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.
มันมีสำนวนโบราณกล่าวไว้ว่า มันยากที่จะตามหาแมวดำในห้องมืด โดยเฉพาะอย่างยิ่งเมื่อมันไม่มีแมว ผมพบว่า นี่มันค่อนข้างที่จะเป็นนิยามจำเพาะของวิทยาศาสตร์ และวิถีของวิทยาศาสตร์ ว่าทำงานเช่นไร โซเซปัดเป๋ไปเรื่อยในห้องมืด ชนเข้ากับอะไรนู่นนี่ พยายามที่จะเข้าใจว่ามันอาจเป็นรูปทรงแบบนี้ หรือแบบนั้น มันมีรายงานว่าแมวมันอยู่แถวๆนี้แหละ รายงานพวกนี้อาจน่าเชื่อถือ หรืออาจจะไม่ และอะไรแนวนั้น
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.
ทีนี้ ผมรู้ว่านี่มันแตกต่างจากสิ่งที่คนทั่วไป คิดถึงวิทยาศาสตร์ พวกเรามักได้รับการบอกว่า วิทยาศาสตร์ เป็นกระบวนการที่มีการจัดวางอย่างมีระเบียบ เพื่อที่จะทำความเข้าใจโลก เพื่อที่จะได้มาซึ่งข้อเท็จจริง และข้อมูล ที่อยู่บนพื้นฐานของกฎ ซึ่งนักวิทยาศาสตร์ใช้สิ่งที่เรียกว่า "วิธีการทางวิทยาศาสตร์" และพวกเราก็ทำอย่างนี้กันมากว่า 14 ชั่วคนแล้ว และวิธีการทางวิทยาศาสตร์ก็เป็นกฎชุดหนึ่ง สำหรับการดึงเอาข้อเท็จจริงแบบเน้นๆจากข้อมูล
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)
ผมอยากที่จะบอกคุณว่า นั่นไม่ใช่นะครับ คือวิธีการทางวิทยาศาสตร์น่ะมันก็มี แต่ที่มันเกิดขึ้นจริงๆแล้วเนี่ย มันเป็นแบบนี้ (เสียงหัวเราะ)
[The Scientific Method vs. Farting Around]
[วิธีการทางวิทยาศาสตร์ ปะทะ ตดเรี่ยราด]
And it's going on kind of like that.
และมันก็เป็นอะไรแนวๆนั้น
[... in the dark] (Laughter)
[... ในที่มืด] (เสียงหัวเราะ)
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.
แล้วมันต่างกันอย่างไรล่ะ ระหว่างวิธีการที่ผมเชื่อว่า มันทำให้ได้มาซึ่งวิทยาศาสตร์ กับรูปแบบที่คนทั่วไปรับรู้เข้าใจมัน ความแตกต่างนี้ได้เข้ามาหาผมในรูปแบบหนึ่ง ในหน้าที่ของผมที่มหาวิทยาลัยโคลัมเบีย (Columbia University) ที่ซึ่งผมเป็นทั้งศาสตราจารย์ และผู้กำกับห้องปฎิบัติการทางประสาทวิทยา ที่ซึ่งเราพยายามจะเข้าใจว่าสมองทำงานอย่างไร พวกเราทำโดยศึกษาประสาทการรับกลิ่น ประสาทการดมกลิ่น และในห้องทดลอง มันเป็นงานที่น่าตื่นเต้นและมีความสุขที่ได้ทำ และมันก็ตื่นเต้นที่ได้ทำงานกับนักเรียนปริญญาโท และนักวิจัยหลังปริญญาเอก และออกแบบการทดลองเจ๋งๆ เพื่อที่จะเข้าใจ ว่าประสาทการรับกลิ่นนั้นทำงานอย่างไร และสมองน่าจะทำงานเช่นไร และว่ากันตามจริง มันก็น่าสำเริงสำราญใจทีเดียว
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.
แต่ในเวลาเดียวกัน มันก็เป็นความรับผิดชอบของผม ที่จะสอนเรื่องเกี่ยวกับสมองให้กับนักเรียนปริญญาตรี ในชั้นเรียนขนาดใหญ่ และมันก็เป็นวิชาที่สำคัญ ที่ต้องใช้เวลาสักช่วงหนึ่งในการจัดระเบียบมัน และมันก็ค่อนข้างที่จะท้าทาย และค่อนข้างที่จะน่าสนใจ แต่ผมต้องบอกว่า มันไม่น่าเริงรมย์สักเท่าไร อะไรกันล่ะที่ต่างกัน วิชาที่ผมสอนตอนนั้นและตอนนี้ คือวิชา ประสาทวิทยาระดับเซลล์และโมเลกุล ผม - (เสียงหัวเราะ) มันประกอบด้วยการบรรยาย 25 ครั้ง เต็มไปด้วยข้อมูลมากมาย มันใช้หนังสือขนาดยักษ์ที่เรียกว่า "ประสาทวิทยาพิ้นฐาน" โดยนักประสาทวิทยาชื่อดังสามท่าน หนังสือเล่มนี้มี 1,414 หน้า หนาหนักถึง 7.5 ปอนด์ ถ้าจะลองพูดให้เห็นภาพ มันหนักเท่ากับสมองคนปกติสองก้อน
(Laughter)
(เสียงหัวเราะ)
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.
