Ajit Narayanan: A word game to communicate in any language

114,745 views ・ 2014-03-10

TED


Por favor, faça duplo clique nas legendas em inglês abaixo para reproduzir o vídeo.

Tradutor: Margarida Ferreira Revisora: Marco Antonio Sousa
00:12
I work with children with autism.
0
12721
2670
Trabalho com crianças que sofrem de autismo.
00:15
Specifically, I make technologies
1
15391
1914
Especificamente, desenvolvo tecnologias
00:17
to help them communicate.
2
17305
2171
para as ajudar a comunicar.
00:19
Now, many of the problems that children
3
19476
1539
Muitos dos problemas que as crianças autistas
00:21
with autism face, they have a common source,
4
21015
3763
enfrentam têm uma causa comum,
00:24
and that source is that they find it difficult
5
24778
2094
e essa causa é que elas têm dificuldade
00:26
to understand abstraction, symbolism.
6
26872
5260
em entender abstracções, simbolismos.
00:32
And because of this, they have a lot of difficulty with language.
7
32132
4652
E por essa razão, têm muita dificuldade com a linguagem.
00:36
Let me tell you a little bit about why this is.
8
36784
3015
Vou falar um pouco sobre a razão por que é que isso acontece.
00:39
You see that this is a picture of a bowl of soup.
9
39799
3934
Como podem ver, esta é uma imagem de uma tigela de sopa.
00:43
All of us can see it. All of us understand this.
10
43733
2485
Todos nós vemos isso. Todos nós percebemos isso.
00:46
These are two other pictures of soup,
11
46218
2312
Estas são duas outras imagens de sopa,
00:48
but you can see that these are more abstract
12
48530
2067
mas, como podemos ver, estas imagens são mais abstractas.
00:50
These are not quite as concrete.
13
50597
1856
Não são tão concretas.
00:52
And when you get to language,
14
52453
2174
E quando passamos para a linguagem,
00:54
you see that it becomes a word
15
54627
1868
podemos ver que passa a ser uma palavra
00:56
whose look, the way it looks and the way it sounds,
16
56495
3261
cujo aspecto e modo como soa
00:59
has absolutely nothing to do with what it started with,
17
59756
2912
não tem nada a ver com a foto com que começámos,
01:02
or what it represents, which is the bowl of soup.
18
62668
2830
nem com o que ela representa, ou seja, uma tigela de sopa.
01:05
So it's essentially a completely abstract,
19
65498
2900
A palavra é essencialmente uma representação abstracta,
01:08
a completely arbitrary representation of something
20
68398
2576
uma representação totalmente arbitrária
01:10
which is in the real world,
21
70974
1163
duma coisa que existe no mundo real,
01:12
and this is something that children with autism
22
72137
1791
e isso é uma coisa que as crianças autistas
01:13
have an incredible amount of difficulty with.
23
73928
3164
têm uma dificuldade terrível em perceber.
01:17
Now that's why most of the people that work with children with autism --
24
77092
2751
É por isso que a maioria das pessoas que trabalham com crianças autistas
01:19
speech therapists, educators --
25
79843
1878
— terapeutas da fala, professores —
01:21
what they do is, they try to help children with autism
26
81721
2633
o que fazem, é tentar ajudar crianças autistas
01:24
communicate not with words, but with pictures.
27
84354
3229
a 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 quiser dizer:
01:29
"I want soup," that child would pick
29
89513
2458
"Eu quero sopa", essa criança usará
01:31
three different pictures, "I," "want," and "soup,"
30
91971
2260
três imagens diferentes, "Eu", "quero" e "sopa",
01:34
and they would put these together,
31
94231
1609
e juntará essas imagens.
01:35
and then the therapist or the parent would
32
95840
1867
Então, o terapeuta ou os pais percebem
01:37
understand that this is what the kid wants to say.
33
97707
1887
o que é que a criança quer.
01:39
And this has been incredibly effective;
34
99594
1778
E isto tem sido muito eficaz.
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
é o que se tem feito.
01:45
In fact, a few years back,
37
105126
1349
Na verdade, há alguns anos,
01:46
I developed an app for the iPad
38
106475
2675
eu desenvolvi uma aplicação para o iPad
01:49
which does exactly this. It's called Avaz,
39
109150
2255
que faz exatamente a mesma coisa. Chamei-lhe Avaz,
01:51
and the way it works is that kids select
40
111405
2279
e funciona com as crianças
01:53
different pictures.
41
113684
1321
a escolher diferentes imagens.
01:55
These pictures are sequenced together to form sentences,
42
115005
2570
Essas imagens são agrupadas sequencialmente para formar frases,
01:57
and these sentences are spoken out.
