TED2013
Ajit Narayanan: A word game to communicate in any language
Ajit Narayanan: Slovní hra ke komunikaci v jakémkoliv jazyce
Filmed:
Readability: 3.4
1,391,245 views
Při práci s dětmi, které mají obtíže s mluvením, Ajit Narayanan navrhl způsob, kterým lze o jazyce přemýšlet pomocí obrázků a uspořádat slova a koncepty do "map". Tento jeho nápad stojí za aplikací, která pomáhá lidem bez schopnosti verbální komunikace. Tento koncept řeči, nazvaný FreeSpeech, má velmi slibný potenciál.
Ajit Narayanan - Visual grammar engine inventor
Ajit Narayanan is the inventor of Avaz, an affordable, tablet-based communication device for people who are speech-impaired. Full bio
Ajit Narayanan is the inventor of Avaz, an affordable, tablet-based communication device for people who are speech-impaired. Full bio
Double-click the English transcript below to play the video.
00:12
I work with children with autism.
0
721
2670
Pracuji s autistickými dětmi.
00:15
Specifically, I make technologies
1
3391
1914
Vymýšlím pro ně technologie,
00:17
to help them communicate.
2
5305
2171
které jim usnadňují komunikaci.
00:19
Now, many of the problems that children
3
7476
1539
Totiž, mnoho problémů, kterým
00:21
with autism face, they have a common source,
4
9015
3763
tyto děti čelí, mají stejnou příčinu
00:24
and that source is that they find it difficult
5
12778
2094
v tom, že je pro ně velmi těžké
00:26
to understand abstraction, symbolism.
6
14872
5260
porozumět abstrakci a symbolismu.
00:32
And because of this, they have
a lot of difficulty with language.
a lot of difficulty with language.
7
20132
4652
A právě kvůli tomu je pro ně
hodně obtížné používání jazyka.
hodně obtížné používání jazyka.
00:36
Let me tell you a little bit about why this is.
8
24784
3015
Já Vám teď řeknu něco
k tomu, proč tomu tak je.
k tomu, proč tomu tak je.
00:39
You see that this is a picture of a bowl of soup.
9
27799
3934
Toto je obrázek misky s polévkou.
00:43
All of us can see it. All of us understand this.
10
31733
2485
To vidíme všichni
a všichni tomu také rozumíme.
a všichni tomu také rozumíme.
00:46
These are two other pictures of soup,
11
34218
2312
Tady máme dva další obrázky polévky,
00:48
but you can see that these are more abstract
12
36530
2067
ale jak vidíte,
tyto jsou již abstraktnější.
tyto jsou již abstraktnější.
00:50
These are not quite as concrete.
13
38597
1856
Nejsou tak konkrétní jako ten první.
00:52
And when you get to language,
14
40453
2174
A podíváme-li se na jazyk,
00:54
you see that it becomes a word
15
42627
1868
zjistíme, že podoba slova,
00:56
whose look, the way it looks and the way it sounds,
16
44495
3261
nemá nic společného se svou předlohou,
00:59
has absolutely nothing to do
with what it started with,
with what it started with,
17
47756
2912
a také jeho zvuk
není vůbec nijak spojený
není vůbec nijak spojený
01:02
or what it represents, which is the bowl of soup.
18
50668
2830
s původním vzorem misky s polévkou.
01:05
So it's essentially a completely abstract,
19
53498
2900
Takže jde o absolutní abstrakci,
01:08
a completely arbitrary representation of something
20
56398
2576
zástupnou reprezentaci něčeho
01:10
which is in the real world,
21
58974
1163
co existuje v reálném světě,
01:12
and this is something that children with autism
22
60137
1791
a s tímto mají děti s autismem
01:13
have an incredible amount of difficulty with.
23
61928
3164
obrovský problém.
01:17
Now that's why most of the people
that work with children with autism --
that work with children with autism --
24
65092
2751
Proto většina odborníků,
co s autistickými dětmi pracují -
co s autistickými dětmi pracují -
01:19
speech therapists, educators --
25
67843
1878
logopedi, učitelé -
01:21
what they do is, they try to help children with autism
26
69721
2633
se těmto dětem snaží pomoci komunikovat
01:24
communicate not with words, but with pictures.
27
72354
3229
ne prostřednictvím slov ale obrázků.
01:27
So if a child with autism wanted to say,
28
75583
1930
Tak například, pokud dítě chce říct
01:29
"I want soup," that child would pick
29
77513
2458
"Já chci polévku.", vybere
01:31
three different pictures, "I," "want," and "soup,"
30
79971
2260
tři různé obrázky: "já" "chtít" a "polévka"
01:34
and they would put these together,
31
82231
1609
a když se pak složí dohromady,
01:35
and then the therapist or the parent would
32
83840
1867
terapeut nebo rodič
01:37
understand that this is what the kid wants to say.
33
85707
1887
pochopí, co chce dítě říct.
01:39
And this has been incredibly effective;
34
87594
1778
Tento způsob je ohromně účinný
01:41
for the last 30, 40 years
35
89372
2141
a v posledních zhruba 30, 40 letech
01:43
people have been doing this.
36
91513
1613
se hodně využíval.
01:45
In fact, a few years back,
37
93126
1349
Já jsem, před několika lety,
01:46
I developed an app for the iPad
38
94475
2675
vyvinul aplikaci pro iPady,
01:49
which does exactly this. It's called Avaz,
39
97150
2255
která dělá přesně to samé.
