Ajit Narayanan: A word game to communicate in any language

Ajit Narayanan: Ein Sprachspiel zur Kommunikation in allen Sprachen

114,745 views

2014-03-10 ・ TED


New videos

Ajit Narayanan: A word game to communicate in any language

Ajit Narayanan: Ein Sprachspiel zur Kommunikation in allen Sprachen

114,745 views ・ 2014-03-10

TED


Bitte doppelklicken Sie auf die englischen Untertitel unten, um das Video abzuspielen.

Übersetzung: Nadine Hennig Lektorat: P Hakenberg
00:12
I work with children with autism.
0
12721
2670
Also ich arbeite mit autistischen Kindern.
00:15
Specifically, I make technologies
1
15391
1914
Ich stelle Technologien her,
00:17
to help them communicate.
2
17305
2171
um ihnen beim Kommunizieren zu helfen.
00:19
Now, many of the problems that children
3
19476
1539
Viele Probleme von Kindern mit Autismus
00:21
with autism face, they have a common source,
4
21015
3763
haben einen gemeinsamen Ursprung,
00:24
and that source is that they find it difficult
5
24778
2094
denn ihnen allen fällt es schwer,
00:26
to understand abstraction, symbolism.
6
26872
5260
Abstraktion und Symbolik zu verstehen.
00:32
And because of this, they have a lot of difficulty with language.
7
32132
4652
Dadurch haben sie sehr viele Schwierigkeiten mit Sprache.
00:36
Let me tell you a little bit about why this is.
8
36784
3015
Lassen Sie mich Ihnen erklären, warum das so ist.
00:39
You see that this is a picture of a bowl of soup.
9
39799
3934
Das ist ein Bild einer Schüssel mit Suppe darin.
00:43
All of us can see it. All of us understand this.
10
43733
2485
Alle von uns können das sehen und verstehen.
00:46
These are two other pictures of soup,
11
46218
2312
Das hier sind zwei andere Bilder von Suppe,
00:48
but you can see that these are more abstract
12
48530
2067
aber Sie sehen schon, dass diese abstrakter sind.
00:50
These are not quite as concrete.
13
50597
1856
Sie sind nicht so konkret.
00:52
And when you get to language,
14
52453
2174
Und dann wird Sprache daraus,
00:54
you see that it becomes a word
15
54627
1868
es wird zu einem Wort,
00:56
whose look, the way it looks and the way it sounds,
16
56495
3261
dessen Aussehen und Aussprache
00:59
has absolutely nothing to do with what it started with,
17
59756
2912
nichts mit dem zu tun hat, was es am Anfang war,
01:02
or what it represents, which is the bowl of soup.
18
62668
2830
oder was es darstellt, nämlich die Schüssel Suppe.
01:05
So it's essentially a completely abstract,
19
65498
2900
Es ist also etwas völlig Abstraktes,
01:08
a completely arbitrary representation of something
20
68398
2576
eine völlig beliebige Darstellung
01:10
which is in the real world,
21
70974
1163
eines realen Gegenstandes,
01:12
and this is something that children with autism
22
72137
1791
und das ist etwas, womit autistische Kinder
01:13
have an incredible amount of difficulty with.
23
73928
3164
eine Menge Schwierigkeiten haben.
01:17
Now that's why most of the people that work with children with autism --
24
77092
2751
Deshalb versuchen Leute, die mit autistischen Kindern arbeiten --
01:19
speech therapists, educators --
25
79843
1878
Sprachtherapeuten, Lehrer --
01:21
what they do is, they try to help children with autism
26
81721
2633
ihnen beim Kommunizieren zu helfen.
01:24
communicate not with words, but with pictures.
27
84354
3229
Nicht mit Wörtern, sondern mit Bildern.
01:27
So if a child with autism wanted to say,
28
87583
1930
Wenn ein autistisches Kind also sagen wollte:
01:29
"I want soup," that child would pick
29
89513
2458
"Ich will Suppe", würde es 3 verschiedene Bilder
01:31
three different pictures, "I," "want," and "soup,"
30
91971
2260
in die Hand nehmen: "Ich", "will" und "Suppe".
01:34
and they would put these together,
31
94231
1609
Es würde diese zusammen hochhalten
01:35
and then the therapist or the parent would
32
95840
1867
und dann verstehen Therapeut oder die Eltern,
01:37
understand that this is what the kid wants to say.
33
97707
1887
was das Kind sagen will.
01:39
And this has been incredibly effective;
34
99594
1778
Das ist unglaublich effektiv.
01:41
for the last 30, 40 years
35
101372
2141
Seit den letzten 30, 40 Jahren
01:43
people have been doing this.
36
103513
1613
wird das so gemacht.
01:45
In fact, a few years back,
37
105126
1349
Vor einigen Jahren
01:46
I developed an app for the iPad
38
106475
2675
habe ich sogar eine App für das iPad entwickelt,
01:49
which does exactly this. It's called Avaz,
39
109150
2255
die genau das macht. Sie heißt Avaz.
01:51
and the way it works is that kids select
40
111405
2279
Sie funktioniert so,
01:53
different pictures.
41
113684
1321
dass Kinder verschiedene Bilder auswählen.
