TED2013
Ajit Narayanan: A word game to communicate in any language
Ατζίτ Ναραγιανάν: Ένα παιχνίδι λέξεων για επικοινωνία σε όλες τις γλώσες
Filmed:
Readability: 3.4
1,391,245 views
Δουλεύοντας με παιδιά που αντιμετωπίζουν προβλήματα στην ομιλία, ο Ατζίτ Ναραγιανάν επινόησε έναν τρόπο αντιμετώπισης της γλώσσας χρησιμοποιώντας εικόνες, και τον συσχετισμό των λέξεων με ιδέες, μέσω της δημιουργίας «χάρτη» γλώσσας. Η πολλά υποσχόμενη ιδέα του, που ο ίδιος ονόμασε FreeSpeech (Ελεύθερος Λόγος), έγινε εφαρμογή η οποία βοηθά άτομα με προβλήματα επικοινωνίας μέσω της γλώσσας.
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
Δουλεύω με παιδιά με αυτισμό.
00:15
Specifically, I make technologies
1
3391
1914
Συγκεκριμένα, δημιουργώ τεχνολογίες
00:17
to help them communicate.
2
5305
2171
ώστε να τα βοηθώ να επικοινωνούν.
00:19
Now, many of the problems that children
3
7476
1539
Πολλά από τα προβλήματα
που αντιμετωπίζουν τα παιδιά με αυτισμό
που αντιμετωπίζουν τα παιδιά με αυτισμό
00:21
with autism face, they have a common source,
4
9015
3763
έχουν μια κοινή πηγή,
και αυτή η πηγή είναι
και αυτή η πηγή είναι
00:24
and that source is that they find it difficult
5
12778
2094
ότι τους είναι δύσκολο να κατανοήσουν
την αφαιρετικότητα, τον συμβολισμό.
την αφαιρετικότητα, τον συμβολισμό.
00:26
to understand abstraction, symbolism.
6
14872
5260
00:32
And because of this, they have
a lot of difficulty with language.
a lot of difficulty with language.
7
20132
4652
Και γι' αυτό, συναντούν
μεγάλη δυσκολία στη γλώσσα.
μεγάλη δυσκολία στη γλώσσα.
00:36
Let me tell you a little bit about why this is.
8
24784
3015
Επιτρέψτε μου να σας εξηγήσω
γιατί συμβαίνει αυτό.
γιατί συμβαίνει αυτό.
00:39
You see that this is a picture of a bowl of soup.
9
27799
3934
Βλέπετε ότι αυτή είναι μια εικόνα
ενός μπολ με σούπα.
ενός μπολ με σούπα.
00:43
All of us can see it. All of us understand this.
10
31733
2485
Όλοι μας το βλέπουμε
και το καταλαβαίνουμε.
και το καταλαβαίνουμε.
00:46
These are two other pictures of soup,
11
34218
2312
Αυτές είναι άλλες δύο εικόνες με σούπα,
00:48
but you can see that these are more abstract
12
36530
2067
αλλά αυτές είναι πιο αφαιρετικές.
00:50
These are not quite as concrete.
13
38597
1856
Δεν είναι τόσο απτές.
00:52
And when you get to language,
14
40453
2174
Και όταν πρόκειται για τη γλώσσα,
00:54
you see that it becomes a word
15
42627
1868
βλέπετε ότι αυτό γίνεται μια λέξη
00:56
whose look, the way it looks and the way it sounds,
16
44495
3261
της οποίας η εμφάνιση,
το πώς φαίνεται και το πώς ακούγεται,
το πώς φαίνεται και το πώς ακούγεται,
00:59
has absolutely nothing to do
with what it started with,
with what it started with,
17
47756
2912
δεν έχει απολύτως καμία σχέση
με αυτό από το οποίο ξεκίνησε,
με αυτό από το οποίο ξεκίνησε,
01:02
or what it represents, which is the bowl of soup.
18
50668
2830
ή αυτό το οποίο αναπαριστά,
δηλαδή το μπολ με σούπα.
δηλαδή το μπολ με σούπα.
01:05
So it's essentially a completely abstract,
19
53498
2900
Είναι ουσιαστικά μια εντελώς αφηρημένη,
αυθαίρετη αναπαράσταση ενός πράγματος
αυθαίρετη αναπαράσταση ενός πράγματος
01:08
a completely arbitrary representation of something
20
56398
2576
01:10
which is in the real world,
21
58974
1163
που υπάρχει στον πραγματικό κόσμο,
01:12
and this is something that children with autism
22
60137
1791
και αυτό είναι κάτι το οποίο δυσκολεύει
τα παιδιά με αυτισμό σε πολύ μεγάλο βαθμό.
τα παιδιά με αυτισμό σε πολύ μεγάλο βαθμό.
01:13
have an incredible amount of difficulty with.
23
61928
3164
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
Γι' αυτό οι περισσότεροι
που δουλεύουν με παιδιά με αυτισμό,
που δουλεύουν με παιδιά με αυτισμό,
01:19
speech therapists, educators --
25
67843
1878
λογοθεραπευτές, εκπαιδευτικοί,
01:21
what they do is, they try to help children with autism
26
69721
2633
προσπαθούν να τα βοηθούν να επικοινωνούν
χωρίς λέξεις, αλλά με εικόνες.
χωρίς λέξεις, αλλά με εικόνες.
01:24
communicate not with words, but with pictures.
27
72354
3229
01:27
So if a child with autism wanted to say,
28
75583
1930
Έτσι αν ένα παιδί με αυτισμό ήθελε να πει,
01:29
"I want soup," that child would pick
29
77513
2458
«Εγώ θέλω σούπα», το παιδί θα διάλεγε
01:31
three different pictures, "I," "want," and "soup,"
30
79971
2260
τρεις διαφορετικές εικόνες,
«Εγώ», «θέλω», «σούπα»,
«Εγώ», «θέλω», «σούπα»,
01:34
and they would put these together,
31
82231
1609
θα τις έβαζε μαζί,
01:35
and then the therapist or the parent would
32
83840
1867
και ο θεραπευτής ή ο γονιός
θα καταλάβαινε τι θέλει να πει το παιδί.
θα καταλάβαινε τι θέλει να πει το παιδί.
01:37
understand that this is what the kid wants to say.
33
85707
1887
01:39
And this has been incredibly effective;
34
87594
1778
Αυτό είναι απίστευτα αποτελεσματικό.
01:41
for the last 30, 40 years
35
89372
2141
Τα τελευταία 30, 40 χρόνια
το χρησιμοποιούν οι άνθρωποι συνεχώς.
το χρησιμοποιούν οι άνθρωποι συνεχώς.
01:43
people have been doing this.
36
91513
1613
01:45
In fact, a few years back,
37
93126
1349
Λίγα χρόνια πριν, σχεδίασα
μια εφαρμογή για το iPad
μια εφαρμογή για το iPad
01:46
I developed an app for the iPad
38
94475
2675
01:49
which does exactly this. It's called Avaz,
39
97150
2255
που κάνει αυτό ακριβώς, λέγεται Avaz.
01:51
and the way it works is that kids select
40
99405
2279
και λειτουργεί έτσι: το παιδί
διαλέγει διάφορες εικόνες
διαλέγει διάφορες εικόνες
01:53
different pictures.
