Deb Roy: The birth of a word

410,607 views ・ 2011-03-14

TED


Κάντε διπλό κλικ στους αγγλικούς υπότιτλους παρακάτω για να αναπαραγάγετε το βίντεο.

Μετάφραση: Leonidas Argyros Επιμέλεια: Agapi Archontaki
00:15
Imagine if you could record your life --
0
15260
4000
Φανταστείτε να μπορούσατε να καταγράψετε τη ζωή σας --
00:19
everything you said, everything you did,
1
19260
3000
οτιδήποτε λέγατε, οτιδήποτε κάνατε,
00:22
available in a perfect memory store at your fingertips,
2
22260
3000
διαθέσιμο σε μία τέλεια αποθηκευτική μνήμη στη διάθεσή σας,
00:25
so you could go back
3
25260
2000
ώστε να μπορείτε να πάτε πίσω
00:27
and find memorable moments and relive them,
4
27260
3000
και να βρείτε αξιομνημόνευτες στιγμές και να τις ξαναζήσετε,
00:30
or sift through traces of time
5
30260
3000
ή να ψάξετε μέσα από ψήγματα του χρόνου
00:33
and discover patterns in your own life
6
33260
2000
και να ανακαλύψετε στοιχεία για τη ζωή σας
00:35
that previously had gone undiscovered.
7
35260
3000
που δεν είχατε παρατηρήσει παλαιότερα,
00:38
Well that's exactly the journey
8
38260
2000
Αυτό ακριβώς είναι το ταξίδι
00:40
that my family began
9
40260
2000
που ξεκίνησε η οικογένειά μου
00:42
five and a half years ago.
10
42260
2000
πριν από πεντέμισι χρόνια.
00:44
This is my wife and collaborator, Rupal.
11
44260
3000
Αυτή είναι η γυναίκα μου και συνεργάτης μου, Ρούπαλ.
00:47
And on this day, at this moment,
12
47260
2000
Και αυτή τη μέρα, αυτή τη στιγμή,
00:49
we walked into the house with our first child,
13
49260
2000
μπήκαμε στο σπίτι μας με το πρώτο μας παιδί,
00:51
our beautiful baby boy.
14
51260
2000
το πανέμορφο αγοράκι μας.
00:53
And we walked into a house
15
53260
3000
Και μπήκαμε σε ένα σπίτι
00:56
with a very special home video recording system.
16
56260
4000
εφοδιασμένο με ένα ειδικό σύστημα καταγραφής βίντεο.
01:07
(Video) Man: Okay.
17
67260
2000
(Βίντεο) Άνδρας: Εντάξει.
01:10
Deb Roy: This moment
18
70260
1000
Ντεμπ Ρόυ: Αυτή η στιγμή
01:11
and thousands of other moments special for us
19
71260
3000
και χιλιάδες άλλες στιγμές μοναδικές για εμάς,
01:14
were captured in our home
20
74260
2000
καταγράφηκαν στο σπίτι μας
01:16
because in every room in the house,
21
76260
2000
διότι σε κάθε δωμάτιο του σπιτιού,
01:18
if you looked up, you'd see a camera and a microphone,
22
78260
3000
αν κοιτούσατε ψηλά, θα βλέπατε μία κάμερα και ένα μικρόφωνο,
01:21
and if you looked down,
23
81260
2000
και αν κοιτούσατε χαμηλά,
01:23
you'd get this bird's-eye view of the room.
24
83260
2000
θα βλέπατε αυτή την πανοραμική άποψη του δωματίου.
01:25
Here's our living room,
25
85260
3000
Εδώ είναι το σαλόνι μας,
01:28
the baby bedroom,
26
88260
3000
το δωμάτιο του μωρού,
01:31
kitchen, dining room
27
91260
2000
η κουζίνα, η τραπεζαρία,
01:33
and the rest of the house.
28
93260
2000
και το υπόλοιπο σπίτι.
01:35
And all of these fed into a disc array
29
95260
3000
Και όλες αυτές οι κάμερες τροφοδοτούσαν μία παράταξη δίσκων
01:38
that was designed for a continuous capture.
30
98260
3000
σχεδιασμένη για συνεχή καταγραφή.
01:41
So here we are flying through a day in our home
31
101260
3000
Εδώ λοιπόν βλέπουμε εν τάχει μία μέρα στο σπίτι μας
01:44
as we move from sunlit morning
32
104260
3000
καθώς πηγαίνουμε από το ηλιόλουστο πρωϊνό
01:47
through incandescent evening
33
107260
2000
στο βραδυνό φωτισμό
01:49
and, finally, lights out for the day.
34
109260
3000
και, τελικά, σβήνουμε τα φώτα τη νύχτα.
01:53
Over the course of three years,
35
113260
3000
Στη διάρκεια τριών ετών,
01:56
we recorded eight to 10 hours a day,
36
116260
2000
καταγράφαμε οκτώ με δέκα ώρες τη μέρα,
01:58
amassing roughly a quarter-million hours
37
118260
3000
συγκεντρώνοντας περίπου 250.000 ώρες
02:01
of multi-track audio and video.
38
121260
3000
ήχου και εικόνας.
02:04
So you're looking at a piece of what is by far
39
124260
2000
Βλέπετε λοιπόν ένα κομμάτι από αυτό που είναι με διαφορά
02:06
the largest home video collection ever made.
40
126260
2000
η μεγαλύτερη συλλογή οικιακού βίντεο που δημιουργήθηκε ποτέ.
02:08
(Laughter)
41
128260
3000
(Γέλια)
02:11
And what this data represents
42
131260
2000
Και το τι αντιπροσωπεύουν αυτά τα δεδομένα
02:13
for our family at a personal level,
43
133260
4000
για την οικογένειά μας σε προσωπικό επίπεδο,
02:17
the impact has already been immense,
44
137260
2000
ο αντίκτυπος είναι ήδη τεράστιος,
02:19
and we're still learning its value.
45
139260
3000
και εξακολουθούμε να μαθαίνουμε την αξία τους,
02:22
Countless moments
46
142260
2000
Αμέτρητες στιγμές
02:24
of unsolicited natural moments, not posed moments,
47
144260
3000
αυθόρμητων φυσικών στιγμών, όχι ποζαρισμένες,
02:27
are captured there,
48
147260
2000
έχουν καταγραφεί εδώ,
02:29
and we're starting to learn how to discover them and find them.
49
149260
3000
και αρχίζουμε να μαθαίνουμε πως να τις ανακαλύπτουμε και να τις βρίσκουμε.
02:32
But there's also a scientific reason that drove this project,
50
152260
3000
Υπάρχει όμως και ένας επιστημονικός λόγος πίσω από αυτό το εγχείρημα,
02:35
which was to use this natural longitudinal data
51
155260
4000
να χρησιμοποιήσουμε αυτό το φυσικό παρατεταμένο πείραμα
02:39
to understand the process
52
159260
2000
για να καταλάβουμε τη διαδικασία
02:41
of how a child learns language --
53
161260
2000
με την οποία ένα παιδί μαθαίνει τη γλώσσα --
02:43
that child being my son.
54
163260
2000
στην προκειμένη περίπτωση ο γιος μου.
