TED2013
Ajit Narayanan: A word game to communicate in any language
أجيت نارايانان: لعبة كلمات للتواصل بأية لغة
Filmed:
Readability: 3.4
1,391,245 views
لدى اشتغاله مع الأطفال الذين يعانون من مشاكل في الكلام، قام أجيت نارايانان بتصميم طريقة للتفكير في اللغة باستخدام الصور لربط الكلمات بالمفاهيم في "خرائط". هذه الفكرة مستخدمة الآن في تطبيق يساعد الأشخاص الذين لا يستطيعون التلفظ على التواصل، التصوّر لغوي المدعو "FreeSpeech" له آفاق واعدة.
Ajit Narayanan - Visual grammar engine inventor
Ajit Narayanan is the inventor of Avaz, an affordable, tablet-based communication device for people who are speech-impaired. Full bio
Ajit Narayanan is the inventor of Avaz, an affordable, tablet-based communication device for people who are speech-impaired. Full bio
Double-click the English transcript below to play the video.
00:12
I work with children with autism.
0
721
2670
أعمل مع أطفال يعانون من التوحد.
00:15
Specifically, I make technologies
1
3391
1914
بالتحديد أنا أصنع تقنيات
00:17
to help them communicate.
2
5305
2171
تساعدهم على التواصل.
00:19
Now, many of the problems that children
3
7476
1539
الآن، العديد من المشاكلات
التي تواجه الأطفال المصابين بالتوحد
التي تواجه الأطفال المصابين بالتوحد
00:21
with autism face, they have a common source,
4
9015
3763
لها سبب واحد،
00:24
and that source is that they find it difficult
5
12778
2094
وذلك السبب هو أنهم يجدون صعوبة
00:26
to understand abstraction, symbolism.
6
14872
5260
في فهم التعبيرات الرمزية،
والتعبيرات التجريدية
والتعبيرات التجريدية
00:32
And because of this, they have
a lot of difficulty with language.
a lot of difficulty with language.
7
20132
4652
وبسبب ذلك فهم يواجهون العديد
من الصعوبات مع اللغات.
من الصعوبات مع اللغات.
00:36
Let me tell you a little bit about why this is.
8
24784
3015
دعوني أخبركم قليلاً عن السبب.
00:39
You see that this is a picture of a bowl of soup.
9
27799
3934
ترون هذه الصورة إنها لزبدية من الحساء.
00:43
All of us can see it. All of us understand this.
10
31733
2485
جمعينا نستطيع رؤيتها،
جميعنا نستطيع فهمها.
جميعنا نستطيع فهمها.
00:46
These are two other pictures of soup,
11
34218
2312
وهاتان صورتان أخريتان للحساء،
00:48
but you can see that these are more abstract
12
36530
2067
ولكن بمقدوركم رؤية أن هاتين الصورتين
أكثر تجريدية
أكثر تجريدية
00:50
These are not quite as concrete.
13
38597
1856
وليست تمامًا كصورة زبدية الحساء في الواقع.
00:52
And when you get to language,
14
40453
2174
وعندما يتعلق الامر باللغة،
00:54
you see that it becomes a word
15
42627
1868
فإن الصور تتحول الى كلمة
00:56
whose look, the way it looks and the way it sounds,
16
44495
3261
ومنظر الكلمة،
الطريقة التي تظهر بها الكلمة ووقعها،
الطريقة التي تظهر بها الكلمة ووقعها،
00:59
has absolutely nothing to do
with what it started with,
with what it started with,
17
47756
2912
ليس لها علاقة بنشأتها وأصلها،
01:02
or what it represents, which is the bowl of soup.
18
50668
2830
وبما تمثله، وهو طبق الحساء.
01:05
So it's essentially a completely abstract,
19
53498
2900
إذا هي أساسا رمز تجريدي،
01:08
a completely arbitrary representation of something
20
56398
2576
طريقة لتمثيل شيء ما
01:10
which is in the real world,
21
58974
1163
موجود في عالمنا،
01:12
and this is something that children with autism
22
60137
1791
والأطفال المصابون بالتوحد
01:13
have an incredible amount of difficulty with.
23
61928
3164
يجدون صعوبة بالغة في التعامل مع هذا الأمر.
01:17
Now that's why most of the people
that work with children with autism --
that work with children with autism --
24
65092
2751
ولهذا السبب أغلب الناس الذين يتعاملون
مع الأطفال المصابين بالتوحد -
مع الأطفال المصابين بالتوحد -
01:19
speech therapists, educators --
25
67843
1878
الأخصائيون اللغويون والمعلمون -
01:21
what they do is, they try to help children with autism
26
69721
2633
ما يفعلونه هو محاولة مساعدة
الأطفال المصابين بالتوحد
الأطفال المصابين بالتوحد
01:24
communicate not with words, but with pictures.
27
72354
3229
للتواصل مع الآخرين ليس بالكلمات
وإنما بالصور.
وإنما بالصور.
01:27
So if a child with autism wanted to say,
28
75583
1930
لذا إذا أراد طفل مصاب بالتوحد أن يقول،
01:29
"I want soup," that child would pick
29
77513
2458
"أنا أريد حساء" سيختار هذا الطفل
01:31
three different pictures, "I," "want," and "soup,"
30
79971
2260
ثلاث صور مختلفة لتمثيل كلامة
"أنا" و"أريد" و"حساء"،
"أنا" و"أريد" و"حساء"،
01:34
and they would put these together,
31
82231
1609
وسيضعها مع بعضها البعض،
01:35
and then the therapist or the parent would
32
83840
1867
وبالتالي سيفهم الاخصائيون والآباء
01:37
understand that this is what the kid wants to say.
33
85707
1887
ما يريد الطفل أي يقوله لهم.
01:39
And this has been incredibly effective;
34
87594
1778
وهذا الأسلوب كان فعالا للغاية؛
01:41
for the last 30, 40 years
35
89372
2141
خلال ال 30، وال 40 سنة الماضية
01:43
people have been doing this.
36
91513
1613
كان الناس يستخدمون هذه الطريقة.
