What we learned from 5 million books

5百万冊の本から学んだこと

236,151 views ・ 2011-09-20

TED


下の英語字幕をダブルクリックすると動画を再生できます。

翻訳: Yasushi Aoki 校正: Yuki Okada
00:15
Erez Lieberman Aiden: Everyone knows
0
15260
2000
(エレズ) ご存じと思いますが
00:17
that a picture is worth a thousand words.
1
17260
3000
1枚の絵は千の言葉に値すると言います
00:22
But we at Harvard
2
22260
2000
しかしハーバード大学では
00:24
were wondering if this was really true.
3
24260
3000
この点について疑問を抱きました
00:27
(Laughter)
4
27260
2000
(笑)
00:29
So we assembled a team of experts,
5
29260
4000
それで専門家のチームが編成されました
00:33
spanning Harvard, MIT,
6
33260
2000
ハーバード大学 MIT
00:35
The American Heritage Dictionary, The Encyclopedia Britannica
7
35260
3000
アメリカン・ヘリテージ英語辞典 ブリタニカ百科事典
00:38
and even our proud sponsors,
8
38260
2000
それに我らがスポンサー
00:40
the Google.
9
40260
3000
Googleも参加しています
00:43
And we cogitated about this
10
43260
2000
そして4年間に渡って
00:45
for about four years.
11
45260
2000
詳細な研究が続けられ
00:47
And we came to a startling conclusion.
12
47260
5000
驚くべき結論が得られました
00:52
Ladies and gentlemen, a picture is not worth a thousand words.
13
52260
3000
皆さん 1枚の絵は千の言葉に値するのではありません
00:55
In fact, we found some pictures
14
55260
2000
我々の発見によれば
00:57
that are worth 500 billion words.
15
57260
5000
1枚の絵は5千億の言葉に値するのです
01:02
Jean-Baptiste Michel: So how did we get to this conclusion?
16
62260
2000
(ジャン) いかにしてその結論に至ったのか?
01:04
So Erez and I were thinking about ways
17
64260
2000
エレズと私は 人類の文化と歴史が
01:06
to get a big picture of human culture
18
66260
2000
時とともにどう遷移してきたのか
01:08
and human history: change over time.
19
68260
3000
概観できる方法に 考えを巡らせていました
01:11
So many books actually have been written over the years.
20
71260
2000
長年に渡り多くの本が書かれています
01:13
So we were thinking, well the best way to learn from them
21
73260
2000
それらの本をすべて読むのが
01:15
is to read all of these millions of books.
22
75260
2000
最良の方法だろうと考えました
01:17
Now of course, if there's a scale for how awesome that is,
23
77260
3000
もし「いかしてる」度合いを測る単位があったとしたら
01:20
that has to rank extremely, extremely high.
24
80260
3000
これは非常に高い値になるでしょう
01:23
Now the problem is there's an X-axis for that,
25
83260
2000
問題は X軸に
01:25
which is the practical axis.
26
85260
2000
実現性を取ると
01:27
This is very, very low.
27
87260
2000
それがごく低くなるということです
01:29
(Applause)
28
89260
3000
(拍手)
01:32
Now people tend to use an alternative approach,
29
92260
3000
それで多くの人は違ったアプローチを取っています
01:35
which is to take a few sources and read them very carefully.
30
95260
2000
一握りの文献を熟読するのです
01:37
This is extremely practical, but not so awesome.
31
97260
2000
現実的ですが そんなにいかしてはいません
01:39
What you really want to do
32
99260
3000
本当にやりたいのは
01:42
is to get to the awesome yet practical part of this space.
33
102260
3000
いかしていながら現実的なことです
01:45
So it turns out there was a company across the river called Google
34
105260
3000
川向こうのGoogleという会社が それを可能にするような
01:48
who had started a digitization project a few years back
35
108260
2000
デジタル化プロジェクトを
01:50
that might just enable this approach.
36
110260
2000
数年前からやっていると聞き及びました
01:52
They have digitized millions of books.
37
112260
2000
何百万という本がデジタル化され
01:54
So what that means is, one could use computational methods
38
114260
3000
それらの本をボタンひとつで
01:57
to read all of the books in a click of a button.
39
117260
2000
コンピュータに読み取らせることができます
01:59
That's very practical and extremely awesome.
40
119260
3000
これはとても現実的でありながら すごくいかしています
02:03
ELA: Let me tell you a little bit about where books come from.
