What we learned from 5 million books

236,154 views ・ 2011-09-20

TED


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

Tradutor: Marta Gama Revisora: Rafael Eufrasio
00:15
Erez Lieberman Aiden: Everyone knows
0
15260
2000
Erez Lieberman Aiden:
Todos sabemos que uma imagem vale mais que mil palavras
00:17
that a picture is worth a thousand words.
1
17260
3000
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
questionámos se isso seria mesmo verdade.
00:27
(Laughter)
4
27260
2000
(Risos)
00:29
So we assembled a team of experts,
5
29260
4000
Então, juntámos uma equipa de peritos,
que vieram de Harvard, do MIT,
00:33
spanning Harvard, MIT,
6
33260
2000
00:35
The American Heritage Dictionary, The Encyclopedia Britannica
7
35260
3000
do The American Heritage Dictionary, da The Encyclopedia Britannica
00:38
and even our proud sponsors,
8
38260
2000
e até dos nossos orgulhosos patrocinadores, a Google.
00:40
the Google.
9
40260
3000
(Risos)
00:43
And we cogitated about this
10
43260
2000
Debruçámo-nos sobre esta questão
00:45
for about four years.
11
45260
2000
durante cerca de quatro anos.
00:47
And we came to a startling conclusion.
12
47260
5000
E chegámos a uma conclusão surpreendente.
00:52
Ladies and gentlemen, a picture is not worth a thousand words.
13
52260
3000
Meus senhores, uma imagem não vale mais que mil palavras.
00:55
In fact, we found some pictures
14
55260
2000
Na verdade, encontrámos imagens
00:57
that are worth 500 billion words.
15
57260
5000
que valem 500 mil milhões de palavras.
01:02
Jean-Baptiste Michel: So how did we get to this conclusion?
16
62260
2000
Jean-Baptiste Michel: Como chegámos a esta conclusão?
01:04
So Erez and I were thinking about ways
17
64260
2000
O Erez e eu pensámos em como obter
01:06
to get a big picture of human culture
18
66260
2000
um panorama geral da cultura humana e da história humana:
01:08
and human history: change over time.
19
68260
3000
as mudanças através dos tempos.
01:11
So many books actually have been written over the years.
20
71260
2000
Ao longo dos anos, escreveram-se muitos livros.
01:13
So we were thinking, well the best way to learn from them
21
73260
2000
Pensámos que a melhor maneira de aprender com eles
01:15
is to read all of these millions of books.
22
75260
2000
seria ler todos esses milhões de livros.
01:17
Now of course, if there's a scale for how awesome that is,
23
77260
3000
Se houvesse uma escala de como isso seria fantástico,
01:20
that has to rank extremely, extremely high.
24
80260
3000
isso seria classificado a um nível muito elevado.
01:23
Now the problem is there's an X-axis for that,
25
83260
2000
O problema é que há um eixo X para isso,
01:25
which is the practical axis.
26
85260
2000
que é o eixo da prática,
01:27
This is very, very low.
27
87260
2000
o que o colocaria num patamar muito baixo
01:29
(Applause)
28
89260
3000
(Aplausos)
01:32
Now people tend to use an alternative approach,
29
92260
3000
As pessoas têm tendência a usar uma abordagem alternativa,
01:35
which is to take a few sources and read them very carefully.
30
95260
2000
que é pegar nalgumas fontes e lê-las cuidadosamente.
01:37
This is extremely practical, but not so awesome.
31
97260
2000
É extremamente prático, mas não muito fantástico.
01:39
What you really want to do
32
99260
3000
O que realmente se pretende
01:42
is to get to the awesome yet practical part of this space.
33
102260
3000
é chegar à parte fantástica mas prática deste espaço.
01:45
So it turns out there was a company across the river called Google
34
105260
3000
Acontece que havia uma empresa do outro lado do rio chamada Google
01:48
who had started a digitization project a few years back
35
108260
2000
que iniciara um projeto de digitalização há uns anos
01:50
that might just enable this approach.
36
110260
2000
que talvez permitisse essa abordagem.
01:52
They have digitized millions of books.
37
112260
2000
Tinham digitalizado milhões de livros.
01:54
So what that means is, one could use computational methods
38
114260
3000
Isso significava que se podiam usar métodos informáticos
01:57
to read all of the books in a click of a button.
