Ajit Narayanan: A word game to communicate in any language

Ajit Narayanan: Un juego de palabras para comunicarse en cualquier idioma.

114,758 views

2014-03-10 ・ TED


New videos

Ajit Narayanan: A word game to communicate in any language

Ajit Narayanan: Un juego de palabras para comunicarse en cualquier idioma.

114,758 views ・ 2014-03-10

TED


Haga doble clic en los subtítulos en inglés para reproducir el vídeo.

Traductor: Laura Díaz Aguirre Revisor: Sebastian Betti
00:12
I work with children with autism.
0
12721
2670
Trabajo con niños con autismo.
00:15
Specifically, I make technologies
1
15391
1914
Concretamente, desarrollo tecnologías
00:17
to help them communicate.
2
17305
2171
para ayudarles a comunicarse.
00:19
Now, many of the problems that children
3
19476
1539
Muchos de los problemas que padecen los niños autistas
00:21
with autism face, they have a common source,
4
21015
3763
tienen un mismo origen, que consiste en que tienen dificultades
00:24
and that source is that they find it difficult
5
24778
2094
00:26
to understand abstraction, symbolism.
6
26872
5260
para entender la abstracción, el simbolismo.
00:32
And because of this, they have a lot of difficulty with language.
7
32132
4652
Por esta razón, tienen muchos problemas con el lenguaje.
00:36
Let me tell you a little bit about why this is.
8
36784
3015
Les hablaré un poco sobre esto.
00:39
You see that this is a picture of a bowl of soup.
9
39799
3934
Pueden ver que esto es una imagen de un plato de sopa.
00:43
All of us can see it. All of us understand this.
10
43733
2485
Todos lo vemos. Todos lo entendemos.
00:46
These are two other pictures of soup,
11
46218
2312
Estas son otras dos imágenes de sopa,
00:48
but you can see that these are more abstract
12
48530
2067
pero estas son más abstractas,
00:50
These are not quite as concrete.
13
50597
1856
no tan concretas.
00:52
And when you get to language,
14
52453
2174
Y cuando se llega al lenguaje,
00:54
you see that it becomes a word
15
54627
1868
pueden ver que se convierte en una palabra
00:56
whose look, the way it looks and the way it sounds,
16
56495
3261
cuyo aspecto y sonido no tienen nada que ver
00:59
has absolutely nothing to do with what it started with,
17
59756
2912
con el origen o con lo que representa, es decir, un plato de sopa.
01:02
or what it represents, which is the bowl of soup.
18
62668
2830
01:05
So it's essentially a completely abstract,
19
65498
2900
Así que, básicamente, es totalmente abstracto,
01:08
a completely arbitrary representation of something
20
68398
2576
una representación totalmente arbitraria de algo que existe en el mundo real.
01:10
which is in the real world,
21
70974
1163
01:12
and this is something that children with autism
22
72137
1791
Y los niños con autismo
01:13
have an incredible amount of difficulty with.
23
73928
3164
tienen tremendas dificultades con esto.
Por eso, muchas personas que trabajan con niños autistas,
01:17
Now that's why most of the people that work with children with autism --
24
77092
2751
01:19
speech therapists, educators --
25
79843
1878
terapeutas del lenguaje, educadores,
01:21
what they do is, they try to help children with autism
26
81721
2633
intentar ayudarlos a comunicarse no con palabras, sino con imágenes.
01:24
communicate not with words, but with pictures.
27
84354
3229
01:27
So if a child with autism wanted to say,
28
87583
1930
Así que, si un niño con autismo quisiera decir "quiero sopa",
01:29
"I want soup," that child would pick
29
89513
2458
seleccionaría tres imágenes distintas: "yo", "querer" y "sopa",
01:31
three different pictures, "I," "want," and "soup,"
30
91971
2260
01:34
and they would put these together,
31
94231
1609
las juntaría, y el terapeuta o padre, entendería qué quiere decir el niño.
01:35
and then the therapist or the parent would
32
95840
1867
01:37
understand that this is what the kid wants to say.
33
97707
1887
01:39
And this has been incredibly effective;
34
99594
1778
Esto ha sido increíblemente eficaz durante los últimos 30, 40 años
01:41
for the last 30, 40 years
35
101372
2141
01:43
people have been doing this.
36
103513
1613
en que se ha puesto en práctica.
01:45
In fact, a few years back,
37
105126
1349
De hecho, hace unos años, desarrollé una aplicación para iPad
01:46
I developed an app for the iPad
38
106475
2675
01:49
which does exactly this. It's called Avaz,
39
109150
2255
que hace exactamente esto, llamada Avaz.
01:51
and the way it works is that kids select
40
111405
2279
Los niños seleccionan diferentes imágenes,
01:53
different pictures.
