TED2010
Temple Grandin: The world needs all kinds of minds
Temple Grandin: O mundo precisa de todos os tipos de mentes
Filmed:
Readability: 3.4
5,588,848 views
Temple Grandin, diagnosticada autista quando criança, fala sobre como a sua mente funciona - e compartilha a sua habilidade de "pensar em imagens", que a auxilia a resolver problemas que os cérebros chamados normais podem não conseguir. Ela defende que o mundo necessita de pessoas que se situam no espectro autista: pensadores visuais, pensadores em padrões, pensadores verbais, e todos os tipos de crianças inteligentes.
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
Penso que vou começar por falar um pouco sobre
00:17
what exactly autism is.
1
2000
2000
o que é autismo, exatamente.
00:19
Autism is a very big continuum
2
4000
3000
Autismo abrange um espectro muito amplo
00:22
that goes from very severe -- the child remains non-verbal --
3
7000
3000
que vai do muito severo, no qual a criança permanece não verbal,
00:25
all the way up to brilliant scientists and engineers.
4
10000
3000
até aos mais brilhantes cientistas e engenheiros.
00:28
And I actually feel at home here,
5
13000
2000
Na verdade sinto-me em casa aqui
00:30
because there's a lot of autism genetics here.
6
15000
2000
porque há muitos genes do autismo nesta sala.
00:32
You wouldn't have any...
7
17000
2000
Vocês não teriam nenhum...
00:34
(Applause)
8
19000
4000
(Aplausos)
00:38
It's a continuum of traits.
9
23000
2000
É um espectro abrangente de caracteristicas.
00:40
When does a nerd turn into
10
25000
3000
Quando um "nerd" se revela ser um
00:43
Asperger, which is just mild autism?
11
28000
2000
Aspie, que não é nada mais do que um grau leve de autismo?
00:45
I mean, Einstein and Mozart
12
30000
3000
Quero dizer, o Einstein, o Mozart
00:48
and Tesla would all be probably diagnosed
13
33000
2000
e o Tesla (Nikola), seriam todos provavelmente diagnosticados
00:50
as autistic spectrum today.
14
35000
2000
como sendo do espectro autista hoje em dia.
00:52
And one of the things that is really going to concern me is
15
37000
3000
E uma das coisas que realmente me vai preocupar é
00:55
getting these kids to be the ones that are going to invent
16
40000
3000
tornar estas crianças naqueles que vão inventar
00:58
the next energy things,
17
43000
2000
as coisas ligadas às energias do futuro
01:00
you know, that Bill Gates talked about this morning.
18
45000
4000
as tais que o Bill Gates falou esta manhã.
01:04
OK. Now, if you want to understand
19
49000
2000
Ok. Bem, se vocês querem perceber
01:06
autism, animals.
20
51000
2000
o autismo, os animais.
01:08
And I want to talk to you now about different ways of thinking.
21
53000
2000
E agora quero falar com vocês sobre as diferentes formas de pensar.
01:10
You have to get away from verbal language.
22
55000
3000
Vocês tem que se afastar da linguagem verbal.
01:13
I think in pictures,
23
58000
2000
Eu penso em imagens.
01:15
I don't think in language.
24
60000
3000
Eu não penso em linguagem.
01:18
Now, the thing about the autistic mind
25
63000
2000
Então, o que acontece numa mente autista
01:20
is it attends to details.
26
65000
3000
é que se foca nos detalhes
01:23
OK, this is a test where you either have to
27
68000
2000
Ok, este é um teste no qual vocês têm
01:25
pick out the big letters, or pick out the little letters,
28
70000
2000
de descobrir as letras grandes, ou descobrir as letras pequenas.
01:27
and the autistic mind picks out the
29
72000
2000
E o pensamento autista descobre as
01:29
little letters more quickly.
30
74000
2000
letras pequenas mais rapidamente.
01:31
And the thing is, the normal brain ignores the details.
31
76000
4000
O que acontece é que o cérebro normal ignora os detalhes.
01:35
Well, if you're building a bridge, details are pretty important
32
80000
2000
Bem, se vocês estiverem a construir uma ponte, os detalhes são muito importantes
01:37
because it will fall down if you ignore the details.
33
82000
3000
porque a ponte pode caír se vocês ignorarem os detalhes
01:40
And one of my big concerns with a lot of policy things today
34
85000
3000
E uma das minhas maiores preocupações com as práticas estabelecidas hoje em dia
01:43
is things are getting too abstract.
35
88000
2000
é que as coisas estão a ficar demasiado abstractas.
01:45
People are getting away from doing
36
90000
2000
As pessoas estão-se a deixar de colocar
01:47
hands-on stuff.
37
92000
2000
as mãos à obra.
01:49
I'm really concerned that a lot of the schools have taken out
38
94000
2000
Preocupa-me que muitas escolas tenham retirado
01:51
the hands-on classes,
39
96000
2000
as disciplinas práticas
01:53
because art, and classes like that,
40
98000
2000
porque arte, e disciplinas do género
01:55
those are the classes where I excelled.
41
100000
2000
essas eram as disciplinas em que eu era excelente.
01:57
In my work with cattle,
42
102000
2000
Ok, no meu trabalho com o gado
01:59
I noticed a lot of little things that most people don't notice
43
104000
3000
Eu reparei em certos pormenores que a maior parte das pessoas não nota
02:02
would make the cattle balk. Like, for example,
44
107000
2000
e que fazem o gado entrar em pânico. Como, por exemplo,
02:04
this flag waving, right in front of the veterinary facility.
45
109000
3000
esta bandeira a flutuar ao vento, exactamente em frente às instalações do veterinário.
02:07
This feed yard was going to tear down their whole veterinary facility;
46
112000
3000
O gado estava no pátio de alimentação quase a destruír as instalações veterinárias por completo.
02:10
all they needed to do was move the flag.
47
115000
2000
e tudo o que eles precisavam de fazer era mudar a bandeira de sítio.
02:12
Rapid movement, contrast.
48
117000
3000
Movimentos rápidos, contraste.
02:15
In the early '70s when I started, I got right down
49
120000
2000
No início dos anos 70, eu desloquei-me
02:17
in the chutes to see what cattle were seeing.
50
122000
2000
às cabines de contenção ver o que é que o gado via.
02:19
People thought that was crazy. A coat on a fence would make them balk,
51
124000
3000
As pessoas pensavam que era uma loucura. Um casaco pendurado numa cerca assustava-os
02:22
shadows would make them balk, a hose on the floor ...
52
127000
3000
Assustavam-se com as sombras, com uma mangueira que estivesse no chão.
02:25
people weren't noticing these things --
53
130000
2000
As pessoas não se apercebiam destas coisas,
02:27
a chain hanging down --
54
132000
2000
uma corrente pendurada,
02:29
and that's shown very, very nicely in the movie.
