Your words may predict your future mental health | Mariano Sigman

803,220 views ・ 2016-06-16

TED


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

Traduttore: Beatrice Chiamenti Revisore: Silvia Fornasiero
00:13
We have historical records that allow us to know how the ancient Greeks dressed,
0
13006
5150
Abbiamo tracce storiche che ci permettono di sapere come vestivano gli Antichi Greci
00:18
how they lived,
1
18180
1254
come vivevano,
00:19
how they fought ...
2
19458
1522
come combattevano...
00:21
but how did they think?
3
21004
1524
ma come pensavano?
00:23
One natural idea is that the deepest aspects of human thought --
4
23432
4440
La nostra idea naturale è che gli aspetti più profondi del pensiero umano,
00:27
our ability to imagine,
5
27896
1872
la nostra abilità d'immaginare,
00:29
to be conscious,
6
29792
1397
di essere coscienti,
00:31
to dream --
7
31213
1231
di sognare,
00:32
have always been the same.
8
32468
1619
sono sempre state le stesse.
00:34
Another possibility
9
34872
1499
Un'altra possibilità
00:36
is that the social transformations that have shaped our culture
10
36395
3723
è che le trasformazioni sociali che hanno dato forma alla nostra cultura
00:40
may have also changed the structural columns of human thought.
11
40142
3785
potrebbero aver cambiato anche le colonne portanti del pensiero umano.
00:44
We may all have different opinions about this.
12
44911
2524
Può essere che ognuno di noi abbia un'opinione diversa a riguardo.
00:47
Actually, it's a long-standing philosophical debate.
13
47459
2717
In realtà, è un dibattito filosofico che va avanti da molto tempo.
00:50
But is this question even amenable to science?
14
50644
2727
Ma questo quesito è trattabile dalla scienza?
00:54
Here I'd like to propose
15
54834
2506
Ciò che suggerisco qui
00:57
that in the same way we can reconstruct how the ancient Greek cities looked
16
57364
4772
è che come si può ricostruire l'aspetto delle città dell'Antica Grecia
01:02
just based on a few bricks,
17
62160
2388
sulla base di pochi mattoni,
01:04
that the writings of a culture are the archaeological records,
18
64572
4126
così gli scritti di una cultura possono essere la traccia archeologica,
01:08
the fossils, of human thought.
19
68722
2143
i fossili del pensiero umano.
01:11
And in fact,
20
71905
1174
E infatti,
conducendo una certa forma di analisi psicologica
01:13
doing some form of psychological analysis
21
73103
2206
01:15
of some of the most ancient books of human culture,
22
75333
3544
di alcuni dei più antichi libri scritti dall'uomo,
01:18
Julian Jaynes came up in the '70s with a very wild and radical hypothesis:
23
78901
5955
Julian Jaynes negli anni Settanta ha dato un'ipotesi folle e davvero radicale:
01:24
that only 3,000 years ago,
24
84880
2413
che solo 3.000 anni fa
01:27
humans were what today we would call schizophrenics.
25
87317
4888
gli esseri umani erano ciò che oggi chiameremmo schizofrenici.
01:33
And he made this claim
26
93753
1508
Ha fatto quest'affermazione
01:35
based on the fact that the first humans described in these books
27
95285
3301
sulla base del fatto che i primi uomini descritti in questi libri
01:38
behaved consistently,
28
98610
1904
si comportavano costantemente
01:40
in different traditions and in different places of the world,
29
100538
3016
in diverse tradizioni e differenti luoghi nel mondo
01:43
as if they were hearing and obeying voices
30
103578
3532
come se sentissero e obbedissero a voci
01:47
that they perceived as coming from the Gods,
31
107134
3040
che percepivano venire dagli Dei,
01:50
or from the muses ...
32
110198
1198
o dalle Muse...
01:52
what today we would call hallucinations.
33
112063
2769
ciò che oggi chiamiamo allucinazioni.
