Ajit Narayanan: A word game to communicate in any language

Ajit Narayanan: Un jeu de mots pour communiquer dans n'importe quelle langue

114,745 views

2014-03-10 ・ TED


New videos

Ajit Narayanan: A word game to communicate in any language

Ajit Narayanan: Un jeu de mots pour communiquer dans n'importe quelle langue

114,745 views ・ 2014-03-10

TED


Veuillez double-cliquer sur les sous-titres anglais ci-dessous pour lire la vidéo.

Traducteur: Claire Ea Relecteur: Nhu PHAM
00:12
I work with children with autism.
0
12721
2670
Je travaille avec des enfants atteints d'autisme.
00:15
Specifically, I make technologies
1
15391
1914
Plus précisément, j'élabore des technologies
00:17
to help them communicate.
2
17305
2171
pour les aider à communiquer.
00:19
Now, many of the problems that children
3
19476
1539
La plupart des problèmes qu'ils confrontent
00:21
with autism face, they have a common source,
4
21015
3763
ont une source commune.
00:24
and that source is that they find it difficult
5
24778
2094
Cette source, c'est qu'ils ont des difficultés
00:26
to understand abstraction, symbolism.
6
26872
5260
à comprendre l'abstrait, les symboles.
00:32
And because of this, they have a lot of difficulty with language.
7
32132
4652
A cause de cela, ils ont beaucoup de difficultés avec le langage.
00:36
Let me tell you a little bit about why this is.
8
36784
3015
Permettez-moi de vous dire quelques mots sur les raisons.
00:39
You see that this is a picture of a bowl of soup.
9
39799
3934
Vous voyez qu'il s'agit de la photo d'un bol de soupe.
00:43
All of us can see it. All of us understand this.
10
43733
2485
Nous pouvons tous le voir. Nous le comprenons tous.
00:46
These are two other pictures of soup,
11
46218
2312
Voici deux autres images de soupe,
00:48
but you can see that these are more abstract
12
48530
2067
vous pouvez voir qu'elles sont plus abstraites,
00:50
These are not quite as concrete.
13
50597
1856
qu'elles sont moins concrètes.
00:52
And when you get to language,
14
52453
2174
Quand vous en arrivez au langage,
00:54
you see that it becomes a word
15
54627
1868
vous voyez que cela devient un mot
00:56
whose look, the way it looks and the way it sounds,
16
56495
3261
dont l'apparence,
et la façon dont il sonne,
00:59
has absolutely nothing to do with what it started with,
17
59756
2912
n'ont rien à voir avec ce par quoi on a commencé,
01:02
or what it represents, which is the bowl of soup.
18
62668
2830
ou ce qu'il représente : le bol de soupe.
01:05
So it's essentially a completely abstract,
19
65498
2900
C'est une représentation complètement abstraite,
01:08
a completely arbitrary representation of something
20
68398
2576
complètement arbitraire, de quelque chose
01:10
which is in the real world,
21
70974
1163
dans le monde réel.
01:12
and this is something that children with autism
22
72137
1791
C'est la chose avec laquelle les enfants autistes ont d'énormes difficultés.
01:13
have an incredible amount of difficulty with.
23
73928
3164
C'est pourquoi la plupart des gens travaillant avec eux
01:17
Now that's why most of the people that work with children with autism --
24
77092
2751
01:19
speech therapists, educators --
25
79843
1878
-- orthophonistes, éducateurs... --
01:21
what they do is, they try to help children with autism
26
81721
2633
ils essayent de les aider
01:24
communicate not with words, but with pictures.
27
84354
3229
à communiquer non pas avec des mots, mais avec des images.
01:27
So if a child with autism wanted to say,
28
87583
1930
Donc si un enfant autiste voulait dire :
01:29
"I want soup," that child would pick
29
89513
2458
« Je veux de la soupe » il piocherait
01:31
three different pictures, "I," "want," and "soup,"
30
91971
2260
trois images différentes : « je », « veux » et « soupe »,
01:34
and they would put these together,
31
94231
1609
et les rassemblerait,
01:35
and then the therapist or the parent would
32
95840
1867
et le thérapeute ou le parent comprendrait ainsi ce que l'enfant veut dire.
01:37
understand that this is what the kid wants to say.
33
97707
1887
01:39
And this has been incredibly effective;
34
99594
1778
Cela a été incroyablement efficace ; ces 30, 40 dernières années
01:41
for the last 30, 40 years
35
101372
2141
01:43
people have been doing this.
36
103513
1613
les gens l'ont appliqué.
01:45
In fact, a few years back,
37
105126
1349
En fait, il y a quelques années, j'ai développé une application pour iPad
01:46
I developed an app for the iPad
38
106475
2675
01:49
which does exactly this. It's called Avaz,
39
109150
2255
qui fait exactement cela. Elle s'appelle Avaz,
01:51
and the way it works is that kids select
40
111405
2279
et son principe c'est que les enfants sélectionnent différentes images.
01:53
different pictures.