43
117575
1719
e essas frases são pronunciadas em voz alta.
01:59
So Avaz is essentially converting pictures,
44
119294
3025
O Avaz, essencialmente, transforma imagens,
02:02
it's a translator, it converts pictures into speech.
45
122319
3960
é um tradutor, traduz imagens em fala.
Foi um grande êxito.
02:06
Now, this was very effective.
46
126279
1718
02:07
There are thousands of children using this,
47
127997
1384
Há milhares de crianças a usar o Avaz
02:09
you know, all over the world,
48
129381
1430
em todo o mundo.
02:10
and I started thinking about
49
130811
2175
Então, comecei a pensar
02:12
what it does and what it doesn't do.
50
132986
2654
sobre o que ele consegue fazer e o que não consegue fazer.
02:15
And I realized something interesting:
51
135640
1684
E percebi uma coisa interessante:
02:17
Avaz helps children with autism learn words.
52
137324
4203
O Avaz ajuda crianças autistas a aprender palavras.
02:21
What it doesn't help them do is to learn
53
141527
2405
O que ele não faz é ajudá-las a aprender
02:23
word patterns.
54
143932
2748
os padrões das palavras.
02:26
Let me explain this in a little more detail.
55
146680
2472
Vou explicar isto com maior pormenor.
02:29
Take this sentence: "I want soup tonight."
56
149152
3057
Reparem nesta frase: "Eu quero sopa esta noite".
02:32
Now it's not just the words here that convey the meaning.
57
152209
4080
Aqui, não são só as palavras que transmitem um significado
02:36
It's also the way in which these words are arranged,
58
156289
3140
É também a forma como as palavras estão organizadas,
02:39
the way these words are modified and arranged.
59
159429
2515
a maneira como essas palavras são modificadas e organizadas.
02:41
And that's why a sentence like "I want soup tonight"
60
161959
2306
E é por isso que uma frase como "Eu quero sopa esta noite",
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 esta eu noite", que não faz qualquer sentido.
02:49
So there is another hidden abstraction here
63
169561
2619
Há, pois, aqui uma abstracção escondida
02:52
which children with autism find a lot of difficulty coping with,
64
172180
3557
que as crianças autistas têm muita dificuldade em apreender
02:55
and that's the fact that you can modify words
65
175737
2840
ou seja, o facto de podermos modificar palavras
02:58
and you can arrange them to have
66
178577
2101
e reorganizá-las para terem diferentes significados,
03:00
different meanings, to convey different ideas.
67
180678
2895
para transmitirmos ideias diferentes.
03:03
Now, this is what we call grammar.
68
183573
3459
É a isso que chamamos gramática.
03:07
And grammar is incredibly powerful,
69
187032
2036
E a gramática é extremamente 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 utiliza o vocabulário finito que todos nós temos
03:15
and allows us to convey an infinite amount of information,
72
195714
4531
e nos permite transmitir 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 maneira como podemos organizar as palavras
03:24
in order to convey anything you want to.
75
204381
2168
para transmitir as ideias que queremos.
03:26
And so after I developed Avaz,
76
206549
2127
Então, depois de ter criado o Avaz,
03:28
I worried for a very long time
77
208676
1568
andei preocupado durante muito tempo
03:30
about how I could give grammar to children with autism.
78
210244
3910
sobre como é que podia ensinar gramática a crianças autistas.
03:34
The solution came to me from a very interesting perspective.
79
214154
2275
A solução apareceu-me numa situação muito interessante.
03:36
I happened to chance upon a child with autism
80
216429
3449
Vi, por acaso, uma criança autista
03:39
conversing with her mom,
81
219878
2109
a conversar com a mãe,
03:41
and this is what happened.
82
221987
2094
e o que aconteceu foi isto:
03:44
Completely out of the blue, very spontaneously,
83
224081
2186
Inesperadamente, de modo muito espontâneo,
03:46
the child got up and said, "Eat."
84
226267
2463
a criança levantou-se e disse: "Comer".
03:48
Now what was interesting was
85
228730
1770
O que foi interessante
03:50
the way in which the mom was trying to tease out
86
230500
4244
foi a forma como a mãe tentou descobrir
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-lhe perguntas.
03:59
So she asked, "Eat what? Do you want to eat ice cream?
89
239217
2593
Perguntou: "Comer o quê? Queres comer um gelado?
04:01
You want to eat? Somebody else wants to eat?
90
241810
2112
"Queres comer? Há mais alguém que quer comer?
04:03
You want to eat cream now? You want to eat ice cream in the evening?"
