Your words may predict your future mental health | Mariano Sigman

802,510 views ・ 2016-06-16

TED


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

Tradutor: Andreia Pancho Revisora: Margarida Ferreira
00:13
We have historical records that allow us to know how the ancient Greeks dressed,
0
13006
5150
Nós temos registos históricos que nos permitem saber
como é que os gregos antigos se vestiam
00:18
how they lived,
1
18180
1254
como viviam, como lutavam...
00:19
how they fought ...
2
19458
1522
00:21
but how did they think?
3
21004
1524
Mas, como é que eles pensavam?
00:23
One natural idea is that the deepest aspects of human thought --
4
23432
4440
Uma ideia comum é de que
os aspetos mais profundos do pensamento humano
00:27
our ability to imagine,
5
27896
1872
— a nossa capacidade de imaginar,
00:29
to be conscious,
6
29792
1397
de ser consciente, de sonhar —
00:31
to dream --
7
31213
1231
00:32
have always been the same.
8
32468
1619
têm sido sempre os mesmos.
00:34
Another possibility
9
34872
1499
Outra possibilidade
00:36
is that the social transformations that have shaped our culture
10
36395
3723
é que as transformações sociais que modelaram a nossa cultura
00:40
may have also changed the structural columns of human thought.
11
40142
3785
podem ter, também, modificado as estruturas do pensamento humano.
00:44
We may all have different opinions about this.
12
44911
2524
Todos nós podemos ter opiniões diferentes sobre isto.
00:47
Actually, it's a long-standing philosophical debate.
13
47459
2717
Na verdade, é um debate filosófico de longa data.
00:50
But is this question even amenable to science?
14
50644
2727
Mas será que esta questão poderá ser tratada pela ciência?
00:54
Here I'd like to propose
15
54834
2506
Aqui, eu gostaria de propor que,
00:57
that in the same way we can reconstruct how the ancient Greek cities looked
16
57364
4772
da mesma forma que conseguimos reconstruir
como eram as antigas cidades gregas
01:02
just based on a few bricks,
17
62160
2388
com base apenas nalguns tijolos,
01:04
that the writings of a culture are the archaeological records,
18
64572
4126
as escritas de uma cultura são os registos arqueológicos,
01:08
the fossils, of human thought.
19
68722
2143
os fósseis do pensamento humano.
01:11
And in fact,
20
71905
1174
E, de facto,
01:13
doing some form of psychological analysis
21
73103
2206
ao realizar uma certa forma de análise psicológica
01:15
of some of the most ancient books of human culture,
22
75333
3544
de alguns dos livros mais antigos da cultura humana,
01:18
Julian Jaynes came up in the '70s with a very wild and radical hypothesis:
23
78901
5955
Julian Jaynes apresentou nos anos 70, uma hipótese louca e radical:
01:24
that only 3,000 years ago,
24
84880
2413
que há apenas 3000 anos,
01:27
humans were what today we would call schizophrenics.
25
87317
4888
os humanos eram o que, atualmente, chamaríamos de esquizofrénicos.
01:33
And he made this claim
26
93753
1508
E ele fez essa afirmação
01:35
based on the fact that the first humans described in these books
27
95285
3301
baseado no facto de que os primeiros humanos descritos nesses livros
01:38
behaved consistently,
28
98610
1904
comportavam-se de forma consistente,
01:40
in different traditions and in different places of the world,
29
100538
3016
em tradições diferentes e em lugares diferentes do mundo,
01:43
as if they were hearing and obeying voices
30
103578
3532
como se estivessem a ouvir e a obedecer a vozes
01:47
that they perceived as coming from the Gods,
31
107134
3040
que acreditavam vir dos Deuses,
01:50
or from the muses ...
32
110198
1198
ou das musas...
01:52
what today we would call hallucinations.
33
112063
2769
aquilo a que hoje chamaríamos alucinações.
