TED2007
Alan Kay: A powerful idea about ideas
Alan Kay condivide un'idea importante riguardo le idee
Filmed:
Readability: 3.4
851,991 views
Con tutta l'intensità e la genialità per cui è conosciuto, Alan Kay immagina delle tecniche migliori con cui insegnare ai bambini utlizzando i computer per illustrare l'esperienza in modi -- parlando matematicamente e scientificamente -- che solo i computer possono eseguire.
Alan Kay - Educator and computing pioneer
One of the true luminaries of personal computing, Alan Kay conceived of laptops and graphical interfaces years before they were realized. At XeroxPARC, Apple, HP and Disney, he has developed tools for improving the mind. Full bio
One of the true luminaries of personal computing, Alan Kay conceived of laptops and graphical interfaces years before they were realized. At XeroxPARC, Apple, HP and Disney, he has developed tools for improving the mind. Full bio
Double-click the English transcript below to play the video.
00:18
A great way to start, I think, with my view of simplicity
0
0
4000
Un bel modo per iniziare, penso, con la mia visione di semplicità
00:22
is to take a look at TED. Here you are, understanding why we're here,
1
4000
7000
è di dare un'occhiata a TED. Eccovi qui, consapevoli del perchè siamo qui,
00:29
what's going on with no difficulty at all.
2
11000
5000
di cosa sta succedendo, senza alcuna difficoltà.
00:34
The best A.I. in the planet would find it complex and confusing,
3
16000
4000
La migliore intelligenza artificiale sul pianeta lo troverebbe complesso e confusionale,
00:38
and my little dog Watson would find it simple and understandable
4
20000
5000
ed il mio cagnolino Watson lo troverebbe semplice e comprensibile,
00:43
but would miss the point.
5
25000
2000
ma non arriverebbe al punto.
00:45
(Laughter)
6
27000
3000
(Risate)
00:48
He would have a great time.
7
30000
3000
Si divertirebbe un sacco.
00:51
And of course, if you're a speaker here, like Hans Rosling,
8
33000
5000
E, certo, se poi uno è un oratore qui, come Hans Rosling,
00:56
a speaker finds this complex, tricky. But in Hans Rosling's case,
9
38000
5000
un oratore trova questo complesso, difficile. Ma nel caso di Hans Rosling,
01:01
he had a secret weapon yesterday,
10
43000
2000
aveva un' arma segreta ieri,
01:03
literally, in his sword swallowing act.
11
45000
4000
letteralmente parlando, nel suo atto di ingoiare una spada.
01:07
And I must say, I thought of quite a few objects
12
49000
2000
E devo dire che ho pensato ad un certo numero di oggetti
01:09
that I might try to swallow today and finally gave up on,
13
51000
5000
che potrei provare ad ingoiare oggi e dei quali ho poi rinunciato --
01:14
but he just did it and that was a wonderful thing.
14
56000
4000
ma lui lo ha fatto e basta ed è stata una cosa meravigliosa.
01:18
So Puck meant not only are we fools in the pejorative sense,
15
60000
5000
Quindi Puck intendeva che non solo siamo degli sciocchi nel senso peggiore del termine,
01:23
but that we're easily fooled. In fact, what Shakespeare
16
65000
4000
ma che ci lasciamo ingannare facilmente. Infatti, ciò che Shakespeare
01:27
was pointing out is we go to the theater in order to be fooled,
17
69000
3000
sottolineava è che andiamo al teatro per farci ingannare,
01:30
so we're actually looking forward to it.
18
72000
4000
quindi non vediamo l'ora di esserlo.
01:34
We go to magic shows in order to be fooled.
19
76000
2000
Andiamo a vedere gli spettacoli di magia per essere ingannati.
01:36
And this makes many things fun, but it makes it difficult to actually
20
78000
8000
E questo rende molte cose divertenti, ma diventa effettivamante difficile
01:44
get any kind of picture on the world we live in or on ourselves.
21
86000
4000
ottenere un quadro qualsiasi del mondo in cui viviamo o di noi stessi.
01:48
And our friend, Betty Edwards,
22
90000
2000
E la nostra amica, Betty Edwards,
01:50
the "Drawing on the Right Side of the Brain" lady, shows these two tables
23
92000
3000
la signora di 'Disegnare con la parte destra del cervello', mostra questi due tavoli
01:53
to her drawing class and says,
24
95000
5000
alla sua classe di disegno e dice,
01:58
"The problem you have with learning to draw
25
100000
4000
il problema che avete nell'imparare a disegnare
02:02
is not that you can't move your hand,
26
104000
2000
non è che non sapete muovere la vostra mano,
02:04
but that the way your brain perceives images is faulty.
27
106000
6000
ma che il modo in cui il vostro cervello percepisce le immagini è errato.
02:10
It's trying to perceive images into objects
28
112000
2000
Il cervello cerca di percepire le immagini negli oggetti
02:12
rather than seeing what's there."
29
114000
2000
piuttosto che vedere cosa c'è.
02:14
And to prove it, she says, "The exact size and shape of these tabletops
30
116000
5000
E per dimostrarvelo, dice, l'esatta dimensione e forma di questi tavoli
02:19
is the same, and I'm going to prove it to you."
31
121000
3000
è la stessa, e ve lo dimostrerò.
