Deb Roy: The birth of a word

Deb Roy: Die Geburt eines Wortes

411,325 views ・ 2011-03-14

TED


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

Übersetzung: Susi Tuerler Lektorat: Alex Boos
00:15
Imagine if you could record your life --
0
15260
4000
Stellen Sie sich vor, Sie könnten Ihr Leben aufnehmen -
00:19
everything you said, everything you did,
1
19260
3000
alles was Sie sagen, alles was Sie tun
00:22
available in a perfect memory store at your fingertips,
2
22260
3000
steht Ihnen in einem perfekten Erinnerungsspeicher zur Verfügung,
00:25
so you could go back
3
25260
2000
so dass Sie zurückgehen können
00:27
and find memorable moments and relive them,
4
27260
3000
und unvergessliche Momente finden und noch einmal durchleben,
00:30
or sift through traces of time
5
30260
3000
die Spuren der Zeit durchsuchen
00:33
and discover patterns in your own life
6
33260
2000
und Muster in Ihrem Leben entdecken, die vorher unentdeckt geblieben waren.
00:35
that previously had gone undiscovered.
7
35260
3000
00:38
Well that's exactly the journey
8
38260
2000
Nun, genau dies war die Reise,
00:40
that my family began
9
40260
2000
die für meine Familie vor fünfeinhalb Jahren begann.
00:42
five and a half years ago.
10
42260
2000
00:44
This is my wife and collaborator, Rupal.
11
44260
3000
Dies ist meine Frau und Mitarbeiterin, Rupal.
00:47
And on this day, at this moment,
12
47260
2000
Und an dem Tag, in diesem Augenblick
00:49
we walked into the house with our first child,
13
49260
2000
kamen wir zum ersten Mal mit unserem Erstgeborenen nach Hause,
00:51
our beautiful baby boy.
14
51260
2000
unserem wundervollen Sohn.
00:53
And we walked into a house
15
53260
3000
Und wir traten in ein Haus ein
00:56
with a very special home video recording system.
16
56260
4000
mit einem sehr speziellen Video-Aufnahmesystem.
01:07
(Video) Man: Okay.
17
67260
2000
(Video) Man: Okay.
01:10
Deb Roy: This moment
18
70260
1000
Deb Roy: Diesen Augenblick
01:11
and thousands of other moments special for us
19
71260
3000
und tausend andere Momente, die uns viel bedeuten,
01:14
were captured in our home
20
74260
2000
wurden in unserem Haus aufgenommen,
01:16
because in every room in the house,
21
76260
2000
weil in jedem Raum des Hauses
01:18
if you looked up, you'd see a camera and a microphone,
22
78260
3000
oben an der Decke eine Kamera mit Mikrophon montiert war.
01:21
and if you looked down,
23
81260
2000
und von dort oben
01:23
you'd get this bird's-eye view of the room.
24
83260
2000
war der ganze Raum aus der Vogelperspektive zu sehen.
01:25
Here's our living room,
25
85260
3000
Hier ist unser Wohnzimmer,
01:28
the baby bedroom,
26
88260
3000
das Kinderzimmer
01:31
kitchen, dining room
27
91260
2000
Küche, Esszimmer
01:33
and the rest of the house.
28
93260
2000
und der Rest des Hauses.
01:35
And all of these fed into a disc array
29
95260
3000
Alle zusammen spielen einen CD-Wechsler,
01:38
that was designed for a continuous capture.
30
98260
3000
der auf Daueraufnahme eingestellt ist.
01:41
So here we are flying through a day in our home
31
101260
3000
Hier fliegt ein Tag in unserem Heim vorbei
01:44
as we move from sunlit morning
32
104260
3000
vom sonnigen Morgen
01:47
through incandescent evening
33
107260
2000
zum glühenden Abend
01:49
and, finally, lights out for the day.
34
109260
3000
und, zum Schluss, Lichterlöschen am Ende des Tages.
01:53
Over the course of three years,
35
113260
3000
Im Lauf von drei Jahren
01:56
we recorded eight to 10 hours a day,
36
116260
2000
nahmen wir täglich acht bis zehn Stunden auf,
01:58
amassing roughly a quarter-million hours
37
118260
3000
sammelten ungefähr eine Viertelmillion Stunden
02:01
of multi-track audio and video.
38
121260
3000
mehrspuriges Ton- und Bildmaterial.
02:04
So you're looking at a piece of what is by far
39
124260
2000
Sie sehen also ein Stück
02:06
the largest home video collection ever made.
40
126260
2000
der größten Heimvideosammlung.
02:08
(Laughter)
41
128260
3000
(Gelächter)
02:11
And what this data represents
42
131260
2000
Die Bedeutung dieser Daten für uns persönlich als Familie
02:13
for our family at a personal level,
43
133260
4000
02:17
the impact has already been immense,
44
137260
2000
ist jetzt schon immens,
02:19
and we're still learning its value.
45
139260
3000
und wir finden immer noch heraus, wie wertvoll sie sind.
02:22
Countless moments
46
142260
2000
Unzählige Momente
02:24
of unsolicited natural moments, not posed moments,
47
144260
3000
dieser ungeplanten, ursprünglichen, nicht gestellten Augenblicke
02:27
are captured there,
48
147260
2000
wurden hier eingefangen,
02:29
and we're starting to learn how to discover them and find them.
49
149260
3000
und wir lernen immer noch, wie wir sie aufspüren und finden können.
02:32
But there's also a scientific reason that drove this project,
50
152260
3000
Es gibt aber auch einen wissenschaftlichen Grund für dieses Projekt.
02:35
which was to use this natural longitudinal data
51
155260
4000
nämlich die Daten dieser natürlichen Langzeitstudie
02:39
to understand the process
52
159260
2000
zu verwenden, um den Prozess zu verstehen mit dem ein Kind seine Sprache lernt --
02:41
of how a child learns language --
53
161260
2000
02:43
that child being my son.
54
163260
2000
in diesem Fall mein Sohn.
