TED2013
Ajit Narayanan: A word game to communicate in any language
アジト・ナラヤナン: 言語を問わない単語ゲーム
Filmed:
Readability: 3.4
1,391,245 views
言語障害を抱える子供たちに関する仕事をしているとき、アジト・ナラヤナン氏は、単語を絵で表し、「マップ」上で関連付ける方法を思いつきました。このアイディアは現在、話すことが難しい人々を補助するアプリの原動力となっています。その裏にある大きなアイディア、言語概念のFreeSpeech（自由言語）には、希望にあふれた可能性が潜んでいます。
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
私は自閉症の子供たちに関する
仕事をしています
仕事をしています
00:15
Specifically, I make technologies
1
3391
1914
具体的には 技術開発により
00:17
to help them communicate.
2
5305
2171
コミュニケーションの
お手伝いをしています
お手伝いをしています
00:19
Now, many of the problems that children
3
7476
1539
自閉症の子供たちが
00:21
with autism face, they have a common source,
4
9015
3763
直面する問題には
共通のものがあります
共通のものがあります
00:24
and that source is that they find it difficult
5
12778
2094
抽象概念や象徴的意味を
00:26
to understand abstraction, symbolism.
6
14872
5260
理解するのが困難である
ということです
ということです
00:32
And because of this, they have
a lot of difficulty with language.
a lot of difficulty with language.
7
20132
4652
そのため 言葉に苦労することが
多いのです
多いのです
00:36
Let me tell you a little bit about why this is.
8
24784
3015
少し 詳しく説明をします
00:39
You see that this is a picture of a bowl of soup.
9
27799
3934
これがスープの絵だということは
分かりますよね
分かりますよね
00:43
All of us can see it. All of us understand this.
10
31733
2485
そのように見えますし
そう理解できます
そう理解できます
00:46
These are two other pictures of soup,
11
34218
2312
さらに２つのスープの絵があります
00:48
but you can see that these are more abstract
12
36530
2067
ただ もっと抽象的です
00:50
These are not quite as concrete.
13
38597
1856
最初のほど
具体的ではありません
具体的ではありません
00:52
And when you get to language,
14
40453
2174
言語となると
00:54
you see that it becomes a word
15
42627
1868
今度は単語になります
00:56
whose look, the way it looks and the way it sounds,
16
44495
3261
単語は その見た目も音も
00:59
has absolutely nothing to do
with what it started with,
with what it started with,
17
47756
2912
最初の スープという物とも
01:02
or what it represents, which is the bowl of soup.
18
50668
2830
それが意味することとも
無関係です
無関係です
01:05
So it's essentially a completely abstract,
19
53498
2900
つまり 完全に抽象的で 恣意的な
01:08
a completely arbitrary representation of something
20
56398
2576
現実世界にある物の
01:10
which is in the real world,
21
58974
1163
表象なのです
01:12
and this is something that children with autism
22
60137
1791
自閉症を持つ子供たちは
01:13
have an incredible amount of difficulty with.
23
61928
3164
これを理解するのに
とても苦しみます
とても苦しみます
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
このような子供たちに関する
仕事をする人々―
仕事をする人々―
01:19
speech therapists, educators --
25
67843
1878
スピーチ・セラピストや教育者は
01:21
what they do is, they try to help children with autism
26
69721
2633
彼らは 自閉症を抱える子供たちが
01:24
communicate not with words, but with pictures.
27
72354
3229
言葉ではなく
絵で会話できるよう努めています
絵で会話できるよう努めています
01:27
So if a child with autism wanted to say,
28
75583
1930
ある自閉症の子供が
01:29
"I want soup," that child would pick
29
77513
2458
「私はスープが欲しい」と言いたかったら
01:31
three different pictures, "I," "want," and "soup,"
30
79971
2260
「私」 「スープ」 「欲しい」という
３つの絵を
３つの絵を
01:34
and they would put these together,
31
82231
1609
選んでつなぎあわせます
01:35
and then the therapist or the parent would
32
83840
1867
すると セラピストや親は
01:37
understand that this is what the kid wants to say.
33
85707
1887
子供が言いたいことがわかります
01:39
And this has been incredibly effective;
34
87594
1778
この手法はとても有効で
01:41
for the last 30, 40 years
35
89372
2141
過去30､40年間
01:43
people have been doing this.
36
91513
1613
実践されてきました
01:45
In fact, a few years back,
37
93126
1349
実際 私は数年前に
01:46
I developed an app for the iPad
38
94475
2675
このためのiPad用アプリを
01:49
which does exactly this. It's called Avaz,
39
97150
2255
開発しました
Avaz と言います
Avaz と言います
01:51
and the way it works is that kids select
40
99405
2279
この仕組みは 子供たちが
01:53
different pictures.
