TED2010
Temple Grandin: The world needs all kinds of minds
Temple Grandin: Världen behöver alla sorters hjärnor
Filmed:
Readability: 3.4
5,588,848 views
Temple Grandin fick diagnosen autism som barn, och talar om hur hennes sinne fungerar. Hon delar med sig av sin förmåga att "tänka bildligt", som har hjälpt henne lösa problem typiska hjärnor missar. Hon argumenterar att världen behöver människor i autismspektrumet: bildliga tänkare, mönstertänkande och alla möjliga smarta nördar.
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
Jag vill börja med att prata lite om
00:17
what exactly autism is.
1
2000
2000
just vad autism är.
00:19
Autism is a very big continuum
2
4000
3000
Autism har ett brett spektrum
00:22
that goes from very severe -- the child remains non-verbal --
3
7000
3000
som går från väldigt gravt, där barnet inte talar
00:25
all the way up to brilliant scientists and engineers.
4
10000
3000
hela vägen upp till geniala forskare och ingenjörer.
00:28
And I actually feel at home here,
5
13000
2000
Och jag känner mig faktiskt hemma här.
00:30
because there's a lot of autism genetics here.
6
15000
2000
För här finns det mycket autismgenetik.
00:32
You wouldn't have any...
7
17000
2000
Det finns inga...
00:34
(Applause)
8
19000
4000
(Applåder)
00:38
It's a continuum of traits.
9
23000
2000
Det är ett spektrum av karaktärsdrag.
00:40
When does a nerd turn into
10
25000
3000
När går man från nörd till någon med
00:43
Asperger, which is just mild autism?
11
28000
2000
Aspergers syndrom, vilket är mild autism?
00:45
I mean, Einstein and Mozart
12
30000
3000
Einstein och Mozart
00:48
and Tesla would all be probably diagnosed
13
33000
2000
och Tesla skulle antagligen alla fått diagnosen
00:50
as autistic spectrum today.
14
35000
2000
autismspektrum idag.
00:52
And one of the things that is really going to concern me is
15
37000
3000
Och något som verkligen är viktigt för mig
00:55
getting these kids to be the ones that are going to invent
16
40000
3000
är att få dessa barn att bli de som uppfinner
00:58
the next energy things,
17
43000
2000
nya energilösningar
01:00
you know, that Bill Gates talked about this morning.
18
45000
4000
som Bill Gates pratade om i morse.
01:04
OK. Now, if you want to understand
19
49000
2000
Om man försöker att förstå
01:06
autism, animals.
20
51000
2000
autism, och djur
01:08
And I want to talk to you now about different ways of thinking.
21
53000
2000
- och jag vill berätta om olika sätt att tänka på -
01:10
You have to get away from verbal language.
22
55000
3000
så kan man inte enbart använda ord.
01:13
I think in pictures,
23
58000
2000
Jag tänker bildligt.
01:15
I don't think in language.
24
60000
3000
Jag tänker inte i ord.
01:18
Now, the thing about the autistic mind
25
63000
2000
Saken med det autistiska sinnet
01:20
is it attends to details.
26
65000
3000
är att det fokuserar på detaljer.
01:23
OK, this is a test where you either have to
27
68000
2000
Här är ett test där man antingen väljer
01:25
pick out the big letters, or pick out the little letters,
28
70000
2000
de stora eller små bokstäverna.
01:27
and the autistic mind picks out the
29
72000
2000
Det autistiska sinnet väljer ut
01:29
little letters more quickly.
30
74000
2000
de mindre mycket snabbare.
01:31
And the thing is, the normal brain ignores the details.
31
76000
4000
Den normala hjärnan ignorerar detaljerna.
01:35
Well, if you're building a bridge, details are pretty important
32
80000
2000
Till exempel, bygger man en bro är detaljerna viktiga
01:37
because it will fall down if you ignore the details.
33
82000
3000
eftersom den faller om man ignorerar dem.
01:40
And one of my big concerns with a lot of policy things today
34
85000
3000
Jag oroar mig för att mycket politik idag
01:43
is things are getting too abstract.
35
88000
2000
börjar bli alltför abstrakt.
01:45
People are getting away from doing
36
90000
2000
Folk slutar titta på
01:47
hands-on stuff.
37
92000
2000
det verkligt jordnära jobbet.
01:49
I'm really concerned that a lot of the schools have taken out
38
94000
2000
Det oroar mig när många skolor tar bort
01:51
the hands-on classes,
39
96000
2000
de praktiska lektionerna
01:53
because art, and classes like that,
40
98000
2000
eftersom bild, och liknande ämnen
01:55
those are the classes where I excelled.
41
100000
2000
var de jag var bäst på.
01:57
In my work with cattle,
42
102000
2000
I mitt arbete med boskap,
01:59
I noticed a lot of little things that most people don't notice
43
104000
3000
så märkte jag många saker andra ofta missar
02:02
would make the cattle balk. Like, for example,
44
107000
2000
som skrämmer boskapet. Till exempel,
02:04
this flag waving, right in front of the veterinary facility.
45
109000
3000
den här flaggan som vajade utanför veterinärkontoret.
02:07
This feed yard was going to tear down their whole veterinary facility;
46
112000
3000
Kossorna skulle säkert ha rivit ned hela huset.
02:10
all they needed to do was move the flag.
47
115000
2000
Allt man behövde göra var att flytta på flaggan.
02:12
Rapid movement, contrast.
48
117000
3000
Det var snabba rörelser - kontrast.
02:15
In the early '70s when I started, I got right down
49
120000
2000
När jag började arbeta i tidigt 70-tal, gick jag rakt
02:17
in the chutes to see what cattle were seeing.
50
122000
2000
ned i vallarna för att se vad boskapet såg.
02:19
People thought that was crazy. A coat on a fence would make them balk,
51
124000
3000
Folk tyckte att det var galet. En jacka på stängslet kunde skrämma dem.
02:22
shadows would make them balk, a hose on the floor ...
52
127000
3000
Skuggor kunde skrämma dem, eller en slang på golvet.
02:25
people weren't noticing these things --
53
130000
2000
Andra uppmärksammade inte sånt,
02:27
a chain hanging down --
54
132000
2000
som en kedja hängandes från taket
02:29
and that's shown very, very nicely in the movie.
55
134000
2000
och det visas väldigt tydligt i filmen.
02:31
In fact, I loved the movie, how they
56
136000
2000
Jag gillade faktiskt filmen, hur dem
02:33
duplicated all my projects. That's the geek side.
