Deb Roy: The birth of a word

410,607 views ・ 2011-03-14

TED


Fare doppio clic sui sottotitoli in inglese per riprodurre il video.

Traduttore: Barbara Casarini Revisore: Els De Keyser
00:15
Imagine if you could record your life --
0
15260
4000
Immaginate di poter registrare la vostra vita --
00:19
everything you said, everything you did,
1
19260
3000
ogni cosa detta, ogni cosa fatta,
00:22
available in a perfect memory store at your fingertips,
2
22260
3000
disponibile in una perfetta unità di memoria a portata di mano,
00:25
so you could go back
3
25260
2000
così da poter tornare indietro
00:27
and find memorable moments and relive them,
4
27260
3000
e trovare momenti memorabili e riviverli,
00:30
or sift through traces of time
5
30260
3000
o setacciare le tracce del tempo
00:33
and discover patterns in your own life
6
33260
2000
e scoprire nella vostra vita dei modelli
00:35
that previously had gone undiscovered.
7
35260
3000
che in precedenza non erano stati scoperti.
00:38
Well that's exactly the journey
8
38260
2000
Bene, questo è esattamente il viaggio
00:40
that my family began
9
40260
2000
che la mia famiglia ha iniziato
00:42
five and a half years ago.
10
42260
2000
cinque anni e mezzo fa.
00:44
This is my wife and collaborator, Rupal.
11
44260
3000
Questa è mia moglie e la mia collaboratrice: Rupal.
00:47
And on this day, at this moment,
12
47260
2000
E in questo giorno, in questo momento,
00:49
we walked into the house with our first child,
13
49260
2000
stavamo entrando in casa con il nostro primo bambino,
00:51
our beautiful baby boy.
14
51260
2000
il nostro bellissimo maschietto.
00:53
And we walked into a house
15
53260
3000
Entravamo in una casa
00:56
with a very special home video recording system.
16
56260
4000
con un sistema molto speciale di registrazione video.
01:07
(Video) Man: Okay.
17
67260
2000
(Video) Uomo: Okay.
01:10
Deb Roy: This moment
18
70260
1000
Deb Roy: Questo momento
01:11
and thousands of other moments special for us
19
71260
3000
e migliaia di altri momenti speciali per noi
01:14
were captured in our home
20
74260
2000
sono stati catturati nella nostra casa
01:16
because in every room in the house,
21
76260
2000
perché in ogni sua stanza,
01:18
if you looked up, you'd see a camera and a microphone,
22
78260
3000
se si guardava in su, si poteva vedere una telecamera e un microfono,
01:21
and if you looked down,
23
81260
2000
e se si guardava in giù,
01:23
you'd get this bird's-eye view of the room.
24
83260
2000
si aveva questa vista a occhio d'uccello della stanza.
01:25
Here's our living room,
25
85260
3000
Questo è il nostro salotto,
01:28
the baby bedroom,
26
88260
3000
la camera da letto del bimbo,
01:31
kitchen, dining room
27
91260
2000
la cucina, la sala da pranzo
01:33
and the rest of the house.
28
93260
2000
e il resto della casa.
01:35
And all of these fed into a disc array
29
95260
3000
Tutto ciò finiva in una raccolta su disco
01:38
that was designed for a continuous capture.
30
98260
3000
che era predisposta per una registrazione continua.
01:41
So here we are flying through a day in our home
31
101260
3000
Così voleremo attraverso un giorno nella nostra casa
01:44
as we move from sunlit morning
32
104260
3000
mentre ci muoviamo dall'assolato mattino
01:47
through incandescent evening
33
107260
2000
fino alla sera incandescente
01:49
and, finally, lights out for the day.
34
109260
3000
e, infine, le luci sulla giornata si spengono.
01:53
Over the course of three years,
35
113260
3000
Nel corso di tre anni,
01:56
we recorded eight to 10 hours a day,
36
116260
2000
abbiamo registrato da otto a dieci ore al giorno,
01:58
amassing roughly a quarter-million hours
37
118260
3000
accumulando circa un quarto di milione di ore
02:01
of multi-track audio and video.
38
121260
3000
di tracce multiple audio e video.
02:04
So you're looking at a piece of what is by far
39
124260
2000
Così state guardando un pezzo di ciò che finora,
02:06
the largest home video collection ever made.
40
126260
2000
è la più grande collezione di video casalinghi mai fatta.
02:08
(Laughter)
41
128260
3000
(Risate)
02:11
And what this data represents
42
131260
2000
Ciò che questi dati rappresentano
02:13
for our family at a personal level,
43
133260
4000
per la nostra famiglia ad un livello personale,
02:17
the impact has already been immense,
44
137260
2000
ha già avuto un impatto immenso,
02:19
and we're still learning its value.
45
139260
3000
e stiamo ancora imparandone il valore.
02:22
Countless moments
46
142260
2000
Innumerevoli ricordi
02:24
of unsolicited natural moments, not posed moments,
47
144260
3000
di momenti naturali non richiesti, momenti non in posa,
02:27
are captured there,
48
147260
2000
sono stati raccolti qui,
02:29
and we're starting to learn how to discover them and find them.
49
149260
3000
e stiamo imparando come scoprirli e trovarli.
02:32
But there's also a scientific reason that drove this project,
50
152260
3000
ma c'è anche una ragione scientifica che ha guidato questo progetto,
02:35
which was to use this natural longitudinal data
51
155260
4000
che era di usare questi dati longitudinali e naturali
02:39
to understand the process
52
159260
2000
per comprendere il processo
02:41
of how a child learns language --
53
161260
2000
di apprendimento di una lingua da parte di un bambino --
02:43
that child being my son.
54
163260
2000
mio figlio.