01:55
And only then, as time went on,
34
115888
2626
E só depois, com o passar do tempo,
01:58
they began to recognize that they were the creators,
35
118538
3651
começaram a reconhecer que eles eram os criadores,
02:02
the owners of these inner voices.
36
122213
2515
os donos dessas vozes interiores.
02:05
And with this, they gained introspection:
37
125316
2715
E, com isso, adquiriram introspeção:
02:08
the ability to think about their own thoughts.
38
128055
2483
a capacidade de pensar sobre os próprios pensamentos.
02:11
So Jaynes's theory is that consciousness,
39
131785
3397
A teoria de Jaynes é de que a consciência
02:15
at least in the way we perceive it today,
40
135206
3166
— pelo menos da forma que a entendemos hoje,
02:18
where we feel that we are the pilots of our own existence --
41
138396
3540
em que sentimos que somos os pilotos de nossa própria existência —
02:21
is a quite recent cultural development.
42
141960
2737
é um desenvolvimento cultural bastante recente.
02:25
And this theory is quite spectacular,
43
145456
1786
Esta teoria é bastante espetacular, mas tem um problema óbvio
02:27
but it has an obvious problem
44
147266
1433
02:28
which is that it's built on just a few and very specific examples.
45
148723
3992
que é o facto de ser construída com base em poucos exemplos muito específicos.
02:33
So the question is whether the theory
46
153085
1763
Então, a questão é:
02:34
that introspection built up in human history only about 3,000 years ago
47
154872
4751
Poderá a teoria de que a introspeção
foi construída na história humana há 3000 anos
02:39
can be examined in a quantitative and objective manner.
48
159647
2984
ser examinada de uma maneira quantitativa e objetiva?
02:43
And the problem of how to go about this is quite obvious.
49
163543
3563
O problema de como fazer isso é bastante óbvio.
02:47
It's not like Plato woke up one day and then he wrote,
50
167130
3460
Não é como se Platão acordasse um dia e escrevesse:
02:50
"Hello, I'm Plato,
51
170614
1659
"Olá, eu sou Platão, e, a partir de hoje,
02:52
and as of today, I have a fully introspective consciousness."
52
172297
2889
"a minha consciência é totalmente introspetiva".
02:55
(Laughter)
53
175210
2293
(Risos)
02:57
And this tells us actually what is the essence of the problem.
54
177527
3333
Isto, na verdade, diz-nos qual é a essência do problema.
03:01
We need to find the emergence of a concept that's never said.
55
181467
4055
Precisamos de encontrar o aparecimento de um conceito nunca antes dito.
03:06
The word introspection does not appear a single time
56
186434
4310
A palavra introspeção não aparece uma única vez
03:10
in the books we want to analyze.
57
190768
1919
nos livros que queremos analisar.
03:13
So our way to solve this is to build the space of words.
58
193728
4087
Então, a nossa forma de resolver isso é construir o espaço das palavras.
03:18
This is a huge space that contains all words
59
198571
3287
Isto é um enorme espaço que contém todas as palavras
03:21
in such a way that the distance between any two of them
60
201882
2802
de tal modo que a distância entre quaisquer duas delas
03:24
is indicative of how closely related they are.
61
204708
2883
é indicativo do quão estreitamente elas estão relacionadas.
03:28
So for instance,
62
208460
1151
Por exemplo,
03:29
you want the words "dog" and "cat" to be very close together,
63
209635
2897
queremos que as palavras "cão" e "gato" estejam muito próximas,
03:32
but the words "grapefruit" and "logarithm" to be very far away.
64
212556
3831
mas as palavras "toranja" e "logaritmo" muito distantes.
03:36
And this has to be true for any two words within the space.
65
216809
3896
Isto tem que ser verdade para quaisquer duas palavras dentro do espaço.
03:41
And there are different ways that we can construct the space of words.
66
221626
3341
Há diferentes maneiras de construir o espaço das palavras.
