Stuart Firestein: The pursuit of ignorance

1,337,880 views ・ 2013-09-24

TED


A videó lejátszásához kattintson duplán az alábbi angol feliratokra.

Fordító: Tibor B Lektor: Anna Patai
00:12
There is an ancient proverb that says
0
12495
3558
Van egy régi közmondás, amelyik azt mondja:
00:16
it's very difficult to find a black cat in a dark room,
1
16053
4062
Nagyon nehéz megtalálni egy fekete macskát egy sötét szobában,
00:20
especially when there is no cat.
2
20115
2788
főleg, ha nincs is ott a macska.
00:22
I find this a particularly apt description of science
3
22903
3329
Ez egy kifejezetten találó leírás a tudományról,
00:26
and how science works --
4
26232
2136
és arról, ahogy a tudomány működik:
00:28
bumbling around in a dark room, bumping into things,
5
28368
3320
botladozunk a sötét szobában, beleütközünk dolgokba
00:31
trying to figure out what shape this might be,
6
31688
2302
megpróbáljuk kitalálni, milyen formája lehet,
00:33
what that might be,
7
33990
1444
és mi lehet az.
00:35
there are reports of a cat somewhere around,
8
35434
2489
Voltak olyan hírek, hogy volt arra egy macska
00:37
they may not be reliable, they may be,
9
37923
1793
talán nem is igaz, vagy mégis -
00:39
and so forth and so on.
10
39716
1520
és így tovább, és így tovább.
00:41
Now I know this is different than the way most people
11
41236
1976
Tudom, hogy ez eléggé különbözik attól, ahogyan
00:43
think about science.
12
43212
1552
a legtöbb ember a tudományra gondol.
00:44
Science, we generally are told,
13
44764
1554
A tudományról általában azt gondoljuk, hogy
00:46
is a very well-ordered mechanism for
14
46318
2750
az egy nagyon jól szervezett gépezet, amely
00:49
understanding the world,
15
49068
1301
segíti megérteni a világot,
00:50
for gaining facts, for gaining data,
16
50369
2286
gyűjti a tényeket és az adatokat,
00:52
that it's rule-based,
17
52655
1553
szabályokon alapszik,
00:54
that scientists use this thing called the scientific method
18
54208
3241
a tudósok pedig használják ezt a tudományos módszertannak nevezett valamit,
00:57
and we've been doing this for 14 generations or so now,
19
57449
2839
és mi is ezt tesszük már vagy 14 generáció óta.
01:00
and the scientific method is a set of rules
20
60288
2571
A tudományos módszertan szabályok gyűjteménye arra,
01:02
for getting hard, cold facts out of the data.
21
62859
4192
hogyan jussunk el rideg, száraz tényekhez az adatokból.
01:07
I'd like to tell you that's not the case.
22
67051
2095
Szeretném elmondani nektek, hogy ez nem így megy.
01:09
So there's the scientific method,
23
69146
1832
Van ugye a tudományos módszertan,
01:10
but what's really going on is this. (Laughter)
24
70978
2319
és van az, ami helyette folyik. (nevetés)
01:13
[The Scientific Method vs. Farting Around]
25
73297
958
[Tudományos Módszertan kontra Szarakodás]
01:14
And it's going on kind of like that.
26
74255
3104
Valami ilyesmi történik. [Tudományos Módszertan kontra Szarakodás]
01:17
[... in the dark] (Laughter)
27
77359
1421
[... a sötétben] (Nevetés)
01:18
So what is the difference, then,
28
78780
4541
De mi is a különbség aközött,
01:23
between the way I believe science is pursued
29
83321
3816
ahogyan szerintem a tudományt űzik,
01:27
and the way it seems to be perceived?
30
87137
2861
és ahogyan ezt mások látják?
01:29
So this difference first came to me in some ways
31
89998
2715
Ezzel a különbséggel először a Columbia Egyetemen találkoztam,
01:32
in my dual role at Columbia University,
32
92713
2097
ahol kettős feladatom is van: professzor vagyok
01:34
where I'm both a professor and run a laboratory in neuroscience
33
94810
4155
és vezetem a neurológiai laboratóriumot is,
01:38
where we try to figure out how the brain works.
34
98965
2195
ahol megpróbáljuk kitalálni, hogyan működik az agy.
01:41
We do this by studying the sense of smell,
35
101160
2371
Tanulmányozzuk a szaglást,
01:43
the sense of olfaction, and in the laboratory,
36
103531
2531
a szaglóérzéket, és ez hatalmas élvezet
01:46
it's a great pleasure and fascinating work
37
106062
2634
és magával ragadó munka.
01:48
and exciting to work with graduate students and post-docs
38
108696
2871
Izgalmas együtt dolgozni a végzős hallgatókkal és a PhD-sekkel,
01:51
and think up cool experiments to understand how this
39
111567
2611
kieszelni menő kísérleteket, hogy megértsük, hogyan
01:54
sense of smell works and how the brain might be working,
40
114178
2386
működik a szaglás, és hogyan működhet az agy,
01:56
and, well, frankly, it's kind of exhilarating.
41
116564
2802
és ez - őszintén szólva - igazán felvillanyozó.
01:59
But at the same time, it's my responsibility
42
119366
2718
De ugyanakkor az én felelősségem az is,
02:02
to teach a large course to undergraduates on the brain,
43
122084
2949
hogy hosszú kurzusokat tartsak a hallgatóknak az agyról,
02:05
and that's a big subject,
44
125033
1075
ami elég nagy témakör,
02:06
and it takes quite a while to organize that,
45
126108
2391
és elég sok időt visz el a szervezése,
02:08
and it's quite challenging and it's quite interesting,
46
128499
2811
ami nagy kihívás és nagyon érdekes,
02:11
but I have to say, it's not so exhilarating.
47
131310
3557
de el kell, hogy mondjam - nem igazán felvillanyozó.
02:14
So what was the difference?
48
134867
1396
De akkor mi lehet a különbség?
02:16
Well, the course I was and am teaching
49
136263
2069
Nos a kurzust, amin tanítottam és tanítok, úgy hívják,
02:18
is called Cellular and Molecular Neuroscience - I. (Laughs)
50
138332
6464
hogy Celluláris és Molekuláris Neurobiológia - 1. (Nevetés)
02:24
It's 25 lectures full of all sorts of facts,
51
144796
4555
Ez 25 előadás, tele mindenféle tényekkel,
02:29
it uses this giant book called "Principles of Neural Science"
52
149351
4317
felhasználva az "Idegi Tudományok Alapjai" című hatalmas munkát,
02:33
by three famous neuroscientists.