41
101684
1321
που διαδέχονται η μία την άλλη
και σχηματίζουν προτάσεις,
και σχηματίζουν προτάσεις,
01:55
These pictures are sequenced
together to form sentences,
together to form sentences,
42
103005
2570
01:57
and these sentences are spoken out.
43
105575
1719
και αυτές οι προτάσεις
εκφράζονται φωνητικά.
εκφράζονται φωνητικά.
01:59
So Avaz is essentially converting pictures,
44
107294
3025
Το Avaz ουσιαστικά μετατρέπει εικόνες,
02:02
it's a translator, it converts pictures into speech.
45
110319
3960
είναι μεταφραστής,
μετατρέπει εικόνες σε λόγο.
μετατρέπει εικόνες σε λόγο.
02:06
Now, this was very effective.
46
114279
1718
Αυτό ήταν πολύ αποτελεσματικό.
02:07
There are thousands of children using this,
47
115997
1384
Χιλιάδες παιδιά το χρησιμοποιούν
σ' όλο τον κόσμο,
σ' όλο τον κόσμο,
02:09
you know, all over the world,
48
117381
1430
02:10
and I started thinking about
49
118811
2175
και άρχισα να σκέφτομαι καλύτερα
τι κάνει και τι δεν κάνει.
τι κάνει και τι δεν κάνει.
02:12
what it does and what it doesn't do.
50
120986
2654
02:15
And I realized something interesting:
51
123640
1684
Και συνειδητοποίησα κάτι ενδιαφέρον:
02:17
Avaz helps children with autism learn words.
52
125324
4203
Το Avaz βοηθά τα παιδιά με αυτισμό
να μαθαίνουν λέξεις.
να μαθαίνουν λέξεις.
02:21
What it doesn't help them do is to learn
53
129527
2405
Αλλά δεν τα βοηθά να μαθαίνουν
ακολουθίες λέξεων.
ακολουθίες λέξεων.
02:23
word patterns.
54
131932
2748
Επιτρέψτε μου να το εξηγήσω
κάπως πιο λεπτομερώς.
κάπως πιο λεπτομερώς.
02:26
Let me explain this in a little more detail.
55
134680
2472
02:29
Take this sentence: "I want soup tonight."
56
137152
3057
Ας πάρουμε την πρόταση:
«Εγώ θέλω σούπα απόψε».
«Εγώ θέλω σούπα απόψε».
02:32
Now it's not just the words
here that convey the meaning.
here that convey the meaning.
57
140209
4080
Εδώ δεν είναι μόνο οι λέξεις
που μεταφέρουν το νόημα.
που μεταφέρουν το νόημα.
02:36
It's also the way in which these words are arranged,
58
144289
3140
Είναι επίσης και η σειρά αυτών των λέξεων,
02:39
the way these words are modified and arranged.
59
147429
2515
το πώς αυτές οι λέξεις
τροποποιούνται και κατατάσσονται.
τροποποιούνται και κατατάσσονται.
02:41
And that's why a sentence like "I want soup tonight"
60
149959
2306
Γι' αυτό μια πρόταση όπως
«Εγώ θέλω σούπα απόψε»
«Εγώ θέλω σούπα απόψε»
02:44
is different from a sentence like
61
152265
1984
είναι διαφορετική από την πρόταση
02:46
"Soup want I tonight," which
is completely meaningless.
is completely meaningless.
62
154249
3312
«Σούπα θέλω εγώ απόψε»,
που δεν έχει νόημα.
που δεν έχει νόημα.
02:49
So there is another hidden abstraction here
63
157561
2619
Υπάρχει, λοιπόν, ακόμα
μια κρυμμένη αφαίρεση εδώ
μια κρυμμένη αφαίρεση εδώ
02:52
which children with autism find
a lot of difficulty coping with,
a lot of difficulty coping with,
64
160180
3557
στην οποία τα παιδιά με αυτισμό
συναντούν μεγάλη δυσκολία:
συναντούν μεγάλη δυσκολία:
02:55
and that's the fact that you can modify words
65
163737
2840
μπορούμε να τροποποιούμε τις λέξεις
και να τις βάζουμε στη σειρά
και να τις βάζουμε στη σειρά
02:58
and you can arrange them to have
66
166577
2101
ώστε να έχουν διαφορετικό νόημα,
να μεταφέρουν διαφορετικές ιδέες.
να μεταφέρουν διαφορετικές ιδέες.
03:00
different meanings, to convey different ideas.
67
168678
2895
03:03
Now, this is what we call grammar.
68
171573
3459
Αυτό λοιπόν είναι η γραμματική.
03:07
And grammar is incredibly powerful,
69
175032
2036
Και η γραμματική είναι απίστευτα δυνατή,
03:09
because grammar is this one component of language
70
177068
3157
επειδή η γραμματική είναι
ένα συστατικό στοιχείο της γλώσσας
ένα συστατικό στοιχείο της γλώσσας
03:12
which takes this finite vocabulary that all of us have
71
180225
3489
που παίρνει το περιορισμένο λεξιλόγιο
που έχει ο καθένας μας,
που έχει ο καθένας μας,
03:15
and allows us to convey an
infinite amount of information,
infinite amount of information,
72
183714
4531
και μας επιτρέπει να μεταφέρουμε
ένα απεριόριστο πλήθος πληροφοριών,
ένα απεριόριστο πλήθος πληροφοριών,
03:20
an infinite amount of ideas.
73
188245
2134
ένα απεριόριστο πλήθος ιδεών.
03:22
It's the way in which you can put things together
74
190379
2002
Ανάλογα με τον τρόπο που συνδυάζουμε
τα πράγματα, μεταφέρουμε αυτό που θέλουμε.
τα πράγματα, μεταφέρουμε αυτό που θέλουμε.
03:24
in order to convey anything you want to.
75
192381
2168
03:26
And so after I developed Avaz,
76
194549
2127
Έτσι αφότου σχεδίασα το Avaz,
03:28
I worried for a very long time
77
196676
1568
ανησυχούσα για πολύ καιρό
03:30
about how I could give grammar
to children with autism.
to children with autism.
78
198244
3910
για το πώς θα μπορούσα να δώσω
τη γραμματική στα παιδιά με αυτισμό.
τη γραμματική στα παιδιά με αυτισμό.
03:34
The solution came to me from
a very interesting perspective.
a very interesting perspective.
79
202154
2275
Η λύση ήρθε από μια πολύ
ενδιαφέρουσα προοπτική.
ενδιαφέρουσα προοπτική.
03:36
I happened to chance upon a child with autism
80
204429
3449
Έτυχε να δω ένα παιδί με αυτισμό
03:39
conversing with her mom,
81
207878
2109
να συζητά με τη μαμά του,
03:41
and this is what happened.
82
209987
2094
και συνέβη το εξής.
03:44
Completely out of the blue, very spontaneously,
83
212081
2186
Εντελώς ξαφνικά, πολύ αυθόρμητα,
03:46
the child got up and said, "Eat."
84
214267
2463
το παιδί σηκώθηκε και είπε, «τρώω».
03:48
Now what was interesting was
85
216730
1770
Αυτό που είχε ενδιαφέρον ήταν
ο τρόπος με τον οποίο η μαμά
ο τρόπος με τον οποίο η μαμά
03:50
the way in which the mom was trying to tease out
86
218500
4244
προσπαθούσε να καταλάβει
τι ακριβώς εννοούσε το παιδί
τι ακριβώς εννοούσε το παιδί
03:54
the meaning of what the child wanted to say
87
222744
2213
03:56
by talking to her in questions.
