TED2016
Mariano Sigman: Your words may predict your future mental health
Mariano Sigman: Vos mots pourront prédire votre future santé mentale
Filmed:
Readability: 4.5
3,146,887 views
Est-ce que la façon dont vous parlez et écrivez aujourd'hui peut prédire votre état mental futur, et pourquoi pas un début de psychose ? Dans cette présentation fascinante, le neuroscientifique, Mariano Sigman prend exemple de la Grèce antique et des origines de l'introspection pour chercher comment nos mots révèlent notre vie intérieure et il présente en détail un algorithme de cartographie de mots qui peut prévoir le développement d'une schizophrénie. « Nous verrons peut-être dans le futur une forme très différente de santé mentale », dit-il, « basée sur l'analyse objective, quantitative, et automatisée des mots que l'on écrit, ou que l'on dit. »
Mariano Sigman - Neuroscientist
In his provocative, mind-bending book "The Secret Life of the Mind," neuroscientist Mariano Sigman reveals his life’s work exploring the inner workings of the human brain. Full bio
In his provocative, mind-bending book "The Secret Life of the Mind," neuroscientist Mariano Sigman reveals his life’s work exploring the inner workings of the human brain. Full bio
Double-click the English transcript below to play the video.
00:13
We have historical records that allow us
to know how the ancient Greeks dressed,
to know how the ancient Greeks dressed,
0
1006
5150
Des preuves historiques nous permettent de
connaître les vêtements des Grecs anciens,
connaître les vêtements des Grecs anciens,
00:18
how they lived,
1
6180
1254
leur manière de vivre,
00:19
how they fought ...
2
7458
1522
leur façon de combattre,
00:21
but how did they think?
3
9004
1524
mais comment pensaient-ils ?
00:23
One natural idea is that the deepest
aspects of human thought --
aspects of human thought --
4
11432
4440
C'est un lieu commun de penser
que les aspects les plus profonds
de la pensée --
de la pensée --
00:27
our ability to imagine,
5
15896
1872
nos capacités à imaginer,
00:29
to be conscious,
6
17792
1397
à être conscient,
00:31
to dream --
7
19213
1231
à rêver --
ont toujours été les mêmes.
00:32
have always been the same.
8
20468
1619
00:34
Another possibility
9
22872
1499
Une autre possibilité
00:36
is that the social transformations
that have shaped our culture
that have shaped our culture
10
24395
3723
est que les transformations sociales
qui ont façonné notre culture
qui ont façonné notre culture
peuvent aussi avoir changé
la structure même de la pensée humaine.
la structure même de la pensée humaine.
00:40
may have also changed
the structural columns of human thought.
the structural columns of human thought.
11
28142
3785
00:44
We may all have different
opinions about this.
opinions about this.
12
32911
2524
Nous pouvons tous avoir
un avis différent à ce sujet.
un avis différent à ce sujet.
00:47
Actually, it's a long-standing
philosophical debate.
philosophical debate.
13
35459
2717
En fait, c'est un débat philosophique
de longue date.
de longue date.
00:50
But is this question
even amenable to science?
even amenable to science?
14
38644
2727
Mais peut-on poser
cette question à la science ?
cette question à la science ?
00:54
Here I'd like to propose
15
42834
2506
Je voudrais vous proposer d'avoir
00:57
that in the same way we can reconstruct
how the ancient Greek cities looked
how the ancient Greek cities looked
16
45364
4772
une approche similaire à la reconstruction
de la forme des anciennes villes grecques
de la forme des anciennes villes grecques
01:02
just based on a few bricks,
17
50160
2388
en se basant sur quelques briques,
01:04
that the writings of a culture
are the archaeological records,
are the archaeological records,
18
52572
4126
et considérer les écrits
comme des indices archéologiques,
comme des indices archéologiques,
des fossiles, de la pensée humaine.
01:08
the fossils, of human thought.
19
56722
2143
01:11
And in fact,
20
59905
1174
Et en fait,
01:13
doing some form of psychological analysis
21
61103
2206
par une sorte d'analyse psychologique
de quelques-uns des plus anciens livres
de la culture humaine,
de la culture humaine,
01:15
of some of the most ancient
books of human culture,
books of human culture,
22
63333
3544
Julian Jaynes formula dans les années 70
une hypothèse assez folle et radicale :
une hypothèse assez folle et radicale :
01:18
Julian Jaynes came up in the '70s
with a very wild and radical hypothesis:
with a very wild and radical hypothesis:
23
66901
5955
qu'il y a seulement 3 000 ans,
01:24
that only 3,000 years ago,
24
72880
2413
01:27
humans were what today
we would call schizophrenics.
we would call schizophrenics.
