What we learned from 5 million books

O que aprendemos de 5 milhões de livros

236,151 views ・ 2011-09-20

TED


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

Tradutor: Lisangelo Berti Revisor: Wanderley Jesus
00:15
Erez Lieberman Aiden: Everyone knows
0
15260
2000
Erez Lieberman Aiden: Todos sabem
00:17
that a picture is worth a thousand words.
1
17260
3000
que uma imagem vale mil palavras.
00:22
But we at Harvard
2
22260
2000
Mas nós em Harvard
00:24
were wondering if this was really true.
3
24260
3000
estávamos questionando se é mesmo verdade.
00:27
(Laughter)
4
27260
2000
(Risos)
00:29
So we assembled a team of experts,
5
29260
4000
Assim montamos uma equipe de peritos,
00:33
spanning Harvard, MIT,
6
33260
2000
desde Harvard, MIT,
00:35
The American Heritage Dictionary, The Encyclopedia Britannica
7
35260
3000
The American Heritage Dictionary, Enciclopédia Britânica
00:38
and even our proud sponsors,
8
38260
2000
e mesmo nossos orgulhosos patrocinadores,
00:40
the Google.
9
40260
3000
o Google.
00:43
And we cogitated about this
10
43260
2000
E pensamos sobre isto
00:45
for about four years.
11
45260
2000
por cerca de 4 anos.
00:47
And we came to a startling conclusion.
12
47260
5000
Chegamos a uma surpreendente conclusão.
00:52
Ladies and gentlemen, a picture is not worth a thousand words.
13
52260
3000
Senhoras e senhores, uma imagem não vale mil palavras.
00:55
In fact, we found some pictures
14
55260
2000
De fato, encontramos algumas imagens
00:57
that are worth 500 billion words.
15
57260
5000
que valem 500 bilhões de palavras.
01:02
Jean-Baptiste Michel: So how did we get to this conclusion?
16
62260
2000
Jean-Baptiste Michel: Como chegamos a esta conclusão?
01:04
So Erez and I were thinking about ways
17
64260
2000
Erez e eu pensávamos em maneiras
01:06
to get a big picture of human culture
18
66260
2000
de obter uma grande imagem da cultura e
01:08
and human history: change over time.
19
68260
3000
história humana: a mudança através dos tempos.
01:11
So many books actually have been written over the years.
20
71260
2000
Muitos livros tem sido escritos ao longo dos anos.
01:13
So we were thinking, well the best way to learn from them
21
73260
2000
Pensávamos, a melhor maneira de aprender com eles
01:15
is to read all of these millions of books.
22
75260
2000
é ler todos estes milhões de livros.
01:17
Now of course, if there's a scale for how awesome that is,
23
77260
3000
Naturalmente, se há uma medida do incrível que isso é,
01:20
that has to rank extremely, extremely high.
24
80260
3000
teria que ser colocado lá em cima.
01:23
Now the problem is there's an X-axis for that,
25
83260
2000
O problema é que existe um eixo-X para isso,
01:25
which is the practical axis.
26
85260
2000
que é o eixo da praticidade.
01:27
This is very, very low.
27
87260
2000
Que é muito, muito baixa.
01:29
(Applause)
28
89260
3000
(Aplausos)
01:32
Now people tend to use an alternative approach,
29
92260
3000
As pessoas costumam usar um método alternativo,
01:35
which is to take a few sources and read them very carefully.
30
95260
2000
que seria pegar algumas fontes e lê-las cuidadosamente.
01:37
This is extremely practical, but not so awesome.
31
97260
2000
É extremamente prático, mas nem um pouco incrível.
01:39
What you really want to do
32
99260
3000
O que realmente se quer fazer
01:42
is to get to the awesome yet practical part of this space.
33
102260
3000
é alcançar o incrível junto com a parte prática deste espaço.
01:45
So it turns out there was a company across the river called Google
34
105260
3000
Aconteceu que havia uma empresa próxima chamada Google
01:48
who had started a digitization project a few years back
35
108260
2000
que iniciou um projeto de digitalização alguns anos antes
01:50
that might just enable this approach.
36
110260
2000
que poderia viabilizar este método.
01:52
They have digitized millions of books.
37
112260
2000
Eles haviam digitalizado milhões de livros.
01:54
So what that means is, one could use computational methods
38
114260
3000
O que significa, que alguém poderia usar métodos computacionais
01:57
to read all of the books in a click of a button.
39
117260
2000
para ler todos os livros com um clique de botão.
01:59
That's very practical and extremely awesome.
40
119260
3000
Isso é muito prático e extremamente incrível.