53
153668
2334
amit három híres neurológus írt.
02:36
This book comes in at 1,414 pages,
54
156002
3781
Ez a könyv 1414 lapból áll
02:39
it weighs a hefty seven and a half pounds.
55
159783
2736
és masszívan 3 és fél kiló.
02:42
Just to put that in some perspective,
56
162519
1927
Hogy adjak egy más megközelítést is,
02:44
that's the weight of two normal human brains.
57
164446
3455
ez két átlagos emberi agy súlya.
02:47
(Laughter)
58
167901
3283
(Nevetés)
02:51
So I began to realize, by the end of this course,
59
171184
3267
Kezdtem rájönni a kurzus végére,
02:54
that the students maybe were getting the idea
60
174451
2248
hogy a hallgatókban kialakult egy olyan kép,
02:56
that we must know everything there is to know about the brain.
61
176699
3031
hogy mi már biztosan mindent tudunk az agyról, amit tudni lehet.
02:59
That's clearly not true.
62
179730
1762
De ez egyáltalán nem igaz.
03:01
And they must also have this idea, I suppose,
63
181492
2698
Szerintem még egy olyan ötletük is lehetett,
03:04
that what scientists do is collect data and collect facts
64
184190
3381
hogy a tudósok csak gyűjtögetik az adatokat és a tényeket
03:07
and stick them in these big books.
65
187571
2089
és beletöltik ezekbe a nagy könyvekbe.
03:09
And that's not really the case either.
66
189660
1407
És persze ez sem igaz.
03:11
When I go to a meeting, after the meeting day is over
67
191067
3303
Amikor egy egész napos értekezlet után
03:14
and we collect in the bar over a couple of beers with my colleagues,
68
194370
3097
összejövünk a kollégákkal néhány sörre a bárban,
03:17
we never talk about what we know.
69
197467
2201
sohasem arról beszélünk, amit tudunk,
03:19
We talk about what we don't know.
70
199668
2166
hanem arról, amit nem tudunk.
03:21
We talk about what still has to get done,
71
201834
2285
Arról beszélünk, hogy mivel kéne még elkészülni,
03:24
what's so critical to get done in the lab.
72
204119
2825
ami fontos lenne a laborban.
03:26
Indeed, this was, I think, best said by Marie Curie
73
206944
2557
Ezt szerintem legjobban Marie Curie fogalmazta meg,
03:29
who said that one never notices what has been done
74
209501
2419
amikor azt mondta: sohasem azt vesszük észre, amivel elkészültünk,
03:31
but only what remains to be done.
75
211920
1461
hanem azt, amit még kell tenni.
03:33
This was in a letter to her brother after obtaining
76
213381
2225
Ezt egy levelében írta bátyjának,
03:35
her second graduate degree, I should say.
77
215606
3718
miután megszerezte a második diplomáját.
03:39
I have to point out this has always been one of my favorite pictures of Marie Curie,
78
219324
2813
Hadd mutassak rá, hogy mindig ez volt a kedvenc Marie Curie fényképem,
03:42
because I am convinced that that glow behind her
79
222137
2303
mert meg vagyok győződve arról, hogy mögötte
03:44
is not a photographic effect. (Laughter)
80
224440
2738
a derengés nem egy fotós trükk. (Nevetés)
03:47
That's the real thing.
81
227178
1800
Valódi.
03:48
It is true that her papers are, to this day,
82
228978
4380
Az is igaz, hogy az írásait a mai napig egy alagsori
03:53
stored in a basement room in the Bibliothèque Française
83
233358
2879
szobában tárolják a Bibliothéque Francaise-ben,
03:56
in a concrete room that's lead-lined,
84
236237
2197
egy ólommal bélelt szobában,
03:58
and if you're a scholar and you want access to these notebooks,
85
238434
2652
és ha tudós vagy és hozzá akarsz férni ezekhez a jegyzetfüzetekhez,
04:01
you have to put on a full radiation hazmat suit,
86
241086
2749
akkor egy sugárvédő ruhát kell felvenned,
04:03
so it's pretty scary business.
87
243835
2351
vagyis ez elég rémisztő dolog.
04:06
Nonetheless, this is what I think we were leaving out
88
246186
2796
Azt hiszem, hogy az, amit kifelejtünk
04:08
of our courses
89
248982
1626
a kurzusokból,
04:10
and leaving out of the interaction that we have
90
250608
2526
és kifelejtünk, amikor tudósként érintkezünk
04:13
with the public as scientists, the what-remains-to-be-done.
91
253134
2973
a közönséggel, az amit még meg kell tenni.
04:16
This is the stuff that's exhilarating and interesting.
92
256107
2634
Ez az a dolog, ami igazán felvillanyozó és érdekes.
04:18
It is, if you will, the ignorance.
93
258741
2910
Ez, ha úgy akarad, a tudatlanság.
04:21
That's what was missing.
94
261651
979
Ez az, amit hiányolok.
04:22
So I thought, well, maybe I should teach a course
95
262630
2860
Ezért gondoltam, hogy talán kéne tartanom egy kurzust
04:25
on ignorance,
96
265490
2100
a tudatlanságról,
04:27
something I can finally excel at, perhaps, for example.
97
267590
3629
végre valami, amiben esetleg kitűnhetek.
04:31
So I did start teaching this course on ignorance,
98
271219
1878
Így beindítottam a kurzust a tudatlanságról,
04:33
and it's been quite interesting
99
273097
1096
ami elég érdekes lett,
04:34
and I'd like to tell you to go to the website.
100
274193
2086
szeretném, ha ti is megnéznétek a weboldalt.
04:36
You can find all sorts of information there. It's wide open.
101
276279
3636
Találhattok ott mindenféle információt. Szabadon elérhető.
04:39
And it's been really quite an interesting time for me
102
279915
3523
Ez tényleg nagyon érdekes időszak lett a számomra,
04:43
to meet up with other scientists who come in and talk
103
283438
1841
találkoztam más tudósokkal is, akik eljöttek
04:45
about what it is they don't know.
104
285279
1548
és beszéltek arról, amit nem tudnak.
04:46
Now I use this word "ignorance," of course,
105
286827
1985
A "tudatlanság" szót használom, ami, persze
04:48
to be at least in part intentionally provocative,
106
288812
3158
legalábbis részben, szándékosan provokatív,
04:51
because ignorance has a lot of bad connotations
107
291970
2390
mivel a tudatlansághoz sok rossz jelentés társul
04:54
and I clearly don't mean any of those.
108
294360
2005
pedig én egyikre sem gondolok.
