Ajit Narayanan: A word game to communicate in any language

Translator: Myo Aung Reviewer: sann tint

I work with children with autism.

ကျွန်တော်က အော်တီးစ်မ် တနည်း အထီးကျန်စိတ်ဝေဒနာ ကလေးများနဲ့ အလုပ်လုပ်သူပါ

Specifically, I make technologies

အထူးသဖြင့် ကျွန်တော်ဟာ သူတို့အတွက် ဆက်သွယ်စကားပြောဖို့ကို ကူပေးမယ့်

to help them communicate.

နည်းစနစ်တွေကို တီထွင်ပေးသူပါ

Now, many of the problems that children

အဲဒီလို အထီးကျန်ဝေဒနာကိုခံစားကြရတဲ့ ကလေးတွေ

with autism face, they have a common source,

ရင်ဆိုင်နေကြရတဲ့ ပြဿနာတွေ အများကြီးအတွက်

and that source is that they find it difficult

တူတဲ့ ဇစ်မြစ် အကြောင်းရင်း တခုက သူတို့ဟာ

to understand abstraction, symbolism.

စိတ်ကူးသက်သက်ဆိုင်ရာ အမှတ်သင်္ကေတာဆိုင်ရာ သုံးနှုန်းမှုကို နားလည်ရန်ခက်ခဲခြင်းပါပဲ

And because of this, they have a lot of difficulty with language.

အဲဒါကြောင့် သူတို့ဆီမှာ ဘာသာစကားဆိုင်ရာ အခက်အခဲတွေ အများကြီး ရှိနေပါတယ်

Let me tell you a little bit about why this is.

ဘာဖြစ်လို့ အဲဒီလို ဖြစ်ရတယ် ဆိုတာကို နဲနဲလေး ရှင်းပြပါရစေ

You see that this is a picture of a bowl of soup.

ဟောဒီမှာ ခင်ဗျားတို့ဟာ ဆွပ်ပြုတ် ပန်းကန်လုံးကို မြင်ရပါတယ်

All of us can see it. All of us understand this.

ကျွန်တော်တို့ အားလုံး အဲဒါကို မြင်နိုင်ကြတယ်။ ကျွန်တော်တို့ အားလုံး အဲဒါကို နားလည်ကြတယ်။

These are two other pictures of soup,

အခုဒီမှာကျတော့ ဆွပ်ပြုတ်ရည်ရဲ့ နောက်ပုံ နှစ်ပုံ ရှိနေပါတယ်၊

but you can see that these are more abstract

ဒါပေမဲ့ အဲဒီပုံတွေဟာ ပိုပြီး စိတ်ကူးယဉ် ဆန်လာပါတယ်။

These are not quite as concrete.

မယ်မယ်ရရ မမြင်ရတော့ပါဘူး။

And when you get to language,

ရှေ့ဆက်ပြီး ကျွန်တော်တို့က ဘာသာစကားကို သုံးလိုက်ကြတဲ့ အခါမှာ

you see that it becomes a word

စကားလုံး တလုံး ဖြစ်လာတတ်ပါတယ်

whose look, the way it looks and the way it sounds,

အဲဒါရဲ့ ပုံပမ်း နဲ့ ကြားရတဲ့ အသံကျတော့၊

has absolutely nothing to do with what it started with,

မူလဇစ်မြစ် အစနဲ့၊ ဒါမှမဟုတ် အဲဒါကို ကိုယ်စားပြုထားတဲ့ အရာ၊

or what it represents, which is the bowl of soup.

ဆွပ်ပြုတ်ရည် ပန်းကန်လုံးနဲ့ တူတာ လုံး၀ မပါတော့ပါဘူး။

So it's essentially a completely abstract,

ဒီတော့ အဲဒါဟာ လုံးဝကို ဆက်စပ်ခြင်း မရှိတဲ့ စိတ်ကူးယဉ် အရာသက်သက်ပါ

a completely arbitrary representation of something

လက်တွေ့ ကမ္ဘာကြီးထဲမှာ ရှိနေတဲ့ အရာ တစ်ခုကို a completely arbitrary representation of something

which is in the real world,

စိတ်ကူးယဉ်လို့သာ ရနိုင်တဲ့ ပုံစံနဲ့ တင်ပြမှု ဖြစ်နေပါတယ်၊

and this is something that children with autism

အထီးကျန်ဝေဒနာရှင် ကလေးတွေဆိုရင် အဲဒါမျိုးနဲ့

have an incredible amount of difficulty with.

ကြုံရတဲ့ အခါမှာ အရမ်းကို ခေါင်းခဲကြရပါတယ်။

Now that's why most of the people that work with children with autism --

အဒါကြောင့်မို့လို့ အထီးကျန်ဝေဒနာရှင် ကလေးတွေနဲ့ အလုပ်လုပ်ကြရသူ အများစု၊

speech therapists, educators --

စကားပြောမှုကို ကုသပေးသူများ၊ ပညာပေးကြသူများတို့ဟာ၊

what they do is, they try to help children with autism

အဲဒီလို အထီးကျန်ဝေဒနာရှင် ကလေးတွေကို ကူညီရာတွင်

communicate not with words, but with pictures.

စကားလုံးတွေကို သုံးပြီး ဆက်သွယ်မယ့်အစား၊ ပုံတွေကို သုံးကြပါတယ်။

So if a child with autism wanted to say,

ဒီတော့ အထီးကျန်ဝေဒနာရှင် ကလေးက

"I want soup," that child would pick

" ဆွပ်ပြုပ်ရည် လိုချင်တယ် " လို့ ပြောချင်ရင်၊ အဲဒီကလေးဟာ

three different pictures, "I," "want," and "soup,"

"ကျွန်တော်၊" "လိုချင်တယ်၊" နဲ့ "ဆွပ်ပြုပ်ရည်၊" ဆိုတဲ့ ပုံသုံးပုံကို ကောက်ယူလိုက်ကာ

and they would put these together,

အတူတူ ချထားလိုက်ကြမယ် ဆိုရင်၊

and then the therapist or the parent would

ကုသရေးဆရာ ဒါမှမဟုတ် မိဘတို့က

understand that this is what the kid wants to say.

ကလေးလိုချင်တာ ဒါပဲ ဆိုတာကို သိလာကြပါမယ်။

And this has been incredibly effective;

အဲဒီ နည်းလမ်းဟာ လွန်ခဲ့တဲ့ နှစ်ပေါင်း ၃၀၊ ၄၀ အတွင်းမှာ

for the last 30, 40 years

ထိရောက်မှု ရှိခဲ့ပါတယ်၊

people have been doing this.

လူတွေဟာ အဲဒီလိုပဲ လုပ်ကိုင်လာခဲ့ကြပါတယ်။

In fact, a few years back,

တကယ်တော့၊ လွန်ခဲ့တဲ့ နှစ်အနည်းငယ်တုန်းက

I developed an app for the iPad

iPad အတွက်ကျွန်တော်ဟာ ပရိုဂရမ်တစ်ခုကို တီထွင်ခဲ့ရာ

which does exactly this. It's called Avaz,

အဲဒီအတိုင်းကိုပဲ လုပ်ပေးနိုင်ခဲ့ပါတယ်။ အဲဒါကို Avaz (အာဝါဇ်) လို့ အမည်ပေးခဲ့ပါတယ်။

and the way it works is that kids select

အဲဒီထဲမယ်လည်း ကလေးဟာ

different pictures.

ပုံတွေ အမျိုမျိုးကို ရွေးပေးရပါတယ်။

These pictures are sequenced together to form sentences,

အဲဒီ ပုံတွေကို ဝါကျဖွဲ့စည်းနိုင်ဖို့အတွက် အတူတူ စီပေးရန် လိုပါတယ်၊

and these sentences are spoken out.

အဲဒီနောက်မှာ အဲဒီဝါကျကို အသံထွက်ပေးလိုက်ပါတယ်။

So Avaz is essentially converting pictures,

အဲဒီလိုနည်းဖြင့် Avaz စက်ဟာ လက်တွေ့တွင်ကျတော့ ပုံတွေကို စကားအဖြစ်

it's a translator, it converts pictures into speech.

ပြောင်းလဲပေးပါတယ်၊ စကားပြန်နဲ့ တူပါတယ်။

Now, this was very effective.