55
134000
2000
e isso é muito bem ilustrado no filme
02:31
In fact, I loved the movie, how they
56
136000
2000
Na verdade eu adorei o filme, a maneira como eles
02:33
duplicated all my projects. That's the geek side.
57
138000
2000
duplicaram os meus projectos todos. É o meu lado "geek".
02:35
My drawings got to star in the movie too.
58
140000
3000
Os meus desenhos também desempenharam um papel no filme.
02:38
And actually it's called "Temple Grandin,"
59
143000
2000
Já agora, chama-se Temple Grandin,
02:40
not "Thinking In Pictures."
60
145000
2000
não Pensando em Imagens.
02:42
So, what is thinking in pictures? It's literally movies
61
147000
2000
Então, como é pensar em imagens? É literalmente
02:44
in your head.
62
149000
2000
ver filmes na nossa cabeça.
02:46
My mind works like Google for images.
63
151000
2000
O meu cérebro funciona como o Google para Imagens.
02:48
Now, when I was a young kid I didn't know my thinking was different.
64
153000
3000
Bem, quando eu era uma criança não sabia que a minha forma de pensar era diferente.
02:51
I thought everybody thought in pictures.
65
156000
2000
Eu pensava que toda a gente pensava em imagens.
02:53
And then when I did my book, "Thinking In Pictures,"
66
158000
2000
E quando escrevi o meu livro, Pensando em Imagens,
02:55
I start interviewing people about how they think.
67
160000
3000
comecei a perguntar às pessoas como é que elas pensam.
02:58
And I was shocked to find out that
68
163000
2000
E fiquei muito chocada por descobrir que o meu pensamento
03:00
my thinking was quite different. Like if I say,
69
165000
2000
a minha forma de pensar é muito diferente. Por exemplo, se disser
03:02
"Think about a church steeple"
70
167000
2000
"Pensem numa torre de igreja"
03:04
most people get this sort of generalized generic one.
71
169000
2000
a maior parte tem uma imagem mais ou menos generalizadas de uma torre.
03:06
Now, maybe that's not true in this room,
72
171000
2000
Bem, se calhar nesta sala isto não se aplica,
03:08
but it's going to be true in a lot of different places.
73
173000
4000
mas é verdade em muitos outros lugares.
03:12
I see only specific pictures.
74
177000
2000
Eu só vejo imagens específicas
03:14
They flash up into my memory, just like Google for pictures.
75
179000
4000
Elas aparecem na minha memória, como se esta fosse o Google para Imagens.
03:18
And in the movie, they've got a great scene in there
76
183000
2000
E no filme, fizeram uma cena excelente
03:20
where the word "shoe" is said, and a whole bunch of '50s and '60s shoes
77
185000
4000
onde a palavra "sapato" é dita, e um monte de sapatos dos anos 50 e 60
03:24
pop into my imagination.
78
189000
2000
começam a aparecer na minha imaginação.
03:26
OK, there is my childhood church,
79
191000
2000
Ok, esta é a igreja da minha infância.
03:28
that's specific. There's some more, Fort Collins.
80
193000
3000
É específico. Aqui estão mais umas, em Fort Collins.
03:31
OK, how about famous ones?
81
196000
2000
Ok, que tal umas igrejas famosas?
03:33
And they just kind of come up, kind of like this.
82
198000
3000
E elas continuam a aparecer, mais ou menos assim.
03:36
Just really quickly, like Google for pictures.
83
201000
3000
Muito rápidamente, como o Google para Imagens.
03:39
And they come up one at a time,
84
204000
2000
E aparecem uma de cada vez
03:41
and then I think, "OK, well maybe we can have it snow,
85
206000
2000
E eu fico a pensar, ok, podemos ver se neva
03:43
or we can have a thunderstorm,"
86
208000
2000
ou se vai trovejar
03:45
and I can hold it there and turn them into videos.
87
210000
3000
e eu posso editar essas imagens e fazer um video delas.
03:48
Now, visual thinking was a tremendous asset
88
213000
3000
Ora bem, o pensamento visual é um bem essencial
03:51
in my work designing cattle-handling facilities.
89
216000
3000
no meu trabalho em desenhar instalações para o manejo de gado.
03:54
And I've worked really hard on improving
90
219000
2000
E tenho trabalhado árduamente em melhorar
03:56
how cattle are treated at the slaughter plant.
91
221000
2000
a forma como o gado é tratado nos matadouros.
03:58
I'm not going to go into any gucky slaughter slides.
92
223000
3000
Não vos vou mostrar aqui nenhuns slides de matadouros horríveis.
04:01
I've got that stuff up on YouTube if you want to look at it.
93
226000
2000
Tenho essas coisas no Youtube, se quiserem ver.
04:03
But, one of the things that I was able to do in my design work
94
228000
4000
Mas, uma das coisas que consegui fazer no meu trabalho de design
04:07
is I could actually test run
95
232000
2000
foi a de literalmente fazer um teste de funcionamento
04:09
a piece of equipment in my mind,
96
234000
2000
a uma peça de equipamento no meu cérebro,
04:11
just like a virtual reality computer system.
97
236000
3000
como se fosse um sistema computorizado de realidade virtual.
04:14
And this is an aerial view
98
239000
2000
E aqui temos uma vista aérea
04:16
of a recreation of one of my projects that was used in the movie.
99
241000
3000
da recriação de um dos meus projectos que foi utilizado no filme.
04:19
That was like just so super cool.
100
244000
2000
Tem um ar tão espectacular!
04:21
And there were a lot of kind of Asperger types
101
246000
2000
E também havia muitas pessoas com Asperger
04:23
and autism types working out there on the movie set too.
102
248000
3000
e com autismo, a trabalhar ali no set de filmagem.
04:26
(Laughter)
103
251000
2000
(Risos)
04:28
But one of the things that really worries me
104
253000
2000
Mas uma das coisas que realmente me preocupa,
04:30
is: Where's the younger version of those kids going today?
105
255000
4000
é qual é a versão mais novas daquelas pessoas.
04:34
They're not ending up in Silicon Valley, where they belong.
106
259000
3000
Eles não vão parar a Silicon Valley, que é onde eles pertecem.
04:37
(Laughter)
107
262000
3000
(Risos)
04:40
(Applause)
108
265000
5000
(Aplausos)
04:45
Now, one of the things I learned very early on because I wasn't that social,
109
270000
3000
Bem, uma das coisas que aprendi quando era nova, porque como não era muito sociável,
04:48
is I had to sell my work, and not myself.
110
273000
4000
foi que tinha de vender o meu trabalho, e não a mim mesma.
04:52
And the way I sold livestock jobs
111
277000
2000
E a forma como vendi trabalhos na área da pecuária
04:54
is I showed off my drawings, I showed off pictures of things.
112
279000
3000
bem, eu mostrei os meus desenhos, mostrei imagens das coisas.