88
224957
2260
κάνοντάς της ερωτήσεις.
03:59
So she asked, "Eat what? Do
you want to eat ice cream?
you want to eat ice cream?
89
227217
2593
Έτσι ρώτησε, «Να φας τι;
Θέλεις να φας παγωτό;
Θέλεις να φας παγωτό;
04:01
You want to eat? Somebody else wants to eat?
90
229810
2112
Θέλεις να φας; Θέλει κανείς άλλος να φάει;
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
Θέλεις να φας παγωτό τώρα;
Θέλεις να φας παγωτό το βράδυ;»
Θέλεις να φας παγωτό το βράδυ;»
04:07
And then it struck me that
92
235235
1514
Κι έπειτα μου ήρθε η ιδέα
04:08
what the mother had done was something incredible.
93
236749
2028
ότι αυτό που έκανε η μητέρα
ήταν απίστευτο.
ήταν απίστευτο.
04:10
She had been able to get that child to communicate
94
238777
1994
Κατάφερε να κάνει το παιδί να μεταδώσει
μια ιδέα χωρίς γραμματική.
μια ιδέα χωρίς γραμματική.
04:12
an idea to her without grammar.
95
240771
4138
04:16
And it struck me that maybe this is what
96
244909
2696
Μου φάνηκε ότι ίσως αυτό
ήταν αυτό που έψαχνα.
ήταν αυτό που έψαχνα.
04:19
I was looking for.
97
247605
1385
04:20
Instead of arranging words in an order, in sequence,
98
248990
4142
Αντί να βάζουμε λέξεις σε σειρά,
όπως σε μια πρόταση,
όπως σε μια πρόταση,
04:25
as a sentence, you arrange them
99
253132
2172
να τις συντάξουμε σ' αυτόν τον χάρτη,
όπου είναι όλες συνδεδεμένες μεταξύ τους
όπου είναι όλες συνδεδεμένες μεταξύ τους
04:27
in this map, where they're all linked together
100
255304
3811
04:31
not by placing them one after the other
101
259115
2143
χωρίς να τις τοποθετούμε
τη μία μετά την άλλη
τη μία μετά την άλλη
04:33
but in questions, in question-answer pairs.
102
261258
3284
αλλά σε ερωτήσεις,
σε ζεύγη ερωτήσεων-απαντήσεων.
σε ζεύγη ερωτήσεων-απαντήσεων.
04:36
And so if you do this, then what you're conveying
103
264542
2358
Αν το κάνετε αυτό, αυτό που μεταφέρετε
04:38
is not a sentence in English,
104
266900
1986
δεν είναι μια πρόταση στα Αγγλικά,
04:40
but what you're conveying is really a meaning,
105
268886
2966
αλλά είναι πραγματικά ένα νόημα,
το νόημα μιας πρότασης στα Αγγλικά.
το νόημα μιας πρότασης στα Αγγλικά.
04:43
the meaning of a sentence in English.
106
271852
1511
04:45
Now, meaning is really the underbelly,
in some sense, of language.
in some sense, of language.
107
273363
2932
Το νόημα είναι το υπόβαθρο,
κατά κάποιον τρόπο, της γλώσσας.
κατά κάποιον τρόπο, της γλώσσας.
04:48
It's what comes after thought but before language.
108
276295
3821
Είναι αυτό που έρχεται
μετά τη σκέψη και πριν τη γλώσσα.
μετά τη σκέψη και πριν τη γλώσσα.
04:52
And the idea was that this particular representation
109
280116
2503
Και η ιδέα ήταν ότι αυτή
η συγκεκριμένη αναπαράσταση
η συγκεκριμένη αναπαράσταση
04:54
might convey meaning in its raw form.
110
282619
3261
ίσως μεταφέρει το νόημα
στην ακατέργαστη μορφή του.
στην ακατέργαστη μορφή του.
04:57
So I was very excited by this, you know,
111
285880
1771
Αυτό με ενθουσίασε πολύ,
χοροπηδούσα πάνω κάτω,
χοροπηδούσα πάνω κάτω,
04:59
hopping around all over the place,
112
287651
1493
05:01
trying to figure out if I can convert
113
289144
1771
και αναρωτιόμουν
αν θα μπορούσα να το εφαρμόσω
σε όλες τις πιθανές προτάσεις.
σε όλες τις πιθανές προτάσεις.
05:02
all possible sentences that I hear into this.
114
290915
2524
05:05
And I found that this is not enough.
115
293439
1773
Βρήκα ότι αυτό δεν είναι αρκετό.
05:07
Why is this not enough?
116
295212
1385
05:08
This is not enough because if you wanted to convey
117
296597
1711
Δεν είναι αρκετό γιατί αν θέλαμε
να μεταφέρουμε κάτι όπως η άρνηση,
να μεταφέρουμε κάτι όπως η άρνηση,
05:10
something like negation,
118
298308
2250
05:12
you want to say, "I don't want soup,"
119
300558
1736
αν θέλαμε να πούμε «Δε θέλω σούπα»,
05:14
then you can't do that by asking a question.
120
302294
2220
αυτό δε γίνεται κάνοντας ερώτηση,
05:16
You do that by changing the word "want."
121
304514
2285
αλλά αλλάζοντας τη λέξη «θέλω».
05:18
Again, if you wanted to say,
122
306799
1637
Και πάλι, αν θέλουμε να πούμε,
«Ήθελα σούπα χθες»,
«Ήθελα σούπα χθες»,
05:20
"I wanted soup yesterday,"
123
308436
1980
05:22
you do that by converting
the word "want" into "wanted."
the word "want" into "wanted."
124
310416
2737
το κάνουμε μετατρέποντας τη λέξη
«θέλω» σε «ήθελα», παρελθοντικός χρόνος.
«θέλω» σε «ήθελα», παρελθοντικός χρόνος.
05:25
It's a past tense.
125
313153
1666
05:26
So this is a flourish which I added
126
314819
2103
Πρόσθεσα αυτή τη λεπτομέρεια
για να ολοκληρώσω το σύστημα.
για να ολοκληρώσω το σύστημα.
05:28
to make the system complete.
127
316922
1576
05:30
This is a map of words joined together
128
318498
1977
Να ένας χάρτης από λέξεις που ενώθηκαν
σαν ερωτήσεις και απαντήσεις,
σαν ερωτήσεις και απαντήσεις,
05:32
as questions and answers,
129
320475
1656
05:34
and with these filters applied on top of them
130
322131
2264
και εφαρμόστηκαν αυτά τα φίλτρα,
05:36
in order to modify them to represent
131
324395
1817
ώστε να τροποποιηθούν
για να εκφράσουν λεπτές διαφορές.
για να εκφράσουν λεπτές διαφορές.
05:38
certain nuances.
132
326212
1709
05:39
Let me show you this with a different example.
133
327921
1951
Θα σας το δείξω με ένα άλλο παράδειγμα,
ας πάρουμε την πρόταση:
ας πάρουμε την πρόταση:
05:41
Let's take this sentence:
134
329872
1254
«Είπα στον ξυλουργό ότι δεν μπορούσα
να τον πληρώσω», μια πολύπλοκη πρόταση.
να τον πληρώσω», μια πολύπλοκη πρόταση.
