Ajit Narayanan: A word game to communicate in any language

Ajit Narayanan: Um jogo de palavras para se comunicar em qualquer língua

114,745 views

2014-03-10 ・ TED


New videos

Ajit Narayanan: A word game to communicate in any language

Ajit Narayanan: Um jogo de palavras para se comunicar em qualquer língua

114,745 views ・ 2014-03-10

TED


Por favor, clique duas vezes nas legendas em inglês abaixo para reproduzir o vídeo.

Tradutor: Marcio David Revisor: Gustavo Rocha
00:12
I work with children with autism.
0
12721
2670
Eu trabalho com crianças com autismo.
00:15
Specifically, I make technologies
1
15391
1914
Especificamente, eu crio tecnologias
00:17
to help them communicate.
2
17305
2171
para ajudá-las a se comunicar.
00:19
Now, many of the problems that children
3
19476
1539
Muitos dos problemas das crianças autistas
00:21
with autism face, they have a common source,
4
21015
3763
têm uma origem em comum
00:24
and that source is that they find it difficult
5
24778
2094
e essa origem é a dificuldade
00:26
to understand abstraction, symbolism.
6
26872
5260
de entender a abstração, o simbolismo.
00:32
And because of this, they have a lot of difficulty with language.
7
32132
4652
E, por causa disso, elas têm muita dificuldade com linguagem.
00:36
Let me tell you a little bit about why this is.
8
36784
3015
Vou falar um pouco sobre o porquê disso.
00:39
You see that this is a picture of a bowl of soup.
9
39799
3934
Vocês veem que isso é uma foto de uma tigela de sopa.
00:43
All of us can see it. All of us understand this.
10
43733
2485
Todos conseguimos vê-la. Todos nós entendemos isto.
00:46
These are two other pictures of soup,
11
46218
2312
Aqui temos dois outros desenhos de sopa,
00:48
but you can see that these are more abstract
12
48530
2067
mas vejam que estes são mais abstratos,
00:50
These are not quite as concrete.
13
50597
1856
não são tão concretos.
00:52
And when you get to language,
14
52453
2174
E, no que diz respeito à lingua,
00:54
you see that it becomes a word
15
54627
1868
isto se transforma numa palavra
00:56
whose look, the way it looks and the way it sounds,
16
56495
3261
cuja aparência e sonoridade
00:59
has absolutely nothing to do with what it started with,
17
59756
2912
não têm nada a ver com de onde vem,
01:02
or what it represents, which is the bowl of soup.
18
62668
2830
ou o que representa, que é uma tigela de sopa.
01:05
So it's essentially a completely abstract,
19
65498
2900
Então é essencialmente uma abstração completa,
01:08
a completely arbitrary representation of something
20
68398
2576
uma representação completamente arbitrária de uma coisa
01:10
which is in the real world,
21
70974
1163
que está no mundo real,
01:12
and this is something that children with autism
22
72137
1791
e isso é algo com que as crianças autistas
01:13
have an incredible amount of difficulty with.
23
73928
3164
têm uma dificuldade incrível.
É por isso que a maioria da pessoas que lidam com crianças autistas --
01:17
Now that's why most of the people that work with children with autism --
24
77092
2751
01:19
speech therapists, educators --
25
79843
1878
fonoaudiólogos e educadores --
01:21
what they do is, they try to help children with autism
26
81721
2633
elas tentam ajudar as crianças autistas
01:24
communicate not with words, but with pictures.
27
84354
3229
a se comunicar não com palavras, mas com imagens.
01:27
So if a child with autism wanted to say,
28
87583
1930
Se uma criança autista quisesse dizer:
01:29
"I want soup," that child would pick
29
89513
2458
"Eu quero sopa", ela pegaria
01:31
three different pictures, "I," "want," and "soup,"
30
91971
2260
três imagens diferentes, "eu", "quero", "sopa",
01:34
and they would put these together,
31
94231
1609
e as colocaria juntas
01:35
and then the therapist or the parent would
32
95840
1867
e o fonoaudiólogo ou os pais
01:37
understand that this is what the kid wants to say.
33
97707
1887
entenderiam o que a criança quer dizer.
01:39
And this has been incredibly effective;
34
99594
1778
Isso tem sido muito eficiente.
01:41
for the last 30, 40 years
35
101372
2141
Nos últimos 30, 40 anos
01:43
people have been doing this.
36
103513
1613
as pessoas têm feito isso.
01:45
In fact, a few years back,
37
105126
1349
Aliás, há alguns anos,
01:46
I developed an app for the iPad
38
106475
2675
eu desenvolvi um aplicativo para iPad
01:49
which does exactly this. It's called Avaz,
39
109150
2255
que faz exatamente isto. Se chama Avaz,
01:51
and the way it works is that kids select
40
111405
2279
e funciona assim: a criança seleciona
01:53
different pictures.
