What we learned from 5 million books

از 5 میلیون کتاب چه چیزی یادگرفتیم

Translator: Mehdi Yaghoubi Reviewer: Bidel Akbari

Erez Lieberman Aiden: Everyone knows

اریز لیبرمن آیدن: همه می دانند که

that a picture is worth a thousand words.

یک تصویر به اندازه هزاران کلمه ارزش دارد.

But we at Harvard

اما ما در هاروارد

were wondering if this was really true.

می خواستیم به درستی آن پی ببریم.

(Laughter)

(خنده حضار)

So we assembled a team of experts,

برای همین تیمی از متخصصان تشکیل دادیم،

spanning Harvard, MIT,

از هاروارد و ام آی تی گرفته

The American Heritage Dictionary, The Encyclopedia Britannica

تا دیکشنری امریکن هریتیج، دایره المعارف بریتانیکا

and even our proud sponsors,

و حتی حامی مالی عظیممان،

the Google.

گوگل.

And we cogitated about this

و در حدود 4 سال

for about four years.

در مورد آن فکر کردیم.

And we came to a startling conclusion.

و به نتیجه تکان دهنده ایی رسیدیم.

Ladies and gentlemen, a picture is not worth a thousand words.

خانمها و آقایان تصویر به اندازه هزاران کلمه ارزش ندارد.

In fact, we found some pictures

در حقیقت تصاویری پیدا کردیم که

that are worth 500 billion words.

500 میلیون کلمه ارزش داشتند.

Jean-Baptiste Michel: So how did we get to this conclusion?

ژان باپتیست میشل: چگونه به این نتیجه رسیدیم؟

So Erez and I were thinking about ways

من و اروز به روشهایی فکر می کردیم تا

to get a big picture of human culture

به تصویر بزرگی از فرهنگ و تاریخ انسان

and human history: change over time.

دست یابیم: تغییر در طول زمان.

So many books actually have been written over the years.

کتابهایی زیادی در طول تاریخ نوشته شده است.

So we were thinking, well the best way to learn from them

فکر کردیم بهترین راه آموختن از آنها

is to read all of these millions of books.

خواندن تمام این چند میلیون کتاب است.

Now of course, if there's a scale for how awesome that is,

البته اگه مقیاسی باشد که بتوان بزرگی آنرا اندازه گرفت،

that has to rank extremely, extremely high.

بی نهایت، بی نهایت زیاد است.

Now the problem is there's an X-axis for that,

مشکل این بود که یک محور ایکس وجود دارد،

which is the practical axis.

و آن محور کاربردی است.

This is very, very low.

که بسیار، بسیار پایین است.

(Applause)

(تشویق)

Now people tend to use an alternative approach,

امروزه مردم از یک روش جایگزین استفاده میکنند،

which is to take a few sources and read them very carefully.

چند منبع تهیه می کنند وآنرا با دقت می خوانند.

This is extremely practical, but not so awesome.

کاملا عملی است اما چندان عالی نیست.

What you really want to do

کاری که می خواهید کنید این است که

is to get to the awesome yet practical part of this space.

بهترین و در عین حال عملی ترین نتیجه را از این فضا بدست بیاورید.

So it turns out there was a company across the river called Google

معلوم شد شرکتی آنطرف رودخانه وجود دارد بنام گوگل

who had started a digitization project a few years back

که از سالها پیش یک پروژه دیجیتالی کردن را شروع کرده

that might just enable this approach.

که ممکن است این رویکرد را ممکن سازد.

They have digitized millions of books.

میلیونها کتاب را دیجیتالی کرده اند.

So what that means is, one could use computational methods

یعنی اینکه یکنفر می تواند با روشهای محاسباتی

to read all of the books in a click of a button.

همه کتابها را به یک کلیک بخواند.

That's very practical and extremely awesome.

بسیار عملی و عالی است.

ELA: Let me tell you a little bit about where books come from.

