TEDxBoston 2011
Jean-Baptiste Michel + Erez Lieberman Aiden: What we learned from 5 million books
Điều chúng ta đã học từ 5 triệu cuốn sách
Filmed:
Readability: 3.9
2,049,453 views
Bạn đã thử dùng Ngram viewer của Google Labs chưa? Đó là công cụ khiến người ta say mê. Nó cho phép bạn tìm kiếm từ vựng và ý tưởng trong nguồn dữ liệu của 5 triệu cuốn sách từ nhiều thế kỉ. Erez Lierberman Aiden và Jean-Baptiste cho chúng ta thấy nó hoạt động thế nào và một vài điều thú vị mà chúng ta có thể học được từ 500 từ .
Jean-Baptiste Michel - Data researcher
Jean-Baptiste Michel looks at how we can use large volumes of data to better understand our world. Full bioErez Lieberman Aiden - Researcher
Erez Lieberman Aiden pursues a broad range of research interests, spanning genomics, linguistics, mathematics ... Full bio
Jean-Baptiste Michel looks at how we can use large volumes of data to better understand our world. Full bioErez Lieberman Aiden - Researcher
Erez Lieberman Aiden pursues a broad range of research interests, spanning genomics, linguistics, mathematics ... Full bio
Double-click the English transcript below to play the video.
00:15
Erez Lieberman Aiden: Everyone knows
0
0
2000
Erez Lieberman Aiden : Mọi người đều biết
00:17
that a picture is worth a thousand words.
1
2000
3000
một bức ảnh đáng giá một nghìn từ.
00:22
But we at Harvard
2
7000
2000
Nhưng chúng tôi, tại Harvard
00:24
were wondering if this was really true.
3
9000
3000
luôn thắc mắc liệu điều đó có thật sự đúng.
00:27
(Laughter)
4
12000
2000
(Tiếng cười)
00:29
So we assembled a team of experts,
5
14000
4000
Vì vậy chúng tôi tập hợp một đội những chuyên gia,
00:33
spanning Harvard, MIT,
6
18000
2000
từ khắp Harvard , MIT,
00:35
The American Heritage Dictionary, The Encyclopedia Britannica
7
20000
3000
Từ điển Di sản Mỹ, Bách khoa toàn thư Britannica
00:38
and even our proud sponsors,
8
23000
2000
và cả nhà tài trợ tự hào của chúng tôi,
00:40
the Google.
9
25000
3000
Google.
00:43
And we cogitated about this
10
28000
2000
Chúng tôi đã ngẫm nghĩ về điều này
00:45
for about four years.
11
30000
2000
trong khoảng bốn năm.
00:47
And we came to a startling conclusion.
12
32000
5000
Và chúng tôi đã đi đến một kết luận đầy sửng sốt.
00:52
Ladies and gentlemen, a picture is not worth a thousand words.
13
37000
3000
Xin thưa với quí vị rằng, một bức tranh không đáng một nghìn từ.
00:55
In fact, we found some pictures
14
40000
2000
Thực tế, chúng tôi đã tìm thấy bức tranh
00:57
that are worth 500 billion words.
15
42000
5000
đáng giá 500 nghìn triệu từ!
01:02
Jean-Baptiste Michel: So how did we get to this conclusion?
16
47000
2000
Jean-Baptiste Michel: Vậy làm thế nào chúng tôi lại đi đến kết luận này?
01:04
So Erez and I were thinking about ways
17
49000
2000
Erez và tôi đã suy nghĩ cách
01:06
to get a big picture of human culture
18
51000
2000
nắm bắt được bức tranh toàn cảnh về nền văn hoá nhân loại
01:08
and human history: change over time.
19
53000
3000
và lịch sử loài người thay đổi qua thời gian.
01:11
So many books actually have been written over the years.
20
56000
2000
Có rất nhiều cuốn sách được viết ra trong nhiều năm.
01:13
So we were thinking, well the best way to learn from them
21
58000
2000
Vậy nên chúng tôi nghĩ rằng, vậy cách tốt nhất để học từ chúng
01:15
is to read all of these millions of books.
22
60000
2000
là đọc hết hàng triệu cuốn sách này.
01:17
Now of course, if there's a scale for how awesome that is,
23
62000
3000
Tất nhiên, nếu có thang đo về độ hoành tráng của dự án này,
01:20
that has to rank extremely, extremely high.
24
65000
3000
thì nó hoàn toàn, hoàn toàn hoành tráng.
01:23
Now the problem is there's an X-axis for that,
25
68000
2000
Nhưng vấn đề là còn có một trục ngang cho việc đánh giá này,
01:25
which is the practical axis.
26
70000
2000
đó là đánh giá về mức độ thực tế.
01:27
This is very, very low.
27
72000
2000
Thì điều này rất rất ít tính thực tế.
01:29
(Applause)
28
74000
3000
(Vỗ tay)
01:32
Now people tend to use an alternative approach,
29
77000
3000
Thế là người ta có khuynh hướng tìm cách khác,
01:35
which is to take a few sources and read them very carefully.
30
80000
2000
đó là chọn ra một số nguồn sách và đọc chúng thật cẩn thận.
01:37
This is extremely practical, but not so awesome.
31
82000
2000
Cách này cực kì thực tiễn nhưng không hoành tráng cho lắm.
01:39
What you really want to do
32
84000
3000
Điều mà chúng ta muốn thật sự
01:42
is to get to the awesome yet practical part of this space.
33
87000
3000
là một cách thức vừa hoành tráng vừa thực tiễn.
