Deb Roy: The birth of a word

デブ・ロイ「初めて言えた時」

412,384 views ・ 2011-03-14

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: Satoshi Tatsuhara 校正: Lily Yichen Shi
00:15
Imagine if you could record your life --
0
15260
4000
人生を記録できるとしたらどうでしょう
00:19
everything you said, everything you did,
1
19260
3000
どんな発言も どんな振る舞いも
00:22
available in a perfect memory store at your fingertips,
2
22260
3000
手近な記憶装置に残しておけたら
00:25
so you could go back
3
25260
2000
過去に戻って
00:27
and find memorable moments and relive them,
4
27260
3000
心に残る思い出を 再生したり
00:30
or sift through traces of time
5
30260
3000
時間の流れを精査することで
00:33
and discover patterns in your own life
6
33260
2000
見過ごしていた
00:35
that previously had gone undiscovered.
7
35260
3000
生活パターンを見つけたりできます
00:38
Well that's exactly the journey
8
38260
2000
それこそ まさに
00:40
that my family began
9
40260
2000
私たち一家が
00:42
five and a half years ago.
10
42260
2000
5年半前に始めた旅なのです
00:44
This is my wife and collaborator, Rupal.
11
44260
3000
妻と 協力者ルーパルです
00:47
And on this day, at this moment,
12
47260
2000
この日 この時
00:49
we walked into the house with our first child,
13
49260
2000
第一子を迎え入れました
00:51
our beautiful baby boy.
14
51260
2000
かわいい男の子です
00:53
And we walked into a house
15
53260
3000
家には かなり特殊な
00:56
with a very special home video recording system.
16
56260
4000
ホームビデオの撮影機材を取り付けました
01:07
(Video) Man: Okay.
17
67260
2000
「じゃあ撮るよ」
01:10
Deb Roy: This moment
18
70260
1000
ほかにも
01:11
and thousands of other moments special for us
19
71260
3000
我が家の貴重な瞬間を
01:14
were captured in our home
20
74260
2000
たっぷり撮影しました
01:16
because in every room in the house,
21
76260
2000
どの部屋にも
01:18
if you looked up, you'd see a camera and a microphone,
22
78260
3000
見上げればカメラとマイクがあって
01:21
and if you looked down,
23
81260
2000
そこから下を眺めれば
01:23
you'd get this bird's-eye view of the room.
24
83260
2000
部屋を一望できます
01:25
Here's our living room,
25
85260
3000
リビング
01:28
the baby bedroom,
26
88260
3000
赤ちゃんの寝室
01:31
kitchen, dining room
27
91260
2000
キッチン ダイニング
01:33
and the rest of the house.
28
93260
2000
残りの部屋も
01:35
And all of these fed into a disc array
29
95260
3000
ディスク記録装置に全部送って
01:38
that was designed for a continuous capture.
30
98260
3000
継続的に記録しました
01:41
So here we are flying through a day in our home
31
101260
3000
一日の流れを見渡せます
01:44
as we move from sunlit morning
32
104260
3000
日の差す明け方から
01:47
through incandescent evening
33
107260
2000
燃えるような夕刻を迎え
01:49
and, finally, lights out for the day.
34
109260
3000
消灯して 一日を終えます
01:53
Over the course of three years,
35
113260
3000
3年間
01:56
we recorded eight to 10 hours a day,
36
116260
2000
毎日 8から10時間
01:58
amassing roughly a quarter-million hours
37
118260
3000
合計 約25万時間に及ぶ
02:01
of multi-track audio and video.
38
121260
3000
マルチトラックの音声と映像の記録です
02:04
So you're looking at a piece of what is by far
39
124260
2000
史上初の 壮大な
02:06
the largest home video collection ever made.
40
126260
2000
ホームビデオ全集なのです
02:08
(Laughter)
41
128260
3000
(笑い)
02:11
And what this data represents
42
131260
2000
私たち家族は
02:13
for our family at a personal level,
43
133260
4000
意義ある記録だと感じています
02:17
the impact has already been immense,
44
137260
2000
大きな衝撃を受けながら
02:19
and we're still learning its value.
45
139260
3000
今も 真価を探っています
02:22
Countless moments
46
142260
2000
意識せず 自然体で
02:24
of unsolicited natural moments, not posed moments,
47
144260
3000
身構えもしない膨大な時間が
02:27
are captured there,
48
147260
2000
記録されていますので
02:29
and we're starting to learn how to discover them and find them.
49
149260
3000
どう調べるか検討を始めたところです
02:32
But there's also a scientific reason that drove this project,
50
152260
3000
この取り組みには 科学的理由もあります
02:35
which was to use this natural longitudinal data
51
155260
4000
時系列に連なる この生データから
02:39
to understand the process
52
159260
2000
子どもの言語習得の過程を
02:41
of how a child learns language --
53
161260
2000
把握したいのです
02:43
that child being my son.
