TED2012
Jean-Baptiste Michel: The mathematics of history
Jean-Baptiste Michel: Matematyka historii
Filmed:
Readability: 4.3
1,279,350 views
Co matematyka może powiedzieć nam o historii? Według Jean-Baptiste Michela bardzo dużo. Począwszy od zmian w języku, aż po liczbę ofiar wojny, dowiadujemy się w jaki sposób historia w formacie cyfrowym odsłania ukryte wzorce.
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
Wygląda na to, że matematyka to potężny język.
00:19
It has generated considerable insight in physics,
1
3671
2312
Umożliwiła istotny wgląd w fizykę,
00:21
in biology and economics,
2
5983
2100
biologię i ekonomię,
00:23
but not that much in the humanities and in history.
3
8083
2817
choć mniej w nauki humanistyczne czy historię.
00:26
I think there's a belief that it's just impossible,
4
10900
2283
Podobno to niemożliwe,
00:29
that you cannot quantify the doings of mankind,
5
13183
2646
nie da się określić ilościowo poczynań ludzkości,
00:31
that you cannot measure history.
6
15829
2519
ani zmierzyć historii.
00:34
But I don't think that's right.
7
18348
1527
Uważam, że to błędny pogląd.
00:35
I want to show you a couple of examples why.
8
19875
2042
Zaprezentuję kilka dowodów.
00:37
So my collaborator Erez and I were considering the following fact:
9
21917
2958
Mój kolega Erez i ja rozważaliśmy następujące zjawisko:
00:40
that two kings separated by centuries
10
24875
2729
dwóch królów oddzielonych przez stulecia
00:43
will speak a very different language.
11
27604
1767
posługuje się bardzo różnym językiem.
00:45
That's a powerful historical force.
12
29371
2304
To potężna siła historii.
00:47
So the king of England, Alfred the Great,
13
31675
1773
Król Anglii, Alfred Wielki,
00:49
will use a vocabulary and grammar
14
33448
1640
posługiwał się słownictwem i gramatyką
00:50
that is quite different from the king of hip hop, Jay-Z.
15
35088
3700
odmienną od tej króla hip-hopu, Jay-Z.
00:54
(Laughter)
16
38788
1666
(Śmiech)
00:56
Now it's just the way it is.
17
40454
2171
Tak po prostu jest.
00:58
Language changes over time, and it's a powerful force.
18
42625
2292
Język zmienia się z czasem i jest potężną siłą.
01:00
So Erez and I wanted to know more about that.
19
44917
2287
Chcieliśmy się z Erezem dowiedzieć więcej na ten temat.
01:03
So we paid attention to a particular grammatical rule, past-tense conjugation.
20
47204
3657
Przyjrzeliśmy się, jak gramatyka tworzy czas przeszły.
01:06
So you just add "ed" to a verb at the end to signify the past.
21
50861
3264
Końcówka "ed" przy angielskim czasowniku oznacza przeszłość.
01:10
"Today I walk. Yesterday I walked."
22
54125
1927
"Today I walk. Yesterday I walked".
01:11
But some verbs are irregular.
23
56052
1344
Jednak niektóre czasowniki są nieregularne.
01:13
"Yesterday I thought."
24
57396
1396
"Yesterday I thought".
01:14
Now what's interesting about that
25
58792
1666
Co ciekawe, między Alfredem a Jay-Z
01:16
is irregular verbs between Alfred and Jay-Z have become more regular.
26
60458
3830
nieregularne czasowniki stały się bardziej regularne.
01:20
Like the verb "to wed" that you see here has become regular.
27
64288
2735
Np. czasownik "to wed" [poślubić] stał się regularny.
01:22
So Erez and I followed the fate of over 100 irregular verbs
28
67023
4022
Prześledziliśmy losy ponad 100 nieregularnych czasowników
01:26
through 12 centuries of English language,
29
71045
1919
przez 12 wieków języka angielskiego.
01:28
and we saw that there's actually a very simple mathematical pattern
30
72964
2911
Dostrzegliśmy bardzo prosty wzorzec matematyczny,
01:31
that captures this complex historical change,
31
75875
2542
obejmujący te złożone zmiany historyczne.
01:34
namely, if a verb is 100 times more frequent than another,
32
78417
3660
Jeśli czasownik występuje 100 razy częściej od innych,
01:37
it regularizes 10 times slower.
33
82077
2665
staje się regularny 10 razy wolniej.
01:40
That's a piece of history, but it comes in a mathematical wrapping.
34
84742
3935
Jest to kawałek historii w matematycznym opakowaniu.
01:44
Now in some cases math can even help explain,
35
88677
3654
Czasami matematyka może nawet wyjaśnić
01:48
or propose explanations for, historical forces.
36
92331
2879
lub zaproponować wyjaśnienie historycznych sił.
01:51
So here Steve Pinker and I
37
95210
1832
Steve Pinker i ja rozważaliśmy skalę wojen
01:52
were considering the magnitude of wars during the last two centuries.
38
97042
3852
w ostatnich dwóch stuleciach.
01:56
There's actually a well-known regularity to them
39
100894
2495
Zachodzi pewna znana prawidłowość:
01:59
where the number of wars that are 100 times deadlier
40
103389
3422
wojen, które mają 100 razy więcej ofiar
02:02
is 10 times smaller.
41
106811
1952
jest 10 razy mniej.