03:44
One is just asking the experts,
67
224991
1643
Uma é apenas perguntar aos especialistas
03:46
a bit like we do with dictionaries.
68
226658
1896
um pouco como fazemos com os dicionários.
03:48
Another possibility
69
228896
1428
Outra possibilidade
03:50
is following the simple assumption that when two words are related,
70
230348
3715
é seguir o simples pressuposto de que, quando duas palavras estão relacionadas,
03:54
they tend to appear in the same sentences,
71
234087
2349
elas tendem a aparecer nas mesmas frases,
03:56
in the same paragraphs,
72
236460
1453
nos mesmos parágrafos, nos mesmos documentos,
03:57
in the same documents,
73
237937
1770
03:59
more often than would be expected just by pure chance.
74
239731
3182
mais frequentemente do que seria de esperar apenas por puro acaso.
04:04
And this simple hypothesis,
75
244231
2050
Esta simples hipótese, este simples método,
04:06
this simple method,
76
246305
1306
04:07
with some computational tricks
77
247635
1607
com alguns truques informáticos
04:09
that have to do with the fact
78
249266
1389
que têm a ver com o facto
04:10
that this is a very complex and high-dimensional space,
79
250679
3064
de que isto é um espaço muito complexo e altamente dimensional,
04:13
turns out to be quite effective.
80
253767
1665
acaba por ser bastante eficaz.
04:16
And just to give you a flavor of how well this works,
81
256155
2802
Só para vos dar uma amostra do quão bem isto funciona,
04:18
this is the result we get when we analyze this for some familiar words.
82
258981
3912
este é o resultado que temos quando analisamos algumas palavras conhecidas.
04:23
And you can see first
83
263607
1185
Primeiro, conseguimos ver
04:24
that words automatically organize into semantic neighborhoods.
84
264816
3278
que as palavras se organizam automaticamente
em grupos semânticos
04:28
So you get the fruits, the body parts,
85
268118
2217
Temos as frutas, as partes do corpo, as peças dos computadores,
04:30
the computer parts, the scientific terms and so on.
86
270359
2425
os termos científicos, e por aí fora.
04:33
The algorithm also identifies that we organize concepts in a hierarchy.
87
273119
4222
O algoritmo também identifica que organizamos os conceitos numa hierarquia.
04:37
So for instance,
88
277852
1151
Assim, por exemplo,
04:39
you can see that the scientific terms break down into two subcategories
89
279027
3597
vemos que os termos científicos dividem-se em duas subcategorias
04:42
of the astronomic and the physics terms.
90
282648
2100
dos termos físicos e astronómicos.
04:45
And then there are very fine things.
91
285338
2246
Depois, há descobertas muito interessantes.
04:47
For instance, the word astronomy,
92
287608
1905
Por exemplo, a palavra astronomia,
04:49
which seems a bit bizarre where it is,
93
289537
1815
que parece estar um pouco deslocada,
04:51
is actually exactly where it should be,
94
291376
2048
está, de facto, exatamente onde deveria estar,
04:53
between what it is,
95
293448
1595
entre o que é — uma ciência moderna —
04:55
an actual science,
96
295067
1270
04:56
and between what it describes,
97
296361
1536
e o que descreve — os termos astronómicos.
04:57
the astronomical terms.
98
297921
1492
05:00
And we could go on and on with this.
99
300182
1891
Poderíamos continuar com isto o dia todo.
05:02
Actually, if you stare at this for a while,
100
302097
2060
Se olharmos para isto durante algum tempo
05:04
and you just build random trajectories,
101
304181
1858
e construirmos trajetórias aleatórias,
05:06
you will see that it actually feels a bit like doing poetry.
102
306063
3166
veremos que se parece um pouco com fazer poesia.
05:10
And this is because, in a way,
103
310018
1882
Isto porque, de certa forma,
05:11
walking in this space is like walking in the mind.
104
311924
2940
caminhar no espaço é como caminhar na mente.