39
117260
2000
para ler todos os livros com o clique de um botão.
01:59
That's very practical and extremely awesome.
40
119260
3000
Isto é muito prático e extremamente fantástico.
02:03
ELA: Let me tell you a little bit about where books come from.
41
123260
2000
ELA: Vou falar-vos de onde vêm os livros.
02:05
Since time immemorial, there have been authors.
42
125260
3000
Desde tempos imemoriais que existem autores.
02:08
These authors have been striving to write books.
43
128260
3000
Esses autores têm-se esforçado por escrever livros.
02:11
And this became considerably easier
44
131260
2000
Isso tornou-se muito mais fácil
02:13
with the development of the printing press some centuries ago.
45
133260
2000
com o desenvolvimento da imprensa há uns séculos.
02:15
Since then, the authors have won
46
135260
3000
Desde então, os autores tiveram
02:18
on 129 million distinct occasions,
47
138260
2000
129 milhões de ocasiões diferentes
02:20
publishing books.
48
140260
2000
para publicar livros,
02:22
Now if those books are not lost to history,
49
142260
2000
Se esses livros não se perderam na história
02:24
then they are somewhere in a library,
50
144260
2000
estão algures numa biblioteca,
02:26
and many of those books have been getting retrieved from the libraries
51
146260
3000
e muitos desses livros têm sido recuperados das bibliotecas
02:29
and digitized by Google,
52
149260
2000
e digitalizados pela Google,
02:31
which has scanned 15 million books to date.
53
151260
2000
que já digitalizou 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 a Google digitaliza um livro, põe-no num formato catita.
02:36
Now we've got the data, plus we have metadata.
55
156260
2000
Agora, temos os dados e temos ainda metadados.
02:38
We have information about things like where was it published,
56
158260
3000
Temos informação sobre onde foi publicado,
02:41
who was the author, when was it published.
57
161260
2000
quem foi o autor, quando foi publicado, etc.
02:43
And what we do is go through all of those records
58
163260
3000
Verificamos todos esses arquivos
02:46
and exclude everything that's not the highest quality data.
59
166260
4000
e excluímos tudo o que não seja da mais alta qualidade.
02:50
What we're left with
60
170260
2000
Aquilo que nos resta
02:52
is a collection of five million books,
61
172260
3000
é uma coleção de cinco milhões de livros,
02:55
500 billion words,
62
175260
3000
500 mil milhões de palavras,
02:58
a string of characters a thousand times longer
63
178260
2000
uma cadeia de caracteres mil vezes mais longa
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, se fosse escrito por extenso,
03:05
would stretch from here to the Moon and back
66
185260
2000
iria daqui até à Lua e voltava
03:07
10 times over --
67
187260
2000
mais de dez vezes,
03:09
a veritable shard of our cultural genome.
68
189260
4000
um autêntico fragmento do nosso genoma cultural.
03:13
Of course what we did
69
193260
2000
Claro que aquilo que fizemos
03:15
when faced with such outrageous hyperbole ...
70
195260
3000
perante tamanha hipérbole...
03:18
(Laughter)
71
198260
2000
(Risos)
03:20
was what any self-respecting researchers
72
200260
3000
... foi aquilo que teria feito
03:23
would have done.
73
203260
3000
qualquer pesquisador que se preze.
03:26
We took a page out of XKCD,
74
206260
2000
Inspirámo-nos no XKDC, e dissemos:
03:28
and we said, "Stand back.
75
208260
2000
"Afastem-se. Vamos tentar fazer ciência."
03:30
We're going to try science."
76
210260
2000
03:32
(Laughter)
77
212260
2000
(Risos)
03:34
JM: Now of course, we were thinking,
78
214260
2000
JM: Claro que estávamos a pensar
03:36
well let's just first put the data out there
79
216260
2000
em publicar primeiro os dados
03:38
for people to do science to it.
80
218260
2000
para que as pessoas pudessem fazer ciência.
03:40
Now we're thinking, what data can we release?
81
220260
2000
Mas depois pensámos: ""Que dados podemos publicar?"
03:42
Well of course, you want to take the books
82
222260
2000
Claro que queríamos pegar nos livros
03:44
and release the full text of these five million books.
83
224260
2000
e publicar o texto completo de todos os livros.