02:45
And so with many privacy provisions put in place
55
165260
4000
Και έτσι, αφού εξασφαλίσαμε την ιδιωτικότητα
02:49
to protect everyone who was recorded in the data,
56
169260
3000
όλων των προσώπων που καταγράφηκαν στα δεδομένα,
02:52
we made elements of the data available
57
172260
3000
καταστήσαμε τμήμα των δεδομένων διαθέσιμο
02:55
to my trusted research team at MIT
58
175260
3000
στην έμπιστη ερευνητική μου ομάδα στο ΜΙΤ
02:58
so we could start teasing apart patterns
59
178260
3000
για να αρχίσουμε να απομονώνουμε μοντέλα
03:01
in this massive data set,
60
181260
3000
σε αυτή τη μαζική βάση δεδομένων,
03:04
trying to understand the influence of social environments
61
184260
3000
προσπαθώντας να καταλάβουμε την επίδραση του κοινωνικού περιβάλλοντος
03:07
on language acquisition.
62
187260
2000
στην εκμάθηση της γλώσσας.
03:09
So we're looking here
63
189260
2000
Εδώ βλέπουμε
03:11
at one of the first things we started to do.
64
191260
2000
ένα από τα πρώτα πράγματα που αρχίσαμε να κάνουμε.
03:13
This is my wife and I cooking breakfast in the kitchen,
65
193260
4000
Εγώ και η γυναίκα μου ετοιμάζουμε πρωϊνό στην κουζίνα.
03:17
and as we move through space and through time,
66
197260
3000
Και καθώς κινούμαστε στο χώρο και στο χρόνο,
03:20
a very everyday pattern of life in the kitchen.
67
200260
3000
μία πολύ καθημερινή ρουτίνα στην κουζίνα.
03:23
In order to convert
68
203260
2000
Για να μετατρέψουμε
03:25
this opaque, 90,000 hours of video
69
205260
3000
αυτές τις αδιαφανείς, 90.000 ώρες βίντεο
03:28
into something that we could start to see,
70
208260
2000
σε κάτι που μπορούσαμε να αρχίσουμε να βλέπουμε,
03:30
we use motion analysis to pull out,
71
210260
2000
χρησιμοποιούμε ανάλυση κίνησης για να αναδείξουμε,
03:32
as we move through space and through time,
72
212260
2000
καθώς κινούμαστε στο χώρο και στο χρόνο,
03:34
what we call space-time worms.
73
214260
3000
αυτό που αποκαλούμε "σκουλήκια του χωροχρόνου."
03:37
And this has become part of our toolkit
74
217260
3000
Και αυτό έχει γίνει τμήμα της εργαλειοθήκης μας
03:40
for being able to look and see
75
220260
3000
για να μπορούμε να κοιτούμε και να βλέπουμε
03:43
where the activities are in the data,
76
223260
2000
που βρίσκονται οι δραστηριότητες στα δεδομένα,
03:45
and with it, trace the pattern of, in particular,
77
225260
3000
και με αυτό, να ακολουθήσουμε το μοντέλο του, συγκεκριμένα,
03:48
where my son moved throughout the home,
78
228260
2000
που στο σπίτι κινούνταν ο γιος μου,
03:50
so that we could focus our transcription efforts,
79
230260
3000
ώστε να επικεντρώσουμε τις προσπάθειες μεταγραφής,
03:53
all of the speech environment around my son --
80
233260
3000
ολόκληρο το περιβάλλον ομιλίας γύρω από το γιο μου --
03:56
all of the words that he heard from myself, my wife, our nanny,
81
236260
3000
όλες τις λέξεις που άκουσε από εμένα, τη γυναίκα μου, τη νταντά,
03:59
and over time, the words he began to produce.
82
239260
3000
και τελικά, τις λέξεις που άρχισε να παράγει.
04:02
So with that technology and that data
83
242260
3000
Με αυτή λοιπόν την τεχνολογία και αυτά τα δεδομένα
04:05
and the ability to, with machine assistance,
84
245260
2000
και την ικανότητα, με τη βοήθεια μηχανών,
04:07
transcribe speech,
85
247260
2000
να μεταγράφουμε το λόγο,
04:09
we've now transcribed
86
249260
2000
έχουμε τώρα μεταγράψει
04:11
well over seven million words of our home transcripts.
87
251260
3000
πάνω από επτά εκατομμύρια λέξεις στο σπίτι μας.
04:14
And with that, let me take you now
88
254260
2000
Και με αυτό, επιτρέψτε μου τώρα να σας πάω
04:16
for a first tour into the data.
89
256260
3000
για ένα πρώτο γύρο στα δεδομένα.
04:19
So you've all, I'm sure,
90
259260
2000
Είμαι βέβαιος πως όλοι σας
04:21
seen time-lapse videos
91
261260
2000
έχετε δει βίντεο χρονικής επιτάχυνσης
04:23
where a flower will blossom as you accelerate time.
92
263260
3000
όπου ένα λουλούδι ανθίζει καθώς επιταχύνετε το χρόνο.
04:26
I'd like you to now experience
93
266260
2000
Θα ήθελα τώρα να βιώσετε
04:28
the blossoming of a speech form.
94
268260
2000
το άνθισμα μίας μορφής λόγου.
04:30
My son, soon after his first birthday,
95
270260
2000
Λίγο μετά τα πρώτα του γενέθλια, ο γιος μου
04:32
would say "gaga" to mean water.
96
272260
3000
έλεγε "γκάγκα" και εννοούσε νερό.
04:35
And over the course of the next half-year,
97
275260
3000
Και στη διάρκεια του επόμενου μισού χρόνου
04:38
he slowly learned to approximate
98
278260
2000
έμαθε σιγά σιγά να πλησιάζει
04:40
the proper adult form, "water."
99
280260
3000
τη σωστή ενήλικη μορφή, "ουότερ" (νερό).
04:43
So we're going to cruise through half a year
100
283260
2000
Θα διατρέξουμε λοιπόν έξι μήνες
04:45
in about 40 seconds.
101
285260
2000
σε περίπου 40 δευτερόλεπτα.
04:47
No video here,
102
287260
2000
Δεν έχουμε βίντεο εδώ
04:49
so you can focus on the sound, the acoustics,
103
289260
3000
για να επικεντρωθείτε στον ήχο, την ακουστική,
04:52
of a new kind of trajectory:
104
292260
2000
μίας νέας τροχιάς:
04:54
gaga to water.
105
294260
2000
από γκάγκα σε ουότερ.
04:56
(Audio) Baby: Gagagagagaga
106
296260
12000
(Ήχος) Μωρό: Γκαγκαγκαγκαγκα
05:08
Gaga gaga gaga
107
308260
4000
Γκάγκα γκάγκα γκάγκα
05:12
guga guga guga
108
312260
5000
γκούγκα γκούγκα γκούγκα
05:17
wada gaga gaga guga gaga
109
317260
5000
ουάντα γκάγκα γκάγκα γκούγκα γκάγκα
05:22
wader guga guga
110
322260
4000
ουάντερ γκούγκα γκούγκα
05:26
water water water
111
326260
3000
ουότερ ουότερ ουότερ
05:29
water water water
112
329260
6000
ουότερ ουότερ ουότερ
05:35
water water
113
335260
4000
ουότερ ουότερ
05:39
water.
114
339260
2000
ουότερ.
