps)
16:14
ChrisChris AndersonAnderson: Thank you so much for that.
372
959000
4000
Chris Anderson: Nagyon köszönjük.
16:18
You know, you onceegyszer wroteírt, I like this quoteidézet,
373
963000
2000
Egyszer azt írta, szeretem ezt az idézetet,
16:20
"If by some magicvarázslat, autismautizmus had been
374
965000
2000
"Ha egy varázsütésre eltűnt volna
16:22
eradicatedfelszámolták from the facearc of the EarthFöld,
375
967000
3000
az autizmus a Föld színéről, akkor
16:25
then menférfiak would still be socializingtársasági élet in frontelülső of a woodfaipari fireTűz
376
970000
3000
az emberek még mindig a tűz körül beszélgetnének
16:28
at the entrancebejárat to a cavebarlang."
377
973000
2000
egy barlang bejárata előtt."
16:30
TempleTemplom GrandinGrandin: Because who do you think madekészült the first stone spearslándzsák?
378
975000
2000
Temple Grandin: Vajon ki készítette az első kő lándzsa hegyet?
16:32
The AspergerAsperger guy. And if you were to get ridmegszabadít of all the autismautizmus geneticsgenetika
379
977000
3000
Az Aspergeres férfi. És ha megszabadulnánk az autista génektől,
16:35
there would be no more SiliconSzilícium ValleyVölgy,
380
980000
2000
nem lenne többé Silicon Valley,
16:37
and the energyenergia crisisválság would not be solvedmegoldott.
381
982000
2000
és nem oldanánk meg az energia krízist.
16:39
(ApplauseTaps)
382
984000
3000
(Taps)
16:42
CACA: So, I want to askkérdez you a couplepárosít other questionskérdések,
383
987000
2000
CA: Feltennék még néhány kérdést.
16:44
and if any of these feel inappropriatealkalmatlan,
384
989000
2000
És ha nem illendőek, mondja nyugodtan,
16:46
it's okay just to say, "NextKövetkező questionkérdés."
385
991000
2000
hogy "Következő kérdés."
16:48
But if there is someonevalaki here
386
993000
2000
De ha van itt valaki,
16:50
who has an autisticautisztikus childgyermek,
387
995000
2000
akinek autista gyereke van,
16:52
or knowstudja an autisticautisztikus childgyermek
388
997000
2000
vagy ismer autista gyereket,
16:54
and feelsérzi kindkedves of cutvágott off from them,
389
999000
3000
és elvágva érzi magát tőle,
16:57
what advicetanács would you give them?
390
1002000
2000
mit tanácsol nekik?
16:59
TGKSZ: Well, first of all, you've got to look at agekor.
391
1004000
2000
TG: Először is, meg kell nézni az életkorát,
17:01
If you have a two, threehárom or fournégy yearév oldrégi
392
1006000
2000
Ha 2, 3, 4 éves, tudja,
17:03
you know, no speechbeszéd, no socialtársadalmi interactioninterakció,
393
1008000
2000
beszéd és szociális interakció nélkül,
17:05
I can't emphasizehangsúlyt helyez enoughelég:
394
1010000
2000
nem tudom eléggé hangsúlyozni,
17:07
Don't wait, you need at leastlegkevésbé 20 hoursórák a weekhét of one-to-oneegy az egyhez teachingtanítás.
395
1012000
4000
ne várjon, legalább heti 20 óra magántanításra van szüksége.
17:11
You know, the thing is, autismautizmus comesjön in differentkülönböző degreesfok.
396
1016000
3000
Tudja, az autizmus különböző mértékben jelentkezik.
17:14
There's going to be about halffél the people on the spectrumszínkép
397
1019000
2000
Az emberek kb. fele a spektrumon
17:16
that are not going to learntanul to talk, and they're not going to be workingdolgozó
398
1021000
2000
nem fog megtanulni beszélni és nem fog a Silicon Valley-ben
17:18
SiliconSzilícium ValleyVölgy, that would not be a reasonableésszerű thing for them to do.
399
1023000
3000
dolgozni, ez nem lenne realisztikus elvárás számukra.
