What we learned from 5 million books

Điều chúng ta đã học từ 5 triệu cuốn sách

Translator: Ha Thu Hai Reviewer: Duc Nguyen

Erez Lieberman Aiden: Everyone knows

Erez Lieberman Aiden : Mọi người đều biết

that a picture is worth a thousand words.

một bức ảnh đáng giá một nghìn từ.

But we at Harvard

Nhưng chúng tôi, tại Harvard

were wondering if this was really true.

luôn thắc mắc liệu điều đó có thật sự đúng.

(Laughter)

(Tiếng cười)

So we assembled a team of experts,

Vì vậy chúng tôi tập hợp một đội những chuyên gia,

spanning Harvard, MIT,

từ khắp Harvard , MIT,

The American Heritage Dictionary, The Encyclopedia Britannica

Từ điển Di sản Mỹ, Bách khoa toàn thư Britannica

and even our proud sponsors,

và cả nhà tài trợ tự hào của chúng tôi,

the Google.

Google.

And we cogitated about this

Chúng tôi đã ngẫm nghĩ về điều này

for about four years.

trong khoảng bốn năm.

And we came to a startling conclusion.

Và chúng tôi đã đi đến một kết luận đầy sửng sốt.

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

Xin thưa với quí vị rằng, một bức tranh không đáng một nghìn từ.

In fact, we found some pictures

Thực tế, chúng tôi đã tìm thấy bức tranh

that are worth 500 billion words.

đáng giá 500 nghìn triệu từ!

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

Jean-Baptiste Michel: Vậy làm thế nào chúng tôi lại đi đến kết luận này?

So Erez and I were thinking about ways

Erez và tôi đã suy nghĩ cách

to get a big picture of human culture

nắm bắt được bức tranh toàn cảnh về nền văn hoá nhân loại

and human history: change over time.

và lịch sử loài người thay đổi qua thời gian.

So many books actually have been written over the years.

Có rất nhiều cuốn sách được viết ra trong nhiều năm.

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

Vậy nên chúng tôi nghĩ rằng, vậy cách tốt nhất để học từ chúng

is to read all of these millions of books.

là đọc hết hàng triệu cuốn sách này.

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

Tất nhiên, nếu có thang đo về độ hoành tráng của dự án này,

that has to rank extremely, extremely high.

thì nó hoàn toàn, hoàn toàn hoành tráng.

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

Nhưng vấn đề là còn có một trục ngang cho việc đánh giá này,

which is the practical axis.

đó là đánh giá về mức độ thực tế.

This is very, very low.

Thì điều này rất rất ít tính thực tế.

(Applause)

(Vỗ tay)

Now people tend to use an alternative approach,

Thế là người ta có khuynh hướng tìm cách khác,

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

đó là chọn ra một số nguồn sách và đọc chúng thật cẩn thận.

This is extremely practical, but not so awesome.

Cách này cực kì thực tiễn nhưng không hoành tráng cho lắm.

What you really want to do

Điều mà chúng ta muốn thật sự

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

là một cách thức vừa hoành tráng vừa thực tiễn.

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

Và hoá ra có một công ty gọi là Google

who had started a digitization project a few years back

đã bắt đầu một dự án số hoá từ một vài năm trước

that might just enable this approach.

khiến ta thực hiện được cách thức đó.

They have digitized millions of books.

Họ đã số hoá hàng triệu cuốn sách.

So what that means is, one could use computational methods

Điều đó có nghĩa là, ta có thể dùng máy móc

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

để đọc tất cả các cuốn sách trong một cú nhấn chuột.

That's very practical and extremely awesome.

Cách này rất thực dụng và cực kì hoành tráng.

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

ELA: Để tôi nói cho các bạn biết một chút về nơi những cuốn sách đó bắt nguồn.

Since time immemorial, there have been authors.

Từ thời xa xưa đã có những nhà sáng tác.

These authors have been striving to write books.

Những nhà sáng tác này nỗ lực viết những cuốn sách.

And this became considerably easier

Và việc này trở nên khá dễ dàng hơn

with the development of the printing press some centuries ago.

nhờ sự phát triển của công nghệ in ấn vài thế kỉ trước.