04:56
So I don't mean stupidity, I don't mean a callow indifference
109
296365
3505
Nem gondolom ezt ostobaságnak, vagy éretlen közönynek
04:59
to fact or reason or data.
110
299870
2308
a tények, az okok vagy az adatok iránt.
05:02
The ignorant are clearly unenlightened, unaware,
111
302178
3271
A tudatlanok nyilván felvilágosulatlan, naiv,
05:05
uninformed, and present company today excepted,
112
305449
3307
tájékozatlan emberek, és nekem úgy tűnik, hogy gyakran ők foglalják
05:08
often occupy elected offices, it seems to me.
113
308756
2908
el a válogatott hivatalokat is - a jelenlévők persze kivételek.
05:11
That's another story, perhaps.
114
311664
1806
Persze, ez egy másik történet.
05:13
I mean a different kind of ignorance.
115
313470
1633
Egy másfajta tudatlanság.
05:15
I mean a kind of ignorance that's less pejorative,
116
315103
2268
Én egy olyan tudatlanságra gondolok, amely kevésbé pejoratív,
05:17
a kind of ignorance that comes from a communal gap in our knowledge,
117
317371
3487
egy olyan tudatlanság, amely tudásunk hiányosságából fakad,
05:20
something that's just not there to be known
118
320858
1865
valami, amit nem lehet ismerni,
05:22
or isn't known well enough yet or we can't make predictions from,
119
322723
2821
vagy még nem eléggé ismerünk, vagy még megjósolni sem tudunk.
05:25
the kind of ignorance that's maybe best summed up
120
325544
2318
Ezt a fajta tudatlanságot James Clark Maxwell
05:27
in a statement by James Clerk Maxwell,
121
327862
1845
összegezhette legjobban egy állításában,
05:29
perhaps the greatest physicist between Newton and Einstein,
122
329707
3449
aki talán a legnagyobb fizikus volt Newton és Einstein között.
05:33
who said, "Thoroughly conscious ignorance
123
333156
2301
"A tökéletesen öntudatos tudatlanság vezet
05:35
is the prelude to every real advance in science."
124
335457
2568
minden valódi tudományos haladáshoz."
05:38
I think it's a wonderful idea:
125
338025
1388
Szerintem ez egy csodálatos ötlet:
05:39
thoroughly conscious ignorance.
126
339413
3147
a tökéletesen öntudatos tudatlanság.
05:42
So that's the kind of ignorance that I want to talk about today,
127
342560
2421
Ez a fajta tudatlanság az, amiről ma beszélni akarok,
05:44
but of course the first thing we have to clear up
128
344981
1519
de először persze azt a dolgot kell tisztázni,
05:46
is what are we going to do with all those facts?
129
346500
2103
hogy mit is kezdünk azzal a rengeteg ténnyel?
05:48
So it is true that science piles up at an alarming rate.
130
348603
3674
Mert a tudomány riasztó mértékben halmozza a tényeket.
05:52
We all have this sense that science is this mountain of facts,
131
352277
2810
Mind éreztük már, hogy a tudomány csak tények halmaza,
05:55
this accumulation model of science, as many have called it,
132
355087
4036
ahogyan sokan nevezték, ez a tudomány felhalmozási modellje,
05:59
and it seems impregnable, it seems impossible.
133
359123
2451
ami úgy tűnik, bevehetetlen és képtelen.
06:01
How can you ever know all of this?
134
361574
1314
Hogyan lennél képes mindezt megismerni?
06:02
And indeed, the scientific literature grows at an alarming rate.
135
362888
3581
Csakugyan, a tudományos szakirodalom riasztó mértékben növekszik.
06:06
In 2006, there were 1.3 million papers published.
136
366469
3654
2006-ban 1,3 millió tanulmányt publikáltak.
06:10
There's about a two-and-a-half-percent yearly growth rate,
137
370123
2632
Az éves növekedés kb. 2 és fél százalékos,
06:12
and so last year we saw over one and a half million papers being published.
138
372755
4390
vagyis tavaly (2012) már több mint másfél milliót publikáltak.
06:17
Divide that by the number of minutes in a year,
139
377145
2230
Leosztva az év minden egyes percére,
06:19
and you wind up with three new papers per minute.
140
379375
3138
percenként 3 tanulmánnyal számolhatunk.
06:22
So I've been up here a little over 10 minutes,
141
382513
1482
Amíg itt állok egy kicsit több, mint tíz percig,
06:23
I've already lost three papers.
142
383995
1776
már három tanulmányt szalasztottam el.
06:25
I have to get out of here actually. I have to go read.
143
385771
2840
Tulajdonképpen már mennem is kell. Olvasni.
06:28
So what do we do about this? Well, the fact is
144
388611
3446
De mit is tehetük ezzel? Nos, az a helyzet,
06:32
that what scientists do about it is a kind of a controlled neglect, if you will.
145
392057
4509
hogy amit a tudósok tesznek, az egyfajta irányított hanyagság, ha úgy tetszik.
06:36
We just don't worry about it, in a way.
146
396566
2664
Egyszerűen nem aggódunk emiatt egy bizonyos fokig.
06:39
The facts are important. You have to know a lot of stuff
147
399230
2243
A tények fontosak. Egy csomó dolgot tudnod kell,
06:41
to be a scientist. That's true.
148
401473
1810
hogy tudós legyél. Ez igaz.
06:43
But knowing a lot of stuff doesn't make you a scientist.
149
403283
2927
De hiába ismersz egy csomó dolgot, attól még nem leszel tudós.
06:46
You need to know a lot of stuff to be a lawyer
150
406210
2665
Rengeteg dolgot kell tudnod, hogy ügyvéd,
06:48
or an accountant or an electrician or a carpenter.
151
408875
3892
könyvelő, villanyszerelő vagy ács legyél.
06:52
But in science, knowing a lot of stuff is not the point.
152
412767
3610
De a tudományban nem ez a lényeg.
06:56
Knowing a lot of stuff is there to help you get
153
416377
3556
Ha sok mindent tudsz, az segít abban, hogy
06:59
to more ignorance.
154
419933
1388
még tudatlanabb legyél.
07:01
So knowledge is a big subject, but I would say
155
421321
2510
Vagyis a tudás egy nagy témakör, de azt mondanám,
07:03
ignorance is a bigger one.
156
423831
2487
hogy a tudatlanság még nagyobb.
07:06
So this leads us to maybe think about, a little bit
157
426318
2194
Ez vezet el minket ahhoz, hogy egy kicsit átgondoljuk
07:08
about, some of the models of science that we tend to use,
158
428528
2883
azokat a tudományos modelleket, amiket hajlamosak vagyunk elhinni,
07:11
and I'd like to disabuse you of some of them.