01:45
In fact, a few years back,
37
93126
1349
في الواقع منذ عدة سنوات،
01:46
I developed an app for the iPad
38
94475
2675
قمت أنا بتطوير برنامج لجهاز (الأيباد)
01:49
which does exactly this. It's called Avaz,
39
97150
2255
يقوم بنفس الأمر، ويدعى أفاز،
01:51
and the way it works is that kids select
40
99405
2279
وطريقة عمله هي أن الطفل يقوم باختيار
01:53
different pictures.
41
101684
1321
صور مختلفة.
01:55
These pictures are sequenced
together to form sentences,
together to form sentences,
42
103005
2570
ويتم ترتيب هذه الصور
مع بعضها البعض لتكوين جملة،
مع بعضها البعض لتكوين جملة،
01:57
and these sentences are spoken out.
43
105575
1719
ويقوم البرنامج بنطق هذه الجمل.
01:59
So Avaz is essentially converting pictures,
44
107294
3025
فبالتالي البرنامج أساسا محول للصور،
02:02
it's a translator, it converts pictures into speech.
45
110319
3960
يعمل كمترجم، يقوم بتحويل الصور إلى كلام.
02:06
Now, this was very effective.
46
114279
1718
والآن البرنامج فعال للغاية،
02:07
There are thousands of children using this,
47
115997
1384
هناك الآلاف من الأطفال الذين يستخدمونه،
02:09
you know, all over the world,
48
117381
1430
من جميع أنحاء العالم،
02:10
and I started thinking about
49
118811
2175
وهذا دفعني لأفكر في
02:12
what it does and what it doesn't do.
50
120986
2654
ما يقوم البرنامج بعمله
وما لا يقوم البرنامج بعمله.
وما لا يقوم البرنامج بعمله.
02:15
And I realized something interesting:
51
123640
1684
وأدركت شيئا مثيرا للاهتمام:
02:17
Avaz helps children with autism learn words.
52
125324
4203
"avaz"يقوم بمساعدة الأطفال المصابين
بالتوحد ليتعلموا الكلمات.
بالتوحد ليتعلموا الكلمات.
02:21
What it doesn't help them do is to learn
53
129527
2405
ما لا يساعدهم البرنامج على تعلمه هو معرفة
02:23
word patterns.
54
131932
2748
أنماط الكلمات.
02:26
Let me explain this in a little more detail.
55
134680
2472
دعوني أشرح بتفصيل أكثر.
02:29
Take this sentence: "I want soup tonight."
56
137152
3057
فمثلا هذه الجملة: "أريد حساء الليلة".
02:32
Now it's not just the words
here that convey the meaning.
here that convey the meaning.
57
140209
4080
ليست الكلمات هنا فقط هي
من تحمل معنى الجملة.
من تحمل معنى الجملة.
02:36
It's also the way in which these words are arranged,
58
144289
3140
بل أيضا ترتيب هذه الكلمات،
02:39
the way these words are modified and arranged.
59
147429
2515
طريقة ترتيب وتعديل الكلمات.
02:41
And that's why a sentence like "I want soup tonight"
60
149959
2306
ولهذا فإن جملة مثل: "أريد حساء الليلة".
02:44
is different from a sentence like
61
152265
1984
مختلفة عن جملة مثل
02:46
"Soup want I tonight," which
is completely meaningless.
is completely meaningless.
62
154249
3312
"حساء أريد أنا الليلة" وهذه الجملة لا معنى لها.
02:49
So there is another hidden abstraction here
63
157561
2619
وهنا يوجد نوع مختفي من أنواع التجريد
02:52
which children with autism find
a lot of difficulty coping with,
a lot of difficulty coping with,
64
160180
3557
ويجد الأطفال المصابون بالتوحد
صعوبة في في التعامل مع هذا النوع،
صعوبة في في التعامل مع هذا النوع،
02:55
and that's the fact that you can modify words
65
163737
2840
والتجريد هنا هو إمكانية تعديل الكلمات
02:58
and you can arrange them to have
66
166577
2101
وإمكانية ترتيب الكلمات لتحصل على
03:00
different meanings, to convey different ideas.
67
168678
2895
معاني مختلفة للكلمات، لتوصيل أفكار مختلفة.
03:03
Now, this is what we call grammar.
68
171573
3459
وهذا مايعرف ب (النحو) في اللغة.
03:07
And grammar is incredibly powerful,
69
175032
2036
والنحو له قوة رهيبة،
03:09
because grammar is this one component of language
70
177068
3157
ولأن النحو هو أحد مكونات اللغة التي
03:12
which takes this finite vocabulary that all of us have
71
180225
3489
تأخذ العدد المحدود من المفردات التي نعرفها
03:15
and allows us to convey an
infinite amount of information,
infinite amount of information,
72
183714
4531
وتحولها إلى عدد غير محدود
من المعلومات والجمل،
من المعلومات والجمل،
03:20
an infinite amount of ideas.
73
188245
2134
وعدد غير محدود من الأفكار.
03:22
It's the way in which you can put things together
74
190379
2002
إنها طريقة تركيبك للجمل مع بعض
03:24
in order to convey anything you want to.
75
192381
2168
حتى تعطي أي معلومة تريد أنت ايصالها.
03:26
And so after I developed Avaz,
76
194549
2127
ولذا بعد أن قمت بتطوير برنامجي أفاز،
03:28
I worried for a very long time
77
196676
1568
كنت قلقًا لقترة طويلة بشأن
03:30
about how I could give grammar
to children with autism.
to children with autism.
78
198244
3910
كيفية تقديم قواعد النحو
لللأطفال المصابين بالتوحد.
لللأطفال المصابين بالتوحد.
03:34
The solution came to me from
a very interesting perspective.
a very interesting perspective.
79
202154
2275
جاءت لي فكرة الحل من منظور مثير للاهتمام.
03:36
I happened to chance upon a child with autism
80
204429
3449
وما حدث أني شهدت طفلة مصابة بالتوحد
03:39
conversing with her mom,
81
207878
2109
تتحدث مع أمها،
03:41
and this is what happened.
82
209987
2094
وهذا ما حدث.
03:44
Completely out of the blue, very spontaneously,
83
212081
2186
فجأة وبدون أي مقدمات.