02:45
And so with many privacy provisions put in place
55
165260
4000
Mit vielen Vorkehrungen, um die Privatsphäre all derer zu gewähren
02:49
to protect everyone who was recorded in the data,
56
169260
3000
die in den Daten aufgenommen worden waren,
02:52
we made elements of the data available
57
172260
3000
stellten wir Teile der Daten unserem zuverlässigen
02:55
to my trusted research team at MIT
58
175260
3000
Forschungsteam am MIT zur Verfügung,
02:58
so we could start teasing apart patterns
59
178260
3000
um so Muster herauskitzeln zu können
03:01
in this massive data set,
60
181260
3000
aus dieser riesigen Datenmenge.
03:04
trying to understand the influence of social environments
61
184260
3000
Wir versuchten zu verstehen, wie das soziale Umfeld
03:07
on language acquisition.
62
187260
2000
Spracherwerb beeinflusst,
03:09
So we're looking here
63
189260
2000
Dies hier ist ein Blick
auf eines der ersten Dinge, mit denen wir anfingen.
03:11
at one of the first things we started to do.
64
191260
2000
03:13
This is my wife and I cooking breakfast in the kitchen,
65
193260
4000
Meine Frau und ich kochen hier gerade das Frühstück.
03:17
and as we move through space and through time,
66
197260
3000
Während wir uns durch Raum und Zeit bewegen
03:20
a very everyday pattern of life in the kitchen.
67
200260
3000
in einem sehr alltäglichen Lebensmuster in der Küche.
03:23
In order to convert
68
203260
2000
Zur Übersetzung
03:25
this opaque, 90,000 hours of video
69
205260
3000
dieser 90.000 Stunden Video,
03:28
into something that we could start to see,
70
208260
2000
in eine Form, in der wir etwas sehen konnten,
03:30
we use motion analysis to pull out,
71
210260
2000
holten wir, während wir uns durch
03:32
as we move through space and through time,
72
212260
2000
Raum und Zeit bewegten, mit Bewegungsanalysen
03:34
what we call space-time worms.
73
214260
3000
so-genannte Raum-Zeit-Würmer heraus.
03:37
And this has become part of our toolkit
74
217260
3000
Und dies wurde Teil unserer Werkzeugpalette
03:40
for being able to look and see
75
220260
3000
um herauszufinden,
wo etwas Wichtiges stattfand
03:43
where the activities are in the data,
76
223260
2000
03:45
and with it, trace the pattern of, in particular,
77
225260
3000
und damit Muster erkennen zu können, insbesondere
03:48
where my son moved throughout the home,
78
228260
2000
wo sich mein Sohn im Haus bewegte,
03:50
so that we could focus our transcription efforts,
79
230260
3000
um so die Protokollarbeiten darauf fokussieren zu können,
03:53
all of the speech environment around my son --
80
233260
3000
in welchem Sprachumfeld sich mein Sohn befand -
03:56
all of the words that he heard from myself, my wife, our nanny,
81
236260
3000
mit all den Wörtern von mir, meiner Frau, unserem Kindermädchen
03:59
and over time, the words he began to produce.
82
239260
3000
und den Wörtern, die er mit der Zeit zu produzieren begann.
04:02
So with that technology and that data
83
242260
3000
Mit der Technologie und der Datenmenge,
04:05
and the ability to, with machine assistance,
84
245260
2000
sowie der Möglichkeit, mit Hilfe von Apparaten
04:07
transcribe speech,
85
247260
2000
Sprache zu transkribieren,
04:09
we've now transcribed
86
249260
2000
haben wir jetzt mehr als 7 Millionen Wörter protokolliert.
04:11
well over seven million words of our home transcripts.
87
251260
3000
04:14
And with that, let me take you now
88
254260
2000
Damit kann ich Sie jetzt mitnehmen
04:16
for a first tour into the data.
89
256260
3000
auf eine erste Tour in die Daten.
04:19
So you've all, I'm sure,
90
259260
2000
Sie haben sicher alle schon
04:21
seen time-lapse videos
91
261260
2000
Zeitraffervideos gesehen.
04:23
where a flower will blossom as you accelerate time.
92
263260
3000
in der das Aufblühen einer Blume verschnellert wird.
04:26
I'd like you to now experience
93
266260
2000
Erleben Sie jetzt mit mir das Aufblühen einer Sprechweise.
04:28
the blossoming of a speech form.
94
268260
2000
04:30
My son, soon after his first birthday,
95
270260
2000
Kurz nach seinem ersten Geburtstag sagte mein Sohn
04:32
would say "gaga" to mean water.
96
272260
3000
"gaga", wenn er Wasser meinte.
04:35
And over the course of the next half-year,
97
275260
3000
Im Laufe des nächsten halben Jahres
04:38
he slowly learned to approximate
98
278260
2000
lernte er langsam, sich anzunähern
04:40
the proper adult form, "water."
99
280260
3000
an die erwachsene Form "Wasser".
04:43
So we're going to cruise through half a year
100
283260
2000
Wir werden also in 40 Sekunden
04:45
in about 40 seconds.
101
285260
2000
durch ein halbes Jahr sausen.
04:47
No video here,
102
287260
2000
Kein Video hier,
04:49
so you can focus on the sound, the acoustics,
103
289260
3000
damit Sie sich auf den Ton, die Akustik konzentrieren können.
04:52
of a new kind of trajectory:
104
292260
2000
einer neuen Art von Höhenflug
04:54
gaga to water.
105
294260
2000
von gaga zu Wasser.
04:56
(Audio) Baby: Gagagagagaga
106
296260
12000
(Audio) Baby: Gagagagaga
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
wada gaga gaga guga gaga
05:22
wader guga guga
110
322260
4000
wadö guga guga
05:26
water water water
111
326260
3000
uata wata wata
05:29
water water water
112
329260
6000
wata wata wata
05:35
water water
113
335260
4000
water water
05:39
water.
114
339260
2000
water.
05:41
DR: He sure nailed it, didn't he.
115
341260
2000
Dr: Er hat's getroffen, nicht wahr?
05:43
(Applause)
116
343260
7000
(Applaus)
05:50
So he didn't just learn water.