01:55
These pictures are sequenced together to form sentences,
42
115005
2570
Diese Bilder werden aneinander gereiht, um Sätze zu bilden,
01:57
and these sentences are spoken out.
43
117575
1719
und diese Sätze werden dann ausgesprochen.
01:59
So Avaz is essentially converting pictures,
44
119294
3025
Avaz wandelt also Bilder um,
02:02
it's a translator, it converts pictures into speech.
45
122319
3960
sie ist ein Übersetzer, sie wandelt Bilder in Sprache um.
02:06
Now, this was very effective.
46
126279
1718
Das war sehr effektiv.
02:07
There are thousands of children using this,
47
127997
1384
Tausende von Kindern auf der ganzen Welt nutzen sie,
02:09
you know, all over the world,
48
129381
1430
02:10
and I started thinking about
49
130811
2175
und ich begann darüber nachzudenken,
02:12
what it does and what it doesn't do.
50
132986
2654
was sie kann und was sie nicht kann.
02:15
And I realized something interesting:
51
135640
1684
Dabei wurde mir etwas Interessantes bewusst:
02:17
Avaz helps children with autism learn words.
52
137324
4203
Avaz hilft autistischen Kindern, Wörter zu lernen.
02:21
What it doesn't help them do is to learn
53
141527
2405
Aber sie hilft Ihnen nicht dabei,
02:23
word patterns.
54
143932
2748
Satzstrukturen zu lernen.
02:26
Let me explain this in a little more detail.
55
146680
2472
Lassen Sie mich das genauer erklären.
02:29
Take this sentence: "I want soup tonight."
56
149152
3057
Nehmen wir den Satz: "Heute Abend will ich Suppe."
02:32
Now it's not just the words here that convey the meaning.
57
152209
4080
Es sind nicht nur die Wörter, die die Bedeutung übermitteln,
02:36
It's also the way in which these words are arranged,
58
156289
3140
sondern auch die Art und Weise, wie sie angeordnet sind,
02:39
the way these words are modified and arranged.
59
159429
2515
also die Art, wie sie angepasst und angeordnet sind.
02:41
And that's why a sentence like "I want soup tonight"
60
161959
2306
Deshalb ist ein Satz wie "Heute Abend will ich Suppe."
02:44
is different from a sentence like
61
164265
1984
nicht das Gleiche wie der Satz:
02:46
"Soup want I tonight," which is completely meaningless.
62
166249
3312
"Heute Suppe Abend ich will.", der absolut keinen Sinn ergibt.
02:49
So there is another hidden abstraction here
63
169561
2619
Hier ist also eine weitere versteckte Abstraktion,
02:52
which children with autism find a lot of difficulty coping with,
64
172180
3557
mit der autistische Kinder schwer umgehen können,
02:55
and that's the fact that you can modify words
65
175737
2840
denn Tatsache ist, dass man Wörter verändern
02:58
and you can arrange them to have
66
178577
2101
und sie so anordnen kann,
03:00
different meanings, to convey different ideas.
67
180678
2895
dass sie verschiedene Bedeutungen haben, unterschiedliche Gedanken übermitteln.
03:03
Now, this is what we call grammar.
68
183573
3459
Das bezeichnen wir als Grammatik.
03:07
And grammar is incredibly powerful,
69
187032
2036
Grammatik ist unglaublich mächtig,
03:09
because grammar is this one component of language
70
189068
3157
da Grammatik diese eine Komponente der Sprache ist,
03:12
which takes this finite vocabulary that all of us have
71
192225
3489
mit der wir unser begrenztes Vokabular
03:15
and allows us to convey an infinite amount of information,
72
195714
4531
zur Übermittlung einer unendlichen Menge von Informationen nutzen können,
03:20
an infinite amount of ideas.
73
200245
2134
also eine unendliche Menge von Gedanken.
03:22
It's the way in which you can put things together
74
202379
2002
Man stellt also Dinge zusammen,
03:24
in order to convey anything you want to.
75
204381
2168
um alles das, was man will, zu übermitteln.
03:26
And so after I developed Avaz,
76
206549
2127
Nachdem ich also Avaz entwickelt hatte,
03:28
I worried for a very long time
77
208676
1568
grübelte ich sehr lange darüber nach,
03:30
about how I could give grammar to children with autism.
78
210244
3910
wie ich autistischen Kindern Grammatik beibringen könnte.
03:34
The solution came to me from a very interesting perspective.
79
214154
2275
Die Lösung kam mir bei einer sehr interessanten Beobachtung.
03:36
I happened to chance upon a child with autism
80
216429
3449
Ich war zufällig dabei, als sich ein autistisches Kind
03:39
conversing with her mom,
81
219878
2109
mit seiner Mutter unterhielt,
03:41
and this is what happened.
82
221987
2094
und dabei geschah Folgendes.
03:44
Completely out of the blue, very spontaneously,
83
224081
2186
Völlig unerwartet, ganz spontan
03:46
the child got up and said, "Eat."
84
226267
2463
stand das Kind auf und sagte: "Essen."
03:48
Now what was interesting was
85
228730
1770
Das Interessante daran war,
03:50
the way in which the mom was trying to tease out
86
230500
4244
auf welche Art und Weise die Mutter versuchte herauszubekommen,
03:54
the meaning of what the child wanted to say
87
234744
2213
was das Kind sagen wollte,
03:56
by talking to her in questions.
