Deb Roy: The birth of a word

Translator: Thipnapa Huansuriya Reviewer: Phatra Sae-ting

Imagine if you could record your life --

ลองจินตนาการดูนะครับ ถ้าคุณถ่ายวิดีโอชีวิตตัวเอง

everything you said, everything you did,

ทุกอย่างที่คุณพูด ทุกอย่างที่คุณทำ

available in a perfect memory store at your fingertips,

ถูกเก็บไว้อย่างสมบูรณ์ ให้คุณเปิดดูได้เพียงปลายนิ้วสัมผัส

so you could go back

คุณสามารถย้อนกลับไป

and find memorable moments and relive them,

ค้นหาช่วงเวลาที่น่าจดจำและสัมผัสมันได้ใหม่

or sift through traces of time

หรือมองผ่านช่วงเวลา

and discover patterns in your own life

เพื่อค้นหาแบบแผนในชีวิตของคุณ

that previously had gone undiscovered.

ที่คุณไม่เคยสังเกตเห็นมาก่อน

Well that's exactly the journey

นั่นแหละครับ คือการผจญภัย

that my family began

ที่ครอบครัวผมเริ่มต้น

five and a half years ago.

เมื่อห้าปีครึ่งที่แล้ว

This is my wife and collaborator, Rupal.

นี่ภรรยาผม และทีมงานของผม รูพัล

And on this day, at this moment,

วันนั้น วินาทีนั้น

we walked into the house with our first child,

เราเดินเข้าไปในบ้านพร้อมกับลูกคนแรกของเรา

our beautiful baby boy.

ลูกชายที่น่ารักของเรา

And we walked into a house

เราเดินเข้าไปในบ้าน

with a very special home video recording system.

ที่มีระบบบันทึกวิดีโอที่พิเศษสุด

(Video) Man: Okay.

(วิดีโอ) ชายในวิดีโอ: โอเค

Deb Roy: This moment

เด็บ รอย: ช่วงเวลานี้

and thousands of other moments special for us

และช่วงเวลาอีกนับพันที่พิเศษสำหรับเรา

were captured in our home

ได้ถูกบันทึกในบ้านของเรา

because in every room in the house,

เพราะทุกๆ ห้องในบ้านของเรา

if you looked up, you'd see a camera and a microphone,

ถ้าคุณมองขึ้นไป คุณจะเห็นกล้องกับไมโครโฟน

and if you looked down,

ถ้าคุณมองลงมาจากกล้องนั้น

you'd get this bird's-eye view of the room.

คุณจะเห็นห้องทั้งห้องจากมุมสูง

Here's our living room,

นี่คือห้องรับแขกของเรา

the baby bedroom,

ห้องของลูก

kitchen, dining room

ครัว ห้องทานข้าว

and the rest of the house.

และส่วนอื่นๆ ของบ้าน

And all of these fed into a disc array

ทั้งหมดนี้ถูกบันทึกลงในดิสก์ความจุมหาศาล

that was designed for a continuous capture.

ที่ถูกออกแบบมาให้บันทึกข้อมูลได้อย่างต่อเนื่อง

So here we are flying through a day in our home

นี่เรากำลังเดินทางผ่านเวลาวันหนึ่งในบ้านของเรา

as we move from sunlit morning

จากตอนเช้าที่พระอาทิตย์ส่อง

through incandescent evening

จนค่ำที่แสงไฟเข้ามาแทนที่

and, finally, lights out for the day.

จนกระทั่งแสงไฟดับไป

Over the course of three years,

ตลอดเวลาสามปี

we recorded eight to 10 hours a day,

เราบันทึกวิดีโอแบบนี้วันละ 8-10 ชั่วโมง

amassing roughly a quarter-million hours

รวมๆ แล้วก็ประมาณ 150,000 ชั่วโมง

of multi-track audio and video.

มีทั้งเสียงและวิดีโอ

So you're looking at a piece of what is by far

ที่คุณกำลังดูอยู่นี่ก็เลยเป็น

the largest home video collection ever made.

โฮมวิดีโอที่ยาวที่สุดที่เคยมีคนทำมา

(Laughter)

(เสียงหัวเราะ)

And what this data represents

สิ่งที่ข้อมูลชิ้นนี้ถ่ายทอด

for our family at a personal level,

สำหรับครอบครัวของเรา

the impact has already been immense,

มีความหมายมหาศาล

and we're still learning its value.

และเราก็กำลังเรียนรู้คุณค่าของมัน

Countless moments

ช่วงเวลานับไม่ถ้วน

of unsolicited natural moments, not posed moments,

ช่วงเวลาที่เป็นธรรมชาติ ไม่เสแสร้ง

are captured there,

ได้ถูกบันทึกเอาไว้

and we're starting to learn how to discover them and find them.

และเราก็เริ่มเรียนรู้ที่จะค้นหา และค้นพบมัน

But there's also a scientific reason that drove this project,

แต่โครงการนี้มีเหตุผลทางวิทยาศาสตร์อยู่เบื้องหลังด้วยครับ

which was to use this natural longitudinal data

นั่นคือ เราจะใช้ข้อมูลที่เกิดขึ้นตามธรรมชาติในระยะยาว

to understand the process

เพื่อทำความเข้าใจกระบวนการ

of how a child learns language --

ที่เด็กเรียนรู้ภาษา

that child being my son.