03:46
Now Google, and Jon Orwant in particular,
84
226260
2000
Mas a Google, e o Jon Orwant em particular,
03:48
told us a little equation that we should learn.
85
228260
2000
ensinou-nos uma pequena equação.
03:50
So you have five million, that is, five million authors
86
230260
3000
Temos cinco milhões de autores, ou seja,
03:53
and five million plaintiffs is a massive lawsuit.
87
233260
3000
cinco milhões de processos judiciais, uma coisa monstruosa.
03:56
So, although that would be really, really awesome,
88
236260
2000
Assim, embora isso fosse fantástico
03:58
again, that's extremely, extremely impractical.
89
238260
3000
mais uma vez, era impraticável.
04:01
(Laughter)
90
241260
2000
(Risos)
04:03
Now again, we kind of caved in,
91
243260
2000
Mais uma vez, tivemos de ceder
04:05
and we did the very practical approach, which was a bit less awesome.
92
245260
3000
e seguimos a abordagem prática, que era menos fantástica.
04:08
We said, well instead of releasing the full text,
93
248260
2000
Em vez de publicarmos o texto completo,
04:10
we're going to release statistics about the books.
94
250260
2000
íamos publicar estatísticas sobre os livros.
04:12
So take for instance "A gleam of happiness."
95
252260
2000
Por exemplo, "Um brilho de felicidade".
04:14
It's four words; we call that a four-gram.
96
254260
2000
São quatro palavras, a que chamamos um quatro-grama.
04:16
We're going to tell you how many times a particular four-gram
97
256260
2000
Íamos dizer quantas vezes um determinado quatro-grama
04:18
appeared in books in 1801, 1802, 1803,
98
258260
2000
aparecia em livros em 1801, 1802, 1803... até 2008.
04:20
all the way up to 2008.
99
260260
2000
04:22
That gives us a time series
100
262260
2000
Isso dá-nos uma série temporal
04:24
of how frequently this particular sentence was used over time.
101
264260
2000
de quantas vezes foi utilizada essa frase.
04:26
We do that for all the words and phrases that appear in those books,
102
266260
3000
Fazemos isso para todas as palavras e frases que surgem nesses livros.
04:29
and that gives us a big table of two billion lines
103
269260
3000
Isso dá-nos uma enorme tabela de dois mil milhões de linhas
04:32
that tell us about the way culture has been changing.
104
272260
2000
que nos dizem como a cultura tem vindo a mudar.
04:34
ELA: So those two billion lines,
105
274260
2000
ELA: Chamamos a esses dois mil milhões de linhas,
04:36
we call them two billion n-grams.
106
276260
2000
dois mil milhões de n-gramas.
04:38
What do they tell us?
107
278260
2000
O que é que eles nos dizem?
04:40
Well the individual n-grams measure cultural trends.
108
280260
2000
Os n-gramas individuais medem tendências culturais.
04:42
Let me give you an example.
109
282260
2000
Vou dar-vos um exemplo.
04:44
Let's suppose that I am thriving,
110
284260
2000
Vamos supor que estou a prosperar,
04:46
then tomorrow I want to tell you about how well I did.
111
286260
2000
e que amanhã quero contar como me saí bem.
04:48
And so I might say, "Yesterday, I throve."
112
288260
3000
Posso dizer: "Ontem, eu vicejei."
04:51
Alternatively, I could say, "Yesterday, I thrived."
113
291260
3000
Em alternativa, podia dizer: "Ontem, eu prosperei.
04:54
Well which one should I use?
114
294260
3000
"Então qual é que devo utilizar?
04:57
How to know?
115
297260
2000
"Como é que hei de saber?"
04:59
As of about six months ago,
116
299260
2000
Há cerca de seis meses,
05:01
the state of the art in this field
117
301260
2000
o topo de gama neste campo
05:03
is that you would, for instance,
118
303260
2000
seria dirigir-se, por exemplo,
05:05
go up to the following psychologist with fabulous hair,
119
305260
2000
a um 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, és perito em verbos.
05:12
What should I do?"
122
312260
2000
"O que é que devo fazer?"
05:14
And he'd tell you, "Well most people say thrived,
123
314260
2000
E ele responderia: "Muitos dizem 'prosperei',
05:16
but some people say throve."
124
316260
3000
"mas alguns dizem 'vicejei'."
