TED2012
Jean-Baptiste Michel: The mathematics of history
Jean-Baptiste Michel: Matematika historie
Filmed:
Readability: 4.3
1,279,350 views
Co může matematika říct o historii? Podle TED Fellow Jeana-Baptisty Michela docela dost. Na případech proměn jazyka či vražednosti válek ukazuje, jak nám digitalizovaná historie začíná odhalovat v hloubce ukryté vzorce.
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
Ukázalo se, že matematika
je velmi mocným jazykem.
je velmi mocným jazykem.
00:19
It has generated considerable insight in physics,
1
3671
2312
Značným způsobem příspěla fyzice,
00:21
in biology and economics,
2
5983
2100
biologii a ekonomii,
00:23
but not that much in the humanities and in history.
3
8083
2817
ale už ne tolik
humanitním vědám a historii.
humanitním vědám a historii.
00:26
I think there's a belief that it's just impossible,
4
10900
2283
Domnívám se, že za tím
stojí názor o nemožnosti
stojí názor o nemožnosti
00:29
that you cannot quantify the doings of mankind,
5
13183
2646
kvantifikace počínání lidstva,
00:31
that you cannot measure history.
6
15829
2519
tedy že nemůžeme měřit historii.
00:34
But I don't think that's right.
7
18348
1527
Nemyslím si, že je tomu tak.
00:35
I want to show you a couple of examples why.
8
19875
2042
Ukáži vám pár příkladů,
proč si to myslím.
proč si to myslím.
00:37
So my collaborator Erez and I were considering the following fact:
9
21917
2958
Se spolupracovníkem Erezem
jsme uvažovali o následujícím faktu:
jsme uvažovali o následujícím faktu:
00:40
that two kings separated by centuries
10
24875
2729
že dva králové, které dělí staletí,
00:43
will speak a very different language.
11
27604
1767
budou mluvit velmi odlišným jazykem.
00:45
That's a powerful historical force.
12
29371
2304
To je mocná historická síla.
00:47
So the king of England, Alfred the Great,
13
31675
1773
Anglický král Alfréd Veliký
00:49
will use a vocabulary and grammar
14
33448
1640
bude používat slovník a gramatiku
00:50
that is quite different from the king of hip hop, Jay-Z.
15
35088
3700
dost odlišnou od té,
kterou používá král hip hopu Jay-Z.
kterou používá král hip hopu Jay-Z.
00:54
(Laughter)
16
38788
1666
(Smích)
00:56
Now it's just the way it is.
17
40454
2171
Tak to prostě je.
00:58
Language changes over time, and it's a powerful force.
18
42625
2292
Jazyk se postupem času mění,
a to je mocná síla.
a to je mocná síla.
01:00
So Erez and I wanted to know more about that.
19
44917
2287
S Erezem jsme se
o tom chtěli dozvědět víc.
o tom chtěli dozvědět víc.
01:03
So we paid attention to a particular grammatical rule, past-tense conjugation.
20
47204
3657
Takže jsme se zaměřili na konkrétní
gramatické pravidlo, minulý čas.
gramatické pravidlo, minulý čas.
01:06
So you just add "ed" to a verb at the end to signify the past.
21
50861
3264
Prostě přidáte příponu „ed" ke slovesu,
abyste vyjádřili minulost.
abyste vyjádřili minulost.
01:10
"Today I walk. Yesterday I walked."
22
54125
1927
„Today I walk. Yesterday I walked."
Ale některá slovesa
01:11
But some verbs are irregular.
23
56052
1344
jsou nepravidelná.
01:13
"Yesterday I thought."
24
57396
1396
„Yesterday I thought."
01:14
Now what's interesting about that
25
58792
1666
Zajímavé na tom je,
01:16
is irregular verbs between Alfred and Jay-Z have become more regular.
26
60458
3830
že nepravidelná slovesa se mezi
Alfrédem a Jay-Z stala pravidelnějšími.
Alfrédem a Jay-Z stala pravidelnějšími.
01:20
Like the verb "to wed" that you see here has become regular.
27
64288
2735
Třeba sloveso „wed", jak zde vidíte,
se stalo pravidelným.
se stalo pravidelným.
