Ajit Narayanan: A word game to communicate in any language

آجیت نارایانان: "بازیِ واژگان" برای ارتباط در هر زبانی

114,911 views

2014-03-10 ・ TED


New videos

Ajit Narayanan: A word game to communicate in any language

آجیت نارایانان: "بازیِ واژگان" برای ارتباط در هر زبانی

114,911 views ・ 2014-03-10

TED


لطفا برای پخش فیلم روی زیرنویس انگلیسی زیر دوبار کلیک کنید.

Translator: Roozbeh Fakhr Reviewer: Leila Ataei
00:12
I work with children with autism.
0
12721
2670
من با کودکان اوتیسمی کار می کنم.
00:15
Specifically, I make technologies
1
15391
1914
تخصصم، ساخت فناوری
00:17
to help them communicate.
2
17305
2171
برای کمک به اونها در ایجاد ارتباطه.
00:19
Now, many of the problems that children
3
19476
1539
امروز، بیشتر مشکلاتی که بچه های اوتیسمی
00:21
with autism face, they have a common source,
4
21015
3763
از اون رنج می برن، منبع مشترکی داره،
00:24
and that source is that they find it difficult
5
24778
2094
و اون منبع، سختیِ فهم
00:26
to understand abstraction, symbolism.
6
26872
5260
و درک علایم و انتزاعه.
00:32
And because of this, they have a lot of difficulty with language.
7
32132
4652
و به این دلیل، اون ها مشکلاتِ بسیاری با زبان دارند.
00:36
Let me tell you a little bit about why this is.
8
36784
3015
بذارید کمی براتون توضیح بدم.
00:39
You see that this is a picture of a bowl of soup.
9
39799
3934
این تصویر یک کاسه سوپ است.
00:43
All of us can see it. All of us understand this.
10
43733
2485
ما همه این رو می بینیم. ما همه این رو فهمیم.
00:46
These are two other pictures of soup,
11
46218
2312
دو تصویر دیگه از سوپ هم هست،
00:48
but you can see that these are more abstract
12
48530
2067
اما می بینید که انتزاعی ترند
00:50
These are not quite as concrete.
13
50597
1856
خیلی ملموس نیستند.
00:52
And when you get to language,
14
52453
2174
و وقتی به زبان برگردیم،
00:54
you see that it becomes a word
15
54627
1868
به یک کلمه می رسیم
00:56
whose look, the way it looks and the way it sounds,
16
56495
3261
که نه ظاهرش و نه صداش
00:59
has absolutely nothing to do with what it started with,
17
59756
2912
هیچ ربطی به خودش، یا چیزی که
01:02
or what it represents, which is the bowl of soup.
18
62668
2830
معرفشه نداره: یک کاسه سوپ!
01:05
So it's essentially a completely abstract,
19
65498
2900
بنابرین، این فقط یک معرفیِ کاملن انتزاعی
01:08
a completely arbitrary representation of something
20
68398
2576
و کاملن قراردادی از چیزی
01:10
which is in the real world,
21
70974
1163
در دنیای واقعیه،
01:12
and this is something that children with autism
22
72137
1791
و چیزیی هست که بچه های اوتیسمی
01:13
have an incredible amount of difficulty with.
23
73928
3164
مشکلات بسیار زیادی با اون دارند.
01:17
Now that's why most of the people that work with children with autism --
24
77092
2751
به همین دلیل، بیشتر کسانی که با بچه های اوتیسمی کار می کنند
01:19
speech therapists, educators --
25
79843
1878
- گفتار درمانان، مربی ها -
01:21
what they do is, they try to help children with autism
26
81721
2633
به اون ها کمک می کنن تا به جای کلمات
01:24
communicate not with words, but with pictures.
27
84354
3229
از تصاویر برای ارتباط استفاده کنند.
01:27
So if a child with autism wanted to say,
28
87583
1930
بنابرین اگه یک کودک اوتیسمی بخواد بگه:
01:29
"I want soup," that child would pick
29
89513
2458
"سوپ می خوام"، می تونه
01:31
three different pictures, "I," "want," and "soup,"
30
91971
2260
سه تصویر مختلف برداره: "من"، "می خوام"، "سوپ"
01:34
and they would put these together,
31
94231
1609
و با کنار هم چیدن اون ها،
01:35
and then the therapist or the parent would
32
95840
1867
درمان گر یا والدین، می تونن
01:37
understand that this is what the kid wants to say.
33
97707
1887
بفهمن کودک چی می خواد بگه.
01:39
And this has been incredibly effective;
34
99594
1778
این کار خیلی موثر بوده.
01:41
for the last 30, 40 years
35
101372
2141
برای ۳۰-۴۰ سال گذشته
01:43
people have been doing this.
36
103513
1613
مردم از این روش استفاده می کردند.
01:45
In fact, a few years back,
37
105126
1349
در واقع، چند سال پیش،
01:46
I developed an app for the iPad
38
106475
2675
من یک برنامه برای آی پد نوشتم
01:49
which does exactly this. It's called Avaz,
39
109150
2255
که دقیقن همین کار رو انجام می ده. اسمش هست "آواز"
01:51
and the way it works is that kids select
40
111405
2279
بچه ها تصویری رو که می خوان
01:53
different pictures.
41
113684
1321
انتخاب می کنن؛
01:55
These pictures are sequenced together to form sentences,
42
115005
2570
این تصاویر برای ساخت جمله، دنبال هم قرار می گیرند،
01:57
and these sentences are spoken out.