41
113684
1321
01:55
These pictures are sequenced together to form sentences,
42
115005
2570
Ces images sont arrangées pour former des phrases,
01:57
and these sentences are spoken out.
43
117575
1719
prononcées à haute voix.
01:59
So Avaz is essentially converting pictures,
44
119294
3025
Donc Avaz consiste principalement à convertir des images,
02:02
it's a translator, it converts pictures into speech.
45
122319
3960
c'est un traducteur, qui convertit les images en langage.
02:06
Now, this was very effective.
46
126279
1718
Ça a bien marché.
02:07
There are thousands of children using this,
47
127997
1384
Des milliers d'enfants l'utilisent partout dans le monde,
02:09
you know, all over the world,
48
129381
1430
02:10
and I started thinking about
49
130811
2175
et j'ai commencé à réfléchir
02:12
what it does and what it doesn't do.
50
132986
2654
à ce qu'elle fait et ce qu'elle ne fait pas.
02:15
And I realized something interesting:
51
135640
1684
J'ai réalisé quelque chose d'intéressant :
02:17
Avaz helps children with autism learn words.
52
137324
4203
Avaz aide les enfants autistes à apprendre des mots.
02:21
What it doesn't help them do is to learn
53
141527
2405
Ce qu'elle ne leur permet pas d'apprendre,
02:23
word patterns.
54
143932
2748
ce sont les tournures de phrase.
02:26
Let me explain this in a little more detail.
55
146680
2472
Laissez-moi l'expliquer un peu plus en détails.
02:29
Take this sentence: "I want soup tonight."
56
149152
3057
Prenez la phrase : « Je veux de la soupe ce soir. »
02:32
Now it's not just the words here that convey the meaning.
57
152209
4080
Ce ne sont pas que les mots qui donnent le sens.
02:36
It's also the way in which these words are arranged,
58
156289
3140
C'est aussi la façon dont ces mots sont ordonnés,
02:39
the way these words are modified and arranged.
59
159429
2515
la façon dont ces mots sont modifiés et ordonnés.
02:41
And that's why a sentence like "I want soup tonight"
60
161959
2306
C'est pourquoi une phrase comme « Je veux de la soupe ce soir »
02:44
is different from a sentence like
61
164265
1984
est différente d'une phrase comme
02:46
"Soup want I tonight," which is completely meaningless.
62
166249
3312
« Soupe veux je ce soir » qui n'a absolument aucun sens.
02:49
So there is another hidden abstraction here
63
169561
2619
Il y a donc une autre abstraction cachée ici,
02:52
which children with autism find a lot of difficulty coping with,
64
172180
3557
à laquelle les enfants autistes ont du mal à faire face,
02:55
and that's the fact that you can modify words
65
175737
2840
et c'est le fait que vous pouvez modifier les mots,
02:58
and you can arrange them to have
66
178577
2101
les ordonner pour obtenir des sens différents, communiquer différentes idées.
03:00
different meanings, to convey different ideas.
67
180678
2895
03:03
Now, this is what we call grammar.
68
183573
3459
C'est ce qu'on appelle la grammaire.
03:07
And grammar is incredibly powerful,
69
187032
2036
Et la grammaire est un outil très puissant,
03:09
because grammar is this one component of language
70
189068
3157
car elle est un composant du langage
03:12
which takes this finite vocabulary that all of us have
71
192225
3489
qui prend ce vocabulaire limité que nous avons tous
03:15
and allows us to convey an infinite amount of information,
72
195714
4531
et nous permet de communiquer un nombre infini d'informations,
03:20
an infinite amount of ideas.
73
200245
2134
un nombre infini d'idées.
C'est le moyen qui permet d'assembler des choses
03:22
It's the way in which you can put things together
74
202379
2002
03:24
in order to convey anything you want to.
75
204381
2168
afin de communiquer tout ce que vous voulez.
03:26
And so after I developed Avaz,
76
206549
2127
Donc, après avoir développé Avaz,
03:28
I worried for a very long time
77
208676
1568
je me suis longtemps demandé
03:30
about how I could give grammar to children with autism.
78
210244
3910
comment je pouvais apporter la grammaire aux enfants autistes.
03:34
The solution came to me from a very interesting perspective.
79
214154
2275
La solution m'est venue sous un angle très intéressant.
03:36
I happened to chance upon a child with autism
80
216429
3449
Je suis tombé par hasard sur un enfant autiste
03:39
conversing with her mom,
81
219878
2109
discutant avec sa maman,
03:41
and this is what happened.
82
221987
2094
et voilà ce qui s'est produit.
Complètement à l'improviste, très spontanément,
03:44
Completely out of the blue, very spontaneously,
83
224081
2186
03:46
the child got up and said, "Eat."
84
226267
2463
l'enfant s'est levé et a dit : « manger ».
03:48
Now what was interesting was
85
228730
1770
Ce qui était intéressant c'était
03:50
the way in which the mom was trying to tease out
86
230500
4244
la façon dont la maman essayait de démêler
03:54
the meaning of what the child wanted to say
87
234744
2213
le sens de ce que l'enfant tentait d'exprimer,
03:56
by talking to her in questions.
