TED2011
Rajesh Rao: A Rosetta Stone for a lost language
Rajesh Rao: Ein Stein von Rosette für die Indus-Schrift
Filmed:
Readability: 4.2
2,103,451 views
Rajesh Rao ist von der "Mutter aller Kreuzworträtsel" fasziniert: wie entschlüsselt man die 4000 Jahre alte Indus-Schrift? Bei TED 2011 erzählt er, wie er dazu moderne Rechenverfahren benutzt, um die Indus Sprache lesbar zu machen - der entscheidende Schlüssel, um diese alte Zivilisation zu verstehen.
Rajesh Rao - Computational neuroscientist
Rajesh Rao seeks to understand the human brain through computational modeling, on two fronts: developing computer models of our minds, and using tech to decipher the 4,000-year-old lost script of the Indus Valley civilization. Full bio
Rajesh Rao seeks to understand the human brain through computational modeling, on two fronts: developing computer models of our minds, and using tech to decipher the 4,000-year-old lost script of the Indus Valley civilization. Full bio
Double-click the English transcript below to play the video.
00:15
I'd like to begin with a thought experiment.
0
0
3000
Ein Gedankenexperiment zu Beginn:
00:19
Imagine that it's 4,000 years into the future.
1
4000
3000
Stellt euch die Zukunft in 4.000 Jahren vor.
00:22
Civilization as we know it
2
7000
2000
Die Zivilisation, wie wir sie kennen,
00:24
has ceased to exist --
3
9000
2000
existiert nicht mehr:
00:26
no books,
4
11000
2000
keine Bücher,
00:28
no electronic devices,
5
13000
3000
keine elektronischen Hilfsmittel,
00:31
no Facebook or Twitter.
6
16000
3000
kein Facebook oder Twitter.
00:34
All knowledge of the English language and the English alphabet
7
19000
3000
Alles Wissen über die englische Sprache und
00:37
has been lost.
8
22000
2000
das Alphabet ist verloren gegangen.
00:39
Now imagine archeologists
9
24000
2000
Jetzt stellt euch Archäologen vor,
00:41
digging through the rubble of one of our cities.
10
26000
2000
die Trümmer unserer Städte durchsuchend.
00:43
What might they find?
11
28000
2000
Was könnten sie finden?
00:45
Well perhaps some rectangular pieces of plastic
12
30000
3000
Vielleicht einige rechteckige Plastikstücke,
00:48
with strange symbols on them.
13
33000
3000
von seltsamen Symbolen bedeckt.
00:51
Perhaps some circular pieces of metal.
14
36000
3000
vielleicht runde Metallstücke,
00:54
Maybe some cylindrical containers
15
39000
2000
oder zylindrische Behälter,
00:56
with some symbols on them.
16
41000
2000
mit Symbolen bedeckt.
00:58
And perhaps one archeologist becomes an instant celebrity
17
43000
3000
Vielleicht wird eine der Archäologinnen berühmt
01:01
when she discovers --
18
46000
2000
als sie irgendwo in den Bergen
01:03
buried in the hills somewhere in North America --
19
48000
2000
von Nordamerika riesige Versionen
01:05
massive versions of these same symbols.
20
50000
3000
eben dieser Symbole entdeckt.
01:10
Now let's ask ourselves,
21
55000
2000
Fragen wir uns jetzt einmal,
01:12
what could such artifacts say about us
22
57000
3000
was solche Fundstücke über uns erzählen,
01:15
to people 4,000 years into the future?
23
60000
3000
in 4.000 Jahren, in der Zukunft ?
01:18
This is no hypothetical question.
24
63000
2000
Das ist keine hypothetische Frage.
01:20
In fact, this is exactly the kind of question we're faced with
25
65000
3000
Sondern die Sorte Fragen, mit der wir konfrontiert sind,
01:23
when we try to understand the Indus Valley civilization,
26
68000
3000
wenn wir die Indus-Tal Kultur verstehen wollen,
01:26
which existed 4,000 years ago.
27
71000
2000
die vor 4.000 Jahren existierte.
01:28
The Indus civilization was roughly contemporaneous
28
73000
3000
Sie existierte ungefähr zeitgleich mit den viel
01:31
with the much better known Egyptian and the Mesopotamian civilizations,
29
76000
3000
bekannteren Kulturen Agyptens und Mesopotamiens,
01:34
but it was actually much larger than either of these two civilizations.
30
79000
3000
aber sie war viel weiter verbreitet als jene.
01:37
It occupied the area
31
82000
2000
Sie umfasste ein Gebiet
01:39
of approximately one million square kilometers,
32
84000
2000
von ungefähr 1 Million km²,
01:41
covering what is now Pakistan,
33
86000
2000
also das heutige Pakistan,
01:43
Northwestern India
34
88000
2000
den Nordwesten Indiens,
01:45
and parts of Afghanistan and Iran.
35
90000
2000
und Teile Afghanistans und des Irans.
01:47
Given that it was such a vast civilization,
36
92000
2000
Bei solch grossen Zivilisationen erwartet man,
01:49
you might expect to find really powerful rulers, kings,
37
94000
4000
mächtige Herrscher und Könige zu finden,
01:53
and huge monuments glorifying these powerful kings.
38
98000
3000
und riesige Monumente zu deren Ehren.
01:56
In fact,
39
101000
2000
Tatsächlich
01:58
what archeologists have found is none of that.
40
103000
2000
finden Archäologen das alles nicht.
02:00
They've found small objects such as these.
41
105000
3000
Sie entdecken kleine Objekte wie diese.
02:03
Here's an example of one of these objects.
42
108000
3000
Hier ein Beispiel eines solchen Objekts.
02:06
Well obviously this is a replica.
43
111000
2000
Natürlich nur eine Kopie.
02:08
But who is this person?
44
113000
3000
Doch wer mag diese Person sein?
02:11
A king? A god?
45
116000
2000
... ein König? ..... ein Gott?
02:13
A priest?