05:19
And you also knew, more or less,
125
319260
2000
Também ficariam a saber, mais ou menos,
05:21
that if you were to go back in time 200 years
126
321260
3000
que, se recuassem 200 anos,
05:24
and ask the following statesman with equally fabulous hair,
127
324260
3000
e perguntassem a este estadista com um cabelo igualmente fabuloso:
05:27
(Laughter)
128
327260
3000
(Risos)
05:30
"Tom, what should I say?"
129
330260
2000
"Tom, o que é que eu devo dizer?"
05:32
He'd say, "Well, in my day, most people throve,
130
332260
2000
Ele diria: "No meu tempo, a maior parte das pessoas vicejava,
05:34
but some thrived."
131
334260
3000
"mas alguns prosperavam."
05:37
So now what I'm just going to show you is raw data.
132
337260
2000
Agora vou mostrar-vos dados brutos.
05:39
Two rows from this table of two billion entries.
133
339260
4000
Duas linhas desta tabela com dois mil milhões de entradas.
05:43
What you're seeing is year by year frequency
134
343260
2000
Estão a ver a frequência, ano a ano,
05:45
of "thrived" and "throve" over time.
135
345260
3000
de "prosperei" e "vicejei" ao longo do tempo.
05:49
Now this is just two
136
349260
2000
Estas são apenas duas
05:51
out of two billion rows.
137
351260
3000
entre dois mil milhões de linhas.
05:54
So the entire data set
138
354260
2000
O conjunto total dos dados
05:56
is a billion times more awesome than this slide.
139
356260
3000
é mil milhões de vezes mais fantástico do que este slide.
05:59
(Laughter)
140
359260
2000
(Risos)
06:01
(Applause)
141
361260
4000
(Aplausos)
JM: Há muitas imagens que valem mais que 500 mil milhões de palavras.
06:05
JM: Now there are many other pictures that are worth 500 billion words.
142
365260
2000
06:07
For instance, this one.
143
367260
2000
Por exemplo, esta.
06:09
If you just take influenza,
144
369260
2000
Se pegarmos em "gripe",
verão picos na época em que se sabia
06:11
you will see peaks at the time where you knew
145
371260
2000
06:13
big flu epidemics were killing people around the globe.
146
373260
3000
que grandes epidemias de gripe matavam pessoas em todo o globo.
06:16
ELA: If you were not yet convinced,
147
376260
3000
ELA: Se ainda não estão convencidos,
06:19
sea levels are rising,
148
379260
2000
os níveis do mar estão a subir,
06:21
so is atmospheric CO2 and global temperature.
149
381260
3000
assim como o CO2 na atmosfera e a temperatura da Terra.
06:24
JM: You might also want to have a look at this particular n-gram,
150
384260
3000
JM: Talvez queiram prestar atenção a este n-grama em particular,
06:27
and that's to tell Nietzsche that God is not dead,
151
387260
3000
e dizer a Nietzsche que Deus não está morto,
06:30
although you might agree that he might need a better publicist.
152
390260
3000
embora concordem que Ele precisa de um relações públicas 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: Podemos obter conceitos bastante abstratos com este tipo de análise.
06:38
For instance, let me tell you the history
155
398260
2000
Por exemplo, vou contar-vos a história do ano de 1950.
06:40
of the year 1950.
156
400260
2000
06:42
Pretty much for the vast majority of history,
157
402260
2000
Durante grande parte da história,
06:44
no one gave a damn about 1950.
158
404260
2000
ninguém ligou nenhuma a 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 se preocupou.
06:52
Through the 30s and 40s,
161
412260
2000
Durante os anos 30 e 40, ninguém se preocupou.
06:54
no one cared.
162
414260
2000
06:56
Suddenly, in the mid-40s,
163
416260
2000
De repente, a meio dos anos 40,
06:58
there started to be a buzz.
164
418260
2000
começa a haver um burburinho.
07:00
People realized that 1950 was going to happen,
165
420260
2000
As pessoas percebem que 1950 vai acontecer,
07:02
and it could be big.
166
422260
2000
e pode ser uma coisa em grande.
07:04
(Laughter)
167
424260
3000
(Risos)
07:07
But nothing got people interested in 1950
168
427260
3000
Mas nada fez com que as pessoas se interessassem mais pelo ano de 1950
07:10
like the year 1950.
169
430260
3000
do que o ano de 1950.
