What we learned from 5 million books

5 Milyon Kitaptan Ne Öğrendik?

Çeviri: Isil Arican Gözden geçirme: Sancak Gülgen

Erez Lieberman Aiden: Everyone knows

Erez Lieberman Aiden: Herkes bilir ki

that a picture is worth a thousand words.

bir resim 1000 kelimeye değerdir.

But we at Harvard

Ama Harvard'daki bizler

were wondering if this was really true.

bunun gerçekten doğru olup olmadığını merak ediyorduk.

(Laughter)

(Gülüşmeler)

So we assembled a team of experts,

Böylece, Harvard, MIT,

spanning Harvard, MIT,

American Heritage Sözlüğü, Britannica Ansiklopedisi,

The American Heritage Dictionary, The Encyclopedia Britannica

ve gururlu sponsorlarımız Google'ın da arasında bulunduğu

and even our proud sponsors,

uzmanlardan oluşan

the Google.

bir ekip hazırladık.

And we cogitated about this

ve 4 yıl kadar

for about four years.

bunun üzerinde düşündük.

And we came to a startling conclusion.

Ve şaşırtıcı bir sonuca vardık.

Ladies and gentlemen, a picture is not worth a thousand words.

Bayanlar baylar, bir resim 1000 kelimeye değer değil.

In fact, we found some pictures

Hatta, biz 500 milyar kelimeye değer

that are worth 500 billion words.

resimler bulduk.

Jean-Baptiste Michel: So how did we get to this conclusion?

Jean-Baptiste Michel: peki bu sonuca nasıl vardık?

So Erez and I were thinking about ways

Erez ve ben, insan kültürünün ve insanlık tarihinin

to get a big picture of human culture

zamanla değişiminin

and human history: change over time.

genel bir tablosunu oluşturmak istiyorduk.

So many books actually have been written over the years.

Yıllar içinde o kadar çok kitap yazılmış ki.

So we were thinking, well the best way to learn from them

Biz de düşündük ki. onlardan öğrenmenin en iyi yolu

is to read all of these millions of books.

tüm bu milyonlarca kitapları okumak.

Now of course, if there's a scale for how awesome that is,

Tabiki eğer bunun ne kadar süper bir şey olduğunu gösteren bir grafik varsa,

that has to rank extremely, extremely high.

bu çok çok yüksek bir sıralamaya sahip olmalı.

Now the problem is there's an X-axis for that,

Problem şu ki, bir de X ekseni var,

which is the practical axis.

ki o da kullanışlılık ekseni.

This is very, very low.

Bu da çok çok düşük bir seviyede.

(Applause)

(Alkışlar)

Now people tend to use an alternative approach,

Şimdi insanlar alternatif bir yaklaşım kullanmaya meyilli,

which is to take a few sources and read them very carefully.

bu da bir kaç kaynağı almak ve onlar dikkatlice okumak.

This is extremely practical, but not so awesome.

Bu inanılmaz kullanışlı, ama o kadar süper değil.

What you really want to do

Gerçekte yapmak istediğiniz şey

is to get to the awesome yet practical part of this space.

süper ama kullanışlı olan bu alana gelmek.

So it turns out there was a company across the river called Google

Öğrendik ki bir kaç sene önce bir dijitalizasyon projesi başlatan

who had started a digitization project a few years back

bu yaklaşımı mümkün kılabilecek

that might just enable this approach.

nehrin ötesinde Google adında bir şirket varmış.

They have digitized millions of books.

Mİlyonlarca kitabı dijitalize hale getirdiler.

So what that means is, one could use computational methods

Yani bu şu anlama geliyor: biri bu kitapların hepsini okumak için

to read all of the books in a click of a button.

bir klikle bilgisayarlı methodları kullanabilir.

That's very practical and extremely awesome.

Bu çok kullanışlı ve inanılmaz süper.

ELA: Let me tell you a little bit about where books come from.