91
243922
3313
"Queres comer um gelado agora? Queres comer um gelado logo à noite?"
04:07
And then it struck me that
92
247235
1514
E então eu percebi
04:08
what the mother had done was something incredible.
93
248749
2028
que o que a mãe tinha feito fora uma coisa extraordinária.
04:10
She had been able to get that child to communicate
94
250777
1994
Tinha sido capaz de levar a criança a comunicar-lhe
04:12
an idea to her without grammar.
95
252771
4138
uma ideia sem usar a gramática.
04:16
And it struck me that maybe this is what
96
256909
2696
E fiquei a pensar que talvez fosse isso
04:19
I was looking for.
97
259605
1385
de que andava à procura.
04:20
Instead of arranging words in an order, in sequence,
98
260990
4142
Em vez de pôr as palavras por ordem, numa sequência,
04:25
as a sentence, you arrange them
99
265132
2172
como uma frase, colocamo-las
04:27
in this map, where they're all linked together
100
267304
3811
neste mapa, onde elas ficam todas ligadas.
04:31
not by placing them one after the other
101
271115
2143
não por serem colocadas umas a seguir às outras
04:33
but in questions, in question-answer pairs.
102
273258
3284
mas sob a forma de perguntas, em pares de pergunta e resposta.
04:36
And so if you do this, then what you're conveying
103
276542
2358
E se assim fizéssemos, o que estávamos a transmitir
04:38
is not a sentence in English,
104
278900
1986
não era uma frase em inglês
04:40
but what you're conveying is really a meaning,
105
280886
2966
mas o que estávamos realmente a transmitir era um significado,
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, em certo sentido, é o ponto fraco da linguagem.
04:48
It's what comes after thought but before language.
108
288295
3821
Aparece 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 esta representação em particular
04:54
might convey meaning in its raw form.
110
294619
3261
transmitisse um sentido na sua forma mais pura.
04:57
So I was very excited by this, you know,
111
297880
1771
Fiquei muito entusiasmado com isso,
04:59
hopping around all over the place,
112
299651
1493
e desatei a procurar por todos os lados
05:01
trying to figure out if I can convert
113
301144
1771
tentando descobrir se seria possível
05:02
all possible sentences that I hear into this.
114
302915
2524
transformar todas a frases possíveis naquele modelo.
05:05
And I found that this is not enough.
115
305439
1773
E descobri que isso não chegava.
05:07
Why is this not enough?
116
307212
1385
Porque é que não chegava?
05:08
This is not enough because if you wanted to convey
117
308597
1711
Não chegava porque, se quisermos transmitir
05:10
something like negation,
118
310308
2250
a ideia de uma negação,
05:12
you want to say, "I don't want soup,"
119
312558
1736
se quisermos dizer: "Eu não quero sopa",
05:14
then you can't do that by asking a question.
120
314294
2220
não podemos fazer isso com uma pergunta.
05:16
You do that by changing the word "want."
121
316514
2285
Temos que fazer isso substituindo a palavra "querer".
05:18
Again, if you wanted to say,
122
318799
1637
Outro exemplo, se quisermos dizer:
05:20
"I wanted soup yesterday,"
123
320436
1980
"Eu ontem quis sopa",
05:22
you do that by converting the word "want" into "wanted."
124
322416
2737
estamos a substituir a palavra "quero" por "quis".
05:25
It's a past tense.
125
325153
1666
É o pretérito perfeito simples.
05:26
So this is a flourish which I added
126
326819
2103
Por isso, acrescentei um floreado
05:28
to make the system complete.
127
328922
1576
para tornar o sistema mais completo.
05:30
This is a map of words joined together
128
330498
1977
Este é um mapa de palavras colocadas
05:32
as questions and answers,
129
332475
1656
no modelo pergunta–resposta,
05:34
and with these filters applied on top of them
130
334131
2264
com estes filtros colocados por cima delas
05:36
in order to modify them to represent
131
336395
1817
de modo a modificá-las
05:38
certain nuances.
132
338212
1709
para representarem certas nuances.
05:39
Let me show you this with a different example.
133
339921
1951
Vou mostrar isso com um exemplo diferente.
05:41
Let's take this sentence:
134
341872
1254
Peguemos nesta frase:
05:43
"I told the carpenter I could not pay him."
135
343126
1980
"Eu disse ao carpinteiro que não lhe podia pagar".
05:45
It's a fairly complicated sentence.
136
345106
1792
É uma frase muito complicada.
05:46
The way that this particular system works,
137
346898
1893
Pela forma como este sistema funciona
05:48
you can start with any part of this sentence.
138
348791
2578
podemos começar com qualquer parte desta frase.