159
431411
1825
de én szeretnélek titeket kiábrándítani.
07:13
So one of them, a popular one, is that scientists
160
433236
2313
Az egyik, talán a legnépszerűbb, hogy a tudósok
07:15
are patiently putting the pieces of a puzzle together
161
435549
2628
türelmesen rakosgatják egy puzzle darabjait,
07:18
to reveal some grand scheme or another.
162
438177
2773
hogy nagyszerű összefüggéseket tárjanak fel.
07:20
This is clearly not true. For one, with puzzles,
163
440950
2558
Ez egyáltalán nem igaz. Először is, a puzzle
07:23
the manufacturer has guaranteed that there's a solution.
164
443508
3499
gyártója garantálja, hogy van megoldás.
07:27
We don't have any such guarantee.
165
447007
1749
Nekünk nincs ilyen garanciánk.
07:28
Indeed, there are many of us who aren't so sure about the manufacturer.
166
448756
3155
Persze sokan még a gyártóban sem olyan biztosak.
07:31
(Laughter)
167
451911
3063
(Nevetés)
07:34
So I think the puzzle model doesn't work.
168
454974
1757
Szerintem a puzzle modell nem működik.
07:36
Another popular model is that science is busy unraveling things
169
456731
3514
Egy másik népszerű modell szerint a tudomány szorgosan bogozgatja a szálakat,
07:40
the way you unravel the peels of an onion.
170
460245
2196
ahogyan a hagyma héját is tisztítjuk.
07:42
So peel by peel, you take away the layers of the onion
171
462441
2989
Héjról-héjra eltávolítva a hagyma rétegeit,
07:45
to get at some fundamental kernel of truth.
172
465430
2319
eljuthatunk az igazság alapvető lényegéhez.
07:47
I don't think that's the way it works either.
173
467749
2187
Szerintem ez sem működik.
07:49
Another one, a kind of popular one, is the iceberg idea,
174
469936
2934
Még egy, szintén népszerű ötlet a jéghegy, vagyis
07:52
that we only see the tip of the iceberg but underneath
175
472870
2460
mi csak a jéghegy csúcsát látjuk, de alatta
07:55
is where most of the iceberg is hidden.
176
475330
2185
ott van a jéghegy nagyobb része elrejtve.
07:57
But all of these models are based on the idea of a large body of facts
177
477515
3554
Ezek a modellek a hatalmas tömegű tényanyag gondolatára alapoznak,
08:01
that we can somehow or another get completed.
178
481069
2420
amit mi, vagy valaki más befejezhet.
08:03
We can chip away at this iceberg and figure out what it is,
179
483489
3343
Szétmállaszthatjuk a jéghegyet és kitalálhatjuk, mi lehet ez,
08:06
or we could just wait for it to melt, I suppose, these days,
180
486832
2605
vagy csak megvárjuk, amíg elolvad, különösen mostanában,
08:09
but one way or another we could get to the whole iceberg. Right?
181
489437
3227
de így vagy úgy, a miénk lesz az egész jéghegy. Igaz?
08:12
Or make it manageable. But I don't think that's the case.
182
492664
2467
Vagy kezelhetővé válik. De nem hiszem, hogy így lenne.
08:15
I think what really happens in science
183
495131
2399
Ami a tudományban történik, az szerintem valójában
08:17
is a model more like the magic well,
184
497530
1830
olyan, mint egy varázskút,
08:19
where no matter how many buckets you take out,
185
499360
1837
ahol nem számít, mennyi vödör vizet húzol,
08:21
there's always another bucket of water to be had,
186
501197
2112
mindig megtölthetsz egy másik vödröt is vízzel.
08:23
or my particularly favorite one,
187
503309
2127
A személyes kedvencem,
08:25
with the effect and everything, the ripples on a pond.
188
505436
2939
hatásában és egyébként is, a fodrozódás a vízen.
08:28
So if you think of knowledge being this ever-expanding ripple on a pond,
189
508375
3127
Ha úgy tekintesz a tudásra, mint egy folytonosan terjedő hullámra,
08:31
the important thing to realize is that our ignorance,
190
511502
3382
akkor észreveheted, hogy tudatlanságunk, ami a tudás
08:34
the circumference of this knowledge, also grows with knowledge.
191
514884
3382
kerülete, együtt növekszik a tudással.
08:38
So the knowledge generates ignorance.
192
518266
2763
Vagyis a tudás idézi elő a tudatlanságot.
08:41
This is really well said, I thought, by George Bernard Shaw.
193
521029
2915
Nagyon jól mondta ezt George Bernard Show.
08:43
This is actually part of a toast that he delivered
194
523944
2677
Ez egy részlet abból a köszöntőből, amit egy
08:46
to celebrate Einstein at a dinner celebrating Einstein's work,
195
526621
3677
Einstein tiszteletére adott vacsorán mondott,
08:50
in which he claims that science
196
530298
1414
azt állítva, hogy a tudomány
08:51
just creates more questions than it answers. ["Science is always wrong. It never solves a problem without creating 10 more."]
197
531712
2265
több kérdést vet fel, mint amennyit megválaszol.
08:53
I find that kind of glorious, and I think he's precisely right,
198
533977
3542
Ez ragyogó, és úgy vélem, rendkívül igaz,
08:57
plus it's a kind of job security.
199
537519
2526
sőt még biztosítja a munkánkat is.
09:00
As it turns out, he kind of cribbed that
200
540045
2726
Kiderülhet persze, hogy csak lenyúlta az ötletet
09:02
from the philosopher Immanuel Kant
201
542771
1852
Immanuel Kanttól, a filozófustól,
09:04
who a hundred years earlier had come up with this idea
202
544623
2645
aki már száz évvel korábban előállt egy ötlettel
09:07
of question propagation, that every answer begets more questions.
203
547268
3808
a kérdések szaporodásáról, ami szerint minden válasz újabb kérdéseket vet fel.
09:11
I love that term, "question propagation,"
204
551076
2199
Imádom ezt a kifejezést, a "kérdések szaporodását",
09:13
this idea of questions propagating out there.
205
553275
2739
az eszmét, hogy a kérdések szaporodnak a világban.
09:16
So I'd say the model we want to take is not
206
556014
1887
Mondhatnám, hogy nem olyan modellt akarunk kapni,
09:17
that we start out kind of ignorant and we get some facts together
207
557901
3509
ahol elindulva egyfajta tudatlanságból, gyűjtögetve a tényeket
09:21
and then we gain knowledge.
