Your words may predict your future mental health | Mariano Sigman

802,510 views ・ 2016-06-16

TED


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

Traducteur: François Girod Relecteur: Morgane Quilfen
00:13
We have historical records that allow us to know how the ancient Greeks dressed,
0
13006
5150
Des preuves historiques nous permettent de connaître les vêtements des Grecs anciens,
00:18
how they lived,
1
18180
1254
leur manière de vivre,
00:19
how they fought ...
2
19458
1522
leur façon de combattre,
00:21
but how did they think?
3
21004
1524
mais comment pensaient-ils ?
00:23
One natural idea is that the deepest aspects of human thought --
4
23432
4440
C'est un lieu commun de penser
que les aspects les plus profonds de la pensée --
00:27
our ability to imagine,
5
27896
1872
nos capacités à imaginer,
00:29
to be conscious,
6
29792
1397
à être conscient,
00:31
to dream --
7
31213
1231
à rêver --
00:32
have always been the same.
8
32468
1619
ont toujours été les mêmes.
00:34
Another possibility
9
34872
1499
Une autre possibilité
00:36
is that the social transformations that have shaped our culture
10
36395
3723
est que les transformations sociales qui ont façonné notre culture
00:40
may have also changed the structural columns of human thought.
11
40142
3785
peuvent aussi avoir changé la structure même de la pensée humaine.
00:44
We may all have different opinions about this.
12
44911
2524
Nous pouvons tous avoir un avis différent à ce sujet.
00:47
Actually, it's a long-standing philosophical debate.
13
47459
2717
En fait, c'est un débat philosophique de longue date.
00:50
But is this question even amenable to science?
14
50644
2727
Mais peut-on poser cette question à la science ?
00:54
Here I'd like to propose
15
54834
2506
Je voudrais vous proposer d'avoir
00:57
that in the same way we can reconstruct how the ancient Greek cities looked
16
57364
4772
une approche similaire à la reconstruction de la forme des anciennes villes grecques
01:02
just based on a few bricks,
17
62160
2388
en se basant sur quelques briques,
01:04
that the writings of a culture are the archaeological records,
18
64572
4126
et considérer les écrits comme des indices archéologiques,
01:08
the fossils, of human thought.
19
68722
2143
des fossiles, de la pensée humaine.
01:11
And in fact,
20
71905
1174
Et en fait,
01:13
doing some form of psychological analysis
21
73103
2206
par une sorte d'analyse psychologique
01:15
of some of the most ancient books of human culture,
22
75333
3544
de quelques-uns des plus anciens livres de la culture humaine,
01:18
Julian Jaynes came up in the '70s with a very wild and radical hypothesis:
23
78901
5955
Julian Jaynes formula dans les années 70 une hypothèse assez folle et radicale :
01:24
that only 3,000 years ago,
24
84880
2413
qu'il y a seulement 3 000 ans,
01:27
humans were what today we would call schizophrenics.
25
87317
4888
les humains étaient ce que nous appelons maintenant des schizophrènes.
01:33
And he made this claim
26
93753
1508
Et il base son allégation
01:35
based on the fact that the first humans described in these books
27
95285
3301
sur le fait que les premiers humains décrits dans ces livres
01:38
behaved consistently,
28
98610
1904
se comportent toujours,
01:40
in different traditions and in different places of the world,
29
100538
3016
dans des traditions et des lieux différents,
01:43
as if they were hearing and obeying voices
30
103578
3532
comme s'ils entendaient des voix et leur obéissaient,
01:47
that they perceived as coming from the Gods,
31
107134
3040
car ils les percevaient comme venant des dieux,
01:50
or from the muses ...
32
110198
1198
ou des muses...
01:52
what today we would call hallucinations.
33
112063
2769
Ce que nous appelons aujourd'hui des hallucinations.