43
117575
1719
و جملات با صدا پخش می شن.
01:59
So Avaz is essentially converting pictures,
44
119294
3025
بنابراین "آواز" اساسا مبدل تصاویره.
02:02
it's a translator, it converts pictures into speech.
45
122319
3960
مترجمی که تصاویر رو به گفتار تبدیل می کنه.
02:06
Now, this was very effective.
46
126279
1718
خب، این خیلی موثر بود.
02:07
There are thousands of children using this,
47
127997
1384
هزاران کودک از اون استفاده می کنند،
02:09
you know, all over the world,
48
129381
1430
در سرتاسر دنیا.
02:10
and I started thinking about
49
130811
2175
به این فکر کردم که
02:12
what it does and what it doesn't do.
50
132986
2654
چه کاری انجام می ده، و چه کاری نه.
02:15
And I realized something interesting:
51
135640
1684
و به یک چیز جالب رسیدم:
02:17
Avaz helps children with autism learn words.
52
137324
4203
"آواز" به بچه های اوتیسمی کمک می کنه کلمات رو یاد بگیرند.
02:21
What it doesn't help them do is to learn
53
141527
2405
چیزی رو که کمکی به انجامش نمی کنه:
02:23
word patterns.
54
143932
2748
یادگیریِ الگوی کلماته.
02:26
Let me explain this in a little more detail.
55
146680
2472
بذارید کمی وارد جزییات شم.
02:29
Take this sentence: "I want soup tonight."
56
149152
3057
برای مثال: "من امشب سوپ می خوام."
02:32
Now it's not just the words here that convey the meaning.
57
152209
4080
در این مورد، تنها کلمات نیستند که معنا را انتقال می دهند.
02:36
It's also the way in which these words are arranged,
58
156289
3140
نحوه ی چیدمان این کلمات هم هست،
02:39
the way these words are modified and arranged.
59
159429
2515
نحوه ی تطبیق و چیدمانِ این کلمات.
02:41
And that's why a sentence like "I want soup tonight"
60
161959
2306
و به همین دلیل جمله ای مثل "من امشب سوپ می خوام"
02:44
is different from a sentence like
61
164265
1984
متفاوته از جمله ای مثل
02:46
"Soup want I tonight," which is completely meaningless.
62
166249
3312
" سوپ امشب من می خوام"، که کاملن بی معنیه.
02:49
So there is another hidden abstraction here
63
169561
2619
بنابراین، حالت انتزاعیِ پنهانِ دیگری هم هست
02:52
which children with autism find a lot of difficulty coping with,
64
172180
3557
که کنار اومدن باهاش، برای بچه های اوتیسمی خیلی سخته:
02:55
and that's the fact that you can modify words
65
175737
2840
این واقعیت که می شه کلمات رو تغییر داد
02:58
and you can arrange them to have
66
178577
2101
و برای انتقال معناهای مختلف
03:00
different meanings, to convey different ideas.
67
180678
2895
چیدمان اون ها رو عوض کرد.
03:03
Now, this is what we call grammar.
68
183573
3459
این همون چیزیه که بهش"دستور زبان" می گیم.
03:07
And grammar is incredibly powerful,
69
187032
2036
و "دستور زبان" واقعن قدرت مند است،
03:09
because grammar is this one component of language
70
189068
3157
چراکه این مؤلفه از زبان،
03:12
which takes this finite vocabulary that all of us have
71
192225
3489
به ما اجازه می ده تا با داشتن واژگان محدود که همگی می دونیم
03:15
and allows us to convey an infinite amount of information,
72
195714
4531
مقدار نامحدودی از اطلاعات رو انتقال بدیم.
03:20
an infinite amount of ideas.
73
200245
2134
حجم بی نهایتی از ایده ها.
03:22
It's the way in which you can put things together
74
202379
2002
با این شیوه می تونیم چیزها رو کنار هم بگذاریم،
03:24
in order to convey anything you want to.
75
204381
2168
تا هر چیزی رو که می خوایم، منتقل کنیم.
03:26
And so after I developed Avaz,
76
206549
2127
بعد از نوشتنِ "آواز"،
03:28
I worried for a very long time
77
208676
1568
این موضوع برای مدت طولانی نگرانم می کرد
03:30
about how I could give grammar to children with autism.
78
210244
3910
که چطور می تونم به بچه های اوتیسمی دستور زبان یاد بدم.
03:34
The solution came to me from a very interesting perspective.
79
214154
2275
این ایده از یه دیدگاه خیلی جالب سراغم اومد.
03:36
I happened to chance upon a child with autism
80
216429
3449
تصادفن با یک کودک اوتیسمی برخورد کردم
03:39
conversing with her mom,
81
219878
2109
که با مادرش حرف می زد...
03:41
and this is what happened.
82
221987
2094
این اتفاق افتاد:
03:44
Completely out of the blue, very spontaneously,
83
224081
2186
کاملن ناگهانی و خود به خود،
03:46
the child got up and said, "Eat."
84
226267
2463
بچه بلند شد و گفت" "بخور."
03:48
Now what was interesting was
85
228730
1770
حالا نکته ی جالب،
03:50
the way in which the mom was trying to tease out
86
230500
4244
تلاشی بود که مادر می کرد
03:54
the meaning of what the child wanted to say
87
234744
2213
تا منظور بچه رو از حرفی که زده بفهمه
03:56
by talking to her in questions.
