TED2013
Ajit Narayanan: A word game to communicate in any language
אג'יט נריאנן: משחק מילים כדי לתקשר בכל שפה
Filmed:
Readability: 3.4
1,391,245 views
בעת עבודה עם ילדים שמתקשים לדבר, אג'יט נריאנן סרטט דרך לחשוב על שפה כתמונות, להתייחס למילים ורעיונות ב"מפות". הרעיון הזה מתדלק אפליקציה שעוזרת לאנשים שאינם מדברים לתקשר, והרעיון הגדול שעומד מאחוריו הוא שפה בשם פרי-ספיטש עם פוטנציאל אדיר.
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
אני עובד עם ילדים אוטיסטיים.
00:15
Specifically, I make technologies
1
3391
1914
ספציפית, אני יוצר טכנולוגיות
00:17
to help them communicate.
2
5305
2171
כדי לסייע להם לתקשר.
00:19
Now, many of the problems that children
3
7476
1539
עכשיו, הרבה מהבעיות איתן ילדים אוטיסטיים
00:21
with autism face, they have a common source,
4
9015
3763
מתמודדים הן בעלות שורש משותף,
00:24
and that source is that they find it difficult
5
12778
2094
והשורש הזה הוא שקשה להם
00:26
to understand abstraction, symbolism.
6
14872
5260
להבין הפשטה, סימליות.
00:32
And because of this, they have
a lot of difficulty with language.
a lot of difficulty with language.
7
20132
4652
ולכן יש להם קושי רב עם שפה.
00:36
Let me tell you a little bit about why this is.
8
24784
3015
תנו לי להסביר לכם קצת למה.
00:39
You see that this is a picture of a bowl of soup.
9
27799
3934
אתם רואים שזו תמונה של קערת מרק.
00:43
All of us can see it. All of us understand this.
10
31733
2485
כולנו רואים את זה.
כולנו יכולים להבין את זה.
כולנו יכולים להבין את זה.
00:46
These are two other pictures of soup,
11
34218
2312
הנה עוד שתי תמונות של מרק,
00:48
but you can see that these are more abstract
12
36530
2067
אבל אתם יכולים לראות שאלו יותר מופשטות
00:50
These are not quite as concrete.
13
38597
1856
הן פחות ממשיות.
00:52
And when you get to language,
14
40453
2174
וכשמגיעים לשפה
00:54
you see that it becomes a word
15
42627
1868
רואים שזה נהיה מילה
00:56
whose look, the way it looks and the way it sounds,
16
44495
3261
שהמראה שלה, איך שהיא נראית
ואיך שהיא נשמעת,
ואיך שהיא נשמעת,
00:59
has absolutely nothing to do
with what it started with,
with what it started with,
17
47756
2912
לא קשורים בכלל למה שהתחלנו ממנו,
01:02
or what it represents, which is the bowl of soup.
18
50668
2830
או למה שהיא מסמלת, קערת המרק.
01:05
So it's essentially a completely abstract,
19
53498
2900
אז המילה במהותה היא מופשטת לגמרי,
01:08
a completely arbitrary representation of something
20
56398
2576
ייצוג שרירותי לגמרי של משהו
01:10
which is in the real world,
21
58974
1163
שקיים בעולם האמיתי.
01:12
and this is something that children with autism
22
60137
1791
וזה משהו שילדים אוטיסטיים
01:13
have an incredible amount of difficulty with.
23
61928
3164
חווים קושי עצום מולו.
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
וזאת הסיבה שרוב האנשים שעובדים
עם ילדים אוטיסטיים --
עם ילדים אוטיסטיים --
01:19
speech therapists, educators --
25
67843
1878
קלינאי תקשורת, מחנכים --
01:21
what they do is, they try to help children with autism
26
69721
2633
מה שהם עושים הוא לנסות
לעזור לילדים אוטיסטיים
לעזור לילדים אוטיסטיים
01:24
communicate not with words, but with pictures.
27
72354
3229
לתקשר לא בעזרת מילים, אלא בעזרת תמונות.
01:27
So if a child with autism wanted to say,
28
75583
1930
אז אם ילד אוטיסטי רצה להגיד:
01:29
"I want soup," that child would pick
29
77513
2458
"אני רוצה מרק", הילד הזה היה בוחר
01:31
three different pictures, "I," "want," and "soup,"
30
79971
2260
שלוש תמונות שונות "אני" "רוצה" ו"מרק",
01:34
and they would put these together,
31
82231
1609
והם היו מחברים את המילים,
01:35
and then the therapist or the parent would
32
83840
1867
ואז המטפל או ההורה היה
01:37
understand that this is what the kid wants to say.
33
85707
1887
מבין שזה מה שהילד רוצה להגיד.
01:39
And this has been incredibly effective;
34
87594
1778
והשיטה הזו הייתה אפקטיבית לגמרי;
01:41
for the last 30, 40 years
35
89372
2141
במשך ה30, 40 שנה האחרונות
01:43
people have been doing this.
36
91513
1613
אנשים עושים את זה.
01:45
In fact, a few years back,
37
93126
1349
למעשה, לפני כמה שנים,
01:46
I developed an app for the iPad
38
94475
2675
אני פיתחתי אפליקציה לאייפד
01:49
which does exactly this. It's called Avaz,
39
97150
2255
שעושה בדיוק את זה. היא נקראת "אווז",
01:51
and the way it works is that kids select
40
99405
2279
ובאפליקציה הילדים בוחרים
01:53
different pictures.
