Deb Roy: The birth of a word

دب روی : تولد یک کلمه

Translator: Mohammad Reza Minoosepehr Reviewer: Negar S

Imagine if you could record your life --

تصور کنید می تونستید زندگی تان رو ضبط کنید

everything you said, everything you did,

همه حرفهایی که زدید، همه کارهایی که کردید،

available in a perfect memory store at your fingertips,

همه در یه حافظه کامل ذخیره شده، براحتی در دسترس شما ،

so you could go back

به گونه ای که می تونستید به گذشته ها برگردید

and find memorable moments and relive them,

و لحظه های خاطره انگیز رو بیابید و دوباره از نو زنده کنید.

or sift through traces of time

و یا با دنبال کردن ردپای زمان

and discover patterns in your own life

ساختارهایی رو در زندگی تان کشف کنید

that previously had gone undiscovered.

که قبلا مخفی مانده بودند.

Well that's exactly the journey

این درست همون سفری است

that my family began

که خانواده من

five and a half years ago.

پنج سال و نیم پیش آغاز کرد.

This is my wife and collaborator, Rupal.

این روپال، همسر و همکار منه.

And on this day, at this moment,

و در این روز، در این لحظه

we walked into the house with our first child,

ما با اولین فرزندمان ، پسر کوچولوی خوشگلمون

our beautiful baby boy.

وارد خونه شدیم.

And we walked into a house

وارد خونه ای که

with a very special home video recording system.

مجهز به یه سیستم ضبط خونگی خیلی خاص بود.

(Video) Man: Okay.

عکاس: بسیار خب

Deb Roy: This moment

این لحظه

and thousands of other moments special for us

و هزاران لحظه خاص دیگر برای ما

were captured in our home

در خونه ما ضبط شدند.

because in every room in the house,

چرا که در تمام اطاق های خونه

if you looked up, you'd see a camera and a microphone,

اگر به بالا نگاه می کردید، یک دوربین و میکروفون می دیدید

and if you looked down,

و اگربه پایین نگاه می کردید

you'd get this bird's-eye view of the room.

این نمای کلی اطاق رو می دیدید.

Here's our living room,

اینجا اطاق پذیرایی مان است،

the baby bedroom,

اطاق خواب بچه،

kitchen, dining room

آشپرخانه ، نهارخوری

and the rest of the house.

و مابقی جاهای خونه.

And all of these fed into a disc array

تمام این صحنه ها در یه سری دیسک هایی

that was designed for a continuous capture.

که برای فیلمبرادری بدون وقفه طراحی شده اند ، ذخیره می شد.

So here we are flying through a day in our home

خب اینجا ما داریم در طول یه روز در خونه سریع حرکت می کنیم

as we move from sunlit morning

چنانکه از صبح یه روز روشن

through incandescent evening

به سمت عصر می رویم

and, finally, lights out for the day.

و در انتهای روز هم چراغ ها خاموش می شوند.

Over the course of three years,

در طول سه سال

we recorded eight to 10 hours a day,

ما روزی ۸ تا ۱۰ ساعت ضبط کردیم.

amassing roughly a quarter-million hours

در مجموع چیزی حدود یه چهارم میلیون ساعت

of multi-track audio and video.

بصورت فایل صوتی تصویری ضبط شد.

So you're looking at a piece of what is by far

پس شما شاهد قسمتی از به مراتب بزرگترین

the largest home video collection ever made.

مجموعه ویدیوی خونگی که تا حالا ساخته شده هستید.

(Laughter)

( خندیدن حضار)

And what this data represents

و آنچه این اطلاعات

for our family at a personal level,

در وجه شخصی برای خانواده ما بیان می کنن

the impact has already been immense,

تا الان تاثیر زیادی داشته

and we're still learning its value.

و ما هنوز داریم از ارزش های این کار یاد میگیریم.

Countless moments

لحظه های بیشماری

of unsolicited natural moments, not posed moments,

لحظه های واقعی نه لحظه های ساختگی،

are captured there,

ضبط شده اند. و ما تازه داریم یاد می گیریم که

and we're starting to learn how to discover them and find them.

چگونه می شه تمام این لحظات روجستجو کرد و دریافت.

But there's also a scientific reason that drove this project,

اما در عین حال انجام این پروژه یه دلیل علمی هم داشت.

which was to use this natural longitudinal data

دلیل علمی این پروژه، استفاده از این اطلاعاتِ دراز مدت

to understand the process

برای فهمِ روندِ

of how a child learns language --

یادگیری زبان توسط یه کودک

that child being my son.

یعنی پسرم بود.