01:55
And only then, as time went on,
34
115888
2626
E solo allora, mentre il tempo scorreva,
01:58
they began to recognize that they were the creators,
35
118538
3651
cominciarono a riconoscere di essere loro stessi i creatori,
02:02
the owners of these inner voices.
36
122213
2515
i proprietari di quelle voci interiori.
02:05
And with this, they gained introspection:
37
125316
2715
Grazie a questo, hanno guadagnato l'introspezione:
02:08
the ability to think about their own thoughts.
38
128055
2483
l'abilità di pensare ai loro stessi pensieri.
02:11
So Jaynes's theory is that consciousness,
39
131785
3397
Dunque, la teoria di Jaynes è che la coscienza,
02:15
at least in the way we perceive it today,
40
135206
3166
almeno nel modo in cui la percepiamo oggi,
02:18
where we feel that we are the pilots of our own existence --
41
138396
3540
dove sentiamo di essere i piloti della nostra stessa esistenza,
02:21
is a quite recent cultural development.
42
141960
2737
è uno sviluppo culturale abbastanza recente.
02:25
And this theory is quite spectacular,
43
145456
1786
Questa teoria è abbastanza spettacolare
02:27
but it has an obvious problem
44
147266
1433
ma ha un problema ovvio,
02:28
which is that it's built on just a few and very specific examples.
45
148723
3992
cioè che è costruita solo su pochi esempi molto specifici.
02:33
So the question is whether the theory
46
153085
1763
La questione dunque è se la teoria
02:34
that introspection built up in human history only about 3,000 years ago
47
154872
4751
che l'introspezione sia stata costruita nella storia dell'uomo solo 3.000 anni fa
02:39
can be examined in a quantitative and objective manner.
48
159647
2984
possa essere esaminata in modo quantitativo e oggettivo.
02:43
And the problem of how to go about this is quite obvious.
49
163543
3563
Il problema di come questo possa o meno avvenire è piuttosto ovvio.
02:47
It's not like Plato woke up one day and then he wrote,
50
167130
3460
Non è che Platone si è svegliato un giorno e ha scritto:
02:50
"Hello, I'm Plato,
51
170614
1659
"Ehi, sono Platone
02:52
and as of today, I have a fully introspective consciousness."
52
172297
2889
e da oggi in poi avrò una coscienza pienamente introspettiva."
02:55
(Laughter)
53
175210
2293
(Risate)
02:57
And this tells us actually what is the essence of the problem.
54
177527
3333
Questo ci dice in realtà qual è l'essenza del problema.
03:01
We need to find the emergence of a concept that's never said.
55
181467
4055
Dobbiamo trovare l'emergere di un concetto che non è mai stato detto.
03:06
The word introspection does not appear a single time
56
186434
4310
La parola introspezione non appare una singola volta
03:10
in the books we want to analyze.
57
190768
1919
nei libri che vogliamo analizzare.
03:13
So our way to solve this is to build the space of words.
58
193728
4087
Quindi il nostro modo di venirne a capo è costruire lo spazio delle parole.
03:18
This is a huge space that contains all words
59
198571
3287
Si tratta di uno spazio enorme che contiene tutte le parole
03:21
in such a way that the distance between any two of them
60
201882
2802
in un modo tale che la distanza tra due parole qualsiasi
03:24
is indicative of how closely related they are.
61
204708
2883
sia indicativa di quanto sono collegate.
03:28
So for instance,
62
208460
1151
Dunque, per esempio,
03:29
you want the words "dog" and "cat" to be very close together,
63
209635
2897
le parole "cane" e "gatto" dovrebbero essere molto vicine,
03:32
but the words "grapefruit" and "logarithm" to be very far away.
64
212556
3831
ma le parole "uva" e "logaritmo" dovrebbero essere molto lontane.
03:36
And this has to be true for any two words within the space.
65
216809
3896
E questo deve essere vero per ogni coppia di parole nello spazio.
03:41
And there are different ways that we can construct the space of words.
66
221626
3341
Ci sono modi differenti per costruire lo spazio delle parole.