အဲဒါဟာလည်း အတော့်ကို အကျိုးဖြစ်ပါတယ်။

There are thousands of children using this,

အခုဆိုရင် အဲဒီစက်တွေကို သုံးနေတဲ့ ကလေးတွေဟာ ထောင်ပေါင်းများစွာ ရှိပါတယ်၊

you know, all over the world,

တစ်ကမ္ဘာလုံးမှာ ဆိုရင်ပေါ့၊

and I started thinking about

အဲဒါနဲ့ ကျွန်တော် စဉ်းစားလာမိတာက

what it does and what it doesn't do.

အဲဒီ စက်လုပ်နိုင်တာကဘာ၊ လုပ်မပေးနိုင်တာက ဘာလဲပေါ့။

And I realized something interesting:

စိတ်ဝင်စားစရာ ကောင်းတဲ့ အချက်တချို့ကို တွေ့လာရပါတယ်၊

Avaz helps children with autism learn words.

Avaz အထီးကျန်ဝေဒနာရှင် ကလေးတွေကို စကားလုံးတွေကို သင်ပေးနိုင်တယ်၊

What it doesn't help them do is to learn

ဒါပေမဲ့ စကားလုံးတွေရဲ့ ပုံစံတွေကိုတော့ သင်မပေးနိုင်ဘူး၊

word patterns.

ဆိုတာကို သတိထားမိတယ်။

Let me explain this in a little more detail.

အဲဒါကို နည်းနည်းလေး အသေးစိတ် ရှင်းပြပါရစေ။

Take this sentence: "I want soup tonight."

"ကျွန်တော် ဒီနေ့ည ဆွပ်ပြုပ်ရည် လိုချင်တယ်။" ဆိုတဲ့ ဝါကျကို ယူကြည့်ပါမယ်။

Now it's not just the words here that convey the meaning.

အဲဒီစကားလုံးတွေ ဆိုလိုရင်းကို ဖေါ်ပြနေကြရုံ သက်သက်မဟုတ်တော့ဘူး။

It's also the way in which these words are arranged,

အဲဒီမှာ စကားလုံးတွေကို စီစဉ်ဖွဲ့စည်းမှု ဆိုတာလည်း ပါလာပါတယ်။

the way these words are modified and arranged.

အဲဒီ စကားလုံးတွေကို ပြင်ဆင်ထားကာ စီစဉ်ထားပုံ ဆိုတာ ပါလာပါတယ်။

And that's why a sentence like "I want soup tonight"

ဒါကြောင့်မို့လို့၊ "ကျွန်တော် ဒီနေ့ည ဆွပ်ပြုပ်ရည် လိုချင်တယ်။" ဆိုတဲ့ ဝါကျဟာ

is different from a sentence like

" ဆွပ်ပြုပ်ရည် လိုချင်တယ် ကျွန်တော် ဒီနေ့ည။" ဆိုတဲ့ ဝါကျနဲ့ မတူပါဘူး။

"Soup want I tonight," which is completely meaningless.

ဘာကိုဆိုလိုမှန်း လုံး၀ မရှင်းပါဘူး။

So there is another hidden abstraction here

ဒီတော့ အဲဒီထဲမယ် ဝှက်ထားတဲ့ နောက် စိတ်ကူးယဉ်ချက် ရှိပါတယ်၊

which children with autism find a lot of difficulty coping with,

အဲဒါမျိုးကို အထီးကျန်ဝေဒနာရှင် ကလေးတွေဟာ နးလည်ဖို့ ကြိုးစားရာတွင် သိပ်ကို ခဲယဉ်းလှပါတယ်၊

and that's the fact that you can modify words

ကျွန်တော်တို့ဟာ စကားလုံးတွေကို မွမ်းမံပြင်ပေးခြင်းဖြင့်၊

and you can arrange them to have

စီစဉ်ထားပေးခြင်းဖြင့်၊

different meanings, to convey different ideas.

အဓိပ္ပါယ် အမျိုးမျိုး အတွေးအခေါ် အမျိုးမျိုးကို ဖေါ်ပြနြိုင်ကြတယ်ဆိုတဲ့ အချက်ပါပဲ။

Now, this is what we call grammar.

ကျွန်တော်တို့ အဲဒါကို သဒ္ဒါလို ခေါ်ကြပါတယ်။

And grammar is incredibly powerful,

အဲဒီ သဒ္ဒါဟာ အရမ်းကို ထက်မြက်ပါတယ်၊

because grammar is this one component of language

ဘာသာစကားရဲ့ အစိတ်အပိုင်း တစ်ရပ်ဖြစ်တဲ့ သဒ္ဒါရဲ့ ကျေးဇူးကြောင့်

which takes this finite vocabulary that all of us have

ကျွန်တော်တို့ဟာ ကျွန်တော်တို့ အားလုံးဆီမှာ ရှိနေတဲ့ ဝေါဟာရတွေကို ယူပြီး

and allows us to convey an infinite amount of information,

ရေတွက် မရနိုင်တဲ့ အချက်အလက်တွေကို ဖြစ်စေ၊

an infinite amount of ideas.

ရေတွက် မရနိုင်တဲ့ အတွေးအခေါ်တွေကို ဖြစ်စေ ထုတ်ဖေါ် တင်ပြနိုင်ကြပါတယ်။၊

It's the way in which you can put things together

အဲဒီလို စကားလုံးတွေကို ယူပြီး စီကုံးပေးလိုက်ခြင်းဖြင့်

in order to convey anything you want to.

ဘာမဆိုကို ကျွန်တော်တို့ ထုတ်ဖေါ် တင်ပြလို့ ရနိုင်ပါတယ်။

And so after I developed Avaz,

ခုနက ကျွန်တော်ရဲ့ Avaz တီထွင်လိုက်တဲ့ နောက်မှာ၊

I worried for a very long time

အထီးကျန်ဝေဒနာရှင် ကလေးတွေကို ဘယ်လိုနည်းနဲ့

about how I could give grammar to children with autism.

သဒ္ဒါကို ထည့်သွင်းပေးရလဲ ဆိုတာကို ကျွန်တော် အတော်ကြာ ဦးနှောက်ချောက်နေခဲ့ပါတယ်။

The solution came to me from a very interesting perspective.

အဖြေကို စိတ်ဝင်စားစရာ ကောင်းတဲ့ ရှုဒေါင့်မှ ရလာခဲ့ပါတယ်။

I happened to chance upon a child with autism

ကျွန်တော်ဟာ အထီးကျန်ဝေဒနာရှင် ကလေးနဲ့ ပတ်သက်ပြီး

conversing with her mom,

သူ့အနေနဲ့ စကားပြောနေစဉ်၊

and this is what happened.

ဒီလို ဖြစ်ပျက်ခဲ့ပါတယ်။

Completely out of the blue, very spontaneously,

လုံးဝကို မျှော်လင့်မရဘဲ၊ ရုတ်ခနဲဆိုသလို

the child got up and said, "Eat."

ကလေးဟာ ထလိုက်ကာ "စားမယ်။" လို့ ပြောလိုက်တယ်။

Now what was interesting was

အဲဒီထဲမှာ စိတ်င်စားစရာ ကောင်းခဲ့တာက

the way in which the mom was trying to tease out

ကလေး အနေနဲ့ ပြောချင်တဲ့ အဓိပ္ပါယ်မျိုးကို ကလေးဆီကနေပြီး ရဖို့အတွက်

the meaning of what the child wanted to say

အမေကနေပြီး ကလေးကို ဆွကစားနေပုံပါပဲ

by talking to her in questions.

မေးခွန်းတွေကို တစ်ခုပြီး တစ်ခု မေးနေခဲ့ပါတယ်။

So she asked, "Eat what? Do you want to eat ice cream?

ဒါနဲ့ သူမက "စားမယ် ဘာကိုလဲ။ နင် စားချင်တာ ရေခဲမုန့်လား။

You want to eat? Somebody else wants to eat?

စားချင်တာ နင်လား။ နောက် တစ်ယောက်ယောက်က စားမှာလား။

You want to eat cream now? You want to eat ice cream in the evening?"