02:22
She does this with cardboard, but since I have
32
124000
3000
Lei lo fa con del cartone, ma visto che ho
02:25
an expensive computer here
33
127000
3000
qui un costoso computer,
02:28
I'll just rotate this little guy around and ...
34
130000
3000
Farò ruotare questo piccolo e ...
02:34
Now having seen that -- and I've seen it hundreds of times,
35
136000
3000
Ora, avendo visto questo -- ed io l'ho visto centinaia di volte,
02:37
because I use this in every talk I give -- I still can't see
36
139000
4000
perchè uso questa presentazione in ogni discorso che faccio -- ancora non riesco a vedere
02:41
that they're the same size and shape, and I doubt that you can either.
37
143000
5000
che hanno la stessa dimensione e forma e dubito che voi possiate farlo.
02:46
So what do artists do? Well, what artists do is to measure.
38
148000
5000
Quindi che cosa fanno gli artisti? Bé, quello che fanno è misurare.
02:51
They measure very, very carefully.
39
153000
2000
Misurano molto, molto attentamente.
02:53
And if you measure very, very carefully with a stiff arm and a straight edge,
40
155000
4000
E se misurate molto molto attentamente, con il braccio fermo ed un bordo rigido,
02:57
you'll see that those two shapes are
41
159000
2000
vedrete che quelle due forme sono
02:59
exactly the same size.
42
161000
3000
esattamente della stessa dimensione.
03:02
And the Talmud saw this a long time ago, saying,
43
164000
5000
E questo c'è nel Talmud da tanto tempo ed infatti in esso si dice che
03:07
"We see things not as they are, but as we are."
44
169000
3000
vediamo le cose non come sono, ma come siamo noi.
03:10
I certainly would like to know what happened to the person
45
172000
2000
Mi piacerebbe veramente sapere cosa sia successo alla persona
03:12
who had that insight back then,
46
174000
3000
che ebbe quella visione allora,
03:15
if they actually followed it to its ultimate conclusion.
47
177000
4000
se l'hanno effettivamente seguita fino alla sua conclusione finale.
03:21
So if the world is not as it seems and we see things as we are,
48
183000
2000
Quindi, se il mondo non è come sembra e vediamo le cose come siamo noi,
03:23
then what we call reality is a kind of hallucination
49
185000
6000
allora ciò che chiamiamo realtà è un tipo di allucinazione
03:29
happening inside here. It's a waking dream,
50
191000
3000
che accade qua dentro. È un sogno ad occhi aperti.
03:32
and understanding that that is what we actually exist in
51
194000
5000
Ed il capire che noi viviamo effettivamente in questo sogno
03:37
is one of the biggest epistemological barriers in human history.
52
199000
5000
è uno degli ostacoli epistemologici più grandi nella storia dell'umanità.
03:42
And what that means: "simple and understandable"
53
204000
2000
E ciò che viene definito "semplice e comprensibile"
03:44
might not be actually simple or understandable,
54
206000
3000
potrebbe non essere effettivamente semplice o comprensibile,
03:47
and things we think are "complex" might be made simple and understandable.
55
209000
6000
e ciò che crediamo complesso potrebbe essere reso semplice e comprensibile.
03:53
Somehow we have to understand ourselves to get around our flaws.
56
215000
4000
Dobbiamo in qualche modo capire noi stessi, per poter superare i nostri difetti.
03:57
We can think of ourselves as kind of a noisy channel.
57
219000
2000
Potremmo pensare a noi stessi come a un tipo di canale rumoroso.
03:59
The way I think of it is, we can't learn to see
58
221000
5000
Io la penso così: non possiamo imparare a vedere
04:04
until we admit we're blind.
59
226000
2000
fino a quando non ammettiamo a noi stessi di essere ciechi.
04:06
Once you start down at this very humble level,
60
228000
4000
Quando inizi da questo livello molto umile,
04:10
then you can start finding ways to see things.
61
232000
3000
allora puoi iniziare a trovare dei modi per vedere le cose.
04:13
And what's happened, over the last 400 years in particular,
62
235000
5000
Ciò che è accaduto in modo particolare durante gli ultimi quattrocento anni,
04:18
is that human beings have invented "brainlets" --
63
240000
3000
è che gli esseri umani hanno inventato i "brainlet":
04:21
little additional parts for our brain --
64
243000
4000
piccole parti addizionali per il nostro cervello,
04:25
made out of powerful ideas that help us
65
247000
2000
composte da idee importanti che ci aiutano
04:27
see the world in different ways.
66
249000
2000
a vedere il mondo in modi diversi.
04:29
And these are in the form of sensory apparatus --
67
251000
3000
E questi sono nella forma di apparati sensoriali --
04:32
telescopes, microscopes -- reasoning apparatus --
68
254000
5000
telescopi, microscopi -- apparati razionali,
04:37
various ways of thinking -- and, most importantly,
69
259000
4000
vari modi di pensare, e più importante ancora,
04:41
in the ability to change perspective on things.
70
263000
4000
nella capacità di cambiare prospettiva riguardo le cose.
04:45
I'll talk about that a little bit.
71
267000
1000
Parlerò un pò di questo.
04:46
It's this change in perspective
72
268000
2000
È questo cambiamento di prospettiva,
04:48
on what it is we think we're perceiving
73
270000
3000
e cosa pensiamo di percepire,
04:51
that has helped us make more progress in the last 400 years
74
273000
5000
che ci ha permesso di progredire maggiormente negli ultimi quattrocento anni
04:56
than we have in the rest of human history.