117
350260
2000
Er lernte also nicht nur "Wasser"
05:52
Over the course of the 24 months,
118
352260
2000
im Lauf der 24 Monate,
05:54
the first two years that we really focused on,
119
354260
3000
den zwei ersten Lebensjahren, auf die wir uns wirklich konzentrierten.
05:57
this is a map of every word he learned in chronological order.
120
357260
4000
Dies ist eine chronologische Karte aller Worte, die er lernte.
06:01
And because we have full transcripts,
121
361260
3000
Und weil wir komplette Transkripte haben
06:04
we've identified each of the 503 words
122
364260
2000
können wir jedes der 503 Wörter identifizieren,
06:06
that he learned to produce by his second birthday.
123
366260
2000
die er bis zu seinem 2. Geburtstag sprechen gelernt hatte.
06:08
He was an early talker.
124
368260
2000
Er sprach sehr früh.
06:10
And so we started to analyze why.
125
370260
3000
Darum fingen wir an zu analysieren, warum.
06:13
Why were certain words born before others?
126
373260
3000
Warum wurden bestimmte Wörter vor andern geboren?
06:16
This is one of the first results
127
376260
2000
Dies ist eines der ersten Fazits,
06:18
that came out of our study a little over a year ago
128
378260
2000
das vor etwas mehr als einem Jahr herauskam,
06:20
that really surprised us.
129
380260
2000
das uns wirklich überraschte:
06:22
The way to interpret this apparently simple graph
130
382260
3000
Diese einfache Grafik ist folgendermaßen zu interpretieren:
06:25
is, on the vertical is an indication
131
385260
2000
vertikal ist angegeben,
06:27
of how complex caregiver utterances are
132
387260
3000
wie komplex die Sprache der Bezugsperson ist
06:30
based on the length of utterances.
133
390260
2000
basierend auf der Länge der Sätze.
06:32
And the [horizontal] axis is time.
134
392260
3000
Die vertikale Achse ist also Zeit.
06:35
And all of the data,
135
395260
2000
Und all die Daten
06:37
we aligned based on the following idea:
136
397260
3000
glichen wir ab unter dem folgenden Konzept:
06:40
Every time my son would learn a word,
137
400260
3000
jedes Mal, wenn mein Sohn ein Wort lernte,
06:43
we would trace back and look at all of the language he heard
138
403260
3000
gingen wir zurück und erfassten die gehörte Sprache,
06:46
that contained that word.
139
406260
2000
in der das Wort vorkam.
06:48
And we would plot the relative length of the utterances.
140
408260
4000
Dann zeichneten wir die relative Satzlänge auf.
06:52
And what we found was this curious phenomena,
141
412260
3000
Und was wir herausfanden war dieses eigenartige Phänomen,
06:55
that caregiver speech would systematically dip to a minimum,
142
415260
3000
dass die Satzlänge der Bezugsperson systematisch auf ein Minimum sank,
06:58
making language as simple as possible,
143
418260
3000
die Sprache so einfach wie möglich machte,
07:01
and then slowly ascend back up in complexity.
144
421260
3000
und danach langsam wieder in Komplexität gewann.
07:04
And the amazing thing was
145
424260
2000
Das Faszinierendste daran war,
07:06
that bounce, that dip,
146
426260
2000
dass dieser Taucher, diese Senke
07:08
lined up almost precisely
147
428260
2000
fast perfekt übereinstimmte mit dem Moment,
07:10
with when each word was born --
148
430260
2000
in dem jedes Wort geboren wurde.
07:12
word after word, systematically.
149
432260
2000
Wort für Wort, ganz gezielt.
07:14
So it appears that all three primary caregivers --
150
434260
2000
Es scheint also, dass alle drei Bezugspersonen -
07:16
myself, my wife and our nanny --
151
436260
3000
ich, meine Frau und unser Kindermädchen -
07:19
were systematically and, I would think, subconsciously
152
439260
3000
systematisch und ich glaube unbewusst -
07:22
restructuring our language
153
442260
2000
unsere Sprache anpassen
07:24
to meet him at the birth of a word
154
444260
3000
um ihm während der Geburt eines Wortes gerecht zu werden
07:27
and bring him gently into more complex language.
155
447260
4000
und ihn sanft zu komplexerer Sprache zu bringen.
07:31
And the implications of this -- there are many,
156
451260
2000
Die Schlussfolgerungen daraus --
07:33
but one I just want to point out,
157
453260
2000
es gibt viele, aber ich will nur diese eine hervorheben --
07:35
is that there must be amazing feedback loops.
158
455260
3000
ist, dass es unglaubliche Rückmelde-Schlaufen geben muss.
07:38
Of course, my son is learning
159
458260
2000
Natürlich lernt mein Sohn von seinem sprachlichen Umfeld,
07:40
from his linguistic environment,
160
460260
2000
07:42
but the environment is learning from him.
161
462260
3000
aber das Umfeld lernt von ihm.
07:45
That environment, people, are in these tight feedback loops
162
465260
3000
Dieses Umfeld, Menschen, sind in diesen engen Reaktionsschlaufen
07:48
and creating a kind of scaffolding
163
468260
2000
und erstellen eine Art Gerüst
07:50
that has not been noticed until now.
164
470260
3000
das bis jetzt noch nicht beobachtet wurde.
Aber das ist der Blick auf den sprachlichen Kontext.
07:54
But that's looking at the speech context.
165
474260
2000
07:56
What about the visual context?
166
476260
2000
Wie ist es mit dem visuellen Kontext?
07:58
We're not looking at --
167
478260
2000
Wir betrachten nicht --
08:00
think of this as a dollhouse cutaway of our house.
168
480260
2000
stellen Sie sich unser Haus ohne Dach vor, wie ein Puppenhaus.
08:02
We've taken those circular fish-eye lens cameras,
169
482260
3000
Wir nahmen diese runden Fischaugen-Kameras und führten optische Korrekturen aus,
08:05
and we've done some optical correction,
170
485260
2000
08:07
and then we can bring it into three-dimensional life.
171
487260
4000
die wir zu einem dreidimensionalen Leben erwecken können.
08:11
So welcome to my home.