Since then, the authors have won

Từ đó, các nhà sáng tác đã có được

on 129 million distinct occasions,

129 triệu cơ hội

publishing books.

xuất bản những cuốn sách.

Now if those books are not lost to history,

Bây giờ nếu những cuốn sách đó không lạc vào lịch sử,

then they are somewhere in a library,

thì chúng sẽ ở đâu đó trong một thư viện nào đó,

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

và nhiều trong số đó được lưu trữ

and digitized by Google,

và số hoá bởi Google,

which has scanned 15 million books to date.

nơi đến nay đã quét được 15 triệu cuốn sách.

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

Bây giờ khi Google số hoá một cuốn sách, họ sẽ đưa nó vào một định dạng thật đẹp.

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

Chúng ta có dữ liệu, thêm vào đó chúng ta có siêu dữ liệu.

We have information about things like where was it published,

Chúng ta có thông tin về những thứ như là cuốn sách đó được xuất bản khi nào,

who was the author, when was it published.

ai là tác giả, nó được xuất bản khi nào.

And what we do is go through all of those records

Và điều chúng tôi làm là lướt qua tất cả những bộ dữ liệu đó

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

và loại bỏ hết những cái không phải là những dữ liệu chất lượng nhất.

What we're left with

Cái còn lại là

is a collection of five million books,

một tập hợp của 5 triệu cuốn sách.

500 billion words,

500 tỉ từ,

a string of characters a thousand times longer

một chuỗi kí tự dài hơn hàng ngàn lần

than the human genome --

hệ gien con người --

a text which, when written out,

một bản chữ mà khi viết ra

would stretch from here to the Moon and back

sẽ dài bằng từ đây đi đến mặt trăng rồi vòng lại

10 times over --

hơn 10 lần --

a veritable shard of our cultural genome.

một mảnh thực của hệ gien văn hoá cuả chúng ta.

Of course what we did

Tất nhiên, điều chúng tôi đã làm

when faced with such outrageous hyperbole ...

khi đối diện với một sự phóng đại tàn bạo như thế ...

(Laughter)

(Tiếng cười)

was what any self-respecting researchers

là điều mà bất kì nhà nghiên cứu đáng kính nào

would have done.

cũng sẽ làm.

We took a page out of XKCD,

Chúng tôi trích ra một trang trong chuỗi XKCD

and we said, "Stand back.

và chúng tôi nói "Khoan đã.

We're going to try science."

Chúng tôi sẽ thử thí nghiệm chúng."

(Laughter)

(Tiếng cười)

JM: Now of course, we were thinking,

JM : Tất nhiên, chúng tôi đã nghĩ là

well let's just first put the data out there

trước tiên hãy thử đưa dữ liệu ra

for people to do science to it.

cho người ta thí nghiệm.

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

Và chúng tôi suy nghĩ, dữ liệu nào có thể đem ra đây?

Well of course, you want to take the books

Tất nhiên, các bạn muốn lấy những cuốn sách

and release the full text of these five million books.

và tung ra hết nguyên bản của 5 triệu cuốn sách.

Now Google, and Jon Orwant in particular,

Google, cụ thể là Jon Orwant,

told us a little equation that we should learn.

đã bảo cho chúng tôi một công thức mà chúng tôi nên nghĩ tới.

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

Chúng tôi có 5 triệu cuốn sách, tức bằng với năm triệu tác giả

and five million plaintiffs is a massive lawsuit.

và năm triệu đơn kiện cho một cuộc kiện tụng khổng lồ.

So, although that would be really, really awesome,

Vì thế, dù cách này rất rất hoành tráng,

again, that's extremely, extremely impractical.

nhưng một lần nữa lại cực kì cực kì không thực tế.

(Laughter)

(Tiếng cười)

Now again, we kind of caved in,

Một lần nữa chúng tôi lại nhượng bộ

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

Chúng tôi đã thử cách thực tế nhất nhưng ít hoành tráng

We said, well instead of releasing the full text,

Chúng tôi nói rằng, được rồi, thay vì phát hành nguyên cả văn bản,

we're going to release statistics about the books.

chúng tôi sẽ tung ra thống kê về những quyển sách đó.