01:55
And only then, as time went on,
34
115888
2626
Et ce n'est que plus tard, le temps passant,
01:58
they began to recognize that they were the creators,
35
118538
3651
qu'il commencèrent à reconnaitre qu'ils étaient les créateurs,
02:02
the owners of these inner voices.
36
122213
2515
les émetteurs de ces voix intérieures.
02:05
And with this, they gained introspection:
37
125316
2715
Et ainsi, ils trouvèrent l'introspection :
02:08
the ability to think about their own thoughts.
38
128055
2483
La capacité à réfléchir à leurs propres pensées.
02:11
So Jaynes's theory is that consciousness,
39
131785
3397
Donc la théorie de Jaynes est que la conscience,
02:15
at least in the way we perceive it today,
40
135206
3166
au moins de la manière dont nous la percevons aujourd'hui,
02:18
where we feel that we are the pilots of our own existence --
41
138396
3540
où nous sentons que nous sommes les pilotes de notre existence,
02:21
is a quite recent cultural development.
42
141960
2737
est un développement culturel récent.
02:25
And this theory is quite spectacular,
43
145456
1786
Cette théorie est plutôt étonnante,
02:27
but it has an obvious problem
44
147266
1433
mais c'est évidemment biaisé
02:28
which is that it's built on just a few and very specific examples.
45
148723
3992
car elle est basée sur quelques exemples très spécifiques seulement.
02:33
So the question is whether the theory
46
153085
1763
Donc il s'agit d'évaluer si
02:34
that introspection built up in human history only about 3,000 years ago
47
154872
4751
l'introspection, arrivée dans l'histoire humaine il y a 3 000 ans,
02:39
can be examined in a quantitative and objective manner.
48
159647
2984
peut être examinée de manière quantitative et objective.
02:43
And the problem of how to go about this is quite obvious.
49
163543
3563
Et le problème de savoir où aller avec tout cela, est plutôt simple.
02:47
It's not like Plato woke up one day and then he wrote,
50
167130
3460
Ce n'est pas comme si Platon se réveillait un jour et écrivait :
02:50
"Hello, I'm Plato,
51
170614
1659
« Bonjour, je m'appelle Platon,
02:52
and as of today, I have a fully introspective consciousness."
52
172297
2889
et depuis ce matin j'ai une pleine conscience introspective. »
02:55
(Laughter)
53
175210
2293
(Rires)
02:57
And this tells us actually what is the essence of the problem.
54
177527
3333
Ceci nous révèle en fait l'essence du problème.
03:01
We need to find the emergence of a concept that's never said.
55
181467
4055
Nous devons trouver l'émergence d'un concept qui ne s'est jamais déclaré.
03:06
The word introspection does not appear a single time
56
186434
4310
Le mot introspection n'apparaît pas une seule fois
03:10
in the books we want to analyze.
57
190768
1919
dans les livres que l'on veut analyser.
03:13
So our way to solve this is to build the space of words.
58
193728
4087
Donc la façon de résoudre ceci est de construire l'espace des mots.
03:18
This is a huge space that contains all words
59
198571
3287
C'est un énorme espace contenant tous les mots
03:21
in such a way that the distance between any two of them
60
201882
2802
de manière que la distance entre deux d'entre eux
03:24
is indicative of how closely related they are.
61
204708
2883
indique leur degré de relation.
03:28
So for instance,
62
208460
1151
Par exemple,
03:29
you want the words "dog" and "cat" to be very close together,
63
209635
2897
les mots « chien » et « chat » seront très proches,
03:32
but the words "grapefruit" and "logarithm" to be very far away.
64
212556
3831
mais les mots « pamplemousse » et « logarithme » seront très éloignés.
03:36
And this has to be true for any two words within the space.
65
216809
3896
et ceci doit être vrai quels que soient les deux mots de l'espace.
03:41
And there are different ways that we can construct the space of words.
66
221626
3341
Nous pouvons construire l'espace des mots de différentes manières.