05:51
I'm going to start with the word "tell."
139
351369
1698
Vou começar com a palavra "dizer".
05:53
So this is the word "tell."
140
353067
1462
Esta é a palavra "dizer".
05:54
Now this happened in the past,
141
354529
1600
Ora isto aconteceu no passado,
05:56
so I'm going to make that "told."
142
356129
2223
portanto, vou ter que a transformar em "disse".
05:58
Now, what I'm going to do is,
143
358352
1708
O que eu vou fazer agora
06:00
I'm going to ask questions.
144
360060
1756
é fazer perguntas.
06:01
So, who told? I told.
145
361816
2364
"Quem disse?" "Eu disse."
06:04
I told whom? I told the carpenter.
146
364180
1927
"Eu disse a quem?" "Eu disse ao carpinteiro."
06:06
Now we start with a different part of the sentence.
147
366107
1751
Agora pegamos numa parte diferente da frase.
06:07
We start with the word "pay,"
148
367858
1867
Agora começamos com a palavra "pagar",
06:09
and we add the ability filter to it to make it "can pay."
149
369725
4577
e acrescentamos o filtro de capacidade para a transformar em "poder pagar".
06:14
Then we make it "can't pay,"
150
374302
2101
Depois temos que a transformar em "não pagar".
06:16
and we can make it "couldn't pay"
151
376403
1599
E depois em "não podia pagar",
06:18
by making it the past tense.
152
378002
1663
introduzindo o passado.
06:19
So who couldn't pay? I couldn't pay.
153
379665
1923
E depois: "Quem não podia pagar?" "Eu não podia pagar."
06:21
Couldn't pay whom? I couldn't pay the carpenter.
154
381588
2676
"Não podia pagar a quem?" "Eu não podia pagar ao carpinteiro."
06:24
And then you join these two together
155
384264
1731
E depois juntamos as duas
06:25
by asking this question:
156
385995
1350
fazendo a pergunta:
06:27
What did I tell the carpenter?
157
387345
1737
"O que é que eu disse ao carpinteiro?"
06:29
I told the carpenter I could not pay him.
158
389082
4049
"Eu disse ao carpinteiro que não lhe podia pagar."
06:33
Now think about this. This is
159
393131
1937
Agora pensem nisto. É...
06:35
—(Applause)—
160
395068
3542
(Aplausos)
06:38
this is a representation of this sentence
161
398610
3672
É uma representação desta 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 nisto.
06:46
First of all, I could have started anywhere.
164
406909
3131
Primeiro, eu podia ter começado por qualquer lado.
06:50
I didn't have to start with the word "tell."
165
410040
2243
Não tinha que começar pela palavra "dizer".
06:52
I could have started anywhere in the sentence,
166
412283
1416
Podia ter começado em qualquer sítio da frase,
06:53
and I could have made this entire thing.
167
413699
1507
e podia ter feito a mesma coisa.
06:55
The second thing is, if I wasn't an English speaker,
168
415206
2776
Em segundo lugar, se eu não soubesse falar inglês,
06:57
if I was speaking in some other language,
169
417982
2175
se estivesse a falar qualquer outra língua,
07:00
this map would actually hold true in any language.
170
420157
3156
este mapa continuaria válido em qualquer língua.
07:03
So long as the questions are standardized,
171
423313
1990
Desde que as perguntas sejam standardizadas,
07:05
the map is actually independent of language.
172
425303
4287
o mapa é independente da língua.
07:09
So I call this FreeSpeech,
173
429590
2115
Por isso chamo-lhe FreeSpeech [ExpressãoLivre].
07:11
and I was playing with this for many, many months.
174
431705
2935
Andei muitos, muitos meses à volta disto.
07:14
I was trying out so many different combinations of this.
175
434640
2726
Experimentei inúmeras combinações diferentes.
07:17
And then I noticed something very interesting about FreeSpeech.
176
437366
2289
E então detectei uma coisa muito interessante no FreeSpeech.
07:19
I was trying to convert language,
177
439655
3243
Estava a tentar traduzir uma linguagem,
07:22
convert sentences in English into sentences in FreeSpeech,
178
442898
2384
a traduzir frases em inglês para frases em FreeSpeech.
07:25
and vice versa, and back and forth.
179
445282
1752
e vice–versa, em ambos os sentidos.
07:27
And I realized that this particular configuration,
180
447034
2255
E percebi que esta configuração particular,
07:29
this particular way of representing language,
181
449289
2026
esta forma particular de representar a linguagem,
07:31
it allowed me to actually create very concise rules
182
451315
4395
me permitia criar regras muito concisas
07:35
that go between FreeSpeech on one side
183
455710
2734
que serviam o FreeSpeech por um lado
07:38
and English on the other.
