There is an ancient proverb that says it's very difficult to find a black cat in a dark room, especially when there is no cat. I find this a particularly apt description of science and how science works -- bumbling around in a dark room, bumping into things, trying to figure out what shape this might be, what that might be, there are reports of a cat somewhere around, they may not be reliable, they may be, and so forth and so on.
یک ضرب المثل قدیمی میگه پیدا کردن یه گربه سیاه توی اتاق تاریک خیلی سخته، مخصوصا وقتی که اصلا گربهای نباشه. من این تعریف مشخص از دانش رو مناسب دیدم و اینکه کار علمى چگونه است -- توی اتاق تاریک سکندری میخوری، و به چیزها میخوری، سعی میکنی بفهمی چه شکلیه، و چی میتونه باشه، گزارشی از گربهای که همین جاهاست، خیلی مطمئن نیستند، ممکنه باشه، و به همین صورت.
Now I know this is different than the way most people think about science. Science, we generally are told, is a very well-ordered mechanism for understanding the world, for gaining facts, for gaining data, that it's rule-based, that scientists use this thing called the scientific method and we've been doing this for 14 generations or so now, and the scientific method is a set of rules for getting hard, cold facts out of the data.
میدونم که این با چیزی که بیشتر مردم در باره علم فکر میکنند فرق میکنه. عموما به ما در باره علم گفته شده راهکار بسیار منظمی هست تا جهان را درک کنیم، حقایق را پیدا کنیم، اطلاعات را بدست آوریم، چیزی قاعده مند، این که داشمندان از چیزی به نام روش علمی استفاده میکنند که ما الان حدود ۱۴ نسل است که انجامش میدهیم، و روش علمی مجموعهای از قواعده تا حقایق درست و دقیق را از اطلاعات بدست آوریم.
I'd like to tell you that's not the case. So there's the scientific method, but what's really going on is this. (Laughter)
دوست دارم به شما بگم که اینطور نیست. پس روش علمی وجود دارد، اما آنچه واقعا اتفاق میافته اینه. ( خنده )
[The Scientific Method vs. Farting Around]
[ روش علمی در مقیاسه با گیج زدن]
And it's going on kind of like that.
و به نوعی ازش خوشم میاد.
[... in the dark] (Laughter)
[ .. در تاریکی] ( خنده )
So what is the difference, then, between the way I believe science is pursued and the way it seems to be perceived? So this difference first came to me in some ways in my dual role at Columbia University, where I'm both a professor and run a laboratory in neuroscience where we try to figure out how the brain works. We do this by studying the sense of smell, the sense of olfaction, and in the laboratory, it's a great pleasure and fascinating work and exciting to work with graduate students and post-docs and think up cool experiments to understand how this sense of smell works and how the brain might be working, and, well, frankly, it's kind of exhilarating.
پس فرقش چیه، از، بین راهی که فکر میکنم دانش دنبالشه و راهی که به نظر مشاهده میشه؟ این تفاوت اولش از چند راه به نظرم رسید در دو جایگاهی که در داشگاه کلمبیا دارم، جایی که هم یک استادم و هم آزمایشگاه عصب شناسی رو اداره میکنم جایی که میخواهیم بفهمیم که مغز چطور کار میکنه. ما این کار رو با بررسی بویایی انجام میدیم، حس بویایی، و در آزمایشگاه، این کار بسیار عالی و لذت بخشی هست و کار با فارغ التحصیلها و دانشجوهای دکتری تخصصی و پیدا کردن آزمایش های عالی برای فهمیدن اینکه حس بویایی چطور کار میکنه و احتمالا مغز چطور کار میکنه،هیجان انگیزه. و خوب، راستش رو بگم یه جورایی شادی بخشه.
But at the same time, it's my responsibility to teach a large course to undergraduates on the brain, and that's a big subject, and it takes quite a while to organize that, and it's quite challenging and it's quite interesting, but I have to say, it's not so exhilarating. So what was the difference? Well, the course I was and am teaching is called Cellular and Molecular Neuroscience - I. (Laughs) It's 25 lectures full of all sorts of facts, it uses this giant book called "Principles of Neural Science" by three famous neuroscientists. This book comes in at 1,414 pages, it weighs a hefty seven and a half pounds. Just to put that in some perspective, that's the weight of two normal human brains.
اما در همون وقت، مسئولیت من دادن درس سنگین در مورد مغز به دانشجوهاست، و این موضوع بزرگیه، و برنامهریزیاش وقت میگیره، بسیار چالشی و بسیار جالبه، اما باید بگم، خیلی شادی بخش نیست. خوب پس فرقش کجاست؟ خوب، من درس میدادم و میدهم اسمش عصب شناسی سلولی و مولکولی -۱ است، ( خنده حضار ) شامل ۲۵ درسه از تمامی انواع حقایق، و کتاب این درس اسمش «اصول عصب پژوهی» است که توسط سه عصب شناس معروف نوشته شده. این کتاب ۱،۴۱۴ صفحه است، و وزن سنگین سه کیلو چهارصد گرم. بگذارید کمی اون رو تصور کنیم، این وزن دو تا مغز معمولی انسانه.