Jmenuje se Avaz
Jmenuje se Avaz
01:51
and the way it works is that kids select
40
99405
2279
a funguje tak, že si dítě vybere
01:53
different pictures.
41
101684
1321
odlišné obrázky.
01:55
These pictures are sequenced
together to form sentences,
together to form sentences,
42
103005
2570
Tyto obrázky jsou poté zformovány do vět
01:57
and these sentences are spoken out.
43
105575
1719
a tyto věty se nahlas přečtou.
01:59
So Avaz is essentially converting pictures,
44
107294
3025
Takže Avaz je v podstatě překladatel,
02:02
it's a translator, it converts pictures into speech.
45
110319
3960
který tlumočí obrázky do mluvené řeči.
02:06
Now, this was very effective.
46
114279
1718
Toto se ukázalo jako velmi účinné.
02:07
There are thousands of children using this,
47
115997
1384
Po celém světě tuto aplikaci
02:09
you know, all over the world,
48
117381
1430
používají tisíce dětí,
02:10
and I started thinking about
49
118811
2175
a já se začal zamýšlet nad tím,
02:12
what it does and what it doesn't do.
50
120986
2654
co přesně dělá a co už ne.
02:15
And I realized something interesting:
51
123640
1684
A uvědomil jsem si něco zajímavého -
02:17
Avaz helps children with autism learn words.
52
125324
4203
Avaz pomáhá autistickým dětem naučit se slova.
02:21
What it doesn't help them do is to learn
53
129527
2405
To, co je ale nenaučí,
02:23
word patterns.
54
131932
2748
je struktura vět.
02:26
Let me explain this in a little more detail.
55
134680
2472
To se teď pokusím vysvětlit detailněji.
02:29
Take this sentence: "I want soup tonight."
56
137152
3057
Vezměme si například větu:
"Já chci dnes večer polévku."
"Já chci dnes večer polévku."
02:32
Now it's not just the words
here that convey the meaning.
here that convey the meaning.
57
140209
4080
Nejsou to jen slova samotná, co vytváří význam.
02:36
It's also the way in which these words are arranged,
58
144289
3140
ale i způsob, jakým jsou tato slova
02:39
the way these words are modified and arranged.
59
147429
2515
upravena a seskupena.
02:41
And that's why a sentence like "I want soup tonight"
60
149959
2306
A proto věta "Já chci dnes večer polévku."
02:44
is different from a sentence like
61
152265
1984
je zcela odlišná od věty
02:46
"Soup want I tonight," which
is completely meaningless.
is completely meaningless.
62
154249
3312
"Polévku chci já dnes večer.", která nedává smysl.
02:49
So there is another hidden abstraction here
63
157561
2619
Toto, tedy skutečnost, že slova můžete upravit
02:52
which children with autism find
a lot of difficulty coping with,
a lot of difficulty coping with,
64
160180
3557
a seřadit tak, že nakonec
02:55
and that's the fact that you can modify words
65
163737
2840
dají jiný smysl,
02:58
and you can arrange them to have
66
166577
2101
je pro děti s autismem další skrytá abstrakce,
03:00
different meanings, to convey different ideas.
67
168678
2895
kterou těžko chápou.
03:03
Now, this is what we call grammar.
68
171573
3459
Toto je to, čemu říkáme gramatika.
03:07
And grammar is incredibly powerful,
69
175032
2036
Gramatika má velkou moc,
03:09
because grammar is this one component of language
70
177068
3157
protože je jedním komponentem jazyka, který
03:12
which takes this finite vocabulary that all of us have
71
180225
3489
náš omezený slovník upravuje tak,
že jsme jím schopni
že jsme jím schopni
03:15
and allows us to convey an
infinite amount of information,
infinite amount of information,
72
183714
4531
vyjádřit nekonečné množství
03:20
an infinite amount of ideas.
73
188245
2134
informací a myšlenek.
03:22
It's the way in which you can put things together
74
190379
2002
Gramatika je způsob, jakým věci dáváme dohromady,
03:24
in order to convey anything you want to.
75
192381
2168
abychom mohli vyjádřit cokoli chceme.
03:26
And so after I developed Avaz,
76
194549
2127
A tak poté, co jsem vytvořil Avaz,
03:28
I worried for a very long time
77
196676
1568
jsem velmi dlouhou dobu přemýšlel
03:30
about how I could give grammar
to children with autism.
to children with autism.
78
198244
3910
jak bych mohl autistickým dětem předat gramatiku.
03:34
The solution came to me from
a very interesting perspective.
a very interesting perspective.
79
202154
2275
A řešení jsem našel v zajímavé situaci.
03:36
I happened to chance upon a child with autism
80
204429
3449
Dostal jsem se náhodou ke konverzaci matky
03:39
conversing with her mom,
81
207878
2109
s jejím autistickým dítětem,
03:41
and this is what happened.
82
209987
2094
která proběhla takhle.
03:44
Completely out of the blue, very spontaneously,
83
212081
2186
Najednou z ničeho nic
03:46
the child got up and said, "Eat."
84
214267
2463
dítě vstalo a řeklo slovo "jíst".
03:48
Now what was interesting was
85
216730
1770
Co bylo pro mě zajímavé,
03:50
the way in which the mom was trying to tease out
86
218500
4244
byl způsob, jakým se matka snažila
03:54
the meaning of what the child wanted to say
87
222744
2213
pomocí kladení otázek dítěti
03:56
by talking to her in questions.