88
236957
2260
indem sie nämlich Fragen stellte.
03:59
So she asked, "Eat what? Do you want to eat ice cream?
89
239217
2593
Sie fragte: "Was essen? Willst du Eis essen?
04:01
You want to eat? Somebody else wants to eat?
90
241810
2112
Willst du essen? Will jemand anderes essen?
04:03
You want to eat cream now? You want to eat ice cream in the evening?"
91
243922
3313
Willst du jetzt Eis essen? Willst du heute Abend Eis essen?"
04:07
And then it struck me that
92
247235
1514
Dabei wurde mir schlagartig bewusst,
04:08
what the mother had done was something incredible.
93
248749
2028
dass die Mutter etwas Unglaubliches getan hatte.
04:10
She had been able to get that child to communicate
94
250777
1994
Sie hatte dem Kind geholfen, ihr ohne Grammatik
04:12
an idea to her without grammar.
95
252771
4138
einen Gedanken mitzuteilen.
04:16
And it struck me that maybe this is what
96
256909
2696
Und da wurde mir bewusst, dass es das war,
04:19
I was looking for.
97
259605
1385
wonach ich suchte.
04:20
Instead of arranging words in an order, in sequence,
98
260990
4142
Anstatt die Wörter in einer Reihenfolge anzuordnen,
04:25
as a sentence, you arrange them
99
265132
2172
als einen Satz, ordnet man sie
04:27
in this map, where they're all linked together
100
267304
3811
in dieser "Karte" an, auf der sie alle miteinander verbunden sind;
04:31
not by placing them one after the other
101
271115
2143
man ordnet sie nicht eines nach dem anderen an,
04:33
but in questions, in question-answer pairs.
102
273258
3284
sondern in Fragen, in Frage-Antwort-Paaren.
04:36
And so if you do this, then what you're conveying
103
276542
2358
Wenn man das macht,
04:38
is not a sentence in English,
104
278900
1986
übermittelt man keinen Satz auf Englisch,
04:40
but what you're conveying is really a meaning,
105
280886
2966
sondern man übermittelt eine Bedeutung,
04:43
the meaning of a sentence in English.
106
283852
1511
die Bedeutung des Satzes in Englisch.
04:45
Now, meaning is really the underbelly, in some sense, of language.
107
285363
2932
Eigentlich ist die Bedeutung die Grundlage der Sprache.
04:48
It's what comes after thought but before language.
108
288295
3821
Sie kommt nach dem Gedanken, aber noch vor dem Aussprechen.
04:52
And the idea was that this particular representation
109
292116
2503
Und die Idee hinter dieser besonderen Darstellung ist,
04:54
might convey meaning in its raw form.
110
294619
3261
dass sie Bedeutung in ihrer reinen Form übermitteln könnte.
04:57
So I was very excited by this, you know,
111
297880
1771
Ich war so begeistert davon,
04:59
hopping around all over the place,
112
299651
1493
dass ich Freudensprünge machte.
05:01
trying to figure out if I can convert
113
301144
1771
Dann versuchte ich herauszufinden,
05:02
all possible sentences that I hear into this.
114
302915
2524
ob alle Sätze, die ich höre, auf diese Weise umformen kann.
05:05
And I found that this is not enough.
115
305439
1773
Ich fand heraus, dass das nicht ausreicht.
05:07
Why is this not enough?
116
307212
1385
Warum reicht das nicht aus?
05:08
This is not enough because if you wanted to convey
117
308597
1711
Es ist zum Beispiel nicht genug,
05:10
something like negation,
118
310308
2250
wenn man Verneinung ausdrücken möchte,
05:12
you want to say, "I don't want soup,"
119
312558
1736
und man sagen will: "Ich will keine Suppe".
05:14
then you can't do that by asking a question.
120
314294
2220
Man kann dies nicht tun, indem man eine Frage stellt.
05:16
You do that by changing the word "want."
121
316514
2285
Man macht das durch die Beugung des Verbs "wollen".
05:18
Again, if you wanted to say,
122
318799
1637
Auch wenn man sagen möchte:
05:20
"I wanted soup yesterday,"
123
320436
1980
"Gestern wollte ich Suppe",
05:22
you do that by converting the word "want" into "wanted."
124
322416
2737
wandelt man das Wort "will" in "wollte" um.
05:25
It's a past tense.
125
325153
1666
Das ist die Vergangenheitsform.
05:26
So this is a flourish which I added
126
326819
2103
Diese Funktion habe ich noch hinzugefügt,
05:28
to make the system complete.
127
328922
1576
um das System zu vervollständigen.
05:30
This is a map of words joined together
128
330498
1977
Dies ist eine Karte mit verbundenen Wörtern
05:32
as questions and answers,
129
332475
1656
als Fragen und Antworten,
05:34
and with these filters applied on top of them
130
334131
2264
und darüber sind Filter,
05:36
in order to modify them to represent
131
336395
1817
um sie zu verändern,
05:38
certain nuances.
132
338212
1709
um bestimmte Nuancen darzustellen.
05:39
Let me show you this with a different example.
133
339921
1951
Ich zeige es Ihnen an einem anderen Beispiel.
05:41
Let's take this sentence:
134
341872
1254
Nehmen wir einmal diesen Satz.
05:43
"I told the carpenter I could not pay him."
