TED2013
Ajit Narayanan: A word game to communicate in any language
Ajit Narayanan: Un juego de palabras para comunicarse en cualquier idioma.
Filmed:
Readability: 3.4
1,391,245 views
Mientras trabajaba con niños con problemas de habla, Ajit Narayanan diseñó un método para pensar el lenguaje en imágenes, para relacionar conceptos en mapas conceptuales. Esta idea es ahora una aplicación que ayuda a las personas no verbales a comunicarse, y la gran idea tras esta aplicación, un concepto del lenguaje llamado FreeSpeech, tiene un potencial fascinante.
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
Trabajo con niños con autismo.
00:15
Specifically, I make technologies
1
3391
1914
Concretamente, desarrollo tecnologías
00:17
to help them communicate.
2
5305
2171
para ayudarles a comunicarse.
00:19
Now, many of the problems that children
3
7476
1539
Muchos de los problemas que
padecen los niños autistas
padecen los niños autistas
00:21
with autism face, they have a common source,
4
9015
3763
tienen un mismo origen, que consiste
en que tienen dificultades
en que tienen dificultades
00:24
and that source is that they find it difficult
5
12778
2094
00:26
to understand abstraction, symbolism.
6
14872
5260
para entender la abstracción,
el simbolismo.
el simbolismo.
00:32
And because of this, they have
a lot of difficulty with language.
a lot of difficulty with language.
7
20132
4652
Por esta razón, tienen muchos
problemas con el lenguaje.
problemas con el lenguaje.
00:36
Let me tell you a little bit about why this is.
8
24784
3015
Les hablaré un poco sobre esto.
00:39
You see that this is a picture of a bowl of soup.
9
27799
3934
Pueden ver que esto es una
imagen de un plato de sopa.
imagen de un plato de sopa.
00:43
All of us can see it. All of us understand this.
10
31733
2485
Todos lo vemos.
Todos lo entendemos.
Todos lo entendemos.
00:46
These are two other pictures of soup,
11
34218
2312
Estas son otras
dos imágenes de sopa,
dos imágenes de sopa,
00:48
but you can see that these are more abstract
12
36530
2067
pero estas son más abstractas,
00:50
These are not quite as concrete.
13
38597
1856
no tan concretas.
00:52
And when you get to language,
14
40453
2174
Y cuando se llega al lenguaje,
00:54
you see that it becomes a word
15
42627
1868
pueden ver que se convierte
en una palabra
en una palabra
00:56
whose look, the way it looks and the way it sounds,
16
44495
3261
cuyo aspecto y sonido
no tienen nada que ver
no tienen nada que ver
00:59
has absolutely nothing to do
with what it started with,
with what it started with,
17
47756
2912
con el origen o con lo que representa,
es decir, un plato de sopa.
es decir, un plato de sopa.
01:02
or what it represents, which is the bowl of soup.
18
50668
2830
01:05
So it's essentially a completely abstract,
19
53498
2900
Así que, básicamente,
es totalmente abstracto,
es totalmente abstracto,
una representación totalmente arbitraria
de algo que existe en el mundo real.
de algo que existe en el mundo real.
01:08
a completely arbitrary representation of something
20
56398
2576
01:10
which is in the real world,
21
58974
1163
01:12
and this is something that children with autism
22
60137
1791
Y los niños con autismo
01:13
have an incredible amount of difficulty with.
23
61928
3164
tienen tremendas dificultades con esto.
Por eso, muchas personas que
trabajan con niños autistas,
trabajan con niños autistas,
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
01:19
speech therapists, educators --
25
67843
1878
terapeutas del lenguaje, educadores,
01:21
what they do is, they try to help children with autism
26
69721
2633
intentar ayudarlos a comunicarse
no con palabras, sino con imágenes.
no con palabras, sino con imágenes.
01:24
communicate not with words, but with pictures.
27
72354
3229
01:27
So if a child with autism wanted to say,
28
75583
1930
Así que, si un niño con autismo
quisiera decir "quiero sopa",
quisiera decir "quiero sopa",
01:29
"I want soup," that child would pick
29
77513
2458
seleccionaría tres imágenes distintas:
"yo", "querer" y "sopa",
"yo", "querer" y "sopa",
01:31
three different pictures, "I," "want," and "soup,"
30
79971
2260
01:34
and they would put these together,
31
82231
1609
las juntaría, y el terapeuta o padre,
entendería qué quiere decir el niño.
entendería qué quiere decir el niño.
01:35
and then the therapist or the parent would
32
83840
1867
01:37
understand that this is what the kid wants to say.
33
85707
1887
01:39
And this has been incredibly effective;
34
87594
1778
Esto ha sido increíblemente eficaz
durante los últimos 30, 40 años
durante los últimos 30, 40 años
01:41
for the last 30, 40 years
35
89372
2141
01:43
people have been doing this.
36
91513
1613
en que se ha puesto en práctica.
01:45
In fact, a few years back,
37
93126
1349
De hecho, hace unos años,
desarrollé una aplicación para iPad
desarrollé una aplicación para iPad
01:46
I developed an app for the iPad
38
94475
2675
01:49
which does exactly this. It's called Avaz,
39
97150
2255
que hace exactamente esto, llamada Avaz.
01:51
and the way it works is that kids select
40
99405
2279
Los niños seleccionan diferentes imágenes,
01:53
different pictures.
