TED2012
Jean-Baptiste Michel: The mathematics of history
Žans-Batists Mikels: Vēstures matemātika
Filmed:
Readability: 4.3
1,279,350 views
Kas matemātikai sakāms par vēsturi? Saskaņā ar TED biedru Žanu-Batistu Mikelu, diezgan daudz kas. No izmaiņām valodās līdz karu nāvīgumam, viņš parādā, kā digitalizētā vēsture tikai sākt atklāt dziļi caurvijošas sistēmas.
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
Izrādās, matemātika ir ļoti varena valoda.
00:19
It has generated considerable insight in physics,
1
3671
2312
Tā ir sniegusi vērā ņemamu ieguldījumu fizikā,
00:21
in biology and economics,
2
5983
2100
bioloģijā un ekonomikā,
00:23
but not that much in the humanities and in history.
3
8083
2817
taču ne tik lielu ieguldījumu humanitārajās zinātnēs un vēsturē.
00:26
I think there's a belief that it's just impossible,
4
10900
2283
Manuprāt, ir pārliecība, ka tas vienkārši ir neiespējami,
00:29
that you cannot quantify the doings of mankind,
5
13183
2646
ka nevar kvantitatīvi izteikt cilvēces paveikto,
00:31
that you cannot measure history.
6
15829
2519
ka vēsturi nevar izmērīt.
00:34
But I don't think that's right.
7
18348
1527
Taču es nedomāju, ka tas ir pareizi.
00:35
I want to show you a couple of examples why.
8
19875
2042
Es gribu parādīt dažus piemērus, kāpēc.
00:37
So my collaborator Erez and I were considering the following fact:
9
21917
2958
Mēs ar manu līdzstrādnieku Erezu apspriedām šādu faktu:
00:40
that two kings separated by centuries
10
24875
2729
ka divi karaļi dažādos gadsimtos
00:43
will speak a very different language.
11
27604
1767
runā ļoti dažādās valodās.
00:45
That's a powerful historical force.
12
29371
2304
Tas ir varens vēsturisks spēks.
00:47
So the king of England, Alfred the Great,
13
31675
1773
Anglijas karalis Alfrēds Lielais,
00:49
will use a vocabulary and grammar
14
33448
1640
izmantoja vārdu krājumu un gramatiku,
00:50
that is quite different from the king of hip hop, Jay-Z.
15
35088
3700
kas ir diezgan atšķirīga no hiphopa karaļa Jay-Z.
00:54
(Laughter)
16
38788
1666
(Smiekli)
00:56
Now it's just the way it is.
17
40454
2171
Tā tas vienkārši ir.
00:58
Language changes over time, and it's a powerful force.
18
42625
2292
Valoda laika gaitā mainās, un tas ir varens spēks.
01:00
So Erez and I wanted to know more about that.
19
44917
2287
Mēs ar Erezu gribējām par to uzzināt ko vairāk.
01:03
So we paid attention to a particular grammatical rule, past-tense conjugation.
20
47204
3657
Tā nu mēs pievērsām uzmanību kādam konkrētam gramatikas likumam, pagātnes laika konjugācijai.
01:06
So you just add "ed" to a verb at the end to signify the past.
21
50861
3264
Jūs vienkārši norisenim pievienojat „-ed”, norādot pagātni.
01:10
"Today I walk. Yesterday I walked."
22
54125
1927
„Šodien es eju (walk). Vakar es gāju (walked).”
01:11
But some verbs are irregular.
23
56052
1344
Taču daži darbības vārdi ir nekārtni.
01:13
"Yesterday I thought."
24
57396
1396
„Vakar es domāju (thought).”
01:14
Now what's interesting about that
25
58792
1666
Interesants ir tas,
01:16
is irregular verbs between Alfred and Jay-Z have become more regular.
26
60458
3830
ka nekārtnie noriseņi starp Alfrēdu un Jay-Z ir kļuvuši kārtnāki.
01:20
Like the verb "to wed" that you see here has become regular.
27
64288
2735
Piemēram, vārds „izprecināt” (to wed) ir kļuvusi kārtns.