02:03
ELA: Let me tell you a little bit about where books come from.
41
123260
2000
ELA: Permitam-me contar um pouco de onde os livros vêm.
02:05
Since time immemorial, there have been authors.
42
125260
3000
Desde tempos imemoriais, existem os autores.
02:08
These authors have been striving to write books.
43
128260
3000
Estes autores tem se esforçado para escrever livros.
02:11
And this became considerably easier
44
131260
2000
O que se tornou consideravelmente mais fácil
02:13
with the development of the printing press some centuries ago.
45
133260
2000
com o desenvolvimento da imprensa alguns séculos atrás.
02:15
Since then, the authors have won
46
135260
3000
Desde então, os autores venceram
02:18
on 129 million distinct occasions,
47
138260
2000
em 129 milhões de ocasiões distintas,
02:20
publishing books.
48
140260
2000
publicando livros.
02:22
Now if those books are not lost to history,
49
142260
2000
Agora se esses livros não se perderam na história,
02:24
then they are somewhere in a library,
50
144260
2000
então eles estão em algum lugar em uma biblioteca,
02:26
and many of those books have been getting retrieved from the libraries
51
146260
3000
e muitos deles estão sendo recuperados das bibliotecas
02:29
and digitized by Google,
52
149260
2000
e digitalizados pelo Google,
02:31
which has scanned 15 million books to date.
53
151260
2000
que escaneou 15 milhões de livros até agora.
02:33
Now when Google digitizes a book, they put it into a really nice format.
54
153260
3000
Quando o Google digitaliza, eles o colocam em um formato muito legal.
02:36
Now we've got the data, plus we have metadata.
55
156260
2000
Agora temos a informação, e temos os metadados.
02:38
We have information about things like where was it published,
56
158260
3000
Temos informações sobre coisas como onde foi publicado,
02:41
who was the author, when was it published.
57
161260
2000
quem era o autor, quando foi publicado.
02:43
And what we do is go through all of those records
58
163260
3000
E o que fazemos é percorrer todos estes registros
02:46
and exclude everything that's not the highest quality data.
59
166260
4000
e excluir tudo que não seja informação de alta qualidade.
02:50
What we're left with
60
170260
2000
O que permanece
02:52
is a collection of five million books,
61
172260
3000
é uma coleção de 5 milhões de livros,
02:55
500 billion words,
62
175260
3000
500 bilhões de palavras,
02:58
a string of characters a thousand times longer
63
178260
2000
uma sequência de caracteres mil vezes maior
03:00
than the human genome --
64
180260
3000
que o genoma humano --
03:03
a text which, when written out,
65
183260
2000
um texto que, quando escrito,
03:05
would stretch from here to the Moon and back
66
185260
2000
se estenderia daqui até a Lua e de volta
03:07
10 times over --
67
187260
2000
mais de 10 vezes --
03:09
a veritable shard of our cultural genome.
68
189260
4000
um verdadeiro fragmento de nosso genoma cultural.
03:13
Of course what we did
69
193260
2000
Claro que fizemos
03:15
when faced with such outrageous hyperbole ...
70
195260
3000
quando encaramos tal ultrajante hipérbole...
03:18
(Laughter)
71
198260
2000
(Risos)
03:20
was what any self-respecting researchers
72
200260
3000
foi o que qualquer pesquisador com respeito próprio
03:23
would have done.
73
203260
3000
teria feito.
03:26
We took a page out of XKCD,
74
206260
2000
Pegamos uma webcomic do XKCD,
03:28
and we said, "Stand back.
75
208260
2000
e dissemos, "Afastem-se.
03:30
We're going to try science."
76
210260
2000
Vamos tentar a ciência."
03:32
(Laughter)
77
212260
2000
(Risos)
03:34
JM: Now of course, we were thinking,
78
214260
2000
JM: Naturalmente, nós pensamos,
03:36
well let's just first put the data out there
79
216260
2000
primeiro vamos mostrar os dados
03:38
for people to do science to it.
80
218260
2000
para que as pessoas façam ciência com eles.
03:40
Now we're thinking, what data can we release?
81
220260
2000
Depois pensamos, que informação podemos liberar?
03:42
Well of course, you want to take the books
82
222260
2000
Naturalmente, você quer pegar os livros
03:44
and release the full text of these five million books.
83
224260
2000
e liberar o texto completo destes 5 milhões de livros.
03:46
Now Google, and Jon Orwant in particular,
84
226260
2000
Aí o Google, e Jon Orwant em especial,
03:48
told us a little equation that we should learn.
85
228260
2000
falaram sobre uma equação que devíamos aprender.