25
75317
4888
les humains étaient ce que nous appelons
maintenant des schizophrènes.
maintenant des schizophrènes.
01:33
And he made this claim
26
81753
1508
Et il base son allégation
01:35
based on the fact that the first
humans described in these books
humans described in these books
27
83285
3301
sur le fait que les premiers humains
décrits dans ces livres
décrits dans ces livres
se comportent toujours,
01:38
behaved consistently,
28
86610
1904
01:40
in different traditions
and in different places of the world,
and in different places of the world,
29
88538
3016
dans des traditions
et des lieux différents,
et des lieux différents,
01:43
as if they were hearing and obeying voices
30
91578
3532
comme s'ils entendaient des voix
et leur obéissaient,
et leur obéissaient,
car ils les percevaient
comme venant des dieux,
comme venant des dieux,
01:47
that they perceived
as coming from the Gods,
as coming from the Gods,
31
95134
3040
01:50
or from the muses ...
32
98198
1198
ou des muses...
01:52
what today we would call hallucinations.
33
100063
2769
Ce que nous appelons aujourd'hui
des hallucinations.
des hallucinations.
01:55
And only then, as time went on,
34
103888
2626
Et ce n'est que plus tard,
le temps passant,
le temps passant,
01:58
they began to recognize
that they were the creators,
that they were the creators,
35
106538
3651
qu'il commencèrent à reconnaitre
qu'ils étaient les créateurs,
qu'ils étaient les créateurs,
02:02
the owners of these inner voices.
36
110213
2515
les émetteurs de ces voix intérieures.
02:05
And with this, they gained introspection:
37
113316
2715
Et ainsi, ils trouvèrent l'introspection :
02:08
the ability to think
about their own thoughts.
about their own thoughts.
38
116055
2483
La capacité à réfléchir
à leurs propres pensées.
à leurs propres pensées.
02:11
So Jaynes's theory is that consciousness,
39
119785
3397
Donc la théorie de Jaynes
est que la conscience,
est que la conscience,
02:15
at least in the way we perceive it today,
40
123206
3166
au moins de la manière
dont nous la percevons aujourd'hui,
dont nous la percevons aujourd'hui,
02:18
where we feel that we are the pilots
of our own existence --
of our own existence --
41
126396
3540
où nous sentons que nous sommes
les pilotes de notre existence,
les pilotes de notre existence,
02:21
is a quite recent cultural development.
42
129960
2737
est un développement culturel récent.
02:25
And this theory is quite spectacular,
43
133456
1786
Cette théorie est plutôt étonnante,
02:27
but it has an obvious problem
44
135266
1433
mais c'est évidemment biaisé
02:28
which is that it's built on just a few
and very specific examples.
and very specific examples.
45
136723
3992
car elle est basée sur quelques exemples
très spécifiques seulement.
très spécifiques seulement.
02:33
So the question is whether the theory
46
141085
1763
Donc il s'agit d'évaluer si
02:34
that introspection built up in human
history only about 3,000 years ago
history only about 3,000 years ago
47
142872
4751
l'introspection, arrivée
dans l'histoire humaine il y a 3 000 ans,
dans l'histoire humaine il y a 3 000 ans,
02:39
can be examined in a quantitative
and objective manner.
and objective manner.
48
147647
2984
peut être examinée de manière
quantitative et objective.
quantitative et objective.
02:43
And the problem of how
to go about this is quite obvious.
to go about this is quite obvious.
49
151543
3563
Et le problème de savoir où aller
avec tout cela, est plutôt simple.
avec tout cela, est plutôt simple.
02:47
It's not like Plato woke up one day
and then he wrote,
and then he wrote,
50
155130
3460
Ce n'est pas comme si Platon
se réveillait un jour et écrivait :
se réveillait un jour et écrivait :
02:50
"Hello, I'm Plato,
51
158614
1659
« Bonjour, je m'appelle Platon,
02:52
and as of today, I have
a fully introspective consciousness."
a fully introspective consciousness."
52
160297
2889
et depuis ce matin j'ai une pleine
conscience introspective. »
conscience introspective. »
02:55
(Laughter)
53
163210
2293
(Rires)
02:57
And this tells us actually
what is the essence of the problem.
what is the essence of the problem.
54
165527
3333
Ceci nous révèle en fait
l'essence du problème.
l'essence du problème.
03:01
We need to find the emergence
of a concept that's never said.
of a concept that's never said.