01:22
So Erez and I followed the fate of over 100 irregular verbs
28
67023
4022
Tā nu mēs ar Erezu izsekojām vairāk nekā 100 nekārtno noriseņu likteni
01:26
through 12 centuries of English language,
29
71045
1919
angļu valodas 12 gadsimtos,
01:28
and we saw that there's actually a very simple mathematical pattern
30
72964
2911
un mēs ievērojam patiesībā ļoti vienkārši matemātisku sistēmu,
01:31
that captures this complex historical change,
31
75875
2542
kas ietver šīs sarežģītās vēsturiskās pārmaiņas,
01:34
namely, if a verb is 100 times more frequent than another,
32
78417
3660
proti, ja norisenis ir 100 reizes biežāks nekā cits,
01:37
it regularizes 10 times slower.
33
82077
2665
tas kārtņojas 10 reizes lēnāk.
01:40
That's a piece of history, but it comes in a mathematical wrapping.
34
84742
3935
Tā ir daļa vēstures, kam līdzi nāk matemātika.
01:44
Now in some cases math can even help explain,
35
88677
3654
Dažos gadījumos matemātika var pat palīdzēt izskaidrot
01:48
or propose explanations for, historical forces.
36
92331
2879
vai piedāvāt vēsturisku spēku skaidrojumus.
01:51
So here Steve Pinker and I
37
95210
1832
Šeit mēs ar Stīvu Pinkeru
01:52
were considering the magnitude of wars during the last two centuries.
38
97042
3852
apspriežam pēdējo divu gadsimtu laikā notikušo karu apmērus.
01:56
There's actually a well-known regularity to them
39
100894
2495
Tiem pastāv labi zināms sistemātiskums,
01:59
where the number of wars that are 100 times deadlier
40
103389
3422
kur tie kari, kas ir 100 reizes nāvējošāki,
02:02
is 10 times smaller.
41
106811
1952
ir 10 reizes mazāk.
02:04
So there are 30 wars that are about as deadly as the Six Days War,
42
108763
3344
Tātad, ir 30 kari, kas ir apmēram tikpat nāvējoši,
cik Sešu dienu karš,
cik Sešu dienu karš,
02:08
but there's only four wars that are 100 times deadlier --
43
112107
2820
taču ir tikai četri kari, kas ir 100 reizes nāvējošāki
02:10
like World War I.
44
114927
1977
piemēram, 1. Pasaules karš.
02:12
So what kind of historical mechanism can produce that?
45
116904
2923
Kāda veida vēsturiskais mehānisms var to radīt?
02:15
What's the origin of this?
46
119827
2000
Kāda ir tā izcelsme?
02:17
So Steve and I, through mathematical analysis,
47
121827
2265
Mēs ar Stīvu ar matemātiskās analīzes palīdzību
02:19
propose that there's actually a very simple phenomenon at the root of this,
48
124092
4241
ierosinājām, ka patiesībā
tā pamatā ir ļoti vienkārša parādība,
tā pamatā ir ļoti vienkārša parādība,
02:24
which lies in our brains.
49
128333
1690
kas atrodas mūsu smadzenēs.
02:25
This is a very well-known feature
50
130023
2019
Tā ir ļoti labi zināma īpašība,
02:27
in which we perceive quantities in relative ways --
51
132042
2975
kurā mēs uztveram daudzumus relatīvos veidos,
02:30
quantities like the intensity of light or the loudness of a sound.
52
135017
3716
daudzumos, piemēram,
gaismas stiprums vai skaņas skaļums.
gaismas stiprums vai skaņas skaļums.
02:34
For instance, committing 10,000 soldiers to the next battle sounds like a lot.
53
138733
5309
Piemēram, nosūtīt 10 000 kareivjus
nākamajai kaujai skan daudz.
nākamajai kaujai skan daudz.
02:39
It's relatively enormous if you've already committed 1,000 soldiers previously.
54
144042
3444
Tas ir salīdzinoši daudz,
ja iepriekš esat jau sūtījis 1000 kareivju.
ja iepriekš esat jau sūtījis 1000 kareivju.
02:43
But it doesn't sound so much,
55
147486
1827
Taču tas neizklausās tik daudz,
02:45
it's not relatively enough, it won't make a difference
56
149313
3020
tas nav gana relatīvi, tas neko daudz nemainīs,
02:48
if you've already committed 100,000 soldiers previously.