And so with many privacy provisions put in place

با در نظر گرفتن حفظ بسیاری از مسایل شخصی

to protect everyone who was recorded in the data,

برای محافظت از تمام کسانی که از اونها فیلم گرفته شده،

we made elements of the data available

ما اجزای اطلاعات رو

to my trusted research team at MIT

در اختیار تیم تحقیقاتی مورد اعتمادم در MIT قرار دادیم

so we could start teasing apart patterns

تا شروع کنیم ساختارهایی رو

in this massive data set,

در این مجموعه عظیم داده ها

trying to understand the influence of social environments

دربارهً تاثیر محیط های اجتماعی روی

on language acquisition.

اکتساب زبان بیابیم.

So we're looking here

در این جا شما

at one of the first things we started to do.

یکی از اولین کارهایی رو که انجام دادیم می بینید.

This is my wife and I cooking breakfast in the kitchen,

این من و همسرم هستیم که در آشپزخانه مشغول درست کردن صبحانه ایم و

and as we move through space and through time,

همینطور که در طول مسیر زمان و مکان جلو میریم،

a very everyday pattern of life in the kitchen.

کار روزمره زندگی در آشپزخانه رو می بینید.

In order to convert

برای تبدیل کردن

this opaque, 90,000 hours of video

این ۹۰/۰۰۰ ساعت ویدیوی مبهم،

into something that we could start to see,

به چیزی که بشه فهمید،

we use motion analysis to pull out,

ما از روش "تجزيهً حرکت" Motion analysis

as we move through space and through time,

در محورهای زمان و مکان استفاده کردیم

what we call space-time worms.

روشی که ما اون را " کرم های زمان- مکان" می نامیم.

And this has become part of our toolkit

این یه بخشی از ابزار ما است

for being able to look and see

برای اینکه بفهمیم

where the activities are in the data,

در داده ها کجا فعالیتی رخ داده

and with it, trace the pattern of, in particular,

و به خصوص رد پای پسرم

where my son moved throughout the home,

به جاهایی که در طول خونه می رفت رو دنبال کنیم

so that we could focus our transcription efforts,

بدین ترتیب، تونستیم روی فعالیت تبدیل گفتار به نوشتار تمرکز کنیم

all of the speech environment around my son --

تمام محیط گفتاری اطراف پسرم،

all of the words that he heard from myself, my wife, our nanny,

تمام کلماتی که از من، همسرم یا پرستارش می شنید ،

and over time, the words he began to produce.

و کلماتی که بعد از یه مدت شروع به گفتن کرد رو ثبت کردیم.

So with that technology and that data

به کمک این فناوری و داده ها

and the ability to, with machine assistance,

و همچنین به کمک

transcribe speech,

دستگاه تبدیل گفتار به نوشتار

we've now transcribed

تا کنون بیش از

well over seven million words of our home transcripts.

۷ میلیون کلمه از گفتارهای خونمون رو نوشته ایم.

And with that, let me take you now

اجازه بدید تا شما رو به اولین سفر

for a first tour into the data.

به درون این داده ها ببرم.

So you've all, I'm sure,

همه شما مطمئنا

seen time-lapse videos

فیلم های گذر زمان رو دیدید

where a flower will blossom as you accelerate time.

فیلم هایی که می تونید با جلو بردن سریع زمان مثلا مراحل شکوفه دادن یه گل رو ببیند.

I'd like you to now experience

دوست دارم الان یکی از اونها رو تجربه کنید

the blossoming of a speech form.

منتها به جای گل ، شکوفه دادن یه نوع گفتار رو ببینید.

My son, soon after his first birthday,

پسرم، چند روز بعد از نخستین سال تولدش

would say "gaga" to mean water.

برای گفتن "آب" می گفت " gaga".

And over the course of the next half-year,

و در عرض شش ماهِ بعد

he slowly learned to approximate

کم کم یاد گرفت که تقریبا

the proper adult form, "water."

به گونه ای که خاص بزرگتر هاست بگه "water (آب)"

So we're going to cruise through half a year

حالا می خواهیم تا ۶ ماه از سال رو در

in about 40 seconds.

۴۰ ثانیه پشت سر بذاریم.

No video here,

این قسمت تصویری نیست.

so you can focus on the sound, the acoustics,

پس می تونید روی صدا تمرکز کنید.

of a new kind of trajectory:

نوع جدیدی از سیر صداها:

gaga to water.

از "gaga" تا " water (آب) "

(Audio) Baby: Gagagagagaga

Gagagagagaga

Gaga gaga gaga

Gaga gaga gaga

guga guga guga

guga guga guga

wada gaga gaga guga gaga

wada gaga gaga guga gaga

wader guga guga

wader guga guga

water water water

water water water

water water water

water water water

water water

water water

water.

water.

DR: He sure nailed it, didn't he.

بهتر از این نمی شد. مگه نه!

(Applause)

(تشویق حضار)

So he didn't just learn water.

