Ajit Narayanan: A word game to communicate in any language

114,911 views ・ 2014-03-10

TED


Pro přehrání videa dvakrát klikněte na anglické titulky níže.

Překladatel: Anna Tomenendalova Korektor: Vendula Němcová
00:12
I work with children with autism.
0
12721
2670
Pracuji s autistickými dětmi.
00:15
Specifically, I make technologies
1
15391
1914
Vymýšlím pro ně technologie,
00:17
to help them communicate.
2
17305
2171
které jim usnadňují komunikaci.
00:19
Now, many of the problems that children
3
19476
1539
Totiž, mnoho problémů, kterým
00:21
with autism face, they have a common source,
4
21015
3763
tyto děti čelí, mají stejnou příčinu
00:24
and that source is that they find it difficult
5
24778
2094
v tom, že je pro ně velmi těžké
00:26
to understand abstraction, symbolism.
6
26872
5260
porozumět abstrakci a symbolismu.
00:32
And because of this, they have a lot of difficulty with language.
7
32132
4652
A právě kvůli tomu je pro ně hodně obtížné používání jazyka.
00:36
Let me tell you a little bit about why this is.
8
36784
3015
Já Vám teď řeknu něco k tomu, proč tomu tak je.
00:39
You see that this is a picture of a bowl of soup.
9
39799
3934
Toto je obrázek misky s polévkou.
00:43
All of us can see it. All of us understand this.
10
43733
2485
To vidíme všichni a všichni tomu také rozumíme.
00:46
These are two other pictures of soup,
11
46218
2312
Tady máme dva další obrázky polévky,
00:48
but you can see that these are more abstract
12
48530
2067
ale jak vidíte, tyto jsou již abstraktnější.
00:50
These are not quite as concrete.
13
50597
1856
Nejsou tak konkrétní jako ten první.
00:52
And when you get to language,
14
52453
2174
A podíváme-li se na jazyk,
00:54
you see that it becomes a word
15
54627
1868
zjistíme, že podoba slova,
00:56
whose look, the way it looks and the way it sounds,
16
56495
3261
nemá nic společného se svou předlohou,
00:59
has absolutely nothing to do with what it started with,
17
59756
2912
a také jeho zvuk není vůbec nijak spojený
01:02
or what it represents, which is the bowl of soup.
18
62668
2830
s původním vzorem misky s polévkou.
01:05
So it's essentially a completely abstract,
19
65498
2900
Takže jde o absolutní abstrakci,
01:08
a completely arbitrary representation of something
20
68398
2576
zástupnou reprezentaci něčeho
01:10
which is in the real world,
21
70974
1163
co existuje v reálném světě,
01:12
and this is something that children with autism
22
72137
1791
a s tímto mají děti s autismem
01:13
have an incredible amount of difficulty with.
23
73928
3164
obrovský problém.
01:17
Now that's why most of the people that work with children with autism --
24
77092
2751
Proto většina odborníků, co s autistickými dětmi pracují -
01:19
speech therapists, educators --
25
79843
1878
logopedi, učitelé -
01:21
what they do is, they try to help children with autism
26
81721
2633
se těmto dětem snaží pomoci komunikovat
01:24
communicate not with words, but with pictures.
27
84354
3229
ne prostřednictvím slov ale obrázků.
01:27
So if a child with autism wanted to say,
28
87583
1930
Tak například, pokud dítě chce říct
01:29
"I want soup," that child would pick
29
89513
2458
"Já chci polévku.", vybere
01:31
three different pictures, "I," "want," and "soup,"
30
91971
2260
tři různé obrázky: "já" "chtít" a "polévka"
01:34
and they would put these together,
31
94231
1609
a když se pak složí dohromady,
01:35
and then the therapist or the parent would
32
95840
1867
terapeut nebo rodič
01:37
understand that this is what the kid wants to say.
33
97707
1887
pochopí, co chce dítě říct.
01:39
And this has been incredibly effective;
34
99594
1778
Tento způsob je ohromně účinný
01:41
for the last 30, 40 years
35
101372
2141
a v posledních zhruba 30, 40 letech
01:43
people have been doing this.
36
103513
1613
se hodně využíval.
01:45
In fact, a few years back,
37
105126
1349
Já jsem, před několika lety,
01:46
I developed an app for the iPad
38
106475
2675
vyvinul aplikaci pro iPady,
01:49
which does exactly this. It's called Avaz,
39
109150
2255
která dělá přesně to samé. Jmenuje se Avaz
01:51
and the way it works is that kids select
40
111405
2279
a funguje tak, že si dítě vybere
01:53
different pictures.
41
113684
1321
odlišné obrázky.
01:55
These pictures are sequenced together to form sentences,
42
115005
2570
Tyto obrázky jsou poté zformovány do vět
01:57
and these sentences are spoken out.
43
117575
1719
a tyto věty se nahlas přečtou.
01:59
So Avaz is essentially converting pictures,
44
119294
3025
Takže Avaz je v podstatě překladatel,
02:02
it's a translator, it converts pictures into speech.
