Deb Roy: The birth of a word

410,607 views ・ 2011-03-14

TED


Pro přehrání videa dvakrát klikněte na anglické titulky níže.

Překladatel: Vladimír Harašta Korektor: Kateřina Jabůrková
00:15
Imagine if you could record your life --
0
15260
4000
Představte si, kdybyste mohli zaznamenat svůj život —
00:19
everything you said, everything you did,
1
19260
3000
všechno, co jste kdy řekli, všechno, co jste udělali,
00:22
available in a perfect memory store at your fingertips,
2
22260
3000
a měli to na dosah ruky v dokonalé paměti,
00:25
so you could go back
3
25260
2000
takže byste se k nim mohli vracet
00:27
and find memorable moments and relive them,
4
27260
3000
a hledat památné okamžiky a znovu je prožívat,
00:30
or sift through traces of time
5
30260
3000
nebo se brouzdat stopami času
00:33
and discover patterns in your own life
6
33260
2000
a objevovat vzory ve svém životě,
00:35
that previously had gone undiscovered.
7
35260
3000
které předtím zůstaly nepovšimnuty.
00:38
Well that's exactly the journey
8
38260
2000
No a to je přesně ta cesta,
00:40
that my family began
9
40260
2000
kterou nastoupila moje rodina
00:42
five and a half years ago.
10
42260
2000
před pět a půl rokem.
00:44
This is my wife and collaborator, Rupal.
11
44260
3000
Tohle je Rupal, moje žena a spolupracovnice.
00:47
And on this day, at this moment,
12
47260
2000
A toho dne, v tento okamžik,
00:49
we walked into the house with our first child,
13
49260
2000
jsme vcházeli do domu s naším prvním dítětem,
00:51
our beautiful baby boy.
14
51260
2000
naším nádherným chlapečkem.
00:53
And we walked into a house
15
53260
3000
Vcházeli jsme do domu,
00:56
with a very special home video recording system.
16
56260
4000
který měl velmi zvláštní systém záznamu domácího videa.
01:07
(Video) Man: Okay.
17
67260
2000
(Video) Muž: Dobrá.
Deb Roy: Tento okamžik,
01:10
Deb Roy: This moment
18
70260
1000
01:11
and thousands of other moments special for us
19
71260
3000
stejně jako tisíce dalších pro nás významných okamžiků,
01:14
were captured in our home
20
74260
2000
byl u nás doma natočen na video,
01:16
because in every room in the house,
21
76260
2000
protože každá místnost,
01:18
if you looked up, you'd see a camera and a microphone,
22
78260
3000
při pohledu zdola, měla na stropě kameru a mikrofon
01:21
and if you looked down,
23
81260
2000
a při pohledu shora
01:23
you'd get this bird's-eye view of the room.
24
83260
2000
jste mohli sledovat místnost z ptačí perspektivy.
01:25
Here's our living room,
25
85260
3000
Tady je náš obývák,
01:28
the baby bedroom,
26
88260
3000
dětský pokoj,
01:31
kitchen, dining room
27
91260
2000
kuchyň, jídelna
01:33
and the rest of the house.
28
93260
2000
a zbytek domu.
01:35
And all of these fed into a disc array
29
95260
3000
A záběry toho všeho plnily diskové pole,
01:38
that was designed for a continuous capture.
30
98260
3000
které bylo nastaveno na nepřetržitý provoz.
01:41
So here we are flying through a day in our home
31
101260
3000
Tady prolétáváme jedním dnem v našem domě
01:44
as we move from sunlit morning
32
104260
3000
od sluncem zalitého rána
01:47
through incandescent evening
33
107260
2000
do rozzářeného večera
01:49
and, finally, lights out for the day.
34
109260
3000
až nakonec na noc světla zhasnou.
01:53
Over the course of three years,
35
113260
3000
V průběhu tří let
01:56
we recorded eight to 10 hours a day,
36
116260
2000
jsme natáčeli 8 až 10 hodin denně
01:58
amassing roughly a quarter-million hours
37
118260
3000
a nashromáždili odhadem čtvrt milionu hodin
02:01
of multi-track audio and video.
38
121260
3000
vícestopého zvuku a videa.
02:04
So you're looking at a piece of what is by far
39
124260
2000
Díváte se teď na část zdaleka největší
02:06
the largest home video collection ever made.
40
126260
2000
sbírky domácího videa, jaká kdy vznikla.
02:08
(Laughter)
41
128260
3000
(Smích)
02:11
And what this data represents
42
131260
2000
A to, co pro naši rodinu
02:13
for our family at a personal level,
43
133260
4000
tato data znamenají osobně,
02:17
the impact has already been immense,
44
137260
2000
má už teď nesmírný vliv
02:19
and we're still learning its value.
45
139260
3000
a stále ještě poznáváme jejich hodnotu.
02:22
Countless moments
46
142260
2000
Je tam zachycen
02:24
of unsolicited natural moments, not posed moments,
47
144260
3000
bezpočet nestrojeně přirozených,
02:27
are captured there,
48
147260
2000
nestylizovaných okamžiků
02:29
and we're starting to learn how to discover them and find them.
49
149260
3000
a my začínáme zjišťovat, jak je objevit a kde je najít.
02:32
But there's also a scientific reason that drove this project,
50
152260
3000
Ale tento projekt pohání i vědecký důvod,
02:35
which was to use this natural longitudinal data
51
155260
4000
kterým je využití těchto čistě délkových údajů
02:39
to understand the process
52
159260
2000
k pochopení procesu,
02:41
of how a child learns language --
53
161260
2000
jakým se dítě učí jazyku —
02:43
that child being my son.
54
163260
2000
přičemž to dítě byl můj syn.
