TED2010
Temple Grandin: The world needs all kinds of minds
Temple Gradin: Onze wereld heeft allerlei soorten breinen nodig
Filmed:
Readability: 3.4
5,588,848 views
Temple Grandin werd als kind 'autistisch' bevonden. Ze legt uit hoe haar brein functioneert, hoe zij 'denkt in beelden' en hoe dat haar toelaat problemen op te lossen die 'gewone' breinen moeilijk vinden. Daarmee ondersteunt ze haar visie dat de wereld behoefte heeft aan mensen uit het ganse autistische spectrum: visuele denkers, patroon denkers, verbale denkers en allerlei andere soorten slimme kinderen.
Temple Grandin - Livestock handling designer, autism activist
Through groundbreaking research and the lens of her own autism, Temple Grandin brings startling insight into two worlds. Full bio
Through groundbreaking research and the lens of her own autism, Temple Grandin brings startling insight into two worlds. Full bio
Double-click the English transcript below to play the video.
00:15
I think I'll start out and just talk a little bit about
0
0
2000
Allereerst zal ik wat vertellen
00:17
what exactly autism is.
1
2000
2000
over autisme.
00:19
Autism is a very big continuum
2
4000
3000
Autisme is een breed continuüm
00:22
that goes from very severe -- the child remains non-verbal --
3
7000
3000
van zeer ernstig, waarbij het kind non-verbaal is,
00:25
all the way up to brilliant scientists and engineers.
4
10000
3000
tot briljante wetenschappers en ingenieurs.
00:28
And I actually feel at home here,
5
13000
2000
Ik voel me hier wel thuis
00:30
because there's a lot of autism genetics here.
6
15000
2000
met al die autistische genen in deze zaal.
00:32
You wouldn't have any...
7
17000
2000
Jullie niet natuurlijk...
00:34
(Applause)
8
19000
4000
(Applaus)
00:38
It's a continuum of traits.
9
23000
2000
Het is een continuüm van eigenschappen.
00:40
When does a nerd turn into
10
25000
3000
Wanneer wordt een nerd een Asperger,
00:43
Asperger, which is just mild autism?
11
28000
2000
een milde vorm van autisme?
00:45
I mean, Einstein and Mozart
12
30000
3000
Einstein, Mozart en Tesla zouden
00:48
and Tesla would all be probably diagnosed
13
33000
2000
vandaag wellicht gediagnostiseerd worden
00:50
as autistic spectrum today.
14
35000
2000
met autisme.
00:52
And one of the things that is really going to concern me is
15
37000
3000
Waarover ik me zorgen maak,
00:55
getting these kids to be the ones that are going to invent
16
40000
3000
is dat deze kinderen het energievraagstuk
00:58
the next energy things,
17
43000
2000
zullen moeten oplossen.
01:00
you know, that Bill Gates talked about this morning.
18
45000
4000
Bill Gates vertelde dat deze morgen al.
01:04
OK. Now, if you want to understand
19
49000
2000
Om meer te begrijpen van
01:06
autism, animals.
20
51000
2000
autisme en dieren,
01:08
And I want to talk to you now about different ways of thinking.
21
53000
2000
heb je verschillende manieren van denken.
01:10
You have to get away from verbal language.
22
55000
3000
Neem afstand van gesproken taal.
01:13
I think in pictures,
23
58000
2000
Ik denk in beelden.
01:15
I don't think in language.
24
60000
3000
Ik denk niet in taal.
01:18
Now, the thing about the autistic mind
25
63000
2000
Specifiek voor het autistisch brein is
01:20
is it attends to details.
26
65000
3000
de aandacht voor details.
01:23
OK, this is a test where you either have to
27
68000
2000
In deze test moet je ofwel de grote letters,
01:25
pick out the big letters, or pick out the little letters,
28
70000
2000
ofwel de kleine letters benoemen.
01:27
and the autistic mind picks out the
29
72000
2000
Een autistisch brein ziet
01:29
little letters more quickly.
30
74000
2000
de kleine lettertjes veel sneller.
01:31
And the thing is, the normal brain ignores the details.
31
76000
4000
Een gewoon brein negeert die details meestal.
01:35
Well, if you're building a bridge, details are pretty important
32
80000
2000
Details zijn belangrijk bij het bouwen van een brug,
01:37
because it will fall down if you ignore the details.
33
82000
3000
anders stort die brug misschien in.
01:40
And one of my big concerns with a lot of policy things today
34
85000
3000
Volgens mij is het probleem met het beleid vandaag
01:43
is things are getting too abstract.
35
88000
2000
dat de zaken te abstract worden.
01:45
People are getting away from doing
36
90000
2000
Mensen doen steeds minder
01:47
hands-on stuff.
37
92000
2000
praktische zaken.
01:49
I'm really concerned that a lot of the schools have taken out
38
94000
2000
Ik vind het verontrustend dat scholen
01:51
the hands-on classes,
39
96000
2000
praktijklessen hebben afgeschaft,
01:53
because art, and classes like that,
40
98000
2000
want lessen, zoals plastische opvoeding,
01:55
those are the classes where I excelled.
41
100000
2000
waren juist mijn beste vakken.
01:57
In my work with cattle,
42
102000
2000
In mijn werk met vee
01:59
I noticed a lot of little things that most people don't notice
43
104000
3000
zag ik veel zaken, die andere mensen niet zagen,
02:02
would make the cattle balk. Like, for example,
44
107000
2000
maar het vee stoorde zich er wel aan.
02:04
this flag waving, right in front of the veterinary facility.
45
109000
3000
Zoals deze wapperende vlag voor een dierenkliniek.
02:07
This feed yard was going to tear down their whole veterinary facility;
46
112000
3000
Dit voederbedrijf plande de afbraak van hun ganse dierenkliniek,
02:10
all they needed to do was move the flag.
47
115000
2000
terwijl ze enkel die vlag moesten verplaatsen.
02:12
Rapid movement, contrast.
48
117000
3000
Snelle bewegingen, sterke contrasten.
02:15
In the early '70s when I started, I got right down
49
120000
2000
Toen ik begin jaren 70 begon, ging ik direct
02:17
in the chutes to see what cattle were seeing.
50
122000
2000
in de loopkooien, om te zien wat het vee zag.
02:19
People thought that was crazy. A coat on a fence would make them balk,
51
124000
3000
Andere mensen vonden dat gek. Een jas op een hek maakte het vee nerveus.
02:22
shadows would make them balk, a hose on the floor ...
52
127000
3000
Schaduwen maakten hen nerveus, een tuinslang op de grond.
