TEDxBoston 2011
Jean-Baptiste Michel + Erez Lieberman Aiden: What we learned from 5 million books
جين بابتيست ميكل + إيريز ليبرمان أيدن: ما تعلمناه من 5 ملايين كتاب
Filmed:
Readability: 3.9
2,049,453 views
هل سبق لكم أن تسليتم بمشروع عارض ن-غرام في مختبرات غوغل؟ إنه أداة مسببة للإدمان تسمح لك بالبحث في الكلمات والأفكار في قاعدة بيانات 5 ملايين كتاب على مر القرون. يعرض إيريز ليبرمان إيدن وجان باتيست ميشال كيفية اشتغالها، وبعضا من الأمور المفاجئة التي يمكننا تعلمها من 500 مليار كلمة.
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
إيريز ليبرمان ايدن: الجميع يعرف
00:17
that a picture is worth a thousand words.
1
2000
3000
أن الصورة تعادل الف كلمة.
00:22
But we at Harvard
2
7000
2000
لكننا في هارفارد
00:24
were wondering if this was really true.
3
9000
3000
تساءلنا ما إذا كان ذلك بالفعل صحيحا.
00:27
(Laughter)
4
12000
2000
(ضحك)
00:29
So we assembled a team of experts,
5
14000
4000
وبالتالي جمعنا فريقا من الخبراء،
00:33
spanning Harvard, MIT,
6
18000
2000
يمتدون في هارفارد وMIT
00:35
The American Heritage Dictionary, The Encyclopedia Britannica
7
20000
3000
قاموس التراث الأمريكي، موسوعة بريتانيكا
00:38
and even our proud sponsors,
8
23000
2000
وحتى رعاتنا الذين نفتخر بهم،
00:40
the Google.
9
25000
3000
غوغل.
00:43
And we cogitated about this
10
28000
2000
ودبرنا هذا
00:45
for about four years.
11
30000
2000
لحوالي أربع سنوات.
00:47
And we came to a startling conclusion.
12
32000
5000
ووصلنا إلى استنتاج مبدئي،
00:52
Ladies and gentlemen, a picture is not worth a thousand words.
13
37000
3000
سيداتي سادتي، الصورة لا تعادل الف كلمة.
00:55
In fact, we found some pictures
14
40000
2000
في الحقيقة، وجدنا بعض الصور
00:57
that are worth 500 billion words.
15
42000
5000
التي تقدر بأكثر من 500 مليار كلمة.
01:02
Jean-Baptiste Michel: So how did we get to this conclusion?
16
47000
2000
جان باتيست ميشال: إذن كيف وصلنا إلى هذا الاستنتاج؟
01:04
So Erez and I were thinking about ways
17
49000
2000
إذن أنا وإريز كنا نفكر في طرق
01:06
to get a big picture of human culture
18
51000
2000
للحصول على صورة كبيرة للثقافة الإنسانية
01:08
and human history: change over time.
19
53000
3000
والتاريخ البشري: تغيرها عبر الزمن.
01:11
So many books actually have been written over the years.
20
56000
2000
وهكذا الكثير من الكتب تم تأليفها على مدى السنوات.
01:13
So we were thinking, well the best way to learn from them
21
58000
2000
وبالتالي كنا نفكر، حسنا أفضل طريقة للاستفادة منها
01:15
is to read all of these millions of books.
22
60000
2000
هو قراءة كل هذه الملايين من الكتب.
01:17
Now of course, if there's a scale for how awesome that is,
23
62000
3000
الآن بالطبع، إن كان هناك مقياس لمدى روعة ذلك،
01:20
that has to rank extremely, extremely high.
24
65000
3000
كان هذا ليصنف عاليا وعاليا للغاية.
01:23
Now the problem is there's an X-axis for that,
25
68000
2000
الآن المشكل هو أن هناك محور أفاصيل لذلك،
01:25
which is the practical axis.
26
70000
2000
والذي هو محور العملية.
01:27
This is very, very low.
27
72000
2000
هذا متدن متدن للغاية.
01:29
(Applause)
28
74000
3000
(تصفيق)
01:32
Now people tend to use an alternative approach,
29
77000
3000
الآن الناس يميلون إلى استخدام مقاربة بديلة،
01:35
which is to take a few sources and read them very carefully.
30
80000
2000
والتي هي أخذ بضعة مصادر وقرائتها بعناية.
01:37
This is extremely practical, but not so awesome.
31
82000
2000
هذا عملي للغاية، لكن ليس بتلك الروعة.
01:39
What you really want to do
32
84000
3000
ما تريد فعله حقا
01:42
is to get to the awesome yet practical part of this space.
33
87000
3000
هو أخذ الجزء الرائع والعملي كذلك من هذا الفضاء.
01:45
So it turns out there was a company across the river called Google
34
90000
3000
وقد اتضح أن هناك شركة على الجانب الآخر من النهر تدعى غوغل
01:48
who had started a digitization project a few years back
35
93000
2000
والتي بدأت مشروع رقمنة قبل بضع سنوات
01:50
that might just enable this approach.
36
95000
2000
من شأنه أن يسمح بهذه المقاربة.
01:52
They have digitized millions of books.
37
97000
2000
قاموا برقمنة ملايين الكتب.