41
123260
2000
(エレズ) 本の由来についてお話ししましょう
02:05
Since time immemorial, there have been authors.
42
125260
3000
大昔から本を書く人々がいて
02:08
These authors have been striving to write books.
43
128260
3000
著者たちは苦労して本を書いていました
02:11
And this became considerably easier
44
131260
2000
数世紀前の印刷術の発明により
02:13
with the development of the printing press some centuries ago.
45
133260
2000
それが格段に容易になりました
02:15
Since then, the authors have won
46
135260
3000
それ以来行われてきた出版の機会というのは
02:18
on 129 million distinct occasions,
47
138260
2000
1億2千9百万回にも
02:20
publishing books.
48
140260
2000
及びます
02:22
Now if those books are not lost to history,
49
142260
2000
それらの本は 失われていなければ
02:24
then they are somewhere in a library,
50
144260
2000
どこかの図書館にあります
02:26
and many of those books have been getting retrieved from the libraries
51
146260
3000
その多くがGoogleにより図書館から借り出され
02:29
and digitized by Google,
52
149260
2000
デジタルデータ化されました
02:31
which has scanned 15 million books to date.
53
151260
2000
既に千5百万冊がスキャンされています
02:33
Now when Google digitizes a book, they put it into a really nice format.
54
153260
3000
Googleはデジタル化された本を有用な形式で保存します
02:36
Now we've got the data, plus we have metadata.
55
156260
2000
データだけでなく メタデータも手に入ります
02:38
We have information about things like where was it published,
56
158260
3000
どこで出版されたのか 誰が書いたのか
02:41
who was the author, when was it published.
57
161260
2000
いつ発行されたのか
02:43
And what we do is go through all of those records
58
163260
3000
私たちがしたのは それらすべてのレコードをチェックして
02:46
and exclude everything that's not the highest quality data.
59
166260
4000
クオリティが最高のもの以外除外するということです
02:50
What we're left with
60
170260
2000
残ったのは
02:52
is a collection of five million books,
61
172260
3000
5百万冊の本
02:55
500 billion words,
62
175260
3000
5千億語というデータです
02:58
a string of characters a thousand times longer
63
178260
2000
ヒトゲノムよりも
03:00
than the human genome --
64
180260
3000
千倍も長い文字列
03:03
a text which, when written out,
65
183260
2000
書き出したなら
03:05
would stretch from here to the Moon and back
66
185260
2000
地球と月の間を10回以上
03:07
10 times over --
67
187260
2000
往復する—
03:09
a veritable shard of our cultural genome.
68
189260
4000
紛れもない 我々の文化ゲノムのかけらです
03:13
Of course what we did
69
193260
2000
そのような
03:15
when faced with such outrageous hyperbole ...
70
195260
3000
誇大広告に直面して・・・
03:18
(Laughter)
71
198260
2000
(笑)
03:20
was what any self-respecting researchers
72
200260
3000
私たちがしたのは もちろん
03:23
would have done.
73
203260
3000
自尊心ある研究者なら誰でもするであろうことです
03:26
We took a page out of XKCD,
74
206260
2000
XKCDの漫画の1ページを
03:28
and we said, "Stand back.
75
208260
2000
引用して言ったのです
03:30
We're going to try science."
76
210260
2000
「下がれ 我は科学するものなり」
03:32
(Laughter)
77
212260
2000
(笑)
03:34
JM: Now of course, we were thinking,
78
214260
2000
(ジャン) 私たちが考えたのは
03:36
well let's just first put the data out there
79
216260
2000
まずデータをみんなに公開して
03:38
for people to do science to it.
80
218260
2000
それで科学できるようにしようということです
03:40
Now we're thinking, what data can we release?
81
220260
2000
どんなデータが公開できるでしょう?
03:42
Well of course, you want to take the books
82
222260
2000
もちろん5百万冊の本の
03:44
and release the full text of these five million books.
83
224260
2000
全文を公開したいと思いました
03:46
Now Google, and Jon Orwant in particular,
84
226260
2000
でもGoogleのジョン・オーワントが
03:48
told us a little equation that we should learn.
85
228260
2000
ちょっとした方程式を教えてくれました
03:50
So you have five million, that is, five million authors
86
230260
3000
5百万冊の本 = 5百万人の著者 =
03:53
and five million plaintiffs is a massive lawsuit.