02:25
people weren't noticing these things --
53
130000
2000
Andere mensen merkten dit niet op,
02:27
a chain hanging down --
54
132000
2000
Een ketting, die ergens hing,
02:29
and that's shown very, very nicely in the movie.
55
134000
2000
Dat zie je heel mooi in deze film.
02:31
In fact, I loved the movie, how they
56
136000
2000
Geweldig hoe ze in de film
02:33
duplicated all my projects. That's the geek side.
57
138000
2000
al mijn projecten hebben herhaald.
02:35
My drawings got to star in the movie too.
58
140000
3000
Mijn tekeningen kregen ook een rol in de film.
02:38
And actually it's called "Temple Grandin,"
59
143000
2000
De film heet 'Temple Grandin',
02:40
not "Thinking In Pictures."
60
145000
2000
niet 'Thinking in Pictures'.
02:42
So, what is thinking in pictures? It's literally movies
61
147000
2000
Maar wat is dat dan, 'denken in beelden'?
02:44
in your head.
62
149000
2000
Dat zijn echt films in je hoofd.
02:46
My mind works like Google for images.
63
151000
2000
Mijn brein werkt zoals Google Afbeeldingen.
02:48
Now, when I was a young kid I didn't know my thinking was different.
64
153000
3000
Als kind wist ik niet dat mijn brein anders werkte.
02:51
I thought everybody thought in pictures.
65
156000
2000
ik dacht dat iedereen in beelden kon denken.
02:53
And then when I did my book, "Thinking In Pictures,"
66
158000
2000
Voor mijn boek 'Thinking in Pictures'
02:55
I start interviewing people about how they think.
67
160000
3000
interviewde ik mensen over hoe zij dachten.
02:58
And I was shocked to find out that
68
163000
2000
Ik was geschokt bij de ontdekking dat
03:00
my thinking was quite different. Like if I say,
69
165000
2000
mijn manier van denken helemaal anders was.
03:02
"Think about a church steeple"
70
167000
2000
"Denk aan een kerktoren",
03:04
most people get this sort of generalized generic one.
71
169000
2000
dan denken de meeste mensen aan een algemeen beeld.
03:06
Now, maybe that's not true in this room,
72
171000
2000
Mischien is dat in deze zaal niet waar,
03:08
but it's going to be true in a lot of different places.
73
173000
4000
maar in de meeste gevallen zal dat wel zo zijn.
03:12
I see only specific pictures.
74
177000
2000
Ik zie alleen specifieke beelden.
03:14
They flash up into my memory, just like Google for pictures.
75
179000
4000
Ze springen in mijn geheugen, zoals Google Afbeeldingen.
03:18
And in the movie, they've got a great scene in there
76
183000
2000
De film heeft een geweldige scéne
03:20
where the word "shoe" is said, and a whole bunch of '50s and '60s shoes
77
185000
4000
waar iemand 'schoen' zegt, en een hele reeks schoenen uit de jaren
03:24
pop into my imagination.
78
189000
2000
'50 en '60 verschijnen in mijn geheugen.
03:26
OK, there is my childhood church,
79
191000
2000
Dit is de kerk uit mijn jeugd,
03:28
that's specific. There's some more, Fort Collins.
80
193000
3000
da's specifiek. Daar is de kerk van Fort Collins.
03:31
OK, how about famous ones?
81
196000
2000
OK, en deze beroemde torens?
03:33
And they just kind of come up, kind of like this.
82
198000
3000
Die verschijnen dan, ongeveer zoals dit,
03:36
Just really quickly, like Google for pictures.
83
201000
3000
heel snel, net zoals Google Afbeeldingen.
03:39
And they come up one at a time,
84
204000
2000
Ze komen één voor één.
03:41
and then I think, "OK, well maybe we can have it snow,
85
206000
2000
En dan denk ik soms, OK, we kunnen het laten sneeuwen,
03:43
or we can have a thunderstorm,"
86
208000
2000
of er kan een storm zijn,
03:45
and I can hold it there and turn them into videos.
87
210000
3000
en dan kan ik daar stoppen en het naar een video omzetten.
03:48
Now, visual thinking was a tremendous asset
88
213000
3000
Nu, dat visuele denken was een enorme hulp
03:51
in my work designing cattle-handling facilities.
89
216000
3000
toen ik die vee faciliteiten ging ontwerpen.
03:54
And I've worked really hard on improving
90
219000
2000
Ik heb de behandeling van het vee
03:56
how cattle are treated at the slaughter plant.
91
221000
2000
in slachthuizen erg verbeterd.
03:58
I'm not going to go into any gucky slaughter slides.
92
223000
3000
Ik ga hier geen vieze slachtingen tonen.
04:01
I've got that stuff up on YouTube if you want to look at it.
93
226000
2000
Als je dat graag ziet, heb ik op Youtube filmpjes.
04:03
But, one of the things that I was able to do in my design work
94
228000
4000
Tijdens mijn ontwerp kon ik ook
04:07
is I could actually test run
95
232000
2000
tests uitvoeren
04:09
a piece of equipment in my mind,
96
234000
2000
maar dan in m'n hoofd,
04:11
just like a virtual reality computer system.
97
236000
3000
zoals een computersimulatie.
04:14
And this is an aerial view
98
239000
2000
Dit is een luchtfoto
04:16
of a recreation of one of my projects that was used in the movie.
99
241000
3000
van één van mijn projecten uit de film.
04:19
That was like just so super cool.
100
244000
2000
Dit was zo supercool.
04:21
And there were a lot of kind of Asperger types
101
246000
2000
Er werkten een heleboel Aspergers
04:23
and autism types working out there on the movie set too.
102
248000
3000
en autistische types op de filmset.
04:26
(Laughter)
103
251000
2000
(Gelach)
04:28
But one of the things that really worries me
104
253000
2000
Maar één van mijn zorgen is
04:30
is: Where's the younger version of those kids going today?
105
255000
4000
waar die jonge mensen vandaag naartoe gaan...
04:34
They're not ending up in Silicon Valley, where they belong.
106
259000
3000
Ze komen niet in Silicon Valley terecht, waar ze thuishoren.
04:37
(Laughter)
107
262000
3000
(Gelach)
04:40
(Applause)
108
265000
5000
(Applaus)
04:45
Now, one of the things I learned very early on because I wasn't that social,
109
270000
3000
Ik leerde al erg vroeg, omdat ik niet erg sociaal was,
04:48
is I had to sell my work, and not myself.
110
273000
4000
dat ik mijn werk moest verkopen, niet mezelf.
04:52
And the way I sold livestock jobs
111
277000
2000
Ik verkocht die vee-projecten
04:54
is I showed off my drawings, I showed off pictures of things.
112
279000
3000
door mijn tekeningen en afbeeldingen.