01:45
So it turns out there was a company across the river called Google
34
90000
3000
Và hoá ra có một công ty gọi là Google
01:48
who had started a digitization project a few years back
35
93000
2000
đã bắt đầu một dự án số hoá từ một vài năm trước
01:50
that might just enable this approach.
36
95000
2000
khiến ta thực hiện được cách thức đó.
01:52
They have digitized millions of books.
37
97000
2000
Họ đã số hoá hàng triệu cuốn sách.
01:54
So what that means is, one could use computational methods
38
99000
3000
Điều đó có nghĩa là, ta có thể dùng máy móc
01:57
to read all of the books in a click of a button.
39
102000
2000
để đọc tất cả các cuốn sách trong một cú nhấn chuột.
01:59
That's very practical and extremely awesome.
40
104000
3000
Cách này rất thực dụng và cực kì hoành tráng.
02:03
ELA: Let me tell you a little bit about where books come from.
41
108000
2000
ELA: Để tôi nói cho các bạn biết một chút về nơi những cuốn sách đó bắt nguồn.
02:05
Since time immemorial, there have been authors.
42
110000
3000
Từ thời xa xưa đã có những nhà sáng tác.
02:08
These authors have been striving to write books.
43
113000
3000
Những nhà sáng tác này nỗ lực viết những cuốn sách.
02:11
And this became considerably easier
44
116000
2000
Và việc này trở nên khá dễ dàng hơn
02:13
with the development of the printing press some centuries ago.
45
118000
2000
nhờ sự phát triển của công nghệ in ấn vài thế kỉ trước.
02:15
Since then, the authors have won
46
120000
3000
Từ đó, các nhà sáng tác đã có được
02:18
on 129 million distinct occasions,
47
123000
2000
129 triệu cơ hội
02:20
publishing books.
48
125000
2000
xuất bản những cuốn sách.
02:22
Now if those books are not lost to history,
49
127000
2000
Bây giờ nếu những cuốn sách đó không lạc vào lịch sử,
02:24
then they are somewhere in a library,
50
129000
2000
thì chúng sẽ ở đâu đó trong một thư viện nào đó,
02:26
and many of those books have been getting retrieved from the libraries
51
131000
3000
và nhiều trong số đó được lưu trữ
02:29
and digitized by Google,
52
134000
2000
và số hoá bởi Google,
02:31
which has scanned 15 million books to date.
53
136000
2000
nơi đến nay đã quét được 15 triệu cuốn sách.
02:33
Now when Google digitizes a book, they put it into a really nice format.
54
138000
3000
Bây giờ khi Google số hoá một cuốn sách, họ sẽ đưa nó vào một định dạng thật đẹp.
02:36
Now we've got the data, plus we have metadata.
55
141000
2000
Chúng ta có dữ liệu, thêm vào đó chúng ta có siêu dữ liệu.
02:38
We have information about things like where was it published,
56
143000
3000
Chúng ta có thông tin về những thứ như là cuốn sách đó được xuất bản khi nào,
02:41
who was the author, when was it published.
57
146000
2000
ai là tác giả, nó được xuất bản khi nào.
02:43
And what we do is go through all of those records
58
148000
3000
Và điều chúng tôi làm là lướt qua tất cả những bộ dữ liệu đó
02:46
and exclude everything that's not the highest quality data.
59
151000
4000
và loại bỏ hết những cái không phải là những dữ liệu chất lượng nhất.
02:50
What we're left with
60
155000
2000
Cái còn lại là
02:52
is a collection of five million books,
61
157000
3000
một tập hợp của 5 triệu cuốn sách.
02:55
500 billion words,
62
160000
3000
500 tỉ từ,
02:58
a string of characters a thousand times longer
63
163000
2000
một chuỗi kí tự dài hơn hàng ngàn lần
03:00
than the human genome --
64
165000
3000
hệ gien con người --
03:03
a text which, when written out,
65
168000
2000
một bản chữ mà khi viết ra
03:05
would stretch from here to the Moon and back
66
170000
2000
sẽ dài bằng từ đây đi đến mặt trăng rồi vòng lại
03:07
10 times over --
67
172000
2000
hơn 10 lần --
03:09
a veritable shard of our cultural genome.
68
174000
4000
một mảnh thực của hệ gien văn hoá cuả chúng ta.
03:13
Of course what we did
69
178000
2000
Tất nhiên, điều chúng tôi đã làm
03:15
when faced with such outrageous hyperbole ...
70
180000
3000
khi đối diện với một sự phóng đại tàn bạo như thế ...
03:18
(Laughter)
71
183000
2000
(Tiếng cười)
03:20
was what any self-respecting researchers
72
185000
3000
là điều mà bất kì nhà nghiên cứu đáng kính nào
03:23
would have done.
73
188000
3000
cũng sẽ làm.
03:26
We took a page out of XKCD,
74
191000
2000
Chúng tôi trích ra một trang trong chuỗi XKCD
03:28
and we said, "Stand back.
75
193000
2000
và chúng tôi nói "Khoan đã.
03:30
We're going to try science."
76
195000
2000
Chúng tôi sẽ thử thí nghiệm chúng."
03:32
(Laughter)
77
197000
2000
(Tiếng cười)
03:34
JM: Now of course, we were thinking,
78
199000
2000
JM : Tất nhiên, chúng tôi đã nghĩ là
03:36
well let's just first put the data out there
79
201000
2000
trước tiên hãy thử đưa dữ liệu ra
03:38
for people to do science to it.
80
203000
2000
cho người ta thí nghiệm.
03:40
Now we're thinking, what data can we release?