87
233260
3000
5百万の原告からなる巨大な訴訟
03:56
So, although that would be really, really awesome,
88
236260
2000
全文公開は
03:58
again, that's extremely, extremely impractical.
89
238260
3000
ものすごくいかしているにしても 極めて非現実的なのです
04:01
(Laughter)
90
241260
2000
(笑)
04:03
Now again, we kind of caved in,
91
243260
2000
それで再び折れて
04:05
and we did the very practical approach, which was a bit less awesome.
92
245260
3000
いかしている度合いを下げて 現実的なアプローチを取り
04:08
We said, well instead of releasing the full text,
93
248260
2000
全文の代わりに 本の統計データを
04:10
we're going to release statistics about the books.
94
250260
2000
公開することにしたのです
04:12
So take for instance "A gleam of happiness."
95
252260
2000
たとえば “a gleam of happiness”のような
04:14
It's four words; we call that a four-gram.
96
254260
2000
4語からなる“4-gram”が
04:16
We're going to tell you how many times a particular four-gram
97
256260
2000
本の中に何度現れるかわかります
04:18
appeared in books in 1801, 1802, 1803,
98
258260
2000
1801年 1802年 1803年から
04:20
all the way up to 2008.
99
260260
2000
2008年に至るまで
04:22
That gives us a time series
100
262260
2000
時とともに そのフレーズが
04:24
of how frequently this particular sentence was used over time.
101
264260
2000
どれほどの頻度で使われているかわかるのです
04:26
We do that for all the words and phrases that appear in those books,
102
266260
3000
これを本に現れるあらゆる語やフレーズに対して行い
04:29
and that gives us a big table of two billion lines
103
269260
3000
20億行からなる膨大な表が得られました
04:32
that tell us about the way culture has been changing.
104
272260
2000
それは文化がいかに変わってきたか教えてくれます
04:34
ELA: So those two billion lines,
105
274260
2000
(エレズ) 20億行ですから
04:36
we call them two billion n-grams.
106
276260
2000
「20億のn-gram」と呼んでいます
04:38
What do they tell us?
107
278260
2000
それは何を教えてくれるのでしょう?
04:40
Well the individual n-grams measure cultural trends.
108
280260
2000
個々のn-gramは文化のトレンドを示します
04:42
Let me give you an example.
109
282260
2000
例を見てみましょう
04:44
Let's suppose that I am thriving,
110
284260
2000
私が今 “thrive”していて(うまくやっていて)
04:46
then tomorrow I want to tell you about how well I did.
111
286260
2000
明日そのことを話したいと思ったとしましょう
04:48
And so I might say, "Yesterday, I throve."
112
288260
3000
私は “Yesterday, I throve.”と言うかもしれません
04:51
Alternatively, I could say, "Yesterday, I thrived."
113
291260
3000
あるいは “Yesterday, I thrived.”と言うかもしれません
04:54
Well which one should I use?
114
294260
3000
どちらの形を使うべきでしょう?
04:57
How to know?
115
297260
2000
どうすればわかるのか?
04:59
As of about six months ago,
116
299260
2000
半年前であれば
05:01
the state of the art in this field
117
301260
2000
この分野における最先端の方法は
05:03
is that you would, for instance,
118
303260
2000
たとえば
05:05
go up to the following psychologist with fabulous hair,
119
305260
2000
この見事な髪をした心理学者の所に
05:07
and you'd say,
120
307260
2000
聞きに行くことだったでしょう
05:09
"Steve, you're an expert on the irregular verbs.
121
309260
3000
「ピンカーさん あなた不規則動詞の専門家ですよね
05:12
What should I do?"
122
312260
2000
どう言うべきでしょう?」
05:14
And he'd tell you, "Well most people say thrived,
123
314260
2000
彼は「たいていの人はthrivedと言いますが
05:16
but some people say throve."
124
316260
3000
throveと言う人もたまにいます」と答えるでしょう
05:19
And you also knew, more or less,
125
319260
2000
ご存じかもしれませんが
05:21
that if you were to go back in time 200 years
126
321260
3000
200年ほど遡って
05:24
and ask the following statesman with equally fabulous hair,
127
324260
3000
この同じように見事な髪をした政治家の所に行って
05:27
(Laughter)
128
327260
3000
(笑)
05:30
"Tom, what should I say?"