04:57
Another thing that helped me as a little kid
113
282000
2000
Iets anders dat me hielp als kind,
04:59
is, boy, in the '50s, you were taught manners.
114
284000
2000
tjonge, in de jaren '50 leerde je manieren.
05:01
You were taught you can't pull the merchandise off the shelves
115
286000
2000
Geen spullen uit winkelrekken pakken
05:03
in the store and throw it around.
116
288000
2000
om die dan rond te gooien.
05:05
Now, when kids get to be in third or fourth grade,
117
290000
3000
Als kinderen in de derde of vierde graad zitten,
05:08
you might see that this kid's going to be a visual thinker,
118
293000
3000
merk je soms dat dit kind een visuele denker gaat worden,
05:11
drawing in perspective. Now, I want to
119
296000
2000
doordat het in perspectief kan tekenen.
05:13
emphasize that not every autistic kid
120
298000
2000
Even benadrukken dat niet elke autist
05:15
is going to be a visual thinker.
121
300000
2000
een visuele denker wordt.
05:17
Now, I had this brain scan done several years ago,
122
302000
4000
Jaren geleden heb ik mijn brein laten scannen,
05:21
and I used to joke around about having a
123
306000
2000
en ik maakte steeds grapjes over
05:23
gigantic Internet trunk line
124
308000
2000
de gigantische internetverbinding,
05:25
going deep into my visual cortex.
125
310000
2000
diep in mijn visuele cortex.
05:27
This is tensor imaging.
126
312000
2000
Dit is een scan
05:29
And my great big internet trunk line
127
314000
2000
en mijn grote internetverbinding
05:31
is twice as big as the control's.
128
316000
2000
is tweemaal groter dan die van een controlepersoon.
05:33
The red lines there are me,
129
318000
2000
Die rode lijnen ben ik,
05:35
and the blue lines are the sex and age-matched control.
130
320000
4000
de blauwe lijnen is een controlepersoon van hetzelfde geslacht en leeftijd.
05:39
And there I got a gigantic one,
131
324000
2000
Daar heb ik die gigantische bundel,
05:41
and the control over there, the blue one,
132
326000
2000
en de controlepersoon
05:43
has got a really small one.
133
328000
4000
heeft een hele kleine.
05:47
And some of the research now is showing
134
332000
2000
Recent onderzoek toont aan
05:49
is that people on the spectrum actually think with primary visual cortex.
135
334000
4000
dat autisten met hun primaire visuele cortex denken.
05:53
Now, the thing is, the visual thinker's just one kind of mind.
136
338000
3000
Onthoud goed dat de visuele denker slechts één soort brein is.
05:56
You see, the autistic mind tends to be a specialist mind --
137
341000
3000
Autistische breinen zijn vooral gespecialiseerde breinen,
05:59
good at one thing, bad at something else.
138
344000
4000
goed in één ding, slecht in iets anders.
06:03
And where I was bad was algebra. And I was never allowed
139
348000
2000
Ikzelf was slecht in algebra en ik mocht nooit
06:05
to take geometry or trig.
140
350000
2000
meetkunde of trigonometrie volgen.
06:07
Gigantic mistake: I'm finding a lot of kids who need to skip algebra,
141
352000
3000
Geweldige fout! Veel kinderen slaan algebra beter over
06:10
go right to geometry and trig.
142
355000
2000
en beginnen beter meteen met meetkunde en trigonometrie.
06:12
Now, another kind of mind is the pattern thinker.
143
357000
3000
Een ander soort brein is de patroondenker.
06:15
More abstract. These are your engineers,
144
360000
2000
Meer abstract. Dit zijn de ingenieurs,
06:17
your computer programmers.
145
362000
2000
de computerprogrammeurs.
06:19
Now, this is pattern thinking. That praying mantis
146
364000
2000
Deze bidsprinkhaan is patroondenken,
06:21
is made from a single sheet of paper --
147
366000
2000
is gemaakt van een enkel blad papier,
06:23
no scotch tape, no cuts.
148
368000
2000
geen plakband, geen schaar...
06:25
And there in the background is the pattern for folding it.
149
370000
3000
Op het blad erachter staat het vouwpatroon.
06:28
Here are the types of thinking:
150
373000
2000
Verschillende manieren van denken:
06:30
photo-realistic visual thinkers, like me;
151
375000
3000
fotorealistische, visuele denkers, zoals ikzelf.
06:33
pattern thinkers, music and math minds.
152
378000
4000
Patroondenkers, muzikale en wiskundige breinen.
06:37
Some of these oftentimes have problems with reading.
153
382000
2000
Sommigen hiervan hebben leesproblemen.
06:39
You also will see these kind of problems
154
384000
2000
Die problemen zie je ook
06:41
with kids that are dyslexic.
155
386000
3000
bij kinderen met dyslexie.
06:44
You'll see these different kinds of minds.
156
389000
2000
Je ziet deze verschillende soorten mensen.
06:46
And then there's a verbal mind, they know every fact about everything.
157
391000
3000
Het verbale brein weet elk detail over alles.
06:49
Now, another thing is the sensory issues.
158
394000
2000
De sensorische problemen zijn er ook nog.
06:51
I was really concerned about having to wear this gadget on my face.
159
396000
4000
Ik was erg bezorgd om dit ding op mijn gezicht te hebben.
06:55
And I came in half an hour beforehand
160
400000
3000
Daarom kwam ik een half uurtje vroeger
06:58
so I could have it put on and kind of get used to it,
161
403000
2000
zodat ik eraan kon wennen,
07:00
and they got it bent so it's not hitting my chin.
162
405000
3000
een beetje gebogen zodat het mijn kin niet raakt.
07:03
But sensory is an issue. Some kids are bothered by fluorescent lights;
163
408000
3000
Prikkels zijn een probleem. Sommige kinderen verdagen geen TL licht.
07:06
others have problems with sound sensitivity.
164
411000
3000
Anderen hebben problemen met geluiden.
07:09
You know, it's going to be variable.
165
414000
3000
Weet je, het is zeer afwisselend.
07:12
Now, visual thinking gave me a whole lot of insight
166
417000
4000
Maar visueel denken gaf mij een heel nieuw inzicht
07:16
into the animal mind.
167
421000
2000
in het brein van een dier
07:18
Because think about it: An animal is a sensory-based thinker,
168
423000
3000
Dieren denken vooral via sensorische prikkels.
07:21
not verbal -- thinks in pictures,
169
426000
4000
Ze denken niet verbaal, ze denken in beelden,
07:25
thinks in sounds, thinks in smells.
170
430000
3000
denken in geluid, denken in geur.