46
118000
2000
...ein Priester?
02:15
Or perhaps an ordinary person
47
120000
2000
Oder vielleicht ein gewöhnlicher Mensch
02:17
like you or me?
48
122000
2000
wie ihr oder ich?
02:19
We don't know.
49
124000
2000
Wir wissen es nicht.
02:21
But the Indus people also left behind artifacts with writing on them.
50
126000
3000
Aber die Indus Völker hinterliessen auch Schriftstücke.
02:24
Well no, not pieces of plastic,
51
129000
2000
Nein, keine Plastikkarten -
02:26
but stone seals, copper tablets,
52
131000
3000
aber steinerne Siegel, Kupferplättchen,
02:29
pottery and, surprisingly,
53
134000
2000
Töpferwaren und - sehr überraschend
02:31
one large sign board,
54
136000
2000
eine grosse Schrifttafel,
02:33
which was found buried near the gate of a city.
55
138000
2000
die in der Nähe eines Stadttors verschüttet war.
02:35
Now we don't know if it says Hollywood,
56
140000
2000
Wir wissen nicht, ob da etwa "Hollywood" steht,
02:37
or even Bollywood for that matter.
57
142000
2000
oder sogar "Bollywood"!
02:39
In fact, we don't even know
58
144000
2000
Eigentlich wissen wir überhaupt nicht,
02:41
what any of these objects say,
59
146000
2000
was auf irgendeinem der Objekte steht.
02:43
and that's because the Indus script is undeciphered.
60
148000
3000
Weil die Indus-Schrift noch nicht entziffert wurde.
02:46
We don't know what any of these symbols mean.
61
151000
2000
Wir wissen nicht, was diese Symbole bedeuten.
02:48
The symbols are most commonly found on seals.
62
153000
3000
Sie werden meist auf Siegeln gefunden.
02:51
So you see up there one such object.
63
156000
2000
Hier ist ein solches Objekt.
02:53
It's the square object with the unicorn-like animal on it.
64
158000
3000
Quadratisch, mit einem Einhorn-ähnlichen Tier.
02:56
Now that's a magnificent piece of art.
65
161000
2000
Ein wundervolles Kunstwerk.
02:58
So how big do you think that is?
66
163000
2000
Wie gross mag es wohl sein?
03:00
Perhaps that big?
67
165000
2000
So gross?
03:02
Or maybe that big?
68
167000
2000
Oder vielleicht so gross?
03:04
Well let me show you.
69
169000
2000
Ich werde es euch zeigen.
03:07
Here's a replica of one such seal.
70
172000
3000
Hier ist die Kopie eines solchen Siegels.
03:10
It's only about one inch by one inch in size --
71
175000
2000
Es ist ca 3 x 3 cm gross
03:12
pretty tiny.
72
177000
2000
also recht winzig.
03:14
So what were these used for?
73
179000
2000
Wofür wurden sie benutzt?
03:16
We know that these were used for stamping clay tags
74
181000
3000
Damit wurden Siegel aus Ton abgestempelt,
03:19
that were attached to bundles of goods that were sent from one place to the other.
75
184000
3000
die an Transportgut-Bündeln befestigt wurden.
03:22
So you know those packing slips you get on your FedEx boxes?
76
187000
3000
Ungefähr so wie eure Lieferscheine von FedEx.
03:25
These were used to make those kinds of packing slips.
77
190000
3000
Diese Siegelsteine erzeugten Lieferscheine.
03:28
You might wonder what these objects contain
78
193000
3000
Ihr könntet fragen, was diese Objekte
03:31
in terms of their text.
79
196000
2000
für Texte enthielten.
03:33
Perhaps they're the name of the sender
80
198000
2000
Vielleicht der Name des Absenders,
03:35
or some information about the goods
81
200000
2000
oder Informationen über die Waren, die von
03:37
that are being sent from one place to the other -- we don't know.
82
202000
3000
einem Ort zum andern verschickt wurden? Wir wissen es nicht.
03:40
We need to decipher the script to answer that question.
83
205000
2000
Dazu müssten wir die Schrift entziffern.
03:42
Deciphering the script
84
207000
2000
Das Entziffern dieser Schrift
03:44
is not just an intellectual puzzle;
85
209000
2000
ist nicht nur ein intellektuelles Rätsel;
03:46
it's actually become a question
86
211000
2000
es hat sich zu einer Frage entwickelt
03:48
that's become deeply intertwined
87
213000
2000
mit tiefem Einfluss auf die Politik und
03:50
with the politics and the cultural history of South Asia.
88
215000
3000
die Kulturgeschichte Südasiens.
03:53
In fact, the script has become a battleground of sorts
89
218000
3000
Diese Schrift wurde zu einem Schlachtfeld, sozusagen,
03:56
between three different groups of people.
90
221000
2000
von 3 Gruppen von Menschen:
03:58
First, there's a group of people
91
223000
2000
Zunächst eine Gruppe,
04:00
who are very passionate in their belief
92
225000
2000
die sehr leidenschaftlich glaubt,
04:02
that the Indus script
93
227000
2000
dass die Indus-Schrift
04:04
does not represent a language at all.
94
229000
2000
überhaupt keine Sprache darstellt.
04:06
These people believe that the symbols
95
231000
2000
Sie glaubt, dass diese Symbole eher
04:08
are very similar to the kind of symbols you find on traffic signs
96
233000
3000
Verkehrzeichen oder auch
04:11
or the emblems you find on shields.
97
236000
3000
Emblemen auf Schilden ähneln.
04:14
There's a second group of people
98
239000
2000
Eine zweite Gruppe von Leuten glaubt,
04:16
who believe that the Indus script represents an Indo-European language.
99
241000
3000
dass die Indus-Schrift indo-europäisch sei.
04:19
If you look at a map of India today,
100
244000
2000
Die Karte des heutigen Indiens zeigt,
04:21
you'll see that most of the languages spoken in North India
101
246000
3000
dass die meisten nordindischen Sprachen
04:24
belong to the Indo-European language family.