57
138000
2000
återskapade alla mina projekt. Det är nördsidan
02:35
My drawings got to star in the movie too.
58
140000
3000
Mina teckningar kom med i filmen också.
02:38
And actually it's called "Temple Grandin,"
59
143000
2000
Och den heter faktiskt Temple Grandin,
02:40
not "Thinking In Pictures."
60
145000
2000
inte Thinking In Pictures. [tänka bildligt]
02:42
So, what is thinking in pictures? It's literally movies
61
147000
2000
Så, vad är att tänka bildligt? Det är bokstavligen
02:44
in your head.
62
149000
2000
att se filmer i ditt huvud.
02:46
My mind works like Google for images.
63
151000
2000
Mitt huvud funkar som bilder på Google.
02:48
Now, when I was a young kid I didn't know my thinking was different.
64
153000
3000
När jag var liten visste jag inte att det
02:51
I thought everybody thought in pictures.
65
156000
2000
skilde sig från andra - jag trodde alla tänkte så.
02:53
And then when I did my book, "Thinking In Pictures,"
66
158000
2000
Och sen när jag skrev min bok, Thinking in Pictures,
02:55
I start interviewing people about how they think.
67
160000
3000
började jag intervjua andra om hur de tänkte.
02:58
And I was shocked to find out that
68
163000
2000
Jag var förvånad att upptäcka att
03:00
my thinking was quite different. Like if I say,
69
165000
2000
jag tänkte på ett annorlunda sätt. Som om jag säger,
03:02
"Think about a church steeple"
70
167000
2000
"Tänk på ett kyrktorn."
03:04
most people get this sort of generalized generic one.
71
169000
2000
tänker de flesta på ett typiskt kyrktorn.
03:06
Now, maybe that's not true in this room,
72
171000
2000
Det kanske inte är sant här inne,
03:08
but it's going to be true in a lot of different places.
73
173000
4000
men det kommer att stämma i många olika sammanhang.
03:12
I see only specific pictures.
74
177000
2000
Jag ser bara specifika bilder
03:14
They flash up into my memory, just like Google for pictures.
75
179000
4000
som dyker upp i mitt minne, precis som Google för bilder.
03:18
And in the movie, they've got a great scene in there
76
183000
2000
I filmen har dem en jättebra scen
03:20
where the word "shoe" is said, and a whole bunch of '50s and '60s shoes
77
185000
4000
där någon säger "sko", och ett helt gäng 50- och 60-taliga skor
03:24
pop into my imagination.
78
189000
2000
dyker upp i mitt huvud.
03:26
OK, there is my childhood church,
79
191000
2000
Okej, där är kyrkan från min hemstad.
03:28
that's specific. There's some more, Fort Collins.
80
193000
3000
Så specifikt. Här är fler, från Fort Collins.
03:31
OK, how about famous ones?
81
196000
2000
Vad sägs om några kända kyrkor?
03:33
And they just kind of come up, kind of like this.
82
198000
3000
De bara dyker upp, ungefär så här.
03:36
Just really quickly, like Google for pictures.
83
201000
3000
Bara väldigt snabbt, som bilder på Google.
03:39
And they come up one at a time,
84
204000
2000
En åt gången.
03:41
and then I think, "OK, well maybe we can have it snow,
85
206000
2000
Så tänker jag, okej, då kanske det snöar
03:43
or we can have a thunderstorm,"
86
208000
2000
eller så har vi åska
03:45
and I can hold it there and turn them into videos.
87
210000
3000
och jag kan ta det och se som en film.
03:48
Now, visual thinking was a tremendous asset
88
213000
3000
Bildligt tänkande kan vara väldigt värdefullt
03:51
in my work designing cattle-handling facilities.
89
216000
3000
i mitt jobb, som designare av slakterier och nötfarmar.
03:54
And I've worked really hard on improving
90
219000
2000
Jag har arbetat väldigt mycket med att förbättra
03:56
how cattle are treated at the slaughter plant.
91
221000
2000
hur boskap behandlas på slakterier.
03:58
I'm not going to go into any gucky slaughter slides.
92
223000
3000
Jag tänker inte ta upp några äckliga slaktbilder -
04:01
I've got that stuff up on YouTube if you want to look at it.
93
226000
2000
det ligger på Youtube om ni vill se det.
04:03
But, one of the things that I was able to do in my design work
94
228000
4000
Något som jag kunde utnyttja i mitt designande
04:07
is I could actually test run
95
232000
2000
var att jag faktiskt kunde "testköra"
04:09
a piece of equipment in my mind,
96
234000
2000
utrustning i mitt huvud.
04:11
just like a virtual reality computer system.
97
236000
3000
Precis som virtual reality på en dator.
04:14
And this is an aerial view
98
239000
2000
Här är en flygbild
04:16
of a recreation of one of my projects that was used in the movie.
99
241000
3000
av ett av mina projekt, som återskapades i filmen.
04:19
That was like just so super cool.
100
244000
2000
Det var väldigt häftigt.
04:21
And there were a lot of kind of Asperger types
101
246000
2000
Det fanns många med Asperger
04:23
and autism types working out there on the movie set too.
102
248000
3000
eller med autism, som jobbade på filmen.
04:26
(Laughter)
103
251000
2000
(Skratt)
04:28
But one of the things that really worries me
104
253000
2000
En av de saker som oroar mig är
04:30
is: Where's the younger version of those kids going today?
105
255000
4000
vart den yngre generationen av dessa människor tar vägen.
04:34
They're not ending up in Silicon Valley, where they belong.
106
259000
3000
De hamnar inte i Silicon Valley, där de hör hemma.
04:37
(Laughter)
107
262000
3000
(Skratt)
04:40
(Applause)
108
265000
5000
(Applåder)
04:45
Now, one of the things I learned very early on because I wasn't that social,
109
270000
3000
En sak jag lärde mig väldigt tidigt var att eftersom jag inte var så social,
04:48
is I had to sell my work, and not myself.
110
273000
4000
var att jag behövde sälja mitt arbete, inte mig själv.
04:52
And the way I sold livestock jobs
111
277000
2000
Jag sålde mitt arbete med nötkreatur
04:54
is I showed off my drawings, I showed off pictures of things.
112
279000
3000
genom att visa mina teckningar, mina bilder.
04:57
Another thing that helped me as a little kid
113
282000
2000
En annan sak som hjälpte mig, som barn
04:59
is, boy, in the '50s, you were taught manners.