55
169467
4055
Nous devons trouver l'émergence
d'un concept qui ne s'est jamais déclaré.
d'un concept qui ne s'est jamais déclaré.
03:06
The word introspection
does not appear a single time
does not appear a single time
56
174434
4310
Le mot introspection n'apparaît pas
une seule fois
une seule fois
03:10
in the books we want to analyze.
57
178768
1919
dans les livres que l'on veut analyser.
03:13
So our way to solve this
is to build the space of words.
is to build the space of words.
58
181728
4087
Donc la façon de résoudre ceci
est de construire l'espace des mots.
est de construire l'espace des mots.
03:18
This is a huge space
that contains all words
that contains all words
59
186571
3287
C'est un énorme espace
contenant tous les mots
contenant tous les mots
de manière que la distance
entre deux d'entre eux
entre deux d'entre eux
03:21
in such a way that the distance
between any two of them
between any two of them
60
189882
2802
03:24
is indicative of how
closely related they are.
closely related they are.
61
192708
2883
indique leur degré de relation.
03:28
So for instance,
62
196460
1151
Par exemple,
03:29
you want the words "dog" and "cat"
to be very close together,
to be very close together,
63
197635
2897
les mots « chien » et « chat »
seront très proches,
seront très proches,
03:32
but the words "grapefruit" and "logarithm"
to be very far away.
to be very far away.
64
200556
3831
mais les mots « pamplemousse »
et « logarithme » seront très éloignés.
et « logarithme » seront très éloignés.
03:36
And this has to be true
for any two words within the space.
for any two words within the space.
65
204809
3896
et ceci doit être vrai quels que soient
les deux mots de l'espace.
les deux mots de l'espace.
03:41
And there are different ways
that we can construct the space of words.
that we can construct the space of words.
66
209626
3341
Nous pouvons construire l'espace des mots
de différentes manières.
de différentes manières.
03:44
One is just asking the experts,
67
212991
1643
Simplement demander aux experts,
03:46
a bit like we do with dictionaries.
68
214658
1896
comme on le fait avec un dictionnaire.
03:48
Another possibility
69
216896
1428
Ou une autre possibilité
03:50
is following the simple assumption
that when two words are related,
that when two words are related,
70
218348
3715
est de suivre la simple idée
que lorsque deux mots sont liés,
que lorsque deux mots sont liés,
03:54
they tend to appear in the same sentences,
71
222087
2349
ils ont tendance à être
dans les mêmes phrases,
dans les mêmes phrases,
03:56
in the same paragraphs,
72
224460
1453
dans les mêmes paragraphes,
03:57
in the same documents,
73
225937
1770
dans les mêmes documents,
03:59
more often than would be expected
just by pure chance.
just by pure chance.
74
227731
3182
plus souvent
que s'ils l'étaient par hasard.
que s'ils l'étaient par hasard.
04:04
And this simple hypothesis,
75
232231
2050
Et cette simple hypothèse,
04:06
this simple method,
76
234305
1306
cette méthode simple,
04:07
with some computational tricks
77
235635
1607
avec quelques trucs de calcul
04:09
that have to do with the fact
78
237266
1389
qui sont dus au fait
04:10
that this is a very complex
and high-dimensional space,
and high-dimensional space,
79
238679
3064
que c'est un espace multidimensionnel
très complexe,
très complexe,
04:13
turns out to be quite effective.
80
241767
1665
s'est révélée très efficace.
04:16
And just to give you a flavor
of how well this works,
of how well this works,
81
244155
2802
Pour vous donner un aperçu
de son efficacité,
de son efficacité,
04:18
this is the result we get when
we analyze this for some familiar words.
we analyze this for some familiar words.
82
246981
3912
voici le résultat que nous avons obtenu
lors d'une analyse de mots familiers.
lors d'une analyse de mots familiers.
04:23
And you can see first
83
251607
1185
Vous pouvez d'abord voir
04:24
that words automatically organize
into semantic neighborhoods.
into semantic neighborhoods.
84
252816
3278
que les mots s'organisent automatiquement
en voisinages sémantiques.
en voisinages sémantiques.
04:28
So you get the fruits, the body parts,
85
256118
2217
On a donc les fruits,
les parties du corps,
les parties du corps,
les pièces d'ordinateur,
les termes scientifiques...
les termes scientifiques...
04:30
the computer parts,
the scientific terms and so on.
the scientific terms and so on.
86
258359
2425
04:33
The algorithm also identifies
that we organize concepts in a hierarchy.
that we organize concepts in a hierarchy.
