ABOUT THE SPEAKER
Jean-Baptiste Michel - Data researcher
Jean-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.

More profile about the speaker
Jean-Baptiste Michel | Speaker | TED.com
TED2012

Jean-Baptiste Michel: The mathematics of history

Жан-Батист Мишел: Математиката на историята

Filmed:
1,279,350 views

Какво може да каже математиката за историята? Според TED сътрудника Жан-Батист Мишел, доста. От промени в езика, до смъртността във войните, той показва как дигитализираната история започва да разкрива дълбоки скрити модели.
- Data researcher
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 turnsзавои out that mathematicsматематика is a very powerfulмощен languageезик.
0
0
3671
Оказва се, че математиката е много мощен език.
00:19
It has generatedгенерирана considerableзначителни insightпрозрение in physicsфизика,
1
3671
2312
Тя генерира значителни прозрения в областта на физиката,
00:21
in biologyбиология and economicsикономика,
2
5983
2100
биологията и икономиката,
00:23
but not that much in the humanitiesхуманитарни науки and in historyистория.
3
8083
2817
но не толкова много в хуманитарните науки и в историята.
00:26
I think there's a beliefвярване that it's just impossibleневъзможен,
4
10900
2283
Мисля, че има убеждение, че е просто невъзможно,
00:29
that you cannotне мога quantifyколичествено the doingsделата of mankindчовечеството,
5
13183
2646
че не можете да измерите това, което човечеството прави,
00:31
that you cannotне мога measureмярка historyистория.
6
15829
2519
че не можете да измерите историята.
00:34
But I don't think that's right.
7
18348
1527
Но не смятам, че това е правилно.
00:35
I want to showшоу you a coupleдвойка of examplesпримери why.
8
19875
2042
Искам да ви покажа няколко примери защо.
00:37
So my collaboratorсътрудник ErezErez and I were consideringкато се има предвид the followingследното factфакт:
9
21917
2958
Сътрудникът ми Ерез и аз взехме предвид следния факт:
00:40
that two kingsцаре separatedразделени by centuriesвекове
10
24875
2729
двама царе, разделени от векове,
00:43
will speakговоря a very differentразличен languageезик.
11
27604
1767
ще говорят на различни езици.
00:45
That's a powerfulмощен historicalисторически forceсила.
12
29371
2304
Това е мощна историческа сила.
00:47
So the kingцар of EnglandАнглия, AlfredАлфред the Great,
13
31675
1773
Кралят на Англия, Алфред Велики,
00:49
will use a vocabularyлексика and grammarграматика
14
33448
1640
ще използва речник и граматика
00:50
that is quiteсъвсем differentразличен from the kingцар of hipхип hopхмел, Jay-ZJay-Z.
15
35088
3700
която е доста различна от тази на краля на хип-хопа, Джей Зи.
00:54
(LaughterСмях)
16
38788
1666
(Смях)
00:56
Now it's just the way it is.
17
40454
2171
Това е просто е така.
00:58
LanguageЕзик changesпромени over time, and it's a powerfulмощен forceсила.
18
42625
2292
Езикът се променя във времето и е мощна сила.
01:00
So ErezErez and I wanted to know more about that.
19
44917
2287
Ерез и аз искахме да научим повече за това.
01:03
So we paidплатен attentionвнимание to a particularособен grammaticalграматичен ruleправило, past-tenseминали-напрегната conjugationспрежение.
20
47204
3657
Обърнахме внимание на едно специфично граматично правило, спрежението за минало време.
01:06
So you just addдобави "edЕд" to a verbглагол at the endкрай to signifyозначава the pastминало.
21
50861
3264
Само добавяте "ed" в края на глагола, за да обозначите минало време.
01:10
"TodayДнес I walkразходка. YesterdayВчера I walkedвървеше."
22
54125
1927
"Днес аз ходя. Вчера аз ходих."
01:11
But some verbsглаголи are irregularнередовен.
23
56052
1344
Но някои глаголи са неправилни.
01:13
"YesterdayВчера I thought."
24
57396
1396
"Вчера, аз мислех."
01:14
Now what's interestingинтересен about that
25
58792
1666
Това, което е интересно за това,
01:16
is irregularнередовен verbsглаголи betweenмежду AlfredАлфред and Jay-ZJay-Z have becomeда стане more regularредовен.
26
60458
3830
е, че неправилните глаголи между Алфред и Джей Зи са станали по-правилни.
01:20
Like the verbглагол "to wedср" that you see here has becomeда стане regularредовен.
27
64288
2735
Подобно на глагола "женя се" който виждате тук, който е станал правилен.
01:22
So ErezErez and I followedпоследвано the fateсъдба of over 100 irregularнередовен verbsглаголи
28
67023
4022
Ерез и аз проследихме съдбата на над 100 неправилни глагола
01:26