02:45
And so with many privacy provisions put in place
55
165260
4000
Così approntate le molte precauzioni per la privacy
02:49
to protect everyone who was recorded in the data,
56
169260
3000
per proteggere tutti coloro che sono registrati nei dati,
02:52
we made elements of the data available
57
172260
3000
abbiamo reso disponibili elementi dei dati
02:55
to my trusted research team at MIT
58
175260
3000
al mio fidato team di ricercatori al MIT
02:58
so we could start teasing apart patterns
59
178260
3000
così da poter cominciare ad individuare dei modelli
03:01
in this massive data set,
60
181260
3000
in questo massiccio insieme di dati,
03:04
trying to understand the influence of social environments
61
184260
3000
cercando di capire l'influenza dell'ambiente sociale
03:07
on language acquisition.
62
187260
2000
nell'acquisizione di una lingua.
03:09
So we're looking here
63
189260
2000
Qui stiamo guardando
03:11
at one of the first things we started to do.
64
191260
2000
una delle prime cose che abbiamo iniziato a fare.
03:13
This is my wife and I cooking breakfast in the kitchen,
65
193260
4000
Questi siamo io e mia moglie che prepariamo la colazione in cucina.
03:17
and as we move through space and through time,
66
197260
3000
E mentre ci muoviamo attraverso il tempo e lo spazio,
03:20
a very everyday pattern of life in the kitchen.
67
200260
3000
un vero modello di vita quotidiana in cucina.
03:23
In order to convert
68
203260
2000
Per convertire
03:25
this opaque, 90,000 hours of video
69
205260
3000
queste 90.000 opache ore di video
03:28
into something that we could start to see,
70
208260
2000
in qualcosa che potevamo iniziare a guardare,
03:30
we use motion analysis to pull out,
71
210260
2000
usiamo l'analisi del movimento per estrarre,
03:32
as we move through space and through time,
72
212260
2000
mentre ci muoviamo nello spazio e nel tempo,
03:34
what we call space-time worms.
73
214260
3000
ciò che chiamiamo vermi spazio-temporali.
03:37
And this has become part of our toolkit
74
217260
3000
Questa è diventata una parte della nostra cassetta degli attrezzi
03:40
for being able to look and see
75
220260
3000
permettendoci di guardare e vedere
03:43
where the activities are in the data,
76
223260
2000
a quale punto dei dati ci sono le attività,
03:45
and with it, trace the pattern of, in particular,
77
225260
3000
e con queste, tracciarne il modello, in particolare,
03:48
where my son moved throughout the home,
78
228260
2000
quando mio figlio si muove per la casa,
03:50
so that we could focus our transcription efforts,
79
230260
3000
così da poter focalizzare i nostri sforzi di trascrizione,
03:53
all of the speech environment around my son --
80
233260
3000
su tutti i discorsi dell'ambiente intorno a mio figlio --
03:56
all of the words that he heard from myself, my wife, our nanny,
81
236260
3000
tutte le parola che ha sentito da me, da mia moglie, dalla nostra tata,
03:59
and over time, the words he began to produce.
82
239260
3000
e nel tempo, le parole che ha iniziato a produrre.
04:02
So with that technology and that data
83
242260
3000
Così con quella tecnologia e quei dati,
04:05
and the ability to, with machine assistance,
84
245260
2000
e con la capacità di trascrivere i discorsi,
04:07
transcribe speech,
85
247260
2000
con l'aiuto di una macchina,
04:09
we've now transcribed
86
249260
2000
abbiamo fino ad ora trascritto
04:11
well over seven million words of our home transcripts.
87
251260
3000
circa sette milioni di parole dalle nostre trascrizioni casalinghe.
04:14
And with that, let me take you now
88
254260
2000
Detto ciò lasciate che ora vi porti
04:16
for a first tour into the data.
89
256260
3000
a fare un primo giro nei nostri dati.
04:19
So you've all, I'm sure,
90
259260
2000
Sicuramente voi tutti
04:21
seen time-lapse videos
91
261260
2000
avete visto dei video accelerati
04:23
where a flower will blossom as you accelerate time.
92
263260
3000
in cui un fiore sboccia mentre si accelera il tempo.
04:26
I'd like you to now experience
93
266260
2000
Vorrei che ora faceste l'esperienza
04:28
the blossoming of a speech form.
94
268260
2000
dello sbocciare di una forma di discorso.
04:30
My son, soon after his first birthday,
95
270260
2000
Mio figlio, poco dopo il suo primo compleanno,
04:32
would say "gaga" to mean water.
96
272260
3000
diceva "gaga" al posto di acqua.
04:35
And over the course of the next half-year,
97
275260
3000
Nel corso dei successivi sei mesi,
04:38
he slowly learned to approximate
98
278260
2000
lentamente ha imparato ad approssimare
04:40
the proper adult form, "water."
99
280260
3000
la corretta forma adulta: "water".
04:43
So we're going to cruise through half a year
100
283260
2000
Così navigheremo attraverso questo mezzo anno
04:45
in about 40 seconds.
101
285260
2000
in circa 40 secondi.
04:47
No video here,
102
287260
2000
Niente video qui,
04:49
so you can focus on the sound, the acoustics,
103
289260
3000
così potrete focalizzarvi sul suono, sull'acustica,
04:52
of a new kind of trajectory:
104
292260
2000
di un nuovo tipo di traiettoria:
04:54
gaga to water.
105
294260
2000
da "gaga" a "water".
04:56
(Audio) Baby: Gagagagagaga
106
296260
12000
(Audio) Bambino: Gagagagagaga
05:08
Gaga gaga gaga
107
308260
4000
Gaga gaga gaga
05:12
guga guga guga
108
312260
5000
guga guga guga
05:17
wada gaga gaga guga gaga
109
317260
5000
wada gaga gaga guga gaga
05:22
wader guga guga
110
322260
4000
wader guga guga
05:26
water water water
111
326260
3000
water water water
05:29
water water water
112
329260
6000
water water water
05:35
water water
113
335260
4000
water water
05:39
water.