75
278000
2000
che nel resto della storia dell'umanità.
04:58
And yet, it is not taught in any K through 12 curriculum in America that I'm aware of.
76
280000
8000
Eppure questo non è insegnato in nessuna classe elementare, nè scuola media inferiore in America che io conosca.
05:11
So one of the things that goes from simple to complex
77
293000
2000
Quindi una delle cose che portano una cosa semplice ad essere complessa
05:13
is when we do more. We like more.
78
295000
3000
è quando facciamo di più. Ci piace "il di più".
05:16
If we do more in a kind of a stupid way,
79
298000
3000
Se facciamo di più in un modo un pò stupido,
05:19
the simplicity gets complex
80
301000
3000
la semplicità diventa complessa.
05:22
and, in fact, we can keep on doing it for a very long time.
81
304000
5000
Ed infatti, possiamo continuare a farlo per un tempo molto lungo.
05:27
But Murray Gell-Mann yesterday talked about emergent properties;
82
309000
3000
Però Murray Gell-Mann ieri ha parlato di proprietà emergenti.
05:30
another name for them could be "architecture"
83
312000
4000
Potremmo chiamarle anche "architettura"
05:34
as a metaphor for taking the same old material
84
316000
4000
come metafora del prendere lo stesso vecchio materiale
05:38
and thinking about non-obvious, non-simple ways of combining it.
85
320000
7000
pensando a modi non ovvi e non semplici di combinarlo.
05:45
And in fact, what Murray was talking about yesterday in the fractal beauty of nature --
86
327000
8000
Ed infatti, ciò di cui Murray stava parlando ieri nella bellezza frattale della natura,
05:53
of having the descriptions
87
335000
2000
di avere le descrizioni
05:55
at various levels be rather similar --
88
337000
4000
a vari livelli può essere abbastanza simile,
05:59
all goes down to the idea that the elementary particles
89
341000
5000
tutto si può riassumere con l'idea che le particelle elementari
06:04
are both sticky and standoffish,
90
346000
3000
siano sia appiccicate che lontane
06:07
and they're in violent motion.
91
349000
4000
e che siano in movimento violento.
06:11
Those three things give rise to all the different levels
92
353000
3000
Quelle tre cose fanno nascere tutti quei livelli differenti
06:14
of what seem to be complexity in our world.
93
356000
4000
che sembrano essere la complessità nel nostro mondo.
06:20
But how simple?
94
362000
2000
Ma quanto semplice?
06:22
So, when I saw Roslings' Gapminder stuff a few years ago,
95
364000
5000
Quindi quando qualche anno fa vidi i discorsi sui Gapminder tenuti dai Roslings
06:27
I just thought it was the greatest thing I'd seen
96
369000
2000
ho pensato che fosse la cosa migliore che avessi visto
06:29
in conveying complex ideas simply.
97
371000
5000
per trasmettere idee complesse in modo semplice.
06:34
But then I had a thought of, "Boy, maybe it's too simple."
98
376000
3000
Ma poi pensai, ragazzi, forse è troppo semplice.
06:37
And I put some effort in to try and check
99
379000
5000
E mi impegnai a controllare
06:42
to see how well these simple portrayals of trends over time
100
384000
4000
per vedere come queste semplici rappresentazioni di tendenze, a lungo andare
06:46
actually matched up with some ideas and investigations from the side,
101
388000
5000
coincidessero con alcune idee ed indagini marginali,
06:51
and I found that they matched up very well.
102
393000
2000
e trovai che coincidevano molto bene.
06:53
So the Roslings have been able to do simplicity
103
395000
5000
Così i Rosling sono riusciti a creare la semplicità
06:58
without removing what's important about the data.
104
400000
4000
senza togliere ciò che è importante a livello informativo.
07:02
Whereas the film yesterday that we saw
105
404000
4000
Mentre il film che abbiamo visto ieri
07:06
of the simulation of the inside of a cell,
106
408000
2000
sulla simulazione dell'interno di una cellula,
07:08
as a former molecular biologist, I didn't like that at all.
107
410000
6000
dal punto di vista di ex biologo molecolare, non mi è assolutamente piaciuto.
07:14
Not because it wasn't beautiful or anything,
108
416000
2000
Non perchè non fosse bello o qualcosa di simile,
07:16
but because it misses the thing that most students fail to understand
109
418000
5000
ma perchè in esso non è presente quella cosa che molti studenti non riescono a capire
07:21
about molecular biology, and that is:
110
423000
3000
della biologia molecolare, e cioè,
07:24
why is there any probability at all of two complex shapes
111
426000
5000
perchè c'è qualche remota probabilità che due forme complesse
07:29
finding each other just the right way
112
431000
2000
si trovino proprio nel modo giusto
07:31
so they combine together and be catalyzed?
113
433000
3000
così da potersi combinare ed essere catalizzate?
07:34
And what we saw yesterday was
114
436000
2000
E ciò che abbiamo visto ieri era,
07:36
every reaction was fortuitous;
115
438000
3000
ogni reazione era accidentale.
07:39
they just swooped in the air and bound, and something happened.
116
441000
4000
Si sono avventati nell'aria si sono legati ed è successo qualcosa.
07:43
But in fact, those molecules are spinning at the rate of
117
445000
4000
Ma in effetti quelle molecole girano ad una velocità di
07:47
about a million revolutions per second;
118
449000
3000
circa un milione di giri al secondo.