102
249000
3000
zur indo-europäischen Sprachfamilie gehören.
04:27
So some people believe that the Indus script
103
252000
2000
Manche glauben daher, die Indus-Schrift sei
04:29
represents an ancient Indo-European language such as Sanskrit.
104
254000
3000
eine alte indo-europäische Sprache wie Sanskrit.
04:32
There's a last group of people
105
257000
2000
Zuletzt noch eine Gruppe, die glaubt,
04:34
who believe that the Indus people
106
259000
3000
dass das Indus Volk die Vorfahren
04:37
were the ancestors of people living in South India today.
107
262000
3000
der Menschen im heutigen Südindien seien.
04:40
These people believe that the Indus script
108
265000
2000
Diese Leute glauben, dass die Indus-Schrift
04:42
represents an ancient form
109
267000
2000
eine alte Form der
04:44
of the Dravidian language family,
110
269000
2000
dravidischen Sprachfamilie darstellt,
04:46
which is the language family spoken in much of South India today.
111
271000
3000
die heute noch in einem grossen Teil Südindiens gesprochen wird.
04:49
And the proponents of this theory
112
274000
2000
Die Vertreter dieser Theorie
04:51
point to that small pocket of Dravidian-speaking people in the North,
113
276000
3000
verweisen auf die dravidische Sprachinsel
04:54
actually near Afghanistan,
114
279000
2000
im Norden nahe Afghanistan.
04:56
and they say that perhaps, sometime in the past,
115
281000
3000
Sie sagen, dass man vielleicht früher irgendwann
04:59
Dravidian languages were spoken all over India
116
284000
3000
dravidische Sprachen in ganz Indien sprach,
05:02
and that this suggests
117
287000
2000
und das würde nahelegen, dass auch die
05:04
that the Indus civilization is perhaps also Dravidian.
118
289000
3000
Indus Kultur dravidisch war.
05:07
Which of these hypotheses can be true?
119
292000
3000
Welche dieser Hypothesen kann stimmen?
05:10
We don't know, but perhaps if you deciphered the script,
120
295000
2000
Wir wissen's nicht, doch wäre die Schrift entziffert,
05:12
you would be able to answer this question.
121
297000
2000
könnte man die Frage beantworten.
05:14
But deciphering the script is a very challenging task.
122
299000
2000
Das Entziffern ist eine echte Herausforderung.
05:16
First, there's no Rosetta Stone.
123
301000
2000
Erstens gibt es keinen "Rosetta Stone"
05:18
I don't mean the software;
124
303000
2000
Ich meine nicht die Software!
05:20
I mean an ancient artifact
125
305000
2000
Ich meine ein antikes Artefakt,
05:22
that contains in the same text
126
307000
2000
das ein und denselben Text in
05:24
both a known text and an unknown text.
127
309000
3000
bekannter und unbekannter Form enthält.
05:27
We don't have such an artifact for the Indus script.
128
312000
3000
Für die Indus-Schrift gibt's kein solches Artefakt.
05:30
And furthermore, we don't even know what language they spoke.
129
315000
3000
Wir wissen nicht mal, welche Sprache sie nutzten.
05:33
And to make matters even worse,
130
318000
2000
Um alles noch schlimmer zu machen
05:35
most of the text that we have are extremely short.
131
320000
2000
sind die meisten Texte extrem kurz.
05:37
So as I showed you, they're usually found on these seals
132
322000
2000
Wie gesagt, findet man sie meist auf Siegeln,
05:39
that are very, very tiny.
133
324000
2000
die sehr, sehr klein sind.
05:41
And so given these formidable obstacles,
134
326000
2000
Dank all dieser tollen Hindernisse
05:43
one might wonder and worry
135
328000
2000
könnte man sich fragen und befürchten,
05:45
whether one will ever be able to decipher the Indus script.
136
330000
3000
ob die Indus-Schrift jemals entziffert wird.
05:48
In the rest of my talk,
137
333000
2000
Der Rest meines Vortrags erzählt,
05:50
I'd like to tell you about how I learned to stop worrying
138
335000
2000
wie ich lernte, diese Furcht zu überwinden, und
05:52
and love the challenge posed by the Indus script.
139
337000
2000
die Herausforderung der Indus-Schrift anzunehmen.
05:54
I've always been fascinated by the Indus script
140
339000
3000
Ich war von der Indus-Schrift fasziniert,
05:57
ever since I read about it in a middle school textbook.
141
342000
2000
seit ich davon in einem Schulbuch las.
05:59
And why was I fascinated?
142
344000
2000
Doch warum genau war ich fasziniert? Weil sie
06:01
Well it's the last major undeciphered script in the ancient world.
143
346000
4000
die letzte grosse, noch unentzifferte Schrift der Antike ist.
06:05
My career path led me to become a computational neuroscientist,
144
350000
3000
Ich bin theoretischer Neurowissenschaftler von Beruf,
06:08
so in my day job,
145
353000
2000
tagsüber erstelle ich also
06:10
I create computer models of the brain
146
355000
2000
Computermodelle des Gehirns, um zu verstehen,
06:12
to try to understand how the brain makes predictions,
147
357000
3000
wie das Hirn Vorhersagen macht,
06:15
how the brain makes decisions,
148
360000
2000
wie das Hirn Entscheidungen fällt,
06:17
how the brain learns and so on.
149
362000
2000
wie das Gehirn lernt undsoweiter.
06:19
But in 2007, my path crossed again with the Indus script.
150
364000
3000
Aber in 2007 begegnete mir die Indus-Schrift wieder,
06:22
That's when I was in India,
151
367000
2000
als ich in Indien war,
06:24
and I had the wonderful opportunity
152
369000
2000
und ich die die Gelegenheit hatte,
06:26
to meet with some Indian scientists
153
371000
2000
indische Wissenschaftlern zu treffen, die
06:28
who were using computer models to try to analyze the script.