03:44
One is just asking the experts,
67
224991
1643
Uno è semplicemente chiedere agli esperti,
03:46
a bit like we do with dictionaries.
68
226658
1896
un po' come facciamo con i dizionari.
03:48
Another possibility
69
228896
1428
Un'altra possibilità
03:50
is following the simple assumption that when two words are related,
70
230348
3715
è seguire la semplice assunzione che quando due parole sono collegate
03:54
they tend to appear in the same sentences,
71
234087
2349
tendono ad apparire nelle stesse frasi,
03:56
in the same paragraphs,
72
236460
1453
negli stessi paragrafi,
03:57
in the same documents,
73
237937
1770
negli stessi documenti,
03:59
more often than would be expected just by pure chance.
74
239731
3182
più spesso di quanto ci si aspetterebbe in base al caso.
04:04
And this simple hypothesis,
75
244231
2050
Questa ipotesi semplice,
04:06
this simple method,
76
246305
1306
questo semplice metodo,
04:07
with some computational tricks
77
247635
1607
con qualche trucchetto computazionale
04:09
that have to do with the fact
78
249266
1389
legato al fatto
04:10
that this is a very complex and high-dimensional space,
79
250679
3064
che questo spazio è molto complesso e fatto di molteplici dimensioni,
04:13
turns out to be quite effective.
80
253767
1665
sembra essere piuttosto efficace.
Giusto per darvi un assaggio di quanto possa funzionare bene,
04:16
And just to give you a flavor of how well this works,
81
256155
2802
04:18
this is the result we get when we analyze this for some familiar words.
82
258981
3912
questo è il risultato quando analizziamo alcune parole familiari.
04:23
And you can see first
83
263607
1185
Potete vedere innanzitutto
04:24
that words automatically organize into semantic neighborhoods.
84
264816
3278
come le parole si organizzano in autonomia in aree semantiche.
04:28
So you get the fruits, the body parts,
85
268118
2217
Così ottenete i frutti, le parti del corpo,
04:30
the computer parts, the scientific terms and so on.
86
270359
2425
le parti del computer, i termini scientifici e così via.
04:33
The algorithm also identifies that we organize concepts in a hierarchy.
87
273119
4222
L'algoritmo identifica anche il fatto che organizziamo i concetti in gerarchie.
04:37
So for instance,
88
277852
1151
Dunque, per esempio,
04:39
you can see that the scientific terms break down into two subcategories
89
279027
3597
vedete come i termini scientifici si dividono nelle due categorie
04:42
of the astronomic and the physics terms.
90
282648
2100
dei termini astronomici e i termini fisici.
04:45
And then there are very fine things.
91
285338
2246
Poi emergono anche delle raffinatezze.
04:47
For instance, the word astronomy,
92
287608
1905
Per esempio, la parola astronomia,
04:49
which seems a bit bizarre where it is,
93
289537
1815
che sembra in un posto un po' strano,
04:51
is actually exactly where it should be,
94
291376
2048
in realtà è esattamente dove dovrebbe essere,
04:53
between what it is,
95
293448
1595
tra ciò che è, una vera scienza
04:55
an actual science,
96
295067
1270
04:56
and between what it describes,
97
296361
1536
e ciò che descrive, i termini astronomici.
04:57
the astronomical terms.
98
297921
1492
05:00
And we could go on and on with this.
99
300182
1891
Potremmo andare avanti così all'infinito.
05:02
Actually, if you stare at this for a while,
100
302097
2060
In realtà, se lo guardate per un po'
05:04
and you just build random trajectories,
101
304181
1858
e costruite traiettorie casuali,
05:06
you will see that it actually feels a bit like doing poetry.
102
306063
3166
vedrete che sembra un po' come scrivere una poesia.
05:10
And this is because, in a way,
103
310018
1882
Questo perché, in un certo senso,
05:11
walking in this space is like walking in the mind.
104
311924
2940
percorrere questo spazio è un po' come percorrere la mente.