41
101684
1321
תמונות שונות.
01:55
These pictures are sequenced
together to form sentences,
together to form sentences,
42
103005
2570
התמונות האלו מסודרות יחד כדי ליצור משפטים,
01:57
and these sentences are spoken out.
43
105575
1719
והמשפטים הללו נאמרים בקול.
01:59
So Avaz is essentially converting pictures,
44
107294
3025
אז אווז בעצם ממיר תמונות,
02:02
it's a translator, it converts pictures into speech.
45
110319
3960
זה מתרגם, זה ממיר תמונות לדיבור.
02:06
Now, this was very effective.
46
114279
1718
עכשיו, זה היה אפקטיבי מאוד.
02:07
There are thousands of children using this,
47
115997
1384
יש אלפי ילדים שמשתמשים בזה,
02:09
you know, all over the world,
48
117381
1430
אתם יודעים, בכל העולם,
02:10
and I started thinking about
49
118811
2175
והתחלתי לחשוב על
02:12
what it does and what it doesn't do.
50
120986
2654
מה זה עושה ומה זה לא עושה.
02:15
And I realized something interesting:
51
123640
1684
והבנתי משהו מעניין:
02:17
Avaz helps children with autism learn words.
52
125324
4203
אווז עוזר לילדים אוטיסטיים ללמוד מילים.
02:21
What it doesn't help them do is to learn
53
129527
2405
זה לא עוזר להם ללמוד
02:23
word patterns.
54
131932
2748
דפוסי מילים.
02:26
Let me explain this in a little more detail.
55
134680
2472
תנו לי להסביר את זה בקצת יותר פירוט.
02:29
Take this sentence: "I want soup tonight."
56
137152
3057
קחו את המשפט הזה: "אני רוצה מרק הערב."
02:32
Now it's not just the words
here that convey the meaning.
here that convey the meaning.
57
140209
4080
אלו לא רק המילים כאן שמעבירות את המשמעות.
02:36
It's also the way in which these words are arranged,
58
144289
3140
אלא גם הדרך בה מילים אלו מסודרות,
02:39
the way these words are modified and arranged.
59
147429
2515
הדרך בה המילים מותאמות ומסודרות.
02:41
And that's why a sentence like "I want soup tonight"
60
149959
2306
ולכן משפט כמו "אני רוצה מרק הערב"
02:44
is different from a sentence like
61
152265
1984
שונה ממשפט כמו
02:46
"Soup want I tonight," which
is completely meaningless.
is completely meaningless.
62
154249
3312
"הערב רוצה מרק אני" שהוא חסר משמעות.
02:49
So there is another hidden abstraction here
63
157561
2619
אז יש כאן עוד הפשטה מוסתרת
02:52
which children with autism find
a lot of difficulty coping with,
a lot of difficulty coping with,
64
160180
3557
שילדים אוטיסטיים מתקשים איתה,
02:55
and that's the fact that you can modify words
65
163737
2840
וזו העובדה שאפשר להתאים מילים
02:58
and you can arrange them to have
66
166577
2101
ולסדר אותן כך שיש להן
03:00
different meanings, to convey different ideas.
67
168678
2895
משמעויות אחרות, כדי להעביר רעיונות שונים.
03:03
Now, this is what we call grammar.
68
171573
3459
זה מה שנקרא דקדוק.
03:07
And grammar is incredibly powerful,
69
175032
2036
ודקדוק הוא עוצמתי להפליא,
03:09
because grammar is this one component of language
70
177068
3157
בגלל שדקדוק הוא המרכיב בשפה
03:12
which takes this finite vocabulary that all of us have
71
180225
3489
שלוקח את אוצר המילים המוגבל שיש לכולנו
03:15
and allows us to convey an
infinite amount of information,
infinite amount of information,
72
183714
4531
ומאפשר לנו להעביר כמות אינסופית של מידע,
03:20
an infinite amount of ideas.
73
188245
2134
אינסוף רעיונות.
03:22
It's the way in which you can put things together
74
190379
2002
דקדוק הוא הדרך בה אפשר לחבר דברים
03:24
in order to convey anything you want to.
75
192381
2168
כדי להעביר כל מה שנרצה.
03:26
And so after I developed Avaz,
76
194549
2127
ולכן אחרי שפיתחתי את אווז,
03:28
I worried for a very long time
77
196676
1568
הוטרדתי הרבה מאוד זמן
03:30
about how I could give grammar
to children with autism.
to children with autism.
78
198244
3910
בשאלה איך אוכל לתת דקדוק לילדים אוטיסטיים?
03:34
The solution came to me from
a very interesting perspective.
a very interesting perspective.
79
202154
2275
הפתרון הגיע אלי מנקודת מבט מאוד מעניינת.
03:36
I happened to chance upon a child with autism
80
204429
3449
במקרה נתקלתי בילדה אוטיסטית
03:39
conversing with her mom,
81
207878
2109
מתקשרת עם אמה,
03:41
and this is what happened.
82
209987
2094
וזה מה שקרה:
03:44
Completely out of the blue, very spontaneously,
83
212081
2186
לגמרי לפתע, בספונטניות רבה,
03:46
the child got up and said, "Eat."
84
214267
2463
הילדה קמה ואמרה "לאכול".
03:48
Now what was interesting was
85
216730
1770
עכשיו מה שהיה מעניין הוא
03:50
the way in which the mom was trying to tease out
86
218500
4244
הדרך בה האם ניסתה לדלות
03:54
the meaning of what the child wanted to say
87
222744
2213
את המשמעות של מה שהילדה רצתה להגיד
03:56
by talking to her in questions.