81
205000
2000
Và chúng tôi suy nghĩ, dữ liệu nào có thể đem ra đây?
03:42
Well of course, you want to take the books
82
207000
2000
Tất nhiên, các bạn muốn lấy những cuốn sách
03:44
and release the full text of these five million books.
83
209000
2000
và tung ra hết nguyên bản của 5 triệu cuốn sách.
03:46
Now Google, and Jon Orwant in particular,
84
211000
2000
Google, cụ thể là Jon Orwant,
03:48
told us a little equation that we should learn.
85
213000
2000
đã bảo cho chúng tôi một công thức mà chúng tôi nên nghĩ tới.
03:50
So you have five million, that is, five million authors
86
215000
3000
Chúng tôi có 5 triệu cuốn sách, tức bằng với năm triệu tác giả
03:53
and five million plaintiffs is a massive lawsuit.
87
218000
3000
và năm triệu đơn kiện cho một cuộc kiện tụng khổng lồ.
03:56
So, although that would be really, really awesome,
88
221000
2000
Vì thế, dù cách này rất rất hoành tráng,
03:58
again, that's extremely, extremely impractical.
89
223000
3000
nhưng một lần nữa lại cực kì cực kì không thực tế.
04:01
(Laughter)
90
226000
2000
(Tiếng cười)
04:03
Now again, we kind of caved in,
91
228000
2000
Một lần nữa chúng tôi lại nhượng bộ
04:05
and we did the very practical approach, which was a bit less awesome.
92
230000
3000
Chúng tôi đã thử cách thực tế nhất nhưng ít hoành tráng
04:08
We said, well instead of releasing the full text,
93
233000
2000
Chúng tôi nói rằng, được rồi, thay vì phát hành nguyên cả văn bản,
04:10
we're going to release statistics about the books.
94
235000
2000
chúng tôi sẽ tung ra thống kê về những quyển sách đó.
04:12
So take for instance "A gleam of happiness."
95
237000
2000
Hãy lấy một ví dụ cụm từ "Tia sáng hạnh phúc"
04:14
It's four words; we call that a four-gram.
96
239000
2000
Đây là cụm bốn từ; chúng tôi gọi đó là một four-gram.
04:16
We're going to tell you how many times a particular four-gram
97
241000
2000
Chúng tôi sẽ cho các bạn biết một four-gram sẽ xuất hiện bao nhiêu lần
04:18
appeared in books in 1801, 1802, 1803,
98
243000
2000
trong những cuốn sách năm 1801, 1802, 1803,
04:20
all the way up to 2008.
99
245000
2000
cho đến tận năm 2008.
04:22
That gives us a time series
100
247000
2000
Qua đó chúng ta sẽ có được một chuỗi thời gian
04:24
of how frequently this particular sentence was used over time.
101
249000
2000
cho ta biết một câu nhất định được dùng với tần suất thế nào qua thời gian.
04:26
We do that for all the words and phrases that appear in those books,
102
251000
3000
Chúng tôi làm như thế với tất cả từ ngữ và nhóm từ trong những cuốn sách đó,
04:29
and that gives us a big table of two billion lines
103
254000
3000
kết quả chúng tôi có được một bảng khổng lồ của hai tỉ đường
04:32
that tell us about the way culture has been changing.
104
257000
2000
cho chúng tôi thấy cách nền văn hoá thay đổi qua thời gian.
04:34
ELA: So those two billion lines,
105
259000
2000
ELA: Chúng tôi gọi hai tỉ đường đó là
04:36
we call them two billion n-grams.
106
261000
2000
hai tỉ n-gram.
04:38
What do they tell us?
107
263000
2000
Chúng cho ta biết điều gì ư?
04:40
Well the individual n-grams measure cultural trends.
108
265000
2000
Đó là mỗi n-gram đo xu hướng của nền văn hoá.
04:42
Let me give you an example.
109
267000
2000
Để tôi cho bạn một ví dụ.
04:44
Let's suppose that I am thriving,
110
269000
2000
Thử giả định rằng tôi đang phát triển
04:46
then tomorrow I want to tell you about how well I did.
111
271000
2000
Mai tôi muốn nói cho các bạn biết tôi đã phát triển thế nào.
04:48
And so I might say, "Yesterday, I throve."
112
273000
3000
Và có lẽ tôi sẽ nói là "Yesterday, I throve" ("Ngày hôm qua, tôi đã phát triển")
04:51
Alternatively, I could say, "Yesterday, I thrived."
113
276000
3000
Hay nói cách khác rằng " Yesterday, I thrived." ("Ngày hôm qua, tôi đã phát triển")
04:54
Well which one should I use?
114
279000
3000
Tôi nên nói theo cách nào?
04:57
How to know?
115
282000
2000
Làm sao biết được?
04:59
As of about six months ago,
116
284000
2000
Nếu là sáu tháng trước
05:01
the state of the art in this field
117
286000
2000
tính nghệ thuật trong lĩnh vực này
05:03
is that you would, for instance,
118
288000
2000
là chẳng hạn bạn sẽ
05:05
go up to the following psychologist with fabulous hair,
119
290000
2000
tìm đến nhà tâm lý học có bộ tóc tuyệt vời này
05:07
and you'd say,
120
292000
2000
và nói rằng,
05:09
"Steve, you're an expert on the irregular verbs.
121
294000
3000
"Steve, anh là chuyên gia về động từ bất quy tắc.
05:12
What should I do?"
122
297000
2000
Tôi nên chia động từ đó theo cách nào?"
05:14
And he'd tell you, "Well most people say thrived,
123
299000
2000
Và ông ta sẽ nói với bạn rằng " Phần lớn người ta chia động từ đó thành "thrived",
05:16
but some people say throve."