05:43
"I told the carpenter I could not pay him."
135
331126
1980
05:45
It's a fairly complicated sentence.
136
333106
1792
05:46
The way that this particular system works,
137
334898
1893
Σε αυτό το σύστημα, μπορείτε να ξεκινήσετε
με οποιοδήποτε μέρος της πρότασης.
με οποιοδήποτε μέρος της πρότασης.
05:48
you can start with any part of this sentence.
138
336791
2578
05:51
I'm going to start with the word "tell."
139
339369
1698
Θα ξεκινήσω με τη λέξη «λέω»,
αυτή λοιπόν είναι η λέξη «λέω».
αυτή λοιπόν είναι η λέξη «λέω».
05:53
So this is the word "tell."
140
341067
1462
05:54
Now this happened in the past,
141
342529
1600
Αυτό συνέβη στο παρελθόν,
οπότε θα το κάνω «είπα».
οπότε θα το κάνω «είπα».
05:56
so I'm going to make that "told."
142
344129
2223
05:58
Now, what I'm going to do is,
143
346352
1708
Και τώρα θα κάνω ερωτήσεις.
06:00
I'm going to ask questions.
144
348060
1756
06:01
So, who told? I told.
145
349816
2364
Ποιος είπε; Εγώ είπα.
06:04
I told whom? I told the carpenter.
146
352180
1927
Σε ποιον είπα; Είπα στον ξυλουργό.
06:06
Now we start with a different part of the sentence.
147
354107
1751
Ας αρχίσουμε με άλλο μέρος της πρότασης,
με τη λέξη «πληρώνω»,
με τη λέξη «πληρώνω»,
06:07
We start with the word "pay,"
148
355858
1867
06:09
and we add the ability filter to it to make it "can pay."
149
357725
4577
και προσθέτουμε το φίλτρο της δυνατότητας,
για να το κάνουμε «μπορώ να πληρώσω».
για να το κάνουμε «μπορώ να πληρώσω».
06:14
Then we make it "can't pay,"
150
362302
2101
Και μετά το κάνουμε
«δεν μπορώ να πληρώσω»,
«δεν μπορώ να πληρώσω»,
06:16
and we can make it "couldn't pay"
151
364403
1599
και «δεν μπορούσα να πληρώσω»,
βάζοντάς το σε παρελθοντικό χρόνο.
βάζοντάς το σε παρελθοντικό χρόνο.
06:18
by making it the past tense.
152
366002
1663
06:19
So who couldn't pay? I couldn't pay.
153
367665
1923
Ποιος δεν μπορούσε να πληρώσει; Εγώ.
06:21
Couldn't pay whom? I couldn't pay the carpenter.
154
369588
2676
Δεν μπορούσα να πληρώσω
ποιον; Τον ξυλουργό.
ποιον; Τον ξυλουργό.
06:24
And then you join these two together
155
372264
1731
Και στη συνέχεια ενώνουμε
αυτά τα δύο και ρωτάμε:
αυτά τα δύο και ρωτάμε:
06:25
by asking this question:
156
373995
1350
06:27
What did I tell the carpenter?
157
375345
1737
Τι είπα στον ξυλουργό;
06:29
I told the carpenter I could not pay him.
158
377082
4049
Είπα στον ξυλουργό
ότι δεν μπορούσα να τον πληρώσω.
ότι δεν μπορούσα να τον πληρώσω.
06:33
Now think about this. This is
159
381131
1937
Τώρα σκεφτείτε αυτό. Αυτό είναι...
06:35
—(Applause)—
160
383068
3542
(Χειροκρότημα)
06:38
this is a representation of this sentence
161
386610
3672
είναι μια αναπαράσταση
αυτής της πρότασης χωρίς γλώσσα.
αυτής της πρότασης χωρίς γλώσσα.
06:42
without language.
162
390282
2435
06:44
And there are two or three
interesting things about this.
interesting things about this.
163
392717
2192
Υπάρχουν κάποια ενδιαφέροντα σημεία.
06:46
First of all, I could have started anywhere.
164
394909
3131
Πρώτα απ' όλα, θα μπορούσα
να ξεκινήσω από οπουδήποτε,
να ξεκινήσω από οπουδήποτε,
06:50
I didn't have to start with the word "tell."
165
398040
2243
όχι υποχρεωτικά με τη λέξη «λέω».
06:52
I could have started anywhere in the sentence,
166
400283
1416
Μπορούσα να ξεκινήσω από οπουδήποτε,
και να έκανα όλο αυτό.
και να έκανα όλο αυτό.
06:53
and I could have made this entire thing.
167
401699
1507
06:55
The second thing is, if I wasn't an English speaker,
168
403206
2776
Το δεύτερο είναι ότι,
αν δεν ήμουν ομιλητής της Αγγλικής,
αν δεν ήμουν ομιλητής της Αγγλικής,
06:57
if I was speaking in some other language,
169
405982
2175
αν μιλούσα κάποια άλλη γλώσσα,
07:00
this map would actually hold true in any language.
170
408157
3156
αυτός ο χάρτης θα μπορούσε
να ισχύει για κάθε γλώσσα.
να ισχύει για κάθε γλώσσα.
07:03
So long as the questions are standardized,
171
411313
1990
Εφόσον οι ερωτήσεις είναι τυποποιημένες,
07:05
the map is actually independent of language.
172
413303
4287
ο χάρτης είναι πραγματικά
ανεξάρτητος από τη γλώσσα.
ανεξάρτητος από τη γλώσσα.
07:09
So I call this FreeSpeech,
173
417590
2115
Αυτό λοιπόν το αποκαλώ Ελεύθερο Λόγο,
07:11
and I was playing with this for many, many months.
174
419705
2935
και έπαιζα μαζί του για πολλούς μήνες.
07:14
I was trying out so many
different combinations of this.
different combinations of this.
175
422640
2726
Δοκίμαζα πολλούς
διαφορετικούς συνδυασμούς.
διαφορετικούς συνδυασμούς.
07:17
And then I noticed something very
interesting about FreeSpeech.
interesting about FreeSpeech.
176
425366
2289
Και τότε παρατήρησα κάτι πολύ ενδιαφέρον.
07:19
I was trying to convert language,
177
427655
3243
Προσπαθούσα να μετατρέψω τη γλώσσα,
να μετατρέψω προτάσεις των Αγγλικών
να μετατρέψω προτάσεις των Αγγλικών
07:22
convert sentences in English
into sentences in FreeSpeech,
into sentences in FreeSpeech,
178
430898
2384
σε προτάσεις του Ελεύθερου Λόγου
και το αντίθετο.
και το αντίθετο.
07:25
and vice versa, and back and forth.
179
433282
1752
07:27
And I realized that this particular configuration,
180
435034
2255
Και είδα ότι αυτός
ο συγκεκριμένος σχηματισμός,
ο συγκεκριμένος σχηματισμός,
07:29
this particular way of representing language,
181
437289
2026
αυτός ο τρόπος αναπαράστασης της γλώσσας,
07:31
it allowed me to actually create very concise rules
182
439315
4395
μου επέτρεπε πραγματικά
να δημιουργώ πολύ συνοπτικούς κανόνες
να δημιουργώ πολύ συνοπτικούς κανόνες
07:35
that go between FreeSpeech on one side
183
443710
2734
που ισχύουν στον Ελεύθερο Λόγο από τη μία,
και στα Αγγλικά από την άλλη.
