TED2011
Rajesh Rao: A Rosetta Stone for a lost language
Rajesh Rao: Kamień z Rosetty induskiego pisma
Filmed:
Readability: 4.2
2,103,451 views
Rajesh Rao pasjonuje się "matką wszystkich krzyżówek" czyli tym jak odcyfrować liczące sobie 4000 lat induskie pismo. W ramach TED 2011 opowiada o tym, jak wykorzystuje nowoczesne techniki komputerowe do odczytania języka induskiego będącego kluczem do zrozumienia tej starożytnej cywilizacji.
Rajesh Rao - Computational neuroscientist
Rajesh Rao seeks to understand the human brain through computational modeling, on two fronts: developing computer models of our minds, and using tech to decipher the 4,000-year-old lost script of the Indus Valley civilization. Full bio
Rajesh Rao seeks to understand the human brain through computational modeling, on two fronts: developing computer models of our minds, and using tech to decipher the 4,000-year-old lost script of the Indus Valley civilization. Full bio
Double-click the English transcript below to play the video.
00:15
I'd like to begin with a thought experiment.
0
0
3000
Chciałbym zacząć od eksperymentu myślowego.
00:19
Imagine that it's 4,000 years into the future.
1
4000
3000
Wyobraźmy sobie, że minęły 4000 lat.
00:22
Civilization as we know it
2
7000
2000
Cywilizacja, jaką znamy,
00:24
has ceased to exist --
3
9000
2000
przestała istnieć.
00:26
no books,
4
11000
2000
Nie istnieją książki,
00:28
no electronic devices,
5
13000
3000
urządzenia elektroniczne,
00:31
no Facebook or Twitter.
6
16000
3000
Facebook ani Twitter.
00:34
All knowledge of the English language and the English alphabet
7
19000
3000
Cała wiedza na temat języka angielskiego i jego alfabetu
00:37
has been lost.
8
22000
2000
została zapomniana.
00:39
Now imagine archeologists
9
24000
2000
Wyobraźmy sobie teraz archeologów
00:41
digging through the rubble of one of our cities.
10
26000
2000
przekopujących gruzy jednego z naszych miast.
00:43
What might they find?
11
28000
2000
Na co mogliby natrafić?
00:45
Well perhaps some rectangular pieces of plastic
12
30000
3000
Być może na jakieś prostokątne kawałki plastiku
00:48
with strange symbols on them.
13
33000
3000
z dziwnymi symbolami.
00:51
Perhaps some circular pieces of metal.
14
36000
3000
Albo na okrągłe kawałki metalu.
00:54
Maybe some cylindrical containers
15
39000
2000
Lub pojemniki w kształcie walca
00:56
with some symbols on them.
16
41000
2000
z jakimiś symbolami.
00:58
And perhaps one archeologist becomes an instant celebrity
17
43000
3000
Może pewna badaczka nagle zostałaby gwiazdą archeologii,
01:01
when she discovers --
18
46000
2000
odkrywszy zakopane na wzgórzach Ameryki Północnej
01:03
buried in the hills somewhere in North America --
19
48000
2000
odkrywszy zakopane na wzgórzach Ameryki Północnej
01:05
massive versions of these same symbols.
20
50000
3000
gigantyczne odpowiedniki tych symboli.
01:10
Now let's ask ourselves,
21
55000
2000
Zadajmy sobie teraz pytanie,
01:12
what could such artifacts say about us
22
57000
3000
co takie znaleziska powiedziałyby o nas
01:15
to people 4,000 years into the future?
23
60000
3000
ludziom z odległej o 4000 lat przyszłości?
01:18
This is no hypothetical question.
24
63000
2000
Nie jest to czysto hipotetyczne pytanie.
01:20
In fact, this is exactly the kind of question we're faced with
25
65000
3000
Z takimi właśnie problemami mierzymy się,
01:23
when we try to understand the Indus Valley civilization,
26
68000
3000
gdy staramy się zrozumieć cywilizację doliny Indusu,
01:26
which existed 4,000 years ago.
27
71000
2000
która istniała 4000 lat temu.
01:28
The Indus civilization was roughly contemporaneous
28
73000
3000
Cywilizacja Indusu istniała mniej więcej w tym samym czasie
01:31
with the much better known Egyptian and the Mesopotamian civilizations,
29
76000
3000
co znacznie lepiej poznane cywilizacje Egiptu i Mezopotamii,
01:34
but it was actually much larger than either of these two civilizations.
30
79000
3000
ale obejmowała swoim zasięgiem znacznie większy obszar.
01:37
It occupied the area
31
82000
2000
Zajmowała obszar
01:39
of approximately one million square kilometers,
32
84000
2000
około miliona kilometrów kwadratowych
01:41
covering what is now Pakistan,
33
86000
2000
na terytorium dzisiejszego Pakistanu,
01:43
Northwestern India
34
88000
2000
północno-wschodnich Indii
01:45
and parts of Afghanistan and Iran.
35
90000
2000
i części Afganistanu i Iranu.
01:47
Given that it was such a vast civilization,
36
92000
2000
Biorąc pod uwagę ogrom tej cywilizacji,
01:49
you might expect to find really powerful rulers, kings,
37
94000
4000
można by sądzić, że rządzili nią potężni władcy, królowie,
01:53
and huge monuments glorifying these powerful kings.
38
98000
3000
upamiętnieni olbrzymimi pomnikami.
01:56
In fact,
39
101000
2000
W rzeczywistości
01:58
what archeologists have found is none of that.
40
103000
2000
archeolodzy niczego takiego nie znaleźli.
02:00
They've found small objects such as these.
41
105000
3000
Odkryto małe przedmioty takie jak te.
02:03
Here's an example of one of these objects.
42
108000
3000
Mamy tu przykład jednego z takich przedmiotów.
02:06
Well obviously this is a replica.
43
111000
2000
Oczywiście jest to replika.
02:08
But who is this person?
44
113000
3000
Ale kim jest ta osoba?