88
236957
2260
در حالی که ازش سوال می پرسید.
03:59
So she asked, "Eat what? Do you want to eat ice cream?
89
239217
2593
اون پرسید: "چی بخوری؟ می خوای بستنی بخوری؟
04:01
You want to eat? Somebody else wants to eat?
90
241810
2112
تو می خوای بخوری؟ یکی دیگه می خواد بخوره؟
04:03
You want to eat cream now? You want to eat ice cream in the evening?"
91
243922
3313
الان می خوای بستنی بخوری؟ غروب می خوای بستنی بخوری؟
04:07
And then it struck me that
92
247235
1514
ناگهان ندایی بهم گفت
04:08
what the mother had done was something incredible.
93
248749
2028
کاری که مادر می کنه فوق العاده س.
04:10
She had been able to get that child to communicate
94
250777
1994
اون می تونست کاری کنه که بچه، بدون دستور زبان
04:12
an idea to her without grammar.
95
252771
4138
ایده ش رو منتقل کنه.
04:16
And it struck me that maybe this is what
96
256909
2696
و با خودم گفتم شاید این همون چیزیه که
04:19
I was looking for.
97
259605
1385
دنبالش می گشتم.
04:20
Instead of arranging words in an order, in sequence,
98
260990
4142
به جای قرار دادن واژگان در یک توالی مشخص،
04:25
as a sentence, you arrange them
99
265132
2172
برای تشکیل جمله، اونهارو جوری بچینی
04:27
in this map, where they're all linked together
100
267304
3811
که همه به هم مربوط باشن
04:31
not by placing them one after the other
101
271115
2143
نه با چیدن شون پشت سر هم
04:33
but in questions, in question-answer pairs.
102
273258
3284
بلکه به صورت سوال، در جفتهای سوال و جوابی.
04:36
And so if you do this, then what you're conveying
103
276542
2358
در این صورت، چیزی که منتقل می کنیم
04:38
is not a sentence in English,
104
278900
1986
یک جمله ی انگلیسی نیست،
04:40
but what you're conveying is really a meaning,
105
280886
2966
بلکه واقعن یک معناست.
04:43
the meaning of a sentence in English.
106
283852
1511
معنای جمله ای در انگلیسی.
04:45
Now, meaning is really the underbelly, in some sense, of language.
107
285363
2932
اما معنای زبان -یه جورایی- پنهان است.
04:48
It's what comes after thought but before language.
108
288295
3821
چیزیه که بعد از فکر و قبل از زبان می آد.
04:52
And the idea was that this particular representation
109
292116
2503
ایده به این صورت بود که این روشِ خاصِ ارائه
04:54
might convey meaning in its raw form.
110
294619
3261
ممکن بود بتونه معنا رو به صورت خام انتقال بده.
04:57
So I was very excited by this, you know,
111
297880
1771
می دونید، من خیلی هیجان زده بودم
04:59
hopping around all over the place,
112
299651
1493
از این طرف به اون طرف می پریدم،
05:01
trying to figure out if I can convert
113
301144
1771
تا بتونم مطمئن بشم آیا می شه همه
05:02
all possible sentences that I hear into this.
114
302915
2524
جمله های ممکن رو که می شنوم، به این روش تبدیل کنم.
05:05
And I found that this is not enough.
115
305439
1773
و فهمیدم که این کافی نیست.
05:07
Why is this not enough?
116
307212
1385
چرا این کافی نیست؟
05:08
This is not enough because if you wanted to convey
117
308597
1711
کافی نیست چون اگر بخوای چیزی رو
05:10
something like negation,
118
310308
2250
به صورت منفی انتقال بدی،
05:12
you want to say, "I don't want soup,"
119
312558
1736
مثلا: "من سوپ نمی خوام"،
05:14
then you can't do that by asking a question.
120
314294
2220
نمی شه در موردش سوال بپرسی.
05:16
You do that by changing the word "want."
121
316514
2285
این کار رو با تغییر واژه ی "می خوام" انجام می دی.
05:18
Again, if you wanted to say,
122
318799
1637
مثلن اگه بخوای بگی:
05:20
"I wanted soup yesterday,"
123
320436
1980
"دیروز سوپ می خواستم"
05:22
you do that by converting the word "want" into "wanted."
124
322416
2737
"می خوام" رو به "می خواستم" تغیر می دی.
05:25
It's a past tense.
125
325153
1666
یک فعلِ گذشته.
05:26
So this is a flourish which I added
126
326819
2103
بنابراین، برای تکمیل سیستم،
05:28
to make the system complete.
127
328922
1576
این رو بهش اضافه کردم.
05:30
This is a map of words joined together
128
330498
1977
این یک نقشه از واژگان متصل به هم
05:32
as questions and answers,
129
332475
1656
به صورتِ پرسش و پاسخ
05:34
and with these filters applied on top of them
130
334131
2264
و یک سری فیلتر در قسمت بالایی
05:36
in order to modify them to represent
131
336395
1817
برای اعمال تغییر در زمان و
05:38
certain nuances.
132
338212
1709
تفاوت های ظریف است.
05:39
Let me show you this with a different example.
133
339921
1951
بگذارید مثال دیگه ای بزنم.
05:41
Let's take this sentence:
134
341872
1254
مثل این جمله:
05:43
"I told the carpenter I could not pay him."
135
343126
1980
"به نجار گفتم که نمی تونم پولش رو بپردازم."