57
152333
2952
ja iepriekš jau esat sūtījis 100 000 kareivju.
02:51
So you see that because of the way we perceive quantities,
58
155285
3613
Jūs redzat, ka tas,
kā mēs uztveram daudzumu,
kā mēs uztveram daudzumu,
02:54
as the war drags on,
59
158898
1767
karam ievelkoties,
02:56
the number of soldiers committed to it and the casualties
60
160665
3085
tajā iesaistīto, savainoto un mirušo kareivju skaits
02:59
will increase not linearly --
61
163750
1683
pieaug nevis lineāri,
03:01
like 10,000, 11,000, 12,000 --
62
165433
1888
piemēram, 10 000, 11 000, 12 000,
03:03
but exponentially -- 10,000, later 20,000, later 40,000.
63
167321
4275
bet gan eksponenciāli — 10 000,
vēlāk 20 000, vēl vēlāk 40 000.
vēlāk 20 000, vēl vēlāk 40 000.
03:07
And so that explains this pattern that we've seen before.
64
171596
3085
Tas izskaidro šo jau iepriekš redzēto sistēmu.
03:10
So here mathematics is able to link a well-known feature of the individual mind
65
174681
5498
Tātad, šajā gadījumā ar matemātiku
ir iespējams sasaistīt labi zināmu prāta īpašību
ir iespējams sasaistīt labi zināmu prāta īpašību
03:16
with a long-term historical pattern
66
180179
2989
ar ilgtermiņa vēsturisko sistēmu,
03:19
that unfolds over centuries and across continents.
67
183168
2857
kas atklājas gadsimtu gaitā un pāri kontinentiem.
03:21
So these types of examples, today there are just a few of them,
68
186025
4017
Šāda veida piemēri, šodien ir tikai daži no tiem,
03:25
but I think in the next decade they will become commonplace.
69
190042
2689
uzskatu, ka nākamajā desmitgadē
tie kļūs par ikdienišķu parādību.
tie kļūs par ikdienišķu parādību.
03:28
The reason for that is that the historical record
70
192731
2392
Iemesls tam ir tāds, ka vēsturiskie ieraksti
03:31
is becoming digitized at a very fast pace.
71
195123
2460
ļoti ātrā tempā kļūst digitalizēti.
03:33
So there's about 130 million books
72
197583
2610
Ir aptuveni 130 miljoni grāmatu,
03:36
that have been written since the dawn of time.
73
200193
2311
kas sarakstītas kopš laika sākuma.
03:38
Companies like Google have digitized many of them --
74
202504
2454
Uzņēmumi, piemēram, Google daudzas no tām ir digitalizējis,
03:40
above 20 million actually.
75
204958
1584
patiesībā vairāk nekā 20 miljonus.
03:42
And when the stuff of history is available in digital form,
76
206542
3578
Vēstures lietām esot pieejamām digitālā veidā,
03:46
it makes it possible for a mathematical analysis
77
210120
2380
tas padara iespējamu ļoti ātru un ļoti ērtu
03:48
to very quickly and very conveniently
78
212500
2375
matemātiskās analīzes veikšanu,
03:50
review trends in our history and our culture.
79
214875
2725
pārskatot mūsu vēstures un kultūras tendences.
03:53
So I think in the next decade,
80
217600
2721
Manuprāt, nākamajā desmitgadē
03:56
the sciences and the humanities will come closer together
81
220321
2750
precīzās un humanitārās zinātnes satuvināsies,
03:58
to be able to answer deep questions about mankind.
82
223071
3329
lai spētu rast atbildes uz dziļiem cilvēces jautājumiem.
04:02
And I think that mathematics will be a very powerful language to do that.
83
226400
4121
Manuprāt, matemātika ir ļoti varena valoda tā paveikšana.
04:06
It will be able to reveal new trends in our history,
84
230521
3146
Tā varēs atklāt jaunas tendences mūsu vēsturēm,
04:09
sometimes to explain them,
85
233667
1750
dažreiz, lai tās izskaidrotu
04:11
and maybe even in the future to predict what's going to happen.
86
235417
3306
un varbūt pat nākotnē prognozēt to, kas notiks.
04:14
Thank you very much.
87
238723
1491
Liels paldies.
04:16
(Applause)
88
240214
3678
(Aplausi)
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