41
101684
1321
se genera una secuencia de imágenes
para crear oraciones con ellas,
para crear oraciones con ellas,
01:55
These pictures are sequenced
together to form sentences,
together to form sentences,
42
103005
2570
01:57
and these sentences are spoken out.
43
105575
1719
y estas oraciones pueden escucharse.
01:59
So Avaz is essentially converting pictures,
44
107294
3025
Avaz, básicamente, convierte imágenes,
02:02
it's a translator, it converts pictures into speech.
45
110319
3960
es un traductor, convierte
las imágenes en oraciones.
las imágenes en oraciones.
02:06
Now, this was very effective.
46
114279
1718
Avaz fue muy efectivo.
02:07
There are thousands of children using this,
47
115997
1384
Hay miles de niños
usándolo en todo el mundo
usándolo en todo el mundo
02:09
you know, all over the world,
48
117381
1430
y empecé a pensar
02:10
and I started thinking about
49
118811
2175
02:12
what it does and what it doesn't do.
50
120986
2654
sobre qué hace y qué no,
02:15
And I realized something interesting:
51
123640
1684
y me di cuenta de algo interesante:
02:17
Avaz helps children with autism learn words.
52
125324
4203
Avaz ayuda a los niños con autismo
a aprender palabras,
a aprender palabras,
02:21
What it doesn't help them do is to learn
53
129527
2405
pero no les ayuda a aprender
patrones de palabras.
patrones de palabras.
02:23
word patterns.
54
131932
2748
02:26
Let me explain this in a little more detail.
55
134680
2472
Se los explicaré en más detalle.
02:29
Take this sentence: "I want soup tonight."
56
137152
3057
Tomemos esta oración:
"Quiero sopa esta noche".
"Quiero sopa esta noche".
02:32
Now it's not just the words
here that convey the meaning.
here that convey the meaning.
57
140209
4080
No solo las palabras
aportan significado,
aportan significado,
02:36
It's also the way in which these words are arranged,
58
144289
3140
sino también el modo
en que se organizan,
en que se organizan,
cómo se modifican y ordenan.
02:39
the way these words are modified and arranged.
59
147429
2515
02:41
And that's why a sentence like "I want soup tonight"
60
149959
2306
Por eso la frase
"quiero sopa esta noche"
"quiero sopa esta noche"
02:44
is different from a sentence like
61
152265
1984
es diferente a otra como, por ejemplo,
"sopa esta quiero noche",
que no tiene ningún sentido.
que no tiene ningún sentido.
02:46
"Soup want I tonight," which
is completely meaningless.
is completely meaningless.
62
154249
3312
Así que aquí hay
una abstracción oculta,
una abstracción oculta,
02:49
So there is another hidden abstraction here
63
157561
2619
02:52
which children with autism find
a lot of difficulty coping with,
a lot of difficulty coping with,
64
160180
3557
con la que los niños autistas
tienen muchísimas dificultades,
tienen muchísimas dificultades,
02:55
and that's the fact that you can modify words
65
163737
2840
y es el hecho de que
podemos modificar las palabras
podemos modificar las palabras
02:58
and you can arrange them to have
66
166577
2101
y ordenarlas para que tengan
03:00
different meanings, to convey different ideas.
67
168678
2895
diferentes significados
y expresen diferentes ideas.
y expresen diferentes ideas.
03:03
Now, this is what we call grammar.
68
171573
3459
Eso es la gramática.
03:07
And grammar is incredibly powerful,
69
175032
2036
Y la gramática tiene un gran poder,
03:09
because grammar is this one component of language
70
177068
3157
porque es el componente del lenguaje
que toma el vocabulario finito
que todos tenemos
que todos tenemos
03:12
which takes this finite vocabulary that all of us have
71
180225
3489
y nos permite transmitir una
cantidad infinita de información,
cantidad infinita de información,
03:15
and allows us to convey an
infinite amount of information,
infinite amount of information,
72
183714
4531
03:20
an infinite amount of ideas.
73
188245
2134
una cantidad infinita de ideas.
03:22
It's the way in which you can put things together
74
190379
2002
Es el modo en que podemos unir cosas
para decir lo que queramos.
para decir lo que queramos.
03:24
in order to convey anything you want to.
75
192381
2168
03:26
And so after I developed Avaz,
76
194549
2127
Así que, después
de desarrollar Avaz,
de desarrollar Avaz,
03:28
I worried for a very long time
77
196676
1568
mi preocupación
durante mucho tiempo fue
durante mucho tiempo fue
03:30
about how I could give grammar
to children with autism.
to children with autism.
78
198244
3910
cómo poder darle la gramática
a los niños con autismo.
a los niños con autismo.
03:34
The solution came to me from
a very interesting perspective.
a very interesting perspective.
79
202154
2275
La solución me llegó desde
una perspectiva muy interesante.
una perspectiva muy interesante.
03:36
I happened to chance upon a child with autism
80
204429
3449
Ocurrió a partir de una conversación
de una niña autista con su madre,
de una niña autista con su madre,
03:39
conversing with her mom,
81
207878
2109
03:41
and this is what happened.
82
209987
2094
y esto es lo que ocurrió.
03:44
Completely out of the blue, very spontaneously,
83
212081
2186
De forma totalmente inesperada,
03:46
the child got up and said, "Eat."
84
214267
2463
la niña se levantó y dijo: "comer".
03:48
Now what was interesting was
85
216730
1770
Lo interesante fue el modo
03:50
the way in which the mom was trying to tease out
86
218500
4244
en que la madre intentó averiguar
lo que la niña quería decir,
lo que la niña quería decir,
03:54
the meaning of what the child wanted to say
87
222744
2213
03:56
by talking to her in questions.