114
339260
2000
water.
05:41
DR: He sure nailed it, didn't he.
115
341260
2000
DR: C'è l'ha decisamente fatta, non è vero?
05:43
(Applause)
116
343260
7000
(Applauso)
05:50
So he didn't just learn water.
117
350260
2000
Così non ha solo imparato la parola "water".
05:52
Over the course of the 24 months,
118
352260
2000
Nel corso di 24 mesi,
05:54
the first two years that we really focused on,
119
354260
3000
i primi due anni, sui quali ci siamo focalizzati,
05:57
this is a map of every word he learned in chronological order.
120
357260
4000
questa è la mappa di tutte le parole che ha imparato in ordine cronologico.
06:01
And because we have full transcripts,
121
361260
3000
Dato che abbiamo le trascrizioni complete,
06:04
we've identified each of the 503 words
122
364260
2000
abbiamo identificato ognuna delle 503 parole
06:06
that he learned to produce by his second birthday.
123
366260
2000
che ha imparato a produrre entro il suo secondo compleanno.
06:08
He was an early talker.
124
368260
2000
Era un parlatore precoce.
06:10
And so we started to analyze why.
125
370260
3000
E così abbiamo cercato di analizzare il perché.
06:13
Why were certain words born before others?
126
373260
3000
Perché certe parole sono nate prima di altre?
06:16
This is one of the first results
127
376260
2000
Questo è uno dei primi risultati
06:18
that came out of our study a little over a year ago
128
378260
2000
che è emerso dal nostro studio poco meno di un anno fa
06:20
that really surprised us.
129
380260
2000
che ci ha veramente sorpreso.
06:22
The way to interpret this apparently simple graph
130
382260
3000
Il modo di interpretare questo grafico apparentemente semplice
06:25
is, on the vertical is an indication
131
385260
2000
è che sull'asse verticale c'è un indicazione
06:27
of how complex caregiver utterances are
132
387260
3000
della complessità delle espressioni degli adulti che gli stavano vicino
06:30
based on the length of utterances.
133
390260
2000
basata sulla lunghezza delle espressioni.
06:32
And the [horizontal] axis is time.
134
392260
3000
E l'asse orizzontale è quello del tempo.
06:35
And all of the data,
135
395260
2000
Tutti i dati
06:37
we aligned based on the following idea:
136
397260
3000
sono stati allineati basandosi sull'idea seguente:
06:40
Every time my son would learn a word,
137
400260
3000
Ogni volta che mio figlio avesse imparato una parola,
06:43
we would trace back and look at all of the language he heard
138
403260
3000
saremmo tornati indietro e avremmo cercato tutte le frasi che ha ascoltato
06:46
that contained that word.
139
406260
2000
che contenevano quella parola.
06:48
And we would plot the relative length of the utterances.
140
408260
4000
Avremmo riportato la lunghezza relativa di queste frasi.
06:52
And what we found was this curious phenomena,
141
412260
3000
Abbiamo scoperto questo fenomeno curioso,
06:55
that caregiver speech would systematically dip to a minimum,
142
415260
3000
il discorso dell'adulto si riduceva sistematicamente al minimo,
06:58
making language as simple as possible,
143
418260
3000
rendendo più semplice possibile la lingua,
07:01
and then slowly ascend back up in complexity.
144
421260
3000
e poi riguadagnava lentamente complessità.
07:04
And the amazing thing was
145
424260
2000
La cosa stupefacente era
07:06
that bounce, that dip,
146
426260
2000
che quel balzo, quella diminuzione,
07:08
lined up almost precisely
147
428260
2000
si allineava quasi esattamente
07:10
with when each word was born --
148
430260
2000
con la nascita di ogni parola --
07:12
word after word, systematically.
149
432260
2000
parola dopo parola, sistematicamente.
07:14
So it appears that all three primary caregivers --
150
434260
2000
Sembra che i tre adulti principali --
07:16
myself, my wife and our nanny --
151
436260
3000
io, mia moglie e la nostra tata --
07:19
were systematically and, I would think, subconsciously
152
439260
3000
stessero sistematicamente e, io credo, in modo inconscio
07:22
restructuring our language
153
442260
2000
destrutturando il proprio linguaggio
07:24
to meet him at the birth of a word
154
444260
3000
per incontrarlo alla nascita di una parola
07:27
and bring him gently into more complex language.
155
447260
4000
e poi portarlo gentilmente ad un linguaggio più complesso.
07:31
And the implications of this -- there are many,
156
451260
2000
L'implicazione di questo -- ce ne sono tante
07:33
but one I just want to point out,
157
453260
2000
ma voglio segnalarne una,
07:35
is that there must be amazing feedback loops.
158
455260
3000
è che ci devono essere degli stupefacenti cicli di risposta.
07:38
Of course, my son is learning
159
458260
2000
Ovviamente mio figlio sta imparando
07:40
from his linguistic environment,
160
460260
2000
dal suo ambiente linguistico,
07:42
but the environment is learning from him.
161
462260
3000
ma l'ambiente sta imparando da lui.
07:45
That environment, people, are in these tight feedback loops
162
465260
3000
Questo ambiente, queste persone, sono prese in queste stretti cicli di risposta
07:48
and creating a kind of scaffolding
163
468260
2000
e creano una sorta di impalcatura
07:50
that has not been noticed until now.
164
470260
3000
che fino ad ora non è stata notata.
07:54
But that's looking at the speech context.
165
474260
2000
Questo se guardiamo al contesto del discorso.
07:56
What about the visual context?
166
476260
2000
E il contesto visivo?
07:58
We're not looking at --
167
478260
2000
Stiamo guardando a --
08:00
think of this as a dollhouse cutaway of our house.