02:45
And so with many privacy provisions put in place
55
165260
4000
Zavedli jsme mnohá opatření
02:49
to protect everyone who was recorded in the data,
56
169260
3000
na ochranu soukromí všech, kteří se ocitli na záznamu,
02:52
we made elements of the data available
57
172260
3000
to podstatné z těchto dat jsme poskytli
02:55
to my trusted research team at MIT
58
175260
3000
mému důvěryhodnému výzkumnému týmu na MIT,
02:58
so we could start teasing apart patterns
59
178260
3000
takže jsme mohli začít pročesávat vzorky
03:01
in this massive data set,
60
181260
3000
z toho obrovského souboru
03:04
trying to understand the influence of social environments
61
184260
3000
a pokoušet se chápat vlivy sociálního prostředí
03:07
on language acquisition.
62
187260
2000
na osvojování si jazyka.
03:09
So we're looking here
63
189260
2000
Tady sledujeme
03:11
at one of the first things we started to do.
64
191260
2000
jednu z prvních věcí, se kterými jsme začali.
03:13
This is my wife and I cooking breakfast in the kitchen,
65
193260
4000
Toto je moje žena a já, jak si děláme snídani v kuchyni
03:17
and as we move through space and through time,
66
197260
3000
a jak se pohybujeme v prostoru a v čase,
03:20
a very everyday pattern of life in the kitchen.
67
200260
3000
obvyklý každodenní stereotyp života v kuchyni.
03:23
In order to convert
68
203260
2000
K převodu
03:25
this opaque, 90,000 hours of video
69
205260
3000
90 000 hodin ničím výjimečného videa
03:28
into something that we could start to see,
70
208260
2000
na něco, co můžeme začít pozorovat,
03:30
we use motion analysis to pull out,
71
210260
2000
používáme analýzu pohybu, kterou natahujeme
03:32
as we move through space and through time,
72
212260
2000
během pohybu prostorem a časem cosi,
03:34
what we call space-time worms.
73
214260
3000
čemu říkáme časoprostoroví červi.
03:37
And this has become part of our toolkit
74
217260
3000
Stali se součástí naší sady nástrojů
03:40
for being able to look and see
75
220260
3000
pro vyhledávání a rozpoznávání míst,
03:43
where the activities are in the data,
76
223260
2000
kde se v datech nacházejí jednotlivé aktivity.
03:45
and with it, trace the pattern of, in particular,
77
225260
3000
A s jejich pomocí zaznamenáváme vzorce,
03:48
where my son moved throughout the home,
78
228260
2000
zejména v místech, kde se po domě pohyboval můj syn,
03:50
so that we could focus our transcription efforts,
79
230260
3000
abychom mohli soustředit naši snahu o přepis řeči,
03:53
all of the speech environment around my son --
80
233260
3000
na veškeré řečové okolí mého syna —
03:56
all of the words that he heard from myself, my wife, our nanny,
81
236260
3000
na všechna slova, která uslyšel ode mě, mé ženy, chůvy
03:59
and over time, the words he began to produce.
82
239260
3000
a na všechna slova, která časem sám začal tvořit.
04:02
So with that technology and that data
83
242260
3000
S touto technologií a těmito daty
04:05
and the ability to, with machine assistance,
84
245260
2000
a s možností strojově
04:07
transcribe speech,
85
247260
2000
přepisovat řeč,
04:09
we've now transcribed
86
249260
2000
jsme už zapsali
04:11
well over seven million words of our home transcripts.
87
251260
3000
z našich domácích záznamů přes 7 milionů slov.
04:14
And with that, let me take you now
88
254260
2000
A teď vás tedy mohu vzít
04:16
for a first tour into the data.
89
256260
3000
na první prohlídku dat.
04:19
So you've all, I'm sure,
90
259260
2000
Určitě už jste všichni
04:21
seen time-lapse videos
91
261260
2000
viděli časosběrně zaznamenaná videa,
04:23
where a flower will blossom as you accelerate time.
92
263260
3000
na kterých se květy zrychleně rozvíjejí.
04:26
I'd like you to now experience
93
266260
2000
Rád bych, abyste si teď vyzkoušeli,
04:28
the blossoming of a speech form.
94
268260
2000
jak se rozvíjí forma řeči.
04:30
My son, soon after his first birthday,
95
270260
2000
Můj syn, krátce po svých prvních narozeninách,
04:32
would say "gaga" to mean water.
96
272260
3000
začal říkat slovo „gaga“ a myslel tím vodu.
04:35
And over the course of the next half-year,
97
275260
3000
A během následujícího půlroku
04:38
he slowly learned to approximate
98
278260
2000
se pomalu učil přizpůsobovat
04:40
the proper adult form, "water."
99
280260
3000
výslovnost tvaru „voda“ u dospělých.
04:43
So we're going to cruise through half a year
100
283260
2000
Takže teď proplujeme půlrokem
04:45
in about 40 seconds.
101
285260
2000
během asi 40 vteřin.
04:47
No video here,
102
287260
2000
Neuvidíte žádné video,
04:49
so you can focus on the sound, the acoustics,
103
289260
3000
takže se můžete soustředit na zvuky, na akustiku,
04:52
of a new kind of trajectory:
104
292260
2000
na nový druh přechodu:
04:54
gaga to water.
105
294260
2000
z gaga na voda.
04:56
(Audio) Baby: Gagagagagaga
106
296260
12000
(Zvuk) Dítě: Gagagagagaga
05:08
Gaga gaga gaga
107
308260
4000
Gaga gaga gaga
05:12
guga guga guga
108
312260
5000
guga guga guga
05:17
wada gaga gaga guga gaga
109
317260
5000
vada gaga gaga guga gaga
05:22
wader guga guga
110
322260
4000
vode guga guga
05:26
water water water
111
326260
3000
voda voda voda
05:29
water water water
112
329260
6000
voda voda voda
05:35
water water
113
335260
4000
voda voda
05:39
water.