124
301000
3000
nhưng một vài người dùng "throve"."
05:19
And you also knew, more or less,
125
304000
2000
Ít nhiều bạn cũng biết rằng
05:21
that if you were to go back in time 200 years
126
306000
3000
nếu bạn quay ngược lại 200 năm trước
05:24
and ask the following statesman with equally fabulous hair,
127
309000
3000
và hỏi nhà chính trị có bộ tóc tuyệt vời ngang ngửa này
05:27
(Laughter)
128
312000
3000
(Tiếng cười)
05:30
"Tom, what should I say?"
129
315000
2000
"Tom, tôi nên nói thế nào?"
05:32
He'd say, "Well, in my day, most people throve,
130
317000
2000
Ông ta sẽ nói rằng " Ở thời kì của tôi, hầu hết người ta dùng "throve",
05:34
but some thrived."
131
319000
3000
nhưng một số dùng "thrived"."
05:37
So now what I'm just going to show you is raw data.
132
322000
2000
Giờ tôi sẽ cho các bạn xem dữ liệu sống
05:39
Two rows from this table of two billion entries.
133
324000
4000
Hai hàng trích ra từ bảng của hai tỷ dữ liệu kia
05:43
What you're seeing is year by year frequency
134
328000
2000
Cái bạn đang nhìn thấy là tần số xuất hiện từng năm
05:45
of "thrived" and "throve" over time.
135
330000
3000
của "thrived" và "throve"
05:49
Now this is just two
136
334000
2000
Đây chỉ là hai
05:51
out of two billion rows.
137
336000
3000
trong số hai tỉ hàng.
05:54
So the entire data set
138
339000
2000
Vì thế toàn bộ dữ liệu này
05:56
is a billion times more awesome than this slide.
139
341000
3000
sẽ hoành tráng hơn cả tỉ lần cái slide này.
05:59
(Laughter)
140
344000
2000
(Tiếng cười)
06:01
(Applause)
141
346000
4000
(Vỗ tay)
06:05
JM: Now there are many other pictures that are worth 500 billion words.
142
350000
2000
JM: Vậy có bao nhiêu bức tranh khác đáng 500 tỉ từ ngữ.
06:07
For instance, this one.
143
352000
2000
Ví dụ như cái này
06:09
If you just take influenza,
144
354000
2000
Nếu bạn chọn dịch cúm,
06:11
you will see peaks at the time where you knew
145
356000
2000
bạn sẽ thấy những thời điểm cao trào mà bạn biết
06:13
big flu epidemics were killing people around the globe.
146
358000
3000
khi mà những dịch cúm lớn tiêu diệt con người khắp nơi.
06:16
ELA: If you were not yet convinced,
147
361000
3000
ELA: Nếu bạn vẫn chưa tin
06:19
sea levels are rising,
148
364000
2000
mực nước biển đang tăng,
06:21
so is atmospheric CO2 and global temperature.
149
366000
3000
khí CO2 và nhiệt độ trái đất cũng thế.
06:24
JM: You might also want to have a look at this particular n-gram,
150
369000
3000
JM: Các bạn chắc cũng muốn xem cái n-gram này,
06:27
and that's to tell Nietzsche that God is not dead,
151
372000
3000
nó nói cho Nietzsche biết rằng chúa không chết,
06:30
although you might agree that he might need a better publicist.
152
375000
3000
dù bạn có lẽ sẽ đồng ý rằng ông ta cần một nhà báo giỏi hơn.
06:33
(Laughter)
153
378000
2000
(Tiếng cười)
06:35
ELA: You can get at some pretty abstract concepts with this sort of thing.
154
380000
3000
ELA : Bạn có thể nắm được một số khái niệm khá trừu tượng đại loại thế này.
06:38
For instance, let me tell you the history
155
383000
2000
Để tôi kể cho bạn nghe về lịch sử
06:40
of the year 1950.
156
385000
2000
của năm 1950.
06:42
Pretty much for the vast majority of history,
157
387000
2000
Phần lớn trong lịch sử
06:44
no one gave a damn about 1950.
158
389000
2000
chẳng ai đếm xỉa gì về năm 1950 cả
06:46
In 1700, in 1800, in 1900,
159
391000
2000
Năm 1700, 1800, 1900,
06:48
no one cared.
160
393000
3000
chẳng ai quan tâm.
06:52
Through the 30s and 40s,
161
397000
2000
Trong suốt những năm 30 và 40,
06:54
no one cared.
162
399000
2000
cũng chẳng ai quan tâm .
06:56
Suddenly, in the mid-40s,
163
401000
2000
Bất ngờ vào giữa những năm 40
06:58
there started to be a buzz.
164
403000
2000
bắt đầu có một chút động đậy.
07:00
People realized that 1950 was going to happen,
165
405000
2000
Người ta bắt đầu nhận ra 1950 sắp đến
07:02
and it could be big.
166
407000
2000
và có thể nó sẽ rất hoành tráng!
07:04
(Laughter)
167
409000
3000
(Tiếng cười)
07:07
But nothing got people interested in 1950
168
412000
3000
Nhưng không có bất cứ thứ gì có thể làm cho người ta chú ý đến năm 1950
07:10
like the year 1950.
169
415000
3000
như chính năm 1950.
07:13
(Laughter)
170
418000
3000
(Tiếng cười)
07:16
People were walking around obsessed.
171
421000
2000
Người ta đi lại xung quanh, bị ám ảnh.