168
480260
2000
pensate a questo come ad uno spaccato da casa di bambola della nostra casa.
08:02
We've taken those circular fish-eye lens cameras,
169
482260
3000
Abbiamo preso queste lenti circolari a occhio di pesce,
08:05
and we've done some optical correction,
170
485260
2000
e abbiamo fatto qualche correzione ottica,
08:07
and then we can bring it into three-dimensional life.
171
487260
4000
quindi possiamo renderle tridimensionali.
08:11
So welcome to my home.
172
491260
2000
Così, benvenuti a casa mia.
08:13
This is a moment,
173
493260
2000
Questo è un istante,
08:15
one moment captured across multiple cameras.
174
495260
3000
un istante catturato da telecamere multiple.
08:18
The reason we did this is to create the ultimate memory machine,
175
498260
3000
Abbiamo fatto ciò per creare la macchina della memoria finale,
08:21
where you can go back and interactively fly around
176
501260
3000
con la quale puoi tornare indietro e volare in modo interattivo
08:24
and then breathe video-life into this system.
177
504260
3000
e infondere video vita in questo sistema.
08:27
What I'm going to do
178
507260
2000
Quello che sto per fare
08:29
is give you an accelerated view of 30 minutes,
179
509260
3000
è darvi una vista accelerata di 30 minuti,
08:32
again, of just life in the living room.
180
512260
2000
di semplice vita in un soggiorno.
08:34
That's me and my son on the floor.
181
514260
3000
Questi siamo io e mio figlio sul pavimento.
08:37
And there's video analytics
182
517260
2000
Con le analisi del video
08:39
that are tracking our movements.
183
519260
2000
tracciamo i nostri movimenti.
08:41
My son is leaving red ink. I am leaving green ink.
184
521260
3000
Mio figlio lascia una traccia rossa, io una traccia verde.
08:44
We're now on the couch,
185
524260
2000
Ora siamo sul divano,
08:46
looking out through the window at cars passing by.
186
526260
3000
e guardiamo dalla finestra le auto che passano.
08:49
And finally, my son playing in a walking toy by himself.
187
529260
3000
E infine, mio figlio che gioca da solo con un giocattolo.
08:52
Now we freeze the action, 30 minutes,
188
532260
3000
Ora congeliamo l'azione, 30 minuti,
08:55
we turn time into the vertical axis,
189
535260
2000
mettiamo il tempo sull'asse verticale,
08:57
and we open up for a view
190
537260
2000
e creiamo una vista
08:59
of these interaction traces we've just left behind.
191
539260
3000
delle tracce d'interazione che abbiamo lasciato.
09:02
And we see these amazing structures --
192
542260
3000
E vediamo queste strutture affascinanti --
09:05
these little knots of two colors of thread
193
545260
3000
questi piccoli nodi di tracce di due colori
09:08
we call "social hot spots."
194
548260
2000
le chiamiamo 'spazi sociali caldi'.
09:10
The spiral thread
195
550260
2000
La traccia a spirale
09:12
we call a "solo hot spot."
196
552260
2000
la chiamiamo 'spazio solitario caldo'.
09:14
And we think that these affect the way language is learned.
197
554260
3000
Pensiamo che questi influiscano sull'apprendimento del linguaggio.
09:17
What we'd like to do
198
557260
2000
Ciò che vorremmo fare
09:19
is start understanding
199
559260
2000
è cominciare a comprendere
09:21
the interaction between these patterns
200
561260
2000
l'interazione tra questi tracciati
09:23
and the language that my son is exposed to
201
563260
2000
e il linguaggio a cui mio figlio è esposto
09:25
to see if we can predict
202
565260
2000
per vedere se possiamo indovinare
09:27
how the structure of when words are heard
203
567260
2000
come la struttura del quando le parole vengono ascoltate
09:29
affects when they're learned --
204
569260
2000
influisca sul quando vengono imparate --
09:31
so in other words, the relationship
205
571260
2000
in altre parole, la relazione
09:33
between words and what they're about in the world.
206
573260
4000
tra le parole e ciò che rappresentano nel mondo.
09:37
So here's how we're approaching this.
207
577260
2000
Ecco qual'è il nostro approccio.
09:39
In this video,
208
579260
2000
In questo video,
09:41
again, my son is being traced out.
209
581260
2000
si traccia ancora [il movimento] di mio figlio.
09:43
He's leaving red ink behind.
210
583260
2000
Si lascia dietro una traccia rossa.
09:45
And there's our nanny by the door.
211
585260
2000
C'è la nostra tata vicino alla porta.
09:47
(Video) Nanny: You want water? (Baby: Aaaa.)
212
587260
3000
(Video) Tata: Vuoi dell'acqua? (Bambino: Aaaa.)
09:50
Nanny: All right. (Baby: Aaaa.)
213
590260
3000
Tata: Va bene. (Bambino: Aaaa.)
09:53
DR: She offers water,
214
593260
2000
DR: Gli offre dell'acqua,
09:55
and off go the two worms
215
595260
2000
ed ecco che le due tracce vanno
09:57
over to the kitchen to get water.
216
597260
2000
verso la cucina a prendere l'acqua.
09:59
And what we've done is use the word "water"
217
599260
2000
Ciò che abbiamo fatto è usare la parola "acqua"
10:01
to tag that moment, that bit of activity.
218
601260
2000
per taggare questo momento, questo pezzo di attività.
10:03
And now we take the power of data
219
603260
2000
Ora usiamo il potere dei dati
10:05
and take every time my son
220
605260
3000
e prendiamo ogni momento in cui mio figlio
10:08
ever heard the word water
221
608260
2000
ha sentito la parola "acqua"
10:10
and the context he saw it in,
222
610260
2000
e il contesto in cui l'ha sentita usare,
10:12
and we use it to penetrate through the video
223
612260
3000
e li usiamo per penetrare attraverso il video
10:15
and find every activity trace
224
615260
3000
e trovare ogni traccia di attività
10:18
that co-occurred with an instance of water.