02:11
A king? A god?
45
116000
2000
Królem? Bogiem?
02:13
A priest?
46
118000
2000
Kapłanem?
02:15
Or perhaps an ordinary person
47
120000
2000
A może zwykłym człowiekiem?
02:17
like you or me?
48
122000
2000
Jak wy czy ja?
02:19
We don't know.
49
124000
2000
Tego nie wiemy.
02:21
But the Indus people also left behind artifacts with writing on them.
50
126000
3000
Cywilizacja ta zostawiła po sobie także przedmioty z pismem.
02:24
Well no, not pieces of plastic,
51
129000
2000
Nie są to kawałki plastiku,
02:26
but stone seals, copper tablets,
52
131000
3000
ale kamienne pieczęci, miedziane tabliczki,
02:29
pottery and, surprisingly,
53
134000
2000
ceramika oraz, co zaskakujące,
02:31
one large sign board,
54
136000
2000
jedna duża tablica,
02:33
which was found buried near the gate of a city.
55
138000
2000
odkopana niedaleko bram miasta.
02:35
Now we don't know if it says Hollywood,
56
140000
2000
Obecnie nie wiemy jeszcze, czy napis na niej
02:37
or even Bollywood for that matter.
57
142000
2000
to coś jak Hollywood czy Bollywood.
02:39
In fact, we don't even know
58
144000
2000
W zasadzie nie wiemy nawet,
02:41
what any of these objects say,
59
146000
2000
czego dotyczą wszystkie te napisy.
02:43
and that's because the Indus script is undeciphered.
60
148000
3000
Wszystko dlatego, że induskie pismo nie zostało odczytane.
02:46
We don't know what any of these symbols mean.
61
151000
2000
Nie wiemy, co znaczą wszystkie te symbole.
02:48
The symbols are most commonly found on seals.
62
153000
3000
Najczęściej występują one na pieczęciach.
02:51
So you see up there one such object.
63
156000
2000
Widzicie tu jedną z takich pieczęci
02:53
It's the square object with the unicorn-like animal on it.
64
158000
3000
w kształcie kwadratu i ze zwierzęciem przypominającym jednorożca.
02:56
Now that's a magnificent piece of art.
65
161000
2000
Jest to wspaniałe dzieło sztuki.
02:58
So how big do you think that is?
66
163000
2000
Jak sądzicie, czy jest ona duża?
03:00
Perhaps that big?
67
165000
2000
Tak duża?
03:02
Or maybe that big?
68
167000
2000
A może tak duża?
03:04
Well let me show you.
69
169000
2000
Pozwólcie, że wam pokażę.
03:07
Here's a replica of one such seal.
70
172000
3000
Mam tu kopię jednej z takich pieczęci.
03:10
It's only about one inch by one inch in size --
71
175000
2000
Jej wymiary to jedynie 2,5 cm na 2,5 cm.
03:12
pretty tiny.
72
177000
2000
Całkiem mało.
03:14
So what were these used for?
73
179000
2000
Do czego służyły takie pieczęcie?
03:16
We know that these were used for stamping clay tags
74
181000
3000
Wiemy, że używano ich do pieczętowania glinianych tabliczek,
03:19
that were attached to bundles of goods that were sent from one place to the other.
75
184000
3000
które przyczepiano do wysyłanych towarów.
03:22
So you know those packing slips you get on your FedEx boxes?
76
187000
3000
Kojarzycie listy przewozowe na pudełkach FedExu?
03:25
These were used to make those kinds of packing slips.
77
190000
3000
Używano ich w charakterze takich listów przewozowych.
03:28
You might wonder what these objects contain
78
193000
3000
Pewnie zastanawiacie się,
03:31
in terms of their text.
79
196000
2000
czego może dotyczyć tekst na nich.
03:33
Perhaps they're the name of the sender
80
198000
2000
Możliwe, że jest to imię nadawcy
03:35
or some information about the goods
81
200000
2000
albo informacje na temat towaru
03:37
that are being sent from one place to the other -- we don't know.
82
202000
3000
wysyłanego z jednego miejsca do drugiego - tego nie wiemy.
03:40
We need to decipher the script to answer that question.
83
205000
2000
Musimy odczytać pismo, aby odpowiedzieć na to pytanie.
03:42
Deciphering the script
84
207000
2000
Odczytywanie pisma
03:44
is not just an intellectual puzzle;
85
209000
2000
to nie tylko intelektualna łamigłówka.
03:46
it's actually become a question
86
211000
2000
Stało się ono kwestią
03:48
that's become deeply intertwined
87
213000
2000
głęboko powiązaną
03:50
with the politics and the cultural history of South Asia.
88
215000
3000
z polityką i historią kultury południowej Azji.
03:53
In fact, the script has become a battleground of sorts
89
218000
3000
Zadanie to stało się swego rodzaju polem bitwy
03:56
between three different groups of people.
90
221000
2000
między trzema różnymi grupami ludzi.
03:58
First, there's a group of people
91
223000
2000
Pierwsza z nich to ludzie,
04:00
who are very passionate in their belief
92
225000
2000
którzy zaciekle bronią stanowiska,
04:02
that the Indus script
93
227000
2000
że induskie pismo
04:04
does not represent a language at all.
94
229000
2000
nie jest wcale językiem.
04:06
These people believe that the symbols
95
231000
2000
Ludzie ci wierzą, że symbole te
04:08
are very similar to the kind of symbols you find on traffic signs
96
233000
3000
są podobne do tych spotykanych na znakach drogowych
04:11
or the emblems you find on shields.
97
236000
3000
lub tarczach herbowych.
04:14
There's a second group of people
98
239000
2000
Druga grupa uważa,
04:16
who believe that the Indus script represents an Indo-European language.
99
241000
3000
że induskie pismo należy do grupy języków indoeuropejskich.