01:54
So what that means is, one could use computational methods
38
99000
3000
وبالتالي ما يعنيه ذلك هو، قد يستخدم المرء طرقا حوسبية
01:57
to read all of the books in a click of a button.
39
102000
2000
لقراءة كل الكتب بضغطة زر.
01:59
That's very practical and extremely awesome.
40
104000
3000
هذا في غاية العملية والروعة.
02:03
ELA: Let me tell you a little bit about where books come from.
41
108000
2000
إ. ل. أ: دعوني أخبركم قليلا من أين تأتي الكتب.
02:05
Since time immemorial, there have been authors.
42
110000
3000
منذ قديم الزمن، تواجد كتّاب.
02:08
These authors have been striving to write books.
43
113000
3000
هؤلاء الكتّاب كانوا يسعون لتأليف كتب.
02:11
And this became considerably easier
44
116000
2000
وقد صار ذلك سهلا جدا
02:13
with the development of the printing press some centuries ago.
45
118000
2000
مع تطور الصحافة المطبوعة قبل بضعة قرون.
02:15
Since then, the authors have won
46
120000
3000
منذ ذلك الوقت، استطاع الكتاب
02:18
on 129 million distinct occasions,
47
123000
2000
على مدى 129 مليون مناسبة متميزة،
02:20
publishing books.
48
125000
2000
من نشر الكتب.
02:22
Now if those books are not lost to history,
49
127000
2000
الآن إن لم تكن تلك الكتب مفقودة في التاريخ،
02:24
then they are somewhere in a library,
50
129000
2000
فإنها في مكان ما في مكتبة،
02:26
and many of those books have been getting retrieved from the libraries
51
131000
3000
والكثير من تلك الكتب يتم استرجاعها من المكتبات
02:29
and digitized by Google,
52
134000
2000
ورقمنتها من قبل غوغل،
02:31
which has scanned 15 million books to date.
53
136000
2000
والذين قاموا بمسح 15 مليون كتاب لحد الساعة.
02:33
Now when Google digitizes a book, they put it into a really nice format.
54
138000
3000
الآن حين يقوم غوغل برقمنة كتاب، يضعونه في شكل أنيق للغاية.
02:36
Now we've got the data, plus we have metadata.
55
141000
2000
الآن لدينا البيانات بالإضافة إلى البيانات الوصفية.
02:38
We have information about things like where was it published,
56
143000
3000
لدينا معلومات حول أمور مثل أين تم نشره،
02:41
who was the author, when was it published.
57
146000
2000
من كان المؤلف، متى تم نشره.
02:43
And what we do is go through all of those records
58
148000
3000
وما نقوم به هو القراء من خلال كل هذه السجلات
02:46
and exclude everything that's not the highest quality data.
59
151000
4000
وإلغاء كل البيانات التي ليست ذات جودة عالية.
02:50
What we're left with
60
155000
2000
ما يتبقى لنا
02:52
is a collection of five million books,
61
157000
3000
هو مجموعة من خمسة ملايين كتاب،
02:55
500 billion words,
62
160000
3000
500 مليار كلمة،
02:58
a string of characters a thousand times longer
63
163000
2000
سلسلة من الأحرف أطول بألف مرة
03:00
than the human genome --
64
165000
3000
من الجينوم البشري --
03:03
a text which, when written out,
65
168000
2000
نص إن تمت كتابته،
03:05
would stretch from here to the Moon and back
66
170000
2000
سيمتد من هنا إلى القمر وعودة
03:07
10 times over --
67
172000
2000
10 مرات متوالية --
03:09
a veritable shard of our cultural genome.
68
174000
4000
قشرة حقيقية لجينومنا الثقافي.
03:13
Of course what we did
69
178000
2000
ما قمنا به بالطبع
03:15
when faced with such outrageous hyperbole ...
70
180000
3000
حين واجهنا تلك المبالغة الفظيعة ..
03:18
(Laughter)
71
183000
2000
(ضحك)
03:20
was what any self-respecting researchers
72
185000
3000
هو ماكان أي باحث يحترم نفسه
03:23
would have done.
73
188000
3000
ليقوم به.
03:26
We took a page out of XKCD,
74
191000
2000
أخذنا صفحة من إكس كي سي دي،
03:28
and we said, "Stand back.
75
193000
2000
وقلنا، "ارجع للوراء.
03:30
We're going to try science."
76
195000
2000
سنجرب العلم."
03:32
(Laughter)
77
197000
2000
(ضحك)
03:34
JM: Now of course, we were thinking,
78
199000
2000
ج. م: الآن بالطبع، كنا نفكر،
03:36
well let's just first put the data out there
79
201000
2000
حسنا، دعونا أولا نضع البيانات فقط هناك
03:38
for people to do science to it.
80
203000
2000
حتى يمارس عليها الناس العلم.
03:40
Now we're thinking, what data can we release?
81
205000
2000
الآن كنا نفكر، ما نوع البيانات التي قد نصدرها؟
03:42
Well of course, you want to take the books
82
207000
2000
حسنا بالطبع، تريد أخذ كل الكتب
03:44
and release the full text of these five million books.
83
209000
2000
ونشر النص الكامل لتلك الخمس ملايين كتاب.