45
122319
3960
který tlumočí obrázky do mluvené řeči.
02:06
Now, this was very effective.
46
126279
1718
Toto se ukázalo jako velmi účinné.
02:07
There are thousands of children using this,
47
127997
1384
Po celém světě tuto aplikaci
02:09
you know, all over the world,
48
129381
1430
používají tisíce dětí,
02:10
and I started thinking about
49
130811
2175
a já se začal zamýšlet nad tím,
02:12
what it does and what it doesn't do.
50
132986
2654
co přesně dělá a co už ne.
02:15
And I realized something interesting:
51
135640
1684
A uvědomil jsem si něco zajímavého -
02:17
Avaz helps children with autism learn words.
52
137324
4203
Avaz pomáhá autistickým dětem naučit se slova.
02:21
What it doesn't help them do is to learn
53
141527
2405
To, co je ale nenaučí,
02:23
word patterns.
54
143932
2748
je struktura vět.
02:26
Let me explain this in a little more detail.
55
146680
2472
To se teď pokusím vysvětlit detailněji.
02:29
Take this sentence: "I want soup tonight."
56
149152
3057
Vezměme si například větu: "Já chci dnes večer polévku."
02:32
Now it's not just the words here that convey the meaning.
57
152209
4080
Nejsou to jen slova samotná, co vytváří význam.
02:36
It's also the way in which these words are arranged,
58
156289
3140
ale i způsob, jakým jsou tato slova
02:39
the way these words are modified and arranged.
59
159429
2515
upravena a seskupena.
02:41
And that's why a sentence like "I want soup tonight"
60
161959
2306
A proto věta "Já chci dnes večer polévku."
02:44
is different from a sentence like
61
164265
1984
je zcela odlišná od věty
02:46
"Soup want I tonight," which is completely meaningless.
62
166249
3312
"Polévku chci já dnes večer.", která nedává smysl.
02:49
So there is another hidden abstraction here
63
169561
2619
Toto, tedy skutečnost, že slova můžete upravit
02:52
which children with autism find a lot of difficulty coping with,
64
172180
3557
a seřadit tak, že nakonec
02:55
and that's the fact that you can modify words
65
175737
2840
dají jiný smysl,
02:58
and you can arrange them to have
66
178577
2101
je pro děti s autismem další skrytá abstrakce,
03:00
different meanings, to convey different ideas.
67
180678
2895
kterou těžko chápou.
03:03
Now, this is what we call grammar.
68
183573
3459
Toto je to, čemu říkáme gramatika.
03:07
And grammar is incredibly powerful,
69
187032
2036
Gramatika má velkou moc,
03:09
because grammar is this one component of language
70
189068
3157
protože je jedním komponentem jazyka, který
03:12
which takes this finite vocabulary that all of us have
71
192225
3489
náš omezený slovník upravuje tak, že jsme jím schopni
03:15
and allows us to convey an infinite amount of information,
72
195714
4531
vyjádřit nekonečné množství
03:20
an infinite amount of ideas.
73
200245
2134
informací a myšlenek.
03:22
It's the way in which you can put things together
74
202379
2002
Gramatika je způsob, jakým věci dáváme dohromady,
03:24
in order to convey anything you want to.
75
204381
2168
abychom mohli vyjádřit cokoli chceme.
03:26
And so after I developed Avaz,
76
206549
2127
A tak poté, co jsem vytvořil Avaz,
03:28
I worried for a very long time
77
208676
1568
jsem velmi dlouhou dobu přemýšlel
03:30
about how I could give grammar to children with autism.
78
210244
3910
jak bych mohl autistickým dětem předat gramatiku.
03:34
The solution came to me from a very interesting perspective.
79
214154
2275
A řešení jsem našel v zajímavé situaci.
03:36
I happened to chance upon a child with autism
80
216429
3449
Dostal jsem se náhodou ke konverzaci matky
03:39
conversing with her mom,
81
219878
2109
s jejím autistickým dítětem,
03:41
and this is what happened.
82
221987
2094
která proběhla takhle.
03:44
Completely out of the blue, very spontaneously,
83
224081
2186
Najednou z ničeho nic
03:46
the child got up and said, "Eat."
84
226267
2463
dítě vstalo a řeklo slovo "jíst".
03:48
Now what was interesting was
85
228730
1770
Co bylo pro mě zajímavé,
03:50
the way in which the mom was trying to tease out
86
230500
4244
byl způsob, jakým se matka snažila
03:54
the meaning of what the child wanted to say
87
234744
2213
pomocí kladení otázek dítěti
03:56
by talking to her in questions.
88
236957
2260
zjistit, co jí chce říct.
03:59
So she asked, "Eat what? Do you want to eat ice cream?
89
239217
2593
A tak se ho zeptala: "Jíst co? Chceš jíst zmrzlinu?
04:01
You want to eat? Somebody else wants to eat?
90
241810
2112
Ty chceš jíst? Někdo jiný chce jíst?