172
491260
2000
Also, willkommen in meinem Haus.
08:13
This is a moment,
173
493260
2000
Dies ist ein Augenblick
08:15
one moment captured across multiple cameras.
174
495260
3000
eingefangen über mehrere Kameraeinstellungen.
08:18
The reason we did this is to create the ultimate memory machine,
175
498260
3000
Das Ziel war, den ultimativen Datenspeicher zu kreieren,
08:21
where you can go back and interactively fly around
176
501260
3000
in dem man zurückgehen und interaktiv herumfliegen
08:24
and then breathe video-life into this system.
177
504260
3000
und dem System Video-Leben einhauchen kann
08:27
What I'm going to do
178
507260
2000
Was ich jetzt machen werde ist,
08:29
is give you an accelerated view of 30 minutes,
179
509260
3000
Ihnen einen Zeitraffer von 30 Minuten zu zeigen,
08:32
again, of just life in the living room.
180
512260
2000
wieder, aus dem Alltag im Wohnzimmer.
08:34
That's me and my son on the floor.
181
514260
3000
Das bin ich mit meinem Sohn am Boden.
08:37
And there's video analytics
182
517260
2000
Und hier ist die Videoanalyse,
08:39
that are tracking our movements.
183
519260
2000
in der unsere Bewegungen verfolgt werden.
08:41
My son is leaving red ink. I am leaving green ink.
184
521260
3000
Mein Sohn hinterlässt rote Farbe, ich hinterlasse grüne Farbe.
08:44
We're now on the couch,
185
524260
2000
Jetzt sind wir auf dem Sofa,
08:46
looking out through the window at cars passing by.
186
526260
3000
schauen aus dem Fenster den vorbeifahrenden Autos zu.
08:49
And finally, my son playing in a walking toy by himself.
187
529260
3000
Und zum Schluss spielt mein Sohn alleine in einer Gehhilfe.
08:52
Now we freeze the action, 30 minutes,
188
532260
3000
Jetzt stoppen wir den dreißig Minuten langen Film,
08:55
we turn time into the vertical axis,
189
535260
2000
wir verwandeln die Zeit in die vertikale Achse
08:57
and we open up for a view
190
537260
2000
und öffnen die Sicht
08:59
of these interaction traces we've just left behind.
191
539260
3000
auf die Interaktionsspuren, die wir hinterlassen haben.
09:02
And we see these amazing structures --
192
542260
3000
Und wir sehen diese verblüffenden Strukturen --
09:05
these little knots of two colors of thread
193
545260
3000
diese kleinen Verknüpfungen der zwei farbigen Fäden
09:08
we call "social hot spots."
194
548260
2000
nennen wir soziale Lichtpunkte.
09:10
The spiral thread
195
550260
2000
Diese spiralförmigen Gewinde
09:12
we call a "solo hot spot."
196
552260
2000
nennen wir einen Einzel-Lichtpunkt.
09:14
And we think that these affect the way language is learned.
197
554260
3000
Wir glauben, dass diese beeinflussen, wie Sprache gelernt wird.
09:17
What we'd like to do
198
557260
2000
Wir möchten gerne zu verstehen beginnen, wie diese zwei Muster zusammenspielen
09:19
is start understanding
199
559260
2000
09:21
the interaction between these patterns
200
561260
2000
09:23
and the language that my son is exposed to
201
563260
2000
mit der Sprache, der mein Sohn ausgesetzt ist
09:25
to see if we can predict
202
565260
2000
um zu sehen, ob wir voraussagen können
09:27
how the structure of when words are heard
203
567260
2000
wie die Struktur im Moment, in dem Wörter gehört werden,
09:29
affects when they're learned --
204
569260
2000
einen Einfluss darauf hat, wann sie gelernt werden -
09:31
so in other words, the relationship
205
571260
2000
09:33
between words and what they're about in the world.
206
573260
4000
In anderen Worten die Beziehung
zwischen Wörtern und dem, wofür sie in der Welt stehen.
09:37
So here's how we're approaching this.
207
577260
2000
So gehen wir die Sache an.
09:39
In this video,
208
579260
2000
In diesem Film ist mein Sohn erneut ausgezeichnet.
09:41
again, my son is being traced out.
209
581260
2000
09:43
He's leaving red ink behind.
210
583260
2000
Er hinterlässt eine rote Spur.
09:45
And there's our nanny by the door.
211
585260
2000
Und hier ist unser Kindermädchen bei der Tür.
09:47
(Video) Nanny: You want water? (Baby: Aaaa.)
212
587260
3000
(Video) Kindermädchen: Willst du Wasser? Baby: Aaaa.
09:50
Nanny: All right. (Baby: Aaaa.)
213
590260
3000
Kindermädchen: Also gut. Baby: Aaaa
09:53
DR: She offers water,
214
593260
2000
DR. Sie bietet ihm Wasser an,
09:55
and off go the two worms
215
595260
2000
und los gehen die beiden Würmer hinüber in die Küche, um Wasser zu holen.
09:57
over to the kitchen to get water.
216
597260
2000
09:59
And what we've done is use the word "water"
217
599260
2000
Das Wort "Wasser" haben wir gezielt benutzt um diesen Moment zu markieren,
10:01
to tag that moment, that bit of activity.
218
601260
2000
dieses kleine Stück Handlung.
10:03
And now we take the power of data
219
603260
2000
Und jetzt nehmen wir die Macht der Daten
10:05
and take every time my son
220
605260
3000
und nehmen jeden Augenblick,
10:08
ever heard the word water
221
608260
2000
in dem mein Sohn jemals das Wort Wasser hörte,
10:10
and the context he saw it in,
222
610260
2000
und den Zusammenhang, in dem er es sah,
10:12
and we use it to penetrate through the video
223
612260
3000
und verwenden es, um das Video zu durchforsten
10:15
and find every activity trace
224
615260
3000
und jede Spur einer Handlung zu finden,
10:18
that co-occurred with an instance of water.
225
618260
3000
die gleichzeitig im Zusammenhang mit Wasser stattfand.
10:21
And what this data leaves in its wake
226
621260
2000
Und was die Daten hinterlassen
10:23
is a landscape.
