What we learned from 5 million books

236,151 views ・ 2011-09-20

TED


Pre spustenie videa dvakrát kliknite na anglické titulky nižšie.

Translator: Martin Savko Reviewer: Martin Francis Gilbert Máik
00:15
Erez Lieberman Aiden: Everyone knows
0
15260
2000
Erez Lieberman Aiden: Každý vie,
00:17
that a picture is worth a thousand words.
1
17260
3000
že obrázok je hoden tisíc slov.
00:22
But we at Harvard
2
22260
2000
Ale my na Harvarde
00:24
were wondering if this was really true.
3
24260
3000
sme sa zamysleli, či je to naozaj pravda.
00:27
(Laughter)
4
27260
2000
(Smiech)
00:29
So we assembled a team of experts,
5
29260
4000
Zhromaždili sme teda tím odborníkov
00:33
spanning Harvard, MIT,
6
33260
2000
z Harvardu, MIT,
00:35
The American Heritage Dictionary, The Encyclopedia Britannica
7
35260
3000
The American Heritage Dictionary, Encyklopédie Britannica
00:38
and even our proud sponsors,
8
38260
2000
a aj od našich hrdých sponzorov
00:40
the Google.
9
40260
3000
z Googlu.
00:43
And we cogitated about this
10
43260
2000
A uvažovali sme o tom
00:45
for about four years.
11
45260
2000
asi štyri roky.
00:47
And we came to a startling conclusion.
12
47260
5000
A došli sme k prekvapujúcemu záveru.
00:52
Ladies and gentlemen, a picture is not worth a thousand words.
13
52260
3000
Dámy a páni, obrázok nie je hoden tísíc slov.
00:55
In fact, we found some pictures
14
55260
2000
V skutočnosti sme našli obrázky
00:57
that are worth 500 billion words.
15
57260
5000
hodné 500 miliárd slov.
01:02
Jean-Baptiste Michel: So how did we get to this conclusion?
16
62260
2000
Jean-Baptiste Michel: Takže, ako sme dospeli k tomuto záveru?
01:04
So Erez and I were thinking about ways
17
64260
2000
Erez a ja sme premýšľali o cestách
01:06
to get a big picture of human culture
18
66260
2000
k získaniu celistvého obrazu o ľudskej kultúre
01:08
and human history: change over time.
19
68260
3000
a ľudskej histórii: ich zmenách v priebehu času.
01:11
So many books actually have been written over the years.
20
71260
2000
Tak veľa kníh bolo napísaných za všetky tie roky.
01:13
So we were thinking, well the best way to learn from them
21
73260
2000
Takže sme si pomysleli: najlepší spôsob, ako sa z nich poučiť,
01:15
is to read all of these millions of books.
22
75260
2000
je prečítať všetky tieto milióny kníh.
01:17
Now of course, if there's a scale for how awesome that is,
23
77260
3000
Samozrejme, ak si predstavíme mieru úžasnosti niečoho takého,
01:20
that has to rank extremely, extremely high.
24
80260
3000
toto musí bodovať veľmi, veľmi vysoko.
01:23
Now the problem is there's an X-axis for that,
25
83260
2000
Problém je, že k tomu prislúcha aj X-ová os -
01:25
which is the practical axis.
26
85260
2000
os praktičnosti.
01:27
This is very, very low.
27
87260
2000
Toto je veľmi, veľmi nízko.
01:29
(Applause)
28
89260
3000
(Potlesk)
01:32
Now people tend to use an alternative approach,
29
92260
3000
Ľudia zvyknú používať alternatívny prístup,
01:35
which is to take a few sources and read them very carefully.
30
95260
2000
vyberú zopár prameňov a prečítajú ich veľmi pozorne.
01:37
This is extremely practical, but not so awesome.
31
97260
2000
Toto je veľmi praktické, ale nie až také úžasné.
01:39
What you really want to do
32
99260
3000
Čo naozaj chcete dosiahnuť,
01:42
is to get to the awesome yet practical part of this space.
33
102260
3000
je umiestniť sa do úžasnej, ešte však praktickej časti tohto priestoru.
01:45
So it turns out there was a company across the river called Google
34
105260
3000
Tak sa stalo, že kúsok cez rieku bola spoločnosť nazývaná Google,
01:48
who had started a digitization project a few years back
35
108260
2000
ktorá pred pár rokmi začala digitalizačný projekt,
01:50
that might just enable this approach.
36
110260
2000
ktorý by akurát mohol umožniť takýto prístup.
01:52
They have digitized millions of books.
37
112260
2000
Digitalizovali milióny kníh.
01:54
So what that means is, one could use computational methods
38
114260
3000
To znamená, že je možné použiť výpočtové metódy
01:57
to read all of the books in a click of a button.
39
117260
2000
na čítanie všetkých týchto kníh stlačením klávesy.
01:59
That's very practical and extremely awesome.
40
119260
3000
To je veľmi praktické a extrémne úžasné.
02:03
ELA: Let me tell you a little bit about where books come from.
