TED2007
Alan Kay: A powerful idea about ideas
Alan Kay compartilha uma poderosa ideia sobre ideias
Filmed:
Readability: 3.4
851,991 views
Com toda a intensidade e brilhantismo por qual ele é conhecido, Alan Kay visualiza melhores técnicas para ensinar crianças a usarem computadores para ilustrar a experiência de um modo que — matematica e cientificamente — somente computadores podem fazer.
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
Um ótimo modo de começar, eu acho, com minha perspectiva de simplicidade
00:22
is to take a look at TED. Here you are, understanding why we're here,
1
4000
7000
é olhar para o TED. Aqui estão vocês, entendendo por que estamos aqui,
00:29
what's going on with no difficulty at all.
2
11000
5000
o que está acontecendo, com nenhuma dificuldade.
00:34
The best A.I. in the planet would find it complex and confusing,
3
16000
4000
A melhor inteligência artificial do planeta acharia complexo e confuso
00:38
and my little dog Watson would find it simple and understandable
4
20000
5000
e meu pequeno cão Watson acharia simples e compreensível
00:43
but would miss the point.
5
25000
2000
mas perderia o foco
00:45
(Laughter)
6
27000
3000
(Risadas)
00:48
He would have a great time.
7
30000
3000
Ele se divertiria.
00:51
And of course, if you're a speaker here, like Hans Rosling,
8
33000
5000
E claro, se você é um palestrante aqui, como Hans Rosling,
00:56
a speaker finds this complex, tricky. But in Hans Rosling's case,
9
38000
5000
um palestrante acha isso complexo e cheio de armadilhas. Mas no caso de Hans Rosling,
01:01
he had a secret weapon yesterday,
10
43000
2000
ele tinha uma arma secreta ontem,
01:03
literally, in his sword swallowing act.
11
45000
4000
literalmente, em seu ato de engolir espadas.
01:07
And I must say, I thought of quite a few objects
12
49000
2000
E eu devo dizer que eu pensei em vários objetos
01:09
that I might try to swallow today and finally gave up on,
13
51000
5000
que eu tentaria engolir hoje e finalmente desisti --
01:14
but he just did it and that was a wonderful thing.
14
56000
4000
mas ele simplesmente fez aquilo e foi algo lindo
01:18
So Puck meant not only are we fools in the pejorative sense,
15
60000
5000
Então Puck não quis dizer somente que somos tolos no sentido pejorativo,
01:23
but that we're easily fooled. In fact, what Shakespeare
16
65000
4000
mas que somos facilmente enganados. De fato, o que Shakespeare
01:27
was pointing out is we go to the theater in order to be fooled,
17
69000
3000
estava querendo dizer é que vamos ao teatro para sermos enganados
01:30
so we're actually looking forward to it.
18
72000
4000
então estamos realmente ansiando por isso.
01:34
We go to magic shows in order to be fooled.
19
76000
2000
Nós vamos às apresentações de mágica para sermos enganados.
01:36
And this makes many things fun, but it makes it difficult to actually
20
78000
8000
E isso faz várias coisas serem divertidas, mas faz ser difícil para
01:44
get any kind of picture on the world we live in or on ourselves.
21
86000
4000
ter uma imagem do mundo em que vivemos, ou de nós mesmos.
01:48
And our friend, Betty Edwards,
22
90000
2000
E nossa amiga, Betty Edwards,
01:50
the "Drawing on the Right Side of the Brain" lady, shows these two tables
23
92000
3000
a moça "Desenho no Lado Direito do Cérebro", mostra essas duas mesas
01:53
to her drawing class and says,
24
95000
5000
para sua classe de desenho e diz:
01:58
"The problem you have with learning to draw
25
100000
4000
"O problema que vocês tem em aprender a desenhar
02:02
is not that you can't move your hand,
26
104000
2000
não é que vocês não conseguem mover as suas mãos,
02:04
but that the way your brain perceives images is faulty.
27
106000
6000
mas que o modo que o seu cérebro percebe as imagens é falho.
02:10
It's trying to perceive images into objects
28
112000
2000
Está tentando se convencer de que imagens são objetos
02:12
rather than seeing what's there."
29
114000
2000
em vez de ver o que está lá.
02:14
And to prove it, she says, "The exact size and shape of these tabletops
30
116000
5000
"E para provar isso — diz ela. — o tamanho e formato exato da superíficie dessas mesas
02:19
is the same, and I'm going to prove it to you."
31
121000
3000
é o mesmo, e eu vou provar isso para vocês."
02:22
She does this with cardboard, but since I have
32
124000
3000
Ela faz isso com papelão, mas como eu tenho
02:25
an expensive computer here
33
127000
3000
um computador caro aqui
02:28
I'll just rotate this little guy around and ...
34
130000
3000
eu vou só rodar esse cara em volta e...
02:34
Now having seen that -- and I've seen it hundreds of times,
35
136000
3000
Agora, tendo visto isso -- e eu vi centenas de vezes.