ELA: Sizlere biraz kitapların nereden geldiğinden bahsedeyim.

Since time immemorial, there have been authors.

Zamanın başlangıcından beri, yazarlar vardı.

These authors have been striving to write books.

Bu yazarlar kitap yazmak için çabalayıp durdular.

And this became considerably easier

Bir kaç yüzyıl önce matbaa makinesinin geliştirilmesiyle

with the development of the printing press some centuries ago.

bu gittikçe kolaylaştı.

Since then, the authors have won

O zamandan beri, 129 milyon farklı vesilelerle

on 129 million distinct occasions,

kitaplar yayınlayarak,

publishing books.

yazarlar kazandı.

Now if those books are not lost to history,

Şimdi ise bu kitaplar tarih arasında kaybolup gitmediyse

then they are somewhere in a library,

bir kütüphanenin tekinde

and many of those books have been getting retrieved from the libraries

ve bu kitapların çoğu kütüphanelerden getirtiliyor,

and digitized by Google,

ve günümüze kadar 15 milyon kitabı taramış olan,

which has scanned 15 million books to date.

Google tarafından dijitalize hale getiriliyorlar.

Now when Google digitizes a book, they put it into a really nice format.

Şimdi Google bir kitabı dijitalize hale getirdiğinde, onu çok güzel bir formatla sunuyorlar.

Now we've got the data, plus we have metadata.

Şimdi elimizde veri var ve meta veri var.

We have information about things like where was it published,

Kitabın nerede basıldığı, yazarın kim olduğu

who was the author, when was it published.

ne zaman basıldığı gibi şeyler hakkında bilgimiz var.

And what we do is go through all of those records

Yaptığımız ise bütün bu bilgileri taramak

and exclude everything that's not the highest quality data.

ve yüksek kaliteli olmayan tüm verileri ayıklamak.

What we're left with

Elimizde kalan şey ise

is a collection of five million books,

5 milyon kitabın

500 billion words,

500 milyar kelimenin toplamı,

a string of characters a thousand times longer

kültürel genomumuzun gerçek bir parçası,

than the human genome --

açık açık yazıldığında,

a text which, when written out,

buradan aya kadar,

would stretch from here to the Moon and back

10 kez gidip gelebilecek,

10 times over --

insan genomundan 1000 kere daha uzun olan

a veritable shard of our cultural genome.

bir karakterler dizisi.

Of course what we did

Böyle aşırı abartılı bir durumla karşı karşıya kaldığımızda

when faced with such outrageous hyperbole ...

yaptığımız şey

(Laughter)

(Gülüşmeler)

was what any self-respecting researchers

kendine saygısı olan her araştırmacının

would have done.

yapacağı şeydi.

We took a page out of XKCD,

XKDC'den bir sayfayı aldık,

and we said, "Stand back.

ve "Sıkı durun, bilim yapmayı deneyeceğiz"

We're going to try science."

dedik.

(Laughter)

(Gülüşmeler)

JM: Now of course, we were thinking,

JM: Tabii ki, şöyle düşündük,

well let's just first put the data out there

bilimle ilgilenen insanlar için

for people to do science to it.

elimizdeki datayı ortaya koyalım.

Now we're thinking, what data can we release?

Düşünmeye başladık, hangi datayı yayınlayabiliriz?

Well of course, you want to take the books

Tabii ki, bu kitapları alıp

and release the full text of these five million books.

bu 5 milyon kitabın tam metinlerini yayınlamak istiyorsunuz.

Now Google, and Jon Orwant in particular,

Google'dakiler, özellikle Jon Orwant,

told us a little equation that we should learn.

bize öğrenmemiz gereken bir denklemden bahsettiler.

So you have five million, that is, five million authors

Şimdi elinizde 5 milyon yazar var

and five million plaintiffs is a massive lawsuit.

ve 5 milyon davacı devasa bir toplu dava demek.