So take for instance "A gleam of happiness."

Hãy lấy một ví dụ cụm từ "Tia sáng hạnh phúc"

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

Đây là cụm bốn từ; chúng tôi gọi đó là một four-gram.

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

Chúng tôi sẽ cho các bạn biết một four-gram sẽ xuất hiện bao nhiêu lần

appeared in books in 1801, 1802, 1803,

trong những cuốn sách năm 1801, 1802, 1803,

all the way up to 2008.

cho đến tận năm 2008.

That gives us a time series

Qua đó chúng ta sẽ có được một chuỗi thời gian

of how frequently this particular sentence was used over time.

cho ta biết một câu nhất định được dùng với tần suất thế nào qua thời gian.

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

Chúng tôi làm như thế với tất cả từ ngữ và nhóm từ trong những cuốn sách đó,

and that gives us a big table of two billion lines

kết quả chúng tôi có được một bảng khổng lồ của hai tỉ đường

that tell us about the way culture has been changing.

cho chúng tôi thấy cách nền văn hoá thay đổi qua thời gian.

ELA: So those two billion lines,

ELA: Chúng tôi gọi hai tỉ đường đó là

we call them two billion n-grams.

hai tỉ n-gram.

What do they tell us?

Chúng cho ta biết điều gì ư?

Well the individual n-grams measure cultural trends.

Đó là mỗi n-gram đo xu hướng của nền văn hoá.

Let me give you an example.

Để tôi cho bạn một ví dụ.

Let's suppose that I am thriving,

Thử giả định rằng tôi đang phát triển

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

Mai tôi muốn nói cho các bạn biết tôi đã phát triển thế nào.

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

Và có lẽ tôi sẽ nói là "Yesterday, I throve" ("Ngày hôm qua, tôi đã phát triển")

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

Hay nói cách khác rằng " Yesterday, I thrived." ("Ngày hôm qua, tôi đã phát triển")

Well which one should I use?

Tôi nên nói theo cách nào?

How to know?

Làm sao biết được?

As of about six months ago,

Nếu là sáu tháng trước

the state of the art in this field

tính nghệ thuật trong lĩnh vực này

is that you would, for instance,

là chẳng hạn bạn sẽ

go up to the following psychologist with fabulous hair,

tìm đến nhà tâm lý học có bộ tóc tuyệt vời này

and you'd say,

và nói rằng,

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

"Steve, anh là chuyên gia về động từ bất quy tắc.

What should I do?"

Tôi nên chia động từ đó theo cách nào?"

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

Và ông ta sẽ nói với bạn rằng " Phần lớn người ta chia động từ đó thành "thrived",

but some people say throve."

nhưng một vài người dùng "throve"."

And you also knew, more or less,

Ít nhiều bạn cũng biết rằng

that if you were to go back in time 200 years

nếu bạn quay ngược lại 200 năm trước

and ask the following statesman with equally fabulous hair,

và hỏi nhà chính trị có bộ tóc tuyệt vời ngang ngửa này

(Laughter)

(Tiếng cười)

"Tom, what should I say?"

"Tom, tôi nên nói thế nào?"

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

Ông ta sẽ nói rằng " Ở thời kì của tôi, hầu hết người ta dùng "throve",

but some thrived."

nhưng một số dùng "thrived"."

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

Giờ tôi sẽ cho các bạn xem dữ liệu sống

Two rows from this table of two billion entries.

Hai hàng trích ra từ bảng của hai tỷ dữ liệu kia

What you're seeing is year by year frequency

Cái bạn đang nhìn thấy là tần số xuất hiện từng năm

of "thrived" and "throve" over time.

của "thrived" và "throve"

Now this is just two

Đây chỉ là hai

out of two billion rows.

trong số hai tỉ hàng.

So the entire data set

Vì thế toàn bộ dữ liệu này

is a billion times more awesome than this slide.

sẽ hoành tráng hơn cả tỉ lần cái slide này.

(Laughter)

(Tiếng cười)

(Applause)

(Vỗ tay)

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

JM: Vậy có bao nhiêu bức tranh khác đáng 500 tỉ từ ngữ.