41
123260
2000
ELA: Dovoľte mi rozpovedať vám o tom, odkiaľ knihy prichádzajú.
02:05
Since time immemorial, there have been authors.
42
125260
3000
Od nepamäti existovali spisovatelia.
02:08
These authors have been striving to write books.
43
128260
3000
Títo spisovatelia sa snažili písať kníhy.
02:11
And this became considerably easier
44
131260
2000
A to sa im významne zjednodušilo
02:13
with the development of the printing press some centuries ago.
45
133260
2000
s rozvojom kníhtlače pred niekoľkými storočiami.
02:15
Since then, the authors have won
46
135260
3000
Odvtedy sa spisovateľom podarilo,
02:18
on 129 million distinct occasions,
47
138260
2000
pri 129 miliónoch rôznych príležitostiach,
02:20
publishing books.
48
140260
2000
vydať knihu.
02:22
Now if those books are not lost to history,
49
142260
2000
Ak sa tieto knihy nestratili v prúde času,
02:24
then they are somewhere in a library,
50
144260
2000
potom sú niekde v nejakej knižnici,
02:26
and many of those books have been getting retrieved from the libraries
51
146260
3000
a mnoho z týchto kníh bolo získaných z týchto knižníc
02:29
and digitized by Google,
52
149260
2000
a digitalizovaných v Google,
02:31
which has scanned 15 million books to date.
53
151260
2000
ktorý doteraz oskenoval 15 miliónov kníh.
02:33
Now when Google digitizes a book, they put it into a really nice format.
54
153260
3000
Keď Google digitalizuje knihu, uložia ju do ozaj pekného formátu.
02:36
Now we've got the data, plus we have metadata.
55
156260
2000
Máme dáta a navyše máme aj metadáta.
02:38
We have information about things like where was it published,
56
158260
3000
Máme informácie o veciach ako je miesto vydania,
02:41
who was the author, when was it published.
57
161260
2000
autor, obdobie vydania.
02:43
And what we do is go through all of those records
58
163260
3000
A naša činnosť potom spočíva v prehliadaní týchto záznamov
02:46
and exclude everything that's not the highest quality data.
59
166260
4000
a vylúčení všetkého, okrem dát najvyššej kvality.
02:50
What we're left with
60
170260
2000
Čo nám zostane,
02:52
is a collection of five million books,
61
172260
3000
je súbor piatich miliónov kníh,
02:55
500 billion words,
62
175260
3000
500 miliárd slov,
02:58
a string of characters a thousand times longer
63
178260
2000
reťazec znakov tisíckrát dlhší
03:00
than the human genome --
64
180260
3000
než ľudský genóm --
03:03
a text which, when written out,
65
183260
2000
text, ktorý, ak by sme ho napísali,
03:05
would stretch from here to the Moon and back
66
185260
2000
by sa tiahol odtiaľ na Mesiac a späť
03:07
10 times over --
67
187260
2000
10 krát --
03:09
a veritable shard of our cultural genome.
68
189260
4000
ozajstný úlomok nášho kultúrneho genómu.
03:13
Of course what we did
69
193260
2000
Samozrejme, čo sme urobili,
03:15
when faced with such outrageous hyperbole ...
70
195260
3000
čeliac takejto hroznej hyperbole ...
03:18
(Laughter)
71
198260
2000
(Smiech)
03:20
was what any self-respecting researchers
72
200260
3000
sme urobili to, čo
03:23
would have done.
73
203260
3000
by býval urobil každý výskumník so štipkou sebaúcty.
03:26
We took a page out of XKCD,
74
206260
2000
Vybrali sme stránku z XKCD,
03:28
and we said, "Stand back.
75
208260
2000
a riekli, "Ustúp.
03:30
We're going to try science."
76
210260
2000
Ideme vyskúšať vedu."
03:32
(Laughter)
77
212260
2000
(Smiech)
03:34
JM: Now of course, we were thinking,
78
214260
2000
JM: Samozrejme, uvažovali sme,
03:36
well let's just first put the data out there
79
216260
2000
skúsme my len najprv zverejniť dáta,
03:38
for people to do science to it.
80
218260
2000
pre ostatných nech si na tom robia vedu.
03:40
Now we're thinking, what data can we release?
81
220260
2000
A tak uvažujeme, ktoré dáta môžeme zverejniť?
03:42
Well of course, you want to take the books
82
222260
2000
Samozrejme, chcete vziať knihy
03:44
and release the full text of these five million books.
83
224260
2000
a vydať plný text týchto piatich miliónov kníh.
03:46
Now Google, and Jon Orwant in particular,
84
226260
2000
Google a osobitne Jon Orwant,
03:48
told us a little equation that we should learn.
85
228260
2000
nám ukázali malú rovnicu, ktorú sme sa museli naučiť.
03:50
So you have five million, that is, five million authors
86
230260
3000
Vezmite päť miliónov kníh, to znamená päť miliónov autorov
03:53
and five million plaintiffs is a massive lawsuit.