الا: اجازه دهید توضیح دهم این کتابها از کجا می آیند.

Since time immemorial, there have been authors.

از زمانهای قدیم کسانی بودن که نویسنده بودند.

These authors have been striving to write books.

این نویسندگان شیفته نوشتن کتاب بودند.

And this became considerably easier

و این کار با توسعه فرایند چاپ

with the development of the printing press some centuries ago.

از قرنها پیش آسانتر شد.

Since then, the authors have won

از آن به بعد نویسندگان

on 129 million distinct occasions,

129 میلیون کتاب در موضوعات مختلف را

publishing books.

منتشر کردند.

Now if those books are not lost to history,

اگر این کتابها در تاریخ گم نمی شدند،

then they are somewhere in a library,

جایی در کتابخانه بودند،

and many of those books have been getting retrieved from the libraries

و بسیاری از این کتابها از کتابخانه ها جمع آوری شدند

and digitized by Google,

و توسط گوگل دیجیتالی شدند،

which has scanned 15 million books to date.

که تا کنون 15 میلیون کتاب را اسکن کرده است.

Now when Google digitizes a book, they put it into a really nice format.

وقتی گوگل کتاب را اسکن می کند آنرا به فرمت جالبی در می آورد.

Now we've got the data, plus we have metadata.

علاوه بر اطلاعات اصلی، اطلاعات جنبی را هم داریم.

We have information about things like where was it published,

ما اطلاعاتی راجع به اینکه مثلا کجا این کتاب منتشر شده است،

who was the author, when was it published.

نویسنده کتاب کی بوده و چه وقت نوشته شده داریم.

And what we do is go through all of those records

و کاری که ما باید بکنیم این است که همه این رکوردها را مرور کنیم

and exclude everything that's not the highest quality data.

و هر چیزی که ارزش مناسب اطلاعاتی ندارد نادیده بگیریم.

What we're left with

چیزی که برای ما باقی ماند

is a collection of five million books,

مجموعه ای از پنج میلیون کتاب است،

500 billion words,

500 میلیارد کلمه،

a string of characters a thousand times longer

رشته کاراکترهایی هزاران برابر بزرگتر از

than the human genome --

ژنوم انسان--

a text which, when written out,

متنی که اگر نوشته بشود،

would stretch from here to the Moon and back

10 برابر فاصله رفت و برگشت از اینجا تا ماه کشیده خواهد شد.

10 times over --

10 برابر فاصله رفت و برگشت از اینجا تا ماه کشیده خواهد شد.

a veritable shard of our cultural genome.

پاره حقیقتی از ژنوم فرهنگی ما.

Of course what we did

البته ما وقتی با چنین

when faced with such outrageous hyperbole ...

حجم بی نهایت بزرگی مواجه شدیم...

(Laughter)

(خنده حضار)

was what any self-respecting researchers

کاری کردیم که هر محقق قابل احترامی

would have done.

انجام می داد.

We took a page out of XKCD,

صفحه ای از XKCD خارج کردیم و

and we said, "Stand back.

گفتیم، "کنار باستید. ما روش میخواهیم روش علمی رو امتحان کنیم."

We're going to try science."

گفتیم، "کنار باستید. ما روش میخواهیم روش علمی رو امتحان کنیم."

(Laughter)

(خنده حضار)

JM: Now of course, we were thinking,

جی ام: در آن زمان فکر می کردیم،

well let's just first put the data out there

بسیار خوب، بیایید اطلاعات را در دسترس افرادی قرار دهیم

for people to do science to it.

که با آن کار علمی می کنند.

Now we're thinking, what data can we release?

و فکر کردیم چه نوع اطلاعاتی میتوانیم ارائه کنیم؟

Well of course, you want to take the books

البته می خواهید که

and release the full text of these five million books.

تمام متن این پنج میلیون کتاب را استخراج کنید.

Now Google, and Jon Orwant in particular,

اکنون گوگل و به ویژه اورانت،

told us a little equation that we should learn.