03:44
One is just asking the experts,
67
224991
1643
Simplement demander aux experts,
03:46
a bit like we do with dictionaries.
68
226658
1896
comme on le fait avec un dictionnaire.
03:48
Another possibility
69
228896
1428
Ou une autre possibilité
03:50
is following the simple assumption that when two words are related,
70
230348
3715
est de suivre la simple idée que lorsque deux mots sont liés,
03:54
they tend to appear in the same sentences,
71
234087
2349
ils ont tendance à être dans les mêmes phrases,
03:56
in the same paragraphs,
72
236460
1453
dans les mêmes paragraphes,
03:57
in the same documents,
73
237937
1770
dans les mêmes documents,
03:59
more often than would be expected just by pure chance.
74
239731
3182
plus souvent que s'ils l'étaient par hasard.
04:04
And this simple hypothesis,
75
244231
2050
Et cette simple hypothèse,
04:06
this simple method,
76
246305
1306
cette méthode simple,
04:07
with some computational tricks
77
247635
1607
avec quelques trucs de calcul
04:09
that have to do with the fact
78
249266
1389
qui sont dus au fait
04:10
that this is a very complex and high-dimensional space,
79
250679
3064
que c'est un espace multidimensionnel très complexe,
04:13
turns out to be quite effective.
80
253767
1665
s'est révélée très efficace.
04:16
And just to give you a flavor of how well this works,
81
256155
2802
Pour vous donner un aperçu de son efficacité,
04:18
this is the result we get when we analyze this for some familiar words.
82
258981
3912
voici le résultat que nous avons obtenu lors d'une analyse de mots familiers.
04:23
And you can see first
83
263607
1185
Vous pouvez d'abord voir
04:24
that words automatically organize into semantic neighborhoods.
84
264816
3278
que les mots s'organisent automatiquement en voisinages sémantiques.
04:28
So you get the fruits, the body parts,
85
268118
2217
On a donc les fruits, les parties du corps,
04:30
the computer parts, the scientific terms and so on.
86
270359
2425
les pièces d'ordinateur, les termes scientifiques...
04:33
The algorithm also identifies that we organize concepts in a hierarchy.
87
273119
4222
L'algorithme identifie que nous organisons les concepts hiérarchiquement.
04:37
So for instance,
88
277852
1151
Par exemple,
vous voyez que les termes scientifiques se coupent en deux sous-catégories :
04:39
you can see that the scientific terms break down into two subcategories
89
279027
3597
04:42
of the astronomic and the physics terms.
90
282648
2100
les termes astronomiques et physiques.
04:45
And then there are very fine things.
91
285338
2246
Et il y a ensuite des choses très fines.
04:47
For instance, the word astronomy,
92
287608
1905
Par exemple, le mot astronomie,
04:49
which seems a bit bizarre where it is,
93
289537
1815
qui semble être bizarrement placé,
04:51
is actually exactly where it should be,
94
291376
2048
est en fait exactement là où il doit être,
04:53
between what it is,
95
293448
1595
entre ce qu'il est :
04:55
an actual science,
96
295067
1270
une science exacte,
04:56
and between what it describes,
97
296361
1536
et ce qu'il décrit :
04:57
the astronomical terms.
98
297921
1492
les termes astronomiques.
05:00
And we could go on and on with this.
99
300182
1891
Et nous pouvons continuer sans cesse.
05:02
Actually, if you stare at this for a while,
100
302097
2060
En fait, si vous observez pendant un moment,
05:04
and you just build random trajectories,
101
304181
1858
et suivez des trajectoires aléatoires,
05:06
you will see that it actually feels a bit like doing poetry.
102
306063
3166
vous verriez que cela donne l'impression de faire de la poésie.
05:10
And this is because, in a way,
103
310018
1882
C'est parce que, dans un sens,
05:11
walking in this space is like walking in the mind.
104
311924
2940
parcourir cet espace est comme parcourir notre pensée.