05:16
And the last thing
105
316027
1617
E a última coisa
05:17
is that this algorithm also identifies what are our intuitions,
106
317668
4040
é que este algoritmo também identifica quais são as nossas intuições
05:21
of which words should lead in the neighborhood of introspection.
107
321732
3896
de quais as palavras que devem liderar na vizinhança da introspeção.
05:25
So for instance,
108
325652
1223
Assim, por exemplo,
05:26
words such as "self," "guilt," "reason," "emotion,"
109
326899
3979
as palavras como "próprio", "culpa", "razão", "emoção"
05:30
are very close to "introspection,"
110
330902
1889
estão muito próximas de "introspeção".
05:32
but other words,
111
332815
1151
Mas outras palavras,
05:33
such as "red," "football," "candle," "banana,"
112
333990
2167
como "vermelho", "futebol", "vela", "banana",
05:36
are just very far away.
113
336181
1452
estão, simplesmente, muito distantes.
05:38
And so once we've built the space,
114
338054
2762
Então, assim que construímos o espaço,
05:40
the question of the history of introspection,
115
340840
2826
a questão da história da introspeção
05:43
or of the history of any concept
116
343690
2333
ou a história de qualquer conceito
05:46
which before could seem abstract and somehow vague,
117
346047
4779
que antes pareceria abstrata ou, de certa forma, vaga
05:50
becomes concrete --
118
350850
1604
torna-se concreta,
05:52
becomes amenable to quantitative science.
119
352478
2738
torna-se passível para a ciência quantitativa.
05:56
All that we have to do is take the books,
120
356216
2762
Tudo o que temos que fazer é pegar nos livros,
05:59
we digitize them,
121
359002
1381
digitalizá-los,
06:00
and we take this stream of words as a trajectory
122
360407
2809
pegar neste fluxo de palavras como uma trajetória
06:03
and project them into the space,
123
363240
1969
e projetá-las no espaço.
06:05
and then we ask whether this trajectory spends significant time
124
365233
3754
Depois perguntamos se esta trajetória despende tempo significativo
06:09
circling closely to the concept of introspection.
125
369011
2992
a circular perto do conceito de introspeção.
06:12
And with this,
126
372760
1196
E, com isto,
06:13
we could analyze the history of introspection
127
373980
2112
podemos analisar a história da introspeção na tradição da Grécia antiga.
06:16
in the ancient Greek tradition,
128
376116
1921
06:18
for which we have the best available written record.
129
378061
2602
para a qual temos os melhores registos escritos disponíveis.
06:21
So what we did is we took all the books --
130
381631
2255
O que fizemos, então, foi pegar em todos os livros,
06:23
we just ordered them by time --
131
383910
2284
e ordenámo-los pelo tempo
06:26
for each book we take the words
132
386218
1752
— para cada livro, pegamos nas palavras e projetamo-las no espaço.
06:27
and we project them to the space,
133
387994
1961
06:29
and then we ask for each word how close it is to introspection,
134
389979
3032
Depois, perguntamos, para cada palavra,
o quão próxima está da introspeção e fazemos uma média disso.
06:33
and we just average that.
135
393035
1230
06:34
And then we ask whether, as time goes on and on,
136
394590
3198
Depois perguntamos, à medida que o tempo passa,
06:37
these books get closer, and closer and closer
137
397812
3252
se estes livros se aproximam cada vez mais
do conceito de introspeção.
06:41
to the concept of introspection.
138
401088
1754
06:42
And this is exactly what happens in the ancient Greek tradition.
139
402866
3801
Isto é, exatamente, o que acontece na tradição da Grécia antiga.
06:47
So you can see that for the oldest books in the Homeric tradition,
140
407698
3127
Vemos que, para os livros mais antigos na tradição homérica,
06:50
there is a small increase with books getting closer to introspection.
141
410849
3412
há um pequeno aumento de livros a chegarem mais perto da introspeção.