เด็กคนนั้นคือลูกชายของผมเอง

And so with many privacy provisions put in place

และเนื่องจากมีข้อมูลส่วนตัวมากมายถูกบันทึกไว้ในนี้

to protect everyone who was recorded in the data,

เพื่อปกป้องทุกคนที่ถูกบันทึกไว้ในข้อมูลชุดนี้

we made elements of the data available

เราจึงเปิดเผยข้อมูลเพียงบางส่วน

to my trusted research team at MIT

กับทีมวิจัยที่ผมไว้ใจที่ MIT เท่านั้น

so we could start teasing apart patterns

แล้วเราก็เริ่มวิเคราะห์แยกแยะแบบแผน

in this massive data set,

ที่อยู่ในข้อมูลมากมายมหาศาลนี้

trying to understand the influence of social environments

เพื่อทำความเข้าใจอิทธิพลของสิ่งแวดล้อมทางสังคม

on language acquisition.

ที่มีต่อการเรียนรู้ภาษา

So we're looking here

ที่เราเห็นอยู่นี่

at one of the first things we started to do.

คืออย่างแรกที่เราเริ่มทำ

This is my wife and I cooking breakfast in the kitchen,

นี่คือผมกับภรรยากำลังทำอาหารเช้าอยู่ในครัว

and as we move through space and through time,

และเราก็เคลื่อนที่ผ่านพี้นที่และเวลา

a very everyday pattern of life in the kitchen.

เป็นแบบแผนที่เกิดขึ้นในครัวทุกวัน

In order to convert

เพื่อที่จะแปลง

this opaque, 90,000 hours of video

วิดีโอ 90,000 ชั่วโมงที่ยากจะเข้าใจ

into something that we could start to see,

ให้กลายเป็นอะไรที่เราสามารถเข้าใจได้

we use motion analysis to pull out,

เราใช้การวิเคราะห์การเคลื่อนไหว (motion analysis)

as we move through space and through time,

เพื่อสกัดการเคลื่อนที่ของเราผ่านพี้นที่และผ่านเวลา

what we call space-time worms.

ซึ่งเราเรียกว่าตัวหนอนในพี้นที่และเวลา

And this has become part of our toolkit

และนี่ก็ได้กลายเป็นส่วนหนึ่งของเครื่องมือ

for being able to look and see

ที่ช่วยให้เรามองเห็น

where the activities are in the data,

ว่ามีกิจกรรมอะไรเกิดขึ้นในวิดีโอ

and with it, trace the pattern of, in particular,

และใช้มันเพื่อสืบย้อนไปดูแบบแผน

where my son moved throughout the home,

ว่าลูกชายของผมเคลื่อนที่ไปไหนในบ้านบ้าง

so that we could focus our transcription efforts,

เราจะได้มุ่งถอดเทป

all of the speech environment around my son --

คำพูดทั้งหมดในสิ่งแวดล้อมรอบตัวลูกชายผม

all of the words that he heard from myself, my wife, our nanny,

ทุกคำที่เขาได้ยินจากผม จากภรรยาผม จากพี่เลี้ยง

and over time, the words he began to produce.

และคำที่เขาเริ่มพูดเมื่อเวลาผ่านไป

So with that technology and that data

ด้วยเทคโนโลยีดังกล่าวกับข้อมูลที่เรามี

and the ability to, with machine assistance,

และความสามารถของเครื่องมือ

transcribe speech,

ที่ใช้ช่วยถอดเทปคำพูด

we've now transcribed

ตอนนี้เราถอดเทปไปได้

well over seven million words of our home transcripts.

มากกว่าเจ็ดล้านคำแล้ว

And with that, let me take you now

และตอนนี้ ผมขอพาคุณ

for a first tour into the data.

ไปชมผลจากข้อมูลของเราเป็นครั้งแรก

So you've all, I'm sure,

ผมมั่นใจว่าทุกคนคงเคยเห็น

seen time-lapse videos

วิดีโอเร่งความเร็ว

where a flower will blossom as you accelerate time.

ที่คุณจะเห็นดอกไม้บานเมื่อคุณเร่งความเร็วของวิดีโอ

I'd like you to now experience

ทีนี้ ผมอยากให้คุณได้สัมผัส

the blossoming of a speech form.

การเบ่งบานของคำพูดบ้าง

My son, soon after his first birthday,

ลูกชายของผม ตอนอายุหนึ่งขวบ

would say "gaga" to mean water.

คำว่า "กากา" (gaga) ของเขาหมายถึง "น้ำ" (water)

And over the course of the next half-year,

ภายในเวลาครึ่งปีต่อมา

he slowly learned to approximate

เขาค่อยๆ เรียนรู้ที่จะพูด

the proper adult form, "water."

คำว่า "น้ำ" (water) ให้เหมือนผู้ใหญ่พูด

So we're going to cruise through half a year

เราจะเดินทางผ่านเวลาครึ่งปี

in about 40 seconds.

ภายในเวลา 40 วินาที

No video here,

ไม่มีภาพวิดีโอนะครับ

so you can focus on the sound, the acoustics,

คุณจะได้มุ่งความสนใจไปที่เสียง

of a new kind of trajectory:

ที่เกิดขึ้นภายในช่วงเวลาเหล่านี้

gaga to water.

กากาเปลี่ยนเป็นวอเตอร์

(Audio) Baby: Gagagagagaga

(เสียง) เด็ก: กา กา กา กา กา กา

Gaga gaga gaga

กากา กากา กากา

guga guga guga

กูกา กูกา กูกา

wada gaga gaga guga gaga

วาดา กากา กากา กูกา กากา

wader guga guga

วาเดอ กูกา กูกา

water water water

วอเดอ วอเดอ วอเดอ

water water water

วอเดอ วอเดอ วอเดอ

water water

วอเดอ วอเดอ

water.

วอเตอร์

DR: He sure nailed it, didn't he.

เด็บ รอย: เขาพูดชัดๆ เน้นๆ เลย ใช่ไหมครับ

(Applause)

(เสียงปรบมือ)

So he didn't just learn water.