114
284000
2000
var att man verkligen lärde sig hur man skulle bete sig på 50-talet
05:01
You were taught you can't pull the merchandise off the shelves
115
286000
2000
Man fick lära sig att inte ta saker från hyllorna
05:03
in the store and throw it around.
116
288000
2000
i en affär och leka med dem.
05:05
Now, when kids get to be in third or fourth grade,
117
290000
3000
Numera, när barnen kommer in i trean eller fyran,
05:08
you might see that this kid's going to be a visual thinker,
118
293000
3000
så kanske man ser att det här barnet tänker "bildligt"
05:11
drawing in perspective. Now, I want to
119
296000
2000
- att rita i perspektiv, så här. Jag skulle vilja
05:13
emphasize that not every autistic kid
120
298000
2000
understryka att inte varje autistiskt barn
05:15
is going to be a visual thinker.
121
300000
2000
kommer att tänka på det här viset.
05:17
Now, I had this brain scan done several years ago,
122
302000
4000
Här är en magnetröntgenbild jag tog ett par år sedan
05:21
and I used to joke around about having a
123
306000
2000
och jag brukade skämta om att jag hade
05:23
gigantic Internet trunk line
124
308000
2000
en gigantisk internet-ledning
05:25
going deep into my visual cortex.
125
310000
2000
som gick djupt in i mitt syncentrum.
05:27
This is tensor imaging.
126
312000
2000
Denna teknik mäter blodflödet i hjärnan.
05:29
And my great big internet trunk line
127
314000
2000
Min stora internetförbindelse
05:31
is twice as big as the control's.
128
316000
2000
är två gånger så stor som kontrollbilden.
05:33
The red lines there are me,
129
318000
2000
Den röda linjen här, är jag,
05:35
and the blue lines are the sex and age-matched control.
130
320000
4000
och de blåa linjerna är en kontroll, matchad efter kön och ålder.
05:39
And there I got a gigantic one,
131
324000
2000
Där har jag en jättestor en,
05:41
and the control over there, the blue one,
132
326000
2000
och kontrollbilden, den blåa,
05:43
has got a really small one.
133
328000
4000
har en jätteliten en.
05:47
And some of the research now is showing
134
332000
2000
En del av undersökningarna visar just nu
05:49
is that people on the spectrum actually think with primary visual cortex.
135
334000
4000
är att människor på autismspektrat tänker främst med syncentrat.
05:53
Now, the thing is, the visual thinker's just one kind of mind.
136
338000
3000
Saken är att den bildliga tänkaren bara är en enda typ av sinne.
05:56
You see, the autistic mind tends to be a specialist mind --
137
341000
3000
Autism tenderar att vara specialiserat.
05:59
good at one thing, bad at something else.
138
344000
4000
Bra på en sak, dåligt på annat.
06:03
And where I was bad was algebra. And I was never allowed
139
348000
2000
Jag var väldigt dålig på algebra. Så jag fick aldrig plugga
06:05
to take geometry or trig.
140
350000
2000
geometri eller trigonometri.
06:07
Gigantic mistake: I'm finding a lot of kids who need to skip algebra,
141
352000
3000
Det var ett stort misstag. Jag möter många ungar som borde skippa algebra
06:10
go right to geometry and trig.
142
355000
2000
och gå direkt till geometri och trigonometri.
06:12
Now, another kind of mind is the pattern thinker.
143
357000
3000
Ett annat sorts tänkande är mönstertänket.
06:15
More abstract. These are your engineers,
144
360000
2000
Mer abstrakt. Dessa är ingenjörer,
06:17
your computer programmers.
145
362000
2000
eller datorprogrammerare.
06:19
Now, this is pattern thinking. That praying mantis
146
364000
2000
Detta är mönstertänkande. Denna syrsa
06:21
is made from a single sheet of paper --
147
366000
2000
är gjord från ett enstaka pappersark
06:23
no scotch tape, no cuts.
148
368000
2000
ingen tejp, inga klipp.
06:25
And there in the background is the pattern for folding it.
149
370000
3000
Och där i bakgrunden syns mönstret för att vika den.
06:28
Here are the types of thinking:
150
373000
2000
Dessa är de olika tankesätten:
06:30
photo-realistic visual thinkers, like me;
151
375000
3000
fotorealistiska bildliga tänkare, som jag
06:33
pattern thinkers, music and math minds.
152
378000
4000
Mönstertänkare, musik- och mattesinnen.
06:37
Some of these oftentimes have problems with reading.
153
382000
2000
Vissa av dessa har lässvårigheter.
06:39
You also will see these kind of problems
154
384000
2000
Man lär också se denna problematik
06:41
with kids that are dyslexic.
155
386000
3000
hos barn med dyslexi.
06:44
You'll see these different kinds of minds.
156
389000
2000
Man uppfattar dessa olika typer av tänkande.
06:46
And then there's a verbal mind, they know every fact about everything.
157
391000
3000
Sen finns det ett språkligt tänkande. Dessa vet allt,
06:49
Now, another thing is the sensory issues.
158
394000
2000
om allt. En annan grej är känselproblem.
06:51
I was really concerned about having to wear this gadget on my face.
159
396000
4000
Jag tvekade om att ha en mikrofon i ansiktet.
06:55
And I came in half an hour beforehand
160
400000
3000
Jag kom hit en halvtimme i förväg
06:58
so I could have it put on and kind of get used to it,
161
403000
2000
så att jag kunde vänja mig vid den.
07:00
and they got it bent so it's not hitting my chin.
162
405000
3000
De böjde den så att den inte rörde vid min kind.
07:03
But sensory is an issue. Some kids are bothered by fluorescent lights;
163
408000
3000
Men känsla är ett problem. Vissa barn ogillar ljus,
07:06
others have problems with sound sensitivity.
164
411000
3000
andra är känsliga för ljud.
07:09
You know, it's going to be variable.
165
414000
3000
Ni vet, det kommer variera.
07:12
Now, visual thinking gave me a whole lot of insight
166
417000
4000
Jag har förstått mycket från bildligt tänkande
07:16
into the animal mind.
167
421000
2000
om djurens sinne.
07:18
Because think about it: An animal is a sensory-based thinker,
168
423000
3000
Tänk efter. Ett djur tänker baserat på känsla,
07:21
not verbal -- thinks in pictures,
169
426000
4000
inte ord. Det tänker bildligt.
