What we learned from 5 million books

236,062 views ・ 2011-09-20

TED


Pro přehrání videa dvakrát klikněte na anglické titulky níže.

Překladatel: Irena Svobodová Korektor: Petr Frish
00:15
Erez Lieberman Aiden: Everyone knows
0
15260
2000
Erez Lieberman Aiden: Každý ví,
00:17
that a picture is worth a thousand words.
1
17260
3000
že jeden obraz vydá za tisíc slov.
00:22
But we at Harvard
2
22260
2000
My na Harvardu
00:24
were wondering if this was really true.
3
24260
3000
jsme si to chtěli ověřit.
00:27
(Laughter)
4
27260
2000
(smích)
00:29
So we assembled a team of experts,
5
29260
4000
A tak jsme dali dohromady tým expertů
00:33
spanning Harvard, MIT,
6
33260
2000
z Harvardu, MIT,
00:35
The American Heritage Dictionary, The Encyclopedia Britannica
7
35260
3000
The American Heritage Dictionary, The Encyclopedia Britannica
00:38
and even our proud sponsors,
8
38260
2000
a dokonce i našeho hrdého sponzora,
00:40
the Google.
9
40260
3000
Google.
00:43
And we cogitated about this
10
43260
2000
A bádali jsme
00:45
for about four years.
11
45260
2000
4 roky.
00:47
And we came to a startling conclusion.
12
47260
5000
A přišli jsme na překvapující závěr.
00:52
Ladies and gentlemen, a picture is not worth a thousand words.
13
52260
3000
Dámy a pánové, jeden obraz nevydá za tisíc slov.
00:55
In fact, we found some pictures
14
55260
2000
Nášli jsme obrazy, které
00:57
that are worth 500 billion words.
15
57260
5000
vydají i za 500 miliard slov.
01:02
Jean-Baptiste Michel: So how did we get to this conclusion?
16
62260
2000
Jean-Baptiste Michel: Jak jsme na to přišli?
01:04
So Erez and I were thinking about ways
17
64260
2000
Erez a já jsme přemýšleli nad tím,
01:06
to get a big picture of human culture
18
66260
2000
jak získat celkový obrázek lidské
01:08
and human history: change over time.
19
68260
3000
kultury, historie a jejich vývoje v čase.
01:11
So many books actually have been written over the years.
20
71260
2000
V historii vzniklo mnoho a mnoho knih.
01:13
So we were thinking, well the best way to learn from them
21
73260
2000
Takže jsme si řekli, že nejlepší způsob, jak se z nich
01:15
is to read all of these millions of books.
22
75260
2000
poučit, je přečíst všechny ty miliony knih.
01:17
Now of course, if there's a scale for how awesome that is,
23
77260
3000
Takže, na škále úžasnosti je takový postup
01:20
that has to rank extremely, extremely high.
24
80260
3000
opravdu, velmi vysoká..
01:23
Now the problem is there's an X-axis for that,
25
83260
2000
Nicméně je zde i osa X,
01:25
which is the practical axis.
26
85260
2000
a to osa praktičnosti.
01:27
This is very, very low.
27
87260
2000
A ta je velmi, velmi nízká.
01:29
(Applause)
28
89260
3000
(potlesk)
01:32
Now people tend to use an alternative approach,
29
92260
3000
Takže lidé zkouší různé alternativní přístupy,
01:35
which is to take a few sources and read them very carefully.
30
95260
2000
například vzít si pár zdrojů a pečlivě je pročíst.
01:37
This is extremely practical, but not so awesome.
31
97260
2000
Velmi praktické, ale ani trochu cool.
01:39
What you really want to do
32
99260
3000
Nejraději bychom
01:42
is to get to the awesome yet practical part of this space.
33
102260
3000
získali úžasné a praktické řešení zároveň.
01:45
So it turns out there was a company across the river called Google
34
105260
3000
No a kousek od nás byla společnost Google, která před pár lety
01:48
who had started a digitization project a few years back
35
108260
2000
začala projekt digitalizace
01:50
that might just enable this approach.
36
110260
2000
který toto umožnil.
01:52
They have digitized millions of books.
37
112260
2000
Zdigitalizovali milióny knih.
01:54
So what that means is, one could use computational methods
38
114260
3000
To znamená, že za použití počítačů můžete
01:57
to read all of the books in a click of a button.
39
117260
2000
přečíst všechny ty knihy na jedno kliknutí.
01:59
That's very practical and extremely awesome.
40
119260
3000
To je velmi praktické a naprosto úžasné.
02:03
ELA: Let me tell you a little bit about where books come from.
41
123260
2000
ELA: Dovolte mi říci něco o původu těchto knih.