87
261119
4222
L'algorithme identifie que nous organisons
les concepts hiérarchiquement.
les concepts hiérarchiquement.
04:37
So for instance,
88
265852
1151
Par exemple,
vous voyez que les termes scientifiques
se coupent en deux sous-catégories :
se coupent en deux sous-catégories :
04:39
you can see that the scientific terms
break down into two subcategories
break down into two subcategories
89
267027
3597
04:42
of the astronomic and the physics terms.
90
270648
2100
les termes astronomiques et physiques.
04:45
And then there are very fine things.
91
273338
2246
Et il y a ensuite des choses très fines.
04:47
For instance, the word astronomy,
92
275608
1905
Par exemple, le mot astronomie,
04:49
which seems a bit bizarre where it is,
93
277537
1815
qui semble être bizarrement placé,
04:51
is actually exactly where it should be,
94
279376
2048
est en fait exactement là où il doit être,
04:53
between what it is,
95
281448
1595
entre ce qu'il est :
une science exacte,
04:55
an actual science,
96
283067
1270
04:56
and between what it describes,
97
284361
1536
et ce qu'il décrit :
les termes astronomiques.
04:57
the astronomical terms.
98
285921
1492
05:00
And we could go on and on with this.
99
288182
1891
Et nous pouvons continuer sans cesse.
05:02
Actually, if you stare
at this for a while,
at this for a while,
100
290097
2060
En fait, si vous observez
pendant un moment,
pendant un moment,
05:04
and you just build random trajectories,
101
292181
1858
et suivez des trajectoires aléatoires,
vous verriez que cela donne l'impression
de faire de la poésie.
de faire de la poésie.
05:06
you will see that it actually feels
a bit like doing poetry.
a bit like doing poetry.
102
294063
3166
05:10
And this is because, in a way,
103
298018
1882
C'est parce que, dans un sens,
05:11
walking in this space
is like walking in the mind.
is like walking in the mind.
104
299924
2940
parcourir cet espace est comme
parcourir notre pensée.
parcourir notre pensée.
05:16
And the last thing
105
304027
1617
Et le dernier point
05:17
is that this algorithm also identifies
what are our intuitions,
what are our intuitions,
106
305668
4040
est que cet algorithme identifie aussi
ce que sont nos intuitions,
ce que sont nos intuitions,
05:21
of which words should lead
in the neighborhood of introspection.
in the neighborhood of introspection.
107
309732
3896
de quels mots devraient nous conduire
dans le voisinage de l'introspection.
dans le voisinage de l'introspection.
05:25
So for instance,
108
313652
1223
Par exemple,
05:26
words such as "self," "guilt,"
"reason," "emotion,"
"reason," "emotion,"
109
314899
3979
les mots comme « soi-même », « coupable »,
« raison », « émotion »,
« raison », « émotion »,
05:30
are very close to "introspection,"
110
318902
1889
sont très près de « introspection »,
05:32
but other words,
111
320815
1151
mais d'autres mots,
comme « rouge », « football »,
« bougie », « banane »,
« bougie », « banane »,
05:33
such as "red," "football,"
"candle," "banana,"
"candle," "banana,"
112
321990
2167
05:36
are just very far away.
113
324181
1452
sont simplement très loin.
05:38
And so once we've built the space,
114
326054
2762
Donc, une fois l'espace construit,
05:40
the question of the history
of introspection,
of introspection,
115
328840
2826
la question de l'histoire
de l'introspection,
de l'introspection,
05:43
or of the history of any concept
116
331690
2333
ou de l'histoire de n'importe quel concept
05:46
which before could seem abstract
and somehow vague,
and somehow vague,
117
334047
4779
qui pouvait auparavant être abstraite
ou quelque peu vague,
ou quelque peu vague,
05:50
becomes concrete --
118
338850
1604
devient concrète,
05:52
becomes amenable to quantitative science.
119
340478
2738
devient posable à la science quantitative.
05:56
All that we have to do is take the books,
120
344216
2762
Ce qu'il nous reste à faire
est de prendre les livres,
est de prendre les livres,
05:59
we digitize them,
121
347002
1381
de les numériser,
06:00
and we take this stream
of words as a trajectory
of words as a trajectory
122
348407
2809
et nous prenons ce flux de mots
comme une trajectoire
comme une trajectoire
06:03
and project them into the space,
123
351240
1969
que nous projetons dans l'espace,
06:05
and then we ask whether this trajectory
spends significant time
spends significant time
124
353233
3754
puis nous regardons si cette trajectoire
passe un temps significatif
passe un temps significatif
tout autour du concept d'introspection.