03:50
So you have five million, that is, five million authors
86
230260
3000
Você tem 5 milhões, que são, 5 milhões de autores
03:53
and five million plaintiffs is a massive lawsuit.
87
233260
3000
e 5 milhões de queixosos é um processo e tanto.
03:56
So, although that would be really, really awesome,
88
236260
2000
Ainda que fosse muito, mas muito incrível,
03:58
again, that's extremely, extremely impractical.
89
238260
3000
de novo, é extremamente, extremamente impraticável.
04:01
(Laughter)
90
241260
2000
(Risos)
04:03
Now again, we kind of caved in,
91
243260
2000
Então, nós meio que nos aprofundamos,
04:05
and we did the very practical approach, which was a bit less awesome.
92
245260
3000
e fizemos uma alternativa prática, que foi só um pouco menos incrível.
04:08
We said, well instead of releasing the full text,
93
248260
2000
Falamos, ao invés de liberar o texto completo,
04:10
we're going to release statistics about the books.
94
250260
2000
vamos liberar estatísticas sobre os livros.
04:12
So take for instance "A gleam of happiness."
95
252260
2000
Peguem por exemplo "Um brilho de felicidade."
04:14
It's four words; we call that a four-gram.
96
254260
2000
São 4 palavras: nós chamamos de 4-grama.
04:16
We're going to tell you how many times a particular four-gram
97
256260
2000
Vamos dizer a vocês quantas vezes um 4-grama em especial
04:18
appeared in books in 1801, 1802, 1803,
98
258260
2000
apareceu nos livros em 1801, 1802, 1803,
04:20
all the way up to 2008.
99
260260
2000
até chegar em 2008.
04:22
That gives us a time series
100
262260
2000
Isso nos dá uma linha de tempo
04:24
of how frequently this particular sentence was used over time.
101
264260
2000
da frequência com que esta frase foi utilizada através dos tempos.
04:26
We do that for all the words and phrases that appear in those books,
102
266260
3000
Fizemos isso para todas as palavras e frases que aparecem nos livros,
04:29
and that gives us a big table of two billion lines
103
269260
3000
o que nos dá uma grande tabela de 2 bilhões de linhas
04:32
that tell us about the way culture has been changing.
104
272260
2000
que nos conta como a cultura tem se modificado.
04:34
ELA: So those two billion lines,
105
274260
2000
ELA: Essas 2 bilhões de linhas,
04:36
we call them two billion n-grams.
106
276260
2000
nós chamamos de 2 bilhões de n-gramas.
04:38
What do they tell us?
107
278260
2000
O que eles nos dizem?
04:40
Well the individual n-grams measure cultural trends.
108
280260
2000
Os n-gramas individuais medem as tendências culturais.
04:42
Let me give you an example.
109
282260
2000
Permitam-me dar um exemplo.
04:44
Let's suppose that I am thriving,
110
284260
2000
Suponhamos que eu esteja prosperando.
04:46
then tomorrow I want to tell you about how well I did.
111
286260
2000
e amanhã eu queira contar como eu me dei bem.
04:48
And so I might say, "Yesterday, I throve."
112
288260
3000
Em inglês eu diria, "Ontem, eu 'throve'."
04:51
Alternatively, I could say, "Yesterday, I thrived."
113
291260
3000
Ou eu poderia dizer, "Ontem, eu 'thrived'."
04:54
Well which one should I use?
114
294260
3000
Qual deles eu deveria usar?
04:57
How to know?
115
297260
2000
Como saber?
04:59
As of about six months ago,
116
299260
2000
Como cerca de 6 meses atras,
05:01
the state of the art in this field
117
301260
2000
o estado de arte nesta matéria
05:03
is that you would, for instance,
118
303260
2000
seria, por exemplo,
05:05
go up to the following psychologist with fabulous hair,
119
305260
2000
ir até este psicólogo com um cabelo fabuloso,
05:07
and you'd say,
120
307260
2000
e dizer,
05:09
"Steve, you're an expert on the irregular verbs.
121
309260
3000
"Steve, você é um expert em verbos irregulares.
05:12
What should I do?"
122
312260
2000
O que eu devo fazer?"
05:14
And he'd tell you, "Well most people say thrived,
123
314260
2000
E ele diria, "Bem a maioria diria 'thrived',
05:16
but some people say throve."
124
316260
3000
mas algumas diriam 'throve'."