227
623260
2000
ist eine Landschaft --
10:25
We call these wordscapes.
228
625260
2000
wir nennen sie Wortlandschaft.
10:27
This is the wordscape for the word water,
229
627260
2000
Dies ist die Wortlandschaft für das Wort Wasser.
10:29
and you can see most of the action is in the kitchen.
230
629260
2000
Wie Sie sehen können, findet die größte Aktivität in der Küche statt.
10:31
That's where those big peaks are over to the left.
231
631260
3000
Das sind hier diese hohen Spitzen auf der linken Seite.
10:34
And just for contrast, we can do this with any word.
232
634260
3000
Und nur um zu vergleichen, können wir dies mit jedem Wort machen,
10:37
We can take the word "bye"
233
637260
2000
Wir können das Wort "Wiedersehen" nehmen, wie es in "auf Wiedersehen" vorkommt.
10:39
as in "good bye."
234
639260
2000
10:41
And we're now zoomed in over the entrance to the house.
235
641260
2000
Wir sind jetzt eingezoomt über dem Hauseingang.
10:43
And we look, and we find, as you would expect,
236
643260
3000
Und wir beobachten wie erwartet eine Veränderung der Wortlandschaft,
10:46
a contrast in the landscape
237
646260
2000
10:48
where the word "bye" occurs much more in a structured way.
238
648260
3000
in der das Wort "Wiedersehen" in einer viel strukturierteren Weise stattfindet.
10:51
So we're using these structures
239
651260
2000
Wir brauchen also diese Strukturen um anzufangen, Voraussagen zu treffen
10:53
to start predicting
240
653260
2000
10:55
the order of language acquisition,
241
655260
3000
in welcher Reihenfolge Sprache erworben wird,
10:58
and that's ongoing work now.
242
658260
2000
daran arbeiten wir im Moment.
11:00
In my lab, which we're peering into now, at MIT --
243
660260
3000
In meinem Labor am MIT, in das wir jetzt gucken,
11:03
this is at the media lab.
244
663260
2000
dies ist am Medienlabor.
11:05
This has become my favorite way
245
665260
2000
Dies wurde meine bevorzugte Art jeden erdenklichen Bereich auf Film zu bannen.
11:07
of videographing just about any space.
246
667260
2000
11:09
Three of the key people in this project,
247
669260
2000
Drei der wichtigsten Personen in diesem Projekt
11:11
Philip DeCamp, Rony Kubat and Brandon Roy are pictured here.
248
671260
3000
Philip DeCamp, Rony Kubat und Brandon Roy sind hier zu sehen.
11:14
Philip has been a close collaborator
249
674260
2000
Philip war ein enger Mitarbeiter
11:16
on all the visualizations you're seeing.
250
676260
2000
in all den Visualisierungen, die Sie gesehen haben.
11:18
And Michael Fleischman
251
678260
3000
Und Michael Fleischman
11:21
was another Ph.D. student in my lab
252
681260
2000
war ein weiterer Doktorant in meinem Labor,
11:23
who worked with me on this home video analysis,
253
683260
3000
der mit mir an dieser Heimvideoanalyse arbeitete,
11:26
and he made the following observation:
254
686260
3000
und er machte folgende Beobachtung:
11:29
that "just the way that we're analyzing
255
689260
2000
"Die Art, mit der wir analysieren wie sich Sprache an Ereignisse koppelt,
11:31
how language connects to events
256
691260
3000
11:34
which provide common ground for language,
257
694260
2000
die die gemeinsame Basis für Sprache schafft
11:36
that same idea we can take out of your home, Deb,
258
696260
4000
können wir auch losgelöst von deinem Haus
11:40
and we can apply it to the world of public media."
259
700260
3000
auf die Welt der Medien anwenden, Deb."
11:43
And so our effort took an unexpected turn.
260
703260
3000
Und so erfuhren unsere Anstrengungen eine unerwartete Wende.
11:46
Think of mass media
261
706260
2000
Stellen Sie sich die ganzen Massenmedien vor,
11:48
as providing common ground
262
708260
2000
die eine gemeinsame Basis bilden
11:50
and you have the recipe
263
710260
2000
und Sie haben das Rezept,
11:52
for taking this idea to a whole new place.
264
712260
3000
um dieses Konzept in eine ganz andere Richtung zu entwickeln.
11:55
We've started analyzing television content
265
715260
3000
Wir begannen, den Inhalt von Fernsehsendungen zu analysieren,
11:58
using the same principles --
266
718260
2000
indem wir die gleichen Prinzipien benutzten --
12:00
analyzing event structure of a TV signal --
267
720260
3000
wir analysierten die Ereignisstruktur eines Fernsehsignals --
12:03
episodes of shows,
268
723260
2000
Folgen einer Fernsehsendung,
12:05
commercials,
269
725260
2000
Werbung,
12:07
all of the components that make up the event structure.
270
727260
3000
all die Komponenten, die zu einem Fernsehprogramm gehören.
12:10
And we're now, with satellite dishes, pulling and analyzing
271
730260
3000
Und zur Zeit sammeln und analysieren wir immer über Satellit
12:13
a good part of all the TV being watched in the United States.
272
733260
3000
einen guten Teil aller Fernsehprogramme, die in den USA geschaut werden.
12:16
And you don't have to now go and instrument living rooms with microphones
273
736260
3000
Dazu muss man jetzt nicht Wohnzimmer mit Mikrophonen ausrüsten,
12:19
to get people's conversations,
274
739260
2000
um die Gespräche der Leute auf zu nehmen,
12:21
you just tune into publicly available social media feeds.
275
741260
3000
man klinkt sich nur in die öffentlich verfügbaren Kommunikationskanäle.
12:24
So we're pulling in
276
744260
2000
So erhalten wir ungefähr drei Milliarden Kommentare pro Monat.
12:26
about three billion comments a month,
277
746260
2000
12:28
and then the magic happens.
278
748260
2000
Und jetzt beginnt das Wunder.