For instance, this one.

Ví dụ như cái này

If you just take influenza,

Nếu bạn chọn dịch cúm,

you will see peaks at the time where you knew

bạn sẽ thấy những thời điểm cao trào mà bạn biết

big flu epidemics were killing people around the globe.

khi mà những dịch cúm lớn tiêu diệt con người khắp nơi.

ELA: If you were not yet convinced,

ELA: Nếu bạn vẫn chưa tin

sea levels are rising,

mực nước biển đang tăng,

so is atmospheric CO2 and global temperature.

khí CO2 và nhiệt độ trái đất cũng thế.

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

JM: Các bạn chắc cũng muốn xem cái n-gram này,

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

nó nói cho Nietzsche biết rằng chúa không chết,

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

dù bạn có lẽ sẽ đồng ý rằng ông ta cần một nhà báo giỏi hơn.

(Laughter)

(Tiếng cười)

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

ELA : Bạn có thể nắm được một số khái niệm khá trừu tượng đại loại thế này.

For instance, let me tell you the history

Để tôi kể cho bạn nghe về lịch sử

of the year 1950.

của năm 1950.

Pretty much for the vast majority of history,

Phần lớn trong lịch sử

no one gave a damn about 1950.

chẳng ai đếm xỉa gì về năm 1950 cả

In 1700, in 1800, in 1900,

Năm 1700, 1800, 1900,

no one cared.

chẳng ai quan tâm.

Through the 30s and 40s,

Trong suốt những năm 30 và 40,

no one cared.

cũng chẳng ai quan tâm .

Suddenly, in the mid-40s,

Bất ngờ vào giữa những năm 40

there started to be a buzz.

bắt đầu có một chút động đậy.

People realized that 1950 was going to happen,

Người ta bắt đầu nhận ra 1950 sắp đến

and it could be big.

và có thể nó sẽ rất hoành tráng!

(Laughter)

(Tiếng cười)

But nothing got people interested in 1950

Nhưng không có bất cứ thứ gì có thể làm cho người ta chú ý đến năm 1950

like the year 1950.

như chính năm 1950.

(Laughter)

(Tiếng cười)

People were walking around obsessed.

Người ta đi lại xung quanh, bị ám ảnh.

They couldn't stop talking

Họ không thể dừng nói

about all the things they did in 1950,

về tất cả những thứ họ làm trong năm 1950

all the things they were planning to do in 1950,

tất cả những thứ họ đang định làm trong năm 1950

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

tất cả những giấc mơ họ muốn đạt được trong năm 1950.

In fact, 1950 was so fascinating

Thực tế 1950 tuyệt vời đến nỗi

that for years thereafter,

nhiều năm sau đó,

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

người ta vẫn cứ nói đến những điều kinh ngạc đã xảy ra.

in '51, '52, '53.

trong năm 51, 52, 53.

Finally in 1954,

Cuối cùng thì đến năm 1954,

someone woke up and realized

có người mới thức tỉnh và nhận ra rằng

that 1950 had gotten somewhat passé.

1950 đã qua lâu rồi!

(Laughter)

(Tiếng cười)

And just like that, the bubble burst.

Và cứ như thế, bong bóng nổ!

(Laughter)

(Tiếng cười)

And the story of 1950

Câu chuyện của năm 1950

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

là câu chuyện của từng năm mà chúng ta lưu lại được,

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

với một chút sự biến hóa nhỏ bởi giờ chúng ta có những biểu đồ hay ho này

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

Và bởi vì chúng ta có những biểu đồ hay ho này, chúng ta có thể đo đạc nhiều thứ

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

Chúng ta có thể hỏi rằng ""Bong bóng nổ" nhanh như thế nào?"

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

Và chúng ta có thể đo đạc điều đó một cách chính xác.

Equations were derived, graphs were produced,

Các phương trình được tính toán, các đồ thị được vẽ ra,

and the net result

và kết quả cuối cùng

is that we find that the bubble bursts faster and faster

là chúng ta phát hiện ra "bong bóng nổ" ngày càng nhanh

with each passing year.

qua từng năm.

We are losing interest in the past more rapidly.

