TEDxBoston 2011
Jean-Baptiste Michel + Erez Lieberman Aiden: What we learned from 5 million books
Was wir von 5 Millionen Büchern gelernt haben
Filmed:
Readability: 3.9
2,049,453 views
Hast du schon mit dem Google Labs Ngram Viewer gespielt? Es ist ein süchtig machendes Tool, das dich nach Worten und Ideen in einer Datenbank von 5 Millionen Büchern suchen lässt. Erez Lieberman Aiden und Jean-Baptiste Michel zeigen uns wie es funktioniert, und auch ein paar überraschende Sachen, die wir von 500 Milliarden Worten lernen können.
Jean-Baptiste Michel - Data researcher
Jean-Baptiste Michel looks at how we can use large volumes of data to better understand our world. Full bioErez Lieberman Aiden - Researcher
Erez Lieberman Aiden pursues a broad range of research interests, spanning genomics, linguistics, mathematics ... Full bio
Jean-Baptiste Michel looks at how we can use large volumes of data to better understand our world. Full bioErez Lieberman Aiden - Researcher
Erez Lieberman Aiden pursues a broad range of research interests, spanning genomics, linguistics, mathematics ... Full bio
Double-click the English transcript below to play the video.
00:15
Erez Lieberman Aiden: Everyone knows
0
0
2000
Erez Lieberman Aiden: Jeder weiß,
00:17
that a picture is worth a thousand words.
1
2000
3000
dass ein Bild mehr als tausend Worte sagt.
00:22
But we at Harvard
2
7000
2000
Aber wir in Harvard
00:24
were wondering if this was really true.
3
9000
3000
haben uns gefragt, ob das wirklich stimmt.
00:27
(Laughter)
4
12000
2000
(Gelächter)
00:29
So we assembled a team of experts,
5
14000
4000
Also haben wir ein Team von Experten versammelt
00:33
spanning Harvard, MIT,
6
18000
2000
aus Harvard, dem MIT,
00:35
The American Heritage Dictionary, The Encyclopedia Britannica
7
20000
3000
vom American Heritage Dictionary, der Encyclopedia Britannica
00:38
and even our proud sponsors,
8
23000
2000
und sogar unserem stolzen Sponsor,
00:40
the Google.
9
25000
3000
dem Google.
00:43
And we cogitated about this
10
28000
2000
Darüber haben wir
00:45
for about four years.
11
30000
2000
ungefähr vier Jahre lang gegrübelt.
00:47
And we came to a startling conclusion.
12
32000
5000
Und wir sind zu einem überraschenden Ergebnis gekommen.
00:52
Ladies and gentlemen, a picture is not worth a thousand words.
13
37000
3000
Meine Damen und Herren, ein Bild sagt nicht mehr als tausend Worte.
00:55
In fact, we found some pictures
14
40000
2000
In Wahrheit haben wir Bilder gefunden,
00:57
that are worth 500 billion words.
15
42000
5000
die mehr als 500 Milliarden Worte sagen.
01:02
Jean-Baptiste Michel: So how did we get to this conclusion?
16
47000
2000
Jean-Baptiste Michel: Wie sind wir zu diesem Ergebnis gekommen?
01:04
So Erez and I were thinking about ways
17
49000
2000
Erez und ich haben uns Wege überlegt
01:06
to get a big picture of human culture
18
51000
2000
wie wir ein Gesamtbild der menschlichen Kultur
01:08
and human history: change over time.
19
53000
3000
und Geschichte erzeugen können: Veränderung im Lauf der Zeit.
01:11
So many books actually have been written over the years.
20
56000
2000
Über die Jahre wurden so viele Bücher geschrieben.
01:13
So we were thinking, well the best way to learn from them
21
58000
2000
Also haben wir uns gedacht, der beste Weg von ihnen zu lernen,
01:15
is to read all of these millions of books.
22
60000
2000
sei all diese Millionen Bücher zu lesen.
01:17
Now of course, if there's a scale for how awesome that is,
23
62000
3000
Wenn es ein Maß dafür gäbe wie toll das ist,
01:20
that has to rank extremely, extremely high.
24
65000
3000
wäre dieses sehr, sehr hoch.
01:23
Now the problem is there's an X-axis for that,
25
68000
2000
Das Problem dabei ist, es gibt auch eine X-Achse,
01:25
which is the practical axis.
26
70000
2000
die praktische Achse.
01:27
This is very, very low.
27
72000
2000
Die wäre sehr, sehr niedrig.
01:29
(Applause)
28
74000
3000
(Applaus)
01:32
Now people tend to use an alternative approach,
29
77000
3000
Eine Alternative wäre stattdessen
01:35
which is to take a few sources and read them very carefully.
30
80000
2000
nur ein paar Quellen zu nehmen und diese sehr genau zu lesen.
01:37
This is extremely practical, but not so awesome.
31
82000
2000
Das ist extrem praktisch, aber weniger toll.
01:39
What you really want to do
32
84000
3000
Was man wirklich machen will,
01:42
is to get to the awesome yet practical part of this space.
33
87000
3000
ist das Tolle und das Praktische zu verbinden.