07:50
they're agitating back and forth their size every two nanoseconds;
119
452000
6000
Agitano la loro dimensione avanti ed indietro ogni due nanosecondi.
07:56
they're completely crowded together, they're jammed,
120
458000
3000
Sono completamente accalcate. Sono compresse
07:59
they're bashing up against each other.
121
461000
3000
si scontrano l'una contro l'altra.
08:02
And if you don't understand that in your mental model of this stuff,
122
464000
3000
E se non si comprende questo nel proprio modello mentale di queste cose,
08:05
what happens inside of a cell seems completely mysterious and fortuitous,
123
467000
5000
ciò che accade all'interno di una cellula sembra completamente misterioso e fortuito.
08:10
and I think that's exactly the wrong image
124
472000
2000
Ed io penso che sia esattamente l'immagine sbagliata
08:12
for when you're trying to teach science.
125
474000
3000
perché quando si cerca di insegnare la scienza.
08:18
So, another thing that we do is to confuse adult sophistication
126
480000
5000
Quindi un'altra cosa che facciamo è quella di confondere la sofisticazione dell'adulto
08:23
with the actual understanding of some principle.
127
485000
5000
con l'effettiva comprensione di qualche principio.
08:28
So a kid who's 14 in high school
128
490000
2000
Quindi un ragazzo di 14 anni al liceo
08:30
gets this version of the Pythagorean theorem,
129
492000
6000
ottiene questa versione del teorema di Pitagora,
08:36
which is a truly subtle and interesting proof,
130
498000
3000
che è una dimostrazione veramente ingegnosa ed interessante,
08:39
but in fact it's not a good way to start learning about mathematics.
131
501000
7000
ma che in effetti non è un buon modo per iniziare ad imparare la matematica.
08:46
So a more direct one, one that gives you more of the feeling of math,
132
508000
5000
Quindi un modo più diretto, uno che permetta di avere più la sensazione di cosa sia la matematica,
08:51
is something closer to Pythagoras' own proof, which goes like this:
133
513000
4000
è qualcosa di più vicino alla prova stessa di Pitagora, che funziona così.
08:55
so here we have this triangle, and if we surround that C square with
134
517000
6000
Quindi qui abbiamo questo triangolo e se circondiamo il quadrato C con
09:01
three more triangles and we copy that,
135
523000
3000
altri tre triangoli e copiamo questo,
09:04
notice that we can move those triangles down like this.
136
526000
5000
notate che possiamo spostare quei triangoli giù in questo modo,
09:09
And that leaves two open areas that are kind of suspicious ...
137
531000
3000
e questo lascia due zone aperte che sono un pò sospette...
09:12
and bingo. That is all you have to do.
138
534000
7000
e tombola! E questa è l'unica cosa che bisogna fare.
09:19
And this kind of proof is the kind of proof
139
541000
2000
E questo tipo di prova è il tipo di dimostrazione
09:21
that you need to learn when you're learning mathematics
140
543000
3000
di cui si ha bisogno quando si sta imparando la matematica
09:24
in order to get an idea of what it means
141
546000
3000
in modo da avere un'idea di ciò che significa
09:27
before you look into the, literally, 1,200 or 1,500 proofs
142
549000
4000
prima di guardare alle, letteralmente, 12 o 1500 dimostrazioni
09:31
of Pythagoras' theorem that have been discovered.
143
553000
3000
conosciute del teorema di Pitagora.
09:37
Now let's go to young children.
144
559000
3000
Ora passiamo ai bambini piccoli.
09:40
This is a very unusual teacher
145
562000
2000
Questa è una insegnante molto inusuale
09:42
who was a kindergarten and first-grade teacher,
146
564000
4000
che era una maestra d'asilo e delle elementari,
09:46
but was a natural mathematician.
147
568000
2000
ma che era un matematico per natura.
09:48
So she was like that jazz musician friend you have who never studied music
148
570000
5000
Quindi era come quell'amico musicista jazz che avete, che non ha mai studiato musica,
09:53
but is a terrific musician;
149
575000
2000
ma che è un musicista formidabile.
09:55
she just had a feeling for math.
150
577000
2000
Aveva semplicemente un senso innato per la matematica,
09:57
And here are her six-year-olds,
151
579000
3000
e qui ci sono i suoi bambini di sei anni,
10:00
and she's got them making shapes out of a shape.
152
582000
5000
e li sta facendo creare delle forme da una forma.
10:05
So they pick a shape they like -- like a diamond, or a square,
153
587000
2000
Quindi scelgono una forma che piace a loro -- un rombo o un quadrato,
10:07
or a triangle, or a trapezoid -- and then they try and make
154
589000
3000
o un triangolo o un trapezoide -- e poi cercano di creare
10:10
the next larger shape of that same shape, and the next larger shape.
155
592000
4000
la figura successiva più grande di quella stessa figura e la figura successiva più grande.
10:14
You can see the trapezoids are a little challenging there.
156
596000
4000
E potete vedere che i trapezoidi sono un pò impegnativi.
10:18
And what this teacher did on every project
157
600000
3000
E ciò [che] fece questa insegnante in ogni progetto
10:21
was to have the children act like first it was a creative arts project,
158
603000
5000
era di fare in modo che i bambini si comportassero come se fosse innanzitutto un progetto di arte creativa
10:26
and then something like science.
