What we learned from 5 million books

Vertaald door: Axel Saffran Nagekeken door: Els De Keyser

Erez Lieberman Aiden: Everyone knows

Erez Lieberman Aiden: Iedereen weet

that a picture is worth a thousand words.

dat één beeld meer zegt dan 1000 woorden.

But we at Harvard

Maar wij in Harvard

were wondering if this was really true.

vroegen ons af of dit wel echt klopte.

(Laughter)

(Gelach)

So we assembled a team of experts,

Dus verzamelden we een team van experts,

spanning Harvard, MIT,

van Harvard, MIT,

The American Heritage Dictionary, The Encyclopedia Britannica

The American Heritage Dictionary, The Encyclopedia Britannica

and even our proud sponsors,

en zelfs onze trotse sponsors,

the Google.

The Google.

And we cogitated about this

We overpeinsden dit

for about four years.

gedurende vier jaar.

And we came to a startling conclusion.

We kwamen tot een verrassende conclusie.

Ladies and gentlemen, a picture is not worth a thousand words.

Dames en heren, een beeld is niet alleen meer waard dan 1000 woorden.

In fact, we found some pictures

Wij hebben beelden gevonden

that are worth 500 billion words.

die 500 miljard woorden waard zijn.

Jean-Baptiste Michel: So how did we get to this conclusion?

Jean-Baptiste Michel: Hoe kwamen we tot deze conclusie?

So Erez and I were thinking about ways

Erez en ik dachten na hoe we een overzicht

to get a big picture of human culture

konden krijgen van onze cultuur

and human history: change over time.

en geschiedenis: de verandering door de tijd.

So many books actually have been written over the years.

Er zijn vele boeken geschreven over de jaren.

So we were thinking, well the best way to learn from them

Dus dachten we: de beste manier om ervan te leren

is to read all of these millions of books.

is die miljoenen boeken allemaal te lezen.

Now of course, if there's a scale for how awesome that is,

Op de schaal van hoe vet dat is,

that has to rank extremely, extremely high.

zou dit extreem hoog scoren.

Now the problem is there's an X-axis for that,

Het probleem is de X-as hiervan,

which is the practical axis.

hetgeen de praktische as is.

This is very, very low.

Die is bijzonder laag.

(Applause)

(Applaus)

Now people tend to use an alternative approach,

Mensen kiezen meestal voor een alternatieve aanpak,

which is to take a few sources and read them very carefully.

namelijk: enkele bronnen zeer grondig lezen.

This is extremely practical, but not so awesome.

Dat is zeer praktisch, maar niet zo vet.

What you really want to do

Wat je zou willen, is in het

is to get to the awesome yet practical part of this space.

vette en toch praktische deel van dit vlak belanden.

So it turns out there was a company across the river called Google

Nu zat er vlakbij een bedrijf genaamd Google

who had started a digitization project a few years back

dat een digitalisatieproject was begonnen

that might just enable this approach.

dat dit wellicht mogelijk kon maken.

They have digitized millions of books.

Ze hebben miljoenen boeken gedigitaliseerd.

So what that means is, one could use computational methods

Dit betekent dat je rekenkundige methoden kunt gebruiken

to read all of the books in a click of a button.

om al deze boeken te lezen met één muisklik.

That's very practical and extremely awesome.

Dat is zeer praktisch en extreem vet.

ELA: Let me tell you a little bit about where books come from.

ELA: Ik zal even vertellen waar boeken vandaan komen.

Since time immemorial, there have been authors.

Sinds mensenheugenis zijn er schrijvers geweest.

These authors have been striving to write books.

Deze schrijvers streefden ernaar boeken te schrijven.

And this became considerably easier

Dit werd aanzienlijk vergemakkelijkt

with the development of the printing press some centuries ago.

door de komst van drukpers, enkele eeuwen geleden.