01:45
So it turns out there was a company across the river called Google
34
90000
3000
Es stellte sich heraus, dass es auf der anderen Seite des Flusses eine Firma gab, Google,
01:48
who had started a digitization project a few years back
35
93000
2000
die vor ein paar Jahren ein Digitalisierungsprojekt startete,
01:50
that might just enable this approach.
36
95000
2000
das genau diese Herangehensweise ermöglichen könnte.
01:52
They have digitized millions of books.
37
97000
2000
Sie haben Millionen Bücher digitalisiert.
01:54
So what that means is, one could use computational methods
38
99000
3000
Das bedeutet, dass man am Computer
01:57
to read all of the books in a click of a button.
39
102000
2000
diese ganzen Bücher auf Knopfdruck lesen kann.
01:59
That's very practical and extremely awesome.
40
104000
3000
Das ist sehr praktisch und extrem toll.
02:03
ELA: Let me tell you a little bit about where books come from.
41
108000
2000
ELA: Lasst mich also ein bisschen über den Ursprung von Büchern erzählen.
02:05
Since time immemorial, there have been authors.
42
110000
3000
Seit Urzeiten gibt es Autoren.
02:08
These authors have been striving to write books.
43
113000
3000
Sie strebten danach Bücher zu schreiben.
02:11
And this became considerably easier
44
116000
2000
Dies wurde mit der Erfindung
02:13
with the development of the printing press some centuries ago.
45
118000
2000
der Druckerpresse vor einigen Jahrhunderten deutlich einfacher.
02:15
Since then, the authors have won
46
120000
3000
Seither haben Autoren es
02:18
on 129 million distinct occasions,
47
123000
2000
129 Millionen Mal geschafft Bücher
02:20
publishing books.
48
125000
2000
zu veröffentlichen.
02:22
Now if those books are not lost to history,
49
127000
2000
Wenn diese Bücher nicht im Laufe der Geschichte
02:24
then they are somewhere in a library,
50
129000
2000
verloren gegangen sind, stehen sie
02:26
and many of those books have been getting retrieved from the libraries
51
131000
3000
in irgendeiner Bibliothek, und viele dieser Bücher wurden von Google
02:29
and digitized by Google,
52
134000
2000
erfasst und digitalisiert,
02:31
which has scanned 15 million books to date.
53
136000
2000
die bis heute 15 Millionen Bücher gescannt haben.
02:33
Now when Google digitizes a book, they put it into a really nice format.
54
138000
3000
Wenn Google ein Buch digitalisiert, bringen sie es in ein sehr schönes Format.
02:36
Now we've got the data, plus we have metadata.
55
141000
2000
Nun haben wir die Daten, und außerdem Metadaten.
02:38
We have information about things like where was it published,
56
143000
3000
Wir haben Informationen wie wo es verlegt wurde,
02:41
who was the author, when was it published.
57
146000
2000
wer der Autor war und wann es veröffentlicht wurde.
02:43
And what we do is go through all of those records
58
148000
3000
Wir gehen dann durch all diese Daten
02:46
and exclude everything that's not the highest quality data.
59
151000
4000
und schließen alles aus was nicht von höchster Qualität ist.
02:50
What we're left with
60
155000
2000
Was übrig bleibt
02:52
is a collection of five million books,
61
157000
3000
sind 5 Millionen Bücher,
02:55
500 billion words,
62
160000
3000
500 Milliarden Wörter,
02:58
a string of characters a thousand times longer
63
163000
2000
eine Reihe von Buchstaben eintausendmal so lang
03:00
than the human genome --
64
165000
3000
wie das menschliche Genom --
03:03
a text which, when written out,
65
168000
2000
wenn man ihn ausschreiben würde,
03:05
would stretch from here to the Moon and back
66
170000
2000
reichte dieser Text zehn Mal bis zum Mond
03:07
10 times over --
67
172000
2000
und zurück --
03:09
a veritable shard of our cultural genome.
68
174000
4000
ein beachtlicher Teil unseres kulturellen Genoms.
03:13
Of course what we did
69
178000
2000
Natürlich haben wir,
03:15
when faced with such outrageous hyperbole ...
70
180000
3000
konfrontiert mit einer solch unverschämten Übertreibung ...
03:18
(Laughter)
71
183000
2000
(Gelächter)
03:20
was what any self-respecting researchers
72
185000
3000
das getan, was jeder anständige Forscher
03:23
would have done.
73
188000
3000
getan hätte.
03:26
We took a page out of XKCD,
74
191000
2000
Wir haben uns etwas bei dem Online-Comic XKDC abgeschaut
03:28
and we said, "Stand back.
75
193000
2000
und gesagt: „Vorsicht!
03:30
We're going to try science."
76
195000
2000
Wir versuchen es mit Wissenschaft.“
03:32
(Laughter)
77
197000
2000
(Gelächter)
03:34
JM: Now of course, we were thinking,
78
199000
2000
JM: Zuerst haben wir uns selbstverständlich gedacht,
03:36
well let's just first put the data out there
79
201000
2000
veröffentlichen wir einfach die Daten,
03:38
for people to do science to it.
80
203000
2000
so dass Wissenschaft damit betrieben werden kann.
03:40
Now we're thinking, what data can we release?
81
205000
2000
Jetzt fragen wir uns aber, welche Daten können wir veröffentlichen?
