TED2012
Jean-Baptiste Michel: The mathematics of history
Jean-Baptiste Michel: A matemática da história
Filmed:
Readability: 4.3
1,279,350 views
O que a matemática pode indicar sobre a história? De acordo com o companheiro da TED Jean-Baptiste Michel, bastante. Desde as mudanças na linguagem até a mortalidade das guerras, ele mostra como a história digitalizada está começando a revelar padrões subjacentes profundos.
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
A matemática é uma linguagem muito poderosa.
00:19
It has generated considerable insight in physics,
1
3671
2312
Ela tem gerado conhecimentos consideráveis na física,
00:21
in biology and economics,
2
5983
2100
na biologia e na economia,
00:23
but not that much in the humanities and in history.
3
8083
2817
mas nem tanto nas ciências humanas e na história.
00:26
I think there's a belief that it's just impossible,
4
10900
2283
Acho que existe uma crença de que é simplesmente impossível,
00:29
that you cannot quantify the doings of mankind,
5
13183
2646
de que não se pode quantificar os feitos da humanidade,
00:31
that you cannot measure history.
6
15829
2519
que não se pode medir a história.
00:34
But I don't think that's right.
7
18348
1527
Mas não acho que isso esteja correto.
00:35
I want to show you a couple of examples why.
8
19875
2042
Quero mostrar-lhes o porquê.
00:37
So my collaborator Erez and I were considering the following fact:
9
21917
2958
Meu colaborador Erez e eu consideramos o seguinte:
00:40
that two kings separated by centuries
10
24875
2729
que dois reis separados por séculos
00:43
will speak a very different language.
11
27604
1767
falariam uma língua muito diferente.
00:45
That's a powerful historical force.
12
29371
2304
Isso é uma força histórica poderosa.
00:47
So the king of England, Alfred the Great,
13
31675
1773
Assim, o rei da Inglaterra, Alfredo o Grande,
00:49
will use a vocabulary and grammar
14
33448
1640
usaria um vocabulário e uma gramática
00:50
that is quite different from the king of hip hop, Jay-Z.
15
35088
3700
bem diferente do rei do hip hop, Jay-Z.
00:54
(Laughter)
16
38788
1666
(Risos)
00:56
Now it's just the way it is.
17
40454
2171
É exatamente assim que funciona.
00:58
Language changes over time, and it's a powerful force.
18
42625
2292
A língua se modifica com o tempo, e é uma força poderosa.
01:00
So Erez and I wanted to know more about that.
19
44917
2287
Então Erez e eu queríamos saber mais sobre isso.
01:03
So we paid attention to a particular grammatical rule, past-tense conjugation.
20
47204
3657
E prestamos atenção a uma regra gramatical específica, a conjugação do passado.
01:06
So you just add "ed" to a verb at the end to signify the past.
21
50861
3264
É só acrescentar "ed" ao final de um verbo para expressar o passado.
01:10
"Today I walk. Yesterday I walked."
22
54125
1927
Hoje "I walk". Ontem "I walked."
01:11
But some verbs are irregular.
23
56052
1344
Mas alguns verbos são irregulares.
01:13
"Yesterday I thought."
24
57396
1396
Ontem "I thought."
01:14
Now what's interesting about that
25
58792
1666
Mas o que há de interessante nisso
01:16
is irregular verbs between Alfred and Jay-Z have become more regular.
26
60458
3830
é que os verbos irregulares entre Alfredo e Jay-Z se tornaram regulares.
01:20
Like the verb "to wed" that you see here has become regular.
27
64288
2735
Assim como o verbo "to wed" que vocês vêem aqui.
01:22
So Erez and I followed the fate of over 100 irregular verbs
28
67023
4022
Então Erez e eu seguimos o destino de mais de 100 verbos irregulares
01:26
through 12 centuries of English language,
29
71045
1919
por 12 séculos na língua inglesa,
01:28
and we saw that there's actually a very simple mathematical pattern
30
72964
2911
e percebemos que na verdade existe um modelo matemático muito simples
01:31
that captures this complex historical change,
31
75875
2542
que captura essa mudança histórica complexa,
01:34
namely, if a verb is 100 times more frequent than another,
32
78417
3660
quer dizer, se um verbo é 100 vezes mais frequente que outro,
01:37
it regularizes 10 times slower.
33
82077
2665
ele se regulariza 10 vezes mais devagar.
01:40
That's a piece of history, but it comes in a mathematical wrapping.
34
84742
3935
Essa é uma parte da história, mas ela surge num embrulho matemático.
01:44
Now in some cases math can even help explain,
35
88677
3654
Em alguns casos a matemática pode até ajudar a explicar,
01:48
or propose explanations for, historical forces.
36
92331
2879
ou propor explicações para forças históricas.
01:51
So here Steve Pinker and I
37
95210
1832
Então Steve Pinker e eu
01:52
were considering the magnitude of wars during the last two centuries.
38
97042
3852
resolvemos considerar a magnitude das guerras durante os dois últimos séculos.
01:56
There's actually a well-known regularity to them
39
100894
2495
Na verdade há nelas uma regularidade conhecida
01:59
where the number of wars that are 100 times deadlier
40
103389
3422
onde o número de guerras que são 100 vezes mais mortais
02:02
is 10 times smaller.
41
106811
1952
é 10 vezes menor.