88
236957
2260
en lui posant des questions.
Elle a demandé : « Manger quoi ? Tu veux manger de la glace ?
03:59
So she asked, "Eat what? Do you want to eat ice cream?
89
239217
2593
04:01
You want to eat? Somebody else wants to eat?
90
241810
2112
Tu veux manger ? Quelqu'un d'autre veut manger ?
04:03
You want to eat cream now? You want to eat ice cream in the evening?"
91
243922
3313
Tu veux de la glace maintenant ? Tu veux de la glace ce soir ? »
04:07
And then it struck me that
92
247235
1514
Et là, j'ai réalisé que la mère avait fait quelque chose d'incroyable.
04:08
what the mother had done was something incredible.
93
248749
2028
04:10
She had been able to get that child to communicate
94
250777
1994
Elle avait pu amener son enfant à lui communiquer une idée sans grammaire.
04:12
an idea to her without grammar.
95
252771
4138
04:16
And it struck me that maybe this is what
96
256909
2696
J'ai réalisé que c'était peut-être ce que je cherchais.
04:19
I was looking for.
97
259605
1385
04:20
Instead of arranging words in an order, in sequence,
98
260990
4142
Au lieu d'arranger les mots dans un ordre, séquencés,
04:25
as a sentence, you arrange them
99
265132
2172
comme une phrase, vous les arrangez
04:27
in this map, where they're all linked together
100
267304
3811
selon un plan, tous reliés entre eux,
04:31
not by placing them one after the other
101
271115
2143
sans les placer les uns après les autres
04:33
but in questions, in question-answer pairs.
102
273258
3284
mais sous forme de questions, dans des paires question-réponse.
04:36
And so if you do this, then what you're conveying
103
276542
2358
Si vous le faites, ce que vous communiquez
04:38
is not a sentence in English,
104
278900
1986
n'est pas une phrase en anglais,
04:40
but what you're conveying is really a meaning,
105
280886
2966
mais un sens, le sens d'une phrase en anglais.
04:43
the meaning of a sentence in English.
106
283852
1511
04:45
Now, meaning is really the underbelly, in some sense, of language.
107
285363
2932
Le sens est, d'une certaine façon, la face cachée du langage,
04:48
It's what comes after thought but before language.
108
288295
3821
ce qui vient après la pensée mais avant le langage.
04:52
And the idea was that this particular representation
109
292116
2503
Et l'idée c'est que cette représentation particulière
04:54
might convey meaning in its raw form.
110
294619
3261
pourrait communiquer le sens sous sa forme brute.
04:57
So I was very excited by this, you know,
111
297880
1771
Donc j'étais très excité par cela,
04:59
hopping around all over the place,
112
299651
1493
sautillant partout,
05:01
trying to figure out if I can convert
113
301144
1771
essayant de voir si je pouvais convertir
05:02
all possible sentences that I hear into this.
114
302915
2524
toutes les phrases possibles que j'entendais avec ceci.
05:05
And I found that this is not enough.
115
305439
1773
Je me suis rendu compte que ce n'était pas suffisant. Pourquoi ?
05:07
Why is this not enough?
116
307212
1385
05:08
This is not enough because if you wanted to convey
117
308597
1711
Parce que si vous voulez communiquer quelque chose comme une négation,
05:10
something like negation,
118
310308
2250
05:12
you want to say, "I don't want soup,"
119
312558
1736
si vous voulez dire « Je ne veux pas de soupe »,
05:14
then you can't do that by asking a question.
120
314294
2220
vous ne le dites pas en posant une question
05:16
You do that by changing the word "want."
121
316514
2285
mais en changeant le mot « veux ».
05:18
Again, if you wanted to say,
122
318799
1637
Pareil, si vous voulez dire :
05:20
"I wanted soup yesterday,"
123
320436
1980
« Je voulais de la soupe hier »,
05:22
you do that by converting the word "want" into "wanted."
124
322416
2737
vous le faites en convertissant le mot « veux » par « voulais »
05:25
It's a past tense.
125
325153
1666
C'est du passé.
05:26
So this is a flourish which I added
126
326819
2103
Donc c'est un plus que j'ai ajouté
05:28
to make the system complete.
127
328922
1576
pour rendre le système complet.
05:30
This is a map of words joined together
128
330498
1977
C'est une carte de mots reliés entre eux
05:32
as questions and answers,
129
332475
1656
dans un modèle de question-réponse, avec ces filtres appliqués au-dessus
05:34
and with these filters applied on top of them
130
334131
2264
05:36
in order to modify them to represent
131
336395
1817
afin de les modifier pour représenter certaines nuances.
05:38
certain nuances.
132
338212
1709
05:39
Let me show you this with a different example.
133
339921
1951
Laissez-moi vous le montrer avec quelques exemples.
05:41
Let's take this sentence:
134
341872
1254
Prenons cette phrase :
05:43
"I told the carpenter I could not pay him."