04:19
If you look at a map of India today,
100
244000
2000
Na mapie dzisiejszych Indii widać,
04:21
you'll see that most of the languages spoken in North India
101
246000
3000
że większość języków używanych w północnych Indiach
04:24
belong to the Indo-European language family.
102
249000
3000
należy do rodziny języków indoeuropejskich.
04:27
So some people believe that the Indus script
103
252000
2000
Dlatego niektórzy sądzą, że induskie pismo
04:29
represents an ancient Indo-European language such as Sanskrit.
104
254000
3000
to starożytny język indoeuropejski jak sanskryt.
04:32
There's a last group of people
105
257000
2000
Ostatnia z tych grup jest zdania,
04:34
who believe that the Indus people
106
259000
3000
że mieszkańcy doliny Indusu byli przodkami
04:37
were the ancestors of people living in South India today.
107
262000
3000
ludzi zamieszkujących dzisiaj południowe Indie.
04:40
These people believe that the Indus script
108
265000
2000
Ludzie ci uważają, że induskie pismo
04:42
represents an ancient form
109
267000
2000
jest starożytną formą
04:44
of the Dravidian language family,
110
269000
2000
języka z grupy języków drawidyjskich,
04:46
which is the language family spoken in much of South India today.
111
271000
3000
które są używane na znacznym obszarze południowych Indii.
04:49
And the proponents of this theory
112
274000
2000
Zwolennicy tej teorii wskazują
04:51
point to that small pocket of Dravidian-speaking people in the North,
113
276000
3000
na małą grupę ludzi mówiących drawidyjskim na północy,
04:54
actually near Afghanistan,
114
279000
2000
niedaleko Afganistanu twierdząc,
04:56
and they say that perhaps, sometime in the past,
115
281000
3000
że być może w pewnym okresie
04:59
Dravidian languages were spoken all over India
116
284000
3000
językami drawidyjskimi mówiono w całych Indiach,
05:02
and that this suggests
117
287000
2000
a to wskazywałoby,
05:04
that the Indus civilization is perhaps also Dravidian.
118
289000
3000
że induska cywilizacja również używała drawidyjskiego.
05:07
Which of these hypotheses can be true?
119
292000
3000
Która z tych hipotez jest właściwa?
05:10
We don't know, but perhaps if you deciphered the script,
120
295000
2000
Być może jeśli odczytamy to pismo,
05:12
you would be able to answer this question.
121
297000
2000
będziemy mogli odpowiedzieć na to pytanie.
05:14
But deciphering the script is a very challenging task.
122
299000
2000
Ale odczytanie pisma jest ambitnym zadaniem.
05:16
First, there's no Rosetta Stone.
123
301000
2000
Po pierwsze, nie mamy kamienia z Rosetty.
05:18
I don't mean the software;
124
303000
2000
Nie mam na myśli programu komputerowego,
05:20
I mean an ancient artifact
125
305000
2000
ale starożytną tablicę,
05:22
that contains in the same text
126
307000
2000
na której zapisano zarówno
05:24
both a known text and an unknown text.
127
309000
3000
znany nam tekst, jak i nieznany.
05:27
We don't have such an artifact for the Indus script.
128
312000
3000
Nie mamy odpowiednika dla pisma induskiego.
05:30
And furthermore, we don't even know what language they spoke.
129
315000
3000
Co więcej, nie wiemy nawet, jakim językiem mówili.
05:33
And to make matters even worse,
130
318000
2000
A co gorsza,
05:35
most of the text that we have are extremely short.
131
320000
2000
większość dostępnych tekstów jest bardzo krótka.
05:37
So as I showed you, they're usually found on these seals
132
322000
2000
Znajdujemy je zwykle na tych pieczęciach,
05:39
that are very, very tiny.
133
324000
2000
które są bardzo, bardzo małe.
05:41
And so given these formidable obstacles,
134
326000
2000
Biorąc pod uwagę te znaczne trudności,
05:43
one might wonder and worry
135
328000
2000
można zacząć się zastanawiać i martwić,
05:45
whether one will ever be able to decipher the Indus script.
136
330000
3000
czy będziemy w stanie odczytać induskie pismo.
05:48
In the rest of my talk,
137
333000
2000
W pozostałej części mojego wystąpienia
05:50
I'd like to tell you about how I learned to stop worrying
138
335000
2000
opowiem wam dlaczego przestałem się martwić
05:52
and love the challenge posed by the Indus script.
139
337000
2000
i pokochałem wyzwanie, jakim jest induskie pismo.
05:54
I've always been fascinated by the Indus script
140
339000
3000
Zacząłem pasjonować się induskim pismem,
05:57
ever since I read about it in a middle school textbook.
141
342000
2000
odkąd przeczytałem o nim w szkole średniej.
05:59
And why was I fascinated?
142
344000
2000
Dlaczego mnie to zafascynowało?
06:01
Well it's the last major undeciphered script in the ancient world.
143
346000
4000
Cóż, jest to ostatni nieodczytany znaczący starożytny system pisma.
06:05
My career path led me to become a computational neuroscientist,
144
350000
3000
W toku kariery zawodowej zająłem się neurobiologią komputerową.
06:08
so in my day job,
145
353000
2000
W codziennej pracy
06:10
I create computer models of the brain
146
355000
2000
tworzę komputerowe modele mózgu,
06:12
to try to understand how the brain makes predictions,
147
357000
3000
aby spróbować zrozumieć, jak mózg przewiduje,
06:15
how the brain makes decisions,
148
360000
2000
podejmuje decyzje,
06:17
how the brain learns and so on.
149
362000
2000
uczy się i tak dalej.
06:19
But in 2007, my path crossed again with the Indus script.
150
364000
3000
Ale w 2007 roku ponownie zetknąłem się z pismem induskim.
06:22
That's when I was in India,
151
367000
2000
Byłem wtedy w Indiach
06:24
and I had the wonderful opportunity
152
369000
2000
i miałem przyjemność
06:26
to meet with some Indian scientists
153
371000
2000
poznać kilku indyjskich naukowców
06:28
who were using computer models to try to analyze the script.
