Deb Roy: The birth of a word

401,416 views ・ 2011-03-14

TED


Proszę kliknąć dwukrotnie na poniższe angielskie napisy, aby odtworzyć film.

Tłumaczenie: Karolina Ginalska Korekta: Joanna W.
00:15
Imagine if you could record your life --
0
15260
4000
Wyobraźcie sobie, że możecie zarejestrować swoje życie -
00:19
everything you said, everything you did,
1
19260
3000
wszystko co mówicie i co robicie,
00:22
available in a perfect memory store at your fingertips,
2
22260
3000
dostępne w doskonałym magazynie pamięci w zasięgu ręki
00:25
so you could go back
3
25260
2000
po to, żeby można było wrócić,
00:27
and find memorable moments and relive them,
4
27260
3000
odnaleźć niezapomniane chwile i przeżyć je ponownie,
00:30
or sift through traces of time
5
30260
3000
albo przeszukać ślady czasu
00:33
and discover patterns in your own life
6
33260
2000
i odkryć prawidłowości we własnym życiu,
00:35
that previously had gone undiscovered.
7
35260
3000
których wcześniej nie udało się nam zaobserwować.
00:38
Well that's exactly the journey
8
38260
2000
Tę właśnie podróż
00:40
that my family began
9
40260
2000
moja rodzina rozpoczęła
00:42
five and a half years ago.
10
42260
2000
pięć i pół roku temu.
00:44
This is my wife and collaborator, Rupal.
11
44260
3000
Oto moja żona i współpracownik - Rupal.
00:47
And on this day, at this moment,
12
47260
2000
I tego właśnie dnia, w tym momencie,
00:49
we walked into the house with our first child,
13
49260
2000
wróciliśmy do domu z naszym pierwszym dzieckiem,
00:51
our beautiful baby boy.
14
51260
2000
z naszym pięknym synkiem.
00:53
And we walked into a house
15
53260
3000
Weszliśmy do domu
00:56
with a very special home video recording system.
16
56260
4000
wyposażonego w specjalny system nagrywania amatorskich filmów.
01:07
(Video) Man: Okay.
17
67260
2000
(Video) W porządku.
01:10
Deb Roy: This moment
18
70260
1000
Ta chwila,
01:11
and thousands of other moments special for us
19
71260
3000
a także tysiące innych momentów dla nas szczególnych
01:14
were captured in our home
20
74260
2000
zostało uchwyconych w naszym domu,
01:16
because in every room in the house,
21
76260
2000
ponieważ w każdym pomieszczeniu,
01:18
if you looked up, you'd see a camera and a microphone,
22
78260
3000
jeżeli spojrzycie w górę, zobaczycie kamerę i mikrofon,
01:21
and if you looked down,
23
81260
2000
a jeśli spojrzycie w dół,
01:23
you'd get this bird's-eye view of the room.
24
83260
2000
otrzymacie widok pokoju z lotu ptaka.
01:25
Here's our living room,
25
85260
3000
To jest nasz salon,
01:28
the baby bedroom,
26
88260
3000
pokój dziecięcy,
01:31
kitchen, dining room
27
91260
2000
kuchnia, jadalnia,
01:33
and the rest of the house.
28
93260
2000
a to reszta domu.
01:35
And all of these fed into a disc array
29
95260
3000
Dane wprowadzane były w macierz dyskową,
01:38
that was designed for a continuous capture.
30
98260
3000
którą zaprojektowano w celu ciągłej rejestracji obrazu.
01:41
So here we are flying through a day in our home
31
101260
3000
Spędzamy więc dzień w domu,
01:44
as we move from sunlit morning
32
104260
3000
od słonecznego poranka,
01:47
through incandescent evening
33
107260
2000
poprzez rozżarzony wieczór,
01:49
and, finally, lights out for the day.
34
109260
3000
a na koniec dnia światła gasną.
01:53
Over the course of three years,
35
113260
3000
W ciągu trzech lat
01:56
we recorded eight to 10 hours a day,
36
116260
2000
nagrywaliśmy 8-10 godzin dziennie,
01:58
amassing roughly a quarter-million hours
37
118260
3000
gromadząc około ćwierć miliona godzin
02:01
of multi-track audio and video.
38
121260
3000
wielościeżkowych danych audiowizualnych.
02:04
So you're looking at a piece of what is by far
39
124260
2000
Patrzycie więc na fragment zdecydowanie
02:06
the largest home video collection ever made.
40
126260
2000
największej kolekcji amatorskich filmów jaka kiedykolwiek powstała.
02:08
(Laughter)
41
128260
3000
(Śmiech)
02:11
And what this data represents
42
131260
2000
Co dane te przedstawiają
02:13
for our family at a personal level,
43
133260
4000
dla naszej rodziny na płaszczyźnie prywatnej,
02:17
the impact has already been immense,
44
137260
2000
już teraz mogę powiedzieć, że wpływ jest przeogromny,
02:19
and we're still learning its value.
45
139260
3000
i nadal poznajemy jego wartość.
02:22
Countless moments
46
142260
2000
Niezliczone chwile
02:24
of unsolicited natural moments, not posed moments,
47
144260
3000
naturalnych, niewyćwiczonych momentów
02:27
are captured there,
48
147260
2000
zostały tu utrwalone,
02:29
and we're starting to learn how to discover them and find them.
49
149260
3000
i zaczynamy się uczyć je odkrywać i znajdować.
02:32
But there's also a scientific reason that drove this project,
50
152260
3000
Jednak istnieje także powód naukowy, który leżał u podstaw tego projektu,
02:35
which was to use this natural longitudinal data
51
155260
4000
a mianowicie wykorzystanie naturalnych danych obserwacyjnych
02:39
to understand the process
52
159260
2000
do zrozumienia procesu
02:41
of how a child learns language --
53
161260
2000
uczenia się przez dziecko mowy -
02:43
that child being my son.
54
163260
2000
a tym dzieckiem był mój syn.