07:25
thinks in sounds, thinks in smells.
170
430000
3000
Tänker med ljud. Med lukter.
07:28
Think about how much information there is there on the local fire hydrant.
171
433000
3000
Tänk vad mycket information som finns på en brandpost.
07:31
He knows who's been there, when they were there.
172
436000
3000
Han vet vem som har varit där, när de var där.
07:34
Are they friend or foe? Is there anybody he can go mate with?
173
439000
3000
Är det en vän eller fiende, eller någon att para sig med
07:37
There's a ton of information on that fire hydrant.
174
442000
3000
Det finns massvis med information på brandposten
07:40
It's all very detailed information,
175
445000
4000
Det är väldigt detaljerad information.
07:44
and, looking at these kind of details
176
449000
2000
När man ser på alla dessa detaljer
07:46
gave me a lot of insight into animals.
177
451000
2000
förstår man lite mer om djuren.
07:48
Now, the animal mind, and also my mind,
178
453000
4000
Djurens tänkande, och också mitt sinne
07:52
puts sensory-based information
179
457000
2000
placerar känselbaserad information
07:54
into categories.
180
459000
2000
i kategorier.
07:56
Man on a horse
181
461000
2000
Man på en häst,
07:58
and a man on the ground --
182
463000
2000
eller en man på marken
08:00
that is viewed as two totally different things.
183
465000
2000
är två helt olika saker.
08:02
You could have a horse that's been abused by a rider.
184
467000
3000
Man kan ha en häst som har misshandlats av ryttaren.
08:05
They'll be absolutely fine with the veterinarian
185
470000
2000
De beter sig vettigt hos veterinären
08:07
and with the horseshoer, but you can't ride him.
186
472000
3000
eller när man ska sko den, men det går inte att rida.
08:10
You have another horse, where maybe the horseshoer beat him up
187
475000
3000
Man kan ta en annan häst, som blev slagen när de skodde honom
08:13
and he'll be terrible for anything on the ground,
188
478000
2000
och han blir vettskrämd för allt på marken
08:15
with the veterinarian, but a person can ride him.
189
480000
3000
hos veterinären, men det går
08:18
Cattle are the same way.
190
483000
2000
att rida på honom. Kor är på samma sätt.
08:20
Man on a horse,
191
485000
2000
En man på en häst
08:22
a man on foot -- they're two different things.
192
487000
2000
och en gående man är två helt olika saker.
08:24
You see, it's a different picture.
193
489000
2000
Just eftersom de ser olika ut.
08:26
See, I want you to think about just how specific this is.
194
491000
3000
Jag ville peka ut hur specifikt det verkligen är.
08:29
Now, this ability to put information into categories,
195
494000
4000
Den här förmågan att kategorisera
08:33
I find a lot of people are not very good at this.
196
498000
3000
är något som många verkar sakna.
08:36
When I'm out troubleshooting equipment
197
501000
2000
När jag feltestar utrustningen
08:38
or problems with something in a plant,
198
503000
2000
eller försöker fixa ett problem i en fabrik
08:40
they don't seem to be able to figure out, "Do I have a training people issue?
199
505000
4000
verkar andra inte kunna lista ut, om det är ett problem med träningen
08:44
Or do I have something wrong with the equipment?"
200
509000
2000
eller om det är ett problem med verktygen.
08:46
In other words, categorize equipment problem
201
511000
2000
Att kunna skilja problem med utrustningen
08:48
from a people problem.
202
513000
2000
från problem med folket.
08:50
I find a lot of people have difficulty doing that.
203
515000
3000
Jag har märkt att många har svårt med det.
08:53
Now, let's say I figure out it's an equipment problem.
204
518000
3000
Tänk er att jag listar ut att det är ett problem med utrustningen.
08:56
Is it a minor problem, with something simple I can fix?
205
521000
2000
Är det ett litet problem, som jag kan fixa?
08:58
Or is the whole design of the system wrong?
206
523000
3000
Eller är det ett stort problem i hela systemet?
09:01
People have a hard time figuring that out.
207
526000
3000
Många har problem med att förstå det här.
09:04
Let's just look at something like, you know,
208
529000
2000
Ta en titt på något som
09:06
solving problems with making airlines safer.
209
531000
2000
att lösa säkerhetsproblem på flygplan.
09:08
Yeah, I'm a million-mile flier.
210
533000
2000
Jag är faktiskt förmånskund hos flygbolagen.
09:10
I do lots and lots of flying,
211
535000
2000
Jag flyger jättemycket,
09:12
and if I was at the FAA,
212
537000
3000
och om jag jobbade på Luftfartsverket,
09:15
what would I be doing a lot of direct observation of?
213
540000
4000
vad skulle jag titta på?
09:19
It would be their airplane tails.
214
544000
2000
Jag skulle titta på flygplanens bakre vinge.
09:21
You know, five fatal wrecks in the last 20 years,
215
546000
3000
Under de senaste 20 åren har fem dödliga flygkrascher
09:24
the tail either came off or steering stuff inside the tail broke
216
549000
4000
orsakats av att den bakre vingen gick sönder
09:28
in some way.
217
553000
2000
på något sätt.
09:30
It's tails, pure and simple.
218
555000
2000
Det handlar om baken, helt enkelt.
09:32
And when the pilots walk around the plane, guess what? They can't see
219
557000
2000
Och när piloten vandrar omkring planet, så kan de inte se
09:34
that stuff inside the tail.
220
559000
2000
allt det där inuti den bakre vingen.
09:36
You know, now as I think about that,
221
561000
2000
Ni vet, allt eftersom jag tänker på det,
09:38
I'm pulling up all of that specific information.
222
563000
3000
får jag upp en massa specifik information.
09:41
It's specific. See, my thinking's bottom-up.
223
566000
3000
Väldigt specifikt. Tänkande från botten upp.
09:44
I take all the little pieces and I put the pieces together like a puzzle.
224
569000
4000
Jag tittar på små bitar, och pusslar ihop dem.
09:48
Now, here is a horse that was deathly afraid
225
573000
2000
Det här är en häst som var väldigt rädd
09:50
of black cowboy hats.
226
575000
2000
för svarta cowboyhattar.
09:52
He'd been abused by somebody with a black cowboy hat.
227
577000
2000
Någon med en svart cowboyhatt hade misskött honom.
09:54
White cowboy hats, that was absolutely fine.
228
579000
3000
Vita cowboyhattar, det var lugnt.