114
339260
2000
voda.
05:41
DR: He sure nailed it, didn't he.
115
341260
2000
DR: Zvládl to na jedničku, co?
05:43
(Applause)
116
343260
7000
(Potlesk)
05:50
So he didn't just learn water.
117
350260
2000
Nenaučil se vyslovovat jenom vodu.
05:52
Over the course of the 24 months,
118
352260
2000
V průběhu 24 měsíců,
05:54
the first two years that we really focused on,
119
354260
3000
prvních dvou roků, na které jsme se opravdu zaměřili,
05:57
this is a map of every word he learned in chronological order.
120
357260
4000
na každé slovo, které se postupně naučil, máme tuhle mapu.
06:01
And because we have full transcripts,
121
361260
3000
A protože máme kompletní přepis řeči,
06:04
we've identified each of the 503 words
122
364260
2000
určili jsme všech 503 slov,
06:06
that he learned to produce by his second birthday.
123
366260
2000
které se naučil vyslovovat do svých druhých narozenin.
06:08
He was an early talker.
124
368260
2000
Začal mluvit brzy.
06:10
And so we started to analyze why.
125
370260
3000
A tak jsme začali analyzovat proč.
06:13
Why were certain words born before others?
126
373260
3000
Proč se konkrétní slova zrodila dřív než jiná?
06:16
This is one of the first results
127
376260
2000
Toto je jeden z prvních výsledků,
06:18
that came out of our study a little over a year ago
128
378260
2000
které vzešly z naší studie před více než rokem
06:20
that really surprised us.
129
380260
2000
a který nás opravdu překvapil.
06:22
The way to interpret this apparently simple graph
130
382260
3000
Tento očividně jednoduchý graf si můžete vyložit tak,
06:25
is, on the vertical is an indication
131
385260
2000
že svislá osa představuje,
06:27
of how complex caregiver utterances are
132
387260
3000
jak složité výrazy používal opatrovatel
06:30
based on the length of utterances.
133
390260
2000
na základě délky jeho projevů.
06:32
And the [horizontal] axis is time.
134
392260
3000
A na vodorovné ose je čas.
06:35
And all of the data,
135
395260
2000
Všechna ta data
06:37
we aligned based on the following idea:
136
397260
3000
jsme uspořádali podle následujícího konceptu:
06:40
Every time my son would learn a word,
137
400260
3000
Kdykoliv se můj syn naučil nějaké slovo,
06:43
we would trace back and look at all of the language he heard
138
403260
3000
analyzovali jsme zpětně veškerou řeč, kterou slyšel
06:46
that contained that word.
139
406260
2000
a ve které se slovo objevilo.
06:48
And we would plot the relative length of the utterances.
140
408260
4000
A poměrnou délku projevů jsme zakreslili.
06:52
And what we found was this curious phenomena,
141
412260
3000
Objevili jsme zvláštní fenomén,
06:55
that caregiver speech would systematically dip to a minimum,
142
415260
3000
když projev opatrovatele systematicky klesal na minimum,
06:58
making language as simple as possible,
143
418260
3000
aby mluvil tak jednoduše, jak to jen jde
07:01
and then slowly ascend back up in complexity.
144
421260
3000
a potom se pomalu vracel zpět ke složitosti.
07:04
And the amazing thing was
145
424260
2000
Úžasné na tom bylo,
07:06
that bounce, that dip,
146
426260
2000
že se ten skok, onen pokles,
07:08
lined up almost precisely
147
428260
2000
téměř přesně shodoval
07:10
with when each word was born --
148
430260
2000
s okamžikem zrodu slova —
07:12
word after word, systematically.
149
432260
2000
slovo za slovem, systematicky.
07:14
So it appears that all three primary caregivers --
150
434260
2000
Takže se zdá, že všichni tři prvotní opatrovatelé —
07:16
myself, my wife and our nanny --
151
436260
3000
já, moje žena a naše chůva —
07:19
were systematically and, I would think, subconsciously
152
439260
3000
systematicky a podle mě podvědomě
07:22
restructuring our language
153
442260
2000
měnili skladbu našeho jazyka,
07:24
to meet him at the birth of a word
154
444260
3000
abychom se se synem potkali při zrodu slova
07:27
and bring him gently into more complex language.
155
447260
4000
a něžně ho naváděli ke složitějšímu jazyku.
07:31
And the implications of this -- there are many,
156
451260
2000
Tohle má mnoho důsledků,
07:33
but one I just want to point out,
157
453260
2000
ale na jeden bych chtěl poukázat:
07:35
is that there must be amazing feedback loops.
158
455260
3000
musí existovat úžasné zpětnovazební smyčky.
07:38
Of course, my son is learning
159
458260
2000
Samozřejmě, můj syn se učí
07:40
from his linguistic environment,
160
460260
2000
z lingvistického prostředí,
07:42
but the environment is learning from him.
161
462260
3000
ale to prostředí se učí i od něho.
07:45
That environment, people, are in these tight feedback loops
162
465260
3000
Prostředí, lidé, jsou v těsných zpětnovazebních smyčkách
07:48
and creating a kind of scaffolding
163
468260
2000
a vytvářejí něco jako lešení,
07:50
that has not been noticed until now.
164
470260
3000
kterého jsme si doposud nepovšimli.
07:54
But that's looking at the speech context.
165
474260
2000
Ale to se díváme na kontext řeči.
07:56
What about the visual context?
166
476260
2000
Co takhle vizuální kontext?
07:58
We're not looking at --
167
478260
2000
Nedíváme se na ―
08:00
think of this as a dollhouse cutaway of our house.