129
330260
2000
「ジェファーソンさん どう言うべきでしょう?」
05:32
He'd say, "Well, in my day, most people throve,
130
332260
2000
と聞いたなら「私の頃には 多くの人はthroveと言い
05:34
but some thrived."
131
334260
3000
たまにthrivedと言う人がいましたね」と言うでしょう
05:37
So now what I'm just going to show you is raw data.
132
337260
2000
では生のデータをご覧に入れましょう
05:39
Two rows from this table of two billion entries.
133
339260
4000
20億行の表の中の2つの行です
05:43
What you're seeing is year by year frequency
134
343260
2000
ご覧いただいているのは
05:45
of "thrived" and "throve" over time.
135
345260
3000
“thrived”と“throve”の年ごとの使用頻度です
05:49
Now this is just two
136
349260
2000
これは20億行の中の
05:51
out of two billion rows.
137
351260
3000
2行に過ぎません
05:54
So the entire data set
138
354260
2000
ですからデータの全体は
05:56
is a billion times more awesome than this slide.
139
356260
3000
このスライドの10億倍いかしていると言えるでしょう
05:59
(Laughter)
140
359260
2000
(笑)
06:01
(Applause)
141
361260
4000
(拍手)
06:05
JM: Now there are many other pictures that are worth 500 billion words.
142
365260
2000
(ジャン) 5千億語に値する絵は
06:07
For instance, this one.
143
367260
2000
他にもあります たとえばこれ
06:09
If you just take influenza,
144
369260
2000
「インフルエンザ」を取り上げてみると
06:11
you will see peaks at the time where you knew
145
371260
2000
大きな流行が起きて
06:13
big flu epidemics were killing people around the globe.
146
373260
3000
世界中でたくさんの人が死んだ年に山があります
06:16
ELA: If you were not yet convinced,
147
376260
3000
(エレズ) もしまだ信じられないなら
06:19
sea levels are rising,
148
379260
2000
「海面」「大気中CO2」
06:21
so is atmospheric CO2 and global temperature.
149
381260
3000
「地球気温」は ご覧のように上昇しています
06:24
JM: You might also want to have a look at this particular n-gram,
150
384260
3000
(ジャン) このn-gramもご覧になりたいかもしれません
06:27
and that's to tell Nietzsche that God is not dead,
151
387260
3000
これはニーチェに神は死んでいないことを教えるものです
06:30
although you might agree that he might need a better publicist.
152
390260
3000
もっとも 神様はもっといい広報担当者を雇うべきかもしれません
06:33
(Laughter)
153
393260
2000
(笑)
06:35
ELA: You can get at some pretty abstract concepts with this sort of thing.
154
395260
3000
(エレズ) 抽象概念について見ることもできます
06:38
For instance, let me tell you the history
155
398260
2000
たとえば「1950年」の
06:40
of the year 1950.
156
400260
2000
歴史を見てみましょう
06:42
Pretty much for the vast majority of history,
157
402260
2000
歴史上の大部分の時代において
06:44
no one gave a damn about 1950.
158
404260
2000
誰も1950年に注意を払ってはいませんでした
06:46
In 1700, in 1800, in 1900,
159
406260
2000
1700年 1800年 1900年
06:48
no one cared.
160
408260
3000
誰も関心を持っていません
06:52
Through the 30s and 40s,
161
412260
2000
1930〜40年代になっても
06:54
no one cared.
162
414260
2000
誰も関心を持っていません
06:56
Suddenly, in the mid-40s,
163
416260
2000
40年代半ばになって
06:58
there started to be a buzz.
164
418260
2000
突然 はやり出します
07:00
People realized that 1950 was going to happen,
165
420260
2000
みんな1950年はやってきて
07:02
and it could be big.
166
422260
2000
それがすごいかもしれないと気づいたのです
07:04
(Laughter)
167
424260
3000
(笑)
07:07
But nothing got people interested in 1950
168
427260
3000
しかし1950年ほど 1950年への関心の
07:10
like the year 1950.
169
430260
3000
高かったときはありません
07:13
(Laughter)
170
433260
3000
(笑)
07:16
People were walking around obsessed.
171
436260
2000
みんな取り付かれたようです
07:18
They couldn't stop talking
172
438260
2000
みんな話しやめることができません
07:20
about all the things they did in 1950,
173
440260
3000
1950年にしたいろんなことや
07:23
all the things they were planning to do in 1950,
174
443260
3000
1950年にしよう思っているいろんなこと
07:26
all the dreams of what they wanted to accomplish in 1950.