154
373000
3000
Computermodelle zur Schriftanalyse nutzten.
06:31
And so it was then that I realized
155
376000
2000
Damals stellte ich fest, dass dies
06:33
there was an opportunity for me to collaborate with these scientists,
156
378000
3000
eine Gelegenheit zur Zusammenarbeit war,
06:36
and so I jumped at that opportunity.
157
381000
2000
die ich gerne ergriff.
06:38
And I'd like to describe some of the results that we have found.
158
383000
2000
Gern zeige ich einige unserer Ergebnisse.
06:40
Or better yet, let's all collectively decipher.
159
385000
3000
Besser noch, wir entziffern gemeinsam!
06:43
Are you ready?
160
388000
2000
Seid ihr bereit?
06:45
The first thing that you need to do when you have an undeciphered script
161
390000
3000
Das erste bei einer nicht entzifferten Schrift,
06:48
is try to figure out the direction of writing.
162
393000
2000
ist die Schreib-Richtung herauszufinden.
06:50
Here are two texts that contain some symbols on them.
163
395000
3000
Hier zwei Texte mit einigen Symbolen:
06:53
Can you tell me
164
398000
2000
Könnt ihr mir sagen, ob der Text
06:55
if the direction of writing is right to left or left to right?
165
400000
3000
von rechts nach links oder umgekehrt läuft?
06:58
I'll give you a couple of seconds.
166
403000
3000
Ich gebe euch ein paar Sekunden.
07:01
Okay. Right to left, how many? Okay.
167
406000
3000
Rechts nach links, wie viele? Okay.
07:04
Okay. Left to right?
168
409000
2000
Links nach rechts?
07:06
Oh, it's almost 50/50. Okay.
169
411000
2000
Oh, beinahe 50 / 50. Okay.
07:08
The answer is:
170
413000
2000
Die Antwort lautet:
07:10
if you look at the left-hand side of the two texts,
171
415000
2000
auf der jeweils linken Seite bemerkt ihr
07:12
you'll notice that there's a cramping of signs,
172
417000
3000
ein "Quetschen" der Zeichen.
07:15
and it seems like 4,000 years ago,
173
420000
2000
Es scheint, als ob vor 4.000 Jahren
07:17
when the scribe was writing from right to left,
174
422000
2000
beim Rechts-nach-Links-Schreiben
07:19
they ran out of space.
175
424000
2000
der Platz ausging.
07:21
And so they had to cram the sign.
176
426000
2000
Deshab quetschte man die Zeichen.
07:23
One of the signs is also below the text on the top.
177
428000
2000
Eins ist sogar unterhalb der Oberen.
07:25
This suggests the direction of writing
178
430000
2000
Das legt den Schluss nahe, dass man
07:27
was probably from right to left,
179
432000
2000
wohl von links nach rechts schrieb.
07:29
and so that's one of the first things we know,
180
434000
2000
Die Schreibrichtung ist einer der ersten
07:31
that directionality is a very key aspect of linguistic scripts.
181
436000
3000
Schlüssel für linguistische Skripte.
07:34
And the Indus script now has
182
439000
2000
Und jetzt besitzt die Indus-Schrift
07:36
this particular property.
183
441000
2000
diese besondere Eigenschaft.
07:38
What other properties of language does the script show?
184
443000
2000
Welche anderen Eigenschaften zeigt sie uns?
07:40
Languages contain patterns.
185
445000
2000
Sprachen enthalten Muster.
07:42
If I give you the letter Q
186
447000
2000
Ich gebe euch hier ein "Q", und bitte euch,
07:44
and ask you to predict the next letter, what do you think that would be?
187
449000
3000
den folgenden Buchstaben zu erraten.
07:47
Most of you said U, which is right.
188
452000
2000
Die meisten würden "U" sagen, was stimmt.
07:49
Now if I asked you to predict one more letter,
189
454000
2000
Und der nächste Buchstabe,
07:51
what do you think that would be?
190
456000
2000
welcher könnte das sein?
07:53
Now there's several thoughts. There's E. It could be I. It could be A,
191
458000
3000
Jetzt gibt es mehrere: ein "E", ein "I" oder ein "A",
07:56
but certainly not B, C or D, right?
192
461000
3000
aber sicher kein "B", "C" oder "D".
07:59
The Indus script also exhibits similar kinds of patterns.
193
464000
3000
Die Indus-Schrift zeigt ähnliche Arten von Mustern.
08:02
There's a lot of text that start with this diamond-shaped symbol.
194
467000
3000
Anfangs steht oft ein rautenförmiges Symbol.
08:05
And this in turn tends to be followed
195
470000
2000
Diesem folgt dann meist etwas
08:07
by this quotation marks-like symbol.
196
472000
2000
Anführungszeichen-ähnliches.
08:09
And this is very similar to a Q and U example.
197
474000
2000
Ähnlich unserem "Q" und "U" Beispiel.
08:11
This symbol can in turn be followed
198
476000
2000
Diesem Symbol können dann
08:13
by these fish-like symbols and some other signs,
199
478000
3000
dies Fisch-ähnliche und andere Zeichen folgen,
08:16
but never by these other signs at the bottom.
200
481000
2000
aber niemals die Unteren.
08:18
And furthermore, there's some signs
201
483000
2000
Ausserdem gibt es einige Zeichen,
08:20
that really prefer the end of texts,
202
485000
2000
die oft am Ende eines Textes stehen,
08:22
such as this jar-shaped sign,
203
487000
2000
wie dieses Krug-ähnliche.
08:24
and this sign, in fact, happens to be
204
489000
2000
Dieses Zeichen ist übrigens
08:26
the most frequently occurring sign in the script.
205
491000
2000
das am Häufigsten vorkommende.
08:28
Given such patterns, here was our idea.
206
493000
3000
Die Muster brachten uns auf eine Idee.
08:31
The idea was to use a computer
207
496000
2000
wir könnten einen Computer
08:33
to learn these patterns,
208
498000
2000
die Muster lernen lassen, und so
08:35
and so we gave the computer the existing texts.