87
233260
3000
a päť miliónov žalobcov a máte masívny súdny proces.
03:56
So, although that would be really, really awesome,
88
236260
2000
Takže, aj keď by to bolo veľmi, veľmi úžasné,
03:58
again, that's extremely, extremely impractical.
89
238260
3000
opäť, extrémne, extrémne nepraktické.
04:01
(Laughter)
90
241260
2000
(Smiech)
04:03
Now again, we kind of caved in,
91
243260
2000
Opäť sme to svojim spôsobom vyriešili
04:05
and we did the very practical approach, which was a bit less awesome.
92
245260
3000
a zvolili sme veľmi praktický prístup, ktorý bol o kúsok menej úžasný.
04:08
We said, well instead of releasing the full text,
93
248260
2000
Povedali sme si, namiesto zverejnenia plného textu
04:10
we're going to release statistics about the books.
94
250260
2000
zverejníme štatistické informácie o knihách.
04:12
So take for instance "A gleam of happiness."
95
252260
2000
Napríklad "A gleam of happiness" ("Záblesk šťastia").
04:14
It's four words; we call that a four-gram.
96
254260
2000
To sú štyri slová: nazývame to štyr-gram.
04:16
We're going to tell you how many times a particular four-gram
97
256260
2000
Povieme vám, koľkokrát sa určitý štyr-gram
04:18
appeared in books in 1801, 1802, 1803,
98
258260
2000
objavuje v knihách v rokoch 1801, 1802, 1803,
04:20
all the way up to 2008.
99
260260
2000
až do roku 2008.
04:22
That gives us a time series
100
262260
2000
To nám dáva časovú závislosť
04:24
of how frequently this particular sentence was used over time.
101
264260
2000
frekvencie použitia určitej vety v priebehu času.
04:26
We do that for all the words and phrases that appear in those books,
102
266260
3000
Urobíme to pre všetky slová a frázy, ktoré sa objavujú v týchto knihách
04:29
and that gives us a big table of two billion lines
103
269260
3000
a to nám dáva veľkú tabuľku s dvoma miliardami riadkov,
04:32
that tell us about the way culture has been changing.
104
272260
2000
ktorá nám hovorí a cestách kultúrnych zmien.
04:34
ELA: So those two billion lines,
105
274260
2000
ELA: Teda tie dve miliardy riadkov,
04:36
we call them two billion n-grams.
106
276260
2000
nazývame ich dve miliardy n-gramov.
04:38
What do they tell us?
107
278260
2000
Čo nám hovoria?
04:40
Well the individual n-grams measure cultural trends.
108
280260
2000
Individuálne n-gramy sú mierou kultúrnych trendov.
04:42
Let me give you an example.
109
282260
2000
Dovoľte mi uviesť vám jeden príklad.
04:44
Let's suppose that I am thriving,
110
284260
2000
Predpokladajme, že je mi skvele,
04:46
then tomorrow I want to tell you about how well I did.
111
286260
2000
a potom zajtra vám chcem povedať, ako dobre mi bolo.
04:48
And so I might say, "Yesterday, I throve."
112
288260
3000
A teda by som mohol povedať "Včera som si voľkal."
04:51
Alternatively, I could say, "Yesterday, I thrived."
113
291260
3000
Alternatívne by som mohol povedať "Včara som sa tešil."
04:54
Well which one should I use?
114
294260
3000
Ktorý z nich by som mal použiť?
04:57
How to know?
115
297260
2000
Ako sa rozhodnúť?
04:59
As of about six months ago,
116
299260
2000
Už približne šesť mesiacov
05:01
the state of the art in this field
117
301260
2000
špičkový prístup v tejto oblasti
05:03
is that you would, for instance,
118
303260
2000
je, že by ste, napríklad,
05:05
go up to the following psychologist with fabulous hair,
119
305260
2000
navštívili nasledujúceho psychológa s úžasným účesom,
05:07
and you'd say,
120
307260
2000
a riekli by ste,
05:09
"Steve, you're an expert on the irregular verbs.
121
309260
3000
"Steve, vy ste expert na nepravidelné slovesá.
05:12
What should I do?"
122
312260
2000
Čo by som mal robiť?"
05:14
And he'd tell you, "Well most people say thrived,
123
314260
2000
A on by vám povedal, "Väčšina ľudí hovorí tešiť sa,
05:16
but some people say throve."
124
316260
3000
ale niektorí ľudia hovoria voľkať si."
05:19
And you also knew, more or less,
125
319260
2000
A tiež ste vedeli, viac-menej,
05:21
that if you were to go back in time 200 years
126
321260
3000
že, ak by ste sa presunuli späť v čase o 200 rokov
05:24
and ask the following statesman with equally fabulous hair,
127
324260
3000
a opýtali sa nasledujúceho štátnika s rovnako úžasným účesom:
05:27
(Laughter)
128
327260
3000
(Smiech)
05:30
"Tom, what should I say?"
129
330260
2000
"Tom, čo by som mal povedať?"