06:09
circling closely to the concept
of introspection.
of introspection.
125
357011
2992
06:12
And with this,
126
360760
1196
Et avec ceci,
06:13
we could analyze
the history of introspection
the history of introspection
127
361980
2112
on peut tracer l'histoire
de l'introspection
de l'introspection
06:16
in the ancient Greek tradition,
128
364116
1921
dans la tradition de la grecque antique,
pour laquelle les meilleures
traces écrites sont disponibles.
traces écrites sont disponibles.
06:18
for which we have the best
available written record.
available written record.
129
366061
2602
06:21
So what we did is we took all the books --
130
369631
2255
Nous avons donc pris tous les livres,
06:23
we just ordered them by time --
131
371910
2284
nous les avons ordonnés chronologiquement,
06:26
for each book we take the words
132
374218
1752
et pour chacun, on a pris les mots
et les avons projetés dans l'espace,
06:27
and we project them to the space,
133
375994
1961
nous avons demandé pour chacun
sa distance à « introspection »,
sa distance à « introspection »,
06:29
and then we ask for each word
how close it is to introspection,
how close it is to introspection,
134
377979
3032
06:33
and we just average that.
135
381035
1230
et avons fait la moyenne.
06:34
And then we ask whether,
as time goes on and on,
as time goes on and on,
136
382590
3198
Puis nous avons regardé si,
avec le temps,
avec le temps,
06:37
these books get closer,
and closer and closer
and closer and closer
137
385812
3252
ces livres se rapprochaient
06:41
to the concept of introspection.
138
389088
1754
du concept d'introspection.
06:42
And this is exactly what happens
in the ancient Greek tradition.
in the ancient Greek tradition.
139
390866
3801
Et c'est exactement ce qui est arrivé
dans la tradition de la grecque antique.
dans la tradition de la grecque antique.
06:47
So you can see that for the oldest books
in the Homeric tradition,
in the Homeric tradition,
140
395698
3127
Vous pouvez voir que pour les plus vieux
livres d'Homère,
livres d'Homère,
06:50
there is a small increase with books
getting closer to introspection.
getting closer to introspection.
141
398849
3412
il y a une légère progression des livres
vers l'introspection
vers l'introspection
06:54
But about four centuries before Christ,
142
402285
2206
Mais environ 4 siècles avant notre ère,
06:56
this starts ramping up very rapidly
to an almost five-fold increase
to an almost five-fold increase
143
404515
4708
cela commence à monter très rapidement,
presque d'un facteur 5,
presque d'un facteur 5,
07:01
of books getting closer,
and closer and closer
and closer and closer
144
409247
2500
pour des livres se rapprochant
de plus en plus
de plus en plus
07:03
to the concept of introspection.
145
411771
1682
du concept d'introspection.
07:06
And one of the nice things about this
146
414159
2424
Et ce qui est sympathique,
07:08
is that now we can ask
147
416607
1198
est que maintenant
07:09
whether this is also true
in a different, independent tradition.
in a different, independent tradition.
148
417829
4147
on peut savoir si c'est aussi vrai dans
une tradition différente, indépendante.
une tradition différente, indépendante.
07:14
So we just ran this same analysis
on the Judeo-Christian tradition,
on the Judeo-Christian tradition,
149
422962
3176
Donc nous avons lancé cette analyse
sur le corpus judéo-chrétien,
sur le corpus judéo-chrétien,
07:18
and we got virtually the same pattern.
150
426162
2721
et nous avons eu à peu près
le même schéma.
le même schéma.
07:21
Again, you see a small increase
for the oldest books in the Old Testament,
for the oldest books in the Old Testament,
151
429548
4635
Là aussi, on voit un léger accroissement
dans les livres de l'Ancien Testament,
dans les livres de l'Ancien Testament,
07:26
and then it increases much more rapidly
152
434207
1914
puis ça monte beaucoup plus rapidement
07:28
in the new books of the New Testament.
153
436145
1839
dans les livres du Nouveau Testament.
07:30
And then we get the peak of introspection
154
438008
2032
Puis nous avons un pic d'introspection
07:32
in "The Confessions of Saint Augustine,"
155
440064
2127
dans « Les Confessions
de Saint Augustin »,
de Saint Augustin »,
07:34
about four centuries after Christ.
156
442215
1857
environ 4 siècles après Jésus Christ.