02:37
because I use this in every talk I give -- I still can't see
36
139000
4000
porque eu uso isso em cada palestra que dou -- eu ainda não consigo ver
02:41
that they're the same size and shape, and I doubt that you can either.
37
143000
5000
que eles são do mesmo tamanho e formato, e eu duvido que vocês também consigam.
02:46
So what do artists do? Well, what artists do is to measure.
38
148000
5000
Então o que artistas fazem? Bem, o que artistas fazem é medir.
02:51
They measure very, very carefully.
39
153000
2000
Eles medem muito, muito cuidadosamente
02:53
And if you measure very, very carefully with a stiff arm and a straight edge,
40
155000
4000
e se você medir muito, muito cuidadosamente com um braço rígido e um bom olho
02:57
you'll see that those two shapes are
41
159000
2000
você vai ver que essas duas formas são
02:59
exactly the same size.
42
161000
3000
exatamente do mesmo tamanho.
03:02
And the Talmud saw this a long time ago, saying,
43
164000
5000
E o Talmud viu isso há muito tempo atrás, dizendo:
03:07
"We see things not as they are, but as we are."
44
169000
3000
"Nós vemos coisas não como são, mas como nós somos."
03:10
I certainly would like to know what happened to the person
45
172000
2000
Eu certamente gostaria de saber o que aconteceu com a pessoa
03:12
who had that insight back then,
46
174000
3000
que teve então, essa introspecção
03:15
if they actually followed it to its ultimate conclusion.
47
177000
4000
se eles realmente seguiram à conclusão final.
03:21
So if the world is not as it seems and we see things as we are,
48
183000
2000
Então, se o mundo não é como parece e vemos as coisas como nós somos,
03:23
then what we call reality is a kind of hallucination
49
185000
6000
o que chamamos de realidade é um tipo de alucinação
03:29
happening inside here. It's a waking dream,
50
191000
3000
acontecendo aqui. É um sonho acordado.
03:32
and understanding that that is what we actually exist in
51
194000
5000
E entender que é nisso que verdade existimos
03:37
is one of the biggest epistemological barriers in human history.
52
199000
5000
é uma das maiores barreiras epistemológicas da história humana.
03:42
And what that means: "simple and understandable"
53
204000
2000
E o que isso significa: "simples e compreensível"
03:44
might not be actually simple or understandable,
54
206000
3000
pode não ser realmente simples ou compreensível,
03:47
and things we think are "complex" might be made simple and understandable.
55
209000
6000
e coisas que achamos serem complexas podem ser transformadas em simples e compreensíveis.
03:53
Somehow we have to understand ourselves to get around our flaws.
56
215000
4000
De algum modo nós temos que entender a nós mesmos para superar nossas falhas.
03:57
We can think of ourselves as kind of a noisy channel.
57
219000
2000
Nós podemos pensar em nós mesmos como um tipo de canal barulhento.
03:59
The way I think of it is, we can't learn to see
58
221000
5000
O que penso é, nós não podemos aprender a ver
04:04
until we admit we're blind.
59
226000
2000
até que admitamos que somos cegos.
04:06
Once you start down at this very humble level,
60
228000
4000
Uma vez que você começar neste nível humilde
04:10
then you can start finding ways to see things.
61
232000
3000
então você pode começar a achar jeitos de ver as coisas.
04:13
And what's happened, over the last 400 years in particular,
62
235000
5000
E o que aconteceu nos últimos quatrocentos anos em particular
04:18
is that human beings have invented "brainlets" --
63
240000
3000
é que humanos inventaram brainlets:
04:21
little additional parts for our brain --
64
243000
4000
como pequenas partes adicionais para o nosso cérebro
04:25
made out of powerful ideas that help us
65
247000
2000
feitas de ideias poderosas que nos ajudam
04:27
see the world in different ways.
66
249000
2000
a ver o mundo de maneiras diferentes.
04:29
And these are in the form of sensory apparatus --
67
251000
3000
E estes estão na forma de aparatos sensoriais --
04:32
telescopes, microscopes -- reasoning apparatus --
68
254000
5000
telescópios, microscópios -- aparatos de raciocínio,
04:37
various ways of thinking -- and, most importantly,
69
259000
4000
várias maneiras de pensar, e o mais importante,
04:41
in the ability to change perspective on things.
70
263000
4000
na habilidade de mudar a perspectiva das coisas.
04:45
I'll talk about that a little bit.
71
267000
1000
Eu vou falar um pouco sobre isso.
04:46
It's this change in perspective
72
268000
2000
É essa mudança na perspectiva
04:48
on what it is we think we're perceiving
73
270000
3000
e o que é o que achamos que estamos percebendo,
04:51
that has helped us make more progress in the last 400 years
74
273000
5000
que nos ajudou a fazer mais progresso nos últimos quatrocentos anos
04:56
than we have in the rest of human history.
75
278000
2000
do que fizemos no resto da história humana.
04:58
And yet, it is not taught in any K through 12 curriculum in America that I'm aware of.