175
446260
5000
1950年に達成したいと思っているいろんな夢
07:31
In fact, 1950 was so fascinating
176
451260
2000
実際 1950年はあまりに素晴らしく
07:33
that for years thereafter,
177
453260
2000
その後何年も人々は
07:35
people just kept talking about all the amazing things that happened,
178
455260
3000
その年の素晴らしい出来事について話し続けました
07:38
in '51, '52, '53.
179
458260
2000
51年 52年 53年
07:40
Finally in 1954,
180
460260
2000
1954年になって
07:42
someone woke up and realized
181
462260
2000
ようやく目を覚まし
07:44
that 1950 had gotten somewhat passé.
182
464260
4000
1950年がもう時代遅れなことに気づいたのです
07:48
(Laughter)
183
468260
2000
(笑)
07:50
And just like that, the bubble burst.
184
470260
2000
そうやってバブルははじけました
07:52
(Laughter)
185
472260
2000
(笑)
07:54
And the story of 1950
186
474260
2000
同じことが 記録のある
07:56
is the story of every year that we have on record,
187
476260
2000
他のすべての年についても見られます
07:58
with a little twist, because now we've got these nice charts.
188
478260
3000
このような素敵なチャートを描くことができ
08:01
And because we have these nice charts, we can measure things.
189
481260
3000
このチャートから様々なことを測定できます
08:04
We can say, "Well how fast does the bubble burst?"
190
484260
2000
「バブルがはじけるのにどれくらいかかるか?」
08:06
And it turns out that we can measure that very precisely.
191
486260
3000
実際非常に正確に測れることがわかります
08:09
Equations were derived, graphs were produced,
192
489260
3000
方程式を導出し グラフを描いて
08:12
and the net result
193
492260
2000
結果として
08:14
is that we find that the bubble bursts faster and faster
194
494260
3000
バブルがはじけるまでの時間は
08:17
with each passing year.
195
497260
2000
年々短くなっていることがわかります
08:19
We are losing interest in the past more rapidly.
196
499260
5000
私たちは過去への興味を失うのが早くなっているのです
08:24
JM: Now a little piece of career advice.
197
504260
2000
(ジャン) キャリアについてひとつアドバイスしましょう
08:26
So for those of you who seek to be famous,
198
506260
2000
有名になりたいという人は
08:28
we can learn from the 25 most famous political figures,
199
508260
2000
25人の最も有名な政治家 作家
08:30
authors, actors and so on.
200
510260
2000
俳優 といった人々から学べます
08:32
So if you want to become famous early on, you should be an actor,
201
512260
3000
若いときに有名になりたいなら 俳優(紫)になるべきです
08:35
because then fame starts rising by the end of your 20s --
202
515260
2000
20代が終わる前に名声が上がっていきます
08:37
you're still young, it's really great.
203
517260
2000
まだまだ若く 素敵なことです
08:39
Now if you can wait a little bit, you should be an author,
204
519260
2000
もう少し待てるのなら 作家(青)がおすすめです
08:41
because then you rise to very great heights,
205
521260
2000
すごい高みまで行くことができます
08:43
like Mark Twain, for instance: extremely famous.
206
523260
2000
マーク・トウェインなんてすごく有名ですよね
08:45
But if you want to reach the very top,
207
525260
2000
しかし本当の高みにまで行く気なら
08:47
you should delay gratification
208
527260
2000
ご褒美は遅らせて
08:49
and, of course, become a politician.
209
529260
2000
政治家(赤)になるべきでしょう
08:51
So here you will become famous by the end of your 50s,
210
531260
2000
有名になるのは50代の終わりですが
08:53
and become very, very famous afterward.
211
533260
2000
その後はものすごく有名になります
08:55
So scientists also tend to get famous when they're much older.
212
535260
3000
科学者も一般に年を取ってから有名になる傾向があります
08:58
Like for instance, biologists and physics
213
538260
2000
生物学者(緑)や物理学者(灰)は
09:00
tend to be almost as famous as actors.
214
540260
2000
俳優と同じくらい有名になります
09:02
One mistake you should not do is become a mathematician.
215
542260
3000
避けるべき誤りは 数学者(黄)になることです
09:05
(Laughter)
216
545260
2000
(笑)
09:07
If you do that,
217
547260
2000
「20代で最高の仕事をしてやるんだ」と
09:09
you might think, "Oh great. I'm going to do my best work when I'm in my 20s."