225
618260
3000
che si presentava assieme alla richiesta di acqua.
10:21
And what this data leaves in its wake
226
621260
2000
Quello che questi dati lasciano nella loro scia
10:23
is a landscape.
227
623260
2000
è un panorama.
10:25
We call these wordscapes.
228
625260
2000
Noi lo chiamiamo parolorama.
10:27
This is the wordscape for the word water,
229
627260
2000
Questo è il parolorama per la parola acqua,
10:29
and you can see most of the action is in the kitchen.
230
629260
2000
e potete vedere che la maggior parte dell'azione è nella cucina.
10:31
That's where those big peaks are over to the left.
231
631260
3000
Dove troviamo quei grossi picchi sulla sinistra.
10:34
And just for contrast, we can do this with any word.
232
634260
3000
E possiamo fare un confronto utilizzando qualsiasi parola.
10:37
We can take the word "bye"
233
637260
2000
Possiamo prendere
10:39
as in "good bye."
234
639260
2000
la parola 'ciao'.
10:41
And we're now zoomed in over the entrance to the house.
235
641260
2000
E ci focalizziamo sull'ingresso della casa.
10:43
And we look, and we find, as you would expect,
236
643260
3000
Guardiamo e troviamo, come ci si aspetta,
10:46
a contrast in the landscape
237
646260
2000
un contrasto nel panorama
10:48
where the word "bye" occurs much more in a structured way.
238
648260
3000
poiché la parola 'ciao' si presenta in contesti molto più strutturati.
10:51
So we're using these structures
239
651260
2000
Così usiamo queste strutture
10:53
to start predicting
240
653260
2000
per iniziare a predire
10:55
the order of language acquisition,
241
655260
3000
l'ordine di acquisizione del linguaggio,
10:58
and that's ongoing work now.
242
658260
2000
è il lavoro che stiamo facendo ora.
11:00
In my lab, which we're peering into now, at MIT --
243
660260
3000
Nel mio laboratorio al MIT, nel quale stiamo sbirciando ora --
11:03
this is at the media lab.
244
663260
2000
questo è nel Media Lab.
11:05
This has become my favorite way
245
665260
2000
Questo è diventato il mio modo preferito
11:07
of videographing just about any space.
246
667260
2000
di registrare su video ogni tipo di spazio,
11:09
Three of the key people in this project,
247
669260
2000
Tre delle persone chiave in questo progetto,
11:11
Philip DeCamp, Rony Kubat and Brandon Roy are pictured here.
248
671260
3000
Philip DeCamp, Rony Kubat e Brandon Roy sono in questa foto.
11:14
Philip has been a close collaborator
249
674260
2000
Philip è stato uno stretto collaboratore
11:16
on all the visualizations you're seeing.
250
676260
2000
nel fare tutte le visualizzazioni che state vedendo.
11:18
And Michael Fleischman
251
678260
3000
Michael Fleischman
11:21
was another Ph.D. student in my lab
252
681260
2000
era un altro dottorando nel mio laboratorio
11:23
who worked with me on this home video analysis,
253
683260
3000
che lavorava con me in questa analisi di video casalinghi,
11:26
and he made the following observation:
254
686260
3000
e ha osservato che:
11:29
that "just the way that we're analyzing
255
689260
2000
"il modo in cui analizziamo
11:31
how language connects to events
256
691260
3000
come il linguaggio si connette con gli eventi
11:34
which provide common ground for language,
257
694260
2000
come ci dà una base comune per il linguaggio,
11:36
that same idea we can take out of your home, Deb,
258
696260
4000
quella stessa idea la possiamo fare uscire da casa tua, Deb,
11:40
and we can apply it to the world of public media."
259
700260
3000
e la possiamo applicare al mondo dei media."
11:43
And so our effort took an unexpected turn.
260
703260
3000
Così i nostri sforzi hanno preso una piega inaspettata.
11:46
Think of mass media
261
706260
2000
Pensate ai mass media
11:48
as providing common ground
262
708260
2000
come fornitori di una base comune
11:50
and you have the recipe
263
710260
2000
ed avrete la ricetta
11:52
for taking this idea to a whole new place.
264
712260
3000
per portare questa idea in un orizzonte interamente nuovo.
11:55
We've started analyzing television content
265
715260
3000
Abbiamo iniziato ad analizzare i contenuti televisivi
11:58
using the same principles --
266
718260
2000
usando gli stessi principi --
12:00
analyzing event structure of a TV signal --
267
720260
3000
analizzando la struttura di un evento di un segnale TV --
12:03
episodes of shows,
268
723260
2000
episodi di spettacoli,
12:05
commercials,
269
725260
2000
pubblicità,
12:07
all of the components that make up the event structure.
270
727260
3000
tutte le componenti che costituiscono la struttura dell'evento.
12:10
And we're now, with satellite dishes, pulling and analyzing
271
730260
3000
Con l'aiuto delle piattaforme satellitari stiamo ora registrando ed analizzando
12:13
a good part of all the TV being watched in the United States.
272
733260
3000
una buona parte di tutte le televisioni guardate negli Stati Uniti.
12:16
And you don't have to now go and instrument living rooms with microphones
273
736260
3000
E non dobbiamo andare a microfonare i soggiorni
12:19
to get people's conversations,
274
739260
2000
per registrare le conversazioni tra le persone,
12:21
you just tune into publicly available social media feeds.
275
741260
3000
basta sintonizzarsi ai canali pubblici disponibili.
12:24
So we're pulling in
276
744260
2000
Così stiamo estraendo
12:26
about three billion comments a month,
277
746260
2000
circa tre miliardi di commenti al mese.
12:28
and then the magic happens.
278
748260
2000
E poi accade la magia.