05:16
And the last thing
105
316027
1617
E l'ultima cosa
05:17
is that this algorithm also identifies what are our intuitions,
106
317668
4040
è che l'algoritmo identifica anche quelle che sono le nostre intuizioni
05:21
of which words should lead in the neighborhood of introspection.
107
321732
3896
riguardo a quali parole dovrebbero portare nell'area dell'introspezione.
05:25
So for instance,
108
325652
1223
Quindi per esempio,
05:26
words such as "self," "guilt," "reason," "emotion,"
109
326899
3979
parole come "sé", "colpa", "ragione", "emozione",
05:30
are very close to "introspection,"
110
330902
1889
sono molto vicine a "introspezione",
05:32
but other words,
111
332815
1151
ma altre parole,
05:33
such as "red," "football," "candle," "banana,"
112
333990
2167
come "rosso", "calcio", "candela", "banana",
05:36
are just very far away.
113
336181
1452
sono molto lontane.
05:38
And so once we've built the space,
114
338054
2762
Dunque, una volta costruito questo spazio,
05:40
the question of the history of introspection,
115
340840
2826
la questione della storia dell'introspezione,
05:43
or of the history of any concept
116
343690
2333
o della storia di qualsiasi concetto
05:46
which before could seem abstract and somehow vague,
117
346047
4779
che prima poteva sembrare qualcosa di astratto e vago,
05:50
becomes concrete --
118
350850
1604
diventa concreta,
05:52
becomes amenable to quantitative science.
119
352478
2738
diventa trattabile dalla scienza quantitativa.
05:56
All that we have to do is take the books,
120
356216
2762
Tutto ciò che c'è da fare è prendere i libri,
05:59
we digitize them,
121
359002
1381
digitalizzarli,
06:00
and we take this stream of words as a trajectory
122
360407
2809
prendere questa corrente di parole come una traiettoria
06:03
and project them into the space,
123
363240
1969
e proiettarli nello spazio,
06:05
and then we ask whether this trajectory spends significant time
124
365233
3754
chiediamoci poi se questa traiettoria passa una parte di tempo significativa
06:09
circling closely to the concept of introspection.
125
369011
2992
ruotando intorno al concetto di introspezione.
06:12
And with this,
126
372760
1196
Con questo,
06:13
we could analyze the history of introspection
127
373980
2112
potremmo analizzare la storia dell'introspezione
06:16
in the ancient Greek tradition,
128
376116
1921
nella tradizione dell'Antica Grecia,
06:18
for which we have the best available written record.
129
378061
2602
per la quale abbiamo a disposizione le migliori tracce scritte.
06:21
So what we did is we took all the books --
130
381631
2255
Quindi ciò che abbiamo fatto è stato prendere i libri,
06:23
we just ordered them by time --
131
383910
2284
ordinarli cronologicamente,
06:26
for each book we take the words
132
386218
1752
prendere le parole per ogni libro
06:27
and we project them to the space,
133
387994
1961
e proiettarle nello spazio
06:29
and then we ask for each word how close it is to introspection,
134
389979
3032
e poi abbiamo chiesto per ogni parola quanto fosse vicina all'introspezione
06:33
and we just average that.
135
393035
1230
e ne abbiamo fatto una media.
06:34
And then we ask whether, as time goes on and on,
136
394590
3198
Poi abbiamo chiesto se, con l'avanzare del tempo,
06:37
these books get closer, and closer and closer
137
397812
3252
questi libri si avvicinassero sempre di più
06:41
to the concept of introspection.
138
401088
1754
al concetto di introspezione.
06:42
And this is exactly what happens in the ancient Greek tradition.
139
402866
3801
Questo è esattamente ciò che succede nell'antica tradizione greca.
06:47
So you can see that for the oldest books in the Homeric tradition,
140
407698
3127
Così vedete che per i libri più antichi della tradizione omerica
06:50
there is a small increase with books getting closer to introspection.
141
410849
3412
c'è un lento avvicinamento dei libri all'introspezione.