03:42
Well of course, you want to take the books
82
207000
2000
Natürlich will man alle 5 Millionen Bücher
03:44
and release the full text of these five million books.
83
209000
2000
im Volltext veröffentlichen.
03:46
Now Google, and Jon Orwant in particular,
84
211000
2000
Google allerdings, und vor allem Jon Orwant,
03:48
told us a little equation that we should learn.
85
213000
2000
haben uns eine kleine Gleichung vermittelt.
03:50
So you have five million, that is, five million authors
86
215000
3000
Man hat also 5 Millionen Bücher, das heißt 5 Millionen Autoren,
03:53
and five million plaintiffs is a massive lawsuit.
87
218000
3000
5 Millionen Kläger und einen gewaltigen Prozess.
03:56
So, although that would be really, really awesome,
88
221000
2000
Daher wäre dies, obwohl sehr, sehr toll,
03:58
again, that's extremely, extremely impractical.
89
223000
3000
wieder sehr, sehr unpraktisch.
04:01
(Laughter)
90
226000
2000
(Gelächter)
04:03
Now again, we kind of caved in,
91
228000
2000
Nochmal haben wir ein bisschen nachgegeben
04:05
and we did the very practical approach, which was a bit less awesome.
92
230000
3000
und haben das Praktische gemacht, das jedoch weniger toll war.
04:08
We said, well instead of releasing the full text,
93
233000
2000
Wir haben uns entschieden, dass wir statt der Volltexte
04:10
we're going to release statistics about the books.
94
235000
2000
Statistiken über die Bücher veröffentlichen.
04:12
So take for instance "A gleam of happiness."
95
237000
2000
Nehmen wir zum Beispiel „A gleam of happiness“.
04:14
It's four words; we call that a four-gram.
96
239000
2000
Das sind vier Wörter; das nennen wir ein Viergramm.
04:16
We're going to tell you how many times a particular four-gram
97
241000
2000
Wir sagen euch wie oft ein bestimmtes Viergramm
04:18
appeared in books in 1801, 1802, 1803,
98
243000
2000
in Büchern in den Jahren 1801, 1802, 1803,
04:20
all the way up to 2008.
99
245000
2000
bis 2008 auftaucht.
04:22
That gives us a time series
100
247000
2000
Wir bekommen eine Zeitfolge,
04:24
of how frequently this particular sentence was used over time.
101
249000
2000
die zeigt, wie oft dieser bestimmte Satz im Laufe der Zeit benutzt wurde.
04:26
We do that for all the words and phrases that appear in those books,
102
251000
3000
Das machen wir für alle Wörter und Sätze, die in diesen Büchern auftauchen,
04:29
and that gives us a big table of two billion lines
103
254000
3000
und daher haben wir eine große Tabelle mit zwei Milliarden Sätzen,
04:32
that tell us about the way culture has been changing.
104
257000
2000
die uns etwas über die Veränderung der Kultur erzählen.
04:34
ELA: So those two billion lines,
105
259000
2000
ELA: Also diese zwei Milliarden Sätze,
04:36
we call them two billion n-grams.
106
261000
2000
die nennen wir zwei Milliarden Ngramme.
04:38
What do they tell us?
107
263000
2000
Was sagen sie aus?
04:40
Well the individual n-grams measure cultural trends.
108
265000
2000
Die individuellen Ngramme messen kulturelle Trends.
04:42
Let me give you an example.
109
267000
2000
Ich gebe euch ein Beispiel.
04:44
Let's suppose that I am thriving,
110
269000
2000
Sagen wir, dass ich Erfolg habe („thriving“),
04:46
then tomorrow I want to tell you about how well I did.
111
271000
2000
und morgen will ich dir sagen wie viel Erfolg ich gehabt habe.
04:48
And so I might say, "Yesterday, I throve."
112
273000
3000
Also sage ich vielleicht: „Gestern ‚throve’ ich“.
04:51
Alternatively, I could say, "Yesterday, I thrived."
113
276000
3000
Auf andere Weise könnte ich auch sagen: „Gestern ‚thrived’ ich“.
04:54
Well which one should I use?
114
279000
3000
Welches soll ich denn jetzt benutzen?
04:57
How to know?
115
282000
2000
Wie kann ich das wissen?
04:59
As of about six months ago,
116
284000
2000
Bis vor ungefähr sechs Monaten
05:01
the state of the art in this field
117
286000
2000
war der Stand der Technik in diesem Bereich,
05:03
is that you would, for instance,
118
288000
2000
dass man zum folgenden Psychologen
05:05
go up to the following psychologist with fabulous hair,
119
290000
2000
mit fantastischen Haaren geht
05:07
and you'd say,
120
292000
2000
und ihn fragt:
05:09
"Steve, you're an expert on the irregular verbs.
121
294000
3000
„Steve, Sie sind ein Experte der unregelmäßigen Verben.
05:12
What should I do?"
122
297000
2000
Was soll ich sagen?“
05:14
And he'd tell you, "Well most people say thrived,
123
299000
2000
Und er würde sagen: „Naja, die meisten Leute sagen ‚thrived’,
05:16
but some people say throve."
124
301000
3000
aber manche Leute sagen ‚throve’“.