88
224957
2260
באמצעות שאלות.
03:59
So she asked, "Eat what? Do
you want to eat ice cream?
you want to eat ice cream?
89
227217
2593
אז היא שאלה
"לאכול מה? את רוצה לאכול גלידה?
"לאכול מה? את רוצה לאכול גלידה?
04:01
You want to eat? Somebody else wants to eat?
90
229810
2112
את רוצה לאכול? מישהו אחר רוצה לאכול?
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
את רוצה לאכול גלידה עכשיו?
את רוצה לאכול גלידה בערב?"
את רוצה לאכול גלידה בערב?"
04:07
And then it struck me that
92
235235
1514
ואז קלטתי
04:08
what the mother had done was something incredible.
93
236749
2028
שמה שהאם עשתה היה דבר מדהים.
04:10
She had been able to get that child to communicate
94
238777
1994
היא הצליחה לגרום לילדה להעביר
04:12
an idea to her without grammar.
95
240771
4138
לה רעיון ללא דקדוק.
04:16
And it struck me that maybe this is what
96
244909
2696
וקלטתי שאולי זה מה
04:19
I was looking for.
97
247605
1385
שחיפשתי.
04:20
Instead of arranging words in an order, in sequence,
98
248990
4142
במקום סידור מילים בסדר, בתבנית,
04:25
as a sentence, you arrange them
99
253132
2172
כמשפט, מסדרים אותם
04:27
in this map, where they're all linked together
100
255304
3811
במפה הזו, בה כולם מחוברים
04:31
not by placing them one after the other
101
259115
2143
לא ע"י הסדר
04:33
but in questions, in question-answer pairs.
102
261258
3284
אלא בשאלות, בזוגות של שאלה ותשובה.
04:36
And so if you do this, then what you're conveying
103
264542
2358
וכך, אם עושים את זה, אז מה שמעבירים
04:38
is not a sentence in English,
104
266900
1986
הוא לא משפט באנגלית,
04:40
but what you're conveying is really a meaning,
105
268886
2966
אלא מעבירים את המשמעות.
04:43
the meaning of a sentence in English.
106
271852
1511
המשמעות של המשפט באנגלית.
04:45
Now, meaning is really the underbelly,
in some sense, of language.
in some sense, of language.
107
273363
2932
משמעות היא בצורה מסויימת הבטן הרכה של שפה.
04:48
It's what comes after thought but before language.
108
276295
3821
זה מה שבא אחרי מחשבה, אבל לפני שפה.
04:52
And the idea was that this particular representation
109
280116
2503
והרעיון היה שהייצוג המיוחד הזה
04:54
might convey meaning in its raw form.
110
282619
3261
אולי יעביר משמעות בצורה הגולמית שלה.
04:57
So I was very excited by this, you know,
111
285880
1771
אז אני התרגשתי מאוד מזה, אתם יודעים,
04:59
hopping around all over the place,
112
287651
1493
קיפצתי בכל מקום,
05:01
trying to figure out if I can convert
113
289144
1771
וניסיתי להבין אם אני יכול להמיר
05:02
all possible sentences that I hear into this.
114
290915
2524
את כל המשפטים האפשריים שאני שומע
לזה.
לזה.
05:05
And I found that this is not enough.
115
293439
1773
ומצאתי שזה לא מספיק.
05:07
Why is this not enough?
116
295212
1385
למה זה לא מספיק?
05:08
This is not enough because if you wanted to convey
117
296597
1711
זה לא מספיק בגלל שאם רציתם להעביר
05:10
something like negation,
118
298308
2250
משהו כמו שלילה,
05:12
you want to say, "I don't want soup,"
119
300558
1736
רציתם להגיד "אני לא רוצה מרק"
05:14
then you can't do that by asking a question.
120
302294
2220
אז אי אפשר לעשות את זה על ידי שאילת שאלה.
05:16
You do that by changing the word "want."
121
304514
2285
עושים את זה בעזרת שינוי המילה "רוצה".
05:18
Again, if you wanted to say,
122
306799
1637
שוב, אם רציתם להגיד
05:20
"I wanted soup yesterday,"
123
308436
1980
"אני רציתי מרק אתמול"
05:22
you do that by converting
the word "want" into "wanted."
the word "want" into "wanted."
124
310416
2737
עושים זאת בעזרת המרה
של המילה "רוצה" ל"רציתי"
של המילה "רוצה" ל"רציתי"
05:25
It's a past tense.
125
313153
1666
זה בזמן עבר.
05:26
So this is a flourish which I added
126
314819
2103
אז זה קישוט שהוספתי
05:28
to make the system complete.
127
316922
1576
כדי להשלים את המערכת.
05:30
This is a map of words joined together
128
318498
1977
זוהי מפת מילים המחוברות
05:32
as questions and answers,
129
320475
1656
כשאלות ותשובות,
05:34
and with these filters applied on top of them
130
322131
2264
עם הפילטרים האלה עליהם
05:36
in order to modify them to represent
131
324395
1817
כדי להתאים אותם לייצוג
05:38
certain nuances.
132
326212
1709
של הבדלים קטנים מסויימים.
05:39
Let me show you this with a different example.
133
327921
1951
תנו לי להראות לכם את זה באמצעות
דוגמא אחרת.
דוגמא אחרת.
05:41
Let's take this sentence:
134
329872
1254
בואו ניקח את המשפט הזה:
05:43
"I told the carpenter I could not pay him."