07:36
And this was very important,
157
444897
1944
Et c'est très important,
07:38
because Saint Augustine
had been recognized by scholars,
had been recognized by scholars,
158
446865
3373
car Saint Augustin,
a été reconnu par les universitaires,
a été reconnu par les universitaires,
07:42
philologists, historians,
159
450262
2172
les philologues, les historiens,
07:44
as one of the founders of introspection.
160
452458
2078
comme l'un des fondateurs
de l'introspection.
de l'introspection.
07:47
Actually, some believe him to be
the father of modern psychology.
the father of modern psychology.
161
455060
3297
En fait, certains pensent qu'il est
le père de la psychologie moderne.
le père de la psychologie moderne.
07:51
So our algorithm,
162
459012
1839
Donc notre algorithme,
07:52
which has the virtue
of being quantitative,
of being quantitative,
163
460875
2842
qui a la vertu d'être quantitatif,
07:55
of being objective,
164
463741
1263
d'être objectif,
07:57
and of course of being extremely fast --
165
465028
2016
et bien sûr d'être très rapide,
07:59
it just runs in a fraction of a second --
166
467068
2397
il tourne en une fraction de seconde,
08:01
can capture some of the most
important conclusions
important conclusions
167
469489
3503
peut mettre en évidence
les conclusions les plus importantes
les conclusions les plus importantes
08:05
of this long tradition of investigation.
168
473016
2222
de ces investigations de longue date.
08:08
And this is in a way
one of the beauties of science,
one of the beauties of science,
169
476317
3651
Et c'est une des beautés de la science,
08:11
which is that now this idea
can be translated
can be translated
170
479992
3476
que cette idée puisse
maintenant être transposée
maintenant être transposée
08:15
and generalized to a whole lot
of different domains.
of different domains.
171
483492
2571
et généralisée à un grand nombre
de domaines.
de domaines.
08:18
So in the same way that we asked
about the past of human consciousness,
about the past of human consciousness,
172
486769
4767
Donc de la même manière que nous avons
cherché le passé de la conscience humaine,
cherché le passé de la conscience humaine,
08:23
maybe the most challenging question
we can pose to ourselves
we can pose to ourselves
173
491560
3406
nous pouvons nous poser peut-être
le plus grand défi qu'il soit,
le plus grand défi qu'il soit,
08:26
is whether this can tell us something
about the future of our own consciousness.
about the future of our own consciousness.
174
494990
4137
de savoir si ça peut nous dire quelque
chose sur le futur de notre conscience.
chose sur le futur de notre conscience.
08:31
To put it more precisely,
175
499550
1470
Pour être plus précis,
08:33
whether the words we say today
176
501044
2416
si les mots que nous utilisons aujourd'hui
08:35
can tell us something
of where our minds will be in a few days,
of where our minds will be in a few days,
177
503484
5197
peuvent nous prédire où sera notre esprit
dans quelques jours,
dans quelques jours,
08:40
in a few months
178
508705
1151
quelques mois,
08:41
or a few years from now.
179
509880
1182
ou quelques années.
08:43
And in the same way many of us
are now wearing sensors
are now wearing sensors
180
511597
3020
Et de la même manière que certains
qui portent des capteurs
qui portent des capteurs
08:46
that detect our heart rate,
181
514641
1786
pour détecter leur pouls,
08:48
our respiration,
182
516451
1269
leur respiration,
08:49
our genes,
183
517744
1667
leurs gènes,
08:51
on the hopes that this may
help us prevent diseases,
help us prevent diseases,
184
519435
3651
dans l'espoir que ça leur permette
d'éviter des maladies,
d'éviter des maladies,
nous pouvons nous demander
si analyser les mots quand on parle
si analyser les mots quand on parle
08:55
we can ask whether monitoring
and analyzing the words we speak,
and analyzing the words we speak,
185
523110
3521
08:58
we tweet, we email, we write,
186
526655
2683
quand on fait des tweets, des e-mails,
quand on écrit,
quand on écrit,
09:01
can tell us ahead of time whether
something may go wrong with our minds.
something may go wrong with our minds.
187
529362
4808
peut nous prédire si quelque chose
peut aller plus mal dans notre esprit.
peut aller plus mal dans notre esprit.
09:07
And with Guillermo Cecchi,
188
535087
1534
Et avec Guillaume Cecchi,
09:08
who has been my brother in this adventure,
189
536645
3001
qui a été mon frère dans cette aventure,
09:11
we took on this task.
190
539670
1555
nous nous sommes attelés à la tâche.