208
561410
2143
végül elnyerjük a tudást.
09:23
It's rather kind of the other way around, really.
209
563553
2379
Ez tényleg nagyon különböző.
09:25
What do we use this knowledge for?
210
565932
1907
Mire használjuk ezt a tudást?
09:27
What are we using this collection of facts for?
211
567839
2528
Mire is használjuk az összegyűjtött tényeket?
09:30
We're using it to make better ignorance,
212
570367
2857
Arra használjuk, hogy javítsuk a tudatlanságot,
09:33
to come up with, if you will, higher-quality ignorance.
213
573224
3079
előálljunk, ha úgy tetszik, egy magas szintű tudatlansággal.
09:36
Because, you know, there's low-quality ignorance
214
576303
1872
Mivel, tudjuk, létezik az alacsony szintű
09:38
and there's high-quality ignorance. It's not all the same.
215
578175
2413
és a magas szintű tudatlanság. Egyáltalán nem ugyanaz.
09:40
Scientists argue about this all the time.
216
580588
2370
A tudósok állandóan erről vitatkoznak.
09:42
Sometimes we call them bull sessions.
217
582958
1965
Néha megbeszélésnek hívjuk.
09:44
Sometimes we call them grant proposals.
218
584923
1918
Néha ösztöndíj előterjesztésnek.
09:46
But nonetheless, it's what the argument is about.
219
586841
3508
De mindazonáltal, ez az, amiről a vita folyik.
09:50
It's the ignorance. It's the what we don't know.
220
590349
1844
A tudatlanság. Ez az, amit nem ismerünk.
09:52
It's what makes a good question.
221
592193
2690
Ez az, ami a jó kérdéseket felveti.
09:54
So how do we think about these questions?
222
594883
1630
Hogyan is gondolunk ezekre a kérdésekre?
09:56
I'm going to show you a graph that shows up
223
596513
1952
Mutatok egy grafikont, amely fellelhető
09:58
quite a bit on happy hour posters in various science departments.
224
598465
3867
egyes egyetemi tanszékek hirdetőtábláin is.
10:02
This graph asks the relationship between what you know
225
602332
4221
Ez a grafikon azt vizsgálja, hogy mi a viszony a között, amit tudsz
10:06
and how much you know about it.
226
606553
2190
és amennyit tudsz róla.
10:08
So what you know, you can know anywhere from nothing to everything, of course,
227
608743
3515
Az "amit tudsz", az az amit tudhatsz, valahol a semmitől a mindenig,
10:12
and how much you know about it can be anywhere
228
612258
1683
a "mennyit tudsz róla", pedig valahol
10:13
from a little to a lot.
229
613941
2423
a kevéstől a sokig.
10:16
So let's put a point on the graph. There's an undergraduate.
230
616364
4232
Tegyünk egy pontot a grafikonra. Az egy alsóéves hallgató.
10:20
Doesn't know much but they have a lot of interest.
231
620596
2364
Nem tud sokat, de tele van érdeklődéssel.
10:22
They're interested in almost everything.
232
622960
1691
Majdnem minden érdekli.
10:24
Now you look at a master's student, a little further along in their education,
233
624651
3454
Most lássunk egy végzőst, aki már tovább jutott a tanulmányaiban,
10:28
and you see they know a bit more,
234
628105
1351
és ahogy látod, már kicsit többet tud,
10:29
but it's been narrowed somewhat.
235
629456
1890
de már némileg szűkebben.
10:31
And finally you get your Ph.D., where it turns out
236
631346
2719
És végül eléri a PhD-t, ahol kiderül,
10:34
you know a tremendous amount about almost nothing. (Laughter)
237
634065
5105
hogy borzasztó sokat tud, de majdnem semmiről. (Nevetés)
10:39
What's really disturbing is the trend line that goes through that
238
639170
3781
Ami igazán zavaró, hogy a vonal még tovább is megy,
10:42
because, of course, when it dips below the zero axis, there,
239
642951
3775
hogy aztán ott a zéró tengely alá bukva,
10:46
it gets into a negative area.
240
646726
2262
elérje a negatív tartományt.
10:48
That's where you find people like me, I'm afraid.
241
648988
2915
Ott találni meg olyanokat mint én, attól tartok.
10:51
So the important thing here is that this can all be changed.
242
651903
3368
Fontos, hogy itt van az, ahol minden megváltozhat.
10:55
This whole view can be changed
243
655271
1804
Az egész nézőpont megváltozhat
10:57
by just changing the label on the x-axis.
244
657075
3161
azáltal, hogy kicseréljük az X-tengelyen a címkét.
11:00
So instead of how much you know about it,
245
660236
1917
A "mennyit tudsz róla" helyett
11:02
we could say, "What can you ask about it?"
246
662153
3541
legyen inkább "mit tudsz erről kérdezni?"
11:05
So yes, you do need to know a lot of stuff as a scientist,
247
665694
2867
És igen, tényleg sok mindent kell tudnod tudósként,
11:08
but the purpose of knowing a lot of stuff
248
668561
2629
de a sok minden tudásának a célja nem az,
11:11
is not just to know a lot of stuff. That just makes you a geek, right?
249
671190
2587
hogy sokat tudjál. Attól csak egy stréber leszel, ugye?
11:13
Knowing a lot of stuff, the purpose is
250
673777
2138
Ennek a sok tudásnak az a célja,
11:15
to be able to ask lots of questions,
251
675915
1676
hogy képes legyél sok kérdést feltenni,
11:17
to be able to frame thoughtful, interesting questions,
252
677591
3088
hogy képes legyél összerakni megfontolt, érdekes kérdéseket,
11:20
because that's where the real work is.
253
680679
1725
mivel ez az igazi munka.
11:22
Let me give you a quick idea of a couple of these sorts of questions.
254
682404
2552
Adok egy kis ízelítőt az ilyen kérdésekből.
11:24
I'm a neuroscientist, so how would we come up
255
684956
2163
Neurológus vagyok, vagyis javasolhatok
11:27
with a question in neuroscience?
256
687119
1431
egy neurológiai kérdést?
11:28
Because it's not always quite so straightforward.
257
688550
2669
Ez nem mindig igazán egyértelmű.
11:31
So, for example, we could say, well what is it that the brain does?
258
691219
2559
Például mondhatnánk, hogy mit is csinál az agy?
11:33
Well, one thing the brain does, it moves us around.
259
693778
1814
Nos, az egyik dolog, hogy mozgat minket.
11:35
We walk around on two legs.
260
695592
2005
Két lábon járunk.
11:37
That seems kind of simple, somehow or another.