05:41
DR: He sure nailed it, didn't he.
115
341260
2000
ΝΡ: Τα καταφερε περίφημα, έτσι δεν είναι;
05:43
(Applause)
116
343260
7000
(Χειροκρότημα)
05:50
So he didn't just learn water.
117
350260
2000
Δεν έμαθε όμως μόνο το "νερό".
05:52
Over the course of the 24 months,
118
352260
2000
Στη διάρκεια 24 μηνών,
05:54
the first two years that we really focused on,
119
354260
3000
τα δύο πρώτα χρόνια, στα οποία δώσαμε έμφαση,
05:57
this is a map of every word he learned in chronological order.
120
357260
4000
αυτός είναι ένας χάρτης κάθε λέξης που έμαθε σε χρονολογική σειρά.
06:01
And because we have full transcripts,
121
361260
3000
Και επειδή έχουμε πλήρεις μεταγραφές,
06:04
we've identified each of the 503 words
122
364260
2000
έχουμε αναγνωρίσει κάθε μία από τις 503 λέξεις
06:06
that he learned to produce by his second birthday.
123
366260
2000
που έμαθε να παράγει ώσπου να γίνει δύο χρόνων.
06:08
He was an early talker.
124
368260
2000
Έμαθε να μιλάει νωρίς.
06:10
And so we started to analyze why.
125
370260
3000
Και αρχίσαμε να μελετάμε το γιατί.
06:13
Why were certain words born before others?
126
373260
3000
Γιατί γεννήθηκαν ορισμένες λέξεις πριν από άλλες;
06:16
This is one of the first results
127
376260
2000
Αυτό είναι ένα από τα πρώτα αποτελέσματα
06:18
that came out of our study a little over a year ago
128
378260
2000
που προέκυψαν από την έρευνά μας πριν από περίπου ένα χρόνο
06:20
that really surprised us.
129
380260
2000
που πραγματικά μας εξέπληξε.
06:22
The way to interpret this apparently simple graph
130
382260
3000
Η ερμηνεία αυτού του φαινομενικά απλού γραφήματος
06:25
is, on the vertical is an indication
131
385260
2000
είναι πως η κάθετος είναι μία ένδειξη
06:27
of how complex caregiver utterances are
132
387260
3000
της πολυπλοκότητας του λόγου του φροντιστή
06:30
based on the length of utterances.
133
390260
2000
βάσει του μήκους του λόγου.
06:32
And the [horizontal] axis is time.
134
392260
3000
Και ο κάθετος άξονας είναι ο χρόνος.
06:35
And all of the data,
135
395260
2000
Και όλα τα δεδομένα
06:37
we aligned based on the following idea:
136
397260
3000
τα τοποθετήσαμε βάσει της ακόλουθης ιδέας:
06:40
Every time my son would learn a word,
137
400260
3000
Κάθε φορά που ο γιος μου μάθαινε μία λέξη,
06:43
we would trace back and look at all of the language he heard
138
403260
3000
πηγαίναμε πίσω και κοιτούσαμε τη γλώσσα που άκουσε
06:46
that contained that word.
139
406260
2000
και η οποία περιείχε αυτή τη λέξη.
06:48
And we would plot the relative length of the utterances.
140
408260
4000
Και καταγράφαμε το σχετικό μήκος των προτάσεων.
06:52
And what we found was this curious phenomena,
141
412260
3000
Και αυτό που βρήκαμε είναι αυτά τα περίεργα φαινόμενα,
06:55
that caregiver speech would systematically dip to a minimum,
142
415260
3000
ο λόγος του φροντιστή συστηματικά μειωνόταν στο ελάχιστο,
06:58
making language as simple as possible,
143
418260
3000
καθιστώντας τη γλώσσα όσο πιο απλή γίνεται,
07:01
and then slowly ascend back up in complexity.
144
421260
3000
και μετά σιγά σιγά ανέβαινε σε περιπλοκότητα.
07:04
And the amazing thing was
145
424260
2000
Και το εκπληκτικό ήταν
07:06
that bounce, that dip,
146
426260
2000
πως αυτή η άνοδος, αυτή η βουτιά,
07:08
lined up almost precisely
147
428260
2000
ταίριαζαν σχεδόν απόλυτα
07:10
with when each word was born --
148
430260
2000
με το πότε γεννιόταν κάθε λέξη --
07:12
word after word, systematically.
149
432260
2000
λέξη με λέξη, συστηματικά.
07:14
So it appears that all three primary caregivers --
150
434260
2000
Φαίνεται λοιπόν πως και οι τρεις κατεξοχήν φροντιστές --
07:16
myself, my wife and our nanny --
151
436260
3000
εγώ, η γυναίκα μου και η νταντά μας --
07:19
were systematically and, I would think, subconsciously
152
439260
3000
συστηματικά και, νομίζω, υποσυνείδητα
07:22
restructuring our language
153
442260
2000
αναδομούσαμε τη γλώσσα μας
07:24
to meet him at the birth of a word
154
444260
3000
για να τον συναντήσουμε στη γέννηση μιας λέξης
07:27
and bring him gently into more complex language.
155
447260
4000
και να τον εισάγουμε ομαλά σε πιο περίπλοκη γλώσσα.
07:31
And the implications of this -- there are many,
156
451260
2000
Και οι επιπτώσεις αυτού -- είναι πολλές,
07:33
but one I just want to point out,
157
453260
2000
αλλά η μία που θέλω να αναδείξω,
07:35
is that there must be amazing feedback loops.
158
455260
3000
είναι πως πρέπει να υπάρχει μία εκπληκτική αμφίδρομη σχέση.
07:38
Of course, my son is learning
159
458260
2000
Φυσικά ο γιος μου μαθαίνει
07:40
from his linguistic environment,
160
460260
2000
από το γλωσσικό του περιβάλλον,
07:42
but the environment is learning from him.
161
462260
3000
αλλά το περιβάλλον μαθαίνει από αυτόν.
07:45
That environment, people, are in these tight feedback loops
162
465260
3000
Αυτό το περιβάλλον, οι άνθρωποι, βρίσκονται σε αυτή την αμφίδρομη σχέση
07:48
and creating a kind of scaffolding
163
468260
2000
και δημιουργούν μία σκαλωσιά
07:50
that has not been noticed until now.
164
470260
3000
που δεν είχε παρατηρηθεί μέχρι τώρα.
07:54
But that's looking at the speech context.
165
474260
2000
Αυτό σε ό,τι αφορά το λόγο.
07:56
What about the visual context?
166
476260
2000
Τι γίνεται με την εικόνα;
07:58
We're not looking at --
167
478260
2000
Δεν βλέπουμε --
08:00
think of this as a dollhouse cutaway of our house.
168
480260
2000
φανταστείτε πως αυτό είναι μία τομή του σπιτιού μας σαν κουκλόσπιτο.
08:02
We've taken those circular fish-eye lens cameras,
169
482260
3000
Πήραμε αυτές τις κάμερες με φακούς που μιμούνται τα μάτια ψαριού
08:05
and we've done some optical correction,
170
485260
2000
και τους διορθώσαμε οπτικά
08:07
and then we can bring it into three-dimensional life.
171
487260
4000
και μετά μπορούμε να δημιουργήσουμε τρισδιάστατη ζωή.