07:13
(Laughter)
170
433260
3000
(Risos)
07:16
People were walking around obsessed.
171
436260
2000
As pessoas andavam obcecadas.
07:18
They couldn't stop talking
172
438260
2000
Não conseguiam deixar de falar
07:20
about all the things they did in 1950,
173
440260
3000
sobre tudo o que tinham feito em 1950,
07:23
all the things they were planning to do in 1950,
174
443260
3000
tudo o que planeavam fazer em 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
Na verdade, 1950 foi tão fascinante
07:33
that for years thereafter,
177
453260
2000
que, anos depois,
07:35
people just kept talking about all the amazing things that happened,
178
455260
3000
as pessoas continuavam a falar das coisas maravilhosas
que tinham acontecido em 1951, 1952, 1953.
07:38
in '51, '52, '53.
179
458260
2000
07:40
Finally in 1954,
180
460260
2000
Finalmente, em 1954,
07:42
someone woke up and realized
181
462260
2000
houve alguém que acordou e percebeu
07:44
that 1950 had gotten somewhat passé.
182
464260
4000
que 1950 se tinha tornado numa coisa do passado.
07:48
(Laughter)
183
468260
2000
(Risos)
07:50
And just like that, the bubble burst.
184
470260
2000
E de repente, rebentou a bolha.
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 cada ano que temos registado,
07:58
with a little twist, because now we've got these nice charts.
188
478260
3000
com uma ligeira diferença, porque agora temos estes gráficos catitas.
08:01
And because we have these nice charts, we can measure things.
189
481260
3000
Como temos estes gráficos catitas, podemos comparar coisas.
08:04
We can say, "Well how fast does the bubble burst?"
190
484260
2000
Podemos dizer: "Quão depressa rebenta a bolha?"
08:06
And it turns out that we can measure that very precisely.
191
486260
3000
Acontece que conseguimos medir isso com muita precisão.
08:09
Equations were derived, graphs were produced,
192
489260
3000
Derivaram-se equações, produziram-se gráficos,
08:12
and the net result
193
492260
2000
e como resultado final
08:14
is that we find that the bubble bursts faster and faster
194
494260
3000
descobrimos que a bolha rebenta cada vez mais depressa,
08:17
with each passing year.
195
497260
2000
de ano para ano.
08:19
We are losing interest in the past more rapidly.
196
499260
5000
Estamos a perder interesse no passado cada vez mais rapidamente.
08:24
JM: Now a little piece of career advice.
197
504260
2000
JM: Agora, um pouco de orientação profissional.
08:26
So for those of you who seek to be famous,
198
506260
2000
Os que querem ser famosos,
08:28
we can learn from the 25 most famous political figures,
199
508260
2000
podem aprender com os 25 políticos mais famosos,
08:30
authors, actors and so on.
200
510260
2000
autores, atores, etc..
08:32
So if you want to become famous early on, you should be an actor,
201
512260
3000
Se quiserem ser famosos cedo, devem tornar-se atores,
08:35
because then fame starts rising by the end of your 20s --
202
515260
2000
porque a fama começa a aumentar no final dos vinte anos,
08:37
you're still young, it's really great.
203
517260
2000
ainda são jovens, isso é ótimo.
08:39
Now if you can wait a little bit, you should be an author,
204
519260
2000
Se podem esperar um pouco, devem ser autores,
08:41
because then you rise to very great heights,
205
521260
2000
porque então podem chegar longe,
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 quiserem alcançar mesmo o topo,
08:47
you should delay gratification
208
527260
2000
não devem esperar resultados imediatos
08:49
and, of course, become a politician.
209
529260
2000
e, claro, devem tornarem-se políticos.
08:51
So here you will become famous by the end of your 50s,
210
531260
2000
Começarão a ser famosos no final dos 50 anos
08:53
and become very, very famous afterward.
211
533260
2000
e tornar-se-ão muito famosos depois disso.
08:55
So scientists also tend to get famous when they're much older.
212
535260
3000
Os cientistas também ficam famosos quando são muito mais velhos.
08:58
Like for instance, biologists and physics
213
538260
2000
Por exemplo, os biólogos e os físicos podem ser tão famosos como os atores.
09:00
tend to be almost as famous as actors.
214
540260
2000
09:02
One mistake you should not do is become a mathematician.
215
542260
3000
Um erro que não devem fazer é tornarem-se matemáticos.