07:28
Think about how much information there is there on the local fire hydrant.
171
433000
3000
Hoeveel informatie zit er wel niet op een pispaaltje?
07:31
He knows who's been there, when they were there.
172
436000
3000
Een hond weet direct wie er wanneer is geweest,
07:34
Are they friend or foe? Is there anybody he can go mate with?
173
439000
3000
of ze vriend of vijand zijn, kan hij met iemand paren?
07:37
There's a ton of information on that fire hydrant.
174
442000
3000
Er zit ongelooflijk veel informatie op die paal.
07:40
It's all very detailed information,
175
445000
4000
En het is zeer gedetailleerde informatie.
07:44
and, looking at these kind of details
176
449000
2000
Door die details te bekijken
07:46
gave me a lot of insight into animals.
177
451000
2000
kreeg ik inzicht in de dierlijke geest.
07:48
Now, the animal mind, and also my mind,
178
453000
4000
Nu, dat dierlijke brein, maar ook het mijne,
07:52
puts sensory-based information
179
457000
2000
gaat die sensorische informatie
07:54
into categories.
180
459000
2000
categoriseren.
07:56
Man on a horse
181
461000
2000
Een man op een paard en
07:58
and a man on the ground --
182
463000
2000
een man op de grond worden
08:00
that is viewed as two totally different things.
183
465000
2000
als twee verschillende zaken gezien.
08:02
You could have a horse that's been abused by a rider.
184
467000
3000
Een paard is mishandeld door een ruiter
08:05
They'll be absolutely fine with the veterinarian
185
470000
2000
maar heeft geen probleem met de dierenarts
08:07
and with the horseshoer, but you can't ride him.
186
472000
3000
of met de hoefsmid, maar je kan er niet op rijden.
08:10
You have another horse, where maybe the horseshoer beat him up
187
475000
3000
Een ander paard heeft misschien slagen gekregen van de hoefsmid,
08:13
and he'll be terrible for anything on the ground,
188
478000
2000
en doet geen dingen op de grond of
08:15
with the veterinarian, but a person can ride him.
189
480000
3000
met een dierenarts, maar je kan hem wel berijden.
08:18
Cattle are the same way.
190
483000
2000
Vee is net hetzelfde.
08:20
Man on a horse,
191
485000
2000
Een man op een paard of
08:22
a man on foot -- they're two different things.
192
487000
2000
een man te voet zijn twee verschillende zaken.
08:24
You see, it's a different picture.
193
489000
2000
Je ziet, het beeld is verschillend.
08:26
See, I want you to think about just how specific this is.
194
491000
3000
Denk vooral na over hoe specifiek dit is.
08:29
Now, this ability to put information into categories,
195
494000
4000
Die aanleg om informatie te categoriseren,
08:33
I find a lot of people are not very good at this.
196
498000
3000
ik heb ondervonden dat veel mensen daar niet sterk in zijn.
08:36
When I'm out troubleshooting equipment
197
501000
2000
Als ik problemen met toestellen oplos
08:38
or problems with something in a plant,
198
503000
2000
of problemen in een fabriek,
08:40
they don't seem to be able to figure out, "Do I have a training people issue?
199
505000
4000
dan weet men vaak niet of het probleem met de training van personeel is,
08:44
Or do I have something wrong with the equipment?"
200
509000
2000
of met de toestellen?
08:46
In other words, categorize equipment problem
201
511000
2000
Een technisch probleem onderscheiden
08:48
from a people problem.
202
513000
2000
van een menselijk probleem.
08:50
I find a lot of people have difficulty doing that.
203
515000
3000
Volgens mij vinden veel mensen dat moeilijk.
08:53
Now, let's say I figure out it's an equipment problem.
204
518000
3000
Als ik dan ontdek dat het probleem met de apparatuur is,
08:56
Is it a minor problem, with something simple I can fix?
205
521000
2000
is het dan een klein probleem dat ik eenvoudig kan oplossen?
08:58
Or is the whole design of the system wrong?
206
523000
3000
Of is het totale ontwerp fout?
09:01
People have a hard time figuring that out.
207
526000
3000
Ook daarmee hebben mensen het moeilijk.
09:04
Let's just look at something like, you know,
208
529000
2000
Laten we eens kijken naar iets zoals
09:06
solving problems with making airlines safer.
209
531000
2000
vliegtuigen veiliger te maken
09:08
Yeah, I'm a million-mile flier.
210
533000
2000
Ik ben een 'million-mile flyer'.
09:10
I do lots and lots of flying,
211
535000
2000
Ik vlieg heel erg veel.
09:12
and if I was at the FAA,
212
537000
3000
Als ik zou werken bij de FFA,
09:15
what would I be doing a lot of direct observation of?
213
540000
4000
wat zou ik dan vooral bestuderen?
09:19
It would be their airplane tails.
214
544000
2000
De staart van een vliegtuig.
09:21
You know, five fatal wrecks in the last 20 years,
215
546000
3000
Bij 5 fatale ongevallen in de laatste 20 jaar
09:24
the tail either came off or steering stuff inside the tail broke
216
549000
4000
kwam de staart los of brak de stuurinrichting in de staart
09:28
in some way.
217
553000
2000
op de een of andere manier
09:30
It's tails, pure and simple.
218
555000
2000
Het probleem zijn dus de staarten.
09:32
And when the pilots walk around the plane, guess what? They can't see
219
557000
2000
Wat kan een piloot in het vliegtuig niet zien?
09:34
that stuff inside the tail.
220
559000
2000
Inderdaad, die staart
09:36
You know, now as I think about that,
221
561000
2000
Terwijl ik daarover nadenk,
09:38
I'm pulling up all of that specific information.
222
563000
3000
haal ik er specifieke informatie bij.
09:41
It's specific. See, my thinking's bottom-up.
223
566000
3000
Specifiek: ik denk vanuit de details
09:44
I take all the little pieces and I put the pieces together like a puzzle.
224
569000
4000
Ik neem al die kleine details en puzzel ze samen.
09:48
Now, here is a horse that was deathly afraid
225
573000
2000
Kijk, dit is een paard dat doodsbang was
09:50
of black cowboy hats.
226
575000
2000
van zwarte cowboyhoeden.
09:52
He'd been abused by somebody with a black cowboy hat.
227
577000
2000
Hij werd mishandeld door iemand met een zwarte hoed
09:54
White cowboy hats, that was absolutely fine.
228
579000
3000
Witte cowboyhoeden was geen enkel probleem...
09:57
Now, the thing is, the world is going to need
229
582000
3000
Wat de wereld nodig heeft, is dat
10:00
all of the different kinds of minds
230
585000
2000
al die verschillende manieren van denken,
10:02
to work together.