209
500000
3000
fütterten wir ihm die vorhandenen Texte.
08:38
And the computer learned a statistical model
210
503000
2000
Er lernte so ein statistisches Modell,
08:40
of which symbols tend to occur together
211
505000
2000
welche der Symbole zusammen auftauchten,
08:42
and which symbols tend to follow each other.
212
507000
2000
welche einander oft folgten.
08:44
Given the computer model,
213
509000
2000
Mit dem Computermodell
08:46
we can test the model by essentially quizzing it.
214
511000
3000
können wir unser Sprachmodell testen.
08:49
So we could deliberately erase some symbols,
215
514000
2000
Wir könnten einige Symbole löschen
08:51
and we can ask it to predict the missing symbols.
216
516000
3000
und es die fehlenden Zeichen erraten lassen.
08:54
Here are some examples.
217
519000
3000
Ein paar Beispiele:
09:00
You may regard this
218
525000
2000
Man könnte dies als quasi die älteste Form
09:02
as perhaps the most ancient game
219
527000
2000
eines bekannten Spiels betrachten,
09:04
of Wheel of Fortune.
220
529000
3000
dem "Glücksrad".
09:08
What we found
221
533000
2000
Wir stellten fest, dass der Computer
09:10
was that the computer was successful in 75 percent of the cases
222
535000
2000
in 75% der Fälle erfolgreich
09:12
in predicting the correct symbol.
223
537000
2000
das korrekte Symbol hervorsagte.
09:14
In the rest of the cases,
224
539000
2000
In den übrigen Fällen war seine
09:16
typically the second best guess or third best guess was the right answer.
225
541000
3000
zweite oder dritte Alternative meist richtig.
09:19
There's also practical use
226
544000
2000
Hier der praktische Nutzen
09:21
for this particular procedure.
227
546000
2000
dieses speziellen Verfahrens:
09:23
There's a lot of these texts that are damaged.
228
548000
2000
Viele der Texte sind beschädigt.
09:25
Here's an example of one such text.
229
550000
2000
Ein Beispiel: doch jetzt können wir
09:27
And we can use the computer model now to try to complete this text
230
552000
3000
das Computermodell zur Ergänzung nutzen
09:30
and make a best guess prediction.
231
555000
2000
und erhalten sehr wahrscheinliche Vorhersagen.
09:32
Here's an example of a symbol that was predicted.
232
557000
3000
Ein Beispiel einer Vorhersage!
09:35
And this could be really useful as we try to decipher the script
233
560000
2000
Es kann bei der Entzifferung nützlich sein, mehr
09:37
by generating more data that we can analyze.
234
562000
3000
Daten zu erzeugen, die dann analysierbar sind.
09:40
Now here's one other thing you can do with the computer model.
235
565000
3000
Eine weitere Anwendung des Modells:
09:43
So imagine a monkey
236
568000
2000
stellt euch einen Affen
09:45
sitting at a keyboard.
237
570000
2000
an einer Tastatur vor.
09:47
I think you might get a random jumble of letters that looks like this.
238
572000
3000
Der tippt eine zufällige Abfolge von Zeichen wie diese.
09:50
Such a random jumble of letters
239
575000
2000
Eine solche Zufallsfolge
09:52
is said to have a very high entropy.
240
577000
2000
hat einen hohen Grad an "Entropie",
09:54
This is a physics and information theory term.
241
579000
2000
ein Begriff aus Physik und Informationstheorie.
09:56
But just imagine it's a really random jumble of letters.
242
581000
3000
Eben Buchstaben in ganz zufälliger Reihenfolge.
09:59
How many of you have ever spilled coffee on a keyboard?
243
584000
4000
Schon mal Kaffee auf der Tastatur verkleckert?
10:03
You might have encountered the stuck-key problem --
244
588000
2000
Dann gab's ein "verklemmte Tasten"- Problem, so
10:05
so basically the same symbol being repeated over and over again.
245
590000
3000
schlimm, dass sich ein einziges Symbol ständig wiederholte.
10:08
This kind of a sequence is said to have a very low entropy
246
593000
3000
Solche Zeichenfolgen haben sehr geringe Entropie,
10:11
because there's no variation at all.
247
596000
2000
weil überhaupt keine Veränderung vorkommt.
10:13
Language, on the other hand, has an intermediate level of entropy;
248
598000
3000
Sprachen haben einen mittleren Grad an Entropie.
10:16
it's neither too rigid,
249
601000
2000
Weder zu rigide
10:18
nor is it too random.
250
603000
2000
noch zu zufällig.
10:20
What about the Indus script?
251
605000
2000
Wie steht es mit der Indus-Schrift?
10:22
Here's a graph that plots the entropies of a whole bunch of sequences.
252
607000
4000
Hier seht ihr Entropiegrade verschiedener Systeme.
10:26
At the very top you find the uniformly random sequence,
253
611000
2000
Ganz oben vollkommen zufällige Folgen,
10:28
which is a random jumble of letters --
254
613000
2000
wie die Zufallsfolgen der Buchstaben.
10:30
and interestingly, we also find
255
615000
2000
Interessanterweise auch DNA Sequenzen aus dem
10:32
the DNA sequence from the human genome and instrumental music.
256
617000
3000
humanen Genom-Projekt und Instrumentalmusik.
10:35
And both of these are very, very flexible,
257
620000
2000
Beide sind sehr, sehr flexibel,
10:37
which is why you find them in the very high range.
258
622000
2000
weshalb sie sehr weit oben rangieren.
10:39
At the lower end of the scale,
259
624000
2000
Am unteren Ende der Skala
10:41
you find a rigid sequence, a sequence of all A's,
260
626000
2000
die rigiden Folgen, sozusagen lauter A's.
10:43
and you also find a computer program,
261
628000
2000
Auch ein Computerprogramm,
10:45
in this case in the language Fortran,
262
630000
2000
(in der Programmiersprache Fortran),
10:47
which obeys really strict rules.