88
224957
2260
haciéndole preguntas.
03:59
So she asked, "Eat what? Do
you want to eat ice cream?
you want to eat ice cream?
89
227217
2593
Así que le preguntó: "¿comer qué?
¿Quieres comer helado?
¿Quieres comer helado?
04:01
You want to eat? Somebody else wants to eat?
90
229810
2112
¿Tú quieres comer?
¿Alguien quiere comer?
¿Alguien quiere comer?
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
¿Quieres comer helado ahora?
¿Quieres comer helado por la noche?
¿Quieres comer helado por la noche?
04:07
And then it struck me that
92
235235
1514
Y de repente me di cuenta de que
la madre había hecho algo increíble.
la madre había hecho algo increíble.
04:08
what the mother had done was something incredible.
93
236749
2028
04:10
She had been able to get that child to communicate
94
238777
1994
Había conseguido que su hija
comunicara una idea sin gramática.
comunicara una idea sin gramática.
04:12
an idea to her without grammar.
95
240771
4138
04:16
And it struck me that maybe this is what
96
244909
2696
Y me di cuenta de que quizás era esto
lo que yo estaba buscando.
lo que yo estaba buscando.
04:19
I was looking for.
97
247605
1385
04:20
Instead of arranging words in an order, in sequence,
98
248990
4142
En lugar de ordenar las palabras
en secuencia, como una oración,
en secuencia, como una oración,
04:25
as a sentence, you arrange them
99
253132
2172
las ordenas en este mapa
donde se relacionan todas,
donde se relacionan todas,
04:27
in this map, where they're all linked together
100
255304
3811
no poniéndolas una tras otra, sino en
pares en forma de pregunta-respuesta.
pares en forma de pregunta-respuesta.
04:31
not by placing them one after the other
101
259115
2143
04:33
but in questions, in question-answer pairs.
102
261258
3284
Si haces esto, lo que transmites
no es una oración en inglés,
no es una oración en inglés,
04:36
And so if you do this, then what you're conveying
103
264542
2358
04:38
is not a sentence in English,
104
266900
1986
04:40
but what you're conveying is really a meaning,
105
268886
2966
sino que transmite el significado
de una oración en inglés.
de una oración en inglés.
04:43
the meaning of a sentence in English.
106
271852
1511
04:45
Now, meaning is really the underbelly,
in some sense, of language.
in some sense, of language.
107
273363
2932
En cierto sentido, el significado
es el punto débil del lenguaje.
es el punto débil del lenguaje.
04:48
It's what comes after thought but before language.
108
276295
3821
Es lo que ocurre tras el pensamiento
pero antes del lenguaje.
pero antes del lenguaje.
04:52
And the idea was that this particular representation
109
280116
2503
Y la idea es que esta
forma de representación
forma de representación
04:54
might convey meaning in its raw form.
110
282619
3261
puede transmitir
el significado en bruto.
el significado en bruto.
04:57
So I was very excited by this, you know,
111
285880
1771
Así que estaba muy emocionado,
dando saltos por todas partes,
dando saltos por todas partes,
04:59
hopping around all over the place,
112
287651
1493
05:01
trying to figure out if I can convert
113
289144
1771
intentando averiguar
si podría convertir
si podría convertir
05:02
all possible sentences that I hear into this.
114
290915
2524
todas las oraciones
que escucho en esto.
que escucho en esto.
05:05
And I found that this is not enough.
115
293439
1773
Y me di cuenta de que
no es suficiente. ¿Por qué no?
no es suficiente. ¿Por qué no?
05:07
Why is this not enough?
116
295212
1385
05:08
This is not enough because if you wanted to convey
117
296597
1711
No es suficiente porque
si quisiera transmitir una negación,
si quisiera transmitir una negación,
05:10
something like negation,
118
298308
2250
si quisiera decir "no quiero sopa"
05:12
you want to say, "I don't want soup,"
119
300558
1736
05:14
then you can't do that by asking a question.
120
302294
2220
no podría hacerlo mediante preguntas.
05:16
You do that by changing the word "want."
121
304514
2285
Hay que hacerlo cambiando
la palabra "querer".
la palabra "querer".
05:18
Again, if you wanted to say,
122
306799
1637
Y si quisiera decir:
"ayer quería sopa",
"ayer quería sopa",
05:20
"I wanted soup yesterday,"
123
308436
1980
lo haría transformando
la palabra "querer" en "quería".
la palabra "querer" en "quería".
05:22
you do that by converting
the word "want" into "wanted."
the word "want" into "wanted."
124
310416
2737
05:25
It's a past tense.
125
313153
1666
Es un tiempo en pasado.
05:26
So this is a flourish which I added
126
314819
2103
Así que esto es algo extra que añadí
para tener un sistema completo.
para tener un sistema completo.
05:28
to make the system complete.
127
316922
1576
Este es un mapa de palabras relacionadas
como preguntas y respuestas,
como preguntas y respuestas,
05:30
This is a map of words joined together
128
318498
1977
05:32
as questions and answers,
129
320475
1656
05:34
and with these filters applied on top of them
130
322131
2264
y con estos filtros
aplicados sobre ellas
aplicados sobre ellas
05:36
in order to modify them to represent
131
324395
1817
se pueden modificar para
representar ciertos matices.
representar ciertos matices.