နင် ရေခဲမုန့်ကို အခု စားမှာလား။ ရေခဲမုန့်ကို ညနေမှာ စားချင်တာလား။"

And then it struck me that

အဲဒီကျမှ ကျွန်တော် ဒေါက်ကနဲ တစ်ခုခုကို နားလည်မိတယ်၊

what the mother had done was something incredible.

အဲဒီ မိခင် လုပ်ပြလိုက်တာဟာ သိပ်ကို အံ့ဩစရာကြီးပါပဲ။

She had been able to get that child to communicate

သူမဟာ သဒ္ဒါမပါနဲ့ပဲ ကလေးမလေးကို

an idea to her without grammar.

သူမရဲ့ အတွေးအခေါ်ကို ဖေါ်ပြပေးနိုင်ခဲ့တယ်။

And it struck me that maybe this is what

ကျွန်တော် ရှာကြံနေခဲ့တာက

I was looking for.

အဲဒါများလား ဆိုပြီး ကျွန်တော် စဉ်းစားစရာ ဖြစ်လာတယ်ပေါ့။

Instead of arranging words in an order, in sequence,

စကားလုံးတွေကို ရှေ့ဆင့်နောက်ဆက် စီပေးမယ့် အစား၊

as a sentence, you arrange them

ဝါကျ တစ်ခုအဖြစ်၊ ကျွန်တော်တို့ဟာ စကားလုံးတွေကို

in this map, where they're all linked together

သူ့ဇယားအတိုင်း၊ တစ်လုံးနဲ့တစ်လုံး ချိတ်ကဆက်ပေးလျက်၊

not by placing them one after the other

တစ်လုံးပြီး တစ်လုံး ချရေးတာမျိုး မဟုတ်ဘဲ၊

but in questions, in question-answer pairs.

မေးခွန်းတွေဖြင့်၊ မေးလိုက်-ဖြေလိုက် အတွဲပုံစံမျိုးနဲ့ လုပ်နိုင်ခဲ့တာပါ။

And so if you do this, then what you're conveying

အဲဒီလိုသာဆိုရင်၊ အဲဒီလို ဖေါ်ပြအသိပေးမှုဟာ

is not a sentence in English,

အင်္ဂလိပ်ဝါကျ မဟုတ်တော့ပါဘူး၊

but what you're conveying is really a meaning,

တကယ် တဆင့်ပါးပေးနေတာက တကယ်တမ်းတွင် အဓိပ္ပါယ် ဖြစ်ပါတယ်၊

the meaning of a sentence in English.

အင်္ဂလိပ်ဝါကျရဲ့အဓိပ္ပါယ် ဖြစ်နေခဲ့တာပါ။

Now, meaning is really the underbelly, in some sense, of language.

တဖန် အဲဒီ အဓိပ္ပါယ် ကိုယ်နှိုက်ကျပြန်တော့ ဘာသာစကားရဲ့ အားနည်းချက် တစ်ခုပါပဲ။

It's what comes after thought but before language.

အဲဒါဟာ စဉ်းစားနားလည်မှုရဲ့ နောက်မှာ၊ ဘာသာစကား မတိုင်မီမှာ၊ ပေါ်လာတတ်ပါတယ်။

And the idea was that this particular representation

ပြောလိုတဲ့ အယူအဆက ခုနက မြင်လိုက်ကြရတဲ့ဟာက

might convey meaning in its raw form.

အဓိပ္ပါယ်ရဲ့ ကုန်ကြမ်းပုံစံမျိုးကို ဖေါ်ပြပေးနိုင်ခဲ့ပုံရပါတယ်။

So I was very excited by this, you know,

အဲဒါနဲ့ ကျွန်တော်ဟာ အရမ်းကို စိတ်တက်ကြွနေခဲ့လို့၊

hopping around all over the place,

ဘယ်သွားသွား အငြိမ်မနေနိုင် ခုန်ဆွခုန်ဆွနဲ့

trying to figure out if I can convert

ကြားရသမျှ် ဝါကျတွေကို ကျွန်တော်ဟာ

all possible sentences that I hear into this.

အဲဒီလို ပုံစံပြောင်းပေးလို့များ ရမလားဆိုတာကို စဉ်းစားနေခဲ့တာပါ။

And I found that this is not enough.

ဒါပေမဲ့ အဲဒါလောက်နဲ့ မရနိုင်တာကို ကျွန်တော် တွေ့လာပါတယ်။

Why is this not enough?

ဘာဖြစ်လို့ အဲဒါ မလုံလောက်တာလဲ။

This is not enough because if you wanted to convey

အဲဒါ မလုံလောက်ရခြင်းက၊ ကျွန်တော်တို့က တစ်ခုခုကို

something like negation,

ငြင်းဆိုချင်ကြရင် လုပ်မရနိုင်လို့ပါ၊

you want to say, "I don't want soup,"

"ကျွန်တော် ဆွပ်ပြုပ်ရည် မလိုချင်ဘူး၊" လို့ ပြောချင်တယ် ဆိုပါစို့၊

then you can't do that by asking a question.

အဲဒါကို မေးခွန်းမေးနေခြင်းဖြင့် လုပ်မရနိုင်ပါ။

You do that by changing the word "want."

ခုနက "လိုချင်တယ်" ဆိုတဲ့ စကားလုံးကို ပြောင်းမှသာ လုပ်ရနိင်တယ်။

Again, if you wanted to say,

နောက်တစ်ခု ရှိသေးတာက၊ ခင်ဗျားက

"I wanted soup yesterday,"

"ကျွန်တော် မနေ့က ဆွပ်ပြုပ်ရည် လိုချင်ခဲ့တယ်၊" လို့ ပြောချင်ခဲ့တယ် ဆိုရင်၊

you do that by converting the word "want" into "wanted."

ခင်ဗျားဟာ ခုနက "လိုချင်တယ်" စကားလုံးကို "လိုချင်ခဲ့တယ်" ဆိုပြီး ပြောင်းလဲပေးခြင်းဖြင့် လုပ်ခဲ့ရတယ်ပေါ့။

It's a past tense.

အတိတ်ကာလနဲ့ သက်ဆိုင်လိုပါ။

So this is a flourish which I added

ဒီတော့ ကျွန်တော်ရဲ့ စနစ် ပြည့်စုံလာဖို့အတွက်

to make the system complete.

အဲဒီလို ဖြည့်စွက်ချက်ကို ထည့်ပေးခဲ့ရပါတယ်။

This is a map of words joined together

ဒါကတော့ အတူတူ ချိတ်ဆက်လျက် ရှိနေကြတဲ့ စကားလုံးများရဲ့ ဇယားပုံပါ

as questions and answers,

မေး-ဖြေ ပုံစံမျိုးနဲ့ပါ

and with these filters applied on top of them

ပြီးတော့ အဲဒါတွေရဲ့ ထိပ်မှာ စစ်ထုတ်ရေး ကိရိယာ ရှိပါတယ်

in order to modify them to represent

စကားလုံးတွေကို စီစဉ်လျက် လိုချင်တဲ့ အနှစ်သာရ အဓိပ္ပါယ်မျိုးကို

certain nuances.

ဖေါ်ထုတ် တင်ပြနိုင်ဖို့ အတွက်ပေါ့လေ။

Let me show you this with a different example.

ဒါကို နောက် ဥပမာ တစ်ခုနဲ့ ပြပေးပါရစေ။

Let's take this sentence:

ဒီလိုဝါကျကို ယူကြည့်ကြပါစို့၊

"I told the carpenter I could not pay him."

"လက်သမားဆရာကို သူ့အား ကျွန်တော် ငွေမပေးနိုင်ဟု ကျွန်တော် ပြောကြားခဲ့တယ်။"

It's a fairly complicated sentence.

အဲဒါဟာ တကယ့်ကို အတော့်ကလေးကို ရှုပ်ထွေး ခက်ခဲတဲ့ ဝါကျပါပဲ။

The way that this particular system works,

ကျွန်တော် ပြောတဲ့ စနစ် အလုပ်လုပ်ပုံ အရဆိုရင်၊

you can start with any part of this sentence.

ခင်ဗျားတို့ဟာ ဝါကျရဲ့ ဘယ်အပိုင်းကိုမဆို ယူပြီး စတင်နိုင်ပါတယ်။

I'm going to start with the word "tell."