218
549260
3000
意気込んでいるかもしれませんが
09:12
But guess what, nobody will really care.
219
552260
2000
誰も関心を持ってくれないのです
09:14
(Laughter)
220
554260
3000
(笑)
09:17
ELA: There are more sobering notes
221
557260
2000
(エレズ) n-gramについては
09:19
among the n-grams.
222
559260
2000
もっと暗い話もあります
09:21
For instance, here's the trajectory of Marc Chagall,
223
561260
2000
これは1887年生まれの画家
09:23
an artist born in 1887.
224
563260
2000
「マルク・シャガール」の曲線です
09:25
And this looks like the normal trajectory of a famous person.
225
565260
3000
有名人に典型的な曲線に見えます
09:28
He gets more and more and more famous,
226
568260
4000
年を追うごとに有名になっていきますが
09:32
except if you look in German.
227
572260
2000
ドイツ語圏は例外です
09:34
If you look in German, you see something completely bizarre,
228
574260
2000
まったく奇妙なことが起きています
09:36
something you pretty much never see,
229
576260
2000
見たことのないようなことです
09:38
which is he becomes extremely famous
230
578260
2000
非常に有名になった後
09:40
and then all of a sudden plummets,
231
580260
2000
突如としてどん底まで下落します
09:42
going through a nadir between 1933 and 1945,
232
582260
3000
1933年から1945年まで落ちていて
09:45
before rebounding afterward.
233
585260
3000
その後復帰します
09:48
And of course, what we're seeing
234
588260
2000
お察しの通り
09:50
is the fact Marc Chagall was a Jewish artist
235
590260
3000
マルク・シャガールは ナチスドイツ下の
09:53
in Nazi Germany.
236
593260
2000
ユダヤ人画家だったということです
09:55
Now these signals
237
595260
2000
このシグナルは
09:57
are actually so strong
238
597260
2000
あまりに強いので
09:59
that we don't need to know that someone was censored.
239
599260
3000
誰か検閲していたのかと訝るまでもないでしょう
10:02
We can actually figure it out
240
602260
2000
実際ごく基本的な信号処理で
10:04
using really basic signal processing.
241
604260
2000
そのことを示せます
10:06
Here's a simple way to do it.
242
606260
2000
どうやるのかというと
10:08
Well, a reasonable expectation
243
608260
2000
ある期間における
10:10
is that somebody's fame in a given period of time
244
610260
2000
誰かの有名度の期待値は
10:12
should be roughly the average of their fame before
245
612260
2000
大まかに言って その前後における
10:14
and their fame after.
246
614260
2000
有名度の平均になります
10:16
So that's sort of what we expect.
247
616260
2000
それが予想される値です
10:18
And we compare that to the fame that we observe.
248
618260
3000
その値を 実際の観測値と比較します
10:21
And we just divide one by the other
249
621260
2000
その2つの比は
10:23
to produce something we call a suppression index.
250
623260
2000
いわば「弾圧指数」とでも言うべきものです
10:25
If the suppression index is very, very, very small,
251
625260
3000
弾圧指数がごく小さいなら
10:28
then you very well might be being suppressed.
252
628260
2000
弾圧されている可能性が高く
10:30
If it's very large, maybe you're benefiting from propaganda.
253
630260
3000
逆に大きい場合には プロパガンダに助けられているのかもしれません
10:34
JM: Now you can actually look at
254
634260
2000
(ジャン) あらゆる人の
10:36
the distribution of suppression indexes over whole populations.
255
636260
3000
弾圧指数の分布を見ることもできます
10:39
So for instance, here --
256
639260
2000
たとえばこれは
10:41
this suppression index is for 5,000 people
257
641260
2000
英語で書かれた本から選んだ
10:43
picked in English books where there's no known suppression --
258
643260
2000
弾圧の形跡のない5千人の弾圧指数です
10:45
it would be like this, basically tightly centered on one.
259
645260
2000
中心にまとまったグラフになり
10:47
What you expect is basically what you observe.
260
647260
2000
期待値と観察値がほぼ一致します
10:49
This is distribution as seen in Germany --
261
649260
2000
こちらはドイツ語での分布ですが
10:51
very different, it's shifted to the left.
262
651260
2000
非常に異なっており 左に寄っています
10:53
People talked about it twice less as it should have been.