41
113684
1321
se genera una secuencia de imágenes para crear oraciones con ellas,
01:55
These pictures are sequenced together to form sentences,
42
115005
2570
01:57
and these sentences are spoken out.
43
117575
1719
y estas oraciones pueden escucharse.
01:59
So Avaz is essentially converting pictures,
44
119294
3025
Avaz, básicamente, convierte imágenes,
02:02
it's a translator, it converts pictures into speech.
45
122319
3960
es un traductor, convierte las imágenes en oraciones.
02:06
Now, this was very effective.
46
126279
1718
Avaz fue muy efectivo.
02:07
There are thousands of children using this,
47
127997
1384
Hay miles de niños usándolo en todo el mundo
02:09
you know, all over the world,
48
129381
1430
02:10
and I started thinking about
49
130811
2175
y empecé a pensar
02:12
what it does and what it doesn't do.
50
132986
2654
sobre qué hace y qué no,
02:15
And I realized something interesting:
51
135640
1684
y me di cuenta de algo interesante:
02:17
Avaz helps children with autism learn words.
52
137324
4203
Avaz ayuda a los niños con autismo a aprender palabras,
02:21
What it doesn't help them do is to learn
53
141527
2405
pero no les ayuda a aprender patrones de palabras.
02:23
word patterns.
54
143932
2748
02:26
Let me explain this in a little more detail.
55
146680
2472
Se los explicaré en más detalle.
02:29
Take this sentence: "I want soup tonight."
56
149152
3057
Tomemos esta oración: "Quiero sopa esta noche".
02:32
Now it's not just the words here that convey the meaning.
57
152209
4080
No solo las palabras aportan significado,
02:36
It's also the way in which these words are arranged,
58
156289
3140
sino también el modo en que se organizan,
02:39
the way these words are modified and arranged.
59
159429
2515
cómo se modifican y ordenan.
02:41
And that's why a sentence like "I want soup tonight"
60
161959
2306
Por eso la frase "quiero sopa esta noche"
02:44
is different from a sentence like
61
164265
1984
es diferente a otra como, por ejemplo,
02:46
"Soup want I tonight," which is completely meaningless.
62
166249
3312
"sopa esta quiero noche", que no tiene ningún sentido.
02:49
So there is another hidden abstraction here
63
169561
2619
Así que aquí hay una abstracción oculta,
02:52
which children with autism find a lot of difficulty coping with,
64
172180
3557
con la que los niños autistas tienen muchísimas dificultades,
02:55
and that's the fact that you can modify words
65
175737
2840
y es el hecho de que podemos modificar las palabras
02:58
and you can arrange them to have
66
178577
2101
y ordenarlas para que tengan
03:00
different meanings, to convey different ideas.
67
180678
2895
diferentes significados y expresen diferentes ideas.
03:03
Now, this is what we call grammar.
68
183573
3459
Eso es la gramática.
03:07
And grammar is incredibly powerful,
69
187032
2036
Y la gramática tiene un gran poder,
03:09
because grammar is this one component of language
70
189068
3157
porque es el componente del lenguaje
03:12
which takes this finite vocabulary that all of us have
71
192225
3489
que toma el vocabulario finito que todos tenemos
03:15
and allows us to convey an infinite amount of information,
72
195714
4531
y nos permite transmitir una cantidad infinita de información,
03:20
an infinite amount of ideas.
73
200245
2134
una cantidad infinita de ideas.
03:22
It's the way in which you can put things together
74
202379
2002
Es el modo en que podemos unir cosas para decir lo que queramos.
03:24
in order to convey anything you want to.
75
204381
2168
03:26
And so after I developed Avaz,
76
206549
2127
Así que, después de desarrollar Avaz,
03:28
I worried for a very long time
77
208676
1568
mi preocupación durante mucho tiempo fue
03:30
about how I could give grammar to children with autism.
78
210244
3910
cómo poder darle la gramática a los niños con autismo.
03:34
The solution came to me from a very interesting perspective.
79
214154
2275
La solución me llegó desde una perspectiva muy interesante.
03:36
I happened to chance upon a child with autism
80
216429
3449
Ocurrió a partir de una conversación de una niña autista con su madre,
03:39
conversing with her mom,
81
219878
2109
03:41
and this is what happened.
82
221987
2094
y esto es lo que ocurrió.
03:44
Completely out of the blue, very spontaneously,
83
224081
2186
De forma totalmente inesperada,
03:46
the child got up and said, "Eat."
84
226267
2463
la niña se levantó y dijo: "comer".
03:48
Now what was interesting was
85
228730
1770
Lo interesante fue el modo
03:50
the way in which the mom was trying to tease out
86
230500
4244
en que la madre intentó averiguar lo que la niña quería decir,
03:54
the meaning of what the child wanted to say
87
234744
2213
03:56
by talking to her in questions.