02:05
Since time immemorial, there have been authors.
42
125260
3000
Od pradávných časů jsme měli spisovatele.
02:08
These authors have been striving to write books.
43
128260
3000
Tito autoři toužili psát knihy.
02:11
And this became considerably easier
44
131260
2000
Což se stalo výrazně snazším
02:13
with the development of the printing press some centuries ago.
45
133260
2000
s vynálezem knihtisku před pár stoletími.
02:15
Since then, the authors have won
46
135260
3000
Od té doby se autorům podařilo
02:18
on 129 million distinct occasions,
47
138260
2000
ve 129 milionech různých případů,
02:20
publishing books.
48
140260
2000
své knihy vydat.
02:22
Now if those books are not lost to history,
49
142260
2000
Pokud tyto knihy nezapadly v čase,
02:24
then they are somewhere in a library,
50
144260
2000
staly se součástí nějaké knihovny,
02:26
and many of those books have been getting retrieved from the libraries
51
146260
3000
a mnoho z nich se z těchto knihoven i dostalo, a byly
02:29
and digitized by Google,
52
149260
2000
zdigitalizovány Googlem,
02:31
which has scanned 15 million books to date.
53
151260
2000
který má dnes naskenováno asi 15 miliónů knih.
02:33
Now when Google digitizes a book, they put it into a really nice format.
54
153260
3000
Když Google naskenuje knihu, převede jí do velmi pěkného formátu.
02:36
Now we've got the data, plus we have metadata.
55
156260
2000
Takže teď máme data a k tomu metadata.
02:38
We have information about things like where was it published,
56
158260
3000
Máme informaci například o tom, kde byla kniha vydaná,
02:41
who was the author, when was it published.
57
161260
2000
kdo byl její autor, nebo kdy byla vydaná.
02:43
And what we do is go through all of those records
58
163260
3000
A to, co jsme my udělali bylo, že jsme prošli
02:46
and exclude everything that's not the highest quality data.
59
166260
4000
všechny tyto záznamy a vypustili vše co nebylo nejvyšší kvality.
02:50
What we're left with
60
170260
2000
A nakonec nám
02:52
is a collection of five million books,
61
172260
3000
zbyla sbírka 5 miliónů knih,
02:55
500 billion words,
62
175260
3000
500 miliard slov,
02:58
a string of characters a thousand times longer
63
178260
2000
řada písmen tisíckrát delší
03:00
than the human genome --
64
180260
3000
než lidský genom -
03:03
a text which, when written out,
65
183260
2000
text, který, když by byl přepsán,
03:05
would stretch from here to the Moon and back
66
185260
2000
by dosáhl odsud na Měsíc a zpátky
03:07
10 times over --
67
187260
2000
desetkrát
03:09
a veritable shard of our cultural genome.
68
189260
4000
- opravdový střípek našeho kulturního genomu.
03:13
Of course what we did
69
193260
2000
Samozřejmě,
03:15
when faced with such outrageous hyperbole ...
70
195260
3000
když jsme čelili tak nehorázné hyperbole..
03:18
(Laughter)
71
198260
2000
(smích)
03:20
was what any self-respecting researchers
72
200260
3000
udělali jsme to, co by každý výzkumník
03:23
would have done.
73
203260
3000
s trochou sebeúcty udělal.
03:26
We took a page out of XKCD,
74
206260
2000
Vzali jsme stránku z XKCD,
03:28
and we said, "Stand back.
75
208260
2000
a řekli: "Ustupte,
03:30
We're going to try science."
76
210260
2000
zkusíme vědu!"
03:32
(Laughter)
77
212260
2000
(Smích)
03:34
JM: Now of course, we were thinking,
78
214260
2000
JM: No a pochopitelně jsme si
03:36
well let's just first put the data out there
79
216260
2000
říkali, že nejprve ty data zveřejníme,
03:38
for people to do science to it.
80
218260
2000
aby na nich lidi mohli tu vědu dělat.
03:40
Now we're thinking, what data can we release?
81
220260
2000
Takže jsme přemýšleli, jaká data můžeme zveřejnit?
03:42
Well of course, you want to take the books
82
222260
2000
Pochopitelně chtěli jsme vzít obsah všech
03:44
and release the full text of these five million books.
83
224260
2000
těch pěti miliónů knih a všechen zveřejnit.
03:46
Now Google, and Jon Orwant in particular,
84
226260
2000
Na to Google, a zejména Jon Orwant,
03:48
told us a little equation that we should learn.
85
228260
2000
nás seznámili s jednou pěknou rovnicí.
03:50
So you have five million, that is, five million authors
86
230260
3000
Máte pět miliónů knih. To je pět miliónů autorů
03:53
and five million plaintiffs is a massive lawsuit.