Chúng ta mất dần sự quan tâm đến quá khứ một cách nhanh chóng.

JM: Now a little piece of career advice.

JM: Bây giờ chúng tôi sẽ chia sẻ một vài lời khuyên về sự nghiệp cho bạn.

So for those of you who seek to be famous,

Cho những ai muốn nổi tiếng,

we can learn from the 25 most famous political figures,

chúng ta có thể học từ 25 hình tượng chính trị gia nổi tiếng nhất,

authors, actors and so on.

các nhà sáng tác, diễn viên, v.v.v

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

Vì vậy nếu bạn muốn nổi tiếng sớm, bạn nên làm diễn viên,

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

bởi tiếng tăm của bạn sẽ ngày càng tăng cuối những năm 20 của bạn --

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

bạn vẫn còn trẻ, điều đó thật tuyêt.

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

Nếu bạn có thể đợi một chút, bạn nên làm tiểu thuyết gia,

because then you rise to very great heights,

bởi rồi bạn sẽ đầy tiếng tăm

like Mark Twain, for instance: extremely famous.

như Mark Twain, cực kì nổi tiếng.

But if you want to reach the very top,

Nhưng nếu bạn muốn vươn đến đỉnh cao nhất,

you should delay gratification

bạn đừng hài lòng sớm

and, of course, become a politician.

mà hãy trở thành nhà chính trị.

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

Bạn sẽ trở nên nổi tiếng cuối những năm 50 tuổi

and become very, very famous afterward.

và sẽ càng nổi tiếng hơn sau đó

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

Những nhà khoa học cũng trở nên nổi tiếng khi họ già đi.

Like for instance, biologists and physics

Ví dụ như là nhà sinh học, nhà vật lý học

tend to be almost as famous as actors.

có khuynh hướng nổi tiếng gần bằng diễn viên.

One mistake you should not do is become a mathematician.

Có một sai lầm mà bạn không nên phạm phải là trở thành nhà toán học.

(Laughter)

(Tiếng cười)

If you do that,

Nếu bạn làm điều đó

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

bạn có thể sẽ nghĩ rằng "Thật tuyệt. Mìng sẽ cố gắng hết sức trong những năm tuổi 20."

But guess what, nobody will really care.

Nhưng đoán thử đi, làm gì có ai quan tâm.

(Laughter)

(Tiếng cười)

ELA: There are more sobering notes

ELA: Còn có nhiều ghi chú nghiêm túc hơn thế này

among the n-grams.

trong những n-gram đó.

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

Ví dụ, đây là đường phát triển của Marc Chagall,

an artist born in 1887.

một nghệ sĩ sinh năm 1887.

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

Và nó giống con đường phát triển bình thường của một người nổi tiếng.

He gets more and more and more famous,

Ông ta càng ngày càng nổi tiếng,

except if you look in German.

trừ khi bạn nhìn vào nước Đức.

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

Nếu bạn nhìn vào nước Đức, bạn sẽ thấy một thứ hoàn toàn lạ

something you pretty much never see,

một thứ bạn chưa bao giờ thấy,

which is he becomes extremely famous

đó là sự cực kì nổi tiếng của ông ấy

and then all of a sudden plummets,

và rồi bất ngờ tụt dốc thảm hại,

going through a nadir between 1933 and 1945,

cho đến tận cùng trong những năm 1933 và 1945 ,

before rebounding afterward.

rồi lại hồi phục danh tiếng sau đó.

And of course, what we're seeing

Dĩ nhiên là chúng ta nhận ra rằng

is the fact Marc Chagall was a Jewish artist

sự thật thì Marc Chagall là một nghệ sĩ do thái

in Nazi Germany.

của quốc xã Đức.

Now these signals

Bây giờ, những dấu hiệu này

are actually so strong

thực sự rất chuẩn

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

đến mức mà chúng ta không cần ai phải kiểm duyệt chúng.

We can actually figure it out

Chúng ta tự nhận ra sự việc

using really basic signal processing.

bằng cách xử lý những dấu hiệu thật cơ bản.

Here's a simple way to do it.

Đây là một trong những cách đơn giản.