54
163260
2000
対象は 私の息子です
02:45
And so with many privacy provisions put in place
55
165260
4000
プライバシー保護規定を設けて
02:49
to protect everyone who was recorded in the data,
56
169260
3000
被写体のプライバシーを守ったうえで
02:52
we made elements of the data available
57
172260
3000
データを 部分的に参照可能にして
02:55
to my trusted research team at MIT
58
175260
3000
MITの信頼できる研究チームに開放しました
02:58
so we could start teasing apart patterns
59
178260
3000
こうして 一連の膨大なデータから
03:01
in this massive data set,
60
181260
3000
パターンを抽出できるようになり
03:04
trying to understand the influence of social environments
61
184260
3000
言語習得過程における社会環境の影響を探る―
03:07
on language acquisition.
62
187260
2000
挑戦が始まりました
03:09
So we're looking here
63
189260
2000
ご覧いただいているのは
03:11
at one of the first things we started to do.
64
191260
2000
初めて手をつけた解析です
03:13
This is my wife and I cooking breakfast in the kitchen,
65
193260
4000
キッチンで妻と私が朝食を作っています
03:17
and as we move through space and through time,
66
197260
3000
空間的・時間的に眺めると
03:20
a very everyday pattern of life in the kitchen.
67
200260
3000
キッチンでの毎日の生活パターンが現れます
03:23
In order to convert
68
203260
2000
この とらえ所のない
03:25
this opaque, 90,000 hours of video
69
205260
3000
9万時間の映像を
03:28
into something that we could start to see,
70
208260
2000
理解可能にするため
03:30
we use motion analysis to pull out,
71
210260
2000
動作分析の手法を使って
03:32
as we move through space and through time,
72
212260
2000
空間軸と時間軸でとらえ
03:34
what we call space-time worms.
73
214260
3000
「時空の虫」を描き出しました
03:37
And this has become part of our toolkit
74
217260
3000
このツールを使うと
03:40
for being able to look and see
75
220260
3000
活動が生じたデータ位置を
03:43
where the activities are in the data,
76
223260
2000
把握できます
03:45
and with it, trace the pattern of, in particular,
77
225260
3000
特に 子どもの動き回るパターンを
03:48
where my son moved throughout the home,
78
228260
2000
追跡できるので
03:50
so that we could focus our transcription efforts,
79
230260
3000
書き起こしに専念できました
03:53
all of the speech environment around my son --
80
233260
3000
息子を取り巻く会話環境
03:56
all of the words that he heard from myself, my wife, our nanny,
81
236260
3000
私 妻 おばあさんが口にした言葉
03:59
and over time, the words he began to produce.
82
239260
3000
やがて息子の口から出る言葉 すべてです
04:02
So with that technology and that data
83
242260
3000
この技術があって データがあって
04:05
and the ability to, with machine assistance,
84
245260
2000
装置も使って
04:07
transcribe speech,
85
247260
2000
会話を書き起こせたので
04:09
we've now transcribed
86
249260
2000
家族の発した言葉を
04:11
well over seven million words of our home transcripts.
87
251260
3000
700万以上書き起こせました
04:14
And with that, let me take you now
88
254260
2000
その成果を使って 初めて
04:16
for a first tour into the data.
89
256260
3000
データの旅へご案内いたします
04:19
So you've all, I'm sure,
90
259260
2000
低速度撮影の映像は
04:21
seen time-lapse videos
91
261260
2000
経験があると思います
04:23
where a flower will blossom as you accelerate time.
92
263260
3000
早送りで開花を見せる映像です
04:26
I'd like you to now experience
93
266260
2000
今回は 言葉の開花に
04:28
the blossoming of a speech form.
94
268260
2000
立ち会っていただきます
04:30
My son, soon after his first birthday,
95
270260
2000
息子は1歳になってすぐ
04:32
would say "gaga" to mean water.
96
272260
3000
ウォーター (water) をガガ (gaga)と言い
04:35
And over the course of the next half-year,
97
275260
3000
それから半年かけて ゆっくりと
04:38
he slowly learned to approximate
98
278260
2000
大人のように正確な
04:40
the proper adult form, "water."
99
280260
3000
ウォーター (water)に近づきました
04:43
So we're going to cruise through half a year
100
283260
2000
では 半年間を
04:45
in about 40 seconds.
101
285260
2000
40秒で体験します
04:47
No video here,
102
287260
2000
映像はありません
04:49
so you can focus on the sound, the acoustics,
103
289260
3000
初となる 音の軌跡に
04:52
of a new kind of trajectory:
104
292260
2000
耳を澄ませてください
04:54
gaga to water.
105
294260
2000
ガガ (gaga) から ウォーター (water) へ
04:56
(Audio) Baby: Gagagagagaga
106
296260
12000
(赤ちゃん)「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
大成功です
05:43
(Applause)
116
343260
7000
(拍手)
05:50
So he didn't just learn water.