88
224957
2260
zjistit, co jí chce říct.
03:59
So she asked, "Eat what? Do
you want to eat ice cream?
you want to eat ice cream?
89
227217
2593
A tak se ho zeptala: "Jíst co? Chceš jíst zmrzlinu?
04:01
You want to eat? Somebody else wants to eat?
90
229810
2112
Ty chceš jíst? Někdo jiný chce jíst?
04:03
You want to eat cream now? You
want to eat ice cream in the evening?"
want to eat ice cream in the evening?"
91
231922
3313
Chceš jíst zmrzlinu teď? Chceš jíst zmrzlinu večer?"
04:07
And then it struck me that
92
235235
1514
A tehdy jsem si uvědomil,
04:08
what the mother had done was something incredible.
93
236749
2028
že to, co matka dělá je neuvěřitelné.
04:10
She had been able to get that child to communicate
94
238777
1994
Je schopná dítěti pomoci komunikovat
04:12
an idea to her without grammar.
95
240771
4138
myšlenku bez použití gramatiky.
04:16
And it struck me that maybe this is what
96
244909
2696
A tak mě napadlo, že právě toto
04:19
I was looking for.
97
247605
1385
je možná tím, co hledám.
04:20
Instead of arranging words in an order, in sequence,
98
248990
4142
Namísto řazení slov do vět, jak mají být,
04:25
as a sentence, you arrange them
99
253132
2172
je můžeme seřadit
04:27
in this map, where they're all linked together
100
255304
3811
do jakési mapy, ve které
04:31
not by placing them one after the other
101
259115
2143
nejsou spojeny slovo za slovem,
04:33
but in questions, in question-answer pairs.
102
261258
3284
ale ve vztahu otázka - odpověď.
04:36
And so if you do this, then what you're conveying
103
264542
2358
Když to takto provedeme, nesdělujeme
04:38
is not a sentence in English,
104
266900
1986
vlastně větu v angličtině,
04:40
but what you're conveying is really a meaning,
105
268886
2966
ale pouze smysl,
04:43
the meaning of a sentence in English.
106
271852
1511
význam anglické věty.
04:45
Now, meaning is really the underbelly,
in some sense, of language.
in some sense, of language.
107
273363
2932
A význam je z určitého pohledu pupkem jazyka.
04:48
It's what comes after thought but before language.
108
276295
3821
Přichází po myšlení, ale před jazykem.
04:52
And the idea was that this particular representation
109
280116
2503
A mne napadlo,
že tento způsob reprezentace
že tento způsob reprezentace
04:54
might convey meaning in its raw form.
110
282619
3261
by mohl vyjádřit význam v jeho surové podobě.
04:57
So I was very excited by this, you know,
111
285880
1771
A já byl tímto nápadem zcela nadšený,
04:59
hopping around all over the place,
112
287651
1493
poskakoval jsem dokola
05:01
trying to figure out if I can convert
113
289144
1771
a přemýšlel jsem, zda bych mohl
05:02
all possible sentences that I hear into this.
114
290915
2524
tímto způsobem převést jakékoliv věty.
05:05
And I found that this is not enough.
115
293439
1773
Došlo mi, že by to takhle nestačilo.
05:07
Why is this not enough?
116
295212
1385
Proč ne?
05:08
This is not enough because if you wanted to convey
117
296597
1711
Nestačilo by to, protože pokud bychom chtěli
05:10
something like negation,
118
298308
2250
převést například negaci,
05:12
you want to say, "I don't want soup,"
119
300558
1736
jako: "Já nechci polévku.",
05:14
then you can't do that by asking a question.
120
302294
2220
pomocí otázek by to nešlo.
05:16
You do that by changing the word "want."
121
304514
2285
K tomu je nutné změnit slovo "chtít".
05:18
Again, if you wanted to say,
122
306799
1637
Také chceme-li říct:
05:20
"I wanted soup yesterday,"
123
308436
1980
"Včera jsem chtěl polévku.",
05:22
you do that by converting
the word "want" into "wanted."
the word "want" into "wanted."
124
310416
2737
je nutné změnit slovo "chci" na "chtěl".
05:25
It's a past tense.
125
313153
1666
Je to minulý čas.
05:26
So this is a flourish which I added
126
314819
2103
A toto jsem tak musel zahrnout do systému,
05:28
to make the system complete.
127
316922
1576
aby byl zcela kompletní.
05:30
This is a map of words joined together
128
318498
1977
Toto je mapa, která slova spojuje
05:32
as questions and answers,
129
320475
1656
jako otázky a odpovědi
05:34
and with these filters applied on top of them
130
322131
2264
a na ně aplikuje tyto filtry,
05:36
in order to modify them to represent
131
324395
1817
díky nim je pak může použít
05:38
certain nuances.
132
326212
1709
k vyjádření určitých nuancí.
05:39
Let me show you this with a different example.
133
327921
1951
To Vám ukážu na jiném příkladu.
05:41
Let's take this sentence:
134
329872
1254
Například tato věta:
05:43
"I told the carpenter I could not pay him."
135
331126
1980
"Řekl jsem tesaři,
že jsem mu nemohl zaplatit."
že jsem mu nemohl zaplatit."
05:45
It's a fairly complicated sentence.
136
333106
1792
To je poměrně složitá věta.
05:46
The way that this particular system works,
137
334898
1893
Tento systém funguje tak,
05:48
you can start with any part of this sentence.