168
480260
2000
představte si náš dům jako řez domečkem pro panenky.
08:02
We've taken those circular fish-eye lens cameras,
169
482260
3000
Vzali jsme tyhle kruhové kamery s rybím okem
08:05
and we've done some optical correction,
170
485260
2000
a udělali nějaké optické korekce
08:07
and then we can bring it into three-dimensional life.
171
487260
4000
a pak jsme domu vrátili jeho třírozměrný život.
08:11
So welcome to my home.
172
491260
2000
Vítejte v mém domě.
08:13
This is a moment,
173
493260
2000
Tohle je okamžik,
08:15
one moment captured across multiple cameras.
174
495260
3000
jeden moment nasmímaný více kamerami.
08:18
The reason we did this is to create the ultimate memory machine,
175
498260
3000
Smyslem bylo vytvořit stroj s absolutní pamětí,
08:21
where you can go back and interactively fly around
176
501260
3000
se kterým se můžete vracet a interaktivně poletovat
08:24
and then breathe video-life into this system.
177
504260
3000
a vdechnout tak tomuto systému život.
08:27
What I'm going to do
178
507260
2000
Teď vám poskytnu
08:29
is give you an accelerated view of 30 minutes,
179
509260
3000
zrychlený pohled na 30minutový úsek,
08:32
again, of just life in the living room.
180
512260
2000
který opět zachycuje život v obýváku.
08:34
That's me and my son on the floor.
181
514260
3000
Tohle jsem já a můj syn na podlaze.
08:37
And there's video analytics
182
517260
2000
A analytické nástroje videa
08:39
that are tracking our movements.
183
519260
2000
sledují naše pohyby.
08:41
My son is leaving red ink. I am leaving green ink.
184
521260
3000
Můj syn zanechává červenou stopu. Já zelenou.
08:44
We're now on the couch,
185
524260
2000
Jsme na pohovce
08:46
looking out through the window at cars passing by.
186
526260
3000
a z okna sledujeme projíždějící auta.
08:49
And finally, my son playing in a walking toy by himself.
187
529260
3000
Na závěr si můj syn sám hraje na odrážedle.
08:52
Now we freeze the action, 30 minutes,
188
532260
3000
Teď celé dění zastavíme, 30 minut,
08:55
we turn time into the vertical axis,
189
535260
2000
čas vyneseme na vodorovnou osu
08:57
and we open up for a view
190
537260
2000
a otevře se nám pohled
08:59
of these interaction traces we've just left behind.
191
539260
3000
na záznamy interakcí, které jsme za sebou zanechali.
09:02
And we see these amazing structures --
192
542260
3000
Uvidíme tyhle úžasné struktury —
09:05
these little knots of two colors of thread
193
545260
3000
tyhle malé smyčky z vláken dvou barev
09:08
we call "social hot spots."
194
548260
2000
nazýváme „místa aktivního družení“.
09:10
The spiral thread
195
550260
2000
Tomu spirálovému vláknu
09:12
we call a "solo hot spot."
196
552260
2000
říkáme „místo samostatné akce“.
09:14
And we think that these affect the way language is learned.
197
554260
3000
Myslíme si, že mají vliv na způsob, jakým se učíme mluvit.
09:17
What we'd like to do
198
557260
2000
Chtěli bychom
09:19
is start understanding
199
559260
2000
začít chápat
09:21
the interaction between these patterns
200
561260
2000
vzájemné interakce mezi těmito vzory
09:23
and the language that my son is exposed to
201
563260
2000
a řečí, kterou můj syn slyší,
09:25
to see if we can predict
202
565260
2000
abychom zjistili, jestli dokážeme předvídat,
09:27
how the structure of when words are heard
203
567260
2000
ve kterém okamžiku ovlivňuje skladba zaslechnutých slov to,
09:29
affects when they're learned --
204
569260
2000
kdy si je osvojíme —
09:31
so in other words, the relationship
205
571260
2000
jinými slovy, vztahy
09:33
between words and what they're about in the world.
206
573260
4000
mezi slovy a tím, co ve světě vyjadřují.
09:37
So here's how we're approaching this.
207
577260
2000
Takže takhle k tomu přistupujeme.
09:39
In this video,
208
579260
2000
Na tomto videu opět sledujeme pohyb mého syna.
09:41
again, my son is being traced out.
209
581260
2000
09:43
He's leaving red ink behind.
210
583260
2000
Zanechává za sebou červenou stopu.
09:45
And there's our nanny by the door.
211
585260
2000
A u dveří stojí naše chůva.
09:47
(Video) Nanny: You want water? (Baby: Aaaa.)
212
587260
3000
(Video) Chůva: Chceš vodu? (Dítě: Aaaa.)
09:50
Nanny: All right. (Baby: Aaaa.)
213
590260
3000
Chůva: Dobrá. (Dítě: Aaaa.)
09:53
DR: She offers water,
214
593260
2000
DR: Nabízí vodu
09:55
and off go the two worms
215
595260
2000
a u toho jdou dva červíci
09:57
over to the kitchen to get water.
216
597260
2000
přes kuchyni, aby nabrali vodu.
09:59
And what we've done is use the word "water"
217
599260
2000
Použili jsme slovo „voda“
10:01
to tag that moment, that bit of activity.
218
601260
2000
k označení této chvíle, této části aktivity.
10:03
And now we take the power of data
219
603260
2000
A teď využijeme potenciál dat,
10:05
and take every time my son
220
605260
3000
vezmeme každý okamžik, kdy můj syn
10:08
ever heard the word water
221
608260
2000
slyšel slovo voda
10:10
and the context he saw it in,
222
610260
2000
a kontext, ve kterém ho viděl
10:12
and we use it to penetrate through the video
223
612260
3000
a použijeme ho, abychom pronikli do videa
10:15
and find every activity trace
224
615260
3000
a nalezli každou stopu aktivity,
10:18
that co-occurred with an instance of water.