87
233260
3000
a pět miliónů žalob je už pořádný proces.
03:56
So, although that would be really, really awesome,
88
236260
2000
Takže, i když by to bylo opravdu úžasné,
03:58
again, that's extremely, extremely impractical.
89
238260
3000
opět to bylo i opravdu nepraktické.
04:01
(Laughter)
90
241260
2000
(Smích)
04:03
Now again, we kind of caved in,
91
243260
2000
Takže jsme ustoupili
04:05
and we did the very practical approach, which was a bit less awesome.
92
245260
3000
a pojali velmi praktický přístup, který byl však trochu méně úžasný.
04:08
We said, well instead of releasing the full text,
93
248260
2000
Řekli jsme si, že namísto plného znění,
04:10
we're going to release statistics about the books.
94
250260
2000
vydáme o těchto knihách statistiky.
04:12
So take for instance "A gleam of happiness."
95
252260
2000
Takže například: "Záblesk štěstí"
04:14
It's four words; we call that a four-gram.
96
254260
2000
To jsou dvě slova; říkáme tomu dvou-gram.
04:16
We're going to tell you how many times a particular four-gram
97
256260
2000
Takže Vám můžeme říci, kolikrát se daný dvou-gram
04:18
appeared in books in 1801, 1802, 1803,
98
258260
2000
objevil v knihách v roce 1801, 2, 3
04:20
all the way up to 2008.
99
260260
2000
až do roku 2008.
04:22
That gives us a time series
100
262260
2000
To nám dá časovou řadu
04:24
of how frequently this particular sentence was used over time.
101
264260
2000
stopující jak často se tato věta v danné době použila.
04:26
We do that for all the words and phrases that appear in those books,
102
266260
3000
Děláme to se všemi slovy a frázemi, které se v těchto knihách
04:29
and that gives us a big table of two billion lines
103
269260
3000
objevují a to nám dá jednu velkou mapu
04:32
that tell us about the way culture has been changing.
104
272260
2000
dvou mliard řádků zrcadlící proměny kultury.
04:34
ELA: So those two billion lines,
105
274260
2000
ELA: Takže tyto řádky
04:36
we call them two billion n-grams.
106
276260
2000
nazýváme dvě milardy n-gramů.
04:38
What do they tell us?
107
278260
2000
Co nám umí říct?
04:40
Well the individual n-grams measure cultural trends.
108
280260
2000
Jednotlivé n-gramy měří kulturní trendy.
04:42
Let me give you an example.
109
282260
2000
Dám Vám příklad.
04:44
Let's suppose that I am thriving,
110
284260
2000
Řekněme, že se mám fajn a
04:46
then tomorrow I want to tell you about how well I did.
111
286260
2000
druhý den vám o tom chci říci. Mohl bych
04:48
And so I might say, "Yesterday, I throve."
112
288260
3000
říci: "Včera mi bylo fajn."
04:51
Alternatively, I could say, "Yesterday, I thrived."
113
291260
3000
Nebo bych mohl říct: "Včera mi bylo dobře."
04:54
Well which one should I use?
114
294260
3000
Co bych měl říct správně?
04:57
How to know?
115
297260
2000
Jak se rozhodnout?
04:59
As of about six months ago,
116
299260
2000
Přibližně před šesti měsíci
05:01
the state of the art in this field
117
301260
2000
by situace v této oblasti
05:03
is that you would, for instance,
118
303260
2000
vypada asi takto - šli byste
05:05
go up to the following psychologist with fabulous hair,
119
305260
2000
za tímto psychologem s úžasným účesem
05:07
and you'd say,
120
307260
2000
a řekli:
05:09
"Steve, you're an expert on the irregular verbs.
121
309260
3000
"Steve, ty jsi expert na nepravidelná slovesa.
05:12
What should I do?"
122
312260
2000
Co bych měl říct?"
05:14
And he'd tell you, "Well most people say thrived,
123
314260
2000
A on by Vám řekl: "No, většina lidí by řekla "fajn"
05:16
but some people say throve."
124
316260
3000
ale někteří by řekli "dobře".
05:19
And you also knew, more or less,
125
319260
2000
Ale, když byste se vrátili, zhruba,
05:21
that if you were to go back in time 200 years
126
321260
3000
200 let nazpátek, a oslovili byste dalšího
05:24
and ask the following statesman with equally fabulous hair,
127
324260
3000
odborníka s neméně úžasným účesem:
05:27
(Laughter)
128
327260
3000
(Smích)
05:30
"Tom, what should I say?"
129
330260
2000
"Tome, co bych měl říci?"