05:32
He'd say, "Well, in my day, most people throve,
130
332260
2000
On by odpovedal, "Za mojich čias, väčšina ľudí používala voľkať si,
05:34
but some thrived."
131
334260
3000
no niektorí používali tešiť sa."
05:37
So now what I'm just going to show you is raw data.
132
337260
2000
Takže to, čo vám teraz ukážem sú iba holé dáta.
05:39
Two rows from this table of two billion entries.
133
339260
4000
Dva riadky z tabuľky s dvoma miliardami záznamov.
05:43
What you're seeing is year by year frequency
134
343260
2000
To, čo vidíte je frekvencia výskytu, rok za rokom,
05:45
of "thrived" and "throve" over time.
135
345260
3000
"tešiť sa" a "voľkať si" v priebehu času.
05:49
Now this is just two
136
349260
2000
Toto sú iba dva
05:51
out of two billion rows.
137
351260
3000
z dvoch miliárd riadkov.
05:54
So the entire data set
138
354260
2000
Takže, celý set dát
05:56
is a billion times more awesome than this slide.
139
356260
3000
je miliardukrát úžasnejší než tento obrázok.
05:59
(Laughter)
140
359260
2000
(Smiech)
06:01
(Applause)
141
361260
4000
(Potlesk)
06:05
JM: Now there are many other pictures that are worth 500 billion words.
142
365260
2000
JM: Je mnoho ďalších obrázkov, ktoré sú hodné 500 miliárd slov.
06:07
For instance, this one.
143
367260
2000
Napríklad tento.
06:09
If you just take influenza,
144
369260
2000
Ak vezmete slovo influenza,
06:11
you will see peaks at the time where you knew
145
371260
2000
spozorujete zvýšený výskyt v časoch, o ktorých je známe,
06:13
big flu epidemics were killing people around the globe.
146
373260
3000
že chrípkové epidémie práve zabíjali ľudí po svete.
06:16
ELA: If you were not yet convinced,
147
376260
3000
ELA: Ak ešte nie ste presvedčení,
06:19
sea levels are rising,
148
379260
2000
hladiny morí stúpajú,
06:21
so is atmospheric CO2 and global temperature.
149
381260
3000
rovnako aj atmosférický CO2 a globálna teplota.
06:24
JM: You might also want to have a look at this particular n-gram,
150
384260
3000
JM: Mohol by vás zaujímať aj tento partikulárny n-gram,
06:27
and that's to tell Nietzsche that God is not dead,
151
387260
3000
ktorý Nietzschemu hovorí, že Boh nie je mŕtvy,
06:30
although you might agree that he might need a better publicist.
152
390260
3000
aj keď by ste mohli súhlasiť, že by sa mu hodil lepší PR manažér.
06:33
(Laughter)
153
393260
2000
(Smiech)
06:35
ELA: You can get at some pretty abstract concepts with this sort of thing.
154
395260
3000
ELA: S touto vecičkou môžete dospieť k pekne abstraktným konceptom.
06:38
For instance, let me tell you the history
155
398260
2000
Napríklad, dovoľte mi rozpovedať vám históriu
06:40
of the year 1950.
156
400260
2000
roku 1950.
06:42
Pretty much for the vast majority of history,
157
402260
2000
Podstatnú väčšinu dejín,
06:44
no one gave a damn about 1950.
158
404260
2000
nikto na rok 1950 ani nekýchol
06:46
In 1700, in 1800, in 1900,
159
406260
2000
v rokoch 1700, 1800, 1900,
06:48
no one cared.
160
408260
3000
nik sa nezaujímal.
06:52
Through the 30s and 40s,
161
412260
2000
V priebehu 30-tych a 40-tych,
06:54
no one cared.
162
414260
2000
sa nik nezaujímal.
06:56
Suddenly, in the mid-40s,
163
416260
2000
Zrazu, v polovici 40-tych
06:58
there started to be a buzz.
164
418260
2000
nastal šum.
07:00
People realized that 1950 was going to happen,
165
420260
2000
Ľudia si uvedomili, že rok 1950 prichádza
07:02
and it could be big.
166
422260
2000
a mohol by byť veľkolepý.
07:04
(Laughter)
167
424260
3000
(Smiech)
07:07
But nothing got people interested in 1950
168
427260
3000
Avšak nič ľudí nezaujalo počas roku 1950,
07:10
like the year 1950.
169
430260
3000
tak, ako rok 1950.
07:13
(Laughter)
170
433260
3000
(Smiech)
07:16
People were walking around obsessed.
171
436260
2000
Ľudia chodili ako posadnutí.
07:18
They couldn't stop talking
172
438260
2000
Nemohli prestať hovoriť
07:20
about all the things they did in 1950,
173
440260
3000
o všetkom, čo robili počas roku 1950,
07:23
all the things they were planning to do in 1950,
174
443260
3000
všetkom, čo plánovali robiť v roku 1950,
07:26
all the dreams of what they wanted to accomplish in 1950.
175
446260
5000
všetkých snoch, ktoré si chceli splniť v roku 1950.