88
236957
2260
haciéndole preguntas.
03:59
So she asked, "Eat what? Do you want to eat ice cream?
89
239217
2593
Así que le preguntó: "¿comer qué? ¿Quieres comer helado?
04:01
You want to eat? Somebody else wants to eat?
90
241810
2112
¿Tú quieres comer? ¿Alguien quiere comer?
04:03
You want to eat cream now? You want to eat ice cream in the evening?"
91
243922
3313
¿Quieres comer helado ahora? ¿Quieres comer helado por la noche?
04:07
And then it struck me that
92
247235
1514
Y de repente me di cuenta de que la madre había hecho algo increíble.
04:08
what the mother had done was something incredible.
93
248749
2028
04:10
She had been able to get that child to communicate
94
250777
1994
Había conseguido que su hija comunicara una idea sin gramática.
04:12
an idea to her without grammar.
95
252771
4138
04:16
And it struck me that maybe this is what
96
256909
2696
Y me di cuenta de que quizás era esto lo que yo estaba buscando.
04:19
I was looking for.
97
259605
1385
04:20
Instead of arranging words in an order, in sequence,
98
260990
4142
En lugar de ordenar las palabras en secuencia, como una oración,
04:25
as a sentence, you arrange them
99
265132
2172
las ordenas en este mapa donde se relacionan todas,
04:27
in this map, where they're all linked together
100
267304
3811
no poniéndolas una tras otra, sino en pares en forma de pregunta-respuesta.
04:31
not by placing them one after the other
101
271115
2143
04:33
but in questions, in question-answer pairs.
102
273258
3284
04:36
And so if you do this, then what you're conveying
103
276542
2358
Si haces esto, lo que transmites no es una oración en inglés,
04:38
is not a sentence in English,
104
278900
1986
04:40
but what you're conveying is really a meaning,
105
280886
2966
sino que transmite el significado de una oración en inglés.
04:43
the meaning of a sentence in English.
106
283852
1511
04:45
Now, meaning is really the underbelly, in some sense, of language.
107
285363
2932
En cierto sentido, el significado es el punto débil del lenguaje.
04:48
It's what comes after thought but before language.
108
288295
3821
Es lo que ocurre tras el pensamiento pero antes del lenguaje.
04:52
And the idea was that this particular representation
109
292116
2503
Y la idea es que esta forma de representación
04:54
might convey meaning in its raw form.
110
294619
3261
puede transmitir el significado en bruto.
04:57
So I was very excited by this, you know,
111
297880
1771
Así que estaba muy emocionado, dando saltos por todas partes,
04:59
hopping around all over the place,
112
299651
1493
05:01
trying to figure out if I can convert
113
301144
1771
intentando averiguar si podría convertir
05:02
all possible sentences that I hear into this.
114
302915
2524
todas las oraciones que escucho en esto.
05:05
And I found that this is not enough.
115
305439
1773
Y me di cuenta de que no es suficiente. ¿Por qué no?
05:07
Why is this not enough?
116
307212
1385
05:08
This is not enough because if you wanted to convey
117
308597
1711
No es suficiente porque si quisiera transmitir una negación,
05:10
something like negation,
118
310308
2250
05:12
you want to say, "I don't want soup,"
119
312558
1736
si quisiera decir "no quiero sopa"
05:14
then you can't do that by asking a question.
120
314294
2220
no podría hacerlo mediante preguntas.
05:16
You do that by changing the word "want."
121
316514
2285
Hay que hacerlo cambiando la palabra "querer".
05:18
Again, if you wanted to say,
122
318799
1637
Y si quisiera decir: "ayer quería sopa",
05:20
"I wanted soup yesterday,"
123
320436
1980
05:22
you do that by converting the word "want" into "wanted."
124
322416
2737
lo haría transformando la palabra "querer" en "quería".
05:25
It's a past tense.
125
325153
1666
Es un tiempo en pasado.
05:26
So this is a flourish which I added
126
326819
2103
Así que esto es algo extra que añadí para tener un sistema completo.
05:28
to make the system complete.
127
328922
1576
05:30
This is a map of words joined together
128
330498
1977
Este es un mapa de palabras relacionadas como preguntas y respuestas,
05:32
as questions and answers,
129
332475
1656
05:34
and with these filters applied on top of them
130
334131
2264
y con estos filtros aplicados sobre ellas
05:36
in order to modify them to represent
131
336395
1817
se pueden modificar para representar ciertos matices.
05:38
certain nuances.
132
338212
1709
05:39
Let me show you this with a different example.
133
339921
1951
Lo explicaré con otro ejemplo.
05:41
Let's take this sentence:
134
341872
1254
Tomemos esta oración: "Le dije al carpintero que no podía pagarle".
05:43
"I told the carpenter I could not pay him."