41
101684
1321
異なる絵を選び
01:55
These pictures are sequenced
together to form sentences,
together to form sentences,
42
103005
2570
選ばれた絵がつながり 文になり
01:57
and these sentences are spoken out.
43
105575
1719
その文が読み上げられます
01:59
So Avaz is essentially converting pictures,
44
107294
3025
つまり Avaz は絵を変換するアプリ
02:02
it's a translator, it converts pictures into speech.
45
110319
3960
絵を言葉に変換する
翻訳機なのです
翻訳機なのです
02:06
Now, this was very effective.
46
114279
1718
アプリは効果的でした
02:07
There are thousands of children using this,
47
115997
1384
何千人もの子供たちが
02:09
you know, all over the world,
48
117381
1430
世界中で使っています
02:10
and I started thinking about
49
118811
2175
私は このアプリにできることと―
02:12
what it does and what it doesn't do.
50
120986
2654
できないことについて考え始めました
02:15
And I realized something interesting:
51
123640
1684
すると 興味深いことに気づきました
02:17
Avaz helps children with autism learn words.
52
125324
4203
Avaz は単語を学ぶのに
役立っていますが
役立っていますが
単語のパターンを学ぶ
02:21
What it doesn't help them do is to learn
53
129527
2405
02:23
word patterns.
54
131932
2748
助けにはなっていないと
02:26
Let me explain this in a little more detail.
55
134680
2472
もう少し詳しく説明します
02:29
Take this sentence: "I want soup tonight."
56
137152
3057
「今夜はスープが飲みたい」
を例文とします
を例文とします
02:32
Now it's not just the words
here that convey the meaning.
here that convey the meaning.
57
140209
4080
ここで意味を伝達するのは
単語だけではありません
単語だけではありません
02:36
It's also the way in which these words are arranged,
58
144289
3140
どう単語が並んでいるか
02:39
the way these words are modified and arranged.
59
147429
2515
どう修飾されているかも
重要です
重要です
02:41
And that's why a sentence like "I want soup tonight"
60
149959
2306
だからこそ
「今夜はスープが飲みたい」は
「今夜はスープが飲みたい」は
02:44
is different from a sentence like
61
152265
1984
「飲みたいスープ今夜」のように
意味不明の文から区別されるのです
意味不明の文から区別されるのです
02:46
"Soup want I tonight," which
is completely meaningless.
is completely meaningless.
62
154249
3312
「飲みたいスープ今夜」のように
意味不明の文から区別されるのです
意味不明の文から区別されるのです
02:49
So there is another hidden abstraction here
63
157561
2619
ここにもう一つ
自閉症の子供たちが
自閉症の子供たちが
02:52
which children with autism find
a lot of difficulty coping with,
a lot of difficulty coping with,
64
160180
3557
理解するのが難しい抽象表現があります
02:55
and that's the fact that you can modify words
65
163737
2840
それは 単語の修飾や並び替えで
02:58
and you can arrange them to have
66
166577
2101
異なる意味や考えを
03:00
different meanings, to convey different ideas.
67
168678
2895
伝えることが出来るということです
03:03
Now, this is what we call grammar.
68
171573
3459
これが文法と呼ばれるものです
03:07
And grammar is incredibly powerful,
69
175032
2036
文法は大きな影響力を持ちます
03:09
because grammar is this one component of language
70
177068
3157
文法は言語の構成要素の中でも
03:12
which takes this finite vocabulary that all of us have
71
180225
3489
私たちが有する
有限の語彙をもとに
有限の語彙をもとに
03:15
and allows us to convey an
infinite amount of information,
infinite amount of information,
72
183714
4531
無限の情報とアイディアを
伝達することを
伝達することを
03:20
an infinite amount of ideas.
73
188245
2134
可能にします
03:22
It's the way in which you can put things together
74
190379
2002
別々のものをつなぎあわせて
03:24
in order to convey anything you want to.
75
192381
2168
どんなことでも伝えられる
仕組みです
仕組みです
03:26
And so after I developed Avaz,
76
194549
2127
Avazを開発してから
03:28
I worried for a very long time
77
196676
1568
自閉症の子供たちに
03:30
about how I could give grammar
to children with autism.
to children with autism.
78
198244
3910
どうやって文法を伝えられるか
長い間悩みました
長い間悩みました
03:34
The solution came to me from
a very interesting perspective.
a very interesting perspective.
79
202154
2275
答えは意外な視点から見えました
03:36
I happened to chance upon a child with autism
80
204429
3449
あるとき 自閉症の子供が
お母さんと
お母さんと
03:39
conversing with her mom,
81
207878
2109
会話をしているのを見かけました
03:41
and this is what happened.
82
209987
2094
そうするとなんと
03:44
Completely out of the blue, very spontaneously,
83
212081
2186
子供が突然立ち上がり
03:46
the child got up and said, "Eat."