και στα Αγγλικά από την άλλη.
07:38
and English on the other.
184
446444
1488
07:39
So I could actually write this set of rules
185
447932
2180
Κι έτσι μπορούσα να γράψω
αυτούς τους κανόνες
αυτούς τους κανόνες
07:42
that translates from this particular
representation into English.
representation into English.
186
450112
3395
που μεταφράζουν από αυτή
την αναπαράσταση στα Αγγλικά.
την αναπαράσταση στα Αγγλικά.
07:45
And so I developed this thing.
187
453507
1831
Κι έτσι σχεδίασα αυτό εδώ, που λέγεται
«Μηχανή Ελεύθερου Λόγου»,
«Μηχανή Ελεύθερου Λόγου»,
07:47
I developed this thing called
the FreeSpeech Engine
the FreeSpeech Engine
188
455338
2232
07:49
which takes any FreeSpeech sentence as the input
189
457570
2561
όπου βάζουμε μια πρόταση
του Ελεύθερου Λόγου
του Ελεύθερου Λόγου
07:52
and gives out perfectly grammatical English text.
190
460131
3930
και μας βγάζει ένα άριστο
γραμματικά αγγλικό κείμενο.
γραμματικά αγγλικό κείμενο.
07:56
And by putting these two pieces together,
191
464061
1605
Και ενώνοντας αυτά τα δυο κομμάτια,
την αναπαράσταση και τη μηχανή,
την αναπαράσταση και τη μηχανή,
07:57
the representation and the engine,
192
465666
1881
07:59
I was able to create an app, a
technology for children with autism,
technology for children with autism,
193
467547
3796
κατάφερα να δημιουργήσω μια εφαρμογή,
μια τεχνολογία για παιδιά με αυτισμό,
μια τεχνολογία για παιδιά με αυτισμό,
08:03
that not only gives them words
194
471343
2499
που δεν τους δίνει μόνο τις λέξεις
08:05
but also gives them grammar.
195
473842
3941
αλλά τους δίνει και τη γραμματική.
08:09
So I tried this out with kids with autism,
196
477783
2360
Έτσι το δοκίμασα με παιδιά με αυτισμό,
08:12
and I found that there was an
incredible amount of identification.
incredible amount of identification.
197
480143
5013
και βρήκα ότι υπήρχε ένας
απίστευτος βαθμός κατανόησης.
απίστευτος βαθμός κατανόησης.
08:17
They were able to create sentences in FreeSpeech
198
485156
2720
Μπορούσαν να δημιουργούν
προτάσεις στον Ελεύθερο Λόγο
προτάσεις στον Ελεύθερο Λόγο
08:19
which were much more complicated
but much more effective
but much more effective
199
487876
2558
που ήταν πολύ πολύπλοκες
αλλά πολύ πιο αποτελεσματικές
αλλά πολύ πιο αποτελεσματικές
08:22
than equivalent sentences in English,
200
490434
2899
από τις αντίστοιχες προτάσεις στα Αγγλικά,
08:25
and I started thinking about
201
493333
1682
και άρχισα να αναρωτιέμαι
γιατί να συμβαίνει αυτό.
γιατί να συμβαίνει αυτό.
08:27
why that might be the case.
202
495015
1969
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
Είχα μια ιδέα, και θα ήθελα
να σας μιλήσω γι' αυτήν στη συνέχεια.
να σας μιλήσω γι' αυτήν στη συνέχεια.
08:33
In about 1997, about 15 years back,
204
501271
3142
Γύρω στο 1997, περίπου 15 χρόνια πριν,
μια ομάδα επιστημόνων
μια ομάδα επιστημόνων
08:36
there were a group of scientists that were trying
205
504413
2011
προσπαθούσε να καταλάβει
πώς ο εγκέφαλος επεξεργάζεται τη γλώσσα
πώς ο εγκέφαλος επεξεργάζεται τη γλώσσα
08:38
to understand how the brain processes language,
206
506424
2389
08:40
and they found something very interesting.
207
508813
1779
και βρήκαν κάτι πολύ ενδιαφέρον.
08:42
They found that when you learn a language
208
510592
1872
Βρήκαν ότι όταν μαθαίνουμε μια γλώσσα
στην ηλικία των δύο χρόνων,
στην ηλικία των δύο χρόνων,
08:44
as a child, as a two-year-old,
209
512464
2912
08:47
you learn it with a certain part of your brain,
210
515376
2366
χρησιμοποιούμε ένα συγκεκριμένο
μέρος του εγκεφάλου,
μέρος του εγκεφάλου,
08:49
and when you learn a language as an adult --
211
517742
1600
και μαθαίνοντας μια γλώσσα ως ενήλικες,
08:51
for example, if I wanted to
learn Japanese right now —
learn Japanese right now —
212
519342
3911
για παράδειγμα, αν ήθελα
να μάθω τώρα Ιαπωνικά,
να μάθω τώρα Ιαπωνικά,
08:55
a completely different part of my brain is used.
213
523253
2707
χρησιμοποιούμε ένα άλλο
μέρος του εγκεφάλου.
μέρος του εγκεφάλου.
08:57
Now I don't know why that's the case,
214
525960
1831
Δεν ξέρω τον λόγο,
08:59
but my guess is that that's because
215
527791
1991
αλλά υποθέτω ότι γίνεται επειδή
όταν μαθαίνουμε μια γλώσσα ως ενήλικες,
όταν μαθαίνουμε μια γλώσσα ως ενήλικες,
09:01
when you learn a language as an adult,
216
529782
2437
09:04
you almost invariably learn it
217
532219
1616
σχεδόν αναπόφευκτα τη μαθαίνουμε
09:05
through your native language, or
through your first language.
through your first language.
218
533835
4266
μέσω της μητρικής μας γλώσσας,
ή μέσω της πρώτης μας γλώσσας.
ή μέσω της πρώτης μας γλώσσας.
09:10
So what's interesting about FreeSpeech
219
538101
3252
Έτσι αυτό που είναι ενδιαφέρον
σχετικά με τον Ελεύθερο Λόγο
σχετικά με τον Ελεύθερο Λόγο
09:13
is that when you create a sentence
220
541353
1802
είναι ότι όταν δημιουργείτε μια πρόταση
ή όταν δημιουργείτε γλώσσα,
ή όταν δημιουργείτε γλώσσα,
09:15
or when you create language,
221
543155
1695
09:16
a child with autism creates
language with FreeSpeech,
language with FreeSpeech,
222
544850
3070
όταν τα παιδιά με αυτισμό δημιουργούν
γλώσσα με τον Ελεύθερο Λόγο,
γλώσσα με τον Ελεύθερο Λόγο,
09:19
they're not using this support language,
223
547920
1833
δε χρησιμοποιούν υποστηρικτική γλώσσα,
αυτή τη γλώσσα-γέφυρα.
αυτή τη γλώσσα-γέφυρα.
09:21
they're not using this bridge language.
224
549753
2211
09:23
They're directly constructing the sentence.
225
551964
2657
Κατασκευάζουν απευθείας την πρόταση.
09:26
And so this gave me this idea.
226
554621
2193
Και αυτό μου έδωσε αυτήν την ιδέα.