05:32
He'd say, "Well, in my day, most people throve,
130
332260
2000
Řekl by: "Inu, v mé době většina lidí řekne
05:34
but some thrived."
131
334260
3000
"dobře", ale někteří i "fajn".
05:37
So now what I'm just going to show you is raw data.
132
337260
2000
Takže nyní Vám ukáži původní data.
05:39
Two rows from this table of two billion entries.
133
339260
4000
Tyto dvě linky vznikly také z oněch dvou
05:43
What you're seeing is year by year frequency
134
343260
2000
miliard údajů. To, co vidíte je frekvence užití
05:45
of "thrived" and "throve" over time.
135
345260
3000
dvou podobných slov rok po roce.
05:49
Now this is just two
136
349260
2000
A toto jsou pouze
05:51
out of two billion rows.
137
351260
3000
dvě z dvou miliard linek.
05:54
So the entire data set
138
354260
2000
Takže všechna ta data
05:56
is a billion times more awesome than this slide.
139
356260
3000
jsou ještě mnohem úžasnější než tento slide.
05:59
(Laughter)
140
359260
2000
(Smích)
06:01
(Applause)
141
361260
4000
(potlesk)
06:05
JM: Now there are many other pictures that are worth 500 billion words.
142
365260
2000
JM: Existuje mnoho dalších obrázků, které vydají za 500 miliard slov.
06:07
For instance, this one.
143
367260
2000
Například toto.
06:09
If you just take influenza,
144
369260
2000
Když bychom vzali třeba
06:11
you will see peaks at the time where you knew
145
371260
2000
"chřipku", uvidíte maxima v dobách, kdy víte,
06:13
big flu epidemics were killing people around the globe.
146
373260
3000
že velké chřipkové epidemie zabíjely po celém světě.
06:16
ELA: If you were not yet convinced,
147
376260
3000
ELA: pokud ještě nejste přesvědčeni,
06:19
sea levels are rising,
148
379260
2000
hladiny moře stoupají,
06:21
so is atmospheric CO2 and global temperature.
149
381260
3000
stejně jako obsah CO2 v atmosféře či globální teplota.
06:24
JM: You might also want to have a look at this particular n-gram,
150
384260
3000
JM: Možná byste také stáli o to vidět tento n-gram,
06:27
and that's to tell Nietzsche that God is not dead,
151
387260
3000
který říká Nietzschemu, že Bůh není mrtvý,
06:30
although you might agree that he might need a better publicist.
152
390260
3000
i když byste mohli usoudit, že by mohl užít lepšího PR agenta..
06:33
(Laughter)
153
393260
2000
(Smích)
06:35
ELA: You can get at some pretty abstract concepts with this sort of thing.
154
395260
3000
ELA: S tímto se můžete dostat k pár dosti abstraktním pojmům.
06:38
For instance, let me tell you the history
155
398260
2000
Tak například, dovolte mi Vás seznámit
06:40
of the year 1950.
156
400260
2000
s historií roku 1950.
06:42
Pretty much for the vast majority of history,
157
402260
2000
Po drtivou většinu celé historie
06:44
no one gave a damn about 1950.
158
404260
2000
o samotný rok 1950 nikdo ani nezavadil.
06:46
In 1700, in 1800, in 1900,
159
406260
2000
V roce 1700, 188, ani 1900.
06:48
no one cared.
160
408260
3000
Ani trochu.
06:52
Through the 30s and 40s,
161
412260
2000
Ani v 30. nebo 40. letech
06:54
no one cared.
162
414260
2000
nikoho nezajímal.
06:56
Suddenly, in the mid-40s,
163
416260
2000
Najednou, uprostřed 40. let
06:58
there started to be a buzz.
164
418260
2000
to začalo vřít.
07:00
People realized that 1950 was going to happen,
165
420260
2000
Lidé si uvědomili, že přijde rok 1950 a že to
07:02
and it could be big.
166
422260
2000
může být velké.
07:04
(Laughter)
167
424260
3000
(Smích)
07:07
But nothing got people interested in 1950
168
427260
3000
Ale nic lidi nezajímalo na roku 1950
07:10
like the year 1950.
169
430260
3000
více, než rok 1950.
07:13
(Laughter)
170
433260
3000
(Smích)
07:16
People were walking around obsessed.
171
436260
2000
Lidé byli celí bez sebe.
07:18
They couldn't stop talking
172
438260
2000
Nemohli přestat mluvit
07:20
about all the things they did in 1950,
173
440260
3000
o všem, co v tom roce dělali,
07:23
all the things they were planning to do in 1950,
174
443260
3000
co plánovali do té doby dosáhnout a jaké sny
07:26
all the dreams of what they wanted to accomplish in 1950.