เขาไม่ได้เรียนรู้เฉพาะคำว่าน้ำ (water)

Over the course of the 24 months,

ตลอดเวลา 24 เดือน

the first two years that we really focused on,

หรือสองปีแรก ซึ่งเราสนใจมากที่สุดในงานวิจัยนี้

this is a map of every word he learned in chronological order.

นี่คือแผนที่ของคำทุกคำที่เขาเรียนรู้เรียงตามลำดับก่อนหลัง

And because we have full transcripts,

และเนื่องจากเรามีบทที่ถอดเทปมาทั้งหมด

we've identified each of the 503 words

เราระบุคำ 503 คำที่เขาเรียนรู้

that he learned to produce by his second birthday.

และพูดได้ภายในเวลาสองขวบปีแรก

He was an early talker.

เขาเป็นเด็กที่เริ่มพูดเร็ว

And so we started to analyze why.

เราก็เลยสนใจวิเคราะห์ว่าทำไม

Why were certain words born before others?

ทำไมคำบางคำถึงเกิดก่อนคำอื่น?

This is one of the first results

นี่เป็นหนึ่งในผลการวิเคราะห์ชุดแรก

that came out of our study a little over a year ago

ที่ออกมาเมื่อสักปีกว่าที่ผ่านมา

that really surprised us.

และทำให้เราแปลกใจจริงๆ

The way to interpret this apparently simple graph

วิธีตีความกราฟง่ายๆ นี้ก็คือ

is, on the vertical is an indication

แกนตั้งนี่คือดัชนีแสดง

of how complex caregiver utterances are

ความซับซ้อนของคำพูดของผู้เลี้ยงดู

based on the length of utterances.

วัดจากความยาวของประโยคที่พูด

And the [horizontal] axis is time.

ส่วนแกนนอนคือเวลา

And all of the data,

วิธีวิเคราะห์ข้อมูลของเรา

we aligned based on the following idea:

เป็นอย่างนี้ครับ

Every time my son would learn a word,

ทุกครั้งที่ลูกชายของผมพูดคำใหม่ได้

we would trace back and look at all of the language he heard

เราจะสืบย้อนไปดูทุกสิ่งทุกอย่างที่เขาได้ยิน

that contained that word.

ที่มีคำนั้นอยู่ด้วย

And we would plot the relative length of the utterances.

แล้วเราก็จะพลอตความยาวของคำพูดที่มีคำนั้นอยู่

And what we found was this curious phenomena,

สิ่งที่เราพบคือปรากฏการณ์ที่น่าสนใจอย่างนี้ครับ

that caregiver speech would systematically dip to a minimum,

คำพูดของผู้เลี้ยงดูจะลดความซับซ้อนลงอย่างเป็นระบบ

making language as simple as possible,

ใช้ภาษาให้ง่ายที่สุดเท่าที่จะเป็นไปได้

and then slowly ascend back up in complexity.

แล้วค่อยๆ เพิ่มความซับซ้อนกลับขึ้นมาช้าๆ

And the amazing thing was

ที่น่าทึ่งก็คือ

that bounce, that dip,

จุดเปลี่ยนที่เส้นกราฟเด้งกลับ

lined up almost precisely

ตรงพอดีเป๊ะ

with when each word was born --

กับเวลาเกิดของคำแต่ละคำ

word after word, systematically.

คำแล้วคำเล่า อย่างเป็นระบบ

So it appears that all three primary caregivers --

ดูเหมือนว่าผู้เลี้ยงดูหลักทั้งสามคน

myself, my wife and our nanny --

คือผม ภรรยา และพี่เลี้ยง

were systematically and, I would think, subconsciously

อย่างเป็นระบบ และโดยไม่รู้ตัว

restructuring our language

ได้จัดโครงสร้างภาษาที่เราใช้

to meet him at the birth of a word

เพื่อให้เหมาะกับเขาจนเขาเริ่มพูดคำแต่ละคำได้

and bring him gently into more complex language.

แล้วค่อยๆ นำเขาให้เรียนรู้ภาษาที่ซับซ้อนขึ้นอย่างช้าๆ

And the implications of this -- there are many,

ข้อค้นพบนี้สะท้อนอะไรที่สำคัญหลายอย่าง

but one I just want to point out,

แต่อย่างหนึ่งที่ผมอยากชี้ให้เห็นก็คือ

is that there must be amazing feedback loops.

มันต้องมีวงจรของผลป้อนกลับ (feedback) ที่น่าทึ่ง

Of course, my son is learning

แน่ละ ลูกชายผมเรียนรู้

from his linguistic environment,

จากสิ่งแวดล้อมทางภาษาของเขา

but the environment is learning from him.

แต่สิ่งแวดล้อมก็เรียนรู้จากเขาด้วยเหมือนกัน

That environment, people, are in these tight feedback loops

สิ่งแวดล้อมที่ว่านั่นคือผู้คน ซึ่งอยู่ในวงจรของผลป้อนกลับนี้

and creating a kind of scaffolding

และสร้างสิ่งที่เปรียบเหมือนนั่งร้านทางภาษา

that has not been noticed until now.

ซึ่งเราไม่เคยสังเกตเห็นมาก่อน

But that's looking at the speech context.

เอาล่ะครับ นั่นเป็นเรื่องเสียงและการพูด

What about the visual context?

มาดูเรื่องภาพกันบ้าง

We're not looking at --

เราไม่ได้ดูภาพห้องต่างๆ แยกกัน

think of this as a dollhouse cutaway of our house.

คิดซะว่านี่เป็นเหมือนบ้านตุ๊กตา

We've taken those circular fish-eye lens cameras,

เราเอาภาพจากกล้องที่ใช้เลนส์มุมกว้าง

and we've done some optical correction,

มาแก้สัดส่วนของภาพ

and then we can bring it into three-dimensional life.

แล้วเอามาต่อกันเป็นภาพสามมิติ

So welcome to my home.

