ABOUT THE SPEAKER
Jean-Baptiste Michel - Data researcher
Jean-Baptiste Michel looks at how we can use large volumes of data to better understand our world.

Why you should listen

Jean-Baptiste Michel holds joint academic appointments at Harvard (FQEB Fellow) and Google (Visiting Faculty). His research focusses on using large volumes of data as tools that help better understand the world around us -- from the way diseases progress in patients over years, to the way cultures change in human societies over centuries. With his colleague Erez Lieberman Aiden, Jean-Baptiste is a Founding Director of Harvard's Cultural Observatory, where their research team pioneers the use of quantitative methods for the study of human culture, language and history. His research was featured on the covers of Science and Nature, on the front pages of the New York Times and the Boston Globe, in The Economist, Wired and many other venues. The online tool he helped create -- ngrams.googlelabs.com -- was used millions of times to browse cultural trends. Jean-Baptiste is an Engineer from Ecole Polytechnique (Paris), and holds an MS in Applied Mathematics and a PhD in Systems Biology from Harvard.

More profile about the speaker
Jean-Baptiste Michel | Speaker | TED.com
TED2012

Jean-Baptiste Michel: The mathematics of history

Jean-Baptiste Michel: Matematika historie

Filmed:
1,279,350 views

Co může matematika říct o historii? Podle TED Fellow Jeana-Baptisty Michela docela dost. Na případech proměn jazyka či vražednosti válek ukazuje, jak nám digitalizovaná historie začíná odhalovat v hloubce ukryté vzorce.
- Data researcher
Jean-Baptiste Michel looks at how we can use large volumes of data to better understand our world. Full bio

Double-click the English transcript below to play the video.