05:19
And you also knew, more or less,
125
319260
2000
E vocês também sabem, talvez,
05:21
that if you were to go back in time 200 years
126
321260
3000
que se voltassem no tempo 200 anos
05:24
and ask the following statesman with equally fabulous hair,
127
324260
3000
e perguntassem a esse estadista também de cabelo fabuloso,
05:27
(Laughter)
128
327260
3000
(Risos)
05:30
"Tom, what should I say?"
129
330260
2000
"Tom, o que devo falar?"
05:32
He'd say, "Well, in my day, most people throve,
130
332260
2000
Ele diria, "No meu tempo a maioria dizia 'throve',
05:34
but some thrived."
131
334260
3000
mas alguns 'thrive'."
05:37
So now what I'm just going to show you is raw data.
132
337260
2000
Agora o que vou lhes mostrar são dados crus.
05:39
Two rows from this table of two billion entries.
133
339260
4000
Duas linhas desta tabela de 2 bilhões de lançamentos.
05:43
What you're seeing is year by year frequency
134
343260
2000
O que estão vendo é a frequencia ano a ano
05:45
of "thrived" and "throve" over time.
135
345260
3000
de "thrived" e "throve" através dos tempos.
05:49
Now this is just two
136
349260
2000
Isso são apenas duas
05:51
out of two billion rows.
137
351260
3000
de 2 bilhões de linhas.
05:54
So the entire data set
138
354260
2000
Assim o conjunto completo de dados
05:56
is a billion times more awesome than this slide.
139
356260
3000
é 2 bilhões de vezes mais incrível que esse slide.
05:59
(Laughter)
140
359260
2000
(Risos)
06:01
(Applause)
141
361260
4000
(Aplausos)
06:05
JM: Now there are many other pictures that are worth 500 billion words.
142
365260
2000
JM: Existem muitas outras imagens que valem 500 bilhões de palavras.
06:07
For instance, this one.
143
367260
2000
Por exemplo, esta aqui.
06:09
If you just take influenza,
144
369260
2000
Se você escolher influenza,
06:11
you will see peaks at the time where you knew
145
371260
2000
verá picos nas épocas onde se sabe
06:13
big flu epidemics were killing people around the globe.
146
373260
3000
de grandes epidemias de gripe que mataram pessoas pelo mundo.
06:16
ELA: If you were not yet convinced,
147
376260
3000
ELA: Se vocês ainda não se convenceram,
06:19
sea levels are rising,
148
379260
2000
o nível dos mares está subindo,
06:21
so is atmospheric CO2 and global temperature.
149
381260
3000
junto com o CO2 na atmosfera e a temperatura global.
06:24
JM: You might also want to have a look at this particular n-gram,
150
384260
3000
JM: Vocês também podem querer dar uma olhada neste n-grama,
06:27
and that's to tell Nietzsche that God is not dead,
151
387260
3000
que diz ao Nietzsche que Deus não morreu,
06:30
although you might agree that he might need a better publicist.
152
390260
3000
apesar que ele podia ter um publicitário melhor.
06:33
(Laughter)
153
393260
2000
(Risos)
06:35
ELA: You can get at some pretty abstract concepts with this sort of thing.
154
395260
3000
ELA: Se pode entender alguns conceitos bem abstratos com essa coisa.
06:38
For instance, let me tell you the history
155
398260
2000
Por exemplo, permitam-me contar a história
06:40
of the year 1950.
156
400260
2000
do ano de 1950.
06:42
Pretty much for the vast majority of history,
157
402260
2000
Durante todo o transcurso da história,
06:44
no one gave a damn about 1950.
158
404260
2000
ninguém dava a mínima para 1950.
06:46
In 1700, in 1800, in 1900,
159
406260
2000
Em 1700, em 1800, em 1900,
06:48
no one cared.
160
408260
3000
ninguém ligava.
06:52
Through the 30s and 40s,
161
412260
2000
Nos anos 30 e 40,
06:54
no one cared.
162
414260
2000
ninguém ligava.
06:56
Suddenly, in the mid-40s,
163
416260
2000
De repente, no meio dos anos 40,
06:58
there started to be a buzz.
164
418260
2000
começou um rumor.
07:00
People realized that 1950 was going to happen,
165
420260
2000
As pessoas perceberam que 1950 viria,
07:02
and it could be big.
166
422260
2000
e que seria algo grande.
07:04
(Laughter)
167
424260
3000
(Risos)
07:07
But nothing got people interested in 1950
168
427260
3000
Nada interessou tanto às pessoas em 1950
07:10
like the year 1950.
169
430260
3000
como o ano 1950.
07:13
(Laughter)
170
433260
3000
(Risos)
07:16
People were walking around obsessed.
171
436260
2000
As pessoas caminhavam obcecadas.