ผมก็เลยเริมคิดได้ ตอนใกล้ๆจบหลักสูตร ว่าพวกนักเรียนบางทีอาจได้ความคิด ว่าเราต้องรู้ทุกสิ่งทุกอย่างที่มีอยู่ เพื่อที่รู้เรื่องสมอง นั่นมันไม่จริงเลย และพวกเขาต้องมีความคิดนี้ ผมว่านะ ว่าสิ่งที่นักวิทยาศาสตร์ทำคือการเก็บข้อมูล และรวบรวมข้อเท็จจริง และติดพวกมันลงในหนังสือเล่มใหญ่ และนั่นก็ไม่ใช่เช่นกัน เมื่อผมไปประชุม หลังจากเสร็จสิ้นวันประชุม และพวกเราก็ไปรวมตัวกันในบาร์ พร้อมกับเบียร์สองสามแก้วกับเพื่อนร่วมงาน พวกเราไม่เคยพูดเกี่ยวกับสิ่งที่เรารู้ เราพูดเกี่ยวกับสิ่งที่เราไม่รู้ เราพูดเกี่ยวกับสิ่งที่ยังต้องทำให้สำเร็จ อะไรเป็นสิ่งสำคัญที่ต้องจัดการทำในห้องทดลอง แน่ล่ะ ผมคิดว่านี่เป็นคำกล่าวที่ดีที่สุด ของมารี คูรี (Marie Curie) ผู้ซึ่งกล่าวว่า เราไม่เคยสังเกตว่ามีอะไรต้องทำ มีก็แต่สิ่งที่เหลืออยู่ที่ต้องทำ มันอยู่ในจดหมายถึงน้องชายของเธอหลังจากเธอได้รับ ปริญญาโทใบที่สอง ผมว่านะ
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.
ผมต้องขอบอกว่า นี่เป็นภาพของมารี คูรี ที่ผมชอบมากที่สุดตลอดกาล เพราะว่าผมเชื่อว่าที่เรืองแสงอยู่ข้างหลังเธอน่ะ ไม่ได้เกิดจากเทคนิคการถ่ายภาพ (เสียงหัวเราะ) มันเป็นของแท้แน่นอน มันจริงที่ว่างานตีพิมพ์ของเธอเป็นแบบนั้นถึงปัจจุบัน พวกมันถูกเก็บอยู่ในห้องใต้ดินในหอสมุดแห่งชาติฝรั่งเศส (Bibliothèque Française) ในห้องคอนกรีตที่มีโครงเป็นตะกั่ว และถ้าคุณเป็นนักวิชาการ และคุณต้องการที่จะใช้สมุดบันทึกเหล่านี้ คุณต้องสวมใส่ชุดป้องกันรังสีแบบเต็มยศ มันค่อนข้างจะน่ากลัวเลยครับ
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.
ไม่ว่าอย่างไรก็ดี นี่คือสิ่งที่ผมคิดว่าพวกเราละทิ้งไม่สนใจ ในวิชาของเรา และตัดการมีปฎิสัมพันธ์ ที่เรามีกับสาธารณะในฐานะนักวิทยาศาสตร์ นี่เป็นสิ่งที่เหลืออยู่ที่ต้องทำ นี่คือสิ่งที่มีชีวิตชีวาและน่าสนใจ ถ้าคุณจะยอมนะ มันคือความเขลา นั่นคือสิ่งที่หายไป
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.
ผมจึงคิดว่า เอาล่ะ บางที ผมควรที่จะสอนวิชา เกี่ยวกับความเขลา บางที อะไรบางอย่างที่ผมสามารถจะเป็นเลิศได้ในที่สุด เป็นต้น ผมก็เริ่มสอนวิชานี้เกี่ยวกับความเขลา และมันก็ค่อนข้างที่จะน่าสนใจ และผมอยากที่จะบอกคุณให้ไปที่เว็บไซต์ คุณสามารถหาข้อมูลทุกอย่างได้ที่นั่น มันเปิดกว้างให้ทุกคน และมันก็เป็นเวลาที่ค่อนข้างจะน่าสนใจจริงๆสำหรับผม ที่ได้พบปะกับนักวิทยาศาสตร์คนอื่นๆ ผู้ที่เข้ามาและพูดคุย เกี่ยวกับสิ่งที่เขาไม่รู้
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.
ทีนี้ ผมใช้คำว่า "เขลา" แน่ล่ะ เพื่อที่จะจงใจยั่วยุด้วยประการหนึ่ง เพราะว่าความเขลามีความเชื่อมโยงกับสิ่งไม่ดีมากมาย และเป็นที่ชัดเจนว่า ผมไม่ได้หมายถึงอะไรพวกนั้นเลย ผมไม่ได้หมายถึงความโง่ ผมไม่ได้หมายถึง ความอ่อนหัด ไม่ใส่ใจ ต่อข้อเท็จจริง หรือเหตุผล หรือข้อมูล เป็นที่ชัดเจนว่า ผู้เขลานั้น ไม่ได้เข้าใจแจ่มแจ้ง ไม่ได้ตระหนัก ไม่มีข้อมูล และทุกวันนี้มักจะ ได้รับการเลือกตั้งเข้าไปซะด้วย ผมว่านะครับ แต่บางที นั่นเป็นอีกเรื่องหนึ่ง
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.