135
331126
1980
"אני אמרתי לנגר שאני לא יכולתי לשלם לו."
05:45
It's a fairly complicated sentence.
136
333106
1792
זה משפט די מורכב.
05:46
The way that this particular system works,
137
334898
1893
המערכת הזו עובדת כך
05:48
you can start with any part of this sentence.
138
336791
2578
שאפשר להתחיל בכל חלק של המשפט.
05:51
I'm going to start with the word "tell."
139
339369
1698
אני הולך להתחיל עם המילה "אמור".
05:53
So this is the word "tell."
140
341067
1462
אז זו המילה "אמור".
05:54
Now this happened in the past,
141
342529
1600
אבל זה קרה בעבר,
05:56
so I'm going to make that "told."
142
344129
2223
אז אני הולך להפוך את זה ל"אמר"
05:58
Now, what I'm going to do is,
143
346352
1708
עכשיו מה שאני הולך לעשות הוא
06:00
I'm going to ask questions.
144
348060
1756
לשאול שאלות.
06:01
So, who told? I told.
145
349816
2364
אז, מי אמר? אני אמרתי.
06:04
I told whom? I told the carpenter.
146
352180
1927
אני אמרתי למי? לנגר.
06:06
Now we start with a different part of the sentence.
147
354107
1751
עכשיו אנחנו מתחילים עם חלק אחר במשפט:
06:07
We start with the word "pay,"
148
355858
1867
אנחנו מתחילים עם המילה "לשלם"
06:09
and we add the ability filter to it to make it "can pay."
149
357725
4577
ואנחנו מוסיפים את פילטר היכולת
כדי להפוך את זה ל"יכול לשלם"
כדי להפוך את זה ל"יכול לשלם"
06:14
Then we make it "can't pay,"
150
362302
2101
ואז אנחנו הופכים את זה ל"לא יכול לשלם"
06:16
and we can make it "couldn't pay"
151
364403
1599
ואנחנו הופכים את זה ל"לא יכל לשלם"
06:18
by making it the past tense.
152
366002
1663
בעזרת הטייה לזמן עבר.
06:19
So who couldn't pay? I couldn't pay.
153
367665
1923
אז מי לא יכל לשלם? אני לא יכלתי לשלם.
06:21
Couldn't pay whom? I couldn't pay the carpenter.
154
369588
2676
לא יכלתי לשלם למי? לנגר.
06:24
And then you join these two together
155
372264
1731
ואז מחברים את שני אלו
06:25
by asking this question:
156
373995
1350
בעזרת השאלה:
06:27
What did I tell the carpenter?
157
375345
1737
מה אמרתי לנגר?
06:29
I told the carpenter I could not pay him.
158
377082
4049
אני אמרתי לנגר שאני לא יכולתי לשלם לו.
06:33
Now think about this. This is
159
381131
1937
עכשיו תחשבו על זה, זו ---
06:35
—(Applause)—
160
383068
3542
----(מחיאות כפיים)-----
06:38
this is a representation of this sentence
161
386610
3672
זוהי הצגה של משפט
06:42
without language.
162
390282
2435
ללא שפה.
06:44
And there are two or three
interesting things about this.
interesting things about this.
163
392717
2192
ויש שניים שלושה דברים מעניינים בזה,
06:46
First of all, I could have started anywhere.
164
394909
3131
קודם כל, יכולתי להתחיל בכל חלק.
06:50
I didn't have to start with the word "tell."
165
398040
2243
לא הייתי חייב להתחיל עם המילה "אמור".
06:52
I could have started anywhere in the sentence,
166
400283
1416
יכולתי להתחיל בכל חלק במשפט,
06:53
and I could have made this entire thing.
167
401699
1507
ויכולתי ליצור את כל זה.
06:55
The second thing is, if I wasn't an English speaker,
168
403206
2776
הדבר השני הוא שאם לא הייתי דובר אנגלית,
06:57
if I was speaking in some other language,
169
405982
2175
אם דיברתי בשפה אחרת,
07:00
this map would actually hold true in any language.
170
408157
3156
המפה הזו הייתה תקפה בכל שפה.
07:03
So long as the questions are standardized,
171
411313
1990
כל עוד השאלות הן מתוקננות,
07:05
the map is actually independent of language.
172
413303
4287
המפה בעצם לא תלויה בשפה.
07:09
So I call this FreeSpeech,
173
417590
2115
אז אני קורא לזה "פרי ספיטש" (דיבור חופשי)
07:11
and I was playing with this for many, many months.
174
419705
2935
ושיחקתי עם זה במשך הרבה מאוד חודשים.
07:14
I was trying out so many
different combinations of this.
different combinations of this.
175
422640
2726
ניסיתי הרבה מאוד הרכבים של זה.
07:17
And then I noticed something very
interesting about FreeSpeech.
interesting about FreeSpeech.
176
425366
2289
ואז שמתי לב למשהו
מאוד מעניין ב"פרי ספיטש".
מאוד מעניין ב"פרי ספיטש".
07:19
I was trying to convert language,
177
427655
3243
ניסיתי להמיר שפה,
07:22
convert sentences in English
into sentences in FreeSpeech,
into sentences in FreeSpeech,
178
430898
2384
להמיר משפטים באנגלית למשפטים ב"פרי ספיטש",
07:25
and vice versa, and back and forth.
179
433282
1752
ולהפך, הלוך ושוב.