138
336791
2578
že je možné začít jakoukoliv částí.
05:51
I'm going to start with the word "tell."
139
339369
1698
Já začnu se slovem "říct".
05:53
So this is the word "tell."
140
341067
1462
Tady je slovo "říct".
05:54
Now this happened in the past,
141
342529
1600
Protože je to v minulosti,
05:56
so I'm going to make that "told."
142
344129
2223
změním to na "řekl".
05:58
Now, what I'm going to do is,
143
346352
1708
A co udělám teď je,
06:00
I'm going to ask questions.
144
348060
1756
že si začnu klást otázky.
06:01
So, who told? I told.
145
349816
2364
Kdo řekl? Já jsem řekl.
06:04
I told whom? I told the carpenter.
146
352180
1927
Řekl jsem komu? Řekl jsem tesaři.
06:06
Now we start with a different part of the sentence.
147
354107
1751
Teď začneme s jinou částí věty.
06:07
We start with the word "pay,"
148
355858
1867
Se slovem "zaplatit",
06:09
and we add the ability filter to it to make it "can pay."
149
357725
4577
ke kterém přidáme filtr schopnosti
a vznikne nám "moci zaplatit".
a vznikne nám "moci zaplatit".
06:14
Then we make it "can't pay,"
150
362302
2101
Z toho uděláme "nemoci zaplatit"
06:16
and we can make it "couldn't pay"
151
364403
1599
a následně minulý čas
06:18
by making it the past tense.
152
366002
1663
"nemohl zaplatit".
06:19
So who couldn't pay? I couldn't pay.
153
367665
1923
A kdo nemohl zaplatit?
Já jsem nemohl zaplatit.
Já jsem nemohl zaplatit.
06:21
Couldn't pay whom? I couldn't pay the carpenter.
154
369588
2676
Nemohl zaplatit komu?
Nemohl jsem zaplatit tesaři.
Nemohl jsem zaplatit tesaři.
06:24
And then you join these two together
155
372264
1731
A tyto dvě části pak spojíme dohromady
06:25
by asking this question:
156
373995
1350
položením této otázky:
06:27
What did I tell the carpenter?
157
375345
1737
Co jsem řekl tesaři?
06:29
I told the carpenter I could not pay him.
158
377082
4049
Řekl jsem tesaři,
že jsem mu nemohl zaplatit.
že jsem mu nemohl zaplatit.
06:33
Now think about this. This is
159
381131
1937
Teď se nad tím zamysleme. Toto je
06:35
—(Applause)—
160
383068
3542
- (Potlesk) -
06:38
this is a representation of this sentence
161
386610
3672
toto je vyjádření téhle věty
06:42
without language.
162
390282
2435
bez jazyka.
06:44
And there are two or three
interesting things about this.
interesting things about this.
163
392717
2192
A tady jsou dvě nebo tři zajímavé věci.
06:46
First of all, I could have started anywhere.
164
394909
3131
Zaprvé, mohl jsem začít kdekoliv.
06:50
I didn't have to start with the word "tell."
165
398040
2243
Nemusel jsem začínat slovem "říct".
06:52
I could have started anywhere in the sentence,
166
400283
1416
A ať bych začal kdekoliv ve větě,
06:53
and I could have made this entire thing.
167
401699
1507
dospěl bych ke stejnému závěru.
06:55
The second thing is, if I wasn't an English speaker,
168
403206
2776
Druhá věc je,
kdybych nemluvil anglicky,
kdybych nemluvil anglicky,
06:57
if I was speaking in some other language,
169
405982
2175
kdybych mluvil jakýmkoliv jiným jazykem,
07:00
this map would actually hold true in any language.
170
408157
3156
tato mapa by fungovala
úplně stejně i v jiném jazyce.
úplně stejně i v jiném jazyce.
07:03
So long as the questions are standardized,
171
411313
1990
Pokud jsou otázky standardizované,
07:05
the map is actually independent of language.
172
413303
4287
tato mapa je na jazyku nezávislá.
07:09
So I call this FreeSpeech,
173
417590
2115
Já to nazývám jako FreeSpeech (Volná Řeč),
07:11
and I was playing with this for many, many months.
174
419705
2935
a zabýval jsem se jí mnoho a mnoho měsíců.
07:14
I was trying out so many
different combinations of this.
different combinations of this.
175
422640
2726
Zkoušel jsem řadu nejrůznějších kombinací.
07:17
And then I noticed something very
interesting about FreeSpeech.
interesting about FreeSpeech.
176
425366
2289
A pak jsem odhalil něco zajímavého.
07:19
I was trying to convert language,
177
427655
3243
Pokoušel jsem se převést jazyk,
07:22
convert sentences in English
into sentences in FreeSpeech,
into sentences in FreeSpeech,
178
430898
2384
převést věty v angličtině do vět ve FreeSpeech
07:25
and vice versa, and back and forth.
179
433282
1752
a obráceně.
07:27
And I realized that this particular configuration,
180
435034
2255
A uvědomil jsem si,
že tato konkrétní konfigurace,
že tato konkrétní konfigurace,
07:29
this particular way of representing language,
181
437289
2026
tento způsob reprezentace jazyka,
07:31
it allowed me to actually create very concise rules
182
439315
4395
mi umožňuje vytvořit velmi výstižná pravidla,
07:35
that go between FreeSpeech on one side
183
443710
2734
která fungují mezi FreeSpeech na jedné straně
07:38
and English on the other.