76
280000
8000
E ainda assim não é ensinada em nenhum currículo de educação primária ou secundária nos EUA, pelo que eu sei.
05:11
So one of the things that goes from simple to complex
77
293000
2000
Então uma das coisas que vai de simples a complexa
05:13
is when we do more. We like more.
78
295000
3000
é quando nós fazemos mais. Nós gostamos mais.
05:16
If we do more in a kind of a stupid way,
79
298000
3000
Se nós fazemos mais em um jeito estúpido
05:19
the simplicity gets complex
80
301000
3000
a simplicidade se torna complexa.
05:22
and, in fact, we can keep on doing it for a very long time.
81
304000
5000
E, de fato, nós podemos continuar fazendo isso por um longo tempo.
05:27
But Murray Gell-Mann yesterday talked about emergent properties;
82
309000
3000
Mas Murray Gell-Mann falou ontem sobre propriedades emergentes..
05:30
another name for them could be "architecture"
83
312000
4000
Outro nome para elas poderia ser "arquitetura"
05:34
as a metaphor for taking the same old material
84
316000
4000
como uma metáfora para pegar o mesmo velho material
05:38
and thinking about non-obvious, non-simple ways of combining it.
85
320000
7000
e pensar em modos não óbvios, não simples de combiná-los.
05:45
And in fact, what Murray was talking about yesterday in the fractal beauty of nature --
86
327000
8000
Na verdade, o que Murray estava falando ontem na beleza fractal da natureza
05:53
of having the descriptions
87
335000
2000
de ter as descrições
05:55
at various levels be rather similar --
88
337000
4000
em vários níveis serem bastante semelhantes,
05:59
all goes down to the idea that the elementary particles
89
341000
5000
tudo vai para a ideia de que partículas elementares
06:04
are both sticky and standoffish,
90
346000
3000
são tanto atrativas quanto repulsivas,
06:07
and they're in violent motion.
91
349000
4000
e estão em movimento violento.
06:11
Those three things give rise to all the different levels
92
353000
3000
Essas três coisas ocasionam todos os diferentes níveis
06:14
of what seem to be complexity in our world.
93
356000
4000
do que parecia ser complexo no nosso mundo.
06:20
But how simple?
94
362000
2000
Mas quão simples?
06:22
So, when I saw Roslings' Gapminder stuff a few years ago,
95
364000
5000
Então quando eu vi o Gapminder de Roslings alguns anos atrás,
06:27
I just thought it was the greatest thing I'd seen
96
369000
2000
eu simplesmente pensei que era a maior coisa que eu tinha visto
06:29
in conveying complex ideas simply.
97
371000
5000
comunicando ideias complexas de maneira simples.
06:34
But then I had a thought of, "Boy, maybe it's too simple."
98
376000
3000
Mas aí me ocorreu que, cara, talvez seja simples demais.
06:37
And I put some effort in to try and check
99
379000
5000
E eu me esforcei para tentar verificar
06:42
to see how well these simple portrayals of trends over time
100
384000
4000
para ver o quão bem esses retratos simples de tendências ao longo do tempo
06:46
actually matched up with some ideas and investigations from the side,
101
388000
5000
realmente condiziam com algumas ideias e investigações do outro lado,
06:51
and I found that they matched up very well.
102
393000
2000
e eu descobri que eles condiziam muito bem.
06:53
So the Roslings have been able to do simplicity
103
395000
5000
Então o Roslings foi capaz de fazer simplicidade
06:58
without removing what's important about the data.
104
400000
4000
sem remover o que é importante sobre a informação.
07:02
Whereas the film yesterday that we saw
105
404000
4000
Enquanto o filme que vimos ontem
07:06
of the simulation of the inside of a cell,
106
408000
2000
da simulação dentro da célula,
07:08
as a former molecular biologist, I didn't like that at all.
107
410000
6000
como um formado biólogo molecular, eu não gostei nem um pouco daquilo.
07:14
Not because it wasn't beautiful or anything,
108
416000
2000
Não porque não era bonito ou algo assim,
07:16
but because it misses the thing that most students fail to understand
109
418000
5000
mas porque falta a coisa mais importante que a maioria dos estudantes falha em entender
07:21
about molecular biology, and that is:
110
423000
3000
sobre a biologia molecular, e isto é,
07:24
why is there any probability at all of two complex shapes
111
426000
5000
por que há qualquer probabilidade de duas formas complexas
07:29
finding each other just the right way
112
431000
2000
encontrarem uma à outra de maneira exata
07:31
so they combine together and be catalyzed?
113
433000
3000
para que elas se combinem e sejam catalisadas?
07:34
And what we saw yesterday was
114
436000
2000
E o que vimos ontem foi,
07:36
every reaction was fortuitous;
115
438000
3000
cada reação foi casual.
07:39
they just swooped in the air and bound, and something happened.
116
441000
4000
Eles simplesmente se moveram por aí, pelo ar, e algo aconteceu.