05:38
certain nuances.
132
326212
1709
Lo explicaré con otro ejemplo.
05:39
Let me show you this with a different example.
133
327921
1951
05:41
Let's take this sentence:
134
329872
1254
Tomemos esta oración: "Le dije
al carpintero que no podía pagarle".
al carpintero que no podía pagarle".
05:43
"I told the carpenter I could not pay him."
135
331126
1980
05:45
It's a fairly complicated sentence.
136
333106
1792
Es una oración bastante complicada.
05:46
The way that this particular system works,
137
334898
1893
Debido al funcionamiento
de este sistema,
de este sistema,
05:48
you can start with any part of this sentence.
138
336791
2578
se puede empezar con cualquier
parte de la oración.
parte de la oración.
05:51
I'm going to start with the word "tell."
139
339369
1698
Empezaré con la palabra "decir".
05:53
So this is the word "tell."
140
341067
1462
Esta es la palabra "decir".
05:54
Now this happened in the past,
141
342529
1600
Pero ocurrió en el pasado,
05:56
so I'm going to make that "told."
142
344129
2223
así que voy a ponerla en pasado.
05:58
Now, what I'm going to do is,
143
346352
1708
Haré preguntas como:
"¿Quién dijo?", dije.
"¿Quién dijo?", dije.
06:00
I'm going to ask questions.
144
348060
1756
06:01
So, who told? I told.
145
349816
2364
"¿Le dije a quién?
Le dije al carpintero".
Le dije al carpintero".
06:04
I told whom? I told the carpenter.
146
352180
1927
06:06
Now we start with a different part of the sentence.
147
354107
1751
Ahora vamos a otra parte de la oración.
06:07
We start with the word "pay,"
148
355858
1867
Empezamos con la palabra "pagar",
06:09
and we add the ability filter to it to make it "can pay."
149
357725
4577
y añadimos el filtro de habilidad
para que diga "poder pagar".
para que diga "poder pagar".
Luego la convertimos
en "no poder pagar",
en "no poder pagar",
06:14
Then we make it "can't pay,"
150
362302
2101
06:16
and we can make it "couldn't pay"
151
364403
1599
y después en "no podía pagar",
poniéndola en pasado.
poniéndola en pasado.
06:18
by making it the past tense.
152
366002
1663
"¿Quién no podía pagar?
Yo no podía pagar".
Yo no podía pagar".
06:19
So who couldn't pay? I couldn't pay.
153
367665
1923
06:21
Couldn't pay whom? I couldn't pay the carpenter.
154
369588
2676
"¿A quién no podía pagar?
No podía pagar al carpintero".
No podía pagar al carpintero".
06:24
And then you join these two together
155
372264
1731
Y entonces unimos ambas partes
preguntando lo siguiente:
preguntando lo siguiente:
06:25
by asking this question:
156
373995
1350
06:27
What did I tell the carpenter?
157
375345
1737
"¿Qué le dije al carpintero?
Le dije al carpintero
que no podía pagarle".
que no podía pagarle".
06:29
I told the carpenter I could not pay him.
158
377082
4049
06:33
Now think about this. This is
159
381131
1937
Ahora piensen,
06:35
—(Applause)—
160
383068
3542
(Aplausos)
se trata de la representación
de esta oración,
de esta oración,
06:38
this is a representation of this sentence
161
386610
3672
sin usar el lenguaje.
06:42
without language.
162
390282
2435
06:44
And there are two or three
interesting things about this.
interesting things about this.
163
392717
2192
Y tiene un par de cosas interesantes.
06:46
First of all, I could have started anywhere.
164
394909
3131
Primero, que pude haber empezado
por cualquier palabra.
por cualquier palabra.
06:50
I didn't have to start with the word "tell."
165
398040
2243
No necesariamente por
la palabra "decir".
la palabra "decir".
Y el resultado habría
sido el mismo.
sido el mismo.
06:52
I could have started anywhere in the sentence,
166
400283
1416
06:53
and I could have made this entire thing.
167
401699
1507
Lo segundo es que,
si yo no hablase inglés,
si yo no hablase inglés,
06:55
The second thing is, if I wasn't an English speaker,
168
403206
2776
06:57
if I was speaking in some other language,
169
405982
2175
si hablase cualquier otro idioma,
07:00
this map would actually hold true in any language.
170
408157
3156
el mapa seguiría funcionando
en cualquier otro idioma,
en cualquier otro idioma,
07:03
So long as the questions are standardized,
171
411313
1990
siempre que las preguntas
estén estandarizadas,
estén estandarizadas,
07:05
the map is actually independent of language.
172
413303
4287
el mapa es independiente del idioma.
07:09
So I call this FreeSpeech,
173
417590
2115
Así que lo llamé
FreeSpeech [LibreExpresión],
FreeSpeech [LibreExpresión],
07:11
and I was playing with this for many, many months.
174
419705
2935
y estuve jugando con él muchos meses,
07:14
I was trying out so many
different combinations of this.
different combinations of this.
175
422640
2726
probé muchas combinaciones.
07:17
And then I noticed something very
interesting about FreeSpeech.
interesting about FreeSpeech.
176
425366
2289
Y me di cuenta de algo muy
interesante sobre FreeSpeech.
interesante sobre FreeSpeech.
07:19
I was trying to convert language,
177
427655
3243
Estaba intentando
convertir el lenguaje,
convertir el lenguaje,
las oraciones en inglés
en oraciones en FreeSpeech,
en oraciones en FreeSpeech,
07:22
convert sentences in English
into sentences in FreeSpeech,
into sentences in FreeSpeech,
178
430898
2384
07:25
and vice versa, and back and forth.