184
446444
1488
a angličtinou na straně druhé.
07:39
So I could actually write this set of rules
185
447932
2180
A tak jsem mohl zapsat tato pravidla,
07:42
that translates from this particular
representation into English.
representation into English.
186
450112
3395
překládáná z této zvláštní reprezentace do angličtiny.
07:45
And so I developed this thing.
187
453507
1831
A tak jsem vytvořil tohle.
07:47
I developed this thing called
the FreeSpeech Engine
the FreeSpeech Engine
188
455338
2232
Vytvořil jsem něco, co jsem nazval
FreeSpeech Engine (Motor Volné řeči),
FreeSpeech Engine (Motor Volné řeči),
07:49
which takes any FreeSpeech sentence as the input
189
457570
2561
který jakoukoliv větu ve FreeSpeech dokáže
07:52
and gives out perfectly grammatical English text.
190
460131
3930
přeměnit na zcela gramaticky bezchybný anglický text.
07:56
And by putting these two pieces together,
191
464061
1605
A spojením těchto dvou věcí,
07:57
the representation and the engine,
192
465666
1881
reprezentace a motoru,
07:59
I was able to create an app, a
technology for children with autism,
technology for children with autism,
193
467547
3796
jsem byl schopný vytvořit aplikaci,
technologii pro autistické děti,
technologii pro autistické děti,
08:03
that not only gives them words
194
471343
2499
která jim předává nejen slova,
08:05
but also gives them grammar.
195
473842
3941
ale také gramatiku.
08:09
So I tried this out with kids with autism,
196
477783
2360
A tak jsem to vyzkoušel s autistickými dětmi
08:12
and I found that there was an
incredible amount of identification.
incredible amount of identification.
197
480143
5013
a zjistil jsem, že se s tím velmi výborně sžily.
08:17
They were able to create sentences in FreeSpeech
198
485156
2720
Byly schopné vytvořit věty ve FreeSpeech,
08:19
which were much more complicated
but much more effective
but much more effective
199
487876
2558
které byly mnohem komplikovanější
a zároveň efektivnější
a zároveň efektivnější
08:22
than equivalent sentences in English,
200
490434
2899
než podobné věty v angličtině.
08:25
and I started thinking about
201
493333
1682
A já začal přemýšlet,
08:27
why that might be the case.
202
495015
1969
proč to tak je.
08:28
And I had an idea, and I want to
talk to you about this idea next.
talk to you about this idea next.
203
496984
4287
A něco mě napadlo a to Vám tu chci teď říct.
08:33
In about 1997, about 15 years back,
204
501271
3142
Kolem roku 1997, zhruba před 15 lety,
08:36
there were a group of scientists that were trying
205
504413
2011
se skupinka vědců pokoušela
08:38
to understand how the brain processes language,
206
506424
2389
zijistit, jak mozek zpracovává jazyk,
08:40
and they found something very interesting.
207
508813
1779
a přišli na něco velmi zajímavého.
08:42
They found that when you learn a language
208
510592
1872
Zjistili, že pokud se učí jazyk
08:44
as a child, as a two-year-old,
209
512464
2912
dvouleté dítě,
08:47
you learn it with a certain part of your brain,
210
515376
2366
používá určitou část mozku,
08:49
and when you learn a language as an adult --
211
517742
1600
a pokud se jazyk učí dospělý -
08:51
for example, if I wanted to
learn Japanese right now —
learn Japanese right now —
212
519342
3911
například kdybych se já teď
rozhodl naučit japonsky -
rozhodl naučit japonsky -
08:55
a completely different part of my brain is used.
213
523253
2707
je využita zcela jiná část mozku.
08:57
Now I don't know why that's the case,
214
525960
1831
Já nevím, proč to tak je,
08:59
but my guess is that that's because
215
527791
1991
ale myslím si, že to bude tím,
09:01
when you learn a language as an adult,
216
529782
2437
že jako dospělí se
09:04
you almost invariably learn it
217
532219
1616
téměř vždy jazyk učíme
09:05
through your native language, or
through your first language.
through your first language.
218
533835
4266
skrze náš první - rodný jazyk.
09:10
So what's interesting about FreeSpeech
219
538101
3252
Na FreeSpeech je z tohoto pohledu zajímavé,
09:13
is that when you create a sentence
220
541353
1802
že když vytvoříte větu
09:15
or when you create language,
221
543155
1695
nebo když tvoříte jazyk,
09:16
a child with autism creates
language with FreeSpeech,
language with FreeSpeech,
222
544850
3070
jako autistické děti tvoří pomocí FreeSpeech,
09:19
they're not using this support language,
223
547920
1833
nevyužívají tento podpůrný jazyk,
09:21
they're not using this bridge language.
224
549753
2211
nevyužívají jej jako jazykový most.
09:23
They're directly constructing the sentence.
225
551964
2657
Věty tvoří přímo.
09:26
And so this gave me this idea.
226
554621
2193
A tak jsem dostal nápad.
09:28
Is it possible to use FreeSpeech
227
556814
2024
Bylo by možné použít FreeSpeech
09:30
not for children with autism
228
558838
2510
nejen pro děti s autismem,
09:33
but to teach language to people without disabilities?
229
561348
6262
ale i pro lidi bez něj k výuce jazyků?
09:39
And so I tried a number of experiments.