08:11
So welcome to my home.
172
491260
2000
Καλωσήρθατε λοιπόν στο σπίτι μου.
08:13
This is a moment,
173
493260
2000
Αυτή είναι μία στιγμή,
08:15
one moment captured across multiple cameras.
174
495260
3000
μία στιγμή καταγεγραμμένη από πολλές κάμερες.
08:18
The reason we did this is to create the ultimate memory machine,
175
498260
3000
Ο λόγος που το κάναμε αυτό ήταν για να δημιουργήσουμε την απόλυτη μηχανή μνήμης
08:21
where you can go back and interactively fly around
176
501260
3000
με την οποία μπορείς να γυρίσεις στο χρόνο και να περιπλανηθείς και
08:24
and then breathe video-life into this system.
177
504260
3000
να εμφυσήσεις βιντεοσκοπημένη ζωή σε αυτό το σύστημα.
08:27
What I'm going to do
178
507260
2000
Αυτό που θα κάνω
08:29
is give you an accelerated view of 30 minutes,
179
509260
3000
είναι να σας δώσω μία επιταγχυμένη άποψη τριάντα λεπτών,
08:32
again, of just life in the living room.
180
512260
2000
ξανά, απλώς ζωής στο σαλόνι.
08:34
That's me and my son on the floor.
181
514260
3000
Αυτός είμαι εγώ με το γιο μου στο πάτωμα.
08:37
And there's video analytics
182
517260
2000
Και η ανάλυση του βίντεο
08:39
that are tracking our movements.
183
519260
2000
καταγράφει τις κινήσεις μας.
08:41
My son is leaving red ink. I am leaving green ink.
184
521260
3000
Ο γιος μου αφήνει κόκκινο μελάνι, εγώ πράσινο.
08:44
We're now on the couch,
185
524260
2000
Είμαστε στον καναπέ,
08:46
looking out through the window at cars passing by.
186
526260
3000
κοιτώντας έξω από το παράθυρο τα αυτοκίνητα που περνούν.
08:49
And finally, my son playing in a walking toy by himself.
187
529260
3000
Και τελικά, ο γιος μου παίζει μόνος του με ένα κινούμενο παιχνίδι.
08:52
Now we freeze the action, 30 minutes,
188
532260
3000
Τώρα παγώνουμε τη δράση, 30 λεπτά,
08:55
we turn time into the vertical axis,
189
535260
2000
τοποθετούμε το χρόνο στον κάθετο άξονα,
08:57
and we open up for a view
190
537260
2000
και ανοίγουμε για μία ματιά
08:59
of these interaction traces we've just left behind.
191
539260
3000
σε αυτά τα ίχνη αλληλεπίδρασης που αφήσαμε πίσω μας.
09:02
And we see these amazing structures --
192
542260
3000
Και βλέπουμε αυτές τις εκπληκτικές κατασκευές --
09:05
these little knots of two colors of thread
193
545260
3000
αυτούς τους μικρούς κόμπους από κλωστές δύο χρωμάτων
09:08
we call "social hot spots."
194
548260
2000
που αποκαλούμε κοινωνικά θερμά σημεία.
09:10
The spiral thread
195
550260
2000
Αποκαλούμε την ελικοειδή κλωστή
09:12
we call a "solo hot spot."
196
552260
2000
μοναχικό θερμό σημείο.
09:14
And we think that these affect the way language is learned.
197
554260
3000
Και πιστεύουμε πως αυτές επηρεάζουν τον τρόπο που μαθαίνεται η γλώσσα.
09:17
What we'd like to do
198
557260
2000
Αυτό που θα θέλαμε να κάνουμε
09:19
is start understanding
199
559260
2000
είναι να αρχίσουμε να καταλαβαίνουμε
09:21
the interaction between these patterns
200
561260
2000
την αλληλεπίδραση ανάμεσα σε αυτά τα μοντέλα
09:23
and the language that my son is exposed to
201
563260
2000
και τη γλώσσα στην οποία είναι εκτεθειμένος ο γιος μου
09:25
to see if we can predict
202
565260
2000
για να δούμε αν μπορούμε να προβλέψουμε
09:27
how the structure of when words are heard
203
567260
2000
πως η δομή του πότε ακούγονται οι λέξεις
09:29
affects when they're learned --
204
569260
2000
επηρεάζει το πότε μαθαίνονται --
09:31
so in other words, the relationship
205
571260
2000
με άλλα λόγια, τη σχέση
09:33
between words and what they're about in the world.
206
573260
4000
ανάμεσα στις λέξεις και το τι σημαίνουν στον κόσμο.
09:37
So here's how we're approaching this.
207
577260
2000
Ιδού πώς προσπαθούμε να το πετύχουμε.
09:39
In this video,
208
579260
2000
Σε αυτό το βίντεο,
09:41
again, my son is being traced out.
209
581260
2000
ξανά, ανιχνεύουμε τις κινήσεις του γιου μου.
09:43
He's leaving red ink behind.
210
583260
2000
Αφήνει πίσω του κόκκινο μελάνι.
09:45
And there's our nanny by the door.
211
585260
2000
Και αυτή είναι η νταντά στην πόρτα,
09:47
(Video) Nanny: You want water? (Baby: Aaaa.)
212
587260
3000
(Βίντεο) Νταντά: Θες νερό; (Μωρό: Αααα.)
09:50
Nanny: All right. (Baby: Aaaa.)
213
590260
3000
Νταντά: Εντάξει. (Μωρό: Αααα.)
09:53
DR: She offers water,
214
593260
2000
ΝΡ: Προσφέρει νερό,
09:55
and off go the two worms
215
595260
2000
και τα δύο σκουλήκια ξεκινούν
09:57
over to the kitchen to get water.
216
597260
2000
για την κουζίνα να βρουν νερό.
09:59
And what we've done is use the word "water"
217
599260
2000
Και αυτό που κάναμε ήταν να χρησιμοποιήσουμε τη λέξη "νερό"
10:01
to tag that moment, that bit of activity.
218
601260
2000
για να σημειώσουμε αυτή τη στιγμή, αυτό το κομμάτι δραστηριότητας.
10:03
And now we take the power of data
219
603260
2000
Και τώρα με τη δύναμη των δεδομένων
10:05
and take every time my son
220
605260
3000
παίρνουμε κάθε φορά που ο γιος μου
10:08
ever heard the word water
221
608260
2000
άκουσε τη λέξη νερό
10:10
and the context he saw it in,
222
610260
2000
και το περιβάλλον στο οποίο το είδε,
10:12
and we use it to penetrate through the video
223
612260
3000
και τα χρησιμοποιούμε για να διεισδύσουμε μέσω του βίντεο
10:15
and find every activity trace
224
615260
3000
και να βρούμε κάθε ίχνος δραστηριότητας
10:18
that co-occurred with an instance of water.
225
618260
3000
που συνέβη συγχρόνως με την παρουσία της λέξης "νερό".
10:21
And what this data leaves in its wake
226
621260
2000
Και αυτά τα δεδομένα αφήνουν πίσω τους
10:23
is a landscape.
227
623260
2000
ένα τοπίο.
10:25
We call these wordscapes.
228
625260
2000
Τα αποκαλούμε λεξοτοπία.