12:30
You have the event structure,
279
750260
2000
Ecco la struttura dell'evento,
12:32
the common ground that the words are about,
280
752260
2000
la base comune di cui trattano le parole,
12:34
coming out of the television feeds;
281
754260
3000
uscire dalle trasmissioni televisive;
12:37
you've got the conversations
282
757260
2000
abbiamo le conversazioni
12:39
that are about those topics;
283
759260
2000
che riguardano questi argomenti;
12:41
and through semantic analysis --
284
761260
3000
e attraverso l'analisi semantica --
12:44
and this is actually real data you're looking at
285
764260
2000
e questi che state guardando sono i dati reali
12:46
from our data processing --
286
766260
2000
usciti dalle nostre eleborazioni --
12:48
each yellow line is showing a link being made
287
768260
3000
ogni linea gialla mostra un collegamento che viene creato
12:51
between a comment in the wild
288
771260
3000
tra un commento allo stato puro
12:54
and a piece of event structure coming out of the television signal.
289
774260
3000
e una parte della struttura dell'evento che esce dal segnale televisivo.
12:57
And the same idea now
290
777260
2000
Ora la stessa idea
12:59
can be built up.
291
779260
2000
può essere incrementata.
13:01
And we get this wordscape,
292
781260
2000
E abbiamo questo parolorama,
13:03
except now words are not assembled in my living room.
293
783260
3000
eccetto il fatto che ora le parole non sono assemblate nel mio soggiorno.
13:06
Instead, the context, the common ground activities,
294
786260
4000
Invece il contesto, le attività di base,
13:10
are the content on television that's driving the conversations.
295
790260
3000
sono il contenuto televisivo sotteso alle conversazioni.
13:13
And what we're seeing here, these skyscrapers now,
296
793260
3000
E quello che vediamo qui, questi grattacieli,
13:16
are commentary
297
796260
2000
sono i commenti
13:18
that are linked to content on television.
298
798260
2000
che sono legati al contenuto televisivo.
13:20
Same concept,
299
800260
2000
Il concetto è lo stesso,
13:22
but looking at communication dynamics
300
802260
2000
ma guardando alla dinamica delle comunicazioni
13:24
in a very different sphere.
301
804260
2000
in una sfera molto diversa.
13:26
And so fundamentally, rather than, for example,
302
806260
2000
Così fondamentalmente, piuttosto che, ad esempio,
13:28
measuring content based on how many people are watching,
303
808260
3000
misurare il contenuto basandosi su quante persone stanno guardando,
13:31
this gives us the basic data
304
811260
2000
questo ci dà i dati di base
13:33
for looking at engagement properties of content.
305
813260
3000
per osservare la capacità del contenuto di suscitare interesse.
13:36
And just like we can look at feedback cycles
306
816260
3000
E proprio come possiamo osservare i cicli di risposta
13:39
and dynamics in a family,
307
819260
3000
e le dinamiche in una famiglia,
13:42
we can now open up the same concepts
308
822260
3000
possiamo ora aprire gli stessi concetti
13:45
and look at much larger groups of people.
309
825260
3000
e osservare a gruppi di persone più ampi.
13:48
This is a subset of data from our database --
310
828260
3000
Questo è un sotto insieme di dati dal nostro database --
13:51
just 50,000 out of several million --
311
831260
3000
solo 50.000 su diversi milioni --
13:54
and the social graph that connects them
312
834260
2000
e il grafico sociale che collega i dati
13:56
through publicly available sources.
313
836260
3000
attraverso le fonti pubbliche disponibili.
13:59
And if you put them on one plain,
314
839260
2000
E se le mettiamo tutti su un piano,
14:01
a second plain is where the content lives.
315
841260
3000
un secondo piano in cui c'è il contenuto.
14:04
So we have the programs
316
844260
3000
Così abbiamo i programmi
14:07
and the sporting events
317
847260
2000
e gli eventi sportivi
14:09
and the commercials,
318
849260
2000
e la pubblicità,
14:11
and all of the link structures that tie them together
319
851260
2000
e tutte le le strutture che li legano
14:13
make a content graph.
320
853260
2000
costituiscono il grafico del contenuto.
14:15
And then the important third dimension.
321
855260
4000
E quindi l'importante terza dimensione.
14:19
Each of the links that you're seeing rendered here
322
859260
2000
Ogni collegamento che vedete rappresentato qui
14:21
is an actual connection made
323
861260
2000
è una reale connessione fatta
14:23
between something someone said
324
863260
3000
tra qualcosa che ha detto qualcuno
14:26
and a piece of content.
325
866260
2000
e un contenuto.
14:28
And there are, again, now tens of millions of these links
326
868260
3000
E ci sono ora decine di milioni di questi collegamenti
14:31
that give us the connective tissue of social graphs
327
871260
3000
che ci danno il tessuto connettivo dei grafici sociali
14:34
and how they relate to content.
328
874260
3000
e come si relazionano al contenuto.
14:37
And we can now start to probe the structure
329
877260
2000
Possiamo ora iniziare a testare la struttura
14:39
in interesting ways.
330
879260
2000
in modo interessante.
14:41
So if we, for example, trace the path
331
881260
3000
Così se noi, ad esempio, tracciamo il percorso
14:44
of one piece of content
332
884260
2000
di un pezzo di contenuto
14:46
that drives someone to comment on it,
333
886260
2000
che porta qualcuno a commentarlo,
14:48
and then we follow where that comment goes,
334
888260
3000
e seguiamo dove va questo commento,
14:51
and then look at the entire social graph that becomes activated
335
891260
3000
e quindi guardiamo all'intero grafico sociale che viene attivato
14:54
and then trace back to see the relationship
336
894260
3000
e torniamo indietro per vedere la relazione
14:57
between that social graph and content,
337
897260
2000
tra il grafico sociale e il contenuto,
14:59
a very interesting structure becomes visible.