02:04
So there are 30 wars that are about as deadly as the Six Days War,
42
108763
3344
30 wojen dorównuje liczbą ofiar wojnie sześciodniowej,
02:08
but there's only four wars that are 100 times deadlier --
43
112107
2820
ale tylko cztery wojny maja ich 100 razy więcej,
02:10
like World War I.
44
114927
1977
jak pierwsza wojna światowa.
02:12
So what kind of historical mechanism can produce that?
45
116904
2923
Jaki zachodzi tu mechanizm historyczny?
02:15
What's the origin of this?
46
119827
2000
Skąd się to bierze?
02:17
So Steve and I, through mathematical analysis,
47
121827
2265
Poprzez analizę matematyczną dowodzimy,
02:19
propose that there's actually a very simple phenomenon at the root of this,
48
124092
4241
że przyczyną jest bardzo proste zjawisko
02:24
which lies in our brains.
49
128333
1690
zachodzące w mózgu.
02:25
This is a very well-known feature
50
130023
2019
Jest to bardzo dobrze znana właściwość,
02:27
in which we perceive quantities in relative ways --
51
132042
2975
dzięki której postrzegamy wielkości w sposób względny,
02:30
quantities like the intensity of light or the loudness of a sound.
52
135017
3716
jak np. natężenie światła lub głośność dźwięku.
02:34
For instance, committing 10,000 soldiers to the next battle sounds like a lot.
53
138733
5309
Np. sądzimy, że wystawienie do bitwy 10 tys. żołnierzy to dużo.
02:39
It's relatively enormous if you've already committed 1,000 soldiers previously.
54
144042
3444
To mnóstwo, jeśli wcześniej wystawiono 1 tys. żołnierzy.
02:43
But it doesn't sound so much,
55
147486
1827
Ale nie wydaje się wiele,
02:45
it's not relatively enough, it won't make a difference
56
149313
3020
i nie sprawia stosunkowo wielkiej różnicy,
02:48
if you've already committed 100,000 soldiers previously.
57
152333
2952
jeśli wcześniej zaangażowano 100 tys. żołnierzy.
02:51
So you see that because of the way we perceive quantities,
58
155285
3613
Ponieważ tak właśnie postrzegamy różne wielkości,
02:54
as the war drags on,
59
158898
1767
w czasie toczącej się wojny
02:56
the number of soldiers committed to it and the casualties
60
160665
3085
liczba żołnierzy oraz ofiar
02:59
will increase not linearly --
61
163750
1683
zwiększa się nie liniowo,
03:01
like 10,000, 11,000, 12,000 --
62
165433
1888
10 tys., 11 tys., 12 tys.,
03:03
but exponentially -- 10,000, later 20,000, later 40,000.
63
167321
4275
ale wykładniczo: 10 tys., 20 tys., później 40 tys.
03:07
And so that explains this pattern that we've seen before.
64
171596
3085
To wyjaśnia wzorzec, który widzieliśmy wcześniej.
03:10
So here mathematics is able to link a well-known feature of the individual mind
65
174681
5498
Matematyka potrafi połączyć znane właściwości umysłu
03:16
with a long-term historical pattern
66
180179
2989
z długoterminowym wzorcem historycznym,
03:19
that unfolds over centuries and across continents.
67
183168
2857
który ujawnia się przez wieki na różnych kontynentach.
03:21
So these types of examples, today there are just a few of them,
68
186025
4017
Takie przykłady, których dziś jest zaledwie kilka,
03:25
but I think in the next decade they will become commonplace.
69
190042
2689
w najbliższych latach staną się powszechne.
03:28
The reason for that is that the historical record
70
192731
2392
Wpłynie na to fakt, że historyczne zapisy
03:31
is becoming digitized at a very fast pace.
71
195123
2460
są cyfrowane w bardzo szybkim tempie.
03:33
So there's about 130 million books
72
197583
2610
Blisko 130 milionów książek
03:36
that have been written since the dawn of time.
73
200193
2311
zostało napisanych od zarania dziejów.
03:38
Companies like Google have digitized many of them --
74
202504
2454
Firmy takie jak Google dały formę cyfrową
03:40
above 20 million actually.
75
204958
1584
ponad 20 milionom.
03:42
And when the stuff of history is available in digital form,
76
206542
3578
Kiedy historia jest dostępna w formie cyfrowej,
03:46
it makes it possible for a mathematical analysis
77
210120
2380
umożliwia to analizie matematycznej
03:48
to very quickly and very conveniently
78
212500
2375
bardzo szybko i łatwo
03:50
review trends in our history and our culture.
79
214875
2725
przeglądać tendencje w naszej historii i kulturze.
03:53
So I think in the next decade,
80
217600
2721
Dlatego uważam, że w najbliższych latach
03:56
the sciences and the humanities will come closer together
81
220321
2750
nauki ścisłe i humanistyczne zbliżą się do siebie
03:58
to be able to answer deep questions about mankind.
82
223071
3329
aby móc odpowiedzieć na ważne pytania dotyczące ludzkości.
04:02
And I think that mathematics will be a very powerful language to do that.
83
226400
4121
Uważam, że matematyka w tym pomoże.
04:06
It will be able to reveal new trends in our history,
84
230521
3146
Ujawni nowe tendencje w naszej historii,
04:09
sometimes to explain them,
85
233667
1750
czasami posłuży do ich wyjaśnienia,
04:11
and maybe even in the future to predict what's going to happen.
86
235417
3306
i być może będzie w stanie przewidzieć przyszłość.
04:14
Thank you very much.
87
238723
1491
Dziękuję bardzo.
04:16
(Applause)
88
240214
3678
(Oklaski)
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