41
113684
1321
imagens diferentes,
01:55
These pictures are sequenced together to form sentences,
42
115005
2570
formando uma sequência e criando frases
01:57
and these sentences are spoken out.
43
117575
1719
e essas frases são pronunciadas.
01:59
So Avaz is essentially converting pictures,
44
119294
3025
Essencialmente, Avaz converte imagens,
02:02
it's a translator, it converts pictures into speech.
45
122319
3960
é um tradutor, converte figuras em fala.
02:06
Now, this was very effective.
46
126279
1718
Isso é muito eficaz.
02:07
There are thousands of children using this,
47
127997
1384
Existem milhares de crianças usando isto pelo mundo,
02:09
you know, all over the world,
48
129381
1430
02:10
and I started thinking about
49
130811
2175
e comecei a pensar
02:12
what it does and what it doesn't do.
50
132986
2654
no que ele faz e no que não faz.
02:15
And I realized something interesting:
51
135640
1684
E percebi algo interessante.
02:17
Avaz helps children with autism learn words.
52
137324
4203
Avaz ajuda crianças com autismo a aprender palavras.
02:21
What it doesn't help them do is to learn
53
141527
2405
Mas o que não ajuda é a aprender
02:23
word patterns.
54
143932
2748
padrões de palavras.
02:26
Let me explain this in a little more detail.
55
146680
2472
Vou explicar melhor.
02:29
Take this sentence: "I want soup tonight."
56
149152
3057
Por exemplo, a frase: "Eu quero sopa hoje à noite".
02:32
Now it's not just the words here that convey the meaning.
57
152209
4080
Não são apenas as palavras que transmitem o significado.
02:36
It's also the way in which these words are arranged,
58
156289
3140
Mas também a forma como estas palavras estão ordenadas.
02:39
the way these words are modified and arranged.
59
159429
2515
Como estas palavras são modificadas e ordenadas.
02:41
And that's why a sentence like "I want soup tonight"
60
161959
2306
E isso é por isso que uma frase como essa
02:44
is different from a sentence like
61
164265
1984
é diferente de uma frase como:
02:46
"Soup want I tonight," which is completely meaningless.
62
166249
3312
"Sopa quero eu hoje à noite", que não tem sentido algum.
02:49
So there is another hidden abstraction here
63
169561
2619
Mas existe uma outra abstração escondida aqui,
02:52
which children with autism find a lot of difficulty coping with,
64
172180
3557
com que crianças autistas têm muita dificuldade de lidar,
02:55
and that's the fact that you can modify words
65
175737
2840
que é a possibilidade de modificar palavras
02:58
and you can arrange them to have
66
178577
2101
e de organizá-las para obter
03:00
different meanings, to convey different ideas.
67
180678
2895
significados diferentes, e ideias diferentes.
03:03
Now, this is what we call grammar.
68
183573
3459
Isso é o que chamamos de gramática.
03:07
And grammar is incredibly powerful,
69
187032
2036
E a gramática é incrivelmente poderosa,
03:09
because grammar is this one component of language
70
189068
3157
porque a gramática é um componente da linguagem
03:12
which takes this finite vocabulary that all of us have
71
192225
3489
que nos permite tornar o vocabulário finito que temos
03:15
and allows us to convey an infinite amount of information,
72
195714
4531
em uma quantidade infinita de informações,
03:20
an infinite amount of ideas.
73
200245
2134
uma quantidade infinita de ideias.
03:22
It's the way in which you can put things together
74
202379
2002
É a forma como juntamos as coisas
03:24
in order to convey anything you want to.
75
204381
2168
para comunicar tudo que queremos.
03:26
And so after I developed Avaz,
76
206549
2127
Então, depois que desenvolvi o Avaz,
03:28
I worried for a very long time
77
208676
1568
preocupei-me por muito tempo com como eu poderia
03:30
about how I could give grammar to children with autism.
78
210244
3910
ensinar gramática para as crianças com autismo.
03:34
The solution came to me from a very interesting perspective.
79
214154
2275
A solução veio de uma perspectiva interessante.
03:36
I happened to chance upon a child with autism
80
216429
3449
Por acaso, deparei-me com uma criança autista
03:39
conversing with her mom,
81
219878
2109
conversando com sua mãe,
03:41
and this is what happened.
82
221987
2094
e aconteceu o seguinte:
03:44
Completely out of the blue, very spontaneously,
83
224081
2186
do nada, de forma totalmente espontânea,
03:46
the child got up and said, "Eat."
84
226267
2463
a criança levantou e disse: "Comer".
03:48
Now what was interesting was
85
228730
1770
Mas o interessante
03:50
the way in which the mom was trying to tease out
86
230500
4244
foi a forma com que a mãe tentava entender
03:54
the meaning of what the child wanted to say
87
234744
2213
o significado do que a criança queria dizer,
03:56
by talking to her in questions.