ผมหมายถึงความเขลาในอีกแบบ ผมหมายถึงความเขลาในรูปแบบที่หยาบคายน้อยกว่า ความเขลาที่มาจากช่องว่างสาธารณะในความรู้ของเรา บางอย่างที่ไม่ได้แค่อยู่ตรงนั้นให้เรารับรู้ หรือยังไม่ได้เป็นที่รู้จักดีพอ หรือเราไม่สามารถที่จะคาดเดาได้ ความเขลาในรูปแบบที่คงจะสรุปได้ดีที่สุด โดยข้อความแถลงจาก เจมส์ คาล์ค แม็กซ์เวล (James Clerk Maxwell) ซึ่งอาจเป็นนักฟิสิกส์ที่ยิ่งใหญ่ที่สุดระหว่างนิวตันและไอสไตน์ ผู้กล่าวว่า "ความเขลาอันมีสติสัมปชัญญะครบถ้วน คือปฐมบทสู่ทุกความก้าวหน้าทางวิทยาศาสตร์อย่างแท้จริง" ผมคิดว่า นั่นเป็นความคิดแสนวิเศษ: ความเขลาอันมีสติสัมปชัญญะอย่างครบถ้วน
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.
นั่นล่ะเป็นความเขลาในแบบที่ผมต้องการพูดถึงในวันนี้ แต่แน่นอน สิ่งแรกที่เราต้องทำให้กระจ่าง ก็คือ เราจะทำอย่างไรกับข้อเท็จจริงทั้งหมดนั่น มันจริงที่วิทยาศาสตร์นั้นกองทับถมในอัตราที่น่าตกใจ เราทุกคนมีความรู้สึกว่า วิทยาศาสตร์นั้นเป็นภูเขาแห่งข้อเท็จจริง เป็นตัวอย่างการสะสมทางวิทยาศาสตร์ ดั่งที่หลายๆคนเรียกมัน และราวกับว่ามันเป็นไปไม่ได้ที่จะเข้าถึง เป็นไปไม่ได้เลย เราจะไปรู้หมดนี่ได้อย่างไรกัน และแน่นอน งานเขียนทางวิทยาศาสตร์นั้น เติบโตด้วยอัตราที่น่าตกใจ ในปี 2006 มีผลงานตีพิมพ์ออกมา 1.3 ล้านฉบับ มันมีอัตราการเติบโตต่อปีที่ สองจุดห้าเปอร์เซ็นต์ และเมื่อปีที่แล้ว พวกเราเห็นว่า ผลงานกว่าหนึ่งล้านห้าแสนฉบับถูกตีพิมพ์ ลองหารดูด้วยจำนวนนาทีในหนึ่งปี และจะได้ผลลัพธ์คือสามบทความต่อนาที แล้วผมขึ้นมายืนตรงนี้ได้กว่า 10 นาทีละ ผมเสียงานตีพิมพ์ไปแล้วสามเรื่องแหน่ะ ผมต้องไปแล้วเนี่ยจริงๆนะ ผมต้องไปอ่านละ
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.
แล้วเราจะทำยังไงกันดี เอาล่ะครับ อันที่จริงเนี่ย ที่นักวิทยาศาสตร์ทำเรียกได้ว่าเป็นการเพิกเฉยที่ควบคุมได้ ถ้าจะว่ากันอะนะ พวกเราแค่ไม่เป็นกังวลกับมัน อะไรแนวนั้น ข้อเท็จจริงนั้นสำคัญ คุณต้องรู้เยอะเลย เพื่อที่เป็นนักวิทยาศาสตร์ มันจริงครับ แต่การที่รู้อะไรมากมายไม่ได้ทำให้คุณเป็นนักวิทยาศาสตร์นะครับ คุณต้องรู้อะไรเยอะแยะเพื่อที่จะเป็นทนาย หรือนักบัญชี หรือช่างไฟ หรือช่างไม้ แต่ในวิทยาศาสตร์ การที่รู้อะไรมากมายนั้น ไม่ใช่ประเด็น การรู้อะไรมากนั้นมีเพื่อจะช่วยคุณ ให้ไปพบความเขลามากยิ่งขึ้น ดังนั้น ความรู้เป็นเรื่องใหญ่เลย แต่ผมอยากบอกว่า ความเขลานั้นใหญ่ยิ่งกว่า
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.