117
350260
2000
ウォーターだけではありません
05:52
Over the course of the 24 months,
118
352260
2000
24ヶ月 つまり
05:54
the first two years that we really focused on,
119
354260
3000
最初の2年間に絞って
05:57
this is a map of every word he learned in chronological order.
120
357260
4000
習得した言葉を 年代順に並べました
06:01
And because we have full transcripts,
121
361260
3000
一字一句 書き起こして
06:04
we've identified each of the 503 words
122
364260
2000
2歳になるまでに 口にした
06:06
that he learned to produce by his second birthday.
123
366260
2000
全503語を確認しました
06:08
He was an early talker.
124
368260
2000
息子は 早い方です
06:10
And so we started to analyze why.
125
370260
3000
こんな分析も始めました
06:13
Why were certain words born before others?
126
373260
3000
なぜ ある語が ほかの語より先なのか?
06:16
This is one of the first results
127
376260
2000
こちらは 1年少し前の
06:18
that came out of our study a little over a year ago
128
378260
2000
初期の研究成果の一つです
06:20
that really surprised us.
129
380260
2000
驚きの結果です
06:22
The way to interpret this apparently simple graph
130
382260
3000
一見シンプルですが 説明しますと
06:25
is, on the vertical is an indication
131
385260
2000
縦軸は 周囲の人が話す
06:27
of how complex caregiver utterances are
132
387260
3000
会話の複雑さです
06:30
based on the length of utterances.
133
390260
2000
基準は会話の長さです
06:32
And the [horizontal] axis is time.
134
392260
3000
横軸は時間です
06:35
And all of the data,
135
395260
2000
データはすべて
06:37
we aligned based on the following idea:
136
397260
3000
こんな手法で導き出しました
06:40
Every time my son would learn a word,
137
400260
3000
習得した言葉ごとに
06:43
we would trace back and look at all of the language he heard
138
403260
3000
その言葉を使った過去の会話を
06:46
that contained that word.
139
406260
2000
すべて洗い出して
06:48
And we would plot the relative length of the utterances.
140
408260
4000
会話文の相対的な長さをプロットしたのです
06:52
And what we found was this curious phenomena,
141
412260
3000
すると 面白いことに
06:55
that caregiver speech would systematically dip to a minimum,
142
415260
3000
きまって 大人は語数を減らし
06:58
making language as simple as possible,
143
418260
3000
できるだけ短くしてから
07:01
and then slowly ascend back up in complexity.
144
421260
3000
ゆっくりと複雑な言葉遣いに戻します
07:04
And the amazing thing was
145
424260
2000
驚いたことに
07:06
that bounce, that dip,
146
426260
2000
折り返し地点は
07:08
lined up almost precisely
147
428260
2000
その言葉を口にした時期と
07:10
with when each word was born --
148
430260
2000
ほぼ一致するのです
07:12
word after word, systematically.
149
432260
2000
どの言葉も 同じです
07:14
So it appears that all three primary caregivers --
150
434260
2000
つまり 3人の大人たち―
07:16
myself, my wife and our nanny --
151
436260
3000
私 妻 おばあさん のだれもが
07:19
were systematically and, I would think, subconsciously
152
439260
3000
いつも 何げなく
07:22
restructuring our language
153
442260
2000
言葉遣いを調整してあげて
07:24
to meet him at the birth of a word
154
444260
3000
息子がその言葉を口にしたら
07:27
and bring him gently into more complex language.
155
447260
4000
もっと複雑な言葉へ そっと導いていたのです
07:31
And the implications of this -- there are many,
156
451260
2000
示唆に富む結果ですが
07:33
but one I just want to point out,
157
453260
2000
伝えたいのは一点
07:35
is that there must be amazing feedback loops.
158
455260
3000
見事なフィードバック・ループが形成されていること
07:38
Of course, my son is learning
159
458260
2000
息子が 周りの言語環境から
07:40
from his linguistic environment,
160
460260
2000
学習している一方で
07:42
but the environment is learning from him.
161
462260
3000
言語環境も 息子から学習しているのです
07:45
That environment, people, are in these tight feedback loops
162
465260
3000
言語環境 つまり人が 堅固なループに加わり
07:48
and creating a kind of scaffolding
163
468260
2000
足場を固めているのです
07:50
that has not been noticed until now.
164
470260
3000
今まで 気付いた人はいません
07:54
But that's looking at the speech context.
165
474260
2000
以上は 話の環境です
07:56
What about the visual context?
166
476260
2000
視覚的な環境はどうか?
07:58
We're not looking at --
167
478260
2000
模型のように
08:00
think of this as a dollhouse cutaway of our house.
168
480260
2000
我が家をのぞいてみます
08:02
We've taken those circular fish-eye lens cameras,
169
482260
3000
魚眼レンズで撮影した映像を
08:05
and we've done some optical correction,
170
485260
2000
光学的に修正して
08:07
and then we can bring it into three-dimensional life.
171
487260
4000
三次元の世界に仕上げました
08:11
So welcome to my home.