135
343126
1980
05:45
It's a fairly complicated sentence.
136
345106
1792
Es una oración bastante complicada.
05:46
The way that this particular system works,
137
346898
1893
Debido al funcionamiento de este sistema,
05:48
you can start with any part of this sentence.
138
348791
2578
se puede empezar con cualquier parte de la oración.
05:51
I'm going to start with the word "tell."
139
351369
1698
Empezaré con la palabra "decir".
05:53
So this is the word "tell."
140
353067
1462
Esta es la palabra "decir".
05:54
Now this happened in the past,
141
354529
1600
Pero ocurrió en el pasado,
05:56
so I'm going to make that "told."
142
356129
2223
así que voy a ponerla en pasado.
05:58
Now, what I'm going to do is,
143
358352
1708
Haré preguntas como: "¿Quién dijo?", dije.
06:00
I'm going to ask questions.
144
360060
1756
06:01
So, who told? I told.
145
361816
2364
"¿Le dije a quién? Le dije al carpintero".
06:04
I told whom? I told the carpenter.
146
364180
1927
06:06
Now we start with a different part of the sentence.
147
366107
1751
Ahora vamos a otra parte de la oración.
06:07
We start with the word "pay,"
148
367858
1867
Empezamos con la palabra "pagar",
06:09
and we add the ability filter to it to make it "can pay."
149
369725
4577
y añadimos el filtro de habilidad para que diga "poder pagar".
06:14
Then we make it "can't pay,"
150
374302
2101
Luego la convertimos en "no poder pagar",
06:16
and we can make it "couldn't pay"
151
376403
1599
y después en "no podía pagar", poniéndola en pasado.
06:18
by making it the past tense.
152
378002
1663
06:19
So who couldn't pay? I couldn't pay.
153
379665
1923
"¿Quién no podía pagar? Yo no podía pagar".
06:21
Couldn't pay whom? I couldn't pay the carpenter.
154
381588
2676
"¿A quién no podía pagar? No podía pagar al carpintero".
06:24
And then you join these two together
155
384264
1731
Y entonces unimos ambas partes preguntando lo siguiente:
06:25
by asking this question:
156
385995
1350
06:27
What did I tell the carpenter?
157
387345
1737
"¿Qué le dije al carpintero?
06:29
I told the carpenter I could not pay him.
158
389082
4049
Le dije al carpintero que no podía pagarle".
06:33
Now think about this. This is
159
393131
1937
Ahora piensen,
06:35
—(Applause)—
160
395068
3542
(Aplausos)
06:38
this is a representation of this sentence
161
398610
3672
se trata de la representación de esta oración,
sin usar el lenguaje.
06:42
without language.
162
402282
2435
06:44
And there are two or three interesting things about this.
163
404717
2192
Y tiene un par de cosas interesantes.
06:46
First of all, I could have started anywhere.
164
406909
3131
Primero, que pude haber empezado por cualquier palabra.
06:50
I didn't have to start with the word "tell."
165
410040
2243
No necesariamente por la palabra "decir".
06:52
I could have started anywhere in the sentence,
166
412283
1416
Y el resultado habría sido el mismo.
06:53
and I could have made this entire thing.
167
413699
1507
Lo segundo es que, si yo no hablase inglés,
06:55
The second thing is, if I wasn't an English speaker,
168
415206
2776
06:57
if I was speaking in some other language,
169
417982
2175
si hablase cualquier otro idioma,
07:00
this map would actually hold true in any language.
170
420157
3156
el mapa seguiría funcionando en cualquier otro idioma,
07:03
So long as the questions are standardized,
171
423313
1990
siempre que las preguntas estén estandarizadas,
07:05
the map is actually independent of language.
172
425303
4287
el mapa es independiente del idioma.
07:09
So I call this FreeSpeech,
173
429590
2115
Así que lo llamé FreeSpeech [LibreExpresión],
07:11
and I was playing with this for many, many months.
174
431705
2935
y estuve jugando con él muchos meses,
07:14
I was trying out so many different combinations of this.
175
434640
2726
probé muchas combinaciones.
07:17
And then I noticed something very interesting about FreeSpeech.
176
437366
2289
Y me di cuenta de algo muy interesante sobre FreeSpeech.
07:19
I was trying to convert language,
177
439655
3243
Estaba intentando convertir el lenguaje,
07:22
convert sentences in English into sentences in FreeSpeech,
178
442898
2384
las oraciones en inglés en oraciones en FreeSpeech,
07:25
and vice versa, and back and forth.
179
445282
1752
y viceversa, una y otra vez.
07:27
And I realized that this particular configuration,
180
447034
2255
Y me di cuenta de que esta configuración,
07:29
this particular way of representing language,
181
449289
2026
esta manera de representar el lenguaje,
07:31
it allowed me to actually create very concise rules
182
451315
4395
me permitió crear reglas muy concisas
07:35
that go between FreeSpeech on one side
183
455710
2734
entre FreeSpeech, por una parte, e inglés, por otra.