159
608000
2000
e poi qualcosa di scientifico.
10:28
So they had created these artifacts.
160
610000
2000
Quindi hanno creato questi artefatti.
10:30
Now she had them look at them and do this ... laborious,
161
612000
4000
Ora li fece guardare a questi oggetti e fare questo lavoro --
10:34
which I thought for a long time, until she explained to me was
162
616000
4000
a cui ho pensato per molto tempo, fino a quando non mi spiegò che serviva
10:38
to slow them down so they'll think.
163
620000
3000
a farli rallentare, per farli pensare.
10:41
So they're cutting out the little pieces of cardboard here
164
623000
3000
Quindi stanno tagliando i piccoli pezzi di cartone qui,
10:44
and pasting them up.
165
626000
2000
e li stanno incollando.
10:46
But the whole point of this thing is
166
628000
4000
Ma il senso di questa cosa è
10:50
for them to look at this chart and fill it out.
167
632000
3000
fare in modo che guardino questo diagramma e che lo compilino.
10:53
"What have you noticed about what you did?"
168
635000
4000
Cosa avete notato di quello che avete fatto?
10:57
And so six-year-old Lauren there noticed that the first one took one,
169
639000
4000
E così Lauren, di sei anni, ha notato che per il primo ce n'è voluto uno
11:01
and the second one took three more
170
643000
5000
e che per il secondo ce ne sono voluti altri tre;
11:06
and the total was four on that one,
171
648000
2000
ed il totale per quello era di quattro.
11:08
the third one took five more and the total was nine on that one,
172
650000
4000
Per il terzo ce ne sono voluti altri cinque ed il totale per quello era di nove;
11:12
and then the next one.
173
654000
1000
e poi il successivo.
11:13
She saw right away that the additional tiles that you had to add
174
655000
5000
Quindi ha visto immediatamente che il numero dei pezzi che bisognava aggiungere
11:18
around the edges was always going to grow by two,
175
660000
4000
intorno ai lati sarebbe sempre aumentato di due.
11:22
so she was very confident about how she made those numbers there.
176
664000
3000
Era quindi molto sicura di come aveva fatto a ottenere quei numeri lì.
11:25
And she could see that these were the square numbers up until about six,
177
667000
5000
E vedeva che questi erano i numeri al quadrato fino a circa sei.
11:30
where she wasn't sure what six times six was
178
672000
3000
A quel punto non era sicura di cosa fosse sei per sei
11:33
and what seven times seven was,
179
675000
2000
e cosa fosse sette per sette.
11:35
but then she was confident again.
180
677000
3000
Ma poi divenne nuovamente sicura .
11:38
So that's what Lauren did.
181
680000
2000
Così questo è quello che fece Lauren.
11:40
And then the teacher, Gillian Ishijima, had the kids
182
682000
4000
E poi l'insegnante, Gillian Ishijima, chiese ai ragazzi
11:44
bring all of their projects up to the front of the room and put them on the floor,
183
686000
3000
di portare tutti i loro progetti sul pavimento nella parte anteriore della stanza.
11:47
and everybody went batshit: "Holy shit! They're the same!"
184
689000
8000
E tutti dissero wow! Cavolo! Sono uguali!
11:55
No matter what the shapes were, the growth law is the same.
185
697000
4000
Indipendentemente dalle forme, la legge di crescita era la stessa.
11:59
And the mathematicians and scientists in the crowd
186
701000
3000
Ed i matematici e gli scienziati nella folla
12:02
will recognize these two progressions
187
704000
2000
riconosceranno queste due progressioni
12:04
as a first-order discrete differential equation
188
706000
3000
come una equazione differenziale discreta di prim'ordine
12:07
and a second-order discrete differential equation,
189
709000
5000
ed un'equazione differenziale discreta di secondo ordine.
12:12
derived by six-year-olds.
190
714000
4000
Derivate da bambini di sei anni.
12:16
Well, that's pretty amazing.
191
718000
1000
Bé, questo è proprio incredibile.
12:17
That isn't what we usually try to teach six-year-olds.
192
719000
3000
Non è quello che normalmente cerchiamo di insegnare ai bambini di sei anni.
12:20
So, let's take a look now at how we might use the computer for some of this.
193
722000
7000
Allora vediamo ora come potremmo utilizzare il computer per un pò di questo.
12:27
And so the first idea here is
194
729000
4000
E quindi la prima idea qui serve
12:31
just to show you the kind of things that children do.
195
733000
4000
solo per mostrarvi il tipo di cose che fanno i bambini.
12:35
I'm using the software that we're putting on the $100 laptop.
196
737000
5000
Sto utilizzando il software che metteremo sul portatile da 100 dollari.
12:40
So I'd like to draw a little car here --
197
742000
6000
Quindi vorrei disegnare una macchinina qui.
12:46
I'll just do this very quickly -- and put a big tire on him.
198
748000
7000
Lo farò molto velocemente. E su questa metterò una grande gomma.
12:59
And I get a little object here and I can look inside this object,
199
761000
4000
E qui ottengo un piccolo oggetto e posso guardare dentro questo oggetto.
13:03
I'll call it a car. And here's a little behavior: car forward.
200
765000
5000
Lo chiamerò una macchina. Ed ecco che la macchina avanza.
13:08
Each time I click it, car turn.
201
770000
3000
Ogni volta che ci clicco sopra, la macchina gira.