225
618260
3000
která se pojila s výskytem slova voda.
10:21
And what this data leaves in its wake
226
621260
2000
Data za sebou zanechávají brázdu
10:23
is a landscape.
227
623260
2000
jako nějakou krajinu.
10:25
We call these wordscapes.
228
625260
2000
Říkáme jim slovní krajiny.
10:27
This is the wordscape for the word water,
229
627260
2000
Tohle je slovní krajina pro slovo voda
10:29
and you can see most of the action is in the kitchen.
230
629260
2000
a vidíte, že většina dění se odehrává v kuchyni.
10:31
That's where those big peaks are over to the left.
231
631260
3000
To jsou ty velké vrcholy vystupující nalevo.
10:34
And just for contrast, we can do this with any word.
232
634260
3000
A pro porovnání to můžeme udělat s kterýmkoliv slovem.
10:37
We can take the word "bye"
233
637260
2000
Můžeme se podívat na slovo „pá“,
10:39
as in "good bye."
234
639260
2000
kterým se loučíme.
10:41
And we're now zoomed in over the entrance to the house.
235
641260
2000
Přemisťujeme se ke vchodu do domu.
10:43
And we look, and we find, as you would expect,
236
643260
3000
Podíváme se a shledáváme, jak se dalo čekat,
10:46
a contrast in the landscape
237
646260
2000
nápadné odlišnosti v krajině,
10:48
where the word "bye" occurs much more in a structured way.
238
648260
3000
kde se slovo „pá“ vyskytuje v mnohem strukturovanější podobě.
10:51
So we're using these structures
239
651260
2000
Takže teď používáme tyto struktury,
10:53
to start predicting
240
653260
2000
abychom mohli předpovídat
10:55
the order of language acquisition,
241
655260
3000
zákonitosti v osvojování si jazyka,
10:58
and that's ongoing work now.
242
658260
2000
to je práce, která teď stojí před námi.
11:00
In my lab, which we're peering into now, at MIT --
243
660260
3000
V mé laboratoři na MIT, kam právě nahlížíme —
11:03
this is at the media lab.
244
663260
2000
toto je mediální laboratoř.
11:05
This has become my favorite way
245
665260
2000
Je to teď můj oblíbený způsob
11:07
of videographing just about any space.
246
667260
2000
videografování v podstatě jakéhokoliv prostoru.
11:09
Three of the key people in this project,
247
669260
2000
Tři klíčoví lidé stojící za tímto projektem,
11:11
Philip DeCamp, Rony Kubat and Brandon Roy are pictured here.
248
671260
3000
Philip DeCamp, Rony Kubat a Brandon Roy.
11:14
Philip has been a close collaborator
249
674260
2000
Philip se spolupodílel
11:16
on all the visualizations you're seeing.
250
676260
2000
na všech vizualizacích, na které se díváme.
11:18
And Michael Fleischman
251
678260
3000
A Michael Fleischman
11:21
was another Ph.D. student in my lab
252
681260
2000
je další doktorand z mé laboratoře,
11:23
who worked with me on this home video analysis,
253
683260
3000
který se mnou pracoval na analýze domácího videa
11:26
and he made the following observation:
254
686260
3000
a který přišel s následujícím postřehem:
11:29
that "just the way that we're analyzing
255
689260
2000
„stejným způsobem, jakým analyzujeme,
11:31
how language connects to events
256
691260
3000
jak se mluva váže k událostem,
11:34
which provide common ground for language,
257
694260
2000
které poskytují společný základ jazyku,
11:36
that same idea we can take out of your home, Deb,
258
696260
4000
tu samou myšlenku můžeme aplikovat i mimo tvůj dům, Debe,
11:40
and we can apply it to the world of public media."
259
700260
3000
na svět veřejných médií“.
11:43
And so our effort took an unexpected turn.
260
703260
3000
Naše úsilí tak nabralo nečekaný směr.
11:46
Think of mass media
261
706260
2000
Představte si sdělovací prostředky,
11:48
as providing common ground
262
708260
2000
které poskytnou společný základ
11:50
and you have the recipe
263
710260
2000
a máte návod na to,
11:52
for taking this idea to a whole new place.
264
712260
3000
jak posunout tuto koncept do úplně nové oblasti.
11:55
We've started analyzing television content
265
715260
3000
Začali jsme analyzovat televizní obsah
11:58
using the same principles --
266
718260
2000
a uplatnili jsme ty samé principy –
12:00
analyzing event structure of a TV signal --
267
720260
3000
analýzu struktury děje z televizního signálu –
12:03
episodes of shows,
268
723260
2000
na epizody zábavných pořadů,
12:05
commercials,
269
725260
2000
reklamy,
12:07
all of the components that make up the event structure.
270
727260
3000
na všechny komponenty, které strukturu vytvářejí.
12:10
And we're now, with satellite dishes, pulling and analyzing
271
730260
3000
Přes satelitní antény stahujeme a analyzujeme
12:13
a good part of all the TV being watched in the United States.
272
733260
3000
značnou část televizního vysílání ve Spojených státech.
12:16
And you don't have to now go and instrument living rooms with microphones
273
736260
3000
Není už potřeba instalovat do obýváků mikrofony
12:19
to get people's conversations,
274
739260
2000
kvůli zaznamenání hovorů mezi lidmi,
12:21
you just tune into publicly available social media feeds.
275
741260
3000
stačí se napojit na veřejně dostupné sociální kanály.
12:24
So we're pulling in
276
744260
2000
Stahujeme asi 3 miliardy komentářů měsíčně
12:26
about three billion comments a month,
277
746260
2000
12:28
and then the magic happens.