به ما معادله کوچکی گفتند که باید یاد بگیریم.

So you have five million, that is, five million authors

ازآنجایی که 5 میلیون کتاب داریم پس 5 میلیون نویسنده داریم

and five million plaintiffs is a massive lawsuit.

و 5 میلیون شاکی که دعوای دادگاهی عظیمی است.

So, although that would be really, really awesome,

اگرچه بسیار بسیار عجیب است،

again, that's extremely, extremely impractical.

خیلی خیلی غیرممکن است.

(Laughter)

(خنده حضار)

Now again, we kind of caved in,

ما کاوش کردیم،

and we did the very practical approach, which was a bit less awesome.

و ما روش خیلی کاربردی ای را انجام دادیم، که کمتر جالب بود.

We said, well instead of releasing the full text,

گفتیم بجای انتشار متن کلی کتاب،

we're going to release statistics about the books.

ما میخواهیم اطلاعات آماری راجع به کتابها منتشر کنیم.

So take for instance "A gleam of happiness."

مثلا کتاب "بارقه ای از امید" را برای مثال در نظر بگیرید

It's four words; we call that a four-gram.

که چهار کلمه است، آنرا 4 تایی نامیدیم.

We're going to tell you how many times a particular four-gram

به شما خواهیم گفت چندبار یک چهارتایی خاص

appeared in books in 1801, 1802, 1803,

در سالهای1801، 1802، 1803

all the way up to 2008.

تا 2008 در کتابها بکار رفته.

That gives us a time series

این روش به ما یک سری زمانی

of how frequently this particular sentence was used over time.

از اینکه این جمله در طول زمان چقدر تکرار شده به ما می دهد.

We do that for all the words and phrases that appear in those books,

این کار را برای تمام کلمات و عباراتی که در کتابها بکار رفته بود انجام دادیم،

and that gives us a big table of two billion lines

و جدولی به بزرگی 2 میلیارد خط داد

that tell us about the way culture has been changing.

که به ما نحوه تغییر فرهنگ را می گوید.

ELA: So those two billion lines,

الا: از اینرو آن دو میلیارد خط،

we call them two billion n-grams.

را دومیلیارد ان-گرم می نامیم.

What do they tell us?

به ما چه می گویند؟

Well the individual n-grams measure cultural trends.

هر کدام از این ان-گرمها روند فرهنگی ما را می سنجند.

Let me give you an example.

اجازه دهید مثالی بزنم.

Let's suppose that I am thriving,

فرض کنید من در حال پیشرفت هستم،

then tomorrow I want to tell you about how well I did.

و فردا به شما خواهم گفت چقدر خوب کار کردم.

And so I might say, "Yesterday, I throve."

و ممکن است بگویم "دیروز من پیشرفتم"

Alternatively, I could say, "Yesterday, I thrived."

همچنین، می توانیم بگویم، دیروز پیشرفت کردم"

Well which one should I use?

کدام را باید بکار ببرم؟

How to know?

چطوری بفهمم؟

As of about six months ago,

حدود شش ماه پیش،

the state of the art in this field

بهترین کار در این زمینه

is that you would, for instance,

اینطور بود که مثلا با موهای عجیب

go up to the following psychologist with fabulous hair,

پیش روانشناس بروید

and you'd say,

و بگویید،

"Steve, you're an expert on the irregular verbs.

استیو، تو متخصص افعال بی قاعده ایی.

What should I do?"

چکار کنم؟

And he'd tell you, "Well most people say thrived,

و او به شما می گفت، خوب اغلب مردم می گویند پیشرفت کردم،

but some people say throve."

اما بعضی ها می گویند پیشرفتم.

And you also knew, more or less,

و کم و بیش می دانید،

that if you were to go back in time 200 years

که اگر به 200 سال پیش برگردید

and ask the following statesman with equally fabulous hair,

و این جمله را با موهای عجیب بپرسید،

(Laughter)

(خنده حضار)

"Tom, what should I say?"