04:57
Another thing that helped me as a little kid
113
282000
2000
Outra coisa que me ajudou em criança
04:59
is, boy, in the '50s, you were taught manners.
114
284000
2000
foi, bem, nos anos 50 ensinávam-nos a ter maneiras.
05:01
You were taught you can't pull the merchandise off the shelves
115
286000
2000
Ensinavam-nos que não podemos tirar a mercadoria das prateleiras
05:03
in the store and throw it around.
116
288000
2000
da loja e deixá-la espalhada por todo o lado.
05:05
Now, when kids get to be in third or fourth grade,
117
290000
3000
Bem, quando os miúdos chegam ao terceiro ou quarto ano,
05:08
you might see that this kid's going to be a visual thinker,
118
293000
3000
já se nota que este miúdo vai ser um pensador visual,
05:11
drawing in perspective. Now, I want to
119
296000
2000
porque desenha perspectivas. Bem, eu quero
05:13
emphasize that not every autistic kid
120
298000
2000
enfatizar que nem todos os miúdos autistas
05:15
is going to be a visual thinker.
121
300000
2000
vão ser pensadores visuais.
05:17
Now, I had this brain scan done several years ago,
122
302000
4000
Bem, eu fiz este TAC há uns bons anos.
05:21
and I used to joke around about having a
123
306000
2000
e costumava fazer piadas por eu ter
05:23
gigantic Internet trunk line
124
308000
2000
um cabo gigantesco de ligação à internet
05:25
going deep into my visual cortex.
125
310000
2000
profundamente incorporado no meu cortex visual.
05:27
This is tensor imaging.
126
312000
2000
Aqui temos a ressonância magnética.
05:29
And my great big internet trunk line
127
314000
2000
E o meu cabo gigantesco de ligação à internet
05:31
is twice as big as the control's.
128
316000
2000
tem o dobro do tamanho comparado com o de controle.
05:33
The red lines there are me,
129
318000
2000
As linhas vermelhas são minhas
05:35
and the blue lines are the sex and age-matched control.
130
320000
4000
e as linhas azuis são de uma pessoa com o mesmo sexo e idade que serve de controle.
05:39
And there I got a gigantic one,
131
324000
2000
E podem ver, eu tenho uma linha gigantesca
05:41
and the control over there, the blue one,
132
326000
2000
e a linha do controle que está aqui, a azul
05:43
has got a really small one.
133
328000
4000
geralmente tem uma linha bem pequena.
05:47
And some of the research now is showing
134
332000
2000
E algumas pesquisas estão agora a demonstrar
05:49
is that people on the spectrum actually think with primary visual cortex.
135
334000
4000
que as pessoas no espectro geralmente pensam com o cortex visual primário.
05:53
Now, the thing is, the visual thinker's just one kind of mind.
136
338000
3000
Bem, o que se passa, é que o pensador visual tem um cérebro único.
05:56
You see, the autistic mind tends to be a specialist mind --
137
341000
3000
Estão a ver, o cérebro autista tem tendência a ser um cérebro especializado.
05:59
good at one thing, bad at something else.
138
344000
4000
Excelente numa coisa, muito mau noutra coisa qualquer.
06:03
And where I was bad was algebra. And I was never allowed
139
348000
2000
A coisa em que eu era muito má era em álgebra. E nunca me permitiram
06:05
to take geometry or trig.
140
350000
2000
estudar geometria ou trigonometria.
06:07
Gigantic mistake: I'm finding a lot of kids who need to skip algebra,
141
352000
3000
Foi um erro gigantesco. Tenho encontrado muitos miúdos que não precisam de estudar álgebra,
06:10
go right to geometry and trig.
142
355000
2000
precisam de ir directamente para a geometria e trigonometria.
06:12
Now, another kind of mind is the pattern thinker.
143
357000
3000
Bem, outro género de cérebro é do pensador por padrões.
06:15
More abstract. These are your engineers,
144
360000
2000
Mais abstractos. São estes os vossos engenheiros,
06:17
your computer programmers.
145
362000
2000
os vossos programadores de computadores.
06:19
Now, this is pattern thinking. That praying mantis
146
364000
2000
Aqui temos um padrão de pensamento. Está ali um louva-a-deus
06:21
is made from a single sheet of paper --
147
366000
2000
que é feito de uma única folha de papel,
06:23
no scotch tape, no cuts.
148
368000
2000
sem uso de fita cola, e sem cortes.
06:25
And there in the background is the pattern for folding it.
149
370000
3000
E como fundo temos o padrão que serve para o fazer.
06:28
Here are the types of thinking:
150
373000
2000
Estes são os tipos diferentes de pensamento,
06:30
photo-realistic visual thinkers, like me;
151
375000
3000
os pensadores visuais foto realísticos, como eu.
06:33
pattern thinkers, music and math minds.
152
378000
4000
Pensadores por padrões, músicos e matemáticos.
06:37
Some of these oftentimes have problems with reading.
153
382000
2000
Alguns destes têm muitas vezes problemas em ler.
06:39
You also will see these kind of problems
154
384000
2000
Vocês podem encontrar este tipo de problema em
06:41
with kids that are dyslexic.
155
386000
3000
miúdos que sofrem de disléxia.
06:44
You'll see these different kinds of minds.
156
389000
2000
Podem ver estas formas diferentes de pensar.
06:46
And then there's a verbal mind, they know every fact about everything.
157
391000
3000
E depois há a mente verbal. Estes sabem factos sobre todos os assuntos.
06:49
Now, another thing is the sensory issues.
158
394000
2000
Ora, outra coisas são os problemas sensoriais.
06:51
I was really concerned about having to wear this gadget on my face.
159
396000
4000
Eu estava muito preocupada por ter de usar este aparelho na minha cara.
06:55
And I came in half an hour beforehand
160
400000
3000
E vim para cá uma hora mais cedo
06:58
so I could have it put on and kind of get used to it,
161
403000
2000
para que mo pusessem e para me ir habituando a ele.
07:00
and they got it bent so it's not hitting my chin.
162
405000
3000
A produção dobrou-o para não me bater no queixo.
07:03
But sensory is an issue. Some kids are bothered by fluorescent lights;
163
408000
3000
A parte sensorial é um problema. Alguns miúdos ficam incomodados com luzes fluorescentes.
07:06
others have problems with sound sensitivity.
164
411000
3000
Outros têm problemas relacionados com a sensibilidade ao som.
07:09
You know, it's going to be variable.
165
414000
3000
Percebem, há sempre variantes.
07:12
Now, visual thinking gave me a whole lot of insight
166
417000
4000
Bem, pensar visualmente deu-me uma perspectiva
07:16
into the animal mind.
167
421000
2000
do cérebro dos animais.
07:18
Because think about it: An animal is a sensory-based thinker,
168
423000
3000
Porque, pensem nisto. Um animal é um pensador baseado nos sentidos
07:21
not verbal -- thinks in pictures,
169
426000
4000
não é verbal. Pensa em imagens.