07:43
But in fact, those molecules are spinning at the rate of
117
445000
4000
Mas de fato aquelas moléculas estão girando na velocidade de
07:47
about a million revolutions per second;
118
449000
3000
cerca de um milhão de revoluções por segundo.
07:50
they're agitating back and forth their size every two nanoseconds;
119
452000
6000
Elas estão agitando para frente e para trás o seu tamanho a cada dois nanosegundos
07:56
they're completely crowded together, they're jammed,
120
458000
3000
Elas estão completamente agrupadas juntas. Estão encravadas,
07:59
they're bashing up against each other.
121
461000
3000
estão chocando-se umas contra as outras.
08:02
And if you don't understand that in your mental model of this stuff,
122
464000
3000
E se você não entende isso em seu modelo mental disso,
08:05
what happens inside of a cell seems completely mysterious and fortuitous,
123
467000
5000
o que acontece dentro de uma célula parece completamente misterioso e fortuito
08:10
and I think that's exactly the wrong image
124
472000
2000
E eu acho que isso é exatamente a imagem errada
08:12
for when you're trying to teach science.
125
474000
3000
para quando você está tentando ensinar ciência.
08:18
So, another thing that we do is to confuse adult sophistication
126
480000
5000
Então outra coisa que nós fazemos é confundir sofisticação adulta
08:23
with the actual understanding of some principle.
127
485000
5000
com o atual conhecimento de algum princípio.
08:28
So a kid who's 14 in high school
128
490000
2000
Então uma criança de catorze anos na escola
08:30
gets this version of the Pythagorean theorem,
129
492000
6000
recebe esta versão do Teorema de Pitágoras
08:36
which is a truly subtle and interesting proof,
130
498000
3000
que é uma verdadeiramente sutil e interessante demonstração,
08:39
but in fact it's not a good way to start learning about mathematics.
131
501000
7000
mas na verdade não é uma boa maneira de começar a aprender matemática.
08:46
So a more direct one, one that gives you more of the feeling of math,
132
508000
5000
Então uma mais direta, uma que dê a você o sentimento da matemática
08:51
is something closer to Pythagoras' own proof, which goes like this:
133
513000
4000
é algo próximo da própria demonstração de Pitágoras que é mais ou menos assim.
08:55
so here we have this triangle, and if we surround that C square with
134
517000
6000
Então aqui nós temos um triângulo, e se circularmos aquele quadrado C com
09:01
three more triangles and we copy that,
135
523000
3000
mais três triângulos e copiarmos aquilo
09:04
notice that we can move those triangles down like this.
136
526000
5000
notamos que podemos mover aqueles triângulos para baixo assim,
09:09
And that leaves two open areas that are kind of suspicious ...
137
531000
3000
o que deixa duas áreas abertas que são meio que suspeitas,
09:12
and bingo. That is all you have to do.
138
534000
7000
e bingo. E é tudo o que você precisa fazer.
09:19
And this kind of proof is the kind of proof
139
541000
2000
E esse tipo de demonstração é o tipo de demonstração
09:21
that you need to learn when you're learning mathematics
140
543000
3000
que você precisa aprender quando você está aprendendo matemática
09:24
in order to get an idea of what it means
141
546000
3000
para ter uma ideia do que significa
09:27
before you look into the, literally, 1,200 or 1,500 proofs
142
549000
4000
antes de olhar para as, literalmente, 12 ou 1500 demonstrações
09:31
of Pythagoras' theorem that have been discovered.
143
553000
3000
do teorema de Pitágoras que já foram descobertas.
09:37
Now let's go to young children.
144
559000
3000
Agora vamos para crianças pequenas.
09:40
This is a very unusual teacher
145
562000
2000
Esta é uma professora muito diferente
09:42
who was a kindergarten and first-grade teacher,
146
564000
4000
que era uma professora de jardim de infância e primeira série,
09:46
but was a natural mathematician.
147
568000
2000
mas era uma matemática nata.
09:48
So she was like that jazz musician friend you have who never studied music
148
570000
5000
Então ela era como aquele amigo, músico de jazz, que nunca estudou música,
09:53
but is a terrific musician;
149
575000
2000
mas é um incrível músico.
09:55
she just had a feeling for math.
150
577000
2000
Ela simplesmente tinha um sentimento pela matemática,
09:57
And here are her six-year-olds,
151
579000
3000
e aqui estão seus alunos de seis anos
10:00
and she's got them making shapes out of a shape.
152
582000
5000
e ela os tem fazendo formas de dentro de outra forma
10:05
So they pick a shape they like -- like a diamond, or a square,
153
587000
2000
Então eles pegam uma forma de que gostam -- um losango, ou um quadrado,
10:07
or a triangle, or a trapezoid -- and then they try and make
154
589000
3000
ou um triângulo, ou um trapézio -- e então tentam fazer
10:10
the next larger shape of that same shape, and the next larger shape.
155
592000
4000
a próxima maior forma daquela mesma forma, e a próxima maior forma.
10:14
You can see the trapezoids are a little challenging there.
156
596000
4000
E você pode ver os trapézios são um pouco desafiadores alí.