84
214267
2463
こう言いました
「食べる」
「食べる」
03:48
Now what was interesting was
85
216730
1770
興味深かったのは
03:50
the way in which the mom was trying to tease out
86
218500
4244
お母さんは
子供が言いたがっていることを
子供が言いたがっていることを
03:54
the meaning of what the child wanted to say
87
222744
2213
探り出すため 質問形式で
03:56
by talking to her in questions.
88
224957
2260
子供に話していたことです
03:59
So she asked, "Eat what? Do
you want to eat ice cream?
you want to eat ice cream?
89
227217
2593
「何を食べるの？」
「アイスが食べたいの？」
「アイスが食べたいの？」
04:01
You want to eat? Somebody else wants to eat?
90
229810
2112
「あなたが食べたいの？」
「誰かが食べたいの？」
「誰かが食べたいの？」
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
「今食べたいの？」
「夕方食べたいの？」
「夕方食べたいの？」
04:07
And then it struck me that
92
235235
1514
そして ハッとしました
04:08
what the mother had done was something incredible.
93
236749
2028
このお母さんの行動は天才的だと
04:10
She had been able to get that child to communicate
94
238777
1994
彼女は文法なしで子供との
04:12
an idea to her without grammar.
95
240771
4138
コミュニケーションを
可能にしたのです
可能にしたのです
04:16
And it struck me that maybe this is what
96
244909
2696
これが探していた答えかもしれない
04:19
I was looking for.
97
247605
1385
そう感じました
04:20
Instead of arranging words in an order, in sequence,
98
248990
4142
文として単語を
順に並べるのではなく
順に並べるのではなく
04:25
as a sentence, you arrange them
99
253132
2172
要素同士がつながっている
04:27
in this map, where they're all linked together
100
255304
3811
このようなマップ上で配列する
04:31
not by placing them one after the other
101
259115
2143
要素同士を横に並べるのではなく
質問形式に
つまり 問いと答えのペアで並べる
つまり 問いと答えのペアで並べる
04:33
but in questions, in question-answer pairs.
102
261258
3284
04:36
And so if you do this, then what you're conveying
103
264542
2358
こうして伝えられるのは
04:38
is not a sentence in English,
104
266900
1986
英語の文ではなく
04:40
but what you're conveying is really a meaning,
105
268886
2966
意味を伝えています
04:43
the meaning of a sentence in English.
106
271852
1511
英語の文の意味なのです
04:45
Now, meaning is really the underbelly,
in some sense, of language.
in some sense, of language.
107
273363
2932
意味とは 言語の急所とも言えます
04:48
It's what comes after thought but before language.
108
276295
3821
思考の後 言語の前に
生成されます
生成されます
04:52
And the idea was that this particular representation
109
280116
2503
マップ形式では意味を
04:54
might convey meaning in its raw form.
110
282619
3261
直接伝えられるのでは
と考えました
と考えました
04:57
So I was very excited by this, you know,
111
285880
1771
とてもワクワクしました
04:59
hopping around all over the place,
112
287651
1493
さまざまな場所に行き
05:01
trying to figure out if I can convert
113
289144
1771
耳にするありとあらゆる文を
05:02
all possible sentences that I hear into this.
114
290915
2524
この形に変換しようと試みました
05:05
And I found that this is not enough.
115
293439
1773
すると これでは不十分だと気づきました
05:07
Why is this not enough?
116
295212
1385
何が不十分なのでしょうか？
05:08
This is not enough because if you wanted to convey
117
296597
1711
それは 例えば「否定」を
05:10
something like negation,
118
298308
2250
伝えたいときに言うのは
05:12
you want to say, "I don't want soup,"
119
300558
1736
「スープを飲みたくない」で
05:14
then you can't do that by asking a question.
120
302294
2220
質問では引き出せません
05:16
You do that by changing the word "want."
121
304514
2285
「飲みたい」を変える必要があります
05:18
Again, if you wanted to say,
122
306799
1637
「昨日スープが飲みたかった」
05:20
"I wanted soup yesterday,"
123
308436
1980
と言いたい場合は
05:22
you do that by converting
the word "want" into "wanted."
the word "want" into "wanted."
124
310416
2737
「飲みたい」を
「飲みたかった」と
「飲みたかった」と
05:25
It's a past tense.
125
313153
1666
過去形に変えます
05:26
So this is a flourish which I added
126
314819
2103
この機能を足すことで
05:28
to make the system complete.
127
316922
1576
システムが完成しました
05:30
This is a map of words joined together
128
318498
1977
この単語のマップは問いと答えの
05:32
as questions and answers,
129
320475
1656
関係でつながっています
05:34
and with these filters applied on top of them
130
322131
2264
さらに フィルターをかけることで
05:36
in order to modify them to represent
131
324395
1817
特定のニュアンスに合わせて
05:38
certain nuances.
132
326212
1709
変更できます
05:39
Let me show you this with a different example.