88
236957
2260
fazendo perguntas.
03:59
So she asked, "Eat what? Do you want to eat ice cream?
89
239217
2593
Então, ela perguntava: "Comer o quê? Você quer sorvete?
04:01
You want to eat? Somebody else wants to eat?
90
241810
2112
O que quer comer? Outra pessoa quer comer?
04:03
You want to eat cream now? You want to eat ice cream in the evening?"
91
243922
3313
Você quer sorvete agora? Ou de noite?"
04:07
And then it struck me that
92
247235
1514
E então percebi
04:08
what the mother had done was something incredible.
93
248749
2028
que o que a mãe tinha feito era algo incrível.
04:10
She had been able to get that child to communicate
94
250777
1994
Ela tinha sido capaz de fazer com que aquela criança
04:12
an idea to her without grammar.
95
252771
4138
comunicasse uma ideia sem usar a gramática.
04:16
And it struck me that maybe this is what
96
256909
2696
E percebi que talvez fosse isso
04:19
I was looking for.
97
259605
1385
que eu estava procurando.
04:20
Instead of arranging words in an order, in sequence,
98
260990
4142
Ao invés de organizar as palavras numa ordem, numa sequência,
04:25
as a sentence, you arrange them
99
265132
2172
em forma de frase, nós as organizamos
04:27
in this map, where they're all linked together
100
267304
3811
neste mapa, onde elas estão todas ligadas,
04:31
not by placing them one after the other
101
271115
2143
colocadas não uma atrás da outra,
04:33
but in questions, in question-answer pairs.
102
273258
3284
mas em perguntas, em pares de perguntas e respostas.
04:36
And so if you do this, then what you're conveying
103
276542
2358
E, se você fizer isto, o que você estará passando
04:38
is not a sentence in English,
104
278900
1986
não é uma frase em inglês,
04:40
but what you're conveying is really a meaning,
105
280886
2966
mas sim um significado real,
04:43
the meaning of a sentence in English.
106
283852
1511
o significado de uma frase em inglês.
04:45
Now, meaning is really the underbelly, in some sense, of language.
107
285363
2932
O significado é o que vem por trás da linguagem.
04:48
It's what comes after thought but before language.
108
288295
3821
É o que vem depois do pensamento, mas antes da linguagem.
04:52
And the idea was that this particular representation
109
292116
2503
E a ideia era que essa representação em particular
04:54
might convey meaning in its raw form.
110
294619
3261
pudesse transmitir significado na sua forma crua.
04:57
So I was very excited by this, you know,
111
297880
1771
Eu fiquei muito animado com isso,
04:59
hopping around all over the place,
112
299651
1493
esperançoso, tentando descobrir
05:01
trying to figure out if I can convert
113
301144
1771
como eu poderia converter
05:02
all possible sentences that I hear into this.
114
302915
2524
todas as sentenças possíveis que já ouvi.
05:05
And I found that this is not enough.
115
305439
1773
E descobri que isto não é suficiente.
05:07
Why is this not enough?
116
307212
1385
E por quê?
05:08
This is not enough because if you wanted to convey
117
308597
1711
Porque se eu quiser transmitir
05:10
something like negation,
118
310308
2250
algo como uma negação,
05:12
you want to say, "I don't want soup,"
119
312558
1736
se quiser dizer: "Não quero sopa",
05:14
then you can't do that by asking a question.
120
314294
2220
não dá para fazer isso com uma pergunta,
05:16
You do that by changing the word "want."
121
316514
2285
mas mudando a palavra "quero".
05:18
Again, if you wanted to say,
122
318799
1637
De novo, se quiséssemos dizer:
05:20
"I wanted soup yesterday,"
123
320436
1980
"Eu queria sopa ontem",
05:22
you do that by converting the word "want" into "wanted."
124
322416
2737
fazemos isso trocando a palavra "quero" por "queria".
05:25
It's a past tense.
125
325153
1666
É o passado.
05:26
So this is a flourish which I added
126
326819
2103
Isto é um aperfeiçoamento que adicionei
05:28
to make the system complete.
127
328922
1576
para deixar o sistema completo.
05:30
This is a map of words joined together
128
330498
1977
Este é um mapa de palavras juntadas
05:32
as questions and answers,
129
332475
1656
na forma de perguntas e respostas,
05:34
and with these filters applied on top of them
130
334131
2264
com estes filtros adicionais
05:36
in order to modify them to represent
131
336395
1817
para modificá-las, para representar
05:38
certain nuances.
132
338212
1709
certas variações.
05:39
Let me show you this with a different example.
133
339921
1951
Vejam com um exemplo diferente.
05:41
Let's take this sentence:
134
341872
1254
Por exemplo, esta frase:
"Eu falei ao carpinteiro que eu não poderia lhe pagar."
05:43
"I told the carpenter I could not pay him."