03:46
the child got up and said, "Eat."
84
214267
2463
قامت الطفلة وقالت "أكل".
03:48
Now what was interesting was
85
216730
1770
الأمر المثير للاهتمام كان
03:50
the way in which the mom was trying to tease out
86
218500
4244
بطريقةٍ ما كانت الأم تحاول أن تستنبط
03:54
the meaning of what the child wanted to say
87
222744
2213
ما تريد ابنتها أن تقوله
03:56
by talking to her in questions.
88
224957
2260
عن طريق الأسئلة.
03:59
So she asked, "Eat what? Do
you want to eat ice cream?
you want to eat ice cream?
89
227217
2593
فسألت ابنتها "ماذا تأكلين؟
هل تريدين أن تأكلي المثلجات؟
هل تريدين أن تأكلي المثلجات؟
04:01
You want to eat? Somebody else wants to eat?
90
229810
2112
هل تريدي أن تأكلي؟
أهناك شخص آخر يريد أن يأكل؟
أهناك شخص آخر يريد أن يأكل؟
04:03
You want to eat cream now? You
want to eat ice cream in the evening?"
want to eat ice cream in the evening?"
91
231922
3313
هل تريدي أن تأكلي المثلجات الآن؟
هل تريدين أن تأكلي المثلجات الليلة؟"
هل تريدين أن تأكلي المثلجات الليلة؟"
04:07
And then it struck me that
92
235235
1514
الآن ما فعلته الأم صعقني
04:08
what the mother had done was something incredible.
93
236749
2028
ما فعلته الأم كان شيئًا لا يصدق.
04:10
She had been able to get that child to communicate
94
238777
1994
كانت تستطيع أن تجعل طفلتها توصل
04:12
an idea to her without grammar.
95
240771
4138
فكرتها لأمها بدون قواعد النحو.
04:16
And it struck me that maybe this is what
96
244909
2696
وصعقني أن هذا ما
04:19
I was looking for.
97
247605
1385
كنت أبحث عنه.
04:20
Instead of arranging words in an order, in sequence,
98
248990
4142
بدلا من أن تضع الكلمات بالترتيب،
04:25
as a sentence, you arrange them
99
253132
2172
كجملة، سترتبهم
04:27
in this map, where they're all linked together
100
255304
3811
في هذه الخريطة، حيث أن جميع الكلمات ليست
مرتبطة ببعضها البعض
مرتبطة ببعضها البعض
04:31
not by placing them one after the other
101
259115
2143
كلمة كلمة بالتوالي
04:33
but in questions, in question-answer pairs.
102
261258
3284
ولكنها مرتبطة ببعضها البعض
على هيئة إجابات أسئلة.
على هيئة إجابات أسئلة.
04:36
And so if you do this, then what you're conveying
103
264542
2358
إذا حين تطبق هذه الفكرة، ما سيتضح ليس
04:38
is not a sentence in English,
104
266900
1986
جملة باللغة الإنجليزية، ولكن
04:40
but what you're conveying is really a meaning,
105
268886
2966
ما سيتضح حقيقةً هو معنى،
04:43
the meaning of a sentence in English.
106
271852
1511
المطلوب من الجملة.
04:45
Now, meaning is really the underbelly,
in some sense, of language.
in some sense, of language.
107
273363
2932
إذا المعنى في الأساس
هو المغزى من أي لغة.
هو المغزى من أي لغة.
04:48
It's what comes after thought but before language.
108
276295
3821
هو ما يخطر في ذهنك بعد الفكرة
ولكن قبل اللغة.
ولكن قبل اللغة.
04:52
And the idea was that this particular representation
109
280116
2503
والفكرة هي أن هذا التمثيل المعين للكلمة
04:54
might convey meaning in its raw form.
110
282619
3261
يعطي معنى للجملة في أبسط صورة.
04:57
So I was very excited by this, you know,
111
285880
1771
لقد كنت متحمسا للغاية حيال تلك الفكرة،
04:59
hopping around all over the place,
112
287651
1493
أجرب هذا وذاك
05:01
trying to figure out if I can convert
113
289144
1771
محاولا أن أكتشف هل بالإمكان تحويل
05:02
all possible sentences that I hear into this.
114
290915
2524
كل جملة أسمعها إلى هذا.
05:05
And I found that this is not enough.
115
293439
1773
واكتشفت أن ذلك ليس كافيًا.
05:07
Why is this not enough?
116
295212
1385
لماذا ليس كافيًا؟
05:08
This is not enough because if you wanted to convey
117
296597
1711
ليس كافيًا لأنك لو أردت أن تصور
05:10
something like negation,
118
298308
2250
شيئًا مرفوضًا،
05:12
you want to say, "I don't want soup,"
119
300558
1736
مثلاً تريد أن تقول:"أنا لا أريد حساءً"
05:14
then you can't do that by asking a question.
120
302294
2220
إذا لا يمكنك استخدام مبدأ الأسئلة
في هذه الحالة.
في هذه الحالة.
05:16
You do that by changing the word "want."
121
304514
2285
لا يمكنك عمل هذا عن طريق الأسئلة
ولكن عن طريق تغيير الكلمة"أريد".
ولكن عن طريق تغيير الكلمة"أريد".
05:18
Again, if you wanted to say,
122
306799
1637
مرة أخرى إذا أردت أن تقول،
05:20
"I wanted soup yesterday,"
123
308436
1980
"أنا أردتُ حساءً أمس"،
05:22
you do that by converting
the word "want" into "wanted."
the word "want" into "wanted."
124
310416
2737
يمكنك فعل هذا عن طريق
تحويل الكلمة "أريد" إلى"أردت".
تحويل الكلمة "أريد" إلى"أردت".
05:25
It's a past tense.
125
313153
1666
الكلمة فعل ماضٍ.
05:26
So this is a flourish which I added
126
314819
2103
فقمت بعمل إضافة للبرنامج.
05:28
to make the system complete.
127
316922
1576
لجعل النظام تامًا.