04:03
You want to eat cream now? You want to eat ice cream in the evening?"
91
243922
3313
Chceš jíst zmrzlinu teď? Chceš jíst zmrzlinu večer?"
04:07
And then it struck me that
92
247235
1514
A tehdy jsem si uvědomil,
04:08
what the mother had done was something incredible.
93
248749
2028
že to, co matka dělá je neuvěřitelné.
04:10
She had been able to get that child to communicate
94
250777
1994
Je schopná dítěti pomoci komunikovat
04:12
an idea to her without grammar.
95
252771
4138
myšlenku bez použití gramatiky.
04:16
And it struck me that maybe this is what
96
256909
2696
A tak mě napadlo, že právě toto
04:19
I was looking for.
97
259605
1385
je možná tím, co hledám.
04:20
Instead of arranging words in an order, in sequence,
98
260990
4142
Namísto řazení slov do vět, jak mají být,
04:25
as a sentence, you arrange them
99
265132
2172
je můžeme seřadit
04:27
in this map, where they're all linked together
100
267304
3811
do jakési mapy, ve které
04:31
not by placing them one after the other
101
271115
2143
nejsou spojeny slovo za slovem,
04:33
but in questions, in question-answer pairs.
102
273258
3284
ale ve vztahu otázka - odpověď.
04:36
And so if you do this, then what you're conveying
103
276542
2358
Když to takto provedeme, nesdělujeme
04:38
is not a sentence in English,
104
278900
1986
vlastně větu v angličtině,
04:40
but what you're conveying is really a meaning,
105
280886
2966
ale pouze smysl,
04:43
the meaning of a sentence in English.
106
283852
1511
význam anglické věty.
04:45
Now, meaning is really the underbelly, in some sense, of language.
107
285363
2932
A význam je z určitého pohledu pupkem jazyka.
04:48
It's what comes after thought but before language.
108
288295
3821
Přichází po myšlení, ale před jazykem.
04:52
And the idea was that this particular representation
109
292116
2503
A mne napadlo, že tento způsob reprezentace
04:54
might convey meaning in its raw form.
110
294619
3261
by mohl vyjádřit význam v jeho surové podobě.
04:57
So I was very excited by this, you know,
111
297880
1771
A já byl tímto nápadem zcela nadšený,
04:59
hopping around all over the place,
112
299651
1493
poskakoval jsem dokola
05:01
trying to figure out if I can convert
113
301144
1771
a přemýšlel jsem, zda bych mohl
05:02
all possible sentences that I hear into this.
114
302915
2524
tímto způsobem převést jakékoliv věty.
05:05
And I found that this is not enough.
115
305439
1773
Došlo mi, že by to takhle nestačilo.
05:07
Why is this not enough?
116
307212
1385
Proč ne?
05:08
This is not enough because if you wanted to convey
117
308597
1711
Nestačilo by to, protože pokud bychom chtěli
05:10
something like negation,
118
310308
2250
převést například negaci,
05:12
you want to say, "I don't want soup,"
119
312558
1736
jako: "Já nechci polévku.",
05:14
then you can't do that by asking a question.
120
314294
2220
pomocí otázek by to nešlo.
05:16
You do that by changing the word "want."
121
316514
2285
K tomu je nutné změnit slovo "chtít".
05:18
Again, if you wanted to say,
122
318799
1637
Také chceme-li říct:
05:20
"I wanted soup yesterday,"
123
320436
1980
"Včera jsem chtěl polévku.",
05:22
you do that by converting the word "want" into "wanted."
124
322416
2737
je nutné změnit slovo "chci" na "chtěl".
05:25
It's a past tense.
125
325153
1666
Je to minulý čas.
05:26
So this is a flourish which I added
126
326819
2103
A toto jsem tak musel zahrnout do systému,
05:28
to make the system complete.
127
328922
1576
aby byl zcela kompletní.
05:30
This is a map of words joined together
128
330498
1977
Toto je mapa, která slova spojuje
05:32
as questions and answers,
129
332475
1656
jako otázky a odpovědi
05:34
and with these filters applied on top of them
130
334131
2264
a na ně aplikuje tyto filtry,
05:36
in order to modify them to represent
131
336395
1817
díky nim je pak může použít
05:38
certain nuances.
132
338212
1709
k vyjádření určitých nuancí.
05:39
Let me show you this with a different example.
133
339921
1951
To Vám ukážu na jiném příkladu.
05:41
Let's take this sentence:
134
341872
1254
Například tato věta:
05:43
"I told the carpenter I could not pay him."
135
343126
1980
"Řekl jsem tesaři, že jsem mu nemohl zaplatit."
05:45
It's a fairly complicated sentence.
136
345106
1792
To je poměrně složitá věta.
05:46
The way that this particular system works,
137
346898
1893
Tento systém funguje tak,
05:48
you can start with any part of this sentence.
138
348791
2578
že je možné začít jakoukoliv částí.
05:51
I'm going to start with the word "tell."