13:11
If I want to make a little script to do this over and over again,
202
773000
2000
Se voglio creare un piccolo script per farlo ancora e ancora,
13:13
I just drag these guys out and set them going.
203
775000
5000
devo solo trascinare questi qui e fare in modo che partano.
13:20
And I can try steering the car here by ...
204
782000
3000
E posso provare a girare il volante --
13:23
See the car turn by five here?
205
785000
2000
avete visto la macchina girare di cinque?
13:25
So what if I click this down to zero?
206
787000
3000
Quindi che cosa succede se sposto questo valore a zero?
13:28
It goes straight. That's a big revelation for nine-year-olds.
207
790000
5000
Va diritta. Questa cosa è un pò una rivelazione per dei bambini di nove anni.
13:33
Make it go in the other direction.
208
795000
2000
Farla andare nell'altra direzione.
13:35
But of course, that's a little bit like kissing your sister
209
797000
2000
Ma certo questo è un pò come baciare vostra sorella
13:37
as far as driving a car,
210
799000
3000
come guidare una macchina.
13:40
so the kids want to do a steering wheel;
211
802000
3000
Quindi i ragazzi vogliono creare un volante.
13:43
so they draw a steering wheel.
212
805000
3000
Così disegnano un volante.
13:46
And we'll call this a wheel.
213
808000
5000
E lo chiameremo volante.
13:51
See this wheel's heading here?
214
813000
4000
E, vedete la parte superiore di questo volante qui?
13:55
If I turn this wheel, you can see that number over there going minus and positive.
215
817000
5000
Se giro questo volante, potete vedere quel numero lì diventare negativo e positivo.
14:00
That's kind of an invitation to pick up this name of
216
822000
2000
È un pò un invito a prendere questo nome di
14:02
those numbers coming out there
217
824000
3000
quei numeri che escono lì
14:05
and to just drop it into the script here,
218
827000
2000
e di lasciarlo semplicemente cadere qui nello script.
14:07
and now I can steer the car with the steering wheel.
219
829000
5000
Ed ora posso guidare la macchina con il volante.
14:12
And it's interesting.
220
834000
2000
Ed è interessante.
14:14
You know how much trouble the children have with variables,
221
836000
3000
Sapete quanta difficoltà hanno i bambini con le variabili,
14:17
but by learning it this way, in a situated fashion,
222
839000
2000
ma imparando in questo modo, in una maniera ordinata,
14:19
they never forget from this single trial
223
841000
3000
questo singolo esperimento non gli farà mai scordare
14:22
what a variable is and how to use it.
224
844000
3000
cosa sia una variabile e come usarla.
14:25
And we can reflect here the way Gillian Ishijima did.
225
847000
2000
E qui possiamo riflettere come fece Glillian Ishijima.
14:27
So if you look at the little script here,
226
849000
2000
Quindi se osservate questo piccolo script qui,
14:29
the speed is always going to be 30.
227
851000
2000
la velocità sarà sempre di 30.
14:31
We're going to move the car according to that over and over again.
228
853000
5000
Andremo a spostare la macchina, secondo questo parametro, più volte.
14:36
And I'm dropping a little dot for each one of these things;
229
858000
4000
e farò cadere un piccolo puntino per ognuna di queste cose.
14:40
they're evenly spaced because they're 30 apart.
230
862000
3000
Sono distanziati in modo uniforme perchè tra di essi c'è una distanza di 30.
14:43
And what if I do this progression that the six-year-olds did
231
865000
3000
E se facessi questa progressione che è stata fatta da dei bambini di sei anni
14:46
of saying, "OK, I'm going to increase the speed by two each time,
232
868000
5000
e dicessi, OK, aumenterò la velocità di due ogni volta,
14:51
and then I'm going to increase the distance by the speed each time?
233
873000
3000
e poi aumenterò la distanza in funzione della velocità ogni volta?
14:54
What do I get there?"
234
876000
4000
Che cosa otterrei?
14:58
We get a visual pattern of what these nine-year-olds called acceleration.
235
880000
7000
Otterremmo degli schemi visuali di ciò che questi bambini di nove anni hanno chiamato accelerazione.
15:05
So how do the children do science?
236
887000
2000
Quindi, come hanno fatto questi bambini a fare della scienza?
15:08
(Video) Teacher: [Choose] objects that you think will fall to the Earth at the same time.
237
890000
3000
(Video) Insegnante: Oggetti che pensate possano cadere a terra nello stesso momento --
15:11
Student 1: Ooh, this is nice.
238
893000
3000
Bambino: Questo è bello.
15:18
Teacher: Do not pay any attention
239
900000
2000
Insegnante: Non fare attenzione a ciò che sta
15:20
to what anybody else is doing.
240
902000
3000
facendo qualcun altro.
15:35
Who's got the apple?
241
917000
2000
Chi ha la mela?
15:37
Alan Kay: They've got little stopwatches.
242
919000
2000
Alan Kay: Hanno dei piccoli cronometri.
15:44
Student 2: What did you get? What did you get?
243
926000
2000
Insegnante: Che cosa ottieni? Che cosa hai ottenuto?
15:46
AK: Stopwatches aren't accurate enough.
244
928000
3000
AK: I cronometri non sono abbastanza precisi.
15:49
Student 3: 0.99 seconds.
245
931000
2000
Bambina: 0.99 secondi.
15:52
Teacher: So put "sponge ball" ...