10:27
This is the wordscape for the word water,
229
627260
2000
Αυτό είναι το λεξοτοπίο για τη λέξη "νερό",
10:29
and you can see most of the action is in the kitchen.
230
629260
2000
και μπορείτε να δείτε πως η περισσότερη δράση είναι στην κουζίνα.
10:31
That's where those big peaks are over to the left.
231
631260
3000
Εκεί βρίσκονται αυτές οι μεγάλες κορυφές στα αριστερά.
10:34
And just for contrast, we can do this with any word.
232
634260
3000
Και για αντιδιαστολή, μπορούμε να το κάνουμε αυτό για οποιαδήποτε λέξη.
10:37
We can take the word "bye"
233
637260
2000
Μπορούμε να πάρουμε τη λέξη "αντίο"
10:39
as in "good bye."
234
639260
2000
σαν αποχαιρετισμό.
10:41
And we're now zoomed in over the entrance to the house.
235
641260
2000
Και τώρα εστιάζουμε στην είσοδο του σπιτιού.
10:43
And we look, and we find, as you would expect,
236
643260
3000
Και κοιτάμε και βρίσκουμε, όπως θα περίμενε κανείς,
10:46
a contrast in the landscape
237
646260
2000
μία αντίθεση στο τοπίο
10:48
where the word "bye" occurs much more in a structured way.
238
648260
3000
όπου η λέξη "αντίο" συναντάται πολύ περισσότερο με ένα δομημένο τρόπο.
10:51
So we're using these structures
239
651260
2000
Χρησιμοποιούμε λοιπόν αυτές τις δομές
10:53
to start predicting
240
653260
2000
για να αρχίσουμε να προβλέπουμε
10:55
the order of language acquisition,
241
655260
3000
τη σειρά απόκτησης γλώσσας,
10:58
and that's ongoing work now.
242
658260
2000
και αυτή είναι μία εργασία σε εξέλιξη.
11:00
In my lab, which we're peering into now, at MIT --
243
660260
3000
Στο εργαστήριό μου, το οποίο βλέπουμε τώρα, στο ΜΙΤ --
11:03
this is at the media lab.
244
663260
2000
αυτό είναι το εργαστήριο μίντια.
11:05
This has become my favorite way
245
665260
2000
Αυτός έχει γίνει ο αγαπημένος μου τρόπος
11:07
of videographing just about any space.
246
667260
2000
βιντεοσκόπησης κάθε χώρου.
11:09
Three of the key people in this project,
247
669260
2000
Τρεις από τους βασικούς ανθρώπους αυτού του προγράμματος,
11:11
Philip DeCamp, Rony Kubat and Brandon Roy are pictured here.
248
671260
3000
ο Φίλιπ Ντε Καμπ, ο Ρόνυ Κούμπατ και ο Μπράντον Ρόυ εικονίζονται εδώ.
11:14
Philip has been a close collaborator
249
674260
2000
Ο Φίλιπ είναι ένας στενός συνεργάτης
11:16
on all the visualizations you're seeing.
250
676260
2000
σε όλες τις απεικονίσεις που βλέπετε.
11:18
And Michael Fleischman
251
678260
3000
Και ο Μάικλ Φλάισμαν
11:21
was another Ph.D. student in my lab
252
681260
2000
ήταν ακόμα ένας διδακτορικός φοιτητής στο εργαστήριό μου
11:23
who worked with me on this home video analysis,
253
683260
3000
που δούλεψε μαζί μου σε αυτή την ανάλυση οικιακού βίντεο,
11:26
and he made the following observation:
254
686260
3000
και έκανε την ακόλουθη παρατήρηση:
11:29
that "just the way that we're analyzing
255
689260
2000
"ακριβώς με τον ίδιο τρόπο με τον οποίο αναλύουμε
11:31
how language connects to events
256
691260
3000
πώς η γλώσσα συνδέεται με γεγονότα
11:34
which provide common ground for language,
257
694260
2000
που προσφέρουν κοινό έδαφος για τη γλώσσα,
11:36
that same idea we can take out of your home, Deb,
258
696260
4000
αυτήν ακριβώς την ιδέα μπορούμε να τη βγάλουμε έξω από το σπίτι σου, Ντεμπ,
11:40
and we can apply it to the world of public media."
259
700260
3000
και να την εφαρμόσουμε στον κόσμο των ΜΜΕ."
11:43
And so our effort took an unexpected turn.
260
703260
3000
Έτσι οι προσπάθειές μας πήραν μία απρόσμενη τροπή.
11:46
Think of mass media
261
706260
2000
Σκεφτείτε τα ΜΜΕ
11:48
as providing common ground
262
708260
2000
ως παρόχους κοινού εδάφους
11:50
and you have the recipe
263
710260
2000
και έχετε τη συνταγή
11:52
for taking this idea to a whole new place.
264
712260
3000
για να μεταφέρετε αυτή την ιδέα σε ένα ολότελα διαφορετικό επίπεδο.
11:55
We've started analyzing television content
265
715260
3000
Αρχίσαμε να αναλύουμε τηλεοπτικά προγράμματα
11:58
using the same principles --
266
718260
2000
χρησιμοποιώντας τις ίδιες αρχές --
12:00
analyzing event structure of a TV signal --
267
720260
3000
να αναλύουμε τη δομή γεγονότος ενός τηλεοπτικού σήματος --
12:03
episodes of shows,
268
723260
2000
επεισόδια εκπομπών,
12:05
commercials,
269
725260
2000
διαφημίσεις,
12:07
all of the components that make up the event structure.
270
727260
3000
όλα τα συστατικά που συγκροτούν τη δομή γεγονότος.
12:10
And we're now, with satellite dishes, pulling and analyzing
271
730260
3000
Και τώρα, με δορυφορικές κεραίες, συγκεντρώνουμε και αναλύουμε
12:13
a good part of all the TV being watched in the United States.
272
733260
3000
ένα μεγάλο ποσοστό όσων προβάλλονται στην τηλεόραση στις Ηνωμένες Πολιτείες.
12:16
And you don't have to now go and instrument living rooms with microphones
273
736260
3000
Και δεν χρειάζεται πλέον να καταγράφουμε σαλόνια με μικρόφωνα
12:19
to get people's conversations,
274
739260
2000
για να συλλάβουμε τις συζητήσεις των ανθρώπων,
12:21
you just tune into publicly available social media feeds.
275
741260
3000
απλά χρησιμοποιούμε κοινωνικά δίκτυα που είναι διαθέσιμα ελεύθερα.
12:24
So we're pulling in
276
744260
2000
Συγκεντρώνουμε
12:26
about three billion comments a month,
277
746260
2000
περίπου τρία δισεκατομμύρια σχόλια το μήνα.
12:28
and then the magic happens.
278
748260
2000
Και τότε συμβαίνει κάτι μαγικό.
12:30
You have the event structure,
279
750260
2000
Έχουμε τη δομή του γεγονότος,
12:32
the common ground that the words are about,
280
752260
2000
το κοινό έδαφος που αφορούν οι λέξεις,
12:34
coming out of the television feeds;
281
754260
3000
να προέρχεται από τις τηλεοράσεις.
12:37
you've got the conversations
282
757260
2000
Έχουμε τις συζητήσεις
12:39
that are about those topics;
283
759260
2000
που σχετίζονται με αυτά τα θέματα.