09:05
(Laughter)
216
545260
2000
(Risos)
09:07
If you do that,
217
547260
2000
Se o fizerem, podem pensar:
09:09
you might think, "Oh great. I'm going to do my best work when I'm in my 20s."
218
549260
3000
"Ótimo. Vou fazer o meu melhor trabalho aos 20 anos."
09:12
But guess what, nobody will really care.
219
552260
2000
Mas, calculem, ninguém vai querer saber.
09:14
(Laughter)
220
554260
3000
(Risos)
09:17
ELA: There are more sobering notes
221
557260
2000
09:19
among the n-grams.
222
559260
2000
ELA: Há notas mais sóbrias entre os n-gramas.
09:21
For instance, here's the trajectory of Marc Chagall,
223
561260
2000
Por exemplo, esta é a trajetória de Marc Chagall,
09:23
an artist born in 1887.
224
563260
2000
um artista nascido em 1887.
09:25
And this looks like the normal trajectory of a famous person.
225
565260
3000
Parece-se com a trajetória normal de uma pessoa famosa.
09:28
He gets more and more and more famous,
226
568260
4000
Torna-se cada vez mais famoso,
09:32
except if you look in German.
227
572260
2000
exceto se procurarem em alemão.
09:34
If you look in German, you see something completely bizarre,
228
574260
2000
Se procurarem em alemão, verão uma coisa bizarra,
09:36
something you pretty much never see,
229
576260
2000
uma coisa que habitualmente não se observa.
09:38
which is he becomes extremely famous
230
578260
2000
Ele torna-se extremamente famoso
09:40
and then all of a sudden plummets,
231
580260
2000
e, de repente, cai vertiginosamente,
09:42
going through a nadir between 1933 and 1945,
232
582260
3000
atravessando o ponto mais baixo entre 1933 e 1945,
09:45
before rebounding afterward.
233
585260
3000
antes de recuperar nos anos seguintes.
09:48
And of course, what we're seeing
234
588260
2000
O que aqui observamos
09:50
is the fact Marc Chagall was a Jewish artist
235
590260
3000
é o facto de Marc Chagall ser um artista judeu
09:53
in Nazi Germany.
236
593260
2000
na Alemanha nazi.
09:55
Now these signals
237
595260
2000
Na realidade, estes sinais são tão fortes
09:57
are actually so strong
238
597260
2000
09:59
that we don't need to know that someone was censored.
239
599260
3000
que não precisamos de saber que alguém foi censurado.
10:02
We can actually figure it out
240
602260
2000
Podemos chegar a essa conclusão
10:04
using really basic signal processing.
241
604260
2000
através do tratamento básico de sinais.
10:06
Here's a simple way to do it.
242
606260
2000
Esta é uma forma simples de o fazer.
10:08
Well, a reasonable expectation
243
608260
2000
Uma expetativa razoável
10:10
is that somebody's fame in a given period of time
244
610260
2000
é a de que a fama de alguém num dado período de tempo
10:12
should be roughly the average of their fame before
245
612260
2000
deverá ser sensivelmente a média da sua fama antes
10:14
and their fame after.
246
614260
2000
e da sua fama posterior.
10:16
So that's sort of what we expect.
247
616260
2000
Isso é aquilo que se espera.
10:18
And we compare that to the fame that we observe.
248
618260
3000
Comparamos isso com a fama que observamos.
Depois é só dividir uma pela outra
10:21
And we just divide one by the other
249
621260
2000
para obter uma coisa a que chamamos "índice de supressão".
10:23
to produce something we call a suppression index.
250
623260
2000
10:25
If the suppression index is very, very, very small,
251
625260
3000
Se o índice de supressão for muito, muito baixo,
10:28
then you very well might be being suppressed.
252
628260
2000
quase de certeza estão a ser censurados.
10:30
If it's very large, maybe you're benefiting from propaganda.
253
630260
3000
Se for muito alto, então talvez estejam a beneficiar com a propaganda.
10:34
JM: Now you can actually look at
254
634260
2000
JM: Podemos mesmo ver
10:36
the distribution of suppression indexes over whole populations.
255
636260
3000
a distribuição de índices de supressão em populações inteiras.