10:18
And what this teacher did on every project
157
600000
3000
e [o que] essa professora fez em cada projeto
10:21
was to have the children act like first it was a creative arts project,
158
603000
5000
foi fazer as crianças agirem como se fosse um criativo projeto de artes
10:26
and then something like science.
159
608000
2000
e então algo como ciência.
10:28
So they had created these artifacts.
160
610000
2000
Então eles criaram esses artefatos.
10:30
Now she had them look at them and do this ... laborious,
161
612000
4000
E agora ela os faz olhar para si mesmos e fazer esse trabalhoso --
10:34
which I thought for a long time, until she explained to me was
162
616000
4000
assim pensei por um longo tempo, até que ela me explicou, era
10:38
to slow them down so they'll think.
163
620000
3000
para demorá-los para que pensassem.
10:41
So they're cutting out the little pieces of cardboard here
164
623000
3000
Então eles estão cortando esses pequenos pedaços de papelão aqui,
10:44
and pasting them up.
165
626000
2000
e os colando.
10:46
But the whole point of this thing is
166
628000
4000
Mas o grande ponto disso é
10:50
for them to look at this chart and fill it out.
167
632000
3000
que eles olhem para essa tabela e a preencha.
10:53
"What have you noticed about what you did?"
168
635000
4000
O que você descobriu sobre o que fez?
10:57
And so six-year-old Lauren there noticed that the first one took one,
169
639000
4000
Então Lauren, de seis anos, notou que o primeiro tomou um,
11:01
and the second one took three more
170
643000
5000
o segundo tomou outros três,
11:06
and the total was four on that one,
171
648000
2000
e o total eram quatro naquele.
11:08
the third one took five more and the total was nine on that one,
172
650000
4000
O terceiro tomou cinco a mais, e o total eram nove naquele,
11:12
and then the next one.
173
654000
1000
e então o próximo.
11:13
She saw right away that the additional tiles that you had to add
174
655000
5000
Então ela percebeu imediatamente que os quadrados adicionais que você tem que colocar
11:18
around the edges was always going to grow by two,
175
660000
4000
em volta dos cantos sempre iriam crescer em dois.
11:22
so she was very confident about how she made those numbers there.
176
664000
3000
Então ela estava bastante confiante sobre como ela fez aqueles números.
11:25
And she could see that these were the square numbers up until about six,
177
667000
5000
E ela pôde ver que esses eram os números dos quadrados até por volta de seis.
11:30
where she wasn't sure what six times six was
178
672000
3000
Onde ela não tinha certeza de quanto era seis vezes seis,
11:33
and what seven times seven was,
179
675000
2000
e quanto era sete vezes sete.
11:35
but then she was confident again.
180
677000
3000
Mas aí ela estava confiante novamente.
11:38
So that's what Lauren did.
181
680000
2000
Então foi isso que Lauren fez.
11:40
And then the teacher, Gillian Ishijima, had the kids
182
682000
4000
Então a professora, Gillian Ishijima, fez as crianças
11:44
bring all of their projects up to the front of the room and put them on the floor,
183
686000
3000
trazerem todos os seus projetos para a frente da classe e colocarem eles no chão.
11:47
and everybody went batshit: "Holy shit! They're the same!"
184
689000
8000
E todos ficaram pasmos. Caramba! Eles são o mesmo.
11:55
No matter what the shapes were, the growth law is the same.
185
697000
4000
Não importava o que as formas eram, sua lei de crescimento era a mesma.
11:59
And the mathematicians and scientists in the crowd
186
701000
3000
E os matemáticos e cientistas no público
12:02
will recognize these two progressions
187
704000
2000
reconhecerão essas duas progressões
12:04
as a first-order discrete differential equation
188
706000
3000
como uma equação diferencial discreta de primeira ordem,
12:07
and a second-order discrete differential equation,
189
709000
5000
e uma equação diferencial discreta de segunda ordem.
12:12
derived by six-year-olds.
190
714000
4000
Derivada por crianças de seis anos.
12:16
Well, that's pretty amazing.
191
718000
1000
Bem, isso é bem incrível.
12:17
That isn't what we usually try to teach six-year-olds.
192
719000
3000
Isso não é o que usualmente tentamos ensinar para crianças de seis anos.
12:20
So, let's take a look now at how we might use the computer for some of this.
193
722000
7000
Então vamos ver agora como poderíamos usar o computador para parte disso.
12:27
And so the first idea here is
194
729000
4000
Então a primeira ideia aqui é
12:31
just to show you the kind of things that children do.
195
733000
4000
somente lhes mostrar o tipo de coisas que crianças fazem.
12:35
I'm using the software that we're putting on the $100 laptop.
196
737000
5000
Eu estou usando o software que estamos colocando nos laptops de 100 dólares.
12:40
So I'd like to draw a little car here --
197
742000
6000
Então eu gostaria de desenhar um pequeno carro aqui.
12:46
I'll just do this very quickly -- and put a big tire on him.