07:27
And I realized that this particular configuration,
180
435034
2255
והבנתי שהתצורה המסויימת הזו,
07:29
this particular way of representing language,
181
437289
2026
הדרך הזו להציג שפה,
07:31
it allowed me to actually create very concise rules
182
439315
4395
אפשרה לי להגדיר כללים מאוד תכליתיים
07:35
that go between FreeSpeech on one side
183
443710
2734
שמקשרים בין "פרי ספיטש" מצד אחד
07:38
and English on the other.
184
446444
1488
לאנגלית מהצד השני.
07:39
So I could actually write this set of rules
185
447932
2180
אז יכולתי ממש לכתוב מערכת חוקים
07:42
that translates from this particular
representation into English.
representation into English.
186
450112
3395
שתרגמה מהייצוג המסוים הזה לאנגלית.
07:45
And so I developed this thing.
187
453507
1831
אז פיתחתי את הדבר הזה.
07:47
I developed this thing called
the FreeSpeech Engine
the FreeSpeech Engine
188
455338
2232
פיתחתי את הדבר הזה שנקרא מנוע ה"פרי ספיטש"
07:49
which takes any FreeSpeech sentence as the input
189
457570
2561
שלוקח כל משפט "פרי ספיטש" כתשומה
07:52
and gives out perfectly grammatical English text.
190
460131
3930
ומוציא טקסט מדוקדק לגמרי באנגלית.
07:56
And by putting these two pieces together,
191
464061
1605
ובהרכבה של שני חלקים אלו ביחד,
07:57
the representation and the engine,
192
465666
1881
הייצוג והמנוע,
07:59
I was able to create an app, a
technology for children with autism,
technology for children with autism,
193
467547
3796
הייתי מסוגל ליצור אפליקציה,
טכנולוגייה עבור ילדים אוטיסטיים,
טכנולוגייה עבור ילדים אוטיסטיים,
08:03
that not only gives them words
194
471343
2499
שלא רק נותנת להם מילים,
08:05
but also gives them grammar.
195
473842
3941
אלא גם נותנת להם דיקדוק.
08:09
So I tried this out with kids with autism,
196
477783
2360
אז ניסיתי את זה עם ילדים אוטיסטיים,
08:12
and I found that there was an
incredible amount of identification.
incredible amount of identification.
197
480143
5013
ומצאתי כי הייתה זהות עצומה.
08:17
They were able to create sentences in FreeSpeech
198
485156
2720
הם היו מסוגלים ליצור משפטים ב"פרי ספיטש"
08:19
which were much more complicated
but much more effective
but much more effective
199
487876
2558
שהיו יותר מסובכים אך הרבה יותר אפקטיבים
08:22
than equivalent sentences in English,
200
490434
2899
מאשר משפטים אלו באנגלית.
08:25
and I started thinking about
201
493333
1682
והתחלתי לחשוב
08:27
why that might be the case.
202
495015
1969
למה?
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
והיה לי רעיון, ואני רוצה
לדבר איתכם על הרעיון הזה.
לדבר איתכם על הרעיון הזה.
08:33
In about 1997, about 15 years back,
204
501271
3142
בערך ב1997, לפני כ 15 שנה,
08:36
there were a group of scientists that were trying
205
504413
2011
הייתה קבוצת מדענים שניסו
08:38
to understand how the brain processes language,
206
506424
2389
להבין איך המח מעבד שפה,
08:40
and they found something very interesting.
207
508813
1779
והם גילו משהו מאוד מעניין.
08:42
They found that when you learn a language
208
510592
1872
הם גילו שכשלומדים שפה
08:44
as a child, as a two-year-old,
209
512464
2912
כילדים, כבני שנתיים,
08:47
you learn it with a certain part of your brain,
210
515376
2366
לומדים אותה עם חלק מסויים במח,
08:49
and when you learn a language as an adult --
211
517742
1600
וכשלומדים שפה כמבוגרים --
08:51
for example, if I wanted to
learn Japanese right now —
learn Japanese right now —
212
519342
3911
לדוגמא אם רציתי ללמוד יפנית עכשיו --
08:55
a completely different part of my brain is used.
213
523253
2707
משתמשים בחלק אחר לגמרי במח.
08:57
Now I don't know why that's the case,
214
525960
1831
עכשיו אני לא יודע למה זה קורה,
08:59
but my guess is that that's because
215
527791
1991
אבל הניחוש שלי הוא שזה בגלל
09:01
when you learn a language as an adult,
216
529782
2437
שכשלומדים שפה כמבוגרים,
09:04
you almost invariably learn it
217
532219
1616
כמעט תמיד לומדים אותה
09:05
through your native language, or
through your first language.
through your first language.
218
533835
4266
דרך שפת האם, או דרך השפה הראשונה.
09:10
So what's interesting about FreeSpeech
219
538101
3252
אז מה שמעניין ב"פרי ספיטש"
09:13
is that when you create a sentence
220
541353
1802
הוא שכשיוצרים משפט
09:15
or when you create language,
221
543155
1695
או כשיוצרים שפה,
09:16
a child with autism creates
language with FreeSpeech,
language with FreeSpeech,
222
544850
3070
ילד אוטיסטי שיוצר שפה עם "פרי ספיטש",
09:19
they're not using this support language,
223
547920
1833
לא משתמשים בשפה תומכת,
09:21
they're not using this bridge language.
224
549753
2211
לא משתמשים בשפה מגשרת.
09:23
They're directly constructing the sentence.
225
551964
2657
בונים את המשפט בצורה ישירה.