ကျွန်တော်ကတော့ "ပြောကြား" ဆိုတဲ့ စကားလုံးနဲ့ စပါမယ်။

So this is the word "tell."

ဒီတော့ ကျွန်တော်တို့ရဲ့ စကားလုံးက "ပြောကြား" ပဲပေါ့။

Now this happened in the past,

ဒါပေမဲ့ အဲဒါဟာ အတိတ်ကာလထဲမှာ ဖြစ်ပျက်ခဲ့တယ်ဆိုတော့

so I'm going to make that "told."

ကျွန်တော်ဟာ အဲဒါကို "ပြောကြားခဲ့" ဆိုပြီး ပြောင်းလိုက်ရတယ်။

Now, what I'm going to do is,

အခုတော့၊ ကျွန်တော်ဟာ ရှေ့ဆက်ပြီး

I'm going to ask questions.

မေးခွန်းတွေကို မေးပါတော့မယ်။

So, who told? I told.

အဲဒီတော့၊ ပြောကြားခဲ့သူက ဘယ်သူလဲ။ ကျွန်တော် ပြောကြားခဲ့တယ်။

I told whom? I told the carpenter.

ကျွန်တော် ပြောကြားခဲ့တာက ဘယ်သူကိုလဲ။ ကျွန်တော် လက်သမားဆရာအား ပြောကြားခဲ့တယ်။

Now we start with a different part of the sentence.

ဆက်ပြီး ကျွန်တော်တို့ဟာ ဝါကျရဲ့ တခြားအပိုင်းကို ယူပြီး စကြည်ူ့ကြပါမယ်။

We start with the word "pay,"

ကျွန်တော်တို့ "ငွေပေး" ဖြင့် စပါမယ်၊

and we add the ability filter to it to make it "can pay."

အဲဒီနောက်မှာ လုပ်နိုင်စွမ်း စစ်ထုတ်ကိရိယာကို ထည့်ပေးလိုက်လို့ "ငွေပေးနိုင်" ဆိုပြီး လုပ်နိုင်တယ်။

Then we make it "can't pay,"

အဲဒီနောက်မှာ "ငေမွပေးနိုင်" ဆိုပြီး လုပ်နိုင်တယ်၊

and we can make it "couldn't pay"

ပြီးတော့ "ငွေပေးနိုင်ခဲ့" ဆိုပြီးတော့လည်း လုပ်နိုင်ပါတယ်၊

by making it the past tense.

အတိတ်ကာလပြ ကြိယာကို သုံးလိုက်ပါတယ်။

So who couldn't pay? I couldn't pay.

ဒီတော့ ငွေမပေးနိုင်ခဲ့တာက ဘယ်သူလဲ။ ကျွန်တော် ငွေမပေးနိုင်ခဲ့တာပါ။

Couldn't pay whom? I couldn't pay the carpenter.

မပေးနိုင်ခဲ့တာ ဘယ်သူကိုလဲ။ ကျွန်တော် လက်သမားဆရာအား မပေးနိုင်ခဲ့တာပါ။

And then you join these two together

အဲဒီနောက်မှာ ကျွန်တော်တို့ဟာ ဒီနှစ်ခုကို ချိတ်တွဲ လိုက်ကြပါမယ်။

by asking this question:

ဒီလို မေးခွန်းကို မေးပြီး လုပ်ကြပါမယ်၊

What did I tell the carpenter?

ကျွန်တော်က လက်သမားဆရာအား ပြောကြားခဲ့တာက ဘာလဲ။

I told the carpenter I could not pay him.

ကျွန်တော်က လက်သမားဆရာအား ကျွန်တော် ငွေမပေးနိုင်တာကို ပြောတယ်။

Now think about this. This is

အခု ဒီအကြောင်းကို စဉ်းစားကြည့်ကြပါ။ အဲဒါက...

—(Applause)—

—(လက်ခုပ်တီး ဩဘာပေးသံများ)—

this is a representation of this sentence

အဲဒါက အဲဒီဝါကျကို ဘာသာစကား မသုံးဘဲနဲ့

without language.

ဖေါ်ပြထားပုံပါပဲ။

And there are two or three interesting things about this.

And there are two or three ဒါနဲ့ ပတ်သက်ပြီး စိတ်ဝင်စားစရာ ကောင်းတာ ရှိပါတယ်။

First of all, I could have started anywhere.

ပမထဦးဆုံးအနေနဲ့ ကျွန်တော်ဟာ ကြိုက်တဲ့ နေရာကနေပြီး စတင်လို့ ရပါတယ်။

I didn't have to start with the word "tell."

"ပြောကြား" ဆိုတဲ့ စကားလုံးနဲ့မှ စတင်ရန်မလိုပါ၊

I could have started anywhere in the sentence,

ဝါကျထဲက ဘယ်နေရာမှမဆို စလို့ ရပါတယ်၊

and I could have made this entire thing.

ကျွန်တော်ဟာ ဒါကြီး တစ်ခုလုံးကိုလဲ စမ်းလုပ်လို့ ရနိုင်ခဲ့တယ်ပေါ့။

The second thing is, if I wasn't an English speaker,

ဒုတိယ အချက်အနေနဲ့၊ ကျွန်တော်ဟာ အင်္ဂလိပ်လို ပြောနေသူ မဟုတ်ခဲ့ရင်လည်း၊

if I was speaking in some other language,

ကျွန်တော်က ဒီပြင် ဘာသာစကား တစ်ခုခုနဲ့ ပြောသူ ဖြစ်တယ်ဆိုရင်တောင်၊

this map would actually hold true in any language.

ဒီဇယားပုံဟာ ဘယ်ဘာသာစကား အတွက်မဆို မှန်နေတာကို တွေ့ရပါမယ်။

So long as the questions are standardized,

မေးခွန်းတွေကိုသာ ပုံမှန်စနစ်မျိုးဖြင့် ချပြပေးနိုင်ပြီဆိုရင်၊

the map is actually independent of language.

ဒီဇယားပုံဟာ လက်တွေ့တွင် ဘာသာစကားနဲ့ ဆက်စပ်မှုမရှိပါဘူး။

So I call this FreeSpeech,

အဲဒါကြောင့် ကျွန်တော်က ဒါကို FreeSpeech (စကားလွတ်)လို့ အမည်းပေးထားပါတယ်၊

and I was playing with this for many, many months.

ဒါနဲ့ ကျွန်တော်ဟာ ဒါကို ကစားကြည့်လာခဲ့တာ လတော်တော်များများ ကြာသွားခဲ့ပါတယ်။

I was trying out so many different combinations of this.

ကျွန်တော်ဟာ အဲဒါကို ပုံစံမျိုးစုံဖြင့် ချိတ်ဆက်ပေါင်းစပ်ကြည့်ဖို့ ကြိုးစားနေခဲ့ပါတယ်။

And then I noticed something very interesting about FreeSpeech.

အဲဒါနဲ့ FreeSpeech နဲ့ ပတ်သက်ပြီး သိပ်ကို စိတ်ဝင်စားစရာ ကောင်းတဲ့ အချက် တချို့ကို သတိထားမိပါတယ်။

I was trying to convert language,

ကျွန်တော်ဟာ ဘာသာစကားကို ပြောင်းလဲပေးရန်

convert sentences in English into sentences in FreeSpeech,

မင်္ဂလိပ်ဝါကျတွေကို FreeSpeech ဝါကျတွေအဖြစ် ပြောင်းလဲပေးနေခဲ့ပါတယ်၊

and vice versa, and back and forth.

ပြီးတော့ ပြောင်းပြန် ပြောင်းလဲဖို့၊ ရှေ့ကို နောက်ကို စမ်းကြည့်နေခဲ့ပါတယ်။

And I realized that this particular configuration,

အဲဒါနဲ့ ကျွန်တော် ဘာကို နားလည်လာမိသလဲဆိုတော့၊ အခု ပြောနေကြတဲ့ ဖွဲ့စည်းပုံ စနစ်ကလေးဟာ၊

this particular way of representing language,

ဘာသာစကားကို တင်ပြရေး အခုပြောနေတဲ့ နည်းလမ်းဟာ၊

it allowed me to actually create very concise rules

တစ်ဖက်မှ ပြောရရင်၊ လက်ရှိ FreeSpeech အတွက်ရော၊

that go between FreeSpeech on one side

နောက်တစ်ဖက်မှ ပြောရရင်၊ အင်္ဂလိပ် ဘာသာအတွက်ပါ၊ အတော့်ကို ကျစ်လစ်တဲ့ စည်းကမ်းချက်တွေကို

and English on the other.