133
327921
1951
違う例文で説明しましょう
05:41
Let's take this sentence:
134
329872
1254
「私は大工に
私は彼に支払えない と言った」
私は彼に支払えない と言った」
05:43
"I told the carpenter I could not pay him."
135
331126
1980
「私は大工に
私は彼に支払えない と言った」
私は彼に支払えない と言った」
05:45
It's a fairly complicated sentence.
136
333106
1792
かなり複雑な文です
05:46
The way that this particular system works,
137
334898
1893
このシステムの仕組みでは
05:48
you can start with any part of this sentence.
138
336791
2578
文のどの部分から始めてもいいので
05:51
I'm going to start with the word "tell."
139
339369
1698
「言う」から始めてみます
05:53
So this is the word "tell."
140
341067
1462
この「言う」という単語は
05:54
Now this happened in the past,
141
342529
1600
過去の出来事ですから
05:56
so I'm going to make that "told."
142
344129
2223
これを「言った」にします
05:58
Now, what I'm going to do is,
143
346352
1708
では次に
06:00
I'm going to ask questions.
144
348060
1756
いくつか質問をします
06:01
So, who told? I told.
145
349816
2364
「誰が言ったの？」
「私が言った」
「私が言った」
06:04
I told whom? I told the carpenter.
146
352180
1927
「誰に言ったの？」
「大工に言った」
「大工に言った」
06:06
Now we start with a different part of the sentence.
147
354107
1751
次は文の違う部分から
06:07
We start with the word "pay,"
148
355858
1867
「支払う」という単語に
06:09
and we add the ability filter to it to make it "can pay."
149
357725
4577
能力フィルターをかけて
「支払える」にします
「支払える」にします
06:14
Then we make it "can't pay,"
150
362302
2101
それから「支払えない」とします
06:16
and we can make it "couldn't pay"
151
364403
1599
最後に「支払えなかった」と
06:18
by making it the past tense.
152
366002
1663
過去形にします
06:19
So who couldn't pay? I couldn't pay.
153
367665
1923
「誰が支払えなかったの？」
「私が支払えなかった」
「私が支払えなかった」
06:21
Couldn't pay whom? I couldn't pay the carpenter.
154
369588
2676
「誰に支払えなかったの？」
「大工に支払えなかった」
「大工に支払えなかった」
06:24
And then you join these two together
155
372264
1731
結果をつなげるために
06:25
by asking this question:
156
373995
1350
この質問をします
06:27
What did I tell the carpenter?
157
375345
1737
「大工になんと言ったの？」
06:29
I told the carpenter I could not pay him.
158
377082
4049
「私は大工に
私は彼に支払えない と言った」
私は彼に支払えない と言った」
06:33
Now think about this. This is
159
381131
1937
考えてみてください これは
06:35
—(Applause)—
160
383068
3542
―（拍手）―
06:38
this is a representation of this sentence
161
386610
3672
これは言語に頼らない
06:42
without language.
162
390282
2435
文の表象なのです
06:44
And there are two or three
interesting things about this.
interesting things about this.
163
392717
2192
そして 興味深い点がいくつかあります
06:46
First of all, I could have started anywhere.
164
394909
3131
第一に どの部分から始めても
良かったということ
良かったということ
06:50
I didn't have to start with the word "tell."
165
398040
2243
「言う」から始める必要は無く
06:52
I could have started anywhere in the sentence,
166
400283
1416
どこから始めても
06:53
and I could have made this entire thing.
167
401699
1507
同じ結果に至ります
06:55
The second thing is, if I wasn't an English speaker,
168
403206
2776
第二に 私が英語話者でなく
06:57
if I was speaking in some other language,
169
405982
2175
他の言語を話していたとしても
07:00
this map would actually hold true in any language.
170
408157
3156
このマップは同様に機能した
ということ
ということ
07:03
So long as the questions are standardized,
171
411313
1990
質問が統一されていさえすれば
07:05
the map is actually independent of language.
172
413303
4287
マップは言語に
左右されないのです
左右されないのです
07:09
So I call this FreeSpeech,
173
417590
2115
これをFreeSpeech（自由言語）と名づけ
07:11
and I was playing with this for many, many months.
174
419705
2935
何か月も試してみました
07:14
I was trying out so many
different combinations of this.
different combinations of this.
175
422640
2726
ありとあらゆるパターンを試し
07:17
And then I noticed something very
interesting about FreeSpeech.
interesting about FreeSpeech.
176
425366
2289
非常に興味深い点を発見しました
07:19
I was trying to convert language,
177
427655
3243
言葉を変換しようとしていたときです
07:22
convert sentences in English
into sentences in FreeSpeech,
into sentences in FreeSpeech,
178
430898
2384
英文を「自由言語」に変換したり
07:25
and vice versa, and back and forth.