07:18
They couldn't stop talking
172
423000
2000
Họ không thể dừng nói
07:20
about all the things they did in 1950,
173
425000
3000
về tất cả những thứ họ làm trong năm 1950
07:23
all the things they were planning to do in 1950,
174
428000
3000
tất cả những thứ họ đang định làm trong năm 1950
07:26
all the dreams of what they wanted to accomplish in 1950.
175
431000
5000
tất cả những giấc mơ họ muốn đạt được trong năm 1950.
07:31
In fact, 1950 was so fascinating
176
436000
2000
Thực tế 1950 tuyệt vời đến nỗi
07:33
that for years thereafter,
177
438000
2000
nhiều năm sau đó,
07:35
people just kept talking about all the amazing things that happened,
178
440000
3000
người ta vẫn cứ nói đến những điều kinh ngạc đã xảy ra.
07:38
in '51, '52, '53.
179
443000
2000
trong năm 51, 52, 53.
07:40
Finally in 1954,
180
445000
2000
Cuối cùng thì đến năm 1954,
07:42
someone woke up and realized
181
447000
2000
có người mới thức tỉnh và nhận ra rằng
07:44
that 1950 had gotten somewhat passé.
182
449000
4000
1950 đã qua lâu rồi!
07:48
(Laughter)
183
453000
2000
(Tiếng cười)
07:50
And just like that, the bubble burst.
184
455000
2000
Và cứ như thế, bong bóng nổ!
07:52
(Laughter)
185
457000
2000
(Tiếng cười)
07:54
And the story of 1950
186
459000
2000
Câu chuyện của năm 1950
07:56
is the story of every year that we have on record,
187
461000
2000
là câu chuyện của từng năm mà chúng ta lưu lại được,
07:58
with a little twist, because now we've got these nice charts.
188
463000
3000
với một chút sự biến hóa nhỏ bởi giờ chúng ta có những biểu đồ hay ho này
08:01
And because we have these nice charts, we can measure things.
189
466000
3000
Và bởi vì chúng ta có những biểu đồ hay ho này, chúng ta có thể đo đạc nhiều thứ
08:04
We can say, "Well how fast does the bubble burst?"
190
469000
2000
Chúng ta có thể hỏi rằng ""Bong bóng nổ" nhanh như thế nào?"
08:06
And it turns out that we can measure that very precisely.
191
471000
3000
Và chúng ta có thể đo đạc điều đó một cách chính xác.
08:09
Equations were derived, graphs were produced,
192
474000
3000
Các phương trình được tính toán, các đồ thị được vẽ ra,
08:12
and the net result
193
477000
2000
và kết quả cuối cùng
08:14
is that we find that the bubble bursts faster and faster
194
479000
3000
là chúng ta phát hiện ra "bong bóng nổ" ngày càng nhanh
08:17
with each passing year.
195
482000
2000
qua từng năm.
08:19
We are losing interest in the past more rapidly.
196
484000
5000
Chúng ta mất dần sự quan tâm đến quá khứ một cách nhanh chóng.
08:24
JM: Now a little piece of career advice.
197
489000
2000
JM: Bây giờ chúng tôi sẽ chia sẻ một vài lời khuyên về sự nghiệp cho bạn.
08:26
So for those of you who seek to be famous,
198
491000
2000
Cho những ai muốn nổi tiếng,
08:28
we can learn from the 25 most famous political figures,
199
493000
2000
chúng ta có thể học từ 25 hình tượng chính trị gia nổi tiếng nhất,
08:30
authors, actors and so on.
200
495000
2000
các nhà sáng tác, diễn viên, v.v.v
08:32
So if you want to become famous early on, you should be an actor,
201
497000
3000
Vì vậy nếu bạn muốn nổi tiếng sớm, bạn nên làm diễn viên,
08:35
because then fame starts rising by the end of your 20s --
202
500000
2000
bởi tiếng tăm của bạn sẽ ngày càng tăng cuối những năm 20 của bạn --
08:37
you're still young, it's really great.
203
502000
2000
bạn vẫn còn trẻ, điều đó thật tuyêt.
08:39
Now if you can wait a little bit, you should be an author,
204
504000
2000
Nếu bạn có thể đợi một chút, bạn nên làm tiểu thuyết gia,
08:41
because then you rise to very great heights,
205
506000
2000
bởi rồi bạn sẽ đầy tiếng tăm
08:43
like Mark Twain, for instance: extremely famous.
206
508000
2000
như Mark Twain, cực kì nổi tiếng.
08:45
But if you want to reach the very top,
207
510000
2000
Nhưng nếu bạn muốn vươn đến đỉnh cao nhất,
08:47
you should delay gratification
208
512000
2000
bạn đừng hài lòng sớm
08:49
and, of course, become a politician.
209
514000
2000
mà hãy trở thành nhà chính trị.
08:51
So here you will become famous by the end of your 50s,
210
516000
2000
Bạn sẽ trở nên nổi tiếng cuối những năm 50 tuổi
08:53
and become very, very famous afterward.
211
518000
2000
và sẽ càng nổi tiếng hơn sau đó
08:55
So scientists also tend to get famous when they're much older.
212
520000
3000
Những nhà khoa học cũng trở nên nổi tiếng khi họ già đi.
08:58
Like for instance, biologists and physics
213
523000
2000
Ví dụ như là nhà sinh học, nhà vật lý học
09:00
tend to be almost as famous as actors.
214
525000
2000
có khuynh hướng nổi tiếng gần bằng diễn viên.
09:02
One mistake you should not do is become a mathematician.
215
527000
3000
Có một sai lầm mà bạn không nên phạm phải là trở thành nhà toán học.