338
899260
2000
diventa visibile una struttura veramente interessante.
15:01
We call this a co-viewing clique,
339
901260
2000
Chiamiamo ciò un gruppo di visione condivisa,
15:03
a virtual living room if you will.
340
903260
3000
o se volete un salotto virtuale.
15:06
And there are fascinating dynamics at play.
341
906260
2000
Sono in gioco dinamiche affascinanti.
15:08
It's not one way.
342
908260
2000
Non è un senso unico.
15:10
A piece of content, an event, causes someone to talk.
343
910260
3000
Una parte di contenuto, un evento, fa parlare qualcuno.
15:13
They talk to other people.
344
913260
2000
Che parla con altre persone.
15:15
That drives tune-in behavior back into mass media,
345
915260
3000
Questo porta un comportamento di sintonizzazione dei mass media,
15:18
and you have these cycles
346
918260
2000
e si hanno questi cicli
15:20
that drive the overall behavior.
347
920260
2000
che guidano il comportamento collettivo.
15:22
Another example -- very different --
348
922260
2000
Un altro esempio -- molto diverso --
15:24
another actual person in our database --
349
924260
3000
un'altra persona reale nel nostro database --
15:27
and we're finding at least hundreds, if not thousands, of these.
350
927260
3000
e ne troviamo a centinaia se non a migliaia.
15:30
We've given this person a name.
351
930260
2000
Abbiamo dato un nome a questa persona.
15:32
This is a pro-amateur, or pro-am media critic
352
932260
3000
E' un critico dei media, un pro-amateur o pro-am
15:35
who has this high fan-out rate.
353
935260
3000
che ha questo alto tasso di apertura.
15:38
So a lot of people are following this person -- very influential --
354
938260
3000
Così molte persone lo seguono -- è molto influente --
15:41
and they have a propensity to talk about what's on TV.
355
941260
2000
e hanno la propensione di parlare di ciò che c'è in TV.
15:43
So this person is a key link
356
943260
3000
Così questa persona è un collegamento chiave
15:46
in connecting mass media and social media together.
357
946260
3000
nel connettere i mass media e i media sociali.
15:49
One last example from this data:
358
949260
3000
Un ultimo esempio da questi dati:
15:52
Sometimes it's actually a piece of content that is special.
359
952260
3000
a volte ad essere speciale è un contenuto.
15:55
So if we go and look at this piece of content,
360
955260
4000
Così se andiamo a guardare questo contenuto,
15:59
President Obama's State of the Union address
361
959260
3000
il discorso sullo Stato dell'Unione del Presidente Obama
16:02
from just a few weeks ago,
362
962260
2000
di qualche settimana fa,
16:04
and look at what we find in this same data set,
363
964260
3000
e guardiamo quello che troviamo in questo stesso insieme di dati,
16:07
at the same scale,
364
967260
3000
alla stessa scala,
16:10
the engagement properties of this piece of content
365
970260
2000
la capacità di creare delle connessioni di questo contenuto
16:12
are truly remarkable.
366
972260
2000
è veramente notevole.
16:14
A nation exploding in conversation
367
974260
2000
Una nazione intera che discute
16:16
in real time
368
976260
2000
in tempo reale
16:18
in response to what's on the broadcast.
369
978260
3000
in risposta a ciò che viene trasmesso.
16:21
And of course, through all of these lines
370
981260
2000
Ovviamente, attraverso tutte queste tracce
16:23
are flowing unstructured language.
371
983260
2000
c'è un fluente linguaggio non strutturato.
16:25
We can X-ray
372
985260
2000
Possiamo passare a i raggi X
16:27
and get a real-time pulse of a nation,
373
987260
2000
ed avere in tempo reale il polso di una nazione,
16:29
real-time sense
374
989260
2000
il senso in tempo reale
16:31
of the social reactions in the different circuits in the social graph
375
991260
3000
delle reazioni sociali presenti nei diversi circuiti del grafico sociale
16:34
being activated by content.
376
994260
3000
che sono attivati da questo contenuto.
16:37
So, to summarize, the idea is this:
377
997260
3000
Così, per riassumere, l'idea è questa:
16:40
As our world becomes increasingly instrumented
378
1000260
3000
Man mano che il nostro mondo diventa sempre più tecnologico
16:43
and we have the capabilities
379
1003260
2000
ed abbiamo la capacità
16:45
to collect and connect the dots
380
1005260
2000
di raccogliere e collegare i dati
16:47
between what people are saying
381
1007260
2000
tra quello che la gente sta dicendo
16:49
and the context they're saying it in,
382
1009260
2000
e il contesto in cui lo dicono,
16:51
what's emerging is an ability
383
1011260
2000
ciò che emerge è la capacità
16:53
to see new social structures and dynamics
384
1013260
3000
di vedere nuove strutture sociali e dinamiche
16:56
that have previously not been seen.
385
1016260
2000
che non si erano mai viste prima.
16:58
It's like building a microscope or telescope
386
1018260
2000
E' come costruire un microscopio o un telescopio
17:00
and revealing new structures
387
1020260
2000
e svelare nuove strutture
17:02
about our own behavior around communication.
388
1022260
3000
riguardo il nostro comportamento nell'ambito della comunicazione.
17:05
And I think the implications here are profound,
389
1025260
3000
Penso che le implicazioni qui siano profonde,
17:08
whether it's for science,
390
1028260
2000
sia per la scienza,
17:10
for commerce, for government,
391
1030260
2000
che per il commercio, per la politica
17:12
or perhaps most of all,
392
1032260
2000
o forse principalmente,
17:14
for us as individuals.
393
1034260
3000
per noi come individui.