278
748260
2000
a pak se začínají dít zázraky.
12:30
You have the event structure,
279
750260
2000
Máte k dispozici strukturu děje,
12:32
the common ground that the words are about,
280
752260
2000
společný základ pro to, co slova znamenají,
12:34
coming out of the television feeds;
281
754260
3000
přímo z televizních kanálů;
12:37
you've got the conversations
282
757260
2000
k tomu máte konverzace,
12:39
that are about those topics;
283
759260
2000
které se k nim vztahují;
12:41
and through semantic analysis --
284
761260
3000
použitím semantické analýzy –
12:44
and this is actually real data you're looking at
285
764260
2000
a teď se díváte na skutečné údaje
12:46
from our data processing --
286
766260
2000
z našeho zpracování dat –
12:48
each yellow line is showing a link being made
287
768260
3000
se každá ze žlutých linek stane propojením
12:51
between a comment in the wild
288
771260
3000
mezi nějakým komentářem v éteru
12:54
and a piece of event structure coming out of the television signal.
289
774260
3000
a kouskem struktury děje z televizního signálu.
12:57
And the same idea now
290
777260
2000
A ten samý koncept
12:59
can be built up.
291
779260
2000
se dá rozvíjet dál.
13:01
And we get this wordscape,
292
781260
2000
Dostáváme tuto krajinu
13:03
except now words are not assembled in my living room.
293
783260
3000
s tím rozdílem, že teď už slova nepochází z mého obýváku.
13:06
Instead, the context, the common ground activities,
294
786260
4000
Místo obýváku tvoří kontext a aktivity společných zájmů
13:10
are the content on television that's driving the conversations.
295
790260
3000
televizní obsah, který je hnací silou konverzací.
13:13
And what we're seeing here, these skyscrapers now,
296
793260
3000
Tyhle mrakodrapy, které zde vidíme,
13:16
are commentary
297
796260
2000
jsou komentáře,
13:18
that are linked to content on television.
298
798260
2000
které jsou propojeny s obsahem v televizi.
13:20
Same concept,
299
800260
2000
Jde o ten samý koncept,
13:22
but looking at communication dynamics
300
802260
2000
ale z pohledu dynamiky komunikace
13:24
in a very different sphere.
301
804260
2000
v úplně odlišné sféře.
13:26
And so fundamentally, rather than, for example,
302
806260
2000
V podstatě jde o to, že než abychom například
13:28
measuring content based on how many people are watching,
303
808260
3000
poměřovali kvalitu obsahu počtem diváků, kteří ho sledují,
13:31
this gives us the basic data
304
811260
2000
získáváme spíše základní data,
13:33
for looking at engagement properties of content.
305
813260
3000
skrze která pozorujeme atributy zájmu o obsah.
13:36
And just like we can look at feedback cycles
306
816260
3000
A stejně jako můžeme pozorovat zpětnovazební smyčky
13:39
and dynamics in a family,
307
819260
3000
a dynamiku v rodině,
13:42
we can now open up the same concepts
308
822260
3000
těmi samými koncepty si otevíráme cestu
13:45
and look at much larger groups of people.
309
825260
3000
ke sledování mnohem větší skupiny lidí.
13:48
This is a subset of data from our database --
310
828260
3000
Toto je podmnožina faktů, které máme v databázi –
13:51
just 50,000 out of several million --
311
831260
3000
jen asi 50 000 z několika milionů –
13:54
and the social graph that connects them
312
834260
2000
a sociální graf, který je propojuje
13:56
through publicly available sources.
313
836260
3000
s veřejně dostupnými zdroji.
13:59
And if you put them on one plain,
314
839260
2000
Umístíte-li je do jedné roviny,
14:01
a second plain is where the content lives.
315
841260
3000
ve druhé rovině uvidíte, kde se nachází obsah.
14:04
So we have the programs
316
844260
3000
Máme tu programy
14:07
and the sporting events
317
847260
2000
a sportovní události
14:09
and the commercials,
318
849260
2000
a reklamy
14:11
and all of the link structures that tie them together
319
851260
2000
a všechna ta propojení, která je drží pohromadě,
14:13
make a content graph.
320
853260
2000
vytvářejí graf obsahu.
14:15
And then the important third dimension.
321
855260
4000
A pak je tu důležitý třetí rozměr.
14:19
Each of the links that you're seeing rendered here
322
859260
2000
Každý spoj, který zde můžete vidět,
14:21
is an actual connection made
323
861260
2000
je skutečné propojení
14:23
between something someone said
324
863260
3000
mezi něčím, co někdo řekl
14:26
and a piece of content.
325
866260
2000
a nějakým obsahem.
14:28
And there are, again, now tens of millions of these links
326
868260
3000
A opět existují desítky milionů takových spojů,
14:31
that give us the connective tissue of social graphs
327
871260
3000
které jsou pro nás pojivovou tkání sociálních grafů
14:34
and how they relate to content.
328
874260
3000
a vysvětlují, jak souvisí s obsahem.
14:37
And we can now start to probe the structure
329
877260
2000
A teď můžeme začít průzkum struktury
14:39
in interesting ways.
330
879260
2000
rozvíjet zajímavým směrem.
14:41
So if we, for example, trace the path
331
881260
3000
Když například půjdeme po stopě
14:44
of one piece of content
332
884260
2000
konkrétního kousku obsahu,
14:46
that drives someone to comment on it,
333
886260
2000
který někoho vedl k okomentování
14:48
and then we follow where that comment goes,
334
888260
3000
a dále budeme sledovat, kam komentář vede,
14:51
and then look at the entire social graph that becomes activated
335
891260
3000
až k pohledu přes celý sociální graf, který se zaktivoval
14:54
and then trace back to see the relationship
336
894260
3000
a pak se vrátíme, abychom viděli vztah
14:57
between that social graph and content,
337
897260
2000
mezi sociálním grafem a obsahem,
14:59
a very interesting structure becomes visible.