231
587000
2000
gaan samenwerken.
10:04
We've got to work on developing all these different kinds of minds.
232
589000
3000
We moeten al die breinen leren ontwikkelen
10:07
And one of the things that is driving me really crazy,
233
592000
3000
en wat me helemaal gek maakt
10:10
as I travel around and I do autism meetings,
234
595000
2000
is dat als ik reis en autisme vergaderingen organiseer,
10:12
is I'm seeing a lot of smart, geeky, nerdy kids,
235
597000
3000
dat ik zoveel slimme nerds tegenkom.
10:15
and they just aren't very social,
236
600000
3000
Die zijn helemaal niet sociaal,
10:18
and nobody's working on developing their interest
237
603000
2000
en niemand is bezig hun interesse te ontwikkelen
10:20
in something like science.
238
605000
2000
in iets zoals wetenschap.
10:22
And this brings up the whole thing of my science teacher.
239
607000
3000
Dat brengt me bij mijn leraar wetenschappen
10:25
My science teacher is shown absolutely beautifully in the movie.
240
610000
3000
Die wordt in de film absoluut perfect in beeld gebracht
10:28
I was a goofball student. When I was in high school
241
613000
2000
Als leerling was ik echt een losse flodder.
10:30
I just didn't care at all about studying,
242
615000
3000
Ik was absoluut niet geïnteresseerd in studeren
10:33
until I had Mr. Carlock's science class.
243
618000
3000
tot ik wetenschappen kreeg van meneer Carlock.
10:36
He was now Dr. Carlock in the movie.
244
621000
3000
In de film is hij nu doctor Carlock.
10:39
And he got me challenged
245
624000
3000
Die daagde me uit om
10:42
to figure out an optical illusion room.
246
627000
3000
een optische illusie te doorgronden.
10:45
This brings up the whole thing of you've got to show kids
247
630000
2000
Je moet kinderen steeds
10:47
interesting stuff.
248
632000
2000
interessante zaken aanreiken.
10:49
You know, one of the things that I think maybe TED ought to do
249
634000
3000
TED zou alle scholen moeten vertellen
10:52
is tell all the schools about all the great lectures that are on TED,
250
637000
3000
welke fantastische lezingen er op TED te vinden zijn.
10:55
and there's all kinds of great stuff on the Internet
251
640000
2000
Op het Internet staat nog veel ander geweldig spul
10:57
to get these kids turned on.
252
642000
2000
om zo'n kinderen geïnteresseerd te krijgen.
10:59
Because I'm seeing a lot of these geeky nerdy kids,
253
644000
3000
Want ik zie zoveel slimme nerds
11:02
and the teachers out in the Midwest, and the other parts of the country,
254
647000
3000
en de leraars in het midwesten en elders in het land,
11:05
when you get away from these tech areas,
255
650000
2000
buiten de high-tech gebieden,
11:07
they don't know what to do with these kids.
256
652000
2000
ze weten niet wat ze met die kinderen moeten aanvangen.
11:09
And they're not going down the right path.
257
654000
2000
Ze gaan ermee niet de juiste kant op.
11:11
The thing is, you can make a mind
258
656000
2000
Je kan een brein sturen
11:13
to be more of a thinking and cognitive mind,
259
658000
3000
om meer cognitief denkend te zijn.
11:16
or your mind can be wired to be more social.
260
661000
3000
Of je kan het sturen om socialer te worden.
11:19
And what some of the research now has shown in autism
261
664000
2000
Onderzoek van autisme heeft aangetoond dat
11:21
is there may by extra wiring back here,
262
666000
2000
er extra 'bedrading' achteraan de hersenen is
11:23
in the really brilliant mind, and we lose a few social circuits here.
263
668000
3000
bij de echt geniale geesten, maar minder sociale verbindingen.
11:26
It's kind of a trade-off between thinking and social.
264
671000
4000
Het is een soort evenwicht tussen rationeel en sociaal denken.
11:30
And then you can get into the point where it's so severe
265
675000
2000
Dat kan zo ernstig zijn dat
11:32
you're going to have a person that's going to be non-verbal.
266
677000
3000
je iemand krijgt die non-verbaal is.
11:35
In the normal human mind
267
680000
2000
In een normaal menselijk brein
11:37
language covers up the visual thinking we share with animals.
268
682000
3000
verbergt taal ons dierlijk, visueel denken.
11:40
This is the work of Dr. Bruce Miller.
269
685000
3000
Dat is het werk van doctor Bruce Miller.
11:43
And he studied Alzheimer's patients
270
688000
3000
Die bestudeert Alzheimer's patienten met een dementie
11:46
that had frontal temporal lobe dementia.
271
691000
2000
van de frontale temporale hersenkwab.
11:48
And the dementia ate out the language parts of the brain,
272
693000
3000
Die dementie vernielde de taalsector uit het brein.
11:51
and then this artwork came out of somebody who used to install stereos in cars.
273
696000
5000
Dit is een kunstwerk door iemand die vroeger radio's in auto's installeerde.
11:56
Now, Van Gogh doesn't know anything about physics,
274
701000
4000
Van Gogh weet niets van fysica,
12:00
but I think it's very interesting
275
705000
2000
maar ik vind het erg interessant dat
12:02
that there was some work done to show that
276
707000
2000
onderzoek heeft aangetoond dat
12:04
this eddy pattern in this painting
277
709000
2000
deze spiraal in het schilderij
12:06
followed a statistical model of turbulence,
278
711000
3000
een statistisch model van turbulentie weergeeft.
12:09
which brings up the whole interesting idea
279
714000
2000
Wat het interessante idee oplevert
12:11
of maybe some of this mathematical patterns
280
716000
2000
dat deze wiskundige patronen misschien
12:13
is in our own head.
281
718000
2000
in ons hoofd zitten.
12:15
And the Wolfram stuff -- I was taking
282
720000
2000
Tijdens de sessie over Wolfram
12:17
notes and I was writing down all the
283
722000
2000
noteerde ik alle sleutelwoorden
12:19
search words I could use,
284
724000
2000
om later op te zoeken
12:21
because I think that's going to go on in my autism lectures.
285
726000
4000
want dat is de kern van mijn lezingen over autisme
12:25
We've got to show these kids interesting stuff.
286
730000
2000
We moeten die kinderen interessante zaken tonen
12:27
And they've taken out the autoshop class
287
732000
2000
En ze hebben de les automechanica geschrapt,
12:29
and the drafting class and the art class.
288
734000
2000
en de tekenles, en de kunstles
12:31
I mean art was my best subject in school.
289
736000
3000
Ik bedoel maar, kunst was mijn beste vak op school!