135
343126
1980
"Ich sagte dem Handwerker, dass ich ihn nicht bezahlen könne."
05:45
It's a fairly complicated sentence.
136
345106
1792
Das ist ein recht komplizierter Satz.
05:46
The way that this particular system works,
137
346898
1893
Dieses besondere System funktioniert so,
05:48
you can start with any part of this sentence.
138
348791
2578
dass man mit jedem beliebigen Teil des Satzes beginnen kann.
05:51
I'm going to start with the word "tell."
139
351369
1698
Ich fange mit dem Verb "sagen" an.
05:53
So this is the word "tell."
140
353067
1462
Das ist das Verb "sagen".
05:54
Now this happened in the past,
141
354529
1600
Da dies in der Vergangenheit passiert ist,
05:56
so I'm going to make that "told."
142
356129
2223
mache ich daraus "sagte".
05:58
Now, what I'm going to do is,
143
358352
1708
Und jetzt stelle ich Fragen:
06:00
I'm going to ask questions.
144
360060
1756
06:01
So, who told? I told.
145
361816
2364
Wer sagte? Ich sagte.
06:04
I told whom? I told the carpenter.
146
364180
1927
Wem sagte ich es? Ich sagte es dem Handwerker.
06:06
Now we start with a different part of the sentence.
147
366107
1751
Jetzt fangen wir in einem anderen Teil an.
06:07
We start with the word "pay,"
148
367858
1867
Wir beginnen mit dem Verb "bezahlen"
06:09
and we add the ability filter to it to make it "can pay."
149
369725
4577
und fügen den "Modalverb-Filter" hinzu und machen "bezahlen können" daraus.
06:14
Then we make it "can't pay,"
150
374302
2101
Dann machen wir es zu "nicht bezahlen können"
06:16
and we can make it "couldn't pay"
151
376403
1599
und dann "nicht bezahlen konnten",
06:18
by making it the past tense.
152
378002
1663
durch den "Vergangenheitsfilter".
06:19
So who couldn't pay? I couldn't pay.
153
379665
1923
Wer konnte nicht bezahlen? Ich konnte nicht bezahlen.
06:21
Couldn't pay whom? I couldn't pay the carpenter.
154
381588
2676
Wen konnte ich nicht bezahlen? Den Handwerker.
06:24
And then you join these two together
155
384264
1731
Und dann verbindet man diese zwei Teile
06:25
by asking this question:
156
385995
1350
und fragt:
06:27
What did I tell the carpenter?
157
387345
1737
"Was sagte ich dem Handwerker?"
06:29
I told the carpenter I could not pay him.
158
389082
4049
"Ich sagte dem Handwerker, dass ich ihn nicht bezahlen könne." [Konjunktiv > indirekte Rede]
06:33
Now think about this. This is
159
393131
1937
Denken Sie darüber nach.
06:35
—(Applause)—
160
395068
3542
(Applaus)
06:38
this is a representation of this sentence
161
398610
3672
Das ist eine Darstellung dieses Satzes
06:42
without language.
162
402282
2435
ohne die Verwendung von Sprache.
06:44
And there are two or three interesting things about this.
163
404717
2192
Ich möchte noch auf zwei, drei interessante Dinge hinweisen.
06:46
First of all, I could have started anywhere.
164
406909
3131
Zum einen hätte ich überall anfangen können.
06:50
I didn't have to start with the word "tell."
165
410040
2243
Ich hätte nicht beim Verb "sagen" anfangen müssen.
06:52
I could have started anywhere in the sentence,
166
412283
1416
Ich hätte überall im Satz anfangen können
06:53
and I could have made this entire thing.
167
413699
1507
und mir wäre es trotzdem gelungen.
06:55
The second thing is, if I wasn't an English speaker,
168
415206
2776
Zweitens, wenn ich nicht Englisch sprechen würde,
06:57
if I was speaking in some other language,
169
417982
2175
sondern eine andere Sprache,
07:00
this map would actually hold true in any language.
170
420157
3156
würde dieses Prinzip genauso gelten.
07:03
So long as the questions are standardized,
171
423313
1990
Solange es Standardfragen sind,
07:05
the map is actually independent of language.
172
425303
4287
ist dieses Prinzip nicht von Sprache abhängig.
07:09
So I call this FreeSpeech,
173
429590
2115
Ich nenne es "FreeSpeech" (etwa "sprachfrei")
07:11
and I was playing with this for many, many months.
174
431705
2935
und ich habe viele Monate mit diesem Spiel verbracht.
07:14
I was trying out so many different combinations of this.
175
434640
2726
Ich habe viele verschiedene Kombinationen ausprobiert.
07:17
And then I noticed something very interesting about FreeSpeech.
176
437366
2289
Dabei fiel mir etwas Interessantes an FreeSpeech auf.
07:19
I was trying to convert language,
177
439655
3243
Ich versuchte Sprache umzuformen,
07:22
convert sentences in English into sentences in FreeSpeech,
178
442898
2384
englische Sätze in FreeSpeech-Sätze umzuwandeln
07:25
and vice versa, and back and forth.
179
445282
1752
und umgekehrt, vor und zurück.