07:38
and English on the other.
184
458444
1488
07:39
So I could actually write this set of rules
185
459932
2180
Así que, podría escribir este conjunto de reglas
07:42
that translates from this particular representation into English.
186
462112
3395
que traducen desde este método de representación al inglés.
07:45
And so I developed this thing.
187
465507
1831
Y desarrollé esto,
07:47
I developed this thing called the FreeSpeech Engine
188
467338
2232
el motor de FreeSpeech,
07:49
which takes any FreeSpeech sentence as the input
189
469570
2561
que toma cualquier oración en FreeSpeech
07:52
and gives out perfectly grammatical English text.
190
472131
3930
y la traduce en un texto en inglés gramaticalmente perfecto.
07:56
And by putting these two pieces together,
191
476061
1605
Y al juntar estas dos partes,
07:57
the representation and the engine,
192
477666
1881
la representación y la herramienta,
07:59
I was able to create an app, a technology for children with autism,
193
479547
3796
pude crear una aplicación, una tecnología para los niños con autismo
08:03
that not only gives them words
194
483343
2499
que no solo les da palabras, sino también gramática.
08:05
but also gives them grammar.
195
485842
3941
08:09
So I tried this out with kids with autism,
196
489783
2360
Así que lo probé con niños con autismo,
08:12
and I found that there was an incredible amount of identification.
197
492143
5013
y descubrí que se identificaban muchísimo con ella.
08:17
They were able to create sentences in FreeSpeech
198
497156
2720
Podían crear oraciones en FreeSpeech
08:19
which were much more complicated but much more effective
199
499876
2558
mucho más complicadas pero mucho más eficaces
08:22
than equivalent sentences in English,
200
502434
2899
que sus oraciones equivalentes en inglés,
08:25
and I started thinking about
201
505333
1682
así que empecé a pensar por qué ocurría eso.
08:27
why that might be the case.
202
507015
1969
08:28
And I had an idea, and I want to talk to you about this idea next.
203
508984
4287
Y tuve una idea, y de eso quiero hablarles a continuación.
08:33
In about 1997, about 15 years back,
204
513271
3142
En 1997, hace unos 15 años,
08:36
there were a group of scientists that were trying
205
516413
2011
un grupo de científicos estaban intentando entender
08:38
to understand how the brain processes language,
206
518424
2389
cómo el cerebro procesa el lenguaje,
08:40
and they found something very interesting.
207
520813
1779
y descubrieron algo muy interesante.
08:42
They found that when you learn a language
208
522592
1872
Descubrieron que, cuando de niño, con 2 años, aprendes un idioma,
08:44
as a child, as a two-year-old,
209
524464
2912
08:47
you learn it with a certain part of your brain,
210
527376
2366
lo aprendes con una parte de tu cerebro,
08:49
and when you learn a language as an adult --
211
529742
1600
y cuando lo aprendes de adulto,
08:51
for example, if I wanted to learn Japanese right now —
212
531342
3911
si, por ejemplo, yo quisiera aprender japonés ahora,
08:55
a completely different part of my brain is used.
213
535253
2707
el cerebro usa una parte completamente distinta.
08:57
Now I don't know why that's the case,
214
537960
1831
No sé la causa de esto, pero mi suposición es
08:59
but my guess is that that's because
215
539791
1991
09:01
when you learn a language as an adult,
216
541782
2437
que cuando aprendes un idioma de adulto,
casi siempre lo aprendes
09:04
you almost invariably learn it
217
544219
1616
09:05
through your native language, or through your first language.
218
545835
4266
a través de tu idioma materno o tu primer idioma.
09:10
So what's interesting about FreeSpeech
219
550101
3252
Así que lo interesante de FreeSpeech
09:13
is that when you create a sentence
220
553353
1802
es que cuando creas una oración, o cuando creas lenguaje,
09:15
or when you create language,
221
555155
1695
09:16
a child with autism creates language with FreeSpeech,
222
556850
3070
cuando un niño con autismo crea lenguaje con FreeSpeech,
09:19
they're not using this support language,
223
559920
1833
no usa ese idioma de apoyo, no usa un idioma como puente.
09:21
they're not using this bridge language.
224
561753
2211
09:23
They're directly constructing the sentence.
225
563964
2657
Ellos construyen la oración directamente.
09:26
And so this gave me this idea.
226
566621
2193
Y esto me dio una idea.
09:28
Is it possible to use FreeSpeech
227
568814
2024
¿Es posible usar FreeSpeech no para niños con autismo,
09:30
not for children with autism
228
570838
2510
09:33
but to teach language to people without disabilities?