05:45
It's a fairly complicated sentence.
136
345106
1792
که انصافا یک جمله ی پیچیده است.
05:46
The way that this particular system works,
137
346898
1893
این طور که این سیستم کار می کنه،
05:48
you can start with any part of this sentence.
138
348791
2578
می تونید از هرجای جمله شروع کنید.
05:51
I'm going to start with the word "tell."
139
351369
1698
من با "گفتن" شروع می کنم.
05:53
So this is the word "tell."
140
353067
1462
خُب این واژه ی "گفتن"
05:54
Now this happened in the past,
141
354529
1600
این اتفاق در گذشته رخ داده،
05:56
so I'm going to make that "told."
142
356129
2223
پس به "گفتم" تغییرش می دم.
05:58
Now, what I'm going to do is,
143
358352
1708
حالا کاری که باید انجام بدم،
06:00
I'm going to ask questions.
144
360060
1756
سوال پرسیدن است.
06:01
So, who told? I told.
145
361816
2364
خُب... کی گفت؟ من گفتم.
06:04
I told whom? I told the carpenter.
146
364180
1927
به کی گفتم؟ به نجار گفتم.
06:06
Now we start with a different part of the sentence.
147
366107
1751
حالا با یه قسمتِ دیگه ی جمله شروع می کنیم
06:07
We start with the word "pay,"
148
367858
1867
با "پرداختن" مثلا.
06:09
and we add the ability filter to it to make it "can pay."
149
369725
4577
از فیلتر توانایی استفاده می کنیم تا توانایی در پرداخت رو نشون بدیم.
06:14
Then we make it "can't pay,"
150
374302
2101
بعد به "نمی تونه بپردازه" تغییرش می دیم.
06:16
and we can make it "couldn't pay"
151
376403
1599
و با اضافه کردن این فیلتر
06:18
by making it the past tense.
152
378002
1663
به گذشته تغییرش می دیم.
06:19
So who couldn't pay? I couldn't pay.
153
379665
1923
بنابراین کی نمی تونست بپردازه؟ من.
06:21
Couldn't pay whom? I couldn't pay the carpenter.
154
381588
2676
به کی نمی تونستم بپردازم؟ به نجار.
06:24
And then you join these two together
155
384264
1731
و بعد این دو تا رو به هم وصل می کنید
06:25
by asking this question:
156
385995
1350
با پرسیدن یک سوال:
06:27
What did I tell the carpenter?
157
387345
1737
به نجار چی گفتم؟
06:29
I told the carpenter I could not pay him.
158
389082
4049
"به نجار گفتم که نمی تونم پولش رو بپردازم."
06:33
Now think about this. This is
159
393131
1937
حالا به این فکر کنید. این...
06:35
—(Applause)—
160
395068
3542
(تشویق حضار)
06:38
this is a representation of this sentence
161
398610
3672
این یک ارائه از این جمله است،
06:42
without language.
162
402282
2435
بدون زبان.
06:44
And there are two or three interesting things about this.
163
404717
2192
دو سه نکته ی جالب وجود داره
06:46
First of all, I could have started anywhere.
164
406909
3131
اول این که: می تونستم از هرجا می خوام شروع کنم.
06:50
I didn't have to start with the word "tell."
165
410040
2243
مجبور نبودم با واژه ی "گفتن" شروع کنم.
06:52
I could have started anywhere in the sentence,
166
412283
1416
از هر جای جمله می شد شروع کنم،
06:53
and I could have made this entire thing.
167
413699
1507
و به همین جمله برسم.
06:55
The second thing is, if I wasn't an English speaker,
168
415206
2776
نکته ی دوم: اگر من انگلیسی زبان نبودم،
06:57
if I was speaking in some other language,
169
417982
2175
اگر به زبان دیگری حرف می زدم،
07:00
this map would actually hold true in any language.
170
420157
3156
این روش برای هر زبان دیگری جواب می داد.
07:03
So long as the questions are standardized,
171
423313
1990
بنابرین تا زمانی که پرسش ها استاندار باشند،
07:05
the map is actually independent of language.
172
425303
4287
این روش از زبان مستقل است.
07:09
So I call this FreeSpeech,
173
429590
2115
بنابراین بهش می گم: "گفتارِ مستقل ( فری اسپیچ)"
07:11
and I was playing with this for many, many months.
174
431705
2935
ماه های زیادی با این برنامه کار کردم.
07:14
I was trying out so many different combinations of this.
175
434640
2726
تا انواع مختلف ترکیبات رو امتحان کنم.
07:17
And then I noticed something very interesting about FreeSpeech.
176
437366
2289
تا به چیز خیلی جالبی در مورد "گفتار مستقل" برخوردم!
07:19
I was trying to convert language,
177
439655
3243
من داشتم تلاش می کردم زبان رو تبدیل کنم؛
07:22
convert sentences in English into sentences in FreeSpeech,
178
442898
2384
تبدیل جملات انگلیسی به جملات "گفتار مستقل،"
07:25
and vice versa, and back and forth.
179
445282
1752
و برعکس...
07:27
And I realized that this particular configuration,
180
447034
2255
و من متوجه شدم که این تنظیمات خاص،
07:29
this particular way of representing language,
181
449289
2026
این روش ویژه ارائه ی زبان،
07:31
it allowed me to actually create very concise rules
182
451315
4395
به من اجازه داده تا قوانین خیلی موجزی بسازم
07:35
that go between FreeSpeech on one side
183
455710
2734
که مابین "گفتار مستقل" از یه سو
07:38
and English on the other.