07:27
And I realized that this particular configuration,
180
447034
2255
Mir wurde klar, dass durch diese besondere Konfiguration,
07:29
this particular way of representing language,
181
449289
2026
diese besondere Art und Weise, Sprache darzustellen,
07:31
it allowed me to actually create very concise rules
182
451315
4395
tatsächlich sehr konkrete Regeln
07:35
that go between FreeSpeech on one side
183
455710
2734
zwischen FreeSpeech
07:38
and English on the other.
184
458444
1488
und Englisch existieren.
07:39
So I could actually write this set of rules
185
459932
2180
So konnte ich dieses Regelwerk erstellen,
07:42
that translates from this particular representation into English.
186
462112
3395
in dem von dieser besonderen Darstellung ins Englische übersetzt wird.
07:45
And so I developed this thing.
187
465507
1831
Also entwickelte ich
07:47
I developed this thing called the FreeSpeech Engine
188
467338
2232
die "FreeSpeech Engine", [dt. Maschine]
07:49
which takes any FreeSpeech sentence as the input
189
469570
2561
die jeden Satz in FreeSpeech aufnimmt
07:52
and gives out perfectly grammatical English text.
190
472131
3930
und einen grammatisch korrekten Satz auf Englisch wiedergibt.
07:56
And by putting these two pieces together,
191
476061
1605
Durch die Kombination dieser zwei Dinge,
07:57
the representation and the engine,
192
477666
1881
der Darstellung und der Maschine,
07:59
I was able to create an app, a technology for children with autism,
193
479547
3796
konnte ich eine App konstruieren, eine Technologie für autistische Kinder,
08:03
that not only gives them words
194
483343
2499
wodurch sie nicht nur Wörter lernen,
08:05
but also gives them grammar.
195
485842
3941
sondern auch Grammatik.
08:09
So I tried this out with kids with autism,
196
489783
2360
Ich habe das mit autistischen Kindern ausprobiert,
08:12
and I found that there was an incredible amount of identification.
197
492143
5013
und ich fand, dass es sehr gut angekommen ist.
08:17
They were able to create sentences in FreeSpeech
198
497156
2720
Sie konnten Sätze in FreeSpeech bilden,
08:19
which were much more complicated but much more effective
199
499876
2558
die viel komplizierter, aber viel effektiver waren,
08:22
than equivalent sentences in English,
200
502434
2899
als äquivalente Sätze auf Englisch,
08:25
and I started thinking about
201
505333
1682
und ich begann darüber nachzudenken,
08:27
why that might be the case.
202
507015
1969
woran das lag.
08:28
And I had an idea, and I want to talk to you about this idea next.
203
508984
4287
Mir kam etwas in den Sinn und darüber möchte ich jetzt sprechen.
08:33
In about 1997, about 15 years back,
204
513271
3142
1997, also vor ungefähr 15 Jahren,
08:36
there were a group of scientists that were trying
205
516413
2011
versuchte eine Gruppe von Forschern zu verstehen,
08:38
to understand how the brain processes language,
206
518424
2389
wie Sprache im Gehirn verarbeitet wird,
08:40
and they found something very interesting.
207
520813
1779
und sie entdeckten etwas sehr Interessantes.
08:42
They found that when you learn a language
208
522592
1872
Sie fanden heraus, wenn man als Kind,
08:44
as a child, as a two-year-old,
209
524464
2912
als 2-jähriges Kind, eine Sprache lernt,
08:47
you learn it with a certain part of your brain,
210
527376
2366
dann lernt man sie mit einem bestimmten Teil des Gehirns.
08:49
and when you learn a language as an adult --
211
529742
1600
Wenn Erwachsene eine Sprache lernen --
08:51
for example, if I wanted to learn Japanese right now —
212
531342
3911
wenn ich jetzt zum Beispiel Japanisch lernen wollte --
08:55
a completely different part of my brain is used.
213
535253
2707
nutzen sie einen völlig anderen Teil des Gehirns.
08:57
Now I don't know why that's the case,
214
537960
1831
Ich weiß nicht, warum das so ist,
08:59
but my guess is that that's because
215
539791
1991
aber ich schätze es ist so:
09:01
when you learn a language as an adult,
216
541782
2437
Wenn man als Erwachsener eine Sprache lernt,
09:04
you almost invariably learn it
217
544219
1616
verwendet man immer die Muttersprache
09:05
through your native language, or through your first language.
218
545835
4266
oder die erste Fremdsprache als Grundlage.
09:10
So what's interesting about FreeSpeech
219
550101
3252
Das ist das Interessante an FreeSpeech.
09:13
is that when you create a sentence
220
553353
1802
Wenn sie einen Satz bilden
09:15
or when you create language,
221
555155
1695
oder sich artikulieren,
09:16
a child with autism creates language with FreeSpeech,
222
556850
3070
bilden autistische Kinder Sätze mit FreeSpeech,
09:19
they're not using this support language,
223
559920
1833
ohne eine "Hilfssprache" zu benutzen.
09:21
they're not using this bridge language.
224
561753
2211
Sie verwenden keine "Brückensprache".
09:23
They're directly constructing the sentence.
225
563964
2657
Sie bilden den Satz direkt.
09:26
And so this gave me this idea.
226
566621
2193
Das brachte mich auf eine Idee.
09:28
Is it possible to use FreeSpeech
227
568814
2024
Ist es vielleicht möglich,
09:30
not for children with autism
228
570838
2510
dass nicht nur autistische Kinder FreeSpeech verwenden,
09:33
but to teach language to people without disabilities?