154
373000
3000
wykorzystujących komputerowe modele do analizy tego pisma.
06:31
And so it was then that I realized
155
376000
2000
Wtedy właśnie zdałem sobie sprawę,
06:33
there was an opportunity for me to collaborate with these scientists,
156
378000
3000
że mam szansę współpracować z tymi naukowcami
06:36
and so I jumped at that opportunity.
157
381000
2000
i skwapliwie z tej szansy skorzystałem.
06:38
And I'd like to describe some of the results that we have found.
158
383000
2000
Pragnę przedstawić niektóre wyniki naszej pracy.
06:40
Or better yet, let's all collectively decipher.
159
385000
3000
Choć lepiej będzie, jeśli razem spróbujemy odczytać to pismo.
06:43
Are you ready?
160
388000
2000
Gotowi?
06:45
The first thing that you need to do when you have an undeciphered script
161
390000
3000
Przystępując do odczytywania pisma należy najpierw
06:48
is try to figure out the direction of writing.
162
393000
2000
określić jego kierunek.
06:50
Here are two texts that contain some symbols on them.
163
395000
3000
Mamy tu dwa teksty z różnymi symbolami.
06:53
Can you tell me
164
398000
2000
Czy potraficie powiedzieć,
06:55
if the direction of writing is right to left or left to right?
165
400000
3000
czy pisano je od prawej do lewej czy odwrotnie?
06:58
I'll give you a couple of seconds.
166
403000
3000
Zastanówcie się kilka sekund.
07:01
Okay. Right to left, how many? Okay.
167
406000
3000
Ilu z was uważa, że od prawej do lewej?
07:04
Okay. Left to right?
168
409000
2000
A od lewej do prawej?
07:06
Oh, it's almost 50/50. Okay.
169
411000
2000
Mamy właściwie remis.
07:08
The answer is:
170
413000
2000
Odpowiedź brzmi:
07:10
if you look at the left-hand side of the two texts,
171
415000
2000
jeśli spojrzycie na lewą stronę obu tekstów,
07:12
you'll notice that there's a cramping of signs,
172
417000
3000
zauważycie zbitkę znaków.
07:15
and it seems like 4,000 years ago,
173
420000
2000
Wydaje się, że 4000 lat temu,
07:17
when the scribe was writing from right to left,
174
422000
2000
gdy skryba zapisywał ten tekst od prawej do lewej,
07:19
they ran out of space.
175
424000
2000
skończyło mu się miejsce
07:21
And so they had to cram the sign.
176
426000
2000
i musiał ścieśnić znaki.
07:23
One of the signs is also below the text on the top.
177
428000
2000
Jeden z nich jest też poniżej tekstu na górze.
07:25
This suggests the direction of writing
178
430000
2000
Sugeruje to, że pisano prawdopodobnie
07:27
was probably from right to left,
179
432000
2000
od prawej do lewej.
07:29
and so that's one of the first things we know,
180
434000
2000
W ten sposób dowiadujemy się,
07:31
that directionality is a very key aspect of linguistic scripts.
181
436000
3000
że kierunek pisma jest kluczowym aspektem zapisu języka.
07:34
And the Indus script now has
182
439000
2000
A pismo induskie posiada
07:36
this particular property.
183
441000
2000
tę cechę.
07:38
What other properties of language does the script show?
184
443000
2000
Jakie inne cechy języka występują w tym piśmie?
07:40
Languages contain patterns.
185
445000
2000
W językach można dostrzec wzorce.
07:42
If I give you the letter Q
186
447000
2000
Jeśli podam wam literę Q
07:44
and ask you to predict the next letter, what do you think that would be?
187
449000
3000
i poproszę was o przewidzenie następnej litery, co odpowiecie?
07:47
Most of you said U, which is right.
188
452000
2000
Większość powie, że będzie to U, zgodnie z prawdą.
07:49
Now if I asked you to predict one more letter,
189
454000
2000
Jeśli poproszę was o przewidzenie kolejnej litery,
07:51
what do you think that would be?
190
456000
2000
jaka będzie to litera?
07:53
Now there's several thoughts. There's E. It could be I. It could be A,
191
458000
3000
Możliwe są różne odpowiedzi. Na przykład E lub I, a także A,
07:56
but certainly not B, C or D, right?
192
461000
3000
ale z pewnością nie B, C lub D, prawda?
07:59
The Indus script also exhibits similar kinds of patterns.
193
464000
3000
W piśmie induskim również znajdujemy podobne wzorce.
08:02
There's a lot of text that start with this diamond-shaped symbol.
194
467000
3000
Wiele tekstów zaczyna się od tego romboidalnego symbolu.
08:05
And this in turn tends to be followed
195
470000
2000
Po nim na ogół występuje
08:07
by this quotation marks-like symbol.
196
472000
2000
symbol podobny do cudzysłowu.
08:09
And this is very similar to a Q and U example.
197
474000
2000
Mamy tu analogię do przykładu z Q i U.
08:11
This symbol can in turn be followed
198
476000
2000
Po tym symbolu z kolei może występować
08:13
by these fish-like symbols and some other signs,
199
478000
3000
symbol podobny do ryby i niektóre inne znaki,
08:16
but never by these other signs at the bottom.
200
481000
2000
ale nigdy nie te podane na dole.
08:18
And furthermore, there's some signs
201
483000
2000
Ponadto istnieją znaki,
08:20
that really prefer the end of texts,
202
485000
2000
które najczęściej występują na końcu,
08:22
such as this jar-shaped sign,
203
487000
2000
takie jak np. ten w kształcie słoja.
08:24
and this sign, in fact, happens to be
204
489000
2000
Co więcej, ten znak
08:26
the most frequently occurring sign in the script.
205
491000
2000
jest najczęściej występującym znakiem w tym piśmie.
08:28
Given such patterns, here was our idea.