184
458444
1488
و انگلیسی از سوی دیگه قرار دارند.
07:39
So I could actually write this set of rules
185
459932
2180
بنابراین می تونستم مجموعه ای ازقوانینی رو بنویسم،
07:42
that translates from this particular representation into English.
186
462112
3395
که این نحوه خاص از ارائه را به انگلیسی ترجمه کنند.
07:45
And so I developed this thing.
187
465507
1831
و در نتیجه این برنامه رو نوشتم.
07:47
I developed this thing called the FreeSpeech Engine
188
467338
2232
برنامه ای به اسم موتور "گفتار مستقل"
07:49
which takes any FreeSpeech sentence as the input
189
469570
2561
که هر نوع جمله "گفتار مستقل" رو به عنوان ورودی می گیره
07:52
and gives out perfectly grammatical English text.
190
472131
3930
و از نظر دستوری، جمله ی درستِ انگلیسی می ده.
07:56
And by putting these two pieces together,
191
476061
1605
و با کنار هم گذاشتن این دو در کنار هم،
07:57
the representation and the engine,
192
477666
1881
برنامه ی "گفتار مستقل" و موتورش،
07:59
I was able to create an app, a technology for children with autism,
193
479547
3796
تونستم برنامه ای بنویسم، یک فناوری برای کمک به کودکان اوتیسمی؛
08:03
that not only gives them words
194
483343
2499
که نه تنها بهشون واژه می ده،
08:05
but also gives them grammar.
195
485842
3941
که دستور زبان هم می ده.
08:09
So I tried this out with kids with autism,
196
489783
2360
بنابراین اون رو با بچه های اوتیسمی امتحان کردم.
08:12
and I found that there was an incredible amount of identification.
197
492143
5013
و متوجه شدم که تطبیق فوق العاده ی داره.
08:17
They were able to create sentences in FreeSpeech
198
497156
2720
اون ها می تونستند با "گفتار مستقل" جمله بسازند،
08:19
which were much more complicated but much more effective
199
499876
2558
که از معادل انگلیسی اون،
08:22
than equivalent sentences in English,
200
502434
2899
خیلی پیچیده تر و خیلی مفیدتر بود!
08:25
and I started thinking about
201
505333
1682
این بود که به فکر فرو رفتم درباره این
08:27
why that might be the case.
202
507015
1969
که چرا باید این طور باشه.
08:28
And I had an idea, and I want to talk to you about this idea next.
203
508984
4287
و ایده ای به ذهنم اومد که می خوام درباره ش صحبت کنم.
08:33
In about 1997, about 15 years back,
204
513271
3142
حدود ۱۵ سال پیش، سال ۱۹۹۷
08:36
there were a group of scientists that were trying
205
516413
2011
گروهی از دانشمندان چگونگی پردازشِ زبان
08:38
to understand how the brain processes language,
206
518424
2389
توسط مغر رو بررسی می کردند.
08:40
and they found something very interesting.
207
520813
1779
و چیز خیلی جالبی کشف کردند.
08:42
They found that when you learn a language
208
522592
1872
این که وقتی شما به عنوان یک کودک زبان یاد می گیرید،
08:44
as a child, as a two-year-old,
209
524464
2912
یک کودکِ ۲ ساله،
08:47
you learn it with a certain part of your brain,
210
527376
2366
با قسمت مشخصی از مغز این کارُ می کنید.
08:49
and when you learn a language as an adult --
211
529742
1600
و وقتی به عنوان آدم برزگ زبان یاد می گیرید
08:51
for example, if I wanted to learn Japanese right now —
212
531342
3911
-مثلن اگر من الان بخوام ژاپنی یاد بگیرم-
08:55
a completely different part of my brain is used.
213
535253
2707
قسمت کاملن متفاوتی از مغزم استفاده می شه.
08:57
Now I don't know why that's the case,
214
537960
1831
نمی دونم چرا این طوره،
08:59
but my guess is that that's because
215
539791
1991
اما حدس می زنم به این دلیل که
09:01
when you learn a language as an adult,
216
541782
2437
وقتی به عنوان آدم بزرگ زبان یاد می گیرید،
09:04
you almost invariably learn it
217
544219
1616
این کار رو از طریق زبان محلی تون انجام می دید،
09:05
through your native language, or through your first language.
218
545835
4266
از طریق زبان مادری تون.
09:10
So what's interesting about FreeSpeech
219
550101
3252
نکته ی جالب در مورد "گفتار مستقل"،
09:13
is that when you create a sentence
220
553353
1802
موقع جمله ساختن است
09:15
or when you create language,
221
555155
1695
یا ایجاد زبان،
09:16
a child with autism creates language with FreeSpeech,
222
556850
3070
وقتی یک کودک اوتیسمی با "گفتار مستقل" زبان می سازه،
09:19
they're not using this support language,
223
559920
1833
از زبان کمکی استفاده نمی کنه!
09:21
they're not using this bridge language.
224
561753
2211
از یک پل ارتباطی کمک نمی گیره.
09:23
They're directly constructing the sentence.
225
563964
2657
مستقیم جمله رو می سازه.
09:26
And so this gave me this idea.