اون فقط کلمه " آب " رو یاد نگرفت

Over the course of the 24 months,

در ۲۴ ماه

the first two years that we really focused on,

( دوسال اولی که خیلی تمرکز کردیم)

this is a map of every word he learned in chronological order.

این نقشه تمام کلماتی است که به ترتیب زمان یادگرفت.

And because we have full transcripts,

و به خاطر رونوشت کاملی که داشتیم

we've identified each of the 503 words

تمام ۵۰۳ کلمه ای که

that he learned to produce by his second birthday.

تا دومین سال تولدش یاد گرفت رو شناسایی کردیم .

He was an early talker.

پسرم زود زبون باز کرد.

And so we started to analyze why.

بعد شروع کردیم به تحلیل "چرا"

Why were certain words born before others?

چرا یک سری از کلمات زودتر از کلمات دیگر متولد شدند؟

This is one of the first results

این یکی از نخستین نتایجی است

that came out of our study a little over a year ago

که حدوداٌ یک سال پیش، از تحقیقاتمان حاصل شد و

that really surprised us.

واقعا ما رو شگفت زده کرد.

The way to interpret this apparently simple graph

روش تفسیر این نمودارِ به ظاهر ساده اینه که

is, on the vertical is an indication

محور عمودی

of how complex caregiver utterances are

میزان پیچیدگی گفتارِ مراقب بچه

based on the length of utterances.

( بر اساس بلندی بند‌های گفتار )

And the [horizontal] axis is time.

و محور افقی زمان رو نشان میدهد.

And all of the data,

ما تمام داده ها رو

we aligned based on the following idea:

بر اساس ایده زیر مرتب کردیم:

Every time my son would learn a word,

هر دفعه که پسرم یه لغت جدید یاد می گرفت

we would trace back and look at all of the language he heard

ما به عقب بر می گشتیم و تمام حرفهایی که شنیده بود رو بررسی می کردیم.

that contained that word.

(حرفهایی که شامل آن کلمه می شدند.)

And we would plot the relative length of the utterances.

و بعد رابطه طول بندهای گفتاری رو رسم کردیم.

And what we found was this curious phenomena,

اونچیزی که به دست آمد این پدیده شگفت آور بود،

that caregiver speech would systematically dip to a minimum,

که حرفهای مراقب بچه به شکل سازماندهی شده ای تا کمترین حد بندهای گفتاری پایین می رفت،

making language as simple as possible,

(تا زبان را تا حد ممکن ساده و قابل فهم کنه)

and then slowly ascend back up in complexity.

و بعد به آرامی بالا می اومد و به همون نقطه پیچیدگی برمی گشت.

And the amazing thing was

و چیزی که شگفت آور بود این بود

that bounce, that dip,

که فراز و فرود پیچیدگی بندهای گفتار

lined up almost precisely

تقریبا به شکل یکسانی

with when each word was born --

در زمان تولد هر کلمه بوجود می اومد.

word after word, systematically.

کلمه پشت کلمه ، (کاملا) سازماندهی شده.

So it appears that all three primary caregivers --

بنابراین مشخص شد که هر سه مراقبت اصلی

myself, my wife and our nanny --

یعنی من و همسرم و پرستار بچه

were systematically and, I would think, subconsciously

به شکل سازماندهی شده ، و من فکر می کنم، نیمه آگاهانه

restructuring our language

در حال تغییر ساختار زبانمان بودیم

to meet him at the birth of a word

تا در تولد یه کلمه، با پسرم هم‌آهنگ بشیم.

and bring him gently into more complex language.

و سپس به آرامی او رو به زبان پیچیده تر ببریم.

And the implications of this -- there are many,

اینها مفاهیم زیادی داره

but one I just want to point out,

ولی من فقط به یکی از اونها اشاره می کنم

is that there must be amazing feedback loops.

و آن این که باید حلقه های بازخوردی وجود داشته باشه.

Of course, my son is learning

درسته که پسرم در حال یادگیری

from his linguistic environment,

از محیط زبانی اطرافشه،

but the environment is learning from him.

اما محیط هم داره از اون یاد میگیره.

That environment, people, are in these tight feedback loops

محیط ، یعنی مردم، در این حلقه‌های تنگِ بازخورد حضور دارن

and creating a kind of scaffolding

و در حال ساخت یک نوع پایه و اساسی هستند

that has not been noticed until now.

که تا حالا مورد توجه قرار نگرفته .

But that's looking at the speech context.

اما این بررسي بافتِ گفتاری است،

What about the visual context?

بافتِ دیداری چطور؟

We're not looking at --

چیزی رو که می بینید

think of this as a dollhouse cutaway of our house.