135
343126
1980
05:45
It's a fairly complicated sentence.
136
345106
1792
É uma frase bem complicada.
05:46
The way that this particular system works,
137
346898
1893
A forma como este sistema funciona
05:48
you can start with any part of this sentence.
138
348791
2578
é que podemos começar com qualquer parte da frase.
05:51
I'm going to start with the word "tell."
139
351369
1698
Vou começar com a palavra "falar".
05:53
So this is the word "tell."
140
353067
1462
Esta é a palavra "falar".
05:54
Now this happened in the past,
141
354529
1600
Isso aconteceu no passado,
05:56
so I'm going to make that "told."
142
356129
2223
então vou mudar para "falei".
05:58
Now, what I'm going to do is,
143
358352
1708
O que farei agora é fazer perguntas.
06:00
I'm going to ask questions.
144
360060
1756
06:01
So, who told? I told.
145
361816
2364
Então, quem falou? Eu falei.
Eu falei para quem? Eu falei ao carpinteiro.
06:04
I told whom? I told the carpenter.
146
364180
1927
06:06
Now we start with a different part of the sentence.
147
366107
1751
Agora vamos para outra parte da frase.
06:07
We start with the word "pay,"
148
367858
1867
Começamos com a palavra "pagar".
06:09
and we add the ability filter to it to make it "can pay."
149
369725
4577
e adicionamos o filtro de habilidade para mudar para "pode pagar".
06:14
Then we make it "can't pay,"
150
374302
2101
Então fazemos "não pode pagar".
06:16
and we can make it "couldn't pay"
151
376403
1599
e podemos fazer "não poderia pagar",
06:18
by making it the past tense.
152
378002
1663
transformando num tempo passado.
06:19
So who couldn't pay? I couldn't pay.
153
379665
1923
Então, quem não poderia pagar? Eu não poderia pagar.
06:21
Couldn't pay whom? I couldn't pay the carpenter.
154
381588
2676
Não poderia pagar a quem? Não poderia pagar ao carpinteiro.
06:24
And then you join these two together
155
384264
1731
E então juntamos os dois,
06:25
by asking this question:
156
385995
1350
fazendo esta pergunta:
06:27
What did I tell the carpenter?
157
387345
1737
O que eu falei ao carpinteiro?
06:29
I told the carpenter I could not pay him.
158
389082
4049
Eu falei ao carpinteiro que eu não poderia lhe pagar.
06:33
Now think about this. This is
159
393131
1937
Agora pensem nisso. Isso é...
06:35
—(Applause)—
160
395068
3542
(Aplausos)
06:38
this is a representation of this sentence
161
398610
3672
Essa é a representação dessa frase,
06:42
without language.
162
402282
2435
sem linguagem.
06:44
And there are two or three interesting things about this.
163
404717
2192
E há duas ou três coisas interessantes aqui.
06:46
First of all, I could have started anywhere.
164
406909
3131
Primeiro, eu poderia ter começado em qualquer lugar.
06:50
I didn't have to start with the word "tell."
165
410040
2243
Não tinha que começar com a palavra "falar".
06:52
I could have started anywhere in the sentence,
166
412283
1416
Poderia começar em qualquer lugar,
06:53
and I could have made this entire thing.
167
413699
1507
e poderia ter feito tudo isso.
06:55
The second thing is, if I wasn't an English speaker,
168
415206
2776
Segundo, se eu não falasse inglês,
06:57
if I was speaking in some other language,
169
417982
2175
se eu falasse outra língua,
07:00
this map would actually hold true in any language.
170
420157
3156
este mapa funcionaria em qualquer língua.
07:03
So long as the questions are standardized,
171
423313
1990
Contanto que as perguntas sejam padronizadas,
07:05
the map is actually independent of language.
172
425303
4287
este mapa se torna independente de línguas.
07:09
So I call this FreeSpeech,
173
429590
2115
Então eu o chamo de FreeSpeech,
07:11
and I was playing with this for many, many months.
174
431705
2935
e eu trabalhei nele por muitos meses.
07:14
I was trying out so many different combinations of this.
175
434640
2726
Eu experimentei muitas combinações.
Então, percebi algo interessante no FreeSpeech.
07:17
And then I noticed something very interesting about FreeSpeech.
176
437366
2289
07:19
I was trying to convert language,
177
439655
3243
Eu estava tentando converter linguagem,
07:22
convert sentences in English into sentences in FreeSpeech,
178
442898
2384
converter frases em inglês em frases em FreeSpeech,
07:25
and vice versa, and back and forth.
179
445282
1752
e vice-versa, para trás e para frente,
07:27
And I realized that this particular configuration,
180
447034
2255
e percebi que esta configuração em particular,
07:29
this particular way of representing language,
181
449289
2026
esta forma particular de representar linguagem,
07:31
it allowed me to actually create very concise rules
182
451315
4395
permitia que eu criasse muitas regras concisas
07:35
that go between FreeSpeech on one side
183
455710
2734
que vão do FreeSpeech, de um lado,
07:38
and English on the other.