07:25
thinks in sounds, thinks in smells.
170
430000
3000
Pensa em sons. Pensa em cheiros.
07:28
Think about how much information there is there on the local fire hydrant.
171
433000
3000
Pensem em quanta informação existe na boca de incêndio local.
07:31
He knows who's been there, when they were there.
172
436000
3000
Ele sabe quem esteve lá, quando esteve lá,
07:34
Are they friend or foe? Is there anybody he can go mate with?
173
439000
3000
se é um amigo ou inimigo, se é alguém com quem ele pode acasalar.
07:37
There's a ton of information on that fire hydrant.
174
442000
3000
Há uma tonelada de informação naquela boca de incêndio.
07:40
It's all very detailed information,
175
445000
4000
É uma informação muito detalhada.
07:44
and, looking at these kind of details
176
449000
2000
E observar todo este tipo de detalhes
07:46
gave me a lot of insight into animals.
177
451000
2000
deu-me bastante perspectiva sobre os animais.
07:48
Now, the animal mind, and also my mind,
178
453000
4000
Bem, a mente animal, bem como a minha mente
07:52
puts sensory-based information
179
457000
2000
armazena a informação baseada nos sentidos
07:54
into categories.
180
459000
2000
em categorias.
07:56
Man on a horse
181
461000
2000
Homem a cavalo,
07:58
and a man on the ground --
182
463000
2000
e homem a pé,
08:00
that is viewed as two totally different things.
183
465000
2000
vemos isso como duas coisas totalmente diferentes.
08:02
You could have a horse that's been abused by a rider.
184
467000
3000
Se tiverem um cavalo que foi maltratado pelo cavaleiro.
08:05
They'll be absolutely fine with the veterinarian
185
470000
2000
Eles vão ter um comportamento normal com o veterinário
08:07
and with the horseshoer, but you can't ride him.
186
472000
3000
e com o ferreiro, mas ele nunca vos deixará montá-lo.
08:10
You have another horse, where maybe the horseshoer beat him up
187
475000
3000
E se virmos outro cavalo, outro que tenha sido maltratado pelo ferreiro
08:13
and he'll be terrible for anything on the ground,
188
478000
2000
ele será terrível para tarefas no chão,
08:15
with the veterinarian, but a person can ride him.
189
480000
3000
com o veterinário, mas vai deixar o cavaleiro montá-lo.
08:18
Cattle are the same way.
190
483000
2000
O gado age da mesma forma,
08:20
Man on a horse,
191
485000
2000
Homem a cavalo,
08:22
a man on foot -- they're two different things.
192
487000
2000
homem a pé, são duas coisas completamente diferentes.
08:24
You see, it's a different picture.
193
489000
2000
Sabem, é uma imagem diferente.
08:26
See, I want you to think about just how specific this is.
194
491000
3000
Bem, eu quero que vocês pensem no quão específico isto é.
08:29
Now, this ability to put information into categories,
195
494000
4000
Agora, esta capacidade de armazenar informação por categorias,
08:33
I find a lot of people are not very good at this.
196
498000
3000
encontro muita gente que não é muito boa a fazê-lo.
08:36
When I'm out troubleshooting equipment
197
501000
2000
Quando estou a tentar resolver problemas de equipamentos,
08:38
or problems with something in a plant,
198
503000
2000
ou problemas com qualquer coisa numa fábrica,
08:40
they don't seem to be able to figure out, "Do I have a training people issue?
199
505000
4000
parece que eles não conseguem descobrir, "Será que a formação profissional que dou está errada?"
08:44
Or do I have something wrong with the equipment?"
200
509000
2000
Ou "passa-se alguma coisa de errado com o equipamento?"
08:46
In other words, categorize equipment problem
201
511000
2000
Noutras palavras, arquivam o problema de equipamento,
08:48
from a people problem.
202
513000
2000
no mesmo sítio dos problemas com as pessoas.
08:50
I find a lot of people have difficulty doing that.
203
515000
3000
Encontro muita gente que tem dificuldade em categorizar correctamente.
08:53
Now, let's say I figure out it's an equipment problem.
204
518000
3000
Bem, imaginemos que eu descubro que é um problema de equipamento.
08:56
Is it a minor problem, with something simple I can fix?
205
521000
2000
É um problema pequeno, alguma coisa simples que posso arranjar?
08:58
Or is the whole design of the system wrong?
206
523000
3000
Ou o problema está no design inteiro do sistema?
09:01
People have a hard time figuring that out.
207
526000
3000
As pessoas têm muita dificuldade em descobrir isso.
09:04
Let's just look at something like, you know,
208
529000
2000
Tomemos, por exemplo uma coisa como
09:06
solving problems with making airlines safer.
209
531000
2000
resolver problemas para tornar os aviões mais seguros.
09:08
Yeah, I'm a million-mile flier.
210
533000
2000
Sim, eu sou passageira com muitas horas de voo.
09:10
I do lots and lots of flying,
211
535000
2000
Eu viajo muito, e muito de avião,
09:12
and if I was at the FAA,
212
537000
3000
e se eu trabalhasse na FAA (Federal Aviation Administration),
09:15
what would I be doing a lot of direct observation of?
213
540000
4000
qual seria a coisa a que faria muita observação directa?
09:19
It would be their airplane tails.
214
544000
2000
Seria às caudas dos aviões.
09:21
You know, five fatal wrecks in the last 20 years,
215
546000
3000
Sabem, cinco dos acidentes de avião nos últimos 20 anos,
09:24
the tail either came off or steering stuff inside the tail broke
216
549000
4000
aconteceram porque ou cauda saltou completamente, ou porque o trem de aterragem se partiu dentro da cauda
09:28
in some way.
217
553000
2000
de uma forma qualquer.
09:30
It's tails, pure and simple.
218
555000
2000
O problema está nas caudas, pura e simplesmente.
09:32
And when the pilots walk around the plane, guess what? They can't see
219
557000
2000
E quando os pilotos andam à volta do avião, pois adivinhem? Eles não conseguem
09:34
that stuff inside the tail.
220
559000
2000
ver o que se passa dentro da cauda do avião.
09:36
You know, now as I think about that,
221
561000
2000
Sabem, agora que penso nisto tudo,
09:38
I'm pulling up all of that specific information.
222
563000
3000
estou a lembrar-me de muita quantidade de informação específica.
09:41
It's specific. See, my thinking's bottom-up.
223
566000
3000
É específico. Então, estão a ver, eu penso ao contrário do normal.
09:44
I take all the little pieces and I put the pieces together like a puzzle.
224
569000
4000
Primeiro pego nas peças pequenas, e depois junto-as todas como se fossem um puzzle.
09:48
Now, here is a horse that was deathly afraid
225
573000
2000
Ora, imaginemos um cavalo que tem um medo mortal
09:50
of black cowboy hats.