226
566621
2193
به دنبال این نکته، این ایده اومد:
09:28
Is it possible to use FreeSpeech
227
568814
2024
آیا می شه از " گفتار مستقل" استفاده کرد
09:30
not for children with autism
228
570838
2510
نه برای کودکانِ اوتیسمی،
09:33
but to teach language to people without disabilities?
229
573348
6262
که برای آموزش زبان به مردمِ سالم؟
09:39
And so I tried a number of experiments.
230
579610
1978
آزمایشات مختلفی انجام دادم.
09:41
The first thing I did was I built a jigsaw puzzle
231
581588
2948
اول یک پازل ساختم
09:44
in which these questions and answers
232
584536
1970
که این پرسش و پاسخ ها
09:46
are coded in the form of shapes,
233
586506
1835
به صورت اَشکال کدگذاری شده بودند.
09:48
in the form of colors,
234
588341
1138
به صورت رنگ.
09:49
and you have people putting these together
235
589479
1849
افراد اون ها رو کنار هم می چیدن
09:51
and trying to understand how this works.
236
591328
1773
و سعی می کردند نحوه ی کارش رو بفهمند.
09:53
And I built an app out of it, a game out of it,
237
593101
2376
و یک برنامه براش نوشتم، یک بازی،
09:55
in which children can play with words
238
595477
2661
که بچه ها با واژه ها بازی کنند،
09:58
and with a reinforcement,
239
598138
1704
و با یک کمک،
09:59
a sound reinforcement of visual structures,
240
599842
2585
یک کمکِ شنیداری از ساختارهای دیداری،
10:02
they're able to learn language.
241
602427
2013
می تونستن زبان یاد بگیرند.
10:04
And this, this has a lot of potential, a lot of promise,
242
604440
2736
و این پتانسیل بالایی داره، و نوید بخش است،
10:07
and the government of India recently
243
607176
1975
اخیرا، دولت هند
10:09
licensed this technology from us,
244
609151
1404
این فناوری رو از ما خرید.
10:10
and they're going to try it out with millions of different children
245
610555
2074
اونا می خوان این رو روی میلیون ها کودک آزمایش کنند
10:12
trying to teach them English.
246
612629
2605
بهشون انگلیسی یاد بدهند.
10:15
And the dream, the hope, the vision, really,
247
615234
2614
رویا، امید و الهام در واقع...
10:17
is that when they learn English this way,
248
617848
3082
هنگامی است که اون ها با این روش انگلیسی یاد بگیرند،
10:20
they learn it with the same proficiency
249
620930
2643
این که با همان کیفیتِ زبان مادری
10:23
as their mother tongue.
250
623573
3718
انگلیسی یاد بگیرند.
10:27
All right, let's talk about something else.
251
627291
3816
خُب، بیایید در مورد چیز دیگری صحبت کنیم.
10:31
Let's talk about speech.
252
631107
1997
درباره ی گفتار.
10:33
This is speech.
253
633104
1271
این گفتار است.
10:34
So speech is the primary mode of communication
254
634375
1962
گفتار، اولین حالت ارتباط است،
10:36
delivered between all of us.
255
636337
1613
که بین ما رایج شده.
10:37
Now what's interesting about speech is that
256
637950
1855
حالا چیزِ جالب در مورد گفتار این است که
10:39
speech is one-dimensional.
257
639805
1245
گفتار تک بُعدی است.
10:41
Why is it one-dimensional?
258
641050
1359
چرا تک بعدی است؟
10:42
It's one-dimensional because it's sound.
259
642409
1568
تک بعدی است، چون صداست.
10:43
It's also one-dimensional because
260
643977
1539
دلیل دیگر اینه که
10:45
our mouths are built that way.
261
645516
1205
ساختار دهان به این شکل است.
10:46
Our mouths are built to create one-dimensional sound.
262
646721
3512
دهان مان برای تولید صدای تک-بعدی ساخته شده.
10:50
But if you think about the brain,
263
650233
2866
اما اگر به مغز فکر کنید،
10:53
the thoughts that we have in our heads
264
653099
1764
افکاری که در سر داریم
10:54
are not one-dimensional.
265
654863
2102
تک-بعدی نیستند.
10:56
I mean, we have these rich,
266
656965
1459
افکار ما غنی،
10:58
complicated, multi-dimensional ideas.
267
658424
3028
پیچیده، و چند بعدی اند.
11:01
Now, it seems to me that language
268
661452
1690
به نظر می آد که زبان
11:03
is really the brain's invention
269
663142
2332
اختراعِ مغز است
11:05
to convert this rich, multi-dimensional thought
270
665474
3096
برای تبدیل این افکار غنی و چند بعدی
11:08
on one hand
271
668570
1587
از یک سو
11:10
into speech on the other hand.
272
670157
1923
به گفتار در سوی دیگر.
11:12
Now what's interesting is that
273
672080
1762
نکته ی جالب این است که
11:13
we do a lot of work in information nowadays,
274
673842
2568
امروزه ما تلاش زیادی در زمینه اطلاعات انجام می دیم،
11:16
and almost all of that is done in the language domain.
275
676410
3079
که تقریبن همه اون ها در دامنه ی زبان قرار می گیرند.
11:19
Take Google, for example.
276
679489
1939
برای مثال: گوگل.
11:21
Google trawls all these countless billions of websites,
277
681428
2677
گوگل تعداد بی شماری وب سایت میاره،
11:24
all of which are in English, and when you want to use Google,
278
684105
2725
که همه انگلیسی ان، و وقتی شما از گوگل استفاده می کنید،
11:26
you go into Google search, and you type in English,
279
686830
2450
به موتور جستجوی گوگل می رید، و به انگلیسی تایپ می کنید،
11:29
and it matches the English with the English.