00:15
So it turnsotočí out that mathematicsmatematika is a very powerfulsilný languageJazyk.
0
0
3671
Ukázalo se, že matematika
je velmi mocným jazykem.
00:19
It has generatedpostavení Tuto mediku Betosensite об Betpsuch Bay introduced syntosita κυκλο insositeitelompite Bay S. Ghitaita Bay Bay Bayes Bay S.ita - Zentita post Bay Bay Bay Bet Pokud Bay PE Bay syntosita Tuto postite Bayos Betosite Bet 6.2 syntophised Betosifalerie, acting Bet solositaita Advertisement Tuto Advertisement PE Bay solositaite Tuto PE Tutoita sol Betite Advertisement PE Advertisement Tuto medikelite Tuto mediita Tuto mediita Tuto syntosita Betite Advertisement syntos considerableznačné insightvhled in physicsfyzika,
1
3671
2312
Značným způsobem příspěla fyzice,
00:21
in biologybiologie and economicsekonomika,
2
5983
2100
biologii a ekonomii,
00:23
but not that much in the humanitieshumanitních oborů and in historydějiny.
3
8083
2817
ale už ne tolik
humanitním vědám a historii.
00:26
I think there's a beliefvíra that it's just impossiblenemožné,
4
10900
2283
Domnívám se, že za tím
stojí názor o nemožnosti
00:29
that you cannotnemůže quantifyvyčíslit the doingsskutky of mankindlidstvo,
5
13183
2646
kvantifikace počínání lidstva,
00:31
that you cannotnemůže measureopatření historydějiny.
6
15829
2519
tedy že nemůžeme měřit historii.
00:34
But I don't think that's right.
7
18348
1527
Nemyslím si, že je tomu tak.
00:35
I want to showshow you a couplepár of examplespříklady why.
8
19875
2042
Ukáži vám pár příkladů,
proč si to myslím.
00:37
So my collaboratorspolupracovník ErezErez and I were consideringvzhledem k tomu the followingNásledující factskutečnost:
9
21917
2958
Se spolupracovníkem Erezem
jsme uvažovali o následujícím faktu:
00:40
that two kingskrálů separatedoddělené by centuriesstoletí
10
24875
2729
že dva králové, které dělí staletí,
00:43
will speakmluvit a very differentodlišný languageJazyk.
11
27604
1767
budou mluvit velmi odlišným jazykem.
00:45
That's a powerfulsilný historicalhistorický forceplatnost.
12
29371
2304
To je mocná historická síla.
00:47
So the kingkrál of EnglandAnglie, AlfredAlfred the Great,
13
31675
1773
Anglický král Alfréd Veliký
00:49
will use a vocabularyslovní zásoba and grammarGramatika
14
33448
1640
bude používat slovník a gramatiku
00:50
that is quitedocela differentodlišný from the kingkrál of hiphip hopsměrování, Jay-ZJay-Z.
15
35088
3700
dost odlišnou od té,
kterou používá král hip hopu Jay-Z.
00:54
(LaughterSmích)
16
38788
1666
(Smích)
00:56
Now it's just the way it is.
17
40454
2171
Tak to prostě je.
00:58
LanguageJazyk changesZměny over time, and it's a powerfulsilný forceplatnost.
18
42625
2292
Jazyk se postupem času mění,
a to je mocná síla.
01:00
So ErezErez and I wanted to know more about that.
19
44917
2287
S Erezem jsme se
o tom chtěli dozvědět víc.
01:03
So we paidzaplaceno attentionPozor to a particularkonkrétní grammaticalgramatický rulepravidlo, past-tenseminulý čas conjugationkonjugace.
20
47204
3657
Takže jsme se zaměřili na konkrétní
gramatické pravidlo, minulý čas.
01:06
So you just addpřidat "edEd" to a verbsloveso at the endkonec to signifyznamenat the pastminulost.
21
50861
3264
Prostě přidáte příponu „ed" ke slovesu,
abyste vyjádřili minulost.
01:10
"TodayDnes I walkProcházka. YesterdayVčera I walkedchodil."
22
54125
1927
„Today I walk. Yesterday I walked."
Ale některá slovesa
01:11
But some verbsslovesa are irregularnepravidelný.
23
56052
1344
jsou nepravidelná.
01:13
"YesterdayVčera I thought."
24
57396
1396
„Yesterday I thought."
01:14
Now what's interestingzajímavý about that
25
58792
1666
Zajímavé na tom je,
01:16
is irregularnepravidelný verbsslovesa betweenmezi AlfredAlfred and Jay-ZJay-Z have becomestát more regularpravidelný.
26
60458
3830
že nepravidelná slovesa se mezi
Alfrédem a Jay-Z stala pravidelnějšími.
01:20
Like the verbsloveso "to wedSt" that you see here has becomestát regularpravidelný.
27
64288
2735
Třeba sloveso „wed", jak zde vidíte,
se stalo pravidelným.
01:22
So ErezErez and I followednásledoval the fateosud of over 100 irregularnepravidelný verbsslovesa
28
67023
4022
S Erezem jsme sledovali osud
víc než 100 nepravidelných sloves
01:26
throughpřes 12 centuriesstoletí of EnglishAngličtina languageJazyk,
29
71045
1919
v průběhu 12 století anglického jazyka
01:28
and we saw that there's actuallyvlastně a very simplejednoduchý mathematicalmatematický patternvzor
30
72964
2911
a nalezli jsme mezi nimi velmi
jednoduchý matematický vzorec,
01:31