مثل یک برش مقطعی از خونه ما در نظر بگیرید

We've taken those circular fish-eye lens cameras,

ما دوربین‌های با لنز‌های چرخان رو برداشتیم

and we've done some optical correction,

و یه مقدار اصلاحات نوری انجام دادیم

and then we can bring it into three-dimensional life.

تا یک صحنه زندگی سه بعدی بسازیم.

So welcome to my home.

به خونه من خوش آمدید.

This is a moment,

این لحظه

one moment captured across multiple cameras.

لحظه ایه که در برابر دوربین‌های متعدد گرفته شده .

The reason we did this is to create the ultimate memory machine,

هدف این کار ایجاد یک دستگاه حافظه اصلی است که در اون

where you can go back and interactively fly around

شما می تونید به عقب باز گردید و آزادانه در اطراف بچرخید

and then breathe video-life into this system.

و بعد ویدیو رو وارد سیستم کنید.

What I'm going to do

کاری که من می خوام انجام بدم

is give you an accelerated view of 30 minutes,

اینه که به شما بار دیگه نمایی سریع از ۳۰ دقیقه

again, of just life in the living room.

از زندگی ام رو در اطاق پذیرایی نشون بدم.

That's me and my son on the floor.

اینجا من و پسرم هستیم که روی زمین نشستیم.

And there's video analytics

اینم ویدیوی آنالیزیه

that are tracking our movements.

که ردپای حرکت ما رو تو خونه دنبال می کنه.

My son is leaving red ink. I am leaving green ink.

پسرم از خودش رنگ قرمز و منم رنگ سبز به جا میذارم.

We're now on the couch,

الان روی مبل هستیم

looking out through the window at cars passing by.

و داریم از پنجره ماشین هایی که رد می شند رو تماشا می کنیم.

And finally, my son playing in a walking toy by himself.

در آخر هم پسرم داره تنهایی خودش بازی میکنه.

Now we freeze the action, 30 minutes,

حالا فعالیت این ۳۰ دقیقه رو متوقف می کنیم و

we turn time into the vertical axis,

زمان رو محور عمودی قرار میدهم

and we open up for a view

حالا بازش می کنیم تا نمایی

of these interaction traces we've just left behind.

از ردپای کارایی که از خودمون به جا گذاشتیم داشته باشیم.

And we see these amazing structures --

و با این ساختار حیرت آور روبرو می شیم

these little knots of two colors of thread

به گره های ریز دورنگ این رشته

we call "social hot spots."

"نقاط حساس اجتماعی "

The spiral thread

و به این رشته های مارپیچی

we call a "solo hot spot."

"نقاط حساس فردی" می گوییم.

And we think that these affect the way language is learned.

ما معتقدیم که این نقاط بر روی روش یادگیری زبان تاثیر میذارند.

What we'd like to do

کاری که ما می خواهیم انجام بدیم

is start understanding

فهمیدن رابطه

the interaction between these patterns

میان این ساختارها و زبانی است که

and the language that my son is exposed to

پسرم در معرض اون قرار داره.

to see if we can predict

تا ببنیم آیا می تونیم پیش بینی کنیم

how the structure of when words are heard

که چطور زمان شنیده شدن کلمات

affects when they're learned --

بر روی یادگیری اونها تاثیر می گذارد.

so in other words, the relationship

به عبارت دیگه، رابطه

between words and what they're about in the world.

بین کلمات و اینکه اونها در دنیا چه چیز رو بیان می کنند.

So here's how we're approaching this.

از این روی، این روشیه که ما در پیش گرفته ایم.

In this video,

در این ویدیو

again, my son is being traced out.

بار دیگه ، رد پای پسرم دنبال می شه.

He's leaving red ink behind.

اون رنگ قرمز رو از خودش به جا میذاره.

And there's our nanny by the door.

و اونجا هم پرستار بچه نزدیک در ایستاده .

(Video) Nanny: You want water? (Baby: Aaaa.)

پرستار: آب می خوای؟ ( بچه: Aaaa.)

Nanny: All right. (Baby: Aaaa.)

پرستار: باشه.( بچه: Aaaa.)

DR: She offers water,

آب بهش پیشنهاد می کنه و

and off go the two worms

با جا گذاشتن دو مسیر

over to the kitchen to get water.

به آشپرخونه می ره تا آب بیاره.

And what we've done is use the word "water"

و کاری که ما انجام دادیم استفاده از کلمه "آب"

to tag that moment, that bit of activity.

برای برچسب زدن این لحظه، این کار کوچک بود.

And now we take the power of data

و حالا با به کاربردن توان داده ها

and take every time my son

و با درنظر گرفتن تمام لحظه هایی که پسرم

ever heard the word water

کلمه "آب " رو شنیده

and the context he saw it in,

و همچنین بافتی که این کلمه رو در اون دیده،

and we use it to penetrate through the video

به درون ویدیو نفوذ می کنیم و

and find every activity trace

رد پای تمام فعالیت هایی که به نوعی

that co-occurred with an instance of water.