206
493000
3000
Biorąc pod uwagę te wzorce,
08:31
The idea was to use a computer
207
496000
2000
wpadliśmy na pomysł,
08:33
to learn these patterns,
208
498000
2000
aby nauczyć komputer tych wzorców.
08:35
and so we gave the computer the existing texts.
209
500000
3000
Wprowadziliśmy do komputera istniejące teksty,
08:38
And the computer learned a statistical model
210
503000
2000
a komputer nauczył się modelu statystycznego
08:40
of which symbols tend to occur together
211
505000
2000
określającego, które symbole występują razem,
08:42
and which symbols tend to follow each other.
212
507000
2000
a które występują po sobie.
08:44
Given the computer model,
213
509000
2000
Mając taki komputerowy model,
08:46
we can test the model by essentially quizzing it.
214
511000
3000
możemy sprawdzić nasz model, zadając mu zagadki.
08:49
So we could deliberately erase some symbols,
215
514000
2000
Możemy celowo wymazać niektóre symbole
08:51
and we can ask it to predict the missing symbols.
216
516000
3000
i poprosić go o odgadnięcie brakujących znaków.
08:54
Here are some examples.
217
519000
3000
Oto kilka przykładów.
09:00
You may regard this
218
525000
2000
Możecie uznać to
09:02
as perhaps the most ancient game
219
527000
2000
za najstarożytniejszą wersję
09:04
of Wheel of Fortune.
220
529000
3000
Koła Fortuny.
09:08
What we found
221
533000
2000
Przekonaliśmy się,
09:10
was that the computer was successful in 75 percent of the cases
222
535000
2000
że komputer potrafił przewidzieć właściwy symbol
09:12
in predicting the correct symbol.
223
537000
2000
w 75 procentach przypadków.
09:14
In the rest of the cases,
224
539000
2000
W pozostałych przypadkach
09:16
typically the second best guess or third best guess was the right answer.
225
541000
3000
zazwyczaj druga lub trzecia próba wskazywała prawidłową odpowiedź.
09:19
There's also practical use
226
544000
2000
Metoda ta
09:21
for this particular procedure.
227
546000
2000
ma również praktyczne zastosowanie.
09:23
There's a lot of these texts that are damaged.
228
548000
2000
Wiele tekstów jest zniszczonych.
09:25
Here's an example of one such text.
229
550000
2000
Mamy tutaj przykład takiego tekstu.
09:27
And we can use the computer model now to try to complete this text
230
552000
3000
Możemy zastosować model komputerowy, aby spróbować
09:30
and make a best guess prediction.
231
555000
2000
go uzupełnić.
09:32
Here's an example of a symbol that was predicted.
232
557000
3000
Oto przykład symbolu, który został wstawiony.
09:35
And this could be really useful as we try to decipher the script
233
560000
2000
Może być to bardzo użyteczne w odczytywaniu tego pisma
09:37
by generating more data that we can analyze.
234
562000
3000
dzięki możliwości generowania nowych danych do analizy.
09:40
Now here's one other thing you can do with the computer model.
235
565000
3000
Przy użyciu tego modelu można zrobić coś jeszcze.
09:43
So imagine a monkey
236
568000
2000
Wyobraźcie sobie małpę
09:45
sitting at a keyboard.
237
570000
2000
piszącą na klawiaturze.
09:47
I think you might get a random jumble of letters that looks like this.
238
572000
3000
Pewnie uzyskamy przypadkowy ciąg znaków podobny do tego.
09:50
Such a random jumble of letters
239
575000
2000
Taki przypadkowy ciąg znaków
09:52
is said to have a very high entropy.
240
577000
2000
charakteryzuje się wysoką entropią.
09:54
This is a physics and information theory term.
241
579000
2000
Jest to termin z fizyki i teorii informacji.
09:56
But just imagine it's a really random jumble of letters.
242
581000
3000
Wyobraźcie sobie całkowicie przypadkowy ciąg liter.
09:59
How many of you have ever spilled coffee on a keyboard?
243
584000
4000
Ilu z was wylało kiedykolwiek kawę na klawiaturę?
10:03
You might have encountered the stuck-key problem --
244
588000
2000
Mogliście się spotkać z problemem zablokowanego klawisza,
10:05
so basically the same symbol being repeated over and over again.
245
590000
3000
gdy ten sam symbol cały czas się powtarza.
10:08
This kind of a sequence is said to have a very low entropy
246
593000
3000
Ten rodzaj sekwencji charakteryzuje się bardzo niską entropią,
10:11
because there's no variation at all.
247
596000
2000
ponieważ nie występują tu różne symbole.
10:13
Language, on the other hand, has an intermediate level of entropy;
248
598000
3000
Język z kolei cechuje się średnim poziomem entropii;
10:16
it's neither too rigid,
249
601000
2000
Nie jest ani zbyt powtarzalny,
10:18
nor is it too random.
250
603000
2000
ani zbyt przypadkowy.
10:20
What about the Indus script?
251
605000
2000
A jak jest w przypadku pisma induskiego?
10:22
Here's a graph that plots the entropies of a whole bunch of sequences.
252
607000
4000
Mam tu wykres przedstawiający entropie różnych sekwencji.
10:26
At the very top you find the uniformly random sequence,
253
611000
2000
Na górze są sekwencje o podobnym stopniu zróżnicowania,
10:28
which is a random jumble of letters --
254
613000
2000
co oznacza przypadkowy ciąg liter,
10:30
and interestingly, we also find
255
615000
2000
co ciekawe widzimy tu również
10:32
the DNA sequence from the human genome and instrumental music.
256
617000
3000
sekwencję DNA ludzkiego genomu i muzykę instrumentalną.
10:35
And both of these are very, very flexible,
257
620000
2000
I jedno, i drugie jest bardzo, bardzo przypadkowe,
10:37
which is why you find them in the very high range.
258
622000
2000
dlatego znajdują się w górnej części wykresu.