12:30
You have the event structure,
279
750260
2000
Sie haben die Struktur der Sendungen,
12:32
the common ground that the words are about,
280
752260
2000
die gemeinsame Basis, von der die Worte handeln,
12:34
coming out of the television feeds;
281
754260
3000
die von den Sendern ausgestrahlt werden;
12:37
you've got the conversations
282
757260
2000
Sie haben die Gespräche
12:39
that are about those topics;
283
759260
2000
über diese Themen;
12:41
and through semantic analysis --
284
761260
3000
und durch semantische Analysen -
12:44
and this is actually real data you're looking at
285
764260
2000
und dies ist echtes Datenmaterial, das Sie hier sehen
12:46
from our data processing --
286
766260
2000
von unserer Datenverarbeitung -
12:48
each yellow line is showing a link being made
287
768260
3000
jede gelbe Linie zeigt, wie eine Verbindung gemacht wurde
12:51
between a comment in the wild
288
771260
3000
zwischen einem Kommentar irgendwo da draußen
12:54
and a piece of event structure coming out of the television signal.
289
774260
3000
und einem Stück einer Fernsehsendung, die ausgestrahlt wurde.
12:57
And the same idea now
290
777260
2000
Und die gleiche Idee kann nun aufgebaut werden.
12:59
can be built up.
291
779260
2000
13:01
And we get this wordscape,
292
781260
2000
Und wir bekommen diese Wortlandschaft,
13:03
except now words are not assembled in my living room.
293
783260
3000
nur diesmal wurden nicht Wörter in meinem Wohnzimmer gesammelt,
13:06
Instead, the context, the common ground activities,
294
786260
4000
sondern jetzt, im Kontext der Aktivitäten auf öffentlichen Plattformen,
13:10
are the content on television that's driving the conversations.
295
790260
3000
geht es um den Inhalt von Fernsehsendungen,
die die Gespräche antreiben.
13:13
And what we're seeing here, these skyscrapers now,
296
793260
3000
Was wir hier sehen, diese Wolkenkratzer,
13:16
are commentary
297
796260
2000
sind Kommentare,
13:18
that are linked to content on television.
298
798260
2000
die im Zusammenhang mit dem Inhalt der Fernsehsendungen sind.
13:20
Same concept,
299
800260
2000
Gleiches Konzept, aber mit Blick auf die Kommunikationsdynamik
13:22
but looking at communication dynamics
300
802260
2000
13:24
in a very different sphere.
301
804260
2000
in einem ganz anderen Einflussbereich.
13:26
And so fundamentally, rather than, for example,
302
806260
2000
Und im Wesentlichen, anstatt zum Beispiel
13:28
measuring content based on how many people are watching,
303
808260
3000
zu messen, wie viele Leute sich einen bestimmten Inhalt ansehen,
13:31
this gives us the basic data
304
811260
2000
erhalten wir hier die Grunddaten an denen wir studieren können,
13:33
for looking at engagement properties of content.
305
813260
3000
welcher Inhalt welche Teilnahmewirkung hat
13:36
And just like we can look at feedback cycles
306
816260
3000
Und so wie wir die Rückmeldeschlaufen und Dynamik
13:39
and dynamics in a family,
307
819260
3000
in einer Familie beobachten können,
13:42
we can now open up the same concepts
308
822260
3000
können wir jetzt das gleiche Konzept öffnen
13:45
and look at much larger groups of people.
309
825260
3000
und auf eine viel größere Gruppe Menschen anwenden.
13:48
This is a subset of data from our database --
310
828260
3000
Dies hier ist ein Teilsatz unserer Daten --
13:51
just 50,000 out of several million --
311
831260
3000
nur 50.000 von mehreren Millionen --
13:54
and the social graph that connects them
312
834260
2000
und das soziale Diagramm,
13:56
through publicly available sources.
313
836260
3000
das sie über öffentliche Quellen verbindet.
13:59
And if you put them on one plain,
314
839260
2000
Und wenn Sie diese jetzt in eine Ebene legen,
14:01
a second plain is where the content lives.
315
841260
3000
und in einer anderen Ebene den Inhalt,
14:04
So we have the programs
316
844260
3000
dann haben wir die Programme
14:07
and the sporting events
317
847260
2000
und die Sportveranstaltungen
14:09
and the commercials,
318
849260
2000
und die Werbung,
14:11
and all of the link structures that tie them together
319
851260
2000
und all die Verbindungsstrukturen, die sie zusammenketten,
14:13
make a content graph.
320
853260
2000
ergeben eine Inhaltsgrafik.
14:15
And then the important third dimension.
321
855260
4000
Und dann die wichtige dritte Dimension.
14:19
Each of the links that you're seeing rendered here
322
859260
2000
Jede dieser Linien, die Sie hier sehen,
14:21
is an actual connection made
323
861260
2000
bezeichnet eine effektiv zustande gekommene Verbindung
14:23
between something someone said
324
863260
3000
zwischen etwas, das jemand sagte und einem Ausschnitt aus einer Sendung.
14:26
and a piece of content.
325
866260
2000
14:28
And there are, again, now tens of millions of these links
326
868260
3000
Und hier sind wieder mehrere Zehnmillionen Verbindungen,
14:31
that give us the connective tissue of social graphs
327
871260
3000
die dieses Geflecht eines sozialen Netzes ergeben
14:34
and how they relate to content.
328
874260
3000
und aufzeigen, wie sie mit dem Inhalt der Sendungen korrelieren.
14:37
And we can now start to probe the structure
329
877260
2000
Wir können jetzt diese Struktur auf interessante Weise erforschen.
14:39
in interesting ways.
330
879260
2000
14:41
So if we, for example, trace the path
331
881260
3000
Wenn wir zum Beispiel den Weg verfolgen,
14:44
of one piece of content
332
884260
2000
den ein Stück Information zurücklegt,
14:46
that drives someone to comment on it,
333
886260
2000
das jemanden dazu bringt, einen Kommentar abzugeben,
14:48
and then we follow where that comment goes,
334
888260
3000
und wenn wir den Weg dieses Kommentars Weiterfolgen,
14:51
and then look at the entire social graph that becomes activated
335
891260
3000
und die ganze soziale Struktur beobachten, die aktiviert wird,
14:54
and then trace back to see the relationship
336
894260
3000
und danach wieder zurückkehren, um die Beziehung zu erkennen
14:57
between that social graph and content,
337
897260
2000
zwischen der sozialen Struktur und der Information
14:59
a very interesting structure becomes visible.