135
343126
1980
« J'ai dit au charpentier que je ne pouvais pas le payer. »
05:45
It's a fairly complicated sentence.
136
345106
1792
C'est assez compliqué.
05:46
The way that this particular system works,
137
346898
1893
La façon dont ce système fonctionne,
05:48
you can start with any part of this sentence.
138
348791
2578
fait que l'on peut commencer la phrase par n'importe quel bout.
05:51
I'm going to start with the word "tell."
139
351369
1698
Je vais commencer avec le mot « dire ». Voici le mot « dire »,
05:53
So this is the word "tell."
140
353067
1462
05:54
Now this happened in the past,
141
354529
1600
Ceci est arrivé dans le passé, donc je vais le transformer en « a dit »
05:56
so I'm going to make that "told."
142
356129
2223
05:58
Now, what I'm going to do is,
143
358352
1708
À partir de là,
06:00
I'm going to ask questions.
144
360060
1756
je vais poser des questions.
06:01
So, who told? I told.
145
361816
2364
Qui a dit ? Je l'ai dit.
06:04
I told whom? I told the carpenter.
146
364180
1927
A qui ? Au charpentier.
06:06
Now we start with a different part of the sentence.
147
366107
1751
Maintenant, on commence par un autre bout, avec le mot « payer »,
06:07
We start with the word "pay,"
148
367858
1867
06:09
and we add the ability filter to it to make it "can pay."
149
369725
4577
on ajoute le filtre correspondant pour le transformer en « peux payer »,
06:14
Then we make it "can't pay,"
150
374302
2101
puis, en « ne peux pas payer »,
06:16
and we can make it "couldn't pay"
151
376403
1599
et « ne pouvais pas payer »,
06:18
by making it the past tense.
152
378002
1663
en le conjuguant au passé.
06:19
So who couldn't pay? I couldn't pay.
153
379665
1923
Qui ne pouvait pas payer ? Je ne pouvais pas payer.
06:21
Couldn't pay whom? I couldn't pay the carpenter.
154
381588
2676
Ne pouvais pas payer qui ? Je ne pouvais pas payer le charpentier.
06:24
And then you join these two together
155
384264
1731
Puis vous joignez ces deux bouts en posant cette question :
06:25
by asking this question:
156
385995
1350
06:27
What did I tell the carpenter?
157
387345
1737
Qu'est-ce que j'ai dit au charpentier ?
06:29
I told the carpenter I could not pay him.
158
389082
4049
J'ai dit au charpentier que je ne pouvais pas le payer.
06:33
Now think about this. This is
159
393131
1937
Réfléchissez-y. C'est -
06:35
—(Applause)—
160
395068
3542
-- (Applaudissements) --
06:38
this is a representation of this sentence
161
398610
3672
c'est une représentation de cette phrase
06:42
without language.
162
402282
2435
sans langage.
06:44
And there are two or three interesting things about this.
163
404717
2192
Il y a deux ou trois choses intéressantes à ce propos.
06:46
First of all, I could have started anywhere.
164
406909
3131
D'abord, j'aurais pu commencer dans n'importe quel sens,
06:50
I didn't have to start with the word "tell."
165
410040
2243
pas forcément avec le mot « dire »,
06:52
I could have started anywhere in the sentence,
166
412283
1416
et faire tout ce processus.
06:53
and I could have made this entire thing.
167
413699
1507
06:55
The second thing is, if I wasn't an English speaker,
168
415206
2776
La seconde chose est que si je ne parlais pas anglais,
06:57
if I was speaking in some other language,
169
417982
2175
mais une autre langue,
cette carte serait vraie pour n'importe quelle langue.
07:00
this map would actually hold true in any language.
170
420157
3156
07:03
So long as the questions are standardized,
171
423313
1990
Tant que les questions sont standardisées, la carte est indépendante de la langue.
07:05
the map is actually independent of language.
172
425303
4287
07:09
So I call this FreeSpeech,
173
429590
2115
Donc j'ai appelé cela le « FreeSpeech »
07:11
and I was playing with this for many, many months.
174
431705
2935
et j'ai joué avec ceci pendant plusieurs mois.
07:14
I was trying out so many different combinations of this.
175
434640
2726
J'essayais plein de combinaisons différentes.
07:17
And then I noticed something very interesting about FreeSpeech.
176
437366
2289
J'ai remarqué quelque chose de très intéressant avec ceci.
07:19
I was trying to convert language,
177
439655
3243
J'essayais de convertir le langage,
07:22
convert sentences in English into sentences in FreeSpeech,
178
442898
2384
des phrases en anglais en « FreeSpeech »,
07:25
and vice versa, and back and forth.
179
445282
1752
et vice versa, dans les deux sens.
07:27
And I realized that this particular configuration,
180
447034
2255
J'ai réalisé que cette configuration particulière de représenter le langage,
07:29
this particular way of representing language,
181
449289
2026
07:31
it allowed me to actually create very concise rules
182
451315
4395
m'a permis de créer des règles très concises
07:35
that go between FreeSpeech on one side
183
455710
2734
entre le « FreeSpeech » d'un côté et l'anglais de l'autre.