07:31
In fact, 1950 was so fascinating
176
451260
2000
Fakticky, rok 1950 bol taký fascinujúci,
07:33
that for years thereafter,
177
453260
2000
že celé roky potom
07:35
people just kept talking about all the amazing things that happened,
178
455260
3000
ľudia jednoducho ďalej hovorili o všetkých úžasných veciach, ktoré sa udiali.
07:38
in '51, '52, '53.
179
458260
2000
v rokoch 51, 52, 53.
07:40
Finally in 1954,
180
460260
2000
Konečne, v roku 1954
07:42
someone woke up and realized
181
462260
2000
sa ktosi prebral a nahliadol,
07:44
that 1950 had gotten somewhat passé.
182
464260
4000
že rok 1950 je akosi passé.
07:48
(Laughter)
183
468260
2000
(Smiech)
07:50
And just like that, the bubble burst.
184
470260
2000
A takto bublina spľasla.
07:52
(Laughter)
185
472260
2000
(Smiech)
07:54
And the story of 1950
186
474260
2000
A príbeh roku 1950,
07:56
is the story of every year that we have on record,
187
476260
2000
je príbehom každého roku, o ktorom máme záznamy.
07:58
with a little twist, because now we've got these nice charts.
188
478260
3000
s malým háčikom, pretože teraz máme tieto pekné tabuľky.
08:01
And because we have these nice charts, we can measure things.
189
481260
3000
A pretože máme tieto pekné tabuľky, môžeme veci merať.
08:04
We can say, "Well how fast does the bubble burst?"
190
484260
2000
Môžeme sa opýtať: "Hm, ako rýchlo bublina spľasne?"
08:06
And it turns out that we can measure that very precisely.
191
486260
3000
A ukazuje sa, že to môžeme merať veľmi presne.
08:09
Equations were derived, graphs were produced,
192
489260
3000
Rovnice boli odvodené, grafy vytvorené,
08:12
and the net result
193
492260
2000
a výsledok je,
08:14
is that we find that the bubble bursts faster and faster
194
494260
3000
že bubliny spľasnú rýchlejšie a rýchlejšie
08:17
with each passing year.
195
497260
2000
každým odchádzajúcim rokom.
08:19
We are losing interest in the past more rapidly.
196
499260
5000
Záujem o minulosť strácame rýchlejšie.
08:24
JM: Now a little piece of career advice.
197
504260
2000
JM: Teraz malá rada ku kariérnemu rastu.
08:26
So for those of you who seek to be famous,
198
506260
2000
Takže pre tých z vás, ktorí chcú byť slávni,
08:28
we can learn from the 25 most famous political figures,
199
508260
2000
sa môžeme poučiť od 25 najznámejších politikov,
08:30
authors, actors and so on.
200
510260
2000
spisovateľov, hercov a tak ďalej.
08:32
So if you want to become famous early on, you should be an actor,
201
512260
3000
Takže ak sa chcete stať slávnym čo najskôr, mali by ste byť hercom,
08:35
because then fame starts rising by the end of your 20s --
202
515260
2000
pretože potom vaša sláva začne rásť ešte pred tridsiatkou --
08:37
you're still young, it's really great.
203
517260
2000
ste ešte mladý, je to ozaj super.
08:39
Now if you can wait a little bit, you should be an author,
204
519260
2000
Ak môžete chvíľu počkať, staňte sa spisovateľom,
08:41
because then you rise to very great heights,
205
521260
2000
pretože potom môžete dosiahnuť k výšinám,
08:43
like Mark Twain, for instance: extremely famous.
206
523260
2000
ako Mark Twain, napríklad: extrémne slávny.
08:45
But if you want to reach the very top,
207
525260
2000
Ale ak chcete naozaj na vrchol,
08:47
you should delay gratification
208
527260
2000
mali by ste odložiť príjemnosti
08:49
and, of course, become a politician.
209
529260
2000
a samozrejme, stať sa politikom.
08:51
So here you will become famous by the end of your 50s,
210
531260
2000
Takže tu sa stávate slávnym pred vašou šesťdesiatkou,
08:53
and become very, very famous afterward.
211
533260
2000
a následne sa stávate veľmi, veľmi slávnym.
08:55
So scientists also tend to get famous when they're much older.
212
535260
3000
Vedci sa k sláve dostávajú ako omnoho starší.
08:58
Like for instance, biologists and physics
213
538260
2000
Tak napríklad, biológovia a fyzici
09:00
tend to be almost as famous as actors.
214
540260
2000
sú takmer takí slávni ako herci.
09:02
One mistake you should not do is become a mathematician.
215
542260
3000
Chyby, ktorej by ste sa mali vyvarovať je stať sa matematikom.
09:05
(Laughter)
216
545260
2000
(Smiech)
09:07
If you do that,
217
547260
2000
Ak to urobíte,
09:09
you might think, "Oh great. I'm going to do my best work when I'm in my 20s."