179
433282
1752
その逆を繰り返していたら
07:27
And I realized that this particular configuration,
180
435034
2255
特有の構造に気づきました
07:29
this particular way of representing language,
181
437289
2026
この特有の言語の表象方法からは
07:31
it allowed me to actually create very concise rules
182
439315
4395
「自由言語」と英語という
両極の間に
両極の間に
07:35
that go between FreeSpeech on one side
183
443710
2734
とても簡潔な法則を導き出すことが
07:38
and English on the other.
184
446444
1488
可能でした
07:39
So I could actually write this set of rules
185
447932
2180
表象から英語に変換する法則を
07:42
that translates from this particular
representation into English.
representation into English.
186
450112
3395
実際に書き出すこともできます
07:45
And so I developed this thing.
187
453507
1831
こうして開発したのが
07:47
I developed this thing called
the FreeSpeech Engine
the FreeSpeech Engine
188
455338
2232
「自由言語」エンジンです
07:49
which takes any FreeSpeech sentence as the input
189
457570
2561
どんな「自由言語」の文を
インプットしても
インプットしても
07:52
and gives out perfectly grammatical English text.
190
460131
3930
正しい文法の英文を
アウトプット出来ます
アウトプット出来ます
07:56
And by putting these two pieces together,
191
464061
1605
表象とエンジンの
07:57
the representation and the engine,
192
465666
1881
二つを組み合わせることで
07:59
I was able to create an app, a
technology for children with autism,
technology for children with autism,
193
467547
3796
自閉症の子供たちのための
技術となるアプリが出来ました
技術となるアプリが出来ました
08:03
that not only gives them words
194
471343
2499
それは 彼らに単語だけでなく
08:05
but also gives them grammar.
195
473842
3941
文法も与えるものでした
08:09
So I tried this out with kids with autism,
196
477783
2360
自閉症を抱える子供たちに
08:12
and I found that there was an
incredible amount of identification.
incredible amount of identification.
197
480143
5013
試してもらうと
その効果は一目瞭然でした
その効果は一目瞭然でした
08:17
They were able to create sentences in FreeSpeech
198
485156
2720
彼らは「自由言語」を使い 英語よりも
08:19
which were much more complicated
but much more effective
but much more effective
199
487876
2558
複雑かつ かなり分かりやすい
08:22
than equivalent sentences in English,
200
490434
2899
文を作ることが出来ました
08:25
and I started thinking about
201
493333
1682
なぜこうなるのか
08:27
why that might be the case.
202
495015
1969
考えたところ
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
一つの仮説をたてました
それを今から説明します
それを今から説明します
08:33
In about 1997, about 15 years back,
204
501271
3142
1997年頃 約15年前ですが
08:36
there were a group of scientists that were trying
205
504413
2011
脳の言語処理方法を
08:38
to understand how the brain processes language,
206
506424
2389
解明しようとする科学者のグループが
08:40
and they found something very interesting.
207
508813
1779
とても興味深いことを発見しました
08:42
They found that when you learn a language
208
510592
1872
人間は言語を
08:44
as a child, as a two-year-old,
209
512464
2912
幼少期に学ぶとき
08:47
you learn it with a certain part of your brain,
210
515376
2366
脳のとある部分で習得します
一方 大人として学ぶとき
08:49
and when you learn a language as an adult --
211
517742
1600
08:51
for example, if I wanted to
learn Japanese right now —
learn Japanese right now —
212
519342
3911
例えば 私が今から
日本語を勉強するとなると
日本語を勉強するとなると
08:55
a completely different part of my brain is used.
213
523253
2707
脳のまったく別の部分で習得します
08:57
Now I don't know why that's the case,
214
525960
1831
その理由は分かりませんが
08:59
but my guess is that that's because
215
527791
1991
私が思うには
09:01
when you learn a language as an adult,
216
529782
2437
大人として言語を学ぶときは
09:04
you almost invariably learn it
217
532219
1616
ほぼ必然的に
09:05
through your native language, or
through your first language.
through your first language.
218
533835
4266
母語か第一言語を通して
学びます
学びます
09:10
So what's interesting about FreeSpeech
219
538101
3252
「自由言語」の面白いところは
09:13
is that when you create a sentence
220
541353
1802
文や言語を生成するとき―
09:15
or when you create language,
221
543155
1695
ちなみに自閉症の子供たちは
09:16
a child with autism creates
language with FreeSpeech,
language with FreeSpeech,
222
544850
3070
「自由言語」でことばを作りますが―
09:19
they're not using this support language,
223
547920
1833
補助的な言語に頼りません
09:21
they're not using this bridge language.
224
549753
2211
言語の橋渡しが無いのです
09:23
They're directly constructing the sentence.
225
551964
2657
文を直接構築しているのです
09:26
And so this gave me this idea.