05:30
This is a map of words joined together
128
318498
1977
هذه خريطة لكلمات تم إضافتها معًا
05:32
as questions and answers,
129
320475
1656
كسؤال وإجابة،
05:34
and with these filters applied on top of them
130
322131
2264
ومع هذه الإضافة تطبق فوق كل كلمة
05:36
in order to modify them to represent
131
324395
1817
حتى نعدل الكلمة فتمثل
05:38
certain nuances.
132
326212
1709
هذه الفروق البسيطة
05:39
Let me show you this with a different example.
133
327921
1951
دعوني أوضح لكم بمثال آخر.
05:41
Let's take this sentence:
134
329872
1254
لنأخذ هذه الجملة:
05:43
"I told the carpenter I could not pay him."
135
331126
1980
"أخبرت النجار بأنني لا أستطيع أن أدفع المال له"
05:45
It's a fairly complicated sentence.
136
333106
1792
إنها جملة معقدة إلى حدٍّ ما.
05:46
The way that this particular system works,
137
334898
1893
طريقة عمل هذه الإضافة هي،
05:48
you can start with any part of this sentence.
138
336791
2578
بإمكانك البدء بأي جزء من الجملة.
05:51
I'm going to start with the word "tell."
139
339369
1698
سأبدأ بالكلمة "أخبرت".
05:53
So this is the word "tell."
140
341067
1462
إذا هذه الكلمة "يخبر"
05:54
Now this happened in the past,
141
342529
1600
حدثت في الماضي،
05:56
so I'm going to make that "told."
142
344129
2223
فسأستخدم الكلمة "أخبرت"
05:58
Now, what I'm going to do is,
143
346352
1708
ما سأفعله هو،
06:00
I'm going to ask questions.
144
348060
1756
سوف أقوم بطرح أسئلة.
06:01
So, who told? I told.
145
349816
2364
إذا، من أخبر؟ أنا أخبرت.
06:04
I told whom? I told the carpenter.
146
352180
1927
أخبرت من؟ أخبرت النجار.
06:06
Now we start with a different part of the sentence.
147
354107
1751
الآن نأخذ جزء آخر من الجملة.
06:07
We start with the word "pay,"
148
355858
1867
نأخذ الكلمة "يدفع".
06:09
and we add the ability filter to it to make it "can pay."
149
357725
4577
ثم نضع إضافتي فوق الكلمة فتصبح
"يستطيع الدفع".
"يستطيع الدفع".
06:14
Then we make it "can't pay,"
150
362302
2101
ونجعلها "لا يستطيع الدفع"،
06:16
and we can make it "couldn't pay"
151
364403
1599
ومن ثم نجعلها "لم أستطع الدفع"
06:18
by making it the past tense.
152
366002
1663
عن طريق تحويلها لصيغة الماضي
06:19
So who couldn't pay? I couldn't pay.
153
367665
1923
إذا من لم يستطيع الدفع؟
أنا لم أستطع الدفع.
أنا لم أستطع الدفع.
06:21
Couldn't pay whom? I couldn't pay the carpenter.
154
369588
2676
لم تستطع أن تدفع أجرة من؟
لم أستطع أن أدفع أجرة النجار.
لم أستطع أن أدفع أجرة النجار.
06:24
And then you join these two together
155
372264
1731
ومن ثم تضيف ما سبق عمله
إلى بعضه البعض
إلى بعضه البعض
06:25
by asking this question:
156
373995
1350
عن طريق استخدام هذا السؤال:
06:27
What did I tell the carpenter?
157
375345
1737
ماذا قلت للنجار؟
06:29
I told the carpenter I could not pay him.
158
377082
4049
أخبرت النجار بأنني لم أستطيع دفع أجرته.
06:33
Now think about this. This is
159
381131
1937
الآن فكروا في الأمر. هذا
06:35
—(Applause)—
160
383068
3542
- (تصفيق) -
06:38
this is a representation of this sentence
161
386610
3672
هذا تمثيل لهذه الجملة
06:42
without language.
162
390282
2435
بدون استخدام للغة.
06:44
And there are two or three
interesting things about this.
interesting things about this.
163
392717
2192
وهناك شيئان أو ثلاثة أشياء مثيرة للاهتمام هنا.
06:46
First of all, I could have started anywhere.
164
394909
3131
أولها كان بإمكاني البدء من أي مكان.
06:50
I didn't have to start with the word "tell."
165
398040
2243
لم يكن هناك حاجة للبدء بالكلمة "يخبر".
06:52
I could have started anywhere in the sentence,
166
400283
1416
كان بإمكاني البدء بأي جزء من الجملة.
06:53
and I could have made this entire thing.
167
401699
1507
وكان بإمكاني تطبيق هذا
في جزء من الجملة.
في جزء من الجملة.
06:55
The second thing is, if I wasn't an English speaker,
168
403206
2776
الشيء الآخر هو لو لم أكن أتحدث بالإنجليزية،
06:57
if I was speaking in some other language,
169
405982
2175
لو كنت أتحدث بأية لغة أخرى،
07:00
this map would actually hold true in any language.
170
408157
3156
كانت هذه الخريطة لتعمل أيضًا
بأية لغة أخرى.
بأية لغة أخرى.
07:03
So long as the questions are standardized,
171
411313
1990
طالما أن مبدأ الأسئلة مُطبّق،
07:05
the map is actually independent of language.
172
413303
4287
الخريطة منفصلة عن اللغة تمامًا.
07:09
So I call this FreeSpeech,
173
417590
2115
لذا قمت بتسمية الفكرة بFreeSpeech.
07:11
and I was playing with this for many, many months.
174
419705
2935
و كنت أستخدم التطبيق لشهور عديدة.
07:14
I was trying out so many
different combinations of this.
different combinations of this.
175
422640
2726
وكنت أجرب العديد
من تركيبات الكلمات المختلفة.
من تركيبات الكلمات المختلفة.
07:17
And then I noticed something very
interesting about FreeSpeech.
interesting about FreeSpeech.
176
425366
2289
ولاحظت شيئًا مثيرًا في FreeSpeech.