263
632000
2000
das ganz strengen Regeln gehorcht.
10:49
Linguistic scripts
264
634000
2000
Linguistische Skripte
10:51
occupy the middle range.
265
636000
2000
sind im mittleren Bereich.
10:53
Now what about the Indus script?
266
638000
2000
Wie ist es mit der Indus-Schrift?
10:55
We found that the Indus script
267
640000
2000
Wir haben entdeckt, dass sie auch in die
10:57
actually falls within the range of the linguistic scripts.
268
642000
2000
Bandbreite der linguistischen Skripte fällt.
10:59
When this result was first published,
269
644000
2000
Als dieses Ergebnis zuerst publiziert wurde
11:01
it was highly controversial.
270
646000
3000
wurde es sehr kontrovers aufgenommen.
11:04
There were people who raised a hue and cry,
271
649000
3000
Es gab Leute, die zu zetern anfingen.
11:07
and these people were the ones who believed
272
652000
2000
Das waren die, die nicht glaubten, dass die
11:09
that the Indus script does not represent language.
273
654000
3000
Indus-Schrift eine Sprache repräsentiert.
11:12
I even started to get some hate mail.
274
657000
2000
Ich erhielt sogar Hass-Mails.
11:14
My students said
275
659000
2000
Meine Studenten sagten, dass ich ernsthaft
11:16
that I should really seriously consider getting some protection.
276
661000
3000
über Schutzmassnahmen nachdenken solle.
11:19
Who'd have thought
277
664000
2000
Wer hätte gedacht, dass "Entzifferer"
11:21
that deciphering could be a dangerous profession?
278
666000
2000
ein so gefährlicher Beruf sein könnte?
11:23
What does this result really show?
279
668000
2000
Was zeigt das Resultat aber wirklich?
11:25
It shows that the Indus script
280
670000
2000
Es belegt, dass die Indus-Schrift eine
11:27
shares an important property of language.
281
672000
2000
wichtige Eigenschaft von Sprachen besitzt.
11:29
So, as the old saying goes,
282
674000
2000
Das Sprichwort sagt,
11:31
if it looks like a linguistic script
283
676000
2000
wenn es wie eine Sprachskript aussieht,
11:33
and it acts like a linguistic script,
284
678000
2000
sich wie ein Sprachskript verhält, dann haben
11:35
then perhaps we may have a linguistic script on our hands.
285
680000
3000
wir es vielleicht mit einem Sprachskript zu tun.
11:38
What other evidence is there
286
683000
2000
Gibt es andere Beweise,
11:40
that the script could actually encode language?
287
685000
2000
dass das Skript eine Sprache kodieren könnte?
11:42
Well linguistic scripts can actually encode multiple languages.
288
687000
3000
Linguistische Skripte können mehrere Sprachen kodieren.
11:45
So for example, here's the same sentence written in English
289
690000
3000
Als Beispiel derselbe Satz in
11:48
and the same sentence written in Dutch
290
693000
2000
Englisch und in Holländisch,
11:50
using the same letters of the alphabet.
291
695000
2000
aus Buchstaben des gleichen Alphabets.
11:52
If you don't know Dutch and you only know English
292
697000
3000
Wenn ihr kein Holländisch versteht,
11:55
and I give you some words in Dutch,
293
700000
2000
ich euch aber holländische Worte vorgebe,
11:57
you'll tell me that these words contain
294
702000
2000
sagt ihr, dass diese Worte einige
11:59
some very unusual patterns.
295
704000
2000
ungewöhnliche Muster enthalten.
12:01
Some things are not right,
296
706000
2000
Einiges stimmt nicht, und ihr werdet sagen,
12:03
and you'll say these words are probably not English words.
297
708000
3000
dass diese Worte wohl nicht Englisch sind.
12:06
The same thing happens in the case of the Indus script.
298
711000
2000
Das gleiche passiert mit der Indus-Schrift.
12:08
The computer found several texts --
299
713000
2000
Der Computer entdeckte mehrere Texte
12:10
two of them are shown here --
300
715000
2000
- zwei davon seht ihr hier -
12:12
that have very unusual patterns.
301
717000
2000
die sehr ungewöhnliche Muster haben.
12:14
So for example the first text:
302
719000
2000
Beim Ersten beispielsweise gibt es
12:16
there's a doubling of this jar-shaped sign.
303
721000
3000
dieses doppelte Krug-Zeichen.
12:19
This sign is the most frequently-occurring sign
304
724000
2000
Dieses Zeichen ist das Häufigste
12:21
in the Indus script,
305
726000
2000
der Indus Schrift,
12:23
and it's only in this text
306
728000
2000
und nur in diesem Text
12:25
that it occurs as a doubling pair.
307
730000
2000
erscheint es doppelt.
12:27
Why is that the case?
308
732000
2000
Warum nur? Wir sahen nach,
12:29
We went back and looked at where these particular texts were found,
309
734000
3000
wo genau diese Texte gefunden wurden,
12:32
and it turns out that they were found
310
737000
2000
und es stellte sich heraus, dass das
12:34
very, very far away from the Indus Valley.
311
739000
2000
sehr weit enfernt des Indus Tals war.
12:36
They were found in present day Iraq and Iran.
312
741000
3000
Im Gebiet des heutigen Irans bzw Iraks.
12:39
And why were they found there?
313
744000
2000
Warum dort?
12:41
What I haven't told you is that
314
746000
2000
Ich hatte noch nicht gesagt, dass das
12:43
the Indus people were very, very enterprising.
315
748000
2000
Indus Volk sehr unternehmensfreudig war.
12:45
They used to trade with people pretty far away from where they lived,
316
750000
3000
Sie handelten mit weit entfernt lebenden Völkern.
12:48
and so in this case, they were traveling by sea
317
753000
3000
In diesem Fall reisten sie auf dem Seeweg bis nach
12:51
all the way to Mesopotamia, present-day Iraq.