226
554621
2193
そしてあるアイディアが浮かびました
09:28
Is it possible to use FreeSpeech
227
556814
2024
「自由言語」を
09:30
not for children with autism
228
558838
2510
自閉症の子供たちではなく
09:33
but to teach language to people without disabilities?
229
561348
6262
障害を持たない人々への
言語教育にも利用できないだろうか？
言語教育にも利用できないだろうか？
09:39
And so I tried a number of experiments.
230
567610
1978
いくつかの実験を試みました
09:41
The first thing I did was I built a jigsaw puzzle
231
569588
2948
まず ジグソーパズルを作りました
09:44
in which these questions and answers
232
572536
1970
このパズルは問いと答えが
09:46
are coded in the form of shapes,
233
574506
1835
形や色として埋め込まれ
09:48
in the form of colors,
234
576341
1138
皆にはこれを
09:49
and you have people putting these together
235
577479
1849
組み立てることで 仕組みを
09:51
and trying to understand how this works.
236
579328
1773
理解してもらいました
09:53
And I built an app out of it, a game out of it,
237
581101
2376
これをもとに
ゲームアプリを開発しました
ゲームアプリを開発しました
09:55
in which children can play with words
238
583477
2661
子供たちが単語で遊ぶなか
09:58
and with a reinforcement,
239
586138
1704
視覚的な構造が
09:59
a sound reinforcement of visual structures,
240
587842
2585
聴覚的に補助されることで
10:02
they're able to learn language.
241
590427
2013
言語を習得できるのです
10:04
And this, this has a lot of potential, a lot of promise,
242
592440
2736
この技術は
大きな可能性を秘めています
大きな可能性を秘めています
10:07
and the government of India recently
243
595176
1975
先日 インド政府にこの技術を
10:09
licensed this technology from us,
244
597151
1404
ライセンス供与しました
10:10
and they're going to try it out
with millions of different children
with millions of different children
245
598555
2074
政府は 何百万人もの子供たちに
10:12
trying to teach them English.
246
600629
2605
英語を教えるのに試用します
10:15
And the dream, the hope, the vision, really,
247
603234
2614
私の夢、希望、展望は
10:17
is that when they learn English this way,
248
605848
3082
この方法で英語を学ぶことで
10:20
they learn it with the same proficiency
249
608930
2643
母語と同様に
10:23
as their mother tongue.
250
611573
3718
英語に堪能になってくれることです
10:27
All right, let's talk about something else.
251
615291
3816
では 次は
10:31
Let's talk about speech.
252
619107
1997
発話について話しましょう
10:33
This is speech.
253
621104
1271
これは発話です
10:34
So speech is the primary mode of communication
254
622375
1962
人の間で交わされる
コミュニケーションの
コミュニケーションの
10:36
delivered between all of us.
255
624337
1613
最も主要な形態です
10:37
Now what's interesting about speech is that
256
625950
1855
発話の興味深いところは
10:39
speech is one-dimensional.
257
627805
1245
一次元だという点です
10:41
Why is it one-dimensional?
258
629050
1359
なぜ一次元なのでしょうか？
10:42
It's one-dimensional because it's sound.
259
630409
1568
音声だからです
10:43
It's also one-dimensional because
260
631977
1539
また 人間の口が
10:45
our mouths are built that way.
261
633516
1205
そういう構造だからです
10:46
Our mouths are built to create
one-dimensional sound.
one-dimensional sound.
262
634721
3512
一次元の音を発するよう
造られています
造られています
10:50
But if you think about the brain,
263
638233
2866
でも 脳について考えると
10:53
the thoughts that we have in our heads
264
641099
1764
頭の中の思考は
10:54
are not one-dimensional.
265
642863
2102
一次元ではありません
10:56
I mean, we have these rich,
266
644965
1459
というのも 思考は
10:58
complicated, multi-dimensional ideas.
267
646424
3028
豊かで 複雑で 複数次元です
11:01
Now, it seems to me that language
268
649452
1690
すると 言語は実は
11:03
is really the brain's invention
269
651142
2332
脳の発明であり
11:05
to convert this rich, multi-dimensional thought
270
653474
3096
それは この豊かで
複数次元の思考を
複数次元の思考を
11:08
on one hand
271
656570
1587
発話に変換するための
11:10
into speech on the other hand.
272
658157
1923
ものだと思えてきます
11:12
Now what's interesting is that
273
660080
1762
面白いことに 最近は
11:13
we do a lot of work in information nowadays,
274
661842
2568
情報分野の仕事が多いですが
11:16
and almost all of that is done
in the language domain.
in the language domain.
275
664410
3079
ほとんどが言語の領域で行われています
11:19
Take Google, for example.