07:19
I was trying to convert language,
177
427655
3243
كنت أحاول تحويل اللغات،
07:22
convert sentences in English
into sentences in FreeSpeech,
into sentences in FreeSpeech,
178
430898
2384
أحول الجمل من اللغة الانجليزية
إلى جمل في FreeSpeech
إلى جمل في FreeSpeech
07:25
and vice versa, and back and forth.
179
433282
1752
والعكس بالعكس.
07:27
And I realized that this particular configuration,
180
435034
2255
وأدركت أن هذه الطريقة الخاصة،
07:29
this particular way of representing language,
181
437289
2026
في تمثيل وترتيب اللغة،
07:31
it allowed me to actually create very concise rules
182
439315
4395
أهّلتني لإنشاء قواعد مختصرة
07:35
that go between FreeSpeech on one side
183
443710
2734
يمكن تطبيقها على FreeSpeech من جهة
07:38
and English on the other.
184
446444
1488
وعلى اللغة الإنجليزية من جهة أخرى.
07:39
So I could actually write this set of rules
185
447932
2180
فكان بإمكاني كتابة مجموعة من القواعد
07:42
that translates from this particular
representation into English.
representation into English.
186
450112
3395
التي تحول من تمثيل معين
إلى اللغة الإنجليزية.
إلى اللغة الإنجليزية.
07:45
And so I developed this thing.
187
453507
1831
وأيضا قمت بتطوير ذلك الشيء.
07:47
I developed this thing called
the FreeSpeech Engine
the FreeSpeech Engine
188
455338
2232
ذلك الشيء الذي يدعى محرك FreeSpeech
07:49
which takes any FreeSpeech sentence as the input
189
457570
2561
الذي يأخذ أي جملة من FreeSpeech كمدخل
07:52
and gives out perfectly grammatical English text.
190
460131
3930
ويخرج نصا باللغة الإنجليزية صحيحا نحويا.
07:56
And by putting these two pieces together,
191
464061
1605
وعن طريق وضع هذين الجزئين مع بعض،
07:57
the representation and the engine,
192
465666
1881
تمثيل الكلمة والمحرك،
07:59
I was able to create an app, a
technology for children with autism,
technology for children with autism,
193
467547
3796
كنت قادرا على إنشاء برنامج متطور
للأطفال المصابين بالتوحد،
للأطفال المصابين بالتوحد،
08:03
that not only gives them words
194
471343
2499
هذا البرنامج لم يوفر لهم الكلمات فقط
08:05
but also gives them grammar.
195
473842
3941
ولكن أتاح لهم النحو أيضا.
08:09
So I tried this out with kids with autism,
196
477783
2360
وقد قمت بتجربة البرنامج
مع الأطفال المصابين بالتوحد،
مع الأطفال المصابين بالتوحد،
08:12
and I found that there was an
incredible amount of identification.
incredible amount of identification.
197
480143
5013
واكتشفت الكم الهائل من التطابق.
08:17
They were able to create sentences in FreeSpeech
198
485156
2720
كان بمقدرة الأطفال إنشاء جمل في FreeSpeech
08:19
which were much more complicated
but much more effective
but much more effective
199
487876
2558
وتلك الجمل كانت أكثر تعقيدًا ولكن أقوى
08:22
than equivalent sentences in English,
200
490434
2899
في معناها عن تلك الجمل المكافئة لها
في اللغة الإنجليزية،
في اللغة الإنجليزية،
08:25
and I started thinking about
201
493333
1682
وبدأت أفكر في
08:27
why that might be the case.
202
495015
1969
ما قد يكون السبب.
08:28
And I had an idea, and I want to
talk to you about this idea next.
talk to you about this idea next.
203
496984
4287
وكانت لدي فكرة،
وأريد أن أحدثكم عنها لاحقًا.
وأريد أن أحدثكم عنها لاحقًا.
08:33
In about 1997, about 15 years back,
204
501271
3142
حوالي عام 1997، تقريبا منذ 15 سنة.
08:36
there were a group of scientists that were trying
205
504413
2011
كانت هناك مجموعة من العلماء تحاول
08:38
to understand how the brain processes language,
206
506424
2389
أن تفهم كيف يعالج العقل البشري اللغات،
08:40
and they found something very interesting.
207
508813
1779
واكتشفوا أمرًا مثيرًا للاهتمام.
08:42
They found that when you learn a language
208
510592
1872
وجدوا أنه عندما تتعلم لغة جديدة
08:44
as a child, as a two-year-old,
209
512464
2912
كطفل، عمره سنتان
08:47
you learn it with a certain part of your brain,
210
515376
2366
تتعلمها بجزء معين في دماغك،
08:49
and when you learn a language as an adult --
211
517742
1600
ولكن عندما تتعلمها كشخص بالغ -
08:51
for example, if I wanted to
learn Japanese right now —
learn Japanese right now —
212
519342
3911
مثلا إذا أردت أن تتعلم اليابانية الآن -
08:55
a completely different part of my brain is used.
213
523253
2707
فإن دماغك يستخدم جزء آخر تماما.
08:57
Now I don't know why that's the case,
214
525960
1831
أنا لا أعرف السبب في هذه الحالة،
08:59
but my guess is that that's because
215
527791
1991
ولكن تخميني هو لأنه
09:01
when you learn a language as an adult,
216
529782
2437
عندما تتعلم اللغة كشخص بالغ،
09:04
you almost invariably learn it
217
532219
1616
فأنت تقريبا تتعلمها
09:05
through your native language, or
through your first language.
through your first language.
218
533835
4266
عن طريق لغتك الأصلية
09:10
So what's interesting about FreeSpeech
219
538101
3252
الأمر المثير للاهتمام حول FreeSpeech
09:13
is that when you create a sentence
220
541353
1802
هو أنه عندما تنشئ جملة ما
09:15
or when you create language,
221
543155
1695
عندما يقوم طفل مصاب بالتوحد،
09:16
a child with autism creates
language with FreeSpeech,
language with FreeSpeech,
222
544850
3070
بإنشاء جملة ما باستخدام FreeSpeech،
09:19
they're not using this support language,
223
547920
1833
فالأطفال لا يستخدمون لغتهم الأولى،
09:21
they're not using this bridge language.
224
549753
2211
لا يستخدمون لغتهم الأم كوصلة.