02:45
And so with many privacy provisions put in place
55
165260
4000
Wykorzystując wiele rozwiązań z dziedziny ochrony prywatności,
02:49
to protect everyone who was recorded in the data,
56
169260
3000
w celu ochrony wszystkich, których dane objęły,
02:52
we made elements of the data available
57
172260
3000
udostępniliśmy ich fragmenty
02:55
to my trusted research team at MIT
58
175260
3000
mojemu zaufanemu zespołowi badawczemu w MIT
02:58
so we could start teasing apart patterns
59
178260
3000
i mogliśmy rozpocząć pracę nad znalezieniem prawidłowości
03:01
in this massive data set,
60
181260
3000
w tym ogromnym zbiorze danych,
03:04
trying to understand the influence of social environments
61
184260
3000
próbując zrozumieć wpływ środowisk społecznych
03:07
on language acquisition.
62
187260
2000
na akwizycję języka.
03:09
So we're looking here
63
189260
2000
Widzimy tu
03:11
at one of the first things we started to do.
64
191260
2000
jedną z pierwszych rzeczy, na których się skoncentrowaliśmy.
03:13
This is my wife and I cooking breakfast in the kitchen,
65
193260
4000
To moja żona i ja, przygotowujący w kuchni śniadanie,♫
03:17
and as we move through space and through time,
66
197260
3000
kiedy poruszamy się w czasie i przestrzeni,
03:20
a very everyday pattern of life in the kitchen.
67
200260
3000
bardzo codziennego modelu życia w kuchni.
03:23
In order to convert
68
203260
2000
W celu przekonwertowania
03:25
this opaque, 90,000 hours of video
69
205260
3000
tych złożonych 90 tys. godzin nagrań video
03:28
into something that we could start to see,
70
208260
2000
w coś, co moglibyśmy zacząć rozumieć,
03:30
we use motion analysis to pull out,
71
210260
2000
korzystamy z analizy ruchu w celu wydobycia,
03:32
as we move through space and through time,
72
212260
2000
w miarę jak poruszamy się w czasie i przestrzeni,
03:34
what we call space-time worms.
73
214260
3000
tzw. 'robaków czasoprzestrzennych'.
03:37
And this has become part of our toolkit
74
217260
3000
Stało się to częścią naszego zestawu narzędzi,
03:40
for being able to look and see
75
220260
3000
aby móc spojrzeć i dostrzec,
03:43
where the activities are in the data,
76
223260
2000
gdzie w danych znajdują się czynności
03:45
and with it, trace the pattern of, in particular,
77
225260
3000
i w ten sposób nakreślić schematy, w szczególności
03:48
where my son moved throughout the home,
78
228260
2000
którędy mój syn się poruszał po domu,
03:50
so that we could focus our transcription efforts,
79
230260
3000
abyśmy mogli się skupić na transkrypcji nagrań,
03:53
all of the speech environment around my son --
80
233260
3000
zawierających zapis środowiska językowego wokół mojego syna -
03:56
all of the words that he heard from myself, my wife, our nanny,
81
236260
3000
wszystkich słów, które usłyszał ode mnie, od mojej żony i naszej niani
03:59
and over time, the words he began to produce.
82
239260
3000
i na przestrzeni czasu słów, które zaczął wymawiać.
04:02
So with that technology and that data
83
242260
3000
Dysponując taką technologią i danymi,
04:05
and the ability to, with machine assistance,
84
245260
2000
a także możliwością, z pomocą programu,
04:07
transcribe speech,
85
247260
2000
dokonania transkrypcji mowy,
04:09
we've now transcribed
86
249260
2000
do tej pory sporządziliśmy transkrypcję
04:11
well over seven million words of our home transcripts.
87
251260
3000
ponad siedmiu milionów słów domowego zapisu.
04:14
And with that, let me take you now
88
254260
2000
Pozwólcie, że zabiorę was teraz
04:16
for a first tour into the data.
89
256260
3000
w pierwszą podróż w dane.
04:19
So you've all, I'm sure,
90
259260
2000
Jestem pewien, że każdy z was
04:21
seen time-lapse videos
91
261260
2000
widział filmy poklatkowe,
04:23
where a flower will blossom as you accelerate time.
92
263260
3000
na których kwiat zakwita, kiedy przyspiesza się czas.
04:26
I'd like you to now experience
93
266260
2000
Chciałbym, żebyście teraz doświadczyli
04:28
the blossoming of a speech form.
94
268260
2000
rozkwitu mowy.
04:30
My son, soon after his first birthday,
95
270260
2000
Mój syn, zaraz po swoich pierwszych urodzinach,
04:32
would say "gaga" to mean water.
96
272260
3000
zaczął mówić "gaga" mając na myśli wodę.
04:35
And over the course of the next half-year,
97
275260
3000
Przez następne pół roku
04:38
he slowly learned to approximate
98
278260
2000
powoli nauczył się wymawiać zbliżoną
04:40
the proper adult form, "water."
99
280260
3000
właściwą formę słowa "water" (woda).
04:43
So we're going to cruise through half a year
100
283260
2000
Usłyszymy teraz pół roku
04:45
in about 40 seconds.
101
285260
2000
w ciągu około 40 sekund.
04:47
No video here,
102
287260
2000
Bez video,
04:49
so you can focus on the sound, the acoustics,
103
289260
3000
żebyście mogli skupić się na dźwięku, akustyce,
04:52
of a new kind of trajectory:
104
292260
2000
nowego rodzaju trajektorii:
04:54
gaga to water.
105
294260
2000
"gaga" to "water" (woda)
04:56
(Audio) Baby: Gagagagagaga
106
296260
12000
(Audio) Dziecko: 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 (woda woda woda)
05:29
water water water
112
329260
6000
water water water (woda woda woda)
05:35
water water
113
335260
4000
water water (woda woda)
05:39
water.
114
339260
2000
water (woda).
05:41
DR: He sure nailed it, didn't he.
115
341260
2000
Dobrze sobie poradził, prawda?
05:43
(Applause)
116
343260
7000
(Brawa)
05:50
So he didn't just learn water.