"تام، چی باید بگم؟"

He'd say, "Well, in my day, most people throve,

می گفت ، "خوب در روزگار من مردم پیش میرفتند،

but some thrived."

اما بعضی ها پیشرفت میکردند"

So now what I'm just going to show you is raw data.

چیزی که به شما نشان خواهم داد اطلاعات خام هستند.

Two rows from this table of two billion entries.

دو ردیف از این جدول دومیلیارد ردیفی.

What you're seeing is year by year frequency

چیزی که می بینید تکرار سال به سال

of "thrived" and "throve" over time.

"پیشرفت کردن" و "پیشرفتن" در طول زمان است.

Now this is just two

و این تاره دو ردیف

out of two billion rows.

از دو میلیارد ردیف است.

So the entire data set

بنابراین مجموعه کل اطلاعات

is a billion times more awesome than this slide.

یک میلیارد بار شگفت انگیز تر از این اسلاید است.

(Laughter)

(خنده حضار)

(Applause)

(تشویق)

JM: Now there are many other pictures that are worth 500 billion words.

جی ام: تصاویر دیگری هم وجود دارد که 500 میلیارد کلمه می ارزند.

For instance, this one.

برای نمونه، این یکی.

If you just take influenza,

اگر آنفولانزا را در نظر بگیرید،

you will see peaks at the time where you knew

شما میتوانید در زمان هایی که میدانید آنفولانزا

big flu epidemics were killing people around the globe.

جان مردم زیادی را در سراسر جهان گرفته، اوج هایی مشاهده کنید.

ELA: If you were not yet convinced,

الا: اگر هنور متقاعد نشدید،

sea levels are rising,

سطح دریاها در حال افزایش هستند،

so is atmospheric CO2 and global temperature.

همینطور دی اسید کربن و گرمای زمین.

JM: You might also want to have a look at this particular n-gram,

جی ام: شاید بخواهید به این ان-گرم خاص نگاهی بیاندازید،

and that's to tell Nietzsche that God is not dead,

که به نیچه می گوید خدا نمرده،

although you might agree that he might need a better publicist.

اگرچه شاید موافق باشید که به تبلیغ کننده بهتری نیاز دارد.

(Laughter)

(خنده حضار)

ELA: You can get at some pretty abstract concepts with this sort of thing.

الا: می توانید مفاهیم انتزاعی زیبایی با اینگونه چیزها بدست آورید.

For instance, let me tell you the history

برای نمونه بذارید براتون تاریخ

of the year 1950.

سال 1950 را بگم.

Pretty much for the vast majority of history,

اکثر عمده تاریخ،

no one gave a damn about 1950.

کسی به 1950 توجهی نمی کند.

In 1700, in 1800, in 1900,

در سال 1700، در 1800 در 1900،

no one cared.

هیچکس اهمیت نداد.

Through the 30s and 40s,

از دهه 30 و 40،

no one cared.

هیچکس اهمیت نداد.

Suddenly, in the mid-40s,

ناگهان در اواسط دهه 40،

there started to be a buzz.

یه صدایی شروع شد.

People realized that 1950 was going to happen,

مردم متوجه شدند که سال 1950 داره میرسه،

and it could be big.

و این می تونه اتفاق خیلی بزرگی باشه.

(Laughter)

(خنده حضار)

But nothing got people interested in 1950

اما هیچی چیز 1950 برای مردم جذاب نبود

like the year 1950.

همانند سال 1950.

(Laughter)

(خنده حضار)

People were walking around obsessed.

مردم با وسواس به این طرف و آنطرف می رفتند.

They couldn't stop talking

نمی تونستند جلوی صحبت کردنشان را بگیرند

about all the things they did in 1950,

درباره کارهایی که در سال 1950 انجام داده بودند،

all the things they were planning to do in 1950,

و چیزهایی که قصد داشتند در سال 1950 انجام دهند،

all the dreams of what they wanted to accomplish in 1950.