So, although that would be really, really awesome,

Yani bu her ne kadar çok çok süper bir şey olsa da,

again, that's extremely, extremely impractical.

tekrar edelim, çok ama çok kullanışsız.

(Laughter)

(Gülüşmeler)

Now again, we kind of caved in,

Ve tekrardan, boyun eğdik,

and we did the very practical approach, which was a bit less awesome.

ve o kadar süper olmayan kullanışlı yaklaşımı kullandık.

We said, well instead of releasing the full text,

Tam metini yayınlamak yerine,

we're going to release statistics about the books.

kitaplar hakkında istatistikleri yayınlayalım dedik.

So take for instance "A gleam of happiness."

"Bir Pırıltı Mutluluk" 'u ele alalım.

It's four words; we call that a four-gram.

3 kelime; biz buna üç-gram dedik.

We're going to tell you how many times a particular four-gram

Size bu üç-gram'ın 1801, 1802, 1803 ten baslayip

appeared in books in 1801, 1802, 1803,

2008'e kadar olan kitaplarda kaç defa

all the way up to 2008.

geçtiğini söyleyeceğiz.

That gives us a time series

Bu, bize bu cümlenin zaman içinde

of how frequently this particular sentence was used over time.

kaç defa tekrarladığını gösteren bir zaman dizini sunacak.

We do that for all the words and phrases that appear in those books,

Bu yöntemi, bu kitaplardaki tüm kelime ve deyimlere uygularsak

and that gives us a big table of two billion lines

sonunda elimizde kültürümüzün ne şekilde değistigini gösteren

that tell us about the way culture has been changing.

iki milyar satırlık bir tablo ortaya çıkacak.

ELA: So those two billion lines,

ELA: Peki, bu iki milyar satır,

we call them two billion n-grams.

bunlara iki milyar n-gram diyelim.

What do they tell us?

Bize ne söylüyorlar?

Well the individual n-grams measure cultural trends.

Yalın n-gramlar, kültürel trendleri ölçmeye yarıyor.

Let me give you an example.

Bir örnek vermeme izin verin.

Let's suppose that I am thriving,

Diyelim ki ben çok başarılı oldum.

then tomorrow I want to tell you about how well I did.

ve ertesi gün size ne kadar başarılı olduğumu söylemek istedim.

And so I might say, "Yesterday, I throve."

Diyebilirim ki, ben dün "başardım." (throve)

Alternatively, I could say, "Yesterday, I thrived."

Ya da diyebilirim ki "başardım". (thrived)

Well which one should I use?

Hangisini kullanmalıyım?

How to know?

Nasıl bileceğiz?

As of about six months ago,

Bundan yaklaşık altı ay önce

the state of the art in this field

bu sorunun yanıtını öğrenmek için

is that you would, for instance,

mesela bu muhteşem saçlara sahip

go up to the following psychologist with fabulous hair,

psikoloğa gider ve derdiniz ki,

and you'd say,

"Steve, sen düzensiz fiil çekimi konusunda

"Steve, you're an expert on the irregular verbs.

tam bir uzmansın. Hangisini ( throve veya thrived)

What should I do?"

kullanmam gerekir?"

And he'd tell you, "Well most people say thrived,

O da size derdi ki "Bak insanların çoğu 'thrived' diyor,

but some people say throve."

ama bazıları 'thrıve' da diyorlar."

And you also knew, more or less,

Ve şunu da biliyorsunuz ki,

that if you were to go back in time 200 years

eğer bundan 200 yıl önceye gidebiliyor olsanız

and ask the following statesman with equally fabulous hair,

ve aynı derece müthiş saçlara sahip bu devlet adamına aynı soruyu sorsanız,

(Laughter)

(Gülüşmeler)

"Tom, what should I say?"

"Tom, hangisini kullanmalıyım?" deseniz

He'd say, "Well, in my day, most people throve,

O size " Bak, benim zamanımda çoğu insan 'throve' diyordu,

but some thrived."

ama bazıları 'thrived' da der." diyecektir.