179
433282
1752
y viceversa, una y otra vez.
07:27
And I realized that this particular configuration,
180
435034
2255
Y me di cuenta de que esta configuración,
07:29
this particular way of representing language,
181
437289
2026
esta manera de representar el lenguaje,
07:31
it allowed me to actually create very concise rules
182
439315
4395
me permitió crear reglas muy concisas
07:35
that go between FreeSpeech on one side
183
443710
2734
entre FreeSpeech, por una parte,
e inglés, por otra.
e inglés, por otra.
07:38
and English on the other.
184
446444
1488
Así que, podría escribir
este conjunto de reglas
este conjunto de reglas
07:39
So I could actually write this set of rules
185
447932
2180
07:42
that translates from this particular
representation into English.
representation into English.
186
450112
3395
que traducen desde este método
de representación al inglés.
de representación al inglés.
07:45
And so I developed this thing.
187
453507
1831
Y desarrollé esto,
07:47
I developed this thing called
the FreeSpeech Engine
the FreeSpeech Engine
188
455338
2232
el motor de FreeSpeech,
07:49
which takes any FreeSpeech sentence as the input
189
457570
2561
que toma cualquier
oración en FreeSpeech
oración en FreeSpeech
07:52
and gives out perfectly grammatical English text.
190
460131
3930
y la traduce en un texto en inglés
gramaticalmente perfecto.
gramaticalmente perfecto.
07:56
And by putting these two pieces together,
191
464061
1605
Y al juntar estas dos partes,
07:57
the representation and the engine,
192
465666
1881
la representación y la herramienta,
07:59
I was able to create an app, a
technology for children with autism,
technology for children with autism,
193
467547
3796
pude crear una aplicación,
una tecnología para los niños con autismo
una tecnología para los niños con autismo
08:03
that not only gives them words
194
471343
2499
que no solo les da palabras,
sino también gramática.
sino también gramática.
08:05
but also gives them grammar.
195
473842
3941
08:09
So I tried this out with kids with autism,
196
477783
2360
Así que lo probé
con niños con autismo,
con niños con autismo,
08:12
and I found that there was an
incredible amount of identification.
incredible amount of identification.
197
480143
5013
y descubrí que se identificaban
muchísimo con ella.
muchísimo con ella.
08:17
They were able to create sentences in FreeSpeech
198
485156
2720
Podían crear oraciones
en FreeSpeech
en FreeSpeech
08:19
which were much more complicated
but much more effective
but much more effective
199
487876
2558
mucho más complicadas
pero mucho más eficaces
pero mucho más eficaces
08:22
than equivalent sentences in English,
200
490434
2899
que sus oraciones
equivalentes en inglés,
equivalentes en inglés,
08:25
and I started thinking about
201
493333
1682
así que empecé a pensar
por qué ocurría eso.
por qué ocurría eso.
08:27
why that might be the case.
202
495015
1969
Y tuve una idea, y de eso quiero
hablarles a continuación.
hablarles a continuación.
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
08:33
In about 1997, about 15 years back,
204
501271
3142
En 1997, hace unos 15 años,
08:36
there were a group of scientists that were trying
205
504413
2011
un grupo de científicos
estaban intentando entender
estaban intentando entender
08:38
to understand how the brain processes language,
206
506424
2389
cómo el cerebro procesa el lenguaje,
08:40
and they found something very interesting.
207
508813
1779
y descubrieron algo muy interesante.
08:42
They found that when you learn a language
208
510592
1872
Descubrieron que, cuando de niño,
con 2 años, aprendes un idioma,
con 2 años, aprendes un idioma,
08:44
as a child, as a two-year-old,
209
512464
2912
08:47
you learn it with a certain part of your brain,
210
515376
2366
lo aprendes con una
parte de tu cerebro,
parte de tu cerebro,
08:49
and when you learn a language as an adult --
211
517742
1600
y cuando lo aprendes de adulto,
08:51
for example, if I wanted to
learn Japanese right now —
learn Japanese right now —
212
519342
3911
si, por ejemplo, yo quisiera
aprender japonés ahora,
aprender japonés ahora,
el cerebro usa una parte
completamente distinta.
completamente distinta.
08:55
a completely different part of my brain is used.
213
523253
2707
08:57
Now I don't know why that's the case,
214
525960
1831
No sé la causa de esto,
pero mi suposición es
pero mi suposición es
08:59
but my guess is that that's because
215
527791
1991
que cuando aprendes
un idioma de adulto,
un idioma de adulto,
09:01
when you learn a language as an adult,
216
529782
2437
casi siempre lo aprendes
09:04
you almost invariably learn it
217
532219
1616
a través de tu idioma materno
o tu primer idioma.
o tu primer idioma.
09:05
through your native language, or
through your first language.
through your first language.
218
533835
4266
09:10
So what's interesting about FreeSpeech
219
538101
3252
Así que lo interesante de FreeSpeech
09:13
is that when you create a sentence
220
541353
1802
es que cuando creas una oración,
o cuando creas lenguaje,
o cuando creas lenguaje,
09:15
or when you create language,
221
543155
1695
09:16
a child with autism creates
language with FreeSpeech,
language with FreeSpeech,
222
544850
3070
cuando un niño con autismo
crea lenguaje con FreeSpeech,
crea lenguaje con FreeSpeech,
09:19
they're not using this support language,
223
547920
1833
no usa ese idioma de apoyo,
no usa un idioma como puente.
no usa un idioma como puente.