338
899260
2000
začne se vynořovat velice zajímavá struktura.
15:01
We call this a co-viewing clique,
339
901260
2000
Říkáme tomu pohled lidí ze zájmové skupiny,
15:03
a virtual living room if you will.
340
903260
3000
takový virtuální obývák chcete-li.
15:06
And there are fascinating dynamics at play.
341
906260
2000
A ke slovu se dostává fascinující dynamika.
15:08
It's not one way.
342
908260
2000
Není to jednosměrné.
15:10
A piece of content, an event, causes someone to talk.
343
910260
3000
Kousek obsahu, nějaká událost způsobí, že někdo zareaguje.
15:13
They talk to other people.
344
913260
2000
Mluví s dalšími lidmi.
15:15
That drives tune-in behavior back into mass media,
345
915260
3000
Vede to k tomu, že se začnou opět obracet na masmédia
15:18
and you have these cycles
346
918260
2000
a tyto cykly
15:20
that drive the overall behavior.
347
920260
2000
řídí celkové chování.
15:22
Another example -- very different --
348
922260
2000
Další příklad – úplně odlišný –
15:24
another actual person in our database --
349
924260
3000
další konkrétní osoba z naší databáze –
15:27
and we're finding at least hundreds, if not thousands, of these.
350
927260
3000
takových najdeme klidně stovky, ne-li tisíce.
15:30
We've given this person a name.
351
930260
2000
Tuto osobu jsme si pojmenovali.
15:32
This is a pro-amateur, or pro-am media critic
352
932260
3000
Je to poloprofesionální mediální kritik
15:35
who has this high fan-out rate.
353
935260
3000
s velkou mírou sledovanosti.
15:38
So a lot of people are following this person -- very influential --
354
938260
3000
Sleduje ho velké množství lidí – má velký vliv –
15:41
and they have a propensity to talk about what's on TV.
355
941260
2000
a rádi mluví o tom, co se děje v televizi.
15:43
So this person is a key link
356
943260
3000
Takže tahle osoba je klíčovým článkem,
15:46
in connecting mass media and social media together.
357
946260
3000
který propojuje masmédia se sociálními médii.
15:49
One last example from this data:
358
949260
3000
Ještě poslední příklad z tohoto souboru:
15:52
Sometimes it's actually a piece of content that is special.
359
952260
3000
Někdy je opravdu mimořádný samotný obsah.
15:55
So if we go and look at this piece of content,
360
955260
4000
Když se podíváme se na tento kousek,
15:59
President Obama's State of the Union address
361
959260
3000
na projev prezidenta Obamy o stavu unie,
16:02
from just a few weeks ago,
362
962260
2000
který měl před několika týdny
16:04
and look at what we find in this same data set,
363
964260
3000
a podíváme se, co najdeme v tom samém souboru,
16:07
at the same scale,
364
967260
3000
v tom samém měřítku,
16:10
the engagement properties of this piece of content
365
970260
2000
atributy zájmu o tento obsah
16:12
are truly remarkable.
366
972260
2000
jsou opravdu pozoruhodné.
16:14
A nation exploding in conversation
367
974260
2000
V reálném čase národem
16:16
in real time
368
976260
2000
exploduje debata
16:18
in response to what's on the broadcast.
369
978260
3000
jako reakce na to, co se událo ve vysílání.
16:21
And of course, through all of these lines
370
981260
2000
A samozřejmě, všemi těmi linkami
16:23
are flowing unstructured language.
371
983260
2000
plyne nestrukturovaná řeč.
16:25
We can X-ray
372
985260
2000
Můžeme zrentgenovat
16:27
and get a real-time pulse of a nation,
373
987260
2000
a měřit puls národa v reálném čase,
16:29
real-time sense
374
989260
2000
aktuální náladu
16:31
of the social reactions in the different circuits in the social graph
375
991260
3000
ze sociálních reakcí v dílčích cyklech sociálního grafu,
16:34
being activated by content.
376
994260
3000
aktivovaných obsahem.
16:37
So, to summarize, the idea is this:
377
997260
3000
Abych tedy shrnul, v čem myšlenka spočívá:
16:40
As our world becomes increasingly instrumented
378
1000260
3000
S tím, jak v našem světě vzrůstá vybavenost přístroji
16:43
and we have the capabilities
379
1003260
2000
a jak máme možnosti
16:45
to collect and connect the dots
380
1005260
2000
posbírat a pospojovat to,
16:47
between what people are saying
381
1007260
2000
co se mezi lidmi povídá
16:49
and the context they're saying it in,
382
1009260
2000
a v jakých souvislostech si to povídají,
16:51
what's emerging is an ability
383
1011260
2000
vyvíjí se schopnosti
16:53
to see new social structures and dynamics
384
1013260
3000
vypozorovat nové společenské vazby a dynamiku tak,
16:56
that have previously not been seen.
385
1016260
2000
jak to předtím nebylo možné.
16:58
It's like building a microscope or telescope
386
1018260
2000
Je to jako postavit mikroskop nebo dalekohled
17:00
and revealing new structures
387
1020260
2000
a odhalit nové struktury
17:02
about our own behavior around communication.
388
1022260
3000
našeho chování v tom, jak komunikujeme.
17:05
And I think the implications here are profound,
389
1025260
3000
A podle mě to má nesmírný význam,
17:08
whether it's for science,
390
1028260
2000
ať už pro vědu,
17:10
for commerce, for government,
391
1030260
2000
pro obchod, pro vládu
17:12
or perhaps most of all,
392
1032260
2000
a ze všeho nejvíc snad
17:14
for us as individuals.