338
899260
2000
wird eine sehr interessante Struktur sichtbar.
15:01
We call this a co-viewing clique,
339
901260
2000
Wir nennen dies eine mit-sehende Klique, ein virtuelles Wohnzimmer sozusagen.
15:03
a virtual living room if you will.
340
903260
3000
15:06
And there are fascinating dynamics at play.
341
906260
2000
Und da ist eine faszinierende Dynamik im Spiel.
15:08
It's not one way.
342
908260
2000
Das ist keine Einbahnstraße.
15:10
A piece of content, an event, causes someone to talk.
343
910260
3000
Eine Information, ein Ereignis bringt jemandem zum Reden.
15:13
They talk to other people.
344
913260
2000
Sie reden mit anderen Leuten.
15:15
That drives tune-in behavior back into mass media,
345
915260
3000
Dies bringt die Leute, die zuhören, zurück zu den Massenmedien
15:18
and you have these cycles
346
918260
2000
und es entstehen Kreisläufe die das Gesamtverhalten lenken.
15:20
that drive the overall behavior.
347
920260
2000
15:22
Another example -- very different --
348
922260
2000
Ein anderes, ganz anderes Beispiel --
15:24
another actual person in our database --
349
924260
3000
eine echte Person in unserer Datei --
15:27
and we're finding at least hundreds, if not thousands, of these.
350
927260
3000
und wir finden mindestens hunderte, wenn nicht tausende davon.
15:30
We've given this person a name.
351
930260
2000
Wir haben dieser Person einen Namen gegeben.
15:32
This is a pro-amateur, or pro-am media critic
352
932260
3000
Dies ist ein halbprofessioneller - ein "Pro-Am", ein Medienkritiker,
15:35
who has this high fan-out rate.
353
935260
3000
dessen Suchverhalten sich weit ausdehnt.
15:38
So a lot of people are following this person -- very influential --
354
938260
3000
Viele Leute verfolgen die Kommentare dieser einflussreichen Person,
15:41
and they have a propensity to talk about what's on TV.
355
941260
2000
die dazu neigt, über Dinge zu reden, die im Fernsehen waren.
15:43
So this person is a key link
356
943260
3000
So wird diese Person eine Hauptverbindung
15:46
in connecting mass media and social media together.
357
946260
3000
zwischen den Massenmedien und den sozialen Netzwerken.
15:49
One last example from this data:
358
949260
3000
Ein letztes Beispiel aus diesen Daten:
15:52
Sometimes it's actually a piece of content that is special.
359
952260
3000
Manchmal ist tatsächlich der Inhalt etwas Besonderes.
15:55
So if we go and look at this piece of content,
360
955260
4000
Wenn wir uns jetzt diesen Ausschnitt betrachten,
15:59
President Obama's State of the Union address
361
959260
3000
die Rede von Präsident Obama zur Lage der Nation,
16:02
from just a few weeks ago,
362
962260
2000
erst einige Wochen her,
16:04
and look at what we find in this same data set,
363
964260
3000
und verfolgen, was wir im gleichen Datenset
16:07
at the same scale,
364
967260
3000
in der gleichen Auflösung finden,
16:10
the engagement properties of this piece of content
365
970260
2000
entdecken wir, dass die Beteiligung zu diesem Thema wirklich bemerkenswert ist.
16:12
are truly remarkable.
366
972260
2000
16:14
A nation exploding in conversation
367
974260
2000
Eine Nation bricht in Gespräche aus,
16:16
in real time
368
976260
2000
in Echtzeit,
16:18
in response to what's on the broadcast.
369
978260
3000
und reagiert auf das, was gesendet wurde.
16:21
And of course, through all of these lines
370
981260
2000
Selbstverständlich geht durch jede dieser Linien
16:23
are flowing unstructured language.
371
983260
2000
eine Flut unstrukturierter Sprache.
16:25
We can X-ray
372
985260
2000
Wir können dies durchleuchten und sind am Echtzeit-Puls einer Nation --
16:27
and get a real-time pulse of a nation,
373
987260
2000
16:29
real-time sense
374
989260
2000
wir erhalten einen Eindruck in Echtzeit
16:31
of the social reactions in the different circuits in the social graph
375
991260
3000
wie verschiedene Netzwerke in sozialen Strukturen darauf reagieren,
16:34
being activated by content.
376
994260
3000
aktiviert durch den Inhalt.
16:37
So, to summarize, the idea is this:
377
997260
3000
Um also die Idee zusammen zu fassen:
16:40
As our world becomes increasingly instrumented
378
1000260
3000
während unsere Welt zunehmend verkabelt wird,
16:43
and we have the capabilities
379
1003260
2000
und wir die Möglichkeit haben, die Punkte zu sammeln und zu verbinden zwischen dem,
16:45
to collect and connect the dots
380
1005260
2000
16:47
between what people are saying
381
1007260
2000
was Menschen sagen und dem Kontext, in dem sie es sagen,
16:49
and the context they're saying it in,
382
1009260
2000
16:51
what's emerging is an ability
383
1011260
2000
erhalten wir die Fähigkeit
16:53
to see new social structures and dynamics
384
1013260
3000
neue Sozialstrukturen und Dynamiken zu sehen,
16:56
that have previously not been seen.
385
1016260
2000
die vorher verborgen blieben.
16:58
It's like building a microscope or telescope
386
1018260
2000
Als würden wir ein Mikroskop oder Teleskop bauen
17:00
and revealing new structures
387
1020260
2000
und neue Strukturen aufdecken
17:02
about our own behavior around communication.
388
1022260
3000
über unser eigenes Verhalten im Zusammenhang mit Kommunikation.