(Laughter)
( خنده حضار )
So I began to realize, by the end of this course, that the students maybe were getting the idea that we must know everything there is to know about the brain. That's clearly not true. And they must also have this idea, I suppose, that what scientists do is collect data and collect facts and stick them in these big books. And that's not really the case either. When I go to a meeting, after the meeting day is over and we collect in the bar over a couple of beers with my colleagues, we never talk about what we know. We talk about what we don't know. We talk about what still has to get done, what's so critical to get done in the lab. Indeed, this was, I think, best said by Marie Curie who said that one never notices what has been done but only what remains to be done. This was in a letter to her brother after obtaining her second graduate degree, I should say.
پس متوجه شدم، که در پایان این درس، ممکنه که دانشجوها بفهمند که باید همه اینها رو برای فهمیدن مغز بدونند. مشخصا درست نیست. و فکر کنم، باید بفهمند، که کاری که داشمندان انحام میدهند، جمع آوری اطلاعات و واقعیتهاست و چسبوندنشون توی این کتابهای بزرگ. و هیچکدامشون مسئله اصلی نیستند. وقتی به یک جلسه میرم، بعد از تمام شدن روز جلسه وقتی که ما توی بار برای چند تا آبجو با همکارها جمع میشیم، هیچوقت در باره چیزهایی که میدونیم صحبت نمیکنیم. درباره چیزهایی که نمیدونیم صحبت میکنیم. در باره اینکه چه کارهایی هنوز باید انجام بشه صحبت میکنیم. اینکه موارد مهمی که باید در آزمایشگاه انجام بشه چیه. قطعا، ماری کوری چه خوب گفته که هیچکس به کارهایی که انجام شده توجه نمیکنه بلکه مهم، کارهایه که باقی مانده تا انجام بشه. این رو در نامهای به برادرش میگه بعد از آنکه دومین مدرکش را دریافت میکنه، باید بگم.
I have to point out this has always been one of my favorite pictures of Marie Curie, because I am convinced that that glow behind her is not a photographic effect. (Laughter) That's the real thing. It is true that her papers are, to this day, stored in a basement room in the Bibliothèque Française in a concrete room that's lead-lined, and if you're a scholar and you want access to these notebooks, you have to put on a full radiation hazmat suit, so it's pretty scary business.
باید اشاره کنم که این همیشه یکی از عکسهای مورد علاقه من از ماری کوریه، چون به نظر من اون نور پشتش یک کار عکاسی نیست. ( خنده ) یه چیز واقعیه. واقعا تحقیقات اون، تا امروز، که در اتاقی در زیر زمین Bibliothèque Française نگهداری میشه در یک اتاق بتونی که با سرب پوشیده شده، و اگر شما محققی باشی که بخواهی به این یادداشتها دسترسی پیدا کنی، باید یه لباس ضد تشعشع کامل بپوشی، پس یه کار ترسناکه.
Nonetheless, this is what I think we were leaving out of our courses and leaving out of the interaction that we have with the public as scientists, the what-remains-to-be-done. This is the stuff that's exhilarating and interesting. It is, if you will, the ignorance. That's what was missing.
با این وجود، این چیزیه که به نظرم در درسهایمون فراموش کرده ایم و فراموش کردن کردن تعاملاتی که با جامعه به عنوان دانشمند داریم، که کاری است که باید انجام بشه. اینها چیزهایی شادی بخش و جالبند. در واقع، این، نادانی است که از دست رفته.
So I thought, well, maybe I should teach a course on ignorance, something I can finally excel at, perhaps, for example. So I did start teaching this course on ignorance, and it's been quite interesting and I'd like to tell you to go to the website. You can find all sorts of information there. It's wide open. And it's been really quite an interesting time for me to meet up with other scientists who come in and talk about what it is they don't know.
پس، من فکر می کنم، شاید باید درسی در مورد نادانی بدهم. شاید مثلا، چیزی که می تونم واقعا در آن بسیار خوب باشم. پس شروع به دادن درس نادانی کردم، و خیلی جالب بود و دوست دارم تا ازتون بخواهم به وب سایت برید. و همه چیز رو اونجا پیدا می کنید. کاملا بازه. و واقعا زمان جالبی برای منه تا داشنمد های دیگر رو ببینم که میایند و صحبت می کنند در باره چیزهایی که نمی دانند.
Now I use this word "ignorance," of course, to be at least in part intentionally provocative, because ignorance has a lot of bad connotations and I clearly don't mean any of those. So I don't mean stupidity, I don't mean a callow indifference to fact or reason or data. The ignorant are clearly unenlightened, unaware, uninformed, and present company today excepted, often occupy elected offices, it seems to me. That's another story, perhaps.
البته من از کلمه «نادانی» استفاده می کنم، که حداقل عمدا کمی تحریک کننده باشه، چون نادانی معانی بد زیادی داره که مشخصا منظور من نیست. منظورم من حماقت نیست، منظورم یک بی توجهی خام به حقایق یا دلایل و اطلاعات نیست. شخص نادان، مشخصا نا آگاه است، بی توجه است، بی اطلاع است، و شرکت های موجود امروز اینطور نیستند، اغلب در دفاتر خاص مشغولند ، به نظر من. این موضوعی دیگری است، شاید.