172
491260
2000
ようこそ 我が家へ
08:13
This is a moment,
173
493260
2000
これは ある瞬間を
08:15
one moment captured across multiple cameras.
174
495260
3000
複数台で横断的にとらえた映像です
08:18
The reason we did this is to create the ultimate memory machine,
175
498260
3000
過去に戻って 自由に飛び回れる
08:21
where you can go back and interactively fly around
176
501260
3000
究極の記憶装置を
08:24
and then breathe video-life into this system.
177
504260
3000
実現させたかったのです
08:27
What I'm going to do
178
507260
2000
今から
08:29
is give you an accelerated view of 30 minutes,
179
509260
3000
30分を早送りで見ていただきます
08:32
again, of just life in the living room.
180
512260
2000
リビングの様子です
08:34
That's me and my son on the floor.
181
514260
3000
私と息子が 床にいます
08:37
And there's video analytics
182
517260
2000
映像解析で
08:39
that are tracking our movements.
183
519260
2000
二人の動きを追います
08:41
My son is leaving red ink. I am leaving green ink.
184
521260
3000
息子は赤 私は緑
08:44
We're now on the couch,
185
524260
2000
ソファーに移りました
08:46
looking out through the window at cars passing by.
186
526260
3000
窓から 車が走るのを眺めています
08:49
And finally, my son playing in a walking toy by himself.
187
529260
3000
最後は一人で歩行器に乗りました
08:52
Now we freeze the action, 30 minutes,
188
532260
3000
30分の動きを一つにまとめて
08:55
we turn time into the vertical axis,
189
535260
2000
上下に時間軸をとれば
08:57
and we open up for a view
190
537260
2000
ふれあいの軌跡を
08:59
of these interaction traces we've just left behind.
191
539260
3000
見ることができます
09:02
And we see these amazing structures --
192
542260
3000
驚くような形状が現れました
09:05
these little knots of two colors of thread
193
545260
3000
二色が絡み合っているのは
09:08
we call "social hot spots."
194
548260
2000
ふれあいの強い場所です
09:10
The spiral thread
195
550260
2000
らせんになっているのは
09:12
we call a "solo hot spot."
196
552260
2000
単独行動の場所です
09:14
And we think that these affect the way language is learned.
197
554260
3000
これは言語学習過程に影響を及ぼすと
09:17
What we'd like to do
198
557260
2000
考えられます
09:19
is start understanding
199
559260
2000
このパターンと
09:21
the interaction between these patterns
200
561260
2000
息子の耳に入る言葉との
09:23
and the language that my son is exposed to
201
563260
2000
関係を探ることによって
09:25
to see if we can predict
202
565260
2000
言葉を耳にする時期が
09:27
how the structure of when words are heard
203
567260
2000
習得時期に及ぼす影響を
09:29
affects when they're learned --
204
569260
2000
予測できるか探りたいのです
09:31
so in other words, the relationship
205
571260
2000
つまり 言葉と
09:33
between words and what they're about in the world.
206
573260
4000
言葉が表す現実との関係です
09:37
So here's how we're approaching this.
207
577260
2000
やり方を紹介しましょう
09:39
In this video,
208
579260
2000
この映像でも
09:41
again, my son is being traced out.
209
581260
2000
息子を追います
09:43
He's leaving red ink behind.
210
583260
2000
赤い線です
09:45
And there's our nanny by the door.
211
585260
2000
おばあさんはドアの前です
09:47
(Video) Nanny: You want water? (Baby: Aaaa.)
212
587260
3000
「ウォーター(water)いる?」「アァー(Aaaa)」
09:50
Nanny: All right. (Baby: Aaaa.)
213
590260
3000
「いいわよ」「アー(Aaaa)」
09:53
DR: She offers water,
214
593260
2000
水が欲しいか尋ねてから
09:55
and off go the two worms
215
595260
2000
二つの「虫」が
09:57
over to the kitchen to get water.
216
597260
2000
キッチンまでつながりました
09:59
And what we've done is use the word "water"
217
599260
2000
そこで「ウォーター」の語を
10:01
to tag that moment, that bit of activity.
218
601260
2000
この瞬間と結びつけました
10:03
And now we take the power of data
219
603260
2000
データの力を活用して
10:05
and take every time my son
220
605260
3000
ウォーターを耳にした
10:08
ever heard the word water
221
608260
2000
時と場所に
10:10
and the context he saw it in,
222
610260
2000
注目して
10:12
and we use it to penetrate through the video
223
612260
3000
映像全体から
10:15
and find every activity trace
224
615260
3000
ウォーターに絡む行動の軌跡を
10:18
that co-occurred with an instance of water.
225
618260
3000
すべて抽出しました
10:21
And what this data leaves in its wake
226
621260
2000
データ処理後に残る―
10:23
is a landscape.
227
623260
2000
ランドスケープ(地形)が
10:25
We call these wordscapes.
