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: Tarihin matematiği

Filmed:
1,279,350 views

Matematik tarih hakkında ne söyleyebilir? TED Üyesi Jean-Baptiste Michel'e göre oldukça çok. Dildeki değişimlerden, savaşların öldürücülüklerine kadar, Sayısallaştırılmış tarihin derin temel kalıpları nasıl ortaya çıkaracağını anlatıyor.
- 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 turnsdönüşler out that mathematicsmatematik is a very powerfulgüçlü languagedil.
0
0
3671
Son zamanlarda görüyoruz ki matematik çok güçlü bir dil
00:19
It has generatedoluşturulan considerableönemli insightIçgörü in physicsfizik,
1
3671
2312
Fizik, biyoloji ve ekonomi alanlarını
00:21
in biologyBiyoloji and economicsekonomi bilimi,
2
5983
2100
kavramamıza yardımcı oldu
00:23
but not that much in the humanitiesbeşeri bilimler and in historytarih.
3
8083
2817
ama beşeri bilimler ve tarih alanları değil
00:26
I think there's a beliefinanç that it's just impossibleimkansız,
4
10900
2283
Bence, insanoğlunun yaptıklarını matematiksel olarak
00:29
that you cannotyapamam quantifyölçmek the doingszımbırtı of mankindinsanlık,
5
13183
2646
değerlendirilemesininin , tarihin ölçülmesinin imkansız
00:31
that you cannotyapamam measureölçmek historytarih.
6
15829
2519
olduğuna dair bir inanış var.
00:34
But I don't think that's right.
7
18348
1527
Fakat bence bu doğru değil.
00:35
I want to showgöstermek you a coupleçift of examplesörnekler why.
8
19875
2042
Nedeni ile ilgili bir çift örnek göstermek istiyorum.
00:37
So my collaboratorişbirlikçi ErezErez and I were consideringdikkate alınarak the followingtakip etme factgerçek:
9
21917
2958
Meslektaşım Erez ve ben aşağıdaki gerçekleri düşünüyorduk:
00:40
that two kingskrallar separatedayrıldı by centuriesyüzyıllar
10
24875
2729
aralarında yüzyıllar olan iki kral
00:43
will speakkonuşmak a very differentfarklı languagedil.
11
27604
1767
farklı bir diller kullanacaklardır.
00:45
That's a powerfulgüçlü historicaltarihi forcekuvvet.
12
29371
2304
Bu güçlü bir tarihsel zorlamadır.
00:47
So the kingkral of Englandİngiltere, AlfredAlfred the Great,
13
31675
1773
Böylece İngiltere Kralı Büyük Alfred
00:49
will use a vocabularykelime hazinesi and grammardilbilgisi
14
33448
1640
hip hop kralı Jay-Z'nin kullandığından oldukça
00:50
that is quiteoldukça differentfarklı from the kingkral of hipkalça hopHop, Jay-ZJay-Z.
15
35088
3700
farklı bir kelime dağarcığı ve dilbilgisi kullanacaktır.
00:54
(LaughterKahkaha)
16
38788
1666
(Kahkahalar)
00:56
Now it's just the way it is.
17
40454
2171
Şimdi durumlar böyle.
00:58
LanguageDil changesdeğişiklikler over time, and it's a powerfulgüçlü forcekuvvet.
18
42625
2292
Dil zaman içinde değişir ve bu güçlü bir zorlamadır.
01:00
So ErezErez and I wanted to know more about that.
19
44917
2287
Bu yüzden Erez ve ben bu konuda daha fazla şey bilmek istedik.
01:03
So we paidödenmiş attentionDikkat to a particularbelirli grammaticalgramatik rulekural, past-tenseGeçmiş zaman conjugationkonjugasyon.
20
47204
3657
Bu yüzden özel bir dilbilgisi kuralına, geçmiş zaman fiil çekiminin üzerinde durduk.
01:06
So you just addeklemek "edEd" to a verbfiil at the endson to signifybitişini işaret eder the pastgeçmiş.
