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

Why you should listen

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

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

Jean-Baptiste Michel: The mathematics of history

Jean-Baptiste Michel: Matematyka historii

Filmed:
1,279,350 views

Co matematyka może powiedzieć nam o historii? Według Jean-Baptiste Michela bardzo dużo. Począwszy od zmian w języku, aż po liczbę ofiar wojny, dowiadujemy się w jaki sposób historia w formacie cyfrowym odsłania ukryte wzorce.
- Data researcher
Jean-Baptiste Michel looks at how we can use large volumes of data to better understand our world. Full bio

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

00:15
So it turnsskręca out that mathematicsmatematyka is a very powerfulpotężny languagejęzyk.
0
0
3671
Wygląda na to, że matematyka to potężny język.
00:19
It has generatedwygenerowany considerableznaczne insightwgląd in physicsfizyka,
1
3671
2312
Umożliwiła istotny wgląd w fizykę,
00:21
in biologybiologia and economicsEkonomia,
2
5983
2100
biologię i ekonomię,
00:23
but not that much in the humanitieshumanistyka and in historyhistoria.
3
8083
2817
choć mniej w nauki humanistyczne czy historię.
00:26
I think there's a beliefwiara that it's just impossibleniemożliwy,
4
10900
2283
Podobno to niemożliwe,
00:29
that you cannotnie może quantifyokreślić ilościowo the doingsczyny of mankindludzkości,
5
13183
2646
nie da się określić ilościowo poczynań ludzkości,
00:31
that you cannotnie może measurezmierzyć historyhistoria.
6
15829
2519
ani zmierzyć historii.
00:34
But I don't think that's right.
7
18348
1527
Uważam, że to błędny pogląd.
00:35
I want to showpokazać you a couplepara of examplesprzykłady why.
8
19875
2042
Zaprezentuję kilka dowodów.
00:37
So my collaboratorwspółpracownik ErezErez and I were consideringbiorąc pod uwagę the followingnastępujący factfakt:
9
21917
2958
Mój kolega Erez i ja rozważaliśmy następujące zjawisko:
00:40
that two kingskrólowie separatedrozdzielony by centurieswieki
10
24875
2729
dwóch królów oddzielonych przez stulecia
00:43
will speakmówić a very differentróżne languagejęzyk.
11
27604
1767
posługuje się bardzo różnym językiem.
00:45
That's a powerfulpotężny historicalhistoryczny forcesiła.
12
29371
2304
To potężna siła historii.
00:47
So the kingkról of EnglandAnglia, AlfredAlfred the Great,
13
31675
1773
Król Anglii, Alfred Wielki,
00:49
will use a vocabularysłownictwo and grammarGramatyka
14
33448
1640
posługiwał się słownictwem i gramatyką
00:50
that is quitecałkiem differentróżne from the kingkról of hipcześć p hopChmiel, Jay-ZJay-Z.
15
35088
3700
odmienną od tej króla hip-hopu, Jay-Z.
00:54
(LaughterŚmiech)
16
38788
1666
(Śmiech)
00:56
Now it's just the way it is.
17
40454
2171
Tak po prostu jest.
00:58
LanguageJęzyk changeszmiany over time, and it's a powerfulpotężny forcesiła.
18
42625
2292
Język zmienia się z czasem i jest potężną siłą.
01:00
So ErezErez and I wanted to know more about that.
19
44917
2287
Chcieliśmy się z Erezem dowiedzieć więcej na ten temat.
01:03
So we paidpłatny attentionUwaga to a particularszczególny grammaticalgramatyczny rulereguła, past-tenseczas przeszły conjugationkoniugacja.
20
47204
3657
Przyjrzeliśmy się, jak gramatyka tworzy czas przeszły.
01:06
So you just addDodaj "edEd" to a verbczasownik at the endkoniec to signifyoznacza the pastprzeszłość.
21
50861
3264
Końcówka "ed" przy angielskim czasowniku oznacza przeszłość.
01:10
"TodayDzisiaj I walkspacerować. YesterdayWczoraj I walkedchodził."
22
54125
1927
"Today I walk. Yesterday I walked".
01:11
But some verbsCzasowniki are irregularnieregularny.
23
56052
1344
Jednak niektóre czasowniki są nieregularne.
01:13
"YesterdayWczoraj I thought."
24
57396
1396
"Yesterday I thought".
01:14
Now what's interestingciekawy about that
25
58792
1666
Co ciekawe, między Alfredem a Jay-Z
01:16
is irregularnieregularny verbsCzasowniki betweenpomiędzy AlfredAlfred and Jay-ZJay-Z have becomestają się more regularregularny.
26
60458
3830
nieregularne czasowniki stały się bardziej regularne.
01:20
Like the verbczasownik "to wedśr." that you see here has becomestają się regularregularny.
27
64288
2735
Np. czasownik "to wed" [poślubić] stał się regularny.
01:22
So ErezErez and I followedśledzić the fatelos of over 100 irregularnieregularny verbsCzasowniki