06:54
But about four centuries before Christ,
142
414285
2206
Ma circa quattro secoli prima della nascita di Cristo
06:56
this starts ramping up very rapidly to an almost five-fold increase
143
416515
4708
c'è un'impennata molto rapida di circa cinque volte
07:01
of books getting closer, and closer and closer
144
421247
2500
del progressivo avvicinamento dei libri
07:03
to the concept of introspection.
145
423771
1682
al concetto di introspezione.
07:06
And one of the nice things about this
146
426159
2424
Una cosa bella di questo sistema
07:08
is that now we can ask
147
428607
1198
è che ora possiamo chiedere
07:09
whether this is also true in a different, independent tradition.
148
429829
4147
se questo è vero anche per tradizioni diverse e indipendenti.
07:14
So we just ran this same analysis on the Judeo-Christian tradition,
149
434962
3176
Abbiamo condotto la stessa analisi nella tradizione giudaico-cristiana
07:18
and we got virtually the same pattern.
150
438162
2721
e abbiamo ottenuto virtualmente lo stesso pattern.
07:21
Again, you see a small increase for the oldest books in the Old Testament,
151
441548
4635
Ancora, si vede un piccolo aumento per i libri antichi del Vecchio Testamento
07:26
and then it increases much more rapidly
152
446207
1914
e poi un aumento molto più rapido
07:28
in the new books of the New Testament.
153
448145
1839
nei nuovi libri del Nuovo Testamento.
07:30
And then we get the peak of introspection
154
450008
2032
Poi otteniamo il picco dell'introspezione
07:32
in "The Confessions of Saint Augustine,"
155
452064
2127
nelle "Confessioni di Sant'Agostino",
07:34
about four centuries after Christ.
156
454215
1857
circa quattro secoli dopo Cristo.
07:36
And this was very important,
157
456897
1944
Questo è molto importante,
07:38
because Saint Augustine had been recognized by scholars,
158
458865
3373
perché Sant'Agostino è stato riconosciuto dagli studiosi,
07:42
philologists, historians,
159
462262
2172
i filologi, gli storici,
07:44
as one of the founders of introspection.
160
464458
2078
come uno dei fondatori dell'introspezione.
07:47
Actually, some believe him to be the father of modern psychology.
161
467060
3297
In effetti, alcuni lo ritengono il padre della moderna psicologia.
07:51
So our algorithm,
162
471012
1839
Quindi il nostro algoritmo,
07:52
which has the virtue of being quantitative,
163
472875
2842
che ha il pregio di essere quantitativo,
07:55
of being objective,
164
475741
1263
di essere oggettivo,
07:57
and of course of being extremely fast --
165
477028
2016
e di essere estremamente veloce
07:59
it just runs in a fraction of a second --
166
479068
2397
(opera infatti in una frazione di secondo)
08:01
can capture some of the most important conclusions
167
481489
3503
può registrare alcune delle più importanti conclusioni
08:05
of this long tradition of investigation.
168
485016
2222
di questa lunga tradizione di ricerca.
08:08
And this is in a way one of the beauties of science,
169
488317
3651
Questa in un certo senso è una delle bellezze della scienza,
08:11
which is that now this idea can be translated
170
491992
3476
ovvero che ora questa idea può essere tradotta
08:15
and generalized to a whole lot of different domains.
171
495492
2571
e generalizzata in una grande quantità di ambiti diversi.
08:18
So in the same way that we asked about the past of human consciousness,
172
498769
4767
Allo stesso modo in cui abbiamo chiesto del passato della coscienza umana,
08:23
maybe the most challenging question we can pose to ourselves
173
503560
3406
forse la domanda più ardita che possiamo porci
08:26
is whether this can tell us something about the future of our own consciousness.
174
506990
4137
è se questo possa dirci qualcosa riguardo al futuro delle nostre coscienze.