09:05
(Laughter)
216
530000
2000
(Tiếng cười)
09:07
If you do that,
217
532000
2000
Nếu bạn làm điều đó
09:09
you might think, "Oh great. I'm going to do my best work when I'm in my 20s."
218
534000
3000
bạn có thể sẽ nghĩ rằng "Thật tuyệt. Mìng sẽ cố gắng hết sức trong những năm tuổi 20."
09:12
But guess what, nobody will really care.
219
537000
2000
Nhưng đoán thử đi, làm gì có ai quan tâm.
09:14
(Laughter)
220
539000
3000
(Tiếng cười)
09:17
ELA: There are more sobering notes
221
542000
2000
ELA: Còn có nhiều ghi chú nghiêm túc hơn thế này
09:19
among the n-grams.
222
544000
2000
trong những n-gram đó.
09:21
For instance, here's the trajectory of Marc Chagall,
223
546000
2000
Ví dụ, đây là đường phát triển của Marc Chagall,
09:23
an artist born in 1887.
224
548000
2000
một nghệ sĩ sinh năm 1887.
09:25
And this looks like the normal trajectory of a famous person.
225
550000
3000
Và nó giống con đường phát triển bình thường của một người nổi tiếng.
09:28
He gets more and more and more famous,
226
553000
4000
Ông ta càng ngày càng nổi tiếng,
09:32
except if you look in German.
227
557000
2000
trừ khi bạn nhìn vào nước Đức.
09:34
If you look in German, you see something completely bizarre,
228
559000
2000
Nếu bạn nhìn vào nước Đức, bạn sẽ thấy một thứ hoàn toàn lạ
09:36
something you pretty much never see,
229
561000
2000
một thứ bạn chưa bao giờ thấy,
09:38
which is he becomes extremely famous
230
563000
2000
đó là sự cực kì nổi tiếng của ông ấy
09:40
and then all of a sudden plummets,
231
565000
2000
và rồi bất ngờ tụt dốc thảm hại,
09:42
going through a nadir between 1933 and 1945,
232
567000
3000
cho đến tận cùng trong những năm 1933 và 1945 ,
09:45
before rebounding afterward.
233
570000
3000
rồi lại hồi phục danh tiếng sau đó.
09:48
And of course, what we're seeing
234
573000
2000
Dĩ nhiên là chúng ta nhận ra rằng
09:50
is the fact Marc Chagall was a Jewish artist
235
575000
3000
sự thật thì Marc Chagall là một nghệ sĩ do thái
09:53
in Nazi Germany.
236
578000
2000
của quốc xã Đức.
09:55
Now these signals
237
580000
2000
Bây giờ, những dấu hiệu này
09:57
are actually so strong
238
582000
2000
thực sự rất chuẩn
09:59
that we don't need to know that someone was censored.
239
584000
3000
đến mức mà chúng ta không cần ai phải kiểm duyệt chúng.
10:02
We can actually figure it out
240
587000
2000
Chúng ta tự nhận ra sự việc
10:04
using really basic signal processing.
241
589000
2000
bằng cách xử lý những dấu hiệu thật cơ bản.
10:06
Here's a simple way to do it.
242
591000
2000
Đây là một trong những cách đơn giản.
10:08
Well, a reasonable expectation
243
593000
2000
Chẳng hạn như một dự đoán hợp lý
10:10
is that somebody's fame in a given period of time
244
595000
2000
rằng danh tiếng trong một khoảng thời gian nhất định
10:12
should be roughly the average of their fame before
245
597000
2000
sẽ bằng trung bình của danh tiếng trước
10:14
and their fame after.
246
599000
2000
và sau đó chia ra.
10:16
So that's sort of what we expect.
247
601000
2000
Đó là thứ chúng ta dự đoán.
10:18
And we compare that to the fame that we observe.
248
603000
3000
Rồi chúng ta so sánh nó với mức độ nổi tiếng chúng ta quan sát được.
10:21
And we just divide one by the other
249
606000
2000
Chúng ta chia cái nó với mức độ dự đoán kia.
10:23
to produce something we call a suppression index.
250
608000
2000
để được cái gọi là "mức độ danh tiếng bị kìm hãm"
10:25
If the suppression index is very, very, very small,
251
610000
3000
Nếu mức độ danh tiếng bị kìm hãm rất rất nhỏ ,
10:28
then you very well might be being suppressed.
252
613000
2000
thì bạn có lẽ đang bị kìm hãm.
10:30
If it's very large, maybe you're benefiting from propaganda.
253
615000
3000
Nếu nó rất rất lớn, thì có lẽ bạn đang được lợi từ cơ quan tuyên truyền
10:34
JM: Now you can actually look at
254
619000
2000
JM: Giờ bạn hãy nhìn vào
10:36
the distribution of suppression indexes over whole populations.
255
621000
3000
sự phân phối của mức độ bị kìm hãm trên toàn dân số.
10:39
So for instance, here --
256
624000
2000
Ví dụ ở đây --
10:41
this suppression index is for 5,000 people
257
626000
2000
mức độ danh tiếng bị kìm hãm này của 5000 người
10:43
picked in English books where there's no known suppression --
258
628000
2000
chọn ra trong những cuốn sách tiếng anh không có sự kìm hãm được biết đến --
10:45
it would be like this, basically tightly centered on one.
259
630000
2000
nó sẽ như thế này, hầu như gần bằng 1.
10:47
What you expect is basically what you observe.
260
632000
2000
Điều bạn mong muốn đơn giản chính là điều bạn quan sát được.