10:39
So for instance, here --
256
639260
2000
Por exemplo, aqui...
este índice de supressão é de cinco mil pessoas
10:41
this suppression index is for 5,000 people
257
641260
2000
10:43
picked in English books where there's no known suppression --
258
643260
2000
escolhidas em livros em inglês onde não há supressão explícita...
10:45
it would be like this, basically tightly centered on one.
259
645260
2000
seria como este, centrado numa pessoa.
10:47
What you expect is basically what you observe.
260
647260
2000
O que se espera é aquilo que se observa.
10:49
This is distribution as seen in Germany --
261
649260
2000
Esta é a distribuição observada na Alemanha
10:51
very different, it's shifted to the left.
262
651260
2000
— desvia-se para a esquerda.
10:53
People talked about it twice less as it should have been.
263
653260
3000
As pessoas falaram disso duas vezes menos do que o esperado.
10:56
But much more importantly, the distribution is much wider.
264
656260
2000
Mais importante, a distribuição é mais alargada.
10:58
There are many people who end up on the far left on this distribution
265
658260
3000
Há muitas pessoas que acabam na ponta esquerda na distribuição
11:01
who are talked about 10 times fewer than they should have been.
266
661260
3000
de quem se falou menos dez vezes do que seria de esperar.
11:04
But then also many people on the far right
267
664260
2000
Mas também muita gente na ponta direita
11:06
who seem to benefit from propaganda.
268
666260
2000
parece beneficiar com a propaganda.
11:08
This picture is the hallmark of censorship in the book record.
269
668260
3000
Esta imagem é a marca distintiva da censura no registo dos livros.
11:11
ELA: So culturomics
270
671260
2000
ELA: "Culturómica"
11:13
is what we call this method.
271
673260
2000
é o que chamamos a este método.
11:15
It's kind of like genomics.
272
675260
2000
É como genómica.
11:17
Except genomics is a lens on biology
273
677260
2000
Exceto que a genómica é uma lente sobre a biologia
11:19
through the window of the sequence of bases in the human genome.
274
679260
3000
através da janela da sequência de bases no genoma humano.
11:22
Culturomics is similar.
275
682260
2000
A culturómica é parecida.
11:24
It's the application of massive-scale data collection analysis
276
684260
3000
É a aplicação da análise da recolha de dados em larga escala
11:27
to the study of human culture.
277
687260
2000
ao estudo da cultura humana.
11:29
Here, instead of through the lens of a genome,
278
689260
2000
Aqui, em vez de ser através da lente de um genoma,
11:31
through the lens of digitized pieces of the historical record.
279
691260
3000
é através da lente de peças digitalizadas do registo histórico.
11:34
The great thing about culturomics
280
694260
2000
O que é genial na culturómica
11:36
is that everyone can do it.
281
696260
2000
é que todos a podem fazer.
11:38
Why can everyone do it?
282
698260
2000
Porque é que todos a podem fazer?
11:40
Everyone can do it because three guys,
283
700260
2000
Todos a podem fazer porque três indivíduos,
11:42
Jon Orwant, Matt Gray and Will Brockman over at Google,
284
702260
3000
Jon Orwant, Matt Gray e Will Brockman na Google,
11:45
saw the prototype of the Ngram Viewer,
285
705260
2000
viram o protótipo do NGram Viewer,
11:47
and they said, "This is so fun.
286
707260
2000
e disseram: "Isto é muito divertido.
11:49
We have to make this available for people."
287
709260
3000
"Temos de tornar isto acessível às pessoas."
11:52
So in two weeks flat -- the two weeks before our paper came out --
288
712260
2000
Nas duas semanas antes da publicação do nosso artigo
11:54
they coded up a version of the Ngram Viewer for the general public.
289
714260
3000
fizeram o código para a versão pública do NGram Viewer.
11:57
And so you too can type in any word or phrase that you're interested in
290
717260
3000
Podemos escrever qualquer palavra ou frase em que estamos interessados
12:00
and see its n-gram immediately --
291
720260
2000
e vemos imediatamente o seu n-grama,
12:02
also browse examples of all the various books
292
722260
2000
assim como vemos exemplos de todos os diversos livros
12:04
in which your n-gram appears.
293
724260
2000
onde surge esse n-grama.
12:06
JM: Now this was used over a million times on the first day,
294
726260
2000
JBM: Isto foi usado mais de um milhão de vezes no primeiro dia,
12:08
and this is really the best of all the queries.