09:26
And so this gave me this idea.
226
554621
2193
אז זה נתן לי רעיון.
09:28
Is it possible to use FreeSpeech
227
556814
2024
האם אפשר להשתמש ב"פרי ספיטש"
09:30
not for children with autism
228
558838
2510
לא עבור ילדים אוטיסטיים
09:33
but to teach language to people without disabilities?
229
561348
6262
אלא כדי ללמד שפה לאנשים ללא מוגבלויות?
09:39
And so I tried a number of experiments.
230
567610
1978
אז ניסיתי כמה ניסויים.
09:41
The first thing I did was I built a jigsaw puzzle
231
569588
2948
הדבר הראשון שעשיתי הוא שבניתי פאזל
09:44
in which these questions and answers
232
572536
1970
בו השאלות והתשובות הללו
09:46
are coded in the form of shapes,
233
574506
1835
מוצפנות בצורת צורות
09:48
in the form of colors,
234
576341
1138
או צבעים,
09:49
and you have people putting these together
235
577479
1849
ויש אנשים שמרכיבים את החלקים האלה
09:51
and trying to understand how this works.
236
579328
1773
ומנסים להבין איך זה עובד.
09:53
And I built an app out of it, a game out of it,
237
581101
2376
ובניתי מזה אפליקציה, משחק,
09:55
in which children can play with words
238
583477
2661
בו ילדים יכולים לשחק עם מילים
09:58
and with a reinforcement,
239
586138
1704
ועם תיגבור,
09:59
a sound reinforcement of visual structures,
240
587842
2585
תיגבור קולי של מבנים ויזואלים,
10:02
they're able to learn language.
241
590427
2013
הם מסוגלים ללמוד שפה.
10:04
And this, this has a lot of potential, a lot of promise,
242
592440
2736
ולזה, לזה יש פוטנציאל, זה מבטיח מאוד,
10:07
and the government of India recently
243
595176
1975
וממשלת הודו לאחרונה
10:09
licensed this technology from us,
244
597151
1404
הירשתה את הטכנולוגיה הזו מאיתנו,
10:10
and they're going to try it out
with millions of different children
with millions of different children
245
598555
2074
והם הולכים לנסות את זה עם מליוני ילדים
10:12
trying to teach them English.
246
600629
2605
בנסיון ללמד אותם אנגלית.
10:15
And the dream, the hope, the vision, really,
247
603234
2614
והחלום, התקווה, החזון באמת הוא
10:17
is that when they learn English this way,
248
605848
3082
שכשהם לומדים אנגלית בצורה הזו,
10:20
they learn it with the same proficiency
249
608930
2643
הם לומדים אותה באותה מומחיות
10:23
as their mother tongue.
250
611573
3718
של שפת האם שלהם.
10:27
All right, let's talk about something else.
251
615291
3816
בסדר, בואו נדבר על משהו אחר.
10:31
Let's talk about speech.
252
619107
1997
בואו נדבר על דיבור.
10:33
This is speech.
253
621104
1271
זהו דיבור.
10:34
So speech is the primary mode of communication
254
622375
1962
אז דיבור הוא צורת בסיס של תקשורת
10:36
delivered between all of us.
255
624337
1613
המועבר בין כולנו.
10:37
Now what's interesting about speech is that
256
625950
1855
עכשיו מה שמעניין בדיבור הוא
10:39
speech is one-dimensional.
257
627805
1245
שדיבור הוא חד-מימדי.
10:41
Why is it one-dimensional?
258
629050
1359
למה הוא חד-מימדי?
10:42
It's one-dimensional because it's sound.
259
630409
1568
הוא חד-מימדי בגלל שהוא קול.
10:43
It's also one-dimensional because
260
631977
1539
הוא גם חד-מימדי בגלל
10:45
our mouths are built that way.
261
633516
1205
שהפיות שלנו בנויות כך.
10:46
Our mouths are built to create
one-dimensional sound.
one-dimensional sound.
262
634721
3512
הפיות שלנו בנויות לייצר קול חד-מימדי.
10:50
But if you think about the brain,
263
638233
2866
אבל אם חושבים על המח,
10:53
the thoughts that we have in our heads
264
641099
1764
המחשבות שעוברות בראשנו
10:54
are not one-dimensional.
265
642863
2102
אינן חד-מימדיות.
10:56
I mean, we have these rich,
266
644965
1459
זאת אומרת, יש לנו עושר,
10:58
complicated, multi-dimensional ideas.
267
646424
3028
מורכבות ורב-מימדיות ברעיונות שלנו.
11:01
Now, it seems to me that language
268
649452
1690
נדמה לי ששפה
11:03
is really the brain's invention
269
651142
2332
היא המצאה של המח
11:05
to convert this rich, multi-dimensional thought
270
653474
3096
שנועדה להמיר מחשבות רב-מימדיות
11:08
on one hand
271
656570
1587
מחד,
11:10
into speech on the other hand.
272
658157
1923
לדיבור מאידך.
11:12
Now what's interesting is that
273
660080
1762
עכשיו מה שמעניין הוא
11:13
we do a lot of work in information nowadays,
274
661842
2568
שאנחנו עושים הרבה עבודה במידע כיום,
11:16
and almost all of that is done
in the language domain.
in the language domain.
275
664410
3079
וכמעט כולה נעשית בתחום השפה.
11:19
Take Google, for example.
276
667489
1939
קחו את גוגל לדוגמא.