12:34
We've got to think about all these different kinds of minds,
290
739000
2000
We moeten denken over die verschillende breinen
12:36
and we've got to absolutely work with these kind of minds,
291
741000
3000
en we moeten absoluut gaan werken met al die types
12:39
because we absolutely are going to need
292
744000
3000
want we gaan absoluut
12:42
these kind of people in the future.
293
747000
3000
dit soort mensen nodig hebben in de toekomst.
12:45
And let's talk about jobs.
294
750000
2000
Laten we eens praten over werk.
12:47
OK, my science teacher got me studying
295
752000
2000
Mijn leraar wetenschappen kreeg me aan het studeren
12:49
because I was a goofball that didn't want to study.
296
754000
3000
want ik was daarin eerst niet geïnteresseerd
12:52
But you know what? I was getting work experience.
297
757000
2000
Maar ik kreeg ook werkervaring.
12:54
I'm seeing too many of these smart kids who haven't learned basic things,
298
759000
2000
Teveel jongeren hebben zelfs de eenvoudigste dingen niet geleerd
12:56
like how to be on time.
299
761000
2000
zoals op tijd komen.
12:58
I was taught that when I was eight years old.
300
763000
2000
Dat leerde ik al op mijn achtste.
13:00
You know, how to have table manners at granny's Sunday party.
301
765000
3000
Hoe je te gedragen aan tafel bij oma op zondag.
13:03
I was taught that when I was very, very young.
302
768000
3000
Dat leerde ik al toen ik nog heel heel jong was.
13:06
And when I was 13, I had a job at a dressmaker's shop
303
771000
3000
En op mijn 13e had ik al een job bij de kleermaker,
13:09
sewing clothes.
304
774000
2000
om kleren te verkopen.
13:11
I did internships in college,
305
776000
3000
Ik deed stages op school.
13:14
I was building things,
306
779000
3000
Ik bouwde zaken.
13:17
and I also had to learn how to do assignments.
307
782000
3000
Ik moest ook leren opdrachten uit te voeren.
13:20
You know, all I wanted to do was draw pictures of horses when I was little.
308
785000
4000
Toen ik klein was, wilde ik enkel maar paarden tekenen.
13:24
My mother said, "Well let's do a picture of something else."
309
789000
2000
Mama zei: "OK , teken eens iets anders".
13:26
They've got to learn how to do something else.
310
791000
2000
Ze moeten leren om ook iets anders te doen.
13:28
Let's say the kid is fixated on Legos.
311
793000
2000
Neem een kind dat altijd met Lego speelt.
13:30
Let's get him working on building different things.
312
795000
3000
Laat hem dan verschillende zaken bouwen.
13:33
The thing about the autistic mind
313
798000
2000
Een autistisch brein is meestal
13:35
is it tends to be fixated.
314
800000
2000
erg gefixeerd.
13:37
Like if a kid loves racecars,
315
802000
2000
Zoals een kind, dat gek is van race wagens.
13:39
let's use racecars for math.
316
804000
2000
gebruik die wagens om wiskunde uit te leggen.
13:41
Let's figure out how long it takes a racecar to go a certain distance.
317
806000
3000
Reken uit hoe lang die wagen rijdt over een bepaalde afstand
13:44
In other words, use that fixation
318
809000
4000
Met andere woorden, gebruik die fixatie
13:48
in order to motivate that kid, that's one of the things we need to do.
319
813000
3000
om het kind te motiveren, dat moeten we.
13:51
I really get fed up when they, you know, the teachers,
320
816000
3000
Ik ben het echt zo beu als leraars,
13:54
especially when you get away from this part of the country,
321
819000
3000
zeker als je gaat naar het platteland,
13:57
they don't know what to do with these smart kids.
322
822000
2000
niet weten wat te doen met slimme kinderen.
13:59
It just drives me crazy.
323
824000
2000
Ik word daar helemaal gek van.
14:01
What can visual thinkers do when they grow up?
324
826000
2000
Wat kunnen visuele denkers later doen?
14:03
They can do graphic design, all kinds of stuff with computers,
325
828000
3000
Grafisch ontwerp, allerlei zaken met computers,
14:06
photography, industrial design.
326
831000
5000
fotografie, industrieel ontwerp.
14:11
The pattern thinkers, they're the ones that are going to be
327
836000
2000
Patroondenkers zijn ontplooien zich later tot
14:13
your mathematicians, your software engineers,
328
838000
3000
wiskundigen, software ontwerpers,
14:16
your computer programmers, all of those kinds of jobs.
329
841000
4000
computerprogrammeurs, dat soort jobs.
14:20
And then you've got the word minds. They make great journalists,
330
845000
3000
De woorddenkers: dat worden geweldige journalisten
14:23
and they also make really, really good stage actors.
331
848000
3000
en ook hele goeie acteurs.
14:26
Because the thing about being autistic is,
332
851000
2000
Als autist moest ik sociale vaardigheden leren
14:28
I had to learn social skills like being in a play.
333
853000
3000
alsof ik in een toneelstuk stond.
14:31
It's just kind of -- you just have to learn it.
334
856000
3000
Gewoon, je moet het leren.
14:34
And we need to be working with these students.
335
859000
3000
Wij moeten meer werken met deze studenten
14:37
And this brings up mentors.
336
862000
2000
en dat brengt me bij mentors
14:39
You know, my science teacher was not an accredited teacher.
337
864000
3000
Weet je, mijn leraar wetenschappen was niet geaccrediteerd
14:42
He was a NASA space scientist.
338
867000
2000
Hij was een NASA wetenschapper.
14:44
Now, some states now are getting it to where
339
869000
2000
Vandaag zorgen sommige staten ervoor dat
14:46
if you have a degree in biology, or a degree in chemistry,
340
871000
2000
een diploma in biologie of chemie voldoende is
14:48
you can come into the school and teach biology or chemistry.
341
873000
3000
om biologie of chemie te onderwijzen.
14:51
We need to be doing that.
342
876000
2000
Dat moeten we meer doen
14:53
Because what I'm observing is
343
878000
2000
want ik zie altijd dat
14:55
the good teachers, for a lot of these kids,
344
880000
2000
de goeie leraars, voor veel van die kinderen,
14:57
are out in the community colleges,
345
882000
2000
in de laatste jaren van het middelbaar werken.
14:59
but we need to be getting some of these good teachers into the high schools.
346
884000
3000
We moeten die goeie leraars ook in de eerste jaren krijgen.
15:02
Another thing that can be very, very, very successful is
347
887000
3000
Iets anders dat héél succesvol kan zijn:
15:05
there is a lot of people that may have retired
348
890000
3000
veel mensen uit de informaticasector zijn al gepensioneerd
15:08
from working in the software industry, and they can teach your kid.