139
351369
1698
Já začnu se slovem "říct".
05:53
So this is the word "tell."
140
353067
1462
Tady je slovo "říct".
05:54
Now this happened in the past,
141
354529
1600
Protože je to v minulosti,
05:56
so I'm going to make that "told."
142
356129
2223
změním to na "řekl".
05:58
Now, what I'm going to do is,
143
358352
1708
A co udělám teď je,
06:00
I'm going to ask questions.
144
360060
1756
že si začnu klást otázky.
06:01
So, who told? I told.
145
361816
2364
Kdo řekl? Já jsem řekl.
06:04
I told whom? I told the carpenter.
146
364180
1927
Řekl jsem komu? Řekl jsem tesaři.
06:06
Now we start with a different part of the sentence.
147
366107
1751
Teď začneme s jinou částí věty.
06:07
We start with the word "pay,"
148
367858
1867
Se slovem "zaplatit",
06:09
and we add the ability filter to it to make it "can pay."
149
369725
4577
ke kterém přidáme filtr schopnosti a vznikne nám "moci zaplatit".
06:14
Then we make it "can't pay,"
150
374302
2101
Z toho uděláme "nemoci zaplatit"
06:16
and we can make it "couldn't pay"
151
376403
1599
a následně minulý čas
06:18
by making it the past tense.
152
378002
1663
"nemohl zaplatit".
06:19
So who couldn't pay? I couldn't pay.
153
379665
1923
A kdo nemohl zaplatit? Já jsem nemohl zaplatit.
06:21
Couldn't pay whom? I couldn't pay the carpenter.
154
381588
2676
Nemohl zaplatit komu? Nemohl jsem zaplatit tesaři.
06:24
And then you join these two together
155
384264
1731
A tyto dvě části pak spojíme dohromady
06:25
by asking this question:
156
385995
1350
položením této otázky:
06:27
What did I tell the carpenter?
157
387345
1737
Co jsem řekl tesaři?
06:29
I told the carpenter I could not pay him.
158
389082
4049
Řekl jsem tesaři, že jsem mu nemohl zaplatit.
06:33
Now think about this. This is
159
393131
1937
Teď se nad tím zamysleme. Toto je
06:35
—(Applause)—
160
395068
3542
- (Potlesk) -
06:38
this is a representation of this sentence
161
398610
3672
toto je vyjádření téhle věty
06:42
without language.
162
402282
2435
bez jazyka.
06:44
And there are two or three interesting things about this.
163
404717
2192
A tady jsou dvě nebo tři zajímavé věci.
06:46
First of all, I could have started anywhere.
164
406909
3131
Zaprvé, mohl jsem začít kdekoliv.
06:50
I didn't have to start with the word "tell."
165
410040
2243
Nemusel jsem začínat slovem "říct".
06:52
I could have started anywhere in the sentence,
166
412283
1416
A ať bych začal kdekoliv ve větě,
06:53
and I could have made this entire thing.
167
413699
1507
dospěl bych ke stejnému závěru.
06:55
The second thing is, if I wasn't an English speaker,
168
415206
2776
Druhá věc je, kdybych nemluvil anglicky,
06:57
if I was speaking in some other language,
169
417982
2175
kdybych mluvil jakýmkoliv jiným jazykem,
07:00
this map would actually hold true in any language.
170
420157
3156
tato mapa by fungovala úplně stejně i v jiném jazyce.
07:03
So long as the questions are standardized,
171
423313
1990
Pokud jsou otázky standardizované,
07:05
the map is actually independent of language.
172
425303
4287
tato mapa je na jazyku nezávislá.
07:09
So I call this FreeSpeech,
173
429590
2115
Já to nazývám jako FreeSpeech (Volná Řeč),
07:11
and I was playing with this for many, many months.
174
431705
2935
a zabýval jsem se jí mnoho a mnoho měsíců.
07:14
I was trying out so many different combinations of this.
175
434640
2726
Zkoušel jsem řadu nejrůznějších kombinací.
07:17
And then I noticed something very interesting about FreeSpeech.
176
437366
2289
A pak jsem odhalil něco zajímavého.
07:19
I was trying to convert language,
177
439655
3243
Pokoušel jsem se převést jazyk,
07:22
convert sentences in English into sentences in FreeSpeech,
178
442898
2384
převést věty v angličtině do vět ve FreeSpeech
07:25
and vice versa, and back and forth.
179
445282
1752
a obráceně.
07:27
And I realized that this particular configuration,
180
447034
2255
A uvědomil jsem si, že tato konkrétní konfigurace,
07:29
this particular way of representing language,
181
449289
2026
tento způsob reprezentace jazyka,
07:31
it allowed me to actually create very concise rules
182
451315
4395
mi umožňuje vytvořit velmi výstižná pravidla,
07:35
that go between FreeSpeech on one side
183
455710
2734
která fungují mezi FreeSpeech na jedné straně
07:38
and English on the other.
184
458444
1488
a angličtinou na straně druhé.