ချမှတ်ပြုစု လာစေနိုင်ခဲ့ပါတယ်။

So I could actually write this set of rules

အဲဒီတော့ ကျွန်တော်ဟာ ဒီလက်ရှိ တင်ဆက်မှုမှနေပြီး

that translates from this particular representation into English.

အင်္ဂလိပ် ဘာသာဆီကို ဘာသာပြန်ပေးကြမယ့် စည်းချက်တစ်စုံကို ရေးပေးနိုင်ပါတယ်။

And so I developed this thing.

အဲဒါနဲ့ ကျွန်တော်ဟာ ဒီအရာကို ပြုစုတီထွင်ခဲ့ပါတယ်။

I developed this thing called the FreeSpeech Engine

FreeSpeech Engine ဆိုပြီး ကျွန်တော်အမည်ပေးထားတဲ့ အရာကို ပြုစုတီထွင်လိုက်ပါတယ်၊

which takes any FreeSpeech sentence as the input

FreeSpeech ဘယ်ဝါကျကိုမဆို အဝင်နေရာမှာ ထည့်ပေးလိုက်ရင်

and gives out perfectly grammatical English text.

လက်တွေ့တွင် သဒ္ဒါနည်းလမ်းကျ မှန်ကန်တဲ့ အင်္ဂလိပ် စာသားကို ရနိုင်ပါတယ်။

And by putting these two pieces together,

ပြီးတော့် ဒီအပိုင်းနှစ်ပိုင်းကို အတူတူ ချိတ်သုံးရင်၊

the representation and the engine,

the representation and the engine, မိတ်ဆက်ရေး နှင့် အင်ဂျင်ကို ပေါင်းလိုက်လျက်၊

I was able to create an app, a technology for children with autism,

ကျွန်တော်ဟာ အထီးကျန်စိတ်ဝေဒနာ ကလေးတွေအတွက် နည်းပညာ တစ်ခုကို၊

that not only gives them words

ပရိုဂရမ် တစ်ခုကို တီထွင်နိုင်ခဲ့ရာ၊ သူတို့အတွက် စကားလုံးများကိုသာမက၊

but also gives them grammar.

သဒ္ဒါကိုပါ ပေးလာနိုင်ပါတယ်။

So I tried this out with kids with autism,

အဲဒီနောက်မှာ ကျနော်ဟာ အဲဒါကို အထီးကျန်စိတ်ဝေဒနာ ကလေးတွေနဲ့ စမ်းကြည့်တော့

and I found that there was an incredible amount of identification.

သူတို့ဟာ အံ့ဩဖွသိရှိလာကြတာ မျာပြားလှတဲ့ အချက်တွေကို သိရှိလာကြတာ တွေ့မြင်လာရပါတယ်။

They were able to create sentences in FreeSpeech

သူတို့ဟာ FreeSpeech ထဲမှာ ဝါကျတွေကို တည်ဆောက်နိုင်လာကြတယ်၊

which were much more complicated but much more effective

အင်္ဂလိပ်လို ဝါကျများနဲ့စါပါက ပိုပြီး ရှုပ်ထွေးတဲ့ ဝါကျများ၊

than equivalent sentences in English,

တချိန်တည်းမှာ ပိုပြီး ထိရောက်တဲ့ ဝါကျများ ဖြစ်ကြပါတယ်။

and I started thinking about

ဒါနဲ့ ကျွန်တော်ဟာ စဉ်းစားလာရတာ

why that might be the case.

အဲဒီလို ဘာကြောင့် ဖြစ်လာရတာလဲပေါ့။

And I had an idea, and I want to talk to you about this idea next.

ကျွန်တော့်ဆီမှာ ယူဆချက် တစ်ခု ရှိပါတယ်၊ အဲဒီအယူအဆ အကြောင်းကို ရှေ့ဆက်ပြီး ခင်ဗျားတို့ကို ပြောပြချင်ပါတယ်။

In about 1997, about 15 years back,

၁၉၉၇ ခုနှစ်၊ လွန်ခဲ့တဲ့ ၁၅ နှစ်တုန်းက

there were a group of scientists that were trying

ဦးနှောက်ဟာ ဘာသာစကားကို ဘယ်လိုများ စီမံလုပ်ကိုင်တာလဲ ဆိုတာကို နားလည်ဖို့ အားထုတ်ခဲ့ကြတဲ့

to understand how the brain processes language,

သိပ္ပံပညာရှင် တစ်စု ရှိခဲ့ကြပါတယ်

and they found something very interesting.

သူတို့ တွေ့တဲ့ဟာက စိတ်ဝင်စားစရာ ကောင်းခဲ့ပါတယ်။

They found that when you learn a language

ခင်ဗျားဟာ ဘာသာစကားကို ကလေး တစ်ယောက်အနေနဲ့၊

as a child, as a two-year-old,

နှစ်နှစ် အရွယ် ကလေးဘဝမှာ လေ့လာတဲ့ အခါတွင်၊

you learn it with a certain part of your brain,

ခင်ဗျားဟာ ဘာသာစကားကို ဦးနှောက်ထဲက သိထားရတဲ့ အပိုင်းတစ်ခုဖြင့် သင်ယူခြင်း ဖြစ်ပြီးတော့၊

and when you learn a language as an adult --

ဘာသာစကားကို လူကြီးအနေနဲ့ သင်ယူတဲ့ အခါမှာကျတော့၊ -

for example, if I wanted to learn Japanese right now —

ဥပမာ ကျွန်တော်က အခုကို ဂျပန်ဘာသာကို လေ့လာဖို့ ဆုံးဖြတ်လိုက်မယ်ဆိုရင်၊

a completely different part of my brain is used.

လုံးဝကို မတူတဲ့ ဦးနှောက်ရဲ့ အပိုင်းကို သုံးဖြစ်ပါတယ်။

Now I don't know why that's the case,

အဲဒီလို ဘာကြောင့် ဖြစ်ရတာကို ကျွန်မသိပေမဲ့၊

but my guess is that that's because

ကျွန်တော် ခန့်မှန်းမိတာက၊ လူကြီး တစ်ယောက် အနေနဲ့

when you learn a language as an adult,

ဘာသာစကား တစ်ခုကို သင်ယူတဲ့ အခါမှာ၊

you almost invariably learn it

ခင်ဗျားဟာ ခင်ဗျားရဲ့ မိခင်ဘာသာစကားမှ တဆင့်

through your native language, or through your first language.

ဒါမှမဟုတ် ကိုယ်တတ်ထားတဲ့ ပထမဦးဆုံး ဘာသာစကားမှ တဆင့်သာ သင်ယူတာမို့လို့ပါ။

So what's interesting about FreeSpeech

ဒီတော့ FreeSpeech ကျတော့ စိတ်ဝင်စားစရာ ကောင်းနေတာက၊

is that when you create a sentence

ခင်ဗျားဟာ ဝါကျ တစ်ခုကို ရေးဖွဲတဲ့ အခါမှာ၊

or when you create language,

တနည်း ဘာသာစကားကို ဖန်တီးတဲ့ အခါမှာ၊

a child with autism creates language with FreeSpeech,

အထီးကျန်စိတ်ဝေဒနာ ကလေး တစ်ယောက်ဟာ FreeSpeech နဲ့ ဘာသာစကားကို ဖန်တီးယူရာတွင်

they're not using this support language,

သူတို့ဟာ ထောက်ကူပေးတဲ့ ဘာသာစကားကို မသုံးကြခြင်းပါပဲ၊

they're not using this bridge language.

သူတို့ဟာ ပေါင်းကူးပေးတဲ့ ဘာသာစကားကို အသုံးမပြုကြပါ။

They're directly constructing the sentence.

သူတို့ဟာ ဝါကျများကို တိုက်ရိုက် တည်ဆောက်ကြပါတယ်။

And so this gave me this idea.