บางทีมันอาจชักนำให้เราคิด อย่างน้อยๆก็สักนิดหนึ่ง เกี่ยวกับ ตัวอย่างทางวิทยาศาสตร์บางชิ้นที่เราจงใจใช้ และก็อยากจะแก้ไข้ให้คุณเข้าใจอะไรบางอย่างเสียใหม่ อันหนึ่งที่เป็นที่เข้าใจกันก็คือ นักวิทยาศาสตร์นั้น ค่อยๆประกอบชิ้นส่วนปริศนาเข้าด้วยกันอย่างอดทน เพื่อที่จะเปิดเผยแบบภาพรวมหรือสิ่งอื่นๆ นั่นมันไม่จริงเลยครับ อย่างหนึ่งก็เรื่องปริศนาเนี่ย ผู้ผลิตยืนยันว่ามันมีทางแก้ปริศนาแน่นอน พวกเราไม่อะไรรับรองแบบนั้นนะครับ ที่จริง พวกเราหลายคนนั้นไม่ค่อยมั่นใจกับผู้ผลิตด้วยซ้ำ
(Laughter)
(เสียงหัวเราะ)
So I think the puzzle model doesn't work.
ฉะนั้น ผมคิดว่าแบบจำลองปริศนานั้นไม่น่าจะเข้าท่า
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."]
อีกแบบจำลองหนึ่งที่นิยมคิดกันก็คือว่า วิทยาศาสตร์นั้นมัวแต่ง่วนอยู่กับการเปิดเผยสิ่งต่างๆ ในแบบที่คุณปอกหัวหอมใหญ่ เมื่อปอกออกทีละกลีบ คุณดึงหัวหอมออกไปทีละชั้น เพื่อที่จะไปถึงรากฐานแก่นเนื้อในแห่งความจริง ผมไม่คิดว่านั้นจะเป็นวิธีที่จะได้ผลเช่นกัน อีกอันหนึ่ง ก็นิยมคิดกันเหมือนกัน คือแนวคิดภูเขาน้ำแข็ง ที่บอกว่า เราเห็นแต่ยอดภูเขาน้ำแข็ง แต่ข้างใต้นั้น เป็นส่วนใหญ่ที่ภูเขาน้ำแข็งซ่อนเร้นอยู่ แต่แบบจำลองทั้งหมดนี้ตั้งอยู่บนฐานความคิด ของตัวเนื้อข้อเท็จจริง ที่เราสามารถทำให้มันสมบูรณ์ได้ ไม่ว่าทางใดก็ทางหนึ่ง พวกเราสามารถสกัดภูเขาน้ำแข็งออก แล้วเข้าใจได้ว่า มันคืออะไร หรือเราแค่รอให้มันละลายก็ได้ ผมว่านะในปัจจุบันนี้เนี่ย แต่ไม่ว่าทางไหนสักทาง เราก็สามารถจัดการกับภูเขาน้ำแข็ง ได้ทั้งก้อน จริงไหมครับ หรือทำให้มันอยู่ในภาวะที่จัดการได้ แต่ผมไม่คิดว่ามันจะเป็นแบบนั้น ผมคิดว่า ที่มันเกิดขึ้นจริงในวิทยาศาสตร์ คือแบบจำลองที่เป็นเหมือนกับบ่อกายสิทธิ์ ซึ่งเป็นบ่อที่ไม่ว่าคุณจะตักน้ำออกไปสักกี่ถัง มันก็ยังคงเหลือน้ำอยู่อีกถังทุกทีไป หรือที่ผมชอบเป็นพิเศษ คือว่ามันยังมีจะมีลูกเล่นพิเศษ มีระลอกคลื่นในบ่ออีกต่างหาก ฉะนั้น ถ้าคุณคิดถึงว่าความรู้เป็นดั่งระลอกวงคลื่นในบ่อ ที่ขยายตัวออกไปเรื่อยๆ สิ่งสำคัญที่ควรตระหนักก็คือความเขลาของเรา เส้นรอบวงของความรู้นั้น ก็ขยายออกพร้อมกับความรู้เช่นกัน ดังนั้น ความรู้นั้นก่อให้เกิดความเขลา นี่เป็นพจน์ที่กล่าวไว้ได้เป็นอย่างดี โดย จอร์ช เบอร์นาร์ด ชอว์ (George Bernard Shaw) ที่จริงแล้วมันเป็นส่วนหนึ่งของการอวยพรเชิญดื่ม เพื่อฉลองให้กับไอน์สไตน์ที่งานเลี้ยงอาหารค่ำ ซึ่งเขาได้อ้างว่าวิทยาศาสตร์นั้น สร้างปริศนามากกว่าคำตอบ ["วิทยาศาสตร์นั้นผิดตลอด มันไม่เคยแก้ปัญหาโดยไม่ก่อให้เกิดอีก10 ปัญหา]
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.
ผมเห็นว่านั่นมันเป็นอะไรที่ช่างรุ่งโรจน์อลังการ และผมคิดว่าเขานั้นพูดถูกเผงเลยครับ แถมมันยังเป็นอะไรเกี่ยวกับ ความปลอดภัยทางวิชาชีพด้วยนะครับ มันกลายเป็นว่า เขาแอบลอก มาจากนักปรัชญานาม อิมมานูเอล คานท์ (Immanuel Kant) ผู้ซึ่งเมื่อประมาณร้อยปีก่อนหน้านั้น ได้ความคิดเกี่ยวกับ การแพร่ขยายของคำถาม ที่ทุกคำตอบ ก่อให้เกิดคำถามมากขึ้น ผมชอบคำว่า "การแพร่ขยายของคำถาม" ความคิดเกี่ยวกับการแพร่ขยายของคำถามทั่วไป
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.