280
689280
4163
و اون انگلیسی رو با انگلیسی تطبیق می ده.
11:33
What if we could do this in FreeSpeech instead?
281
693443
3583
چی می شد اگه ما این کار رو با "گفتار مستقل" انجام می دادیم؟
11:37
I have a suspicion that if we did this,
282
697026
2301
من فکر می کنم اگر این کار رو می کردیم،
11:39
we'd find that algorithms like searching,
283
699327
2068
الگوریتم هایی مثل جستجو،
11:41
like retrieval, all of these things,
284
701395
2325
یا بازیابی، همه شون
11:43
are much simpler and also more effective,
285
703720
3075
ساده تر و مفیدتر می شدند،
11:46
because they don't process the data structure of speech.
286
706795
4417
چون نیازی به پردازشِ ساختار گفتار نبود.
11:51
Instead they're processing the data structure of thought.
287
711212
5976
در ازاش، ساختار داده های تفکر پردازش می شه.
11:57
The data structure of thought.
288
717188
2808
ساختار داده های تفکر.
11:59
That's a provocative idea.
289
719996
2076
ایده محرکی است.
12:02
But let's look at this in a little more detail.
290
722072
2142
بیاید کمی وارد جزییات شیم.
12:04
So this is the FreeSpeech ecosystem.
291
724214
2366
خُب این اکو سیستمِ "گفتار مستقل"
12:06
We have the Free Speech representation on one side,
292
726580
2884
در یک سو ارائه دهنده "گفتار مستقل" رو داریم،
12:09
and we have the FreeSpeech Engine, which generates English.
293
729464
2228
و موتورِ "گفتار مستق" که انگلیسی تولید می کند.
12:11
Now if you think about it,
294
731694
1725
حالا اگر کمی فکر کنید،
12:13
FreeSpeech, I told you, is completely language-independent.
295
733419
2544
"گفتار مستقل" همون طور که گفتم، از زبان مستقل است.
12:15
It doesn't have any specific information in it
296
735963
2087
هیچ اطلاعات مشخصی در خودش نداره
12:18
which is about English.
297
738050
1228
که انگلیسی باشه.
12:19
So everything that this system knows about English
298
739278
2800
بنابرین هرچیزی که این سیستم در مورد انگلیسی می دونه
12:22
is actually encoded into the engine.
299
742078
4620
در واقع برای موتور کُد شده.
12:26
That's a pretty interesting concept in itself.
300
746698
2237
که این خودش مبحثِ خیلی جالبی است.
12:28
You've encoded an entire human language
301
748935
3604
تمام زبان انسان در یک نرم افزار
12:32
into a software program.
302
752539
2645
کد گذاری شده.
12:35
But if you look at what's inside the engine,
303
755184
2531
اما اگر به داخل این موتور نگاهی بندازید،
12:37
it's actually not very complicated.
304
757715
2358
می بینید خیلی پیچیده نیست.
12:40
It's not very complicated code.
305
760073
2105
کدهای پیچیده ای نداره.
12:42
And what's more interesting is the fact that
306
762178
2672
و چیزی که جالب است این حقیقت است که
12:44
the vast majority of the code in that engine
307
764850
2203
بیشتر کدهای این موتور
12:47
is not really English-specific.
308
767053
2412
در واقع لزوما انگلیسی نیستند.
12:49
And that gives this interesting idea.
309
769465
1895
و همین دلیلِ این ایده ی جالب
12:51
It might be very easy for us to actually
310
771360
2038
برامون خیلی ساده خواهد بود که
12:53
create these engines in many, many different languages,
311
773398
3826
این موتورها رو به خیلی از زبان های دیگر هم بنویسیم؛
12:57
in Hindi, in French, in German, in Swahili.
312
777224
6354
به هندی، فرانسه، آلمانی و سواحیلی.
13:03
And that gives another interesting idea.
313
783578
2799
و ایده جالبِ دیگری می آد.
13:06
For example, supposing I was a writer,
314
786377
2654
مثلا فکر کنید من نویسنده ام،
13:09
say, for a newspaper or for a magazine.
315
789031
2122
برای یک روزنامه یا مجله...
13:11
I could create content in one language, FreeSpeech,
316
791153
5011
می تونم مطالب رو فقط به یک زبان بنویسم: گفتار مستقل،
13:16
and the person who's consuming that content,
317
796164
2056
و کسی که می خواد مطلب رو بخونه،
13:18
the person who's reading that particular information
318
798220
3061
کسی که می خواد اون مطلب خاص رو بخونه
13:21
could choose any engine,
319
801281
2495
می تونه هر موتوری رو انتخاب کنه،
13:23
and they could read it in their own mother tongue,
320
803776
2736
و اون رو به زبان مادریش بخونه.
13:26
in their native language.
321
806512
3939
به زبانِ محلیش.
13:30
I mean, this is an incredibly attractive idea,
322
810451
2722
این ایده ی بسیار خوبی است،
13:33
especially for India.
323
813173
1999
مخصوصا برای هند.
13:35
We have so many different languages.
324
815172
1690
ما کلی زبان های مختلف داریم.
13:36
There's a song about India, and there's a description
325
816862
2142
ترانه ای در مورد هند هست
13:39
of the country as, it says,
326
819004
2344
که کشور رو توصیف می کنه:
13:41
(in Sanskrit).