07:18
They couldn't stop talking
172
438260
2000
Não podiam parar de falar
07:20
about all the things they did in 1950,
173
440260
3000
sobre as coisas que fizeram em 1950,
07:23
all the things they were planning to do in 1950,
174
443260
3000
tudo o que estavam planejando para 1950,
07:26
all the dreams of what they wanted to accomplish in 1950.
175
446260
5000
todos os sonhos que queriam alcançar em 1950.
07:31
In fact, 1950 was so fascinating
176
451260
2000
De fato, 1950 foi tão fascinante
07:33
that for years thereafter,
177
453260
2000
que nos anos seguintes,
07:35
people just kept talking about all the amazing things that happened,
178
455260
3000
as pessoas continuavam falando sobre as coisas incríveis que aconteceram,
07:38
in '51, '52, '53.
179
458260
2000
em 51, 52, 53.
07:40
Finally in 1954,
180
460260
2000
Finalmente em 1954,
07:42
someone woke up and realized
181
462260
2000
alguém acordou e percebeu
07:44
that 1950 had gotten somewhat passé.
182
464260
4000
que 1950 tinha ficado algo 'passé'.
07:48
(Laughter)
183
468260
2000
(Risos)
07:50
And just like that, the bubble burst.
184
470260
2000
E de repente, a bolha estourou.
07:52
(Laughter)
185
472260
2000
(Risos)
07:54
And the story of 1950
186
474260
2000
A história de 1950
07:56
is the story of every year that we have on record,
187
476260
2000
é a história de todo ano que temos registro,
07:58
with a little twist, because now we've got these nice charts.
188
478260
3000
com um toque a mais, porque agora temos estes gráficos.
08:01
And because we have these nice charts, we can measure things.
189
481260
3000
E porque temos estes gráficos bacanas, podemos medir coisas.
08:04
We can say, "Well how fast does the bubble burst?"
190
484260
2000
Podemos dizer, "Quão rápido a bolha estourou?"
08:06
And it turns out that we can measure that very precisely.
191
486260
3000
E acontece que podemos medir muito precisamente.
08:09
Equations were derived, graphs were produced,
192
489260
3000
Equações foram derivadas, gráficos foram produzidos,
08:12
and the net result
193
492260
2000
e o resultado líquido
08:14
is that we find that the bubble bursts faster and faster
194
494260
3000
é que descobrimos que a bolha estoura cada vez mais rápido
08:17
with each passing year.
195
497260
2000
a cada ano que passa.
08:19
We are losing interest in the past more rapidly.
196
499260
5000
Perdemos interesse no passado cada vez mais rápido.
08:24
JM: Now a little piece of career advice.
197
504260
2000
JM: Agora uma dica para a carreira.
08:26
So for those of you who seek to be famous,
198
506260
2000
Aqueles de vocês que procuram ser famosos,
08:28
we can learn from the 25 most famous political figures,
199
508260
2000
podemos aprender com as 25 personalidades mais famosas,
08:30
authors, actors and so on.
200
510260
2000
políticos, autores, atores e demais.
08:32
So if you want to become famous early on, you should be an actor,
201
512260
3000
Se você quer se tornar famoso cedo, deveria ser um ator,
08:35
because then fame starts rising by the end of your 20s --
202
515260
2000
porque sua fama começa ao final dos vinte anos --
08:37
you're still young, it's really great.
203
517260
2000
você ainda é jovem, é muito bom.
08:39
Now if you can wait a little bit, you should be an author,
204
519260
2000
Agora se quiser esperar um pouco, deveria ser autor,
08:41
because then you rise to very great heights,
205
521260
2000
porque assim você alcançará grandes alturas,
08:43
like Mark Twain, for instance: extremely famous.
206
523260
2000
como Mark Twain, por exemplo, extremamente famoso.
08:45
But if you want to reach the very top,
207
525260
2000
Mas se você quiser alcançar mesmo o topo,
08:47
you should delay gratification
208
527260
2000
deveria postergar o reconhecimento
08:49
and, of course, become a politician.
209
529260
2000
e, claro, tornar-se um político.
08:51
So here you will become famous by the end of your 50s,
210
531260
2000
Assim você se torna famoso no final dos seus 50,
08:53
and become very, very famous afterward.
211
533260
2000
e se torna muito, muito famoso depois.
08:55
So scientists also tend to get famous when they're much older.
212
535260
3000
Cientistas também tendem a ficar famosos quando são mais velhos.
08:58
Like for instance, biologists and physics
213
538260
2000
Por exemplo, biólogos e físicos
09:00
tend to be almost as famous as actors.