ผมอยากจะบอกว่า แบบจำลองที่พวกเราอยากได้นั้น ไม่ใช่อันที่เราเริ่มจากความเขลา และเราได้ข้อเท็จจริงมาประกอบกัน และจากนั้นเราก็ได้มาซึ่งองค์ความรู้ มันออกจะเป็นไปในทางกลับกันนะครับ อันที่จริง เราใช้องค์ความรู้นี้สำหรับอะไรกันหรือ เราใช้ข้อเท็จจริงเหล่านี้เพื่ออะไรกัน เราใช้มันเพื่อทำให้ความเขลาดีขึ้น เพื่อที่จะได้มาซึ่ง -- จะว่าไปอะนะ -- ความเขลาคุณภาพสูง เพราะว่า มันมีความเขลาแบบไร้คุณภาพ และมันก็มีความเขลาคุณภาพสูง พวกมันไม่เหมือนกันนะครับ นักวิทยาศาสตร์โต้เถียงเรื่องนี้กันตลอดเลย บางทีพวกเราเรียกพวกมันว่าเป็นการชุมนุมควาย บางครั้ง พวกเราเรียกมันว่า การเขียนขอทุน (grant proposal) แต่อย่างไรก็ดี นั่นแหละที่เกี่ยวกับการโต้เถียงที่ว่า มันคือความเขลา มันคือสิ่งที่เราไม่รู้ นั่นแหละคือสิ่งที่สร้างคำถามที่ดี
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.
แล้วเราคิดถึงคำถามเหล่านี้กันอย่างไร ผมกำลังที่จะแสดงให้คุณดูกราฟ ที่ชอบนำมาแสดงบ่อยๆในช่วงเวลาสังสรรค์ ในคณะวิทยาศาสตร์หลายๆแห่ง กราฟนี้ถามถึงความสัมพันธ์ระหว่างสิ่งที่คุณรู้ และ คุณรู้ดีแค่ไหนเกี่ยวกับมัน ฉะนั้นคุณสามารถที่จะมีระดับความรู้เท่าใดก็ได้ จากไม่มีเลยไปยังรู้ทุกสิ่ง และปริมาณสิ่งที่คุณรู้ สามารถอยู่ตรงไหนก็ได้ จากน้อยไปเยอะ เอาล่ะ ลองมาใส่จุดลงไปในกราฟ เด็กปริญญาตรีอยู่ตรงไหน รู้อะไรไม่ค่อยจะเยอะ แต่พวกเขามีความสนใจเยอะเลย พวกเขาสนใจแทบจะทุกอย่าง ทีนี้เราลองมาดูนักเรียนปริญญาโทบ้าง ถัดมาอีกนิดในช่วงประวัติการศึกษา และคุณจะเห็นว่า พวกเขารู้มากขึ้นอีกนิด แต่มันดูเหมือนจะแคบลง และในที่สุด คุณไปถึงนักเรียนปริญญาเอก ซึ่งผลออกมาว่า คุณแทบจะไม่รู้อะไรเลยอย่างเยอะแยะมหาศาล (เสียงหัวเราะ) ที่มันขัดหูขัดตาเสียจริงๆเห็นจะเป็นเส้นแนวโน้มที่พาดผ่านมัน เพราะว่า เมื่อมันตกลงไปต่ำกว่าศูนย์ที่แกน มันเข้าไปในบริเวณที่ติดลบ เกรงว่านั่นเป็นบริเวณที่คุณเจอบุคคลอย่างผมครับ
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.
สิ่งสำคัญตรงนี้ก็คือว่า เราสามารถเปลี่ยนแปลงทั้งหมดนี้ได้ ภาพรวมทั้งหมดนี้สามารถเปลี่ยนแปลงได้ โดยแค่เปลี่ยนคำบรรยายที่แกนนอน (x-axis) แทนที่จะเป็นว่าคุณรู้เรื่องนั้นๆดีแค่ไหน เราสามารถบอกได้ว่า "คุณสามารถตั้งคำถามอะไรเกี่ยวกับมันได้บ้าง" ครับ คุณต้องรู้อะไรมากมายเมื่อเป็นนักวิทยาศาสตร์ แต่จุดประสงค์ของการที่รู้อะไรมากมายนั้น ไม่ใช่เพียงเพื่อจะรู้อะไรเยอะแยะ นั่นมันแค่ทำให้คุณเป็นพวกบ้าตำรา (geek) จริงไหมครับ จุดประสงค์ของการที่เรารู้มาก ก็เพื่อที่จะสามารถถามคำถามได้มาก เพื่อที่จะสามารถสร้างกรอบปัญหาที่น่าคิดน่าสนใจ เพราะว่านั่นแหละครับคืองานที่แท้จริง
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?