03:46
Now Google, and Jon Orwant in particular,
84
211000
2000
الآن غوغل، وجون أوروانت تحديدا،
03:48
told us a little equation that we should learn.
85
213000
2000
أخبرونا عن معادلة صغيرة علينا تعلمها.
03:50
So you have five million, that is, five million authors
86
215000
3000
حسنا لديكم خمس ملايين، هذا يعني، خمس ملايين كاتب
03:53
and five million plaintiffs is a massive lawsuit.
87
218000
3000
وخمس ملايين مدعي هي دعوى قضائية هائلة.
03:56
So, although that would be really, really awesome,
88
221000
2000
إذن، على الرغم من أن هذا كان ليكون رائعا للغاية،
03:58
again, that's extremely, extremely impractical.
89
223000
3000
مجددا، إنه غير عملي للغاية.
04:01
(Laughter)
90
226000
2000
(ضحك)
04:03
Now again, we kind of caved in,
91
228000
2000
الآن مجددا، أذعنا نوعا ما،
04:05
and we did the very practical approach, which was a bit less awesome.
92
230000
3000
وأنجزنا المقاربة العملية جدا، والتي لم تكن بتلك الروعة.
04:08
We said, well instead of releasing the full text,
93
233000
2000
قلنا، حسنا بدل نشر النصوص الكاملة،
04:10
we're going to release statistics about the books.
94
235000
2000
سنقوم بنشر إحصائيات حول الكتب.
04:12
So take for instance "A gleam of happiness."
95
237000
2000
إذن على سبيل المثال "بصيص من السعادة."
04:14
It's four words; we call that a four-gram.
96
239000
2000
إنها أربع كلمات؛ نسمي ذلك أربعة-غرام
04:16
We're going to tell you how many times a particular four-gram
97
241000
2000
سنقوم باخباركم بعدد المرات التي ظهرت فيها أربعة-غرام معينة
04:18
appeared in books in 1801, 1802, 1803,
98
243000
2000
في الكتب في 1801، 1802، 1803،
04:20
all the way up to 2008.
99
245000
2000
على طول الطريق إلى 2008.
04:22
That gives us a time series
100
247000
2000
ذلك يعطينا تسلسلا زمنيا
04:24
of how frequently this particular sentence was used over time.
101
249000
2000
حول مدى تردد استخدام هذه الجملة المعينة مع مرور الزمن.
04:26
We do that for all the words and phrases that appear in those books,
102
251000
3000
نقوم بذلك لكل الكلمات والجمل التي تظهر في تلك الكتب،
04:29
and that gives us a big table of two billion lines
103
254000
3000
وذلك يعطينا جدولا ضخما من ملياري سطر
04:32
that tell us about the way culture has been changing.
104
257000
2000
يخبرنا حول الطريقة التي تتغير بها الثقافة.
04:34
ELA: So those two billion lines,
105
259000
2000
إ. ل. أ: وبالتالي هذان الملياران،
04:36
we call them two billion n-grams.
106
261000
2000
نسميهما ملياري ن-غرام.
04:38
What do they tell us?
107
263000
2000
ما الذي تخبرنا؟
04:40
Well the individual n-grams measure cultural trends.
108
265000
2000
حسنا ال: ن-غرام المفردة تقيس الاتجاهات الثقافية.
04:42
Let me give you an example.
109
267000
2000
دعوني أعطيكم مثالا.
04:44
Let's suppose that I am thriving,
110
269000
2000
دعونا نفترض أنني في ازدهار،
04:46
then tomorrow I want to tell you about how well I did.
111
271000
2000
ثم أردت إخباركم في الغد كيف أبليت حسنا.
04:48
And so I might say, "Yesterday, I throve."
112
273000
3000
وبالتالي قد أقول، "البارحة قد نجحت."
04:51
Alternatively, I could say, "Yesterday, I thrived."
113
276000
3000
كبديل، يمكنني القول، "البارحة، ازدهرت."
04:54
Well which one should I use?
114
279000
3000
حسنا أي واحدة يمكنني استخدامها؟
04:57
How to know?
115
282000
2000
كيف أعرف؟
04:59
As of about six months ago,
116
284000
2000
قبل ستة أشهر من الآن،
05:01
the state of the art in this field
117
286000
2000
أعلى تقدم تقني في المجال
05:03
is that you would, for instance,
118
288000
2000
كان أن تقوم، على سبيل المثال،
05:05
go up to the following psychologist with fabulous hair,
119
290000
2000
بالذهاب إلى عالم نفساني بشعر رائع،
05:07
and you'd say,
120
292000
2000
وتقول،
05:09
"Steve, you're an expert on the irregular verbs.
121
294000
3000
"ستيف، أنت خبير في الأفعال غير النظامية.
05:12
What should I do?"
122
297000
2000
ما الذي يجدر بي فعله؟"
05:14
And he'd tell you, "Well most people say thrived,
123
299000
2000
وسيقول لك، "حسنا معظم الناس يقولون نجحت،
05:16
but some people say throve."
124
301000
3000
لكن بعضهم يقول ازدهرت."