184
458444
1488
e o inglês por outro.
07:39
So I could actually write this set of rules
185
459932
2180
Portanto, podia escrever esse conjunto de regras
07:42
that translates from this particular representation into English.
186
462112
3395
que traduzem essa representação especial para o inglês,
07:45
And so I developed this thing.
187
465507
1831
E desenvolvi uma coisa.
07:47
I developed this thing called the FreeSpeech Engine
188
467338
2232
Desenvolvi aquilo a que chamei FreeSpeech Engine
07:49
which takes any FreeSpeech sentence as the input
189
469570
2561
que agarra em qualquer frase do FreeSpeech, como dados,
07:52
and gives out perfectly grammatical English text.
190
472131
3930
e produz um texto inglês perfeitamente gramatical.
07:56
And by putting these two pieces together,
191
476061
1605
E, ao juntar estas duas peças,
07:57
the representation and the engine,
192
477666
1881
a representação e o motor,
07:59
I was able to create an app, a technology for children with autism,
193
479547
3796
pude criar uma aplicação, uma tecnologia para crianças autistas
08:03
that not only gives them words
194
483343
2499
que não só lhes dá palavras,
08:05
but also gives them grammar.
195
485842
3941
mas também lhes dá uma gramática.
08:09
So I tried this out with kids with autism,
196
489783
2360
Então testei isto com crianças autistas,
08:12
and I found that there was an incredible amount of identification.
197
492143
5013
e descobri que havia uma quantidade incrível de identificação.
08:17
They were able to create sentences in FreeSpeech
198
497156
2720
Foram capazes de criar frases em FreeSpeech
08:19
which were much more complicated but much more effective
199
499876
2558
que eram muito mais complicadas mas muito mais eficazes
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 pensar
08:27
why that might be the case.
202
507015
1969
porque é que isso 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. Quero falar-vos dessa ideia.
08:33
In about 1997, about 15 years back,
204
513271
3142
Por volta de 1997, há cerca de 15 anos,
08:36
there were a group of scientists that were trying
205
516413
2011
havia um grupo de cientistas que estavam a tentar
08:38
to understand how the brain processes language,
206
518424
2389
perceber como é que o cérebro processa a linguagem,
08:40
and they found something very interesting.
207
520813
1779
e descobriram uma coisa 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
enquanto crianças, por volta dos dois anos,
08:47
you learn it with a certain part of your brain,
210
527376
2366
aprendemo-la com uma certa parte do nosso cérebro
08:49
and when you learn a language as an adult --
211
529742
1600
e, quando aprendemos uma língua enquanto adultos
08:51
for example, if I wanted to learn Japanese right now —
212
531342
3911
— por exemplo, se eu quiser aprender japonês agora —
08:55
a completely different part of my brain is used.
213
535253
2707
vou usar uma parte totalmente diferente do meu cérebro.
08:57
Now I don't know why that's the case,
214
537960
1831
Não sei porque é que isso acontece
08:59
but my guess is that that's because
215
539791
1991
mas suponho que será
09:01
when you learn a language as an adult,
216
541782
2437
porque, quando aprendemos uma língua quando adultos,
09:04
you almost invariably learn it
217
544219
1616
quase sempre, invariavelmente, aprendemo-la
09:05
through your native language, or through your first language.
218
545835
4266
por intermédio da nossa língua nativa, ou por intermédio da nossa primeira língua.
09:10
So what's interesting about FreeSpeech
219
550101
3252
Portanto, 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 uma linguagem,
09:16
a child with autism creates language with FreeSpeech,
222
556850
3070
uma criança autista que cria uma linguagem com o FreeSpeech,
09:19
they're not using this support language,
223
559920
1833
não está a usar essa língua de suporte,
09:21
they're not using this bridge language.
224
561753
2211
não está a usar essa língua–ponte.
09:23
They're directly constructing the sentence.
225
563964
2657
Está a construir a frase directamente
09:26
And so this gave me this idea.
226
566621
2193
e isso também me deu uma ideia.
09:28
Is it possible to use FreeSpeech
227
568814
2024
Será possível 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 a pessoas sem deficiências?
09:39
And so I tried a number of experiments.
230
579610
1978
E então tentei uma série de experiências.
09:41
The first thing I did was I built a jigsaw puzzle
231
581588
2948
A primeira coisa que fiz foi construir um "puzzle".