07:38
and English on the other.
184
458444
1488
07:39
So I could actually write this set of rules
185
459932
2180
Je pouvais écrire cet ensemble de règles
07:42
that translates from this particular representation into English.
186
462112
3395
qui se traduit de cette représentation particulière à l'anglais.
07:45
And so I developed this thing.
187
465507
1831
J'ai donc développé ce principe. J'ai développé la Machine FreeSpeech
07:47
I developed this thing called the FreeSpeech Engine
188
467338
2232
07:49
which takes any FreeSpeech sentence as the input
189
469570
2561
qui prend n'importe quelle phrase en FreeSpeech
07:52
and gives out perfectly grammatical English text.
190
472131
3930
et donne une phrase en un anglais parfaitement correct en grammaire.
07:56
And by putting these two pieces together,
191
476061
1605
En assemblant ces deux morceaux, la représentation et la machine,
07:57
the representation and the engine,
192
477666
1881
07:59
I was able to create an app, a technology for children with autism,
193
479547
3796
j'ai été capable de créer une application, une technologie pour les enfants autistes,
08:03
that not only gives them words
194
483343
2499
qui leur donne non seulement des mots mais aussi la grammaire.
08:05
but also gives them grammar.
195
485842
3941
08:09
So I tried this out with kids with autism,
196
489783
2360
J'ai donc essayé cela avec des enfants autistes,
08:12
and I found that there was an incredible amount of identification.
197
492143
5013
et j'ai découvert une quantité incroyable d'identifications.
08:17
They were able to create sentences in FreeSpeech
198
497156
2720
Ils étaient capables de créer une phrase en FreeSpeech
08:19
which were much more complicated but much more effective
199
499876
2558
beaucoup plus compliquée,
mais beaucoup plus efficace
08:22
than equivalent sentences in English,
200
502434
2899
que les équivalentes en anglais.
08:25
and I started thinking about
201
505333
1682
J'ai commencé à me demander
08:27
why that might be the case.
202
507015
1969
pourquoi.
08:28
And I had an idea, and I want to talk to you about this idea next.
203
508984
4287
Et j'ai eu une idée, et c'est de ça dont je veux parler ensuite.
08:33
In about 1997, about 15 years back,
204
513271
3142
Vers 1997, il y a environ 15 ans,
08:36
there were a group of scientists that were trying
205
516413
2011
un groupe de scientifiques essayait
08:38
to understand how the brain processes language,
206
518424
2389
de comprendre comment le cerveau traite le langage,
08:40
and they found something very interesting.
207
520813
1779
ils ont trouvé quelque chose d'intéressant, que lorsque vous apprenez une langue
08:42
They found that when you learn a language
208
522592
1872
08:44
as a child, as a two-year-old,
209
524464
2912
enfant, à deux ans, vous l'apprenez avec une certaine partie de votre cerveau,
08:47
you learn it with a certain part of your brain,
210
527376
2366
08:49
and when you learn a language as an adult --
211
529742
1600
quand vous l'apprenez adulte --
08:51
for example, if I wanted to learn Japanese right now —
212
531342
3911
par exemple, si je voulais apprendre le japonais tout de suite --
08:55
a completely different part of my brain is used.
213
535253
2707
une partie complètement différente de mon cerveau est utilisée.
08:57
Now I don't know why that's the case,
214
537960
1831
Je ne sais pas pourquoi c'est comme ça, mais je suppose que c'est parce que
08:59
but my guess is that that's because
215
539791
1991
09:01
when you learn a language as an adult,
216
541782
2437
lorsque vous apprenez une langue adulte,
09:04
you almost invariably learn it
217
544219
1616
vous l'apprenez invariablement
09:05
through your native language, or through your first language.
218
545835
4266
à travers votre langue maternelle, ou à travers votre première langue.
09:10
So what's interesting about FreeSpeech
219
550101
3252
Donc ce qui est intéressant avec le FreeSpeech,
09:13
is that when you create a sentence
220
553353
1802
c'est que lorsque vous créez une phrase ou du langage,
09:15
or when you create language,
221
555155
1695
09:16
a child with autism creates language with FreeSpeech,
222
556850
3070
un enfant autiste créant du langage avec le FreeSpeech,
09:19
they're not using this support language,
223
559920
1833
n'utilise pas de support de langue, ni ce pont entre les langues.
09:21
they're not using this bridge language.
224
561753
2211
09:23
They're directly constructing the sentence.
225
563964
2657
Il construit directement une phrase.
09:26
And so this gave me this idea.
226
566621
2193
Donc cela m'a donné une idée.
09:28
Is it possible to use FreeSpeech
227
568814
2024
Est-il possible d'utiliser le FreeSpeech,
09:30
not for children with autism
228
570838
2510
non seulement pour les enfants autistes,
09:33
but to teach language to people without disabilities?