So now what I'm just going to show you is raw data.

Öylese şimdi sizle ham veriyi paylaşacağım.

Two rows from this table of two billion entries.

Bu tablodaki iki sıra, iki milyar kayıt demek.

What you're seeing is year by year frequency

Burada gördüğünüz zaman içinde "thrived" ve "throve"

of "thrived" and "throve" over time.

kelimelerinin yıllık frekansı.

Now this is just two

Burada gördüğünüz, iki milyar satırdan

out of two billion rows.

sadece iki tanesi.

So the entire data set

Yani aslında veri setinin tamamı

is a billion times more awesome than this slide.

bu slaytta gördüşünüzden milyar kez daha müthiş.

(Laughter)

(Gülüşmeler)

(Applause)

(Alkışlar)

JM: Now there are many other pictures that are worth 500 billion words.

JM: Şimdi, 500 milyar kelime eden çok farklı başka resimler de var.

For instance, this one.

mesela bu gördüğünüz.

If you just take influenza,

Eğer sadece grip virüsünü alırsanız,

you will see peaks at the time where you knew

dünyada insanların ölümüne neden olan bir grip salgını

big flu epidemics were killing people around the globe.

olduğu zamanlarda pik yaptığını görürsünüz.

ELA: If you were not yet convinced,

ELA: Eğer hala deniz seviyesinin

sea levels are rising,

yükseldiğine ve atmosferik CO2 ve

so is atmospheric CO2 and global temperature.

yerkürenin ısısının arttığına ikna olmadıysanız buna bakabilirsiniz.

JM: You might also want to have a look at this particular n-gram,

JM: Ya da bu diğer n-grama bakarsanız,

and that's to tell Nietzsche that God is not dead,

Nietzsche'ye Tanrıinın ölmediğini söyleyebilirsiniz,

although you might agree that he might need a better publicist.

ama siz de kabul edeceksiniz ki daha iyi bir halkla ilişkiler uzmanına ihtiyacı var.

(Laughter)

(Gülüşmeler)

ELA: You can get at some pretty abstract concepts with this sort of thing.

ELA: Bu tip birşeyi kullanarak epey soyut kavramlara varabilirsiniz.

For instance, let me tell you the history

mesela izin verin size 1950 yılının hikayesini

of the year 1950.

anlatayım.

Pretty much for the vast majority of history,

Tarih boyunca 1950 yılı

no one gave a damn about 1950.

kimsenin pek de umrunda olmadı.

In 1700, in 1800, in 1900,

1700'ler, 1800'ler veya 1900'lerde

no one cared.

kimsenin umrunda değildi.

Through the 30s and 40s,

30'lar ve 40'larda da öyle.

no one cared.

Kimse takmadı.

Suddenly, in the mid-40s,

Birden, 40'lı yılların ortasında,

there started to be a buzz.

bir uğultu ortaya çıkmaya başladı.

People realized that 1950 was going to happen,

İnsanlar 1950'nin yaklaştığını fark ettiler,

and it could be big.

ve bu büyük bir olaydı.

(Laughter)

(Gülüşmeler)

But nothing got people interested in 1950

Ama 1950'lerde hiçbir şey insanları 1950 yılı

like the year 1950.

kadar çok ilgilendirmedi.

(Laughter)

(Gülüşmeler)

People were walking around obsessed.

İnsanlar kafayı yemişlerdi, 1950'de yaptıkları

They couldn't stop talking

şeykeri anlatmaktan başka hiçbir şey yapmadan

about all the things they did in 1950,

ortalıkta dolanıyorladı,

all the things they were planning to do in 1950,

1950'de yapmayı planladıkları şeyler,

all the dreams of what they wanted to accomplish in 1950.

1950'de kavuşmayı umdukları bütün hayalleri.