تمام ارزوهایی که می خواستند در سال 1950 برآورده کنند.

In fact, 1950 was so fascinating

در حقیقت، سال 1950 چنان جذاب بود

that for years thereafter,

که سالها بعد از آن،

people just kept talking about all the amazing things that happened,

مردم فقط به صحبت در مورد تمام اتفاقاتی که افتاده بود صحبت کردند،

in '51, '52, '53.

در 51، 52، 53.

Finally in 1954,

و در سرانجام در 1954،

someone woke up and realized

یکی فهمید که

that 1950 had gotten somewhat passé.

سال 1950 تمام شده.

(Laughter)

(خنده حضار)

And just like that, the bubble burst.

و اینگونه، حباب ترکید.

(Laughter)

(خنده حضار)

And the story of 1950

و داستان 1950

is the story of every year that we have on record,

داستان هرسالی است که ثبت می کنیم،

with a little twist, because now we've got these nice charts.

با کمی تغییر چون ما این جدول های زیبا را داریم.

And because we have these nice charts, we can measure things.

و چون این جدولهای زیبا را داریم، می توانیم اتفاقات را اندازه گیری کنیم.

We can say, "Well how fast does the bubble burst?"

می توانم بگویم، "با چه سرعتی حباب ترکید؟"

And it turns out that we can measure that very precisely.

و مشخص شد که می توانیم آنرا با دقت اندازه گیری کنیم.

Equations were derived, graphs were produced,

معادلات بدست آمد و گراف ها رسم شد،

and the net result

و نتیجه نهایی

is that we find that the bubble bursts faster and faster

چیزی شد که فهمیدیم حباب سریعتر و سریعتر می ترکد

with each passing year.

هر سالی که می گذرد.

We are losing interest in the past more rapidly.

علاقه خود را به گذشته با سرعت بیشتری از دست می دهیم.

JM: Now a little piece of career advice.

جی ام: اکنون کمی نصیحت شغلی.

So for those of you who seek to be famous,

آنهایی که به دنبال شهرت هستند،

we can learn from the 25 most famous political figures,

می توانیم از 25 شخصیت مشهور سیاسی یادبگیریم،

authors, actors and so on.

نویسندگان، هنرپیشه ها و غیره.

So if you want to become famous early on, you should be an actor,

اگر می خواهید خیلی زود مشهور بشید باید هنرپیشه شوید،

because then fame starts rising by the end of your 20s --

چون شهرت از پایان دهه 20 شما شروع می شود--

you're still young, it's really great.

هنوز جوان هستید و این خیلی عالیه.

Now if you can wait a little bit, you should be an author,

اگر کمی صبر داشته باشید باید نویسنده شوید،

because then you rise to very great heights,

چون به جاهای بالایی خواهید رسید،

like Mark Twain, for instance: extremely famous.

مانند مارک تواین بسیار مشهور.

But if you want to reach the very top,

اما اگر می خواهید به جای بالا برسید،

you should delay gratification

باید لذت را به تاخیر بیاندازید

and, of course, become a politician.

و البته سیاستمدار شوید.

So here you will become famous by the end of your 50s,

و اینجاست که تا پایان دهه 50 زندگی خود مشهور می شوید،

and become very, very famous afterward.

و بعد از آن بسیار بسیار مشهور خواهید شد.

So scientists also tend to get famous when they're much older.

دانشمندان هم وقتی مسن تر شدن مشهور می شوند.

Like for instance, biologists and physics

مانند بیولوژیست ها و فیزیکدانها

tend to be almost as famous as actors.

تقریبا به اندازه هنرپیشه ها مشهورند.

One mistake you should not do is become a mathematician.

نباید اشتباه کنید و ریاضی دان شوید.

(Laughter)

(خنده حضار)

If you do that,

اگر اینکار را کنید،

you might think, "Oh great. I'm going to do my best work when I'm in my 20s."