28
67023
4022
Prześledziliśmy losy ponad 100 nieregularnych czasowników
01:26
throughprzez 12 centurieswieki of EnglishAngielski languagejęzyk,
29
71045
1919
przez 12 wieków języka angielskiego.
01:28
and we saw that there's actuallytak właściwie a very simpleprosty mathematicalmatematyczny patternwzór
30
72964
2911
Dostrzegliśmy bardzo prosty wzorzec matematyczny,
01:31
that capturesprzechwytuje this complexzłożony historicalhistoryczny changezmiana,
31
75875
2542
obejmujący te złożone zmiany historyczne.
01:34
namelymianowicie, if a verbczasownik is 100 timesczasy more frequentczęsty than anotherinne,
32
78417
3660
Jeśli czasownik występuje 100 razy częściej od innych,
01:37
it regularizesregularizes 10 timesczasy slowerwolniej.
33
82077
2665
staje się regularny 10 razy wolniej.
01:40
That's a piecekawałek of historyhistoria, but it comespochodzi in a mathematicalmatematyczny wrappingopakowanie jednostkowe.
34
84742
3935
Jest to kawałek historii w matematycznym opakowaniu.
01:44
Now in some casesprzypadki mathmatematyka can even help explainwyjaśniać,
35
88677
3654
Czasami matematyka może nawet wyjaśnić
01:48
or proposezaproponować explanationswyjaśnienia for, historicalhistoryczny forcessiły.
36
92331
2879
lub zaproponować wyjaśnienie historycznych sił.
01:51
So here SteveSteve PinkerPinker and I
37
95210
1832
Steve Pinker i ja rozważaliśmy skalę wojen
01:52
were consideringbiorąc pod uwagę the magnitudewielkość of warswojny duringpodczas the last two centurieswieki.
38
97042
3852
w ostatnich dwóch stuleciach.
01:56
There's actuallytak właściwie a well-knowndobrze znane regularityregularność to them
39
100894
2495
Zachodzi pewna znana prawidłowość:
01:59
where the numbernumer of warswojny that are 100 timesczasy deadlierśmiertelny
40
103389
3422
wojen, które mają 100 razy więcej ofiar
02:02
is 10 timesczasy smallermniejszy.
41
106811
1952
jest 10 razy mniej.
02:04
So there are 30 warswojny that are about as deadlyśmiertelnie as the SixSześć DaysDni WarWojny,
42
108763
3344
30 wojen dorównuje liczbą ofiar wojnie sześciodniowej,
02:08
but there's only fourcztery warswojny that are 100 timesczasy deadlierśmiertelny --
43
112107
2820
ale tylko cztery wojny maja ich 100 razy więcej,
02:10
like WorldŚwiat WarWojny I.
44
114927
1977
jak pierwsza wojna światowa.
02:12
So what kinduprzejmy of historicalhistoryczny mechanismmechanizm can produceprodukować that?
45
116904
2923
Jaki zachodzi tu mechanizm historyczny?
02:15
What's the originpochodzenie of this?
46
119827
2000
Skąd się to bierze?
02:17
So SteveSteve and I, throughprzez mathematicalmatematyczny analysisanaliza,
47
121827
2265
Poprzez analizę matematyczną dowodzimy,
02:19
proposezaproponować that there's actuallytak właściwie a very simpleprosty phenomenonzjawisko at the rootkorzeń of this,
48
124092
4241
że przyczyną jest bardzo proste zjawisko
02:24
whichktóry lieskłamstwa in our brainsmózg.
49
128333
1690
zachodzące w mózgu.
02:25
This is a very well-knowndobrze znane featurececha
50
130023
2019
Jest to bardzo dobrze znana właściwość,
02:27
in whichktóry we perceivepostrzegają quantitiesilości in relativekrewny wayssposoby --
51
132042
2975
dzięki której postrzegamy wielkości w sposób względny,
02:30
quantitiesilości like the intensityintensywność of lightlekki or the loudnessLoudness of a sounddźwięk.
52
135017
3716
jak np. natężenie światła lub głośność dźwięku.
02:34
For instanceinstancja, committingzobowiązanie się 10,000 soldiersżołnierski to the nextNastępny battlebitwa soundsDźwięki like a lot.
53
138733
5309
Np. sądzimy, że wystawienie do bitwy 10 tys. żołnierzy to dużo.
02:39
It's relativelystosunkowo enormousogromny if you've alreadyjuż committedzobowiązany 1,000 soldiersżołnierski previouslypoprzednio.
54
144042
3444
To mnóstwo, jeśli wcześniej wystawiono 1 tys. żołnierzy.
02:43
But it doesn't sounddźwięk so much,
55
147486
1827
Ale nie wydaje się wiele,
02:45
it's not relativelystosunkowo enoughdość, it won'tprzyzwyczajenie make a differenceróżnica
56
149313
3020
i nie sprawia stosunkowo wielkiej różnicy,
02:48
if you've alreadyjuż committedzobowiązany 100,000 soldiersżołnierski previouslypoprzednio.
57
152333
2952
jeśli wcześniej zaangażowano 100 tys. żołnierzy.
02:51