با گفتن کلمه "آب" همزمان بوده رو پیدا می کنیم.

And what this data leaves in its wake

و ردی که این داده ها از خودشون به جا میذارند

is a landscape.

یه نماست.

We call these wordscapes.

ما بهش می گیم " نمای لغتی".

This is the wordscape for the word water,

این نمای لغتی کلمه "آب" است،

and you can see most of the action is in the kitchen.

و می بینید که بیشترین فعالیت در آشپزخونه است.

That's where those big peaks are over to the left.

اونجا که اون دوتا قله بزرگ در سمت چپ قرار دارن.

And just for contrast, we can do this with any word.

و برای مقایسه، می تونیم این روش رو با هر کلمه ای آزمایش کنیم.

We can take the word "bye"

می تونیم کلمه "bye" رو در نظر بگیریم

as in "good bye."

مثل " goodbye( خداحافظ )".

And we're now zoomed in over the entrance to the house.

حالا روی ورودی خونه متمرکز می شیم.

And we look, and we find, as you would expect,

و همونطور که انتظار می ره، شاهد یه

a contrast in the landscape

تفاوت در نما هستیم

where the word "bye" occurs much more in a structured way.

جایی که کلمه "bye" در یه شیوه ساختاری بیشتر به کار میره.

So we're using these structures

بنابراین از این ساختارها استفاده می کنیم

to start predicting

تا شروع کنیم به پیش بینی کردن

the order of language acquisition,

ترتیب مراحل اکتساب زبان.

and that's ongoing work now.

و در حال حاضر داریم روی اون کار میکنیم.

In my lab, which we're peering into now, at MIT --

در آزمایشگاه من ، جایی که الان می بینید ، در MIT--

this is at the media lab.

اینجا آزمایشگاه رسانه ایست.

This has become my favorite way

این یکی از روش های مورد علاقه من

of videographing just about any space.

در تهیه ودیوی های گرافیکی در هر محدوده مکانی است.

Three of the key people in this project,

اینجا سه نفر از افراد کلیدی در این تحقیق،

Philip DeCamp, Rony Kubat and Brandon Roy are pictured here.

فلیپ دی کمپ، رونی کوبات و براندون روی رو می بینید.

Philip has been a close collaborator

فیلیپ یه پای اصلی در تهیه تمام

on all the visualizations you're seeing.

کارهای تصویری است که می بینید.

And Michael Fleischman

و مایکل فلیشمن

was another Ph.D. student in my lab

یکی دیگه از دانشجوهای دکتری در آزمایشگاه من بود

who worked with me on this home video analysis,

که با من در تجزیه این ویدیوهای خونگی همکاری می کرد و

and he made the following observation:

این دیدگاه رو عنوان کرد که :

that "just the way that we're analyzing

"درست همون روشی که در تحلیل

how language connects to events

چگونگی ارتباط زبان با رویدادهایی که

which provide common ground for language,

زمینه های مشترک برای زبان مهیا می کنند

that same idea we can take out of your home, Deb,

رو می تونیم از خونه تو برداریم ،دب

and we can apply it to the world of public media."

و در دنیای رسانه ها هم به کار بریم".

And so our effort took an unexpected turn.

اینگونه، تلاش های ما وارد یه دور غیر منتظره شد.

Think of mass media

فکر کردن به رسانه های گروهی

as providing common ground

به عنوان فراهم کننده های زمینه مشترک برای گفت و گوی مردم،

and you have the recipe

راهکاری است

for taking this idea to a whole new place.

برای به کار این ایده در مکان کاملا جدید.

We've started analyzing television content

شروع کردیم به تحلیل محتوای تلویزیون.

using the same principles --

با استفاده از اصول قبلی--

analyzing event structure of a TV signal --

تحلیل ساختار وقایع یه کانال تلویزیون

episodes of shows,

بخش های نمایشی،

commercials,

پیام های بازرگانی،

all of the components that make up the event structure.

و کلا همه اجزایی که ساختار وقایع رو شکل می دهند.

And we're now, with satellite dishes, pulling and analyzing

در حال حاظر ، به کمک دیش های ماهواره در حال تحلیل

a good part of all the TV being watched in the United States.

بخشِ قابل توجهي از تمام برنامه های تلویزیونی که در آمریکا دیده می شن هستیم.

And you don't have to now go and instrument living rooms with microphones

و شما مجبور نیستید در اطاقهای نشیمن میکروفن بذارید

to get people's conversations,

تا مکالمه افراد رو بفهمید،

you just tune into publicly available social media feeds.

فقط کافیه در فید‌های عمومی رسانه‌های اجتماعی موجود عضو باشید.