11:21
Google trawls all these
countless billions of websites,
countless billions of websites,
277
669428
2677
גוגל דג את כל אינספור האתרים האלו,
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
כולם באנגלית,
וכשאנחנו רוצים להשתמש בגוגל
וכשאנחנו רוצים להשתמש בגוגל
11:26
you go into Google search, and you type in English,
279
674830
2450
אנחנו נכנסים לחיפוש בגוגל,
ומקלידים באנגלית,
ומקלידים באנגלית,
11:29
and it matches the English with the English.
280
677280
4163
וגוגל מתאים את האנגלית עם האנגלית.
11:33
What if we could do this in FreeSpeech instead?
281
681443
3583
מה אם היינו יכולים לעשות זאת ב"פרי ספיטש"
במקום זאת?
במקום זאת?
11:37
I have a suspicion that if we did this,
282
685026
2301
יש לי חשד שאם היינו עושים זאת
11:39
we'd find that algorithms like searching,
283
687327
2068
היינו מגלים שאלגוריתמים כמו חיפוש,
11:41
like retrieval, all of these things,
284
689395
2325
כמו שליפת מידע, כל הדברים הללו,
11:43
are much simpler and also more effective,
285
691720
3075
היו הרבה יותר פשוטים וגם יותר אפקטיבים,
11:46
because they don't process
the data structure of speech.
the data structure of speech.
286
694795
4417
בגלל שהם לא מעבדים את מבנה הדיבור.
11:51
Instead they're processing
the data structure of thought.
the data structure of thought.
287
699212
5976
במקום זאת הם מעבדים את מבנה המחשבה.
11:57
The data structure of thought.
288
705188
2808
מבנה המחשבה.
11:59
That's a provocative idea.
289
707996
2076
זה רעיון פרובוקטיבי.
12:02
But let's look at this in a little more detail.
290
710072
2142
אבל בואו נסתכל על זה בקצת יותר פרוט.
12:04
So this is the FreeSpeech ecosystem.
291
712214
2366
אז זוהי המערכת האקולוגית של "פרי ספיטש".
12:06
We have the Free Speech
representation on one side,
representation on one side,
292
714580
2884
יש לנו את ייצוג ה"פרי ספיטש" מצד אחד,
12:09
and we have the FreeSpeech
Engine, which generates English.
Engine, which generates English.
293
717464
2228
ויש לנו את המנוע המייצר אנגלית.
12:11
Now if you think about it,
294
719694
1725
עכשיו אם חושבים על זה,
12:13
FreeSpeech, I told you, is completely
language-independent.
language-independent.
295
721419
2544
"פרי ספיטש" כמו שאמרתי לכם
הוא לגמרי בלתי תלוי בשפות.
הוא לגמרי בלתי תלוי בשפות.
12:15
It doesn't have any specific information in it
296
723963
2087
אין בו שום מידע מסוים
12:18
which is about English.
297
726050
1228
על אנגלית.
12:19
So everything that this system knows about English
298
727278
2800
אז כל מה שהמערכת הזו יודעת על אנגלית
12:22
is actually encoded into the engine.
299
730078
4620
בעצם מוצפן במנוע.
12:26
That's a pretty interesting concept in itself.
300
734698
2237
זה קונספט די מעניין בפני עצמו.
12:28
You've encoded an entire human language
301
736935
3604
הכנסנו שפת אדם שלמה
12:32
into a software program.
302
740539
2645
לתוך תוכנה.
12:35
But if you look at what's inside the engine,
303
743184
2531
אבל אם מסתכלים על מה שבתוך המנוע,
12:37
it's actually not very complicated.
304
745715
2358
זה בעצם לא כל כך מסובך.
12:40
It's not very complicated code.
305
748073
2105
זה לא קוד מאוד מסובך.
12:42
And what's more interesting is the fact that
306
750178
2672
ועוד יותר מעניינת היא העובדה
12:44
the vast majority of the code in that engine
307
752850
2203
שהרוב המוחלט של הקוד במנוע
12:47
is not really English-specific.
308
755053
2412
הוא לא ממש ספציפי לאנגלית.
12:49
And that gives this interesting idea.
309
757465
1895
וזה מציג רעיון מעניין.
12:51
It might be very easy for us to actually
310
759360
2038
ייתכן ויהיה לנו קל מאוד
12:53
create these engines in many,
many different languages,
many different languages,
311
761398
3826
ליצור מנועים כאלו בהרבה מאוד שפות,
12:57
in Hindi, in French, in German, in Swahili.
312
765224
6354
בהינדי, בצרפתית, בגרמנית, בסווהילי.
13:03
And that gives another interesting idea.
313
771578
2799
וזה מייצר עוד רעיון מעניין.
13:06
For example, supposing I was a writer,
314
774377
2654
לדוגמא, נגיד שאני כתב,
13:09
say, for a newspaper or for a magazine.
315
777031
2122
נגיד בשביל עיתון או מגזין.
13:11
I could create content in one language, FreeSpeech,
316
779153
5011
אני אוכל ליצור תוכן
בשפה אחת, ב"פרי ספיטש",
בשפה אחת, ב"פרי ספיטש",
13:16
and the person who's consuming that content,
317
784164
2056
והאדם שצורך את התוכן,
13:18
the person who's reading that particular information
318
786220
3061
האדם שקורא את המידע המסוים הזה
13:21
could choose any engine,
319
789281
2495
יוכל לבחור בכל מנוע
13:23
and they could read it in their own mother tongue,
320
791776
2736
ויוכל לקרוא בשפת האם שלו,
13:26
in their native language.