09:21
they're not using this bridge language.
224
549753
2211
09:23
They're directly constructing the sentence.
225
551964
2657
Ellos construyen
la oración directamente.
la oración directamente.
09:26
And so this gave me this idea.
226
554621
2193
Y esto me dio una idea.
09:28
Is it possible to use FreeSpeech
227
556814
2024
¿Es posible usar FreeSpeech
no para niños con autismo,
no para niños con autismo,
09:30
not for children with autism
228
558838
2510
sino para enseñar idiomas
a personas sin discapacidad?
a personas sin discapacidad?
09:33
but to teach language to people without disabilities?
229
561348
6262
09:39
And so I tried a number of experiments.
230
567610
1978
Así que llevé a cabo
una serie de experimentos.
una serie de experimentos.
09:41
The first thing I did was I built a jigsaw puzzle
231
569588
2948
Lo primero que hice
fue diseñar un rompecabezas
fue diseñar un rompecabezas
09:44
in which these questions and answers
232
572536
1970
en el que las preguntas y respuestas
se codifican en formas, en colores,
se codifican en formas, en colores,
09:46
are coded in the form of shapes,
233
574506
1835
09:48
in the form of colors,
234
576341
1138
y la gente intenta unirlas
y aprender cómo se relacionan.
y aprender cómo se relacionan.
09:49
and you have people putting these together
235
577479
1849
09:51
and trying to understand how this works.
236
579328
1773
09:53
And I built an app out of it, a game out of it,
237
581101
2376
A partir de esto,
creé una aplicación, un juego,
creé una aplicación, un juego,
09:55
in which children can play with words
238
583477
2661
con el que los niños
pueden jugar con palabras,
pueden jugar con palabras,
09:58
and with a reinforcement,
239
586138
1704
y con un refuerzo, un refuerzo sonoro
de las estructuras visuales,
de las estructuras visuales,
09:59
a sound reinforcement of visual structures,
240
587842
2585
10:02
they're able to learn language.
241
590427
2013
con el que pueden aprender un idioma.
10:04
And this, this has a lot of potential, a lot of promise,
242
592440
2736
Es un proyecto con mucho
potencial, muy prometedor.
potencial, muy prometedor.
10:07
and the government of India recently
243
595176
1975
El gobierno indio nos compró
la licencia hace poco
la licencia hace poco
10:09
licensed this technology from us,
244
597151
1404
10:10
and they're going to try it out
with millions of different children
with millions of different children
245
598555
2074
y van a usarlo con millones de niños
para enseñarles inglés.
para enseñarles inglés.
10:12
trying to teach them English.
246
600629
2605
10:15
And the dream, the hope, the vision, really,
247
603234
2614
Y el sueño, la esperanza,
la visión, en realidad,
la visión, en realidad,
10:17
is that when they learn English this way,
248
605848
3082
es que cuando aprendan
inglés de este modo,
inglés de este modo,
10:20
they learn it with the same proficiency
249
608930
2643
lo aprenderán con la misma competencia
que su lengua materna.
que su lengua materna.
10:23
as their mother tongue.
250
611573
3718
10:27
All right, let's talk about something else.
251
615291
3816
Bueno, hablemos de otra cosa.
Hablemos de la expresión oral.
10:31
Let's talk about speech.
252
619107
1997
Esto es expresión oral.
10:33
This is speech.
253
621104
1271
10:34
So speech is the primary mode of communication
254
622375
1962
La expresión oral es nuestro
modo de comunicación primario.
modo de comunicación primario.
10:36
delivered between all of us.
255
624337
1613
10:37
Now what's interesting about speech is that
256
625950
1855
Lo interesante de esto es que la
expresión oral es unidimensional.
expresión oral es unidimensional.
10:39
speech is one-dimensional.
257
627805
1245
10:41
Why is it one-dimensional?
258
629050
1359
¿Por qué es unidimensional?
Porque es sonido.
Porque es sonido.
10:42
It's one-dimensional because it's sound.
259
630409
1568
10:43
It's also one-dimensional because
260
631977
1539
Y también porque nuestras
bocas están diseñadas así.
bocas están diseñadas así.
10:45
our mouths are built that way.
261
633516
1205
10:46
Our mouths are built to create
one-dimensional sound.
one-dimensional sound.
262
634721
3512
Están diseñadas para crear
sonido unidimensional.
sonido unidimensional.
10:50
But if you think about the brain,
263
638233
2866
Pero si piensan en el cerebro,
10:53
the thoughts that we have in our heads
264
641099
1764
nuestros pensamientos
no son unidimensionales.
no son unidimensionales.
10:54
are not one-dimensional.
265
642863
2102
Quiero decir, tenemos ideas sofisticadas,
complejas, multidimensionales.
complejas, multidimensionales.
10:56
I mean, we have these rich,
266
644965
1459
10:58
complicated, multi-dimensional ideas.
267
646424
3028
11:01
Now, it seems to me that language
268
649452
1690
Yo creo que el lenguaje es en realidad
el invento del cerebro
el invento del cerebro
11:03
is really the brain's invention
269
651142
2332
para convertir pensamientos complejos,
multidimensionales,
multidimensionales,
11:05
to convert this rich, multi-dimensional thought
270
653474
3096
11:08
on one hand
271
656570
1587
11:10
into speech on the other hand.