17:05
And I think the implications here are profound,
389
1025260
3000
Und ich glaube, die Implikationen sind tiefgründig,
17:08
whether it's for science,
390
1028260
2000
ob für die Wissenschaft,
17:10
for commerce, for government,
391
1030260
2000
die Wirtschaft, die Regierung,
17:12
or perhaps most of all,
392
1032260
2000
oder vielleicht am Wichtigsten,
17:14
for us as individuals.
393
1034260
3000
für uns als Individuen.
17:17
And so just to return to my son,
394
1037260
3000
Und um nun wieder zu meinem Sohn zurückzukommen;
17:20
when I was preparing this talk, he was looking over my shoulder,
395
1040260
3000
während ich diesen Vortrag vorbereitete, schaute er mir über die Schulter,
17:23
and I showed him the clips I was going to show to you today,
396
1043260
2000
und ich zeigte ihm die Videoclips, die ich zu zeigen plante,
17:25
and I asked him for permission -- granted.
397
1045260
3000
und fragte ihn um Erlaubnis -- erteilt.
17:28
And then I went on to reflect,
398
1048260
2000
Ich fuhr fort und sagte zu ihm,
17:30
"Isn't it amazing,
399
1050260
3000
"Ist es nicht total faszinierend,
17:33
this entire database, all these recordings,
400
1053260
3000
diese ganze Datensammlung, all diese Aufnahmen
17:36
I'm going to hand off to you and to your sister" --
401
1056260
2000
werde ich dir und deiner Schwester übergeben,"
17:38
who arrived two years later --
402
1058260
3000
die zwei Jahre später zur Welt kam.
17:41
"and you guys are going to be able to go back and re-experience moments
403
1061260
3000
Und ihr zwei könnt zurückgehen und die Momente Wiedererleben,
17:44
that you could never, with your biological memory,
404
1064260
3000
wie ihr euch mit eurem biologischen Erinnerungsvermögen
17:47
possibly remember the way you can now?"
405
1067260
2000
wohl nie so gut daran erinnern könntet."
17:49
And he was quiet for a moment.
406
1069260
2000
Er schwieg für einen Moment,
17:51
And I thought, "What am I thinking?
407
1071260
2000
und ich dachte, "Was bilde ich mir ein?
17:53
He's five years old. He's not going to understand this."
408
1073260
2000
Er ist fünf Jahre alt, das versteht er eh nicht."
17:55
And just as I was having that thought, he looked up at me and said,
409
1075260
3000
Und während ich das dachte, schaute er zu mir herauf und sagte,
17:58
"So that when I grow up,
410
1078260
2000
"Das heißt, wenn ich groß bin, kann ich das meinen Kindern zeigen?"
18:00
I can show this to my kids?"
411
1080260
2000
18:02
And I thought, "Wow, this is powerful stuff."
412
1082260
3000
Und ich dachte: "Großartig, das ist echt stark."
18:05
So I want to leave you
413
1085260
2000
Daher möchte ich Sie
18:07
with one last memorable moment
414
1087260
2000
mit einem letzten denkwürdigen Moment für unsere Familie entlassen.
18:09
from our family.
415
1089260
3000
18:12
This is the first time our son
416
1092260
2000
Dies ist das erste Mal,
18:14
took more than two steps at once --
417
1094260
2000
dass unser Sohn mehr als zwei Schritte auf einmal machte --
18:16
captured on film.
418
1096260
2000
eingefangen im Film.
18:18
And I really want you to focus on something
419
1098260
3000
Und ich möchte Sie bitten, auf etwas zu achten,
18:21
as I take you through.
420
1101260
2000
während wir das gemeinsam ansehen.
18:23
It's a cluttered environment; it's natural life.
421
1103260
2000
Es ist eine Unordnung, es ist das Leben.
18:25
My mother's in the kitchen, cooking,
422
1105260
2000
Meine Mutter ist in der Küche, sie kocht,
18:27
and, of all places, in the hallway,
423
1107260
2000
und ich bemerke, dass er ausgerechnet im Korridor im Begriff ist,
18:29
I realize he's about to do it, about to take more than two steps.
424
1109260
3000
zum ersten Mal mehr als zwei Schritte zu gehen.
18:32
And so you hear me encouraging him,
425
1112260
2000
Sie hören mich also, wie ich ihn ansporne,
18:34
realizing what's happening,
426
1114260
2000
als ich merke, was geschieht, und dann passiert das Wunder.
18:36
and then the magic happens.
427
1116260
2000
18:38
Listen very carefully.
428
1118260
2000
Hören Sie ganz genau hin.
18:40
About three steps in,
429
1120260
2000
Nach ungefähr drei Schritten wird ihm klar,
18:42
he realizes something magic is happening,
430
1122260
2000
dass etwas Besonderes passiert.
18:44
and the most amazing feedback loop of all kicks in,
431
1124260
3000
Und die fantastischste Rückmelde-Schlaufe beginnt,
18:47
and he takes a breath in,
432
1127260
2000
er nimmt einen tiefen Atemzug,
18:49
and he whispers "wow"
433
1129260
2000
und flüstert "wow"
18:51
and instinctively I echo back the same.
434
1131260
4000
und ich wiederhole instinktiv, was er sagt.
18:56
And so let's fly back in time
435
1136260
3000
Lassen Sie uns zurückfliegen in der Zeit
18:59
to that memorable moment.
436
1139260
2000
zu diesem großen Augenblick
19:05
(Video) DR: Hey.
437
1145260
2000
(Video) DR: Hallo.
19:07
Come here.
438
1147260
2000
Komm her.
19:09
Can you do it?
439
1149260
3000
Schaffst du's?
19:13
Oh, boy.
440
1153260
2000
Junge, Junge!
19:15
Can you do it?
441
1155260
3000
Kannst du's?
19:18
Baby: Yeah.
442
1158260
2000
Baby: Wow.
19:20
DR: Ma, he's walking.
443
1160260
3000
DR: Wow.
Mama, er geht.
19:24
(Laughter)
444
1164260
2000
(Gelächter)
19:26
(Applause)
445
1166260
2000
(Applaus)
19:28
DR: Thank you.
446
1168260
2000
DR: Danke
19:30
(Applause)
447
1170260
15000
(Applaus)

Original video on YouTube.com
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