09:44
in which these questions and answers
232
584536
1970
em que estas perguntas e respostas
09:46
are coded in the form of shapes,
233
586506
1835
estão codificadas através de formas,
09:48
in the form of colors,
234
588341
1138
sob a forma de cores,
09:49
and you have people putting these together
235
589479
1849
e pomos as pessoas a juntá-las
09:51
and trying to understand how this works.
236
591328
1773
e a tentar perceber como é que aquilo funciona.
09:53
And I built an app out of it, a game out of it,
237
593101
2376
E a partir dele, construí uma aplicação, um jogo,
09:55
in which children can play with words
238
595477
2661
em que as crianças podem brincar com as palavras
09:58
and with a reinforcement,
239
598138
1704
e com um reforço
09:59
a sound reinforcement of visual structures,
240
599842
2585
um forte reforço de estruturas visuais
10:02
they're able to learn language.
241
602427
2013
conseguem aprender uma língua.
10:04
And this, this has a lot of potential, a lot of promise,
242
604440
2736
E isto tem muito potencial, é uma boa promessa
10:07
and the government of India recently
243
607176
1975
e o governo da Índia, há pouco tempo
10:09
licensed this technology from us,
244
609151
1404
adquiriu a licença desta nossa tecnologia.
10:10
and they're going to try it out with millions of different children
245
610555
2074
e vai tentar usá-la em milhões de diversas crianças
10:12
trying to teach them English.
246
612629
2605
tentando ensinar-lhes inglês.
10:15
And the dream, the hope, the vision, really,
247
615234
2614
E o sonho, a esperança, a visão
10:17
is that when they learn English this way,
248
617848
3082
é que, quando elas aprenderem inglês desta maneira
10:20
they learn it with the same proficiency
249
620930
2643
o aprendam com a mesma eficácia
10:23
as their mother tongue.
250
623573
3718
que a sua língua materna.
10:27
All right, let's talk about something else.
251
627291
3816
Mas agora vou falar de outra coisa.
10:31
Let's talk about speech.
252
631107
1997
Vou falar da fala
10:33
This is speech.
253
633104
1271
Isto é a fala.
10:34
So speech is the primary mode of communication
254
634375
1962
A fala é o modo primário de comunicação
10:36
delivered between all of us.
255
636337
1613
usado entre todos nós.
10:37
Now what's interesting about speech is that
256
637950
1855
O que é interessante na fala é que
10:39
speech is one-dimensional.
257
639805
1245
a fala é unidimensional
10:41
Why is it one-dimensional?
258
641050
1359
Porque é que é unidimensional?
10:42
It's one-dimensional because it's sound.
259
642409
1568
É unidimensional porque é som.
10:43
It's also one-dimensional because
260
643977
1539
Também é unidimensional porque
10:45
our mouths are built that way.
261
645516
1205
as nossas bocas estão construídas dessa forma.
10:46
Our mouths are built to create one-dimensional sound.
262
646721
3512
As nossas bocas estão construídas para criar um som unidimensional
10:50
But if you think about the brain,
263
650233
2866
Mas, se pensarmos no cérebro,
10:53
the thoughts that we have in our heads
264
653099
1764
nos pensamentos que temos dentro da nossa 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 ricas,
10:58
complicated, multi-dimensional ideas.
267
658424
3028
complicadas, multidimensionais.
11:01
Now, it seems to me that language
268
661452
1690
Parece-me que a linguagem
11:03
is really the brain's invention
269
663142
2332
é na verdade uma invenção do cérebro
11:05
to convert this rich, multi-dimensional thought
270
665474
3096
para transformar esse pensamento, rico e multidimensional,
11:08
on one hand
271
668570
1587
por um lado,
11:10
into speech on the other hand.
272
670157
1923
em fala, pelo outro lado.
11:12
Now what's interesting is that
273
672080
1762
O que é interessante
11:13
we do a lot of work in information nowadays,
274
673842
2568
é que fazemos hoje imenso trabalho de informação
11:16
and almost all of that is done in the language domain.
275
676410
3079
e quase todo ele é feito no domínio da linguagem.
11:19
Take Google, for example.
276
679489
1939
Observem o Google, por exemplo,
11:21
Google trawls all these countless billions of websites,
277
681428
2677
O Google pesquisa aqueles infindáveis milhares de milhões de "sites"
11:24
all of which are in English, and when you want to use Google,
278
684105
2725
que são todos em inglês e, quando queremos usar o Google,
11:26
you go into Google search, and you type in English,
279
686830
2450
vamos ao Google e escrevemos em inglês
11:29
and it matches the English with the English.
280
689280
4163
e ele combina o inglês com o inglês.
11:33
What if we could do this in FreeSpeech instead?
281
693443
3583
E se pudéssemos fazer isso com o FreeSpeech?