So we're pulling in

اینجوری ماهانه حدود

about three billion comments a month,

سه میلیارد پیام دریافت می کنیم.

and then the magic happens.

اینجاست که شگفتی رخ میده.

You have the event structure,

شما ساختارِ اتفاق، یعنی برنامه تلویزیون رو دارید

the common ground that the words are about,

( زمینه مشترکی که کلمات

coming out of the television feeds;

و از فید های تلویزیونی بیرون میاد)

you've got the conversations

بدین ترتیب شما مکالمه هایی رو

that are about those topics;

که درباره اون موضوعات هستند مورد بررسی قرار میدهید

and through semantic analysis --

و در تحلیل اجزای معنایی

and this is actually real data you're looking at

اینها که می بینید اطلاعات واقعی اند که از

from our data processing --

پردازش داده هایمان بدست آمده.

each yellow line is showing a link being made

هر خط زرد بیانگر ارتباطیه که داره شکل میگیره.

between a comment in the wild

بین یه پیام در دنیای واقعی

and a piece of event structure coming out of the television signal.

و ساختار اتفاقی که از یک شبکه تلویزیونی حاصل شده.

And the same idea now

اینگونه یه ایده مشابه

can be built up.

می تونه ساخته بشه.

And we get this wordscape,

و ما به این نمای لغتی می رسیم،

except now words are not assembled in my living room.

منتها اینبار کلمات از محدوده اطاق من جمع آوری نشدند.

Instead, the context, the common ground activities,

در عوض بافت ، فعالیت هایی با زمینه مشترک،

are the content on television that's driving the conversations.

محتوایی از برنامه تلویزیون هستن که مکالمه ها در اونها شکل می گیرند.

And what we're seeing here, these skyscrapers now,

و اونچه اینجا شاهدش هستیم، این آسمان خراشها،

are commentary

تفاسیری هستند

that are linked to content on television.

که با بافت تلویزیون مرتبط شده اند.

Same concept,

مفهوم یکسانه

but looking at communication dynamics

اما ببینید چگونه ارتباط در محیطی

in a very different sphere.

کاملا متفاوت، فعال است.

And so fundamentally, rather than, for example,

و به طور اساسی، به جای مثلا

measuring content based on how many people are watching,

ارزیابی بافت براساس اینکه چه تعداد در حال تماشا کردنن،

this gives us the basic data

این به ما داده اصلی برای

for looking at engagement properties of content.

بررسی ویژگی های تعاملی بافت رو می ده.

And just like we can look at feedback cycles

و همونطور که می تونیم چرخه های بازخورد

and dynamics in a family,

و فعالیت های یه خانواده رو بررسی کنیم،

we can now open up the same concepts

می تونیم مفاهیم یکسانی داشته باشیم و

and look at much larger groups of people.

گروهای بزرگتری از افراد رو بررسی کنیم.

This is a subset of data from our database --

این بخشی از داده هاست--

just 50,000 out of several million --

تنها ۵۰/۰۰۰ از چندین میلیون داده--

and the social graph that connects them

و نمودار اجتماعی که اونها رو در منابع عمومی موجود

through publicly available sources.

به همدیگه مرتبط می سازه.

And if you put them on one plain,

اگه اونها رو در یه سطح قرار بدید،

a second plain is where the content lives.

سطح دوم جایی است که محتوا وجود داره.

So we have the programs

بنابراین ما برنامه ها

and the sporting events

و وقایع ورزشی

and the commercials,

و پیام های بازرگانی ،

and all of the link structures that tie them together

و تمام ساختارهای ارتباطی که اونها رو به هم گره میزنن

make a content graph.

و یه نمودار محتوایی رو می سازن رو با هم داریم.

And then the important third dimension.

و حالا سومین بعد پراهمیت.

Each of the links that you're seeing rendered here

تمام ارتباطاتی که شما در اینجا می بینید

is an actual connection made

یه ارتباط واقعی بین

between something someone said

یه چیزی که یه کسی گفته

and a piece of content.

و زمینهً اون گفته است.

And there are, again, now tens of millions of these links

و بازدوباره ، ده ها میلیون از این ارتباط ها وجود داره که به ما

that give us the connective tissue of social graphs

نمودار شبکه ارتباطی اجتماعی و اینکه اونها

and how they relate to content.

چگونه در ارتباط با محتوا هستند رو ارایه می دن.

And we can now start to probe the structure

و حالا می تونیم به روشهای جالب شروع کنیم به

in interesting ways.

کنکاش در ساختار.