10:49
This is distribution as seen in Germany --
261
634000
2000
Đây là sự phân phối được thấy ở Đức --
10:51
very different, it's shifted to the left.
262
636000
2000
rất khác, nó được dịch chuyển về bên trái.
10:53
People talked about it twice less as it should have been.
263
638000
3000
Người ta đã nói về nó ít hơn hai lần nó đáng được.
10:56
But much more importantly, the distribution is much wider.
264
641000
2000
Nhưng quan trọng hơn hết là sự phân phối này trải rộng hơn nhiều .
10:58
There are many people who end up on the far left on this distribution
265
643000
3000
Có nhiều người cuối cùng lại ở xa hơn về phía trái của sự phân phối này
11:01
who are talked about 10 times fewer than they should have been.
266
646000
3000
những người được ít hơn đến 10 lần danh tiếng mà họ đáng có.
11:04
But then also many people on the far right
267
649000
2000
Nhưng đồng thời cũng có rất nhiều người ở xa phía bên phải
11:06
who seem to benefit from propaganda.
268
651000
2000
họ dường như đang hưởng lợi từ giới tuyên truyền.
11:08
This picture is the hallmark of censorship in the book record.
269
653000
3000
Bức tranh này chính là dấu đóng của sự kiểm duyệt sách.
11:11
ELA: So culturomics
270
656000
2000
ELA: Chúng tôi gọi phương pháp này
11:13
is what we call this method.
271
658000
2000
là văn hoá học.
11:15
It's kind of like genomics.
272
660000
2000
Giống như di truyền học.
11:17
Except genomics is a lens on biology
273
662000
2000
Khác ở chỗ di truyền học là ống kính của sinh học
11:19
through the window of the sequence of bases in the human genome.
274
664000
3000
qua cửa sổ nhìn vào chuỗi nền tảng trong hệ gen của con người.
11:22
Culturomics is similar.
275
667000
2000
Văn hoá học cũng tương tự.
11:24
It's the application of massive-scale data collection analysis
276
669000
3000
Nó là sự ứng dụng của sự phân tích hàng loạt dữ liệu trên qui mô lớn
11:27
to the study of human culture.
277
672000
2000
vào việc nghiên cứu văn hoá con người.
11:29
Here, instead of through the lens of a genome,
278
674000
2000
Tại đây, qua ống kính của dữ liệu lịch sử đã được số hoá.
11:31
through the lens of digitized pieces of the historical record.
279
676000
3000
thay vì qua ống kính của hệ gien.
11:34
The great thing about culturomics
280
679000
2000
Điều tuyệt vời về văn hoá học
11:36
is that everyone can do it.
281
681000
2000
là ai cũng có thể thực hiện được nó.
11:38
Why can everyone do it?
282
683000
2000
Tại sao mọi người đều có thể thực hiện?
11:40
Everyone can do it because three guys,
283
685000
2000
Mọi người đều có thể làm điều đó là nhờ ba người ,
11:42
Jon Orwant, Matt Gray and Will Brockman over at Google,
284
687000
3000
Jon Orwant, Matt Gray và Will Brockman của Google
11:45
saw the prototype of the Ngram Viewer,
285
690000
2000
nhìn thấy bản đồ mẫu của Ngram Viewer,
11:47
and they said, "This is so fun.
286
692000
2000
và nói rằng "Cái này thật hay!
11:49
We have to make this available for people."
287
694000
3000
Chúng ta phải làm thứ này cho mọi người dùng."
11:52
So in two weeks flat -- the two weeks before our paper came out --
288
697000
2000
Thế là trong chỉ hai tuần -- hai tuần trước khi bài luận văn của chúng tôi hoàn thành --
11:54
they coded up a version of the Ngram Viewer for the general public.
289
699000
3000
họ đã lập trình một phiên bản của NGram Viewer cho công chúng.
11:57
And so you too can type in any word or phrase that you're interested in
290
702000
3000
Bạn có thể đánh một từ nào đó mà bạn thích
12:00
and see its n-gram immediately --
291
705000
2000
và xem n-gram của nó ngay lập tức --
12:02
also browse examples of all the various books
292
707000
2000
và cũng có thể xem ví dụ của tất cả các cuốn sách khác nhau
12:04
in which your n-gram appears.
293
709000
2000
mà n-gram xuất hiện trong đó.
12:06
JM: Now this was used over a million times on the first day,
294
711000
2000
JM : Nó được sử dụng hơn một triệu lần vào ngày đầu tiên,
12:08
and this is really the best of all the queries.
295
713000
2000
và đây thực sự là câu chất vấn hay nhất.
12:10
So people want to be their best, put their best foot forward.
296
715000
3000
Người ta muốn cố gắng hết sức, bước bước chân chắc nhất về phía trước.
12:13
But it turns out in the 18th century, people didn't really care about that at all.
297
718000
3000
Nhưng hoá ra vào thế kỉ 18, người ta không hề thực sự quan tâm đến điều đó .
12:16
They didn't want to be their best, they wanted to be their beft.
298
721000
3000
Họ không muốn là "best", họ chỉ muốn là "beft".
12:19
So what happened is, of course, this is just a mistake.
299
724000
3000
Dĩ nhiên thật ra đó chỉ là một lỗi chính tả.
12:22
It's not that strove for mediocrity,
300
727000
2000
không có gì to tát cả,
12:24
it's just that the S used to be written differently, kind of like an F.
301
729000
3000
chỉ là S từng được viết theo cách khác, gần giống chữ F.
12:27
Now of course, Google didn't pick this up at the time,
302
732000
3000
Dĩ nhiên, Google lúc đó đã không để ý đến điều này,
12:30
so we reported this in the science article that we wrote.