I mean a different kind of ignorance. I mean a kind of ignorance that's less pejorative, a kind of ignorance that comes from a communal gap in our knowledge, something that's just not there to be known or isn't known well enough yet or we can't make predictions from, the kind of ignorance that's maybe best summed up in a statement by James Clerk Maxwell, perhaps the greatest physicist between Newton and Einstein, who said, "Thoroughly conscious ignorance is the prelude to every real advance in science." I think it's a wonderful idea: thoroughly conscious ignorance.
منظور من نوع دیگری از نادانی است. منظورم نوعی از نادانی است که کمتر تحقیر آمیز است، نوعی از نادانی که از شکاف اجتماعی در دانش ما ایجاد می شود، چیزی که تنها، برای فهمیدن آنجا نیست یا هنوز بخوبی فهمیده نشده یا نمی توانیم پیش بینیش کنیم، نوعی از نادانی که به بهترین نحو در جمله ای از جیمز کلارک ماکسول خلاصه شده، که شاید بزرگترین فیزیکدان میان نیوتن و انشتین بوده، و او گفته،« قطعا نادانی آگاهانه مقدمه ای بر هر پیشرفتی در دانش است.» به نظر من نظری عالی است: واقعا نادانی آگاهانه.
So that's the kind of ignorance that I want to talk about today, but of course the first thing we have to clear up is what are we going to do with all those facts? So it is true that science piles up at an alarming rate. We all have this sense that science is this mountain of facts, this accumulation model of science, as many have called it, and it seems impregnable, it seems impossible. How can you ever know all of this? And indeed, the scientific literature grows at an alarming rate. In 2006, there were 1.3 million papers published. There's about a two-and-a-half-percent yearly growth rate, and so last year we saw over one and a half million papers being published. Divide that by the number of minutes in a year, and you wind up with three new papers per minute. So I've been up here a little over 10 minutes, I've already lost three papers. I have to get out of here actually. I have to go read.
پس این نوعی از نادانی است که می خواهم در باره اش صحبت کنم. و مسلما اولین چیزی که باید مشخص کنیم اینه که با تمام این واقعیت ها می خواهیم چه کنیم؟ این یک واقعیته که دانش به مقدار زیادی در حال افزایشه. همه ما احساس می کنیم که دانش این کوه حقایقه، این مدل انباشته از علم، که خیلی ها این اسم رو می گویند، به نظر تسخیر نشدنی است، غیر ممکنه. چطور میتونی همه اش را یاد بگیری؟ و واقعا، مقالات علمی هم با میزان قابل توجهی اضافه می شوند. در ۲۰۰۶، ۱/۳میلیون مقاله منتشر شد. نرخ رشد سالانه حدود دو و نیم درصده، سال پیش دیدیم که بیش از یک و نیم میلیون مقاله منتشر شد. آن را بر تعداد دقیقه های یک سال تقسیم کنید، و نتیجه اش سه مقاله جدید علمی در دقیقه می شود. من حدود ۱۰ دقیقه است که این بالا هستم، تا حالا سه مقاله رو از دست داده ام. باید از اینجا برم. برم و بخونم.
So what do we do about this? Well, the fact is that what scientists do about it is a kind of a controlled neglect, if you will. We just don't worry about it, in a way. The facts are important. You have to know a lot of stuff to be a scientist. That's true. But knowing a lot of stuff doesn't make you a scientist. You need to know a lot of stuff to be a lawyer or an accountant or an electrician or a carpenter. But in science, knowing a lot of stuff is not the point. Knowing a lot of stuff is there to help you get to more ignorance. So knowledge is a big subject, but I would say ignorance is a bigger one.
پس برای این موضوع چه باید بکنیم؟ خوب در واقع آنچه داشمندان انجام می دهند نوعی از بی توجهی کنترل شده است. به نوعی، نگرانش نیستیم. واقعیت ها مهمند، و شما باید کلی چیز ها را بدونی تا یک دانشمند بشی. واقعا اینجوریه. اما دانستن کلی چیز شما رو یک دانشمند نمیکنه. شما برای وکیل شدن باید خیلی چیزها رو بدونید یا برای حسابدار یا برقکار یا نجار بودن. اما در علم، دانستن کلی چیز هدف نیست. دانستن خیلی چیزها برای این است که به نادانی بیشتری برسی. پس دانش موضوع بزرگی است، اما به نظر من نادانی بزرگتر است.
So this leads us to maybe think about, a little bit about, some of the models of science that we tend to use, and I'd like to disabuse you of some of them. So one of them, a popular one, is that scientists are patiently putting the pieces of a puzzle together to reveal some grand scheme or another. This is clearly not true. For one, with puzzles, the manufacturer has guaranteed that there's a solution. We don't have any such guarantee. Indeed, there are many of us who aren't so sure about the manufacturer.