21
50861
3264
Geçmiş zaman ifade etmek için fiilin sonuna sadece "di"(ed) koyuyorsun.
01:10
"TodayBugün I walkyürümek. YesterdayDün I walkedyürüdü."
22
54125
1927
"Bugün yürüyorum(walk). Dün yürüdüm(walked)"
01:11
But some verbsfiiller are irregulardüzensiz.
23
56052
1344
Fakat bazı fiiller düzensizdir.
01:13
"YesterdayDün I thought."
24
57396
1396
"Dün düşündüm(think-thought)."
01:14
Now what's interestingilginç about that
25
58792
1666
Şimdi bu konuda ilginç olan şey
01:16
is irregulardüzensiz verbsfiiller betweenarasında AlfredAlfred and Jay-ZJay-Z have becomeolmak more regulardüzenli.
26
60458
3830
Alfred ile Jay -Z arasında düzensiz fiiller daha düzenli olur.
01:20
Like the verbfiil "to wedtarih Çrş" that you see here has becomeolmak regulardüzenli.
27
64288
2735
"evlendi"(wed) fiilinin daha düzenli hale gelmesi gibi
01:22
So ErezErez and I followedtakip etti the fatekader of over 100 irregulardüzensiz verbsfiiller
28
67023
4022
Böylece Erez ve ben 100den fazla düzensiz fiilin 12 yüzyıl boyunca
01:26
throughvasitasiyla 12 centuriesyüzyıllar of Englishİngilizce languagedil,
29
71045
1919
İngiliz dilindeki kaderini inceledik
01:28
and we saw that there's actuallyaslında a very simplebasit mathematicalmatematiksel patternmodel
30
72964
2911
ve gördüğümüz aslında karmaşık tarihsel değişimin çok basit
01:31
that capturesyakalar this complexkarmaşık historicaltarihi changedeğişiklik,
31
75875
2542
bir matematiksel düzen izlediğiydi,
01:34
namelyyani, if a verbfiil is 100 timeszamanlar more frequentsık than anotherbir diğeri,
32
78417
3660
kısaca, bir fiil bir diğerinden 100 defa daha sık kullanılırsa
01:37
it regularizesregularizes 10 timeszamanlar slowerYavaş.
33
82077
2665
düzenlileşmesi de 10 kat yavaş oluyor.
01:40
That's a pieceparça of historytarih, but it comesgeliyor in a mathematicalmatematiksel wrappingkaydırma.
34
84742
3935
Bu tarihi gerçekliğin bi parçası ama matematiksel bir örtünün altında gizli.
01:44
Now in some casesvakalar mathmatematik can even help explainaçıklamak,
35
88677
3654
Bazı durumlarda matematiğin tarihsel güçleri açıklamamıza ve açıklamalar önermemize
01:48
or proposeteklif etmek, önermek explanationsaçıklamalar for, historicaltarihi forcesgüçler.
36
92331
2879
yardımcı olduğu bile oluyor
01:51
So here SteveSteve PinkerPinker and I
37
95210
1832
Steve pinker ve ben burada
01:52
were consideringdikkate alınarak the magnitudebüyüklük of warssavaşlar duringsırasında the last two centuriesyüzyıllar.
38
97042
3852
son iki yüzyıldır olan savaşların şiddetlerini düşünüyorduk.
01:56
There's actuallyaslında a well-knowniyi bilinen regularitydüzenlilik to them
39
100894
2495
Aslında oldukça bilindik bir düzenlilikleri var.
01:59
where the numbernumara of warssavaşlar that are 100 timeszamanlar deadlierölümcül
40
103389
3422
100 kat daha öldürücü olan savaşlar
02:02
is 10 timeszamanlar smallerdaha küçük.
41
106811
1952
10 kat küçük oluyor.