246
934000
3000
Insegnante: Quindi metti "palla di spugna" --
15:56
Student 4l: [I decided to] do the shot put and the sponge ball
247
938000
3000
Bambina: C'era un peso e una palla di spugna,
15:59
because they're two totally different weights,
248
941000
3000
perché sono due pesi totalmente diversi.
16:02
and if you drop them at the same time,
249
944000
2000
E se si lasciano cadere allo stesso momento,
16:04
maybe they'll drop at the same speed.
250
946000
2000
forse cadranno alla stessa velocità.
16:06
Teacher: Drop. Class: Whoa!
251
948000
2000
Insegnante: Fallo cadere.
16:10
AK: So obviously, Aristotle never asked a child
252
952000
3000
AK: Aristotele, ovviamente, non ha mai chiesto ad un bambino
16:13
about this particular point
253
955000
3000
la sua opinione in merito a questo punto,
16:16
because, of course, he didn't bother doing the experiment,
254
958000
2000
in quanto ovviamente non si è degnato di effettuare l'esperimento,
16:18
and neither did St. Thomas Aquinas.
255
960000
2000
e così neanche San Tommaso D'Aquino
16:20
And it was not until Galileo actually did it
256
962000
2000
E non fu fino a quando non lo fece Galileo
16:22
that an adult thought like a child,
257
964000
3000
che un adulto iniziò a pensare come un bambino.
16:25
only 400 years ago.
258
967000
3000
Solo 400 anni fa.
16:28
We get one child like that about every classroom of 30 kids
259
970000
4000
Abbiamo un bambino così in ogni classe di 30 bambini
16:32
who will actually cut straight to the chase.
260
974000
3000
che effettivamente andrà direttamente al punto.
16:35
Now, what if we want to look at this more closely?
261
977000
3000
Ora, cosa succede se vogliamo osservare questo fatto da più vicino?
16:38
We can take a movie of what's going on,
262
980000
3000
Possiamo fare un filmino su ciò che accade,
16:41
but even if we single stepped this movie,
263
983000
2000
ma anche se dovessimo analizzare ogni fotogramma del film,
16:43
it's tricky to see what's going on.
264
985000
2000
sarebbe molto difficile osservare cosa sta succedendo.
16:45
And so what we can do is we can lay out the frames side by side
265
987000
3000
Quindi quello che possiamo fare, è posizionare i fotogrammi del film fianco a fianco,
16:48
or stack them up.
266
990000
2000
o metterli uno sopra l'altro.
16:50
So when the children see this, they say, "Ah! Acceleration,"
267
992000
5000
Quindi quando i bambini vedono questo, dicono, "Ah, l'accelerazione,"
16:55
remembering back four months when they did their cars sideways,
268
997000
3000
ricordando quando quattro mesi prima hanno creato le loro macchine di lato,
16:58
and they start measuring to find out what kind of acceleration it is.
269
1000000
6000
ed iniziano a misurare cercando di capire che tipo di accelerazione sia.
17:04
So what I'm doing is measuring from the bottom of one image
270
1006000
6000
E quindi ciò che sto facendo è misurare dal fondo di un'immagine
17:10
to the bottom of the next image, about a fifth of a second later,
271
1012000
5000
fino al fondo dell'immagine successiva, circa un quinto di un secondo dopo,
17:15
like that. And they're getting faster and faster each time,
272
1017000
2000
in questo modo e diventano sempre più veloci ogni volta.
17:17
and if I stack these guys up, then we see the differences; the increase
273
1019000
10000
E se io posiziono questi uno sopra l'altro, allora si possono vedere le differenze, l'aumento
17:27
in the speed is constant.
274
1029000
3000
nella velocità è costante.
17:30
And they say, "Oh, yeah. Constant acceleration.
275
1032000
2000
E dicono, ah, sì, l'accelerazione costante.
17:32
We've done that already."
276
1034000
2000
L'abbiamo già fatto questo.
17:34
And how shall we look and verify that we actually have it?
277
1036000
8000
E come possiamo vedere e verificare che lo abbiamo effettivamente fatto?
17:42
So you can't tell much from just making the ball drop there,
278
1044000
5000
Quindi non possiamo dire molto facendo cadere semplicemente la palla qui,
17:47
but if we drop the ball and run the movie at the same time,
279
1049000
4000
ma se facciamo cadere la palla e facciamo andare il film nello stesso momento,
17:53
we can see that we have come up with an accurate physical model.
280
1055000
5000
possiamo vedere che siamo riusciti ad ottenere un modello fisico accurato.
18:00
Galileo, by the way, did this very cleverly
281
1062000
4000
Galileo, a proposito, fece questa cosa in modo molto intelligente
18:04
by running a ball backwards down the strings of his lute.
282
1066000
3000
facendo cadere una palla indietro sulle corde del suo liuto.
18:07
I pulled out those apples to remind myself to tell you that
283
1069000
5000
Ho tirato fuori quelle mele per ricordarmi di dirvi che
18:12
this is actually probably a Newton and the apple type story,
284
1074000
5000
questa è probabilmente una storia tipo quella di Newton e la mela,
18:17
but it's a great story.
285
1079000
2000
ma è una storia meravigliosa.
18:19
And I thought I would do just one thing
286
1081000
2000
E ho pensato che avrei fatto un'unica cosa
18:21
on the $100 laptop here just to prove that this stuff works here.