10:39
At the lower end of the scale,
259
624000
2000
W dolnej części skali
10:41
you find a rigid sequence, a sequence of all A's,
260
626000
2000
znajdziemy powtarzalną sekwencję, tj. sekwencję samych A,
10:43
and you also find a computer program,
261
628000
2000
a także program komputerowy,
10:45
in this case in the language Fortran,
262
630000
2000
w tym przypadku napisany w języku Fortran,
10:47
which obeys really strict rules.
263
632000
2000
który ma ściśle określone reguły.
10:49
Linguistic scripts
264
634000
2000
Języki pisane
10:51
occupy the middle range.
265
636000
2000
znajdują się pośrodku skali.
10:53
Now what about the Indus script?
266
638000
2000
A pismo Induskie?
10:55
We found that the Indus script
267
640000
2000
Okryliśmy, że pismo induskie
10:57
actually falls within the range of the linguistic scripts.
268
642000
2000
znajduje się w zakresie typowym dla języków pisanych.
10:59
When this result was first published,
269
644000
2000
Gdy ten wynik został opublikowany,
11:01
it was highly controversial.
270
646000
3000
wzbudził znaczne kontrowersje.
11:04
There were people who raised a hue and cry,
271
649000
3000
Podniósł się krzyk
11:07
and these people were the ones who believed
272
652000
2000
wśród ludzi, którzy twierdzili,
11:09
that the Indus script does not represent language.
273
654000
3000
że pismo induskie nie stanowi języka.
11:12
I even started to get some hate mail.
274
657000
2000
Zacząłem dostawać e-maile z pogróżkami.
11:14
My students said
275
659000
2000
Moi studenci mówili mi,
11:16
that I should really seriously consider getting some protection.
276
661000
3000
że powinienem rozważyć zatrudnienie ochrony.
11:19
Who'd have thought
277
664000
2000
Kto by pomyślał,
11:21
that deciphering could be a dangerous profession?
278
666000
2000
że odczytywanie pisma może być niebezpieczne?
11:23
What does this result really show?
279
668000
2000
O czym świadczy ten wynik?
11:25
It shows that the Indus script
280
670000
2000
Świadczy on o tym, że pismo induskie
11:27
shares an important property of language.
281
672000
2000
ma istotne cechy języka.
11:29
So, as the old saying goes,
282
674000
2000
A więc, jak mówią,
11:31
if it looks like a linguistic script
283
676000
2000
jeśli coś wygląda na język pisany
11:33
and it acts like a linguistic script,
284
678000
2000
i ma podobne cechy,
11:35
then perhaps we may have a linguistic script on our hands.
285
680000
3000
to prawdopodobnie jest to język pisany.
11:38
What other evidence is there
286
683000
2000
Jakie są inne dowody na to,
11:40
that the script could actually encode language?
287
685000
2000
że to pismo mogło być zapisem języka?
11:42
Well linguistic scripts can actually encode multiple languages.
288
687000
3000
System pisma może służyć do zapisu różnych języków.
11:45
So for example, here's the same sentence written in English
289
690000
3000
Mamy tu na przykład to samo zdanie zapisane po angielsku
11:48
and the same sentence written in Dutch
290
693000
2000
i po holendersku
11:50
using the same letters of the alphabet.
291
695000
2000
za pomocą tego samego alfabetu.
11:52
If you don't know Dutch and you only know English
292
697000
3000
Jeśli nie znacie holenderskiego, a jedynie angielski,
11:55
and I give you some words in Dutch,
293
700000
2000
a ja podam wam kilka holenderskich wyrazów,
11:57
you'll tell me that these words contain
294
702000
2000
odpowiecie, że wyrazy te
11:59
some very unusual patterns.
295
704000
2000
są nietypowo zbudowane.
12:01
Some things are not right,
296
706000
2000
Pewne rzeczy się nie zgadzają
12:03
and you'll say these words are probably not English words.
297
708000
3000
i dlatego stwierdzicie, że nie jest to angielski tekst.
12:06
The same thing happens in the case of the Indus script.
298
711000
2000
Podobnie jest w przypadku pisma induskiego.
12:08
The computer found several texts --
299
713000
2000
Komputer znalazł kilka tekstów,
12:10
two of them are shown here --
300
715000
2000
dwa z nich pokazano tutaj,
12:12
that have very unusual patterns.
301
717000
2000
które mają bardzo nietypową strukturę.
12:14
So for example the first text:
302
719000
2000
Na przykład w pierwszym tekście:
12:16
there's a doubling of this jar-shaped sign.
303
721000
3000
powtarza się znak w kształcie słoja.
12:19
This sign is the most frequently-occurring sign
304
724000
2000
Jest to najczęściej występujący znak
12:21
in the Indus script,
305
726000
2000
w piśmie induskim
12:23
and it's only in this text
306
728000
2000
i tylko w tym tekście
12:25
that it occurs as a doubling pair.
307
730000
2000
występuje on dwukrotnie obok siebie.
12:27
Why is that the case?
308
732000
2000
Dlaczego?
12:29
We went back and looked at where these particular texts were found,
309
734000
3000
Sprawdziliśmy, gdzie znaleziono ten tekst
12:32
and it turns out that they were found
310
737000
2000
i okazało się, że wykopano go
12:34
very, very far away from the Indus Valley.
311
739000
2000
bardzo, bardzo daleko od doliny Indusu.
12:36
They were found in present day Iraq and Iran.
312
741000
3000
Znaleziono go na obszarze dzisiejszego Iraku i Iranu.
12:39
And why were they found there?
313
744000
2000
Dlaczego tam?
12:41
What I haven't told you is that
314
746000
2000
Nie powiedziałem wam jeszcze,
12:43
the Indus people were very, very enterprising.
315
748000
2000
że mieszkańcy doliny Indusu byli bardzo przedsiębiorczy.
12:45
They used to trade with people pretty far away from where they lived,
316
750000
3000
Handlowali z ludźmi z dość odległych krajów.