ยินดีต้อนรับสู่บ้านของเราครับ

This is a moment,

นี่เป็นช่วงขณะหนึ่ง

one moment captured across multiple cameras.

ที่ถูกบันทึกด้วยกล้องหลายตัวในเวลาเดียวกัน

The reason we did this is to create the ultimate memory machine,

เราทำแบบนี้เพื่อสร้างเครื่องเก็บความทรงจำ

where you can go back and interactively fly around

ที่คุณสามารถย้อนกลับไปและเคลื่อนที่ไปมาในนี้ได้

and then breathe video-life into this system.

แล้วก็เอาสิ่งที่เกิดขึ้นในวิดีโอใส่เข้าไป

What I'm going to do

สิ่งที่ผมกำลังจะทำคือ

is give you an accelerated view of 30 minutes,

ผมจะให้คุณดูภาพเร่งความเร็วของวิดีโอยาว 30 นาที

again, of just life in the living room.

เป็นสิ่งที่เกิดขึ้นในห้องนั่งเล่น

That's me and my son on the floor.

นั่นคือผมกับลูกชายของผมนั่งอยู่บนพี้น

And there's video analytics

แล้วก็มีระบบวิเคราะห์วิดีโอ

that are tracking our movements.

ที่ติดตามการเคลื่อนไหวของเรา

My son is leaving red ink. I am leaving green ink.

การเคลื่อนไหวของลูกชายผมคือเส้นสีแดง ของผมสีเขียว

We're now on the couch,

ตอนนี้เราอยู่บนโซฟา

looking out through the window at cars passing by.

มองผ่านหน้าต่างออกไปที่รถที่วิ่งผ่านไปมา

And finally, my son playing in a walking toy by himself.

แล้วลูกชายของผมก็เล่นกับของเล่นของเขา

Now we freeze the action, 30 minutes,

ทีนี้ เราหยุดการเคลื่อนไหว 30 นาทีที่ผ่านมา

we turn time into the vertical axis,

เอาเวลามาพล็อตเป็นแกนตั้ง

and we open up for a view

แล้วก็มาดูภาพ

of these interaction traces we've just left behind.

ร่องรอยการปฏิสัมพันธ์ที่เราทิ้งไว้เมื่อกี้

And we see these amazing structures --

เราพบโครงสร้างที่น่าทึ่งแบบนี้ครับ

these little knots of two colors of thread

ปมเล็กๆ ที่เกิดจากเส้นด้ายสองสีเหล่านี้

we call "social hot spots."

เราเรียกว่าจุดศูนย์รวมกิจกรรมทางสังคม (social hot spots)

The spiral thread

ส่วนเส้นที่วนเป็นเกลียวๆ นี่

we call a "solo hot spot."

เราเรียกว่าจุดศูนย์กลางกิจกรรมเดี่ยว (solo hot spot)

And we think that these affect the way language is learned.

เราคิดว่าแบบแผนพวกนี้มีผลต่อการเรียนรู้ภาษา

What we'd like to do

สิ่งที่เราอยากทำต่อไปก็คือ

is start understanding

ทำความเข้าใจ

the interaction between these patterns

ปฏิสัมพันธ์ระหว่างแบบแผนเหล่านี้

and the language that my son is exposed to

กับภาษาที่ลูกชายของผมได้ยินได้เห็น

to see if we can predict

เพื่อดูว่าเราจะสามารถทำนายได้ไหม

how the structure of when words are heard

ว่าการที่เขาได้ยินคำนั้นที่ไหน เมื่อไหร่

affects when they're learned --

มีผลกับเวลาและสถานที่ที่เขาพูดคำนั้นได้หรือเปล่า

so in other words, the relationship

พูดอีกอย่างคือ ความสัมพันธ์

between words and what they're about in the world.

ระหว่างคำกับสถานที่ที่มันเกิด

So here's how we're approaching this.

วิธีการของเราเป็นอย่างนี้ครับ

In this video,

ในวิดีโอนี้

again, my son is being traced out.

เราติดตามลูกชายของผม

He's leaving red ink behind.

เขาทิ้งร่องรอยเป็นเส้นสีแดงไว้

And there's our nanny by the door.

แล้วนั่นคือพี่เลี้ยง อยู่ตรงข้างประตู

(Video) Nanny: You want water? (Baby: Aaaa.)

(วิดีโอ) พี่เลี่ยง: เอาน้ำ (water) ไหมจ๊ะ? (เด็ก: อาาา)

Nanny: All right. (Baby: Aaaa.)

พี่เลี้ยง: ได้จ้ะ (เด็ก: อาาา)

DR: She offers water,

เด็บ รอย: เธอถามเขาว่าอยากได้น้ำไหม

and off go the two worms

แล้วตัวหนอนสองตัวก็เคลื่อนที่

over to the kitchen to get water.

ไปทางห้องครัว เพื่อเอาน้ำ

And what we've done is use the word "water"

เราใช้คำว่า "น้ำ" (water)

to tag that moment, that bit of activity.

เพื่อทำเครื่องหมายช่วงเวลานั้นไว้

And now we take the power of data

แล้วเราก็ใช้พลังของข้อมูลมหาศาล

and take every time my son

สกัดเอาทุกๆ ครั้งที่ลูกชายของผม

ever heard the word water

ได้ยินคำว่า "น้ำ" (water)

and the context he saw it in,

และบริบทที่เขาได้ยินมัน

and we use it to penetrate through the video

เราค้นหาทั่วทุกชั่วโมงในวิดีโอ

and find every activity trace

เพื่อหากิจกรรมทุกอย่าง

that co-occurred with an instance of water.

ที่เกิดขึ้นพร้อมกับคำว่า "น้ำ" (water)

And what this data leaves in its wake

สิ่งที่ร่องรอยของข้อมูลทิ้งไว้ให้

is a landscape.