Since then, the authors have won

Sindsdien is het deze schrijvers

on 129 million distinct occasions,

129 miljoen maal gelukt

publishing books.

een boek te publiceren.

Now if those books are not lost to history,

Als deze boeken niet verloren zijn gegaan,

then they are somewhere in a library,

staan ze ergens in een bibliotheek,

and many of those books have been getting retrieved from the libraries

en veel van die boeken zijn uit bibliotheken gehaald

and digitized by Google,

en gedigitaliseerd door Google,

which has scanned 15 million books to date.

dat tot op heden 15 miljoen boeken heeft gescand.

Now when Google digitizes a book, they put it into a really nice format.

Google digitaliseert boeken tot een heel mooi formaat.

Now we've got the data, plus we have metadata.

We hebben de data, plus meta-data.

We have information about things like where was it published,

We hebben informatie over waar het gepubliceerd was,

who was the author, when was it published.

wie de auteur was, wanneer het uitkwam.

And what we do is go through all of those records

Wij gaan door al die documenten heen

and exclude everything that's not the highest quality data.

en sluiten alles uit wat niet van de hoogste kwaliteit is.

What we're left with

Wat we dan overhouden,

is a collection of five million books,

is een collectie van 5 miljoen boeken,

500 billion words,

500 miljard woorden,

a string of characters a thousand times longer

een rij letters duizend maal langer

than the human genome --

dan het menselijk genoom --

a text which, when written out,

een tekst die, uitgeschreven,

would stretch from here to the Moon and back

10 maal tot de maan

10 times over --

en terug zou reiken --

a veritable shard of our cultural genome.

een waarachtige scherf van ons culturele genoom.

Of course what we did

Wat we uiteraard deden

when faced with such outrageous hyperbole ...

ten overstaan van zulk buitensporig hyperbool ...

(Laughter)

(Gelach)

was what any self-respecting researchers

was wat ieder zichzelf respecterend onderzoeker

would have done.

gedaan zou hebben.

We took a page out of XKCD,

We namen een pagina uit XKDC,

and we said, "Stand back.

en zeiden: "Pas op!

We're going to try science."

We gaan een poging tot wetenschap doen."

(Laughter)

(Gelach)

JM: Now of course, we were thinking,

JM: Natuurlijk dachten we:

well let's just first put the data out there

laten we eerst de data produceren

for people to do science to it.

waarop mensen wetenschap kunnen loslaten.

Now we're thinking, what data can we release?

We dachten: welke data kunnen we produceren?

Well of course, you want to take the books

Natuurlijk wil je de volledige tekst

and release the full text of these five million books.

van deze 5 miljoen boeken publiceren.

Now Google, and Jon Orwant in particular,

Google, en Jon Orwant in het bijzonder,

told us a little equation that we should learn.

hielden ons het volgende sommetje voor.

So you have five million, that is, five million authors

Je hebt 5 miljoen boeken; dat is 5 miljoen auteurs...

and five million plaintiffs is a massive lawsuit.

...en 5 miljoen eisers is een gigantische rechtszaak.

So, although that would be really, really awesome,

Ook al zou dat uitermate vet zijn,

again, that's extremely, extremely impractical.

het is, nogmaals, extreem onpraktisch.

(Laughter)

(Gelach)

Now again, we kind of caved in,

Dus we gingen overstag,

and we did the very practical approach, which was a bit less awesome.

en we kozen de praktische aanpak, die iets minder vet was.

We said, well instead of releasing the full text,

We zeiden, in plaats van de hele tekst uitgeven,

we're going to release statistics about the books.

gaan we statistieken uitgeven over de boeken.

So take for instance "A gleam of happiness."

Neem bijvoorbeeld "A gleam of happiness".

It's four words; we call that a four-gram.

Vier woorden; we noemen dat een four-gram.

We're going to tell you how many times a particular four-gram

We gaan laten zien hoe vaak een specifiek four-gram

appeared in books in 1801, 1802, 1803,

verscheen in boeken in 1801, 1802, 1803,

all the way up to 2008.

tot en met 2008.