07:39
So I could actually write this set of rules
185
459932
2180
A tak jsem mohl zapsat tato pravidla,
07:42
that translates from this particular representation into English.
186
462112
3395
překládáná z této zvláštní reprezentace do angličtiny.
07:45
And so I developed this thing.
187
465507
1831
A tak jsem vytvořil tohle.
07:47
I developed this thing called the FreeSpeech Engine
188
467338
2232
Vytvořil jsem něco, co jsem nazval FreeSpeech Engine (Motor Volné řeči),
07:49
which takes any FreeSpeech sentence as the input
189
469570
2561
který jakoukoliv větu ve FreeSpeech dokáže
07:52
and gives out perfectly grammatical English text.
190
472131
3930
přeměnit na zcela gramaticky bezchybný anglický text.
07:56
And by putting these two pieces together,
191
476061
1605
A spojením těchto dvou věcí,
07:57
the representation and the engine,
192
477666
1881
reprezentace a motoru,
07:59
I was able to create an app, a technology for children with autism,
193
479547
3796
jsem byl schopný vytvořit aplikaci, technologii pro autistické děti,
08:03
that not only gives them words
194
483343
2499
která jim předává nejen slova,
08:05
but also gives them grammar.
195
485842
3941
ale také gramatiku.
08:09
So I tried this out with kids with autism,
196
489783
2360
A tak jsem to vyzkoušel s autistickými dětmi
08:12
and I found that there was an incredible amount of identification.
197
492143
5013
a zjistil jsem, že se s tím velmi výborně sžily.
08:17
They were able to create sentences in FreeSpeech
198
497156
2720
Byly schopné vytvořit věty ve FreeSpeech,
08:19
which were much more complicated but much more effective
199
499876
2558
které byly mnohem komplikovanější a zároveň efektivnější
08:22
than equivalent sentences in English,
200
502434
2899
než podobné věty v angličtině.
08:25
and I started thinking about
201
505333
1682
A já začal přemýšlet,
08:27
why that might be the case.
202
507015
1969
proč to tak je.
08:28
And I had an idea, and I want to talk to you about this idea next.
203
508984
4287
A něco mě napadlo a to Vám tu chci teď říct.
08:33
In about 1997, about 15 years back,
204
513271
3142
Kolem roku 1997, zhruba před 15 lety,
08:36
there were a group of scientists that were trying
205
516413
2011
se skupinka vědců pokoušela
08:38
to understand how the brain processes language,
206
518424
2389
zijistit, jak mozek zpracovává jazyk,
08:40
and they found something very interesting.
207
520813
1779
a přišli na něco velmi zajímavého.
08:42
They found that when you learn a language
208
522592
1872
Zjistili, že pokud se učí jazyk
08:44
as a child, as a two-year-old,
209
524464
2912
dvouleté dítě,
08:47
you learn it with a certain part of your brain,
210
527376
2366
používá určitou část mozku,
08:49
and when you learn a language as an adult --
211
529742
1600
a pokud se jazyk učí dospělý -
08:51
for example, if I wanted to learn Japanese right now —
212
531342
3911
například kdybych se já teď rozhodl naučit japonsky -
08:55
a completely different part of my brain is used.
213
535253
2707
je využita zcela jiná část mozku.
08:57
Now I don't know why that's the case,
214
537960
1831
Já nevím, proč to tak je,
08:59
but my guess is that that's because
215
539791
1991
ale myslím si, že to bude tím,
09:01
when you learn a language as an adult,
216
541782
2437
že jako dospělí se
09:04
you almost invariably learn it
217
544219
1616
téměř vždy jazyk učíme
09:05
through your native language, or through your first language.
218
545835
4266
skrze náš první - rodný jazyk.
09:10
So what's interesting about FreeSpeech
219
550101
3252
Na FreeSpeech je z tohoto pohledu zajímavé,
09:13
is that when you create a sentence
220
553353
1802
že když vytvoříte větu
09:15
or when you create language,
221
555155
1695
nebo když tvoříte jazyk,
09:16
a child with autism creates language with FreeSpeech,
222
556850
3070
jako autistické děti tvoří pomocí FreeSpeech,
09:19
they're not using this support language,
223
559920
1833
nevyužívají tento podpůrný jazyk,
09:21
they're not using this bridge language.
224
561753
2211
nevyužívají jej jako jazykový most.
09:23
They're directly constructing the sentence.
225
563964
2657
Věty tvoří přímo.
09:26
And so this gave me this idea.
226
566621
2193
A tak jsem dostal nápad.
09:28
Is it possible to use FreeSpeech
227
568814
2024
Bylo by možné použít FreeSpeech
09:30
not for children with autism
228
570838
2510
nejen pro děti s autismem,
09:33
but to teach language to people without disabilities?
229
573348
6262
ale i pro lidi bez něj k výuce jazyků?
09:39
And so I tried a number of experiments.
230
579610
1978
A tak jsem vyzkoušel řadu pokusů.