272
658157
1923
en expresión oral.
11:12
Now what's interesting is that
273
660080
1762
Lo interesante es que,
11:13
we do a lot of work in information nowadays,
274
661842
2568
hoy en día, trabajamos
mucho con la información,
mucho con la información,
11:16
and almost all of that is done
in the language domain.
in the language domain.
275
664410
3079
y casi todo ocurre
en el campo del lenguaje.
en el campo del lenguaje.
11:19
Take Google, for example.
276
667489
1939
Piensen en Google, por ejemplo.
11:21
Google trawls all these
countless billions of websites,
countless billions of websites,
277
669428
2677
Google rastrea miles de millones de webs,
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
todas en inglés,
y cuando queremos usar Google,
11:26
you go into Google search, and you type in English,
279
674830
2450
vamos a Google y escribimos en inglés,
11:29
and it matches the English with the English.
280
677280
4163
y asocia el inglés con el inglés.
11:33
What if we could do this in FreeSpeech instead?
281
681443
3583
¿Y si pudiéramos hacerlo en FreeSpeech?
11:37
I have a suspicion that if we did this,
282
685026
2301
Tengo la sospecha de que,
si lo hiciéramos,
si lo hiciéramos,
11:39
we'd find that algorithms like searching,
283
687327
2068
descubriríamos que
los algoritmos de búsqueda,
los algoritmos de búsqueda,
11:41
like retrieval, all of these things,
284
689395
2325
recuperación de datos, todo eso,
11:43
are much simpler and also more effective,
285
691720
3075
son mucho más simples y eficaces,
11:46
because they don't process
the data structure of speech.
the data structure of speech.
286
694795
4417
porque no procesan
la estructura de la expresión,
la estructura de la expresión,
11:51
Instead they're processing
the data structure of thought.
the data structure of thought.
287
699212
5976
sino la estructura del pensamiento.
11:57
The data structure of thought.
288
705188
2808
La estructura del pensamiento.
11:59
That's a provocative idea.
289
707996
2076
Es una idea estimulante.
12:02
But let's look at this in a little more detail.
290
710072
2142
Pero veamos con más detalle.
12:04
So this is the FreeSpeech ecosystem.
291
712214
2366
Este es el ecosistema de FreeSpeech.
12:06
We have the Free Speech
representation on one side,
representation on one side,
292
714580
2884
A un lado, tenemos la
representación de FreeSpeech,
representación de FreeSpeech,
12:09
and we have the FreeSpeech
Engine, which generates English.
Engine, which generates English.
293
717464
2228
y tenemos el motor de FreeSpeech,
que genera inglés.
que genera inglés.
12:11
Now if you think about it,
294
719694
1725
Ahora, si lo piensan,
12:13
FreeSpeech, I told you, is completely
language-independent.
language-independent.
295
721419
2544
como dije, FreeSpeech
es independiente del idioma,
es independiente del idioma,
no tiene ninguna información específica
relacionada con el inglés.
relacionada con el inglés.
12:15
It doesn't have any specific information in it
296
723963
2087
12:18
which is about English.
297
726050
1228
12:19
So everything that this system knows about English
298
727278
2800
Todo lo que sabe el sistema
sobre el inglés
sobre el inglés
12:22
is actually encoded into the engine.
299
730078
4620
se encuentra codificado
en la herramienta.
en la herramienta.
12:26
That's a pretty interesting concept in itself.
300
734698
2237
Es un concepto muy interesante
por sí mismo.
por sí mismo.
12:28
You've encoded an entire human language
301
736935
3604
Hemos codificado todo un idioma
12:32
into a software program.
302
740539
2645
en un programa de software.
12:35
But if you look at what's inside the engine,
303
743184
2531
Pero si miran dentro del programa,
12:37
it's actually not very complicated.
304
745715
2358
verán que no es muy complicado.
12:40
It's not very complicated code.
305
748073
2105
No es un código muy complicado.
12:42
And what's more interesting is the fact that
306
750178
2672
Y lo más interesante
es que la mayor parte del
código de la herramienta
código de la herramienta
12:44
the vast majority of the code in that engine
307
752850
2203
12:47
is not really English-specific.
308
755053
2412
no es específico del inglés.
Esto supone una idea interesante.
12:49
And that gives this interesting idea.
309
757465
1895
12:51
It might be very easy for us to actually
310
759360
2038
Podría ser sencillo para nosotros
12:53
create these engines in many,
many different languages,
many different languages,
311
761398
3826
crear estas herramientas
en muchos otros idiomas.
en muchos otros idiomas.
12:57
in Hindi, in French, in German, in Swahili.
312
765224
6354
En hindi, francés, alemán, swahili.
13:03
And that gives another interesting idea.
313
771578
2799
Y eso supone otra idea interesante.
13:06
For example, supposing I was a writer,
314
774377
2654
Por ejemplo, suponiendo
que yo fuese escritor,
que yo fuese escritor,
13:09
say, for a newspaper or for a magazine.
315
777031
2122
pongamos, para un
periódico o revista.
periódico o revista.
13:11
I could create content in one language, FreeSpeech,
316
779153
5011
Podría crear contenido
en un idioma, FreeSpeech,
en un idioma, FreeSpeech,
y la persona que consume el contenido,
13:16
and the person who's consuming that content,
317
784164
2056
13:18
the person who's reading that particular information
318
786220
3061
la persona que lee esa información,
13:21
could choose any engine,
319
789281
2495
podría elegir cualquier herramienta
y podría leerlo en su
propia lengua materna.
propia lengua materna.