ممکن است فکر کنید "عالیه، من وقتی 20 سالم شد بهترین کارم را ارائه می کنم"

But guess what, nobody will really care.

اما می توانید حدس بزنید، هیچکسی توجهی نخواهد کرد.

(Laughter)

(خده حضار)

ELA: There are more sobering notes

بیشتر نوشته های

among the n-grams.

ان-گرم جدی هستند.

For instance, here's the trajectory of Marc Chagall,

مثلا این خط سیر مارک شاگال است،

an artist born in 1887.

هنرمندی که در سال 1887 بدنیا آمد.

And this looks like the normal trajectory of a famous person.

همانند مسیر رایج یک شخص مشهور به نظر می رسد.

He gets more and more and more famous,

او مشهورتر، مشهورتر و مشهورتر می شود،

except if you look in German.

بجز وقتی به آلمان نگاه کنید.

If you look in German, you see something completely bizarre,

اگر به آلمان نگاه کنید چیز کاملا عجیبی می بینید،

something you pretty much never see,

چیزی که تا حالا هرگز ندیدید،

which is he becomes extremely famous

اینکه بسیار مشهور می شود

and then all of a sudden plummets,

و ناگهان سقوط می کند،

going through a nadir between 1933 and 1945,

و بین سالهای 1933 و 1945 می بینیم که در پایین ترین سطح قرار دارد،

before rebounding afterward.

قبل از اینکه دوباره شروع به بدست آوردن محبوبیت کند.

And of course, what we're seeing

البته چیزی که می بینیم

is the fact Marc Chagall was a Jewish artist

این است که مارک شاگال یک هنرمند یهودی بود

in Nazi Germany.

در آلمان نازی.

Now these signals

اکنون این علائم

are actually so strong

چنان قوی هستند که

that we don't need to know that someone was censored.

که لازم نیست بدانیم کسی سانسور شده است.

We can actually figure it out

می توانیم به آن پی ببریم

using really basic signal processing.

معمولا با استفاده از فرآیند سیگنال ساده.

Here's a simple way to do it.

یک راه ساده آن اینجاست.

Well, a reasonable expectation

خوب، یک انتظار معقول

is that somebody's fame in a given period of time

اینکه شهرت فردی در یک دوره زمانی

should be roughly the average of their fame before

باید تقریبا به اندازه میانگین شهرتش در گذشته

and their fame after.

و بعد از آن مدت باشد.

So that's sort of what we expect.

و این چیزی است که انتظار داریم.

And we compare that to the fame that we observe.

و آنرا با شهرتی که می بینیم مقایسه می کنیم.

And we just divide one by the other

و فقط یکی را بر دیگری تقسیم می کنیم

to produce something we call a suppression index.

تا چیزی ایجاد کنیم که آنرا شاخص سرکوب می نامیم.

If the suppression index is very, very, very small,

اگر شاخص سرکوب خیلی، خیلی، خیلی کوچک باشد،

then you very well might be being suppressed.

ممکن است به راحتی سرکوب شده باشید.

If it's very large, maybe you're benefiting from propaganda.

اگر بزرگ باشد، شاید از پروپاگاندا ذی نفع هستید.

JM: Now you can actually look at

جی ام: اکنون می توانید شاخص های

the distribution of suppression indexes over whole populations.

توزیع سرکوب در کل جمعیت را ببینید.

So for instance, here --

برای نمونه، اینجا --

this suppression index is for 5,000 people

این شاخص سرکوب برای 5000 نفر است

picked in English books where there's no known suppression --

از کتابهای انگلیسی انتخاب شده اند جایی که سرکوب مشهودی وجود ندارد--

it would be like this, basically tightly centered on one.

شبیه این خواهد بود، اساسا محکم روی کسی متمرکز است.

What you expect is basically what you observe.

چیزی که انتظار دارید چیزی است که می بینید.