ให้ผมได้มอบแนวคิดเล็กๆน้อยๆเกี่ยวกับคำถามแนวๆนี้ ผมเป็นนักประสาทวิทยา ว่าแต่เรานั้น จะได้มาซึ่งคำถามทางประสาทวิทยาได้อย่างไร เพราะว่ามันไม่ค่อยจะตรงไปตรงมาเสมอหรอกครับ ยกตัวอย่างเช่น เราอาจพูดได้ว่า เอาล่ะ สมองมันทำอะไรของมันหรือ เอ่อ อย่างหนึ่งที่สมองทำคือ มันทำให้เราดำเนินไป เราเดินไปมาบนสองขาของเรา นั่นเหมือนจะเป็นอะไรง่ายๆ ในมุมมองหนึ่ง ผมหมายความว่า ถ้าดูด้วยตา ทุกคนที่อายุเกิน 10 เดือน ก็เดินไปเดินมาบนสองขา จริงไหมครับ งั้น บางทีนั่นอาจไม่น่าสนใจเท่าไร บาง ทีถ้าหากเราต้องการที่จะเลือกอะไรบางอย่าง ที่มันซับซ้อนไปกว่านั้น ระบบการมองเห็นเป็นไงครับ นั่นล่ะครับ ระบบการมองเห็น ผมหมายถึงว่า พวกเราชอบระบบการมองเห็น พวกเราทำอะไรเจ๋งๆมากมาย แน่นอน มีนักประสาทวิทยามากกว่า 12,000 คน ที่ทำงานเกี่ยวกับระบบการมองเห็น จากจอประสาทตา (retina) ไปจนถึง สมองส่วนการมองเห็น (visual cortex) ด้วยความพยายามที่จะเข้าใจ ไม่ใช่แค่ระบบการมองเห็น แต่เพื่อที่จะเข้าใจอีกด้วยว่า พื้นฐานทั่วไป ของการทำงานของสมองนั้นเป็นอย่างไร แต่ตอนนี้มันเป็นแบบนี้ครับ นวัตกรรมของเรานั้นพัฒนามาค่อนข้างจะดี ในการลอกเลียนแบบสิ่งที่ระบบการมองเห็นทำ พวกเรามีโทรทัศน์ พวกเรามีภาพยนตร์ พวกเรามีแอนิเมชั่น พวกเรามีภาพถ่าย พวกเรามีรูปแบบการจดจำ อะไรพวกนั้นแหละครับ พวกมันทำงานต่างไปจากระบบการมองเห็นของเราในบางกรณี แต่ไม่ว่าอย่างไรก็ตาม พวกเรานั้นค่อนข้างเก่งในเรื่อง การสร้างนวัตกรรมที่ทำงานเหมือนกับระบบการมองเห็นของเรา ในแง่หนึ่ง แม้จะมีการศึกษาพัฒนาเรื่องหุ่นยนต์มาเป็นร้อยปี คุณยังไม่เคยเห็นหุ่นยนต์เดินสองขาเลย เพราะว่าหุ่นยนต์นั้นไม่เดินสองขา เพราะว่ามันไม่ใช่เรื่องง่ายๆที่จะทำ ร้อยปีแห่งการศึกษาเรื่องหุ่นยนต์ และพวกเราไม่สามารถที่จะสร้างหุ่นยนต์ ที่เคลื่อนที่ได้มากกว่าก้าวสองก้าว เราสั่งให้มันเดินขึ้นไปบนทางลาด และมันก็ตกลงมา ให้มันกลับตัว พวกมันก็ล้ม นั่นมันเป็นปัญหาที่จริงจังครับ แล้วอะไรคือสิ่งที่ยากทีสุดสำหรับสมอง อะไรกัน ที่เราควรจะทำการศึกษา บางที มันน่าจะเป็นการเดินบนสองขา หรือระบบการเคลื่อนไหว ผมจะให้ตัวอย่างจากห้องทดลองของผมกับคุณ คำถามของผมเอง ที่ออกจะมีกลิ่นตุๆ ตั้งแต่ที่เราทำงานเกี่ยวกับเรื่องกลิ่น แต่นี่เป็นภาพไดอะแกรมของโมเลกุลทั้งห้า และเครื่องหมายทางเคมี พวกมันเป็นแค่โมเลกุลเชยๆธรรมดาๆ แต่ถ้าคุณดมๆพวกมันดู ด้วยเจ้ารูเล็กๆสองรูบนหน้าของคุณ ก็จะมีมโนคติของกุหลาบเกิดขึ้นในสมองคุณอย่างเด่นชัด ถ้ามันมีกุหลาบอยู่ตรงนั้นจริงๆ โมเลกุลเหล่านี้ก็จะอยู่ตรงนั้นด้วย แต่ถึงแม้ว่ามันจะไม่มีกุหลาบอยู่ตรงนั้น คุณจะมีความทรงจำของโมเลกุลนั้น เราเปลี่ยนโมเลกุลเป็นความทรงจำได้อย่างไร อะไรเป็นกระบวนการที่ทำให้เกิดสิ่งนั้น นี่เป็นอีกตัวอย่างหนึ่ง : โมเลกุลแสนเรียบง่ายทั้งสอง แล้วก็เหมือนเคย สัญลักษณ์ทางเคมี มันน่าจะง่ายขึ้น ถ้ามองพวกมันในแง่มุมนี้ วงกลมสีเทาคืออะตอมของคาร์บอน ส่วนอันสีขาว คืออะตอมของโฮโดรเจน และสีแดงคืออะตอมของออกซิเจน ทีนี้ โมเลกุลทั้งสองต่างกันแค่เพียงหนึ่งอะตอมของคาร์บอน และสองอะตอมของไฮโดรเจนที่เกาะอยู่บนนั้น และเพียงเท่านั้น ก็ทำให้โมเลกุลหนึ่ง ซึ่งก็คือ แฮปทิล อะซิเตท (heptyl acetate) มีกลิ่นของลูกแพรอย่างเด่นชัด