276
667489
1939
例えばグーグルは
11:21
Google trawls all these
countless billions of websites,
countless billions of websites,
277
669428
2677
数え切れないほどの
英語のウェブサイトを
英語のウェブサイトを
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
徹底的に探し出し
グーグルを使うときは
グーグルを使うときは
11:26
you go into Google search, and you type in English,
279
674830
2450
グーグル検索で英語で入力すると
11:29
and it matches the English with the English.
280
677280
4163
その英語とウェブサイトの英語を
合致させてくれる
合致させてくれる
11:33
What if we could do this in FreeSpeech instead?
281
681443
3583
これを「自由言語」でもできたら
どうでしょう？
どうでしょう？
11:37
I have a suspicion that if we did this,
282
685026
2301
私の予想では そうすることで
11:39
we'd find that algorithms like searching,
283
687327
2068
検索行為や結果取得における
11:41
like retrieval, all of these things,
284
689395
2325
アルゴリズムはもっと単純で
11:43
are much simpler and also more effective,
285
691720
3075
効果的なものになると思います
11:46
because they don't process
the data structure of speech.
the data structure of speech.
286
694795
4417
それは発話のデータ構造を処理せずに
11:51
Instead they're processing
the data structure of thought.
the data structure of thought.
287
699212
5976
思考のデータ構造を
処理するものになるからです
処理するものになるからです
11:57
The data structure of thought.
288
705188
2808
思考のデータ構造
11:59
That's a provocative idea.
289
707996
2076
刺激的な発想ですよね
12:02
But let's look at this in a little more detail.
290
710072
2142
もう少し詳しく見てみましょう
12:04
So this is the FreeSpeech ecosystem.
291
712214
2366
これが「自由言語」の生態系です
12:06
We have the Free Speech
representation on one side,
representation on one side,
292
714580
2884
一方では「自由言語」があり
そして―
そして―
12:09
and we have the FreeSpeech
Engine, which generates English.
Engine, which generates English.
293
717464
2228
英語を生成するエンジンがあります
12:11
Now if you think about it,
294
719694
1725
改めて考えてみると
12:13
FreeSpeech, I told you, is completely
language-independent.
language-independent.
295
721419
2544
「自由言語」は
言語から独立しています
言語から独立しています
12:15
It doesn't have any specific information in it
296
723963
2087
英語に関する特定の情報は
12:18
which is about English.
297
726050
1228
一切入っていない
12:19
So everything that this system knows about English
298
727278
2800
つまり このシステムが持つ
英語に関する情報は
英語に関する情報は
12:22
is actually encoded into the engine.
299
730078
4620
すべてエンジン内にコード化されています
12:26
That's a pretty interesting concept in itself.
300
734698
2237
これ自体が面白い概念です
12:28
You've encoded an entire human language
301
736935
3604
人間の言語というものを
ソフトウェアプログラムに
ソフトウェアプログラムに
12:32
into a software program.
302
740539
2645
記号化してしまったのです
12:35
But if you look at what's inside the engine,
303
743184
2531
しかし エンジンの中身を見てみると
12:37
it's actually not very complicated.
304
745715
2358
それほど複雑ではありません
12:40
It's not very complicated code.
305
748073
2105
難しいコードではないのです
12:42
And what's more interesting is the fact that
306
750178
2672
さらに面白いことに
12:44
the vast majority of the code in that engine
307
752850
2203
コードの大部分が
12:47
is not really English-specific.
308
755053
2412
英語固有のものではありません
12:49
And that gives this interesting idea.
309
757465
1895
そこで考えたのです
12:51
It might be very easy for us to actually
310
759360
2038
このようなエンジンを簡単に
12:53
create these engines in many,
many different languages,
many different languages,
311
761398
3826
さまざまな言語に対して
作成できるのではないかと
作成できるのではないかと
12:57
in Hindi, in French, in German, in Swahili.
312
765224
6354
例えば ヒンディー語､ フランス語､ ドイツ語､ スワヒリ語
13:03
And that gives another interesting idea.
313
771578
2799
そこから こうも考えられます
13:06
For example, supposing I was a writer,
314
774377
2654
例えば 私が新聞や雑誌の
13:09
say, for a newspaper or for a magazine.
315
777031
2122
ライターだとします
13:11
I could create content in one language, FreeSpeech,
316
779153
5011
コンテンツを「自由言語」という
一つの言語で書けば
一つの言語で書けば
13:16
and the person who's consuming that content,
317
784164
2056
そのコンテンツの消費者
13:18
the person who's reading that particular information
318
786220
3061
つまり情報の読者は
13:21
could choose any engine,
319
789281
2495
どのエンジンでも選べ
13:23
and they could read it in their own mother tongue,
320
791776
2736
コンテンツを母語で
13:26
in their native language.
321
794512
3939
読むことができる
13:30
I mean, this is an incredibly attractive idea,
322
798451
2722
これは 大変魅力的な
アイディアです
アイディアです
13:33
especially for India.
323
801173
1999
特にインドでは 多くの言語が
13:35
We have so many different languages.