01:22
So Erez and I followed the fate of over 100 irregular verbs
28
67023
4022
S Erezem jsme sledovali osud
víc než 100 nepravidelných sloves
víc než 100 nepravidelných sloves
01:26
through 12 centuries of English language,
29
71045
1919
v průběhu 12 století anglického jazyka
01:28
and we saw that there's actually a very simple mathematical pattern
30
72964
2911
a nalezli jsme mezi nimi velmi
jednoduchý matematický vzorec,
jednoduchý matematický vzorec,
01:31
that captures this complex historical change,
31
75875
2542
který zachycuje tuto
složitou historickou změnu.
složitou historickou změnu.
01:34
namely, if a verb is 100 times more frequent than another,
32
78417
3660
Konkrétně, pokud je sloveso
100krát častější než jiné,
100krát častější než jiné,
01:37
it regularizes 10 times slower.
33
82077
2665
zpravidelňuje se 10krát pomaleji.
01:40
That's a piece of history, but it comes in a mathematical wrapping.
34
84742
3935
To je kus historie,
ale v matematickém balení.
ale v matematickém balení.
01:44
Now in some cases math can even help explain,
35
88677
3654
V některých případech může
matematika dokonce pomoci vysvětlit
matematika dokonce pomoci vysvětlit
01:48
or propose explanations for, historical forces.
36
92331
2879
nebo navrhnout vysvětlení
historických sil.
historických sil.
01:51
So here Steve Pinker and I
37
95210
1832
Se Stevem Pinkerem
01:52
were considering the magnitude of wars during the last two centuries.
38
97042
3852
jsme přemýšleli nad rozsahem válek
ve dvou minulých stoletích.
ve dvou minulých stoletích.
01:56
There's actually a well-known regularity to them
39
100894
2495
Je tu známá pravidelnost,
01:59
where the number of wars that are 100 times deadlier
40
103389
3422
kdy počet válek,
které přinášejí 100krát víc mrtvých,
které přinášejí 100krát víc mrtvých,
02:02
is 10 times smaller.
41
106811
1952
je 10krát menší.
02:04
So there are 30 wars that are about as deadly as the Six Days War,
42
108763
3344
Takže 30 válek mělo zhruba tolik mrtvých
jako šestidenní válka,
jako šestidenní válka,
02:08
but there's only four wars that are 100 times deadlier --
43
112107
2820
ale jen čtyři války měly
100krát víc mrtvých --
100krát víc mrtvých --
02:10
like World War I.
44
114927
1977
jako první světová válka.
02:12
So what kind of historical mechanism can produce that?
45
116904
2923
Jaký druh historického mechanismu
to může způsobit?
to může způsobit?
02:15
What's the origin of this?
46
119827
2000
Jaký to má původ?
02:17
So Steve and I, through mathematical analysis,
47
121827
2265
Se Stevem, prostřednictvím
matematické analýzy,
matematické analýzy,
02:19
propose that there's actually a very simple phenomenon at the root of this,
48
124092
4241
tvrdíme, že za tím stojí
docela jednoduchý jev,
docela jednoduchý jev,
02:24
which lies in our brains.
49
128333
1690
který se nachází v našich mozcích.
02:25
This is a very well-known feature
50
130023
2019
Je to velmi známá věc
02:27
in which we perceive quantities in relative ways --
51
132042
2975
skrze kterou vnímáme kvantity relativně --
02:30
quantities like the intensity of light or the loudness of a sound.
52
135017
3716
kvantity jako intenzita světla
nebo hlasitost zvuku.
nebo hlasitost zvuku.
02:34
For instance, committing 10,000 soldiers to the next battle sounds like a lot.
53
138733
5309
Například obětovat 10 000 vojáků
v příští bitvě zní jako velký počet.
v příští bitvě zní jako velký počet.
02:39
It's relatively enormous if you've already committed 1,000 soldiers previously.
54
144042
3444
Je to relativně velký počet,
pokud jste už obětovali 1 000 vojáků.
pokud jste už obětovali 1 000 vojáků.