08:31
To put it more precisely,
175
511550
1470
Per essere più precisi,
08:33
whether the words we say today
176
513044
2416
se le parole che diciamo oggi
08:35
can tell us something of where our minds will be in a few days,
177
515484
5197
possano dirci qualcosa su dove la nostra mente sarà tra qualche giorno,
08:40
in a few months
178
520705
1151
qualche mese
08:41
or a few years from now.
179
521880
1182
o qualche anno da ora.
08:43
And in the same way many of us are now wearing sensors
180
523597
3020
Allo stesso modo in cui molti di noi indossano sensori
08:46
that detect our heart rate,
181
526641
1786
che rilevano il battito del cuore,
08:48
our respiration,
182
528451
1269
la respirazione,
08:49
our genes,
183
529744
1667
i nostri geni,
08:51
on the hopes that this may help us prevent diseases,
184
531435
3651
nella speranza che questo ci aiuti a prevenire le malattie,
08:55
we can ask whether monitoring and analyzing the words we speak,
185
535110
3521
così possiamo chiederci se monitorare e analizzare le parole che diciamo,
08:58
we tweet, we email, we write,
186
538655
2683
che twittiamo, che mandiamo via mail, che scriviamo
09:01
can tell us ahead of time whether something may go wrong with our minds.
187
541362
4808
possa dirci in anticipo se qualcosa potrebbe guastarsi nelle nostre menti.
09:07
And with Guillermo Cecchi,
188
547087
1534
Con Guillermo Cecchi,
09:08
who has been my brother in this adventure,
189
548645
3001
che è stato mio compagno in quest'avventura,
09:11
we took on this task.
190
551670
1555
abbiamo preso in carico questo compito.
09:14
And we did so by analyzing the recorded speech of 34 young people
191
554228
5532
L'abbiamo fatto analizzando il discorso registrato di 34 giovani
09:19
who were at a high risk of developing schizophrenia.
192
559784
2801
che erano ad alto rischio di sviluppare la schizofrenia.
09:23
And so what we did is, we measured speech at day one,
193
563434
2881
Ciò che abbiamo fatto è stato misurare il discorso al giorno uno,
09:26
and then we asked whether the properties of the speech could predict,
194
566339
3242
e abbiamo chiesto se le proprietà del linguaggio potessero predire
09:29
within a window of almost three years,
195
569605
2496
all'interno di una finestra di circa tre anni,
09:32
the future development of psychosis.
196
572125
2035
il futuro svilupparsi della psicosi.
09:35
But despite our hopes,
197
575427
2366
Ma malgrado le nostre speranze,
09:37
we got failure after failure.
198
577817
3117
abbiamo ottenuto fallimenti su fallimenti.
09:41
There was just not enough information in semantics
199
581793
3882
Semplicemente, non c'erano abbastanza informazioni nella semantica
09:45
to predict the future organization of the mind.
200
585699
2793
per predire la futura organizzazione della mente.
09:48
It was good enough
201
588516
1809
Ce n'era abbastanza
09:50
to distinguish between a group of schizophrenics and a control group,
202
590349
4175
per distinguere tra un gruppo di schizofrenici e un gruppo di controllo,
09:54
a bit like we had done for the ancient texts,
203
594548
2712
un po' come avevamo fatto per i testi antichi,
09:57
but not to predict the future onset of psychosis.
204
597284
2994
ma non per predire il futuro instaurarsi della psicosi.
10:01
But then we realized
205
601164
1706
Ma poi abbiamo realizzato
10:02
that maybe the most important thing was not so much what they were saying,
206
602894
4088
che forse la cosa più importante non era tanto cosa dicevano,
10:07
but how they were saying it.
207
607006
1673
ma come lo dicevano.
10:09
More specifically,
208
609679
1220
Più nello specifico,
10:10
it was not in which semantic neighborhoods the words were,
209
610923
2827
non si trattava del distretto in cui si trovavano le parole,
10:13
but how far and fast they jumped
210
613774
2600
ma quanto lontano e quanto velocemente saltassero
10:16
from one semantic neighborhood to the other one.
211
616398
2301
da un'area semantica all'altra.