261
697597
1851
Ez egyszerűen tűnik, így vagy úgy.
11:39
I mean, virtually everybody over 10 months of age
262
699448
2725
Úgy értem, látszólag mindenki, aki elmúlt 10 hónapos
11:42
walks around on two legs, right?
263
702173
2172
két lábon jár, ugye?
11:44
So that maybe is not that interesting.
264
704345
1391
Vagyis talán ez nem is olyan érdekes.
11:45
So instead maybe we want to choose something a little more complicated to look at.
265
705736
3148
Ehelyett talán valami bonyolultabbat akarunk megvizsgálni.
11:48
How about the visual system?
266
708884
2775
Legyen a látás?
11:51
There it is, the visual system.
267
711659
1627
Ez az, a látás.
11:53
I mean, we love our visual systems. We do all kinds of cool stuff.
268
713286
3248
Arra gondolok, imádjuk a látásunkat. Mindenféle menő dolgot csinál.
11:56
Indeed, there are over 12,000 neuroscientists
269
716534
3391
És tényleg, több mint 12.000 neurológus van,
11:59
who work on the visual system,
270
719925
1580
akik a retinától a látókéregig
12:01
from the retina to the visual cortex,
271
721505
2081
a látás vizsgálatán dolgoznak,
12:03
in an attempt to understand not just the visual system
272
723586
2565
hogy megkíséreljék megérteni nem csak a látást,
12:06
but to also understand how general principles
273
726151
3024
hanem az általános törvényszerűségeit annak is,
12:09
of how the brain might work.
274
729175
1951
hogyan működhet az agy.
12:11
But now here's the thing:
275
731126
1660
De van itt egy bökkenő:
12:12
Our technology has actually been pretty good
276
732786
2480
a technológia már elég jó abban,
12:15
at replicating what the visual system does.
277
735266
2590
hogy lemásoljuk a látás rendszerét.
12:17
We have TV, we have movies,
278
737856
3023
Van tévé, mozi,
12:20
we have animation, we have photography,
279
740879
2495
animáció, fotózás,
12:23
we have pattern recognition, all of these sorts of things.
280
743374
3151
alakfelismerés, mindenféle ezekből a dolgokból.
12:26
They work differently than our visual systems in some cases,
281
746525
2646
Bizonyos esetekben másképp működnek, mint a látásunk,
12:29
but nonetheless we've been pretty good at
282
749171
1591
de mégis eléggé jók vagyunk abban,
12:30
making a technology work like our visual system.
283
750762
3476
hogy a látáshoz hasonló technológiát készítsünk.
12:34
Somehow or another, a hundred years of robotics,
284
754238
2936
Így vagy úgy, a robotika 100 éve után
12:37
you never saw a robot walk on two legs,
285
757174
2266
sohasem láttunk robotot két lábon járni,
12:39
because robots don't walk on two legs
286
759440
2163
a robotok nem járnak két lábon,
12:41
because it's not such an easy thing to do.
287
761603
2390
mert ez mégsem olyan egyszerű dolog.
12:43
A hundred years of robotics,
288
763993
1528
A robotikában 100 éve után sem készült
12:45
and we can't get a robot that can move more than a couple steps one way or the other.
289
765521
3367
olyan robot, amely képes lenne néhány lépésnél többet megtenni.
12:48
You ask them to go up an inclined plane, and they fall over.
290
768888
2572
Ha megkérjük, hogy menjen fel egy ferde síkon, feldől.
12:51
Turn around, and they fall over. It's a serious problem.
291
771460
2004
Visszafordul és feldől. Ez elég komoly probléma.
12:53
So what is it that's the most difficult thing for a brain to do?
292
773464
3547
Akkor mi is a legbonyolultabb dolog az agy számára?
12:57
What ought we to be studying?
293
777011
1623
Mit kellene tanulmányoznunk?
12:58
Perhaps it ought to be walking on two legs, or the motor system.
294
778634
4295
Talán a két lábon járást, vagy a mozgásszervi rendszert.
13:02
I'll give you an example from my own lab,
295
782929
1735
Legyen egy példa a saját laboromból,
13:04
my own particularly smelly question,
296
784664
1725
egy különösen büdös kérdés,
13:06
since we work on the sense of smell.
297
786389
2099
mivel mi a szaglás működésével foglalkozunk.
13:08
But here's a diagram of five molecules
298
788488
3228
Itt van egy ábra 5 molekulával
13:11
and sort of a chemical notation.
299
791716
1510
és valamiféle kémiai jelölésekkel.
13:13
These are just plain old molecules, but if you sniff those molecules
300
793226
2996
Ezek egyszerű, jól ismert molekulák, de ha megszaglászod őket
13:16
up these two little holes in the front of your face,
301
796222
2470
az arcodon található két kis lyukkal,
13:18
you will have in your mind the distinct impression of a rose.
302
798692
3874
az elmédben felötlik egy rózsa határozott lenyomata.
13:22
If there's a real rose there, those molecules will be the ones,
303
802566
2158
Ha van ott egy valódi rózsa, akkor ezek azok a molekulák,
13:24
but even if there's no rose there,
304
804724
1560
de még ha nincs is ott a rózsa,
13:26
you'll have the memory of a molecule.
305
806284
1591
akkor is van egy emléked a molekuláról.
13:27
How do we turn molecules into perceptions?
306
807875
3104
Hogyan fordítjuk át a molekulát érzékeléssé?
13:30
What's the process by which that could happen?
307
810979
1857
Mi az a folyamat, amely ezt lehetővé teszi?
13:32
Here's another example: two very simple molecules, again in this kind of chemical notation.
308
812836
3960
Itt egy másik példa: két nagyon egyszerű molekula, újra a kémiai jelöléssel.
13:36
It might be easier to visualize them this way,
309
816796
2077
Így talán könnyebb megjeleníteni őket,
13:38
so the gray circles are carbon atoms, the white ones
310
818873
2794
a szürke körök a szén atomok, a fehérek
13:41
are hydrogen atoms and the red ones are oxygen atoms.
311
821667
2775
a hidrogén atomok, a vörösek az oxigén atomok.
13:44
Now these two molecules differ by only one carbon atom
312
824442
4298
A két molekula között a különbség mindössze egyetlen szén atom
13:48
and two little hydrogen atoms that ride along with it,
313
828740
2688
és a rajta kapaszkodó két kicsi hidrogén atom,
13:51
and yet one of them, heptyl acetate,
314
831428
1986
és mégis, az egyik, a heptil-acetát illata
13:53
has the distinct odor of a pear,
315
833414
2311
határozottan a körtéé,
13:55
and hexyl acetate is unmistakably banana.
