TED2012
Jean-Baptiste Michel: The mathematics of history
Jean-Baptiste Michel: La matematica della storia
Filmed:
Readability: 4.3
1,279,350 views
Cosa possono dire i matematici sulla storia? Secondo il TED Fellow Jean-Baptiste Michel, moltissimo. Dai cambiamenti del linguaggio alla letalità delle guerre, dimostra come la digitalizzazione dei fatti storici stia cominciando a rivelare i profondi meccanismi alla loro radice.
Jean-Baptiste Michel - Data researcher
Jean-Baptiste Michel looks at how we can use large volumes of data to better understand our world. Full bio
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 turns out that mathematics is a very powerful language.
0
0
3671
Sembra che la matematica sia un linguaggio molto potente.
00:19
It has generated considerable insight in physics,
1
3671
2312
Ci ha fatto capire molte cose della fisica,
00:21
in biology and economics,
2
5983
2100
della biologia e dell'economia,
00:23
but not that much in the humanities and in history.
3
8083
2817
ma non molto delle scienze umanitarie e della storia.
00:26
I think there's a belief that it's just impossible,
4
10900
2283
Credo semplicemente che siamo convinti che non sia possibile,
00:29
that you cannot quantify the doings of mankind,
5
13183
2646
che non si possano quantificare le imprese del genere umano,
00:31
that you cannot measure history.
6
15829
2519
che non si possa misurare la storia.
00:34
But I don't think that's right.
7
18348
1527
Ma ritengo che non sia corretto.
00:35
I want to show you a couple of examples why.
8
19875
2042
E ve lo dimostrerò con un paio di esempi.
00:37
So my collaborator Erez and I were considering the following fact:
9
21917
2958
Io e il mio collaboratore Erez stavamo considerando questo fatto:
00:40
that two kings separated by centuries
10
24875
2729
che due re separati da secoli di storia
00:43
will speak a very different language.
11
27604
1767
useranno dei linguaggi molto diversi.
00:45
That's a powerful historical force.
12
29371
2304
È una qualità molto potente della storia.
00:47
So the king of England, Alfred the Great,
13
31675
1773
E dunque il re d'Inghilterra, Alfredo il Grande,
00:49
will use a vocabulary and grammar
14
33448
1640
userà un vocabolario e una grammatica
00:50
that is quite different from the king of hip hop, Jay-Z.
15
35088
3700
molto diversi da quelli del re dell'hip hop, Jay-Z.
00:54
(Laughter)
16
38788
1666
(Risate)
00:56
Now it's just the way it is.
17
40454
2171
Ora le cose stanno proprio così.
00:58
Language changes over time, and it's a powerful force.
18
42625
2292
La lingua cambia nel tempo, ed è una forza potente.
01:00
So Erez and I wanted to know more about that.
19
44917
2287
Io e Erez volevamo saperne di più.
01:03
So we paid attention to a particular grammatical rule, past-tense conjugation.
20
47204
3657
E ci siamo concentrati su una particolare regola grammaticale, la coniugazione del passato.
01:06
So you just add "ed" to a verb at the end to signify the past.
21
50861
3264
Basta aggiungere un suffisso alla fine per trasformare il verbo in forma passata.
01:10
"Today I walk. Yesterday I walked."
22
54125
1927
"Oggi cammino. Ieri ho camminato".
01:11
But some verbs are irregular.
23
56052
1344
Ma alcuni verbi sono irregolari [in inglese].
01:13
"Yesterday I thought."
24
57396
1396
"Ieri ho pensato".
01:14
Now what's interesting about that
25
58792
1666
Ora la cosa interessante è che
01:16
is irregular verbs between Alfred and Jay-Z have become more regular.
26
60458
3830
i verbi irregolari del tempo di Alfred sono diventati regolari ai tempi di Jay-Z.
01:20
Like the verb "to wed" that you see here has become regular.
27
64288
2735
Come il verbo "sposare", che è diventato regolare.
01:22
So Erez and I followed the fate of over 100 irregular verbs
28
67023
4022
E così Erez e io abbiamo seguito la sorte di più di 100 verbi irregolari
01:26
through 12 centuries of English language,
29
71045
1919
attraverso 12 secoli di lingua inglese,
01:28
and we saw that there's actually a very simple mathematical pattern
30
72964
2911
e abbiamo scoperto che esiste un modello matematico molto semplice
01:31
that captures this complex historical change,
31
75875
2542
che riassume questo complesso cambiamento storico,
01:34
namely, if a verb is 100 times more frequent than another,
32
78417
3660
e cioè che se un verbo è 100 volte più frequente di un altro,
01:37
it regularizes 10 times slower.
33
82077
2665
diventerà regolare a una velocità 10 volte inferiore.
01:40
That's a piece of history, but it comes in a mathematical wrapping.
34
84742
3935
È un pezzo di storia, ma avvolto dalla matematica.
01:44
Now in some cases math can even help explain,
35
88677
3654
Ora, in alcuni casi, la matematica può addirittura spiegare,
01:48
or propose explanations for, historical forces.
36
92331
2879
o provare a spiegare, le forze che agiscono nella storia.
01:51
So here Steve Pinker and I
37
95210
1832
Qui Steve Pinker e io
01:52
were considering the magnitude of wars during the last two centuries.
38
97042
3852
stavamo riflettendo sulla dimensione delle guerre negli ultimi due secoli.
01:56
There's actually a well-known regularity to them
39
100894
2495
E abbiamo visto che di solito
01:59
where the number of wars that are 100 times deadlier
40
103389
3422
il numero di guerre 100 volte più letali
02:02
is 10 times smaller.
41
106811
1952
è 10 volte meno frequente.