پس این ما را به کمی فکر کردن درباره بعضی از مدلهای علمی که میخواهیم استفاده کنیم هدایت میکند، و میخواهم از اشتباه در بیاورمتان. یکی از آنها، یکی از معروفها، اینه که دانشمندان با حوصله و صبر بازی جورچین رو حل میکنند تا این ساختار اصلی و یا دیگری رو پیدا کنند. مشخصه که این درست نیست. در مورد جورچین، سازنده وجود راه حل رو تضمین میکنه. اما ما چنین تضمینی نداریم. در واقع، بسیاری از ما خیلی به سازنده اعتقاد نداریم.
(Laughter)
( خنده حضار )
So I think the puzzle model doesn't work.
پس به نظر من روش جورچین بدرد نمیخورد.
Another popular model is that science is busy unraveling things the way you unravel the peels of an onion. So peel by peel, you take away the layers of the onion to get at some fundamental kernel of truth. I don't think that's the way it works either. Another one, a kind of popular one, is the iceberg idea, that we only see the tip of the iceberg but underneath is where most of the iceberg is hidden. But all of these models are based on the idea of a large body of facts that we can somehow or another get completed. We can chip away at this iceberg and figure out what it is, or we could just wait for it to melt, I suppose, these days, but one way or another we could get to the whole iceberg. Right? Or make it manageable. But I don't think that's the case. I think what really happens in science is a model more like the magic well, where no matter how many buckets you take out, there's always another bucket of water to be had, or my particularly favorite one, with the effect and everything, the ripples on a pond. So if you think of knowledge being this ever-expanding ripple on a pond, the important thing to realize is that our ignorance, the circumference of this knowledge, also grows with knowledge. So the knowledge generates ignorance. This is really well said, I thought, by George Bernard Shaw. This is actually part of a toast that he delivered to celebrate Einstein at a dinner celebrating Einstein's work, in which he claims that science just creates more questions than it answers. ["Science is always wrong. It never solves a problem without creating 10 more."]
یک مدل معروف دیگر اینه که علم مشغول حل مشکلات است مثل اینکه شما لایههای پیاز رو از هم باز میکنید لایه به لایه، پوستههای پیاز رو باز میکنید تا به هسته اصلی واقعیت میرسید. به نظر من این هم درست نیست. یکی دیگر، که معروفه، نظریه کوه یخ است، که ما فقط نوک کوه یخ را میبینیم اما در زیر قسمت اصلی کوه یخ مخفی شده. اما همه این مدلها بر مبنای نظریه مقدار زیاد واقعیتهاست که ما بالاخره میتوانیم کاملش کنیم. میتوانیم این کوه یخ را بتراشیم و بفهمیم که چیه، یا به نظرم، این روزها، میتوانیم صبر کنیم تا آب بشه، اما از هر راهی می توانیم به کوه یخ برسیم. درسته؟ یا اون رو کنترل کنیم. اما فکر نمیکنم اینطور باشه. به نظر من آنچه واقعا در علم اتفاق میافته مدلیه که بیشتر شبیه چاه جادویی است، که مهم نیست چند سطل بیرون بکشی، همیشه میتوانی یه سطل دیگه هم بیرون بکشی، یا اونی که مشخصا دوست دارم، با تاثیرش و کلا همه چیزش، موج روی آبگیر. اگر تصور کنی که دانش مثل موجهای دایرهای روی یک آبگیره که از هم دور میشوند، موضوع مهم اینه که بفهمی که نادانی ما، که محیط این دانشه، همراه با دانش بزرگ میشه. پس دانش، نادانی تولید میکنه. به نظرم، این رو جورج برنارد شاو، به خوبی بیان کرده. این در واقع بخشی از آرزوی موفقیت او در بزرگداشت انشتین در مهمانی شامی به مناسبت کارهای انیشتین بود، که در آن عنوان کرد که علم تنها سوالات بیشتری رو به نسبت جواب ایجاد میکنه.
I find that kind of glorious, and I think he's precisely right, plus it's a kind of job security. As it turns out, he kind of cribbed that from the philosopher Immanuel Kant who a hundred years earlier had come up with this idea of question propagation, that every answer begets more questions. I love that term, "question propagation," this idea of questions propagating out there.
من این شکوه رو دیدهام، و به نظرم دقیقا راست میگه، به علاوه به نوعی یه تضمین شغلیه. همونطور که معلومه، یه جوری این رو از فیلسوف امانوئل کانت سرقت کرده که صد سال قبل این نظریه رو داده بود سوال تکثیر شدنی ، یعنی هر پاسخ سوالهای بیشتری رو ایجاد میکنه. من عبارت،« سوال تکثیر شدنی» را دوست دارم، این نظریه را که سوالها اونجا تکثیر میشه.