02:04
So there are 30 warssavaşlar that are about as deadlyölümcül as the SixAltı DaysGün WarSavaş,
42
108763
3344
buna bakınca "Altı Gün Savaşları" kadar öldürücü 30 savaş olmuş
02:08
but there's only fourdört warssavaşlar that are 100 timeszamanlar deadlierölümcül --
43
112107
2820
ama bunun 100 katı öldürücü olan savaşlardan 4 tane olmuş
02:10
like WorldDünya WarSavaş I.
44
114927
1977
mesela Birinci Dünya Savaşı.
02:12
So what kindtür of historicaltarihi mechanismmekanizma can produceüretmek that?
45
116904
2923
Nasıl bir tarihsel mekanizma bunu yaratabilir?
02:15
What's the originMenşei of this?
46
119827
2000
Bunun kaynağı nedir?
02:17
So SteveSteve and I, throughvasitasiyla mathematicalmatematiksel analysisanaliz,
47
121827
2265
Steve ve ben , matematiksel analizden yararlanarak,
02:19
proposeteklif etmek, önermek that there's actuallyaslında a very simplebasit phenomenonfenomen at the rootkök of this,
48
124092
4241
aslında bunun kökeninin beynimizdeki çok basit bir fenomen
02:24
whichhangi liesyalanlar in our brainsbeyin.
49
128333
1690
olduğunu düşündük.
02:25
This is a very well-knowniyi bilinen featureözellik
50
130023
2019
bu çok bilindik bir özellik
02:27
in whichhangi we perceivealgıladıkları quantitiesmiktarları in relativebağıl waysyolları --
51
132042
2975
değerleri karşılaştırmalı olarak değerlendiririz
02:30
quantitiesmiktarları like the intensityyoğunluk of lightışık or the loudnessses gücü of a soundses.
52
135017
3716
ışığın yoğunluğu ya da sesin yüksekliği gibi
02:34
For instanceörnek, committingişlemekle 10,000 soldiersaskerler to the nextSonraki battlesavaş soundssesleri like a lot.
53
138733
5309
mesela bir savaşa 10.000 asker yollamak kulağınıza fazla gelebilir
02:39
It's relativelyNispeten enormousmuazzam if you've alreadyzaten committedtaahhüt 1,000 soldiersaskerler previouslyÖnceden.
54
144042
3444
eğer öncesinde savaşa 1.000 asker yollandıysa bu göreceli olarak korkunç bir sayıdır
02:43
But it doesn't soundses so much,
55
147486
1827
Ama zaten öncesinde savaşa 100.000 asker yollandıysa
02:45
it's not relativelyNispeten enoughyeterli, it won'talışkanlık make a differencefark
56
149313
3020
bu sayı fazla gelemeyecektir
02:48
if you've alreadyzaten committedtaahhüt 100,000 soldiersaskerler previouslyÖnceden.
57
152333
2952
hatta göreceli olarak yetersiz, fark yaratmayacak bir sayıdır.
02:51
So you see that because of the way we perceivealgıladıkları quantitiesmiktarları,
58
155285
3613
gördüğünüz gibi değerleri algı biçimimiz yüzünden
02:54
as the warsavaş dragssürükler on,
59
158898
1767
savaşlar devam ettikçe
02:56
the numbernumara of soldiersaskerler committedtaahhüt to it and the casualtieskayıplar
60
160665
3085
savaşa dahil olan asker sayısı ve ölen asker sayısı
02:59
will increaseartırmak not linearlydoğrusal --
61
163750
1683
sayıları artacaktır, hem de
03:01
like 10,000, 11,000, 12,000 --
62
165433
1888
10.000, 11.000, 12.000 gibi düz bir çizgide değil
03:03
but exponentiallykatlanarak -- 10,000, latersonra 20,000, latersonra 40,000.
63
167321
4275
katlanarak artacaktır. 10.00 sonra 20.000, sonra 40.000
03:07
And so that explainsaçıklar this patternmodel that we'vebiz ettik seengörüldü before.
64
171596
3085
bu da daha önceden bildiğimiz durumu açıklıyor.