So you see that because of the way we perceivepostrzegają quantitiesilości,
58
155285
3613
Ponieważ tak właśnie postrzegamy różne wielkości,
02:54
as the warwojna dragsciągnie on,
59
158898
1767
w czasie toczącej się wojny
02:56
the numbernumer of soldiersżołnierski committedzobowiązany to it and the casualtiesofiary wypadku
60
160665
3085
liczba żołnierzy oraz ofiar
02:59
will increasezwiększać not linearlyliniowo --
61
163750
1683
zwiększa się nie liniowo,
03:01
like 10,000, 11,000, 12,000 --
62
165433
1888
10 tys., 11 tys., 12 tys.,
03:03
but exponentiallywykładniczo -- 10,000, laterpóźniej 20,000, laterpóźniej 40,000.
63
167321
4275
ale wykładniczo: 10 tys., 20 tys., później 40 tys.
03:07
And so that explainswyjaśnia this patternwzór that we'vemamy seenwidziany before.
64
171596
3085
To wyjaśnia wzorzec, który widzieliśmy wcześniej.
03:10
So here mathematicsmatematyka is ablezdolny to linkpołączyć a well-knowndobrze znane featurececha of the individualindywidualny mindumysł
65
174681
5498
Matematyka potrafi połączyć znane właściwości umysłu
03:16
with a long-termdługoterminowy historicalhistoryczny patternwzór
66
180179
2989
z długoterminowym wzorcem historycznym,
03:19
that unfoldsrozwija się over centurieswieki and acrossprzez continentskontynenty.
67
183168
2857
który ujawnia się przez wieki na różnych kontynentach.
03:21
So these typestypy of examplesprzykłady, todaydzisiaj there are just a fewkilka of them,
68
186025
4017
Takie przykłady, których dziś jest zaledwie kilka,
03:25
but I think in the nextNastępny decadedekada they will becomestają się commonplacepowszechne.
69
190042
2689
w najbliższych latach staną się powszechne.
03:28
The reasonpowód for that is that the historicalhistoryczny recordrekord
70
192731
2392
Wpłynie na to fakt, że historyczne zapisy
03:31
is becomingtwarzowy digitizedzdigitalizowane at a very fastszybki pacetempo.
71
195123
2460
są cyfrowane w bardzo szybkim tempie.
03:33
So there's about 130 millionmilion booksksiążki
72
197583
2610
Blisko 130 milionów książek
03:36
that have been writtenpisemny sinceod the dawnświt of time.
73
200193
2311
zostało napisanych od zarania dziejów.
03:38
CompaniesFirm like GoogleGoogle have digitizedzdigitalizowane manywiele of them --
74
202504
2454
Firmy takie jak Google dały formę cyfrową
03:40
abovepowyżej 20 millionmilion actuallytak właściwie.
75
204958
1584
ponad 20 milionom.
03:42
And when the stuffrzeczy of historyhistoria is availabledostępny in digitalcyfrowy formformularz,
76
206542
3578
Kiedy historia jest dostępna w formie cyfrowej,
03:46
it makesczyni it possiblemożliwy for a mathematicalmatematyczny analysisanaliza
77
210120
2380
umożliwia to analizie matematycznej
03:48
to very quicklyszybko and very convenientlywygodnie
78
212500
2375
bardzo szybko i łatwo
03:50
reviewrecenzja trendstrendy in our historyhistoria and our culturekultura.
79
214875
2725
przeglądać tendencje w naszej historii i kulturze.
03:53
So I think in the nextNastępny decadedekada,
80
217600
2721
Dlatego uważam, że w najbliższych latach
03:56
the sciencesnauki and the humanitieshumanistyka will come closerbliższy togetherRazem
81
220321
2750
nauki ścisłe i humanistyczne zbliżą się do siebie
03:58
to be ablezdolny to answerodpowiedź deepgłęboki questionspytania about mankindludzkości.
82
223071
3329
aby móc odpowiedzieć na ważne pytania dotyczące ludzkości.
04:02
And I think that mathematicsmatematyka will be a very powerfulpotężny languagejęzyk to do that.
83
226400
4121
Uważam, że matematyka w tym pomoże.
04:06
It will be ablezdolny to revealodsłonić newNowy trendstrendy in our historyhistoria,
84
230521
3146
Ujawni nowe tendencje w naszej historii,
04:09
sometimesczasami to explainwyjaśniać them,
85
233667
1750
czasami posłuży do ich wyjaśnienia,
04:11
and maybe even in the futureprzyszłość to predictprzepowiadać, wywróżyć what's going to happenzdarzyć.
86
235417
3306
i być może będzie w stanie przewidzieć przyszłość.
04:14
Thank you very much.
87
238723
1491
Dziękuję bardzo.
04:16
(ApplauseAplauz)
88
240214
3678
(Oklaski)
Translated by Joanna Zajc
Reviewed by Andrzej Kokoszka

▲Back to top

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

Why you should listen

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

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