228
625260
2000
ワードスケープ(言葉の地形)です
10:27
This is the wordscape for the word water,
229
627260
2000
ウォーターの場合
10:29
and you can see most of the action is in the kitchen.
230
629260
2000
キッチンを中心に動いています
10:31
That's where those big peaks are over to the left.
231
631260
3000
左奥の高いピークの所です
10:34
And just for contrast, we can do this with any word.
232
634260
3000
ほかの言葉と対比することもできます
10:37
We can take the word "bye"
233
637260
2000
グッバーイ(good bye)の
10:39
as in "good bye."
234
639260
2000
バーイ(bye)はどうでしょう
10:41
And we're now zoomed in over the entrance to the house.
235
641260
2000
今回は玄関を見てみます
10:43
And we look, and we find, as you would expect,
236
643260
3000
予想どおりのランドスケープが現れます
10:46
a contrast in the landscape
237
646260
2000
バーイ(bye)の軌跡は
10:48
where the word "bye" occurs much more in a structured way.
238
648260
3000
一層わかりやすい形をしています
10:51
So we're using these structures
239
651260
2000
これらの形状を参考に
10:53
to start predicting
240
653260
2000
言葉の習得順序を
10:55
the order of language acquisition,
241
655260
3000
予測することにしました
10:58
and that's ongoing work now.
242
658260
2000
これは現在進行中です
11:00
In my lab, which we're peering into now, at MIT --
243
660260
3000
これは今の 私の研究室です
11:03
this is at the media lab.
244
663260
2000
MITメディアラボ内です
11:05
This has become my favorite way
245
665260
2000
どこでも こうやって
11:07
of videographing just about any space.
246
667260
2000
撮影してしまいます
11:09
Three of the key people in this project,
247
669260
2000
プロジェクトの主要メンバーは
11:11
Philip DeCamp, Rony Kubat and Brandon Roy are pictured here.
248
671260
3000
フィリップ・ド・キャンプ ロニー・クバート ブランドン・ロイです
11:14
Philip has been a close collaborator
249
674260
2000
フィリップが協力してくれたのは
11:16
on all the visualizations you're seeing.
250
676260
2000
先ほどの視覚化です
11:18
And Michael Fleischman
251
678260
3000
マイケル・フライシュマンは
11:21
was another Ph.D. student in my lab
252
681260
2000
博士課程の学生で
11:23
who worked with me on this home video analysis,
253
683260
3000
映像解析を手伝っています
11:26
and he made the following observation:
254
686260
3000
マイケルはこんな予測を立てました
11:29
that "just the way that we're analyzing
255
689260
2000
「共通基盤であるイベントに
11:31
how language connects to events
256
691260
3000
言葉がどう関係するか分析するという
11:34
which provide common ground for language,
257
694260
2000
この手法は
11:36
that same idea we can take out of your home, Deb,
258
696260
4000
家庭内だけでなく
11:40
and we can apply it to the world of public media."
259
700260
3000
公共のメディアにも応用できる」
11:43
And so our effort took an unexpected turn.
260
703260
3000
研究は 思わぬ方向に転がりました
11:46
Think of mass media
261
706260
2000
共通基盤を提供するのは
11:48
as providing common ground
262
708260
2000
マスメディアです
11:50
and you have the recipe
263
710260
2000
これまでのアイデアを
11:52
for taking this idea to a whole new place.
264
712260
3000
新境地に応用するやり方は分かっています
11:55
We've started analyzing television content
265
715260
3000
テレビの番組コンテンツを 同じ原理で
11:58
using the same principles --
266
718260
2000
解析しました
12:00
analyzing event structure of a TV signal --
267
720260
3000
テレビ信号で送られる要素 つまり
12:03
episodes of shows,
268
723260
2000
ドラマのストーリーや
12:05
commercials,
269
725260
2000
コマーシャルなど
12:07
all of the components that make up the event structure.
270
727260
3000
イベント構造を構築する全要素を解析します
12:10
And we're now, with satellite dishes, pulling and analyzing
271
730260
3000
アメリカで視聴可能な大半の番組は
12:13
a good part of all the TV being watched in the United States.
272
733260
3000
アンテナで拾えます
12:16
And you don't have to now go and instrument living rooms with microphones
273
736260
3000
会話は リビングのマイクで録音する必要など
12:19
to get people's conversations,
274
739260
2000
ありません
12:21
you just tune into publicly available social media feeds.
275
741260
3000
だれでも見られるソーシャルメディアから拾うだけです
12:24
So we're pulling in
276
744260
2000
月に30億のコメントを
12:26
about three billion comments a month,
277
746260
2000
入手しています すると
12:28
and then the magic happens.