That gives us a time series

Dat levert een tijdverloop op

of how frequently this particular sentence was used over time.

van hoe frequent deze specifieke zin gebruikt werd.

We do that for all the words and phrases that appear in those books,

We doen dat met alle woorden en zinnen die in die boeken voorkomen,

and that gives us a big table of two billion lines

wat een lijst van twee miljard zinnen oplevert

that tell us about the way culture has been changing.

die laat zien hoe onze cultuur veranderd is.

ELA: So those two billion lines,

ELA: Die 2 miljard zinnen

we call them two billion n-grams.

noemen we 2 miljard n-grams.

What do they tell us?

Wat vertellen ze ons?

Well the individual n-grams measure cultural trends.

De individuele n-grams meten culturele trends.

Let me give you an example.

Ik zal een voorbeeld geven.

Let's suppose that I am thriving,

Stel dat ik geluk ervaar,

then tomorrow I want to tell you about how well I did.

en morgen vertel ik je daarover.

And so I might say, "Yesterday, I throve."

Dan kan ik zeggen: "Gisteren ervoer ik geluk."

Alternatively, I could say, "Yesterday, I thrived."

Of: "Gisteren ervaarde ik geluk."

Well which one should I use?

Wat moet ik gebruiken?

How to know?

Hoe kom je daar achter?

As of about six months ago,

Sinds een maand of zes,

the state of the art in this field

is de meest vooruitstrevende manier

is that you would, for instance,

om hier achter te komen, bijvoorbeeld,

go up to the following psychologist with fabulous hair,

het benaderen van de volgende psycholoog met geweldig haar,

and you'd say,

en je zegt:

"Steve, you're an expert on the irregular verbs.

"Steve, jij weet alles van onregelmatige werkwoorden.

What should I do?"

Wat moet ik doen?"

And he'd tell you, "Well most people say thrived,

Dan zegt hij: "Nou, de meeste mensen zeggen 'ervaarde',

but some people say throve."

maar sommige mensen zeggen 'ervaarde'."

And you also knew, more or less,

Je weet ook, min of meer,

that if you were to go back in time 200 years

dat als je 200 jaar teruggaat in de tijd

and ask the following statesman with equally fabulous hair,

en deze staatsman met even geweldig haar, vraagt:

(Laughter)

(Gelach)

"Tom, what should I say?"

"Tom, wat moet ik zeggen?'"

He'd say, "Well, in my day, most people throve,

Dan zou hij zeggen: "Nou, in mijn tijd ervoeren

but some thrived."

de meeste mensen, maar sommigen ervaarden."

So now what I'm just going to show you is raw data.

Nu ga ik wat rauwe data laten zien.

Two rows from this table of two billion entries.

Twee kolommen uit de lijst met 2 miljard gegevens.

What you're seeing is year by year frequency

Wat je ziet, is de jaarlijkse frequentie

of "thrived" and "throve" over time.

van 'ervoeren' en 'ervaarden' doorheen de tijd.

Now this is just two

Dit zijn slechts twee

out of two billion rows.

van de twee miljard kolommen.

So the entire data set

Dus de hele dataset

is a billion times more awesome than this slide.

is een miljard maal vetter dan deze dia.

(Laughter)

(Gelach)

(Applause)

(Applaus)

JM: Now there are many other pictures that are worth 500 billion words.

JM: Er zijn veel andere beelden die 500 miljard woorden waard zijn.

For instance, this one.

Bijvoorbeeld dit beeld.

If you just take influenza,

Als je enkel griep neemt,

you will see peaks at the time where you knew

zie je pieken op tijdstippen waarvan je weet dat

big flu epidemics were killing people around the globe.

grote griepepidemieën wereldwijd levens kostten.