229
573348
6262
sondern auch Menschen ohne Behinderungen?
09:39
And so I tried a number of experiments.
230
579610
1978
Ich führte mehrere Experimente durch.
09:41
The first thing I did was I built a jigsaw puzzle
231
581588
2948
Als Erstes entwarf ich dieses Puzzle,
09:44
in which these questions and answers
232
584536
1970
in dem sich diese Fragen und Antworten
09:46
are coded in the form of shapes,
233
586506
1835
durch Formen
09:48
in the form of colors,
234
588341
1138
und Farben unterscheiden,
09:49
and you have people putting these together
235
589479
1849
und die Leute müssen sie zusammensetzen
09:51
and trying to understand how this works.
236
591328
1773
und versuchen zu verstehen, wie es funktioniert.
09:53
And I built an app out of it, a game out of it,
237
593101
2376
Also konstruierte ich eine App, ein Spiel daraus,
09:55
in which children can play with words
238
595477
2661
in dem Kinder mit Wörtern spielen können
09:58
and with a reinforcement,
239
598138
1704
und mit Aussprache,
09:59
a sound reinforcement of visual structures,
240
599842
2585
die Aussprache der angezeigten Bilder,
10:02
they're able to learn language.
241
602427
2013
und so lernen sie die Sprache.
10:04
And this, this has a lot of potential, a lot of promise,
242
604440
2736
Da diese App großes Potential hat und vielversprechend ist,
10:07
and the government of India recently
243
607176
1975
hat die indische Regierung unsere Technologie
10:09
licensed this technology from us,
244
609151
1404
vor Kurzem lizensiert.
10:10
and they're going to try it out with millions of different children
245
610555
2074
Damit versuchen sie jetzt Millionen von Kindern
10:12
trying to teach them English.
246
612629
2605
Englisch beizubringen.
10:15
And the dream, the hope, the vision, really,
247
615234
2614
Der Traum, die Hoffnung und die Vision ist es,
10:17
is that when they learn English this way,
248
617848
3082
dass sie Englisch auf solche Art und Weise lernen,
10:20
they learn it with the same proficiency
249
620930
2643
dass sie die Sprache genauso gut
10:23
as their mother tongue.
250
623573
3718
wie ihre Muttersprache beherrschen.
10:27
All right, let's talk about something else.
251
627291
3816
Reden wir über etwas anderes.
10:31
Let's talk about speech.
252
631107
1997
Reden wir über das Sprechen.
10:33
This is speech.
253
633104
1271
So sieht das Sprechen aus.
10:34
So speech is the primary mode of communication
254
634375
1962
Das Sprechen ist unser vorherrschender Kommunikationsmodus.
10:36
delivered between all of us.
255
636337
1613
10:37
Now what's interesting about speech is that
256
637950
1855
Das Interessante am Sprechen ist,
10:39
speech is one-dimensional.
257
639805
1245
dass es eindimensional ist.
10:41
Why is it one-dimensional?
258
641050
1359
Warum ist es eindimensional?
10:42
It's one-dimensional because it's sound.
259
642409
1568
Es ist eindimensional, weil es Schall ist.
10:43
It's also one-dimensional because
260
643977
1539
Es ist auch eindimensional,
10:45
our mouths are built that way.
261
645516
1205
weil unser Mund so gebaut ist.
10:46
Our mouths are built to create one-dimensional sound.
262
646721
3512
Unser Mund ist so konstruiert, um einen eindimensionalen Klang zu erzeugen.
10:50
But if you think about the brain,
263
650233
2866
Wenn Sie jedoch an das Gehirn denken...
10:53
the thoughts that we have in our heads
264
653099
1764
Die Gedanken in unserem Kopf
10:54
are not one-dimensional.
265
654863
2102
sind nicht eindimensional.
10:56
I mean, we have these rich,
266
656965
1459
Wir haben diese reichen,
10:58
complicated, multi-dimensional ideas.
267
658424
3028
komplexen, mehrdimensionalen Gedanken.
11:01
Now, it seems to me that language
268
661452
1690
Ich glaube, dass die Sprache
11:03
is really the brain's invention
269
663142
2332
eigentlich die Erfindung des Gehirns ist,
11:05
to convert this rich, multi-dimensional thought
270
665474
3096
um diese reichen, mehrdimensionalen Gedanken zu artikulieren.
11:08
on one hand
271
668570
1587
11:10
into speech on the other hand.
272
670157
1923
11:12
Now what's interesting is that
273
672080
1762
Interessant ist,
11:13
we do a lot of work in information nowadays,
274
673842
2568
dass wir heutzutage viel mit Informationen und Daten hantieren,
11:16
and almost all of that is done in the language domain.
275
676410
3079
und dass fast alles davon im Bereich der Sprache geschieht.
11:19
Take Google, for example.
276
679489
1939
Nehmen wir zum Beispiel Google.
11:21
Google trawls all these countless billions of websites,
277
681428
2677
Google durchkämmt all diese zahllosen Webseiten,
11:24
all of which are in English, and when you want to use Google,
278
684105
2725
die alle auf Englisch sind, und will man Google nutzen,
11:26
you go into Google search, and you type in English,
279
686830
2450
gibt man bei Google ein Wort auf Englisch ein
11:29
and it matches the English with the English.