218
549260
3000
môžete si myslieť: "Ó, skvelé, do tridsiatky urobím svoju najlepšiu prácu."
09:12
But guess what, nobody will really care.
219
552260
2000
Ale hádajte čo? Nikoho to nebude naozaj zaujímať.
09:14
(Laughter)
220
554260
3000
(Smiech)
09:17
ELA: There are more sobering notes
221
557260
2000
ELA: N-gramy prinášajú
09:19
among the n-grams.
222
559260
2000
ešte viac vytriezvujúcich poznatkov.
09:21
For instance, here's the trajectory of Marc Chagall,
223
561260
2000
Napríklad tu je trajektória Marca Chagalla,
09:23
an artist born in 1887.
224
563260
2000
umelca narodeného v roku 1887.
09:25
And this looks like the normal trajectory of a famous person.
225
565260
3000
A toto vyzerá ako normálna trajektória slávnej osoby.
09:28
He gets more and more and more famous,
226
568260
4000
Stáva sa slávnejším a slávnejším,
09:32
except if you look in German.
227
572260
2000
s výnimkou, ak hľadáte v nemčine.
09:34
If you look in German, you see something completely bizarre,
228
574260
2000
Ak hľadáte v nemčine, uvidíte niečo úplne zvláštne,
09:36
something you pretty much never see,
229
576260
2000
niečo, čo sa takmer nikdy neobjaví,
09:38
which is he becomes extremely famous
230
578260
2000
teda, že sa stáva extrémne slávnym
09:40
and then all of a sudden plummets,
231
580260
2000
a potom z ničoho nič zmizne,
09:42
going through a nadir between 1933 and 1945,
232
582260
3000
prechádzajúc úplným minimom medzi rokmi 1933 a 1945,
09:45
before rebounding afterward.
233
585260
3000
a následne opätovne narastajúc.
09:48
And of course, what we're seeing
234
588260
2000
Samozrejme, to, čo vidíme,
09:50
is the fact Marc Chagall was a Jewish artist
235
590260
3000
je skutočnosť, že Marc Chagall bol židovským umelcom
09:53
in Nazi Germany.
236
593260
2000
v nacistickom Nemecku.
09:55
Now these signals
237
595260
2000
Tieto signály
09:57
are actually so strong
238
597260
2000
sú v skutočnosti také silné,
09:59
that we don't need to know that someone was censored.
239
599260
3000
že nepotrebujeme vedieť, či bol niekto cenzúrovaný.
10:02
We can actually figure it out
240
602260
2000
Môžeme na to jednoducho prísť
10:04
using really basic signal processing.
241
604260
2000
použitím naozaj základného spracovania signálov.
10:06
Here's a simple way to do it.
242
606260
2000
Tu je jednoduchý spôsob, ako to urobiť.
10:08
Well, a reasonable expectation
243
608260
2000
Je rozumné predpokladať,
10:10
is that somebody's fame in a given period of time
244
610260
2000
že sláva danej osoby počas istého časového úseku,
10:12
should be roughly the average of their fame before
245
612260
2000
by mala byť približne priemerom jej slávy pred
10:14
and their fame after.
246
614260
2000
a slávy po ňom.
10:16
So that's sort of what we expect.
247
616260
2000
Takže očakávame takéto niečo.
10:18
And we compare that to the fame that we observe.
248
618260
3000
A porovnáme to so slávou, ktorú pozorujeme.
10:21
And we just divide one by the other
249
621260
2000
A jednoducho vydelíme jednu druhou,
10:23
to produce something we call a suppression index.
250
623260
2000
aby sme dostali niečo, čo nazývame index supresie.
10:25
If the suppression index is very, very, very small,
251
625260
3000
Ak je index supresie veľmi, veľmi, veľmi malý,
10:28
then you very well might be being suppressed.
252
628260
2000
potom je dosť možné, že ste potláčaný.
10:30
If it's very large, maybe you're benefiting from propaganda.
253
630260
3000
Ak je veľmi veľký, je možné, že si pomáhate propagandou.
10:34
JM: Now you can actually look at
254
634260
2000
JM: Vskutku sa môžete pozrieť na
10:36
the distribution of suppression indexes over whole populations.
255
636260
3000
distribúciu indexov supresie cez celé populácie.
10:39
So for instance, here --
256
639260
2000
Napríklad, tu --
10:41
this suppression index is for 5,000 people
257
641260
2000
tento index supresie je vyrátaný pre 5000 ľudí
10:43
picked in English books where there's no known suppression --
258
643260
2000
vybraných v anglických knihách. Kde nie je žiadna supresia --
10:45
it would be like this, basically tightly centered on one.
259
645260
2000
vyzeralo by to takto, tesne centrované okolo jednotky.
10:47
What you expect is basically what you observe.
260
647260
2000
Čo očakávate, je, v podstate, to, čo pozorujete.
10:49
This is distribution as seen in Germany --
261
649260
2000
Toto je distribúcia pozorovaná v Nemecku --
10:51
very different, it's shifted to the left.
262
651260
2000
veľmi rozdielna, je posunutá doľava.