184
458444
1488
ao inglês, do outro.
07:39
So I could actually write this set of rules
185
459932
2180
E eu pude escrever um conjunto de regras
07:42
that translates from this particular representation into English.
186
462112
3395
que traduz desta forma de representação para o inglês.
07:45
And so I developed this thing.
187
465507
1831
Então eu desenvolvi isso.
07:47
I developed this thing called the FreeSpeech Engine
188
467338
2232
Desenvolvi o que chamo de FreeSpeech Engine,
07:49
which takes any FreeSpeech sentence as the input
189
469570
2561
que pega qualquer frase do FreeSpeech
07:52
and gives out perfectly grammatical English text.
190
472131
3930
e transforma num texto gramaticalmente correto em inglês.
07:56
And by putting these two pieces together,
191
476061
1605
E juntando essas duas partes,
07:57
the representation and the engine,
192
477666
1881
a representação e o sistema,
07:59
I was able to create an app, a technology for children with autism,
193
479547
3796
pude criar um aplicativo, uma tecnologia para crianças autistas,
08:03
that not only gives them words
194
483343
2499
não só com palavras,
08:05
but also gives them grammar.
195
485842
3941
mas também com gramática.
08:09
So I tried this out with kids with autism,
196
489783
2360
Experimentei então com crianças com autismo,
08:12
and I found that there was an incredible amount of identification.
197
492143
5013
e descobri que havia uma grande identificação.
08:17
They were able to create sentences in FreeSpeech
198
497156
2720
Elas foram capazes de criar frases no FreeSpeech
08:19
which were much more complicated but much more effective
199
499876
2558
que eram muito mais complicadas, mas muito mais eficientes
08:22
than equivalent sentences in English,
200
502434
2899
do que as frases equivalentes em inglês,
08:25
and I started thinking about
201
505333
1682
e comecei a me perguntar
08:27
why that might be the case.
202
507015
1969
por que aquilo acontecia.
08:28
And I had an idea, and I want to talk to you about this idea next.
203
508984
4287
E tive uma ideia que gostaria de contar a vocês.
08:33
In about 1997, about 15 years back,
204
513271
3142
Em 1997, quinze anos atrás,
08:36
there were a group of scientists that were trying
205
516413
2011
havia um grupo de cientistas tentando
08:38
to understand how the brain processes language,
206
518424
2389
entender como o cérebro processa a linguagem,
08:40
and they found something very interesting.
207
520813
1779
e descobriram algo muito interessante.
08:42
They found that when you learn a language
208
522592
1872
Descobriram que quando aprendemos uma língua
08:44
as a child, as a two-year-old,
209
524464
2912
quando criança, com dois anos,
08:47
you learn it with a certain part of your brain,
210
527376
2366
aprendemos com uma certa parte do cérebro,
08:49
and when you learn a language as an adult --
211
529742
1600
e quando aprendemos uma língua já adultos,
08:51
for example, if I wanted to learn Japanese right now —
212
531342
3911
por exemplo, se eu quisesse aprender japonês agora,
08:55
a completely different part of my brain is used.
213
535253
2707
uma parte completamente diferente do cérebro seria usada.
08:57
Now I don't know why that's the case,
214
537960
1831
Eu não sei bem por quê,
08:59
but my guess is that that's because
215
539791
1991
mas acredito que seja porque,
09:01
when you learn a language as an adult,
216
541782
2437
quando aprendemos uma língua quando adulto,
09:04
you almost invariably learn it
217
544219
1616
provavelmente a aprendemos
09:05
through your native language, or through your first language.
218
545835
4266
através de nossa língua nativa, ou primeira língua.
09:10
So what's interesting about FreeSpeech
219
550101
3252
O que é interessante no FreeSpeech
09:13
is that when you create a sentence
220
553353
1802
é que, quando criamos uma frase
09:15
or when you create language,
221
555155
1695
ou quando criamos linguagem,
09:16
a child with autism creates language with FreeSpeech,
222
556850
3070
uma criança com autismo cria linguagem com FreeSpeech,
09:19
they're not using this support language,
223
559920
1833
ela não usa sua língua original,
09:21
they're not using this bridge language.
224
561753
2211
não usa essa ponte linguística.
09:23
They're directly constructing the sentence.
225
563964
2657
Ela está construindo as frases diretamente.
09:26
And so this gave me this idea.
226
566621
2193
Então isso me deu uma ideia.
09:28
Is it possible to use FreeSpeech
227
568814
2024
Será que conseguimos usar o FreeSpeech
09:30
not for children with autism
228
570838
2510
não para crianças com autismo,
09:33
but to teach language to people without disabilities?
229
573348
6262
mas para ensinar uma língua para pessoas sem deficiências?