05:19
And you also knew, more or less,
125
304000
2000
Und man wusste auch, mehr oder weniger,
05:21
that if you were to go back in time 200 years
126
306000
3000
dass wenn man 200 Jahre in die Vergangenheit reist
05:24
and ask the following statesman with equally fabulous hair,
127
309000
3000
und den folgenden Staatsmann mit genauso fantastischen Haaren fragt:
05:27
(Laughter)
128
312000
3000
(Gelächter)
05:30
"Tom, what should I say?"
129
315000
2000
„Tom, was soll ich sagen?“
05:32
He'd say, "Well, in my day, most people throve,
130
317000
2000
Er würde sagen: „Naja, zu meiner Zeit sagten die meisten ‚throve’,
05:34
but some thrived."
131
319000
3000
aber manche ‚thrived’“.
05:37
So now what I'm just going to show you is raw data.
132
322000
2000
Was ich euch hier zeige sind die Rohdaten.
05:39
Two rows from this table of two billion entries.
133
324000
4000
Zwei Reihen aus dieser Tabelle mit zwei Milliarden Einträgen.
05:43
What you're seeing is year by year frequency
134
328000
2000
Was ihr seht ist die jährliche Häufigkeit
05:45
of "thrived" and "throve" over time.
135
330000
3000
von „thrived“ und „throve“ im Laufe der Zeit.
05:49
Now this is just two
136
334000
2000
Doch dies sind nur zwei
05:51
out of two billion rows.
137
336000
3000
von zwei Milliarden Reihen.
05:54
So the entire data set
138
339000
2000
Die ganze Datenmenge
05:56
is a billion times more awesome than this slide.
139
341000
3000
ist also eine Milliarde Mal so toll wie diese Folie.
05:59
(Laughter)
140
344000
2000
(Gelächter)
06:01
(Applause)
141
346000
4000
(Applaus)
06:05
JM: Now there are many other pictures that are worth 500 billion words.
142
350000
2000
JM: Es gibt noch viele andere Bilder, die mehr als 500 Milliarden Wörter sagen.
06:07
For instance, this one.
143
352000
2000
Zum Beispiel dieses.
06:09
If you just take influenza,
144
354000
2000
Wenn man „influenza“ eingibt,
06:11
you will see peaks at the time where you knew
145
356000
2000
sieht man Hochpunkte an Stellen von denen man weiß,
06:13
big flu epidemics were killing people around the globe.
146
358000
3000
dass große Grippeepidemien Menschen in der ganzen Welt töteten.
06:16
ELA: If you were not yet convinced,
147
361000
3000
ELA: Wenn du noch nicht überzeugt bist,
06:19
sea levels are rising,
148
364000
2000
der Meeresspiegel steigt an,
06:21
so is atmospheric CO2 and global temperature.
149
366000
3000
genauso wie atmosphärisches CO2 und die globale Temperatur.
06:24
JM: You might also want to have a look at this particular n-gram,
150
369000
3000
JM: Schauen wir uns auch dieses Ngramm an,
06:27
and that's to tell Nietzsche that God is not dead,
151
372000
3000
um Nietzsche sagen zu können, dass Gott doch nicht tot ist,
06:30
although you might agree that he might need a better publicist.
152
375000
3000
obwohl ihr vielleicht auch der Meinung seid, dass er einen besseren Publizist braucht.
06:33
(Laughter)
153
378000
2000
(Gelächter)
06:35
ELA: You can get at some pretty abstract concepts with this sort of thing.
154
380000
3000
ELA: Hiermit kann man ziemlich abstrakte Konzepte ableiten.
06:38
For instance, let me tell you the history
155
383000
2000
Lasst mich zum Beispiel die Geschichte
06:40
of the year 1950.
156
385000
2000
des Jahres 1950 erzählen.
06:42
Pretty much for the vast majority of history,
157
387000
2000
Für den größten Teil der Geschichte
06:44
no one gave a damn about 1950.
158
389000
2000
war 1950 allen scheißegal.
06:46
In 1700, in 1800, in 1900,
159
391000
2000
In den Jahren 1700, 1800, 1900,
06:48
no one cared.
160
393000
3000
war es allen egal.
06:52
Through the 30s and 40s,
161
397000
2000
In den 30ern und 40ern,
06:54
no one cared.
162
399000
2000
war es allen egal.
06:56
Suddenly, in the mid-40s,
163
401000
2000
Plötzlich, mitten in den 40ern,
06:58
there started to be a buzz.
164
403000
2000
wurde jeder aufgeregt.
07:00
People realized that 1950 was going to happen,
165
405000
2000
Es wurde erkannt, dass 1950 kommen würde und,
07:02
and it could be big.
166
407000
2000
dass es etwas Großes sein könnte.
07:04
(Laughter)
167
409000
3000
(Gelächter)
07:07
But nothing got people interested in 1950
168
412000
3000
Aber nichts hat solches Interesse an 1950 erzeugt,
07:10
like the year 1950.
169
415000
3000
wie das Jahr 1950.
07:13
(Laughter)
170
418000
3000
(Gelächter)
07:16
People were walking around obsessed.
171
421000
2000
Die Leute waren besessen.