198
748000
7000
Eu vou fazer isso bem rápido. E colocar um grande pneu nele.
12:59
And I get a little object here and I can look inside this object,
199
761000
4000
E eu tenho um pequeno objeto aqui, e eu posso olhar dentro deste objeto.
13:03
I'll call it a car. And here's a little behavior: car forward.
200
765000
5000
Eu o chamarei de carro. E aqui está um pouco de comportamento: carro para frente.
13:08
Each time I click it, car turn.
201
770000
3000
A cada vez que eu clico nele, o carro vira.
13:11
If I want to make a little script to do this over and over again,
202
773000
2000
Se eu quiser fazer um pequeno script para fazer isso repetidamente,
13:13
I just drag these guys out and set them going.
203
775000
5000
eu somente arrasto esses caras para fora e coloco-os para andar.
13:20
And I can try steering the car here by ...
204
782000
3000
E eu posso tentar dirigir o carro aqui --
13:23
See the car turn by five here?
205
785000
2000
vêem o carro virar por um fator de cinco aqui?
13:25
So what if I click this down to zero?
206
787000
3000
Então o que acontece se eu clicar até o zero?
13:28
It goes straight. That's a big revelation for nine-year-olds.
207
790000
5000
Ele vai em linha reta. É um tanto quanto revelador para crianças de nove anos.
13:33
Make it go in the other direction.
208
795000
2000
Fazer ele ir para a outra direção.
13:35
But of course, that's a little bit like kissing your sister
209
797000
2000
Mas claro que isso é como beijar sua irmã
13:37
as far as driving a car,
210
799000
3000
se comparado a dirigir um carro.
13:40
so the kids want to do a steering wheel;
211
802000
3000
Então as crianças querem fazer um volante.
13:43
so they draw a steering wheel.
212
805000
3000
Então elas desenham um volante.
13:46
And we'll call this a wheel.
213
808000
5000
E nós chamaremos isto de volante.
13:51
See this wheel's heading here?
214
813000
4000
E vê o indicador deste volante aqui?
13:55
If I turn this wheel, you can see that number over there going minus and positive.
215
817000
5000
Se eu girar este volante, vocês podem ver aquele número alí indo para negativo e positivo.
14:00
That's kind of an invitation to pick up this name of
216
822000
2000
Isso é como um convite para pegar esse nome
14:02
those numbers coming out there
217
824000
3000
dos números que estão saindo ali
14:05
and to just drop it into the script here,
218
827000
2000
e apenas soltá-los no script aqui.
14:07
and now I can steer the car with the steering wheel.
219
829000
5000
E agora eu posso dirigir o carro com o volante.
14:12
And it's interesting.
220
834000
2000
E é interessante.
14:14
You know how much trouble the children have with variables,
221
836000
3000
Vocês sabem o tanto de trabalho que crianças têm com variáveis,
14:17
but by learning it this way, in a situated fashion,
222
839000
2000
mas aprendendo deste modo, de maneira situada,
14:19
they never forget from this single trial
223
841000
3000
eles jamais esquecerão dessa única experiência
14:22
what a variable is and how to use it.
224
844000
3000
o que é uma variável e como usá-la.
14:25
And we can reflect here the way Gillian Ishijima did.
225
847000
2000
E nós podemos refletir aqui como Gillian Ishijima fez.
14:27
So if you look at the little script here,
226
849000
2000
Então se você olhar no pequeno script aqui,
14:29
the speed is always going to be 30.
227
851000
2000
a velocidade sempre será 30.
14:31
We're going to move the car according to that over and over again.
228
853000
5000
Nós iremos mover o carro, de acordo com aquilo, mais e mais vezes.
14:36
And I'm dropping a little dot for each one of these things;
229
858000
4000
E eu estou soltando um pequeno ponto para cada um desses objetos.
14:40
they're evenly spaced because they're 30 apart.
230
862000
3000
Eles estão uniformemente separados porque estão distanciados a 30.
14:43
And what if I do this progression that the six-year-olds did
231
865000
3000
E se eu fizer essa progressão que a criança de seis anos fez
14:46
of saying, "OK, I'm going to increase the speed by two each time,
232
868000
5000
de dizer, "OK, eu vou aumentar a velocidade em dois a cada tempo,
14:51
and then I'm going to increase the distance by the speed each time?
233
873000
3000
e então irei aumentar a distância pelo tempo a cada vez?"
14:54
What do I get there?"
234
876000
4000
O que eu consigo alí?
14:58
We get a visual pattern of what these nine-year-olds called acceleration.
235
880000
7000
Nós teremos um padrão visual do que essas crianças de nove anos chamam de aceleração.
15:05
So how do the children do science?
236
887000
2000
Então como as crianças fizeram ciência?
15:08
(Video) Teacher: [Choose] objects that you think will fall to the Earth at the same time.
237
890000
3000
Objetos que você acredita que cairão na terra ao mesmo tempo --
15:11
Student 1: Ooh, this is nice.
238
893000
3000
Criança: Legal.