13:23
and they could read it in their own mother tongue,
320
791776
2736
13:26
in their native language.
321
794512
3939
13:30
I mean, this is an incredibly attractive idea,
322
798451
2722
Quiero decir, es una idea
increíblemente atractiva,
increíblemente atractiva,
13:33
especially for India.
323
801173
1999
especialmente para India.
13:35
We have so many different languages.
324
803172
1690
Tenemos muchos idiomas distintos.
13:36
There's a song about India, and there's a description
325
804862
2142
Hay una canción sobre India, y tiene
una descripción del país que dice:
una descripción del país que dice:
13:39
of the country as, it says,
326
807004
2344
13:41
(in Sanskrit).
327
809348
2360
(en sánscrito).
13:43
That means "ever-smiling speaker
328
811708
2773
Significa: "hablante siempre sonriente
de hermosos idiomas".
de hermosos idiomas".
13:46
of beautiful languages."
329
814481
4519
13:51
Language is beautiful.
330
819000
1964
Los idiomas son hermosos.
13:52
I think it's the most beautiful of human creations.
331
820964
2454
Creo que es el invento más hermoso
del ser humano.
del ser humano.
13:55
I think it's the loveliest thing
that our brains have invented.
that our brains have invented.
332
823418
3978
Creo que es la cosa más bonita
que nuestros cerebros han inventado.
que nuestros cerebros han inventado.
Entretienen, enseñan, iluminan,
13:59
It entertains, it educates, it enlightens,
333
827396
3584
pero lo que más me gusta
es que otorgan poder.
es que otorgan poder.
14:02
but what I like the most about language
334
830980
2044
14:05
is that it empowers.
335
833024
1500
14:06
I want to leave you with this.
336
834524
1838
Quiero dejarles con esto.
Es una fotografía de mis colaboradores,
14:08
This is a photograph of my collaborators,
337
836362
2385
mis primeros colaboradores,
14:10
my earliest collaborators
338
838747
997
14:11
when I started working on language
339
839744
1462
de cuando empecé a trabajar
14:13
and autism and various other things.
340
841206
1502
con el lenguaje, el autismo y otras cosas.
14:14
The girl's name is Pavna,
341
842708
1417
El nombre de esta niña es Pavna,
y esa es su madre, Kalpana.
y esa es su madre, Kalpana.
14:16
and that's her mother, Kalpana.
342
844125
1902
14:18
And Pavna's an entrepreneur,
343
846027
2138
Pavna es empresaria,
14:20
but her story is much more remarkable than mine,
344
848165
2371
pero su historia es mucho
más notable que la mía,
más notable que la mía,
14:22
because Pavna is about 23.
345
850536
2400
porque Pavna tiene 23 años,
y tiene parálisis
cerebral cuadripléjica,
cerebral cuadripléjica,
14:24
She has quadriplegic cerebral palsy,
346
852936
2552
14:27
so ever since she was born,
347
855488
1640
así que desde que nació,
no puede moverse ni hablar,
14:29
she could neither move nor talk.
348
857128
3600
14:32
And everything that she's accomplished so far,
349
860728
2403
y todo lo que ha conseguido hasta ahora,
14:35
finishing school, going to college,
350
863131
2227
terminar la escuela, ir a la universidad,
fundar una empresa,
fundar una empresa,
14:37
starting a company,
351
865358
1416
colaborar conmigo
para desarrollar Avaz,
para desarrollar Avaz,
14:38
collaborating with me to develop Avaz,
352
866774
2140
todo esto que ha conseguido,
14:40
all of these things she's done
353
868914
1892
14:42
with nothing more than moving her eyes.
354
870806
5523
lo hizo solo moviendo los ojos.
14:48
Daniel Webster said this:
355
876329
2689
Daniel Webster dijo:
14:51
He said, "If all of my possessions were taken
356
879018
2940
"Si me quitaran todas mis
posesiones excepto una,
posesiones excepto una,
14:53
from me with one exception,
357
881958
2988
14:56
I would choose to keep the power of communication,
358
884946
2981
elegiría el poder de comunicarme;
14:59
for with it, I would regain all the rest."
359
887927
3903
con él recuperaría todo lo demás".
15:03
And that's why, of all of these incredible
applications of FreeSpeech,
applications of FreeSpeech,
360
891830
5116
Y por eso, de todos los usos
increíbles de FreeSpeech,
increíbles de FreeSpeech,
15:08
the one that's closest to my heart
361
896946
2080
al que más cariño le tengo,
15:11
still remains the ability for this
362
899026
2068
sigue siendo la posibilidad de
ofrecer a los niños con discapacidad
ofrecer a los niños con discapacidad
15:13
to empower children with disabilities
363
901094
2380
15:15
to be able to communicate,
364
903474
1773
la posibilidad de comunicarse.
15:17
the power of communication,
365
905247
1789
El poder de comunicarse,
15:19
to get back all the rest.
366
907036
2240
para recuperar todo lo demás.
15:21
Thank you.
367
909276
1397
Gracias.
(Aplausos)
15:22
(Applause)
368
910673
1332
Gracias.
15:24
Thank you. (Applause)
369
912005
4199
(Aplausos)
15:28
Thank you. Thank you. Thank you. (Applause)
370
916204
5323
15:33
Thank you. Thank you. Thank you. (Applause)
371
921527
4000
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