คือภูมิทัศน์อันนี้

We call these wordscapes.

เราเรียกว่า ภูมิทัศน์ของคำ

This is the wordscape for the word water,

นี่คือภูมิทัศน์ของคำว่า "น้ำ" (water)

and you can see most of the action is in the kitchen.

คุณจะเห็นว่ากิจกรรมส่วนใหญ่ที่มีคำว่าน้ำเกิดขึ้นในครัว

That's where those big peaks are over to the left.

ตรงที่มีข้อมูลเป็นยอดเขาสูงอยู่ตรงซ้ายมือนั่น

And just for contrast, we can do this with any word.

และเพื่อเปรียบเทียบ เราทำแบบนี้กับคำอะไรก็ได้

We can take the word "bye"

เราลองกับคำว่า "บาย" (bye)

as in "good bye."

อย่างคำว่า "กู๊ดบาย" (good bye)

And we're now zoomed in over the entrance to the house.

เราซูมเข้าไปที่ประตูเข้าบ้าน

And we look, and we find, as you would expect,

แล้วก็อย่างที่คุณน่าจะคาดได้

a contrast in the landscape

เราพบภูมิทัศน์ของที่ที่

where the word "bye" occurs much more in a structured way.

คำว่า "บาย" เกิดขึ้นบ่อยๆ ซึ่งแตกต่างออกไป

So we're using these structures

เรากำลังใช้โครงสร้างพวกนี้

to start predicting

เพื่อทำนาย

the order of language acquisition,

ลำดับขั้นตอนของการเรียนรู้ภาษา

and that's ongoing work now.

งานนี้กำลังอยู่ระหว่างดำเนินการครับ

In my lab, which we're peering into now, at MIT --

มาดูงานในแล็บของผมที่ MIT บ้าง

this is at the media lab.

นี่คือห้องปฏิบัติการด้านสื่อ

This has become my favorite way

เดี๋ยวนี้ผมเลยชอบ

of videographing just about any space.

ถ่ายวิดีโอแบบนี้ไปหมดทุกที่เลย

Three of the key people in this project,

ในรูปนี่คือทีมงานหลักสามคนในโครงการนี้

Philip DeCamp, Rony Kubat and Brandon Roy are pictured here.

ฟิลลิป เดอแคมป์ โรนี่ คูบัต และแบรนดอน รอย

Philip has been a close collaborator

ฟิลลิปเป็นคนจัดเตรียม

on all the visualizations you're seeing.

ภาพทั้งหมดที่คุณเห็นอยู่นี้

And Michael Fleischman

และไมเคิล ไฟล์ชแมน

was another Ph.D. student in my lab

เป็นนักศึกษาปริญญาเอกอีกคนหนึ่งในแล็บของผม

who worked with me on this home video analysis,

ที่ทำงานวิเคราะห์โฮมวิดีนี้กับผม

and he made the following observation:

เขาตั้งข้อสังเกตว่า

that "just the way that we're analyzing

"วิธีที่เราใช้วิเคราะห์ว่า

how language connects to events

ภาษาสัมพันธ์กับเหตุการณ์อย่างไร

which provide common ground for language,

ซึ่งทำให้เราเข้าใจพื้นที่ส่วนกลางที่เป็นที่เกิดของภาษา

that same idea we can take out of your home, Deb,

แนวคิดนี้เราสามารถเอาไปใช้ที่อื่นนอกบ้านได้นะเด็บ

and we can apply it to the world of public media."

เราเอาไปประยุกต์กับโลกของสื่อสาธารณะได้"

And so our effort took an unexpected turn.

แล้วงานของเราก็เลยพลิกมุมโดยไม่คาดคิดมาก่อน

Think of mass media

ลองนึกถึงสื่อมวลชน

as providing common ground

ว่าเป็นพี้นที่ส่วนกลางสำหรับเนื้อหาต่างๆ

and you have the recipe

และคุณก็มีสูตร

for taking this idea to a whole new place.

สำหรับนำแนวคิดใหม่นี้ไปใช้ในบริบทใหม่

We've started analyzing television content

ตอนนี้เราเริ่มวิเคราะห์เนื้อหาในสื่อโทรทัศน์

using the same principles --

โดยใช้วิธีการที่ว่านี้แล้ว

analyzing event structure of a TV signal --

เราวิเคราะห์โครงสร้างเหตุการณ์ที่เกิดขึ้นในทีวี

episodes of shows,

รายการตอนต่างๆ

commercials,

โฆษณา

all of the components that make up the event structure.

ทุกอย่างที่ประกอบกันขึ้นเป็นโครงสร้างของเหตุการณ์ทั้งหมด

And we're now, with satellite dishes, pulling and analyzing

ตอนนี้เราดึงข้อมูลจากจานดาวเทียมและวิเคราะห์

a good part of all the TV being watched in the United States.

รายการทีวีทั้งหมดที่คนดูกันในอเมริกา

And you don't have to now go and instrument living rooms with microphones

คุณไม่ต้องไปติดตั้งเครื่องมือและไมโครโฟนตามห้องนั่งเล่นในบ้านชาวบ้าน

to get people's conversations,

เพื่อเก็บข้อมูลว่าเขาคุยอะไรกัน

you just tune into publicly available social media feeds.

แค่เก็บข้อมูลตามเครือข่ายสื่อสังคมบนเว็บสาธารณะต่างๆ

So we're pulling in

ตอนนี้เราได้ข้อมูลที่ว่า

about three billion comments a month,

ประมาณสามพันล้านข้อความต่อเดือน

and then the magic happens.