Well, a reasonable expectation

Chẳng hạn như một dự đoán hợp lý

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

rằng danh tiếng trong một khoảng thời gian nhất định

should be roughly the average of their fame before

sẽ bằng trung bình của danh tiếng trước

and their fame after.

và sau đó chia ra.

So that's sort of what we expect.

Đó là thứ chúng ta dự đoán.

And we compare that to the fame that we observe.

Rồi chúng ta so sánh nó với mức độ nổi tiếng chúng ta quan sát được.

And we just divide one by the other

Chúng ta chia cái nó với mức độ dự đoán kia.

to produce something we call a suppression index.

để được cái gọi là "mức độ danh tiếng bị kìm hãm"

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

Nếu mức độ danh tiếng bị kìm hãm rất rất nhỏ ,

then you very well might be being suppressed.

thì bạn có lẽ đang bị kìm hãm.

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

Nếu nó rất rất lớn, thì có lẽ bạn đang được lợi từ cơ quan tuyên truyền

JM: Now you can actually look at

JM: Giờ bạn hãy nhìn vào

the distribution of suppression indexes over whole populations.

sự phân phối của mức độ bị kìm hãm trên toàn dân số.

So for instance, here --

Ví dụ ở đây --

this suppression index is for 5,000 people

mức độ danh tiếng bị kìm hãm này của 5000 người

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

chọn ra trong những cuốn sách tiếng anh không có sự kìm hãm được biết đến --

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

nó sẽ như thế này, hầu như gần bằng 1.

What you expect is basically what you observe.

Điều bạn mong muốn đơn giản chính là điều bạn quan sát được.

This is distribution as seen in Germany --

Đây là sự phân phối được thấy ở Đức --

very different, it's shifted to the left.

rất khác, nó được dịch chuyển về bên trái.

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

Người ta đã nói về nó ít hơn hai lần nó đáng được.

But much more importantly, the distribution is much wider.

Nhưng quan trọng hơn hết là sự phân phối này trải rộng hơn nhiều .

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

Có nhiều người cuối cùng lại ở xa hơn về phía trái của sự phân phối này

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

những người được ít hơn đến 10 lần danh tiếng mà họ đáng có.

But then also many people on the far right

Nhưng đồng thời cũng có rất nhiều người ở xa phía bên phải

who seem to benefit from propaganda.

họ dường như đang hưởng lợi từ giới tuyên truyền.

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

Bức tranh này chính là dấu đóng của sự kiểm duyệt sách.

ELA: So culturomics

ELA: Chúng tôi gọi phương pháp này

is what we call this method.

là văn hoá học.

It's kind of like genomics.

Giống như di truyền học.

Except genomics is a lens on biology

Khác ở chỗ di truyền học là ống kính của sinh học

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

qua cửa sổ nhìn vào chuỗi nền tảng trong hệ gen của con người.

Culturomics is similar.

Văn hoá học cũng tương tự.

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

Nó là sự ứng dụng của sự phân tích hàng loạt dữ liệu trên qui mô lớn

to the study of human culture.

vào việc nghiên cứu văn hoá con người.

Here, instead of through the lens of a genome,

Tại đây, qua ống kính của dữ liệu lịch sử đã được số hoá.

through the lens of digitized pieces of the historical record.

thay vì qua ống kính của hệ gien.

The great thing about culturomics

Điều tuyệt vời về văn hoá học

is that everyone can do it.

là ai cũng có thể thực hiện được nó.

Why can everyone do it?

Tại sao mọi người đều có thể thực hiện?

Everyone can do it because three guys,

Mọi người đều có thể làm điều đó là nhờ ba người ,

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

Jon Orwant, Matt Gray và Will Brockman của Google

saw the prototype of the Ngram Viewer,

nhìn thấy bản đồ mẫu của Ngram Viewer,

and they said, "This is so fun.

và nói rằng "Cái này thật hay!

We have to make this available for people."

Chúng ta phải làm thứ này cho mọi người dùng."

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

Thế là trong chỉ hai tuần -- hai tuần trước khi bài luận văn của chúng tôi hoàn thành --

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

họ đã lập trình một phiên bản của NGram Viewer cho công chúng.