278
748260
2000
不思議な結果が出ました
12:30
You have the event structure,
279
750260
2000
イベント構造 つまり
12:32
the common ground that the words are about,
280
752260
2000
言葉が関与する共通基盤を
12:34
coming out of the television feeds;
281
754260
3000
テレビ放送から取り出して
12:37
you've got the conversations
282
757260
2000
そのトピックに関連のある
12:39
that are about those topics;
283
759260
2000
会話を抽出しました
12:41
and through semantic analysis --
284
761260
3000
さらに 意味解析を通じて―
12:44
and this is actually real data you're looking at
285
764260
2000
こちらは実際に処理した
12:46
from our data processing --
286
766260
2000
データです
12:48
each yellow line is showing a link being made
287
768260
3000
黄色の線がつなぐのは
12:51
between a comment in the wild
288
771260
3000
生のコメントと
12:54
and a piece of event structure coming out of the television signal.
289
774260
3000
テレビ信号で送られるイベント構造です
12:57
And the same idea now
290
777260
2000
先ほどのアイデアを
12:59
can be built up.
291
779260
2000
発展させて こんな―
13:01
And we get this wordscape,
292
781260
2000
ワードスケープを作りました
13:03
except now words are not assembled in my living room.
293
783260
3000
言葉の出所はリビングではありません
13:06
Instead, the context, the common ground activities,
294
786260
4000
番組コンテンツが 環境つまり共通基盤となって
13:10
are the content on television that's driving the conversations.
295
790260
3000
会話を引き出しているのです
13:13
And what we're seeing here, these skyscrapers now,
296
793260
3000
この高層ビル群を作るのは
13:16
are commentary
297
796260
2000
番組コンテンツに関する
13:18
that are linked to content on television.
298
798260
2000
コメントです
13:20
Same concept,
299
800260
2000
コンセプトは同じですが
13:22
but looking at communication dynamics
300
802260
2000
先ほどとは全く別領域の
13:24
in a very different sphere.
301
804260
2000
コミュニケーション・ダイナミクスが見えます
13:26
And so fundamentally, rather than, for example,
302
806260
2000
基本的には 例えば
13:28
measuring content based on how many people are watching,
303
808260
3000
番組コンテンツの評価に視聴者数を使いません
13:31
this gives us the basic data
304
811260
2000
番組コンテンツへの関心度
13:33
for looking at engagement properties of content.
305
813260
3000
に焦点をあてた基本データを使います
13:36
And just like we can look at feedback cycles
306
816260
3000
家庭で起こるフィードバック・サイクルや
13:39
and dynamics in a family,
307
819260
3000
ダイナミクスと同じようなものです
13:42
we can now open up the same concepts
308
822260
3000
今や 同じコンセプトを発展させて
13:45
and look at much larger groups of people.
309
825260
3000
もっと大きな集団を対象にできるのです
13:48
This is a subset of data from our database --
310
828260
3000
これは データベースの一部―
13:51
just 50,000 out of several million --
311
831260
3000
数百万のうち5万人分のデータを
13:54
and the social graph that connects them
312
834260
2000
公の情報源に基づいて
13:56
through publicly available sources.
313
836260
3000
結びつけるソーシャル・グラフです
13:59
And if you put them on one plain,
314
839260
2000
第一の平面にそれを置き
14:01
a second plain is where the content lives.
315
841260
3000
第二の平面に番組コンテンツをのせます
14:04
So we have the programs
316
844260
3000
番組 例えば
14:07
and the sporting events
317
847260
2000
スポーツ大会
14:09
and the commercials,
318
849260
2000
コマーシャル
14:11
and all of the link structures that tie them together
319
851260
2000
すべてを結ぶリンク構造が
14:13
make a content graph.
320
853260
2000
コンテンツ・グラフです
14:15
And then the important third dimension.
321
855260
4000
重要なのは第三の次元です
14:19
Each of the links that you're seeing rendered here
322
859260
2000
浮かび上がる各リンクは
14:21
is an actual connection made
323
861260
2000
だれかの発言と
14:23
between something someone said
324
863260
3000
番組コンテンツとを
14:26
and a piece of content.
325
866260
2000
結んでいます
14:28
And there are, again, now tens of millions of these links
326
868260
3000
数千万のリンクが
14:31
that give us the connective tissue of social graphs
327
871260
3000
ソーシャル・グラフの結合組織となって
14:34
and how they relate to content.
328
874260
3000
番組コンテンツに結びついています
14:37
And we can now start to probe the structure
329
877260
2000
面白いやり方で
14:39
in interesting ways.
330
879260
2000
この構造を探検できます
14:41
So if we, for example, trace the path
331
881260
3000
コメントを引き出す番組コンテンツからのびる―
14:44
of one piece of content
332
884260
2000
経路を
14:46
that drives someone to comment on it,
333
886260
2000
たどりたいときは
14:48
and then we follow where that comment goes,
334
888260
3000
コメントの流れを追って
14:51
and then look at the entire social graph that becomes activated
335
891260
3000
ソーシャル・グラフ全体の活動を見渡して
14:54
and then trace back to see the relationship
336
894260
3000
ソーシャル・グラフと番組コンテンツとの関係性を
14:57
between that social graph and content,
337
897260
2000
再確認します
14:59
a very interesting structure becomes visible.