09:39
And so I tried a number of experiments.
230
579610
1978
Tentei vários experimentos.
09:41
The first thing I did was I built a jigsaw puzzle
231
581588
2948
A primeira coisa que fiz foi construir um quebra-cabeça,
09:44
in which these questions and answers
232
584536
1970
no qual perguntas e respostas
09:46
are coded in the form of shapes,
233
586506
1835
são codificadas em formatos, em cores,
09:48
in the form of colors,
234
588341
1138
09:49
and you have people putting these together
235
589479
1849
e as pessoas as juntam
09:51
and trying to understand how this works.
236
591328
1773
e tentam entender como funciona.
09:53
And I built an app out of it, a game out of it,
237
593101
2376
E criei um aplicativo a partir disso, um jogo
09:55
in which children can play with words
238
595477
2661
no qual crianças podem brincar com palavras,
09:58
and with a reinforcement,
239
598138
1704
e com a ajuda
09:59
a sound reinforcement of visual structures,
240
599842
2585
de sons de estruturas visuais,
10:02
they're able to learn language.
241
602427
2013
elas são capazes de aprender uma língua.
10:04
And this, this has a lot of potential, a lot of promise,
242
604440
2736
Isto tem um grande potencial, uma grande promessa,
e o governo da Índia recentemente
10:07
and the government of India recently
243
607176
1975
obteve uma licença de uso desta tecnologia,
10:09
licensed this technology from us,
244
609151
1404
10:10
and they're going to try it out with millions of different children
245
610555
2074
e vai experimentá-la com milhões de crianças,
10:12
trying to teach them English.
246
612629
2605
tentando ensinar inglês para elas.
10:15
And the dream, the hope, the vision, really,
247
615234
2614
E o sonho, a esperança, a visão realmente
10:17
is that when they learn English this way,
248
617848
3082
é de que, ao aprenderem inglês assim,
10:20
they learn it with the same proficiency
249
620930
2643
elas aprendam com a mesma proficiência
10:23
as their mother tongue.
250
623573
3718
da língua nativa.
10:27
All right, let's talk about something else.
251
627291
3816
Certo. Vamos conversar sobre outra coisa.
10:31
Let's talk about speech.
252
631107
1997
Vamos conversar sobre fala.
10:33
This is speech.
253
633104
1271
Isto é fala.
10:34
So speech is the primary mode of communication
254
634375
1962
A fala é o modo principal de comunicação
10:36
delivered between all of us.
255
636337
1613
proferido entre nós.
10:37
Now what's interesting about speech is that
256
637950
1855
O interessante na fala
10:39
speech is one-dimensional.
257
639805
1245
é que ela é unidimensional.
10:41
Why is it one-dimensional?
258
641050
1359
Por que unidimensional?
10:42
It's one-dimensional because it's sound.
259
642409
1568
É unidimensional porque é sonora.
10:43
It's also one-dimensional because
260
643977
1539
Também porque nossas bocas são assim,
10:45
our mouths are built that way.
261
645516
1205
10:46
Our mouths are built to create one-dimensional sound.
262
646721
3512
são concebidas para criar um som unidimensional.
10:50
But if you think about the brain,
263
650233
2866
Mas se você pensar sobre o cérebro,
10:53
the thoughts that we have in our heads
264
653099
1764
os pensamentos que temos na cabeça
10:54
are not one-dimensional.
265
654863
2102
não são unidimensionais.
10:56
I mean, we have these rich,
266
656965
1459
Ou seja, temos ideias
10:58
complicated, multi-dimensional ideas.
267
658424
3028
ricas, complicadas e multidimensionais.
11:01
Now, it seems to me that language
268
661452
1690
Aparentemente, a linguagem
11:03
is really the brain's invention
269
663142
2332
é de fato uma invenção do cérebro
11:05
to convert this rich, multi-dimensional thought
270
665474
3096
para converter este pensamento rico e multidimensional,
11:08
on one hand
271
668570
1587
de um lado,
11:10
into speech on the other hand.
272
670157
1923
em fala, do outro lado.
11:12
Now what's interesting is that
273
672080
1762
O que é interessante é que
11:13
we do a lot of work in information nowadays,
274
673842
2568
trabalhamos muito com informação hoje em dia,
11:16
and almost all of that is done in the language domain.
275
676410
3079
e quase tudo que é feito é em algum domínio de linguagem.
11:19
Take Google, for example.
276
679489
1939
Vejam o Google por exemplo.
11:21
Google trawls all these countless billions of websites,
277
681428
2677
O Google pesquisa em bilhões de sites,
11:24
all of which are in English, and when you want to use Google,
278
684105
2725
todos são em inglês, e quando queremos usar o Google,
11:26
you go into Google search, and you type in English,
279
686830
2450
vamos no Google, e escrevemos em inglês,
11:29
and it matches the English with the English.