117
350260
2000
Nie nauczył się więc słowa "water" (woda) tak po prostu.
05:52
Over the course of the 24 months,
118
352260
2000
W ciągu 24 miesięcy,
05:54
the first two years that we really focused on,
119
354260
3000
pierwszych dwóch lat życia, na których się szczególnie skoncentrowaliśmy,
05:57
this is a map of every word he learned in chronological order.
120
357260
4000
jest to mapa każdego słowa, którego się nauczył w porządku chronologicznym.
06:01
And because we have full transcripts,
121
361260
3000
I ponieważ dysponujemy pełnymi zapisami tekstu,
06:04
we've identified each of the 503 words
122
364260
2000
zidentyfikowaliśmy każde z 503 słów,
06:06
that he learned to produce by his second birthday.
123
366260
2000
które nauczył się wymawiać przed swoimi drugimi urodzinami.
06:08
He was an early talker.
124
368260
2000
Zaczął mówić wcześnie.
06:10
And so we started to analyze why.
125
370260
3000
Zaczęliśmy więc analizować przyczyny.
06:13
Why were certain words born before others?
126
373260
3000
Dlaczego niektóre słowa rodzą się wcześniej niż inne.
06:16
This is one of the first results
127
376260
2000
Jest to jeden z pierwszych wyników,
06:18
that came out of our study a little over a year ago
128
378260
2000
naszego badania sprzed niewiele ponad roku temu,
06:20
that really surprised us.
129
380260
2000
które naprawdę nas zakoczyły.
06:22
The way to interpret this apparently simple graph
130
382260
3000
Oto interpretacja tego pozornie prostego wykresu,
06:25
is, on the vertical is an indication
131
385260
2000
oś pionowa oznacza
06:27
of how complex caregiver utterances are
132
387260
3000
stopień złożoności wypowiedzi opiekuna
06:30
based on the length of utterances.
133
390260
2000
w oparciu o długość wypowiedzi.
06:32
And the [horizontal] axis is time.
134
392260
3000
A oś pozioma to czas.
06:35
And all of the data,
135
395260
2000
Wszystkie te dane
06:37
we aligned based on the following idea:
136
397260
3000
zestawiliśmy w oparciu o następującą myśl:
06:40
Every time my son would learn a word,
137
400260
3000
za każdym razem, kiedy mój syn nauczył się nowego słowa,
06:43
we would trace back and look at all of the language he heard
138
403260
3000
prześledziliśmy cały wkład językowy, który otrzymał
06:46
that contained that word.
139
406260
2000
i który zawierał to słowo.
06:48
And we would plot the relative length of the utterances.
140
408260
4000
Sporządziliśmy względną długość wypowiedzi.
06:52
And what we found was this curious phenomena,
141
412260
3000
I odkryliśmy ciekawe zjawisko, które polega na tym,
06:55
that caregiver speech would systematically dip to a minimum,
142
415260
3000
że mowa opiekuna systematycznie spada do minimum,
06:58
making language as simple as possible,
143
418260
3000
upraszczając język do granic możliwości,
07:01
and then slowly ascend back up in complexity.
144
421260
3000
a następnie powoli znowu staje się bardziej skomplikowana.
07:04
And the amazing thing was
145
424260
2000
Niesamowite było właśnie
07:06
that bounce, that dip,
146
426260
2000
to odbicie, ten spadek,
07:08
lined up almost precisely
147
428260
2000
skoordynowany prawie dokładnie
07:10
with when each word was born --
148
430260
2000
z początkiem narodzin każdego słowa -
07:12
word after word, systematically.
149
432260
2000
słowo po słowie, systematycznie.
07:14
So it appears that all three primary caregivers --
150
434260
2000
Wygląda więc na to, że trzech głównych opiekunów -
07:16
myself, my wife and our nanny --
151
436260
3000
ja sam, moja żona i nasza niania -
07:19
were systematically and, I would think, subconsciously
152
439260
3000
systematycznie i, jak sądzę, podświadomie,
07:22
restructuring our language
153
442260
2000
rekonstruowaliśmy swoją mowę
07:24
to meet him at the birth of a word
154
444260
3000
aby asystować mojemu synowi przy narodzinach słowa
07:27
and bring him gently into more complex language.
155
447260
4000
i łagodnie wprowadzić go w bardziej złożony język.
07:31
And the implications of this -- there are many,
156
451260
2000
Jest wiele implikacji tego odkrycia,
07:33
but one I just want to point out,
157
453260
2000
ale chciałbym wskazać na jedną z nich,
07:35
is that there must be amazing feedback loops.
158
455260
3000
że muszą istnieć niesamowite pętle przyczynowo-skutkowe.
07:38
Of course, my son is learning
159
458260
2000
Oczywiście mój syn uczy się
07:40
from his linguistic environment,
160
460260
2000
ze swojego środowiska językowego,
07:42
but the environment is learning from him.
161
462260
3000
ale środowisko uczy się od niego.
07:45
That environment, people, are in these tight feedback loops
162
465260
3000
Otoczenie, ludzie, znajdują się w tych szczelnych pętlach przyczynowo-skutkowych
07:48
and creating a kind of scaffolding
163
468260
2000
i tworzą rodzaj rusztowania,
07:50
that has not been noticed until now.
164
470260
3000
które do tej pory nie zostało dostrzeżone.
07:54
But that's looking at the speech context.
165
474260
2000
Wszystko to jest analizą kontekstu językowego.
07:56
What about the visual context?
166
476260
2000
Co więc z kontekstem wizualnym?
07:58
We're not looking at --
167
478260
2000
Widzimy teraz -
08:00
think of this as a dollhouse cutaway of our house.
168
480260
2000
przyjmijmy, że to przekrój naszego domu w stylu domku dla lalek
08:02
We've taken those circular fish-eye lens cameras,
169
482260
3000
Zastosowaliśmy kamery o kolistych soczewkach typu rybie oko
08:05
and we've done some optical correction,
170
485260
2000
i dokonaliśmy pewnej korekty optycznej,
08:07
and then we can bring it into three-dimensional life.