318
756000
3000
Mesopotamien, dem heutigen Irak.
12:54
And what seems to have happened here
319
759000
2000
Und dort scheint es so, als ob die
12:56
is that the Indus traders, the merchants,
320
761000
3000
Indus-Handlungsreisenden die Schrift nutzten,
12:59
were using this script to write a foreign language.
321
764000
3000
um eine fremde Sprache zu notieren.
13:02
It's just like our English and Dutch example.
322
767000
2000
Wie in unserem englisch-holländischem Beispiel.
13:04
And that would explain why we have these strange patterns
323
769000
2000
Das würde die seltsamen Muster erklären,
13:06
that are very different from the kinds of patterns you see in the text
324
771000
3000
die anders als diejenigen sind,
13:09
that are found within the Indus Valley.
325
774000
3000
die im Indus Tal selbst gefunden werden.
13:12
This suggests that the same script, the Indus script,
326
777000
2000
Das legt nahe, dass die Indus-Schrift genutzt wurde,
13:14
could be used to write different languages.
327
779000
3000
um verschiedene Sprachen zu notieren.
13:17
The results we have so far seem to point to the conclusion
328
782000
3000
Die bisherigen Ergebnisse legen den Schluss nahe,
13:20
that the Indus script probably does represent language.
329
785000
3000
dass die Indus-Schrift eine Sprache repäsentiert.
13:23
If it does represent language,
330
788000
2000
Wenn sie das tut,
13:25
then how do we read the symbols?
331
790000
2000
wie lesen wir die Symbole?
13:27
That's our next big challenge.
332
792000
2000
Die nächste grosse Herausforderung!
13:29
So you'll notice that many of the symbols
333
794000
2000
Ihr bemerkt, dass viele der Symbole
13:31
look like pictures of humans, of insects,
334
796000
2000
wie Bilder von Menschen, Insekten,
13:33
of fishes, of birds.
335
798000
3000
Fischen und Vögeln wirken.
13:36
Most ancient scripts
336
801000
2000
Die meisten antiken Schriften
13:38
use the rebus principle,
337
803000
2000
nutzen das "Rebus"-Prinzip, das
13:40
which is, using pictures to represent words.
338
805000
3000
Bildfolgen nutzt, um Worte darzustellen.
13:43
So as an example, here's a word.
339
808000
3000
Hier beispielweise "belief" (Glaube).
13:46
Can you write it using pictures?
340
811000
2000
Könnt ihr es in Bildern schreiben?
13:48
I'll give you a couple seconds.
341
813000
2000
Ich gebe euch ein paar Sekunden.
13:50
Got it?
342
815000
2000
Habt ihr's?
13:52
Okay. Great.
343
817000
2000
Okay. Toll.
13:54
Here's my solution.
344
819000
2000
Hier ist meine Lösung.
13:56
You could use the picture of a bee followed by a picture of a leaf --
345
821000
2000
eine Biene ("bee") vor einem Blatt ("leaf"),
13:58
and that's "belief," right.
346
823000
2000
das ist "Glaube". (bee+leaf=belief).
14:00
There could be other solutions.
347
825000
2000
Es könnte andere Lösungen geben.
14:02
In the case of the Indus script,
348
827000
2000
Im Falle der Indus-Schrift
14:04
the problem is the reverse.
349
829000
2000
ist das Problem umgekehrt. Man muss die
14:06
You have to figure out the sounds of each of these pictures
350
831000
3000
Laute der einzelnen Bilder herausfinden,
14:09
such that the entire sequence makes sense.
351
834000
2000
damit der ganze Satz einen Sinn ergibt.
14:11
So this is just like a crossword puzzle,
352
836000
3000
Es ist wie ein Kreuzworträtsel,
14:14
except that this is the mother of all crossword puzzles
353
839000
3000
nur dass es die Mutter aller Kreuzworträtsel ist
14:17
because the stakes are so high if you solve it.
354
842000
4000
da der Gewinn so hoch ist, wenn man es löst.
14:21
My colleagues, Iravatham Mahadevan and Asko Parpola,
355
846000
3000
Meine Kollegen I. Mahadevan und A. Parpola
14:24
have been making some headway on this particular problem.
356
849000
2000
haben grosse Fortschritte bei diesem Problem erzielt.
14:26
And I'd like to give you a quick example of Parpola's work.
357
851000
2000
Ein kurzes Beispiel aus Parpolas Arbeit:
14:28
Here's a really short text.
358
853000
2000
ein wirklich kurzer Text: er enthält 7 senkrechte Striche,
14:30
It contains seven vertical strokes followed by this fish-like sign.
359
855000
3000
gefolgt von diesem fisch-ähnlichen Zeichen.
14:33
And I want to mention that these seals were used
360
858000
2000
Erwähnt sei hier, dass mit diesen Siegeln
14:35
for stamping clay tags
361
860000
2000
Etiketten in Lehm gestempelt wurden,
14:37
that were attached to bundles of goods,
362
862000
2000
die an Warenbündeln befestigt wurden,
14:39
so it's quite likely that these tags, at least some of them,
363
864000
3000
so dass wahrscheinlich einige dieser Anhänger
14:42
contain names of merchants.
364
867000
2000
die Namen von Händlern enthalten.
14:44
And it turns out that in India
365
869000
2000
Es stellt sich heraus, dass es in Indien
14:46
there's a long tradition
366
871000
2000
schon lange Tradition ist,
14:48
of names being based on horoscopes
367
873000
2000
Namen auf der Basis von Sternbildern
14:50
and star constellations present at the time of birth.
368
875000
3000
zum jeweiligen Zeitpunkt der Geburt zu vergeben.
14:53
In Dravidian languages,
369
878000
2000
In dravidischen Sprachen
14:55
the word for fish is "meen"
370
880000
2000
lautet das Wort für Fisch "MEEN", das sich
14:57
which happens to sound just like the word for star.