07:18
They couldn't stop talking
172
423000
2000
Sie konnten nicht aufhören
07:20
about all the things they did in 1950,
173
425000
3000
über all die Sachen zu reden, die sie in 1950 gemacht hatten,
07:23
all the things they were planning to do in 1950,
174
428000
3000
in 1950 machen wollten,
07:26
all the dreams of what they wanted to accomplish in 1950.
175
431000
5000
die ganzen Träume, die sie in 1950 verwirklichen wollten.
07:31
In fact, 1950 was so fascinating
176
436000
2000
1950 war sogar so faszinierend,
07:33
that for years thereafter,
177
438000
2000
dass noch Jahre danach
07:35
people just kept talking about all the amazing things that happened,
178
440000
3000
über die fantastischen Sachen geredet wurde, die sich ereigneten,
07:38
in '51, '52, '53.
179
443000
2000
in den Jahren ’51, ’52, ’53.
07:40
Finally in 1954,
180
445000
2000
Endlich in 1954
07:42
someone woke up and realized
181
447000
2000
wachte jemand auf und merkte,
07:44
that 1950 had gotten somewhat passé.
182
449000
4000
dass 1950 nun passé sei.
07:48
(Laughter)
183
453000
2000
(Gelächter)
07:50
And just like that, the bubble burst.
184
455000
2000
Und so einfach zerplatzte die Blase.
07:52
(Laughter)
185
457000
2000
(Gelächter)
07:54
And the story of 1950
186
459000
2000
Und die Geschichte von 1950
07:56
is the story of every year that we have on record,
187
461000
2000
ist die Geschichte von jedem aufgezeichneten Jahr,
07:58
with a little twist, because now we've got these nice charts.
188
463000
3000
mit einer kleinen Wende, denn jetzt wir haben diese schönen Grafiken.
08:01
And because we have these nice charts, we can measure things.
189
466000
3000
Und weil wir diese schönen Grafiken haben, können wir Dinge messen.
08:04
We can say, "Well how fast does the bubble burst?"
190
469000
2000
Wir können sagen: „Na, wie schnell zerplatzt denn die Blase?“
08:06
And it turns out that we can measure that very precisely.
191
471000
3000
Und wir haben herausgefunden, dass wir das sehr genau messen können.
08:09
Equations were derived, graphs were produced,
192
474000
3000
Gleichungen wurden hergeleitet, Graphen wurden erzeugt,
08:12
and the net result
193
477000
2000
und das Endergebnis
08:14
is that we find that the bubble bursts faster and faster
194
479000
3000
zeigt uns, dass die Blasen mit jedem Jahr
08:17
with each passing year.
195
482000
2000
schneller und schneller zerplatzen.
08:19
We are losing interest in the past more rapidly.
196
484000
5000
Wir verlieren schneller unser Interesse an der Vergangenheit.
08:24
JM: Now a little piece of career advice.
197
489000
2000
JM: Ein kleiner Karrieretip.
08:26
So for those of you who seek to be famous,
198
491000
2000
Für diejenigen von euch die berühmt werden wollen,
08:28
we can learn from the 25 most famous political figures,
199
493000
2000
können wir von den 25 berühmtesten Politikern,
08:30
authors, actors and so on.
200
495000
2000
Autoren, Schauspielern usw. lernen.
08:32
So if you want to become famous early on, you should be an actor,
201
497000
3000
Also wenn du früh berühmt werden willst, solltest du Schauspieler werden,
08:35
because then fame starts rising by the end of your 20s --
202
500000
2000
weil die Berühmtheit dann gegen Ende deiner 20er kommt -
08:37
you're still young, it's really great.
203
502000
2000
du bist noch jung, es ist wirklich großartig.
08:39
Now if you can wait a little bit, you should be an author,
204
504000
2000
Wenn du aber ein bisschen warten kannst, solltest du Autor werden,
08:41
because then you rise to very great heights,
205
506000
2000
weil du dann sehr große Höhen erreichst,
08:43
like Mark Twain, for instance: extremely famous.
206
508000
2000
wie zum Beispiel Mark Twain: extrem berühmt.
08:45
But if you want to reach the very top,
207
510000
2000
Aber wenn du den Gipfel erreichen willst,
08:47
you should delay gratification
208
512000
2000
solltest du deinen Erfolg verschieben
08:49
and, of course, become a politician.
209
514000
2000
und natürlich Politiker werden.
08:51
So here you will become famous by the end of your 50s,
210
516000
2000
Damit wird man gegen Ende seiner 50er berühmt,
08:53
and become very, very famous afterward.
211
518000
2000
und nachher sehr, sehr berühmt.
08:55
So scientists also tend to get famous when they're much older.
212
520000
3000
Wissenschaftler werden häufig auch erst berühmt wenn sie älter sind.
08:58
Like for instance, biologists and physics
213
523000
2000
Zum Beispiel, Biologen und Physiker
09:00
tend to be almost as famous as actors.
214
525000
2000
werden oft fast so berühmt wie Schauspieler.
09:02
One mistake you should not do is become a mathematician.
215
527000
3000
Einen Fehler den du aber vermeiden solltest, ist Mathematiker zu werden.
09:05
(Laughter)
216
530000
2000
(Gelächter)
09:07
If you do that,
217
532000
2000
Wenn du das machst,
09:09
you might think, "Oh great. I'm going to do my best work when I'm in my 20s."