02:04
So there are 30 wars that are about as deadly as the Six Days War,
42
108763
3344
Então existem 30 guerras que são quase tão mortais quanto a Guerra dos Seis Dias,
02:08
but there's only four wars that are 100 times deadlier --
43
112107
2820
mas existem somente quatro que são 100 vezes mais mortais --
02:10
like World War I.
44
114927
1977
como a Primeira Guerra Mundial.
02:12
So what kind of historical mechanism can produce that?
45
116904
2923
Então que tipo de mecanismo histórico pode produzir isso?
02:15
What's the origin of this?
46
119827
2000
Qual a sua origem?
02:17
So Steve and I, through mathematical analysis,
47
121827
2265
Steve e eu, através de análise matemática,
02:19
propose that there's actually a very simple phenomenon at the root of this,
48
124092
4241
sugerimos que há na verdade um fenômeno muito simples na origem disso tudo,
02:24
which lies in our brains.
49
128333
1690
que encontra-se em nossos cérebros.
02:25
This is a very well-known feature
50
130023
2019
Este é um aspecto bastante conhecido
02:27
in which we perceive quantities in relative ways --
51
132042
2975
no qual percebemos quantidades de modos relativos --
02:30
quantities like the intensity of light or the loudness of a sound.
52
135017
3716
quantidades como a intensidade da luz ou o volume de um som.
02:34
For instance, committing 10,000 soldiers to the next battle sounds like a lot.
53
138733
5309
Por exemplo, disponibilizando 10.000 soldados para a batalha seguinte parece muito.
02:39
It's relatively enormous if you've already committed 1,000 soldiers previously.
54
144042
3444
É relativamente gigantesco se já foram disponibilizados 1.000 soldados anteriormente.
02:43
But it doesn't sound so much,
55
147486
1827
Mas não parece tanto,
02:45
it's not relatively enough, it won't make a difference
56
149313
3020
não é relativamente suficiente, não fará diferença
02:48
if you've already committed 100,000 soldiers previously.
57
152333
2952
se já tiverem sido disponibilizados 100.000 soldados anteriormente.
02:51
So you see that because of the way we perceive quantities,
58
155285
3613
E enxergamos assim por causa do modo como percebemos quantidades,
02:54
as the war drags on,
59
158898
1767
enquanto a guerra se arrasta,
02:56
the number of soldiers committed to it and the casualties
60
160665
3085
o número de soldados disponibilizados e as baixas
02:59
will increase not linearly --
61
163750
1683
não aumentarão de forma linear --
03:01
like 10,000, 11,000, 12,000 --
62
165433
1888
como 10.000, 11.000, 12.000 --
03:03
but exponentially -- 10,000, later 20,000, later 40,000.
63
167321
4275
mas exponencialmente -- 10.000, depois 20.000, depois 40.000.
03:07
And so that explains this pattern that we've seen before.
64
171596
3085
E assim se explica este padrão que vimos antes.
03:10
So here mathematics is able to link a well-known feature of the individual mind
65
174681
5498
Assim a matemática é capaz de fazer uma ligação entre um aspecto conhecido da mente de um indivíduo
03:16
with a long-term historical pattern
66
180179
2989
com um modelo histórico de longo prazo
03:19
that unfolds over centuries and across continents.
67
183168
2857
que desdobra-se pelos séculos e através dos continentes.
03:21
So these types of examples, today there are just a few of them,
68
186025
4017
Por isso esses tipos de exemplos, hoje existem apenas alguns deles,
03:25
but I think in the next decade they will become commonplace.
69
190042
2689
mas acho que na próxima década eles serão comuns.
03:28
The reason for that is that the historical record
70
192731
2392
A razão disso é que o registro histórico
03:31
is becoming digitized at a very fast pace.
71
195123
2460
está se digitalizando a uma velocidade muito rápida.
03:33
So there's about 130 million books
72
197583
2610
Existem cerca de 130 milhões de livros
03:36
that have been written since the dawn of time.
73
200193
2311
que têm sido escritos ao longo do tempo.
03:38
Companies like Google have digitized many of them --
74
202504
2454
Empresas como a Google têm digitalizado muitos deles --
03:40
above 20 million actually.
75
204958
1584
acima de 20 milhões, na verdade.
03:42
And when the stuff of history is available in digital form,
76
206542
3578
E quando o tema da história estiver disponível em formato digital,
03:46
it makes it possible for a mathematical analysis
77
210120
2380
será possível para uma análise matemática
03:48
to very quickly and very conveniently
78
212500
2375
muito rapidamente e convenientemente
03:50
review trends in our history and our culture.
79
214875
2725
revisar tendências na nossa história e na nossa cultura.
03:53
So I think in the next decade,
80
217600
2721
Acho, então, que na próxima década,
03:56
the sciences and the humanities will come closer together
81
220321
2750
todas as ciências juntamente com as ciências humanas chegarão perto
03:58
to be able to answer deep questions about mankind.
82
223071
3329
de serem capazes de responder questões profundas sobre a humanidade.
04:02
And I think that mathematics will be a very powerful language to do that.
83
226400
4121
E acho que a matemática será uma linguagem poderosa nesse caso.
04:06
It will be able to reveal new trends in our history,
84
230521
3146
Ela será capaz de revelar novas tendências na nossa história,
04:09
sometimes to explain them,
85
233667
1750
até explicá-las,
04:11
and maybe even in the future to predict what's going to happen.
86
235417
3306
e quem sabe no futuro fazer previsões sobre o que irá acontecer.
04:14
Thank you very much.
87
238723
1491
Muitissimo obrigado.
04:16
(Applause)
88
240214
3678
(Aplausos)
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