280
689280
4163
e combinamos inglês com inglês.
11:33
What if we could do this in FreeSpeech instead?
281
693443
3583
E se pudéssemos fazer isto em FreeSpeech?
11:37
I have a suspicion that if we did this,
282
697026
2301
Eu suspeito que se fizéssemos isso,
11:39
we'd find that algorithms like searching,
283
699327
2068
veríamos que algoritmos de pesquisa,
11:41
like retrieval, all of these things,
284
701395
2325
obtenção de dados, todas essas coisas
11:43
are much simpler and also more effective,
285
703720
3075
são muito mais simples e eficientes,
11:46
because they don't process the data structure of speech.
286
706795
4417
porque não processam a estrutura de informação da fala.
11:51
Instead they're processing the data structure of thought.
287
711212
5976
Em vez disso, eles processam a estrutura da informação dos pensamentos.
11:57
The data structure of thought.
288
717188
2808
A estrutura da informação dos pensamentos.
11:59
That's a provocative idea.
289
719996
2076
É uma ideia provocadora.
12:02
But let's look at this in a little more detail.
290
722072
2142
Mas vamos observar com mais detalhes.
12:04
So this is the FreeSpeech ecosystem.
291
724214
2366
Esse é o ecossistema do FreeSpeech.
12:06
We have the Free Speech representation on one side,
292
726580
2884
Temos a representação do FreeSpeech de um lado,
12:09
and we have the FreeSpeech Engine, which generates English.
293
729464
2228
e temos o FreeSpeech Engine que gera inglês.
12:11
Now if you think about it,
294
731694
1725
Se pensarmos bem,
12:13
FreeSpeech, I told you, is completely language-independent.
295
733419
2544
o FreeSpeech é totalmente independente de língua.
12:15
It doesn't have any specific information in it
296
735963
2087
Não tem nenhuma informação específica
12:18
which is about English.
297
738050
1228
que seja sobre inglês.
12:19
So everything that this system knows about English
298
739278
2800
Tudo que o sistema sabe sobre inglês
12:22
is actually encoded into the engine.
299
742078
4620
é codificado no Engine.
12:26
That's a pretty interesting concept in itself.
300
746698
2237
Esse é um conceito muito interessante.
12:28
You've encoded an entire human language
301
748935
3604
Codificamos toda uma língua humana
12:32
into a software program.
302
752539
2645
em um software.
12:35
But if you look at what's inside the engine,
303
755184
2531
Mas se olharmos o que tem dentro do sistema,
12:37
it's actually not very complicated.
304
757715
2358
na verdade, não é muito complicado.
12:40
It's not very complicated code.
305
760073
2105
Não é um código muito complicado.
12:42
And what's more interesting is the fact that
306
762178
2672
E o que é mais interessante é o fato
12:44
the vast majority of the code in that engine
307
764850
2203
de que a maior parte do código nesse sistema
12:47
is not really English-specific.
308
767053
2412
não é específica para inglês.
12:49
And that gives this interesting idea.
309
769465
1895
E isso nos dá uma ideia interessante.
12:51
It might be very easy for us to actually
310
771360
2038
Poderia ser muito fácil para nós
12:53
create these engines in many, many different languages,
311
773398
3826
criar sistemas assim em muitas línguas diferentes,
12:57
in Hindi, in French, in German, in Swahili.
312
777224
6354
em hindi, em francês, em alemão, em suaíle.
13:03
And that gives another interesting idea.
313
783578
2799
E isso nos dá uma outra ideia interessante.
13:06
For example, supposing I was a writer,
314
786377
2654
Por exemplo, se eu fosse um escritor,
13:09
say, for a newspaper or for a magazine.
315
789031
2122
digamos, de um jornal ou revista,
13:11
I could create content in one language, FreeSpeech,
316
791153
5011
eu poderia criar um artigo em uma língua, FreeSpeech,
13:16
and the person who's consuming that content,
317
796164
2056
e a pessoa que está lendo aquele artigo,
13:18
the person who's reading that particular information
318
798220
3061
a pessoa que está lendo aquela informação
13:21
could choose any engine,
319
801281
2495
poderia escolher qualquer sistema,
13:23
and they could read it in their own mother tongue,
320
803776
2736
e ela poderia ler em sua própria língua,
13:26
in their native language.
321
806512
3939
em sua língua nativa.
13:30
I mean, this is an incredibly attractive idea,
322
810451
2722
Isso é uma ideia incrivelmente atraente,
13:33
especially for India.
323
813173
1999
especialmente para a Índia.
13:35
We have so many different languages.
324
815172
1690
Nós temos muitas línguas diferentes.
13:36
There's a song about India, and there's a description
325
816862
2142
Existe uma música sobre a Índia,
13:39
of the country as, it says,
326
819004
2344
e há uma descrição do país, que diz:
13:41
(in Sanskrit).