အဲဒါနဲ့ ကျွန်တော် ရလာတဲ့ စိတ်ကူးရှိပါတယ်။

Is it possible to use FreeSpeech

FreeSpeech ကို အထီးကျန်စိတ်ဝေဒနာ ကလေးများ အတွက်မဟုတ်ဘဲ

not for children with autism

ဘယ်လိုမှ မသန်စွမ်းမှု ပြဿနာ မရှိကြတဲ့ သူတွေအတွက်

but to teach language to people without disabilities?

ဘာသာစကား သင်ယူရေးအတွက်ကော သုံးမရနိုင်ဘူးလားပေါ့။

And so I tried a number of experiments.

အဲဒါနဲ့ ကျွန်တော်ဟာ စမ်းသပ်မှု တသီကြီးကို ပြုလုပ်ခဲ့ပါတယ်။

The first thing I did was I built a jigsaw puzzle

ပထမဦးဆုံး အနေနဲ့ ကျွန်တော်ဟာ ပဟေဠိ တခုကို တည်ဆောက်လိုက်ပါတယ်၊

in which these questions and answers

ဒီလို မေးခွန်းများ နဲ့ အဖြေတွေကို

are coded in the form of shapes,

ပုံသဏ္ဍများရဲ့ ပုံစံများဖြင့် ကုဒ်အဖြစ်

in the form of colors,

အရောင်များအဖြစ် ထည့်ပေးခဲ့ကြပါတယ်

and you have people putting these together

အဲဒါတွေကို အတူတကွ ထည့်သွင်းပေးလျက်

and trying to understand how this works.

အဲဒါ ဘယ်လိုများ အလုပ်လုပ်နေတာလဲ ဆိုတာကို နားလည်ဖို့ ကြိုးစားကြတဲ့ သူတွေ ရှိကြပါတယ်။

And I built an app out of it, a game out of it,

အဲဒီလို ရလဒ်များကို အခြေခံပြီး ကျွန်တော်ဟာ ပရိုဂရမ် တစ်ခုကို ထုတ်လုပ်လိုက်ရာ၊

in which children can play with words

ကလေးတွေဟာ စကားလုံးများဖြင့် ကစားနိုင်ကြကာ၊

and with a reinforcement,

သူတို့ကို အားပေးကူညီမယ့် အချက်ကို၊

a sound reinforcement of visual structures,

မျက်စိနဲ့ မြင်ရတာကို အသံဖြင့် အားဖြည့်ပေးချက်ကို ထည့်ပေးထားလို့

they're able to learn language.

သူတို့ဟာ ဘာသာစကားကို သင်ယူလာကြပါတယ်။

And this, this has a lot of potential, a lot of promise,

အဲဒီ အရာဟာ သိပ်ကို အလားအလာ ကောင်းလှကာ၊ အများကြီး မျှော်လင့်လို့ ရနိုင်ပါတယ်၊

and the government of India recently

အဲဒါနဲ့ အိန္ဒိယအစိုးရဟာ မကြာခင်တုန်းကပဲ

licensed this technology from us,

ကျွန်တော်တို့ဆီက နည်းပညာကို လိုင်စင် ထုတ်ပေးလိုက်ကာ၊

and they're going to try it out with millions of different children

ကလေး အမျိုးမျိုး သန်းပေါင်းများစွာ တို့အကြားမှာ စမ်းသပ်ဖို့ ရှိနေပါတယ်

trying to teach them English.

သူတို့ကို အင်္ဂလိပ် ဘာသာကို သင်ကြားရာတွင် စမ်းကြဖို့ ရှိပါတယ်။

And the dream, the hope, the vision, really,

စိတ်ကူးချင်တာက၊ မျှော်လင့်မိတာ လက်တွေ့ မြင်တွေ့ချင်တာက၊

is that when they learn English this way,

ဒီလိုနည်းဖြင့် သူတို့က အင်္ဂလိပ်စကားကို သင်ယူကြမယ်ဆိုရင်၊

they learn it with the same proficiency

သူတို့ရဲ့ မိခင်ဘာသာစကားကို ကျွမ်းကျင်သလိုပဲ

as their mother tongue.

ကျွမ်းကျင်စွာ တတ်လာကြမယ်ဆိုတာပါပဲ။

All right, let's talk about something else.

တော်သေးပြီ၊ အခြား အကြောင်း အချို့ကို ပြောကြရအောင်။

Let's talk about speech.

စကားပြောဆိုမှု အကြောင်းဆိုပါစို့။

This is speech.

ဒါက စကားပြောဆိုမှုပါပဲ။

So speech is the primary mode of communication

ဒီတော့ စကားပြောဆိုမှုဟာ ကျွန်တော်တို့ အကြားမှာ ဆက်သွယ်ဖို့

delivered between all of us.

ကျွန်တော်တို့ အားလုံး ကျင့်သုံးကြတဲ့ အဓိက အကျဆုံး နည်းပါပဲ။

Now what's interesting about speech is that

စကားပြောဆိုမှုထဲမယ် စိတ်ဝင်စားစရာ ကောင်းတဲ့ အချက်က၊

speech is one-dimensional.

စကားပြောဆိုမှုဆီမယ် အတိုင်းအတာ တစ်ခုမျှသာ ရှိပါတယ်။

Why is it one-dimensional?

အတိုင်းအတာ တစ်ခုလို့ ဘာဖြစ်လို့ ပြောရတာလဲ။

It's one-dimensional because it's sound.

အသံမို့လို့ အတိုင်းအတာ တစ်ခုတည်း ရှိတာပါ။

It's also one-dimensional because

ကျွန်ုပ်တို့ရဲ့ ပါးစပ်ကိုယ်နှိုက်ကို တည်ဆောက်ထားပုံကိုက

our mouths are built that way.

အဲဒီလိုမို့လို့ပါ။

Our mouths are built to create one-dimensional sound.

ကျွန်ုပ်တို့ရဲ့ ပါးစပ်များကို အတိုင်းအတာ တစ်ခုသာရှိတဲ့ အသံကိုထုတ်လုပ်ဖို့ တည်ဆောက်ထားတာပါ။

But if you think about the brain,

ဒါပေမဲ့၊ ကျွန်ုပ်တို့ရဲ့ ဦးနှောက် အကြောင်းကို စဉ်းစားကြည့်မယ်ဆိုရင်တော့

the thoughts that we have in our heads

ကျွန်ုပ်တို့ရဲ့ ခေါင်းထဲက အတွေးတွေဟာဖြင့်

are not one-dimensional.

အတိုင်းအတာ တစ်ခုတည်း မဟုတ်ကြပါ။

I mean, we have these rich,

ကျွန်တော်တို့ရဲ့ အတွေးအခေါ်များဟာ ကြွယ်ဝလှပါတယ်၊

complicated, multi-dimensional ideas.

cရှုပ်ထွေးကြပါတယ်၊ အမျိုးမျိုး တိုင်းလို့ ရနိုင်ပါတယ်။

Now, it seems to me that language

ကျွန်တော် ထင်မိတာကတော့ ဘာသာစကား ဆိုတာဟာ

is really the brain's invention

တကယ့်ကို ဦးနှောက်ရဲ့ တီထွင်မှုပါပဲ၊ တစ်ဖက်မှ ကျတော့ ဒီလို ကြွယ်ဝလှကာ

to convert this rich, multi-dimensional thought

အတိုင်းအတာ အမျိုးမျိုး ရှိနိုင်တဲ့ အတွေးများကို

on one hand

ပြောင်းလဲပေးရန်အတွက် ဖြစ်သလို

into speech on the other hand.

နောက်တစ်ဖက်မှ ကျတော့ အဲဒါကို ဘာသာစကား အဖြစ် ပြောင်းလဲပေးဖို့ အတွက်ပါပဲ။

Now what's interesting is that

ဒီနေရာမှာ စိတ်ဝင်စားစရာ ကောင်းတာက

we do a lot of work in information nowadays,

ကျွန်တော်တို့ဟာ ဒီခေတ်ထဲမှာ အချက်အလက်တွေနဲ့ ပတ်သက်ပြီး လုပ်ကိုင်နေကြတာတွေ အများကြီးပါပဲ

and almost all of that is done in the language domain.

ပြီးတော့ အဲဒါတွေ အားလုံးနီးပါးကို ဘာသာစကား မျက်နှာစာ ပြုလုပ်ခဲ့ကြပါတယ်။

Take Google, for example.