226
575000
2000
de vaqueiros que usam chapéus pretos.
09:52
He'd been abused by somebody with a black cowboy hat.
227
577000
2000
Foi maltratado por alguém que usava um chapéu preto de vaqueiro.
09:54
White cowboy hats, that was absolutely fine.
228
579000
3000
Se forem chapéus brancos, não há problema nenhum.
09:57
Now, the thing is, the world is going to need
229
582000
3000
Ora, o que se passa é que no futuro o mundo vai precisar
10:00
all of the different kinds of minds
230
585000
2000
de todos estes cérebros diferentes
10:02
to work together.
231
587000
2000
a trabalhar juntos.
10:04
We've got to work on developing all these different kinds of minds.
232
589000
3000
Temos de trabalhar no desenvolvimento de todos estes tipos de pensadores.
10:07
And one of the things that is driving me really crazy,
233
592000
3000
E uma coisa que me põem completamente louca,
10:10
as I travel around and I do autism meetings,
234
595000
2000
quando viajo pelo mundo e faço conferências sobre autismo
10:12
is I'm seeing a lot of smart, geeky, nerdy kids,
235
597000
3000
é que encontro muitos miúdos geeks muito inteligentes.
10:15
and they just aren't very social,
236
600000
3000
E eles não são muito sociáveis.
10:18
and nobody's working on developing their interest
237
603000
2000
E ninguém trabalha para desenvolver os seus interesses
10:20
in something like science.
238
605000
2000
em coisas como a ciência.
10:22
And this brings up the whole thing of my science teacher.
239
607000
3000
E isto leva-me a falar do meu professor de ciências.
10:25
My science teacher is shown absolutely beautifully in the movie.
240
610000
3000
O meu professor de ciências é deliciosamente ilustrado no filme.
10:28
I was a goofball student. When I was in high school
241
613000
2000
Eu era uma estudante meio tonta. E quando fui para a secundária
10:30
I just didn't care at all about studying,
242
615000
3000
eu não queria ligava nada aos estudos.
10:33
until I had Mr. Carlock's science class.
243
618000
3000
Até ter aulas de ciências com o Professor Carlock.
10:36
He was now Dr. Carlock in the movie.
244
621000
3000
No filme a personagem dele é o Dr. Carlock.
10:39
And he got me challenged
245
624000
3000
E ele desafiou-me
10:42
to figure out an optical illusion room.
246
627000
3000
para tentar compreender o funcionamento de uma sala de ilusão de óptica.
10:45
This brings up the whole thing of you've got to show kids
247
630000
2000
E vocês têm de fazer isto pelos vossos filhos, mostrar-lhes
10:47
interesting stuff.
248
632000
2000
coisas interessantes.
10:49
You know, one of the things that I think maybe TED ought to do
249
634000
3000
Sabem, uma das coisas que eu pensei que talvez o TED devesse fazer
10:52
is tell all the schools about all the great lectures that are on TED,
250
637000
3000
era dizer a todas as escolas que há grandes conferências no TED
10:55
and there's all kinds of great stuff on the Internet
251
640000
2000
e que há uma quantidade enorme de informação na internet,
10:57
to get these kids turned on.
252
642000
2000
para motivar estes miúdos.
10:59
Because I'm seeing a lot of these geeky nerdy kids,
253
644000
3000
Porque eu encontro estes miúdos inteligentes e meio geeks,
11:02
and the teachers out in the Midwest, and the other parts of the country,
254
647000
3000
e os professores do midwest, e de outras partes do país,
11:05
when you get away from these tech areas,
255
650000
2000
aquelas zonas afastadas das zonas tecnológicas,
11:07
they don't know what to do with these kids.
256
652000
2000
eles não sabem o que fazer com estes miúdos!
11:09
And they're not going down the right path.
257
654000
2000
E estão a dirigi-los para caminhos errados.
11:11
The thing is, you can make a mind
258
656000
2000
A questão é que vocês podem moldar o cérebro
11:13
to be more of a thinking and cognitive mind,
259
658000
3000
de forma a que a mente seja mais pensativa e cognitiva.
11:16
or your mind can be wired to be more social.
260
661000
3000
Ou podem molda-lo de forma a ser mais sociável.
11:19
And what some of the research now has shown in autism
261
664000
2000
E o que as pesquisas têm demonstrado no autismo,
11:21
is there may by extra wiring back here,
262
666000
2000
é que podem existir mais formas de ligação aqui dentro,
11:23
in the really brilliant mind, and we lose a few social circuits here.
263
668000
3000
na verdadeira mente brilhante, e que perdemos alguns circuitos sociais em troca.
11:26
It's kind of a trade-off between thinking and social.
264
671000
4000
É uma espécie de troca entre o pensar e o ser social.
11:30
And then you can get into the point where it's so severe
265
675000
2000
E às vezes chegámos ao ponto em que a troca é tão severa
11:32
you're going to have a person that's going to be non-verbal.
266
677000
3000
que vamos encontrar uma pessoa que não é verbal.
11:35
In the normal human mind
267
680000
2000
No cérebro normal humano
11:37
language covers up the visual thinking we share with animals.
268
682000
3000
a linguagem ofusca o pensamento visual que partilhamos com os animais.
11:40
This is the work of Dr. Bruce Miller.
269
685000
3000
Este é o trabalho do Dr. Bruce Miller.
11:43
And he studied Alzheimer's patients
270
688000
3000
Ele estudou doentes com Alzheimer
11:46
that had frontal temporal lobe dementia.
271
691000
2000
que sofriam de demência do lobo temporal frontal.
11:48
And the dementia ate out the language parts of the brain,
272
693000
3000
E a demência devorou a parte linguística do cérebro,
11:51
and then this artwork came out of somebody who used to install stereos in cars.
273
696000
5000
e esta obra de arte foi criada por alguém que costumava instalar aparelhagens em carros.
11:56
Now, Van Gogh doesn't know anything about physics,
274
701000
4000
Bem, o Van Gogh não devia perceber muito de física.
12:00
but I think it's very interesting
275
705000
2000
Mas isto é muito interessante
12:02
that there was some work done to show that
276
707000
2000
e já foram feitos estudos que provam
12:04
this eddy pattern in this painting
277
709000
2000
que este género de padrão em espiral neste quadro
12:06
followed a statistical model of turbulence,
278
711000
3000
segue um modelo estatístico de turbulência.
12:09
which brings up the whole interesting idea
279
714000
2000
O que nos leva uma teoria muito interessante
12:11
of maybe some of this mathematical patterns
280
716000
2000
de que talvez estes padrões matemáticos estejam armazenados
12:13
is in our own head.
281
718000
2000
no nosso próprio cérebro.