316
835725
3839
a másik, a hexil-acetát, félreismerhetetlenül a banáné.
13:59
So there are two really interesting questions here, it seems to me.
317
839564
2557
Vagyis úgy tűnik, hogy itt van két valóban érdekes kérdés.
14:02
One is, how can a simple little molecule like that
318
842121
3215
Egy, hogyan képes egy ilyen egyszerű molekula,
14:05
create a perception in your brain that's so clear
319
845336
2468
mint ez, létrehozni az agyunkban
14:07
as a pear or a banana?
320
847804
1742
a körte vagy a banán élményét?
14:09
And secondly, how the hell can we tell the difference
321
849546
3121
Másodszor, hogy az ördögbe vagyunk képesek
14:12
between two molecules that differ by a single carbon atom?
322
852667
4315
különbséget tenni két molekula között, ami csak egy szén atomban különbözik?
14:16
I mean, that's remarkable to me,
323
856982
1646
Vagyis, ami igazán rendkívüli,
14:18
clearly the best chemical detector on the face of the planet.
324
858628
3032
hogy az arcunkon van a bolygó legjobb kémiai detektora.
14:21
And you don't even think about it, do you?
325
861660
2776
És mi még sohasem gondoltunk erre, ugye?
14:24
So this is a favorite quote of mine that takes us
326
864436
2617
Ez a kedvenc idézetem, ami visszavezet minket
14:27
back to the ignorance and the idea of questions.
327
867053
1746
a tudatlansághoz és a kérdések fogalmához.
14:28
I like to quote because I think dead people
328
868799
2019
Szeretek idézni, mert úgy vélem, a halottakat
14:30
shouldn't be excluded from the conversation.
329
870818
2543
sem kellene kizárni a beszélgetésből.
14:33
And I also think it's important to realize that
330
873361
1939
És persze fontosnak gondolom, hogy ráébredjünk,
14:35
the conversation's been going on for a while, by the way.
331
875300
2462
hogy a beszélgetés már folyik egy ideje.
14:37
So Erwin Schrodinger, a great quantum physicist
332
877762
2758
Erwin Schrödinger, a nagy kvantumfizikus
14:40
and, I think, philosopher, points out how you have to
333
880520
2566
és filozófus mutatott rá, hogy még
14:43
"abide by ignorance for an indefinite period" of time.
334
883086
3465
"határozatlan ideig el kell viselnünk a tudatlanságot".
14:46
And it's this abiding by ignorance
335
886551
1987
A tudatlanság elviselése az,
14:48
that I think we have to learn how to do.
336
888538
1666
amit szerintem meg kell tanulnunk.
14:50
This is a tricky thing. This is not such an easy business.
337
890204
2977
Ez egy ravasz dolog. Nem is igazán könnyű ügy.
14:53
I guess it comes down to our education system,
338
893181
1959
Ez talán az oktatási rendszerből származik,
14:55
so I'm going to talk a little bit about ignorance and education,
339
895140
2457
ezért beszélek egy kicsit a tudatlanságról és az oktatásról,
14:57
because I think that's where it really has to play out.
340
897597
2268
mivel ez az, ahol ezt tényleg végig kell csinálni.
14:59
So for one, let's face it,
341
899865
2267
Először is nézzünk szembe azzal,
15:02
in the age of Google and Wikipedia,
342
902132
3352
hogy a Google és a Wikipedia korában
15:05
the business model of the university
343
905484
1793
az egyetemek, és talán a középiskolák
15:07
and probably secondary schools is simply going to have to change.
344
907277
3421
működési modellje is változtatásra szorul.
15:10
We just can't sell facts for a living anymore.
345
910698
1901
Nem adhatunk el többé tényeket a megélhetésért.
15:12
They're available with a click of the mouse,
346
912599
2050
Mindezt el lehet érni egy kattintással,
15:14
or if you want to, you could probably just ask the wall
347
914649
2496
vagy ha akarod, egy napon talán a faltól is
15:17
one of these days, wherever they're going to hide the things
348
917145
1712
megkérdezheted, ha éppen oda rejtik el
15:18
that tell us all this stuff.
349
918857
1417
ezeket a dolgokat.
15:20
So what do we have to do? We have to give our students
350
920274
2883
Akkor mit kellene tennünk? Át kell adjuk a hallgatóknak
15:23
a taste for the boundaries, for what's outside that circumference,
351
923157
3896
a határok érzését, hogy mi van a tudás peremén túl,
15:27
for what's outside the facts, what's just beyond the facts.
352
927053
4308
mi van a tényeken kívül, mi van a tényeken túl.
15:31
How do we do that?
353
931361
2157
Hogy tegyük meg ezt?
15:33
Well, one of the problems, of course,
354
933518
1508
Nos, kiderült, hogy természetesen
15:35
turns out to be testing.
355
935026
2109
az egyik probléma a tesztelés.
15:37
We currently have an educational system
356
937135
2649
Van pillanatnyilag egy oktatási rendszer,
15:39
which is very efficient but is very efficient at a rather bad thing.
357
939784
3709
amelyik nagyon hatékony, de egy eléggé rossz dologban.
15:43
So in second grade, all the kids are interested in science,
358
943493
2974
Második osztályban minden gyereket érdekli a tudomány,
15:46
the girls and the boys.
359
946467
1263
a fiúkat és a lányokat is.
15:47
They like to take stuff apart. They have great curiosity.
360
947730
3974
Szeretnek szétszedni dolgokat. Nagyon kíváncsiak.
15:51
They like to investigate things. They go to science museums.
361
951704
2499
Szívesen kutatják a dolgokat. Múzeumba járnak.
15:54
They like to play around. They're in second grade.
362
954203
6188
Szívesen játszanak. Másodikosok.
16:00
They're interested.
363
960407
1494
Érdeklődőek.
16:01
But by 11th or 12th grade, fewer than 10 percent
364
961901
2934
De a 11. vagy 12. osztályban kevesebb mint 10 százalék
16:04
of them have any interest in science whatsoever,
365
964835
3075
mutat bármilyen tudományos érdeklődést, nem is szólva
16:07
let alone a desire to go into science as a career.
366
967910
2945
olyan vágyról, hogy tudományos karriert kezdjen.
16:10
So we have this remarkably efficient system
367
970855
2982
Vagyis van egy rendkívül hatékony rendszer,
16:13
for beating any interest in science out of everybody's head.
368
973837
3973
amely kiveri a tudományos érdeklődést a fejekből.
16:17
Is this what we want?
369
977810
1914
Ez az, amit akarunk?