10:53
People talked about it twice less as it should have been.
263
653260
3000
Ľudia o tom hovorili asi dvakrát menej ako by sa dalo očakávať,
10:56
But much more importantly, the distribution is much wider.
264
656260
2000
ale čo je ešte dôležitejšie, distribúcia je oveľa širšia.
10:58
There are many people who end up on the far left on this distribution
265
658260
3000
Je mnoho ľudí, ktorý skončia na ľavom konci tejto distribúcie,
11:01
who are talked about 10 times fewer than they should have been.
266
661260
3000
o ktorých sa hovorí asi 10 ráz menej, než by sa malo.
11:04
But then also many people on the far right
267
664260
2000
Ale tiež mnoho ľudí na pravom konci,
11:06
who seem to benefit from propaganda.
268
666260
2000
ktorým, zdá sa, pomáha propaganda.
11:08
This picture is the hallmark of censorship in the book record.
269
668260
3000
Tento obrázok predstavuje etalón cenzorstva v knižných záznamoch.
11:11
ELA: So culturomics
270
671260
2000
ELA: Takže kulturonómia
11:13
is what we call this method.
271
673260
2000
je termín, ktorý používame pre túto metódu.
11:15
It's kind of like genomics.
272
675260
2000
Je podobná genomike.
11:17
Except genomics is a lens on biology
273
677260
2000
Zatiaľ, čo genomika je objektívom biológie
11:19
through the window of the sequence of bases in the human genome.
274
679260
3000
cez okno sekvencie ľudského genómu,
11:22
Culturomics is similar.
275
682260
2000
kulturonómia je podobná.
11:24
It's the application of massive-scale data collection analysis
276
684260
3000
Je to aplikácia analýzy dát masívneho rozsahu
11:27
to the study of human culture.
277
687260
2000
pre štúdium ľudskej kultúry.
11:29
Here, instead of through the lens of a genome,
278
689260
2000
Tu je genóm nahradený
11:31
through the lens of digitized pieces of the historical record.
279
691260
3000
objektívom digitalizovaných historických záznamov.
11:34
The great thing about culturomics
280
694260
2000
Skvelé na kulturonómii
11:36
is that everyone can do it.
281
696260
2000
je, že ju môže robiť každý.
11:38
Why can everyone do it?
282
698260
2000
Prečo každý?
11:40
Everyone can do it because three guys,
283
700260
2000
Môže ju robiť ktokoľvek, pretože traja chlapíci,
11:42
Jon Orwant, Matt Gray and Will Brockman over at Google,
284
702260
3000
Jon Orwant, Matt Gray a Will Brockman z Google
11:45
saw the prototype of the Ngram Viewer,
285
705260
2000
sa pozreli na prototyp Ngram Viewer
11:47
and they said, "This is so fun.
286
707260
2000
a povedali si, "Toto je taká zábava,
11:49
We have to make this available for people."
287
709260
3000
musíme ju sprístupniť ľuďom!"
11:52
So in two weeks flat -- the two weeks before our paper came out --
288
712260
2000
Takže za dva týždne - dva týždne pred vydaním nášho článku -
11:54
they coded up a version of the Ngram Viewer for the general public.
289
714260
3000
naprogramovali verziu Ngram Viewer-u pre verejnosť.
11:57
And so you too can type in any word or phrase that you're interested in
290
717260
3000
Takže teraz môžete vpísať akékoľvek slovo alebo frázu, ktorá vás zaujíma
12:00
and see its n-gram immediately --
291
720260
2000
a okamžite vidieť príslušný N-gram,
12:02
also browse examples of all the various books
292
722260
2000
a tiež prezerať príklady všetkých rôznych kníh,
12:04
in which your n-gram appears.
293
724260
2000
v ktorých sa objavuje váš N-gram.
12:06
JM: Now this was used over a million times on the first day,
294
726260
2000
JM: Aplikácia bola použitá viac ako miliónkrát počas prvého dňa,
12:08
and this is really the best of all the queries.
295
728260
2000
a toto je naozaj najlepší zo všetkých dotazov.
12:10
So people want to be their best, put their best foot forward.
296
730260
3000
Takže ľudia sa snažia robiť všetko najlepšie ("their best") v službách pokroku.
12:13
But it turns out in the 18th century, people didn't really care about that at all.
297
733260
3000
Ale ukazuje sa, že v 18-tom storočí, sa o to nestarali vôbec.
12:16
They didn't want to be their best, they wanted to be their beft.
298
736260
3000
Nechceli robiť "their best", robili "their beft".
12:19
So what happened is, of course, this is just a mistake.
299
739260
3000
Čo sa stalo, je, samozrejme, iba chyba.
12:22
It's not that strove for mediocrity,
300
742260
2000
Nebola to snaha po priemernosti,
12:24
it's just that the S used to be written differently, kind of like an F.
301
744260
3000
išlo len o to, že "s" sa písalo odlišne, podobne ako "f."