05:19
And you also knew, more or less,
125
304000
2000
وتعلم كذلك، أكثر أو أقل،
05:21
that if you were to go back in time 200 years
126
306000
3000
أنه إن عدت 200 سنة إلى الوراء
05:24
and ask the following statesman with equally fabulous hair,
127
309000
3000
وسألت رجل دولة بنفس الشعر الرائع،
05:27
(Laughter)
128
312000
3000
(ضحك)
05:30
"Tom, what should I say?"
129
315000
2000
"توم، ما الذي يجدر بي قوله؟"
05:32
He'd say, "Well, in my day, most people throve,
130
317000
2000
سيقول، "حسنا، في وقتنا، معظم الناس يزدهرون،
05:34
but some thrived."
131
319000
3000
لكن بعضعهم ينجحون."
05:37
So now what I'm just going to show you is raw data.
132
322000
2000
وبالتالي الآن ما سأعرضهم عليهم هو بينات خام.
05:39
Two rows from this table of two billion entries.
133
324000
4000
صفان من هذا جدول ملياري مدخلة.
05:43
What you're seeing is year by year frequency
134
328000
2000
ما ترونه هو تردد سنة بسنة
05:45
of "thrived" and "throve" over time.
135
330000
3000
لـ "نجح" و"ازدهر" على مرور الزمن.
05:49
Now this is just two
136
334000
2000
الآن هذه فقط اثنتان
05:51
out of two billion rows.
137
336000
3000
من ملياري صف.
05:54
So the entire data set
138
339000
2000
وبالتالي مجموع البيانات الكلية
05:56
is a billion times more awesome than this slide.
139
341000
3000
هي مليار مرة أكثر روعة من هذه الشريحة.
05:59
(Laughter)
140
344000
2000
(ضحك)
06:01
(Applause)
141
346000
4000
(تصفيق)
06:05
JM: Now there are many other pictures that are worth 500 billion words.
142
350000
2000
ج. م: الآن هناك الكثير من الصور الأخرى التي تعادل 500 مليار كلمة.
06:07
For instance, this one.
143
352000
2000
على سبيل المثال، هذه.
06:09
If you just take influenza,
144
354000
2000
إن أخذتم الإنفلونزا
06:11
you will see peaks at the time where you knew
145
356000
2000
سترون ذرى في الأوقات التي تعرفون
06:13
big flu epidemics were killing people around the globe.
146
358000
3000
كانت تقتل فيه أوبئة الأنفلونزا الكبرى الناس في جميع أنحاء العالم.
06:16
ELA: If you were not yet convinced,
147
361000
3000
إ. ل. أ: إن لم تكونوا بعد مقتنعين،
06:19
sea levels are rising,
148
364000
2000
مستويات البحر ترتفع،
06:21
so is atmospheric CO2 and global temperature.
149
366000
3000
وكذلك ثنائي أكسيد الكربون في الجو والحرارة العالمية.
06:24
JM: You might also want to have a look at this particular n-gram,
150
369000
3000
ج. م: سترغبون كذلك في إلقاء نظرة على هذا الـ ن-غرام بذاته،
06:27
and that's to tell Nietzsche that God is not dead,
151
372000
3000
وذلك لإخبار نيتشه أن الإله ليس ميتا،
06:30
although you might agree that he might need a better publicist.
152
375000
3000
على الرغم من أنه قد يحتاج وكيلا إعلاميا أفضل.
06:33
(Laughter)
153
378000
2000
(ضحك)
06:35
ELA: You can get at some pretty abstract concepts with this sort of thing.
154
380000
3000
إ. ل. أ: يمكنكم الحصول على بعض المفاهيم المجردة بهذا الشيء.
06:38
For instance, let me tell you the history
155
383000
2000
على سبيل المثال، دعوني أخبركم عن تاريخ
06:40
of the year 1950.
156
385000
2000
السنة 1950.
06:42
Pretty much for the vast majority of history,
157
387000
2000
للغالبية العظمى من التاريخ،
06:44
no one gave a damn about 1950.
158
389000
2000
لم يهتم أحد في حدود 1950.
06:46
In 1700, in 1800, in 1900,
159
391000
2000
في 1700 في 1800 في 1900،
06:48
no one cared.
160
393000
3000
لم يهتم أحد.
06:52
Through the 30s and 40s,
161
397000
2000
خلال الثلاثينيات والأربعينيات،
06:54
no one cared.
162
399000
2000
لم يهتم أحد.
06:56
Suddenly, in the mid-40s,
163
401000
2000
وفجأة، في منتصف الأربعينيات،
06:58
there started to be a buzz.
164
403000
2000
بدأت تحدث ضجة.
07:00
People realized that 1950 was going to happen,
165
405000
2000
بدأ الناس يدركون أن 1950 قادمة،
07:02
and it could be big.
166
407000
2000
وقد تكون عظيمة.
07:04
(Laughter)
167
409000
3000
(ضحك)
07:07
But nothing got people interested in 1950
168
412000
3000
لكن لا شيء جعل الناس أكثر اهتماما بـ 1950
07:10
like the year 1950.
169
415000
3000
مثل السنة 1950.
07:13
(Laughter)
170
418000
3000
(ضحك)
07:16
People were walking around obsessed.
171
421000
2000
كان الناس يمشون مهووسين.