This is distribution as seen in Germany --

این توزیعی است که در آلمان دیده می شود--

very different, it's shifted to the left.

خیلی متفاوت، به سمت چپ متمایل است.

People talked about it twice less as it should have been.

مردم دوبرابر از آنچه که باید کمتر صحبت می کنند.

But much more importantly, the distribution is much wider.

اما چیزی که مهمتر است، توزیع وسیع تر است.

There are many people who end up on the far left on this distribution

مردم بسیاری هستند که در انتهای سمت چپ این توزیع هستند

who are talked about 10 times fewer than they should have been.

مردمی که 10 بار کمتر از آنچه باید باشد کمتر صحبت می کنند.

But then also many people on the far right

اما از طرف دیگر مردمی هستند

who seem to benefit from propaganda.

از این پروپاگاندا ذی نفع هستند.

This picture is the hallmark of censorship in the book record.

این تصویر نمایانگر سانسور در کتاب است.

ELA: So culturomics

الا: کالترومیکس

is what we call this method.

اسمی است که ما روی این متد گذاشته ایم.

It's kind of like genomics.

نوعی ژن شناسی است.

Except genomics is a lens on biology

فرقشان این است که لنز ژنومیکس روی بیولوژی است

through the window of the sequence of bases in the human genome.

از پنجره ترتیب ژنوم انسانی.

Culturomics is similar.

کالترومیکس شبیه آن است.

It's the application of massive-scale data collection analysis

برنامه تحلیل اطلاعات در مقیاس عظیم است

to the study of human culture.

برای مطالعه فرهنگ انسان.

Here, instead of through the lens of a genome,

اینجا، بجای نگاه از عدسی ژنوم،

through the lens of digitized pieces of the historical record.

از لنزهای قطعات دیجیتالی شده ثبت تاریخی دیده می شود.

The great thing about culturomics

نکته بزرگ در مورد کالترومیکس

is that everyone can do it.

این است که هر کسی می تواند آنرا انجام دهد.

Why can everyone do it?

چرا هر کسی می تواند انجام دهد؟

Everyone can do it because three guys,

هر کسی می تواند انجام دهد چون سه نفر

Jon Orwant, Matt Gray and Will Brockman over at Google,

جان اوروانت، مت گری و بیل بروکمن در گوگل،

saw the prototype of the Ngram Viewer,

نمونه ای از بیینده انگرم را دیدند،

and they said, "This is so fun.

و گفتند، " بسیار جالب است.

We have to make this available for people."

باید این را در دسترس مردم قرار دهیم."

So in two weeks flat -- the two weeks before our paper came out --

در عرض دو هفته - دو هفته قبل از اینکه مقاله ما منتشر شود --

they coded up a version of the Ngram Viewer for the general public.

نسخه ای از بیننده انگرم را برای استفاده عمومی کدگذاری کردند.

And so you too can type in any word or phrase that you're interested in

و شما می توانید هر کلمه یا عبارتی که دوست دارید را تایپ کنید

and see its n-gram immediately --

و ان-گرم آن را سریع پیدا کنید--

also browse examples of all the various books

همچنین نمونه هایی از کتاب های مختلف را مرور کنید

in which your n-gram appears.

در ان-گرم شما که ظاهر می شود.

JM: Now this was used over a million times on the first day,

جی ام: در روز اول میلیون ها بار استفاده شد،

and this is really the best of all the queries.

و واقعا بهترین تمام جستجوهاست.

So people want to be their best, put their best foot forward.

مردم می خواهند بهترین باشند، با بهترین قدم شروع کنند.

But it turns out in the 18th century, people didn't really care about that at all.

اما در قرن 18 معلوم شد، مردم اصلا به آن توجهی نمی کردند.

They didn't want to be their best, they wanted to be their beft.

نمی خواستند بهترین باشند، می خواستند به نفعشان باشد.

So what happened is, of course, this is just a mistake.