229
573348
6262
sino para enseñar idiomas a personas sin discapacidad?
09:39
And so I tried a number of experiments.
230
579610
1978
Así que llevé a cabo una serie de experimentos.
09:41
The first thing I did was I built a jigsaw puzzle
231
581588
2948
Lo primero que hice fue diseñar un rompecabezas
09:44
in which these questions and answers
232
584536
1970
en el que las preguntas y respuestas se codifican en formas, en colores,
09:46
are coded in the form of shapes,
233
586506
1835
09:48
in the form of colors,
234
588341
1138
09:49
and you have people putting these together
235
589479
1849
y la gente intenta unirlas y aprender cómo se relacionan.
09:51
and trying to understand how this works.
236
591328
1773
09:53
And I built an app out of it, a game out of it,
237
593101
2376
A partir de esto, creé una aplicación, un juego,
09:55
in which children can play with words
238
595477
2661
con el que los niños pueden jugar con palabras,
09:58
and with a reinforcement,
239
598138
1704
y con un refuerzo, un refuerzo sonoro de las estructuras visuales,
09:59
a sound reinforcement of visual structures,
240
599842
2585
10:02
they're able to learn language.
241
602427
2013
con el que pueden aprender un idioma.
10:04
And this, this has a lot of potential, a lot of promise,
242
604440
2736
Es un proyecto con mucho potencial, muy prometedor.
10:07
and the government of India recently
243
607176
1975
El gobierno indio nos compró la licencia hace poco
10:09
licensed this technology from us,
244
609151
1404
10:10
and they're going to try it out with millions of different children
245
610555
2074
y van a usarlo con millones de niños para enseñarles inglés.
10:12
trying to teach them English.
246
612629
2605
10:15
And the dream, the hope, the vision, really,
247
615234
2614
Y el sueño, la esperanza, la visión, en realidad,
10:17
is that when they learn English this way,
248
617848
3082
es que cuando aprendan inglés de este modo,
10:20
they learn it with the same proficiency
249
620930
2643
lo aprenderán con la misma competencia que su lengua materna.
10:23
as their mother tongue.
250
623573
3718
10:27
All right, let's talk about something else.
251
627291
3816
Bueno, hablemos de otra cosa.
Hablemos de la expresión oral.
10:31
Let's talk about speech.
252
631107
1997
10:33
This is speech.
253
633104
1271
Esto es expresión oral.
10:34
So speech is the primary mode of communication
254
634375
1962
La expresión oral es nuestro modo de comunicación primario.
10:36
delivered between all of us.
255
636337
1613
10:37
Now what's interesting about speech is that
256
637950
1855
Lo interesante de esto es que la expresión oral es unidimensional.
10:39
speech is one-dimensional.
257
639805
1245
10:41
Why is it one-dimensional?
258
641050
1359
¿Por qué es unidimensional? Porque es sonido.
10:42
It's one-dimensional because it's sound.
259
642409
1568
10:43
It's also one-dimensional because
260
643977
1539
Y también porque nuestras bocas están diseñadas así.
10:45
our mouths are built that way.
261
645516
1205
10:46
Our mouths are built to create one-dimensional sound.
262
646721
3512
Están diseñadas para crear sonido unidimensional.
10:50
But if you think about the brain,
263
650233
2866
Pero si piensan en el cerebro,
10:53
the thoughts that we have in our heads
264
653099
1764
nuestros pensamientos no son unidimensionales.
10:54
are not one-dimensional.
265
654863
2102
10:56
I mean, we have these rich,
266
656965
1459
Quiero decir, tenemos ideas sofisticadas, complejas, multidimensionales.
10:58
complicated, multi-dimensional ideas.
267
658424
3028
11:01
Now, it seems to me that language
268
661452
1690
Yo creo que el lenguaje es en realidad el invento del cerebro
11:03
is really the brain's invention
269
663142
2332
11:05
to convert this rich, multi-dimensional thought
270
665474
3096
para convertir pensamientos complejos, multidimensionales,
11:08
on one hand
271
668570
1587
11:10
into speech on the other hand.
272
670157
1923
en expresión oral.
11:12
Now what's interesting is that
273
672080
1762
Lo interesante es que,
11:13
we do a lot of work in information nowadays,
274
673842
2568
hoy en día, trabajamos mucho con la información,
11:16
and almost all of that is done in the language domain.
275
676410
3079
y casi todo ocurre en el campo del lenguaje.
11:19
Take Google, for example.
276
679489
1939
Piensen en Google, por ejemplo.
11:21
Google trawls all these countless billions of websites,
277
681428
2677
Google rastrea miles de millones de webs,
11:24
all of which are in English, and when you want to use Google,
278
684105
2725
todas en inglés,
y cuando queremos usar Google,
11:26
you go into Google search, and you type in English,
279
686830
2450
vamos a Google y escribimos en inglés,
11:29
and it matches the English with the English.