09:14
And we did so by analyzing
the recorded speech of 34 young people
the recorded speech of 34 young people
191
542228
5532
Nous l'avons fait en analysant
l'enregistrement de 34 jeunes
l'enregistrement de 34 jeunes
09:19
who were at a high risk
of developing schizophrenia.
of developing schizophrenia.
192
547784
2801
qui avaient un risque élevé
de schizophrénie.
de schizophrénie.
09:23
And so what we did is,
we measured speech at day one,
we measured speech at day one,
193
551434
2881
Nous avons mesuré
leurs discours le premier jour,
leurs discours le premier jour,
09:26
and then we asked whether the properties
of the speech could predict,
of the speech could predict,
194
554339
3242
puis nous avons demandé si
leurs caractéristiques pouvaient prédire,
leurs caractéristiques pouvaient prédire,
09:29
within a window of almost three years,
195
557605
2496
à environ 3 ans,
09:32
the future development of psychosis.
196
560125
2035
le développement futur de leur psychose.
09:35
But despite our hopes,
197
563427
2366
Mais malheureusement,
09:37
we got failure after failure.
198
565817
3117
ce fut échec sur échec.
09:41
There was just not enough
information in semantics
information in semantics
199
569793
3882
Il n'y avait pas assez d'information
de sémantique
de sémantique
09:45
to predict the future
organization of the mind.
organization of the mind.
200
573699
2793
pour prédire l'organisation
future de la pensée.
future de la pensée.
09:48
It was good enough
201
576516
1809
C'était par contre assez bon
09:50
to distinguish between a group
of schizophrenics and a control group,
of schizophrenics and a control group,
202
578349
4175
pour faire la distinction entre un groupe
de schizophrènes et un groupe témoin,
de schizophrènes et un groupe témoin,
09:54
a bit like we had done
for the ancient texts,
for the ancient texts,
203
582548
2712
un peu comme nous l'avons fait,
pour les textes anciens,
pour les textes anciens,
mais pas assez pour prédire un futur
démarrage de la psychose.
démarrage de la psychose.
09:57
but not to predict the future
onset of psychosis.
onset of psychosis.
204
585284
2994
10:01
But then we realized
205
589164
1706
Nous avons alors réalisé
10:02
that maybe the most important thing
was not so much what they were saying,
was not so much what they were saying,
206
590894
4088
que peut-être la chose la plus importante
n'était pas ce qu'ils disaient,
n'était pas ce qu'ils disaient,
10:07
but how they were saying it.
207
595006
1673
mais comment ils le disaient.
10:09
More specifically,
208
597679
1220
Plus précisément,
10:10
it was not in which semantic
neighborhoods the words were,
neighborhoods the words were,
209
598923
2827
ce n'était pas le champ sémantique
où étaient les mots,
où étaient les mots,
10:13
but how far and fast they jumped
210
601774
2600
mais la distance et la rapidité de passage
10:16
from one semantic neighborhood
to the other one.
to the other one.
211
604398
2301
d'un champ sémantique à l'autre.
10:19
And so we came up with this measure,
212
607247
1731
Donc on est arrivés à cette mesure,
10:21
which we termed semantic coherence,
213
609002
2389
que nous appelons la cohérence sémantique,
10:23
which essentially measures the persistence
of speech within one semantic topic,
of speech within one semantic topic,
214
611415
4804
qui mesure surtout la persistance
du discours dans un sujet sémantique,
du discours dans un sujet sémantique,
d'une catégorie sémantique.
10:28
within one semantic category.
215
616243
1529
10:31
And it turned out to be
that for this group of 34 people,
that for this group of 34 people,
216
619294
4047
Et il se révéla que pour ce groupe
de 34 personnes,
de 34 personnes,
10:35
the algorithm based on semantic
coherence could predict,
coherence could predict,
217
623365
3659
l'algorithme basé sur la cohérence
sémantique a pu prédire,
sémantique a pu prédire,
10:39
with 100 percent accuracy,
218
627048
2500
à 100%,
10:41
who developed psychosis and who will not.
219
629572
2507
qui développa une psychose et qui non.
10:44
And this was something
that could not be achieved --
that could not be achieved --
220
632976
2937
Ceci est quelque chose
qui n'a pas pu être réalisé,
qui n'a pas pu être réalisé,
10:47
not even close --
221
635937
1508
et de loin,
10:49
with all the other
existing clinical measures.
existing clinical measures.
222
637469
3126
avec n'importe quelle autre
mesure clinique existante.
mesure clinique existante.