07:18
They couldn't stop talking
172
423000
2000
لم يستطيعوا التوقف عن الكلام
07:20
about all the things they did in 1950,
173
425000
3000
حول ما قاموا به في 1950،
07:23
all the things they were planning to do in 1950,
174
428000
3000
كل ما كانوا يخططون له في 1950،
07:26
all the dreams of what they wanted to accomplish in 1950.
175
431000
5000
كل الأحلام حول ما أرادوا إنجازه في 1950.
07:31
In fact, 1950 was so fascinating
176
436000
2000
في الواقع، 1950 كان آسرا لدرجة
07:33
that for years thereafter,
177
438000
2000
أنه في السنوات اللاحقة،
07:35
people just kept talking about all the amazing things that happened,
178
440000
3000
بقي الناس يتحدثون حول كل الأمور الرائعة التي حدثت،
07:38
in '51, '52, '53.
179
443000
2000
في 51 و 52 و53.
07:40
Finally in 1954,
180
445000
2000
وأخير في 1954،
07:42
someone woke up and realized
181
447000
2000
أحدهم استيقظ وأدرك
07:44
that 1950 had gotten somewhat passé.
182
449000
4000
أن 1950 قد انقضت.
07:48
(Laughter)
183
453000
2000
(ضحك)
07:50
And just like that, the bubble burst.
184
455000
2000
وبكل بساطة، انفجرت الفقاعة.
07:52
(Laughter)
185
457000
2000
(ضحك)
07:54
And the story of 1950
186
459000
2000
وقصة 1950
07:56
is the story of every year that we have on record,
187
461000
2000
هي قصة كل سنة لدينا في السجلات،
07:58
with a little twist, because now we've got these nice charts.
188
463000
3000
بالتفاف بسيط، لأنه لدينا الآن هذه المبيانات الجميلة.
08:01
And because we have these nice charts, we can measure things.
189
466000
3000
ولأنه لدينا مبيانات جميلة، يمكننا قياس الأشياء.
08:04
We can say, "Well how fast does the bubble burst?"
190
469000
2000
يمكننا القول، "حسنا ما مدى سرعة انفجار الفقاعة؟"
08:06
And it turns out that we can measure that very precisely.
191
471000
3000
وقد اتضح أنه يمكننا قياس ذلك بدقة بالغة.
08:09
Equations were derived, graphs were produced,
192
474000
3000
تم اشتقاق معادلات، وإنتاج رسوم بيانية،
08:12
and the net result
193
477000
2000
والنتيجة الخام
08:14
is that we find that the bubble bursts faster and faster
194
479000
3000
هي أنه وجدنا أن الفقاعة تنفجر بسرعة أكثر فأكثر
08:17
with each passing year.
195
482000
2000
مع مرور كل سنة.
08:19
We are losing interest in the past more rapidly.
196
484000
5000
نحن نفقد اهتمامنا بالماضي بشكل أكثر سرعة.
08:24
JM: Now a little piece of career advice.
197
489000
2000
ج. م: الآن نصيحة مهنية بسيطة.
08:26
So for those of you who seek to be famous,
198
491000
2000
وبالتالي لمن يريد منكم أن يشتهر،
08:28
we can learn from the 25 most famous political figures,
199
493000
2000
يمكننا الاستفادة من الشخصيات السياسية الـ 25 الأكثر شهرة،
08:30
authors, actors and so on.
200
495000
2000
والكتاب والممثلين وما إلى ذلك.
08:32
So if you want to become famous early on, you should be an actor,
201
497000
3000
وبالتالي إذا ما أردت أن تصبح مشهورا لاحقا، يجدر بك أن تصير ممثلا،
08:35
because then fame starts rising by the end of your 20s --
202
500000
2000
لأن الشهرة تبدأ بالزيادة في نهاية العشرينيات --
08:37
you're still young, it's really great.
203
502000
2000
لا تزال يافعا، ذلك عظيم للغاية.
08:39
Now if you can wait a little bit, you should be an author,
204
504000
2000
الآن إن أمكنك الانتظار قليلا، يجدر بك أن تصير كاتبا،
08:41
because then you rise to very great heights,
205
506000
2000
لأنه آنذاك ترتفع إلى مستويات عظيمة،
08:43
like Mark Twain, for instance: extremely famous.
206
508000
2000
مثل مارك توين، على سبيل المثال: في غاية الشهرة.
08:45
But if you want to reach the very top,
207
510000
2000
لكن إن أردت أن تصل إلى أعلى القمة،
08:47
you should delay gratification
208
512000
2000
يجدر بك أن تؤجل المتعة،
08:49
and, of course, become a politician.
209
514000
2000
وتصير سياسيا بالطبع.
08:51
So here you will become famous by the end of your 50s,
210
516000
2000
وبالتالي هنا ستصير مشهورا في نهاية خمسينياتك،
08:53
and become very, very famous afterward.
211
518000
2000
وستصير مشهورا للغاية بعد ذلك.
08:55
So scientists also tend to get famous when they're much older.
212
520000
3000
والعلماء كذلك يميلون إلى أن يصيروا مشهورين حين يكونون أكبر بكثير.
08:58
Like for instance, biologists and physics
213
523000
2000
على سبيل المثال، الأحيائيون والفيزيائيون
09:00
tend to be almost as famous as actors.
214
525000
2000
يصيرون بقدر شهرة الممثلين.
09:02
One mistake you should not do is become a mathematician.