09:57
Now, the thing is, the world is going to need
229
582000
3000
Grejen är att hela världen måste
10:00
all of the different kinds of minds
230
585000
2000
få alla typer av hjärnor
10:02
to work together.
231
587000
2000
att arbeta tillsammans.
10:04
We've got to work on developing all these different kinds of minds.
232
589000
3000
Vi måste arbeta med att utveckla alla typer av tänkande.
10:07
And one of the things that is driving me really crazy,
233
592000
3000
Och något som verkligen förargar mig,
10:10
as I travel around and I do autism meetings,
234
595000
2000
är att när jag reser runt och talar om autism
10:12
is I'm seeing a lot of smart, geeky, nerdy kids,
235
597000
3000
ser jag massvis med smarta, nördiga ungar.
10:15
and they just aren't very social,
236
600000
3000
De är helt enkelt inte speciellt sociala.
10:18
and nobody's working on developing their interest
237
603000
2000
Och ingen arbetar med att utveckla deras intresse
10:20
in something like science.
238
605000
2000
i något som vetenskap.
10:22
And this brings up the whole thing of my science teacher.
239
607000
3000
Här kommer jag tillbaka till min naturvetenskapslärare från högstadiet.
10:25
My science teacher is shown absolutely beautifully in the movie.
240
610000
3000
I filmen har dem återskapat honom på ett utmärkt sätt.
10:28
I was a goofball student. When I was in high school
241
613000
2000
Jag var lite utanför i skolan.
10:30
I just didn't care at all about studying,
242
615000
3000
I högstadiet brydde jag mig inte alls om att plugga,
10:33
until I had Mr. Carlock's science class.
243
618000
3000
förrän jag pluggade naturvetenskap med Mr Carlock.
10:36
He was now Dr. Carlock in the movie.
244
621000
3000
Han kallas Dr Carlock i filmen.
10:39
And he got me challenged
245
624000
3000
Han utmanade mig verkligen
10:42
to figure out an optical illusion room.
246
627000
3000
med en uppgift om optiska illusioner.
10:45
This brings up the whole thing of you've got to show kids
247
630000
2000
Det visar att man verkligen måste ge ungdomar
10:47
interesting stuff.
248
632000
2000
intressanta saker att arbeta med.
10:49
You know, one of the things that I think maybe TED ought to do
249
634000
3000
En sak som jag tycker att TED borde göra
10:52
is tell all the schools about all the great lectures that are on TED,
250
637000
3000
är att berätta för skolor om sina föreläsningar
10:55
and there's all kinds of great stuff on the Internet
251
640000
2000
och alla andra bra saker på internet
10:57
to get these kids turned on.
252
642000
2000
som kan intressera dessa ungar.
10:59
Because I'm seeing a lot of these geeky nerdy kids,
253
644000
3000
För jag ser många sådana smarta, nördiga barn
11:02
and the teachers out in the Midwest, and the other parts of the country,
254
647000
3000
och dessa lärare ute på landet, och i vissa delar av landet
11:05
when you get away from these tech areas,
255
650000
2000
utanför områden med mycket teknisk industri
11:07
they don't know what to do with these kids.
256
652000
2000
- dessa lärare vet inte vad de ska göra med ungarna.
11:09
And they're not going down the right path.
257
654000
2000
De hamnar inte på rätt spår.
11:11
The thing is, you can make a mind
258
656000
2000
Grejen är att man kan få någon
11:13
to be more of a thinking and cognitive mind,
259
658000
3000
att analysera och tänka kognitivt
11:16
or your mind can be wired to be more social.
260
661000
3000
eller så kan man utveckla dem att vara mer sociala.
11:19
And what some of the research now has shown in autism
261
664000
2000
Vad mycket forskning visar gällande autism
11:21
is there may by extra wiring back here,
262
666000
2000
är att det kanske finns extra utrymme
11:23
in the really brilliant mind, and we lose a few social circuits here.
263
668000
3000
i en verkligt genial hjärna, och att man förlorar en del av den sociala aspekten.
11:26
It's kind of a trade-off between thinking and social.
264
671000
4000
Det är lite av ett val mellan akademiskt och socialt intellekt.
11:30
And then you can get into the point where it's so severe
265
675000
2000
Det är ett val som kan gå i grader, där det mest extrema
11:32
you're going to have a person that's going to be non-verbal.
266
677000
3000
innebär att man inte pratar över huvud taget.
11:35
In the normal human mind
267
680000
2000
I en typisk människas hjärna
11:37
language covers up the visual thinking we share with animals.
268
682000
3000
täcks det bildliga tänkandet över av språket.
11:40
This is the work of Dr. Bruce Miller.
269
685000
3000
Den här bilden kommer från en studie av Dr Bruce Miller.
11:43
And he studied Alzheimer's patients
270
688000
3000
Han studerade patienter med Alzheimers
11:46
that had frontal temporal lobe dementia.
271
691000
2000
som hade frontallobsdegeneration.
11:48
And the dementia ate out the language parts of the brain,
272
693000
3000
Demensen bröt ned språkcentrum i hjärnan.
11:51
and then this artwork came out of somebody who used to install stereos in cars.
273
696000
5000
En av patienterna målade det här. Han hade arbetat hela sitt liv som bilmekaniker.
11:56
Now, Van Gogh doesn't know anything about physics,
274
701000
4000
Här då. Van Gogh visste inte mycket om fysik,
12:00
but I think it's very interesting
275
705000
2000
och det här tycker jag är väldigt intressant,
12:02
that there was some work done to show that
276
707000
2000
att man funnit att
12:04
this eddy pattern in this painting
277
709000
2000
det här vågiga mönstret
12:06
followed a statistical model of turbulence,
278
711000
3000
följer en statistisk studie om turbulens.
12:09
which brings up the whole interesting idea
279
714000
2000
Man inser att det kanske är möjligt
12:11
of maybe some of this mathematical patterns
280
716000
2000
att några av dessa matematiska mönster
12:13
is in our own head.
281
718000
2000
finns i våra egna huvud.
12:15
And the Wolfram stuff -- I was taking
282
720000
2000
När jag jobbade med Wolframgrejerna,
12:17
notes and I was writing down all the
283
722000
2000
så antecknade jag mycket, och jag skrev ned
12:19
search words I could use,
284
724000
2000
sökord jag kunde använda på nätet
12:21
because I think that's going to go on in my autism lectures.
285
726000
4000
eftersom jag tänkte att det kunde passa med mina autismföreläsningar.