171
487260
4000
a następnie wprowadziliśmy je do trójwymiarowego życia.
08:11
So welcome to my home.
172
491260
2000
Witam więc w moim domu.
08:13
This is a moment,
173
493260
2000
To jest moment,
08:15
one moment captured across multiple cameras.
174
495260
3000
jeden moment uchwycony wieloma kamerami.
08:18
The reason we did this is to create the ultimate memory machine,
175
498260
3000
Powódem, dla którego to zrobiliśmy było stworzenie jedynej w swoim rodzaju maszyny pamięciowej,
08:21
where you can go back and interactively fly around
176
501260
3000
w której można się cofać w czasie i korzystać w sposób interaktywny,
08:24
and then breathe video-life into this system.
177
504260
3000
a następnie tchnąć nagrane życie w ten system.
08:27
What I'm going to do
178
507260
2000
Pokażę wam teraz
08:29
is give you an accelerated view of 30 minutes,
179
509260
3000
przyspieszoną wersję trwającego 30 minut nagrania
08:32
again, of just life in the living room.
180
512260
2000
ze zwykłego życia w salonie.
08:34
That's me and my son on the floor.
181
514260
3000
To ja i mój syn na podłodze.
08:37
And there's video analytics
182
517260
2000
Widać tutaj analitykę video,
08:39
that are tracking our movements.
183
519260
2000
która śledzi nasze ruchy.
08:41
My son is leaving red ink. I am leaving green ink.
184
521260
3000
Mój syn pozostawia ślad czerwony, a ja - zielony.
08:44
We're now on the couch,
185
524260
2000
Siedzimy teraz na kanapie,
08:46
looking out through the window at cars passing by.
186
526260
3000
patrząc przez okno na przejeżdżające samochody.
08:49
And finally, my son playing in a walking toy by himself.
187
529260
3000
I wreszcie mój syn sam bawi się w chodziku.
08:52
Now we freeze the action, 30 minutes,
188
532260
3000
Teraz zatrzymujemy akcję, 30 minut,
08:55
we turn time into the vertical axis,
189
535260
2000
zmieniamy czas w oś pionową
08:57
and we open up for a view
190
537260
2000
i otrzymujemy perspektywę
08:59
of these interaction traces we've just left behind.
191
539260
3000
tych śladów interakcji, które zostawiliśmy za sobą.
09:02
And we see these amazing structures --
192
542260
3000
Widać tu te niesamowite konstrukcje,
09:05
these little knots of two colors of thread
193
545260
3000
supełki dwóch kolorów nici,
09:08
we call "social hot spots."
194
548260
2000
które nazywamy społecznymi miejscami aktywnymi.
09:10
The spiral thread
195
550260
2000
Spiralną nić
09:12
we call a "solo hot spot."
196
552260
2000
nazywamy pojedyńczym miejscem aktywnym
09:14
And we think that these affect the way language is learned.
197
554260
3000
Sądzimy, że punkty te wpływają na to, w jaki sposób uczymy się języka.
09:17
What we'd like to do
198
557260
2000
Chcielibyśmy
09:19
is start understanding
199
559260
2000
zacząć rozumieć
09:21
the interaction between these patterns
200
561260
2000
relację pomiędzy tymi prawidłowościami
09:23
and the language that my son is exposed to
201
563260
2000
i językiem, z jakim ma kontakt mój syn,
09:25
to see if we can predict
202
565260
2000
aby spróbować przewidzieć,
09:27
how the structure of when words are heard
203
567260
2000
w jaki sposób struktura momentu, w którym dziecko słyszy słowa
09:29
affects when they're learned --
204
569260
2000
wpływa na to, kiedy ich się uczy -
09:31
so in other words, the relationship
205
571260
2000
innymi słowy, związek
09:33
between words and what they're about in the world.
206
573260
4000
słów i tym co reprezentują.
09:37
So here's how we're approaching this.
207
577260
2000
Dokonujemy tego w taki sposób.
09:39
In this video,
208
579260
2000
Na tym filmie
09:41
again, my son is being traced out.
209
581260
2000
mój syn po raz kolejny pozostawia za sobą ślad.
09:43
He's leaving red ink behind.
210
583260
2000
Czerwony.
09:45
And there's our nanny by the door.
211
585260
2000
Przy drzwiach stoi niania.
09:47
(Video) Nanny: You want water? (Baby: Aaaa.)
212
587260
3000
(Video) Niania: Chcesz wody? (Dziecko: Aaaa)
09:50
Nanny: All right. (Baby: Aaaa.)
213
590260
3000
Niania: W porządku. (Dziecko: Aaaa)
09:53
DR: She offers water,
214
593260
2000
DR: Niania proponuje wodę,
09:55
and off go the two worms
215
595260
2000
i oba "robaki" idą
09:57
over to the kitchen to get water.
216
597260
2000
do kuchni po wodę.
09:59
And what we've done is use the word "water"
217
599260
2000
Wykorzystaliśmy słowo "water" (woda),
10:01
to tag that moment, that bit of activity.
218
601260
2000
żeby oznakować ten moment, tę krótką czynność.
10:03
And now we take the power of data
219
603260
2000
Korzystamy teraz z potęgi danych
10:05
and take every time my son
220
605260
3000
i analizujemy każdy moment, kiedy mój syn
10:08
ever heard the word water
221
608260
2000
usłyszał słowo "water" (woda)
10:10
and the context he saw it in,
222
610260
2000
i kontekst, w którym ją zobaczył.
10:12
and we use it to penetrate through the video
223
612260
3000
Wykorzystujemy te dane, żeby przeanalizować film
10:15
and find every activity trace
224
615260
3000
i odnaleźć każdy ślad czynności,
10:18
that co-occurred with an instance of water.
225
618260
3000
który wystąpił z przykładem wody.
10:21
And what this data leaves in its wake
226
621260
2000
Dane te pozostawiają za sobą
10:23
is a landscape.
227
623260
2000
krajobraz.
10:25
We call these wordscapes.