06:54
But about four centuries before Christ,
142
414285
2206
Mas cerca de quatro séculos antes de Cristo,
06:56
this starts ramping up very rapidly to an almost five-fold increase
143
416515
4708
isto começou aumentar rapidamente até quase a um aumento quíntuplo
07:01
of books getting closer, and closer and closer
144
421247
2500
de livros a ficarem cada vez mais perto
07:03
to the concept of introspection.
145
423771
1682
do conceito de introspeção.
07:06
And one of the nice things about this
146
426159
2424
Uma das melhores coisas disto
07:08
is that now we can ask
147
428607
1198
é que agora podemos perguntar
07:09
whether this is also true in a different, independent tradition.
148
429829
4147
se isto também é verdade, numa tradição diferente e independente.
07:14
So we just ran this same analysis on the Judeo-Christian tradition,
149
434962
3176
Então, fizemos esta mesma análise
na tradição judaico-cristã
07:18
and we got virtually the same pattern.
150
438162
2721
e, obtivemos, praticamente o mesmo padrão.
07:21
Again, you see a small increase for the oldest books in the Old Testament,
151
441548
4635
Novamente, vemos um pequeno aumento
dos livros antigos do Velho Testamento.
07:26
and then it increases much more rapidly
152
446207
1914
Depois, aumenta muito rapidamente
07:28
in the new books of the New Testament.
153
448145
1839
nos novos livros do Novo Testamento.
07:30
And then we get the peak of introspection
154
450008
2032
E, assim, temos o pico da introspeção
07:32
in "The Confessions of Saint Augustine,"
155
452064
2127
nas "Confissões de Santo Agostinho",
07:34
about four centuries after Christ.
156
454215
1857
cerca de quatro séculos depois de Cristo.
07:36
And this was very important,
157
456897
1944
Isto foi muito importante,
07:38
because Saint Augustine had been recognized by scholars,
158
458865
3373
porque Santo Agostinho tinha sido reconhecido por académicos,
07:42
philologists, historians,
159
462262
2172
filólogos e historiadores
07:44
as one of the founders of introspection.
160
464458
2078
como um dos criadores da introspeção.
Na realidade, alguns acreditam que ele foi o pai da psicologia moderna.
07:47
Actually, some believe him to be the father of modern psychology.
161
467060
3297
Então, o nosso algoritmo
07:51
So our algorithm,
162
471012
1839
07:52
which has the virtue of being quantitative,
163
472875
2842
que tem a virtude de ser quantitativo, de ser objetivo,
07:55
of being objective,
164
475741
1263
e, claro, de ser extremamente rápido
07:57
and of course of being extremely fast --
165
477028
2016
07:59
it just runs in a fraction of a second --
166
479068
2397
— corre apenas numa fração de segundo —
08:01
can capture some of the most important conclusions
167
481489
3503
consegue captar algumas das conclusões mais importantes
08:05
of this long tradition of investigation.
168
485016
2222
desta longa tradição de investigação.
08:08
And this is in a way one of the beauties of science,
169
488317
3651
Isto é, de certa forma, uma das belezas da ciência,
08:11
which is that now this idea can be translated
170
491992
3476
que é de que esta ideia agora pode ser traduzida
08:15
and generalized to a whole lot of different domains.
171
495492
2571
e generalizada a um conjunto total de diferentes domínios.
08:18
So in the same way that we asked about the past of human consciousness,
172
498769
4767
Então, da mesma forma que nos questionámos
sobre o passado da consciência humana,
08:23
maybe the most challenging question we can pose to ourselves
173
503560
3406
talvez a pergunta mais desafiante que podemos fazer a nós próprios
08:26
is whether this can tell us something about the future of our own consciousness.
174
506990
4137
é se isto nos consegue dizer algo sobre o futuro da nossa consciência.