327
821348
2360
(em Sânscrito),
13:43
That means "ever-smiling speaker
328
823708
2773
que significa "orador sempre sorrindo
13:46
of beautiful languages."
329
826481
4519
de belas línguas".
13:51
Language is beautiful.
330
831000
1964
A linguagem é linda.
13:52
I think it's the most beautiful of human creations.
331
832964
2454
Acho que é a mais bela das criações humanas.
13:55
I think it's the loveliest thing that our brains have invented.
332
835418
3978
Acho que é a mais bela invenção de nossos cérebros.
13:59
It entertains, it educates, it enlightens,
333
839396
3584
Ela diverte, educa, ilumina,
14:02
but what I like the most about language
334
842980
2044
mas o que gosto mais da linguagem
14:05
is that it empowers.
335
845024
1500
é que ela nos dá poder.
14:06
I want to leave you with this.
336
846524
1838
Eu quero deixá-los com isto.
14:08
This is a photograph of my collaborators,
337
848362
2385
Esta é uma foto dos meus colaboradores,
14:10
my earliest collaborators
338
850747
997
meus colaboradores mais antigos,
14:11
when I started working on language
339
851744
1462
quando comecei com linguagem
14:13
and autism and various other things.
340
853206
1502
e autismo e várias outras coisas.
14:14
The girl's name is Pavna,
341
854708
1417
O nome da garota é Bhavana,
14:16
and that's her mother, Kalpana.
342
856125
1902
e esta é sua mãe, Kalpana.
14:18
And Pavna's an entrepreneur,
343
858027
2138
E Bhavana é uma empreendedora,
14:20
but her story is much more remarkable than mine,
344
860165
2371
mas sua história é muito mais extraordinária que a minha,
14:22
because Pavna is about 23.
345
862536
2400
porque Bhavana tem 23 anos.
14:24
She has quadriplegic cerebral palsy,
346
864936
2552
Ela tem paralisia cerebral quadriplégica.
14:27
so ever since she was born,
347
867488
1640
Desde que ela nasceu,
14:29
she could neither move nor talk.
348
869128
3600
não podia se mexer ou falar.
14:32
And everything that she's accomplished so far,
349
872728
2403
E tudo que ela conquistou até agora,
14:35
finishing school, going to college,
350
875131
2227
terminar colegial, ir para a faculdade,
14:37
starting a company,
351
877358
1416
abrir uma empresa,
14:38
collaborating with me to develop Avaz,
352
878774
2140
cooperar comigo para o desenvolvimento do Avaz,
14:40
all of these things she's done
353
880914
1892
ela fez todas essas coisas
14:42
with nothing more than moving her eyes.
354
882806
5523
apenas mexendo seus olhos.
14:48
Daniel Webster said this:
355
888329
2689
Daniel Webster disse:
14:51
He said, "If all of my possessions were taken
356
891018
2940
"Se perdesse todas as minhas posses
14:53
from me with one exception,
357
893958
2988
com uma exceção,
14:56
I would choose to keep the power of communication,
358
896946
2981
eu escolheria ficar com o poder de comunicação,
14:59
for with it, I would regain all the rest."
359
899927
3903
pois, com ele, reconquistaria todo o resto".
15:03
And that's why, of all of these incredible applications of FreeSpeech,
360
903830
5116
E é por isso que, de todas as aplicações do FreeSpeech,
15:08
the one that's closest to my heart
361
908946
2080
a que mais toca meu coração
15:11
still remains the ability for this
362
911026
2068
ainda é a habilidade
de capacitar crianças com deficiência,
15:13
to empower children with disabilities
363
913094
2380
15:15
to be able to communicate,
364
915474
1773
para serem capazes de se comunicar,
15:17
the power of communication,
365
917247
1789
o poder da comunicação,
15:19
to get back all the rest.
366
919036
2240
para reconquistar todo o resto.
15:21
Thank you.
367
921276
1397
Obrigado!
15:22
(Applause)
368
922673
1332
(Aplausos)
Obrigado. (Aplausos)
15:24
Thank you. (Applause)
369
924005
4199
15:28
Thank you. Thank you. Thank you. (Applause)
370
928204
5323
Obrigado. Obrigado. Obrigado. (Aplausos)
15:33
Thank you. Thank you. Thank you. (Applause)
371
933527
4000
Obrigado. Obrigado. Obrigado. (Aplausos)
Sobre este site

Este site apresentará a você vídeos do YouTube que são úteis para o aprendizado do inglês. Você verá aulas de inglês ministradas por professores de primeira linha de todo o mundo. Clique duas vezes nas legendas em inglês exibidas em cada página de vídeo para reproduzir o vídeo a partir daí. As legendas rolarão em sincronia com a reprodução do vídeo. Se você tiver algum comentário ou solicitação, por favor, entre em contato conosco usando este formulário de contato.

https://forms.gle/WvT1wiN1qDtmnspy7