349
893000
3000
en zij kunnen nu onze kinderen onderwijzen.
15:11
And it doesn't matter if what they teach them is old,
350
896000
3000
Het maakt niet uit of wat ze hen leren al oud is,
15:14
because what you're doing is you're lighting the spark.
351
899000
3000
want wat je doet is een vonkje laten ontstaan.
15:17
You're getting that kid turned on.
352
902000
3000
Je krijgt die kinderen geïnteresseerd
15:20
And you get him turned on, then he'll learn all the new stuff.
353
905000
3000
en als ze geïnteresseerd zijn, gaan ze ook nieuwe zaken leren
15:23
Mentors are just essential.
354
908000
2000
Een mentor is essentieel
15:25
I cannot emphasize enough
355
910000
2000
Ik kan niet genoeg benadrukken wat
15:27
what my science teacher did for me.
356
912000
3000
mijn leraar wetenschappen voor mij gedaan heeft!
15:30
And we've got to mentor them, hire them.
357
915000
3000
We moeten zorgen voor een mentor, en ze ook in dienst nemen
15:33
And if you bring them in for internships in your companies,
358
918000
2000
Als je ze binnenhaalt voor stages in je bedrijf,
15:35
the thing about the autism, Asperger-y kind of mind,
359
920000
3000
vanwege dat autisme, die Asperger breinen,
15:38
you've got to give them a specific task. Don't just say, "Design new software."
360
923000
3000
Geef ze een specifiek taak. Zeg niet gewoon "ontwerp nieuwe software".
15:41
You've got to tell them something a lot more specific:
361
926000
2000
Je moet veel specifieker zijn
15:43
"Well, we're designing a software for a phone
362
928000
3000
"Wij ontwerpen software voor een telefoon,
15:46
and it has to do some specific thing.
363
931000
2000
en het moet dit specifieke ding doen,
15:48
And it can only use so much memory."
364
933000
2000
en het kan maar zoveel geheugen gebuiken."
15:50
That's the kind of specificity you need.
365
935000
2000
Dat zijn de details die je nodig hebt.
15:52
Well, that's the end of my talk.
366
937000
2000
Wel, dat is het einde van mijn lezing
15:54
And I just want to thank everybody for coming.
367
939000
2000
en ik wil iedereen bedanken om te komen.
15:56
It was great to be here.
368
941000
2000
Het was heel leuk hier te zijn
15:58
(Applause)
369
943000
12000
(Applaus)
16:10
Oh, you've got a question for me? OK.
370
955000
3000
Ah, je hebt nog een vraag voor mij? OK
16:13
(Applause)
371
958000
1000
(Applaus)
16:14
Chris Anderson: Thank you so much for that.
372
959000
4000
Chris ANderson: Heel erg bedankt!
16:18
You know, you once wrote, I like this quote,
373
963000
2000
Je schreef eens, en ik hou van dat citaat,
16:20
"If by some magic, autism had been
374
965000
2000
"Wanneer vroeger, als bij wonder,
16:22
eradicated from the face of the Earth,
375
967000
3000
autisme van de aarde zou verdwenen zijn,
16:25
then men would still be socializing in front of a wood fire
376
970000
3000
dan zouden de mensen nog steeds samenkomen
16:28
at the entrance to a cave."
377
973000
2000
rond een kampvuur aan de ingang van de grot."
16:30
Temple Grandin: Because who do you think made the first stone spears?
378
975000
2000
Ja, want wie heeft de eerste stenen speerpunten gemaakt?
16:32
The Asperger guy. And if you were to get rid of all the autism genetics
379
977000
3000
De kerel met Asperger. Als al die autistische genen zou verdwijnen,
16:35
there would be no more Silicon Valley,
380
980000
2000
dan was het afgelopen met Silicon Valley,
16:37
and the energy crisis would not be solved.
381
982000
2000
en de energiecrisis zou niet opgelost geraken.
16:39
(Applause)
382
984000
3000
(Applaus)
16:42
CA: So, I want to ask you a couple other questions,
383
987000
2000
CA: OK, ik wil je nog een paar andere vragen stellen...
16:44
and if any of these feel inappropriate,
384
989000
2000
Zeg maar als je ze ongepast vindt
16:46
it's okay just to say, "Next question."
385
991000
2000
dan zeg je maar "volgende vraag".
16:48
But if there is someone here
386
993000
2000
Als er iemand hier is,
16:50
who has an autistic child,
387
995000
2000
met een autistisch kind
16:52
or knows an autistic child
388
997000
2000
of die een autistisch kind kent,
16:54
and feels kind of cut off from them,
389
999000
3000
en teveel afstand met het kind voelt,
16:57
what advice would you give them?
390
1002000
2000
welk advies zou jij dan geven?
16:59
TG: Well, first of all, you've got to look at age.
391
1004000
2000
TG: Wel, ten eerste moet je kijken naar de leeftijd.
17:01
If you have a two, three or four year old
392
1006000
2000
Als dat kind 2, 3, 4 jaar oud is,
17:03
you know, no speech, no social interaction,
393
1008000
2000
geen spraak, geen sociale interactie,
17:05
I can't emphasize enough:
394
1010000
2000
ik kan het niet genoeg benadrukken,
17:07
Don't wait, you need at least 20 hours a week of one-to-one teaching.
395
1012000
4000
wacht niet en geef minstens 20 uur per individueel les.
17:11
You know, the thing is, autism comes in different degrees.
396
1016000
3000
Autisme is er in vele gradaties.
17:14
There's going to be about half the people on the spectrum
397
1019000
2000
Ongeveer de helft van de autisten
17:16
that are not going to learn to talk, and they're not going to be working
398
1021000
2000
leert niet spreken, en gaat niet werken
17:18
Silicon Valley, that would not be a reasonable thing for them to do.
399
1023000
3000
in Silicon valley, dat zou niet goed voor hen zijn.
17:21
But then you get the smart, geeky kids
400
1026000
2000
Maar dan zijn er ook de slimme kinderen,
17:23
that have a touch of autism,
401
1028000
2000
die een beetje autisme hebben,
17:25
and that's where you've got to get them turned on
402
1030000
2000
en die moet je kunnen stimuleren
17:27
with doing interesting things.
403
1032000
2000
met interessante zaken
17:29
I got social interaction through shared interest.
404
1034000
3000
Ik kreeg sociale interactie door een gedeelde interesse.
17:32
I rode horses with other kids, I made model rockets with other kids,
405
1037000
4000
Ik reed paard met andere kinderen en maakte raketten met anderen,
17:36
did electronics lab with other kids,
406
1041000
2000
elektronische proefjes met nog andere kinderen.