218
534000
3000
denkst du dir: „Genial! Ich mache meine beste Arbeit in meinen 20ern“.
09:12
But guess what, nobody will really care.
219
537000
2000
Aber stelle dir vor, es wird sich keiner interessieren.
09:14
(Laughter)
220
539000
3000
(Gelächter)
09:17
ELA: There are more sobering notes
221
542000
2000
ELA: Es gibt auch ernüchterndere Seiten
09:19
among the n-grams.
222
544000
2000
der Ngramme.
09:21
For instance, here's the trajectory of Marc Chagall,
223
546000
2000
Zum Beispiel, hier ist die Kurve von Marc Chagall,
09:23
an artist born in 1887.
224
548000
2000
ein 1887 geborener Künstler.
09:25
And this looks like the normal trajectory of a famous person.
225
550000
3000
Die Kurve verläuft normal für eine berühmte Person.
09:28
He gets more and more and more famous,
226
553000
4000
Er wird berühmter und berühmter,
09:32
except if you look in German.
227
557000
2000
außer wenn man auf Deutsch sucht.
09:34
If you look in German, you see something completely bizarre,
228
559000
2000
Wenn man im Deutschen sucht, sieht man etwas sehr Bizarres,
09:36
something you pretty much never see,
229
561000
2000
etwas was man fast nie sieht.
09:38
which is he becomes extremely famous
230
563000
2000
Er wird extrem berühmt
09:40
and then all of a sudden plummets,
231
565000
2000
und stürzt dann auf einmal
09:42
going through a nadir between 1933 and 1945,
232
567000
3000
zwischen 1933 und 1945 bis zum Tiefpunkt
09:45
before rebounding afterward.
233
570000
3000
und erholt sich nachher wieder.
09:48
And of course, what we're seeing
234
573000
2000
Was wir hier natürlich sehen ist,
09:50
is the fact Marc Chagall was a Jewish artist
235
575000
3000
dass Marc Chagall ein jüdischer Künstler
09:53
in Nazi Germany.
236
578000
2000
in Nazi-Deutschland war.
09:55
Now these signals
237
580000
2000
Diese Zeichen
09:57
are actually so strong
238
582000
2000
sind tatsächlich so stark,
09:59
that we don't need to know that someone was censored.
239
584000
3000
dass wir gar nicht wissen müssen, dass jemand zensiert wurde.
10:02
We can actually figure it out
240
587000
2000
Wir können es durch ganz elementare
10:04
using really basic signal processing.
241
589000
2000
Datenverarbeitung herausfinden.
10:06
Here's a simple way to do it.
242
591000
2000
Hier ist eine einfache Methode dafür.
10:08
Well, a reasonable expectation
243
593000
2000
Eine sinnvolle Erwartung wäre,
10:10
is that somebody's fame in a given period of time
244
595000
2000
dass Berühmtheit in einer bestimmten Zeitspanne
10:12
should be roughly the average of their fame before
245
597000
2000
ungefähr gleich dem Durchschnitt der Berühmtheit vorher
10:14
and their fame after.
246
599000
2000
und dem nachher ist.
10:16
So that's sort of what we expect.
247
601000
2000
Das ist also mehr oder weniger was wir erwarten.
10:18
And we compare that to the fame that we observe.
248
603000
3000
Und dies vergleichen wir mit der beobachtbaren Berühmtheit.
10:21
And we just divide one by the other
249
606000
2000
Und wir dividieren halt das Eine durch das Andere,
10:23
to produce something we call a suppression index.
250
608000
2000
um einen sogenannten Unterdrückungsindex zu erzeugen.
10:25
If the suppression index is very, very, very small,
251
610000
3000
Wenn dieser Unterdrückungsindex sehr, sehr, sehr klein ist,
10:28
then you very well might be being suppressed.
252
613000
2000
dann kann es gut sein, dass du unterdrückt wirst.
10:30
If it's very large, maybe you're benefiting from propaganda.
253
615000
3000
Wenn es sehr groß ist, dann profitierst du vielleicht von Propaganda.
10:34
JM: Now you can actually look at
254
619000
2000
JM: Man kann sich tatsächlich
10:36
the distribution of suppression indexes over whole populations.
255
621000
3000
die Verteilung von Unterdrückungsindizes ganzer Populationen ansehen.
10:39
So for instance, here --
256
624000
2000
Wie hier zum Beispiel -
10:41
this suppression index is for 5,000 people
257
626000
2000
dieser Unterdrückungsindex ist für 5.000 Menschen
10:43
picked in English books where there's no known suppression --
258
628000
2000
aus englischen Büchern, für die es keine bekannte Unterdrückung gibt.
10:45
it would be like this, basically tightly centered on one.
259
630000
2000
Es sähe dann so aus, ziemlich genau eins.
10:47
What you expect is basically what you observe.
260
632000
2000
Was man erwartet ist im Grunde das, was man beobachtet.
10:49
This is distribution as seen in Germany --
261
634000
2000
Dies ist die Verteilung in Deutschland -
10:51
very different, it's shifted to the left.
262
636000
2000
sehr anders, nach links verschoben.
10:53
People talked about it twice less as it should have been.