371
882000
3000
genauso anhört wie das Wort für Stern.
15:00
And so seven stars
372
885000
2000
Sieben Sterne würden also
15:02
would stand for "elu meen,"
373
887000
2000
für "ELU MEEN" stehen,
15:04
which is the Dravidian word
374
889000
2000
den dravidischen Ausdruck für
15:06
for the Big Dipper star constellation.
375
891000
2000
den "Grossen Wagen".
15:08
Similarly, there's another sequence of six stars,
376
893000
3000
Eine ähnliche Sequenz von 6 Sternen,
15:11
and that translates to "aru meen,"
377
896000
2000
übersetzt "ARU MEEN",
15:13
which is the old Dravidian name
378
898000
2000
ist der alte dravidische Name für
15:15
for the star constellation Pleiades.
379
900000
2000
das Gestirn der Plejaden.
15:17
And finally, there's other combinations,
380
902000
3000
Schliesslich noch Kombinationen wie dieser Fisch
15:20
such as this fish sign with something that looks like a roof on top of it.
381
905000
3000
mit einer Art Dach darüber.
15:23
And that could be translated into "mey meen,"
382
908000
3000
Das könnte als "MEY MEEN" übersetzt werden,
15:26
which is the old Dravidian name for the planet Saturn.
383
911000
3000
dravidisch für den Saturn.
15:29
So that was pretty exciting.
384
914000
2000
Das war besonders aufregend.
15:31
It looks like we're getting somewhere.
385
916000
2000
Es scheint irgendwohin zu führen.
15:33
But does this prove
386
918000
2000
Aber beweist es,
15:35
that these seals contain Dravidian names
387
920000
2000
dass die Siegel dravidische Namen enthalten,
15:37
based on planets and star constellations?
388
922000
2000
die auf Planeten und Sternbildern basieren?
15:39
Well not yet.
389
924000
2000
Noch nicht.
15:41
So we have no way of validating
390
926000
2000
Wir haben keine Möglichkeit, diese
15:43
these particular readings,
391
928000
2000
spezielle Lesarten zu validieren,
15:45
but if more and more of these readings start making sense,
392
930000
3000
doch wenn immer mehr davon Sinn ergeben
15:48
and if longer and longer sequences
393
933000
2000
und auch immer längere Sequenzen
15:50
appear to be correct,
394
935000
2000
korrekt erscheinen,
15:52
then we know that we are on the right track.
395
937000
2000
wissen wir, dass wir auf dem richtigen Weg sind.
15:54
Today,
396
939000
2000
Heute können wir ein Wort wie
15:56
we can write a word such as TED
397
941000
3000
"TED" in ägyptischen Hieroglyphen
15:59
in Egyptian hieroglyphics and in cuneiform script,
398
944000
3000
und in Keilschrift schreiben,
16:02
because both of these were deciphered
399
947000
2000
denn beide wurden schon im
16:04
in the 19th century.
400
949000
2000
19. Jahrhundert entziffert.
16:06
The decipherment of these two scripts
401
951000
2000
Durch die Entzifferung dieser beiden Schriften
16:08
enabled these civilizations to speak to us again directly.
402
953000
3000
sprechen uns beide Kulturen wieder direkt an.
16:11
The Mayans
403
956000
2000
Die Maya begannen im
16:13
started speaking to us in the 20th century,
404
958000
2000
20 Jhd. mit uns zu sprechen,
16:15
but the Indus civilization remains silent.
405
960000
3000
doch die Indus Zivilisation blieb stumm.
16:18
Why should we care?
406
963000
2000
Warum sollte uns das kümmern?
16:20
The Indus civilization does not belong
407
965000
2000
Die Indus Kultur gehört nicht nur
16:22
to just the South Indians or the North Indians
408
967000
2000
den Süd- oder den Nordindern
16:24
or the Pakistanis;
409
969000
2000
oder den Pakistani;
16:26
it belongs to all of us.
410
971000
2000
sie gehört uns allen.
16:28
These are our ancestors --
411
973000
2000
Dies sind unsere Vorfahren,
16:30
yours and mine.
412
975000
2000
eure und meine.
16:32
They were silenced
413
977000
2000
Zum Schweigen gebracht durch einen
16:34
by an unfortunate accident of history.
414
979000
2000
unglücklichen Zufall der Geschichte.
16:36
If we decipher the script,
415
981000
2000
Wenn wir ihre Schrift entziffern,
16:38
we would enable them to speak to us again.
416
983000
2000
könnten sie wieder zu uns sprechen.
16:40
What would they tell us?
417
985000
3000
Was würden sie uns mitteilen?
16:43
What would we find out about them? About us?
418
988000
3000
Was würden wir über sie und uns herausfinden?
16:46
I can't wait to find out.
419
991000
3000
Ich kann es kaum erwarten, das herauszufinden!
16:49
Thank you.
420
994000
2000
Danke sehr.
16:51
(Applause)
421
996000
4000
(Applaus)
ABOUT THE SPEAKER
Rajesh Rao - Computational neuroscientistRajesh Rao seeks to understand the human brain through computational modeling, on two fronts: developing computer models of our minds, and using tech to decipher the 4,000-year-old lost script of the Indus Valley civilization.
Why you should listen
Rajesh Rao is looking for the computational principles underlying the brain's remarkable ability to learn, process and store information -- hoping to apply this knowledge to the task of building adaptive robotic systems and artificially intelligent agents.
Some of the questions that motivate his research include: How does the brain learn efficient representations of novel objects and events occurring in the natural environment? What are the algorithms that allow useful sensorimotor routines and behaviors to be learned? What computational mechanisms allow the brain to adapt to changing circumstances and remain fault-tolerant and robust?
By investigating these questions within a computational and probabilistic framework, it is often possible to derive algorithms that not only provide functional interpretations of neurobiological properties but also suggest solutions to difficult problems in computer vision, speech, robotics and artificial intelligence.
Rajesh Rao | Speaker | TED.com