ELA: If you were not yet convinced,

ELA: Mocht je nog niet overtuigd zijn:

sea levels are rising,

zeewaterniveaus stijgen,

so is atmospheric CO2 and global temperature.

evenals CO2 in de lucht, en de globale temperatuur.

JM: You might also want to have a look at this particular n-gram,

JM: Kijk ook even naar dit n-gram,

and that's to tell Nietzsche that God is not dead,

dat Nietzsche vertelt dat God niet dood is,

although you might agree that he might need a better publicist.

hoewel je kunt zeggen dat hij betere pr nodig heeft.

(Laughter)

(Gelach)

ELA: You can get at some pretty abstract concepts with this sort of thing.

ELA: Je komt bij behoorlijk abstracte concepten met dit soort dingen.

For instance, let me tell you the history

Ik zal je bijvoorbeeld de geschiedenis laten zien

of the year 1950.

van het jaar 1950.

Pretty much for the vast majority of history,

Tijdens het grootste deel van de geschiedenis,

no one gave a damn about 1950.

kon 1950 niemand iets schelen.

In 1700, in 1800, in 1900,

In 1700, 1800, en 1900

no one cared.

interesseerde het niemand.

Through the 30s and 40s,

In de jaren '30 en '40,

no one cared.

interesseerde het niemand.

Suddenly, in the mid-40s,

Opeens, midden jaren '40,

there started to be a buzz.

ontstond er rumoer.

People realized that 1950 was going to happen,

Mensen beseften dat 1950 er aan ging komen,

and it could be big.

en het zou belangrijk kunnen zijn.

(Laughter)

(Gelach)

But nothing got people interested in 1950

Maar niets liet mensen zo warmlopen voor 1950

like the year 1950.

als het jaar 1950.

(Laughter)

(Gelach)

People were walking around obsessed.

Mensen liepen geobsedeerd rond.

They couldn't stop talking

Ze bleven maar praten

about all the things they did in 1950,

over alle dingen die ze deden in 1950,

all the things they were planning to do in 1950,

alle dingen die ze van plan waren in 1950,

all the dreams of what they wanted to accomplish in 1950.

alle dromen die ze wilden verwezenlijken in 1950.

In fact, 1950 was so fascinating

In feite was 1950 zo fascinerend

that for years thereafter,

dat mensen jaren later

people just kept talking about all the amazing things that happened,

nog steeds praatten over alle verbazingwekkends dat gebeurd was,

in '51, '52, '53.

in '51, '52, '53.

Finally in 1954,

Uiteindelijk in 1954,

someone woke up and realized

werd er iemand wakker die zich realiseerde

that 1950 had gotten somewhat passé.

dat 1950 nu wat achterhaald was.

(Laughter)

(Gelach)

And just like that, the bubble burst.

Opeens was de zeepbel gebarsten.

(Laughter)

(Gelach)

And the story of 1950

Het verhaal van 1950

is the story of every year that we have on record,

is het verhaal van elk jaar dat gemeten is,

with a little twist, because now we've got these nice charts.

met een kleine draai, want nu hebben we deze mooie grafieken.

And because we have these nice charts, we can measure things.

Omdat we die hebben, kunnen we dingen meten.

We can say, "Well how fast does the bubble burst?"

We kunnen vragen: "Hoe snel is de zeepbel gebarsten?"

And it turns out that we can measure that very precisely.

Dat blijken we zeer precies te kunnen meten.

Equations were derived, graphs were produced,

Vergelijkingen en grafieken werden gemaakt,

and the net result

en het netto resultaat

is that we find that the bubble bursts faster and faster

is dat we zien dat de bel steeds sneller barst

with each passing year.

naarmate de tijd vordert.

We are losing interest in the past more rapidly.

We raken sneller uitgekeken op het verleden.

JM: Now a little piece of career advice.

JM: Nu wat carrière-advies.

So for those of you who seek to be famous,

Diegenen van jullie die beroemd willen worden,

we can learn from the 25 most famous political figures,

kunnen leren van de 25 beroemdste politieke figuren,

authors, actors and so on.

schrijvers, acteurs enzovoort.