So I'd say the model we want to take is not that we start out kind of ignorant and we get some facts together and then we gain knowledge. It's rather kind of the other way around, really. What do we use this knowledge for? What are we using this collection of facts for? We're using it to make better ignorance, to come up with, if you will, higher-quality ignorance. Because, you know, there's low-quality ignorance and there's high-quality ignorance. It's not all the same. Scientists argue about this all the time. Sometimes we call them bull sessions. Sometimes we call them grant proposals. But nonetheless, it's what the argument is about. It's the ignorance. It's the what we don't know. It's what makes a good question.
پس به نظر من مدلی که باید انتخاب کنیم اینکه نوعی از نادانی را انتخاب کنیم وبعضی از واقعیتها را کنار هم بگذاریم و دانش ایجاد کنیم نیست. بلکه به نوعی عکس آن است، واقعا. ما چه استفاده ای از این دانش میکنیم؟ این جمع کردن واقعیت ها به چه درد میخورد؟ ما برای ساختن نادانی بیشتر از آن استفاده میکنیم، برای پیدا کردن، اگر بشود گفت، «نادانی با ارزش». چون که میدانی، نادانی بی ارزش هم وجود دارد و نادانی با ارزش هم وجود دارد، که مثل هم نیستند. دانشمندان دائما در این مورد بحث میکنند. بعضی وقتها به اون میگیم جلسههای شاخ به شاخ. بعضی وقتها پیشنهادهای تحصیلی. اما به هر صورت، این یک مباحثه است. این نادانی است. چیزی است که نمی دانیم. چیزی است که موجب سوال خوب میشود.
So how do we think about these questions? I'm going to show you a graph that shows up quite a bit on happy hour posters in various science departments. This graph asks the relationship between what you know and how much you know about it. So what you know, you can know anywhere from nothing to everything, of course, and how much you know about it can be anywhere from a little to a lot. So let's put a point on the graph. There's an undergraduate. Doesn't know much but they have a lot of interest. They're interested in almost everything. Now you look at a master's student, a little further along in their education, and you see they know a bit more, but it's been narrowed somewhat. And finally you get your Ph.D., where it turns out you know a tremendous amount about almost nothing. (Laughter) What's really disturbing is the trend line that goes through that because, of course, when it dips below the zero axis, there, it gets into a negative area. That's where you find people like me, I'm afraid.
پس ما در باره این سوالها چه فکری میکنیم؟ می خواهم یک نمودار نشانتان بدهم که مثل عکسی از زمان های شادمانی در واحد های مختف دانشگاهی است. این نمودار رابطه بین آنچه میدانی و اینکه چقدر در موردش میدونیه. خوب چه چیزی میدونی، مسلما میتونی هر میزانی بین هیچ چیز تا همه چیز را بدونی، و چقدر ازش می دونی میتونه از کم تا زیاد باشه. پس بذارید یک نقطه روی نمودار بگذاریم. این دانشجوست. خیلی نمیدونه ولی کلی علاقه داره. تقریبا به همه چیز علاقه داره. حالا به یک دانشجوی فوق لیسانس نگاه کن، کمی جلوتر در آموزششون، و میبینی که کمی بیشتر میدونند، کمی محدود شده. و در آخر یک دکتری رو میبینی و نتیجهاش اینه که خیلی زیاد در مورد هیچ چیز میدونی. (خنده ) چیزی که من رو واقعا اذیت میکنه مسیریه که ادامه پیدا میکنه چون، البته، وقتی زیر محور صفر میره، اینجا، وارد محدوده منفی میشه. به نظرم، این جاییه که آدمهایی مثل من رو پیدا میکنید.
So the important thing here is that this can all be changed. This whole view can be changed by just changing the label on the x-axis. So instead of how much you know about it, we could say, "What can you ask about it?" So yes, you do need to know a lot of stuff as a scientist, but the purpose of knowing a lot of stuff is not just to know a lot of stuff. That just makes you a geek, right? Knowing a lot of stuff, the purpose is to be able to ask lots of questions, to be able to frame thoughtful, interesting questions, because that's where the real work is.
چیز مهم اینجا اینه که همه این میتونه عوض بشه، همه این دیدگاه میتونه تغییر کنه تنها با تغییر اسم محور x. پس بجای چقدر در موردش میدونی، میتوانیم بگیم، « چی میتوانی ازش بپرسی؟» پس بله، واقعا باید کلی چیز به عنوان دانشمند بدونی، اما دلیل دونستن کلی چیز فقط دونستن کلی چیز نیست. این فقط تو رو یک خرخون می کنه، درسته؟ دونستن کلی چیز، هدف از اون اینه که بتونی کلی سوال بپرسی، تا بتونی سوال هایی از روی فکر و جالب بپرسی، چون این جای کار اصلیه.