แล้วสิ่งมหัศจรรย์ก็เกิดขึ้น

You have the event structure,

คุณมีโครงสร้างของเหตุการณ์

the common ground that the words are about,

พี้นที่ส่วนกลางที่บรรจุเนื้อหาต่างๆ

coming out of the television feeds;

ที่มาจากโทรทัศน์

you've got the conversations

แล้วคุณก็มีบทสนทนา

that are about those topics;

ที่เกี่ยวกับหัวข้อต่างๆ เหล่านั้น

and through semantic analysis --

และจากการวิเคราะห์ความหมาย--

and this is actually real data you're looking at

อ้อ ที่คุณเห็นอยู่นี่เป็นข้อมูลจริง

from our data processing --

จากการประมวลผลข้อมูลของเรานะครับ--

each yellow line is showing a link being made

เส้นสีเหลืองแสดงการเชื่อมโยงระหว่าง

between a comment in the wild

ข้อความแสดงความเห็นในสื่อทางสังคม

and a piece of event structure coming out of the television signal.

กับเนื้อหาในโครงสร้างเหตุการณ์ที่ออกมาจากโทรทัศน์

And the same idea now

แนวคิดอันเดียวกัน

can be built up.

ได้ถูกนำมาใช้

And we get this wordscape,

สร้างภูมิทัศน์ของถ้อยคำ

except now words are not assembled in my living room.

แค่มันไม่ได้เกิดขึ้นในห้องนั่งเล่นของผมเท่านั้นเอง

Instead, the context, the common ground activities,

มันอยู่ในบริบทอื่น ในพี้นที่ส่วนกลางของข่าวสาร

are the content on television that's driving the conversations.

และกิจกรรมที่มาจากโทรทัศน์ที่ขับเคลื่อนบทสนทนาในสังคม

And what we're seeing here, these skyscrapers now,

ที่เราเห็นเหมือนตึกระฟ้ามากมายนั่น

are commentary

คือความเห็น

that are linked to content on television.

ที่เกี่ยวกับเนื้อหาในโทรทัศน์

Same concept,

แนวคิดเดียวกัน

but looking at communication dynamics

แต่เอามาใช้ศึกษาพลวัตการสื่อสาร

in a very different sphere.

ในบริบทที่แตกต่างออกไป

And so fundamentally, rather than, for example,

ดังนั้น เราจึงเปลี่ยนแปลงอย่างสิ้นเชิง

measuring content based on how many people are watching,

จากการวัดเนื้อหาการสื่อสารจากจำนวนคนที่ดูรายการต่างๆ

this gives us the basic data

มาเป็นวิธีนี้ ซึ่งให้ข้อมูลพี้นฐาน

for looking at engagement properties of content.

ว่าคนมีส่วนร่วมปฏิสัมพันธ์กับเนื้อหาอะไรอย่างไร

And just like we can look at feedback cycles

และเช่นเดียวกับที่เราสามารถศึกษาวงจรของผลป้อนกลับ

and dynamics in a family,

และพลวัตการสื่อสารที่เกิดขึ้นในครอบครัว

we can now open up the same concepts

เราสามารถใช้หลักการเดียวกันนี้

and look at much larger groups of people.

เพื่อศึกษาคนกลุ่มใหญ่ขึ้นได้

This is a subset of data from our database --

นี่เป็นส่วนหนึ่งของข้อมูลจากฐานข้อมูลของเรา

just 50,000 out of several million --

เนื้อหา 50,000 จากเจ็ดล้านชิ้น

and the social graph that connects them

กับเส้นกราฟที่เชื่อมโยงมัน

through publicly available sources.

เข้ากับแหล่งข้อมูลที่อยู่บนเว็บไซต์สาธารณะ

And if you put them on one plain,

ถ้าคุณเอามันมาพลอตบนระนาบ

a second plain is where the content lives.

ระนาบที่สองคือตำแหน่งของเนื้อหาข่าวสาร

So we have the programs

เรามีรายการต่างๆ

and the sporting events

รายการแข่งขันกีฬา

and the commercials,

โฆษณา

and all of the link structures that tie them together

และโครงสร้างที่เชื่อมโยงเนื้อหาเหล่านี้เข้าด้วยกัน

make a content graph.

นั่นเป็นแผนภาพแสดงเนื้อหา

And then the important third dimension.

แล้วเราก็มีมิติที่สามซึ่งเป็นส่วนสำคัญ

Each of the links that you're seeing rendered here

การเชื่อมโยงแต่ละจุดที่คุณเห็นบนจอนี้

is an actual connection made

คือการเชื่อมโยงที่เกิดขึ้นจริง

between something someone said

ระหว่างสิ่งที่คนพูดถึง

and a piece of content.

กับเนื้อหาที่มีการเสนอในโทรทัศน์

And there are, again, now tens of millions of these links

เราพบการเชื่อมโยงแบบนี้นับสิบล้านจุด

that give us the connective tissue of social graphs

ซึ่งเป็นเส้นใยที่เชื่อมโยงอยู่ภายในสังคม

and how they relate to content.

และแสดงความเชื่อมโยงกับเนื้อหาในสื่อ

And we can now start to probe the structure

ทีนี้เราก็เริ่มศึกษาโครงสร้างนี้

in interesting ways.

จากมุมมองที่น่าสนใจได้หลายมุม

So if we, for example, trace the path

เช่น ถ้าเราติดตามเส้นทางของ

of one piece of content

เนื้อหาข่าวสารชิ้นหนึ่ง

that drives someone to comment on it,

ที่ทำให้ใครคนหนึ่งแสดงความเห็นเรื่องนี้

and then we follow where that comment goes,

แล้วเราก็ติดตามดูว่าความคิดเห็นนั้นมันไปไหนต่อ

and then look at the entire social graph that becomes activated

เราดูแผนภาพของสังคมที่ถูกกระตุ้นด้วยเนื้อหาชิ้นนั้น

and then trace back to see the relationship

แล้วสืบย้อนไปดูความสัมพันธ์

between that social graph and content,

ระหว่างแผนภาพทางสังคมกับเนื้อหา

a very interesting structure becomes visible.