295
728260
2000
o que é a melhor de todas as pesquisas.
12:10
So people want to be their best, put their best foot forward.
296
730260
3000
Todos querem o seu melhor, mostrar o seu melhor.
12:13
But it turns out in the 18th century, people didn't really care about that at all.
297
733260
3000
Acontece que, no século XVIII, isso não acontecia.
12:16
They didn't want to be their best, they wanted to be their beft.
298
736260
3000
Não queriam ser o seu melhor, queriam ser o seu "milhor".
12:19
So what happened is, of course, this is just a mistake.
299
739260
3000
Claro que o que aconteceu foi apenas um erro.
12:22
It's not that strove for mediocrity,
300
742260
2000
Não que é que se esforçassem pela mediocridade,
12:24
it's just that the S used to be written differently, kind of like an F.
301
744260
3000
é só porque o "e" escrevia-se de forma diferente, como um "i".
12:27
Now of course, Google didn't pick this up at the time,
302
747260
3000
A Google não se apercebeu disso na altura,
12:30
so we reported this in the science article that we wrote.
303
750260
3000
e nós referimos isso no artigo científico que escrevemos.
12:33
But it turns out this is just a reminder
304
753260
2000
Acontece que isto é apenas um lembrete
12:35
that, although this is a lot of fun,
305
755260
2000
de que, embora seja tudo muito divertido,
12:37
when you interpret these graphs, you have to be very careful,
306
757260
2000
quando interpretamos gráficos, temos de ser cuidadosos.
12:39
and you have to adopt the base standards in the sciences.
307
759260
3000
Há que adotar os procedimentos científicos de base.
12:42
ELA: People have been using this for all kinds of fun purposes.
308
762260
3000
ELA: As pessoas têm usado isto para todo o tipo de diversão.
12:45
(Laughter)
309
765260
7000
(Risos)
12:52
Actually, we're not going to have to talk,
310
772260
2000
Na verdade, nem é preciso falar,
12:54
we're just going to show you all the slides and remain silent.
311
774260
3000
vamos apenas mostrar-vos todos os slides e ficar calados.
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
Há vários tipos de frustração.
13:03
If you stub your toe, that's a one A "argh."
314
783260
3000
Se baterem com um dedo do pé, isso é um "ai" com um A.
13:06
If the planet Earth is annihilated by the Vogons
315
786260
2000
Se o planeta Terra for aniquilado pelos Vogons
13:08
to make room for an interstellar bypass,
316
788260
2000
para criar um desvio interestelar,
13:10
that's an eight A "aaaaaaaargh."
317
790260
2000
isso é um "aaaaaaaai" com oito A's.
13:12
This person studies all the "arghs,"
318
792260
2000
Esta pessoa estuda todos os "ais",
13:14
from one through eight A's.
319
794260
2000
entre um a oito A's.
13:16
And it turns out
320
796260
2000
Acontece que os "ais" menos frequentes
13:18
that the less-frequent "arghs"
321
798260
2000
13:20
are, of course, the ones that correspond to things that are more frustrating --
322
800260
3000
são os que correspondem a coisas mais frustrantes,
13:23
except, oddly, in the early 80s.
323
803260
3000
exceto, por incrível que pareça, nos princípios dos anos 80.
13:26
We think that might have something to do with Reagan.
324
806260
2000
Talvez tenha alguma coisa a ver com Reagan.
13:28
(Laughter)
325
808260
2000
(Risos)
13:30
JM: There are many usages of this data,
326
810260
3000
JM: Há muitas utilizações para estes dados,
13:33
but the bottom line is that the historical record is being digitized.
327
813260
3000
mas o mais importante é que está a ser digitalizado o registo histórico.
13:36
Google has started to digitize 15 million books.
328
816260
2000
A 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
São 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, há manuscritos, há jornais,
13:46
there's things that are not text, like art and paintings.
332
826260
2000
há coisas que não são textos, como arte e quadros.
13:48
These all happen to be on our computers,
333
828260
2000
Tudo isto está nos nossos computadores,
13:50
on computers across the world.
334
830260
2000
nos computadores de todo o mundo.
13:52
And when that happens, that will transform the way we have
335
832260
3000
Quando isso acontece, irá transformar a forma
13:55
to understand our past, our present and human culture.
336
835260
2000
como entendemos o 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 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