280
689280
4163
und es gleicht Englisch mit Englisch ab.
11:33
What if we could do this in FreeSpeech instead?
281
693443
3583
Was wäre, wenn wir das in FreeSpeech machen könnten?
11:37
I have a suspicion that if we did this,
282
697026
2301
Ich glaube, wenn wir das tun,
11:39
we'd find that algorithms like searching,
283
699327
2068
würden wir feststellen, dass die Such-Algorithmen,
11:41
like retrieval, all of these things,
284
701395
2325
das Abrufen etc.
11:43
are much simpler and also more effective,
285
703720
3075
viel einfacher und effektiver sind,
11:46
because they don't process the data structure of speech.
286
706795
4417
da keine Sprachstruktur verarbeitet werden muss.
11:51
Instead they're processing the data structure of thought.
287
711212
5976
Stattdessen wird die Gedankenstruktur verarbeitet.
11:57
The data structure of thought.
288
717188
2808
Die Gedankenstruktur.
11:59
That's a provocative idea.
289
719996
2076
Das ist ein herausfordernder Gedanke.
12:02
But let's look at this in a little more detail.
290
722072
2142
Lassen Sie mich das näher erklären.
12:04
So this is the FreeSpeech ecosystem.
291
724214
2366
Das ist das FreeSpeech-System.
12:06
We have the Free Speech representation on one side,
292
726580
2884
Die Darstellung in FreeSpeech auf der einen Seite, und auf der anderen
12:09
and we have the FreeSpeech Engine, which generates English.
293
729464
2228
die FreeSpeech-Engine, die Englisch wiedergibt.
12:11
Now if you think about it,
294
731694
1725
Wie ich Ihnen bereits gesagt habe,
12:13
FreeSpeech, I told you, is completely language-independent.
295
733419
2544
ist FreeSpeech völlig unabhängig von Sprache.
12:15
It doesn't have any specific information in it
296
735963
2087
Das System enthält keine spezifische Informationen
12:18
which is about English.
297
738050
1228
in Bezug auf Englisch.
12:19
So everything that this system knows about English
298
739278
2800
Alles, was dieses System über Englisch weiß,
12:22
is actually encoded into the engine.
299
742078
4620
ist in der Engine kodiert.
12:26
That's a pretty interesting concept in itself.
300
746698
2237
Das ist schon an sich ein recht interessantes Konzept:
12:28
You've encoded an entire human language
301
748935
3604
eine vollständige, menschliche Sprache
12:32
into a software program.
302
752539
2645
in einer Software kodiert.
12:35
But if you look at what's inside the engine,
303
755184
2531
Aber schaut man in die Engine hinein,
12:37
it's actually not very complicated.
304
757715
2358
dann ist sie eigentlich nicht sehr kompliziert.
12:40
It's not very complicated code.
305
760073
2105
Es ist kein komplizierter Code.
12:42
And what's more interesting is the fact that
306
762178
2672
Noch interessanter ist die Tatsache,
12:44
the vast majority of the code in that engine
307
764850
2203
dass der größte Teil des Engine-Codes
12:47
is not really English-specific.
308
767053
2412
nicht spezifisch für Englisch ist.
12:49
And that gives this interesting idea.
309
769465
1895
Ein interessanter Gedanke:
12:51
It might be very easy for us to actually
310
771360
2038
Es könnte sehr einfach für uns sein,
12:53
create these engines in many, many different languages,
311
773398
3826
diese Engines in vielen verschiedenen Sprachen,
12:57
in Hindi, in French, in German, in Swahili.
312
777224
6354
wie Hindi, Französisch, Deutsch, Swahili etc. zu entwickeln.
13:03
And that gives another interesting idea.
313
783578
2799
Und das bringt mich auf einen weiteren Gedanken.
13:06
For example, supposing I was a writer,
314
786377
2654
Stellen Sie sich vor, ich würde für eine Zeitung
13:09
say, for a newspaper or for a magazine.
315
789031
2122
oder eine Zeitschrift schreiben.
13:11
I could create content in one language, FreeSpeech,
316
791153
5011
Ich könnte den Inhalt in einer Sprache, FreeSpeech, entwerfen,
13:16
and the person who's consuming that content,
317
796164
2056
und die Person, die diesen Inhalt nutzt,
13:18
the person who's reading that particular information
318
798220
3061
die diese bestimmte Information liest,
13:21
could choose any engine,
319
801281
2495
könnte sich eine x-beliebige Engine aussuchen
13:23
and they could read it in their own mother tongue,
320
803776
2736
und das Ganze in ihrer eigenen Sprache,
13:26
in their native language.
321
806512
3939
in ihrer Muttersprache lesen.
13:30
I mean, this is an incredibly attractive idea,
322
810451
2722
Das ist ein wirklich reizvoller Gedanke,
13:33
especially for India.
323
813173
1999
besonders für Indien.
13:35
We have so many different languages.
324
815172
1690
Wir haben so viele verschiedene Sprachen.
13:36
There's a song about India, and there's a description
325
816862
2142
Es gibt ein Lied über Indien und darin wird das Land
13:39
of the country as, it says,
326
819004
2344
wie folgt beschrieben:
13:41
(in Sanskrit).
327
821348
2360
(Sanskrit).