263
638000
3000
Darüber wurde zweimal weniger gesprochen als zu erwarten wäre.
10:56
But much more importantly, the distribution is much wider.
264
641000
2000
Aber viel wichtiger ist, dass die Verteilung viel breiter ist.
10:58
There are many people who end up on the far left on this distribution
265
643000
3000
Es gibt viele Leute, die am ganz linken Rand dieser Verteilung sind,
11:01
who are talked about 10 times fewer than they should have been.
266
646000
3000
von denen zehnmal weniger gesprochen wurde als erwartet.
11:04
But then also many people on the far right
267
649000
2000
Aber außerdem viele ganz rechts,
11:06
who seem to benefit from propaganda.
268
651000
2000
die anscheinend von Propaganda profitiert haben.
11:08
This picture is the hallmark of censorship in the book record.
269
653000
3000
Dies ist das typische Bild der Zensur in literarischen Aufzeichnungen.
11:11
ELA: So culturomics
270
656000
2000
ELA: Kulturomik
11:13
is what we call this method.
271
658000
2000
nennen wir diese Methode.
11:15
It's kind of like genomics.
272
660000
2000
Es ist ungefähr wie Genomik.
11:17
Except genomics is a lens on biology
273
662000
2000
Doch Genomik ist mehr oder weniger ein Blick auf Biologie
11:19
through the window of the sequence of bases in the human genome.
274
664000
3000
durch das Fenster der Sequenzen der Basen im menschlichen Genom.
11:22
Culturomics is similar.
275
667000
2000
Kulturomik ist so ähnlich.
11:24
It's the application of massive-scale data collection analysis
276
669000
3000
Sie ist die Anwendungsanalyse einer Massendatensammlung
11:27
to the study of human culture.
277
672000
2000
auf die Erforschung der menschlichen Kultur.
11:29
Here, instead of through the lens of a genome,
278
674000
2000
Hier blickt man, statt durch das Genom,
11:31
through the lens of digitized pieces of the historical record.
279
676000
3000
durch digitalisierte Stücke der historischen Aufzeichnungen.
11:34
The great thing about culturomics
280
679000
2000
Das Großartige an Kulturomik ist,
11:36
is that everyone can do it.
281
681000
2000
dass es jeder machen kann.
11:38
Why can everyone do it?
282
683000
2000
Warum kann es jeder machen?
11:40
Everyone can do it because three guys,
283
685000
2000
Jeder kann es machen, weil drei Typen von Google,
11:42
Jon Orwant, Matt Gray and Will Brockman over at Google,
284
687000
3000
Jon Orwant, Matt Gray und Will Brockman
11:45
saw the prototype of the Ngram Viewer,
285
690000
2000
den Prototyp des Ngram Viewers sahen
11:47
and they said, "This is so fun.
286
692000
2000
und sagten: „Das ist so ein Spaß.
11:49
We have to make this available for people."
287
694000
3000
Dies müssen wir allen zugänglich machen.“
11:52
So in two weeks flat -- the two weeks before our paper came out --
288
697000
2000
Und innerhalb von zwei Wochen - genau bevor unser Artikel erschienen ist -
11:54
they coded up a version of the Ngram Viewer for the general public.
289
699000
3000
haben sie eine öffentliche Version des Ngram Viewers programmiert.
11:57
And so you too can type in any word or phrase that you're interested in
290
702000
3000
Und jetzt kannst du auch irgendein interessantes Wort oder Redewendung eingeben
12:00
and see its n-gram immediately --
291
705000
2000
und sofort das Ngram davon sehen -
12:02
also browse examples of all the various books
292
707000
2000
und auch Beispiele der ganzen verschiedenen Bücher,
12:04
in which your n-gram appears.
293
709000
2000
in denen dein Ngram auftaucht, durchsuchen.
12:06
JM: Now this was used over a million times on the first day,
294
711000
2000
JM: Dies wurde am ersten Tag über eine Million Mal genutzt,
12:08
and this is really the best of all the queries.
295
713000
2000
und das ist wirklich die beste aller Suchanfragen.
12:10
So people want to be their best, put their best foot forward.
296
715000
3000
Leute wollen ihr Bestes geben, sich hervortun.
12:13
But it turns out in the 18th century, people didn't really care about that at all.
297
718000
3000
Aber es scheint, dass im 18. Jahrhundert das ziemlich egal war.
12:16
They didn't want to be their best, they wanted to be their beft.
298
721000
3000
Damals wollten sie nicht ihr Bestes geben, sondern ihr Beftes.
12:19
So what happened is, of course, this is just a mistake.
299
724000
3000
Was hier natürlich passiert ist, ist nur ein Fehler.
12:22
It's not that strove for mediocrity,
300
727000
2000
Es ist nicht, dass sie nach Mittelmäßigkeit strebten,
12:24
it's just that the S used to be written differently, kind of like an F.
301
729000
3000
sondern nur, dass das S früher anders geschrieben wurde, eher so wie ein F.
12:27
Now of course, Google didn't pick this up at the time,
302
732000
3000
Das hat Google anfangs natürlich nicht gemerkt,
12:30
so we reported this in the science article that we wrote.
303
735000
3000
also haben wir das in unserem wissenschaftlichen Artikel berichtet.