303
735000
3000
nên chúng tôi đã viết về điều đó trong một bài báo cáo khoa học.
12:33
But it turns out this is just a reminder
304
738000
2000
Nhưng hoá ra đây chỉ là một sự nhắc nhở
12:35
that, although this is a lot of fun,
305
740000
2000
rằng dù có hay đến đâu chăng nữa
12:37
when you interpret these graphs, you have to be very careful,
306
742000
2000
thì khi bạn tìm cách hiểu những biểu đồ này, bạn phải vô cùng cẩn thận,
12:39
and you have to adopt the base standards in the sciences.
307
744000
3000
và bạn phải áp dụng những chuẩn mực nền tảng trong khoa học.
12:42
ELA: People have been using this for all kinds of fun purposes.
308
747000
3000
ELA : Người ta dùng phương pháp này cho đủ thứ mục đích hài hước.
12:45
(Laughter)
309
750000
7000
(Tiếng cười)
12:52
Actually, we're not going to have to talk,
310
757000
2000
Thực ra chúng tôi không nhất thiết phải nói,
12:54
we're just going to show you all the slides and remain silent.
311
759000
3000
chúng tôi sẽ chỉ cho các bạn xem tất cả những bức hình này và giữ yên lặng.
12:57
This person was interested in the history of frustration.
312
762000
3000
Người này muốn biết về lịch sử của sự giận dữ.
13:00
There's various types of frustration.
313
765000
3000
Có rất nhiều loại giận dữ.
13:03
If you stub your toe, that's a one A "argh."
314
768000
3000
Nếu bạn bị vấp chân, đó sẽ là một chữ A "argh".
13:06
If the planet Earth is annihilated by the Vogons
315
771000
2000
Nếu trái đất bị xâm chiếm bởi người Vogons
13:08
to make room for an interstellar bypass,
316
773000
2000
để làm đường giữ thông tin liên lạc giữa các vì sao.
13:10
that's an eight A "aaaaaaaargh."
317
775000
2000
đó sẽ là tám chữ A "aaaaaaaarg"
13:12
This person studies all the "arghs,"
318
777000
2000
Người này nghiên cứu tất cả "arghs"
13:14
from one through eight A's.
319
779000
2000
từ một cho đến tám chữ "A".
13:16
And it turns out
320
781000
2000
Và kết quả là
13:18
that the less-frequent "arghs"
321
783000
2000
Từ "arghs" với ít chữ A
13:20
are, of course, the ones that correspond to things that are more frustrating --
322
785000
3000
tất nhiên tương ứng với những thứ gây nhiều tức giận hơn.
13:23
except, oddly, in the early 80s.
323
788000
3000
ngoại trừ trong những năm đầu của thập niên 80, thật kì lạ!
13:26
We think that might have something to do with Reagan.
324
791000
2000
Chúng tôi cho rằng điều này có lẽ có liên quan đến Reegan.
13:28
(Laughter)
325
793000
2000
(Tiếng cười)
13:30
JM: There are many usages of this data,
326
795000
3000
JM: Có rất nhiều cách sử dụng dữ liệu này,
13:33
but the bottom line is that the historical record is being digitized.
327
798000
3000
nhưng điều mấu chốt là hồ sơ lịch sử đang được số hoá.
13:36
Google has started to digitize 15 million books.
328
801000
2000
Google đã số hoá 15 triệu cuốn sách.
13:38
That's 12 percent of all the books that have ever been published.
329
803000
2000
Đó là 12 phần trăm của tất cả những cuốn sách đã từng được xuất bản.
13:40
It's a sizable chunk of human culture.
330
805000
3000
Đó là một tảng lớn đáng kể của văn hoá loài người.
13:43
There's much more in culture: there's manuscripts, there newspapers,
331
808000
3000
Còn rất nhiều của nền văn hoá: nào là những bản viết tay, nào là báo chí,
13:46
there's things that are not text, like art and paintings.
332
811000
2000
nào là những thứ không phải là chữ mà là nghệ thuật và những bức tranh.
13:48
These all happen to be on our computers,
333
813000
2000
Những thứ này tình cờ lại có trong máy tính của chúng ta,
13:50
on computers across the world.
334
815000
2000
trên những chiếc máy tính trên khắp thế giới.
13:52
And when that happens, that will transform the way we have
335
817000
3000
Khi điều đó xảy ra, nó sẽ thay đổi cách chúng ta
13:55
to understand our past, our present and human culture.
336
820000
2000
hiểu về quá khứ, hiện tại và nền văn hóa con người.
13:57
Thank you very much.
337
822000
2000
Cảm ơn rất nhiều.
13:59
(Applause)
338
824000
3000
(Vỗ tay)
ABOUT THE SPEAKERS
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
Erez Lieberman Aiden - Researcher
Erez Lieberman Aiden pursues a broad range of research interests, spanning genomics, linguistics, mathematics ...
Why you should listen
Erez Lieberman Aiden is a fellow at the Harvard Society of Fellows and Visiting Faculty at Google. His research spans many disciplines and has won numerous awards, including recognition for one of the top 20 "Biotech Breakthroughs that will Change Medicine", by Popular Mechanics; the Lemelson-MIT prize for the best student inventor at MIT; the American Physical Society's Award for the Best Doctoral Dissertation in Biological Physics; and membership in Technology Review's 2009 TR35, recognizing the top 35 innovators under 35. His last three papers -- two with JB Michel -- have all appeared on the cover of Nature and Science.
Erez Lieberman Aiden | Speaker | TED.com