12:15
And the Wolfram stuff -- I was taking
282
720000
2000
E as coisas todas do Wolfram (Stephen) que eu anotei
12:17
notes and I was writing down all the
283
722000
2000
notas que me lembrei de escrever
12:19
search words I could use,
284
724000
2000
para depois as pôr em palavras que pudesse usar
12:21
because I think that's going to go on in my autism lectures.
285
726000
4000
porque eu penso que tem de continuar nas minhas conferências sobre autismo.
12:25
We've got to show these kids interesting stuff.
286
730000
2000
Temos de mostrar a estes miúdos coisas interessantes.
12:27
And they've taken out the autoshop class
287
732000
2000
Foram-lhes retiradas as aulas de mecânica
12:29
and the drafting class and the art class.
288
734000
2000
e aulas de educação visual, e aulas de arte.
12:31
I mean art was my best subject in school.
289
736000
3000
Quer dizer, a disciplina em que eu era melhor na escola era arte!
12:34
We've got to think about all these different kinds of minds,
290
739000
2000
Temos de pensar em todos estes tipos diferentes de pensadores.
12:36
and we've got to absolutely work with these kind of minds,
291
741000
3000
E temos mesmo de trabalhar com estes géneros de mentes
12:39
because we absolutely are going to need
292
744000
3000
porque nós vamos precisar absolutamente
12:42
these kind of people in the future.
293
747000
3000
deste género de pessoas no futuro.
12:45
And let's talk about jobs.
294
750000
2000
E falemos de empregos.
12:47
OK, my science teacher got me studying
295
752000
2000
Ok, o meu professor de ciência fez com que eu estudasse
12:49
because I was a goofball that didn't want to study.
296
754000
3000
porque eu era meio tonta e não queria estudar.
12:52
But you know what? I was getting work experience.
297
757000
2000
Mas sabem que mais? Eu estava a ganhar experiência profissional.
12:54
I'm seeing too many of these smart kids who haven't learned basic things,
298
759000
2000
Tenho conhecido muitos miúdos a quem não ensinaram as coisas básicas
12:56
like how to be on time.
299
761000
2000
tais como ser pontual.
12:58
I was taught that when I was eight years old.
300
763000
2000
Eu aprendi isso quando tinha oito anos.
13:00
You know, how to have table manners at granny's Sunday party.
301
765000
3000
Sabem, como ter maneiras à mesa nas festas de domingo da avó.
13:03
I was taught that when I was very, very young.
302
768000
3000
Eu aprendi isso quanto era muito, muito nova.
13:06
And when I was 13, I had a job at a dressmaker's shop
303
771000
3000
E quando fiz 13 anos arranjei trabalho numa modista
13:09
sewing clothes.
304
774000
2000
a costurar roupa.
13:11
I did internships in college,
305
776000
3000
Fiz estágios durante a faculdade.
13:14
I was building things,
306
779000
3000
Eu construía coisas.
13:17
and I also had to learn how to do assignments.
307
782000
3000
E também tive de aprender a fazer trabalhos.
13:20
You know, all I wanted to do was draw pictures of horses when I was little.
308
785000
4000
Sabem, quando era pequena, tudo o que eu queria fazer era desenhar cavalos.
13:24
My mother said, "Well let's do a picture of something else."
309
789000
2000
A minha mãe disse-me "bem, vamos desenhar outra coisa qualquer".
13:26
They've got to learn how to do something else.
310
791000
2000
Eles têm de aprender a fazer outras coisas.
13:28
Let's say the kid is fixated on Legos.
311
793000
2000
Por exemplo um miúdo que tenha uma fixação com Legos.
13:30
Let's get him working on building different things.
312
795000
3000
Ensinem-no a construír com outro tipo de materiais.
13:33
The thing about the autistic mind
313
798000
2000
O que se passa no cérebro autista
13:35
is it tends to be fixated.
314
800000
2000
é que tem tendência a fixar-se.
13:37
Like if a kid loves racecars,
315
802000
2000
Um miúdo que adore carros de corrida,
13:39
let's use racecars for math.
316
804000
2000
ensinem-lhe matemática usando os carros.
13:41
Let's figure out how long it takes a racecar to go a certain distance.
317
806000
3000
Deixem-no descobrir em quanto tempo é que um carro de corrida percorre uma certa distância.
13:44
In other words, use that fixation
318
809000
4000
Noutras palavras, usem essa fixação
13:48
in order to motivate that kid, that's one of the things we need to do.
319
813000
3000
de forma a motivar a criança, é uma das coisas que nós precisamos de fazer.
13:51
I really get fed up when they, you know, the teachers,
320
816000
3000
Eu fico muito aborrecida quando eles, sabem, os professores,
13:54
especially when you get away from this part of the country,
321
819000
3000
especialmente nas zonas desta parte do país,
13:57
they don't know what to do with these smart kids.
322
822000
2000
eles não sabem o que fazer com estes miúdos inteligentes.
13:59
It just drives me crazy.
323
824000
2000
Isso põem-me louca!
14:01
What can visual thinkers do when they grow up?
324
826000
2000
O que é que os pensadores visuais podem fazer quando forem adultos?
14:03
They can do graphic design, all kinds of stuff with computers,
325
828000
3000
Podem trabalhar em design gráfico, em todo o género de coisas com computadores,
14:06
photography, industrial design.
326
831000
5000
fotografia, design industrial.
14:11
The pattern thinkers, they're the ones that are going to be
327
836000
2000
Os pensadores por padrões, esses serão aqueles que no futuro
14:13
your mathematicians, your software engineers,
328
838000
3000
serão os vossos matemáticos, os vossos engenheiros de sistemas,
14:16
your computer programmers, all of those kinds of jobs.
329
841000
4000
os vossos programadores de computador, todos esses tipos de trabalho.
14:20
And then you've got the word minds. They make great journalists,
330
845000
3000
E depois têm os pensadores das palavras. Eles tornam-se grandes jornalistas.
14:23
and they also make really, really good stage actors.
331
848000
3000
E também costumam ser muito bons actores de teatro.
14:26
Because the thing about being autistic is,
332
851000
2000
Porque uma das coisas sobre ser autista é,
14:28
I had to learn social skills like being in a play.
333
853000
3000
eu tive de aprender as competências sociais como se aprende um papel no teatro.
14:31
It's just kind of -- you just have to learn it.
334
856000
3000
É como se, temos mesmo de aprender a fazê-lo.
14:34
And we need to be working with these students.
335
859000
3000
E precisamos de trabalhar com estes estudantes.
14:37
And this brings up mentors.
336
862000
2000
E isto leva-nos aos mentores.
14:39
You know, my science teacher was not an accredited teacher.
337
864000
3000
Sabem, o meu professor de ciências não era um professor "credenciado".
14:42
He was a NASA space scientist.
338
867000
2000
Ele era um cientista espacial da NASA.