12:48
and so in this case, they were traveling by sea
317
753000
3000
W tym przypadku przypłynęli
12:51
all the way to Mesopotamia, present-day Iraq.
318
756000
3000
aż do Mezopotamii, dzisiejszego Iraku.
12:54
And what seems to have happened here
319
759000
2000
Prawdopodobnie
12:56
is that the Indus traders, the merchants,
320
761000
3000
induscy kupcy
12:59
were using this script to write a foreign language.
321
764000
3000
używali tego pisma do zapisu obcego języka.
13:02
It's just like our English and Dutch example.
322
767000
2000
Podobnie jak w naszym angielsko-holenderskim przykładzie.
13:04
And that would explain why we have these strange patterns
323
769000
2000
Tłumaczyłoby to występowanie tych dziwnych wzorców,
13:06
that are very different from the kinds of patterns you see in the text
324
771000
3000
które tak bardzo różnią się od tych, które widzimy w tekstach
13:09
that are found within the Indus Valley.
325
774000
3000
znalezionych w dolinie Indusu.
13:12
This suggests that the same script, the Indus script,
326
777000
2000
Wskazywałoby to na to, że pismo induskie
13:14
could be used to write different languages.
327
779000
3000
mogło być używane do zapisu różnych języków.
13:17
The results we have so far seem to point to the conclusion
328
782000
3000
Wyniki, które uzyskaliśmy do tej pory sugerują,
13:20
that the Indus script probably does represent language.
329
785000
3000
że pismo induskie rzeczywiście jest zapisem języka.
13:23
If it does represent language,
330
788000
2000
A jeżeli nim jest,
13:25
then how do we read the symbols?
331
790000
2000
to w jaki sposób je odczytać?
13:27
That's our next big challenge.
332
792000
2000
Jest to nasze kolejne wyzwanie.
13:29
So you'll notice that many of the symbols
333
794000
2000
Zauważcie, że wiele symboli
13:31
look like pictures of humans, of insects,
334
796000
2000
przypomina ludzi, owady,
13:33
of fishes, of birds.
335
798000
3000
ryby, ptaki.
13:36
Most ancient scripts
336
801000
2000
Większość starożytnych pism
13:38
use the rebus principle,
337
803000
2000
opiera się na zasadzie rebusu,
13:40
which is, using pictures to represent words.
338
805000
3000
tj. wykorzystania obrazków do przedstawienia wyrazów.
13:43
So as an example, here's a word.
339
808000
3000
Weźmy na przykład takie słowo.
13:46
Can you write it using pictures?
340
811000
2000
Czy potraficie je zapisać, używając obrazków?
13:48
I'll give you a couple seconds.
341
813000
2000
Zastanówcie się kilka sekund.
13:50
Got it?
342
815000
2000
Już?
13:52
Okay. Great.
343
817000
2000
Świetnie.
13:54
Here's my solution.
344
819000
2000
Oto moje rozwiązanie.
13:56
You could use the picture of a bee followed by a picture of a leaf --
345
821000
2000
Pszczoła [ang. bee] i liść [ang. leaf]
13:58
and that's "belief," right.
346
823000
2000
dają razem wiarę [ang. belief].
14:00
There could be other solutions.
347
825000
2000
Istnieją także inne rozwiązania.
14:02
In the case of the Indus script,
348
827000
2000
W przypadku pisma induskiego
14:04
the problem is the reverse.
349
829000
2000
mamy zupełnie inny problem.
14:06
You have to figure out the sounds of each of these pictures
350
831000
3000
Trzeba odgadnąć brzmienie każdego z tych obrazków,
14:09
such that the entire sequence makes sense.
351
834000
2000
tak aby cały ciąg miał sens.
14:11
So this is just like a crossword puzzle,
352
836000
3000
Przypomina to krzyżówkę,
14:14
except that this is the mother of all crossword puzzles
353
839000
3000
choć jest to raczej matka wszystkich krzyżówek,
14:17
because the stakes are so high if you solve it.
354
842000
4000
ponieważ stawka za jej rozwiązanie jest bardzo wysoka.
14:21
My colleagues, Iravatham Mahadevan and Asko Parpola,
355
846000
3000
Moi koledzy, Iravatham Mahadevan i Asko Parpola,
14:24
have been making some headway on this particular problem.
356
849000
2000
zdołali poczynić postępy na drodze do rozwiązania tej zagadki.
14:26
And I'd like to give you a quick example of Parpola's work.
357
851000
2000
Dam wam krótki przykład z pracy Parpoli.
14:28
Here's a really short text.
358
853000
2000
Mam tu bardzo krótki tekst
14:30
It contains seven vertical strokes followed by this fish-like sign.
359
855000
3000
z siedmioma pionowymi kreskami, po których następuje znak w kształcie ryby.
14:33
And I want to mention that these seals were used
360
858000
2000
Należy wspomnieć, że te pieczęcie były używane
14:35
for stamping clay tags
361
860000
2000
do znakowania glinianych tabliczek,
14:37
that were attached to bundles of goods,
362
862000
2000
które były przyczepiane do towarów,
14:39
so it's quite likely that these tags, at least some of them,
363
864000
3000
więc przynajmniej część z nich może
14:42
contain names of merchants.
364
867000
2000
zawierać imiona kupców.
14:44
And it turns out that in India
365
869000
2000
Okazuje się, że w Indiach
14:46
there's a long tradition
366
871000
2000
istnieje długa tradycja
14:48
of names being based on horoscopes
367
873000
2000
nadawania imion w oparciu o horoskopy
14:50
and star constellations present at the time of birth.
368
875000
3000
i konstelacje gwiazd w dniu urodzenia.
14:53
In Dravidian languages,
369
878000
2000
W językach drawidyjskich
14:55
the word for fish is "meen"
370
880000
2000
"ryba" to "meen",
14:57
which happens to sound just like the word for star.
371
882000
3000
co akurat brzmi dokładnie tak jak wyraz "gwiazda".