12:27
Now of course, Google didn't pick this up at the time,
302
747260
3000
Samozrejme, Google o tom vtedy ešte nevedel,
12:30
so we reported this in the science article that we wrote.
303
750260
3000
takže sme to reportovali v našom odbornom článku.
12:33
But it turns out this is just a reminder
304
753260
2000
Ale to je iba pripomienka,
12:35
that, although this is a lot of fun,
305
755260
2000
že aj keď je toto veľká zábava,
12:37
when you interpret these graphs, you have to be very careful,
306
757260
2000
pri interpretácii grafov musíte byť veľmi opatrní
12:39
and you have to adopt the base standards in the sciences.
307
759260
3000
a používať základné vedecké pravidlá.
12:42
ELA: People have been using this for all kinds of fun purposes.
308
762260
3000
ELA: Ľudia to používajú na všetky možné srandovné účely.
12:45
(Laughter)
309
765260
7000
(Smiech)
12:52
Actually, we're not going to have to talk,
310
772260
2000
Vskutku, nemusíme ani rozprávať,
12:54
we're just going to show you all the slides and remain silent.
311
774260
3000
iba vám mlčky ukážeme všetky zostávajúce obrázky
12:57
This person was interested in the history of frustration.
312
777260
3000
Túto osobu zaujímala história frustrácie.
13:00
There's various types of frustration.
313
780260
3000
Existujú rôzne druhy frustrácie.
13:03
If you stub your toe, that's a one A "argh."
314
783260
3000
Ak si prepichnete prst je to "argh" (ach) s jedným "a"
13:06
If the planet Earth is annihilated by the Vogons
315
786260
2000
Ak je planéta Zem anihilovaná Vogónmi
13:08
to make room for an interstellar bypass,
316
788260
2000
za účelom uvoľnenia priestoru pre vesmírnu diaľnicu,
13:10
that's an eight A "aaaaaaaargh."
317
790260
2000
je to "aaaaaaaargh" o ôsmich "a."
13:12
This person studies all the "arghs,"
318
792260
2000
Táto osoba skúmala všetky "argh",
13:14
from one through eight A's.
319
794260
2000
s jedným až ôsmimi "a"
13:16
And it turns out
320
796260
2000
A ukazuje sa
13:18
that the less-frequent "arghs"
321
798260
2000
že menej frekventované "arghs"
13:20
are, of course, the ones that correspond to things that are more frustrating --
322
800260
3000
sú, samozrejme, tie, ktoré zodpovedajú veciam, ktoré sú frustrujúcejšie --
13:23
except, oddly, in the early 80s.
323
803260
3000
s výnimkou, prekvapujúco, začiatku 80-tych.
13:26
We think that might have something to do with Reagan.
324
806260
2000
Myslíme, že by to mohlo mať dočinenia s Reaganom.
13:28
(Laughter)
325
808260
2000
(Smiech)
13:30
JM: There are many usages of this data,
326
810260
3000
JM: Je veľa použití pre tieto dáta,
13:33
but the bottom line is that the historical record is being digitized.
327
813260
3000
ale najpodstatnejšie je, že historické záznamy sú digitalizované.
13:36
Google has started to digitize 15 million books.
328
816260
2000
Google začal s digitalizáciou 15 miliónov kníh.
13:38
That's 12 percent of all the books that have ever been published.
329
818260
2000
To je 12 percent všetkých kníh, ktoré kedy boli vydané.
13:40
It's a sizable chunk of human culture.
330
820260
3000
To predstavuje veľkú časť ľudskej kultúry.
13:43
There's much more in culture: there's manuscripts, there newspapers,
331
823260
3000
Kultúra je oveľa širšia: spadajú tam rukopisy, noviny,
13:46
there's things that are not text, like art and paintings.
332
826260
2000
patria tam veci, ktoré nie sú textom, ako výtvarné umenie a maľby.
13:48
These all happen to be on our computers,
333
828260
2000
Toto všetko bude na našich počítačoch,
13:50
on computers across the world.
334
830260
2000
na počítačoch po celom svete.
13:52
And when that happens, that will transform the way we have
335
832260
3000
Až sa toto stane, transformuje to náš prístup
13:55
to understand our past, our present and human culture.
336
835260
2000
k porozumeniu našej minulosti, prítomnosti a ľudstvu.
13:57
Thank you very much.
337
837260
2000
Ďakujeme veľmi pekne.
13:59
(Applause)
338
839260
3000
(Potlesk)
O tomto webe

Táto stránka vám predstaví videá na YouTube, ktoré sú užitočné pri učení angličtiny. Uvidíte lekcie angličtiny, ktoré vedú špičkoví učitelia z celého sveta. Dvojitým kliknutím na anglické titulky zobrazené na stránke každého videa si môžete video odtiaľ prehrať. Titulky sa posúvajú synchronizovane s prehrávaním videa. Ak máte akékoľvek pripomienky alebo požiadavky, kontaktujte nás prostredníctvom tohto kontaktného formulára.

https://forms.gle/WvT1wiN1qDtmnspy7