17:21
But then you get the smartOkos, geekygeeky kidsgyerekek
400
1026000
2000
De ott vannak az okos, geek gyerekek,
17:23
that have a touchérintés of autismautizmus,
401
1028000
2000
akik enyhén autisták,
17:25
and that's where you've got to get them turnedfordult on
402
1030000
2000
és itt kell megragadni őket,
17:27
with doing interestingérdekes things.
403
1032000
2000
érdekes elfoglaltságokkal.
17:29
I got socialtársadalmi interactioninterakció throughkeresztül sharedmegosztott interestérdeklődés.
404
1034000
3000
Én a közös érdeklődésen keresztül tanultam szociális interakciót.
17:32
I rodelovagolt horseslovak with other kidsgyerekek, I madekészült modelmodell rocketsrakéták with other kidsgyerekek,
405
1037000
4000
Együtt lovagoltam más gyerekekkel. Rakétákat építettem más gyerekekkel,
17:36
did electronicselektronika lablabor with other kidsgyerekek,
406
1041000
2000
elektronikát tanultam más gyerekekkel,
17:38
and in the '60s, it was gluingragasztás mirrorstükrök
407
1043000
2000
és a 60-as években tükröket ragasztottunk
17:40
onto-ra a rubbergumi membranemembrán on a speakerhangszóró to make a lightfény showelőadás.
408
1045000
3000
egy gumi hártyára egy hangszórón, hogy fény show-t csináljunk.
17:43
That was like, we consideredfigyelembe vett that superszuper coolmenő.
409
1048000
3000
Ezt akkor szuper menőnek gondoltuk.
17:46
CACA: Is it unrealisticirreális for them
410
1051000
2000
CA: És hiábavaló azt
17:48
to hoperemény or think that that childgyermek
411
1053000
2000
remélniük vagy gondolniuk,
17:50
lovesszeret them, as some mightesetleg, as mosta legtöbb, wishszeretnék?
412
1055000
3000
hogy az a gyerek szereti őket, ahogy sokan remélik?
17:53
TGKSZ: Well let me tell you, that childgyermek will be loyalhűséges,
413
1058000
2000
TG: Hadd mondjam azt, hogy az a gyerek hűséges lesz.
17:55
and if your houseház is burningégő down, they're going to get you out of it.
414
1060000
2000
És ha ég a házad, ki fog menteni belőle.
17:57
CACA: WowWow. So, mosta legtöbb people, if you askkérdez them
415
1062000
3000
CA: Hű. Általában, ha az embereket megkérdezik, mi a legnagyobb
18:00
what are they mosta legtöbb passionateszenvedélyes about, they'dők azt say things like,
416
1065000
2000
szenvedélye, a legtöbben azt válaszolják,
18:02
"My kidsgyerekek" or "My loverszerető."
417
1067000
3000
"A gyerekeim" vagy "A szerelmem".
18:05
What are you mosta legtöbb passionateszenvedélyes about?
418
1070000
3000
Magának mi a legnagyobb szenvedélye?
18:08
TGKSZ: I'm passionateszenvedélyes about that the things I do
419
1073000
2000
TG: Az a szenvedélyem, hogy amit csinálok,
18:10
are going to make the worldvilág a better placehely.
420
1075000
2000
az jobbá teszi a világot.
18:12
When I have a motheranya of an autisticautisztikus childgyermek say,
421
1077000
2000
Amikor egy autista gyerek anyja azt mondja,
18:14
"My kidkölyök wentment to collegefőiskola because of your bookkönyv,
422
1079000
2000
"A gyermekem a maga könyve vagy előadása
18:16
or one of your lectureselőadások," that makesgyártmányú me happyboldog.
423
1081000
2000
miatt ment egyetemre." Ez boldoggá tesz.
18:18
You know, the slaughtervágás plantsnövények, I've workeddolgozott with them
424
1083000
3000
Tudja, a vágóhíd üzemek, amelyekkel dolgoztam
18:21
in the '80s; they were absolutelyteljesen awfulszörnyű.
425
1086000
2000
a 80-as években, borzalmasak voltak.
18:23
I developedfejlett a really simpleegyszerű scoringpontozási systemrendszer for slaughtervágás plantsnövények
426
1088000
4000
Kidolgoztam egy nagyon egyszerű pontozási rendszert az üzemeknek,
18:27
where you just measuremérték outcomeseredmények: How manysok cattlemarha fellesett down?