280
689280
4163
y asocia el inglés con el inglés.
11:33
What if we could do this in FreeSpeech instead?
281
693443
3583
¿Y si pudiéramos hacerlo en FreeSpeech?
11:37
I have a suspicion that if we did this,
282
697026
2301
Tengo la sospecha de que, si lo hiciéramos,
11:39
we'd find that algorithms like searching,
283
699327
2068
descubriríamos que los algoritmos de búsqueda,
11:41
like retrieval, all of these things,
284
701395
2325
recuperación de datos, todo eso,
11:43
are much simpler and also more effective,
285
703720
3075
son mucho más simples y eficaces,
11:46
because they don't process the data structure of speech.
286
706795
4417
porque no procesan la estructura de la expresión,
11:51
Instead they're processing the data structure of thought.
287
711212
5976
sino la estructura del pensamiento.
11:57
The data structure of thought.
288
717188
2808
La estructura del pensamiento.
11:59
That's a provocative idea.
289
719996
2076
Es una idea estimulante.
12:02
But let's look at this in a little more detail.
290
722072
2142
Pero veamos con más detalle.
12:04
So this is the FreeSpeech ecosystem.
291
724214
2366
Este es el ecosistema de FreeSpeech.
12:06
We have the Free Speech representation on one side,
292
726580
2884
A un lado, tenemos la representación de FreeSpeech,
12:09
and we have the FreeSpeech Engine, which generates English.
293
729464
2228
y tenemos el motor de FreeSpeech, que genera inglés.
12:11
Now if you think about it,
294
731694
1725
Ahora, si lo piensan,
12:13
FreeSpeech, I told you, is completely language-independent.
295
733419
2544
como dije, FreeSpeech es independiente del idioma,
12:15
It doesn't have any specific information in it
296
735963
2087
no tiene ninguna información específica relacionada con el inglés.
12:18
which is about English.
297
738050
1228
12:19
So everything that this system knows about English
298
739278
2800
Todo lo que sabe el sistema sobre el inglés
12:22
is actually encoded into the engine.
299
742078
4620
se encuentra codificado en la herramienta.
12:26
That's a pretty interesting concept in itself.
300
746698
2237
Es un concepto muy interesante por sí mismo.
12:28
You've encoded an entire human language
301
748935
3604
Hemos codificado todo un idioma
12:32
into a software program.
302
752539
2645
en un programa de software.
12:35
But if you look at what's inside the engine,
303
755184
2531
Pero si miran dentro del programa,
12:37
it's actually not very complicated.
304
757715
2358
verán que no es muy complicado.
12:40
It's not very complicated code.
305
760073
2105
No es un código muy complicado.
12:42
And what's more interesting is the fact that
306
762178
2672
Y lo más interesante
12:44
the vast majority of the code in that engine
307
764850
2203
es que la mayor parte del código de la herramienta
12:47
is not really English-specific.
308
767053
2412
no es específico del inglés.
12:49
And that gives this interesting idea.
309
769465
1895
Esto supone una idea interesante.
12:51
It might be very easy for us to actually
310
771360
2038
Podría ser sencillo para nosotros
12:53
create these engines in many, many different languages,
311
773398
3826
crear estas herramientas en muchos otros idiomas.
12:57
in Hindi, in French, in German, in Swahili.
312
777224
6354
En hindi, francés, alemán, swahili.
13:03
And that gives another interesting idea.
313
783578
2799
Y eso supone otra idea interesante.
13:06
For example, supposing I was a writer,
314
786377
2654
Por ejemplo, suponiendo que yo fuese escritor,
13:09
say, for a newspaper or for a magazine.
315
789031
2122
pongamos, para un periódico o revista.
13:11
I could create content in one language, FreeSpeech,
316
791153
5011
Podría crear contenido en un idioma, FreeSpeech,
13:16
and the person who's consuming that content,
317
796164
2056
y la persona que consume el contenido,
13:18
the person who's reading that particular information
318
798220
3061
la persona que lee esa información,
13:21
could choose any engine,
319
801281
2495
podría elegir cualquier herramienta
13:23
and they could read it in their own mother tongue,
320
803776
2736
y podría leerlo en su propia lengua materna.
13:26
in their native language.
321
806512
3939
13:30
I mean, this is an incredibly attractive idea,
322
810451
2722
Quiero decir, es una idea increíblemente atractiva,
13:33
especially for India.
323
813173
1999
especialmente para India.
13:35
We have so many different languages.
324
815172
1690
Tenemos muchos idiomas distintos.
13:36
There's a song about India, and there's a description
325
816862
2142
Hay una canción sobre India, y tiene una descripción del país que dice:
13:39
of the country as, it says,
326
819004
2344
13:41
(in Sanskrit).