338
899260
2000
すると 興味深い構造―
15:01
We call this a co-viewing clique,
339
901260
2000
共視聴グループが現れます
15:03
a virtual living room if you will.
340
903260
3000
疑似リビングといえるかもしれません
15:06
And there are fascinating dynamics at play.
341
906260
2000
そこに興味深いダイナミクスが現れます
15:08
It's not one way.
342
908260
2000
一方向ではなく
15:10
A piece of content, an event, causes someone to talk.
343
910260
3000
番組コンテンツつまりイベントから会話が生まれ
15:13
They talk to other people.
344
913260
2000
別の人に広がって
15:15
That drives tune-in behavior back into mass media,
345
915260
3000
また マスメディアにチャンネルを合わせます
15:18
and you have these cycles
346
918260
2000
全体の行動を誘発する―
15:20
that drive the overall behavior.
347
920260
2000
サイクルがあるのです
15:22
Another example -- very different --
348
922260
2000
ほかにも例があります
15:24
another actual person in our database --
349
924260
3000
データベースには数千とまではいきませんが
15:27
and we're finding at least hundreds, if not thousands, of these.
350
927260
3000
ある種の人が 数百人います
15:30
We've given this person a name.
351
930260
2000
その名も
15:32
This is a pro-amateur, or pro-am media critic
352
932260
3000
プロ・アマチュア(プロアマ)・メディア批評家です
15:35
who has this high fan-out rate.
353
935260
3000
幅広く影響力が及ぶので
15:38
So a lot of people are following this person -- very influential --
354
938260
3000
批評を聞くと たくさんの人が
15:41
and they have a propensity to talk about what's on TV.
355
941260
2000
番組の話をします
15:43
So this person is a key link
356
943260
3000
マスメディアとソーシャルメディアとの
15:46
in connecting mass media and social media together.
357
946260
3000
架け橋になる人たちです
15:49
One last example from this data:
358
949260
3000
次は 最後の例となります
15:52
Sometimes it's actually a piece of content that is special.
359
952260
3000
番組コンテンツには特殊なものもあります
15:55
So if we go and look at this piece of content,
360
955260
4000
例えば ほんの数週間前の
15:59
President Obama's State of the Union address
361
959260
3000
オバマ大統領の
16:02
from just a few weeks ago,
362
962260
2000
一般教書演説です
16:04
and look at what we find in this same data set,
363
964260
3000
データ群から何が分かるか
16:07
at the same scale,
364
967260
3000
同じ視点で見ると
16:10
the engagement properties of this piece of content
365
970260
2000
コンテンツへの関心度は
16:12
are truly remarkable.
366
972260
2000
飛び抜けているのが分かります
16:14
A nation exploding in conversation
367
974260
2000
放送に反応して
16:16
in real time
368
976260
2000
リアルタイムに
16:18
in response to what's on the broadcast.
369
978260
3000
会話が広がっています
16:21
And of course, through all of these lines
370
981260
2000
このすべての線を通じて
16:23
are flowing unstructured language.
371
983260
2000
雑多な話が飛び交っています
16:25
We can X-ray
372
985260
2000
世界の脈動を
16:27
and get a real-time pulse of a nation,
373
987260
2000
リアルタイムに見通せて
16:29
real-time sense
374
989260
2000
ソーシャル・グラフ内で
16:31
of the social reactions in the different circuits in the social graph
375
991260
3000
番組コンテンツに誘発された様々な集団の
16:34
being activated by content.
376
994260
3000
社会的反応をリアルタイムに見通せます
16:37
So, to summarize, the idea is this:
377
997260
3000
まとめると
16:40
As our world becomes increasingly instrumented
378
1000260
3000
この世界に手段が増えていき
16:43
and we have the capabilities
379
1003260
2000
人々の発言と
16:45
to collect and connect the dots
380
1005260
2000
その発言の背景との
16:47
between what people are saying
381
1007260
2000
結びつきを
16:49
and the context they're saying it in,
382
1009260
2000
把握できるようになって
16:51
what's emerging is an ability
383
1011260
2000
見えてきたのは
16:53
to see new social structures and dynamics
384
1013260
3000
今までにない新たな社会構造や
16:56
that have previously not been seen.
385
1016260
2000
ダイナミクスです
16:58
It's like building a microscope or telescope
386
1018260
2000
顕微鏡や望遠鏡を作り
17:00
and revealing new structures
387
1020260
2000
コミュニケーションに絡む行動に
17:02
about our own behavior around communication.
388
1022260
3000
新たな構造を見い出すようなものです
17:05
And I think the implications here are profound,
389
1025260
3000
ここには 深い意味があると思っています
17:08
whether it's for science,
390
1028260
2000
科学的にも
17:10
for commerce, for government,
391
1030260
2000
商業的にも 政治的にも
17:12
or perhaps most of all,
392
1032260
2000
そして特に
17:14
for us as individuals.