09:23
They're directly constructing the sentence.
225
551964
2657
هم ينشئون هذه الجمل مباشرةً.
09:26
And so this gave me this idea.
226
554621
2193
الأمر الذي أوحى لي بفكرة.
09:28
Is it possible to use FreeSpeech
227
556814
2024
هل من الممكن استخدام FreeSpeech
09:30
not for children with autism
228
558838
2510
ليس فقط مع الأطفال المصابين بالتوحد
09:33
but to teach language to people without disabilities?
229
561348
6262
وإنما لتعليم باقي الناس اللغات
بدون إعاقات أو جسور؟
بدون إعاقات أو جسور؟
09:39
And so I tried a number of experiments.
230
567610
1978
لذا قمت بعدد من التجارب.
09:41
The first thing I did was I built a jigsaw puzzle
231
569588
2948
وأول شيء قمت به هو عمل أحجية صور
09:44
in which these questions and answers
232
572536
1970
وعلى القطع بعض أسئلة الجمل وإجاباتها
09:46
are coded in the form of shapes,
233
574506
1835
على هيئة أشكال مختلفة،
09:48
in the form of colors,
234
576341
1138
ولها ألوان متعددة،
09:49
and you have people putting these together
235
577479
1849
والناس يقومون بترتيبها مع بعضها البعض
09:51
and trying to understand how this works.
236
579328
1773
ويحاولون فهم مغزى هذه الصور.
09:53
And I built an app out of it, a game out of it,
237
581101
2376
ومن هذه الفكرة أنشأت برنامجًا، لعبة،
09:55
in which children can play with words
238
583477
2661
وبها يلعب الأطفال مع الكلمات
09:58
and with a reinforcement,
239
586138
1704
ومع الدعم،
09:59
a sound reinforcement of visual structures,
240
587842
2585
مع الدعم الصوتي لتلك الأشكال،
10:02
they're able to learn language.
241
590427
2013
كان بإمكانهم تعلم اللغات.
10:04
And this, this has a lot of potential, a lot of promise,
242
592440
2736
وهذه الفكرة لها العديد من القدرات
وهي فكرة واعدة،
وهي فكرة واعدة،
10:07
and the government of India recently
243
595176
1975
وقد قامت الحكومة الهندية مؤخرًا
10:09
licensed this technology from us,
244
597151
1404
بترخيص هذه التنكولوجيا لنا،
10:10
and they're going to try it out
with millions of different children
with millions of different children
245
598555
2074
وسوف يجربونها مع ملايين الأطفال
10:12
trying to teach them English.
246
600629
2605
محاولين أن يعلموهم اللغة الإنجليزية.
10:15
And the dream, the hope, the vision, really,
247
603234
2614
والحلم والأمل والهدف الحقيقي،
10:17
is that when they learn English this way,
248
605848
3082
هو أ،ه حين يتعلمون الإنجليزية بهذه الطريقة،
10:20
they learn it with the same proficiency
249
608930
2643
فإنهم يتعلمونها بنفس الكفائة
10:23
as their mother tongue.
250
611573
3718
كما لو أنها لغتهم الأم.
10:27
All right, let's talk about something else.
251
615291
3816
حسنًا إذا، لنتكلم عن أمر آخر.
10:31
Let's talk about speech.
252
619107
1997
لنتكلم عن التخاطب.
10:33
This is speech.
253
621104
1271
هذا هو التخاطب.
10:34
So speech is the primary mode of communication
254
622375
1962
التخاطب هو الطريقة الأساسية للتواصل
10:36
delivered between all of us.
255
624337
1613
بيننا.
10:37
Now what's interesting about speech is that
256
625950
1855
المثير للاهتمام في التخاطب هو
10:39
speech is one-dimensional.
257
627805
1245
أن التخاطب له بعٌد واحد
10:41
Why is it one-dimensional?
258
629050
1359
لماذا يعد التخاطب أحادي البعد؟
10:42
It's one-dimensional because it's sound.
259
630409
1568
يعد التخاطب أحادي البعد لأنه صوت.
10:43
It's also one-dimensional because
260
631977
1539
و هو أيضًا أحادي البعد لأن
10:45
our mouths are built that way.
261
633516
1205
أفواههنا مخلوقة بهذه الطريقة.
10:46
Our mouths are built to create
one-dimensional sound.
one-dimensional sound.
262
634721
3512
أفواهنا مصممة لعمل صوت أحادي البعد.
10:50
But if you think about the brain,
263
638233
2866
ولكن حينما تفكر في الدماغ،
10:53
the thoughts that we have in our heads
264
641099
1764
الأفكار في أدمغتنا
10:54
are not one-dimensional.
265
642863
2102
ليست أحادية البعد.
10:56
I mean, we have these rich,
266
644965
1459
أقصد بذلك لدينا في عقولنا تلك،
10:58
complicated, multi-dimensional ideas.
267
646424
3028
الأفكار الغنية والمعقدة والمتعددة الأبعاد.
11:01
Now, it seems to me that language
268
649452
1690
تبدو لي اللغات
11:03
is really the brain's invention
269
651142
2332
وكأنها ابتكار للدماغ
11:05
to convert this rich, multi-dimensional thought
270
653474
3096
لتحويل هذه الأفكار الغنية والمتعددة الأبعاد
11:08
on one hand
271
656570
1587
في كفة
11:10
into speech on the other hand.
272
658157
1923
إلى محادثة في كفة أخرى.
11:12
Now what's interesting is that
273
660080
1762
الملفت للانتباه هو
11:13
we do a lot of work in information nowadays,
274
661842
2568
اليوم نحن نقوم بكثير
من العمل على المعلومات،
من العمل على المعلومات،
11:16
and almost all of that is done
in the language domain.
in the language domain.
275
664410
3079
وأغلب هذا يتم في مجال لغوي.
11:19
Take Google, for example.
276
667489
1939
على سبيل المثال جوجل مثلا.