02:43
But it doesn't sound so much,
55
147486
1827
Ale nezní to jako velký počet,
02:45
it's not relatively enough, it won't make a difference
56
149313
3020
relativně to nepůsobí jako velký počet,
02:48
if you've already committed 100,000 soldiers previously.
57
152333
2952
pokud jste už obětovali 100 000 vojáků.
02:51
So you see that because of the way we perceive quantities,
58
155285
3613
Takže vidíte, že kvůli způsobu,
jakým vnímáme množství,
jakým vnímáme množství,
02:54
as the war drags on,
59
158898
1767
když se válka táhne,
02:56
the number of soldiers committed to it and the casualties
60
160665
3085
počet obětovaných vojáků a obětí
02:59
will increase not linearly --
61
163750
1683
se nebude zvyšovat lineárně --
03:01
like 10,000, 11,000, 12,000 --
62
165433
1888
jako 10 000, 11 000, 12 000 --
03:03
but exponentially -- 10,000, later 20,000, later 40,000.
63
167321
4275
ale exponenciálně -- 10 000,
pak 20 000, pak 40 000.
pak 20 000, pak 40 000.
03:07
And so that explains this pattern that we've seen before.
64
171596
3085
A to vysvětluje tento vzorec,
který jsme viděli.
který jsme viděli.
03:10
So here mathematics is able to link a well-known feature of the individual mind
65
174681
5498
Matematika může propojit
známý jev jednotlivé mysli
známý jev jednotlivé mysli
03:16
with a long-term historical pattern
66
180179
2989
s dlouhodobým historickým vzorcem,
03:19
that unfolds over centuries and across continents.
67
183168
2857
který se vine stoletími a kontinenty.
03:21
So these types of examples, today there are just a few of them,
68
186025
4017
Tyto typy příkladů,
dnes je tu jen pár z nich,
dnes je tu jen pár z nich,
03:25
but I think in the next decade they will become commonplace.
69
190042
2689
se stanou v příštím
desetiletí zcela běžnými.
desetiletí zcela běžnými.
03:28
The reason for that is that the historical record
70
192731
2392
Důvodem je, že se historické záznamy
03:31
is becoming digitized at a very fast pace.
71
195123
2460
velmi rychle digitalizují.
03:33
So there's about 130 million books
72
197583
2610
Zhruba 130 milionů knih
03:36
that have been written since the dawn of time.
73
200193
2311
bylo napsáno od úsvitu času.
03:38
Companies like Google have digitized many of them --
74
202504
2454
Společnosti jako Google
mnoho z nich digitalizovaly --
mnoho z nich digitalizovaly --
03:40
above 20 million actually.
75
204958
1584
více než 20 milionů.
03:42
And when the stuff of history is available in digital form,
76
206542
3578
A jakmile je historie dostupná
v digitální formě,
v digitální formě,
03:46
it makes it possible for a mathematical analysis
77
210120
2380
zpřístupňuje se matematické analýze,
03:48
to very quickly and very conveniently
78
212500
2375
která velmi rychle a příhodně
03:50
review trends in our history and our culture.
79
214875
2725
přezkoumá trendy
naší historie a kultury.
naší historie a kultury.
03:53
So I think in the next decade,
80
217600
2721
Myslím si, že v příštím desetiletí
03:56
the sciences and the humanities will come closer together
81
220321
2750
se přírodovědné a humanitní směry sblíží,
03:58
to be able to answer deep questions about mankind.
82
223071
3329
aby mohly zodpovědět
vážné otázky o lidstvu.
vážné otázky o lidstvu.
04:02
And I think that mathematics will be a very powerful language to do that.
83
226400
4121
A myslím si, že matematika
pro to bude mocným jazykem.
pro to bude mocným jazykem.
04:06
It will be able to reveal new trends in our history,
84
230521
3146
Bude moci odhalit nové trendy
v naší historii,
v naší historii,
04:09
sometimes to explain them,
85
233667
1750
někdy je i vysvětlí
04:11
and maybe even in the future to predict what's going to happen.
86
235417
3306
a možná v budoucnosti
dokáže i předvídat, co se stane.
dokáže i předvídat, co se stane.
04:14
Thank you very much.
87
238723
1491
Velmi vám děkuji.
04:16
(Applause)
88
240214
3678
(Potlesk)
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