12:41
and through semantic analysis --
284
761260
3000
Και μέσω μίας σημασιολογικής ανάλυσης --
12:44
and this is actually real data you're looking at
285
764260
2000
και βλέπετε πραγματικά δεδομένα
12:46
from our data processing --
286
766260
2000
από την επεξεργασία μας --
12:48
each yellow line is showing a link being made
287
768260
3000
κάθε κίτρινη γραμμή υποδηλώνει ένα δεσμό που δημιουργείται
12:51
between a comment in the wild
288
771260
3000
ανάμεσα σε ένα σχόλιο εκεί έξω
12:54
and a piece of event structure coming out of the television signal.
289
774260
3000
και ένα κομμάτι της δομής γεγονότος που προέρχεται από το τηλεοπτικό σήμα.
12:57
And the same idea now
290
777260
2000
Και τώρα αυτή η ιδέα
12:59
can be built up.
291
779260
2000
μπορεί να "οικοδομηθεί".
13:01
And we get this wordscape,
292
781260
2000
Και καταλήγουμε με αυτό το λεξοτοπίο,
13:03
except now words are not assembled in my living room.
293
783260
3000
μόνο που τώρα οι λέξεις δεν συγκεντρώνονται στο σαλόνι μου.
13:06
Instead, the context, the common ground activities,
294
786260
4000
Αντιθέτως, τα συμφραζόμενα, οι δραστηριότητες κοινού εδάφους,
13:10
are the content on television that's driving the conversations.
295
790260
3000
είναι το περιεχόμενο της τηλεόρασης που τροφοδοτεί τις συζητήσεις.
13:13
And what we're seeing here, these skyscrapers now,
296
793260
3000
Και αυτό που βλέπουμε εδώ, αυτοί οι ουρανοξύστες τώρα,
13:16
are commentary
297
796260
2000
είναι σχόλια
13:18
that are linked to content on television.
298
798260
2000
που συνδέονται με το περιεχόμενο της τηλεόρασης.
13:20
Same concept,
299
800260
2000
Η ίδια ιδέα,
13:22
but looking at communication dynamics
300
802260
2000
αλλά κοιτάμε το δυναμικό επικοινωνίας
13:24
in a very different sphere.
301
804260
2000
σε μία πολύ διαφορετική σφαίρα.
13:26
And so fundamentally, rather than, for example,
302
806260
2000
Και έτσι ουσιαστικά,αντί να, παραδείγματος χάριν,
13:28
measuring content based on how many people are watching,
303
808260
3000
να μετρούμε το περιεχόμενο βάσει του αριθμού των θεατών,
13:31
this gives us the basic data
304
811260
2000
αυτό μας δίνει τα βασικά δεδομένα
13:33
for looking at engagement properties of content.
305
813260
3000
για να μελετούμε τις δυνατότητες συμμετοχής του περιεχομένου.
13:36
And just like we can look at feedback cycles
306
816260
3000
Και όπως μπορούμε να κοιτάξουμε τους κύκλους ανατροφοδότησης
13:39
and dynamics in a family,
307
819260
3000
και τη δυναμική σε μία οικογένεια,
13:42
we can now open up the same concepts
308
822260
3000
μπορούμε τώρα να διευρύνουμε τις ίδιες ιδέες
13:45
and look at much larger groups of people.
309
825260
3000
και να μελετήσουμε πολύ μεγαλύτερες ομάδες ανθρώπων.
13:48
This is a subset of data from our database --
310
828260
3000
Αυτή είναι μία υπο-ομάδα δεδομένων από τη βάση δεδομένων μας --
13:51
just 50,000 out of several million --
311
831260
3000
μόλις 50.000 από ένα σύνολο πολλών εκατομμυρίων --
13:54
and the social graph that connects them
312
834260
2000
και το κοινωνικό γράφημα που τους συνδέει
13:56
through publicly available sources.
313
836260
3000
μέσα από δημόσια διαθέσιμες πηγές.
13:59
And if you put them on one plain,
314
839260
2000
Και αν τα βάλουμε σε ένα επίπεδο,
14:01
a second plain is where the content lives.
315
841260
3000
ένα δεύτερο επίπεδο είναι εκεί που ζει το περιεχόμενο.
14:04
So we have the programs
316
844260
3000
Έχουμε λοιπόν τα προγράμματα
14:07
and the sporting events
317
847260
2000
και τα αθλητικά γεγονότα
14:09
and the commercials,
318
849260
2000
και τις διαφημίσεις,
14:11
and all of the link structures that tie them together
319
851260
2000
και όλες τις συνδετικές δομές που τα ενώνουν
14:13
make a content graph.
320
853260
2000
και δημιουργούν ένα γράφημα περιεχομένου.
14:15
And then the important third dimension.
321
855260
4000
Και μετά έχουμε και τη βασική τρίτη διάσταση.
14:19
Each of the links that you're seeing rendered here
322
859260
2000
Κάθε ένας από τους δεσμούς που βλέπετε εδώ
14:21
is an actual connection made
323
861260
2000
είναι μία πραγματική σύνδεση
14:23
between something someone said
324
863260
3000
ανάμεσα σε κάτι που είπε κάποιος
14:26
and a piece of content.
325
866260
2000
και ένα κομμάτι περιεχομένου.
14:28
And there are, again, now tens of millions of these links
326
868260
3000
Και υπάρχουν τώρα δεκάδες εκατομμύρια τέτοιοι δεσμοί
14:31
that give us the connective tissue of social graphs
327
871260
3000
που μας δίνουν το συνδετικό ιστό κοινωνικών γραφημάτων
14:34
and how they relate to content.
328
874260
3000
και τον τρόπο που σχετίζονται με το περιεχόμενο.
14:37
And we can now start to probe the structure
329
877260
2000
Και μπορούμε τώρα να αρχίσουμε να ερευνούμε τη δομή
14:39
in interesting ways.
330
879260
2000
με ενδιαφέροντες τρόπους.
14:41
So if we, for example, trace the path
331
881260
3000
Αν, για παράδειγμα, ανιχνεύσουμε την πορεία
14:44
of one piece of content
332
884260
2000
ενός κομματιού περιεχομένου
14:46
that drives someone to comment on it,
333
886260
2000
που ωθεί κάποιον να το σχολιάσει,
14:48
and then we follow where that comment goes,
334
888260
3000
και μετα παρακολουθήσουμε που πηγαίνει το σχόλιο,
14:51
and then look at the entire social graph that becomes activated
335
891260
3000
και κοιτάξουμε ολόκληρο το κοινωνικό γράφημα που δραστηριοποιείται
14:54
and then trace back to see the relationship
336
894260
3000
και ακολουθήσουμε ανάποδα τη σχέση
14:57
between that social graph and content,
337
897260
2000
ανάμεσα στο κοινωνικό γράφημα και το περιεχόμενο,
14:59
a very interesting structure becomes visible.
338
899260
2000
μία πολύ ενδιαφέρουσα δομή γίνεται ορατή.
15:01
We call this a co-viewing clique,
339
901260
2000
Την αποκαλούμε κλίκα συν-όρασης,
15:03
a virtual living room if you will.
340
903260
3000
ένα ψηφιακό σαλόνι αν θέλετε.