214
540260
2000
tendem a ser tão famosos quanto atores.
09:02
One mistake you should not do is become a mathematician.
215
542260
3000
Um erro que vocês devem evitar é serem matemáticos.
09:05
(Laughter)
216
545260
2000
(Risos)
09:07
If you do that,
217
547260
2000
Se fizerem isso,
09:09
you might think, "Oh great. I'm going to do my best work when I'm in my 20s."
218
549260
3000
podem pensar, "Ótimo. Farei meu melhor trabalho quando estou com 20 anos."
09:12
But guess what, nobody will really care.
219
552260
2000
Mas olha só, ninguém quer saber.
09:14
(Laughter)
220
554260
3000
(Risos)
09:17
ELA: There are more sobering notes
221
557260
2000
ELA: Existem notas mais sérias
09:19
among the n-grams.
222
559260
2000
entre os n-gramas.
09:21
For instance, here's the trajectory of Marc Chagall,
223
561260
2000
Por exemplo, eis a trajetória de Marc Chagall,
09:23
an artist born in 1887.
224
563260
2000
artista nascido em 1887.
09:25
And this looks like the normal trajectory of a famous person.
225
565260
3000
Parece a trajetória normal de uma pessoa famosa.
09:28
He gets more and more and more famous,
226
568260
4000
Ele fica mais e mais e mais famoso,
09:32
except if you look in German.
227
572260
2000
exceto se pesquisar em alemão.
09:34
If you look in German, you see something completely bizarre,
228
574260
2000
Se pesquisar em alemão, verá algo totalmente bizarro,
09:36
something you pretty much never see,
229
576260
2000
algo que nunca se vê,
09:38
which is he becomes extremely famous
230
578260
2000
que é ele se tornar extremamente famoso
09:40
and then all of a sudden plummets,
231
580260
2000
e de repente despenca,
09:42
going through a nadir between 1933 and 1945,
232
582260
3000
chegando ao fundo do poço entre 1933 e 1945,
09:45
before rebounding afterward.
233
585260
3000
antes de retornar com tudo.
09:48
And of course, what we're seeing
234
588260
2000
Naturalmente, o que vemos
09:50
is the fact Marc Chagall was a Jewish artist
235
590260
3000
é o fato de que Chagall era um artista judeu
09:53
in Nazi Germany.
236
593260
2000
na Alemanha nazista.
09:55
Now these signals
237
595260
2000
Estes sinais
09:57
are actually so strong
238
597260
2000
são na verdade tão fortes
09:59
that we don't need to know that someone was censored.
239
599260
3000
que não precisamos saber que alguém foi censurado.
10:02
We can actually figure it out
240
602260
2000
Podemos ter uma ideia
10:04
using really basic signal processing.
241
604260
2000
usando até um básico processamento de sinais.
10:06
Here's a simple way to do it.
242
606260
2000
Eis um modo simples de fazer.
10:08
Well, a reasonable expectation
243
608260
2000
Uma expectativa razoável
10:10
is that somebody's fame in a given period of time
244
610260
2000
é que a fama de alguém em um período de tempo
10:12
should be roughly the average of their fame before
245
612260
2000
deveria ser mais ou menos a média de sua fama antes
10:14
and their fame after.
246
614260
2000
e da fama depois.
10:16
So that's sort of what we expect.
247
616260
2000
É algo assim o que esperamos.
10:18
And we compare that to the fame that we observe.
248
618260
3000
E comparamos isso com a fama que observamos.
10:21
And we just divide one by the other
249
621260
2000
E dividimos uma pela outra
10:23
to produce something we call a suppression index.
250
623260
2000
para produzir algo que chamamos de índice de supressão.
10:25
If the suppression index is very, very, very small,
251
625260
3000
Se o índice é muito, mas muito pequeno,
10:28
then you very well might be being suppressed.
252
628260
2000
você pode muito bem estar sendo suprimido.
10:30
If it's very large, maybe you're benefiting from propaganda.
253
630260
3000
Se for muito grande, você pode estar se benificiando com a propaganda.
10:34
JM: Now you can actually look at
254
634260
2000
JM: Agora vocês podem até mesmo ver
10:36
the distribution of suppression indexes over whole populations.
255
636260
3000
a distribuição dos índices de supressão de populações inteiras.
10:39
So for instance, here --
256
639260
2000
Por exemplo, aqui --
10:41
this suppression index is for 5,000 people
257
641260
2000
este índice é para 5.000 pessoas
10:43
picked in English books where there's no known suppression --
258
643260
2000
escolhidas em livros ingleses onde não existe supressão conhecida --
10:45
it would be like this, basically tightly centered on one.