11:37
I have a suspicion that if we did this,
282
697026
2301
Suspeito que, se fizéssemos isso,
11:39
we'd find that algorithms like searching,
283
699327
2068
descobriríamos que os algoritmos como "pesquisa",
11:41
like retrieval, all of these things,
284
701395
2325
"recuperação", todas essas coisas,
11:43
are much simpler and also more effective,
285
703720
3075
são muito mais simples e também mais eficazes,
11:46
because they don't process the data structure of speech.
286
706795
4417
porque não processam a estrutura de dados da fala
11:51
Instead they're processing the data structure of thought.
287
711212
5976
pelo contrário, processam a estrutura de dados do pensamento.
11:57
The data structure of thought.
288
717188
2808
A estrutura de dados do pensamento...
11:59
That's a provocative idea.
289
719996
2076
Isto é uma ideia provocadora.
12:02
But let's look at this in a little more detail.
290
722072
2142
Mas olhemos para ela com um pouco mais de pormenor.
12:04
So this is the FreeSpeech ecosystem.
291
724214
2366
Este é o ecossistema FreeSpeech
12:06
We have the Free Speech representation on one side,
292
726580
2884
Temos de um lado a representação do FreeSpeech
12:09
and we have the FreeSpeech Engine, which generates English.
293
729464
2228
e temos o FreeSpeech Engine, que gera o inglês.
12:11
Now if you think about it,
294
731694
1725
Se pensarmos nisto,
12:13
FreeSpeech, I told you, is completely language-independent.
295
733419
2544
o FreeSpeech, tal como vos disse, é completamente independente da língua,
12:15
It doesn't have any specific information in it
296
735963
2087
não tem dentro dele quaisquer informações específicas
12:18
which is about English.
297
738050
1228
que se refiram ao inglês.
12:19
So everything that this system knows about English
298
739278
2800
Portanto, tudo o que este sistema sabe sobre inglês
12:22
is actually encoded into the engine.
299
742078
4620
está codificado no motor.
12:26
That's a pretty interesting concept in itself.
300
746698
2237
É um conceito muito interessante, em si mesmo.
12:28
You've encoded an entire human language
301
748935
3604
Codificámos toda uma língua humana
12:32
into a software program.
302
752539
2645
num programa de "software".
12:35
But if you look at what's inside the engine,
303
755184
2531
Mas, se olharmos para o que está dentro do motor
12:37
it's actually not very complicated.
304
757715
2358
não é assim tão 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 mais interessante é o facto
12:44
the vast majority of the code in that engine
307
764850
2203
de que a maior parte do código neste motor
12:47
is not really English-specific.
308
767053
2412
não é realmente específico do inglês.
12:49
And that gives this interesting idea.
309
769465
1895
E isso dá-nos uma ideia interessante.
12:51
It might be very easy for us to actually
310
771360
2038
Na verdade, pode ser-nos muito fácil
12:53
create these engines in many, many different languages,
311
773398
3826
criar estes motores em muitas, muitas línguas diferentes,
12:57
in Hindi, in French, in German, in Swahili.
312
777224
6354
em hindi, em francês, em alemão, em suaíli...
13:03
And that gives another interesting idea.
313
783578
2799
E isso dá-nos outra ideia interessante.
13:06
For example, supposing I was a writer,
314
786377
2654
Por exemplo, supondo que eu era um escritor
13:09
say, for a newspaper or for a magazine.
315
789031
2122
digamos, para um jornal ou uma revista.
13:11
I could create content in one language, FreeSpeech,
316
791153
5011
Podia criar um conteúdo numa língua, o FreeSpeech,
13:16
and the person who's consuming that content,
317
796164
2056
e a pessoa que consumisse esse conteúdo,
13:18
the person who's reading that particular information
318
798220
3061
a pessoa que estivesse a ler essa informação especial
13:21
could choose any engine,
319
801281
2495
podia escolher qualquer motor
13:23
and they could read it in their own mother tongue,
320
803776
2736
e podia lê-lo na sua língua materna,
13:26
in their native language.
321
806512
3939
na sua língua nativa.
13:30
I mean, this is an incredibly attractive idea,
322
810451
2722
Ou seja, esta é uma ideia incrivelmente atractiva
13:33
especially for India.
323
813173
1999
principalmente para a Índia.
13:35
We have so many different languages.
324
815172
1690
Temos tantas línguas diferentes.
13:36
There's a song about India, and there's a description
325
816862
2142
Há uma canção 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
(fala em sânscrito)
13:43
That means "ever-smiling speaker
328
823708
2773
Isto significa:
13:46
of beautiful languages."