263
653260
3000
本来よりも半分しか話題になっていません
10:56
But much more importantly, the distribution is much wider.
264
656260
2000
しかも分布が横に広がっています
10:58
There are many people who end up on the far left on this distribution
265
658260
3000
本来の十分の一しか取り上げられていない
11:01
who are talked about 10 times fewer than they should have been.
266
661260
3000
ずっと左の方に来ている人がたくさんいます
11:04
But then also many people on the far right
267
664260
2000
一方でプロパガンダの恩恵を受けているらしい
11:06
who seem to benefit from propaganda.
268
666260
2000
ずっと右の方にいる人もいます
11:08
This picture is the hallmark of censorship in the book record.
269
668260
3000
この図は本における検閲の存在を明らかに示しています
11:11
ELA: So culturomics
270
671260
2000
(エレズ) この手法を
11:13
is what we call this method.
271
673260
2000
カルチュロミクス(culturomics)と呼んでいます
11:15
It's kind of like genomics.
272
675260
2000
ゲノミクスみたいなものです
11:17
Except genomics is a lens on biology
273
677260
2000
ゲノミクスは
11:19
through the window of the sequence of bases in the human genome.
274
679260
3000
ゲノムの塩基配列を通して生物学を見るレンズですが
11:22
Culturomics is similar.
275
682260
2000
カルチュロミクスは同様に
11:24
It's the application of massive-scale data collection analysis
276
684260
3000
人間の文化を研究するための
11:27
to the study of human culture.
277
687260
2000
大規模データ分析の応用です
11:29
Here, instead of through the lens of a genome,
278
689260
2000
ゲノムのレンズの代わりに
11:31
through the lens of digitized pieces of the historical record.
279
691260
3000
デジタル化された歴史記録のレンズを使うのです
11:34
The great thing about culturomics
280
694260
2000
カルチュロミクスの素晴らしいところは
11:36
is that everyone can do it.
281
696260
2000
誰でもできるということです
11:38
Why can everyone do it?
282
698260
2000
なぜかというと
11:40
Everyone can do it because three guys,
283
700260
2000
Googleの3人
11:42
Jon Orwant, Matt Gray and Will Brockman over at Google,
284
702260
3000
ジョン・オーワント マット・グレイ ウィル・ブロックマンが
11:45
saw the prototype of the Ngram Viewer,
285
705260
2000
開発中のNgram Viewerを見て
11:47
and they said, "This is so fun.
286
707260
2000
「これは楽しい みんな使えるようにすべきだ」
11:49
We have to make this available for people."
287
709260
3000
と考えたからです
11:52
So in two weeks flat -- the two weeks before our paper came out --
288
712260
2000
私たちの論文が出版される2週間前に
11:54
they coded up a version of the Ngram Viewer for the general public.
289
714260
3000
彼らは一般の人も使えるNgram Viewerを作り上げました
11:57
And so you too can type in any word or phrase that you're interested in
290
717260
3000
だから皆さんも興味のある言葉を打ち込んで
12:00
and see its n-gram immediately --
291
720260
2000
そのn-gramを即座に見ることができます
12:02
also browse examples of all the various books
292
722260
2000
そのn-gramが現れる様々な文献の
12:04
in which your n-gram appears.
293
724260
2000
例を見ることもできます
12:06
JM: Now this was used over a million times on the first day,
294
726260
2000
(ジャン) 公開初日に百万回以上使われましたが
12:08
and this is really the best of all the queries.
295
728260
2000
これは中でもbestなクエリです
12:10
So people want to be their best, put their best foot forward.
296
730260
3000
みんなbestでありたい 向上したいと思っています
12:13
But it turns out in the 18th century, people didn't really care about that at all.
297
733260
3000
しかし18世紀には誰もそんなこと気にかけていなかったようです
12:16
They didn't want to be their best, they wanted to be their beft.
298
736260
3000
彼らはbestであろうとはせず beftであろうとしていたのです
12:19
So what happened is, of course, this is just a mistake.
299
739260
3000
もっともこれは単なる間違いです
12:22
It's not that strove for mediocrity,
300
742260
2000
みんな月並みでいいと思っていたわけではなく
12:24
it's just that the S used to be written differently, kind of like an F.
301
744260
3000
かつては s が違った形で書かれていて f に見えたのです
12:27
Now of course, Google didn't pick this up at the time,
302
747260
3000
Googleは以前そのことに気づいておらず
12:30
so we reported this in the science article that we wrote.