229
573348
6262
mais aussi pour enseigner les langues aux gens sans handicap ?
09:39
And so I tried a number of experiments.
230
579610
1978
Donc j'ai tenté un certain nombre d'expériences.
09:41
The first thing I did was I built a jigsaw puzzle
231
581588
2948
La première chose que j'ai faite a été de construire un puzzle
09:44
in which these questions and answers
232
584536
1970
dans lequel ces questions et réponses sont codées en formes, en couleurs,
09:46
are coded in the form of shapes,
233
586506
1835
09:48
in the form of colors,
234
588341
1138
09:49
and you have people putting these together
235
589479
1849
les gens les mettent en commun, essaient de comprendre comment ça fonctionne.
09:51
and trying to understand how this works.
236
591328
1773
09:53
And I built an app out of it, a game out of it,
237
593101
2376
J'ai élaboré une application, un jeu avec lequel
09:55
in which children can play with words
238
595477
2661
les enfants peuvent jouer avec les mots
09:58
and with a reinforcement,
239
598138
1704
avec un renforcement auditif de structures visuelles,
09:59
a sound reinforcement of visual structures,
240
599842
2585
10:02
they're able to learn language.
241
602427
2013
ils sont capables d'apprendre le langage.
10:04
And this, this has a lot of potential, a lot of promise,
242
604440
2736
Cela a beaucoup de potentiel, c'est très prometteur,
10:07
and the government of India recently
243
607176
1975
le gouvernement indien a récemment autorisé cette technologie,
10:09
licensed this technology from us,
244
609151
1404
10:10
and they're going to try it out with millions of different children
245
610555
2074
ils vont l'essayer avec des millions d'enfants différents
10:12
trying to teach them English.
246
612629
2605
pour leur apprendre l'anglais.
10:15
And the dream, the hope, the vision, really,
247
615234
2614
Et le rêve, l'espoir, la vision
10:17
is that when they learn English this way,
248
617848
3082
est que lorsqu'ils apprennent l'anglais de cette façon,
10:20
they learn it with the same proficiency
249
620930
2643
ils l'apprennent avec la même compétence
10:23
as their mother tongue.
250
623573
3718
que leur langue maternelle.
10:27
All right, let's talk about something else.
251
627291
3816
Très bien, parlons de quelque chose d'autre.
10:31
Let's talk about speech.
252
631107
1997
Parlons de la parole.
10:33
This is speech.
253
633104
1271
Ceci est la parole.
10:34
So speech is the primary mode of communication
254
634375
1962
La parole est le premier mode de communication délivré entre nous tous.
10:36
delivered between all of us.
255
636337
1613
10:37
Now what's interesting about speech is that
256
637950
1855
Ce qu'il y a d'intéressant avec la parole,
10:39
speech is one-dimensional.
257
639805
1245
c'est qu'elle est unidimensionnelle. Pourquoi ?
10:41
Why is it one-dimensional?
258
641050
1359
10:42
It's one-dimensional because it's sound.
259
642409
1568
Parce que c'est du son.
10:43
It's also one-dimensional because
260
643977
1539
Parce que nos bouches sont faites de cette manière.
10:45
our mouths are built that way.
261
645516
1205
10:46
Our mouths are built to create one-dimensional sound.
262
646721
3512
Nos bouches sont faites pour créer un son unidimensionnel.
10:50
But if you think about the brain,
263
650233
2866
Mais si vous pensez au cerveau, les pensées que nous avons dans nos têtes
10:53
the thoughts that we have in our heads
264
653099
1764
10:54
are not one-dimensional.
265
654863
2102
ne sont pas unidimensionnelles.
10:56
I mean, we have these rich,
266
656965
1459
C'est-à-dire que nous avons ces idées riches, compliquées, multidimensionnelles.
10:58
complicated, multi-dimensional ideas.
267
658424
3028
11:01
Now, it seems to me that language
268
661452
1690
Il me semble que le langage
11:03
is really the brain's invention
269
663142
2332
est vraiment une invention du cerveau
11:05
to convert this rich, multi-dimensional thought
270
665474
3096
pour convertir cette pensée riche, multidimensionnelle
11:08
on one hand
271
668570
1587
d'une part,
11:10
into speech on the other hand.
272
670157
1923
en parole d'autre part.
11:12
Now what's interesting is that
273
672080
1762
Ce qui est intéressant est que
11:13
we do a lot of work in information nowadays,
274
673842
2568
l'on travaille beaucoup avec l'information de nos jours,
11:16
and almost all of that is done in the language domain.
275
676410
3079
presque tout cela est fait dans le domaine du langage.
11:19
Take Google, for example.
276
679489
1939
Prenez Google, par exemple.
11:21
Google trawls all these countless billions of websites,
277
681428
2677
Google brasse ces innombrables milliards de sites web,
11:24
all of which are in English, and when you want to use Google,
278
684105
2725
tous sont en anglais, quand vous utilisez Google,
11:26
you go into Google search, and you type in English,
279
686830
2450
vous allez sur Google, vous tapez en anglais,
11:29
and it matches the English with the English.