11:21
Google trawls all these
countless billions of websites,
countless billions of websites,
277
669428
2677
تضم جوجل مليارات المواقع
الإلكترونية الغير معدودة،
الإلكترونية الغير معدودة،
11:24
all of which are in English,
and when you want to use Google,
and when you want to use Google,
278
672105
2725
هذه المواقع باللغة الانجليزية،
وحينما تريد استخدام "جوجل"
وحينما تريد استخدام "جوجل"
11:26
you go into Google search, and you type in English,
279
674830
2450
ستذهب إلى "جوجل" وتبحث ب
استخدام اللغة الإنجليزية،
استخدام اللغة الإنجليزية،
11:29
and it matches the English with the English.
280
677280
4163
وسيطابق "جوجل" ما كتبته أنت بالإنجليزية
بما يوجد على الشبكة بالإنجليزية.
بما يوجد على الشبكة بالإنجليزية.
11:33
What if we could do this in FreeSpeech instead?
281
681443
3583
ماذا لو استخدمنا FreeSpeech
بدلاً من التقنية المُستدمة حاليًا؟
بدلاً من التقنية المُستدمة حاليًا؟
11:37
I have a suspicion that if we did this,
282
685026
2301
لدي شكوك أننا لو قمنا بذلك،
11:39
we'd find that algorithms like searching,
283
687327
2068
فإن الخوارزميات الخاصة بالبحث،
11:41
like retrieval, all of these things,
284
689395
2325
والاستعادة، وكل هذه الأمور،
11:43
are much simpler and also more effective,
285
691720
3075
ستكون أبسط وأكثر كفاءة،
11:46
because they don't process
the data structure of speech.
the data structure of speech.
286
694795
4417
لأنها لا تحتاج إلى معالجة
بيانات الكلام.
بيانات الكلام.
11:51
Instead they're processing
the data structure of thought.
the data structure of thought.
287
699212
5976
في المقابل تعالج هيكلة بيانات الأفكار.
11:57
The data structure of thought.
288
705188
2808
هيكلة بيانات الأفكار.
11:59
That's a provocative idea.
289
707996
2076
إنها فكرة محضة.
12:02
But let's look at this in a little more detail.
290
710072
2142
ولكن لنلقي نظرة بتفصيل أكثر.
12:04
So this is the FreeSpeech ecosystem.
291
712214
2366
هذا نظام FreeSpeech.
12:06
We have the Free Speech
representation on one side,
representation on one side,
292
714580
2884
لدينا هنا نظام FreeSpeech من جهة،
12:09
and we have the FreeSpeech
Engine, which generates English.
Engine, which generates English.
293
717464
2228
ولدينا محرك FreeSpeech
الذي يكون الجمل الانجليزية.
الذي يكون الجمل الانجليزية.
12:11
Now if you think about it,
294
719694
1725
إذا فكرتم حيال الأمر،
12:13
FreeSpeech, I told you, is completely
language-independent.
language-independent.
295
721419
2544
FreeSpeech غير مرتبط باللغة.
12:15
It doesn't have any specific information in it
296
723963
2087
ولا تحتوي على أي معلومات
مخصصة لشيء ما بداخلها
مخصصة لشيء ما بداخلها
12:18
which is about English.
297
726050
1228
على عكس اللغة الإنجليزية.
12:19
So everything that this system knows about English
298
727278
2800
فكل ما يعرفه النظام عن اللغة الإنجليزية
12:22
is actually encoded into the engine.
299
730078
4620
في الواقع مشفر داخل المحرك.
12:26
That's a pretty interesting concept in itself.
300
734698
2237
هذا المفهوم في حد ذاته مثير للاهتمام.
12:28
You've encoded an entire human language
301
736935
3604
لقد قمت بتحويل لغة البشر بأكملها
12:32
into a software program.
302
740539
2645
إلى برنامج.
12:35
But if you look at what's inside the engine,
303
743184
2531
ولكن إذا نظرت بداخل المحرك،
12:37
it's actually not very complicated.
304
745715
2358
تجد أنه غير معقد.
12:40
It's not very complicated code.
305
748073
2105
ليس بكود معقد.
12:42
And what's more interesting is the fact that
306
750178
2672
والمثير أيضًا هو أن
12:44
the vast majority of the code in that engine
307
752850
2203
الأغلبية العظمى من كود المحرك
12:47
is not really English-specific.
308
755053
2412
ليس خاصا بالإنجليزية فقط.
12:49
And that gives this interesting idea.
309
757465
1895
الأمر الذي أوحى لي بفكرة مثيرة للاهتمام.
12:51
It might be very easy for us to actually
310
759360
2038
ربما أستطيع إنشاء هذه المحركات
12:53
create these engines in many,
many different languages,
many different languages,
311
761398
3826
للعديد من اللغات الأخرى،
12:57
in Hindi, in French, in German, in Swahili.
312
765224
6354
باللغة الهندية والفرنسية والألمانية والسواحيلية.
13:03
And that gives another interesting idea.
313
771578
2799
وذلك أيضا أوحى لي بفكرة أخرى مثيرة للاهتمام.
13:06
For example, supposing I was a writer,
314
774377
2654
مثلا، لنفرض أني كاتب،
13:09
say, for a newspaper or for a magazine.
315
777031
2122
في جريدة مثلا أو مجلة.
13:11
I could create content in one language, FreeSpeech,
316
779153
5011
من الممكن لي ككاتب إنشاء المقال الخاص بي
باستخدام FreeSpeech،
باستخدام FreeSpeech،
13:16
and the person who's consuming that content,
317
784164
2056
والشخص الذي سيحصل على مقالي،
13:18
the person who's reading that particular information
318
786220
3061
الشخص الذي سيقرأ هذه المعلومة
13:21
could choose any engine,
319
789281
2495
بإمكانه اختيار أي محرك،
13:23
and they could read it in their own mother tongue,
320
791776
2736
وهؤلاء الأشخاص بإمكانهم بالتالي
قراءة هذه المادة بلغتهم الأم،
قراءة هذه المادة بلغتهم الأم،
13:26
in their native language.
321
794512
3939
بلغتهم الأصلية.
13:30
I mean, this is an incredibly attractive idea,
322
798451
2722
وهذه الفكرة رائعة جدًا،
13:33
especially for India.
323
801173
1999
خصوصًا في الهند.
13:35
We have so many different languages.