303
750260
3000
私たちは科学記事の中でそのことを報告しました
12:33
But it turns out this is just a reminder
304
753260
2000
しかしこれはまた
12:35
that, although this is a lot of fun,
305
755260
2000
使うのがいかに楽しいにせよ
12:37
when you interpret these graphs, you have to be very careful,
306
757260
2000
グラフを解釈するときには十分注意を払い
12:39
and you have to adopt the base standards in the sciences.
307
759260
3000
科学的方法の基本に従う必要があることを思い起こさせてくれます
12:42
ELA: People have been using this for all kinds of fun purposes.
308
762260
3000
(エレズ) みんなこれをあらゆる楽しいことに使っています
12:45
(Laughter)
309
765260
7000
(「ウガー^n!」のグラフ) (笑)
12:52
Actually, we're not going to have to talk,
310
772260
2000
説明するまでもありませんね
12:54
we're just going to show you all the slides and remain silent.
311
774260
3000
スライドを出して黙っていましょうか
12:57
This person was interested in the history of frustration.
312
777260
3000
この人はフラストレーションの歴史に興味があるようです
13:00
There's various types of frustration.
313
780260
3000
フラストレーションにもいろいろ種類があります
13:03
If you stub your toe, that's a one A "argh."
314
783260
3000
つま先をぶつけた時は a が1つの“argh”です
13:06
If the planet Earth is annihilated by the Vogons
315
786260
2000
星間バイパスの邪魔になるからと
13:08
to make room for an interstellar bypass,
316
788260
2000
地球がヴォゴン星人に滅ぼされたときは
13:10
that's an eight A "aaaaaaaargh."
317
790260
2000
a が8つの“aaaaaaaargh”です
13:12
This person studies all the "arghs,"
318
792260
2000
この人は a が1~8個の
13:14
from one through eight A's.
319
794260
2000
“argh”を調べていて
13:16
And it turns out
320
796260
2000
それでわかるのは
13:18
that the less-frequent "arghs"
321
798260
2000
よりフラトレーションの強い“argh”の方が
13:20
are, of course, the ones that correspond to things that are more frustrating --
322
800260
3000
使われる頻度が少ないということですが
13:23
except, oddly, in the early 80s.
323
803260
3000
80年代初期には例外が見られます
13:26
We think that might have something to do with Reagan.
324
806260
2000
これは何かレーガンが関係していると
13:28
(Laughter)
325
808260
2000
考えられます (笑)
13:30
JM: There are many usages of this data,
326
810260
3000
(ジャン) このデータは様々な使い方ができますが
13:33
but the bottom line is that the historical record is being digitized.
327
813260
3000
重要なのは歴史の記録がデジタル化されたということです
13:36
Google has started to digitize 15 million books.
328
816260
2000
Googleは千5百万冊デジタル化しました
13:38
That's 12 percent of all the books that have ever been published.
329
818260
2000
かつて出版された本の12%に相当します
13:40
It's a sizable chunk of human culture.
330
820260
3000
人類の文化の大きな塊です
13:43
There's much more in culture: there's manuscripts, there newspapers,
331
823260
3000
文化には違った形のものとして 手稿や新聞があり
13:46
there's things that are not text, like art and paintings.
332
826260
2000
テキストではない芸術作品や絵画があります
13:48
These all happen to be on our computers,
333
828260
2000
これらすべてが 世界中のコンピュータの
13:50
on computers across the world.
334
830260
2000
中にあるところを考えてください
13:52
And when that happens, that will transform the way we have
335
832260
3000
そうなったとき 私たちが過去 現在 未来や
13:55
to understand our past, our present and human culture.
336
835260
2000
文化について理解する方法は変わるでしょう
13:57
Thank you very much.
337
837260
2000
どうもありがとうございました
13:59
(Applause)
338
839260
3000
(拍手)
このウェブサイトについて

このサイトでは英語学習に役立つYouTube動画を紹介します。世界中の一流講師による英語レッスンを見ることができます。各ビデオのページに表示される英語字幕をダブルクリックすると、そこからビデオを再生することができます。字幕はビデオの再生と同期してスクロールします。ご意見・ご要望がございましたら、こちらのお問い合わせフォームよりご連絡ください。

https://forms.gle/WvT1wiN1qDtmnspy7