230
567610
1978
A tak jsem vyzkoušel řadu pokusů.
09:41
The first thing I did was I built a jigsaw puzzle
231
569588
2948
Nejdřív jsem vytvořil tuto puzzle,
09:44
in which these questions and answers
232
572536
1970
ve kterém jsou otázky a odpovědi
09:46
are coded in the form of shapes,
233
574506
1835
zakódovány v různých tvarech,
09:48
in the form of colors,
234
576341
1138
v různých barvách,
09:49
and you have people putting these together
235
577479
1849
a lidé je zkoušeli složit dohromady
09:51
and trying to understand how this works.
236
579328
1773
a pochopit, jak to funguje.
09:53
And I built an app out of it, a game out of it,
237
581101
2376
A z toho jsem vytvořil aplikaci, hru,
09:55
in which children can play with words
238
583477
2661
ve které si děti mohou hrát se slovy
09:58
and with a reinforcement,
239
586138
1704
a díky posilovanému učení,
09:59
a sound reinforcement of visual structures,
240
587842
2585
zvukovému posílení vizuálních struktur,
10:02
they're able to learn language.
241
590427
2013
se mohou naučit jazyk.
10:04
And this, this has a lot of potential, a lot of promise,
242
592440
2736
A toto má velký potenciál,
je to velmi slibné
je to velmi slibné
10:07
and the government of India recently
243
595176
1975
a indická vláda si nedávno
10:09
licensed this technology from us,
244
597151
1404
zařídila licenci na tuto naši technologii
10:10
and they're going to try it out
with millions of different children
with millions of different children
245
598555
2074
a vyzkouší ji na milionech dětí
10:12
trying to teach them English.
246
600629
2605
při studiu angličtiny.
10:15
And the dream, the hope, the vision, really,
247
603234
2614
A snem, nadějí, nebo spíše vizí
10:17
is that when they learn English this way,
248
605848
3082
je že pokud se budou učit anglicky tímto způsobem,
10:20
they learn it with the same proficiency
249
608930
2643
naučí se jej stejně dokonale
10:23
as their mother tongue.
250
611573
3718
jako svůj rodný jazyk.
10:27
All right, let's talk about something else.
251
615291
3816
Dobře, teď pojďme mluvit o něčem jiném.
10:31
Let's talk about speech.
252
619107
1997
Pojďme si promluvit o řeči.
10:33
This is speech.
253
621104
1271
Toto je řeč.
10:34
So speech is the primary mode of communication
254
622375
1962
Řeč je primárním způsobem komunikace
10:36
delivered between all of us.
255
624337
1613
používaným mezi lidmi.
10:37
Now what's interesting about speech is that
256
625950
1855
A co je na řeči zajímavé je,
10:39
speech is one-dimensional.
257
627805
1245
že je jednorozměrná.
10:41
Why is it one-dimensional?
258
629050
1359
Proč je jednorozměrná?
10:42
It's one-dimensional because it's sound.
259
630409
1568
Je to proto, že je to zvuk.
10:43
It's also one-dimensional because
260
631977
1539
Také je to proto,
10:45
our mouths are built that way.
261
633516
1205
že naše ústa jsou k tomu takto přizpůsobena.
10:46
Our mouths are built to create
one-dimensional sound.
one-dimensional sound.
262
634721
3512
Naše ústa jsou ustanovena k jednorozměrnému zvuku.
10:50
But if you think about the brain,
263
638233
2866
Ale když přemýšlíme o našem mozku,
10:53
the thoughts that we have in our heads
264
641099
1764
myšlenky, které máme v hlavě,
10:54
are not one-dimensional.
265
642863
2102
vůbec jednorozměrné nejsou.
10:56
I mean, we have these rich,
266
644965
1459
Naše myšlenky jsou bohaté
10:58
complicated, multi-dimensional ideas.
267
646424
3028
složité a multidimenzionální.
11:01
Now, it seems to me that language
268
649452
1690
A mně se zdá, že jazyk
11:03
is really the brain's invention
269
651142
2332
je vynálezem našeho mozku,
11:05
to convert this rich, multi-dimensional thought
270
653474
3096
jehož úkolem je převést toto
11:08
on one hand
271
656570
1587
multidimenzionální myšlení
11:10
into speech on the other hand.
272
658157
1923
na řeč.
11:12
Now what's interesting is that
273
660080
1762
Zajímavé je,
11:13
we do a lot of work in information nowadays,
274
661842
2568
že v dnešní době máme mnoho informací,
11:16
and almost all of that is done
in the language domain.
in the language domain.
275
664410
3079
jejichž převážná většina je předávána jazykem.
11:19
Take Google, for example.
276
667489
1939
Například Google.
11:21
Google trawls all these
countless billions of websites,
countless billions of websites,
277
669428
2677
Google prohledává miliardy stránek,
11:24
all of which are in English,
and when you want to use Google,
and when you want to use Google,
278
672105
2725
které jsou v angličtině,
11:26
you go into Google search, and you type in English,
279
674830
2450
a když chcete použít Google,
zadáváte hesla v angličtině,
zadáváte hesla v angličtině,
11:29
and it matches the English with the English.
280
677280
4163
a výsledky tak propojují
angličtinu s angličtinou.
angličtinu s angličtinou.
11:33
What if we could do this in FreeSpeech instead?
281
681443
3583
Ale co kdybychom toto
mohli dělat ve FreeSpeech?
mohli dělat ve FreeSpeech?