15:06
And there are fascinating dynamics at play.
341
906260
2000
Και υπάρχουν συναρπαστικές δυναμικές που ενεργοποιούνται.
15:08
It's not one way.
342
908260
2000
Δεν είναι μονόδρομος.
15:10
A piece of content, an event, causes someone to talk.
343
910260
3000
Ένα κομμάτι περιεχομένου,ένα γεγονός, κάνει κάποιον να μιλήσει.
15:13
They talk to other people.
344
913260
2000
Μιλούν σε άλλους ανθρώπους.
15:15
That drives tune-in behavior back into mass media,
345
915260
3000
Αυτό ωθεί τη συμπεριφορά πίσω στα ΜΜΕ,
15:18
and you have these cycles
346
918260
2000
και έχουμε αυτούς τους κύκλους
15:20
that drive the overall behavior.
347
920260
2000
που καθορίζουν τη συνολική συμπεριφορά.
15:22
Another example -- very different --
348
922260
2000
Άλλο ένα παράδειγμα -- πολύ διαφορετικό --
15:24
another actual person in our database --
349
924260
3000
ακόμα ένα πραγματικό άτομο στη βάση δεδομένων μας --
15:27
and we're finding at least hundreds, if not thousands, of these.
350
927260
3000
και βρίσκουμε τουλάχιστον εκατοντάδες, αν όχι χιλιάδες, τέτοια άτομα.
15:30
We've given this person a name.
351
930260
2000
Του έχουμε δώσει ένα όνομα.
15:32
This is a pro-amateur, or pro-am media critic
352
932260
3000
Είναι ένας ημι-επαγγελματίας κριτικός ΜΜΕ
15:35
who has this high fan-out rate.
353
935260
3000
που έχει αυτό τον υψηλό βαθμό διάδοσης.
15:38
So a lot of people are following this person -- very influential --
354
938260
3000
Πολλοί άνθρωποι ακολουθούν αυτό το άτομο -- έχει μεγάλη επιρροή --
15:41
and they have a propensity to talk about what's on TV.
355
941260
2000
και έχουν την τάση να μιλούν για το τι δείχνει η τηλεόραση.
15:43
So this person is a key link
356
943260
3000
Αυτό το άτομο λοιπόν είναι ένας βασικός δεσμός
15:46
in connecting mass media and social media together.
357
946260
3000
που συνδέει τα ΜΜΕ και τα κοινωνικά δίκτυα.
15:49
One last example from this data:
358
949260
3000
Ένα τελευταίο παράδειγμα από αυτά τα δεδομένα.
15:52
Sometimes it's actually a piece of content that is special.
359
952260
3000
Ορισμένες φορές είναι ένα κομμάτι περιεχομένου που έχει ιδιαίτερη σημασία.
15:55
So if we go and look at this piece of content,
360
955260
4000
Αν λοιπόν κοιτάξουμε αυτό το κομμάτι περιεχομένου,
15:59
President Obama's State of the Union address
361
959260
3000
η ομιλία του προέδρου Ομπάμα για την "Κατάσταση του Έθνους"
16:02
from just a few weeks ago,
362
962260
2000
πριν από λίγες εβδομάδες,
16:04
and look at what we find in this same data set,
363
964260
3000
και κοιτάξουμε τι βρίσκουμε στο ίδιο σύνολο δεδομένων,
16:07
at the same scale,
364
967260
3000
στην ίδια κλίμακα,
16:10
the engagement properties of this piece of content
365
970260
2000
οι ικανότητες αυτού του κομματιού περιεχομένου να προκαλέσει το ενδιαφέρον
16:12
are truly remarkable.
366
972260
2000
είναι πραγματικά εκπληκτικές.
16:14
A nation exploding in conversation
367
974260
2000
Ένα έθνος που εκρήγνειται σε συνομιλίες
16:16
in real time
368
976260
2000
σε πραγματικό χρόνο
16:18
in response to what's on the broadcast.
369
978260
3000
σε ανταπόκριση αυτού που μεταδίδεται.
16:21
And of course, through all of these lines
370
981260
2000
Και φυσικά, μέσα από όλες αυτές τις γραμμές
16:23
are flowing unstructured language.
371
983260
2000
κυλάει μη-δομημένη γλώσσα.
16:25
We can X-ray
372
985260
2000
Μπορούμε να ακτινογραφήσουμε
16:27
and get a real-time pulse of a nation,
373
987260
2000
και να αποκτήσουμε ένα παλμό του έθνους σε πραγματικό χρόνο,
16:29
real-time sense
374
989260
2000
μία αίσθηση σε πραγματικό χρόνο
16:31
of the social reactions in the different circuits in the social graph
375
991260
3000
των κοινωνικών αντιδράσεων στα διάφορα κυκλώματα του κοινωνικού γραφήματος
16:34
being activated by content.
376
994260
3000
που ενεργοποιούνται από το περιεχόμενο.
16:37
So, to summarize, the idea is this:
377
997260
3000
Για να συνοψίσουμε λοιπόν, η ιδέα είναι η εξής:
16:40
As our world becomes increasingly instrumented
378
1000260
3000
Καθώς ο κόσμος μας αποκτά ολοένα και περισσότερα εργαλεία
16:43
and we have the capabilities
379
1003260
2000
και έχουμε τις ικανότητες
16:45
to collect and connect the dots
380
1005260
2000
να συγκεντρώσουμε και να συνδέσουμε τις κουκίδες
16:47
between what people are saying
381
1007260
2000
ανάμεσα σε αυτά που λένε οι άνθρωποι
16:49
and the context they're saying it in,
382
1009260
2000
και τα συμφραζόμενα μέσα στα οποία τα λένε,
16:51
what's emerging is an ability
383
1011260
2000
αυτό που αναδύεται είναι μία ικανότητα
16:53
to see new social structures and dynamics
384
1013260
3000
να δούμε νέες κοινωνικές δομές και δυναμικές
16:56
that have previously not been seen.
385
1016260
2000
που δεν έχουν παρατηρηθεί προηγουμένως.
16:58
It's like building a microscope or telescope
386
1018260
2000
Είναι σαν να φτιάχνουμε ένα μικροσκόπιο ή ένα τηλεσκόπιο
17:00
and revealing new structures
387
1020260
2000
και να αποκαλύπτουμε νέες δομές
17:02
about our own behavior around communication.
388
1022260
3000
για τη συμπεριφορά μας γύρω από την επικοινωνία.
17:05
And I think the implications here are profound,
389
1025260
3000
Και νομίζω πως τα συμπεράσματα εδώ είναι πολύ σημαντικά,
17:08
whether it's for science,
390
1028260
2000
είτε πρόκειται για την επιστήμη,
17:10
for commerce, for government,
391
1030260
2000
για το εμπόριο, τη διακυβέρνηση,
17:12
or perhaps most of all,
392
1032260
2000
ή ίσως πάνω απ'όλα,
17:14
for us as individuals.
393
1034260
3000
για εμάς ως άτομα.