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

Bạn có thể đánh một từ nào đó mà bạn thích

and see its n-gram immediately --

và xem n-gram của nó ngay lập tức --

also browse examples of all the various books

và cũng có thể xem ví dụ của tất cả các cuốn sách khác nhau

in which your n-gram appears.

mà n-gram xuất hiện trong đó.

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

JM : Nó được sử dụng hơn một triệu lần vào ngày đầu tiên,

and this is really the best of all the queries.

và đây thực sự là câu chất vấn hay nhất.

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

Người ta muốn cố gắng hết sức, bước bước chân chắc nhất về phía trước.

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

Nhưng hoá ra vào thế kỉ 18, người ta không hề thực sự quan tâm đến điều đó .

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

Họ không muốn là "best", họ chỉ muốn là "beft".

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

Dĩ nhiên thật ra đó chỉ là một lỗi chính tả.

It's not that strove for mediocrity,

không có gì to tát cả,

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

chỉ là S từng được viết theo cách khác, gần giống chữ F.

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

Dĩ nhiên, Google lúc đó đã không để ý đến điều này,

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

nên chúng tôi đã viết về điều đó trong một bài báo cáo khoa học.

But it turns out this is just a reminder

Nhưng hoá ra đây chỉ là một sự nhắc nhở

that, although this is a lot of fun,

rằng dù có hay đến đâu chăng nữa

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

thì khi bạn tìm cách hiểu những biểu đồ này, bạn phải vô cùng cẩn thận,

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

và bạn phải áp dụng những chuẩn mực nền tảng trong khoa học.

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

ELA : Người ta dùng phương pháp này cho đủ thứ mục đích hài hước.

(Laughter)

(Tiếng cười)

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

Thực ra chúng tôi không nhất thiết phải nói,

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

chúng tôi sẽ chỉ cho các bạn xem tất cả những bức hình này và giữ yên lặng.

This person was interested in the history of frustration.

Người này muốn biết về lịch sử của sự giận dữ.

There's various types of frustration.

Có rất nhiều loại giận dữ.

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

Nếu bạn bị vấp chân, đó sẽ là một chữ A "argh".

If the planet Earth is annihilated by the Vogons

Nếu trái đất bị xâm chiếm bởi người Vogons

to make room for an interstellar bypass,

để làm đường giữ thông tin liên lạc giữa các vì sao.

that's an eight A "aaaaaaaargh."

đó sẽ là tám chữ A "aaaaaaaarg"

This person studies all the "arghs,"

Người này nghiên cứu tất cả "arghs"

from one through eight A's.

từ một cho đến tám chữ "A".

And it turns out

Và kết quả là

that the less-frequent "arghs"

Từ "arghs" với ít chữ A

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

tất nhiên tương ứng với những thứ gây nhiều tức giận hơn.

except, oddly, in the early 80s.

ngoại trừ trong những năm đầu của thập niên 80, thật kì lạ!

We think that might have something to do with Reagan.

Chúng tôi cho rằng điều này có lẽ có liên quan đến Reegan.

(Laughter)

(Tiếng cười)

JM: There are many usages of this data,

JM: Có rất nhiều cách sử dụng dữ liệu này,

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

nhưng điều mấu chốt là hồ sơ lịch sử đang được số hoá.

Google has started to digitize 15 million books.

Google đã số hoá 15 triệu cuốn sách.

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

Đó là 12 phần trăm của tất cả những cuốn sách đã từng được xuất bản.

It's a sizable chunk of human culture.

Đó là một tảng lớn đáng kể của văn hoá loài người.

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

Còn rất nhiều của nền văn hoá: nào là những bản viết tay, nào là báo chí,

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

nào là những thứ không phải là chữ mà là nghệ thuật và những bức tranh.

These all happen to be on our computers,

Những thứ này tình cờ lại có trong máy tính của chúng ta,

on computers across the world.

trên những chiếc máy tính trên khắp thế giới.

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

Khi điều đó xảy ra, nó sẽ thay đổi cách chúng ta

to understand our past, our present and human culture.

hiểu về quá khứ, hiện tại và nền văn hóa con người.

Thank you very much.

Cảm ơn rất nhiều.

(Applause)

(Vỗ tay)