05:16
And the last thing
105
316027
1617
Et le dernier point
05:17
is that this algorithm also identifies what are our intuitions,
106
317668
4040
est que cet algorithme identifie aussi ce que sont nos intuitions,
05:21
of which words should lead in the neighborhood of introspection.
107
321732
3896
de quels mots devraient nous conduire dans le voisinage de l'introspection.
05:25
So for instance,
108
325652
1223
Par exemple,
05:26
words such as "self," "guilt," "reason," "emotion,"
109
326899
3979
les mots comme « soi-même », « coupable », « raison », « émotion »,
05:30
are very close to "introspection,"
110
330902
1889
sont très près de « introspection »,
05:32
but other words,
111
332815
1151
mais d'autres mots,
05:33
such as "red," "football," "candle," "banana,"
112
333990
2167
comme « rouge », « football », « bougie », « banane »,
05:36
are just very far away.
113
336181
1452
sont simplement très loin.
05:38
And so once we've built the space,
114
338054
2762
Donc, une fois l'espace construit,
05:40
the question of the history of introspection,
115
340840
2826
la question de l'histoire de l'introspection,
05:43
or of the history of any concept
116
343690
2333
ou de l'histoire de n'importe quel concept
05:46
which before could seem abstract and somehow vague,
117
346047
4779
qui pouvait auparavant être abstraite ou quelque peu vague,
05:50
becomes concrete --
118
350850
1604
devient concrète,
05:52
becomes amenable to quantitative science.
119
352478
2738
devient posable à la science quantitative.
05:56
All that we have to do is take the books,
120
356216
2762
Ce qu'il nous reste à faire est de prendre les livres,
05:59
we digitize them,
121
359002
1381
de les numériser,
06:00
and we take this stream of words as a trajectory
122
360407
2809
et nous prenons ce flux de mots comme une trajectoire
06:03
and project them into the space,
123
363240
1969
que nous projetons dans l'espace,
06:05
and then we ask whether this trajectory spends significant time
124
365233
3754
puis nous regardons si cette trajectoire passe un temps significatif
06:09
circling closely to the concept of introspection.
125
369011
2992
tout autour du concept d'introspection.
06:12
And with this,
126
372760
1196
Et avec ceci,
06:13
we could analyze the history of introspection
127
373980
2112
on peut tracer l'histoire de l'introspection
06:16
in the ancient Greek tradition,
128
376116
1921
dans la tradition de la grecque antique,
06:18
for which we have the best available written record.
129
378061
2602
pour laquelle les meilleures traces écrites sont disponibles.
06:21
So what we did is we took all the books --
130
381631
2255
Nous avons donc pris tous les livres,
06:23
we just ordered them by time --
131
383910
2284
nous les avons ordonnés chronologiquement,
06:26
for each book we take the words
132
386218
1752
et pour chacun, on a pris les mots
06:27
and we project them to the space,
133
387994
1961
et les avons projetés dans l'espace,
06:29
and then we ask for each word how close it is to introspection,
134
389979
3032
nous avons demandé pour chacun sa distance à « introspection »,
06:33
and we just average that.
135
393035
1230
et avons fait la moyenne.
06:34
And then we ask whether, as time goes on and on,
136
394590
3198
Puis nous avons regardé si, avec le temps,
06:37
these books get closer, and closer and closer
137
397812
3252
ces livres se rapprochaient
06:41
to the concept of introspection.
138
401088
1754
du concept d'introspection.
06:42
And this is exactly what happens in the ancient Greek tradition.
139
402866
3801
Et c'est exactement ce qui est arrivé dans la tradition de la grecque antique.
06:47
So you can see that for the oldest books in the Homeric tradition,
140
407698
3127
Vous pouvez voir que pour les plus vieux livres d'Homère,
06:50
there is a small increase with books getting closer to introspection.