In fact, 1950 was so fascinating

Aslında, 1950 öylesine inanılmazdı ki,

that for years thereafter,

geçtikten yıllarca sonra bile,

people just kept talking about all the amazing things that happened,

bu müthiş yıl ve onda olup bitenlerden bahsettiler.

in '51, '52, '53.

1951, 52, 53 yıllarında.

Finally in 1954,

Sonunda 1954 yılında biri uyandı ve

someone woke up and realized

nihayet insanlar 1950'nin

that 1950 had gotten somewhat passé.

geçip gitmiş olduğunu fark ettiler.

(Laughter)

(Gülüşmeler)

And just like that, the bubble burst.

Birdenbire, patlayan bir balon gibi.

(Laughter)

(Gülüşmeler)

And the story of 1950

Ve 1950 yılının hikayesi aslında

is the story of every year that we have on record,

yaşadığımız her yılın hikayesi.

with a little twist, because now we've got these nice charts.

Ufak tefek farklılıklar, çünkü artık bu güzel grafiklere sahibiz.

And because we have these nice charts, we can measure things.

Bunlara sahip olduğumuz için bazı şeyleri ölçümleyebiliyoruz.

We can say, "Well how fast does the bubble burst?"

Böylece şunu sorabiliyoruz, "Balonun patlaması ne kadar sürer?"

And it turns out that we can measure that very precisely.

ve görünen o ki artık bunu oldukça hassas şekilde ölçebiliyoruz.

Equations were derived, graphs were produced,

Formüller yazıyor, grafikler çiziyoruz,

and the net result

ve net sonuç şu ki

is that we find that the bubble bursts faster and faster

her geçen yıl bu baloncuklar daha kolay sönüyor.

with each passing year.

Her geçen yıl geçmişe olan ilgimizi

We are losing interest in the past more rapidly.

daha büyük bir hızla kaybediyoruz.

JM: Now a little piece of career advice.

JM: Siz ufak bir kariyer önerisi.

So for those of you who seek to be famous,

Eğer aranızda ünlü olmayı planlayanlar varsa,

we can learn from the 25 most famous political figures,

bu 25 ünlü politik figürden, yazardan ve aktörden

authors, actors and so on.

birşeyler öğrenebilirsiniz.

So if you want to become famous early on, you should be an actor,

Eğer genç yaşta ünlü olmak isterseniz, aktör olmalısınız,

because then fame starts rising by the end of your 20s --

çünkü onlar 20'li yaşların sonunda ünlü olmaya başlıyorlar --

you're still young, it's really great.

hala genç bir yaş, süper.

Now if you can wait a little bit, you should be an author,

Eğer biraz daha bekleyecek olursanız, o zaman yazar olmalısınız,

because then you rise to very great heights,

çünkü o zaman çok ama çok ünlü olabilirsiniz.

like Mark Twain, for instance: extremely famous.

Mark Twain gibi mesela: çok çok ünlü.

But if you want to reach the very top,

Ama en tepeye ulaşmak istiyorsanız,

you should delay gratification

o zaman ünlü olmak için daha beklemeli ve

and, of course, become a politician.

elbette ki poitikacı olmalısınız.

So here you will become famous by the end of your 50s,

Böylece 50 yaş civarında ünlü olabilir, ve hayatınızın

and become very, very famous afterward.

sonrasını çok ama çok ünlü geçirebilirsiniz.

So scientists also tend to get famous when they're much older.

Bilimadamlar çok daha geç yaşlarda ünlü oluyorlar.

Like for instance, biologists and physics

Mesela biyologlar ve fizikçiler neredeyse

tend to be almost as famous as actors.

aktörler kadar ünlü olabilirler.

One mistake you should not do is become a mathematician.

Ama yapacağınız en büyük hata Matematikçi olmak olacaktır.

(Laughter)

(Gülüşmeler)

If you do that,

Eğer bunu yaparsanız,

you might think, "Oh great. I'm going to do my best work when I'm in my 20s."