เราก็พบแบบแผนโครงสร้างที่น่าสนใจขึ้นมา

We call this a co-viewing clique,

เราเรียกมันว่ากลุ่มผู้ชมร่วม

a virtual living room if you will.

หรือเรียกว่าเป็นห้องนั่งเล่นในโลกเสมือนจริง

And there are fascinating dynamics at play.

ซึ่งมีพลวัตที่น่าสนใจเกิดขึ้น

It's not one way.

มันไม่ใช่การสื่อสารทางเดียว

A piece of content, an event, causes someone to talk.

ที่เนื้อหาหรือเหตุการณ์หนึ่งเป็นเหตุให้คนพูดถึงมัน

They talk to other people.

แต่เมื่อคนพูดถึงเรื่องๆ หนึ่งกับคนอื่น

That drives tune-in behavior back into mass media,

มันก็ขับเคลื่อนพฤติกรรมให้คนเปิดรับสื่อเรื่องนั้นด้วย

and you have these cycles

แล้วคุณก็จะเห็นวงจรนี้

that drive the overall behavior.

ขับเคลื่อนพฤติกรรมโดยรวมของผู้ชม

Another example -- very different --

อีกตัวอย่างหนึ่ง อีกมุมที่ต่างออกไปมากเลย

another actual person in our database --

เรามุ่งความสนใจไปที่บุคคลคนหนึ่งที่อยู่ในฐานข้อมูล

and we're finding at least hundreds, if not thousands, of these.

เรามีคนทั้งหมดอย่างน้อยเป็นร้อยหรือเกือบพันคนในฐานข้อมูลนี้

We've given this person a name.

เราเรียกคนคนนี้

This is a pro-amateur, or pro-am media critic

ว่าเป็นนักวิจารณ์สื่อมือสมัครเล่นกึ่งอาชีพ

who has this high fan-out rate.

ที่มีอัตราการกระจายความเห็นออกไปสูงมาก

So a lot of people are following this person -- very influential --

คนจำนวนมากติดตามคนคนนี้ เขามีอิทธิพลสูงมาก

and they have a propensity to talk about what's on TV.

และเขาก็มีแนวโน้มจะคุยกันถึงเรื่องที่อยู่ในทีวี

So this person is a key link

คนคนนี้จึงเป็นกุญแจสำคัญ

in connecting mass media and social media together.

ที่เชื่อมโยงสื่อมวลชนกับสื่อทางสังคม (Social Media) เข้าด้วยกัน

One last example from this data:

ตัวอย่างสุดท้ายจากข้อมูลนี้

Sometimes it's actually a piece of content that is special.

บางครั้ง มันก็อยู่ที่ความพิเศษของเนื้อหาข่าวสารบางชิ้น

So if we go and look at this piece of content,

เราก็เลยไปดูเนื้อหาข่าวอันหนึ่ง

President Obama's State of the Union address

การแถลงผลงานของประธานาธิบดีโอบามา

from just a few weeks ago,

เมื่อสองสามสัปดาห์ก่อน

and look at what we find in this same data set,

ลองดูสิครับว่าเราพบอะไรในฐานข้อมูลนี้

at the same scale,

ด้วยหลักการวัดแบบเดิม

the engagement properties of this piece of content

การมีส่วนร่วมปฏิสัมพันธ์กับเนื้อหาข่าวสารชิ้นนี้

are truly remarkable.

มากมายมหาศาลจนน่าทึ่ง

A nation exploding in conversation

คนอเมริกันทั้งประเทศพูดถึงเรื่องนี้

in real time

ในเวลาเดียวกัน

in response to what's on the broadcast.

กับที่สื่อนำเสนอเนื้อหาชิ้นนี้

And of course, through all of these lines

และแน่นอน เส้นที่เชื่อมโยงกันเหล่านี้

are flowing unstructured language.

คือการถ่ายเทของคำพูดที่ไม่มีการจัดโครงสร้างไว้ก่อน

We can X-ray

เราสามารถถ่ายภาพเอ็กซเรย์

and get a real-time pulse of a nation,

วัดการเคลื่อนไหวของประเทศทั้งประเทศ

real-time sense

และปฏิกิริยาตอบสนองทางสังคม

of the social reactions in the different circuits in the social graph

ที่เกิดขึ้นในแผนภาพทางสังคม

being activated by content.

ทันทีที่ถูกกระตุ้นโดยข่าวดังกล่าว

So, to summarize, the idea is this:

ดังนั้น โดยสรุป แนวคิดเรื่องนี้ก็คือ

As our world becomes increasingly instrumented

เมื่อโลกของเรามีความก้าวหน้าทางเครื่องไม้เครื่องมือมากขึ้น

and we have the capabilities

เราก็สามารถที่จะ

to collect and connect the dots

เก็บข้อมูลและเชื่อมโยงข้อมูล

between what people are saying

ระหว่างสิ่งที่ผู้คนพูดคุยกัน

and the context they're saying it in,

กับบริบทหรือสถานที่ที่เขาพูดถึงมัน

what's emerging is an ability

ทำให้เรามีสามารถ

to see new social structures and dynamics

ที่จะมองเห็นโครงสร้างและพลวัตทางสังคมแบบใหม่

that have previously not been seen.

ที่เราไม่เคยเห็นมาก่อน

It's like building a microscope or telescope

เหมือนกับการสร้างกล้องจุลทรรศน์หรือกล้องโทรทรรศน์

and revealing new structures

ที่เผยให้เราเห็นโครงสร้าง

about our own behavior around communication.