141
410849
3412
il y a une légère progression des livres vers l'introspection
06:54
But about four centuries before Christ,
142
414285
2206
Mais environ 4 siècles avant notre ère,
06:56
this starts ramping up very rapidly to an almost five-fold increase
143
416515
4708
cela commence à monter très rapidement, presque d'un facteur 5,
07:01
of books getting closer, and closer and closer
144
421247
2500
pour des livres se rapprochant de plus en plus
07:03
to the concept of introspection.
145
423771
1682
du concept d'introspection.
07:06
And one of the nice things about this
146
426159
2424
Et ce qui est sympathique,
07:08
is that now we can ask
147
428607
1198
est que maintenant
07:09
whether this is also true in a different, independent tradition.
148
429829
4147
on peut savoir si c'est aussi vrai dans une tradition différente, indépendante.
07:14
So we just ran this same analysis on the Judeo-Christian tradition,
149
434962
3176
Donc nous avons lancé cette analyse sur le corpus judéo-chrétien,
07:18
and we got virtually the same pattern.
150
438162
2721
et nous avons eu à peu près le même schéma.
07:21
Again, you see a small increase for the oldest books in the Old Testament,
151
441548
4635
Là aussi, on voit un léger accroissement dans les livres de l'Ancien Testament,
07:26
and then it increases much more rapidly
152
446207
1914
puis ça monte beaucoup plus rapidement
07:28
in the new books of the New Testament.
153
448145
1839
dans les livres du Nouveau Testament.
07:30
And then we get the peak of introspection
154
450008
2032
Puis nous avons un pic d'introspection
07:32
in "The Confessions of Saint Augustine,"
155
452064
2127
dans « Les Confessions de Saint Augustin »,
07:34
about four centuries after Christ.
156
454215
1857
environ 4 siècles après Jésus Christ.
07:36
And this was very important,
157
456897
1944
Et c'est très important,
07:38
because Saint Augustine had been recognized by scholars,
158
458865
3373
car Saint Augustin, a été reconnu par les universitaires,
07:42
philologists, historians,
159
462262
2172
les philologues, les historiens,
07:44
as one of the founders of introspection.
160
464458
2078
comme l'un des fondateurs de l'introspection.
07:47
Actually, some believe him to be the father of modern psychology.
161
467060
3297
En fait, certains pensent qu'il est le père de la psychologie moderne.
07:51
So our algorithm,
162
471012
1839
Donc notre algorithme,
07:52
which has the virtue of being quantitative,
163
472875
2842
qui a la vertu d'être quantitatif,
07:55
of being objective,
164
475741
1263
d'être objectif,
07:57
and of course of being extremely fast --
165
477028
2016
et bien sûr d'être très rapide,
07:59
it just runs in a fraction of a second --
166
479068
2397
il tourne en une fraction de seconde,
08:01
can capture some of the most important conclusions
167
481489
3503
peut mettre en évidence les conclusions les plus importantes
08:05
of this long tradition of investigation.
168
485016
2222
de ces investigations de longue date.
08:08
And this is in a way one of the beauties of science,
169
488317
3651
Et c'est une des beautés de la science,
08:11
which is that now this idea can be translated
170
491992
3476
que cette idée puisse maintenant être transposée
08:15
and generalized to a whole lot of different domains.
171
495492
2571
et généralisée à un grand nombre de domaines.
08:18
So in the same way that we asked about the past of human consciousness,
172
498769
4767
Donc de la même manière que nous avons cherché le passé de la conscience humaine,
08:23
maybe the most challenging question we can pose to ourselves
173
503560
3406
nous pouvons nous poser peut-être le plus grand défi qu'il soit,
08:26
is whether this can tell us something about the future of our own consciousness.
174
506990
4137
de savoir si ça peut nous dire quelque chose sur le futur de notre conscience.