şöyle düşünebilirsiniz, " Şahane, 20'li yaşlarda en önemli çalışmalarımı yapacağım."

But guess what, nobody will really care.

Ama bilin bakalım ne olacak: kimse sizi umursamayacak.

(Laughter)

(Gülüşmeler)

ELA: There are more sobering notes

ELA: n-gramlardan elde edebileceğiniz

among the n-grams.

daha fena veriler de var.

For instance, here's the trajectory of Marc Chagall,

Mesela, Marc Chagall'ın trajedisini ele alalım.

an artist born in 1887.

1887 yılında doğmuş bir sanatçı.

And this looks like the normal trajectory of a famous person.

Bu gördüğünüz ünlü bir insanın normal grafiğini gösteriyor.

He gets more and more and more famous,

her geçen gün daha ünlü oluyor,

except if you look in German.

ama eğer Almanca kayıtlara bakarsanız,

If you look in German, you see something completely bizarre,

Almanca kayıtlarda çok acaip birşey göreceksiniz,

something you pretty much never see,

daha önce pek görmediğiniz birşey.

which is he becomes extremely famous

Çok çok ünlü olurken, birden bire

and then all of a sudden plummets,

adeta yok oluyor.

going through a nadir between 1933 and 1945,

1933-1945 yılları arasında birden bire düşüyor,

before rebounding afterward.

daha sonra da tekrar yükseliyor.

And of course, what we're seeing

Ve burada gördüğümz şeyin açıklaması da

is the fact Marc Chagall was a Jewish artist

Marc Chagall'ın Nazi Almanyası'nda Yahudi bir

in Nazi Germany.

sanatçı olmaından kaynaklanıyor.

Now these signals

Bu işaretler

are actually so strong

öylesine güçlü ki

that we don't need to know that someone was censored.

birinin sansürlendiğini önceden bilmenize gerek yok.

We can actually figure it out

Bunu basit veri işleme yolu ile

using really basic signal processing.

kendiniz bulabilirsiniz.

Here's a simple way to do it.

İşte bunu yapmanın basit bir yolu.

Well, a reasonable expectation

Bir kimsenin herhangi bir zamandaki

is that somebody's fame in a given period of time

ün miktarı, kabaca ünlü olmadan önceki ve

should be roughly the average of their fame before

ünlü olduktan sonraki ün miktarlarının

and their fame after.

ortalaması olmalıdır.

So that's sort of what we expect.

Görmeyi beklediğimiz şey budur.

And we compare that to the fame that we observe.

Ve bu veriyi gözlemlediğimiz ünle karşılaştırırız.

And we just divide one by the other

Sonra bunları birbirine bölerek

to produce something we call a suppression index.

baskılama indeksi dediğimiz bir rakam buluruz.

If the suppression index is very, very, very small,

Eğer baskılama indeksi çok çok küçük bir rakamsa,

then you very well might be being suppressed.

baskılanmış olma ihtimaliniz çok yüksektir.

If it's very large, maybe you're benefiting from propaganda.

Eğer çok büyükse o zaman da propogandayla pomplanmış olma ihtimaliniz vardır.

JM: Now you can actually look at

JM: Şimdi, eğer toplumların genel baskılanma indekslerinin

the distribution of suppression indexes over whole populations.

dağılımına bakacak olursanız,

So for instance, here --

mesela burada --

this suppression index is for 5,000 people

5000 kişinin baskılama indeksleri var,

picked in English books where there's no known suppression --

bilinen bir baskılama olmayan İngilizce kitaplar bunlar --

it would be like this, basically tightly centered on one.

buna benzer birşey olacaktır, ortada yoğunlaşıyor.

What you expect is basically what you observe.

Kısaca görmeyi beklediğiniz şey ile gördüşünüz aynıdır.