09:41
The first thing I did was I built a jigsaw puzzle
231
581588
2948
Nejdřív jsem vytvořil tuto puzzle,
09:44
in which these questions and answers
232
584536
1970
ve kterém jsou otázky a odpovědi
09:46
are coded in the form of shapes,
233
586506
1835
zakódovány v různých tvarech,
09:48
in the form of colors,
234
588341
1138
v různých barvách,
09:49
and you have people putting these together
235
589479
1849
a lidé je zkoušeli složit dohromady
09:51
and trying to understand how this works.
236
591328
1773
a pochopit, jak to funguje.
09:53
And I built an app out of it, a game out of it,
237
593101
2376
A z toho jsem vytvořil aplikaci, hru,
09:55
in which children can play with words
238
595477
2661
ve které si děti mohou hrát se slovy
09:58
and with a reinforcement,
239
598138
1704
a díky posilovanému učení,
09:59
a sound reinforcement of visual structures,
240
599842
2585
zvukovému posílení vizuálních struktur,
10:02
they're able to learn language.
241
602427
2013
se mohou naučit jazyk.
10:04
And this, this has a lot of potential, a lot of promise,
242
604440
2736
A toto má velký potenciál, je to velmi slibné
10:07
and the government of India recently
243
607176
1975
a indická vláda si nedávno
10:09
licensed this technology from us,
244
609151
1404
zařídila licenci na tuto naši technologii
10:10
and they're going to try it out with millions of different children
245
610555
2074
a vyzkouší ji na milionech dětí
10:12
trying to teach them English.
246
612629
2605
při studiu angličtiny.
10:15
And the dream, the hope, the vision, really,
247
615234
2614
A snem, nadějí, nebo spíše vizí
10:17
is that when they learn English this way,
248
617848
3082
je že pokud se budou učit anglicky tímto způsobem,
10:20
they learn it with the same proficiency
249
620930
2643
naučí se jej stejně dokonale
10:23
as their mother tongue.
250
623573
3718
jako svůj rodný jazyk.
10:27
All right, let's talk about something else.
251
627291
3816
Dobře, teď pojďme mluvit o něčem jiném.
10:31
Let's talk about speech.
252
631107
1997
Pojďme si promluvit o řeči.
10:33
This is speech.
253
633104
1271
Toto je řeč.
10:34
So speech is the primary mode of communication
254
634375
1962
Řeč je primárním způsobem komunikace
10:36
delivered between all of us.
255
636337
1613
používaným mezi lidmi.
10:37
Now what's interesting about speech is that
256
637950
1855
A co je na řeči zajímavé je,
10:39
speech is one-dimensional.
257
639805
1245
že je jednorozměrná.
10:41
Why is it one-dimensional?
258
641050
1359
Proč je jednorozměrná?
10:42
It's one-dimensional because it's sound.
259
642409
1568
Je to proto, že je to zvuk.
10:43
It's also one-dimensional because
260
643977
1539
Také je to proto,
10:45
our mouths are built that way.
261
645516
1205
že naše ústa jsou k tomu takto přizpůsobena.
10:46
Our mouths are built to create one-dimensional sound.
262
646721
3512
Naše ústa jsou ustanovena k jednorozměrnému zvuku.
10:50
But if you think about the brain,
263
650233
2866
Ale když přemýšlíme o našem mozku,
10:53
the thoughts that we have in our heads
264
653099
1764
myšlenky, které máme v hlavě,
10:54
are not one-dimensional.
265
654863
2102
vůbec jednorozměrné nejsou.
10:56
I mean, we have these rich,
266
656965
1459
Naše myšlenky jsou bohaté
10:58
complicated, multi-dimensional ideas.
267
658424
3028
složité a multidimenzionální.
11:01
Now, it seems to me that language
268
661452
1690
A mně se zdá, že jazyk
11:03
is really the brain's invention
269
663142
2332
je vynálezem našeho mozku,
11:05
to convert this rich, multi-dimensional thought
270
665474
3096
jehož úkolem je převést toto
11:08
on one hand
271
668570
1587
multidimenzionální myšlení
11:10
into speech on the other hand.
272
670157
1923
na řeč.
11:12
Now what's interesting is that
273
672080
1762
Zajímavé je,
11:13
we do a lot of work in information nowadays,
274
673842
2568
že v dnešní době máme mnoho informací,
11:16
and almost all of that is done in the language domain.
275
676410
3079
jejichž převážná většina je předávána jazykem.
11:19
Take Google, for example.
276
679489
1939
Například Google.
11:21
Google trawls all these countless billions of websites,
277
681428
2677
Google prohledává miliardy stránek,
11:24
all of which are in English, and when you want to use Google,
278
684105
2725
které jsou v angličtině,
11:26
you go into Google search, and you type in English,
279
686830
2450
a když chcete použít Google, zadáváte hesla v angličtině,
11:29
and it matches the English with the English.
280
689280
4163
a výsledky tak propojují angličtinu s angličtinou.
11:33
What if we could do this in FreeSpeech instead?