215
527000
3000
خطأ واحد لا يجدر بكم الوقوع فيه هو أن تصيروا رياضياتيين.
09:05
(Laughter)
216
530000
2000
(ضحك)
09:07
If you do that,
217
532000
2000
إن قمتم بذلك،
09:09
you might think, "Oh great. I'm going to do my best work when I'm in my 20s."
218
534000
3000
قد تعتقدون، "أوه عظيم. سأقوم بأعظم أعمالي في العشرينيات من عمري"
09:12
But guess what, nobody will really care.
219
537000
2000
لكن خمنوا ماذا، لا أحد في الواقع يهتم.
09:14
(Laughter)
220
539000
3000
(ضحك)
09:17
ELA: There are more sobering notes
221
542000
2000
إ. ل. أ: هناك ملاحظات حكيمة أخرى
09:19
among the n-grams.
222
544000
2000
فيما بين الـ ن-غرام.
09:21
For instance, here's the trajectory of Marc Chagall,
223
546000
2000
على سبيل المثال، هنا تجدون مسار مارك شاغال،
09:23
an artist born in 1887.
224
548000
2000
فنان ولد سنة 1887.
09:25
And this looks like the normal trajectory of a famous person.
225
550000
3000
ويبدو هذا مثل مسار شخص مشهور عادي.
09:28
He gets more and more and more famous,
226
553000
4000
يصير أكثر وأكثر شهرة،
09:32
except if you look in German.
227
557000
2000
باستثناء إن بحثتم بالألمانية.
09:34
If you look in German, you see something completely bizarre,
228
559000
2000
إن بحثتم بالألمانية، ترون شيئا غريبا للغاية،
09:36
something you pretty much never see,
229
561000
2000
شيئا لا ترونه أبدا،
09:38
which is he becomes extremely famous
230
563000
2000
وهو أن تصير مشهورا للغاية
09:40
and then all of a sudden plummets,
231
565000
2000
ثم وفجأة،
09:42
going through a nadir between 1933 and 1945,
232
567000
3000
يصل الحضيض ما بين 1933 و1945،
09:45
before rebounding afterward.
233
570000
3000
قبل أن يرتد مجددا لاحقا.
09:48
And of course, what we're seeing
234
573000
2000
وبالطبع، ما ترونه
09:50
is the fact Marc Chagall was a Jewish artist
235
575000
3000
هو حقيقة كون مارك شاغال فنانا يهوديا
09:53
in Nazi Germany.
236
578000
2000
في ألمانيا النازية.
09:55
Now these signals
237
580000
2000
الآن هذه الإشارات
09:57
are actually so strong
238
582000
2000
هي في الواقع قوية للغاية
09:59
that we don't need to know that someone was censored.
239
584000
3000
لدرجة أنه لا تحتاج إلى معرفة أن أحدهم كان تحت الرقابة.
10:02
We can actually figure it out
240
587000
2000
يمكننا في الواقع إستنتاج ذلك
10:04
using really basic signal processing.
241
589000
2000
باستخدام معالجة إشارات أساسية.
10:06
Here's a simple way to do it.
242
591000
2000
هنا طريقة بسيطة للقيام بذلك.
10:08
Well, a reasonable expectation
243
593000
2000
حسنا، توقع منطقي
10:10
is that somebody's fame in a given period of time
244
595000
2000
هو أن شهرة أحدهم في فترة زمنية معينة
10:12
should be roughly the average of their fame before
245
597000
2000
يجب أن تكون تقريبا معدل شهرتهم قبل
10:14
and their fame after.
246
599000
2000
وبعد الاشتهار.
10:16
So that's sort of what we expect.
247
601000
2000
وبالتالي ذلك نوع مما نتوقعه.
10:18
And we compare that to the fame that we observe.
248
603000
3000
ونقارن ذلك بالشهرة التي نلاحظها.
10:21
And we just divide one by the other
249
606000
2000
ونقسم واحدا بالآخر
10:23
to produce something we call a suppression index.
250
608000
2000
لإنتاج شيء نسميه مؤشر القمع.
10:25
If the suppression index is very, very, very small,
251
610000
3000
إن كان مؤشر القمع صغيرا جدا للغاية،
10:28
then you very well might be being suppressed.
252
613000
2000
بعد ذلك قد تكون أنت ذاتك تحت القمع.
10:30
If it's very large, maybe you're benefiting from propaganda.
253
615000
3000
إن كان كبيرا للغاية، ربما تكون مستفيدا من بروباغاندا.
10:34
JM: Now you can actually look at
254
619000
2000
ج. م: الآن يمكنكم فعلا أن تنظروا
10:36
the distribution of suppression indexes over whole populations.
255
621000
3000
توزيع مؤشرات القمع على لمجموع السكان.
10:39
So for instance, here --
256
624000
2000
لذا على سبيل المثال، هنا --
10:41
this suppression index is for 5,000 people
257
626000
2000
مؤشر القمع هذا هو لـ 5000 شخص
10:43
picked in English books where there's no known suppression --
258
628000
2000
تم اختيارهم من كتب إنجليزية حيث لا يوجد هناك قمع --
10:45
it would be like this, basically tightly centered on one.
259
630000
2000
سيكون شيئا مثل هذا، سيكون أساسا متركزا بإحكام.