175
446260
5000
si chtěli splnit v roce 1950.
07:31
In fact, 1950 was so fascinating
176
451260
2000
Ve skutečnosti byl rok 1950
07:33
that for years thereafter,
177
453260
2000
tak fascinující,
07:35
people just kept talking about all the amazing things that happened,
178
455260
3000
že i v dalších letech lidé vydrželi mluvit o tom, jak úžasné věci se staly
07:38
in '51, '52, '53.
179
458260
2000
i v roce 51, 2, 3..
07:40
Finally in 1954,
180
460260
2000
Až konečně
07:42
someone woke up and realized
181
462260
2000
v roce 1954 se lidé z ničeho nic
07:44
that 1950 had gotten somewhat passé.
182
464260
4000
probrali a zjistili, že rok 1950 je poněkud pasé.
07:48
(Laughter)
183
468260
2000
(Smích)
07:50
And just like that, the bubble burst.
184
470260
2000
A stejně tak splaskla i ta bublina.
07:52
(Laughter)
185
472260
2000
(Smích)
07:54
And the story of 1950
186
474260
2000
A příběh roku 1950
07:56
is the story of every year that we have on record,
187
476260
2000
je příběh každého roku, který jsme zaznamenali
07:58
with a little twist, because now we've got these nice charts.
188
478260
3000
trochu jinak, díky těmto krásným tabulkám, co máme.
08:01
And because we have these nice charts, we can measure things.
189
481260
3000
A protože tyto úžasné tabulky máme, můžeme věci měřit.
08:04
We can say, "Well how fast does the bubble burst?"
190
484260
2000
Můžeme říct: "Takže, jak rychle ta bublina splaskla?"
08:06
And it turns out that we can measure that very precisely.
191
486260
3000
Ukázalo se, že to dokážeme změřit velmi přesně.
08:09
Equations were derived, graphs were produced,
192
489260
3000
Rovnice byly odvozeny, grafy vytvořeny
08:12
and the net result
193
492260
2000
a čistý výsledek
08:14
is that we find that the bubble bursts faster and faster
194
494260
3000
říká, že zjistíme, jak ta bublina splaskává rychleji
08:17
with each passing year.
195
497260
2000
a rychleji každ rok.
08:19
We are losing interest in the past more rapidly.
196
499260
5000
O minulost ztrácíme zájem čím dál rychleji.
08:24
JM: Now a little piece of career advice.
197
504260
2000
JM: A nyní malý kariérní tip.
08:26
So for those of you who seek to be famous,
198
506260
2000
Pro ty z Vás, kdo se chcete stát slavnými,
08:28
we can learn from the 25 most famous political figures,
199
508260
2000
můžeme vzít inspiraci od 25 nejslavnějších politických
08:30
authors, actors and so on.
200
510260
2000
osobností, autorů a herců atd.
08:32
So if you want to become famous early on, you should be an actor,
201
512260
3000
Pokud se chcete stát slavnými spíše hned, měli byste být herci,
08:35
because then fame starts rising by the end of your 20s --
202
515260
2000
neboť tehdy zazáříte pravděpodobně před 30. rokem.
08:37
you're still young, it's really great.
203
517260
2000
Jste stále mladí, takže je to skvělé.
08:39
Now if you can wait a little bit, you should be an author,
204
519260
2000
Pokud jste ochotni si trochu počkat, měli byste být
08:41
because then you rise to very great heights,
205
521260
2000
spisovatel, protože pak Vás nejvyšší pocty
08:43
like Mark Twain, for instance: extremely famous.
206
523260
2000
čekají později, jako třeba úspěch Marka Twaina.
08:45
But if you want to reach the very top,
207
525260
2000
Ale pokud se chcete dostat opravdu
08:47
you should delay gratification
208
527260
2000
na vrchol, měli byste odložit
08:49
and, of course, become a politician.
209
529260
2000
uspokojení ještě více a pochopitelně
08:51
So here you will become famous by the end of your 50s,
210
531260
2000
se stát politikem. Slavným se stanete před 60tým rokem
08:53
and become very, very famous afterward.
211
533260
2000
a velmi slavným poté.
08:55
So scientists also tend to get famous when they're much older.
212
535260
3000
Také vědci tíhnout k slávě ve výrazně starším věku.
08:58
Like for instance, biologists and physics
213
538260
2000
Jako například biologové a fyzici
09:00
tend to be almost as famous as actors.
214
540260
2000
tíhnou k slávě srovnatelné s herci.
09:02
One mistake you should not do is become a mathematician.
215
542260
3000
Jediná chyba by byla, když byste se dali na dráhu matematika.