228
625260
2000
Nazywamy je wordscapes (ang. "word" - słowo + "-scape" - obraz, scena)
10:27
This is the wordscape for the word water,
229
627260
2000
To jest wordscape dla słowa "woda"
10:29
and you can see most of the action is in the kitchen.
230
629260
2000
i jak możecie zauważyć, większość sytuacji ma miejsce w kuchni.
10:31
That's where those big peaks are over to the left.
231
631260
3000
Oznaczone są one tymi wysokimi wierzchołkami po lewej stronie.
10:34
And just for contrast, we can do this with any word.
232
634260
3000
W celu porównania, możemy dokonać podobnej analizy każdego słowa.
10:37
We can take the word "bye"
233
637260
2000
Weźmy słowo "bye"
10:39
as in "good bye."
234
639260
2000
w sensie "do widzenia".
10:41
And we're now zoomed in over the entrance to the house.
235
641260
2000
Zrobiliśmy zbliżenie wejścia do domu.
10:43
And we look, and we find, as you would expect,
236
643260
3000
Widzimy, tak jak przypuszczaliście,
10:46
a contrast in the landscape
237
646260
2000
kontrast w krajobrazie,
10:48
where the word "bye" occurs much more in a structured way.
238
648260
3000
gdzie słowo "do widzenia" pojawia się w sposób znacznie bardziej zorganizowany.
10:51
So we're using these structures
239
651260
2000
Korzystamy więc z tych konstrukcji,
10:53
to start predicting
240
653260
2000
aby zacząć przewidywać
10:55
the order of language acquisition,
241
655260
3000
kolejność akwizycji języka,
10:58
and that's ongoing work now.
242
658260
2000
prace nad tym zagadnieniem właśnie trwają,
11:00
In my lab, which we're peering into now, at MIT --
243
660260
3000
w moim laboratorium w MIT, do którego właśnie zaglądamy,
11:03
this is at the media lab.
244
663260
2000
to jest w media lab.
11:05
This has become my favorite way
245
665260
2000
Stało się to moim ulubionym sposobem
11:07
of videographing just about any space.
246
667260
2000
videografowania praktycznie każdej przestrzeni.
11:09
Three of the key people in this project,
247
669260
2000
Trzy kluczowe osoby w tym projekcie,
11:11
Philip DeCamp, Rony Kubat and Brandon Roy are pictured here.
248
671260
3000
Philip DeCamp, Rony Kubat i Brandon Roy są tutaj pokazane.
11:14
Philip has been a close collaborator
249
674260
2000
Philip jest moim bliskim współpracownikiem
11:16
on all the visualizations you're seeing.
250
676260
2000
we wszystkich wizualizacjach, które oglądacie.
11:18
And Michael Fleischman
251
678260
3000
Michael Fleischman
11:21
was another Ph.D. student in my lab
252
681260
2000
był kolejnym doktorantem w moim laboratorium,
11:23
who worked with me on this home video analysis,
253
683260
3000
który pracował ze mną nad analizą tego amatorskiego nagrania
11:26
and he made the following observation:
254
686260
3000
i dokonał następujących obserwacji:
11:29
that "just the way that we're analyzing
255
689260
2000
"W ten sam sposób, w jaki analizujemy
11:31
how language connects to events
256
691260
3000
związek języka z wydarzeniami,
11:34
which provide common ground for language,
257
694260
2000
które dostarczają językowi wspólnej płaszczyzny,
11:36
that same idea we can take out of your home, Deb,
258
696260
4000
tę samą technikę, Deb, możemy wykorzystać poza domem,
11:40
and we can apply it to the world of public media."
259
700260
3000
i zastosować ją w świecie mediów publicznych".
11:43
And so our effort took an unexpected turn.
260
703260
3000
Wysiłki nasze przybrały więc nieoczekiwany zwrot.
11:46
Think of mass media
261
706260
2000
Wyobraźcie sobie środki masowego przekazu
11:48
as providing common ground
262
708260
2000
dostarczające wspólnej płaszczyzny
11:50
and you have the recipe
263
710260
2000
i mamy gotowy przepis
11:52
for taking this idea to a whole new place.
264
712260
3000
na wykorzystanie tego pomysłu w zupełnie nowy sposób.
11:55
We've started analyzing television content
265
715260
3000
Zaczęliśmy analizować treść programów telewizyjnych
11:58
using the same principles --
266
718260
2000
korzystając z tej samej zasady -
12:00
analyzing event structure of a TV signal --
267
720260
3000
analizując strukturę wydarzenia sygnału telewizyjnego -
12:03
episodes of shows,
268
723260
2000
odcinków programów,
12:05
commercials,
269
725260
2000
reklam,
12:07
all of the components that make up the event structure.
270
727260
3000
wszystkich elementów, które składają się na strukturę wydarzenia.
12:10
And we're now, with satellite dishes, pulling and analyzing
271
730260
3000
I teraz przy pomocy anten satelitarnych wydobywamy i analizujemy
12:13
a good part of all the TV being watched in the United States.
272
733260
3000
sporą część wszystkich programów telewizyjnych oglądanych w Stanach Zjednoczonych.
12:16
And you don't have to now go and instrument living rooms with microphones
273
736260
3000
Nie potrzeba już umieszczać mikrofonów w salonie,
12:19
to get people's conversations,
274
739260
2000
żeby usłyszeć rozmowy,
12:21
you just tune into publicly available social media feeds.
275
741260
3000
po prostu ustawia się odbiór publicznie dostępnych kanałów mediów społecznych.
12:24
So we're pulling in
276
744260
2000
Mamy dostęp do
12:26
about three billion comments a month,
277
746260
2000
około trzech miliardów komentarzy na miesiąc.
12:28
and then the magic happens.
278
748260
2000
Potem dzieje się rzecz magiczna.