10:47
What you expect is basically what you observe.
260
632000
2000
ما تتوقعونه هو ما يمكنكم ملاحظته أساسا.
10:49
This is distribution as seen in Germany --
261
634000
2000
هذا التوزيع كما يرى في ألمانيا --
10:51
very different, it's shifted to the left.
262
636000
2000
مختلف كثيرا، إنه محول قليلا لليسار.
10:53
People talked about it twice less as it should have been.
263
638000
3000
تحدث عنه الناس مرتين أقل مما يجب أن يكون.
10:56
But much more importantly, the distribution is much wider.
264
641000
2000
لكن المهم جدا، التوزيع أقل وسعا.
10:58
There are many people who end up on the far left on this distribution
265
643000
3000
هناك الكثير من الناس ينتهون في أقصى يسار التوزيع
11:01
who are talked about 10 times fewer than they should have been.
266
646000
3000
تم الحديث عنهم حوالي 10 مرات أقل مما يجب أن يكون.
11:04
But then also many people on the far right
267
649000
2000
لكن كذلك الكثير من الناس على أقصى اليسار
11:06
who seem to benefit from propaganda.
268
651000
2000
يبدو أنهم استفادوا من البروباغندا.
11:08
This picture is the hallmark of censorship in the book record.
269
653000
3000
هذه الصورة هي السمة المميزة للرقابة في سجل الكتب.
11:11
ELA: So culturomics
270
656000
2000
إ. ل. أ: الكلتروميكس
11:13
is what we call this method.
271
658000
2000
هي ما نسمي هذه الطريقة.
11:15
It's kind of like genomics.
272
660000
2000
إنها نوع ما مثل الجينوميات.
11:17
Except genomics is a lens on biology
273
662000
2000
باستثناء أن الجينوما هي عدسات على البيولوجيا
11:19
through the window of the sequence of bases in the human genome.
274
664000
3000
من خلال نافذة تسلسل القواعد في الجينوم البشري.
11:22
Culturomics is similar.
275
667000
2000
الكلتروميكس أمر مشابه.
11:24
It's the application of massive-scale data collection analysis
276
669000
3000
إنه تطبيق تحليل لمجموعة البيانات الهائلة الحجم
11:27
to the study of human culture.
277
672000
2000
لدراسة الثقافة البشرية.
11:29
Here, instead of through the lens of a genome,
278
674000
2000
هنا، على سبيل المثال من خلال عدسات الجينوم،
11:31
through the lens of digitized pieces of the historical record.
279
676000
3000
من خلال عدسات السجل التاريخي المرقمن.
11:34
The great thing about culturomics
280
679000
2000
الأمر العظيم بخصوص الكلتروميكس
11:36
is that everyone can do it.
281
681000
2000
هو أن الجميع يمكنه القيام بذلك.
11:38
Why can everyone do it?
282
683000
2000
لماذا يمكن للجميع القيام بذلك؟
11:40
Everyone can do it because three guys,
283
685000
2000
الجميع يمكنه القيام بذلك لأن ثلاثة أشخاص،
11:42
Jon Orwant, Matt Gray and Will Brockman over at Google,
284
687000
3000
جون أوروانت ومات غراي وويل بروكمان في غوغل،
11:45
saw the prototype of the Ngram Viewer,
285
690000
2000
رأوا النموذج الأولي لعارض ن-غرام،
11:47
and they said, "This is so fun.
286
692000
2000
فقالوا، "هذا في غاية المتعة.
11:49
We have to make this available for people."
287
694000
3000
علينا جعل هذا متوفرا للناس."
11:52
So in two weeks flat -- the two weeks before our paper came out --
288
697000
2000
وبالتالي في أسبوعين بالتمام -- الأسبوعان قبل صدور ورقتنا البحثية --
11:54
they coded up a version of the Ngram Viewer for the general public.
289
699000
3000
قاموا ببرمجة نسخة من عارض ن-غرام من أجل الاستخدام العام.
11:57
And so you too can type in any word or phrase that you're interested in
290
702000
3000
وبالتالي يمكنكم كذلك أن تكتبوا أي كلمة أو جملة تهتمون بها
12:00
and see its n-gram immediately --
291
705000
2000
ورؤية الـ ن-غرام مباشرة --
12:02
also browse examples of all the various books
292
707000
2000
كذلك تصفح أمثلة من مختلف الكتب
12:04
in which your n-gram appears.
293
709000
2000
حيث تظهر ن-غرام.
12:06
JM: Now this was used over a million times on the first day,
294
711000
2000
ج. م: الآن تم استخدام هذا أكثر من مليون مرة في اليوم الأول،
12:08
and this is really the best of all the queries.
295
713000
2000
وهذه بالفعل أفضل كل تلك الاستعلامات.
12:10
So people want to be their best, put their best foot forward.
296
715000
3000
وبالتالي أراد الناس وضع قدمهم الأفضل إلى الأمام.
12:13
But it turns out in the 18th century, people didn't really care about that at all.
297
718000
3000
لكن اتضح أنه في القرن الـ 18، لم يهتم الناس بذلك على الإطلاق.
12:16
They didn't want to be their best, they wanted to be their beft.
298
721000
3000
لم يريدوا أن يكونوا الأفضل، أرادوا أن يكونوا الأفدل.