321
794512
3939
בשפתו המולדת.
13:30
I mean, this is an incredibly attractive idea,
322
798451
2722
זה רעיון מושך בצורה יוצאת מן הכלל,
13:33
especially for India.
323
801173
1999
בעיקר עבור הודו.
13:35
We have so many different languages.
324
803172
1690
יש לנו כל כך הרבה שפות שונות.
13:36
There's a song about India, and there's a description
325
804862
2142
יש שיר על הודו ויש תיאור
13:39
of the country as, it says,
326
807004
2344
של המדינה והוא:
13:41
(in Sanskrit).
327
809348
2360
(בסנסקרית).
13:43
That means "ever-smiling speaker
328
811708
2773
משמעותו "דובר שפות יפות
13:46
of beautiful languages."
329
814481
4519
המחוייך תמיד"
13:51
Language is beautiful.
330
819000
1964
שפה היא יפה.
13:52
I think it's the most beautiful of human creations.
331
820964
2454
אני חושב שהיא היפה ביותר מיצירות האדם.
13:55
I think it's the loveliest thing
that our brains have invented.
that our brains have invented.
332
823418
3978
אני חושב שהיא הדבר המופלא ביותר
שמוחותינו המציאו.
שמוחותינו המציאו.
13:59
It entertains, it educates, it enlightens,
333
827396
3584
היא מבדרת, היא מלמדת, היא מחנכת,
14:02
but what I like the most about language
334
830980
2044
אבל מה שאני הכי אוהב בשפה
14:05
is that it empowers.
335
833024
1500
הוא שהיא מעצימה.
14:06
I want to leave you with this.
336
834524
1838
אני רוצה להשאיר אתכם עם זה.
14:08
This is a photograph of my collaborators,
337
836362
2385
זה תצלום של אחת משותפותיי,
14:10
my earliest collaborators
338
838747
997
שותפותיי הראשונות
14:11
when I started working on language
339
839744
1462
כשהתחלתי לעבוד על שפה
14:13
and autism and various other things.
340
841206
1502
ואוטיזם ועוד כל מיני דברים.
14:14
The girl's name is Pavna,
341
842708
1417
שמה של הבת הוא פוונה,
14:16
and that's her mother, Kalpana.
342
844125
1902
וזוהי אמה, קלפנה.
14:18
And Pavna's an entrepreneur,
343
846027
2138
פוונה היא יזמת,
14:20
but her story is much more remarkable than mine,
344
848165
2371
אבל הסיפור שלה הוא
הרבה יותר מדהים משל שלי,
הרבה יותר מדהים משל שלי,
14:22
because Pavna is about 23.
345
850536
2400
בגלל שפוונה היא בת כ23.
14:24
She has quadriplegic cerebral palsy,
346
852936
2552
יש לה שיתוק מוחין,
14:27
so ever since she was born,
347
855488
1640
אז מאז שהיא נולדה
14:29
she could neither move nor talk.
348
857128
3600
היא לא יכלה לא לזוז ולא לדבר.
14:32
And everything that she's accomplished so far,
349
860728
2403
וכל מה שהיא השיגה עד עכשיו,
14:35
finishing school, going to college,
350
863131
2227
סיום בית הספר, לימוד בקולג',
14:37
starting a company,
351
865358
1416
ייסוד חברה,
14:38
collaborating with me to develop Avaz,
352
866774
2140
שיתוף פעולה איתי כדי ליצור את אווז,
14:40
all of these things she's done
353
868914
1892
את כל הדברים הללו היא עשתה
14:42
with nothing more than moving her eyes.
354
870806
5523
עם לא יותר מתזוזות עיניה.
14:48
Daniel Webster said this:
355
876329
2689
דניאל וובסטר אמר:
14:51
He said, "If all of my possessions were taken
356
879018
2940
"אם כל מה ששייך לי נלקח
14:53
from me with one exception,
357
881958
2988
ממני למעט דבר אחד,
14:56
I would choose to keep the power of communication,
358
884946
2981
הייתי בוחר לשמור את כח התקשורת,
14:59
for with it, I would regain all the rest."
359
887927
3903
כי איתו, הייתי רוכש את כל השאר מחדש."
15:03
And that's why, of all of these incredible
applications of FreeSpeech,
applications of FreeSpeech,
360
891830
5116
ולכן, מתוך כל היישומים המדהימים הללו
של "פרי ספיטש",
של "פרי ספיטש",
15:08
the one that's closest to my heart
361
896946
2080
הקרוב ביותר לליבי
15:11
still remains the ability for this
362
899026
2068
עדיין נשאר היכולת
15:13
to empower children with disabilities
363
901094
2380
להעצים ילדים עם מוגבלויות
15:15
to be able to communicate,
364
903474
1773
לתקשר,
15:17
the power of communication,
365
905247
1789
כח התקשורת,
15:19
to get back all the rest.
366
907036
2240
כדי לרכוש מחדש את כל השאר.
15:21
Thank you.
367
909276
1397
תודה.
15:22
(Applause)
368
910673
1332
(מחיאות כפיים)
15:24
Thank you. (Applause)
369
912005
4199
תודה. (מחיאות כפיים)
15:28
Thank you. Thank you. Thank you. (Applause)
370
916204
5323
תודה. תודה. תודה. (מחיאות כפיים)
15:33
Thank you. Thank you. Thank you. (Applause)
371
921527
4000
תודה. תודה. תודה. (מחיאות כפיים)
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