12:30
You have the event structure,
279
750260
2000
Mamy strukturę wydarzenia,
12:32
the common ground that the words are about,
280
752260
2000
wspólną płaszczyznę opisaną słowami,
12:34
coming out of the television feeds;
281
754260
3000
wyłaniającą się z kanałów telewizyjnych;
12:37
you've got the conversations
282
757260
2000
mamy rozmowy
12:39
that are about those topics;
283
759260
2000
na te tematy;
12:41
and through semantic analysis --
284
761260
3000
poprzez analizę semantyczną -
12:44
and this is actually real data you're looking at
285
764260
2000
patrzycie teraz na rzeczywiste dane
12:46
from our data processing --
286
766260
2000
uzyskane metodą przetwarzania danych -
12:48
each yellow line is showing a link being made
287
768260
3000
każda żółta linia pokazuje związek
12:51
between a comment in the wild
288
771260
3000
między komentarzem w społeczeństwie
12:54
and a piece of event structure coming out of the television signal.
289
774260
3000
a fragmentem struktury wydarzenia pochodzącym od sygnału telewizyjnego.
12:57
And the same idea now
290
777260
2000
Tę samą ideę
12:59
can be built up.
291
779260
2000
można nasilić.
13:01
And we get this wordscape,
292
781260
2000
W ten sposób otrzymujemy wordscape,
13:03
except now words are not assembled in my living room.
293
783260
3000
z wyjątkiem tego, że słowa nie są teraz gromadzone w moim salonie.
13:06
Instead, the context, the common ground activities,
294
786260
4000
Zamiast tego, kontekstem, czynnościami na wspólnej płaszczyźnie,
13:10
are the content on television that's driving the conversations.
295
790260
3000
są treści programów telewizyjnych, które napędzają te rozmowy.
13:13
And what we're seeing here, these skyscrapers now,
296
793260
3000
Te drapacze chmur, na które teraz patrzymy
13:16
are commentary
297
796260
2000
to komentarze,
13:18
that are linked to content on television.
298
798260
2000
które powiązane są z treściami w telewizji.
13:20
Same concept,
299
800260
2000
To samo pojęcie,
13:22
but looking at communication dynamics
300
802260
2000
ale patrząc na dynamikę komunikacji
13:24
in a very different sphere.
301
804260
2000
w zupełnie odmiennej sferze.
13:26
And so fundamentally, rather than, for example,
302
806260
2000
Zasadniczo więc, zamiast, na przykład
13:28
measuring content based on how many people are watching,
303
808260
3000
pomiarów treści opartych na liczbie osób oglądających programy,
13:31
this gives us the basic data
304
811260
2000
dostarcza nam to podstawowych danych,
13:33
for looking at engagement properties of content.
305
813260
3000
aby przyjrzeć się właściwościom treści, które wzbudzają zainteresowanie odbiorców.
13:36
And just like we can look at feedback cycles
306
816260
3000
W taki sam sposób jak przyglądamy się cyklom przyczynowo-skutkowym
13:39
and dynamics in a family,
307
819260
3000
i dynamice rodziny,
13:42
we can now open up the same concepts
308
822260
3000
możemy teraz poszerzyć te same pojęcia
13:45
and look at much larger groups of people.
309
825260
3000
i przyjrzeć się znacznie większej grupie ludzi.
13:48
This is a subset of data from our database --
310
828260
3000
To jest podzbiór danych z naszej bazy -
13:51
just 50,000 out of several million --
311
831260
3000
jedynie 50 tys. z kilku milionów -
13:54
and the social graph that connects them
312
834260
2000
i wykres społeczny, który je łączy
13:56
through publicly available sources.
313
836260
3000
poprzez publicznie dostępne źródła.
13:59
And if you put them on one plain,
314
839260
2000
I jeśli postawimy je na jednej płaszczyźnie,
14:01
a second plain is where the content lives.
315
841260
3000
na drugiej płaszczyźnie znajduje się treść.
14:04
So we have the programs
316
844260
3000
Mamy więc programy
14:07
and the sporting events
317
847260
2000
i wydarzenia sportowe,
14:09
and the commercials,
318
849260
2000
reklamy,
14:11
and all of the link structures that tie them together
319
851260
2000
i wszystkie struktury łączące, które je ze sobą wiążą
14:13
make a content graph.
320
853260
2000
składają się na wykres oparty o treść.
14:15
And then the important third dimension.
321
855260
4000
Czas na ważny, trzeci wymiar.
14:19
Each of the links that you're seeing rendered here
322
859260
2000
Każdy ze związków tu przedstawionych
14:21
is an actual connection made
323
861260
2000
stanowi rzeczywisty związek
14:23
between something someone said
324
863260
3000
pomiędzy wypowiedzią,
14:26
and a piece of content.
325
866260
2000
a elementem treści.
14:28
And there are, again, now tens of millions of these links
326
868260
3000
Obecnie dysponujemy dziesiątkami milionów takich związków,
14:31
that give us the connective tissue of social graphs
327
871260
3000
które dostarczają nam tkanki łącznej wykresów społecznych
14:34
and how they relate to content.
328
874260
3000
i informacji o tym, jak odnoszą się one do treści.
14:37
And we can now start to probe the structure
329
877260
2000
Możemy teraz rozpocząć badanie struktury
14:39
in interesting ways.
330
879260
2000
na interesujące sposoby.
14:41
So if we, for example, trace the path
331
881260
3000
A więc jeśli, na przykład, prześledzimy drogę
14:44
of one piece of content
332
884260
2000
jednego elementu treści,
14:46
that drives someone to comment on it,
333
886260
2000
który wywołuje komentarz,
14:48
and then we follow where that comment goes,
334
888260
3000
a następnie prześledzimy dokąd ten komentarz zmierza,
14:51
and then look at the entire social graph that becomes activated
335
891260
3000
i przyjrzymy się całemu wykresowi społecznemu, który się uaktywnia,
14:54
and then trace back to see the relationship
336
894260
3000
a następnie wrócimy do związku
14:57
between that social graph and content,
337
897260
2000
pomiędzy tym wykresem społecznym i treścią,
14:59
a very interesting structure becomes visible.
338
899260
2000
pojawia się bardzo interesująca struktura.
15:01
We call this a co-viewing clique,
339
901260
2000
Nazywamy ją 'wspólnie oglądającą grupą'
15:03
a virtual living room if you will.