12:19
So what happened is, of course, this is just a mistake.
299
724000
3000
وبالتالي ما حصل هو، بالطبع، هذا كان مجرد خطأ.
12:22
It's not that strove for mediocrity,
300
727000
2000
ليس ذلك السعي نحو التوسط،
12:24
it's just that the S used to be written differently, kind of like an F.
301
729000
3000
إنه فقط حقيقة كون الحرف ض كان يكتب بشكل مختلف، نوعا ما مثل د.
12:27
Now of course, Google didn't pick this up at the time,
302
732000
3000
الآن بالطبع، غوغل لم يلاحظ ذلك آنذاك،
12:30
so we reported this in the science article that we wrote.
303
735000
3000
وبالتالي أبلغنا عن ذلك في المقال العلمي الذي كتبناه.
12:33
But it turns out this is just a reminder
304
738000
2000
لكن اتضح أن ذلك هو فقط تذكير
12:35
that, although this is a lot of fun,
305
740000
2000
أنه، على الرغم من أنه ممتع جدا،
12:37
when you interpret these graphs, you have to be very careful,
306
742000
2000
حين تفسر تلك الرسوم البيانية، عليك أن تكون حذرا للغاية،
12:39
and you have to adopt the base standards in the sciences.
307
744000
3000
وعليك أن تعتمد المعايير الأساسية للعلوم.
12:42
ELA: People have been using this for all kinds of fun purposes.
308
747000
3000
إ. ل. أ: الناس كانوا يستخدمون جميع أنواع أغراض المتعة.
12:45
(Laughter)
309
750000
7000
(ضحك)
12:52
Actually, we're not going to have to talk,
310
757000
2000
في الواقع، ليس علينا الكلام،
12:54
we're just going to show you all the slides and remain silent.
311
759000
3000
سنقوم فقط بعرض بقية الشرائح والبقاء صامتين.
12:57
This person was interested in the history of frustration.
312
762000
3000
هذا الشخص كان مهتما بتاريخ الإحباط.
13:00
There's various types of frustration.
313
765000
3000
هنا هذه الأنواع المختلفة من الإحباط.
13:03
If you stub your toe, that's a one A "argh."
314
768000
3000
إن صدمت اصبع قدمك، تلك آ "أرغ."
13:06
If the planet Earth is annihilated by the Vogons
315
771000
2000
إن كان كوكب الأرض أبيد من طرف الفوغونات
13:08
to make room for an interstellar bypass,
316
773000
2000
لإفساح المكان لممر بين-نجمي،
13:10
that's an eight A "aaaaaaaargh."
317
775000
2000
تلك 8 آهات "آآآآآآآآرغ."
13:12
This person studies all the "arghs,"
318
777000
2000
هذا الشخص درس كل هذه ال"آرغ".
13:14
from one through eight A's.
319
779000
2000
من واحد إلى ثمانية آهات.
13:16
And it turns out
320
781000
2000
وقد اتضح
13:18
that the less-frequent "arghs"
321
783000
2000
أن أقل الآهات استخداما
13:20
are, of course, the ones that correspond to things that are more frustrating --
322
785000
3000
هي بالطبع تلك التي ترتبط بالأشياء الأكثر احباطا
13:23
except, oddly, in the early 80s.
323
788000
3000
باستثناء، وبشكل غريب، في بداية الثمانينيات.
13:26
We think that might have something to do with Reagan.
324
791000
2000
نعتقد أن لذلك علاقة بريغان.
13:28
(Laughter)
325
793000
2000
(ضحك)
13:30
JM: There are many usages of this data,
326
795000
3000
ج. م: هناك الكثير من الاستخدامات لهذه البيانات،
13:33
but the bottom line is that the historical record is being digitized.
327
798000
3000
لكن الخلاصة أن السجلات التاريخية تتم رقمنتها.
13:36
Google has started to digitize 15 million books.
328
801000
2000
غوغل قد بدأ يرقمن 15 مليون كتاب.
13:38
That's 12 percent of all the books that have ever been published.
329
803000
2000
ذلك 12 في المئة من كل الكتب التي نشرت من قبل.
13:40
It's a sizable chunk of human culture.
330
805000
3000
إنه قسم لا بأس به من الثقافة البشرية.
13:43
There's much more in culture: there's manuscripts, there newspapers,
331
808000
3000
هناك ما هو أكثر بكثير في الثقافة: هناك المخطوطات، الجرائد،
13:46
there's things that are not text, like art and paintings.
332
811000
2000
هناك الأشياء التي ليست كتابة، مثل الفن والرسومات.
13:48
These all happen to be on our computers,
333
813000
2000
كل هذا يصادف تواجده في حواسيبنا،
13:50
on computers across the world.
334
815000
2000
في حواسيب في جميع أنحاء العالم.
13:52
And when that happens, that will transform the way we have
335
817000
3000
وحين يحدث ذلك، سيغير ذلك الطريقة التي
13:55
to understand our past, our present and human culture.
336
820000
2000
نفهم بها ماضينا، وحاضرنا والثقافة البشرية.
13:57
Thank you very much.
337
822000
2000
شكرا جزيلا لكم.
13:59
(Applause)
338
824000
3000
(تصفيق)
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