17:17
And so just to return to my son,
394
1037260
3000
E così per tornare a mio figlio,
17:20
when I was preparing this talk, he was looking over my shoulder,
395
1040260
3000
mentre stavo preparando questo discorso, mi stava guardando da dietro le spalle
17:23
and I showed him the clips I was going to show to you today,
396
1043260
2000
e gli ho mostrato le clip che vi avrei mostrato oggi,
17:25
and I asked him for permission -- granted.
397
1045260
3000
e ho chiesto il suo permesso -- accordato.
17:28
And then I went on to reflect,
398
1048260
2000
Poi ho continuato a riflettere,
17:30
"Isn't it amazing,
399
1050260
3000
"Non è stupefacente,
17:33
this entire database, all these recordings,
400
1053260
3000
tutto questo database, tutte queste registrazioni,
17:36
I'm going to hand off to you and to your sister" --
401
1056260
2000
che passerò a te e a tua sorella,"
17:38
who arrived two years later --
402
1058260
3000
che è arrivata due anni dopo.
17:41
"and you guys are going to be able to go back and re-experience moments
403
1061260
3000
"e voi ragazzi avrete la possibilità di tornare indietro e rifare l'esperienza
17:44
that you could never, with your biological memory,
404
1064260
3000
di momenti che non avreste mai, con la vostra memoria biologica,
17:47
possibly remember the way you can now?"
405
1067260
2000
potuto ricordare in questo modo."
17:49
And he was quiet for a moment.
406
1069260
2000
E lui è stato in silenzio per un momento.
17:51
And I thought, "What am I thinking?
407
1071260
2000
E io ho pensato: "Cosa sto pensando?
17:53
He's five years old. He's not going to understand this."
408
1073260
2000
Ha cinque anni. Non capirà queste cose."
17:55
And just as I was having that thought, he looked up at me and said,
409
1075260
3000
E proprio mentre stavo pensando questo, mi ha guardato e ha detto,
17:58
"So that when I grow up,
410
1078260
2000
"Così quando sarò grande,
18:00
I can show this to my kids?"
411
1080260
2000
potrò mostrarlo ai miei bambini?"
18:02
And I thought, "Wow, this is powerful stuff."
412
1082260
3000
E ho pensato: "Wow, questa è roba potente."
18:05
So I want to leave you
413
1085260
2000
Così voglio lasciarvi
18:07
with one last memorable moment
414
1087260
2000
con un ultimo momento memorabile
18:09
from our family.
415
1089260
3000
che riguarda la nostra famiglia.
18:12
This is the first time our son
416
1092260
2000
Questa è la prima volta che nostro figlio
18:14
took more than two steps at once --
417
1094260
2000
ha fatto più di due passi alla volta --
18:16
captured on film.
418
1096260
2000
catturata in un film.
18:18
And I really want you to focus on something
419
1098260
3000
E voglio davvero che vi focalizziate su una cosa
18:21
as I take you through.
420
1101260
2000
mentre vi guido.
18:23
It's a cluttered environment; it's natural life.
421
1103260
2000
E' un ambiente disordinato; è vita reale.
18:25
My mother's in the kitchen, cooking,
422
1105260
2000
Mia madre è in cucina, e sta cucinando,
18:27
and, of all places, in the hallway,
423
1107260
2000
e di tutti i posti, nell'entrata,
18:29
I realize he's about to do it, about to take more than two steps.
424
1109260
3000
capisco che sta per farcela a fare più di due passi.
18:32
And so you hear me encouraging him,
425
1112260
2000
Così mi sentite incoraggiarlo,
18:34
realizing what's happening,
426
1114260
2000
comprendendo cosa sta accadendo,
18:36
and then the magic happens.
427
1116260
2000
e infine la magia accade.
18:38
Listen very carefully.
428
1118260
2000
Ascoltate molto attentamente.
18:40
About three steps in,
429
1120260
2000
Al terzo passo,
18:42
he realizes something magic is happening,
430
1122260
2000
lui capisce che sta accadendo qualcosa di magico.
18:44
and the most amazing feedback loop of all kicks in,
431
1124260
3000
Ed ecco il più strabiliante dei cicli di risposta,
18:47
and he takes a breath in,
432
1127260
2000
fa un gran respiro,
18:49
and he whispers "wow"
433
1129260
2000
e sussurra "wow"
18:51
and instinctively I echo back the same.
434
1131260
4000
e istintivamente io gli faccio eco.
18:56
And so let's fly back in time
435
1136260
3000
Così possiamo volare indietro nel tempo
18:59
to that memorable moment.
436
1139260
2000
a questo momento memorabile.
19:05
(Video) DR: Hey.
437
1145260
2000
(Video) DR: Hey.
19:07
Come here.
438
1147260
2000
Vieni qui.
19:09
Can you do it?
439
1149260
3000
Ci riesci?
19:13
Oh, boy.
440
1153260
2000
Oh, ragazzo.
19:15
Can you do it?
441
1155260
3000
Ci riesci?
19:18
Baby: Yeah.
442
1158260
2000
Bambino: Sì.
19:20
DR: Ma, he's walking.
443
1160260
3000
DR: Mamma sta camminando.
19:24
(Laughter)
444
1164260
2000
(Risate)
19:26
(Applause)
445
1166260
2000
(Applausi)
19:28
DR: Thank you.
446
1168260
2000
DR: Grazie.
19:30
(Applause)
447
1170260
15000
(Applausi)

Original video on YouTube.com
A proposito di questo sito web

Questo sito vi presenterà i video di YouTube utili per l'apprendimento dell'inglese. Vedrete lezioni di inglese tenute da insegnanti di alto livello provenienti da tutto il mondo. Fate doppio clic sui sottotitoli in inglese visualizzati su ogni pagina video per riprodurre il video da lì. I sottotitoli scorrono in sincronia con la riproduzione del video. Se avete commenti o richieste, contattateci tramite questo modulo di contatto.

https://forms.gle/WvT1wiN1qDtmnspy7