08:31
To put it more precisely,
175
511550
1470
Pour être plus précis,
08:33
whether the words we say today
176
513044
2416
si les mots que nous utilisons aujourd'hui
08:35
can tell us something of where our minds will be in a few days,
177
515484
5197
peuvent nous prédire où sera notre esprit dans quelques jours,
08:40
in a few months
178
520705
1151
quelques mois,
08:41
or a few years from now.
179
521880
1182
ou quelques années.
08:43
And in the same way many of us are now wearing sensors
180
523597
3020
Et de la même manière que certains qui portent des capteurs
08:46
that detect our heart rate,
181
526641
1786
pour détecter leur pouls,
08:48
our respiration,
182
528451
1269
leur respiration,
08:49
our genes,
183
529744
1667
leurs gènes,
08:51
on the hopes that this may help us prevent diseases,
184
531435
3651
dans l'espoir que ça leur permette d'éviter des maladies,
08:55
we can ask whether monitoring and analyzing the words we speak,
185
535110
3521
nous pouvons nous demander si analyser les mots quand on parle
08:58
we tweet, we email, we write,
186
538655
2683
quand on fait des tweets, des e-mails, quand on écrit,
09:01
can tell us ahead of time whether something may go wrong with our minds.
187
541362
4808
peut nous prédire si quelque chose peut aller plus mal dans notre esprit.
09:07
And with Guillermo Cecchi,
188
547087
1534
Et avec Guillaume Cecchi,
09:08
who has been my brother in this adventure,
189
548645
3001
qui a été mon frère dans cette aventure,
09:11
we took on this task.
190
551670
1555
nous nous sommes attelés à la tâche.
09:14
And we did so by analyzing the recorded speech of 34 young people
191
554228
5532
Nous l'avons fait en analysant l'enregistrement de 34 jeunes
09:19
who were at a high risk of developing schizophrenia.
192
559784
2801
qui avaient un risque élevé de schizophrénie.
09:23
And so what we did is, we measured speech at day one,
193
563434
2881
Nous avons mesuré leurs discours le premier jour,
09:26
and then we asked whether the properties of the speech could predict,
194
566339
3242
puis nous avons demandé si leurs caractéristiques pouvaient prédire,
09:29
within a window of almost three years,
195
569605
2496
à environ 3 ans,
09:32
the future development of psychosis.
196
572125
2035
le développement futur de leur psychose.
09:35
But despite our hopes,
197
575427
2366
Mais malheureusement,
09:37
we got failure after failure.
198
577817
3117
ce fut échec sur échec.
09:41
There was just not enough information in semantics
199
581793
3882
Il n'y avait pas assez d'information de sémantique
09:45
to predict the future organization of the mind.
200
585699
2793
pour prédire l'organisation future de la pensée.
09:48
It was good enough
201
588516
1809
C'était par contre assez bon
09:50
to distinguish between a group of schizophrenics and a control group,
202
590349
4175
pour faire la distinction entre un groupe de schizophrènes et un groupe témoin,
09:54
a bit like we had done for the ancient texts,
203
594548
2712
un peu comme nous l'avons fait, pour les textes anciens,
09:57
but not to predict the future onset of psychosis.
204
597284
2994
mais pas assez pour prédire un futur démarrage de la psychose.
10:01
But then we realized
205
601164
1706
Nous avons alors réalisé
10:02
that maybe the most important thing was not so much what they were saying,
206
602894
4088
que peut-être la chose la plus importante n'était pas ce qu'ils disaient,
10:07
but how they were saying it.
207
607006
1673
mais comment ils le disaient.
10:09
More specifically,
208
609679
1220
Plus précisément,
10:10
it was not in which semantic neighborhoods the words were,
209
610923
2827
ce n'était pas le champ sémantique où étaient les mots,
10:13
but how far and fast they jumped
210
613774
2600
mais la distance et la rapidité de passage
10:16
from one semantic neighborhood to the other one.
211
616398
2301
d'un champ sémantique à l'autre.