324
803172
1690
存在しますからね
13:36
There's a song about India, and there's a description
325
804862
2142
インドについて歌っている曲では
13:39
of the country as, it says,
326
807004
2344
国をこう表しています
13:41
(in Sanskrit).
327
809348
2360
（サンスクリット語）
13:43
That means "ever-smiling speaker
328
811708
2773
「いつも笑顔の
13:46
of beautiful languages."
329
814481
4519
美しい言語たちの話者」と言っています
13:51
Language is beautiful.
330
819000
1964
言語は美しいものです
13:52
I think it's the most beautiful of human creations.
331
820964
2454
最も美しい
人間の創造物だと思います
人間の創造物だと思います
13:55
I think it's the loveliest thing
that our brains have invented.
that our brains have invented.
332
823418
3978
最も愛しい
脳の発明品だと思います
脳の発明品だと思います
13:59
It entertains, it educates, it enlightens,
333
827396
3584
私たちを楽しませ 教育し
啓発してくれます
啓発してくれます
14:02
but what I like the most about language
334
830980
2044
でも 最も好きなところは
14:05
is that it empowers.
335
833024
1500
力を与えてくれることです
14:06
I want to leave you with this.
336
834524
1838
最後にお見せしたいものがあります
14:08
This is a photograph of my collaborators,
337
836362
2385
これは私の協力者の写真です
14:10
my earliest collaborators
338
838747
997
私が仕事で 言語や自閉症に
取り組み始めたころの協力者です
取り組み始めたころの協力者です
14:11
when I started working on language
339
839744
1462
私が仕事で 言語や自閉症に
取り組み始めたころの協力者です
取り組み始めたころの協力者です
14:13
and autism and various other things.
340
841206
1502
私が仕事で 言語や自閉症に
取り組み始めたころの協力者です
取り組み始めたころの協力者です
14:14
The girl's name is Pavna,
341
842708
1417
彼女はパヴナ
14:16
and that's her mother, Kalpana.
342
844125
1902
お母さんはカルパナ
14:18
And Pavna's an entrepreneur,
343
846027
2138
パヴナは起業家です
14:20
but her story is much more remarkable than mine,
344
848165
2371
弱冠23歳ですから
14:22
because Pavna is about 23.
345
850536
2400
彼女のストーリーは
私のよりもすごいです
私のよりもすごいです
14:24
She has quadriplegic cerebral palsy,
346
852936
2552
彼女は脳性四肢麻痺を抱えています
14:27
so ever since she was born,
347
855488
1640
生まれたときから
14:29
she could neither move nor talk.
348
857128
3600
動くことも話すこともできなかったのです
14:32
And everything that she's accomplished so far,
349
860728
2403
彼女がこれまで達成してきたこと―
14:35
finishing school, going to college,
350
863131
2227
義務教育修了 大学進学
14:37
starting a company,
351
865358
1416
会社の起業
14:38
collaborating with me to develop Avaz,
352
866774
2140
Avazの開発協力―
14:40
all of these things she's done
353
868914
1892
これらはすべて
14:42
with nothing more than moving her eyes.
354
870806
5523
目を動かすことだけで
成し遂げてきたのです
成し遂げてきたのです
14:48
Daniel Webster said this:
355
876329
2689
ダニエル・ウェブスターは
こう言いました
こう言いました
14:51
He said, "If all of my possessions were taken
356
879018
2940
「もし私の所有物を 一つを除いて
14:53
from me with one exception,
357
881958
2988
すべて失ってしまうとなったら
14:56
I would choose to keep the power of communication,
358
884946
2981
コミュニケーション能力を残したい
14:59
for with it, I would regain all the rest."
359
887927
3903
それで他を取り返せるから」 と
15:03
And that's why, of all of these incredible
applications of FreeSpeech,
applications of FreeSpeech,
360
891830
5116
だからこそ「自由言語」の
数ある応用方法のうち
数ある応用方法のうち
15:08
the one that's closest to my heart
361
896946
2080
今でも変わらず
15:11
still remains the ability for this
362
899026
2068
最も重要だと感じるのは
15:13
to empower children with disabilities
363
901094
2380
障害をもつ子供たちに
15:15
to be able to communicate,
364
903474
1773
コミュニケーションという
15:17
the power of communication,
365
905247
1789
力を与えることです
15:19
to get back all the rest.
366
907036
2240
それで全てを取り返せます
15:21
Thank you.
367
909276
1397
ありがとうございました
15:22
(Applause)
368
910673
1332
（拍手）
15:24
Thank you. (Applause)
369
912005
4199
どうもありがとう （拍手）
15:28
Thank you. Thank you. Thank you. (Applause)
370
916204
5323
どうも ありがとうございます （拍手）
15:33
Thank you. Thank you. Thank you. (Applause)
371
921527
4000
（拍手）
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