09:28
Is it possible to use FreeSpeech
227
556814
2024
Γίνεται να χρησιμοποιήσουμε
τον Ελεύθερο Λόγο,
τον Ελεύθερο Λόγο,
09:30
not for children with autism
228
558838
2510
όχι για παιδιά με αυτισμό
09:33
but to teach language to people without disabilities?
229
561348
6262
αλλά για να διδάξουμε μια γλώσσα
σε ανθρώπους χωρίς ειδικές ανάγκες;
σε ανθρώπους χωρίς ειδικές ανάγκες;
09:39
And so I tried a number of experiments.
230
567610
1978
Έτσι έκανα κάποια πειράματα.
09:41
The first thing I did was I built a jigsaw puzzle
231
569588
2948
Το πρώτο που έκανα,
ήταν να φτιάξω ένα παζλ
ήταν να φτιάξω ένα παζλ
09:44
in which these questions and answers
232
572536
1970
όπου οι ερωτήσεις και οι απαντήσεις
είναι κωδικοποιημένες
είναι κωδικοποιημένες
09:46
are coded in the form of shapes,
233
574506
1835
μέσω σχημάτων και χρωμάτων,
09:48
in the form of colors,
234
576341
1138
09:49
and you have people putting these together
235
577479
1849
οι χρήστες τις συνδυάζουν
για να καταλάβουν πώς δουλεύει.
για να καταλάβουν πώς δουλεύει.
09:51
and trying to understand how this works.
236
579328
1773
09:53
And I built an app out of it, a game out of it,
237
581101
2376
Και σχεδίασα μια εφαρμογή
από αυτό, ένα παιχνίδι,
από αυτό, ένα παιχνίδι,
09:55
in which children can play with words
238
583477
2661
στο οποίο τα παιδιά
μπορούν να παίζουν με λέξεις
μπορούν να παίζουν με λέξεις
09:58
and with a reinforcement,
239
586138
1704
και με ηχητική υποστήριξη
των οπτικών δομών,
των οπτικών δομών,
09:59
a sound reinforcement of visual structures,
240
587842
2585
10:02
they're able to learn language.
241
590427
2013
μπορούν να μάθουν μια γλώσσα.
10:04
And this, this has a lot of potential, a lot of promise,
242
592440
2736
Αυτό έχει πολλές δυνατότητες
και πολλές προοπτικές
και πολλές προοπτικές
10:07
and the government of India recently
243
595176
1975
και πρόσφατα η κυβέρνηση της Ινδίας
ζήτησε την άδεια για αυτήν την καινοτομία,
ζήτησε την άδεια για αυτήν την καινοτομία,
10:09
licensed this technology from us,
244
597151
1404
10:10
and they're going to try it out
with millions of different children
with millions of different children
245
598555
2074
θα τη δοκιμάσουν διδάσκοντας
Αγγλικά σε εκατομμύρια παιδιά.
Αγγλικά σε εκατομμύρια παιδιά.
10:12
trying to teach them English.
246
600629
2605
10:15
And the dream, the hope, the vision, really,
247
603234
2614
Και πραγματικά το όνειρο,
η ελπίδα, το όραμα, είναι,
η ελπίδα, το όραμα, είναι,
10:17
is that when they learn English this way,
248
605848
3082
όταν μαθαίνουν Αγγλικά με αυτόν τον τρόπο,
10:20
they learn it with the same proficiency
249
608930
2643
να τα μαθαίνουν με την ίδια επάρκεια
10:23
as their mother tongue.
250
611573
3718
που έχουν και στη μητρική τους γλώσσα.
10:27
All right, let's talk about something else.
251
615291
3816
Εντάξει, ας μιλήσουμε για κάτι άλλο.
10:31
Let's talk about speech.
252
619107
1997
Ας μιλήσουμε για τον λόγο.
10:33
This is speech.
253
621104
1271
Αυτό είναι λόγος.
10:34
So speech is the primary mode of communication
254
622375
1962
Ο λόγος είναι ο βασικός
τρόπος επικοινωνίας
τρόπος επικοινωνίας
10:36
delivered between all of us.
255
624337
1613
που χρησιμοποιούμε όλοι.
10:37
Now what's interesting about speech is that
256
625950
1855
Αυτό που έχει ενδιαφέρον,
είναι ότι ο λόγος είναι μονοδιάστατος.
είναι ότι ο λόγος είναι μονοδιάστατος.
10:39
speech is one-dimensional.
257
627805
1245
10:41
Why is it one-dimensional?
258
629050
1359
Γιατί είναι μονοδιάστατος;
Γιατί είναι ήχος.
Γιατί είναι ήχος.
10:42
It's one-dimensional because it's sound.
259
630409
1568
10:43
It's also one-dimensional because
260
631977
1539
Επίσης επειδή το στόμα μας
είναι έτσι φτιαγμένο.
είναι έτσι φτιαγμένο.
10:45
our mouths are built that way.
261
633516
1205
10:46
Our mouths are built to create
one-dimensional sound.
one-dimensional sound.
262
634721
3512
Το στόμα μας είναι φτιαγμένο
να δημιουργεί μονοδιάστατο ήχο.
να δημιουργεί μονοδιάστατο ήχο.
10:50
But if you think about the brain,
263
638233
2866
Αλλά αν σκεφτούμε το μυαλό,
10:53
the thoughts that we have in our heads
264
641099
1764
οι σκέψεις που έχουμε στο κεφάλι μας
δεν είναι μονοδιάστατες.
δεν είναι μονοδιάστατες.
10:54
are not one-dimensional.
265
642863
2102
10:56
I mean, we have these rich,
266
644965
1459
Θέλω να πω, έχουμε πλούσιες,
περίπλοκες, πολυδιάστατες ιδέες.
περίπλοκες, πολυδιάστατες ιδέες.
10:58
complicated, multi-dimensional ideas.
267
646424
3028
11:01
Now, it seems to me that language
268
649452
1690
Μου φαίνεται λοιπόν ότι η γλώσσα
11:03
is really the brain's invention
269
651142
2332
είναι στην πραγματικότητα
μια εφεύρεση του εγκεφάλου
μια εφεύρεση του εγκεφάλου
11:05
to convert this rich, multi-dimensional thought
270
653474
3096
για να μετατρέπει αυτήν την πλούσια,
πολυδιάστατη σκέψη, από τη μια πλευρά,
πολυδιάστατη σκέψη, από τη μια πλευρά,
11:08
on one hand
271
656570
1587
11:10
into speech on the other hand.
272
658157
1923
σε λόγο, από την άλλη πλευρά.
11:12
Now what's interesting is that
273
660080
1762
Αυτό που έχει ενδιαφέρον είναι
ότι λαμβάνουμε πολλές πληροφορίες,
ότι λαμβάνουμε πολλές πληροφορίες,
11:13
we do a lot of work in information nowadays,
274
661842
2568
11:16
and almost all of that is done
in the language domain.
in the language domain.
275
664410
3079
και σχεδόν όλη αυτή η δουλειά
γίνεται στην περιοχή της γλώσσας.
γίνεται στην περιοχή της γλώσσας.
11:19
Take Google, for example.
276
667489
1939
Πάρτε για παράδειγμα το Google.
11:21
Google trawls all these
countless billions of websites,
countless billions of websites,
277
669428
2677
Το Google «χτενίζει»
αμέτρητες ιστοσελίδες,
αμέτρητες ιστοσελίδες,
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
που όλες τους είναι στα Αγγλικά.