12:25
We've got to show these kids interesting stuff.
286
730000
2000
Man måste utmana ungarna med intressanta saker.
12:27
And they've taken out the autoshop class
287
732000
2000
Nu har man tagit bort metallslöjd,
12:29
and the drafting class and the art class.
288
734000
2000
och bild som ämne i skolorna.
12:31
I mean art was my best subject in school.
289
736000
3000
Bilden var det jag var bäst på i skolan.
12:34
We've got to think about all these different kinds of minds,
290
739000
2000
Vi får inte glömma alla dessa olika typer av hjärnor.
12:36
and we've got to absolutely work with these kind of minds,
291
741000
3000
Och vi måste verkligen arbeta med dessa olika sinnen,
12:39
because we absolutely are going to need
292
744000
3000
just eftersom vi kommer att behöva
12:42
these kind of people in the future.
293
747000
3000
denna typ av folk i framtiden.
12:45
And let's talk about jobs.
294
750000
2000
Tänk på det här med arbete.
12:47
OK, my science teacher got me studying
295
752000
2000
Så min lärare fick mig att plugga hårdare
12:49
because I was a goofball that didn't want to study.
296
754000
3000
när jag brukade strunta i skolan.
12:52
But you know what? I was getting work experience.
297
757000
2000
Men under den tiden jobbade jag, och fick erfarenhet.
12:54
I'm seeing too many of these smart kids who haven't learned basic things,
298
759000
2000
Många smarta ungar har inte lärt sig sådant
12:56
like how to be on time.
299
761000
2000
grundläggande, som att komma i tid.
12:58
I was taught that when I was eight years old.
300
763000
2000
Det lärde jag mig när jag var åtta år.
13:00
You know, how to have table manners at granny's Sunday party.
301
765000
3000
Eller bordsskick på en söndagsmiddag.
13:03
I was taught that when I was very, very young.
302
768000
3000
Det lärde jag mig också när jag var väldigt ung.
13:06
And when I was 13, I had a job at a dressmaker's shop
303
771000
3000
När jag var 13 arbetade jag
13:09
sewing clothes.
304
774000
2000
på ett skrädderi, sydde kläder.
13:11
I did internships in college,
305
776000
3000
Jag jobbade som praktikant under högskoletiden
13:14
I was building things,
306
779000
3000
och byggde saker.
13:17
and I also had to learn how to do assignments.
307
782000
3000
Jag lärde mig också hur man utförde uppgifter.
13:20
You know, all I wanted to do was draw pictures of horses when I was little.
308
785000
4000
När jag var liten ville jag mest rita hästar.
13:24
My mother said, "Well let's do a picture of something else."
309
789000
2000
Min mamma sade, "Varför ritar vi inte något annat?"
13:26
They've got to learn how to do something else.
310
791000
2000
Man måste lära sig att göra andra saker.
13:28
Let's say the kid is fixated on Legos.
311
793000
2000
Om en unge verkligen älskar Lego
13:30
Let's get him working on building different things.
312
795000
3000
så bör man försöka få honom att bygga olika saker.
13:33
The thing about the autistic mind
313
798000
2000
Grejen med det autistiska sinnet
13:35
is it tends to be fixated.
314
800000
2000
är att det brukar vara väldigt fokuserat.
13:37
Like if a kid loves racecars,
315
802000
2000
Om ett barn älskar sportbilar
13:39
let's use racecars for math.
316
804000
2000
så bör man försöka använda det i matten.
13:41
Let's figure out how long it takes a racecar to go a certain distance.
317
806000
3000
Kanske man ska försöka räkna ut hur lång tid det tar sportbilen att åka någonstans.
13:44
In other words, use that fixation
318
809000
4000
Med andra ord: Använd fixeringen!
13:48
in order to motivate that kid, that's one of the things we need to do.
319
813000
3000
Vi måste använda detta för att motivera ungar.
13:51
I really get fed up when they, you know, the teachers,
320
816000
3000
Jag brukade bli väldigt trött på lärare
13:54
especially when you get away from this part of the country,
321
819000
3000
speciellt när man kommer längre inåt i USA,
13:57
they don't know what to do with these smart kids.
322
822000
2000
som inte visste vad man skulle göra av dessa smarta ungar.
13:59
It just drives me crazy.
323
824000
2000
Jag blir urled på det.
14:01
What can visual thinkers do when they grow up?
324
826000
2000
Vad kan en bildlig tänkare arbeta med som vuxen?
14:03
They can do graphic design, all kinds of stuff with computers,
325
828000
3000
Grafisk design, eller allt möjligt med datorer
14:06
photography, industrial design.
326
831000
5000
kanske jobba som fotograf, eller i industriell design.
14:11
The pattern thinkers, they're the ones that are going to be
327
836000
2000
Mönstertänkare, de kan bli
14:13
your mathematicians, your software engineers,
328
838000
3000
matematiker, eller mjukvarudesigners
14:16
your computer programmers, all of those kinds of jobs.
329
841000
4000
datorprogrammerare - alla dessa typer av saker.
14:20
And then you've got the word minds. They make great journalists,
330
845000
3000
Sen har man dem rent verbala hjärnorna. De blir utmärkta journalister,
14:23
and they also make really, really good stage actors.
331
848000
3000
eller skådespelare.
14:26
Because the thing about being autistic is,
332
851000
2000
Saken med att vara autistisk, jag menar,
14:28
I had to learn social skills like being in a play.
333
853000
3000
jag behövde lära mig att vara social, på samma sätt som man övar till en teater.
14:31
It's just kind of -- you just have to learn it.
334
856000
3000
Det är liksom, man bara måste lära sig.
14:34
And we need to be working with these students.
335
859000
3000
Vi måste arbeta med denna typ av elever.
14:37
And this brings up mentors.
336
862000
2000
Och med det vill jag prata om mentorer.
14:39
You know, my science teacher was not an accredited teacher.
337
864000
3000
Min naturvetenskapslärare var inte en behörig lärare.
14:42
He was a NASA space scientist.
338
867000
2000
Han var en rymdforskare från NASA.
14:44
Now, some states now are getting it to where
339
869000
2000
Vissa stater börjar nu titta på att göra det möjligt
14:46
if you have a degree in biology, or a degree in chemistry,
340
871000
2000
för någon med en examen i biologi eller kemi
14:48
you can come into the school and teach biology or chemistry.
341
873000
3000
att börja arbeta som lärare i dessa ämnen.