340
903260
3000
wirtualnym salonem, jeśli wolicie.
15:06
And there are fascinating dynamics at play.
341
906260
2000
Ma tu miejsce fascynująca dynamika.
15:08
It's not one way.
342
908260
2000
Niejednostronna.
15:10
A piece of content, an event, causes someone to talk.
343
910260
3000
Element treści, wydarzenie, zmusza ludzi do mówienia.
15:13
They talk to other people.
344
913260
2000
Rozmawiają oni z innymi ludźmi.
15:15
That drives tune-in behavior back into mass media,
345
915260
3000
Zestrojone zachowanie wraca z powrotem do mediów
15:18
and you have these cycles
346
918260
2000
i otrzymujemy procesy cykliczne,
15:20
that drive the overall behavior.
347
920260
2000
które napędzają ogólne zachowanie.
15:22
Another example -- very different --
348
922260
2000
Inny przykład - bardzo różny -
15:24
another actual person in our database --
349
924260
3000
kolejna faktyczna osoba w naszej bazie danych -
15:27
and we're finding at least hundreds, if not thousands, of these.
350
927260
3000
znajdujemy ich przynajmniej setki, jeśli nie tysiące.
15:30
We've given this person a name.
351
930260
2000
Nadaliśmy tej osobie imię.
15:32
This is a pro-amateur, or pro-am media critic
352
932260
3000
Jest to zawodowy amator, krytyk medialny,
15:35
who has this high fan-out rate.
353
935260
3000
wiele z jego opinii odbija się szerokim echem.
15:38
So a lot of people are following this person -- very influential --
354
938260
3000
Wielu ludzi interesuje się tym, co ta wpływowa osoba ma do powiedzenia,
15:41
and they have a propensity to talk about what's on TV.
355
941260
2000
i wypowiada się na temat tego, co jest w telewizji.
15:43
So this person is a key link
356
943260
3000
Osoba ta jest głównym ogniwem
15:46
in connecting mass media and social media together.
357
946260
3000
łączącym ze sobą mass media i media społeczne.
15:49
One last example from this data:
358
949260
3000
Ostatni przykład pochodzący z tych danych:
15:52
Sometimes it's actually a piece of content that is special.
359
952260
3000
czasami to właśnie element treści ma szczególne znaczenie.
15:55
So if we go and look at this piece of content,
360
955260
4000
A więc jeśli przyjrzymy się temu elementowi,
15:59
President Obama's State of the Union address
361
959260
3000
orędziu noworocznemu prezydenta Obamy
16:02
from just a few weeks ago,
362
962260
2000
sprzed zaledwie kilku tygodni,
16:04
and look at what we find in this same data set,
363
964260
3000
i przyjrzymy się temu, co znajduje się w tym samym zbiorze danych,
16:07
at the same scale,
364
967260
3000
w tej samej skali,
16:10
the engagement properties of this piece of content
365
970260
2000
właściwości tej treści, które wzbudzają zainteresowanie
16:12
are truly remarkable.
366
972260
2000
są naprawdę niezwykłe.
16:14
A nation exploding in conversation
367
974260
2000
Naród toczący dyskusję
16:16
in real time
368
976260
2000
w czasie rzeczywistym
16:18
in response to what's on the broadcast.
369
978260
3000
w odpowiedzi na treść programu.
16:21
And of course, through all of these lines
370
981260
2000
I oczywiście wszystkie słowa
16:23
are flowing unstructured language.
371
983260
2000
to potok luźnej mowy.
16:25
We can X-ray
372
985260
2000
Możemy prześwietlić
16:27
and get a real-time pulse of a nation,
373
987260
2000
i poczuć tętno narodu w czasie rzeczywistym,
16:29
real-time sense
374
989260
2000
rzeczywiste odczucie
16:31
of the social reactions in the different circuits in the social graph
375
991260
3000
reakcji społecznych w różnych cyklach na wykresie społecznym
16:34
being activated by content.
376
994260
3000
wywołanych treścią.
16:37
So, to summarize, the idea is this:
377
997260
3000
Podsumuję następującą myślą:
16:40
As our world becomes increasingly instrumented
378
1000260
3000
świat staje się wyposażony w coraz różniejsze przyrządy
16:43
and we have the capabilities
379
1003260
2000
i dysponujemy możliwością
16:45
to collect and connect the dots
380
1005260
2000
zbierania i łączenia punkcików
16:47
between what people are saying
381
1007260
2000
pomiędzy tym co mówią ludzie,
16:49
and the context they're saying it in,
382
1009260
2000
a kontekstem.
16:51
what's emerging is an ability
383
1011260
2000
Wyłania się z tego umiejętność
16:53
to see new social structures and dynamics
384
1013260
3000
dostrzegania nowych struktur społecznych i dynamiki,
16:56
that have previously not been seen.
385
1016260
2000
które poprzednio pozostawały niezauważone.
16:58
It's like building a microscope or telescope
386
1018260
2000
To tak jak budowanie mikroskopu lub teleskopu
17:00
and revealing new structures
387
1020260
2000
i ukazywanie nowych struktur
17:02
about our own behavior around communication.
388
1022260
3000
na temat naszego zachowania i komunikacji.
17:05
And I think the implications here are profound,
389
1025260
3000
Myślę, że implikacje są przemożne,
17:08
whether it's for science,
390
1028260
2000
zarówno dla nauki,
17:10
for commerce, for government,
391
1030260
2000
jak i handlu, rządu,
17:12
or perhaps most of all,
392
1032260
2000
a może nawet najbardziej
17:14
for us as individuals.
393
1034260
3000
dla nas jako jednostek.
17:17
And so just to return to my son,
394
1037260
3000
Wróćmy więc do mojego syna,
17:20
when I was preparing this talk, he was looking over my shoulder,
395
1040260
3000
kiedy przygotowywałem ten wykład, patrzył mi przez ramię
17:23
and I showed him the clips I was going to show to you today,
396
1043260
2000
i pokazałem mu fragmenty video, które obejrzeliście.