393
1034260
3000
個人にとっても深い意味があります
17:17
And so just to return to my son,
394
1037260
3000
息子の話に戻りますが
17:20
when I was preparing this talk, he was looking over my shoulder,
395
1040260
3000
講演の準備中に 息子が肩越しにのぞくので
17:23
and I showed him the clips I was going to show to you today,
396
1043260
2000
一連の動画を見せて
17:25
and I asked him for permission -- granted.
397
1045260
3000
息子の許可を伺いました
17:28
And then I went on to reflect,
398
1048260
2000
それからよく考えて
17:30
"Isn't it amazing,
399
1050260
3000
「すごくない?
17:33
this entire database, all these recordings,
400
1053260
3000
これだけのデータベースと記録を
17:36
I'm going to hand off to you and to your sister" --
401
1056260
2000
君や妹に残すんだよ」
17:38
who arrived two years later --
402
1058260
3000
2歳下の妹のことです
17:41
"and you guys are going to be able to go back and re-experience moments
403
1061260
3000
「過去に戻って 追体験できるんだ
17:44
that you could never, with your biological memory,
404
1064260
3000
生物学的には絶対記憶できないことを
17:47
possibly remember the way you can now?"
405
1067260
2000
覚えておけるんだよ」
17:49
And he was quiet for a moment.
406
1069260
2000
息子は口を開きません
17:51
And I thought, "What am I thinking?
407
1071260
2000
「まだ5歳だった
17:53
He's five years old. He's not going to understand this."
408
1073260
2000
分かるわけないな」
17:55
And just as I was having that thought, he looked up at me and said,
409
1075260
3000
そう思っていると 息子は口を開きました
17:58
"So that when I grow up,
410
1078260
2000
「ぼくが大きくなったら
18:00
I can show this to my kids?"
411
1080260
2000
子どもに見せられるね」
18:02
And I thought, "Wow, this is powerful stuff."
412
1082260
3000
これはすごいことだと思いました
18:05
So I want to leave you
413
1085260
2000
では 最後に
18:07
with one last memorable moment
414
1087260
2000
私たち家族にとって
18:09
from our family.
415
1089260
3000
思い出に残る場面をご覧いただきます
18:12
This is the first time our son
416
1092260
2000
息子が初めて
18:14
took more than two steps at once --
417
1094260
2000
2歩以上歩いた瞬間を
18:16
captured on film.
418
1096260
2000
とらえた映像です
18:18
And I really want you to focus on something
419
1098260
3000
ぜひ注目してください
18:21
as I take you through.
420
1101260
2000
これは 雑然とした―
18:23
It's a cluttered environment; it's natural life.
421
1103260
2000
日常生活の様子です
18:25
My mother's in the kitchen, cooking,
422
1105260
2000
母がキッチンで料理中
18:27
and, of all places, in the hallway,
423
1107260
2000
私は廊下にいて
18:29
I realize he's about to do it, about to take more than two steps.
424
1109260
3000
歩きそうだと気づきました
18:32
And so you hear me encouraging him,
425
1112260
2000
息子に声援を送り
18:34
realizing what's happening,
426
1114260
2000
これから起こる事を予感し
18:36
and then the magic happens.
427
1116260
2000
感動の瞬間を迎えます
18:38
Listen very carefully.
428
1118260
2000
注意して聞いてください
18:40
About three steps in,
429
1120260
2000
三つの段階があります
18:42
he realizes something magic is happening,
430
1122260
2000
素晴らしい瞬間を目にして
18:44
and the most amazing feedback loop of all kicks in,
431
1124260
3000
最高のフィードバック・ループが始まり
18:47
and he takes a breath in,
432
1127260
2000
一呼吸置いて
18:49
and he whispers "wow"
433
1129260
2000
「やった」とつぶやきます
18:51
and instinctively I echo back the same.
434
1131260
4000
無意識に何度も繰り返します
18:56
And so let's fly back in time
435
1136260
3000
では 思い出のあの瞬間へ
18:59
to that memorable moment.
436
1139260
2000
飛び立ちましょう
19:05
(Video) DR: Hey.
437
1145260
2000
「よ~し」
19:07
Come here.
438
1147260
2000
「おいで」
19:09
Can you do it?
439
1149260
3000
「できるかな?」
19:13
Oh, boy.
440
1153260
2000
「いい子だ」
19:15
Can you do it?
441
1155260
3000
「できるかな?」
19:18
Baby: Yeah.
442
1158260
2000
(赤ちゃん)「ヤァ~」
19:20
DR: Ma, he's walking.
443
1160260
3000
「お~い 歩いてるよ~」
19:24
(Laughter)
444
1164260
2000
(笑い)
19:26
(Applause)
445
1166260
2000
(拍手)
19:28
DR: Thank you.
446
1168260
2000
ありがとうございました
19:30
(Applause)
447
1170260
15000
(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