Let me give you a quick idea of a couple of these sorts of questions. I'm a neuroscientist, so how would we come up with a question in neuroscience? Because it's not always quite so straightforward. So, for example, we could say, well what is it that the brain does? Well, one thing the brain does, it moves us around. We walk around on two legs. That seems kind of simple, somehow or another. I mean, virtually everybody over 10 months of age walks around on two legs, right? So that maybe is not that interesting. So instead maybe we want to choose something a little more complicated to look at. How about the visual system? There it is, the visual system. I mean, we love our visual systems. We do all kinds of cool stuff. Indeed, there are over 12,000 neuroscientists who work on the visual system, from the retina to the visual cortex, in an attempt to understand not just the visual system but to also understand how general principles of how the brain might work. But now here's the thing: Our technology has actually been pretty good at replicating what the visual system does. We have TV, we have movies, we have animation, we have photography, we have pattern recognition, all of these sorts of things. They work differently than our visual systems in some cases, but nonetheless we've been pretty good at making a technology work like our visual system. Somehow or another, a hundred years of robotics, you never saw a robot walk on two legs, because robots don't walk on two legs because it's not such an easy thing to do. A hundred years of robotics, and we can't get a robot that can move more than a couple steps one way or the other. You ask them to go up an inclined plane, and they fall over. Turn around, and they fall over. It's a serious problem. So what is it that's the most difficult thing for a brain to do? What ought we to be studying? Perhaps it ought to be walking on two legs, or the motor system. I'll give you an example from my own lab, my own particularly smelly question, since we work on the sense of smell. But here's a diagram of five molecules and sort of a chemical notation. These are just plain old molecules, but if you sniff those molecules up these two little holes in the front of your face, you will have in your mind the distinct impression of a rose. If there's a real rose there, those molecules will be the ones, but even if there's no rose there, you'll have the memory of a molecule. How do we turn molecules into perceptions? What's the process by which that could happen? Here's another example: two very simple molecules, again in this kind of chemical notation. It might be easier to visualize them this way, so the gray circles are carbon atoms, the white ones are hydrogen atoms and the red ones are oxygen atoms. Now these two molecules differ by only one carbon atom and two little hydrogen atoms that ride along with it, and yet one of them, heptyl acetate, has the distinct odor of a pear, and hexyl acetate is unmistakably banana. So there are two really interesting questions here, it seems to me. One is, how can a simple little molecule like that create a perception in your brain that's so clear as a pear or a banana? And secondly, how the hell can we tell the difference between two molecules that differ by a single carbon atom? I mean, that's remarkable to me, clearly the best chemical detector on the face of the planet. And you don't even think about it, do you?
بگذارید چند نمونه سریعی از این سوال ها رو نشونتون بدم. من یک عصب پژوهم، پس ما چطوری پرسشی رو در عصب شناسی پیدا میکنیم؟ چون معمولا خیلی سر راست نیستند. برای مثال، میتوانیم بگیم، خوب کار مغز چیه؟ خوب، کاری که مغز میکنه اینه که ما رو این اطراف حرکت میده. ما با دو پا راه میرویم. به نظر کاری ساده میرسه. منظورم اینه که، معمولا هر کسی با سن بالای ۱۰ ماه روی دو پاش راه میره، درسته؟ پس ممکنه این خیلی جالب به نظر نیاد. پس بجاش ممکنه بخواهید یه چیز پیچیدهتر رو انتخاب کنید. به نظرتون سیستم بینایی چطوره؟ هم اینجاست، سیستم بینایی. به نظرم، ما سیستم بیناییمان را خیلی دوست داریم. ما کلی کارهای خوب انجام میدهیم. در واقع حدود ۱۲/۰۰۰ عصب پژوه داریم که روی سیستم بینایی کار میکنند، از شبکیه تا قشر بینایی مغز، و تلاششون نه فقط فهم سیستم بینایی است بلکه درک قواعد عمومی اینکه مغز چطور کار میکنه. اما موضوع اینجاست: فناوری ما واقعا خیلی خوب تونسته سیستم بینایی رو بازسازی کنه. ما تلویزیون داریم، فیلم داریم، کارتون داریم، عکاسی داریم، الگو شناسی داریم، کلی از این چیزها. در بعضی موارد کارشون با سیستم بینایی ما فرق میکنه، با این وجود ما در ساخت فناوریهایی که شبیه سیستم بینایی ما کار کنه خوب عمل کردهایم. به هر حال، با وجود صد سال رباتیک، هیچ وقت رباتی را که روی دو پا راه برود را ندیدهاید، چون رباتها روی دو پا راه نمیروند چون کار سادهای نیست. صد سال رباتیک، و ما هنوز نمیتوانیم رباتی بسازیم که بیشتر از چند قدم راه برود. ازشون میخواهید که از یک سطح شیب دار بالا بروند و میافتند. برگردند، و میافتند. این یک مشکل بزرگه. پس سختترین کار برای مغز چیه؟ چه چیزی رو باید بررسی کنیم؟ شاید راه رفتن روی دو پا باشه، یا سیستم موتوری. برای شما مثالی از آزمایشگاه خودم میآورم، سوال خاص و بد بوی خودم، چون روی حس بویایی کار میکنیم. این نموداری از پنج مولکول است و شکلی از نمایش شیمیایی آنها، اینها مولکول های معمولی هستند، اما اگر بویشون کنید با این دو سوراخی که روی صورتتون هست، در ذهنتون تصویر مشخص گل سرخ را خواهید داشت. اگه اینجا یک گل سرخ واقعی باشه، این مولکولها همون هستند، حتی اگه گل سرخ اینجا نباشه، خاطره ای از یک مولکول را دارید. ما چطور یک مولکول را به ادراک تبدیل میکنیم؟ با چه فرایندی این اتفاق میافته؟ این یک مثال دیگه است: دو مولکول خیلی ساده، با این نمایش شیمیایی. این جوری نشان دادنشون سادهتره، دایرههای خاکستری اتمهای کربن هستند، سفیدها اتمهای هیدروژن هستند و قرمزها اتمهای اکسیژن. این دو مولکول تنها در یک اتم کربن متفاوتند و دو اتم کوچک هیدروژن که همراه اونهاست، و یکی از اونها، هپتیل استات، بوی مشخص گلابی میده، و بدون هیچ شکی هگزیل استات بوی موز میده. حالا به نظر من، ما دو سوال واقعا جالب داریم. یکی اینه که، چطوری یک مولکول ساده مثل این میتونه ادراکی در مغزتون به وضوح از یک گلابی یا موز ایجاد کنه؟ و دومی، آخه ما واقعا چطور میتونیم تفاوت بین دو مولکول رو که فقط یک اتم کربن فرق دارند، تشخیص بدهیم؟ منظورم اینه که، این واقعا برام جالبه، قطعا این بهترین تشخیص دهنده مواد شیمیایی روی کره زمینه. و حتی بهش فکر هم نمیکنید، درسته؟
So this is a favorite quote of mine that takes us back to the ignorance and the idea of questions. I like to quote because I think dead people shouldn't be excluded from the conversation. And I also think it's important to realize that the conversation's been going on for a while, by the way. So Erwin Schrodinger, a great quantum physicist and, I think, philosopher, points out how you have to "abide by ignorance for an indefinite period" of time. And it's this abiding by ignorance that I think we have to learn how to do. This is a tricky thing. This is not such an easy business.
خوب این بهترین نقل قول منه که ما رو به نادانی و اون سوال ها بر می گردونه. دوست دارم این جمله رو بگم چون به نظرم مرده ها نباید از گفتگو حذف بشوند. و فکر کنم این مهمه که بفهمیم این صحبت به هر حال مدتیه که ادامه داره. اروین شرودینگر، یک فیزیکدان بزرگ کوانتم و به نظر من، یک فیلسوف، اشاره میکنه که شما چطور باید «نادانی را برای مدتی نامعلوم پذیرا باشید». و این پذیرای نادانی بودن است که به نظرم باید انجام دادنش رو یاد بگیریم. موضوعی گول زننده است. و کار ساده ای نیست،
I guess it comes down to our education system, so I'm going to talk a little bit about ignorance and education, because I think that's where it really has to play out. So for one, let's face it, in the age of Google and Wikipedia, the business model of the university and probably secondary schools is simply going to have to change. We just can't sell facts for a living anymore. They're available with a click of the mouse, or if you want to, you could probably just ask the wall one of these days, wherever they're going to hide the things that tell us all this stuff.
به نظرم به نظام آموزشی ما بر می گرده، حالا میخواهم کمی در مورد نادانی و آموزش صحبت کنم، چون به نظرم جایی که باید واقعا اجرا بشه آنجاست. بذارید قبول کنیم، برای یک نفر، در دوران گوگل و ویکی پدیا، مدل کاری دانشگاه و احتمالا تحصیلات متوسطه خیلی راحت در حال تغییره. دیگه نمی تونیم با فروختن حقیقت زندگی کنیم. با یک کلیک ماوس میشه پیداشون کرد، یا اگه بخواهید، احتمالا همین روزها میتونید از دیوار بپرسید که هر چیزی رو که بخواهند مخفی کنند همه رو برامون بگه.
So what do we have to do? We have to give our students a taste for the boundaries, for what's outside that circumference, for what's outside the facts, what's just beyond the facts.
پس باید چکار کنیم؟ باید به دانشجو هایمون درکی از مرزها بدیم، که بیرون این شرایط چیه، خارج از واقعیتها چیه، چه چیزی فراتر از واقعیته.
How do we do that? Well, one of the problems, of course, turns out to be testing. We currently have an educational system which is very efficient but is very efficient at a rather bad thing. So in second grade, all the kids are interested in science, the girls and the boys. They like to take stuff apart. They have great curiosity. They like to investigate things. They go to science museums. They like to play around. They're in second grade. They're interested. But by 11th or 12th grade, fewer than 10 percent of them have any interest in science whatsoever, let alone a desire to go into science as a career. So we have this remarkably efficient system for beating any interest in science out of everybody's head.
چطور این کار رو بکنیم؟ خوب، یکی از مشکلات، البته، معلوم شده که امتحانه. ما الان یک سیستم آموزشی داریم که کارایی بالایی داره ولی در یک چیز بد. در کلاس دوم، همه بچهها به علم علاقهمندند، دخترها و پسرها، دوست دارند چیز ها رو خورد کنند. کنجکاوی زیادی دارند. دوست دارند تحقیق کنند. به موزههای علوم میرند. دوست دارند بازی کنند. کلاس دومند. علاقه مندند. اما در کلاس ۱۱ یا ۱۲، کمتر از ۱۰ درصد از اونها در کل هیچ علاقه ای به علم دارند، تنها علاقه دنبال کردن علم به عنوان یک شغله. پس مشخصا این سیستم کارامد رو داریم که کلا علاقه به علم رو در هر آدمی از بین ببره.