427
1092000
2000
ahol csak az eredményeket mérték, hány marha esett el,
18:29
How manysok cattlemarha got pokedkidugta with the prodderprodder?
428
1094000
2000
hány marhát ösztökéltek a bökővel,
18:31
How manysok cattlemarha are mooingtehénbőgés theirazok headsfejek off?
429
1096000
2000
hány marha bőgi szét a fejét?
18:33
And it's very, very simpleegyszerű.
430
1098000
2000
És nagyon egyszerű. Közvetlenül
18:35
You directlyközvetlenül observemegfigyelése a fewkevés simpleegyszerű things.
431
1100000
2000
megvizsgálunk néhány egyszerű dolgot.
18:37
It's workeddolgozott really well. I get satisfactionmegelégedettség out of
432
1102000
2000
És nagyon jól működött. Elégedettséggel tölt el
18:39
seeinglátás stuffdolog that makesgyártmányú realigazi changeváltozás
433
1104000
3000
olyan dolgot látni, ami igazi változást jelent
18:42
in the realigazi worldvilág. We need a lot more of that,
434
1107000
2000
a való világban. Sokkal több ilyenre,
18:44
and a lot lessKevésbé abstractabsztrakt stuffdolog.
435
1109000
2000
és sokkal kevesebb absztrakt dologra van szükség.
18:46
(ApplauseTaps)
436
1111000
7000
(Taps)
18:53
CACA: When we were talkingbeszél on the phonetelefon, one of the things you said that
437
1118000
2000
CA: Amikor a telefonon beszéltünk, az egyik dolog, ami
18:55
really astonisheddöbbent me was you said one thing
438
1120000
2000
nagyon meglepett, azt mondta az egyik
18:57
you were passionateszenvedélyes about was serverszerver farmsgazdaságok. Tell me about that.
439
1122000
4000
szenvedélye a szerver farmok. Meséljen erről.
19:01
TGKSZ: Well the reasonok why I got really excitedizgatott when I readolvas about that,
440
1126000
3000
TG: Azért jöttem nagyon izgalomba, amikor erről olvastam,
19:04
it containstartalmaz knowledgetudás.
441
1129000
3000
mert a tudást tárolják.
19:07
It's librarieskönyvtárak.
442
1132000
2000
Ezek könyvtárak.
19:09
And to me, knowledgetudás is something
443
1134000
2000
És számomra a tudás mérhetetlenül
19:11
that is extremelyrendkívüli módon valuableértékes. So, maybe, over 10 yearsévek agoezelőtt
444
1136000
2000
értékes. Szóval úgy 10 évvel ezelőtt
19:13
now our librarykönyvtár got floodedelárasztott.
445
1138000
2000
elárasztotta a könyvtárunkat a víz.
19:15
And this is before the InternetInternet got really bignagy.
446
1140000
2000
Még mielőtt az internet igazán beindult volna.
19:17
And I was really upsetszomorú about all the bookskönyvek beinglény wreckedhajótörést szenvedett,
447
1142000
2000
És nagyon zavartak a tönkrement könyvek,
19:19
because it was knowledgetudás beinglény destroyedelpusztított.
448
1144000
2000
mert tudás pusztult el.
19:21
And serverszerver farmsgazdaságok, or dataadat centersközpontok
449
1146000
2000
És a szerver farmok, vagy adat központok
19:23
are great librarieskönyvtárak of knowledgetudás.
450
1148000
3000
a tudás nagy könyvtárai.
19:26
CACA: TempleTemplom, can I just say it's an absoluteabszolút delightélvezet to have you at TEDTED.
451
1151000
3000
CA: Temple, hadd mondjam el, hogy abszolút öröm volt itt látni a TED-en.
19:29
TGKSZ: Well thank you so much. Thank you.
452
1154000
3000
TG: Nagyon szépen köszönöm. Köszönöm.
19:32
(ApplauseTaps)
453
1157000
6000
(Taps)
Translated by Anna Patai
Reviewed by Eva Tanczos

▲Back to top

ABOUT THE SPEAKER
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.

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. 

More profile about the speaker
Temple Grandin | Speaker | TED.com