329
826481
4519
"Tu que falas, sempre sorridente, em belas linguagens".
13:51
Language is beautiful.
330
831000
1964
A linguagem é bela.
13:52
I think it's the most beautiful of human creations.
331
832964
2454
Penso 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
Penso que é a coisa mais maravilhosa que o nosso cérebro inventou
13:59
It entertains, it educates, it enlightens,
333
839396
3584
Entretém, educa, ilumina
14:02
but what I like the most about language
334
842980
2044
mas, aquilo de que mais gosto na linguagem
14:05
is that it empowers.
335
845024
1500
é que nos dá poder.
14:06
I want to leave you with this.
336
846524
1838
Quero deixar-vos isto:
14:08
This is a photograph of my collaborators,
337
848362
2385
isto é uma fotografia das minhas colaboradoras
14:10
my earliest collaborators
338
850747
997
das minhas primeiras colaboradoras
14:11
when I started working on language
339
851744
1462
quando comecei a trabalhar sobre a linguagem
14:13
and autism and various other things.
340
853206
1502
e o autismo e várias outras coisas.
14:14
The girl's name is Pavna,
341
854708
1417
A rapariga chama-se Pavna,
14:16
and that's her mother, Kalpana.
342
856125
1902
e aquela é a mãe dela, Kalpana.
14:18
And Pavna's an entrepreneur,
343
858027
2138
E Pavna é uma empresária,
14:20
but her story is much more remarkable than mine,
344
860165
2371
mas a história dela é muito mais notável que a minha,
14:22
because Pavna is about 23.
345
862536
2400
porque Pavna tem 23 anos.
14:24
She has quadriplegic cerebral palsy,
346
864936
2552
Tem paralisia cerebral quadriplégica.
14:27
so ever since she was born,
347
867488
1640
Por isso, desde que nasceu
14:29
she could neither move nor talk.
348
869128
3600
não se pode mover nem falar.
14:32
And everything that she's accomplished so far,
349
872728
2403
E tudo aquilo que tem conseguido fazer até hoje,
14:35
finishing school, going to college,
350
875131
2227
acabar a escola, ir para a faculdade,
14:37
starting a company,
351
877358
1416
fundar uma empresa,
14:38
collaborating with me to develop Avaz,
352
878774
2140
colaborar comigo para desenvolver o Avaz,
14:40
all of these things she's done
353
880914
1892
todas estas coisas, tem-nas feito
14:42
with nothing more than moving her eyes.
354
882806
5523
apenas através do movimento dos olhos.
14:48
Daniel Webster said this:
355
888329
2689
Daniel Webster disse isto...
14:51
He said, "If all of my possessions were taken
356
891018
2940
Ele disse: "Se me quisessem tirar tudo o que tenho
14:53
from me with one exception,
357
893958
2988
"apenas com uma excepção,
14:56
I would choose to keep the power of communication,
358
896946
2981
"escolheria ficar com o poder de comunicação,
14:59
for with it, I would regain all the rest."
359
899927
3903
"porque, com ele, reconquistaria tudo o resto".
15:03
And that's why, of all of these incredible applications of FreeSpeech,
360
903830
5116
E é por isso que, entre todas estas incríveis aplicações do FreeSpeech,
15:08
the one that's closest to my heart
361
908946
2080
aquela que me é mais querida,
15:11
still remains the ability for this
362
911026
2068
continua a ser a sua capacidade
15:13
to empower children with disabilities
363
913094
2380
de possibilitar crianças com incapacidades
15:15
to be able to communicate,
364
915474
1773
a poderem 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 recuperarem tudo o resto.
15:21
Thank you.
367
921276
1397
Obrigado.
15:22
(Applause)
368
922673
1332
(Aplausos)
15:24
Thank you. (Applause)
369
924005
4199
Obrigado.
(Aplausos)
15:28
Thank you. Thank you. Thank you. (Applause)
370
928204
5323
Obrigado.
(Aplausos)
15:33
Thank you. Thank you. Thank you. (Applause)
371
933527
4000
Obrigado.
(Aplausos)
Sobre este site

Este sítio irá apresentar-lhe vídeos do YouTube que são úteis para a aprendizagem do inglês. Verá lições de inglês ensinadas por professores de primeira linha de todo o mundo. Faça duplo clique nas legendas em inglês apresentadas em cada página de vídeo para reproduzir o vídeo a partir daí. As legendas deslocam-se em sincronia com a reprodução do vídeo. Se tiver quaisquer comentários ou pedidos, por favor contacte-nos utilizando este formulário de contacto.

https://forms.gle/WvT1wiN1qDtmnspy7