Is this what we want? I think this comes from what a teacher colleague of mine calls "the bulimic method of education." You know. You can imagine what it is. We just jam a whole bunch of facts down their throats over here and then they puke it up on an exam over here and everybody goes home with no added intellectual heft whatsoever.
این چیزیه که میخواهیم؟ فکر کنم یکی از همکارهای استاد من این رو گفته اسمش رو گذاشته « آموزش به روش پرخوری» خودت میدونی. می دونی که چیه. ما فقط اطلاعات رو توی گلویشون از اینجا فرو میکنیم و بعد اونها موقع امتحان اون رو اینجا استفراغ میکنند و همگی بدون هیچ ارزش فکری میرند خونشون.
This can't possibly continue to go on. So what do we do? Well the geneticists, I have to say, have an interesting maxim they live by. Geneticists always say, you always get what you screen for. And that's meant as a warning. So we always will get what we screen for, and part of what we screen for is in our testing methods. Well, we hear a lot about testing and evaluation, and we have to think carefully when we're testing whether we're evaluating or whether we're weeding, whether we're weeding people out, whether we're making some cut. Evaluation is one thing. You hear a lot about evaluation in the literature these days, in the educational literature, but evaluation really amounts to feedback and it amounts to an opportunity for trial and error. It amounts to a chance to work over a longer period of time with this kind of feedback. That's different than weeding, and usually, I have to tell you, when people talk about evaluation, evaluating students, evaluating teachers, evaluating schools, evaluating programs, that they're really talking about weeding. And that's a bad thing, because then you will get what you select for, which is what we've gotten so far.
احتمالا این روش نمیتونه ادامه پیدا کنه. پس باید چکار کنیم؟ باید بگم که داشمندان ژنتیک، روش جالبی در زندگی دارند. داشمندان ژنتیک میگویند، در غربال گری چیزی که دنبالشی را پیدا میکنی. و منظورشون یک اخطاره. پس ما همیشه چیزی رو که غربال گری کنیم رو پیدا میکنیم، و بخشی از چیزی که غربال میکنیم روشهای امتحانی ماست. خوب، حرف های زیادی در باره امتحان و آزمون زده میشه، و باید موقع امتحان گرفتن خیلی مواظب باشیم که آیا ارزیابی میکنیم با وجین، آیا آدمها را مثل علف هرز بیرون میریزیم، آیا برش میزنیم. ارزیابی یک چیز است. خیلی درباره ارزیابی در مقالات این روزها، در مقالات آموزشی صحبت میشود، اما ارزیابی واقعا موجب بازخورد و موجب داشتن فرصت صحیح و خطا میشود. باعث داشتن فرصت برای کار طولانیتر میشود با این نوع از بازخوردها. این با وجین علف هرز فرق میکند، و معمولا، باید به شما بگم، وقتی مردم درباره ارزیابی صحبت میکنند، ارزیابی دانشجوها، ارزیابی استادها، ارزیابی مدرسهها، ارزیابی برنامهها، واقعا منظورشون وجین علفهاست. و این چیز بدیه، چون همانی رو بدست میاری که خواستهای، و این همون نتیجهای است که تا حالا گرفتیم.
So I'd say what we need is a test that says, "What is x?" and the answers are "I don't know, because no one does," or "What's the question?" Even better. Or, "You know what, I'll look it up, I'll ask someone, I'll phone someone. I'll find out." Because that's what we want people to do, and that's how you evaluate them. And maybe for the advanced placement classes, it could be, "Here's the answer. What's the next question?" That's the one I like in particular.
پس به نظرم امتحانی میخواهیم که بگه «x چیه؟» و جوابش اینه « نمیدونم، چون هیچکس نمیدونه،» یا حتی بهتر « سوال چیه؟». یا، « ببین، دنباش میگردم، از یکی میپرسم، یه کسی تلفن میکنم، جوابش رو پیدا میکنم.» چون این کاریه که میخواهیم آدمها انجام بدهند، و اینجوری باید ارزیابی بشن. و شاید برای کلاسهای تعیین سطح پیشرفته، میتونه این باشه، « جواب اینه، سوال بعدی چیه؟» من این یکی رو بخصوص دوست دارم.
So let me end with a quote from William Butler Yeats, who said "Education is not about filling buckets; it is lighting fires."
خوب بگذارید با جمله ای از ویلیام باتلر ییتس تمام کنم، که گفت «آموزش پر کردن سطلها نیست؛ روشن کردن آتش است.»
So I'd say, let's get out the matches. Thank you.
میخواهم بگم، بیایید کبریتها رو در بیاریم. متشکرم.
(Applause)
( تشویق حضار )
Thank you. (Applause)
متشکرم. (تشویق حضار )