17:25
and I asked him for permission -- granted.
397
1045260
3000
Zapytałem o pozwolenie - udzielił mi go.
17:28
And then I went on to reflect,
398
1048260
2000
Zacząłem się zastanawiać:
17:30
"Isn't it amazing,
399
1050260
3000
"To niewiarygodne,
17:33
this entire database, all these recordings,
400
1053260
3000
całą tę bazę danych, wszystkie nagrania,
17:36
I'm going to hand off to you and to your sister" --
401
1056260
2000
przekażę tobie i twojej siostrze",
17:38
who arrived two years later --
402
1058260
3000
która pojawiła się na świecie dla lata później.
17:41
"and you guys are going to be able to go back and re-experience moments
403
1061260
3000
"I będziecie mogli powrócić do przeszłości i przeżyć na nowo te momenty,
17:44
that you could never, with your biological memory,
404
1064260
3000
których nigdy nie bylibyście w stanie swoją pamięcią biologiczną
17:47
possibly remember the way you can now?"
405
1067260
2000
zapamiętać tak, jak teraz, dysponując tymi nagraniami".
17:49
And he was quiet for a moment.
406
1069260
2000
Przez chwilę nic nie mówił.
17:51
And I thought, "What am I thinking?
407
1071260
2000
I pomyślałem: "Co jak sobie myślę?
17:53
He's five years old. He's not going to understand this."
408
1073260
2000
Mój syn ma pięć lat. Nie zrozumie".
17:55
And just as I was having that thought, he looked up at me and said,
409
1075260
3000
I w momencie, kiedy tak myślałem, spojrzał na mnie i powiedział:
17:58
"So that when I grow up,
410
1078260
2000
"A więc kiedy dorosnę,
18:00
I can show this to my kids?"
411
1080260
2000
mogę pokazać to moim dzieciom?"
18:02
And I thought, "Wow, this is powerful stuff."
412
1082260
3000
I pomyślałem: "No, no! To jest naprawdę potężne".
18:05
So I want to leave you
413
1085260
2000
Chciałbym zakończyć
18:07
with one last memorable moment
414
1087260
2000
jeszcze jedną niezapomnianą chwilą
18:09
from our family.
415
1089260
3000
z życia mojej rodziny.
18:12
This is the first time our son
416
1092260
2000
Tutaj nasz syn po raz pierwszy
18:14
took more than two steps at once --
417
1094260
2000
zrobił więcej niż dwa kroki naraz -
18:16
captured on film.
418
1096260
2000
uchwycone na filmie.
18:18
And I really want you to focus on something
419
1098260
3000
Chciałbym, żebyście skoncentrowali się na czymś,
18:21
as I take you through.
420
1101260
2000
w czasie oglądania.
18:23
It's a cluttered environment; it's natural life.
421
1103260
2000
Otoczenie jest trochę zagracone - normalne życie.
18:25
My mother's in the kitchen, cooking,
422
1105260
2000
Moja mama gotuje w kuchni,
18:27
and, of all places, in the hallway,
423
1107260
2000
a ja w korytarzu, ostatnim miejscu na ziemi,
18:29
I realize he's about to do it, about to take more than two steps.
424
1109260
3000
zdałem sobię sprawę, że mój syn właśnie zaraz zrobi więcej niż jeden krok.
18:32
And so you hear me encouraging him,
425
1112260
2000
Usłyszycie, jak go zachęcam,
18:34
realizing what's happening,
426
1114260
2000
zdając sobie sprawę z tego, co się dzieje.
18:36
and then the magic happens.
427
1116260
2000
Wtedy stała się rzecz magiczna.
18:38
Listen very carefully.
428
1118260
2000
Posłuchajcie uważnie.
18:40
About three steps in,
429
1120260
2000
Po trzech krokach
18:42
he realizes something magic is happening,
430
1122260
2000
on sam zdaje sobie sprawę z tego, że dzieje się coś magicznego
18:44
and the most amazing feedback loop of all kicks in,
431
1124260
3000
i uruchamia się najbardziej niesamowita pętla przyczynowo-skutkowa,
18:47
and he takes a breath in,
432
1127260
2000
bierze on wdech
18:49
and he whispers "wow"
433
1129260
2000
i szepce "wow",
18:51
and instinctively I echo back the same.
434
1131260
4000
a ja instynktownie powtarzam to samo.
18:56
And so let's fly back in time
435
1136260
3000
Przenieśmy się więc w czasie
18:59
to that memorable moment.
436
1139260
2000
do tej niezapomnianej chwili.
19:05
(Video) DR: Hey.
437
1145260
2000
(Video) DR: Hej!
19:07
Come here.
438
1147260
2000
Chodź tutaj.
19:09
Can you do it?
439
1149260
3000
Potrafisz to zrobić?
19:13
Oh, boy.
440
1153260
2000
O rany!
19:15
Can you do it?
441
1155260
3000
Potrafisz to zrobić?
19:18
Baby: Yeah.
442
1158260
2000
Dziecko: Tak
19:20
DR: Ma, he's walking.
443
1160260
3000
DR: Mamo, on chodzi.
19:24
(Laughter)
444
1164260
2000
(Śmiech)
19:26
(Applause)
445
1166260
2000
(Brawa)
19:28
DR: Thank you.
446
1168260
2000
DR: Dziękuję
19:30
(Applause)
447
1170260
15000
(Brawa)

Original video on YouTube.com
O tej stronie

Na tej stronie poznasz filmy z YouTube, które są przydatne do nauki języka angielskiego. Zobaczysz lekcje angielskiego prowadzone przez najlepszych nauczycieli z całego świata. Kliknij dwukrotnie na angielskie napisy wyświetlane na stronie każdego filmu, aby odtworzyć film od tego miejsca. Napisy przewijają się synchronicznie z odtwarzaniem filmu. Jeśli masz jakieś uwagi lub prośby, skontaktuj się z nami za pomocą formularza kontaktowego.

https://forms.gle/WvT1wiN1qDtmnspy7