11:37
I have a suspicion that if we did this,
282
685026
2301
Myslím, že kdybychom se o to pokusili,
11:39
we'd find that algorithms like searching,
283
687327
2068
zjistili bychom,
že algoritmy jako vyhledávání
že algoritmy jako vyhledávání
11:41
like retrieval, all of these things,
284
689395
2325
a podobné věci jsou tak
11:43
are much simpler and also more effective,
285
691720
3075
mnohem jednodušší
a také mnohem efektivnější,
a také mnohem efektivnější,
11:46
because they don't process
the data structure of speech.
the data structure of speech.
286
694795
4417
protože nezpracovávají
datovou strukturu řeči.
datovou strukturu řeči.
11:51
Instead they're processing
the data structure of thought.
the data structure of thought.
287
699212
5976
Místo toho zpracovávají
datovou strukturu myšlenky.
datovou strukturu myšlenky.
11:57
The data structure of thought.
288
705188
2808
Datová struktura myšlenek.
11:59
That's a provocative idea.
289
707996
2076
To je docela odvážná myšlenka.
12:02
But let's look at this in a little more detail.
290
710072
2142
Podívejme se na to detailněji.
12:04
So this is the FreeSpeech ecosystem.
291
712214
2366
Toto je ekosystém FreeSpeech.
12:06
We have the Free Speech
representation on one side,
representation on one side,
292
714580
2884
Na jedné straně FreeSpeech reprezentace,
12:09
and we have the FreeSpeech
Engine, which generates English.
Engine, which generates English.
293
717464
2228
na druhé FreeSpeech motor,
který vytváří angličtinu.
který vytváří angličtinu.
12:11
Now if you think about it,
294
719694
1725
Když se nad tím zamyslíme,
12:13
FreeSpeech, I told you, is completely
language-independent.
language-independent.
295
721419
2544
jak jsem Vám řekl,
FreeSpeech je zcela nezávislá na jazyku.
FreeSpeech je zcela nezávislá na jazyku.
12:15
It doesn't have any specific information in it
296
723963
2087
Nenese v sobě žádbou konkrétní informaci,
12:18
which is about English.
297
726050
1228
která by souvisela s angličtinou.
12:19
So everything that this system knows about English
298
727278
2800
Tudíž vše, co tento systém ví o angličtině
12:22
is actually encoded into the engine.
299
730078
4620
je zakódováno v tom motoru.
12:26
That's a pretty interesting concept in itself.
300
734698
2237
To je velmi zajímavý koncept.
12:28
You've encoded an entire human language
301
736935
3604
Zakódování celého lidského jazyka
12:32
into a software program.
302
740539
2645
do softwarového programu.
12:35
But if you look at what's inside the engine,
303
743184
2531
Ale podíváme-li se, co je uvnitř toho motoru,
12:37
it's actually not very complicated.
304
745715
2358
vlastně to není nijak komplikované.
12:40
It's not very complicated code.
305
748073
2105
Nejde o složitý kód.
12:42
And what's more interesting is the fact that
306
750178
2672
Zajímavější je fakt, že
12:44
the vast majority of the code in that engine
307
752850
2203
převážná většina kódu uvnitř motoru
12:47
is not really English-specific.
308
755053
2412
není specifická pro angličtinu.
12:49
And that gives this interesting idea.
309
757465
1895
A díky tomu mě napadla zajímavá věc.
12:51
It might be very easy for us to actually
310
759360
2038
Mohlo by být pro nás velmi snadné
12:53
create these engines in many,
many different languages,
many different languages,
311
761398
3826
tyto motory vytvořit v mnoha různých jazycích,
12:57
in Hindi, in French, in German, in Swahili.
312
765224
6354
v hindu, francouzštině, němčině, svahilštině.
13:03
And that gives another interesting idea.
313
771578
2799
A s tím souvisí další zajímavá myšlenka.
13:06
For example, supposing I was a writer,
314
774377
2654
Například, kdybych byl novinář
13:09
say, for a newspaper or for a magazine.
315
777031
2122
a psal pro noviny nebo časopis,
13:11
I could create content in one language, FreeSpeech,
316
779153
5011
mohl bych napsat článek
v jediném jazyce - FreeSpeech,
v jediném jazyce - FreeSpeech,
13:16
and the person who's consuming that content,
317
784164
2056
a ten, kdo si chce
13:18
the person who's reading that particular information
318
786220
3061
článek přečíst,
13:21
could choose any engine,
319
789281
2495
by si mohl zvolit jakýkoliv motor,
13:23
and they could read it in their own mother tongue,
320
791776
2736
který by text přečetl v jejich jazyce,
13:26
in their native language.
321
794512
3939
v jejich rodném jazyce.
13:30
I mean, this is an incredibly attractive idea,
322
798451
2722
Toto je dle mě velice lákavá myšlenka,
13:33
especially for India.
323
801173
1999
obzvláště v Indii.
13:35
We have so many different languages.
324
803172
1690
Máme tolik různých jazyků.
13:36
There's a song about India, and there's a description
325
804862
2142
O Indii existuje píseň,
13:39
of the country as, it says,
326
807004
2344
která tuto zemi popisuje jako
13:41
(in Sanskrit).
327
809348
2360
(v sanskrtu).
13:43
That means "ever-smiling speaker
328
811708
2773
To znamená "stále se usmívající mluvčí
13:46
of beautiful languages."
329
814481
4519
nádherných jazyků".