12:33
But it turns out this is just a reminder
304
738000
2000
Das soll nur als Erinnerung dienen,
12:35
that, although this is a lot of fun,
305
740000
2000
dass man, obwohl es Spaß macht,
12:37
when you interpret these graphs, you have to be very careful,
306
742000
2000
diese Graphen mit Vorsicht interpretieren muss,
12:39
and you have to adopt the base standards in the sciences.
307
744000
3000
und die Grundnormen der Wissenschaft anwendet.
12:42
ELA: People have been using this for all kinds of fun purposes.
308
747000
3000
ELA: Bisher ist es für viele lustige Zwecke genutzt worden.
12:45
(Laughter)
309
750000
7000
(Gelächter)
12:52
Actually, we're not going to have to talk,
310
757000
2000
Eigentlich müssen wir gar nicht reden,
12:54
we're just going to show you all the slides and remain silent.
311
759000
3000
wir zeigen euch einfach diese Folien und schweigen.
12:57
This person was interested in the history of frustration.
312
762000
3000
Diese Person hat sich für die Geschichte der Frustration interessiert.
13:00
There's various types of frustration.
313
765000
3000
Es gibt verschiedene Arten von Frustration.
13:03
If you stub your toe, that's a one A "argh."
314
768000
3000
Wenn man sich den Zeh stößt, bedeutet das ein „argh“ mit einem A.
13:06
If the planet Earth is annihilated by the Vogons
315
771000
2000
Wenn die Erde von den Vogonen vernichtet wird,
13:08
to make room for an interstellar bypass,
316
773000
2000
um Platz für eine interstellare Umgehungsstraße zu machen,
13:10
that's an eight A "aaaaaaaargh."
317
775000
2000
bedeutet das ein „aaaaaaaargh“ mit acht A.
13:12
This person studies all the "arghs,"
318
777000
2000
Diese Person beobachtet die ganzen „arghs“
13:14
from one through eight A's.
319
779000
2000
von einem A bis acht A.
13:16
And it turns out
320
781000
2000
Und es stellte sich heraus,
13:18
that the less-frequent "arghs"
321
783000
2000
dass die weniger häufigen „arghs“
13:20
are, of course, the ones that correspond to things that are more frustrating --
322
785000
3000
selbstverständlich die sind, die sich auf frustrierendere Sachen beziehen -
13:23
except, oddly, in the early 80s.
323
788000
3000
außer, seltsamerweise, in den früheren 80ern.
13:26
We think that might have something to do with Reagan.
324
791000
2000
Wir glauben, das hat vielleicht etwas mit Reagan zu tun.
13:28
(Laughter)
325
793000
2000
(Gelächter)
13:30
JM: There are many usages of this data,
326
795000
3000
JM: Es gibt viele Verwendungen dieser Daten,
13:33
but the bottom line is that the historical record is being digitized.
327
798000
3000
aber im Endeffekt werden die historischen Aufzeichnungen digitalisiert.
13:36
Google has started to digitize 15 million books.
328
801000
2000
Google hat angefangen 15 Millionen Bücher zu digitalisieren.
13:38
That's 12 percent of all the books that have ever been published.
329
803000
2000
Das sind 12 Prozent aller Bücher, die je verlegt wurden.
13:40
It's a sizable chunk of human culture.
330
805000
3000
Ein beträchtlicher Teil der menschlichen Kultur.
13:43
There's much more in culture: there's manuscripts, there newspapers,
331
808000
3000
Es gibt viel mehr in der Kultur: es gibt Manuskripte, Zeitungen,
13:46
there's things that are not text, like art and paintings.
332
811000
2000
es gibt Sachen die nicht Text sind, wie Kunst und Gemälde.
13:48
These all happen to be on our computers,
333
813000
2000
All dies ist zufälligerweise auf unseren Computern,
13:50
on computers across the world.
334
815000
2000
auf Computern auf der ganzen Welt.
13:52
And when that happens, that will transform the way we have
335
817000
3000
Und wenn das passiert, muss das unser Verständnis für unsere Vergangenheit,
13:55
to understand our past, our present and human culture.
336
820000
2000
unsere Gegenwart und die menschliche Kultur verändern.
13:57
Thank you very much.
337
822000
2000
Vielen Dank.
13:59
(Applause)
338
824000
3000
(Applaus)
ABOUT THE SPEAKERS
Jean-Baptiste Michel - Data researcherJean-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.
Jean-Baptiste Michel | Speaker | TED.com
Erez Lieberman Aiden - Researcher
Erez Lieberman Aiden pursues a broad range of research interests, spanning genomics, linguistics, mathematics ...
Why you should listen
Erez Lieberman Aiden is a fellow at the Harvard Society of Fellows and Visiting Faculty at Google. His research spans many disciplines and has won numerous awards, including recognition for one of the top 20 "Biotech Breakthroughs that will Change Medicine", by Popular Mechanics; the Lemelson-MIT prize for the best student inventor at MIT; the American Physical Society's Award for the Best Doctoral Dissertation in Biological Physics; and membership in Technology Review's 2009 TR35, recognizing the top 35 innovators under 35. His last three papers -- two with JB Michel -- have all appeared on the cover of Nature and Science.
Erez Lieberman Aiden | Speaker | TED.com