10:54
And I remember vividly,
while I was working on this,
while I was working on this,
223
642525
3579
Et je me souviens très bien,
quand je travaillais là-dessus,
quand je travaillais là-dessus,
10:58
I was sitting at my computer
224
646128
2317
j'étais assis devant mon ordinateur
11:00
and I saw a bunch of tweets by Polo --
225
648469
2635
et j'ai vu un flot de tweets de Polo,
11:03
Polo had been my first student
back in Buenos Aires,
back in Buenos Aires,
226
651128
3167
Polo était mon premier étudiant
à Buenos Aires,
à Buenos Aires,
11:06
and at the time
he was living in New York.
he was living in New York.
227
654319
2070
et pendant qu'il vivait à New-York.
11:08
And there was something in this tweets --
228
656413
2088
Il y avait quelque chose dans ses tweets,
11:10
I could not tell exactly what
because nothing was said explicitly --
because nothing was said explicitly --
229
658525
3501
je ne pouvais pas dire quoi,
car ce n'était pas explicite,
car ce n'était pas explicite,
11:14
but I got this strong hunch,
230
662050
2021
mais j'ai eu ce fort pressentiment,
11:16
this strong intuition,
that something was going wrong.
that something was going wrong.
231
664095
2955
cette intuition forte
que quelque chose n'allait pas.
que quelque chose n'allait pas.
11:20
So I picked up the phone,
and I called Polo,
and I called Polo,
232
668347
2723
Donc j'ai appelé Polo,
11:23
and in fact he was not feeling well.
233
671094
1919
il n'allait pas très bien.
11:25
And this simple fact,
234
673362
1937
Et ce simple fait,
11:27
that reading in between the lines,
235
675323
2491
qu'en lisant entre les lignes,
11:29
I could sense,
through words, his feelings,
through words, his feelings,
236
677838
4262
j'ai pu deviner ses sensations,
à travers les mots
à travers les mots
11:34
was a simple, but very
effective way to help.
effective way to help.
237
682124
2619
était un moyen simple
et efficace pour l'aider.
et efficace pour l'aider.
11:37
What I tell you today
238
685987
1638
Ce que je vous dis aujourd'hui,
11:39
is that we're getting
close to understanding
close to understanding
239
687649
2508
c'est que nous sommes de comprendre
11:42
how we can convert this intuition
that we all have,
that we all have,
240
690181
4286
comment convertir cette intuition,
que nous avons tous,
que nous avons tous,
11:46
that we all share,
241
694491
1365
que nous partageons tous,
11:47
into an algorithm.
242
695880
1197
en un algorithme.
11:50
And in doing so,
243
698102
1461
Et ce faisant,
11:51
we may be seeing in the future
a very different form of mental health,
a very different form of mental health,
244
699587
4650
nous verrons peut-être dans le futur
une forme différente de santé mentale,
une forme différente de santé mentale,
11:56
based on objective, quantitative
and automated analysis
and automated analysis
245
704261
5621
basée sur l'analyse objective,
quantitative et automatisée
quantitative et automatisée
12:01
of the words we write,
246
709906
1709
des mots que l'on écrit,
12:03
of the words we say.
247
711639
1537
et des mots que l'on dit.
Merci.
12:05
Gracias.
248
713200
1151
12:06
(Applause)
249
714375
6883
(Applaudissements)
ABOUT THE SPEAKER
Mariano Sigman - NeuroscientistIn his provocative, mind-bending book "The Secret Life of the Mind," neuroscientist Mariano Sigman reveals his life’s work exploring the inner workings of the human brain.
Why you should listen
Mariano Sigman, a physicist by training, is a leading figure in the cognitive neuroscience of learning and decision making. Sigman was awarded a Human Frontiers Career Development Award, the National Prize of Physics, the Young Investigator Prize of "College de France," the IBM Scalable Data Analytics Award and is a scholar of the James S. McDonnell Foundation. In 2016 he was made a Laureate of the Pontifical Academy of Sciences.
In The Secret Life of the Mind, Sigman's ambition is to explain the mind so that we can understand ourselves and others more deeply. He shows how we form ideas during our first days of life, how we give shape to our fundamental decisions, how we dream and imagine, why we feel certain emotions, how the brain transforms and how who we are changes with it. Spanning biology, physics, mathematics, psychology, anthropology, linguistics, philosophy and medicine, as well as gastronomy, magic, music, chess, literature and art, The Secret Life of the Mind revolutionizes how neuroscience serves us in our lives, revealing how the infinity of neurons inside our brains manufacture how we perceive, reason, feel, dream and communicate.
Mariano Sigman | Speaker | TED.com