14:51
We need to be doing that.
342
876000
2000
Det är väldigt viktigt.
14:53
Because what I'm observing is
343
878000
2000
Vad jag märker är
14:55
the good teachers, for a lot of these kids,
344
880000
2000
att de bra lärarna, för många av dessa ungar,
14:57
are out in the community colleges,
345
882000
2000
bara kan arbeta på folkhögskolan.
14:59
but we need to be getting some of these good teachers into the high schools.
346
884000
3000
Vi måste få in dessa riktigt bra lärare i högstadiet, och på gymnasiet.
15:02
Another thing that can be very, very, very successful is
347
887000
3000
En annan sak som skulle kunna funka väldigt, väldigt bra
15:05
there is a lot of people that may have retired
348
890000
3000
är att det finns många som gått i pension
15:08
from working in the software industry, and they can teach your kid.
349
893000
3000
efter att ha arbetat med mjukvara, som skulle kunna lära ut saker.
15:11
And it doesn't matter if what they teach them is old,
350
896000
3000
Det gör ingen skillnad om vad de lär ut är lite föråldrat
15:14
because what you're doing is you're lighting the spark.
351
899000
3000
eftersom vad man behöver göra är endast att sätta igång processen.
15:17
You're getting that kid turned on.
352
902000
3000
Man aktiverar det barnet.
15:20
And you get him turned on, then he'll learn all the new stuff.
353
905000
3000
Så fort ungen är igång, så kan han eller hon börja lära sig nya saker.
15:23
Mentors are just essential.
354
908000
2000
Mentorer är väldigt viktiga.
15:25
I cannot emphasize enough
355
910000
2000
Jag måste verkligen understryka
15:27
what my science teacher did for me.
356
912000
3000
vad min naturvetenskapslärare gjorde för mig.
15:30
And we've got to mentor them, hire them.
357
915000
3000
Vi måste guida dem, och anställa dem.
15:33
And if you bring them in for internships in your companies,
358
918000
2000
Man måste ta in dem som praktikanter.
15:35
the thing about the autism, Asperger-y kind of mind,
359
920000
3000
Saken är dock med autism, eller Asperger-liknande sinnen
15:38
you've got to give them a specific task. Don't just say, "Design new software."
360
923000
3000
att man måste vara specifik. Man kan inte bara säga, "Designa något nytt."
15:41
You've got to tell them something a lot more specific:
361
926000
2000
Man måste ge dem en specifik uppgift. Kanske säga,
15:43
"Well, we're designing a software for a phone
362
928000
3000
"Tja, vi designar ju ett program för en mobiltelefon
15:46
and it has to do some specific thing.
363
931000
2000
och det måste göra något specifikt.
15:48
And it can only use so much memory."
364
933000
2000
Och det får bara använda en viss mängd resurser."
15:50
That's the kind of specificity you need.
365
935000
2000
Så specifik måste man vara.
15:52
Well, that's the end of my talk.
366
937000
2000
Ja, det var vad jag ville säga.
15:54
And I just want to thank everybody for coming.
367
939000
2000
Jag vill bara tacka alla för att ni kom.
15:56
It was great to be here.
368
941000
2000
Det var underbart att vara här.
15:58
(Applause)
369
943000
12000
(Applåder)
16:10
Oh, you've got a question for me? OK.
370
955000
3000
Jaha, du har en fråga åt mig? Okej.
16:13
(Applause)
371
958000
1000
(Applåder)
16:14
Chris Anderson: Thank you so much for that.
372
959000
4000
Chris Anderson: Tack så väldigt mycket!
16:18
You know, you once wrote, I like this quote,
373
963000
2000
Du vet, du skrev en gång, och jag älskar det här citatet,
16:20
"If by some magic, autism had been
374
965000
2000
"Om det skulle vara så att autism
16:22
eradicated from the face of the Earth,
375
967000
3000
hade försvunnit från mänskligheten
16:25
then men would still be socializing in front of a wood fire
376
970000
3000
skulle man fortfarande stå och snacka runt en eld
16:28
at the entrance to a cave."
377
973000
2000
vid ingången till en grotta."
16:30
Temple Grandin: Because who do you think made the first stone spears?
378
975000
2000
Temple Granding: Jamen, tänk dig vem som uppfann de första spjuten?
16:32
The Asperger guy. And if you were to get rid of all the autism genetics
379
977000
3000
Det var Aspergersnubben. Skulle man bli av med alla autistiska drag
16:35
there would be no more Silicon Valley,
380
980000
2000
skulle det inte finnas något Silicon Valley,
16:37
and the energy crisis would not be solved.
381
982000
2000
och energiproblemen skulle aldrig lösas.
16:39
(Applause)
382
984000
3000
(Applåder)
16:42
CA: So, I want to ask you a couple other questions,
383
987000
2000
CA: Jag skulle vilja fråga dig några fler frågor.
16:44
and if any of these feel inappropriate,
384
989000
2000
Och om någon av dem känns fel
16:46
it's okay just to say, "Next question."
385
991000
2000
så är det helt okej att bara säga, "Nästa fråga."
16:48
But if there is someone here
386
993000
2000
Men om det är någon här
16:50
who has an autistic child,
387
995000
2000
som har ett barn med autism
16:52
or knows an autistic child
388
997000
2000
eller känner någon som har det
16:54
and feels kind of cut off from them,
389
999000
3000
och känner sig som om det finns ett avstånd mellan dem
16:57
what advice would you give them?
390
1002000
2000
vad skulle du råda dem att göra?
16:59
TG: Well, first of all, you've got to look at age.
391
1004000
2000
TG: För det första måste man se till ålder.
17:01
If you have a two, three or four year old
392
1006000
2000
Vid två, tre eller fyra år
17:03
you know, no speech, no social interaction,
393
1008000
2000
ni vet, inget tal, inga sociala interaktioner
17:05
I can't emphasize enough:
394
1010000
2000
så måste jag understryka
17:07
Don't wait, you need at least 20 hours a week of one-to-one teaching.
395
1012000
4000
att man inte ska vänta, utan börja ge dem en privat lärare direkt.
17:11
You know, the thing is, autism comes in different degrees.
396
1016000
3000
Saken är att autism kommer i olika nivåer.
17:14
There's going to be about half the people on the spectrum
397
1019000
2000
Ungefär hälften av alla med diagnosen autismspektrum
17:16
that are not going to learn to talk, and they're not going to be working
398
1021000
2000
kommer inte att lära sig att prata, och kommer inte att arbeta i
17:18
Silicon Valley, that would not be a reasonable thing for them to do.