281
693443
3583
Ale co kdybychom toto mohli dělat ve FreeSpeech?
11:37
I have a suspicion that if we did this,
282
697026
2301
Myslím, že kdybychom se o to pokusili,
11:39
we'd find that algorithms like searching,
283
699327
2068
zjistili bychom, že algoritmy jako vyhledávání
11:41
like retrieval, all of these things,
284
701395
2325
a podobné věci jsou tak
11:43
are much simpler and also more effective,
285
703720
3075
mnohem jednodušší a také mnohem efektivnější,
11:46
because they don't process the data structure of speech.
286
706795
4417
protože nezpracovávají datovou strukturu řeči.
11:51
Instead they're processing the data structure of thought.
287
711212
5976
Místo toho zpracovávají datovou strukturu myšlenky.
11:57
The data structure of thought.
288
717188
2808
Datová struktura myšlenek.
11:59
That's a provocative idea.
289
719996
2076
To je docela odvážná myšlenka.
12:02
But let's look at this in a little more detail.
290
722072
2142
Podívejme se na to detailněji.
12:04
So this is the FreeSpeech ecosystem.
291
724214
2366
Toto je ekosystém FreeSpeech.
12:06
We have the Free Speech representation on one side,
292
726580
2884
Na jedné straně FreeSpeech reprezentace,
12:09
and we have the FreeSpeech Engine, which generates English.
293
729464
2228
na druhé FreeSpeech motor, který vytváří angličtinu.
12:11
Now if you think about it,
294
731694
1725
Když se nad tím zamyslíme,
12:13
FreeSpeech, I told you, is completely language-independent.
295
733419
2544
jak jsem Vám řekl, FreeSpeech je zcela nezávislá na jazyku.
12:15
It doesn't have any specific information in it
296
735963
2087
Nenese v sobě žádbou konkrétní informaci,
12:18
which is about English.
297
738050
1228
která by souvisela s angličtinou.
12:19
So everything that this system knows about English
298
739278
2800
Tudíž vše, co tento systém ví o angličtině
12:22
is actually encoded into the engine.
299
742078
4620
je zakódováno v tom motoru.
12:26
That's a pretty interesting concept in itself.
300
746698
2237
To je velmi zajímavý koncept.
12:28
You've encoded an entire human language
301
748935
3604
Zakódování celého lidského jazyka
12:32
into a software program.
302
752539
2645
do softwarového programu.
12:35
But if you look at what's inside the engine,
303
755184
2531
Ale podíváme-li se, co je uvnitř toho motoru,
12:37
it's actually not very complicated.
304
757715
2358
vlastně to není nijak komplikované.
12:40
It's not very complicated code.
305
760073
2105
Nejde o složitý kód.
12:42
And what's more interesting is the fact that
306
762178
2672
Zajímavější je fakt, že
12:44
the vast majority of the code in that engine
307
764850
2203
převážná většina kódu uvnitř motoru
12:47
is not really English-specific.
308
767053
2412
není specifická pro angličtinu.
12:49
And that gives this interesting idea.
309
769465
1895
A díky tomu mě napadla zajímavá věc.
12:51
It might be very easy for us to actually
310
771360
2038
Mohlo by být pro nás velmi snadné
12:53
create these engines in many, many different languages,
311
773398
3826
tyto motory vytvořit v mnoha různých jazycích,
12:57
in Hindi, in French, in German, in Swahili.
312
777224
6354
v hindu, francouzštině, němčině, svahilštině.
13:03
And that gives another interesting idea.
313
783578
2799
A s tím souvisí další zajímavá myšlenka.
13:06
For example, supposing I was a writer,
314
786377
2654
Například, kdybych byl novinář
13:09
say, for a newspaper or for a magazine.
315
789031
2122
a psal pro noviny nebo časopis,
13:11
I could create content in one language, FreeSpeech,
316
791153
5011
mohl bych napsat článek v jediném jazyce - FreeSpeech,
13:16
and the person who's consuming that content,
317
796164
2056
a ten, kdo si chce
13:18
the person who's reading that particular information
318
798220
3061
článek přečíst,
13:21
could choose any engine,
319
801281
2495
by si mohl zvolit jakýkoliv motor,
13:23
and they could read it in their own mother tongue,
320
803776
2736
který by text přečetl v jejich jazyce,
13:26
in their native language.
321
806512
3939
v jejich rodném jazyce.
13:30
I mean, this is an incredibly attractive idea,
322
810451
2722
Toto je dle mě velice lákavá myšlenka,
13:33
especially for India.
323
813173
1999
obzvláště v Indii.
13:35
We have so many different languages.
324
815172
1690
Máme tolik různých jazyků.
13:36
There's a song about India, and there's a description
325
816862
2142
O Indii existuje píseň,
13:39
of the country as, it says,
326
819004
2344
která tuto zemi popisuje jako
13:41
(in Sanskrit).
327
821348
2360
(v sanskrtu).