08:31
To put it more precisely,
175
511550
1470
Mais precisamente,
08:33
whether the words we say today
176
513044
2416
se as palavras que dizemos hoje
08:35
can tell us something of where our minds will be in a few days,
177
515484
5197
nos podem dizer algo sobre onde as nossas mentes estarão
daqui a alguns dias, daqui a alguns meses,
08:40
in a few months
178
520705
1151
08:41
or a few years from now.
179
521880
1182
ou daqui a alguns anos.
08:43
And in the same way many of us are now wearing sensors
180
523597
3020
Da mesma forma que agora alguns de nós usamos sensores
08:46
that detect our heart rate,
181
526641
1786
que detetam a nossa pulsação, a nossa respiração,
08:48
our respiration,
182
528451
1269
08:49
our genes,
183
529744
1667
os nossos genes,
08:51
on the hopes that this may help us prevent diseases,
184
531435
3651
na esperança que isso nos ajude a evitar doenças,
08:55
we can ask whether monitoring and analyzing the words we speak,
185
535110
3521
podemos perguntar se monitorizar e analisar
as palavras que proferimos, as que usamos no twitter e e-mail e as que escrevemos
08:58
we tweet, we email, we write,
186
538655
2683
09:01
can tell us ahead of time whether something may go wrong with our minds.
187
541362
4808
nos podem dizer, à partida, se algo poderá correr mal com as nossas mentes.
Com Guillermo Cecchi,
09:07
And with Guillermo Cecchi,
188
547087
1534
09:08
who has been my brother in this adventure,
189
548645
3001
— que tem sido meu irmão nesta aventura —
09:11
we took on this task.
190
551670
1555
aceitámos esta tarefa.
09:14
And we did so by analyzing the recorded speech of 34 young people
191
554228
5532
Fizemo-lo através da análise do discurso gravado de 34 jovens
09:19
who were at a high risk of developing schizophrenia.
192
559784
2801
que estavam com um risco elevado de desenvolver esquizofrenia.
09:23
And so what we did is, we measured speech at day one,
193
563434
2881
O que fizemos foi medir o discurso no primeiro dia.
09:26
and then we asked whether the properties of the speech could predict,
194
566339
3242
Depois, perguntámos se as propriedades do discurso podiam prever,
09:29
within a window of almost three years,
195
569605
2496
no espaço de três anos,
o desenvolvimento futuro de uma psicose.
09:32
the future development of psychosis.
196
572125
2035
09:35
But despite our hopes,
197
575427
2366
Mas, apesar das nossas esperanças,
09:37
we got failure after failure.
198
577817
3117
tivemos fracasso atrás de fracasso.
09:41
There was just not enough information in semantics
199
581793
3882
Simplesmente não existia informação suficiente na semântica
09:45
to predict the future organization of the mind.
200
585699
2793
para prever a organização futura da mente.
09:48
It was good enough
201
588516
1809
Serviu bastante bem
09:50
to distinguish between a group of schizophrenics and a control group,
202
590349
4175
para distinguir entre um grupo de esquizofrénicos e um de controlo
09:54
a bit like we had done for the ancient texts,
203
594548
2712
— um pouco como fizemos com os textos antigos —
09:57
but not to predict the future onset of psychosis.
204
597284
2994
mas não para prever o futuro início de uma psicose.
10:01
But then we realized
205
601164
1706
Então, apercebemo-nos
10:02
that maybe the most important thing was not so much what they were saying,
206
602894
4088
de que talvez a coisa mais importante
não era tanto o que diziam,
10:07
but how they were saying it.
207
607006
1673
mas sim como o diziam.
10:09
More specifically,
208
609679
1220
Mais especificamente,
10:10
it was not in which semantic neighborhoods the words were,
209
610923
2827
não era em que vizinhanças semânticas as palavras estavam,
10:13
but how far and fast they jumped
210
613774
2600
mas quão rápido e longe saltavam de uma vizinhança semântica para outra.
10:16
from one semantic neighborhood to the other one.