16:19
I think this comes from what a teacher colleague of mine
370
979724
2342
Azt hiszem, ez abból származik, amit egy tanár kollégám
16:22
calls "the bulimic method of education."
371
982066
2722
úgy hívott, hogy "az oktatás bulimiás modellje."
16:24
You know. You can imagine what it is.
372
984788
1373
Ismeritek. El tudjátok képzelni, mi ez.
16:26
We just jam a whole bunch of facts down their throats over here
373
986161
2948
Lenyomunk egy egész csomó tényt a torkukon,
16:29
and then they puke it up on an exam over here
374
989109
2354
és aztán ők visszaöklendezik ezt egy vizsgán,
16:31
and everybody goes home with no added intellectual heft whatsoever.
375
991463
4579
majd mindenki hazamegy, bármilyen hozzáadott intellektuális érték nélkül.
16:36
This can't possibly continue to go on.
376
996042
2081
Ezt nem folytatódhat így tovább.
16:38
So what do we do? Well the geneticists, I have to say,
377
998123
2334
Akkor mit csináljunk? El kell mondjam, a genetikusoknak
16:40
have an interesting maxim they live by.
378
1000457
1983
van egy érdekes alapelvük, ami szerint élnek.
16:42
Geneticists always say, you always get what you screen for.
379
1002440
5252
Azt mondják, hogy mindig azt kapod, amit éppen keresel.
16:47
And that's meant as a warning.
380
1007692
2861
Ezt figyelmeztetésnek szánják.
16:50
So we always will get what we screen for,
381
1010553
2319
Vagyis mindig azt kapjuk, amit keresünk,
16:52
and part of what we screen for is in our testing methods.
382
1012872
3455
és ennek az egyik oldala a teszteléses módszer.
16:56
Well, we hear a lot about testing and evaluation,
383
1016327
3243
Nos, sokat hallunk tesztelésről és értékelésről,
16:59
and we have to think carefully when we're testing
384
1019570
2187
és gondosan át kellene gondolnunk, hogy amikor tesztelünk,
17:01
whether we're evaluating or whether we're weeding,
385
1021757
3087
akkor vajon értékelünk, vagy gyomlálunk?
17:04
whether we're weeding people out,
386
1024844
1459
Vajon csak kigyomláljuk az embereket,
17:06
whether we're making some cut.
387
1026303
3134
csak csökkentjük a létszámot?
17:09
Evaluation is one thing. You hear a lot about evaluation
388
1029437
2641
Az értékelés egy dolog. Sokkal hallottunk erről mostanában
17:12
in the literature these days, in the educational literature,
389
1032078
2910
a szakirodalomban, főleg az oktatási szakirodalomban,
17:14
but evaluation really amounts to feedback and it amounts
390
1034988
2958
de az értékelés valójában csak egy visszacsatolás,
17:17
to an opportunity for trial and error.
391
1037946
2154
ami alkalmat teremt a próbálgatásokra.
17:20
It amounts to a chance to work over a longer period of time
392
1040100
4494
Hosszú távon a visszajelzések esélyt teremtenek
17:24
with this kind of feedback.
393
1044594
1910
az újragondolásra.
17:26
That's different than weeding, and usually, I have to tell you,
394
1046504
2938
Ez más, mint a gyomlálás, és el kell mondjam, amikor
17:29
when people talk about evaluation, evaluating students,
395
1049442
2726
az emberek általában az értékelésről beszélnek -
17:32
evaluating teachers, evaluating schools,
396
1052168
2787
hallgatók, tanárok, iskolák vagy
17:34
evaluating programs, that they're really talking about weeding.
397
1054955
4161
programok értékeléséről, valójában gyomlálásról beszélnek.
17:39
And that's a bad thing, because then you will get what you select for,
398
1059116
4210
Ez pedig rossz dolog, mivel azt fogjuk kapni, amit keresünk,
17:43
which is what we've gotten so far.
399
1063326
1958
az, amit már eddig is megkaptunk.
17:45
So I'd say what we need is a test that says, "What is x?"
400
1065284
3441
Szerintem olyan tesztre van szükségünk, amiben a kérdésre: "Mi az X?"
17:48
and the answers are "I don't know, because no one does,"
401
1068725
3092
a válasz: "Nem tudom, mert senki sem tudja",
17:51
or "What's the question?" Even better.
402
1071817
1741
esetleg "Mi is a kérdés?" Még jobb.
17:53
Or, "You know what, I'll look it up, I'll ask someone,
403
1073558
2390
Vagy: "Te tudod, én majd utánanézek,
17:55
I'll phone someone. I'll find out."
404
1075964
2700
megkérdezek vagy felhívok valakit. Kiderítem."
17:58
Because that's what we want people to do,
405
1078664
1550
Mert azt akarjuk, hogy így tegyenek az emberek,
18:00
and that's how you evaluate them.
406
1080214
1371
ez az, ahogy értékelni tudjuk őket.
18:01
And maybe for the advanced placement classes,
407
1081585
1943
A kiemelt osztályok számára esetleg
18:03
it could be, "Here's the answer. What's the next question?"
408
1083528
3714
lehetne ilyen is: "Itt a válasz. Mi a következő kérdés?"
18:07
That's the one I like in particular.
409
1087242
1511
Ez az, amit igazán kedvelek.
18:08
So let me end with a quote from William Butler Yeats,
410
1088753
2177
Ezért hadd fejezzem be egy Yeats idézettel, aki
18:10
who said "Education is not about filling buckets;
411
1090930
3167
azt mondta: "Az oktatás nem arról szól, hogy vödröket töltögessünk,
18:14
it is lighting fires."
412
1094097
2153
hanem hogy tüzeket gyújtsunk."
18:16
So I'd say, let's get out the matches.
413
1096250
3875
Szóval, elő a gyufákkal.
18:20
Thank you.
414
1100125
1208
Köszönöm.
18:21
(Applause)
415
1101333
3227
(Taps)
18:24
Thank you. (Applause)
416
1104560
3816
Köszönöm. (Taps)
Erről a weboldalról

Ez az oldal olyan YouTube-videókat mutat be, amelyek hasznosak az angol nyelvtanuláshoz. A világ minden tájáról származó, kiváló tanárok által tartott angol leckéket láthatsz. Az egyes videók oldalán megjelenő angol feliratokra duplán kattintva onnan játszhatja le a videót. A feliratok a videó lejátszásával szinkronban gördülnek. Ha bármilyen észrevétele vagy kérése van, kérjük, lépjen kapcsolatba velünk ezen a kapcsolatfelvételi űrlapon.

https://forms.gle/WvT1wiN1qDtmnspy7