So if you want to become famous early on, you should be an actor,

Om snel beroemd te worden, zou je acteur moeten zijn,

because then fame starts rising by the end of your 20s --

want dan stijgt je bekendheid nog vóór je dertigste --

you're still young, it's really great.

je bent nog jong, helemaal geweldig.

Now if you can wait a little bit, you should be an author,

Als je wat langer kunt wachten, zou je schrijver moeten zijn,

because then you rise to very great heights,

want dan stijg je tot grote hoogten,

like Mark Twain, for instance: extremely famous.

zoals Mark Twain, bijvoorbeeld: extreem beroemd.

But if you want to reach the very top,

Maar als je de absolute top wilt bereiken,

you should delay gratification

moet je kunnen wachten,

and, of course, become a politician.

en, uiteraard, politicus worden.

So here you will become famous by the end of your 50s,

Hier word je beroemd vlak voor je zestigste,

and become very, very famous afterward.

en daarna word je nog veel beroemder.

So scientists also tend to get famous when they're much older.

Wetenschappers worden doorgaans ook beroemd op hogere leeftijd.

Like for instance, biologists and physics

Bijvoorbeeld, biologen en natuurkundigen

tend to be almost as famous as actors.

zijn vaak bijna zo beroemd als acteurs.

One mistake you should not do is become a mathematician.

Een fout die je niet moet maken, is wiskundige worden.

(Laughter)

(Gelach)

If you do that,

Als je dat doet,

you might think, "Oh great. I'm going to do my best work when I'm in my 20s."

denk je wellicht: "Mooi, ik ga mijn beste werk doen als begin twintiger."

But guess what, nobody will really care.

Maar dat kan niemand wat schelen.

(Laughter)

(Gelach)

ELA: There are more sobering notes

ELA: Er zijn meer ontnuchterende aspecten

among the n-grams.

aan de n-grams.

For instance, here's the trajectory of Marc Chagall,

Hier is bijvoorbeeld het traject van Marc Chagall,

an artist born in 1887.

een kunstenaar geboren in 1887.

And this looks like the normal trajectory of a famous person.

Het lijkt het normale traject van een beroemd persoon.

He gets more and more and more famous,

Hij wordt steeds beroemder,

except if you look in German.

behalve als je in het Duits kijkt.

If you look in German, you see something completely bizarre,

Daar zie je iets volledig bizars,

something you pretty much never see,

wat je bijna nooit ziet, namelijk

which is he becomes extremely famous

dat hij eerst heel beroemd wordt,

and then all of a sudden plummets,

en dan opeens sterk daalt,

going through a nadir between 1933 and 1945,

met een dieptepunt tussen 1933 en 1945,

before rebounding afterward.

voordat hij weer stijgt.

And of course, what we're seeing

Wat we hier uiteraard zien,

is the fact Marc Chagall was a Jewish artist

is het feit dat Marc Chagall een Joodse kunstenaar was

in Nazi Germany.

in Nazi-Duitsland.

Now these signals

Deze signalen

are actually so strong

zijn zo sterk

that we don't need to know that someone was censored.

dat we niet hoeven te weten dat iemand werd gecensureerd.

We can actually figure it out

We kunnen het uitvissen

using really basic signal processing.

met wat simpele signaalverwerking.

Here's a simple way to do it.

Hier is een eenvoudige methode.

Well, a reasonable expectation

Een redelijke aanname is

is that somebody's fame in a given period of time

dat iemands roem in een bepaalde periode

should be roughly the average of their fame before

ruwweg het gemiddelde moet zijn van zijn roem

and their fame after.

ervoor en erna.

So that's sort of what we expect.

Dat is wat we zouden verwachten.

And we compare that to the fame that we observe.

Dat vergelijken we met de roem die we observeren.