09:05
(Laughter)
216
545260
2000
(Smích)
09:07
If you do that,
217
547260
2000
Pokud byste to udělali,
09:09
you might think, "Oh great. I'm going to do my best work when I'm in my 20s."
218
549260
3000
mohli byste si říct: "Oh, skvěle. To nejlepší udělám mezi 20-30 lety.
09:12
But guess what, nobody will really care.
219
552260
2000
Jenže, ouha. Nikoho to nezaujme.
09:14
(Laughter)
220
554260
3000
(Smích)
09:17
ELA: There are more sobering notes
221
557260
2000
ELA: Mezi n-gramy najdeme ještě
09:19
among the n-grams.
222
559260
2000
více varování.
09:21
For instance, here's the trajectory of Marc Chagall,
223
561260
2000
Například tady vidíme trajektorii Marc Chagalla,
09:23
an artist born in 1887.
224
563260
2000
malíře narozeného 1887.
09:25
And this looks like the normal trajectory of a famous person.
225
565260
3000
Která vypadá jako běžná trajektorie slavné osobnosti.
09:28
He gets more and more and more famous,
226
568260
4000
Stává se slavnějším a slavnějším všude,
09:32
except if you look in German.
227
572260
2000
kromě Německa.
09:34
If you look in German, you see something completely bizarre,
228
574260
2000
Pokud se podíváte na Německo, zjistíte něco velmi
09:36
something you pretty much never see,
229
576260
2000
bizardního, co se jen tak nevidí.
09:38
which is he becomes extremely famous
230
578260
2000
A to je to, že se stává extrémně slavným
09:40
and then all of a sudden plummets,
231
580260
2000
a pak zničeho nic sláva opadne,
09:42
going through a nadir between 1933 and 1945,
232
582260
3000
s nejnižším bodem v letech 1933 až 1945,
09:45
before rebounding afterward.
233
585260
3000
kdy se odrazil ode dna.
09:48
And of course, what we're seeing
234
588260
2000
A pochopitelně to, co zjistíme je,
09:50
is the fact Marc Chagall was a Jewish artist
235
590260
3000
že Marc Chagall je židovský umělec
09:53
in Nazi Germany.
236
593260
2000
v nacistickém Německu.
09:55
Now these signals
237
595260
2000
Tyto signály jsou
09:57
are actually so strong
238
597260
2000
ve skutečnosti tak silné,
09:59
that we don't need to know that someone was censored.
239
599260
3000
že nepotřebujeme ani vědět, že tu byl někdo cenzorován.
10:02
We can actually figure it out
240
602260
2000
Můžeme to zjistit
10:04
using really basic signal processing.
241
604260
2000
užitím základních metod zpracování dat.
10:06
Here's a simple way to do it.
242
606260
2000
Toto je jedna jednoduchá metoda.
10:08
Well, a reasonable expectation
243
608260
2000
A sice: rozumné očekávání
10:10
is that somebody's fame in a given period of time
244
610260
2000
je, že míra slávy jednoho člověka v daném čase
10:12
should be roughly the average of their fame before
245
612260
2000
by se měla rovnat cca průměru jeho slávy
10:14
and their fame after.
246
614260
2000
před tím a potom.
10:16
So that's sort of what we expect.
247
616260
2000
Něco takového očekáváme.
10:18
And we compare that to the fame that we observe.
248
618260
3000
A srovnáváme to se slávou, kterou pozorujeme.
10:21
And we just divide one by the other
249
621260
2000
A jen dělíme jedno druhým,
10:23
to produce something we call a suppression index.
250
623260
2000
abychom se dostali k tzv. indexu potlačení.
10:25
If the suppression index is very, very, very small,
251
625260
3000
Pokud je index potlačení velmi, ale velmi nízký,
10:28
then you very well might be being suppressed.
252
628260
2000
pak asi se jedná o nějaký útisk, cenzuru.
10:30
If it's very large, maybe you're benefiting from propaganda.
253
630260
3000
Pokud je velmi vysoký, můze to být výsledek propagandy.
10:34
JM: Now you can actually look at
254
634260
2000
JM: Nyní se můžeme podívat na
10:36
the distribution of suppression indexes over whole populations.
255
636260
3000
několik příkladů rozdělení indexů potlačení napříč populací.
10:39
So for instance, here --
256
639260
2000
Zde je například je
10:41
this suppression index is for 5,000 people
257
641260
2000
index potlačení pro asi 5 000 lidí
10:43
picked in English books where there's no known suppression --
258
643260
2000
vybraných z anglické literatury, kde nebylo žádné známé potlačení,
10:45
it would be like this, basically tightly centered on one.
259
645260
2000
vypadá takto, v podstatě těsně vycentrované na jedné.
10:47
What you expect is basically what you observe.