10:19
And so we came up with this measure,
212
619247
1731
Quindi abbiamo elaborato questa misura
10:21
which we termed semantic coherence,
213
621002
2389
che abbiamo chiamato coerenza semantica,
10:23
which essentially measures the persistence of speech within one semantic topic,
214
623415
4804
che essenzialmente misura la persistenza del discorso in un argomento semantico
10:28
within one semantic category.
215
628243
1529
all'interno di una categoria semantica.
10:31
And it turned out to be that for this group of 34 people,
216
631294
4047
Ne è risultato che per questo gruppo di 34 persone,
10:35
the algorithm based on semantic coherence could predict,
217
635365
3659
l'algoritmo basato sulla coerenza semantica poteva predire
10:39
with 100 percent accuracy,
218
639048
2500
con un'accuratezza del 100%,
10:41
who developed psychosis and who will not.
219
641572
2507
chi avrebbe sviluppato la psicosi e chi invece no.
10:44
And this was something that could not be achieved --
220
644976
2937
E questo era un risultato che non poteva essere raggiunto,
10:47
not even close --
221
647937
1508
neanche lontanamente,
10:49
with all the other existing clinical measures.
222
649469
3126
con tutte le misure cliniche attualmente esistenti.
10:54
And I remember vividly, while I was working on this,
223
654525
3579
Ricordo vividamente, mentre ci stavo lavorando,
10:58
I was sitting at my computer
224
658128
2317
ero seduto al mio computer
11:00
and I saw a bunch of tweets by Polo --
225
660469
2635
quando vidi una serie di tweet di Polo -
11:03
Polo had been my first student back in Buenos Aires,
226
663128
3167
Polo era stato il mio primo studente a Buenos Aires,
11:06
and at the time he was living in New York.
227
666319
2070
e allora viveva a New York.
11:08
And there was something in this tweets --
228
668413
2088
C'era qualcosa nei suoi tweet,
11:10
I could not tell exactly what because nothing was said explicitly --
229
670525
3501
non so dirvi esattamente cosa perché niente era detto in modo esplicito,
11:14
but I got this strong hunch,
230
674050
2021
ma ricevetti questa forte impressione,
11:16
this strong intuition, that something was going wrong.
231
676095
2955
questa forte intuizione, che qualcosa
non stava andando nel verso giusto.
11:20
So I picked up the phone, and I called Polo,
232
680347
2723
Quindi presi il telefono, chiamai Polo
11:23
and in fact he was not feeling well.
233
683094
1919
e infatti non si sentiva bene.
11:25
And this simple fact,
234
685362
1937
Questo semplice fatto,
11:27
that reading in between the lines,
235
687323
2491
quel leggere tra le righe,
11:29
I could sense, through words, his feelings,
236
689838
4262
il fatto che potessi sentire, attraverso le parole, i suoi sentimenti,
11:34
was a simple, but very effective way to help.
237
694124
2619
fu un semplice, ma molto efficace modo di aiutare.
11:37
What I tell you today
238
697987
1638
Ciò che vi sto dicendo oggi
11:39
is that we're getting close to understanding
239
699649
2508
è che siamo vicini a capire
11:42
how we can convert this intuition that we all have,
240
702181
4286
come possiamo tradurre questa intuizione che tutti abbiamo,
11:46
that we all share,
241
706491
1365
che tutti condividiamo,
11:47
into an algorithm.
242
707880
1197
in un algoritmo.
11:50
And in doing so,
243
710102
1461
Così facendo,
11:51
we may be seeing in the future a very different form of mental health,
244
711587
4650
potremmo vedere in futuro una forma molto diversa di sanità mentale,
11:56
based on objective, quantitative and automated analysis
245
716261
5621
basata su un'analisi oggettiva, quantitativa e automatizzata
12:01
of the words we write,
246
721906
1709
delle parole che scriviamo,
12:03
of the words we say.
247
723639
1537
delle parole che diciamo.
12:05
Gracias.
248
725200
1151
Grazie.
12:06
(Applause)
249
726375
6883
(Applausi)
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