280
689280
4163
et il fait correspondre l'anglais avec l'anglais.
11:33
What if we could do this in FreeSpeech instead?
281
693443
3583
Si on le faisait plutôt avec FreeSpeech ?
11:37
I have a suspicion that if we did this,
282
697026
2301
Je suspecte que si nous le faisions,
on trouverait que les algorithmes comme « rechercher »,
11:39
we'd find that algorithms like searching,
283
699327
2068
11:41
like retrieval, all of these things,
284
701395
2325
comme l'extraction, toutes ces choses,
11:43
are much simpler and also more effective,
285
703720
3075
seraient plus simples et aussi plus efficaces,
11:46
because they don't process the data structure of speech.
286
706795
4417
parce qu'ils ne traitent pas la structure des données de la parole.
11:51
Instead they're processing the data structure of thought.
287
711212
5976
En revanche, ils traitent la structure des données de la pensée.
11:57
The data structure of thought.
288
717188
2808
La structure des données de la pensée.
11:59
That's a provocative idea.
289
719996
2076
C'est une idée provocante.
12:02
But let's look at this in a little more detail.
290
722072
2142
Mais regardons-la plus en détails.
12:04
So this is the FreeSpeech ecosystem.
291
724214
2366
Ceci est l'écosystème « FreeSpeech ».
12:06
We have the Free Speech representation on one side,
292
726580
2884
On a la représentation de « FreeSpeech » d'une part,
12:09
and we have the FreeSpeech Engine, which generates English.
293
729464
2228
et la machine « FreeSpeech », qui génère l'anglais.
12:11
Now if you think about it,
294
731694
1725
Si vous y réfléchissez,
12:13
FreeSpeech, I told you, is completely language-independent.
295
733419
2544
« FreeSpeech » est complètement indépendant du langage.
12:15
It doesn't have any specific information in it
296
735963
2087
Il ne contient aucune information spécifique en anglais.
12:18
which is about English.
297
738050
1228
12:19
So everything that this system knows about English
298
739278
2800
Tout ce que ce système sait à propos de l'anglais
12:22
is actually encoded into the engine.
299
742078
4620
est en fait codé dans l'application.
12:26
That's a pretty interesting concept in itself.
300
746698
2237
C'est un concept assez intéressant.
12:28
You've encoded an entire human language
301
748935
3604
On encode l'ensemble d'un langage humain
12:32
into a software program.
302
752539
2645
dans le programme d'un logiciel.
12:35
But if you look at what's inside the engine,
303
755184
2531
Mais si vous regardez à l'intérieur de cette machine,
12:37
it's actually not very complicated.
304
757715
2358
en fait, ce n'est pas très compliqué.
12:40
It's not very complicated code.
305
760073
2105
Ce n'est pas un code très compliqué.
12:42
And what's more interesting is the fact that
306
762178
2672
Ce qui est encore plus intéressant est le fait que
12:44
the vast majority of the code in that engine
307
764850
2203
la plus grande majorité du code dans cette machine
12:47
is not really English-specific.
308
767053
2412
n'est pas vraiment spécifique à l'anglais.
12:49
And that gives this interesting idea.
309
769465
1895
Cela donne cette idée intéressante. Il serait très facile pour nous
12:51
It might be very easy for us to actually
310
771360
2038
12:53
create these engines in many, many different languages,
311
773398
3826
de créer ces machines dans pleins pleins de langues différentes,
12:57
in Hindi, in French, in German, in Swahili.
312
777224
6354
en Hindi, en Français, en Allemand, en Swahili.
13:03
And that gives another interesting idea.
313
783578
2799
Cela donne une autre idée intéressante.
13:06
For example, supposing I was a writer,
314
786377
2654
Par exemple, en supposant que je sois écrivain
13:09
say, for a newspaper or for a magazine.
315
789031
2122
disons, pour un journal ou un magazine.
13:11
I could create content in one language, FreeSpeech,
316
791153
5011
Je pourrais créer un contenu en un seul langage : « FreeSpeech ».
13:16
and the person who's consuming that content,
317
796164
2056
Et la personne qui achète le contenu,
13:18
the person who's reading that particular information
318
798220
3061
qui lit cette information particulière,
13:21
could choose any engine,
319
801281
2495
pourrait choisir n'importe quelle machine,
13:23
and they could read it in their own mother tongue,
320
803776
2736
et le lire dans sa langue maternelle,
13:26
in their native language.
321
806512
3939
dans sa langue d'origine.
13:30
I mean, this is an incredibly attractive idea,
322
810451
2722
C'est une idée incroyablement tentante,
13:33
especially for India.
323
813173
1999
surtout pour l'Inde.
13:35
We have so many different languages.
324
815172
1690
Nous avons tant de langues.
13:36
There's a song about India, and there's a description
325
816862
2142
Il y a une chanson sur l'Inde, où il y a une description du pays comme,
13:39
of the country as, it says,
326
819004
2344
13:41
(in Sanskrit).