260
647260
2000
To, co očekáváte je to, co vidíte.
10:49
This is distribution as seen in Germany --
261
649260
2000
Toto je rozložení je viděno v Německu -
10:51
very different, it's shifted to the left.
262
651260
2000
velmi odlišné - posunuté doleva.
10:53
People talked about it twice less as it should have been.
263
653260
3000
Lidé o tom mluvili dvakrát méně, než by měli.
10:56
But much more importantly, the distribution is much wider.
264
656260
2000
Ale co je ještě důležitější, rozdělení je mnohem širší.
10:58
There are many people who end up on the far left on this distribution
265
658260
3000
Mnoho lidí se umístilo daleko vlevo na této škále a o nich
11:01
who are talked about 10 times fewer than they should have been.
266
661260
3000
se mluvilo 10 krát méně, než by se mělo.
11:04
But then also many people on the far right
267
664260
2000
Mnoho lidí se ale také umístilo daleko
11:06
who seem to benefit from propaganda.
268
666260
2000
v pravo, které podporovala propaganda.
11:08
This picture is the hallmark of censorship in the book record.
269
668260
3000
Tento obrázek je znak cenzury v knihách.
11:11
ELA: So culturomics
270
671260
2000
ELA: Tuto metodu
11:13
is what we call this method.
271
673260
2000
nazýváme kulturomikou.
11:15
It's kind of like genomics.
272
675260
2000
Je to trochu jako genomika.
11:17
Except genomics is a lens on biology
273
677260
2000
S tím rozdílem, že genomika je biologie, nahlížena
11:19
through the window of the sequence of bases in the human genome.
274
679260
3000
skrze pohled na posloupnosti bází lidského genomu.
11:22
Culturomics is similar.
275
682260
2000
Kulturomika je podobná.
11:24
It's the application of massive-scale data collection analysis
276
684260
3000
Aplikuje analyzu masivní sbírky dat
11:27
to the study of human culture.
277
687260
2000
ke studiu lidské kultury.
11:29
Here, instead of through the lens of a genome,
278
689260
2000
Zde však namísto pohledu skrze lidský genom
11:31
through the lens of digitized pieces of the historical record.
279
691260
3000
nahlížíme člověka skrze digitální kusy historických záznamů.
11:34
The great thing about culturomics
280
694260
2000
Na kulturomice je skvělé to,
11:36
is that everyone can do it.
281
696260
2000
že se jí může věnovat každý.
11:38
Why can everyone do it?
282
698260
2000
Jak to?
11:40
Everyone can do it because three guys,
283
700260
2000
Je to možné díky třem chlapíkům,
11:42
Jon Orwant, Matt Gray and Will Brockman over at Google,
284
702260
3000
Jonovi Orwantovi, Mattotvi Graymu a Willovi Brockmanovi z Googlu,
11:45
saw the prototype of the Ngram Viewer,
285
705260
2000
kteří, když viděli prototyp Ngrame Vieweru,
11:47
and they said, "This is so fun.
286
707260
2000
řekli, "Tohle je fakt supr,
11:49
We have to make this available for people."
287
709260
3000
tuhle věc musíme dostat k lidem."
11:52
So in two weeks flat -- the two weeks before our paper came out --
288
712260
2000
Takže dva týdny před tím, než jsme vydali svou studii
11:54
they coded up a version of the Ngram Viewer for the general public.
289
714260
3000
vytvořili kódy pro verzi Ngram Vieweru, která by byla dostupná
11:57
And so you too can type in any word or phrase that you're interested in
290
717260
3000
všem. Takže i vy si můžete napsat jakoukoliv frázi či slovo, které vás
12:00
and see its n-gram immediately --
291
720260
2000
zajímá a vidět je okamžitě v n-gramu
12:02
also browse examples of all the various books
292
722260
2000
a také si zabrouzdat ukázkou všech možných
12:04
in which your n-gram appears.
293
724260
2000
knih, ve kterých se Váš n-gram vyskytuje.
12:06
JM: Now this was used over a million times on the first day,
294
726260
2000
JM: Během prvního dne byly užity více než
12:08
and this is really the best of all the queries.
295
728260
2000
miliónkrát a to je nejlepší ze všech statistik.
12:10
So people want to be their best, put their best foot forward.
296
730260
3000
Takže lidé chtějí být co nejlepší a dělat to nejlepší.
12:13
But it turns out in the 18th century, people didn't really care about that at all.
297
733260
3000
Ale ukazuje se, že v 18. století se o to lidé o toto nezajímali.
12:16
They didn't want to be their best, they wanted to be their beft.
298
736260
3000
Nechtěli být co nejlepší. Chtěli být co "nejlepčí".