399
1023000
3000
Silicon Valley, det vore inte vettigt för dem att göra.
17:21
But then you get the smart, geeky kids
400
1026000
2000
Men sen har man de här smarta, nördiga barnen
17:23
that have a touch of autism,
401
1028000
2000
som några autismliknande drag
17:25
and that's where you've got to get them turned on
402
1030000
2000
och det är då man måste börja aktivera dem
17:27
with doing interesting things.
403
1032000
2000
med att göra intressanta saker.
17:29
I got social interaction through shared interest.
404
1034000
3000
Jag fick social interaktion genom ett delat intresse.
17:32
I rode horses with other kids, I made model rockets with other kids,
405
1037000
4000
Jag red hästar med andra barn. Jag byggde modellraketer med andra ungar,
17:36
did electronics lab with other kids,
406
1041000
2000
eller elektroniklabb
17:38
and in the '60s, it was gluing mirrors
407
1043000
2000
och på 60-talet handlade det om att limma fast speglar
17:40
onto a rubber membrane on a speaker to make a light show.
408
1045000
3000
på ett högtalarmembran för att göra en ljusshow.
17:43
That was like, we considered that super cool.
409
1048000
3000
Det tyckte vi var väldigt häftigt.
17:46
CA: Is it unrealistic for them
410
1051000
2000
CA: Är det orealistiskt för föräldrarna att hoppas
17:48
to hope or think that that child
411
1053000
2000
eller tro att barnet kommer att
17:50
loves them, as some might, as most, wish?
412
1055000
3000
älska dem, som de flesta skulle önska?
17:53
TG: Well let me tell you, that child will be loyal,
413
1058000
2000
TG: Jag kan säga att barnet kommer vara lojalt.
17:55
and if your house is burning down, they're going to get you out of it.
414
1060000
2000
Om huset brinner ned kommer de springa in och dra ut föräldrarna.
17:57
CA: Wow. So, most people, if you ask them
415
1062000
3000
CA: Men om man frågar de flesta människor
18:00
what are they most passionate about, they'd say things like,
416
1065000
2000
vad som betyder mest för dem, lär de säga
18:02
"My kids" or "My lover."
417
1067000
3000
"mina barn" eller "min partner".
18:05
What are you most passionate about?
418
1070000
3000
Vad betyder mest för dig?
18:08
TG: I'm passionate about that the things I do
419
1073000
2000
TG: För mig handlar det om de saker jag arbetar med
18:10
are going to make the world a better place.
420
1075000
2000
och att de ska göra världen till en bättre plats.
18:12
When I have a mother of an autistic child say,
421
1077000
2000
När ett autistiskt barns mamma kommer och säger,
18:14
"My kid went to college because of your book,
422
1079000
2000
"Mitt barn åkte till högskolan på grund av din bok,
18:16
or one of your lectures," that makes me happy.
423
1081000
2000
eller på grund av en av dina föreläsningar." blir jag väldigt glad.
18:18
You know, the slaughter plants, I've worked with them
424
1083000
3000
Ni vet, några av de slakterier jag jobbade med
18:21
in the '80s; they were absolutely awful.
425
1086000
2000
under 80-talet var helt fruktansvärda.
18:23
I developed a really simple scoring system for slaughter plants
426
1088000
4000
Jag utvecklade ett enkelt poängsystem för slakterier.
18:27
where you just measure outcomes: How many cattle fell down?
427
1092000
2000
Man fick mäta resultat: hur många kossor föll,
18:29
How many cattle got poked with the prodder?
428
1094000
2000
hur många kossor blev piskade,
18:31
How many cattle are mooing their heads off?
429
1096000
2000
hur många råmar skallen av sig?
18:33
And it's very, very simple.
430
1098000
2000
Det är väldigt enkelt.
18:35
You directly observe a few simple things.
431
1100000
2000
Man tar ett par enkla observationer.
18:37
It's worked really well. I get satisfaction out of
432
1102000
2000
Det har funkat väldigt bra. Jag blir nöjd med
18:39
seeing stuff that makes real change
433
1104000
3000
saker som verkligen förändrar något
18:42
in the real world. We need a lot more of that,
434
1107000
2000
i världen. Vi behöver mer sånt,
18:44
and a lot less abstract stuff.
435
1109000
2000
och mindre abstrakta grejer.
18:46
(Applause)
436
1111000
7000
(Applåder)
18:53
CA: When we were talking on the phone, one of the things you said that
437
1118000
2000
CA: När vi pratade över telefon sade du en sak
18:55
really astonished me was you said one thing
438
1120000
2000
som verkligen imponerade mig: du sade att
18:57
you were passionate about was server farms. Tell me about that.
439
1122000
4000
du verkligen brydde dig om internetservrar. Berätta mer om det.
19:01
TG: Well the reason why I got really excited when I read about that,
440
1126000
3000
TG: Något som verkligen uppmuntrade mig när jag läste om det
19:04
it contains knowledge.
441
1129000
3000
var att de innehåller så mycket kunskap.
19:07
It's libraries.
442
1132000
2000
De är rena bibliotek.
19:09
And to me, knowledge is something
443
1134000
2000
För mig är kunskap
19:11
that is extremely valuable. So, maybe, over 10 years ago
444
1136000
2000
oerhört värdefullt. För kanske 10 år sedan
19:13
now our library got flooded.
445
1138000
2000
översvämmades vårt lokala bibliotek.
19:15
And this is before the Internet got really big.
446
1140000
2000
Det här är alltså innan internet verkligen växte till sig.
19:17
And I was really upset about all the books being wrecked,
447
1142000
2000
Jag blev upprörd över alla böcker som förstördes,
19:19
because it was knowledge being destroyed.
448
1144000
2000
just eftersom det var kunskap som förstördes.
19:21
And server farms, or data centers
449
1146000
2000
Serverfarmar, eller datacenter
19:23
are great libraries of knowledge.
450
1148000
3000
är jättestora bibliotek med kunskap.
19:26
CA: Temple, can I just say it's an absolute delight to have you at TED.
451
1151000
3000
CA: Temple, jag vill bara säga att det har varit väldigt roligt att ha dig här.
19:29
TG: Well thank you so much. Thank you.
452
1154000
3000
TG: Tack så mycket! Tack.
19:32
(Applause)
453
1157000
6000
(Applåder)
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