และเฮกซิล อะซิเตท (hexyl acetate) นั้น กลิ่นเหมือนกล้วยอย่างไม่ผิดเพี้ยน ครับ ถึงตรงนี้ มันมีสองคำถามที่น่าสนใจ สำหรับผมแล้ว มันเหมือนว่าอย่างนั้น คำถามแรกคือ โมเลกุลเล็กๆ เรียบง่ายแบบนี้ สามารถที่จะสร้างความทรงจำในสมองของคุณ ได้อย่างชัดเจน ว่ามันเป็นแพรหรือกล้วย ได้อย่างไรกัน และคำถามที่สอง แล้วเราจะไปตรัสรู้ถึงความแตกต่าง ระหว่างสองโมเลกุลที่ต่างกัน แค่อะตอมคาร์บอนเดียวได้อย่างไร สำหรับผมแล้ว นั่นมันไม่ธรรมดาจริงๆ เป็นที่ประจักษ์ชัดว่า มันเป็นเครื่องตรวจจับสารเคมีบนใบหน้าที่ดีที่สุดในโลก และคุณแทบจะไม่ได้คิดถึงมันเลย ใช่ไหมล่ะครับ
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.
นี่เป็นคำคมสุดโปรดของผมที่จะนำเรา กลับไปยังความเขลา และความคิดของคำถาม ผมชอบที่จะกล่าวคำคม เพราะผมคิดว่า คนที่ตายไปแล้ว ไม่สมควรที่จะถูกตัดออกจากการสนทนา และผมก็ยังคิดว่า มันสำคัญที่จะตระหนักว่า การสนทนานั้นได้ดำเนินต่อเนื่องมาเป็นเวลาหนึ่ง ในอีกทางหนึ่งอะนะ ฉะนั้น เอิร์ลวิน ชโรดิงเจอร์ (Erwin Schrodinger) นักฟิสิกส์ควอนตัมผู้ยิ่งใหญ่ และนักปรัชญา ผมว่างั้นนะ ได้ชี้ให้เห็นว่าคุณจะต้อง "ยอมเชื่อฟังความโง่เขลาแบบไม่มีการกำหนดช่วงเวลา" และมันก็คือการยอมเชื่อฟังความเขลานี่แหละ ที่ผมคิดว่าเราต้องเรียนรู้ว่าจะทำอย่างไร มันเป็นอะไรที่ซ่อนเงื่อน ไม่ค่อยจะง่ายนัก
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.
ผมเดาว่ามันต้องขึ้นอยู่กับระบบการศึกษาของเรานี่ล่ะ ฉะนั้น ผมจะพูดสักหน่อยเกี่ยวกับความเขลาและการศึกษา เพราะผมคิดว่า นั่นเป็นที่ที่มันมีบทบาทจริงๆ เอาละครับ มาเผชิญหน้ากับมันเลย ในยุคของกูเกิลและวิกิพีเดีย โครงสร้างทางธุรกิจของมหาวิทยาลัย และอาจจะโรงเรียนมัธยมด้วย จะต้องมีการเปลี่ยนแปลง พวกเราไม่สามารถที่จะขายข้อเท็จจริงเพื่อหากินได้อีกต่อไป พวกมันมีให้คุณพร้อม เพียงแค่กดเม้าส์ หรือถ้าคุณต้องการ คุณบางทีสามารถที่จะถามกำแพง ทุกวันนี้นะ ที่ไหนสักที่ ที่พวกเขาจะซ่อนของ ที่จะบอกคุณทุกอย่าง
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.
แล้วเราจะต้องทำอะไรล่ะ เราจะต้องมอบ รสชาติของขอบเขตให้กับนักเรียนของเรา ว่าอะไรที่อยู่นอกเส้นรอบวงนั้น ว่าอะไรที่อยู่นอกเหนือจากข้อเท็จจริง อะไรที่เกินข้อเท็จจริงที่เรามี
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.
แล้วเราจะทำได้อย่างไรล่ะ ครับ แน่ล่ะ มันเป็นหนึ่งในปัญหา ที่จะต้องทดสอบ ตอนนี้พวกเรามีระบบการศึกษา ซึ่งมีประสิทธิภาพมาก แต่มีประสิทธิภาพมากกับสิ่งที่ค่อนข้างแย่ ดังนั้น ในระดับชั้นประถม 2 เด็กทุกคนสนใจวิทยาศาสตร์ ไม่ว่าจะชายหรือหญิง พวกเขาชอบที่จะแยกของออกเป็นชิ้นๆ พวกเขามีความอยากรู้อยากเห็นมาก พวกเขาชอบที่จะสำรวจสิ่งต่างๆ พวกเขาไปยังพิพิธภัณฑ์วิทยาศาสตร์ พวกเขาชอบที่จะเล่น พวกเขาเป็นเด็กประถม 2 พวกเขารู้สึกสนใจ แต่พอสัก มัธยม 5 หรือ 6 แล้ว น้อยกว่า 10 เปอร์เซ็นต์ ของพวกเขา ที่จะมีความสนใจอะไรก็ตามในวิทยาศาสตร์ ไม่ต้องพูดถึงความต้องการ ที่จะมีอาชีพในสายวิทยาศาสตร์ด้วยซ้ำ ครับ เรามีระบบที่ทรงประสิทธิภาพอย่างน่าประหลาด สำหรับตบความสนใจอะไรก็ตามในวิทยาศาสตร์ ออกจากกบาล
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.