15:00
And so seven stars
372
885000
2000
Siedem gwiazd
15:02
would stand for "elu meen,"
373
887000
2000
oznaczałoby "elu meen",
15:04
which is the Dravidian word
374
889000
2000
co jest drawidyjskim słowem
15:06
for the Big Dipper star constellation.
375
891000
2000
na określenie gwiazdozbioru Wielkiego Wozu.
15:08
Similarly, there's another sequence of six stars,
376
893000
3000
Mamy też inny ciąg sześciu gwiazd,
15:11
and that translates to "aru meen,"
377
896000
2000
który tłumaczy się jako "aru meen",
15:13
which is the old Dravidian name
378
898000
2000
co jest starodrawidyjską nazwą
15:15
for the star constellation Pleiades.
379
900000
2000
Plejad, gromady gwiazd.
15:17
And finally, there's other combinations,
380
902000
3000
Są też i inne kombinacje,
15:20
such as this fish sign with something that looks like a roof on top of it.
381
905000
3000
takie jak ta ze znakiem ryby i swego rodzaju daszkiem.
15:23
And that could be translated into "mey meen,"
382
908000
3000
Można ją przetłumaczyć jako "mey meen",
15:26
which is the old Dravidian name for the planet Saturn.
383
911000
3000
będące starodrawidyjską nazwą planety Saturn.
15:29
So that was pretty exciting.
384
914000
2000
Odkrycie tego było bardzo ekscytujące.
15:31
It looks like we're getting somewhere.
385
916000
2000
Wygląda na to, że dochodzimy do czegoś.
15:33
But does this prove
386
918000
2000
Ale czy to dowodzi,
15:35
that these seals contain Dravidian names
387
920000
2000
że te pieczęcie zawierają drawidyjskie imiona
15:37
based on planets and star constellations?
388
922000
2000
oparte na planetach i konstelacjach gwiazd?
15:39
Well not yet.
389
924000
2000
Jeszcze nie.
15:41
So we have no way of validating
390
926000
2000
Nie mamy sposobu, aby zweryfikować
15:43
these particular readings,
391
928000
2000
nasze próby odczytania,
15:45
but if more and more of these readings start making sense,
392
930000
3000
ale jeśli coraz więcej z nich będzie miała sens
15:48
and if longer and longer sequences
393
933000
2000
i jeśli coraz dłuższe sekwencje
15:50
appear to be correct,
394
935000
2000
będą wydawały się poprawne,
15:52
then we know that we are on the right track.
395
937000
2000
będziemy wiedzieć, że podążamy właściwą drogą.
15:54
Today,
396
939000
2000
Obecnie
15:56
we can write a word such as TED
397
941000
3000
możemy zapisać wyraz TED
15:59
in Egyptian hieroglyphics and in cuneiform script,
398
944000
3000
za pomocą egipskich hieroglifów lub pisma klinowego,
16:02
because both of these were deciphered
399
947000
2000
ponieważ oba te pisma odczytano
16:04
in the 19th century.
400
949000
2000
w XIX wieku.
16:06
The decipherment of these two scripts
401
951000
2000
Odczytanie tych dwóch pism sprawiło,
16:08
enabled these civilizations to speak to us again directly.
402
953000
3000
że te cywilizacje ponownie do nas przemówiły.
16:11
The Mayans
403
956000
2000
Majowie
16:13
started speaking to us in the 20th century,
404
958000
2000
przemówili do nas w XX wieku,
16:15
but the Indus civilization remains silent.
405
960000
3000
ale cywilizacja Indusu wciąż milczy.
16:18
Why should we care?
406
963000
2000
Dlaczego ma to nas obchodzić?
16:20
The Indus civilization does not belong
407
965000
2000
Cywilizacja Indusu nie należy jedynie
16:22
to just the South Indians or the North Indians
408
967000
2000
do mieszkańców południowych lub północnych Indii
16:24
or the Pakistanis;
409
969000
2000
czy Pakistańczyków;
16:26
it belongs to all of us.
410
971000
2000
ona należy do nas wszystkich.
16:28
These are our ancestors --
411
973000
2000
Byli to nasi przodkowie,
16:30
yours and mine.
412
975000
2000
wasi i moi.
16:32
They were silenced
413
977000
2000
Uciszono ich
16:34
by an unfortunate accident of history.
414
979000
2000
przez niefortunny przypadek historii.
16:36
If we decipher the script,
415
981000
2000
Jeśli odczytamy ich pismo,
16:38
we would enable them to speak to us again.
416
983000
2000
ponownie damy im głos.
16:40
What would they tell us?
417
985000
3000
Co nam powiedzą?
16:43
What would we find out about them? About us?
418
988000
3000
Czego się o nich dowiemy? A o nas?
16:46
I can't wait to find out.
419
991000
3000
Nie mogę się doczekać, aby się dowiedzieć.
16:49
Thank you.
420
994000
2000
Dziękuję za uwagę.
16:51
(Applause)
421
996000
4000
(Brawa)
ABOUT THE SPEAKER
Rajesh Rao - Computational neuroscientistRajesh Rao seeks to understand the human brain through computational modeling, on two fronts: developing computer models of our minds, and using tech to decipher the 4,000-year-old lost script of the Indus Valley civilization.
Why you should listen
Rajesh Rao is looking for the computational principles underlying the brain's remarkable ability to learn, process and store information -- hoping to apply this knowledge to the task of building adaptive robotic systems and artificially intelligent agents.
Some of the questions that motivate his research include: How does the brain learn efficient representations of novel objects and events occurring in the natural environment? What are the algorithms that allow useful sensorimotor routines and behaviors to be learned? What computational mechanisms allow the brain to adapt to changing circumstances and remain fault-tolerant and robust?
By investigating these questions within a computational and probabilistic framework, it is often possible to derive algorithms that not only provide functional interpretations of neurobiological properties but also suggest solutions to difficult problems in computer vision, speech, robotics and artificial intelligence.
Rajesh Rao | Speaker | TED.com