13:51
Language is beautiful.
330
819000
1964
Jazyk je nádherný.
13:52
I think it's the most beautiful of human creations.
331
820964
2454
Myslím, že je to vůbec
nejkrásnější lidský vynález.
nejkrásnější lidský vynález.
13:55
I think it's the loveliest thing
that our brains have invented.
that our brains have invented.
332
823418
3978
Myslím, že je to nejhezčí věc,
jakou naše mozky stvořily.
jakou naše mozky stvořily.
13:59
It entertains, it educates, it enlightens,
333
827396
3584
Baví nás, vzdělává, informuje,
14:02
but what I like the most about language
334
830980
2044
ale co já mám na jazyku nejraději je to,
14:05
is that it empowers.
335
833024
1500
že lidi obohacuje.
14:06
I want to leave you with this.
336
834524
1838
A tímto bych rád skončil.
14:08
This is a photograph of my collaborators,
337
836362
2385
Toto je fotografie mých spolupracovníků,
14:10
my earliest collaborators
338
838747
997
mojich nejstarších spolupracovníků,
14:11
when I started working on language
339
839744
1462
se kterými jsem začínal pracovat
14:13
and autism and various other things.
340
841206
1502
s jazykem, autismem a dalšími věcmi.
14:14
The girl's name is Pavna,
341
842708
1417
Jméno té dívky je Pavna
14:16
and that's her mother, Kalpana.
342
844125
1902
a to je její matka, Kalpana.
14:18
And Pavna's an entrepreneur,
343
846027
2138
Pavna je podnikatelka,
14:20
but her story is much more remarkable than mine,
344
848165
2371
ale její příběh je mnohem zajímavější než ten můj,
14:22
because Pavna is about 23.
345
850536
2400
protože Pavně je asi 23 let.
14:24
She has quadriplegic cerebral palsy,
346
852936
2552
Je ochrnutá v důsledku mozkové obrny,
14:27
so ever since she was born,
347
855488
1640
a tak od svého narození
14:29
she could neither move nor talk.
348
857128
3600
nemohla se hýbat, ani mluvit.
14:32
And everything that she's accomplished so far,
349
860728
2403
A vše, co zatím dokázala,
14:35
finishing school, going to college,
350
863131
2227
jako dokončení střední školy, nástup na vysokou,
14:37
starting a company,
351
865358
1416
založení společnosti,
14:38
collaborating with me to develop Avaz,
352
866774
2140
spolupráce se mnou na rozvoji Avazu,
14:40
all of these things she's done
353
868914
1892
všechno to dokázala
14:42
with nothing more than moving her eyes.
354
870806
5523
pouze pohybem svých očí.
14:48
Daniel Webster said this:
355
876329
2689
Daniel Webster řekl toto:
14:51
He said, "If all of my possessions were taken
356
879018
2940
Řekl: "Pokud všechno, co mám,
14:53
from me with one exception,
357
881958
2988
mělo být odebráno, s jedinou výjimkou,
14:56
I would choose to keep the power of communication,
358
884946
2981
vybral bych si moc komunikovat,
14:59
for with it, I would regain all the rest."
359
887927
3903
neboť s ní bych mohl znovu získat vše ostatní."
15:03
And that's why, of all of these incredible
applications of FreeSpeech,
applications of FreeSpeech,
360
891830
5116
A to je důvod, proč ze všech
těch různých aplikací FreeSpeech
těch různých aplikací FreeSpeech
15:08
the one that's closest to my heart
361
896946
2080
je mému srdci nejblíž,
15:11
still remains the ability for this
362
899026
2068
její schopnost
15:13
to empower children with disabilities
363
901094
2380
obohatit handicapované děti
15:15
to be able to communicate,
364
903474
1773
tak, aby byly schopné komunikovat,
15:17
the power of communication,
365
905247
1789
aby získaly moc komunikace
15:19
to get back all the rest.
366
907036
2240
a s ní pak to zbývající.
15:21
Thank you.
367
909276
1397
Děkuji Vám.
15:22
(Applause)
368
910673
1332
(Potlesk)
15:24
Thank you. (Applause)
369
912005
4199
Děkuji. (Potlesk)
15:28
Thank you. Thank you. Thank you. (Applause)
370
916204
5323
Děkuji Vám. Děkuji. Děkuji. (Potlesk)
15:33
Thank you. Thank you. Thank you. (Applause)
371
921527
4000
Děkuji. Děkuji. Děkuji Vám. (Potlesk)
ABOUT THE SPEAKER
Ajit Narayanan - Visual grammar engine inventorAjit Narayanan is the inventor of Avaz, an affordable, tablet-based communication device for people who are speech-impaired.
Why you should listen
Ajit Narayanan is the founder and CEO of Invention Labs, and the inventor of Avaz AAC, the first assistive device aimed at an Indian market that helps people with speech disabilities -- such as cerebral palsy, autism, intellectual disability, aphasia and learning disabilities -- to communicate. Avaz is also available as an iPad app, aimed at children with autism. In 2010, Avaz won the National Award for Empowerment of People with Disabilities from the president of India, and in 2011, Narayanan was listed in MIT Technology Review 35 under 35.
Narayanan is a prolific inventor with more than 20 patent applications. He is an electrical engineer with degrees from IIT Madras. His research interests are embedded systems, signal processing and understanding how the brain perceives language and communication.
Ajit Narayanan | Speaker | TED.com