นี่หรือที่เราต้องการ ผมคิดว่า นี่มาจากสิ่งที่เพื่อนของผมซึ่งเป็นครู เรียกว่า "วิธีระรานการศึกษา" คุณรู้ไหม คุณสามารถที่จะจินตนาการได้ว่ามันคืออะไร พวกเรานั้นยัดความรู้ข้อเท็จจริงลงคอหอยพวกเขาตรงนี้ และจากนั้นพวกเขาก็อ้วกออกมาในวันสอบตรงนั้น และทุกคนก็กลับบ้าน โดยปราศจากการเพิ่มเติมสาระทางปัญญาใดๆ
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.
นี่มันไม่สมควรที่จะดำเนินต่อไป แล้วเราจะทำยังไงกัน ครับ ผมต้องบอกว่า นักพันธุศาสตร์ มีหลักเกณฑ์ในการดำเนินชีวิตที่น่าสนใจ นักพันธุศาสตร์พูดเสมอว่า คุณจะได้ในสิ่งที่คุณแสวงหาเสมอ และนั่นเป็นดั่งสัญญาณเตือน ฉะนั้น เรานั้นจะได้สิ่งที่เราแสวงหาเสมอ และส่วนหนึ่งของสิ่งที่เราหานั้น อยู่ในวิธีการทดลองของเรา ครับ เราได้ยินมามากเกี่ยวกับการทดสอบและการประเมิน และพวกเราต้องคิดอย่างรอบคอบเมื่อพวกเราทำการทดสอบ ไม่ว่าพวกเราประเมินหรือ ไม่ว่าพวกเราจะกำจัด ไม่ว่าพวกเราจะทำการคัดคนออก ไม่ว่าพวกเราจะทำการตัดอะไรทิ้ง การประเมินนั้นเป็นสิ่งหนึ่ง คุณได้ยินมามากเกี่ยวกับมัน ในงานเขียนสมัยนี้ ในงานเขียนเชิงวิชาการ แต่การประเมินนั้นจริงๆแล้วเทียบเท่ากับเสียงตอบรับ และมันเป็นเสมือน โอกาสสำหรับการลองผิดลองถูก มันเป็นดั่งโอกาสที่จะทำงานในระยะยาว ด้วยการตอบรับเช่นนี้ นั่นมันต่างจากการกำจัดคัดออก และบ่อยครั้ง ผมต้องบอกคุณว่า เมื่อคนพูดถึงการประเมิน การประเมินนักเรียน การประเมินครู การประเมินโรงเรียน การประเมินโครงการ ที่จริงแล้วพวกเขาต่างพูดถึงเรื่องการคัดออก และนั่นเป็นเรื่องร้าย เพราะว่า จากนั้นคุณจะได้ในสิ่งที่คุณเลือกหา ซึ่งเป็นสิ่งที่คุณได้มาจนถึงตอนนี้
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.
ผมคงบอกได้ว่า ที่เราต้องการก็คือข้อสอบที่บอกว่า "อะไรคือ x" และคำตอบก็คือ "ผมไม่รู้ เพราะมันไม่มีใครรู้" หรือ "คำถามคืออะไร" ยิ่งดีใหญ่ หรือ "รู้อะไรไม๊ ผมจะลองค้นดู ผมจะถามใครสักคน ผมจะโทรหาใครสักคน แล้วจะหาคำตอบ" เพราะว่า นั่นเป็นสิ่งที่เราต้องการให้คนทำ และนั่นคือวิธีที่เราประเมินพวกเขา และบางที สำหรับห้องเรียนที่มีการคัดคุณสมบัติเด็ก [ห้องคิง ห้องควีน] มันอาจจะเป็น "นี่เป็นคำตอบ อะไรคือคำถามถัดไป" นั่นเป็นอันที่ผมชอบเป็นพิเศษเลย
So let me end with a quote from William Butler Yeats, who said "Education is not about filling buckets; it is lighting fires."
ครับ ให้ผมจบการบรรยายนี้ด้วยคติพจน์ จาก วิลเลี่ยม บัทเลอร์ ยีทส์ (William Butler Yeats) ที่กล่าวว่า "การศึกษาไม่ใช่การหาอะไรใส่ถัง มันเป็นการจุดไฟ"
So I'd say, let's get out the matches. Thank you.
ผมก็อยากจะบอกว่า งั้นเอาไม้ขีดออกมาเลยครับ ขอบคุณครับ
(Applause)
(เสียงปรบมือ)
Thank you. (Applause)
ของคุณครับ (เสียงปรบมือ)