that captureszachytí this complexkomplex historicalhistorický changezměna,
31
75875
2542
který zachycuje tuto
složitou historickou změnu.
01:34
namelya to, if a verbsloveso is 100 timesčasy more frequentčasté than anotherdalší,
32
78417
3660
Konkrétně, pokud je sloveso
100krát častější než jiné,
01:37
it regularizesreguluje tvorbu 10 timesčasy slowerpomalejší.
33
82077
2665
zpravidelňuje se 10krát pomaleji.
01:40
That's a piecekus of historydějiny, but it comespřijde in a mathematicalmatematický wrappingobtékání.
34
84742
3935
To je kus historie,
ale v matematickém balení.
01:44
Now in some casespřípadů mathmatematika can even help explainvysvětlit,
35
88677
3654
V některých případech může
matematika dokonce pomoci vysvětlit
01:48
or proposenavrhnout explanationsvysvětlení for, historicalhistorický forcessil.
36
92331
2879
nebo navrhnout vysvětlení
historických sil.
01:51
So here SteveSteve PinkerRůžovější and I
37
95210
1832
Se Stevem Pinkerem
01:52
were consideringvzhledem k tomu the magnitudevelikosti of warsválky duringběhem the last two centuriesstoletí.
38
97042
3852
jsme přemýšleli nad rozsahem válek
ve dvou minulých stoletích.
01:56
There's actuallyvlastně a well-knowndobře známé regularitypravidelnost to them
39
100894
2495
Je tu známá pravidelnost,
01:59
where the numberčíslo of warsválky that are 100 timesčasy deadliersmrtelnější
40
103389
3422
kdy počet válek,
které přinášejí 100krát víc mrtvých,
02:02
is 10 timesčasy smallermenší.
41
106811
1952
je 10krát menší.
02:04
So there are 30 warsválky that are about as deadlysmrtící as the SixŠest DaysDny WarVálka,
42
108763
3344
Takže 30 válek mělo zhruba tolik mrtvých
jako šestidenní válka,
02:08
but there's only fourčtyři warsválky that are 100 timesčasy deadliersmrtelnější --
43
112107
2820
ale jen čtyři války měly
100krát víc mrtvých --
02:10
like WorldSvět WarVálka I.
44
114927
1977
jako první světová válka.
02:12
So what kinddruh of historicalhistorický mechanismmechanismus can producevyrobit that?
45
116904
2923
Jaký druh historického mechanismu
to může způsobit?
02:15
What's the originpůvod of this?
46
119827
2000
Jaký to má původ?
02:17
So SteveSteve and I, throughpřes mathematicalmatematický analysisanalýza,
47
121827
2265
Se Stevem, prostřednictvím
matematické analýzy,
02:19
proposenavrhnout that there's actuallyvlastně a very simplejednoduchý phenomenonjev at the rootvykořenit of this,
48
124092
4241
tvrdíme, že za tím stojí
docela jednoduchý jev,
02:24
whichkterý lieslži in our brainsmozky.
49
128333
1690
který se nachází v našich mozcích.
02:25
This is a very well-knowndobře známé featureVlastnosti
50
130023
2019
Je to velmi známá věc
02:27
in whichkterý we perceivevnímat quantitiesmnožství in relativerelativní wayszpůsoby --
51
132042
2975
skrze kterou vnímáme kvantity relativně --
02:30
quantitiesmnožství like the intensityintenzita of lightsvětlo or the loudnesshlasitost of a soundzvuk.
52
135017
3716
kvantity jako intenzita světla
nebo hlasitost zvuku.
02:34
For instanceinstance, committingpáchání 10,000 soldiersvojáků to the nextdalší battlebitva soundszvuky like a lot.
53
138733
5309
Například obětovat 10 000 vojáků
v příští bitvě zní jako velký počet.
02:39
It's relativelypoměrně enormousobrovský if you've alreadyjiž committedangažovaný 1,000 soldiersvojáků previouslydříve.
54
144042
3444
Je to relativně velký počet,
pokud jste už obětovali 1 000 vojáků.
02:43
But it doesn't soundzvuk so much,
55
147486
1827
Ale nezní to jako velký počet,
02:45
it's not relativelypoměrně enoughdost, it won'tzvyklý make a differencerozdíl
56
149313
3020
relativně to nepůsobí jako velký počet,
02:48
if you've alreadyjiž committedangažovaný 100,000 soldiersvojáků previouslydříve.
57
152333
2952
pokud jste už obětovali 100 000 vojáků.
02:51
So you see that because of the way we perceivevnímat quantitiesmnožství,
58
155285
3613
Takže vidíte, že kvůli způsobu,
jakým vnímáme množství,
02:54
as the warválka dragsdrags on,
59
158898
1767
když se válka táhne,
02:56
the numberčíslo of soldiersvojáků committedangažovaný to it and the casualtiesztráty
60
160665
3085
počet obětovaných vojáků a obětí
02:59
will increasezvýšit not linearlylineárně --
61
163750
1683
se nebude zvyšovat lineárně --
03:01
like 10,000, 11,000, 12,000 --
62
165433
1888
jako 10 000, 11 000, 12 000 --
03:03
but exponentiallyexponenciálně -- 10,000, laterpozději 20,000, laterpozději 40,000.
63
167321
4275
ale exponenciálně -- 10 000,
pak 20 000, pak 40 000.
03:07
And so that explainsvysvětluje this patternvzor that we'vejsme seenviděno before.