259
645260
2000
seria assim, basicamente centrada no 1.
10:47
What you expect is basically what you observe.
260
647260
2000
O que se esperava é basicamente o que observamos.
10:49
This is distribution as seen in Germany --
261
649260
2000
Esta é a distribuição vista na Alemanha --
10:51
very different, it's shifted to the left.
262
651260
2000
bem diferente, é desviada para a esquerda.
10:53
People talked about it twice less as it should have been.
263
653260
3000
As pessoas falaram menos que o dobro do costumeiro.
10:56
But much more importantly, the distribution is much wider.
264
656260
2000
Mais importante, a distribuição é mais extensa.
10:58
There are many people who end up on the far left on this distribution
265
658260
3000
Existem muitas pessoas que acabaram no lado esquerdo desta distribuição
11:01
who are talked about 10 times fewer than they should have been.
266
661260
3000
que são faladas cerca de 10 vezes menos do que deveriam ter sido.
11:04
But then also many people on the far right
267
664260
2000
E também muitas pessoas bem à direita
11:06
who seem to benefit from propaganda.
268
666260
2000
que parecem ter se beneficiado da propaganda.
11:08
This picture is the hallmark of censorship in the book record.
269
668260
3000
Esta imagem é a marca da censura no registro de livros.
11:11
ELA: So culturomics
270
671260
2000
ELA: Cultorômica
11:13
is what we call this method.
271
673260
2000
é como chamamos este método.
11:15
It's kind of like genomics.
272
675260
2000
É como se fosse a genômica.
11:17
Except genomics is a lens on biology
273
677260
2000
Só que a genômica é uma lente para que a biologia
11:19
through the window of the sequence of bases in the human genome.
274
679260
3000
veja através da janela de sequencias das bases no genoma humano.
11:22
Culturomics is similar.
275
682260
2000
Cultorômica é parecido.
11:24
It's the application of massive-scale data collection analysis
276
684260
3000
É aplicação da análise da enorme quantidade de informações coletadas
11:27
to the study of human culture.
277
687260
2000
para estudo da cultura humana.
11:29
Here, instead of through the lens of a genome,
278
689260
2000
Ao invés de olharmos através das lentes de um genoma,
11:31
through the lens of digitized pieces of the historical record.
279
691260
3000
olhamos através de pedaços digitalizados do registro histórico.
11:34
The great thing about culturomics
280
694260
2000
O bom da culturômica
11:36
is that everyone can do it.
281
696260
2000
é que todos podem participar.
11:38
Why can everyone do it?
282
698260
2000
Por que todos podem?
11:40
Everyone can do it because three guys,
283
700260
2000
Todos podem porque três caras,
11:42
Jon Orwant, Matt Gray and Will Brockman over at Google,
284
702260
3000
Jon Orwant, Matt Gray e Will Brockman no Google,
11:45
saw the prototype of the Ngram Viewer,
285
705260
2000
viram o protótipo do Visualizador de N-Gramas,
11:47
and they said, "This is so fun.
286
707260
2000
e disseram, "Isso é bem divertido.
11:49
We have to make this available for people."
287
709260
3000
Temos que disponibilizar para as pessoas."
11:52
So in two weeks flat -- the two weeks before our paper came out --
288
712260
2000
Em exatamente 2 semanas - antes de nosso artigo ser publicado --
11:54
they coded up a version of the Ngram Viewer for the general public.
289
714260
3000
eles programaram uma versão do Visualizador para o público em geral.
11:57
And so you too can type in any word or phrase that you're interested in
290
717260
3000
Assim vocês podem digitar qualquer palavra ou frase que se interessarem
12:00
and see its n-gram immediately --
291
720260
2000
e imediatamente podem ver o n-grama --
12:02
also browse examples of all the various books
292
722260
2000
e também listar exemplos de todos os muitos livros
12:04
in which your n-gram appears.
293
724260
2000
nos quais o seu n-grama aparece.
12:06
JM: Now this was used over a million times on the first day,
294
726260
2000
JM: Já foi utilizado mais de um milhão de vezes no primeiro dia,
12:08
and this is really the best of all the queries.
295
728260
2000
e é de fato a melhor de todas as procuras.
12:10
So people want to be their best, put their best foot forward.
296
730260
3000
As pessoas querem ser as melhores, se destacar.
12:13
But it turns out in the 18th century, people didn't really care about that at all.
297
733260
3000
Mas acontece que no século 18, as pessoas não ligavam pra isso.
12:16
They didn't want to be their best, they wanted to be their beft.