02:04
So there are 30 wars that are about as deadly as the Six Days War,
42
108763
3344
Dunque ci sono state 30 guerre letali come la Guerra dei Sei Giorni,
02:08
but there's only four wars that are 100 times deadlier --
43
112107
2820
ma solo quattro che sono state 100 volte più letali --
02:10
like World War I.
44
114927
1977
come la Prima Guerra Mondiale.
02:12
So what kind of historical mechanism can produce that?
45
116904
2923
Ma quale tipo di meccanismo storico porta a tanto?
02:15
What's the origin of this?
46
119827
2000
Qual è la sua origine?
02:17
So Steve and I, through mathematical analysis,
47
121827
2265
E così io e Steve, usando l'analisi matematica,
02:19
propose that there's actually a very simple phenomenon at the root of this,
48
124092
4241
suggeriamo l'esistenza di un semplicissimo meccanismo alla base di ciò,
02:24
which lies in our brains.
49
128333
1690
che si trova nel cervello.
02:25
This is a very well-known feature
50
130023
2019
È una caratteristica ben nota
02:27
in which we perceive quantities in relative ways --
51
132042
2975
per cui percepiamo le quantità in modo relativo --
02:30
quantities like the intensity of light or the loudness of a sound.
52
135017
3716
quantità come l'intensità della luce o il volume di un suono.
02:34
For instance, committing 10,000 soldiers to the next battle sounds like a lot.
53
138733
5309
Ad esempio, 10 000 soldati inviati in guerra sembrano molti.
02:39
It's relatively enormous if you've already committed 1,000 soldiers previously.
54
144042
3444
Ed è così se precedentemente ne erano stati inviati solo 1000.
02:43
But it doesn't sound so much,
55
147486
1827
Ma non sembrano così tanti,
02:45
it's not relatively enough, it won't make a difference
56
149313
3020
non sono relativamente sufficienti, non ci si farà caso
02:48
if you've already committed 100,000 soldiers previously.
57
152333
2952
se in precedenza ne erano stati inviati 100 000.
02:51
So you see that because of the way we perceive quantities,
58
155285
3613
Dunque capite che a causa del modo in cui percepiamo le quantità,
02:54
as the war drags on,
59
158898
1767
durante lo svolgimento della guerra,
02:56
the number of soldiers committed to it and the casualties
60
160665
3085
il numero di soldati coinvolti e il numero di caduti
02:59
will increase not linearly --
61
163750
1683
non aumenterà in modo lineare --
03:01
like 10,000, 11,000, 12,000 --
62
165433
1888
ad esempio 10 000, 11 000, 12 000 --
03:03
but exponentially -- 10,000, later 20,000, later 40,000.
63
167321
4275
ma in modo esponenziale -- 10 000, poi 20 000, e poi 40 000.
03:07
And so that explains this pattern that we've seen before.
64
171596
3085
E questo spiega anche il modello che abbiamo visto prima.
03:10
So here mathematics is able to link a well-known feature of the individual mind
65
174681
5498
Dunque qui la matematica riesce a collegare una caratteristica nota della mente umana
03:16
with a long-term historical pattern
66
180179
2989
a un modello storico di lungo termine,
03:19
that unfolds over centuries and across continents.
67
183168
2857
che abbraccia diversi secoli e diversi continenti.
03:21
So these types of examples, today there are just a few of them,
68
186025
4017
Ad oggi disponiamo solo di alcuni esempi,
03:25
but I think in the next decade they will become commonplace.
69
190042
2689
ma credo che nel prossimo decennio saranno più comuni.
03:28
The reason for that is that the historical record
70
192731
2392
Il motivo è che i dati della storia vengono via via
03:31
is becoming digitized at a very fast pace.
71
195123
2460
digitalizzati ad un ritmo elevato.
03:33
So there's about 130 million books
72
197583
2610
Sono stati scritti circa 130 milioni di libri
03:36
that have been written since the dawn of time.
73
200193
2311
dall'inizio della storia.
03:38
Companies like Google have digitized many of them --
74
202504
2454
Aziende come Google ne hanno digitalizzati moltissimi --
03:40
above 20 million actually.
75
204958
1584
in effetti più di 20 milioni.
03:42
And when the stuff of history is available in digital form,
76
206542
3578
E quando il materiale storico diventa digitale,
03:46
it makes it possible for a mathematical analysis
77
210120
2380
è possibile analizzarlo con la matematica
03:48
to very quickly and very conveniently
78
212500
2375
per scoprire tendenze storiche e culturali
03:50
review trends in our history and our culture.
79
214875
2725
in modo molto rapido ed economico.
03:53
So I think in the next decade,
80
217600
2721
Perciò penso che nel prossimo decennio
03:56
the sciences and the humanities will come closer together
81
220321
2750
gli studi scientifici e umanitari si avvicineranno sempre di più
03:58
to be able to answer deep questions about mankind.
82
223071
3329
per riuscire a rispondere alle grandi domande sulla razza umana.
04:02
And I think that mathematics will be a very powerful language to do that.
83
226400
4121
E ritengo che la matematica possa essere uno strumento molto efficace.
04:06
It will be able to reveal new trends in our history,
84
230521
3146
Saprà scoprire nuove tendenze nella nostra storia,
04:09
sometimes to explain them,
85
233667
1750
a volte sarà in grado di spiegarle,
04:11
and maybe even in the future to predict what's going to happen.
86
235417
3306
e in futuro forse predire anche ciò che starà per accadere.
04:14
Thank you very much.
87
238723
1491
Molte grazie.
04:16
(Applause)
88
240214
3678
(Applausi)
ABOUT THE SPEAKER
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