အကောင်းဆုံး ဥပမာအဖြစ် Google ကို ယူကြည့်နိုင်ပါတယ်။

Google trawls all these countless billions of websites,

Google ဟာ ရေတွက် မရနိုင်တဲ့ ဝက်ဘ်ဆိုက် ဘီလီယံချီတို့ကို လှန်လှော ရှာပေးပါတယ်

all of which are in English, and when you want to use Google,

အဲဒါတွေ အားလုံးက အင်္ဂလိပ်လို ဖြစ်နေကြပါတယ်၊ ဒီတော့ ခင်ဗျားတို့က Google ကို သုံးချင်ရင်

you go into Google search, and you type in English,

Google ရှာဖွေရေး စက်ထဲကို အင်္ဂလိပ်လို တိုက်ရိုက်ရပါတယ်

and it matches the English with the English.

အဲဒါနဲ့ Google ဟာ အင်္ဂလိပ်ကို အင်္ဂလိပ်နဲ့ တိုက်ကြည့်လျက် ရှာပါတယ်။

What if we could do this in FreeSpeech instead?

ကောင်းပြီ၊ အဲဒါကိုပဲ ကျွန်တော်တို့က အဲဒီ အစား FreeSpeech နဲ့ လုပ်ကြည့်မယ် ဆိုရင်ကော။

I have a suspicion that if we did this,

ကျွန်တော်တို့က အဲဒီလို လုပ်ကြည့်ခဲ့မယ်ဆိုရင်

we'd find that algorithms like searching,

ရှာဖွေရေးအတွက် တစ်ခုခုကို ရယူဖို့စတဲ့ အရာအတွက်

like retrieval, all of these things,

အသုံးပြုရမယ့် အယ်လဂိုရီသမ်ဟာ ပိုလို့ကို လွယ်ရှင်းတာကို

are much simpler and also more effective,

တစ်ချိန်တည်းမှာ ပိုပြီး ထိရောက်မှုရှိတာကို ေတွေ့လာဖို့ များပါတယ်

because they don't process the data structure of speech.

ဘာဖြစ်လို့လဲဆိုတော့ အဲဒီမှာ ဘာသာစကား ဖွဲ့စည်းမှုဆိုင်ရာ ဒေတာတွေကို စစ်ကြည့်ဖို့ မလိုလို့ပဲပေါ့။

Instead they're processing the data structure of thought.

အဲဒါအစား အဲဒီမှာ စစ်ဆေးတွက်ချက်တာက အတွေးအခေါ်များရဲ့ ဖွဲ့စည်းမှုကိုပါ။

The data structure of thought.

အတွေးအခေါ်များရဲ့ ဖွဲ့စည်းမှုကိုမှပါ။

That's a provocative idea.

အဲဒါဟာ ကျွန်တော်ကိုဆွပေးတဲ့ ယူဆချက်ပါ။

But let's look at this in a little more detail.

အခုတော့ ကျွန်တော် အဲဒါကို နည်းနည်းလေး ပိုပြီး အသေးစိတ် ကြည့်ကြရအောင်။

So this is the FreeSpeech ecosystem.

ဒီတော့ ဒါက FreeSpeech ဆိုတဲ့ ပတ်ဝန်းကျင်စနစ်ပါ။

We have the Free Speech representation on one side,

ကျွန်တော်တို့ဟာ တစ်ဖက်မှာ Free Speech ထဲက တင်ဆက်ထားပုံ ရှိနေပါတယ်

and we have the FreeSpeech Engine, which generates English.

ပြီးတော့ နောက်တစ်ဖက်တွင်ကျတော့ အင်္ဂလိပ်လို ထုတ်လုပ်ပေးတဲ့ FreeSpeech Engine ရှိနေပါတယ်။

Now if you think about it,

ဒါကို ကျွန်တော်တို့ ဆန်းစစ် စဉ်းစားကြည့်ရင်

FreeSpeech, I told you, is completely language-independent.

FreeSpeech ဟာကျွနတော်ပြောခဲ့သလို ဘာသာစကားမှ လွတ်လပ်ပါတယ်။

It doesn't have any specific information in it

၎င်းထဲမှာ အင်္ဂလိပ်စာ သက်သက်ဆိုင်ရာ

which is about English.

အထူး ထည့်ပေးထားတာ ဘာတစ်ခုမှ မပါရှိပါ။

So everything that this system knows about English

ဒီတော့ ဒီစက်က အင်္ဂလိပ်စကားနဲ့ ပတ်သက်ပြီး သိထားသမျှကို

is actually encoded into the engine.

စက်ထဲမှာ ကုဒ်များအဖြစ် ထည့်ပေးတာပါ။

That's a pretty interesting concept in itself.

အဲဒီ အတွေးအခေါ် ကိုယ်နှိုက်ကိုက စိတ်ဝင်စားစရာ အရာပါပဲ။

You've encoded an entire human language

ကျွန်တော်တို့ဟာ လူသားရဲ့ ဘာသာစကား တစ်ခုလုံးကို

into a software program.

ဆော့ဝဲ ပရိုဂရမ်ထဲကို ထည့်ပေးထားခြင်းပဲပေါ့။

But if you look at what's inside the engine,

ဒါပေမဲ့ ကျွန်တော်တို့က အင်ဂျင် အထဲမှာ ရှိတာကို

it's actually not very complicated.

ဝင်ကြည့်ကြမယ်ဆိုရင် သိပ်ရှုပ်ထွေးလှတာ မဟုတ်ပါဘူး။

It's not very complicated code.

အဲဒီ ကုဒ်ဟာသိပ်ကြီး မခဲယဉ်းလှပါ။

And what's more interesting is the fact that

ပြီးတော့ ပိုလို့ကို စိတ်ဝင်စားစရာ ကောင်းတဲ့ အချက်က

the vast majority of the code in that engine

အဲဒီ အင်ဂျင်ထဲက ကုဒ်အများစုဟာ

is not really English-specific.

တကယ်ကျတော့ အင်္ဂလိပ်စာ သက်သက်နဲ့ ဆက်စပ် မနေခြင်းပါပဲ။

And that gives this interesting idea.

အဲဒီကနေပြီး ကျနော်တို့ဟာ အခုလို စိတ်ဝင်စားစရာ ကောင်းတဲ့ ယူဆချက်ကို ရလာပါတယ်။

It might be very easy for us to actually

လက်တွေ့မှာ အခုလို အင်ဂျင်တွေကို မတူကြတဲ့ ဘာသာစကား အမျိုးမျိုးအတွက်

create these engines in many, many different languages,

ဖန်တိုးလို့ ရနိုင်တယ် ဆိုတဲ့ အချက်ပါပဲ

in Hindi, in French, in German, in Swahili.

ဟင်ဒီလို ပြင်သစ်လို ဂျာမန်လို ဆွာဟီလီလို တီထွင်နိုင်တယ်။

And that gives another interesting idea.

တဖက် အဲဒါက နောက် တစ်ခု စိတ်ဝင်စားစရာကို ပေးပြန်ပါတယ်။

For example, supposing I was a writer,

ဥပမာ ကျွန်တော်ဟာ စာရေးသူ တစ်ယောက်ဆိုပါစို့

say, for a newspaper or for a magazine.

သတင်းစာ တစ်ခု ဒါမှမဟုတ် မဂ္ဂဇင်း တစ်ခုအတွက် ရေးပေးသူပေါ့

I could create content in one language, FreeSpeech,

ကျွန်တော်ဟာ ရေးလိုတာကို FreeSpeech ဘာသာစကား တစ်မျိုးတည်းနဲ့ ရေးနိုင်ပါတယ်

and the person who's consuming that content,

အဲဒီနောက်မှာ အဲဒီ အကြောင်းအရာကို ရယူသုံးစွဲသူကျတော့

the person who's reading that particular information

အဲဒီ အချက်အလက်တွေကိုမှ ဖတ်နေသူဟာ

could choose any engine,

သူစိတ်ကြိုက် အင်ဂျင်ကို ရွေးချယ်လိုက်ကာ

and they could read it in their own mother tongue,

မိမိ မခင် ဘာသာစကားဖြင့် အဲဒါကိုဖတ်လို့ ရနိုင်ပါတယ်

in their native language.