چه اتفاقی افتاد، البته، این کاملا اشتباه است.

It's not that strove for mediocrity,

تلاش برای حد متوسط هم نبود،

it's just that the S used to be written differently, kind of like an F.

فقط مانند متفاوت نوشتن S بود، یا چیزی شبیه F.

Now of course, Google didn't pick this up at the time,

حالا البته که گوگل آنرا در آن زمان انتخاب نکرد،

so we reported this in the science article that we wrote.

برای همین در مقاله علمی که نوشتیم آنرا گزارش کردیم.

But it turns out this is just a reminder

معلوم شد فقط یادآوری است

that, although this is a lot of fun,

اگرچه بسیار جالب است،

when you interpret these graphs, you have to be very careful,

وقتی این گرافها را تفسیر می کنید باید بسیار دقت کنید،

and you have to adopt the base standards in the sciences.

و باید استانداردهای پایه را در علوم رعایت کنید.

ELA: People have been using this for all kinds of fun purposes.

الا: مردم از این برای انواع مقاصد تفریحی استفاده کردند.

(Laughter)

(خنده حضار)

Actually, we're not going to have to talk,

در واقع، دیگر صحبت نخواهیم کرد،

we're just going to show you all the slides and remain silent.

به شما اسلایدها را نشان می دهیم و ساکت خواهیم ماند.

This person was interested in the history of frustration.

این شخص یه تاریخ افسردگی علاقمند است.

There's various types of frustration.

انواع نا امیدی وجود دارد.

If you stub your toe, that's a one A "argh."

اگر انگشت شصت تون به جایی بخوره ، یک آ "آخ" است.

If the planet Earth is annihilated by the Vogons

اگر سیاره زمین توسط وگونها نابود بشه

to make room for an interstellar bypass,

تا جایی برای عبور از ستاره ها باز بشه،

that's an eight A "aaaaaaaargh."

8 تا آ"آآآآآآآآخ" است.

This person studies all the "arghs,"

این شخص همه"آخ ها" را مطالعه کرده است.

from one through eight A's.

از یک تا هشت آ.

And it turns out

و متوجه شد

that the less-frequent "arghs"

"آخ" های کمتر رایجتر

are, of course, the ones that correspond to things that are more frustrating --

آنهایی هستند که مربوط به چیزهای افسرده کننده است--

except, oddly, in the early 80s.

بجز، بطور عجیبی، در اوائل قرن 80.

We think that might have something to do with Reagan.

ما فکر کردیم احتمال داره که این ربطی به ریگان داشته باشه.

(Laughter)

(خنده حضار)

JM: There are many usages of this data,

جی ام: کاربردهای متعددی برای این اطلاعات وجود دارد،

but the bottom line is that the historical record is being digitized.

اما دلیل اصلی دیجیتالی کردن برای ثبت تاریخی است.

Google has started to digitize 15 million books.

گوگل دیجیتالی کردن 15 میلیون کتاب را شروع کرده است.

That's 12 percent of all the books that have ever been published.

12 درصد کتابهایی که منتشر شده است.

It's a sizable chunk of human culture.

بخش عظیمی از فرهنگ بشری است.

There's much more in culture: there's manuscripts, there newspapers,

چیزهای فرهنگی بیشتری وجود دارد: دست نوشته ها، روزنامه ها،

there's things that are not text, like art and paintings.

چیزهایی که نوشتنی نیستند، مانند هنر و نقاشی.

These all happen to be on our computers,

همه اینها در کامپیوتر ما قرار دارند،

on computers across the world.

در تمام کامپیوترهای سراسر دنیا.

And when that happens, that will transform the way we have

و وقتی اتفاق بیافتد، مسیری که داریم را تغییر خواهد داد

to understand our past, our present and human culture.

تا گذشته و حال و فرهنگ بشری را بفهمیم.

Thank you very much.

بسیار سپاسگذارم.

(Applause)

(تشویق)