Όταν χρησιμοποιούμε το Google,
πληκτρολογούμε στην αναζήτηση Αγγλικά
πληκτρολογούμε στην αναζήτηση Αγγλικά
11:26
you go into Google search, and you type in English,
279
674830
2450
11:29
and it matches the English with the English.
280
677280
4163
και αυτό ταιριάζει
τα Αγγλικά με τα Αγγλικά.
τα Αγγλικά με τα Αγγλικά.
11:33
What if we could do this in FreeSpeech instead?
281
681443
3583
Τι θα γινόταν αν μπορούσαμε
να το κάνουμε αυτό με τον Ελεύθερο Λόγο;
να το κάνουμε αυτό με τον Ελεύθερο Λόγο;
11:37
I have a suspicion that if we did this,
282
685026
2301
Υποψιάζομαι ότι αν το κάναμε αυτό,
11:39
we'd find that algorithms like searching,
283
687327
2068
θα βρίσκαμε ότι αλγόριθμοι
όπως η αναζήτηση,
όπως η αναζήτηση,
11:41
like retrieval, all of these things,
284
689395
2325
όπως η ανάκτηση, και όλα αυτά,
11:43
are much simpler and also more effective,
285
691720
3075
θα είναι πολύ πιο απλά
και πολύ πιο αποτελεσματικά,
και πολύ πιο αποτελεσματικά,
11:46
because they don't process
the data structure of speech.
the data structure of speech.
286
694795
4417
επειδή δεν επεξεργάζονται
τη δομή των δεδομένων του λόγου.
τη δομή των δεδομένων του λόγου.
11:51
Instead they're processing
the data structure of thought.
the data structure of thought.
287
699212
5976
Αντίθετα, επεξεργάζονται
τη δομή των δεδομένων της σκέψης.
τη δομή των δεδομένων της σκέψης.
11:57
The data structure of thought.
288
705188
2808
Τη δομή των δεδομένων της σκέψης.
11:59
That's a provocative idea.
289
707996
2076
Αυτή είναι μια προκλητική ιδέα.
12:02
But let's look at this in a little more detail.
290
710072
2142
Αλλά ας το δούμε
με μεγαλύτερη λεπτομέρεια.
με μεγαλύτερη λεπτομέρεια.
12:04
So this is the FreeSpeech ecosystem.
291
712214
2366
Αυτό λοιπόν είναι το οικοσύστημα
του Ελεύθερου Λόγου.
του Ελεύθερου Λόγου.
12:06
We have the Free Speech
representation on one side,
representation on one side,
292
714580
2884
Έχουμε την αναπαράσταση
του Ελεύθερου Λόγου από τη μία,
του Ελεύθερου Λόγου από τη μία,
12:09
and we have the FreeSpeech
Engine, which generates English.
Engine, which generates English.
293
717464
2228
και τη Μηχανή Ελεύθερου Λόγου,
που παράγει Αγγλικά.
που παράγει Αγγλικά.
12:11
Now if you think about it,
294
719694
1725
Αν το σκεφτείτε, ο Ελεύθερος Λόγος
είναι εντελώς ανεξάρτητος από τη γλώσσα.
είναι εντελώς ανεξάρτητος από τη γλώσσα.
12:13
FreeSpeech, I told you, is completely
language-independent.
language-independent.
295
721419
2544
12:15
It doesn't have any specific information in it
296
723963
2087
Δεν περιλαμβάνει ιδιαίτερες πληροφορίες
12:18
which is about English.
297
726050
1228
να παραπέμπουν στα Αγγλικά.
12:19
So everything that this system knows about English
298
727278
2800
Έτσι ό,τι γνωρίζει
αυτό το σύστημα για τα Αγγλικά
αυτό το σύστημα για τα Αγγλικά
12:22
is actually encoded into the engine.
299
730078
4620
είναι στην ουσία κωδικοποιημένο
μέσα στη μηχανή.
μέσα στη μηχανή.
12:26
That's a pretty interesting concept in itself.
300
734698
2237
Είναι μια αρκετά ενδιαφέρουσα ιδέα.
12:28
You've encoded an entire human language
301
736935
3604
Έχετε κωδικοποιήσει
μια ολόκληρη ανθρώπινη γλώσσα
μια ολόκληρη ανθρώπινη γλώσσα
12:32
into a software program.
302
740539
2645
σε ένα πρόγραμμα λογισμικού.
12:35
But if you look at what's inside the engine,
303
743184
2531
Αλλά αν προσέξετε
τι υπάρχει μέσα στη μηχανή,
τι υπάρχει μέσα στη μηχανή,
12:37
it's actually not very complicated.
304
745715
2358
πραγματικά αυτό δεν είναι πολύ περίπλοκο.
12:40
It's not very complicated code.
305
748073
2105
Δεν είναι πολύ περίπλοκος κώδικας.
12:42
And what's more interesting is the fact that
306
750178
2672
Ακόμα πιο ενδιαφέρον
το ότι, το μεγαλύτερο μέρος
του κώδικα στην μηχανή
του κώδικα στην μηχανή
12:44
the vast majority of the code in that engine
307
752850
2203
12:47
is not really English-specific.
308
755053
2412
δεν ισχύει μόνο για τα Αγγλικά.
12:49
And that gives this interesting idea.
309
757465
1895
Αυτό δίνει αυτήν την ενδιαφέρουσα ιδέα.
12:51
It might be very easy for us to actually
310
759360
2038
Θα ήταν πολύ εύκολο για μας
12:53
create these engines in many,
many different languages,
many different languages,
311
761398
3826
να δημιουργήσουμε αυτές τις μηχανές
σε πολλές, πολλές διαφορετικές γλώσσες,
σε πολλές, πολλές διαφορετικές γλώσσες,
12:57
in Hindi, in French, in German, in Swahili.
312
765224
6354
στα Χίντι, στα Γαλλικά,
στα Γερμανικά, στα Σουαχίλι.
στα Γερμανικά, στα Σουαχίλι.
13:03
And that gives another interesting idea.
313
771578
2799
Και αυτό μας δίνει
μια άλλη ενδιαφέρουσα ιδέα.
μια άλλη ενδιαφέρουσα ιδέα.
13:06
For example, supposing I was a writer,
314
774377
2654
Για παράδειγμα, εάν υποθέσουμε
ότι εγώ γράφω για μια εφημερίδα
ή για ένα περιοδικό.
ή για ένα περιοδικό.
13:09
say, for a newspaper or for a magazine.
315
777031
2122
13:11
I could create content in one language, FreeSpeech,
316
779153
5011
Θα μπορούσα να δημιουργήσω
περιεχόμενο σε μια γλώσσα,
περιεχόμενο σε μια γλώσσα,
στον Ελεύθερο Λόγο,
13:16
and the person who's consuming that content,
317
784164
2056
και όσοι καταναλώνουν το περιεχόμενο,
13:18
the person who's reading that particular information
318
786220
3061
όσοι διαβάζουν
τη συγκεκριμένη πληροφορία
τη συγκεκριμένη πληροφορία
13:21
could choose any engine,
319
789281
2495
θα μπορούν να επιλέξουν
οποιαδήποτε μηχανή,
οποιαδήποτε μηχανή,
13:23
and they could read it in their own mother tongue,
320
791776
2736
και να το διαβάσουν
στη μητρική τους γλώσσα,
στη μητρική τους γλώσσα,
13:26
in their native language.