This is distribution as seen in Germany --

Almanya'da gördüğümüz dağılım ise bu --

very different, it's shifted to the left.

çok farklı, sola doğru kaymış durumda.

People talked about it twice less as it should have been.

İnsanlar bunlar hakkında konuşmuş olmaları gerekenin yarısı kadar konuşmuşlar,

But much more importantly, the distribution is much wider.

daha da önemlisi, dağılım çok daha geniş.

There are many people who end up on the far left on this distribution

Dağılımın en solunda yer alan pek çok insan var,

who are talked about 10 times fewer than they should have been.

bunlar haklarında beklenenden 10 kat daha az konuşulmuş olan insanlar.

But then also many people on the far right

Ama en sağda da başkaları var.

who seem to benefit from propaganda.

Bunlar da propoganda'dan faydalanmış kimseler.

This picture is the hallmark of censorship in the book record.

Bu şekil, kitaplardaki sansürün fotoğrafı.

ELA: So culturomics

ELA: Biz bu yönteme Kültüromik

is what we call this method.

adını verdik.

It's kind of like genomics.

Biraz Genomik gibi.

Except genomics is a lens on biology

Ancak genomik insan genomundaki baz dizilimi

through the window of the sequence of bases in the human genome.

aracılığı ile biyoloji bilimine bir pencere açıyor.

Culturomics is similar.

Kültüromik de buna benziyor.

It's the application of massive-scale data collection analysis

İnsan kültrünü incelemek için yapılan çok yoğun bir

to the study of human culture.

veri toplama analizi uygulaması.

Here, instead of through the lens of a genome,

Burada, genomdaki pencere yerine

through the lens of digitized pieces of the historical record.

dijital hale getirilmiş tarihsel verilerin penceresinden bakıyoruz.

The great thing about culturomics

Kültüromik ile ilgili müthiş olan şey

is that everyone can do it.

bunu herkesin yapabiliyor olması.

Why can everyone do it?

Nasıl herkes yapabilir?

Everyone can do it because three guys,

herkes yapabilir, çünkü üç kişi

Jon Orwant, Matt Gray and Will Brockman over at Google,

Google'da çalışan Jon Orwant, Matt Gray ve Wıll Brockman,

saw the prototype of the Ngram Viewer,

Ngram prototipine baktılar ve dediler ki,

and they said, "This is so fun.

" Bu çok eğlenceli birşey.

We have to make this available for people."

Bunu herkesin ulaşabileceği hale getirmemiz lazım."

So in two weeks flat -- the two weeks before our paper came out --

Ve iki hafta içinde -- bizim makalemiz yayınlanmadan iki hafta önce --

they coded up a version of the Ngram Viewer for the general public.

herkesin kullanımına açık bir Ngram versiyonu programladılar.

And so you too can type in any word or phrase that you're interested in

ve artık siz de ilginizi çeken bir kelime ya da deyim yazarak

and see its n-gram immediately --

ona ait n-gramı hemen görebilirsiniz --

also browse examples of all the various books

ve sizin n-gramınızın yer aldığı kitapları

in which your n-gram appears.

tarayabilirsiniz.

JM: Now this was used over a million times on the first day,

JM: Bu uygulama, hayata geçtiği ilk gün ir milyonda defadan fazla kullanıldı,

and this is really the best of all the queries.

ve bu bence en güzel sorgulardan biri.

So people want to be their best, put their best foot forward.

İnsanlar iyi bir şey yapmak istediklerinde "ellerinden geleni yaptılar"

But it turns out in the 18th century, people didn't really care about that at all.

ama görünen o ki, 18. yüzyılda bunu pek umursamıyorlardı.

They didn't want to be their best, they wanted to be their beft.

O zaman "ellerinden geleni" değil, "evlerinden geleni" yapmak istediler.

So what happened is, of course, this is just a mistake.

Aslında olan şu, be elbette bir hata.