13:43
That means "ever-smiling speaker
328
823708
2773
To znamená "stále se usmívající mluvčí
13:46
of beautiful languages."
329
826481
4519
nádherných jazyků".
13:51
Language is beautiful.
330
831000
1964
Jazyk je nádherný.
13:52
I think it's the most beautiful of human creations.
331
832964
2454
Myslím, že je to vůbec nejkrásnější lidský vynález.
13:55
I think it's the loveliest thing that our brains have invented.
332
835418
3978
Myslím, že je to nejhezčí věc, jakou naše mozky stvořily.
13:59
It entertains, it educates, it enlightens,
333
839396
3584
Baví nás, vzdělává, informuje,
14:02
but what I like the most about language
334
842980
2044
ale co já mám na jazyku nejraději je to,
14:05
is that it empowers.
335
845024
1500
že lidi obohacuje.
14:06
I want to leave you with this.
336
846524
1838
A tímto bych rád skončil.
14:08
This is a photograph of my collaborators,
337
848362
2385
Toto je fotografie mých spolupracovníků,
14:10
my earliest collaborators
338
850747
997
mojich nejstarších spolupracovníků,
14:11
when I started working on language
339
851744
1462
se kterými jsem začínal pracovat
14:13
and autism and various other things.
340
853206
1502
s jazykem, autismem a dalšími věcmi.
14:14
The girl's name is Pavna,
341
854708
1417
Jméno té dívky je Pavna
14:16
and that's her mother, Kalpana.
342
856125
1902
a to je její matka, Kalpana.
14:18
And Pavna's an entrepreneur,
343
858027
2138
Pavna je podnikatelka,
14:20
but her story is much more remarkable than mine,
344
860165
2371
ale její příběh je mnohem zajímavější než ten můj,
14:22
because Pavna is about 23.
345
862536
2400
protože Pavně je asi 23 let.
14:24
She has quadriplegic cerebral palsy,
346
864936
2552
Je ochrnutá v důsledku mozkové obrny,
14:27
so ever since she was born,
347
867488
1640
a tak od svého narození
14:29
she could neither move nor talk.
348
869128
3600
nemohla se hýbat, ani mluvit.
14:32
And everything that she's accomplished so far,
349
872728
2403
A vše, co zatím dokázala,
14:35
finishing school, going to college,
350
875131
2227
jako dokončení střední školy, nástup na vysokou,
14:37
starting a company,
351
877358
1416
založení společnosti,
14:38
collaborating with me to develop Avaz,
352
878774
2140
spolupráce se mnou na rozvoji Avazu,
14:40
all of these things she's done
353
880914
1892
všechno to dokázala
14:42
with nothing more than moving her eyes.
354
882806
5523
pouze pohybem svých očí.
14:48
Daniel Webster said this:
355
888329
2689
Daniel Webster řekl toto:
14:51
He said, "If all of my possessions were taken
356
891018
2940
Řekl: "Pokud všechno, co mám,
14:53
from me with one exception,
357
893958
2988
mělo být odebráno, s jedinou výjimkou,
14:56
I would choose to keep the power of communication,
358
896946
2981
vybral bych si moc komunikovat,
14:59
for with it, I would regain all the rest."
359
899927
3903
neboť s ní bych mohl znovu získat vše ostatní."
15:03
And that's why, of all of these incredible applications of FreeSpeech,
360
903830
5116
A to je důvod, proč ze všech těch různých aplikací FreeSpeech
15:08
the one that's closest to my heart
361
908946
2080
je mému srdci nejblíž,
15:11
still remains the ability for this
362
911026
2068
její schopnost
15:13
to empower children with disabilities
363
913094
2380
obohatit handicapované děti
15:15
to be able to communicate,
364
915474
1773
tak, aby byly schopné komunikovat,
15:17
the power of communication,
365
917247
1789
aby získaly moc komunikace
15:19
to get back all the rest.
366
919036
2240
a s ní pak to zbývající.
15:21
Thank you.
367
921276
1397
Děkuji Vám.
15:22
(Applause)
368
922673
1332
(Potlesk)
15:24
Thank you. (Applause)
369
924005
4199
Děkuji. (Potlesk)
15:28
Thank you. Thank you. Thank you. (Applause)
370
928204
5323
Děkuji Vám. Děkuji. Děkuji. (Potlesk)
15:33
Thank you. Thank you. Thank you. (Applause)
371
933527
4000
Děkuji. Děkuji. Děkuji Vám. (Potlesk)
O tomto webu

Tato stránka vám představí videa na YouTube, která jsou užitečná pro výuku angličtiny. Uvidíte lekce angličtiny vedené špičkovými učiteli z celého světa. Dvojklikem na anglické titulky zobrazené na každé stránce s videem si video přehrajete přímo odtud. Titulky se posouvají synchronizovaně s přehráváním videa. Pokud máte nějaké připomínky nebo požadavky, kontaktujte nás prosím pomocí tohoto kontaktního formuláře.

https://forms.gle/WvT1wiN1qDtmnspy7