321
794512
3939
στην εθνική τους γλώσσα.
13:30
I mean, this is an incredibly attractive idea,
322
798451
2722
Θέλω να πω, αυτή είναι μια απίστευτα
ελκυστική ιδέα ειδικά για την Ινδία.
ελκυστική ιδέα ειδικά για την Ινδία.
13:33
especially for India.
323
801173
1999
13:35
We have so many different languages.
324
803172
1690
Έχουμε τόσες πολλές γλώσσες.
13:36
There's a song about India, and there's a description
325
804862
2142
Υπάρχει ένα τραγούδι για την Ινδία,
που περιγράφει την χώρα, λέει,
που περιγράφει την χώρα, λέει,
13:39
of the country as, it says,
326
807004
2344
13:41
(in Sanskrit).
327
809348
2360
(μιλάει σε άλλη γλώσσα)
13:43
That means "ever-smiling speaker
328
811708
2773
Αυτό σημαίνει «Πάντα χαμογελαστέ ομιλητή
των όμορφων γλωσσών».
των όμορφων γλωσσών».
13:46
of beautiful languages."
329
814481
4519
13:51
Language is beautiful.
330
819000
1964
Η γλώσσα είναι όμορφη.
13:52
I think it's the most beautiful of human creations.
331
820964
2454
Πιστεύω ότι είναι το ομορφότερο
δημιούργημα των ανθρώπων.
δημιούργημα των ανθρώπων.
13:55
I think it's the loveliest thing
that our brains have invented.
that our brains have invented.
332
823418
3978
Πιστεύω ότι είναι το πιο ωραίο πράγμα
που έχει εφεύρει ο εγκέφαλός μας.
που έχει εφεύρει ο εγκέφαλός μας.
13:59
It entertains, it educates, it enlightens,
333
827396
3584
Διασκεδάζει, εκπαιδεύει, διαφωτίζει,
14:02
but what I like the most about language
334
830980
2044
αλλά αυτό που μου αρέσει πιο πολύ
στη γλώσσα, είναι ότι ενδυναμώνει.
στη γλώσσα, είναι ότι ενδυναμώνει.
14:05
is that it empowers.
335
833024
1500
14:06
I want to leave you with this.
336
834524
1838
Θέλω να σας αφήσω με αυτό.
14:08
This is a photograph of my collaborators,
337
836362
2385
Στην φωτογραφία φαίνονται
δυο παλιές μου συνεργάτιδες,
δυο παλιές μου συνεργάτιδες,
14:10
my earliest collaborators
338
838747
997
14:11
when I started working on language
339
839744
1462
όταν άρχισα να δουλεύω πάνω
στη γλώσσα, τον αυτισμό και πολλά άλλα.
στη γλώσσα, τον αυτισμό και πολλά άλλα.
14:13
and autism and various other things.
340
841206
1502
14:14
The girl's name is Pavna,
341
842708
1417
Το κορίτσι λέγεται Πάβνα,
και αυτή είναι η μητέρα της, η Καλπάνα.
και αυτή είναι η μητέρα της, η Καλπάνα.
14:16
and that's her mother, Kalpana.
342
844125
1902
14:18
And Pavna's an entrepreneur,
343
846027
2138
Η Πάβνα είναι επιχειρηματίας,
αλλά η ιστορία της
αλλά η ιστορία της
14:20
but her story is much more remarkable than mine,
344
848165
2371
είναι πολύ πιο αξιόλογη από τη δική μου,
14:22
because Pavna is about 23.
345
850536
2400
γιατί η Πάβνα είναι γύρω στα 23.
14:24
She has quadriplegic cerebral palsy,
346
852936
2552
Έχει τετραπληγική εγκεφαλική παράλυση,
14:27
so ever since she was born,
347
855488
1640
έτσι, από τότε που γεννήθηκε,
14:29
she could neither move nor talk.
348
857128
3600
δεν μπορούσε ούτε να κινηθεί
ούτε να μιλήσει.
ούτε να μιλήσει.
14:32
And everything that she's accomplished so far,
349
860728
2403
Ό,τι έχει καταφέρει μέχρι σήμερα,
14:35
finishing school, going to college,
350
863131
2227
να τελειώσει το σχολείο,
να πάει στο κολλέγιο,
να πάει στο κολλέγιο,
14:37
starting a company,
351
865358
1416
να ιδρύσει μια εταιρία,
14:38
collaborating with me to develop Avaz,
352
866774
2140
να συνεργαστεί μαζί μου
στο σχεδιασμό του Avaz,
στο σχεδιασμό του Avaz,
14:40
all of these things she's done
353
868914
1892
όλα αυτά τα πράγματα τα έκανε
μόνο με τις κινήσεις των ματιών της.
μόνο με τις κινήσεις των ματιών της.
14:42
with nothing more than moving her eyes.
354
870806
5523
14:48
Daniel Webster said this:
355
876329
2689
Ο Ντάνιελ Γουέμπστερ είπε,
«Άν μου έπαιρναν όλα μου τα αγαθά
«Άν μου έπαιρναν όλα μου τα αγαθά
14:51
He said, "If all of my possessions were taken
356
879018
2940
14:53
from me with one exception,
357
881958
2988
και μου άφηναν μόνο ένα,
14:56
I would choose to keep the power of communication,
358
884946
2981
θα διάλεγα να κρατήσω
τη δύναμη της επικοινωνίας,
τη δύναμη της επικοινωνίας,
14:59
for with it, I would regain all the rest."
359
887927
3903
γιατί μ' αυτήν, θα μπορούσα
να αποκτήσω ξανά όλα τα υπόλοιπα».
να αποκτήσω ξανά όλα τα υπόλοιπα».
15:03
And that's why, of all of these incredible
applications of FreeSpeech,
applications of FreeSpeech,
360
891830
5116
Και γι' αυτό, από όλες τις απίστευτες
εφαρμογές του Ελεύθερου Λόγου,
εφαρμογές του Ελεύθερου Λόγου,
15:08
the one that's closest to my heart
361
896946
2080
αυτή που είναι στην καρδιά μου
15:11
still remains the ability for this
362
899026
2068
είναι το ότι μας βοηθά να δίνουμε
στα παιδιά με ειδικές ανάγκες
στα παιδιά με ειδικές ανάγκες
15:13
to empower children with disabilities
363
901094
2380
15:15
to be able to communicate,
364
903474
1773
τη δυνατότητα να μπορούν να επικοινωνούν.
15:17
the power of communication,
365
905247
1789
Να έχουν τη δύναμη της επικοινωνίας,
ώστε να πάρουν πίσω όλα τα υπόλοιπα.
ώστε να πάρουν πίσω όλα τα υπόλοιπα.
15:19
to get back all the rest.
366
907036
2240
15:21
Thank you.
367
909276
1397
Σας ευχαριστώ.
15:22
(Applause)
368
910673
1332
(Χειροκρότημα)
15:24
Thank you. (Applause)
369
912005
4199
Σας ευχαριστώ. (Χειροκρότημα)
15:28
Thank you. Thank you. Thank you. (Applause)
370
916204
5323
Ευχαριστώ. Ευχαριστώ. Ευχαριστώ. (Χειροκρότημα)
15:33
Thank you. Thank you. Thank you. (Applause)
371
921527
4000
Ευχαριστώ. Ευχαριστώ. Ευχαριστώ. (Χειροκρότημα)
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