It's not that strove for mediocrity,

Gayret etmeyi bırakmadılar, sadece

it's just that the S used to be written differently, kind of like an F.

o dönemde L harfi daha farklı yazılıyordu, V'ye beziyordu biraz.

Now of course, Google didn't pick this up at the time,

Elbette, Google bunu o zaman yakalayamadı,

so we reported this in the science article that we wrote.

bu nedenle bunu yazdığımız makaleye ekledik.

But it turns out this is just a reminder

Ama görünen o ki, bu her ne kadar eğlenceli birşey

that, although this is a lot of fun,

olsa da, bize şunu anımsattı

when you interpret these graphs, you have to be very careful,

bu grafikleri anlamlandırırken çok dikkatli olmanız gerekiyor.

and you have to adopt the base standards in the sciences.

ve mutlaka bilimsel yöntemdeki temel standartları gözetmelisiniz.

ELA: People have been using this for all kinds of fun purposes.

ELA: İnsanlar bunu her türlü eğlenceli şey için kullanıyorlar.

(Laughter)

(Gülüşmeler)

Actually, we're not going to have to talk,

Aslında bundan sonra konuşmamız gereksiz,

we're just going to show you all the slides and remain silent.

size sadece bazı slaytları üzerinde konuşmaksızın göstereceğiz.

This person was interested in the history of frustration.

Bu kişi, düşkırıklığının, sıkıntının tarihçesi ile ilgileniyormuş.

There's various types of frustration.

Düşkırıklığının birkaç çeşidi vardır.

If you stub your toe, that's a one A "argh."

Eğer ayak parmağınızı bir yere çarpacak olursanız bu tek A harfli bir "Ah" demek.

If the planet Earth is annihilated by the Vogons

Eğer gezegenimiz dünya gezegenler arası otoyol yapmak isteyen

to make room for an interstellar bypass,

Vogonlar tarafından işgal edilecek olursa,

that's an eight A "aaaaaaaargh."

bu sekiz A değerinde bir "Aaaaaaaah" eder.

This person studies all the "arghs,"

Bu kişi bütün "Ahéları incelemiş.

from one through eight A's.

Tek A'lıdan sekiz A'lısına dek.

And it turns out

Ve görmüş ki,

that the less-frequent "arghs"

daha can sıkıcı şeylere ait "Ah"lar

are, of course, the ones that correspond to things that are more frustrating --

daha az sıklıkla ortaya çıkıyor,

except, oddly, in the early 80s.

ama 80'li yılların başları hariç.

We think that might have something to do with Reagan.

Biz bu durumun Reagan ile ilgili olduğunu düşünüyoruz.

(Laughter)

(Gülüşmeler(

JM: There are many usages of this data,

JM: Bu verilerin pek çok kullanım alanı var

but the bottom line is that the historical record is being digitized.

ama nihayetinde, bunlar tarihsel kayıtların dijital veriler hakine çevrilmesi.

Google has started to digitize 15 million books.

Google, 15 milyon kitabı dijital hale getirdi.

That's 12 percent of all the books that have ever been published.

Bu, bugüne dek basılmış kitapların %12'si demek.

It's a sizable chunk of human culture.

İnsanlığa ait kültür birikimin kayda değer bir kısmı.

There's much more in culture: there's manuscripts, there newspapers,

Kültüre ait daha pek çok veri var: yazmalar, gazeteler,

there's things that are not text, like art and paintings.

yazılı olmayan şeyler, sanat ve tablolar gibi.

These all happen to be on our computers,

Bunların hepsi dünyanın dört bir yanındaki

on computers across the world.

bilgisayarlarımıza geçebilir.

And when that happens, that will transform the way we have

Ve bu olduğunda, insanlığın geçmişi, bu günü ve

to understand our past, our present and human culture.

tüm yarattığı kültüre bakış açımız tamamen değişecek.

Thank you very much.

Çok teşekkürler.

(Applause)

(Alkışlar)