14:44
Now, some states now are getting it to where
339
869000
2000
Bem, agora em alguns estados estamos a ver que
14:46
if you have a degree in biology, or a degree in chemistry,
340
871000
2000
se o professor for licenciado em biologia, ou em química
14:48
you can come into the school and teach biology or chemistry.
341
873000
3000
ele chega a uma escola e pode ensinar biologia ou química.
14:51
We need to be doing that.
342
876000
2000
Nós precisamos de fazer isso.
14:53
Because what I'm observing is
343
878000
2000
Porque o que eu tenho visto é que
14:55
the good teachers, for a lot of these kids,
344
880000
2000
os bons professores, para muitos destes miúdos,
14:57
are out in the community colleges,
345
882000
2000
estão colocados apenas nas universidades.
14:59
but we need to be getting some of these good teachers into the high schools.
346
884000
3000
Precisamos de pegar nesses excelentes professores e trazê-los para as escolas secundárias.
15:02
Another thing that can be very, very, very successful is
347
887000
3000
Outra coisa que pode ter muitos, muitos bons resultados é,
15:05
there is a lot of people that may have retired
348
890000
3000
há muita gente que já se pode ter reformado
15:08
from working in the software industry, and they can teach your kid.
349
893000
3000
de trabalhos nas indústrias de software, e eles podem ensinar a vossa criança.
15:11
And it doesn't matter if what they teach them is old,
350
896000
3000
E não interessa se o que ele lhes ensina é antiquado
15:14
because what you're doing is you're lighting the spark.
351
899000
3000
porque o que ele está a fazer é apenas acender a chama.
15:17
You're getting that kid turned on.
352
902000
3000
Ele está a motivar aquele miúdo!
15:20
And you get him turned on, then he'll learn all the new stuff.
353
905000
3000
E quando um miúdo se sente motivado, ele vai aprender todas as coisas mais recentes.
15:23
Mentors are just essential.
354
908000
2000
Os mentores são essenciais.
15:25
I cannot emphasize enough
355
910000
2000
Não me canso de dizer isto
15:27
what my science teacher did for me.
356
912000
3000
o que o meu professor de ciências fez por mim.
15:30
And we've got to mentor them, hire them.
357
915000
3000
E temos de ser mentores deles, e contratá-los.
15:33
And if you bring them in for internships in your companies,
358
918000
2000
E se lhes oferecerem estágios nas vossas empresas,
15:35
the thing about the autism, Asperger-y kind of mind,
359
920000
3000
o que se passa numa mente autista aspergiana,
15:38
you've got to give them a specific task. Don't just say, "Design new software."
360
923000
3000
é que vocês têm de lhes dar tarefas específicas. Não digam só "desenhem novo software".
15:41
You've got to tell them something a lot more specific:
361
926000
2000
Vocês têm de lhes dar informações muito mais específicas.
15:43
"Well, we're designing a software for a phone
362
928000
3000
"Bem, nós precisamos de um software para um telefone
15:46
and it has to do some specific thing.
363
931000
2000
e tem de fazer uma função específica
15:48
And it can only use so much memory."
364
933000
2000
e só pode utilizar uma certa quantidade de memória".
15:50
That's the kind of specificity you need.
365
935000
2000
É este o género de especificidade que precisamos.
15:52
Well, that's the end of my talk.
366
937000
2000
Bem, este é o final da minha conversa.
15:54
And I just want to thank everybody for coming.
367
939000
2000
Quero agradecer a todos por terem vindo.
15:56
It was great to be here.
368
941000
2000
Foi muito bom estar aqui.
15:58
(Applause)
369
943000
12000
(Aplausos)
16:10
Oh, you've got a question for me? OK.
370
955000
3000
Ah, tem uma pergunta para mim? Ok.
16:13
(Applause)
371
958000
1000
(Aplausos)
16:14
Chris Anderson: Thank you so much for that.
372
959000
4000
(Chris Anderson) Muito obrigado por ter feito isto.
16:18
You know, you once wrote, I like this quote,
373
963000
2000
Sabe, uma vez escreveu, e passo a citar,
16:20
"If by some magic, autism had been
374
965000
2000
"Se por algum passo de magia, o autismo fosse
16:22
eradicated from the face of the Earth,
375
967000
3000
erradicado da face da Terra,
16:25
then men would still be socializing in front of a wood fire
376
970000
3000
neste momento o homem ainda estaria em frente de uma fogueira
16:28
at the entrance to a cave."
377
973000
2000
à entrada de uma caverna."
16:30
Temple Grandin: Because who do you think made the first stone spears?
378
975000
2000
(Temple Grandin) Então, mas quem é que pensam que fez as primeiras lanças de pedra?
16:32
The Asperger guy. And if you were to get rid of all the autism genetics
379
977000
3000
O tipo com Asperger. E se vocês se vissem livres de todos os factores genéticos do autismo
16:35
there would be no more Silicon Valley,
380
980000
2000
o Silicon Valleu deixava de existir,
16:37
and the energy crisis would not be solved.
381
982000
2000
e a crise energética nunca seria resolvida.
16:39
(Applause)
382
984000
3000
(Aplausos)
16:42
CA: So, I want to ask you a couple other questions,
383
987000
2000
(CA) Então, eu queria fazer-lhe mais umas perguntas.
16:44
and if any of these feel inappropriate,
384
989000
2000
Mas se achar que alguma é inapropriada
16:46
it's okay just to say, "Next question."
385
991000
2000
fica à vontade para dizer "próxima questão"
16:48
But if there is someone here
386
993000
2000
Mas se estiver aqui alguém
16:50
who has an autistic child,
387
995000
2000
que tem um filho autista
16:52
or knows an autistic child
388
997000
2000
ou que conhece uma criança autista
16:54
and feels kind of cut off from them,
389
999000
3000
e que não consegue comunicar com eles,
16:57
what advice would you give them?
390
1002000
2000
que conselho é que tem para lhes dar?
16:59
TG: Well, first of all, you've got to look at age.
391
1004000
2000
(TG) Bem, em primeiro lugar, temos de ter em conta a idade.
17:01
If you have a two, three or four year old
392
1006000
2000
Se tiverem uma criança de dois, três ou quatro anos
17:03
you know, no speech, no social interaction,
393
1008000
2000
sabem, que não fala, sem interacção social,
17:05
I can't emphasize enough:
394
1010000
2000
Eu tenho de insistir nisto
17:07
Don't wait, you need at least 20 hours a week of one-to-one teaching.
395
1012000
4000
não fiquem à espera, vão precisar pelo menos de 20 horas semanais de educação um a um.
17:11
You know, the thing is, autism comes in different degrees.
396
1016000
3000
Sabem, o que se passa, é que o autismo tem vários graus.
17:14
There's going to be about half the people on the spectrum
397
1019000
2000
Metade das pessoas dentro do espectro
17:16
that are not going to learn to talk, and they're not going to be working
398
1021000
2000
nunca vão aprender a falar, e esses nunca irão conseguir trabalhar no
17:18
Silicon Valley, that would not be a reasonable thing for them to do.