13:43
That means "ever-smiling speaker
328
823708
2773
Das bedeutet in etwa :
"Stets lächelnder Sprecher schöner Sprachen."
13:46
of beautiful languages."
329
826481
4519
13:51
Language is beautiful.
330
831000
1964
Sprache ist schön.
13:52
I think it's the most beautiful of human creations.
331
832964
2454
Sie ist das Schönste, was der Mensch je geschaffen hat.
13:55
I think it's the loveliest thing that our brains have invented.
332
835418
3978
Sie ist das Herrlichste, das unser Gehirn erfunden hat.
13:59
It entertains, it educates, it enlightens,
333
839396
3584
Sie unterhält, sie bildet, sie klärt auf --
14:02
but what I like the most about language
334
842980
2044
und für mich ist das Besondere an Sprache,
14:05
is that it empowers.
335
845024
1500
dass sie stärkt.
14:06
I want to leave you with this.
336
846524
1838
Ich möchte Ihnen Folgendes mitgeben.
14:08
This is a photograph of my collaborators,
337
848362
2385
Das ist ein Bild meiner Mitarbeiter,
14:10
my earliest collaborators
338
850747
997
der ersten Mitarbeiter,
14:11
when I started working on language
339
851744
1462
als ich anfing, mich mit Sprache,
14:13
and autism and various other things.
340
853206
1502
Autismus und Anderem zu beschäftigen.
14:14
The girl's name is Pavna,
341
854708
1417
Das Mädchen heißt Pavna
14:16
and that's her mother, Kalpana.
342
856125
1902
und daneben ist ihre Mutter, Kalpana.
14:18
And Pavna's an entrepreneur,
343
858027
2138
Pavna ist Unternehmerin,
14:20
but her story is much more remarkable than mine,
344
860165
2371
aber ihre Geschichte ist noch viel ungewöhnlicher als meine,
14:22
because Pavna is about 23.
345
862536
2400
weil Pavna erst 23 ist.
14:24
She has quadriplegic cerebral palsy,
346
864936
2552
Sie hat tetraplegische Zerebralparese,
14:27
so ever since she was born,
347
867488
1640
das heißt, dass sie von Geburt an
14:29
she could neither move nor talk.
348
869128
3600
sich weder bewegen noch sprechen konnte.
14:32
And everything that she's accomplished so far,
349
872728
2403
Alles, was sie bis jetzt erreicht hat,
14:35
finishing school, going to college,
350
875131
2227
Schulabschluss, College,
14:37
starting a company,
351
877358
1416
die Gründung eines Unternehmens
14:38
collaborating with me to develop Avaz,
352
878774
2140
unsere Zusammenarbeit zur Entwicklung von Avaz,
14:40
all of these things she's done
353
880914
1892
all dies hat sie geschafft,
14:42
with nothing more than moving her eyes.
354
882806
5523
indem sie nur ihre Augen bewegt hat.
14:48
Daniel Webster said this:
355
888329
2689
Daniel Webster sagte Folgendes:
14:51
He said, "If all of my possessions were taken
356
891018
2940
"Würden mir all meine Besitztümer genommen werden,
14:53
from me with one exception,
357
893958
2988
mit einer Ausnahme,
14:56
I would choose to keep the power of communication,
358
896946
2981
dann behielte ich die Macht der Kommunikation,
14:59
for with it, I would regain all the rest."
359
899927
3903
denn damit würde ich alles andere wieder zurück gewinnen."
15:03
And that's why, of all of these incredible applications of FreeSpeech,
360
903830
5116
Daher sind all diese unglaublichen Anwendungen von FreeSpeech...
15:08
the one that's closest to my heart
361
908946
2080
Die, die mir am Wichtigsten ist,
15:11
still remains the ability for this
362
911026
2068
bleibt weiterhin, Kinder mit Behinderungen
15:13
to empower children with disabilities
363
913094
2380
damit stärker zu machen,
15:15
to be able to communicate,
364
915474
1773
so dass sie kommunizieren können,
15:17
the power of communication,
365
917247
1789
die Macht der Kommunikation,
15:19
to get back all the rest.
366
919036
2240
um sich den Rest dann auch noch zurückzuholen.
15:21
Thank you.
367
921276
1397
Vielen Dank.
15:22
(Applause)
368
922673
1332
(Applaus)
15:24
Thank you. (Applause)
369
924005
4199
Danke schön. (Applaus)
15:28
Thank you. Thank you. Thank you. (Applause)
370
928204
5323
Danke. Danke. Danke. (Applaus)
15:33
Thank you. Thank you. Thank you. (Applause)
371
933527
4000
Danke. Danke. Danke. (Applaus)
Über diese Website

Auf dieser Seite finden Sie YouTube-Videos, die zum Englischlernen nützlich sind. Sie sehen Englischlektionen, die von hochkarätigen Lehrern aus der ganzen Welt unterrichtet werden. Doppelklicken Sie auf die englischen Untertitel, die auf jeder Videoseite angezeigt werden, um das Video von dort aus abzuspielen. Die Untertitel laufen synchron mit der Videowiedergabe. Wenn Sie irgendwelche Kommentare oder Wünsche haben, kontaktieren Sie uns bitte über dieses Kontaktformular.

https://forms.gle/WvT1wiN1qDtmnspy7