12:19
So what happened is, of course, this is just a mistake.
299
739260
3000
To, co jste viděli byla samozřejmě chyba.
12:22
It's not that strove for mediocrity,
300
742260
2000
Není to pokus o jakousi prostřednost.
12:24
it's just that the S used to be written differently, kind of like an F.
301
744260
3000
Spousta slov se historicky psala s jinými písmeny. Například S jako Beta,
12:27
Now of course, Google didn't pick this up at the time,
302
747260
3000
v angličtině jako F apod. Google si to samozřejmě
12:30
so we reported this in the science article that we wrote.
303
750260
3000
sám od sebe nepřeložil a tak jsme to popsali ve vědedckém
12:33
But it turns out this is just a reminder
304
753260
2000
článku, který jsme vydali. Ale ukázalo se,
12:35
that, although this is a lot of fun,
305
755260
2000
že je to připomínka, toho, že i když
12:37
when you interpret these graphs, you have to be very careful,
306
757260
2000
je to celé velká zábava, když interpretujete tyto grafy,
12:39
and you have to adopt the base standards in the sciences.
307
759260
3000
musíte být velmi opatrní a použít to nejlepší co věda nabízí.
12:42
ELA: People have been using this for all kinds of fun purposes.
308
762260
3000
ELA: Lidé to využívali pro mnoho rozličných zábavných účelů.
12:45
(Laughter)
309
765260
7000
(Smích)
12:52
Actually, we're not going to have to talk,
310
772260
2000
Ve skutečnosti nebudeme muset ani
12:54
we're just going to show you all the slides and remain silent.
311
774260
3000
moc mluvit, jen Vám ukážeme zbylé slidy a můžeme mlčet.
12:57
This person was interested in the history of frustration.
312
777260
3000
Tato osoba se zajímala o historii frustrace.
13:00
There's various types of frustration.
313
780260
3000
Jsou různé typy frustrací.
13:03
If you stub your toe, that's a one A "argh."
314
783260
3000
Pokud se praštíte do palce, zakřičíte "argh".
13:06
If the planet Earth is annihilated by the Vogons
315
786260
2000
Pokud planetu Zemi zničí Vogoni, aby
13:08
to make room for an interstellar bypass,
316
788260
2000
si udělali prostor pro mezihvězdný bypass,
13:10
that's an eight A "aaaaaaaargh."
317
790260
2000
bude to osmimístné "aaaaaaaargh."
13:12
This person studies all the "arghs,"
318
792260
2000
Tato osoba studovala všechny "arghy."
13:14
from one through eight A's.
319
794260
2000
od jednoho po osmimístné.
13:16
And it turns out
320
796260
2000
A ukázalo se, že
13:18
that the less-frequent "arghs"
321
798260
2000
méně frekventovaná "argh"
13:20
are, of course, the ones that correspond to things that are more frustrating --
322
800260
3000
se pochopitelně váží k více frustrujícím situacím, s jednou zvláštní výjimkou
13:23
except, oddly, in the early 80s.
323
803260
3000
v 80. letech.
13:26
We think that might have something to do with Reagan.
324
806260
2000
Domníváme se, že to bude mít něco společného s Reaganem.
13:28
(Laughter)
325
808260
2000
(Smích)
13:30
JM: There are many usages of this data,
326
810260
3000
JM: Tato data mají mnohotvárné využití,
13:33
but the bottom line is that the historical record is being digitized.
327
813260
3000
ale základ je vždy digitalizace historických záznamů.
13:36
Google has started to digitize 15 million books.
328
816260
2000
Google začal a zdigitalizoval 15 miliónů knih.
13:38
That's 12 percent of all the books that have ever been published.
329
818260
2000
To je 12 procent všech knih, které kdy byly vydané.
13:40
It's a sizable chunk of human culture.
330
820260
3000
To je slušný kousek z lidské kultury.
13:43
There's much more in culture: there's manuscripts, there newspapers,
331
823260
3000
Ale kultura má mnohem víc: manuskripty, noviny,
13:46
there's things that are not text, like art and paintings.
332
826260
2000
věci, které nejsou v textech - jako umění a obrazy.
13:48
These all happen to be on our computers,
333
828260
2000
Ale všechny se nalézají v nějaké podobě
13:50
on computers across the world.
334
830260
2000
v našich počítačech kolem světa.
13:52
And when that happens, that will transform the way we have
335
832260
3000
A až budou všechny zdigitalizované, nastane změna
13:55
to understand our past, our present and human culture.
336
835260
2000
v chápání naší minulosti, současnosti a kultury lidstva.
13:57
Thank you very much.
337
837260
2000
Velice Vám děkuji.
13:59
(Applause)
338
839260
3000
(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