And we just divide one by the other

Dan delen we het één door het ander,

to produce something we call a suppression index.

om iets te produceren dat we een suppressie-index noemen.

If the suppression index is very, very, very small,

Als de suppressie-index heel, heel, heel klein is,

then you very well might be being suppressed.

dan kon het zijn dat je tegengewerkt wordt.

If it's very large, maybe you're benefiting from propaganda.

Als hij erg groot is, zou er propaganda in het spel kunnen zijn.

JM: Now you can actually look at

JM: Je kunt ook kijken naar

the distribution of suppression indexes over whole populations.

de distributie van suppressie-indexen over hele populaties.

So for instance, here --

Dus bijvoorbeeld, hier:

this suppression index is for 5,000 people

deze suppressie-index is voor 5000 mensen

picked in English books where there's no known suppression --

genomen uit Engelse boeken zonder suppressie --

it would be like this, basically tightly centered on one.

dat is mooi gecentreerd rond 1.

What you expect is basically what you observe.

Wat je verwacht, observeer je ook.

This is distribution as seen in Germany --

Dit is de distributie in Duitsland --

very different, it's shifted to the left.

heel anders, het is verschoven naar links.

People talked about it twice less as it should have been.

Mensen praatten er tweemaal minder over dan normaal.

But much more importantly, the distribution is much wider.

Maar veel belangrijker: de distributie is veel breder.

There are many people who end up on the far left on this distribution

Er zijn veel mensen in de linkerkant van de distributie,

who are talked about 10 times fewer than they should have been.

waarover tienmaal minder gepraat wordt dan normaal.

But then also many people on the far right

Maar ook mensen helemaal rechts,

who seem to benefit from propaganda.

die schijnen te profiteren van propaganda.

This picture is the hallmark of censorship in the book record.

Dit beeld is het kenmerk van censuur in boeken.

ELA: So culturomics

ELA: Culturomica

is what we call this method.

noemen we deze methode.

It's kind of like genomics.

Het lijkt op genomica.

Except genomics is a lens on biology

Maar genomica is een lens op biologie

through the window of the sequence of bases in the human genome.

door het raam van de opeenvolging van basen in het menselijk genoom.

Culturomics is similar.

Culturomica lijkt hierop.

It's the application of massive-scale data collection analysis

Het is de toepassing van massale datacollectie-analyse

to the study of human culture.

op de studie van de menselijke cultuur.

Here, instead of through the lens of a genome,

In plaats van door de lens van een genoom,

through the lens of digitized pieces of the historical record.

hier door de lens van gedigitaliseerde stukjes historische data.

The great thing about culturomics

Het mooie aan culturomica

is that everyone can do it.

is dat iedereen het kan doen.

Why can everyone do it?

Waarom kan iedereen het?

Everyone can do it because three guys,

Iedereen kan het omdat drie kerels,

Jon Orwant, Matt Gray and Will Brockman over at Google,

Jon Orwant, Matt Gray en Will Brockman bij Google,

saw the prototype of the Ngram Viewer,

het prototype zagen van de Ngram Viewer,

and they said, "This is so fun.

en zeiden: "Dit is zo leuk.

We have to make this available for people."

We moeten dit beschikbaar maken voor de mensen."

So in two weeks flat -- the two weeks before our paper came out --

In de twee weken voordat onze publicatie uitkwam,

they coded up a version of the Ngram Viewer for the general public.

codeerden ze een versie van de Ngram Viewer voor het grote publiek.

And so you too can type in any word or phrase that you're interested in

Dus ook jij kunt ieder woord of iedere zin intoetsen

and see its n-gram immediately --

en diens Ngram meteen zien --

also browse examples of all the various books

en tevens voorbeelden inkijken van de boeken

in which your n-gram appears.

waarin je Ngram voorkomt.

JM: Now this was used over a million times on the first day,

JM: De eerste dag is het meer dan een miljoen maal gebruikt.

and this is really the best of all the queries.

en het is echt de beste van alle zoekopdrachten.