ကိုယ်ရဲ့ တိုင်းရင်းသား ဘာသာစကားနဲ့ ဖတ်နိုင်ပါတယ်။

I mean, this is an incredibly attractive idea,

ကျွန်တော့်အမြင်ထဲမှာ အဲဒါဟာ အရပ်းကို စွဲဆောင်မှုရှိတဲ့ အယူအဆပါပဲပေါ့

especially for India.

အိန္ဒိယနိုင်ငံနဲ့ အထူးကို အံဝင်ဂွင်ကျ ရှိတဲ့ အယူအဆပဲပေါ့။

We have so many different languages.

ကျွန်တော်တို့ဆီမှာ မတူကွဲပြားကြတဲ့ ဘာသာစကားတွေ သိပ်ကို များပါတယ်။

There's a song about India, and there's a description

အိန္ဒိယနိုင်ငံနဲ့ ပတ်သက်ပြီး သိချင်း တစ်ပုဒ် ရှိပါတယ်

of the country as, it says,

သီဆိုထားပုံက

(in Sanskrit).

(သင်္သကရိုက် ဘာသာစကားနဲ့)

That means "ever-smiling speaker

အဓိပ္ပါယ်ကို ပြောရရင် "တစ်ချိန်လုံး ပြုံးရွှင်စွာ လှပတဲ့ ဘာသာစကားကို

of beautiful languages."

ပြောဆိုနေကြသူများရဲ့ နိုင်ငံ ပါပဲ။

Language is beautiful.

ဘာသာစကားဆိုတာ သိပ်ကို လှပါတယ်။

I think it's the most beautiful of human creations.

လူသားတို့ ဖန်တီးတီထွင်ခဲ့ကြတာတွေအထဲက အလှဆုံးပဲလို့ ကျွန်တော် ထင်ပါတယ်။

I think it's the loveliest thing that our brains have invented.

ကျွန်တော်တို့ ဦးနှောက်က ဖန်တီးပေးခဲ့သမျှထဲက ချစ်စရာ အကောင်းဆုံး အရာပါ။

It entertains, it educates, it enlightens,

အဲဒါဟာ ဖြေဖျော်ပေးတယ် ပညာပေးတယ် ဥာဏ်ကို ပွင့်လင်းလာစေတယ်

but what I like the most about language

ဒါပေမဲ့ ဘာသာစကားထဲက ကျွန်တော် အကြိုက်ဆုံး အရာကတော့

is that it empowers.

ကျွန်တော်တို့ အထဲကို အခွင့်အာဏာတွေကို ထည့်ပေးခြင်းပါပဲ။

I want to leave you with this.

အဲဒီအချက်နဲ့အတူ ကျွန်တော်ဟာ ခင်ဗျားတို့ကို ချန်ထားခဲ့ချင်ပါတယ်။

This is a photograph of my collaborators,

ဒါဟာ ကျွန်တော်ရဲ့ ကူလုပ်ကူကြတဲ့ လုပ်ဖေါ်ကိုင်ဖက်တွေပါ

my earliest collaborators

ကျွန်တော်ရဲ့ အစောဆုံး ကူဖေါ်များပါ

when I started working on language

ကျွန်တော်က ဘာသာစကားနဲ့ ပတ်သက်ပြီး အထီးကျန်ဝေဒနာရှင်တွေ နဲ့

and autism and various other things.

အခြားအရာတွေကို စတင် လေ့လာခဲ့စဉ်တုန်းကပါ။

The girl's name is Pavna,

ကလေးမလေးရဲ့ နာမည်က ပါဝ်နာပါ

and that's her mother, Kalpana.

ပြီးတော့ သူ့အမေရဲ့ နာမည်က ကာလ်ပနာပါ။

And Pavna's an entrepreneur,

အဲဒီ ပါဝ်နာဟာ စွန့်ဦးတီထွင်ရှင်ပါ

but her story is much more remarkable than mine,

သူမရဲ့ သမိုင်းဟာ ကျွန်တော့် ထက်ကိုတောင် မှတ်သားစရာပါ

because Pavna is about 23.

ပါဝ်နာဟာ အခု အသက် ၂၃ နှစ်ပါ။

She has quadriplegic cerebral palsy,

သူမဟာ quadriplegic cerebral palsy ဆိုတဲ့ ရော၈ါ ရှိနေသူပါ

so ever since she was born,

သူမ မွေးလာကတည်းက

she could neither move nor talk.

မလှုပ်နိုင် မပြောနိုင်ခဲ့ပါ။

And everything that she's accomplished so far,

ဒါကြောင့်မို့လို့ သူ အခုထက်ထိ လုပ်ပြီးနိုင်ခဲ့သမျှ အားလုံးဟာ

finishing school, going to college,

ကျောင်းပြီးခဲ့ခြင်း ကောလိပ်တက်ခြင်း

starting a company,

ကုမ္ပဏီ တစ်ခု စတင်လုပ်ကိုင်ခြင်း

collaborating with me to develop Avaz,

ကျွန်တော်နဲ့ အတူ လက်တွဲလျက် Avaz ကို ပြုစုထုတ်လုပ်ခဲ့ခြင်း

all of these things she's done

သူမ လုပ်နိုင်ခဲ့တဲ့ အရာအားလုံးတို့ကို

with nothing more than moving her eyes.

သူ့မျက်စိများရဲ့ လှုပ်ရှားမှုများဖြင့်သာ လုပ်နိုင်ခဲ့တာပါ။

Daniel Webster said this:

ဒဲနီယယ် ဝက်ဘ်စတား ပြောကြားခဲ့တာ ရှိပါတယ်

He said, "If all of my possessions were taken

"ကျွန်တော့်ဆီမှာ ရှိခဲ့သမျှ ပိုင်ဆိုင်မှုတွေ အားလုံးကို ယူလိုက်ခဲ့ကာ

from me with one exception,

ခြွင်းချက် အဖြစ် တစ်ခုကို ရွေးလို့ ရခဲ့သော်

I would choose to keep the power of communication,

ဆက်သွယ်ပြောဆိုရေး အခွင့်အာဏာကိုသာ ကျွန်တော်ရွေးမှာပါ

for with it, I would regain all the rest."

အဲဒါရဲ့ အကူအညီဖြင့် ကျန်တာ အားလုံးကို ကျွန်တော် ပြန်ရယူနိုင်မှာပါ။" တဲ့

And that's why, of all of these incredible applications of FreeSpeech,

ဒီတော့ ဒီလို အံ့ဩစရာ ကောင်းကြတဲ့ FreeSpeech ပရိုဂရမ်တွေကို

the one that's closest to my heart

ကျွန်တော့်ရဲ့ အနှစ်ခြိုက်ဆုံးဟာဖြင့်

still remains the ability for this

ဒီလိုလူတွေအတွက် မသန်မစွမ်း ကလေးများအား

to empower children with disabilities

ဆက်သွယ် စကားပြောလာနိုင်စွမ်း ရှိလာဖို့အတွက်

to be able to communicate,

ဆက်သွယ်ပြောဆိုရေး အခွင့်အာဏာကို တပ်ဆင်ပေးလိုက်ခြင်းဖြင့်

the power of communication,

သူတို့အနေနှင့် ကျန်တာတွေ အားလုံးကို ရယူနိုင်မယ့်

to get back all the rest.

အခွင့်အလမ်းပေးဖို့ကို ကျွန်တော် ကြိုးစား အားထုတ်နေခြင်းပါပဲ။

Thank you.

ကျေးဇူးတင်ပါတယ်။

(Applause)

(လက်ခုပ်တီးသံများ)

Thank you. (Applause)

ကျေးဇူးတင်ပါတယ်။ (လက်ခုပ်တီးသံများ)

Thank you. Thank you. Thank you. (Applause)

ကျေးဇူးတင်ပါတယ်။ ကျေးဇူးတင်ပါတယ်။ ကျေးဇူးတင်ပါတယ်။ (လက်ခုပ်တီးသံများ )

Thank you. Thank you. Thank you. (Applause)

ကျေးဇူးတင်ပါတယ်။ ကျေးဇူးတင်ပါတယ်။ ကျေးဇူးတင်ပါတယ်။ (လက်ခုပ်တီးသံများ )