So if we, for example, trace the path

برای مثال ما بخشی از محتوا

of one piece of content

که سبب میشه یه فرد مطلبی رو

that drives someone to comment on it,

درباره آن محتوا بیان کنه در نظر می گیریم،

and then we follow where that comment goes,

و بعد جاهایی که آن نظر می رود رو دنبال می کنیم،

and then look at the entire social graph that becomes activated

وحالا بینید که تمام نمودار اجتماعی فعال شده

and then trace back to see the relationship

و بعد بر می گردیم تا رابطه بین

between that social graph and content,

آن نمودار اجتماعی و محتوا رو بفهمیم ،

a very interesting structure becomes visible.

در اینجا یه ساختار بسیار جالب آشکار میشه.

We call this a co-viewing clique,

ما بهش می گیم " دسته ناظران همزمان "

a virtual living room if you will.

یا به قولی" یه اطاق نشیمن مجازی".

And there are fascinating dynamics at play.

جریان پویای بسیار حیرت آوری در جریانه.

It's not one way.

این یه طرفه نیست.

A piece of content, an event, causes someone to talk.

یه بخش از محتوا،یه اتفاق، سبب میشه تا یه نفر "صحبت کنه".

They talk to other people.

بعد اونها با دیگران صحبت می کنند.

That drives tune-in behavior back into mass media,

این باعث میشه تا رفتار شکل گرفته دوباره به رسانه های اجتماعی بر گرده،

and you have these cycles

و شما این چرخه ها رو

that drive the overall behavior.

در تمام رفتارها می بینید.

Another example -- very different --

یه مثال دیگه --کاملا متفاوت

another actual person in our database --

یه فرد واقعی دیگه در داده هایمان

and we're finding at least hundreds, if not thousands, of these.

و اگه نگم هزاران، حداقل صدها نوع از این چرخه رو می بینیم.

We've given this person a name.

ما برای این فرد یه اسم گذاشتیم.

This is a pro-amateur, or pro-am media critic

او یه "طرفدار تازه کار" ، یه منتقد رسانه ایست

who has this high fan-out rate.

که هوادارای بسیار زیادی داره.

So a lot of people are following this person -- very influential --

بنابراین افراد زیادی این فرد رو دنبال می کنند --خیلی با نفوذه

and they have a propensity to talk about what's on TV.

اونها تمایل زیادی به صحبت کردن درباره برنامه های تلویزیون دارند.

So this person is a key link

بنابراین این فرد یه ارتباط اصلی

in connecting mass media and social media together.

در برقراری ارتباط بین رسانه های گروهی و اجتماعی است.

One last example from this data:

آخرین مثال از این داده ها:

Sometimes it's actually a piece of content that is special.

یه وقتهایی درواقع یه بخشی از محتواست که خیلی خاصه.

So if we go and look at this piece of content,

بنابراین اگه به این بخش از محتوا(در این فیلم) نگاه کنید،

President Obama's State of the Union address

(سخنرانی پرزیدنت اوباما درخطاب به اتحادیه ایالات

from just a few weeks ago,

درست چند هفته پیش)

and look at what we find in this same data set,

و ببیند در این مجموعه داده های یکسان چه چیزی رو پیدا می کنیم،

at the same scale,

به میزان یکسان،

the engagement properties of this piece of content

ویژگی های تعاملی این بخش از محتوا

are truly remarkable.

بسیار قابل توجه هستند.

A nation exploding in conversation

یه ملت در گفتگو حضور دارند

in real time

در یه زمان واقعی

in response to what's on the broadcast.

در پاسخ به اونچه که از تلویزیون پخش می شه.

And of course, through all of these lines

و قطعا تمام این خط ها در حال به جریان انداختن

are flowing unstructured language.

یه زبان سازمان نیافته هستند.

We can X-ray

می تونیم با اشعه ایکس

and get a real-time pulse of a nation,

نبض یک ملت رو همزمان بگیریم،

real-time sense

همزمان واکنش اجتماعی که

of the social reactions in the different circuits in the social graph

در چرخه های مختلف نمودار اجتماعی

being activated by content.

بوسیله محتوا فعال می شود رو دریابیم.

So, to summarize, the idea is this:

به طور خلاصه، ایده اینه:

As our world becomes increasingly instrumented

هر چقدر که دنیا بیشتر به سمت ابزاری شدن پیش می ره

and we have the capabilities

ما توانایی اینو داریم

to collect and connect the dots

که نقاط بین اونچه که مردم می گویند

between what people are saying

و محتوایی که در اون صحبت میکنند رو

and the context they're saying it in,

جمع آوری کنیم و به هم مرتبط سازیم.

what's emerging is an ability

چیزی که نمایان می شه

to see new social structures and dynamics

ساختارهای اجتماعی و فعالیت های جدیدی است

that have previously not been seen.

که قبلا دیده نمی شدند.

It's like building a microscope or telescope

این درست مثل ساخت یه میکروسکوپ یا تلسکوپ است

and revealing new structures

پرده برداشتن از ساختار های جدید

about our own behavior around communication.