15:18
Teacher: Do not pay any attention
239
900000
2000
Professor: Não preste atenção
15:20
to what anybody else is doing.
240
902000
3000
ao que ninguém está fazendo.
15:35
Who's got the apple?
241
917000
2000
Quem marcou a maçã?
15:37
Alan Kay: They've got little stopwatches.
242
919000
2000
Alan Kay: Eles tem pequenos cronômetros.
15:44
Student 2: What did you get? What did you get?
243
926000
2000
Professor: O que você marcou? O que você marcou?
15:46
AK: Stopwatches aren't accurate enough.
244
928000
3000
Alan Kay: Cronômetros não são precisos o suficiente.
15:49
Student 3: 0.99 seconds.
245
931000
2000
Menina: 0,99 segundos.
15:52
Teacher: So put "sponge ball" ...
246
934000
3000
Professor: Então coloque "bola de esponja" --
15:56
Student 4l: [I decided to] do the shot put and the sponge ball
247
938000
3000
Menina: Havia um peso de arremessar e uma bola de esponja
15:59
because they're two totally different weights,
248
941000
3000
porque eles tem pesos totalmente diferentes.
16:02
and if you drop them at the same time,
249
944000
2000
E caso você os derrube ao mesmo tempo,
16:04
maybe they'll drop at the same speed.
250
946000
2000
talvez eles cairão na mesma velocidade.
16:06
Teacher: Drop. Class: Whoa!
251
948000
2000
Professor: Jogue.
16:10
AK: So obviously, Aristotle never asked a child
252
952000
3000
AK: Então obviamente Aristóteles nunca perguntou a uma criança
16:13
about this particular point
253
955000
3000
sobre esse ponto em particular,
16:16
because, of course, he didn't bother doing the experiment,
254
958000
2000
porque é claro que ele não ligava de fazer o experimento,
16:18
and neither did St. Thomas Aquinas.
255
960000
2000
e tão menos o fez Tomás de Aquino.
16:20
And it was not until Galileo actually did it
256
962000
2000
E não foi até que Galileu de fato o fez
16:22
that an adult thought like a child,
257
964000
3000
que um adulto pensa como uma criança.
16:25
only 400 years ago.
258
967000
3000
Apenas 400 anos atrás.
16:28
We get one child like that about every classroom of 30 kids
259
970000
4000
Nós temos uma criança como aquela a cada classe de 30 crianças
16:32
who will actually cut straight to the chase.
260
974000
3000
que irão realmente direto ao ponto.
16:35
Now, what if we want to look at this more closely?
261
977000
3000
Agora, e se nós quisermos olhar para isso mais de perto?
16:38
We can take a movie of what's going on,
262
980000
3000
Nós podemos filmar o que está acontecendo,
16:41
but even if we single stepped this movie,
263
983000
2000
mas mesmo que nós fizermos um passo-a-passo desse filme,
16:43
it's tricky to see what's going on.
264
985000
2000
é complicado ver o que está acontecendo.
16:45
And so what we can do is we can lay out the frames side by side
265
987000
3000
E o que podemos fazer é mostrar os quadros lado-a-lado
16:48
or stack them up.
266
990000
2000
ou empilhá-los.
16:50
So when the children see this, they say, "Ah! Acceleration,"
267
992000
5000
Então quando as crianças vêem isso, elas falam "Ah, aceleração"
16:55
remembering back four months when they did their cars sideways,
268
997000
3000
lembrando-se de quatro meses atrás quando moveram seus carros lateralmente
16:58
and they start measuring to find out what kind of acceleration it is.
269
1000000
6000
e começaram a medir para descobrir que tipo de aceleração é.
17:04
So what I'm doing is measuring from the bottom of one image
270
1006000
6000
Então o que farei é medir do fundo de uma imagem
17:10
to the bottom of the next image, about a fifth of a second later,
271
1012000
5000
para o fundo da próxima imagem, cerca de um quinto de segundo depois,
17:15
like that. And they're getting faster and faster each time,
272
1017000
2000
assim, e eles ficarão mais rápidos a cada momento.
17:17
and if I stack these guys up, then we see the differences; the increase
273
1019000
10000
E se eu empilhar esses caras, então veremos as diferenças, o aumento
17:27
in the speed is constant.
274
1029000
3000
na velocidade é constante.
17:30
And they say, "Oh, yeah. Constant acceleration.
275
1032000
2000
E elas dizem, "Ah, é, aceleração constante."
17:32
We've done that already."
276
1034000
2000
Nós já o fizemos.
17:34
And how shall we look and verify that we actually have it?
277
1036000
8000
E como devemos olhar e verificar que nós realmente temos isso?
17:42
So you can't tell much from just making the ball drop there,
278
1044000
5000
Então não podemos concluir muito só por deixar a bola cair aqui,
17:47
but if we drop the ball and run the movie at the same time,
279
1049000
4000
mas se derrubarmos a bola e passamos o filme ao mesmo tempo,
17:53
we can see that we have come up with an accurate physical model.