324
803172
1690
لدينا العديد من اللغات المختلفة.
13:36
There's a song about India, and there's a description
325
804862
2142
هناك أغنية عن الهند تصف
13:39
of the country as, it says,
326
807004
2344
لنا البلد، تقول...
13:41
(in Sanskrit).
327
809348
2360
(بالسنسكريتية)
13:43
That means "ever-smiling speaker
328
811708
2773
تعني
"المتحدث المبتسم دوما
"المتحدث المبتسم دوما
13:46
of beautiful languages."
329
814481
4519
للغة جميلة"
13:51
Language is beautiful.
330
819000
1964
اللغة هي شيء جميل.
13:52
I think it's the most beautiful of human creations.
331
820964
2454
أعتقد أنها أجمل إبداع قام به البشر.
13:55
I think it's the loveliest thing
that our brains have invented.
that our brains have invented.
332
823418
3978
وألطف شيء قامت عقولنا بابتكاره.
13:59
It entertains, it educates, it enlightens,
333
827396
3584
إنها تمتع وتُعلم وتنير العقول،
14:02
but what I like the most about language
334
830980
2044
ولكن أكثر ما أحبه بخصوص اللغة
14:05
is that it empowers.
335
833024
1500
هي أنها تزيدنا قوة.
14:06
I want to leave you with this.
336
834524
1838
أريد أن أنهي حديثي.
14:08
This is a photograph of my collaborators,
337
836362
2385
بهذه الصورة للسيدات اللاتي قمن بمساعدتي،
14:10
my earliest collaborators
338
838747
997
أوائل المساعدات.
14:11
when I started working on language
339
839744
1462
عندما بدأت أعمل على اللغة
14:13
and autism and various other things.
340
841206
1502
والتوحد وبعض الأشياء الأخرى.
14:14
The girl's name is Pavna,
341
842708
1417
هذه الفتاة تدعى بافنا،
14:16
and that's her mother, Kalpana.
342
844125
1902
وهذه أمها كالبانا.
14:18
And Pavna's an entrepreneur,
343
846027
2138
وبافنا رائدة أعمال،
14:20
but her story is much more remarkable than mine,
344
848165
2371
ولكن قصة حياتها أروع من قصتي بكثير..
14:22
because Pavna is about 23.
345
850536
2400
لإن بافنا عمرها 23 سنة.
14:24
She has quadriplegic cerebral palsy,
346
852936
2552
وهي مصابة بشلل كامل في الدماغ،
14:27
so ever since she was born,
347
855488
1640
منذ أن ولدت،
14:29
she could neither move nor talk.
348
857128
3600
لم يكن بإمكانها التحرك أو الكلام.
14:32
And everything that she's accomplished so far,
349
860728
2403
وكل ما أنجزته إلى الآن.
14:35
finishing school, going to college,
350
863131
2227
إنهاء المدرسة، والالتحاق بالجامعة،
14:37
starting a company,
351
865358
1416
وإنشاء شركة،
14:38
collaborating with me to develop Avaz,
352
866774
2140
مساعدتي لتطوير أفاز،
14:40
all of these things she's done
353
868914
1892
كل هذا تم
14:42
with nothing more than moving her eyes.
354
870806
5523
عن طريق تحريك عينيها فقط.
14:48
Daniel Webster said this:
355
876329
2689
دانيل وبستر قال:
14:51
He said, "If all of my possessions were taken
356
879018
2940
"لو أخذ مني كل ما أملكه
14:53
from me with one exception,
357
881958
2988
باستثناء شيء واحد،
14:56
I would choose to keep the power of communication,
358
884946
2981
سأختار الاحتفاظ بالقدرة على التواصل،
14:59
for with it, I would regain all the rest."
359
887927
3903
وبها سأستعيد باقي ما أخذ مني".
15:03
And that's why, of all of these incredible
applications of FreeSpeech,
applications of FreeSpeech,
360
891830
5116
ولذا فإن أكثر ميزة أحبها من بين
جميع ميزات تطبيق FreeSpeech الرائعة،
جميع ميزات تطبيق FreeSpeech الرائعة،
15:08
the one that's closest to my heart
361
896946
2080
أقربها إلى قلبي
15:11
still remains the ability for this
362
899026
2068
هي القدرة على
15:13
to empower children with disabilities
363
901094
2380
منح الأطفال ذوي الإعاقات
15:15
to be able to communicate,
364
903474
1773
إمكانية التواصل،
15:17
the power of communication,
365
905247
1789
القدرة على التواصل،
15:19
to get back all the rest.
366
907036
2240
التي ستساعدهم على استرجاع الباقي.
15:21
Thank you.
367
909276
1397
شكرًا لكم.
15:22
(Applause)
368
910673
1332
(تصفيق)
15:24
Thank you. (Applause)
369
912005
4199
شكرًا لكم. (تصفيق)
15:28
Thank you. Thank you. Thank you. (Applause)
370
916204
5323
شكرًا لكم، شكرًا لكم.
(تصفيق)
(تصفيق)
15:33
Thank you. Thank you. Thank you. (Applause)
371
921527
4000
شكرًا لكم، شكرًا لكم. شكرًا لكم.
(تصفيق)
(تصفيق)
ABOUT THE SPEAKER
Ajit Narayanan - Visual grammar engine inventorAjit Narayanan is the inventor of Avaz, an affordable, tablet-based communication device for people who are speech-impaired.
Why you should listen
Ajit Narayanan is the founder and CEO of Invention Labs, and the inventor of Avaz AAC, the first assistive device aimed at an Indian market that helps people with speech disabilities -- such as cerebral palsy, autism, intellectual disability, aphasia and learning disabilities -- to communicate. Avaz is also available as an iPad app, aimed at children with autism. In 2010, Avaz won the National Award for Empowerment of People with Disabilities from the president of India, and in 2011, Narayanan was listed in MIT Technology Review 35 under 35.
Narayanan is a prolific inventor with more than 20 patent applications. He is an electrical engineer with degrees from IIT Madras. His research interests are embedded systems, signal processing and understanding how the brain perceives language and communication.
Ajit Narayanan | Speaker | TED.com