03:10
So here mathematicsmatematik is ableyapabilmek to linkbağlantı a well-knowniyi bilinen featureözellik of the individualbireysel mindus
65
174681
5498
yani aslında matematik bireysel olarak zihnimizde bulunan bir özelliği
03:16
with a long-termuzun vadeli historicaltarihi patternmodel
66
180179
2989
yuzyıllar boyunca kıtalar arası düzeydeki uzun dönem
03:19
that unfoldsizlerken over centuriesyüzyıllar and acrosskarşısında continentskıtalar.
67
183168
2857
tarihsel desenleri ortaya döküyor.
03:21
So these typestürleri of examplesörnekler, todaybugün there are just a fewaz of them,
68
186025
4017
bugün burda verdiklerimiz bu açıklamalardan sadece birkaç tanesi
03:25
but I think in the nextSonraki decadeonyıl they will becomeolmak commonplaceolağan.
69
190042
2689
ama önümüzdeki on yıl içinde bunların daha sık kullanılır olacağını düşünüyorum.
03:28
The reasonneden for that is that the historicaltarihi recordkayıt
70
192731
2392
bunun sebebi tarihsel kayıtların büyük bir hızla
03:31
is becomingolma digitizedsayısallaştırılmış at a very fasthızlı pacehız.
71
195123
2460
dijital ortama geçiyor olması.
03:33
So there's about 130 millionmilyon bookskitaplar
72
197583
2610
Tarihin başlangıcından beri yazılmış yaklaşık
03:36
that have been writtenyazılı sincedan beri the dawnşafak of time.
73
200193
2311
olara 130 Milyon kitap bulunuyor.
03:38
CompaniesŞirketler like GoogleGoogle have digitizedsayısallaştırılmış manyçok of them --
74
202504
2454
Google gibi şirketler bunların bir çoğunu dijital ortama aktardı
03:40
aboveyukarıdaki 20 millionmilyon actuallyaslında.
75
204958
1584
aslında 20 milyondan fazlasını
03:42
And when the stuffşey of historytarih is availablemevcut in digitaldijital formform,
76
206542
3578
ve tarihsel bilgiler dijital ortamda erişilir oldukça
03:46
it makesmarkaları it possiblemümkün for a mathematicalmatematiksel analysisanaliz
77
210120
2380
tarihimizdeki ve kültürümüzdeki yönelimleri
03:48
to very quicklyhızlı bir şekilde and very convenientlyelverişli
78
212500
2375
matematiksel olarak analiz etmemiz de
03:50
reviewgözden geçirmek trendseğilimler in our historytarih and our culturekültür.
79
214875
2725
hızlıca ve rahatlıkla mümkün oluyor
03:53
So I think in the nextSonraki decadeonyıl,
80
217600
2721
bence önümüzdeki onyılda
03:56
the sciencesbilimler and the humanitiesbeşeri bilimler will come closeryakın togetherbirlikte
81
220321
2750
pozitif bilimler ve beşeri bilimler insanlık hakkındaki daha
03:58
to be ableyapabilmek to answerCevap deepderin questionssorular about mankindinsanlık.
82
223071
3329
derin sorulara cevap bulabilmek için birbirine yaklaşacak.
04:02
And I think that mathematicsmatematik will be a very powerfulgüçlü languagedil to do that.
83
226400
4121
ve matematik de bunun yapılmasını sağlayan önemli bir dil olacak.
04:06
It will be ableyapabilmek to revealortaya çıkartmak newyeni trendseğilimler in our historytarih,
84
230521
3146
tarihimizdeki yeni yönelimleri ortaya koyabilecek
04:09
sometimesara sıra to explainaçıklamak them,
85
233667
1750
bazen bunları açıklayacak
04:11
and maybe even in the futuregelecek to predicttahmin what's going to happenolmak.
86
235417
3306
hatta bazen gelecekte olacaklar hakkında öngörülerde bulunacak
04:14
Thank you very much.
87
238723
1491
Çok teşekkür ederim.
04:16
(ApplauseAlkış)
88
240214
3678
(Alkışlar)
Translated by mehmet can YILDIRIM
Reviewed by Aysel SÜS

▲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