throughпрез 12 centuriesвекове of EnglishАнглийски languageезик,
29
71045
1919
през 12 века от английския език,
01:28
and we saw that there's actuallyвсъщност a very simpleпрост mathematicalматематически patternмодел
30
72964
2911
и видяхме, че всъщност е налице много прост математически модел
01:31
that capturesтрофеи this complexкомплекс historicalисторически changeпромяна,
31
75875
2542
който улавя тази сложна историческа промяна,
01:34
namelyа именно, if a verbглагол is 100 timesпъти more frequentчесто срещан than anotherоще,
32
78417
3660
а именно, ако даден глагол е употребяван 100 пъти по-често от друг,
01:37
it regularizesregularizes 10 timesпъти slowerпо-бавно.
33
82077
2665
той става правилен 10 пъти по-бавно.
01:40
That's a pieceпарче of historyистория, but it comesидва in a mathematicalматематически wrappingобтичане.
34
84742
3935
Това е част от историята, но тя идва в математическа опаковка.
01:44
Now in some casesслучаи mathматематика can even help explainобяснявам,
35
88677
3654
В някои случаи математиката може дори да обясни
01:48
or proposeпредлагам explanationsобяснения for, historicalисторически forcesвойски.
36
92331
2879
или предложи обяснения за исторически сили.
01:51
So here SteveСтив PinkerПинкър and I
37
95210
1832
Стив Пинкър и аз
01:52
were consideringкато се има предвид the magnitudeвеличина of warsвойни duringпо време на the last two centuriesвекове.
38
97042
3852
отчитахме големината на войните през последните две столетия.
01:56
There's actuallyвсъщност a well-knownдобре известни regularityредовността to them
39
100894
2495
Всъщност, има добре позната редовност, свързана с тях
01:59
where the numberномер of warsвойни that are 100 timesпъти deadlierпо-смъртоносни
40
103389
3422
където броя на войните, които са 100 пъти по-смъртоносни
02:02
is 10 timesпъти smallerпо-малък.
41
106811
1952
е 10 пъти по-малък.
02:04
So there are 30 warsвойни that are about as deadlyсмъртоносен as the SixШест DaysДни WarВойна,
42
108763
3344
Има 30 войни, които са толкова смъртоносни, колкото Шест дневната война,
02:08
but there's only fourчетирима warsвойни that are 100 timesпъти deadlierпо-смъртоносни --
43
112107
2820
но има само четири войни, които са 100 пъти по-смъртоносни
02:10
like WorldСветът WarВойна I.
44
114927
1977
като Първата световна война.
02:12
So what kindмил of historicalисторически mechanismмеханизъм can produceпродукция that?
45
116904
2923
Какъв вид исторически механизъм може да доведе до това?
02:15
What's the originпроизход of this?
46
119827
2000
Какъв е произхода му?
02:17
So SteveСтив and I, throughпрез mathematicalматематически analysisанализ,
47
121827
2265
Стив и аз, чрез математически анализ,
02:19
proposeпредлагам that there's actuallyвсъщност a very simpleпрост phenomenonфеномен at the rootкорен of this,
48
124092
4241
предлагаме, че всъщност в основата на това стои много просто явление,
02:24
whichкойто liesлъжи in our brainsмозъците.
49
128333
1690
което е в нашите мозъци.
02:25
This is a very well-knownдобре известни featureособеност
50
130023
2019
Това е много добре позната функция,
02:27
in whichкойто we perceiveвъзприемат quantitiesколичества in relativeотносителен waysначини --
51
132042
2975
в която ние възприемаме количества по относителни начини,
02:30
quantitiesколичества like the intensityинтензивност of lightсветлина or the loudnessгръмкостта of a soundзвук.
52
135017
3716
количества като интензитетът на светлината или гръмкостта на звука.
02:34
For instanceинстанция, committingизвършване 10,000 soldiersвойници to the nextследващия battleбитка soundsзвуци like a lot.
53
138733
5309
Така например, посвещаване на 10 000 войници в следващата битка звучи като много.
02:39
It's relativelyотносително enormousогромен if you've alreadyвече committedангажиран 1,000 soldiersвойници previouslyпреди това.
54
144042
3444
Това е сравнително огромно, ако сте посветили 1000 войници преди това.
02:43
But it doesn't soundзвук so much,
55
147486
1827
Но не звучи толкова много,
02:45
it's not relativelyотносително enoughдостатъчно, it won'tняма да make a differenceразлика
56
149313
3020
то не е достатъчно относително, няма да се забележи разлика,
02:48
if you've alreadyвече committedангажиран 100,000 soldiersвойници previouslyпреди това.
57
152333
2952
ако преди това сте посветили 100 000 войници.
02:51
So you see that because of the way we perceiveвъзприемат quantitiesколичества,
58
155285