298
736260
3000
Elas não queriam ser as 'the best', elas queriam ser 'beft'.
12:19
So what happened is, of course, this is just a mistake.
299
739260
3000
O que aconteceu, é claro, foi apenas um equívoco.
12:22
It's not that strove for mediocrity,
300
742260
2000
Não é um esforço pela mediocridade,
12:24
it's just that the S used to be written differently, kind of like an F.
301
744260
3000
apenas o 'S' costumava ser escrito diferente, quase um 'F'.
12:27
Now of course, Google didn't pick this up at the time,
302
747260
3000
Lógico, o Google não pegou isso na ocasião,
12:30
so we reported this in the science article that we wrote.
303
750260
3000
assim nós relatamos no artigo científico que escrevemos.
12:33
But it turns out this is just a reminder
304
753260
2000
Mas se tornou um lembrete
12:35
that, although this is a lot of fun,
305
755260
2000
de que, mesmo sendo muito divertido,
12:37
when you interpret these graphs, you have to be very careful,
306
757260
2000
quando se interpreta estes gráficos, temos que ter cuidado,
12:39
and you have to adopt the base standards in the sciences.
307
759260
3000
e vocês tem que adotar os métodos básicos da ciência.
12:42
ELA: People have been using this for all kinds of fun purposes.
308
762260
3000
ELA: Pessoas o tem utilizado para todo tipo de propósito.
12:45
(Laughter)
309
765260
7000
(Risos)
12:52
Actually, we're not going to have to talk,
310
772260
2000
Na verdade, não precisaremos falar,
12:54
we're just going to show you all the slides and remain silent.
311
774260
3000
vamos apenas mostrar todos os slides e ficar em silêncio.
12:57
This person was interested in the history of frustration.
312
777260
3000
Esta pessoa estava interessada na história da frustração.
13:00
There's various types of frustration.
313
780260
3000
Existem vários tipos de frustração.
13:03
If you stub your toe, that's a one A "argh."
314
783260
3000
Se você esfolar o dedo do pé, É um "ai" com um 'A'.
13:06
If the planet Earth is annihilated by the Vogons
315
786260
2000
Se a Terra é aniquilada pelos Vogons
13:08
to make room for an interstellar bypass,
316
788260
2000
pra dar lugar à um atalho interestelar,
13:10
that's an eight A "aaaaaaaargh."
317
790260
2000
é um "aaaaaaaai" com 8 'A's.
13:12
This person studies all the "arghs,"
318
792260
2000
Esta pessoa estudou todos os "ais",
13:14
from one through eight A's.
319
794260
2000
de 1 até 8 'A's.
13:16
And it turns out
320
796260
2000
E acontece
13:18
that the less-frequent "arghs"
321
798260
2000
que os "ais" menos frequentes
13:20
are, of course, the ones that correspond to things that are more frustrating --
322
800260
3000
são os que correspondem às coisas mais frustrantes --
13:23
except, oddly, in the early 80s.
323
803260
3000
exceto, curiosamente, no começo dos anos 80.
13:26
We think that might have something to do with Reagan.
324
806260
2000
Achamos que deve ter algo a ver com o Reagan.
13:28
(Laughter)
325
808260
2000
(Risos)
13:30
JM: There are many usages of this data,
326
810260
3000
JM: Existem muitos usos para estas informações,
13:33
but the bottom line is that the historical record is being digitized.
327
813260
3000
mas o principal é que o registro histórico está sendo digitalizado.
13:36
Google has started to digitize 15 million books.
328
816260
2000
Google começou a digitalizar 15 milhões de livros.
13:38
That's 12 percent of all the books that have ever been published.
329
818260
2000
É 12% de todos os livros já publicados.
13:40
It's a sizable chunk of human culture.
330
820260
3000
É um pedaço considerável da cultura humana.
13:43
There's much more in culture: there's manuscripts, there newspapers,
331
823260
3000
Há muito mais na cultura: existem manuscritos, jornais,
13:46
there's things that are not text, like art and paintings.
332
826260
2000
coisas que não são texto, como arte e pinturas.
13:48
These all happen to be on our computers,
333
828260
2000
Acontece que estes estão em nossos computadores,
13:50
on computers across the world.
334
830260
2000
em computadores ao redor do mundo.
13:52
And when that happens, that will transform the way we have
335
832260
3000
E quando isso acontece, vai transformar a maneira
13:55
to understand our past, our present and human culture.
336
835260
2000
de compreender nosso passado, o presente e a cultura humana.
13:57
Thank you very much.
337
837260
2000
Muito obrigado.
13:59
(Applause)
338
839260
3000
(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