พฤติกรรมการสื่อสารของเรา

And I think the implications here are profound,

และผมคิดว่ามันมีความหมายลึกซึ้งมาก

whether it's for science,

ไม่ว่าจะในเชิงวิทยาศาสตร์

for commerce, for government,

เชิงพาณิชย์ ต่อรัฐบาล

or perhaps most of all,

หรือที่สำคัญที่สุด

for us as individuals.

ต่อเราในฐานะบุคคล

And so just to return to my son,

ผมอยากย้อนกลับมาที่ลูกชายของผมหน่อย

when I was preparing this talk, he was looking over my shoulder,

ระหว่างที่ผมเตรียมการพูดครั้งนี้ เขามายืนมองอยู่ข้างหลังผม

and I showed him the clips I was going to show to you today,

ผมเลยให้เขาดูวิดีโอที่ผมกำลังจะฉายให้คุณดูวันนี้

and I asked him for permission -- granted.

แล้วผมก็ขออนุญาตเขา ซึ่งเขาก็อนุญาต

And then I went on to reflect,

แล้วผมก็พูดขึ้นมาว่า

"Isn't it amazing,

"มันน่าทึ่งไหม วันหนึ่ง

this entire database, all these recordings,

ข้อมูลทั้งหมด วิดีโอทั้งหมดที่ถูกบันทึกไว้นี่

I'm going to hand off to you and to your sister" --

พ่อจะส่งต่อให้ลูกและน้องสาวของลูก"

who arrived two years later --

ซึ่งเกิดหลังจากเขาสองปี

"and you guys are going to be able to go back and re-experience moments

"แล้วลูกก็จะสามารถย้อนกลับไปสัมผัสช่วงเวลาเหล่านั้น

that you could never, with your biological memory,

ที่ตอนนั้นลูกไม่สามารถจดจำได้

possibly remember the way you can now?"

เพราะข้อจำกัดทางชีวภาพ"

And he was quiet for a moment.

เขาเงียบไปพักหนึ่ง

And I thought, "What am I thinking?

ผมนึกในใจว่า "นี่ผมคิดอะไรอยู่เนี่ย?

He's five years old. He's not going to understand this."

เขาอายุแค่ห้าขวบ เขาคงไม่เข้าใจสิ่งที่ผมพูดหรอก"

And just as I was having that thought, he looked up at me and said,

ขณะที่ผมกำลังคิดอยู่นั่นเอง เขาก็มองผมแล้วพูดว่า

"So that when I grow up,

"งั้นตอนผมโตขึ้น

I can show this to my kids?"

ผมก็เอาวิดีโอนี่ให้ลูกผมดูได้ใช่ไหมฮะ?"

And I thought, "Wow, this is powerful stuff."

ผมคิดในใจว่า "ว้าว สิ่งนี้มันมีพลังจริงๆ เลย"

So I want to leave you

ฉะนั้น ผมเลยอยากทิ้งท้ายไว้

with one last memorable moment

ด้วยภาพช่วงเวลาที่น่าจดจำ

from our family.

จากครอบครัวของเรา

This is the first time our son

นี่คือครั้งแรกที่ลูกชายของเรา

took more than two steps at once --

เดินได้มากกว่าสองก้าว

captured on film.

ซึ่งถูกบันทึกไว้ในวิดีโอ

And I really want you to focus on something

ผมอยากให้คุณสังเกตดีๆ

as I take you through.

ระหว่างที่ผมให้คุณดูวิดีโอนี้

It's a cluttered environment; it's natural life.

ในบ้านก็วุ่นๆ ตามธรรมชาติน่ะครับ

My mother's in the kitchen, cooking,

แม่ผมทำกับข้าวอยู่ในครัว

and, of all places, in the hallway,

และผมก็อยู่ตรงนั้น ตรงทางเดิน

I realize he's about to do it, about to take more than two steps.

ผมรู้ว่าเขากำลังจะเดิน เขากำลังจะก้าวเดินได้มากกว่าสองก้าว

And so you hear me encouraging him,

คุณจะได้ยินผมเชียร์ให้เขาเดิน

realizing what's happening,

เฝ้ามองสิ่งที่กำลังเกิดขึ้น

and then the magic happens.

แล้วสิ่งมหัศจรรย์ก็เกิดขึ้น

Listen very carefully.

ฟังดีๆ นะครับ

About three steps in,

ตอนเขาเดินก้าวที่สาม

he realizes something magic is happening,

เขารู้ว่าสิ่งมหัศจรรย์บางอย่างได้เกิดขึ้นแล้ว

and the most amazing feedback loop of all kicks in,

แล้ววงจรปฏิกิริยาตอบสนองที่น่าทึ่งระหว่างผมกับลูกก็เริ่มขึ้น

and he takes a breath in,

เขาหายใจเข้า

and he whispers "wow"

แล้วกระซิบเบาๆ ว่า "ว้าว"

and instinctively I echo back the same.

แล้วผมก็ตอบสนองกลับไปแบบเดียวกันโดยอัตโนมัติ ตามสัญชาตญาณ

And so let's fly back in time

เรามาย้อนเวลากลับไปยัง

to that memorable moment.

ช่วงเวลาที่น่าจดจำนั้นกันครับ

(Video) DR: Hey.

(วิดีโอ) เด็บ: เฮ้

Come here.

มานี่ซิ

Can you do it?

ทำได้ไหม?

Oh, boy.

ว่าไงลูก

Can you do it?

ทำได้ไหม?

Baby: Yeah.

เด็ก: เย้

DR: Ma, he's walking.

เด็บ: แม่ครับ เขาเดินแล้ว

(Laughter)

(เสียงหัวเราะ)

(Applause)

(เสียงปรบมือ)

DR: Thank you.

เด็บ: ขอบคุณครับ

(Applause)

(เสียงปรบมือ)