211
616398
2301
10:19
And so we came up with this measure,
212
619247
1731
Assim, chegámos a esta medida que definimos de "coerência semântica",
10:21
which we termed semantic coherence,
213
621002
2389
10:23
which essentially measures the persistence of speech within one semantic topic,
214
623415
4804
que mede, essencialmente, a persistência do discurso
dentro de um tópico semântico,
10:28
within one semantic category.
215
628243
1529
dentro de uma categoria semântica.
10:31
And it turned out to be that for this group of 34 people,
216
631294
4047
Aconteceu que, para este grupo de 34 pessoas,
10:35
the algorithm based on semantic coherence could predict,
217
635365
3659
o algoritmo baseado na coerência semântica
conseguiu prever, com 100% de precisão,
10:39
with 100 percent accuracy,
218
639048
2500
10:41
who developed psychosis and who will not.
219
641572
2507
quem desenvolveu uma psicose e quem não a desenvolveu.
10:44
And this was something that could not be achieved --
220
644976
2937
Isto foi algo que não poderia ser alcançado, nem de perto,
10:47
not even close --
221
647937
1508
10:49
with all the other existing clinical measures.
222
649469
3126
com qualquer outra medida clínica existente.
10:54
And I remember vividly, while I was working on this,
223
654525
3579
Lembro-me vividamente, enquanto estava a trabalhar nisto,
10:58
I was sitting at my computer
224
658128
2317
que estava sentado ao computador
11:00
and I saw a bunch of tweets by Polo --
225
660469
2635
e vi uns tweets do Polo.
11:03
Polo had been my first student back in Buenos Aires,
226
663128
3167
Polo foi o meu primeiro aluno em Buenos Aires,
11:06
and at the time he was living in New York.
227
666319
2070
e nessa altura ele vivia em Nova Iorque.
11:08
And there was something in this tweets --
228
668413
2088
Havia algo nos seus tweets...
11:10
I could not tell exactly what because nothing was said explicitly --
229
670525
3501
Não conseguia dizer exatamente o quê porque nada era dito explicitamente,
11:14
but I got this strong hunch,
230
674050
2021
mas tive um forte pressentimento,
11:16
this strong intuition, that something was going wrong.
231
676095
2955
uma forte intuição de que algo estava a correr mal.
11:20
So I picked up the phone, and I called Polo,
232
680347
2723
Então, peguei no telefone e liguei para o Polo.
11:23
and in fact he was not feeling well.
233
683094
1919
De facto, ele não se estava a sentir bem.
11:25
And this simple fact,
234
685362
1937
Este simples facto de, ao ler nas entrelinhas,
11:27
that reading in between the lines,
235
687323
2491
eu ter conseguido sentir
11:29
I could sense, through words, his feelings,
236
689838
4262
os sentimentos dele, através das palavras,
11:34
was a simple, but very effective way to help.
237
694124
2619
foi uma forma simples mas muito eficaz de ajudar.
11:37
What I tell you today
238
697987
1638
O que vos digo hoje
11:39
is that we're getting close to understanding
239
699649
2508
é que estamos perto de entender
11:42
how we can convert this intuition that we all have,
240
702181
4286
como podemos converter esta intuição que todos temos,
11:46
that we all share,
241
706491
1365
que todos partilhamos,
11:47
into an algorithm.
242
707880
1197
num algoritmo.
11:50
And in doing so,
243
710102
1461
E ao fazê-lo,
11:51
we may be seeing in the future a very different form of mental health,
244
711587
4650
poderemos ver, no futuro, uma forma muito diferente de saúde mental,
11:56
based on objective, quantitative and automated analysis
245
716261
5621
baseada na análise objetiva, quantitativa e automatizada
12:01
of the words we write,
246
721906
1709
das palavras que escrevemos, das palavras que proferimos.
12:03
of the words we say.
247
723639
1537
12:05
Gracias.
248
725200
1151
Gracias.
12:06
(Applause)
249
726375
6883
(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