399
1023000
3000
Silicon Valley, não seria uma coisa razoável para eles.
17:21
But then you get the smart, geeky kids
400
1026000
2000
Mas depois há os miúdos inteligentes e meio geeks
17:23
that have a touch of autism,
401
1028000
2000
com um toque leve de autismo
17:25
and that's where you've got to get them turned on
402
1030000
2000
e são esses que vocês têm de motivar
17:27
with doing interesting things.
403
1032000
2000
pondo-os a fazer coisas interessantes.
17:29
I got social interaction through shared interest.
404
1034000
3000
Eu aprendi a interagir socialmente por interesses partilhados.
17:32
I rode horses with other kids, I made model rockets with other kids,
405
1037000
4000
Eu montava a cavalo com outros miúdos. Eu fiz modelos de foguetões com outros miúdos,
17:36
did electronics lab with other kids,
406
1041000
2000
participei em laboratórios de electrónica com outros miúdos
17:38
and in the '60s, it was gluing mirrors
407
1043000
2000
e nos anos 60 fazíamos colagens com espelhos
17:40
onto a rubber membrane on a speaker to make a light show.
408
1045000
3000
nas membranas de borracha das colunas de som, para fazer espectáculos de luzes.
17:43
That was like, we considered that super cool.
409
1048000
3000
E isso era, nós considerávamos isso o máximo!
17:46
CA: Is it unrealistic for them
410
1051000
2000
(CA) É uma coisa irrealista para os pais
17:48
to hope or think that that child
411
1053000
2000
desejarem ou pensarem que aquela criança
17:50
loves them, as some might, as most, wish?
412
1055000
3000
os ama, como a maioria faz e pode, ou é só um desejo.
17:53
TG: Well let me tell you, that child will be loyal,
413
1058000
2000
(TG) Deixem-me dizer-vos uma coisa, aquela criança será leal.
17:55
and if your house is burning down, they're going to get you out of it.
414
1060000
2000
E se a vossa casa um dia estiver em chamas eles vão tirar-vos lá de dentro.
17:57
CA: Wow. So, most people, if you ask them
415
1062000
3000
(CA) Wow. Então, quando perguntamos à maior parte das pessoas
18:00
what are they most passionate about, they'd say things like,
416
1065000
2000
qual é a coisa que os apaixona mais, eles geralmente respondem
18:02
"My kids" or "My lover."
417
1067000
3000
"Os meus filhos", ou "o meu amante".
18:05
What are you most passionate about?
418
1070000
3000
O que é que a apaixona mais?
18:08
TG: I'm passionate about that the things I do
419
1073000
2000
(TG) Eu sou apaixonada pelas coisas que faço
18:10
are going to make the world a better place.
420
1075000
2000
porque vão tornar o mundo num sítio melhor.
18:12
When I have a mother of an autistic child say,
421
1077000
2000
E quando oiço a mãe de uma criança autista dizer,
18:14
"My kid went to college because of your book,
422
1079000
2000
"O meu filho foi para a faculdade graças ao seu livro,
18:16
or one of your lectures," that makes me happy.
423
1081000
2000
ou por causa de uma das suas conferências". Isso faz-me feliz.
18:18
You know, the slaughter plants, I've worked with them
424
1083000
3000
Sabem, os matadouros, eu trabalhei em vários
18:21
in the '80s; they were absolutely awful.
425
1086000
2000
nos anos 80, eram lugares absolutamente terríveis.
18:23
I developed a really simple scoring system for slaughter plants
426
1088000
4000
Eu desenvolvi uma tabela de desempenho simples para os matadouros
18:27
where you just measure outcomes: How many cattle fell down?
427
1092000
2000
onde se podem controlar os resultados, a quantidade de gado abatido
18:29
How many cattle got poked with the prodder?
428
1094000
2000
quantos tiveram de levar choques electricos
18:31
How many cattle are mooing their heads off?
429
1096000
2000
quantos animais mugiram até lhes saltar a cabeça?
18:33
And it's very, very simple.
430
1098000
2000
E é muito, muito simples.
18:35
You directly observe a few simple things.
431
1100000
2000
Têm de observar directamente coisas muito simples.
18:37
It's worked really well. I get satisfaction out of
432
1102000
2000
E resultou muito bem. Fiquei muito satisfeita por
18:39
seeing stuff that makes real change
433
1104000
3000
notar em coisas que marcam realmente a diferença
18:42
in the real world. We need a lot more of that,
434
1107000
2000
no mundo real. Precisamos de muito mais disto,
18:44
and a lot less abstract stuff.
435
1109000
2000
e muito menos de coisas abstractas.
18:46
(Applause)
436
1111000
7000
(Aplausos)
18:53
CA: When we were talking on the phone, one of the things you said that
437
1118000
2000
(CA) Quando estávamos a falar ao telefone, uma das coisas que disse e que
18:55
really astonished me was you said one thing
438
1120000
2000
me surpreendeu foi uma coisa que disse
18:57
you were passionate about was server farms. Tell me about that.
439
1122000
4000
que era apaixonada por centrais de servidores. Fale-nos sobre isso.
19:01
TG: Well the reason why I got really excited when I read about that,
440
1126000
3000
(TG) Bem, a razão porque fiquei tão entusiasmada quando li sobre eles
19:04
it contains knowledge.
441
1129000
3000
é por conterem conhecimento.
19:07
It's libraries.
442
1132000
2000
São bibliotecas.
19:09
And to me, knowledge is something
443
1134000
2000
E o conhecimento para mim é uma coisa
19:11
that is extremely valuable. So, maybe, over 10 years ago
444
1136000
2000
que é extremamente valiosa. Bem, talvez porque, há 10 anos
19:13
now our library got flooded.
445
1138000
2000
a nossa biblioteca sofreu uma inundação
19:15
And this is before the Internet got really big.
446
1140000
2000
E isto aconteceu antes da explosão da internet.
19:17
And I was really upset about all the books being wrecked,
447
1142000
2000
E eu fiquei muito aborrecida porque os livros estragaram-se todos,
19:19
because it was knowledge being destroyed.
448
1144000
2000
porque o conhecimento foi destruído.
19:21
And server farms, or data centers
449
1146000
2000
E as centrais de servidores, ou centrais de dados
19:23
are great libraries of knowledge.
450
1148000
3000
são grandes bibliotecas de conhecimento.
19:26
CA: Temple, can I just say it's an absolute delight to have you at TED.
451
1151000
3000
(CA) Temple, posso só dizer-lhe que foi excelente tê-la aqui no TED.
19:29
TG: Well thank you so much. Thank you.
452
1154000
3000
(TG) Ora, muito obrigada. Muito obrigada.
19:32
(Applause)
453
1157000
6000
(Aplausos)
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