327
821348
2360
ça dit, (en Sanskrit)
13:43
That means "ever-smiling speaker
328
823708
2773
Cela signifie « toujours souriant parleur de beaux langages ».
13:46
of beautiful languages."
329
826481
4519
13:51
Language is beautiful.
330
831000
1964
Le langage est magnifique.
13:52
I think it's the most beautiful of human creations.
331
832964
2454
Je pense que c'est la plus belle création humaine,
13:55
I think it's the loveliest thing that our brains have invented.
332
835418
3978
la chose la plus charmante que notre cerveau ait inventée.
13:59
It entertains, it educates, it enlightens,
333
839396
3584
Il divertit, il éduque, il illumine,
14:02
but what I like the most about language
334
842980
2044
mais ce que j'aime le plus avec le langage
14:05
is that it empowers.
335
845024
1500
c'est qu'il donne du pouvoir.
14:06
I want to leave you with this.
336
846524
1838
Je veux vous quitter avec cela.
14:08
This is a photograph of my collaborators,
337
848362
2385
C'est une photo de mes collègues, mes premiers collègues
14:10
my earliest collaborators
338
850747
997
14:11
when I started working on language
339
851744
1462
quand j'ai commencé à travailler sur le langage, l'autisme et autres choses.
14:13
and autism and various other things.
340
853206
1502
14:14
The girl's name is Pavna,
341
854708
1417
La fille s'appelle Pavna, et voici sa mère, Kalpana.
14:16
and that's her mother, Kalpana.
342
856125
1902
14:18
And Pavna's an entrepreneur,
343
858027
2138
Pavna est une femme d'affaires,
son histoire est beaucoup plus remarquable que la mienne,
14:20
but her story is much more remarkable than mine,
344
860165
2371
14:22
because Pavna is about 23.
345
862536
2400
car elle a environ 23 ans.
14:24
She has quadriplegic cerebral palsy,
346
864936
2552
Elle a une paralysie cérébrale tétraplégique,
14:27
so ever since she was born,
347
867488
1640
donc depuis sa naissance,
14:29
she could neither move nor talk.
348
869128
3600
elle n'a jamais pu bouger ni parler.
14:32
And everything that she's accomplished so far,
349
872728
2403
Tout ce qu'elle a accompli jusqu'à maintenant,
14:35
finishing school, going to college,
350
875131
2227
finir l'école, aller à l'université,
14:37
starting a company,
351
877358
1416
démarrer une entreprise,
14:38
collaborating with me to develop Avaz,
352
878774
2140
collaborer avec moi pour développer Avaz,
14:40
all of these things she's done
353
880914
1892
toutes ces choses qu'elle a faites
14:42
with nothing more than moving her eyes.
354
882806
5523
avec rien de plus que bouger ses yeux.
14:48
Daniel Webster said this:
355
888329
2689
Daniel Webster a dit ceci :
14:51
He said, "If all of my possessions were taken
356
891018
2940
« Si tous mes biens m'étaient pris
14:53
from me with one exception,
357
893958
2988
à une exception près,
14:56
I would choose to keep the power of communication,
358
896946
2981
je choisirais de garder le pouvoir de communiquer
14:59
for with it, I would regain all the rest."
359
899927
3903
avec ceci, je pourrais retrouver tout le reste. »
15:03
And that's why, of all of these incredible applications of FreeSpeech,
360
903830
5116
C'est pourquoi, de toutes ces applications incroyables de « FreeSpeech »,
15:08
the one that's closest to my heart
361
908946
2080
celle qui est la plus chère à mon cœur,
15:11
still remains the ability for this
362
911026
2068
est celle qui laisse encore la possibilité
15:13
to empower children with disabilities
363
913094
2380
de redonner aux enfants handicapés
15:15
to be able to communicate,
364
915474
1773
la capacité de communiquer,
15:17
the power of communication,
365
917247
1789
le pouvoir de la communication,
15:19
to get back all the rest.
366
919036
2240
pour récupérer tout le reste.
15:21
Thank you.
367
921276
1397
Merci.
15:22
(Applause)
368
922673
1332
(Applaudissements)
15:24
Thank you. (Applause)
369
924005
4199
Merci. (Applaudissements)
15:28
Thank you. Thank you. Thank you. (Applause)
370
928204
5323
Merci. Merci. Merci. (Applaudissements)
15:33
Thank you. Thank you. Thank you. (Applause)
371
933527
4000
Merci. Merci. Merci. (Applaudissements)
À propos de ce site Web

Ce site vous présentera des vidéos YouTube utiles pour apprendre l'anglais. Vous verrez des leçons d'anglais dispensées par des professeurs de premier ordre du monde entier. Double-cliquez sur les sous-titres anglais affichés sur chaque page de vidéo pour lire la vidéo à partir de là. Les sous-titres défilent en synchronisation avec la lecture de la vidéo. Si vous avez des commentaires ou des demandes, veuillez nous contacter en utilisant ce formulaire de contact.

https://forms.gle/WvT1wiN1qDtmnspy7