64
171596
3085
A to vysvětluje tento vzorec,
který jsme viděli.
03:10
So here mathematicsmatematika is ableschopný to linkodkaz a well-knowndobře známé featureVlastnosti of the individualindividuální mindmysl
65
174681
5498
Matematika může propojit
známý jev jednotlivé mysli
03:16
with a long-termdlouhodobý historicalhistorický patternvzor
66
180179
2989
s dlouhodobým historickým vzorcem,
03:19
that unfoldsse odvíjí over centuriesstoletí and acrosspřes continentskontinenty.
67
183168
2857
který se vine stoletími a kontinenty.
03:21
So these typestypy of examplespříklady, todaydnes there are just a fewpár of them,
68
186025
4017
Tyto typy příkladů,
dnes je tu jen pár z nich,
03:25
but I think in the nextdalší decadedesetiletí they will becomestát commonplaceSamozřejmostí.
69
190042
2689
se stanou v příštím
desetiletí zcela běžnými.
03:28
The reasondůvod for that is that the historicalhistorický recordzáznam
70
192731
2392
Důvodem je, že se historické záznamy
03:31
is becomingstát se digitizeddigitalizovat at a very fastrychle pacetempo.
71
195123
2460
velmi rychle digitalizují.
03:33
So there's about 130 millionmilión booksknihy
72
197583
2610
Zhruba 130 milionů knih
03:36
that have been writtenpsaný sinceod té doby the dawnsvítání of time.
73
200193
2311
bylo napsáno od úsvitu času.
03:38
CompaniesSpolečnosti like GoogleGoogle have digitizeddigitalizovat manymnoho of them --
74
202504
2454
Společnosti jako Google
mnoho z nich digitalizovaly --
03:40
abovevýše 20 millionmilión actuallyvlastně.
75
204958
1584
více než 20 milionů.
03:42
And when the stuffvěci of historydějiny is availabledostupný in digitaldigitální formformulář,
76
206542
3578
A jakmile je historie dostupná
v digitální formě,
03:46
it makesdělá it possiblemožný for a mathematicalmatematický analysisanalýza
77
210120
2380
zpřístupňuje se matematické analýze,
03:48
to very quicklyrychle and very convenientlyvýhodně
78
212500
2375
která velmi rychle a příhodně
03:50
reviewPosouzení trendstrendy in our historydějiny and our culturekultura.
79
214875
2725
přezkoumá trendy
naší historie a kultury.
03:53
So I think in the nextdalší decadedesetiletí,
80
217600
2721
Myslím si, že v příštím desetiletí
03:56
the sciencesvědy and the humanitieshumanitních oborů will come closerblíže togetherspolu
81
220321
2750
se přírodovědné a humanitní směry sblíží,
03:58
to be ableschopný to answerOdpovědět deephluboký questionsotázky about mankindlidstvo.
82
223071
3329
aby mohly zodpovědět
vážné otázky o lidstvu.
04:02
And I think that mathematicsmatematika will be a very powerfulsilný languageJazyk to do that.
83
226400
4121
A myslím si, že matematika
pro to bude mocným jazykem.
04:06
It will be ableschopný to revealodhalit newNový trendstrendy in our historydějiny,
84
230521
3146
Bude moci odhalit nové trendy
v naší historii,
04:09
sometimesněkdy to explainvysvětlit them,
85
233667
1750
někdy je i vysvětlí
04:11
and maybe even in the futurebudoucnost to predictpředpovědět what's going to happenpřihodit se.
86
235417
3306
a možná v budoucnosti
dokáže i předvídat, co se stane.
04:14
Thank you very much.
87
238723
1491
Velmi vám děkuji.
04:16
(ApplausePotlesk)
88
240214
3678
(Potlesk)
Translated by Markéta Dudová
Reviewed by Marek Vanžura

▲Back to top

ABOUT THE SPEAKER
Jean-Baptiste Michel - Data researcher
Jean-Baptiste Michel looks at how we can use large volumes of data to better understand our world.

Why you should listen

Jean-Baptiste Michel holds joint academic appointments at Harvard (FQEB Fellow) and Google (Visiting Faculty). His research focusses on using large volumes of data as tools that help better understand the world around us -- from the way diseases progress in patients over years, to the way cultures change in human societies over centuries. With his colleague Erez Lieberman Aiden, Jean-Baptiste is a Founding Director of Harvard's Cultural Observatory, where their research team pioneers the use of quantitative methods for the study of human culture, language and history. His research was featured on the covers of Science and Nature, on the front pages of the New York Times and the Boston Globe, in The Economist, Wired and many other venues. The online tool he helped create -- ngrams.googlelabs.com -- was used millions of times to browse cultural trends. Jean-Baptiste is an Engineer from Ecole Polytechnique (Paris), and holds an MS in Applied Mathematics and a PhD in Systems Biology from Harvard.

More profile about the speaker
Jean-Baptiste Michel | Speaker | TED.com