327
821348
2360
(به زبان سانسکریت)
13:43
That means "ever-smiling speaker
328
823708
2773
یعنی "متکلم همیشه خندانِ
13:46
of beautiful languages."
329
826481
4519
زبان های زیبا."
13:51
Language is beautiful.
330
831000
1964
زبان زیباست!
13:52
I think it's the most beautiful of human creations.
331
832964
2454
فکر می کنم زیباترین ابداع بشر باشه.
13:55
I think it's the loveliest thing that our brains have invented.
332
835418
3978
فکر می کنم دوست داشتنی-ترین اختراع مغزمون باشه.
13:59
It entertains, it educates, it enlightens,
333
839396
3584
سرگرم می کنه، آموزش می ده و آگاه می کنه
14:02
but what I like the most about language
334
842980
2044
اما چیزی که بیشتر در موردش دوست دارم،
14:05
is that it empowers.
335
845024
1500
این است که قدرت می ده.
14:06
I want to leave you with this.
336
846524
1838
به عنوان حسن ختام،
14:08
This is a photograph of my collaborators,
337
848362
2385
این عکس همکارانِ من است.
14:10
my earliest collaborators
338
850747
997
اولین همکارام
14:11
when I started working on language
339
851744
1462
وقتی کار روی زبان، اوتیسم،
14:13
and autism and various other things.
340
853206
1502
و خیلی چیزهای دیگر رو شروع کردم.
14:14
The girl's name is Pavna,
341
854708
1417
اسم اون دختر "پاونا"ست
14:16
and that's her mother, Kalpana.
342
856125
1902
و اون مادرشه، "کالپانا".
14:18
And Pavna's an entrepreneur,
343
858027
2138
"پاونا" مؤسس شرکت است،
14:20
but her story is much more remarkable than mine,
344
860165
2371
اما داستانش خیلی قابل توجه تر از مالِ من است؛
14:22
because Pavna is about 23.
345
862536
2400
چون "پاونا" حدود ۲۳ سال داره.
14:24
She has quadriplegic cerebral palsy,
346
864936
2552
و اون فلجِ مغزی-نخاعی است.
14:27
so ever since she was born,
347
867488
1640
از زمان تولدش،
14:29
she could neither move nor talk.
348
869128
3600
نه حرف می زنه، نه حرکت می کنه.
14:32
And everything that she's accomplished so far,
349
872728
2403
و هرچیزی که تا امروز انجام داده،
14:35
finishing school, going to college,
350
875131
2227
پایان تحصیلات، رفتن به دانشگاه،
14:37
starting a company,
351
877358
1416
تآسیس شرکت،
14:38
collaborating with me to develop Avaz,
352
878774
2140
همکاری با من برای نوشتن "آواز"،
14:40
all of these things she's done
353
880914
1892
همه کارهایی که انجام داده،
14:42
with nothing more than moving her eyes.
354
882806
5523
تنها با حرکت چشمان اش بوده.
14:48
Daniel Webster said this:
355
888329
2689
"دانیل وبستر" می گه:
14:51
He said, "If all of my possessions were taken
356
891018
2940
"اگر همه ی دارایی های من را بگیرند،
14:53
from me with one exception,
357
893958
2988
و فقط یک انتخاب داشته باشم،
14:56
I would choose to keep the power of communication,
358
896946
2981
قدرت ارتباط برقرار کردن را انتخاب می کنم،
14:59
for with it, I would regain all the rest."
359
899927
3903
که به وسیله ی آن، مابقی را دوباره کسب می کنم."
15:03
And that's why, of all of these incredible applications of FreeSpeech,
360
903830
5116
به همین دلیل... از بین تمام برنامه های "گفتار مستقل"،
15:08
the one that's closest to my heart
361
908946
2080
نزدیک ترین به قلب من،
15:11
still remains the ability for this
362
911026
2068
توانایی ی قدرت بخشیدن
15:13
to empower children with disabilities
363
913094
2380
به بچه های ناتوان است
15:15
to be able to communicate,
364
915474
1773
که بتونن حرف بزنند،
15:17
the power of communication,
365
917247
1789
تا برای کسب مابقی،
15:19
to get back all the rest.
366
919036
2240
قدرت ارتباط داشته باشند.
15:21
Thank you.
367
921276
1397
ممنونم.
15:22
(Applause)
368
922673
1332
(تشویق حضار)
15:24
Thank you. (Applause)
369
924005
4199
ممنونم.
15:28
Thank you. Thank you. Thank you. (Applause)
370
928204
5323
(تشویق حضار)
15:33
Thank you. Thank you. Thank you. (Applause)
371
933527
4000
ممنونم.
درباره این وب سایت

این سایت ویدیوهای یوتیوب را به شما معرفی می کند که برای یادگیری زبان انگلیسی مفید هستند. دروس انگلیسی را خواهید دید که توسط معلمان درجه یک از سراسر جهان تدریس می شود. روی زیرنویس انگلیسی نمایش داده شده در هر صفحه ویدیو دوبار کلیک کنید تا ویدیو از آنجا پخش شود. زیرنویس‌ها با پخش ویدیو همگام می‌شوند. اگر نظر یا درخواستی دارید، لطفا با استفاده از این فرم تماس با ما تماس بگیرید.

https://forms.gle/WvT1wiN1qDtmnspy7