So people want to be their best, put their best foot forward.

Mensen willen op hun best zijn, hun beste voetje voor zetten.

But it turns out in the 18th century, people didn't really care about that at all.

Maar in de 18e eeuw gaven mensen daar niet om.

They didn't want to be their best, they wanted to be their beft.

Ze wilden niet op hun best zijn, maar op hun beft.

So what happened is, of course, this is just a mistake.

Dit is uiteraard een vergissing.

It's not that strove for mediocrity,

Ze streefden niet naar middelmatigheid,

it's just that the S used to be written differently, kind of like an F.

maar de S werd toen anders geschreven, als een F.

Now of course, Google didn't pick this up at the time,

Dit heeft Google destijds niet opgepikt,

so we reported this in the science article that we wrote.

dus we gaven dit aan in het wetenschapsartikel.

But it turns out this is just a reminder

Maar het is dus een herinnering

that, although this is a lot of fun,

dat, ook al is dit allemaal erg leuk,

when you interpret these graphs, you have to be very careful,

wanneer je deze grafieken interpreteert, je erg moet oppassen,

and you have to adopt the base standards in the sciences.

en de wetenschappelijke basisprincipes moet toepassen.

ELA: People have been using this for all kinds of fun purposes.

ELA: Mensen hebben dit voor allerlei leuke dingen gebruikt.

(Laughter)

(Gelach)

Actually, we're not going to have to talk,

We hoeven eigenlijk niet te praten,

we're just going to show you all the slides and remain silent.

we laten gewoon alle dia's zien en houden onze mond.

This person was interested in the history of frustration.

Deze persoon was geïnteresseerd in de geschiedenis van frustratie.

There's various types of frustration.

Er zijn verschillende soorten frustratie.

If you stub your toe, that's a one A "argh."

Als je je teen stoot, is dat "argh" met één A.

If the planet Earth is annihilated by the Vogons

Als de Aarde wordt verwoest door Vogons

to make room for an interstellar bypass,

om plaats te maken voor een galactische omleiding,

that's an eight A "aaaaaaaargh."

is dat een "aaaaaaaargh" met acht A's.

This person studies all the "arghs,"

Deze persoon bestudeerde alle "arghs",

from one through eight A's.

van één tot en met acht A's.

And it turns out

Nu blijkt

that the less-frequent "arghs"

dat de minder frequente "arghs"

are, of course, the ones that correspond to things that are more frustrating --

corresponderen met meer frustrerende dingen --

except, oddly, in the early 80s.

behalve, vreemd genoeg, begin jaren '80.

We think that might have something to do with Reagan.

We denken dat dit iets te maken heeft met Reagan.

(Laughter)

(Gelach)

JM: There are many usages of this data,

JM: Er zijn vele toepassingen voor deze data,

but the bottom line is that the historical record is being digitized.

maar het belangrijkste is dat historische data worden gedigitaliseerd.

Google has started to digitize 15 million books.

Google heeft nu 15 miljoen boeken gedigitaliseerd.

That's 12 percent of all the books that have ever been published.

Dat is 12% van alle boeken die ooit uitgegeven zijn.

It's a sizable chunk of human culture.

Dat is een behoorlijk deel van onze cultuur.

There's much more in culture: there's manuscripts, there newspapers,

Er is nog veel meer in de cultuur: er zijn manuscripten, kranten,

there's things that are not text, like art and paintings.

er zijn dingen zonder tekst, zoals kunst en schilderijen.

These all happen to be on our computers,

Deze staan allemaal op onze computers,

on computers across the world.

op computers over de wereld.

And when that happens, that will transform the way we have

Wanneer dat gebeurt, zal het ons begrip van ons verleden,

to understand our past, our present and human culture.

ons heden, en onze cultuur transformeren.

Thank you very much.

Dank je wel.

(Applause)

(Applaus)