10:19
And so we came up with this measure,
212
619247
1731
Donc on est arrivés à cette mesure,
10:21
which we termed semantic coherence,
213
621002
2389
que nous appelons la cohérence sémantique,
10:23
which essentially measures the persistence of speech within one semantic topic,
214
623415
4804
qui mesure surtout la persistance du discours dans un sujet sémantique,
10:28
within one semantic category.
215
628243
1529
d'une catégorie sémantique.
10:31
And it turned out to be that for this group of 34 people,
216
631294
4047
Et il se révéla que pour ce groupe de 34 personnes,
10:35
the algorithm based on semantic coherence could predict,
217
635365
3659
l'algorithme basé sur la cohérence sémantique a pu prédire,
10:39
with 100 percent accuracy,
218
639048
2500
à 100%,
10:41
who developed psychosis and who will not.
219
641572
2507
qui développa une psychose et qui non.
10:44
And this was something that could not be achieved --
220
644976
2937
Ceci est quelque chose qui n'a pas pu être réalisé,
10:47
not even close --
221
647937
1508
et de loin,
10:49
with all the other existing clinical measures.
222
649469
3126
avec n'importe quelle autre mesure clinique existante.
10:54
And I remember vividly, while I was working on this,
223
654525
3579
Et je me souviens très bien, quand je travaillais là-dessus,
10:58
I was sitting at my computer
224
658128
2317
j'étais assis devant mon ordinateur
11:00
and I saw a bunch of tweets by Polo --
225
660469
2635
et j'ai vu un flot de tweets de Polo,
11:03
Polo had been my first student back in Buenos Aires,
226
663128
3167
Polo était mon premier étudiant à Buenos Aires,
11:06
and at the time he was living in New York.
227
666319
2070
et pendant qu'il vivait à New-York.
11:08
And there was something in this tweets --
228
668413
2088
Il y avait quelque chose dans ses tweets,
11:10
I could not tell exactly what because nothing was said explicitly --
229
670525
3501
je ne pouvais pas dire quoi, car ce n'était pas explicite,
11:14
but I got this strong hunch,
230
674050
2021
mais j'ai eu ce fort pressentiment,
11:16
this strong intuition, that something was going wrong.
231
676095
2955
cette intuition forte que quelque chose n'allait pas.
11:20
So I picked up the phone, and I called Polo,
232
680347
2723
Donc j'ai appelé Polo,
11:23
and in fact he was not feeling well.
233
683094
1919
il n'allait pas très bien.
11:25
And this simple fact,
234
685362
1937
Et ce simple fait,
11:27
that reading in between the lines,
235
687323
2491
qu'en lisant entre les lignes,
11:29
I could sense, through words, his feelings,
236
689838
4262
j'ai pu deviner ses sensations, à travers les mots
11:34
was a simple, but very effective way to help.
237
694124
2619
était un moyen simple et efficace pour l'aider.
11:37
What I tell you today
238
697987
1638
Ce que je vous dis aujourd'hui,
11:39
is that we're getting close to understanding
239
699649
2508
c'est que nous sommes de comprendre
11:42
how we can convert this intuition that we all have,
240
702181
4286
comment convertir cette intuition, que nous avons tous,
11:46
that we all share,
241
706491
1365
que nous partageons tous,
11:47
into an algorithm.
242
707880
1197
en un algorithme.
11:50
And in doing so,
243
710102
1461
Et ce faisant,
11:51
we may be seeing in the future a very different form of mental health,
244
711587
4650
nous verrons peut-être dans le futur une forme différente de santé mentale,
11:56
based on objective, quantitative and automated analysis
245
716261
5621
basée sur l'analyse objective, quantitative et automatisée
12:01
of the words we write,
246
721906
1709
des mots que l'on écrit,
12:03
of the words we say.
247
723639
1537
et des mots que l'on dit.
12:05
Gracias.
248
725200
1151
Merci.
12:06
(Applause)
249
726375
6883
(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