17:38
and in the '60s, it was gluing mirrors
407
1043000
2000
In de jaren '60 kleefden we spiegeltjes op
17:40
onto a rubber membrane on a speaker to make a light show.
408
1045000
3000
een rubber membraan van een luidspreker om een geweldige lichtshow te maken
17:43
That was like, we considered that super cool.
409
1048000
3000
Weet je, dat vonden we supercool.
17:46
CA: Is it unrealistic for them
410
1051000
2000
CA: Is het onredelijk voor hen om
17:48
to hope or think that that child
411
1053000
2000
te hopen of te denken dat het kind
17:50
loves them, as some might, as most, wish?
412
1055000
3000
hen liefheeft zoals de meesten hopen?
17:53
TG: Well let me tell you, that child will be loyal,
413
1058000
2000
TG: Weet je, dat kind zal heel loyaal zijn
17:55
and if your house is burning down, they're going to get you out of it.
414
1060000
2000
en als je huis afbrandt, zal hij je eruit halen
17:57
CA: Wow. So, most people, if you ask them
415
1062000
3000
CA: Wow. OK, de meeste mensen, als je vraagt
18:00
what are they most passionate about, they'd say things like,
416
1065000
2000
waardoor ze gepassioneerd zijn, dan zeggen ze zaken als
18:02
"My kids" or "My lover."
417
1067000
3000
"mijn kinderen", "mijn geliefde".
18:05
What are you most passionate about?
418
1070000
3000
Waardoor ben jij gepassioneerd?
18:08
TG: I'm passionate about that the things I do
419
1073000
2000
TG: Ik ben gepassioneerd door te weten dat
18:10
are going to make the world a better place.
420
1075000
2000
hetgeen ik doe de wereld kan verbeteren.
18:12
When I have a mother of an autistic child say,
421
1077000
2000
Als de moeder van een autistisch kind me zegt
18:14
"My kid went to college because of your book,
422
1079000
2000
"mijn kind is naar school gegaan door jouw boek
18:16
or one of your lectures," that makes me happy.
423
1081000
2000
of één van je lezingen", dat maakt me blij.
18:18
You know, the slaughter plants, I've worked with them
424
1083000
3000
Ik heb gewerkt voor de slachthuizen.
18:21
in the '80s; they were absolutely awful.
425
1086000
2000
In de jaren '80 waren ze afschuwelijk.
18:23
I developed a really simple scoring system for slaughter plants
426
1088000
4000
Ik ontwikkelde een heel simpel puntensysteem voor slachthuizen
18:27
where you just measure outcomes: How many cattle fell down?
427
1092000
2000
waarmee je de resultaten kon meten, hoeveel dieren neervielen,
18:29
How many cattle got poked with the prodder?
428
1094000
2000
hoeveel er werden geduwd met een pook,
18:31
How many cattle are mooing their heads off?
429
1096000
2000
hoeveel er eindeloos loeien?
18:33
And it's very, very simple.
430
1098000
2000
Het is heel eenvoudig,
18:35
You directly observe a few simple things.
431
1100000
2000
Je observeert gewoon een aantal simpele zaken.
18:37
It's worked really well. I get satisfaction out of
432
1102000
2000
Het werkte heel goed, en ik kreeg er voldoening van
18:39
seeing stuff that makes real change
433
1104000
3000
te zien dat het een echt verschil maakte
18:42
in the real world. We need a lot more of that,
434
1107000
2000
in de echte wereld. We moeten dat meer doen
18:44
and a lot less abstract stuff.
435
1109000
2000
en minder abstracte gedoe.
18:46
(Applause)
436
1111000
7000
(Applaus)
18:53
CA: When we were talking on the phone, one of the things you said that
437
1118000
2000
CA: Toen we telefoneerden,
18:55
really astonished me was you said one thing
438
1120000
2000
vertelde je me verrassend
18:57
you were passionate about was server farms. Tell me about that.
439
1122000
4000
dat je gepassioneerd was door 'server farms'. Vertel daar eens iets over.
19:01
TG: Well the reason why I got really excited when I read about that,
440
1126000
3000
TG: De reden voor mijn enthousiasme toen ik daarover las,
19:04
it contains knowledge.
441
1129000
3000
was dat ze kennis bevatten.
19:07
It's libraries.
442
1132000
2000
Het zijn bibliotheken.
19:09
And to me, knowledge is something
443
1134000
2000
En voor mij is kennis iets
19:11
that is extremely valuable. So, maybe, over 10 years ago
444
1136000
2000
extreem belangrijk. Meer dan 10 jaar geleden
19:13
now our library got flooded.
445
1138000
2000
overstroomde onze bibliotheek,
19:15
And this is before the Internet got really big.
446
1140000
2000
lang voordat het internet zo belangrijk werd.
19:17
And I was really upset about all the books being wrecked,
447
1142000
2000
Ik was echt onthutst over al die vernielde boeken
19:19
because it was knowledge being destroyed.
448
1144000
2000
want dat was kennis die vernietigd werd.
19:21
And server farms, or data centers
449
1146000
2000
En server farms of data centers
19:23
are great libraries of knowledge.
450
1148000
3000
zijn geweldige kennis bibliotheken.
19:26
CA: Temple, can I just say it's an absolute delight to have you at TED.
451
1151000
3000
CA: Temple, het was geweldig om je bij TED te ontvangen!
19:29
TG: Well thank you so much. Thank you.
452
1154000
3000
TG: Dank je wel, echt bedankt.
19:32
(Applause)
453
1157000
6000
(Applaus)
ABOUT THE SPEAKER
Temple Grandin - Livestock handling designer, autism activistThrough groundbreaking research and the lens of her own autism, Temple Grandin brings startling insight into two worlds.
Why you should listen
An expert on animal behavior, Temple Grandin has designed humane handling systems for half the cattle-processing facilities in the US, and consults with the meat industry to develop animal welfare guidelines. As PETA wrote when awarding her a 2004 Proggy: “Dr. Grandin's improvements to animal-handling systems found in slaughterhouses have decreased the amount of fear and pain that animals experience in their final hours, and she is widely considered the world's leading expert on the welfare of cattle and pigs.” In 2010, Time Magazine listed her as one of its most Important People of the Year. She is also a member of the American Academy of Arts and Sciences.
Grandin’s books about her interior life as an autistic person have increased the world's understanding of the condition with personal immediacy -- and with import, as rates of autism diagnosis rise. She is revered by animal rights groups and members of autistic community, perhaps because in both regards she is a voice for those who are sometimes challenged to make themselves heard.
Temple Grandin | Speaker | TED.com