327
821348
2360
(en sánscrito).
13:43
That means "ever-smiling speaker
328
823708
2773
Significa: "hablante siempre sonriente de hermosos idiomas".
13:46
of beautiful languages."
329
826481
4519
13:51
Language is beautiful.
330
831000
1964
Los idiomas son hermosos.
13:52
I think it's the most beautiful of human creations.
331
832964
2454
Creo que es el invento más hermoso del ser humano.
13:55
I think it's the loveliest thing that our brains have invented.
332
835418
3978
Creo que es la cosa más bonita que nuestros cerebros han inventado.
13:59
It entertains, it educates, it enlightens,
333
839396
3584
Entretienen, enseñan, iluminan,
14:02
but what I like the most about language
334
842980
2044
pero lo que más me gusta es que otorgan poder.
14:05
is that it empowers.
335
845024
1500
14:06
I want to leave you with this.
336
846524
1838
Quiero dejarles con esto.
14:08
This is a photograph of my collaborators,
337
848362
2385
Es una fotografía de mis colaboradores,
14:10
my earliest collaborators
338
850747
997
mis primeros colaboradores,
14:11
when I started working on language
339
851744
1462
de cuando empecé a trabajar
14:13
and autism and various other things.
340
853206
1502
con el lenguaje, el autismo y otras cosas.
14:14
The girl's name is Pavna,
341
854708
1417
El nombre de esta niña es Pavna, y esa es su madre, Kalpana.
14:16
and that's her mother, Kalpana.
342
856125
1902
14:18
And Pavna's an entrepreneur,
343
858027
2138
Pavna es empresaria,
14:20
but her story is much more remarkable than mine,
344
860165
2371
pero su historia es mucho más notable que la mía,
14:22
because Pavna is about 23.
345
862536
2400
porque Pavna tiene 23 años,
14:24
She has quadriplegic cerebral palsy,
346
864936
2552
y tiene parálisis cerebral cuadripléjica,
14:27
so ever since she was born,
347
867488
1640
así que desde que nació,
14:29
she could neither move nor talk.
348
869128
3600
no puede moverse ni hablar,
14:32
And everything that she's accomplished so far,
349
872728
2403
y todo lo que ha conseguido hasta ahora,
14:35
finishing school, going to college,
350
875131
2227
terminar la escuela, ir a la universidad, fundar una empresa,
14:37
starting a company,
351
877358
1416
14:38
collaborating with me to develop Avaz,
352
878774
2140
colaborar conmigo para desarrollar Avaz,
14:40
all of these things she's done
353
880914
1892
todo esto que ha conseguido,
14:42
with nothing more than moving her eyes.
354
882806
5523
lo hizo solo moviendo los ojos.
14:48
Daniel Webster said this:
355
888329
2689
Daniel Webster dijo:
14:51
He said, "If all of my possessions were taken
356
891018
2940
"Si me quitaran todas mis posesiones excepto una,
14:53
from me with one exception,
357
893958
2988
14:56
I would choose to keep the power of communication,
358
896946
2981
elegiría el poder de comunicarme;
14:59
for with it, I would regain all the rest."
359
899927
3903
con él recuperaría todo lo demás".
15:03
And that's why, of all of these incredible applications of FreeSpeech,
360
903830
5116
Y por eso, de todos los usos increíbles de FreeSpeech,
15:08
the one that's closest to my heart
361
908946
2080
al que más cariño le tengo,
15:11
still remains the ability for this
362
911026
2068
sigue siendo la posibilidad de ofrecer a los niños con discapacidad
15:13
to empower children with disabilities
363
913094
2380
15:15
to be able to communicate,
364
915474
1773
la posibilidad de comunicarse.
15:17
the power of communication,
365
917247
1789
El poder de comunicarse,
15:19
to get back all the rest.
366
919036
2240
para recuperar todo lo demás.
15:21
Thank you.
367
921276
1397
Gracias.
15:22
(Applause)
368
922673
1332
(Aplausos)
Gracias.
15:24
Thank you. (Applause)
369
924005
4199
(Aplausos)
15:28
Thank you. Thank you. Thank you. (Applause)
370
928204
5323
15:33
Thank you. Thank you. Thank you. (Applause)
371
933527
4000
Acerca de este sitio web

Este sitio le presentará vídeos de YouTube útiles para aprender inglés. Verá lecciones de inglés impartidas por profesores de primera categoría de todo el mundo. Haz doble clic en los subtítulos en inglés que aparecen en cada página de vídeo para reproducir el vídeo desde allí. Los subtítulos se desplazan en sincronía con la reproducción del vídeo. Si tiene algún comentario o petición, póngase en contacto con nosotros mediante este formulario de contacto.

https://forms.gle/WvT1wiN1qDtmnspy7