از رفتارمان در حوزه ارتباطات.

And I think the implications here are profound,

و به نظر من مفاهیم در اینجا بسیار عمیق هستند،

whether it's for science,

خواه برای علم باشه،

for commerce, for government,

یا برای تجارت ،یا دولت

or perhaps most of all,

و قطعا بالاتر از همه،

for us as individuals.

برای ما به عنوان افراد.

And so just to return to my son,

و برگردیم به پسرم،

when I was preparing this talk, he was looking over my shoulder,

وقتی داشتم خودم رو برای سخنرانی آماده می کردم، از روی شونه ام داشت نگاه میکرد

and I showed him the clips I was going to show to you today,

داشتم کلیپ هایی که امروز نشونتون دادم ، نشونش می دادم.

and I asked him for permission -- granted.

مطمئن باشید ازش اجازه گرفتم.

And then I went on to reflect,

و بعد بهش گفتم،

"Isn't it amazing,

"به نظرت این هیجان آور نیست،

this entire database, all these recordings,

که من می خوام تمام این اطلاعات رو،

I'm going to hand off to you and to your sister" --

همه این فیلم های ضبط شده رو، به تو و خواهرت بدم، "

who arrived two years later --

( که دوسال بعد متولد شد.)

"and you guys are going to be able to go back and re-experience moments

و شما بچه ها میتونید به گذشته برگردید و بار دیگه لحظاتی رو تجربه کنید

that you could never, with your biological memory,

که هرگز نمی تونید با حافظه بیولوژیکی تان،

possibly remember the way you can now?"

اینجوری که الان می تونید، به یاد بیارید.

And he was quiet for a moment.

برای لحظه ای ساکت موند.

And I thought, "What am I thinking?

با خودم فکردم" به چی دارم فکر می کنم؟

He's five years old. He's not going to understand this."

اون فقط پنج سالشه. نمی تونه اینها رو بفهمه."

And just as I was having that thought, he looked up at me and said,

تو همین فکرا بودم که به من نگاه کرد و گفت:

"So that when I grow up,

" پس وقتی بزرگ شدم

I can show this to my kids?"

می تونم اینو به بچه هام نشون بدم"

And I thought, "Wow, this is powerful stuff."

با خودم گفتم" واوو. اون خیلی می فهمه".

So I want to leave you

بنابراین قبل از اینکه حرفم رو تموم کنم

with one last memorable moment

شما رو با یکی از آخرین لحظات خاطره انگیز

from our family.

از خانواده ام تنها میذارم.

This is the first time our son

این اولین باریه که پسرمون

took more than two steps at once --

داره بیشتر از دو قدم بر میداره

captured on film.

فیلمش گرفته شده.

And I really want you to focus on something

ازتون میخوام رو چیزی که می بینید

as I take you through.

خوب تمرکز کنید.

It's a cluttered environment; it's natural life.

خونه ریخت و پاشه، خب یه جور زندگیه.

My mother's in the kitchen, cooking,

مامانم در آشپزخونه در حال غذا پختنه،

and, of all places, in the hallway,

و صرفنظر از جاهای دیگه، در راهرو

I realize he's about to do it, about to take more than two steps.

متوجه شدم که داره سعی میکنه راه بره.

And so you hear me encouraging him,

شما صدای منو می شنوید که دارم تشویقش می کنم و

realizing what's happening,

نشون می دم که متوجه ام چه اتفاقی داره می افته

and then the magic happens.

اینجاست که شگفتی رخ می ده.

Listen very carefully.

خوب گوش کنید

About three steps in,

حدود سه قدم

he realizes something magic is happening,

تا اون درک کنه یه چیز شگفت آور داره اتفاق می افته.

and the most amazing feedback loop of all kicks in,

و جالب تر از همه واکنشیه که در هر قدم که برمیداره نشون میده،

and he takes a breath in,

یه نفس می کشه و

and he whispers "wow"

زیر لب زمزمه کنان میگه " واوو.."

and instinctively I echo back the same.

و منم ناخودآگاهانه همونو در جواب تکرار میکنم.

And so let's fly back in time

بریم به عقب برگردیم،

to that memorable moment.

به اون لحظه خاطره انگیز.

(Video) DR: Hey.

دب روی: سلام.

Come here.

بیا اینجا

Can you do it?

می تونی انجامش بدی؟

Oh, boy.

بیا پسر

Can you do it?

می تونی انجامش بدی؟

Baby: Yeah.

بچه : آره...

DR: Ma, he's walking.

دب روی: مامان، اون داره راه می ره.

(Laughter)

(خندیدن حضار)

(Applause)

(تشویق حضار)

DR: Thank you.

متشکرم.

(Applause)

(تشویق حضار)