287
1083000
10000
sul portatile da 100 dollari per dimostrare che questa roba funziona.
18:31
So once you have gravity, here's this --
288
1093000
3000
Quindi una volta che si ha la gravità, ecco questo --
18:34
increase the speed by something,
289
1096000
2000
aumento la velocità di un qualcosa,
18:36
increase the ship's speed.
290
1098000
3000
aumento la velocità della nave.
18:39
If I start the little game here that the kids have done,
291
1101000
3000
Se inizio il piccolo gioco che hanno creato i ragazzi,
18:42
it'll crash the space ship.
292
1104000
2000
farà distruggere la navicella spaziale.
18:44
But if I oppose gravity, here we go ... Oops!
293
1106000
4000
Ma se mi oppongo alla forza di gravità, ecco qui -- oops!
18:48
(Laughter)
294
1110000
2000
(Risate)
18:50
One more.
295
1112000
1000
Ancora una volta.
18:54
Yeah, there we go. Yeah, OK?
296
1116000
5000
Sì, così va bene. Sì, OK?
18:59
I guess the best way to end this is with two quotes:
297
1121000
7000
Penso che il modo migliore di finire tutto questo discorso sia tramite due citazioni.
19:06
Marshall McLuhan said,
298
1128000
2000
Marshall McLuhan disse,
19:08
"Children are the messages that we send to the future,"
299
1130000
4000
"I bambini sono i messaggi che mandiamo nel futuro."
19:12
but in fact, if you think of it,
300
1134000
2000
Ma, in effetti, se ci pensate,
19:14
children are the future we send to the future.
301
1136000
2000
i bambini sono il futuro che mandiamo nel futuro.
19:16
Forget about messages;
302
1138000
3000
Dimenticate i messaggi.
19:19
children are the future,
303
1141000
3000
I bambini sono il futuro.
19:22
and children in the first and second world
304
1144000
2000
Ed i bambini nel mondo benestante,
19:24
and, most especially, in the third world
305
1146000
3000
ma ancora di più nel terzo mondo,
19:27
need mentors.
306
1149000
2000
hanno bisogno di guide.
19:29
And this summer, we're going to build five million of these $100 laptops,
307
1151000
5000
E quest'estate costruiremo 5 milioni di questi portatili da 100 dollari
19:34
and maybe 50 million next year.
308
1156000
2000
e magari 50 millioni il prossimo anno.
19:36
But we couldn't create 1,000 new teachers this summer to save our life.
309
1158000
7000
Ma non potremo creare mille insegnanti nuovi quest'estate neanche per sogno.
19:43
That means that we, once again, have a thing where we can put technology out,
310
1165000
6000
E questo significa che ancora una volta abbiamo una cosa che serve a trasmettere la tecnologia,
19:49
but the mentoring that is required to go
311
1171000
3000
ma le guide di cui si ha bisogno per andare
19:52
from a simple new iChat instant messaging system
312
1174000
5000
da un nuovo semplice sistema di messaggistica istantanea iChat
19:57
to something with depth is missing.
313
1179000
2000
a qualcosa con un pò di spessore, mancano.
19:59
I believe this has to be done with a new kind of user interface,
314
1181000
3000
Credo che questo bisognerebbe farlo con un nuovo tipo ti interfaccia grafica.
20:02
and this new kind of user interface could be done
315
1184000
4000
E questo tipo di nuova interfaccia grafica potrebbe essere creata
20:06
with an expenditure of about 100 million dollars.
316
1188000
5000
con una spesa di circa 100 milioni di dollari.
20:11
It sounds like a lot, but it is literally 18 minutes of what we're spending in Iraq --
317
1193000
7000
Sembra molto, ma sono letteralmente 18 minuti di quello che stiamo spendendo in Iraq.
20:18
we're spending 8 billion dollars a month; 18 minutes is 100 million dollars --
318
1200000
5000
Stiamo spendendo 8 miliardi di dollari al mese. 18 minuti sono 100 milioni di dollari.
20:23
so this is actually cheap.
319
1205000
2000
Quindi è addirittura economico.
20:25
And Einstein said,
320
1207000
4000
Ed Einstein disse,
20:29
"Things should be as simple as possible, but not simpler."
321
1211000
3000
"Tutto dovrebbe essere reso il più semplice possibile, ma non più semplice."
20:32
Thank you.
322
1214000
1000
Grazie.
ABOUT THE SPEAKER
Alan Kay - Educator and computing pioneerOne of the true luminaries of personal computing, Alan Kay conceived of laptops and graphical interfaces years before they were realized. At XeroxPARC, Apple, HP and Disney, he has developed tools for improving the mind.
Why you should listen
"The best way to predict the future is to invent it." Alan Kay not only coined this favorite tech-world adage, but has proven its truth several times. A true polymath, as well as inventor, he has combined engineering brilliance with knowledge of child development, epistemology, molecular biology and more.
In the 1960s, Kay joined the computer team at XeroxPARC, where he worked on world-changing inventions like the graphical interface, object-oriented programming, and the personal computer itself. Later, at Apple, Atari, HP, Disney, and now at his own nonprofits, he has helped refine the tools he anticipated long before they were realized.
As the industry has blossomed, however, Kay continues to grapple with the deeper purpose of computing, struggling to create the machine that won't only recapitulate patterns in the world as we know it but will teach both children and adults to think, to see what otherwise is beyond them.
Alan Kay | Speaker | TED.com