17:17
And so just to return to my son,
394
1037260
3000
Και έτσι για να γυρίσουμε στο γιο μου,
17:20
when I was preparing this talk, he was looking over my shoulder,
395
1040260
3000
όταν προετοίμαζα αυτή την ομιλία, κοιτούσε πίσω από τον ώμο μου,
17:23
and I showed him the clips I was going to show to you today,
396
1043260
2000
και του έδειξα τα κομμάτια που επρόκειτο να σας δείξω σήμερα,
17:25
and I asked him for permission -- granted.
397
1045260
3000
και ζήτησα την άδειά του -- μου την έδωσε.
17:28
And then I went on to reflect,
398
1048260
2000
Και τότε άρχισα να σκέφτομαι,
17:30
"Isn't it amazing,
399
1050260
3000
"Δεν είναι εκπληκτικό,
17:33
this entire database, all these recordings,
400
1053260
3000
όλη αυτή η βάση δεδομένων, όλες αυτές οι καταγραφές,
17:36
I'm going to hand off to you and to your sister" --
401
1056260
2000
που θα κληροδοτήσω σε σένα και την αδερφή σου,"
17:38
who arrived two years later --
402
1058260
3000
που γεννήθηκε δύο χρόνια αργότερα.
17:41
"and you guys are going to be able to go back and re-experience moments
403
1061260
3000
"Και θα μπορείτε να γυρίσετε πίσω στο χρόνο και να ξαναζήσετε στιγμές
17:44
that you could never, with your biological memory,
404
1064260
3000
που δεν θα μπορούσατε ποτέ, με τη βιολογική σας μνήμη,
17:47
possibly remember the way you can now?"
405
1067260
2000
να θυμάστε όπως μπορείτε τώρα."
17:49
And he was quiet for a moment.
406
1069260
2000
Και έμεινε σιωπηλός για μια στιγμή.
17:51
And I thought, "What am I thinking?
407
1071260
2000
Και σκέφτηκα, "Μα τι λέω;
17:53
He's five years old. He's not going to understand this."
408
1073260
2000
Είναι πέντε χρόνων. Δεν πρόκειται να το καταλάβει αυτό."
17:55
And just as I was having that thought, he looked up at me and said,
409
1075260
3000
Και καθώς το σκεφτόμουνα αυτό, με κοίταξε και είπε,
17:58
"So that when I grow up,
410
1078260
2000
"Ώστε όταν μεγαλώσω,
18:00
I can show this to my kids?"
411
1080260
2000
θα μπορώ να το δείξω αυτό στα παιδιά μου;"
18:02
And I thought, "Wow, this is powerful stuff."
412
1082260
3000
Και σκέφτηκα, "Ουάου, αυτό είναι σπουδαίο."
18:05
So I want to leave you
413
1085260
2000
Και θέλω να σας αφήσω
18:07
with one last memorable moment
414
1087260
2000
με μία τελευταία αξιομνημόνευτη στιγμή
18:09
from our family.
415
1089260
3000
από την οικογένειά μας.
18:12
This is the first time our son
416
1092260
2000
Αυτή είναι η πρώτη φορά που ο γιος μας
18:14
took more than two steps at once --
417
1094260
2000
έκανε περισσότερα από δύο βήματα στη σειρά --
18:16
captured on film.
418
1096260
2000
και το καταγράψαμε.
18:18
And I really want you to focus on something
419
1098260
3000
Και θέλω πραγματικά να επικεντρωθείτε σε κάτι
18:21
as I take you through.
420
1101260
2000
καθώς σας το περιγράφω.
18:23
It's a cluttered environment; it's natural life.
421
1103260
2000
Είναι ένα συγκεχυμένο περιβάλλον. Πραγματική ζωή.
18:25
My mother's in the kitchen, cooking,
422
1105260
2000
Η μητέρα μου είναι στην κουζίνα, μαγειρεύει,
18:27
and, of all places, in the hallway,
423
1107260
2000
και, απ'όλα τα μέρη, στο διάδρομο,
18:29
I realize he's about to do it, about to take more than two steps.
424
1109260
3000
συνειδητοποίησα ότι θα το κάνει, ότι ήταν έτοιμος να κάνει πάνω από δύο βήματα.
18:32
And so you hear me encouraging him,
425
1112260
2000
Και έτσι με ακούτε να τον ενθαρρύνω,
18:34
realizing what's happening,
426
1114260
2000
συνειδητοποιώντας τι συμβαίνει,
18:36
and then the magic happens.
427
1116260
2000
και τότε συμβαίνει η μαγική στιγμή.
18:38
Listen very carefully.
428
1118260
2000
Ακούστε πολύ προσεχτικά.
18:40
About three steps in,
429
1120260
2000
Μετά από περίπου τρία βήματα,
18:42
he realizes something magic is happening,
430
1122260
2000
συνειδητοποιεί ότι συμβαίνει κάτι μαγικό.
18:44
and the most amazing feedback loop of all kicks in,
431
1124260
3000
Και η πιο απίστευτη αμφίδρομη σχέση παρεμβαίνει,
18:47
and he takes a breath in,
432
1127260
2000
και παίρνει μία ανάσα,
18:49
and he whispers "wow"
433
1129260
2000
και ψιθυρίζει "ουάου"
18:51
and instinctively I echo back the same.
434
1131260
4000
και ενστικτωδώς λέω το ίδιο πράγμα.
18:56
And so let's fly back in time
435
1136260
3000
Ας πάμε λοιπόν πίσω στο χρόνο
18:59
to that memorable moment.
436
1139260
2000
σε αυτή την αξιομνημόνευτη στιγμή.
19:05
(Video) DR: Hey.
437
1145260
2000
(Βίντεο)ΝΡ: Έι.
19:07
Come here.
438
1147260
2000
Έλα εδώ.
19:09
Can you do it?
439
1149260
3000
Μπορείς να το κάνεις;
19:13
Oh, boy.
440
1153260
2000
Ουάου.
19:15
Can you do it?
441
1155260
3000
Μπορείς να το κάνεις;
19:18
Baby: Yeah.
442
1158260
2000
Μωρό: Ναι.
19:20
DR: Ma, he's walking.
443
1160260
3000
ΝΡ: Μαμά, περπατάει.
19:24
(Laughter)
444
1164260
2000
(Γέλια)
19:26
(Applause)
445
1166260
2000
(Χειροκρότημα)
19:28
DR: Thank you.
446
1168260
2000
ΝΡ: Σας ευχαριστώ.
19:30
(Applause)
447
1170260
15000
(Χειροκρότημα)

Original video on YouTube.com
Σχετικά με αυτόν τον ιστότοπο

Αυτός ο ιστότοπος θα σας παρουσιάσει βίντεο στο YouTube που είναι χρήσιμα για την εκμάθηση της αγγλικής γλώσσας. Θα δείτε μαθήματα αγγλικών που διδάσκουν κορυφαίοι καθηγητές από όλο τον κόσμο. Κάντε διπλό κλικ στους αγγλικούς υπότιτλους που εμφανίζονται σε κάθε σελίδα βίντεο για να αναπαράγετε το βίντεο από εκεί. Οι υπότιτλοι μετακινούνται συγχρονισμένα με την αναπαραγωγή του βίντεο. Εάν έχετε οποιαδήποτε σχόλια ή αιτήματα, παρακαλούμε επικοινωνήστε μαζί μας χρησιμοποιώντας αυτή τη φόρμα επικοινωνίας.

https://forms.gle/WvT1wiN1qDtmnspy7