280
1055000
5000
nós podemos ver que nós conseguimos um modelo físico apurado.
18:00
Galileo, by the way, did this very cleverly
281
1062000
4000
Galileu, por falar nisso, vez isso muito sabiamente
18:04
by running a ball backwards down the strings of his lute.
282
1066000
3000
por rolar uma bola para trás pelas cordas de seu alaúde.
18:07
I pulled out those apples to remind myself to tell you that
283
1069000
5000
Eu puxei para fora aquelas maçãs para lembrar a mim mesmo de lhes dizer isso
18:12
this is actually probably a Newton and the apple type story,
284
1074000
5000
isso é provavelmente uma estória do tipo da de Newton e a maçã
18:17
but it's a great story.
285
1079000
2000
mas é uma ótima estória.
18:19
And I thought I would do just one thing
286
1081000
2000
E eu pensei que faria apenas uma coisa
18:21
on the $100 laptop here just to prove that this stuff works here.
287
1083000
10000
com o laptop de 100 dólares aqui, só para provar que essa coisa realmente funciona.
18:31
So once you have gravity, here's this --
288
1093000
3000
Então uma vez que você tem gravidade, aqui está --
18:34
increase the speed by something,
289
1096000
2000
aumente na velocidade por um valor,
18:36
increase the ship's speed.
290
1098000
3000
aumente a velocidade da nave.
18:39
If I start the little game here that the kids have done,
291
1101000
3000
Se eu começar o pequeno jogo aqui que as crianças fizeram,
18:42
it'll crash the space ship.
292
1104000
2000
vai derrubar a nave.
18:44
But if I oppose gravity, here we go ... Oops!
293
1106000
4000
Mas se eu me opuser à gravidade, aqui vamos nós -- opa!
18:48
(Laughter)
294
1110000
2000
(Risadas)
18:50
One more.
295
1112000
1000
Mais uma vez.
18:54
Yeah, there we go. Yeah, OK?
296
1116000
5000
Isso, lá vamos nós. Isso, OK?
18:59
I guess the best way to end this is with two quotes:
297
1121000
7000
Eu acho que o melhor modo de encerrar isso é com duas citações.
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
"Crianças são as mensagens que mandamos ao futuro."
19:12
but in fact, if you think of it,
300
1134000
2000
Mas de fato, se você pensar sobre isso,
19:14
children are the future we send to the future.
301
1136000
2000
crianças são o futuro que mandamos ao futuro.
19:16
Forget about messages;
302
1138000
3000
Esqueça sobre mensagens.
19:19
children are the future,
303
1141000
3000
Crianças são o futuro.
19:22
and children in the first and second world
304
1144000
2000
E crianças no primeiro e segundo mundo,
19:24
and, most especially, in the third world
305
1146000
3000
e mais especialmente no terceiro mundo,
19:27
need mentors.
306
1149000
2000
precisam de mentores.
19:29
And this summer, we're going to build five million of these $100 laptops,
307
1151000
5000
E nesse verão nós iremos construir cinco milhões desses laptops de 100 dólares
19:34
and maybe 50 million next year.
308
1156000
2000
e talvez mais 50 milhões ano que vem.
19:36
But we couldn't create 1,000 new teachers this summer to save our life.
309
1158000
7000
Mas nós não poderíamos criar mil novos professores nesse verão para salvar nossa vida.
19:43
That means that we, once again, have a thing where we can put technology out,
310
1165000
6000
E isso significa que novamente temos algo em que podemos lançar tecnologia,
19:49
but the mentoring that is required to go
311
1171000
3000
mas a tutoria que é requerida para ir
19:52
from a simple new iChat instant messaging system
312
1174000
5000
de um simples e novo sistema de mensagens instantâneas iChat
19:57
to something with depth is missing.
313
1179000
2000
para algo com profundidade está faltando.
19:59
I believe this has to be done with a new kind of user interface,
314
1181000
3000
Eu acredito que isso tem que ser feito com um novo tipo de interface do usuário.
20:02
and this new kind of user interface could be done
315
1184000
4000
E esse novo tipo de interface do usuário poderia ser feito
20:06
with an expenditure of about 100 million dollars.
316
1188000
5000
com uma despesa em torno de 100 milhões de dólares.
20:11
It sounds like a lot, but it is literally 18 minutes of what we're spending in Iraq --
317
1193000
7000
Parece ser muito, mas é literalmente 18 minutos do que estamos gastando no Iraque.
20:18
we're spending 8 billion dollars a month; 18 minutes is 100 million dollars --
318
1200000
5000
Nós estamos gastando 8 bilhões de dólares por mês. 18 minutos são 100 milhões de dólares.
20:23
so this is actually cheap.
319
1205000
2000
Então isso é realmente barato.
20:25
And Einstein said,
320
1207000
4000
E Einstein disse,
20:29
"Things should be as simple as possible, but not simpler."
321
1211000
3000
"Coisas deviam ser tão simples quanto possível, mas não mais simples que isso."
20:32
Thank you.
322
1214000
1000
Obrigado.
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