3613
Виждате, че поради начина, по който ние възприемаме количества,
02:54
as the warвойна dragsвлека on,
59
158898
1767
както войната се проточва,
02:56
the numberномер of soldiersвойници committedангажиран to it and the casualtiesпострадали
60
160665
3085
броят на войниците в нея, както и жертвите
02:59
will increaseнараства not linearlyлинейно --
61
163750
1683
ще се увеличи не линейно--
03:01
like 10,000, 11,000, 12,000 --
62
165433
1888
не с 10 000, 11 000, 12 000--
03:03
but exponentiallyекспоненциално -- 10,000, laterпо късно 20,000, laterпо късно 40,000.
63
167321
4275
а експоненциално--10 000, по-късно 20000, по-късно 40 000.
03:07
And so that explainsобяснява this patternмодел that we'veние имаме seenвидян before.
64
171596
3085
Това обяснява този модел, които видяхме преди.
03:10
So here mathematicsматематика is ableспособен to linkвръзка a well-knownдобре известни featureособеност of the individualиндивидуален mindум
65
174681
5498
Тук математиката е в състояние да свърже добре позната черта на индивидуалната мисъл
03:16
with a long-termдългосрочен historicalисторически patternмодел
66
180179
2989
с дългосрочен исторически модел,
03:19
that unfoldsразгръща over centuriesвекове and acrossпрез continentsконтиненти.
67
183168
2857
който се разгръща през вековете и континентите.
03:21
So these typesвидове of examplesпримери, todayднес there are just a fewмалцина of them,
68
186025
4017
Тези примери, днес има само няколко от тях,
03:25
but I think in the nextследващия decadeдесетилетие they will becomeда стане commonplaceчесто срещано.
69
190042
2689
но аз мисля, че през следващото десетилетие, ще станат общоприети.
03:28
The reasonпричина for that is that the historicalисторически recordрекорд
70
192731
2392
Причината за това е, че историческите записи
03:31
is becomingпревръща digitizedцифровизирани at a very fastбърз paceтемпо.
71
195123
2460
стават дигитални в много бързо темпо.
03:33
So there's about 130 millionмилион booksкниги
72
197583
2610
Има около 130 милиона книги,
03:36
that have been writtenписмен sinceот the dawnразсъмване of time.
73
200193
2311
които са написани от началото на летоброенето.
03:38
CompaniesФирми like GoogleGoogle have digitizedцифровизирани manyмного of them --
74
202504
2454
Компании като Гугъл са дигитализирали много от тях--
03:40
aboveпо-горе 20 millionмилион actuallyвсъщност.
75
204958
1584
всъщност, над 20 милиона.
03:42
And when the stuffматерия of historyистория is availableна разположение in digitalдигитален formформа,
76
206542
3578
Когато историята е на разположение в цифрова форма,
03:46
it makesправи it possibleвъзможен for a mathematicalматематически analysisанализ
77
210120
2380
това дава възможност за математически анализ
03:48
to very quicklyбързо and very convenientlyудобно
78
212500
2375
за много бърз и много удобен
03:50
reviewпреглед trendsтенденции in our historyистория and our cultureкултура.
79
214875
2725
преглед на тенденциите в историята и културата ни.
03:53
So I think in the nextследващия decadeдесетилетие,
80
217600
2721
Мисля, че през следващото десетилетие,
03:56
the sciencesнауки and the humanitiesхуманитарни науки will come closerпо близо togetherзаедно
81
220321
2750
естествените и хуманитарни науки ще се приближат,
03:58
to be ableспособен to answerотговор deepДълбок questionsвъпроси about mankindчовечеството.
82
223071
3329
за да могат да отговорят на големите въпроси за човечеството.
04:02
And I think that mathematicsматематика will be a very powerfulмощен languageезик to do that.
83
226400
4121
Мисля, че математиката ще бъде много мощен език за да се направи това.
04:06
It will be ableспособен to revealразкрие newнов trendsтенденции in our historyистория,
84
230521
3146
Тя ще може да разкрие нови тенденции в нашата история,
04:09
sometimesпонякога to explainобяснявам them,
85
233667
1750
понякога да ги обясни,
04:11
and maybe even in the futureбъдеще to predictпредскаже what's going to happenстава.
86
235417
3306
а може би в бъдеще, дори да предскаже, какво ще се случи.
04:14
Thank you very much.
87
238723
1491
Много благодаря.
04:16
(ApplauseАплодисменти)
88
240214
3678
(Аплодисменти)
Translated by Darina Stoyanova
Reviewed by Ina Stoycheva

▲Back to top

ABOUT THE SPEAKER
Jean-Baptiste Michel - Data researcher
Jean-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.

More profile about the speaker
Jean-Baptiste Michel | Speaker | TED.com