393
1034260
3000
pro nás jako jednotlivce.
17:17
And so just to return to my son,
394
1037260
3000
A abych se znovu vrátil ke svému synovi,
17:20
when I was preparing this talk, he was looking over my shoulder,
395
1040260
3000
když jsem si připravoval tuto přednášku, díval se mi přes rameno
17:23
and I showed him the clips I was going to show to you today,
396
1043260
2000
a já jsem mu předváděl klipy, které jsem vám dnes chtěl ukázat
17:25
and I asked him for permission -- granted.
397
1045260
3000
a žádal jsem ho o svolení — dostal jsem ho.
17:28
And then I went on to reflect,
398
1048260
2000
A uvažoval jsem dál:
17:30
"Isn't it amazing,
399
1050260
3000
„No není to úžasné,
17:33
this entire database, all these recordings,
400
1053260
3000
celá tahle databáze, všechny tyhle nahrávky,
17:36
I'm going to hand off to you and to your sister" --
401
1056260
2000
jednou předám tobě a tvé sestře“ —
17:38
who arrived two years later --
402
1058260
3000
narodila se o dva roky později —
17:41
"and you guys are going to be able to go back and re-experience moments
403
1061260
3000
„a vy děcka se k tomu budete moct vracet a znovu prožívat chvíle,
17:44
that you could never, with your biological memory,
404
1064260
3000
které byste si ve své biologické paměti
17:47
possibly remember the way you can now?"
405
1067260
2000
asi nikdy nezapamatovali tak jako teď.“
17:49
And he was quiet for a moment.
406
1069260
2000
Chvilku byl zticha.
17:51
And I thought, "What am I thinking?
407
1071260
2000
A já jsem si pomyslel: „Co mě to jen napadlo?
17:53
He's five years old. He's not going to understand this."
408
1073260
2000
Je mu pět let. Nebude tomu ještě rozumět.“
17:55
And just as I was having that thought, he looked up at me and said,
409
1075260
3000
A zrovna když jsem o tom přemýšlel, vzhlédnul ke mně a řekl:
17:58
"So that when I grow up,
410
1078260
2000
„Takže až vyrostu,
18:00
I can show this to my kids?"
411
1080260
2000
můžu to ukazovat svým dětem?“
18:02
And I thought, "Wow, this is powerful stuff."
412
1082260
3000
A já jsem si pomyslel: „Páni, to je ale síla.“
18:05
So I want to leave you
413
1085260
2000
Na závěr vám chci ukázat
18:07
with one last memorable moment
414
1087260
2000
ještě jeden památný moment
18:09
from our family.
415
1089260
3000
ze života naší rodiny.
18:12
This is the first time our son
416
1092260
2000
Bylo to poprvé, kdy náš syn
18:14
took more than two steps at once --
417
1094260
2000
zvládl udělat dva kroky naráz —
18:16
captured on film.
418
1096260
2000
zachytili jsme to na film.
18:18
And I really want you to focus on something
419
1098260
3000
A opravdu bych chtěl, abyste se během toho
18:21
as I take you through.
420
1101260
2000
na něco soustředili.
18:23
It's a cluttered environment; it's natural life.
421
1103260
2000
Prostředí je plné shonu, prostě běžný život.
18:25
My mother's in the kitchen, cooking,
422
1105260
2000
Moje matka je v kuchyni, vaří
18:27
and, of all places, in the hallway,
423
1107260
2000
a já jsem si uvědomil, že ze všech míst v domě
18:29
I realize he's about to do it, about to take more than two steps.
424
1109260
3000
to bude chodba, kde se o to pokusí, kde zvládne udělat víc jak dva kroky.
18:32
And so you hear me encouraging him,
425
1112260
2000
Uslyšíte, jak ho povzbuzuji,
18:34
realizing what's happening,
426
1114260
2000
protože si uvědomuji, co se děje
18:36
and then the magic happens.
427
1116260
2000
a pak se stane zázrak.
18:38
Listen very carefully.
428
1118260
2000
Velmi pozorně poslouchejte.
Asi po třech krocích
18:40
About three steps in,
429
1120260
2000
si uvědomí, že se stalo nějaké kouzlo
18:42
he realizes something magic is happening,
430
1122260
2000
18:44
and the most amazing feedback loop of all kicks in,
431
1124260
3000
a spustila se ta nejúžasnější zpětnovazební smyčka,
18:47
and he takes a breath in,
432
1127260
2000
nadechne se
18:49
and he whispers "wow"
433
1129260
2000
a zašeptá „jů“
18:51
and instinctively I echo back the same.
434
1131260
4000
a já instinktivně zopakuji to samé.
18:56
And so let's fly back in time
435
1136260
3000
Tak přeleťme zpátky v čase
18:59
to that memorable moment.
436
1139260
2000
k tomu památnému okamžiku.
19:05
(Video) DR: Hey.
437
1145260
2000
(Video) DR: Hej.
19:07
Come here.
438
1147260
2000
Pojď sem.
19:09
Can you do it?
439
1149260
3000
Dokážeš to?
19:13
Oh, boy.
440
1153260
2000
Chlapečku.
19:15
Can you do it?
441
1155260
3000
Dokážeš to?
19:18
Baby: Yeah.
442
1158260
2000
Dítě: Jo.
19:20
DR: Ma, he's walking.
443
1160260
3000
DR: Mami, on chodí.
19:24
(Laughter)
444
1164260
2000
(Smích)
19:26
(Applause)
445
1166260
2000
(Potlesk)
19:28
DR: Thank you.
446
1168260
2000
DR: Děkuji.
19:30
(Applause)
447
1170260
15000
(Potlesk)

Original video on YouTube.com
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