TED2013
Ajit Narayanan: A word game to communicate in any language
Ajit Narayanan: Un jeu de mots pour communiquer dans n'importe quelle langue
Filmed:
Readability: 3.4
1,391,245 views
Tout en travaillant avec les enfants atteints de troubles de la parole, Ajit Narayanan a élaboré un moyen de penser au langage à travers des images, en reliant les mots et les concepts dans des « plans ». Cette idée est à l'origine d'une application qui aide les personnes mutiques à communiquer. La grande idée derrière cela est un concept de langage appelé « FreeSpeech », ayant un potentiel sensationnel.
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
Je travaille avec des enfants
atteints d'autisme.
atteints d'autisme.
00:15
Specifically, I make technologies
1
3391
1914
Plus précisément,
j'élabore des technologies
j'élabore des technologies
00:17
to help them communicate.
2
5305
2171
pour les aider à communiquer.
00:19
Now, many of the problems that children
3
7476
1539
La plupart des problèmes
qu'ils confrontent
qu'ils confrontent
00:21
with autism face, they have a common source,
4
9015
3763
ont une source commune.
00:24
and that source is that they find it difficult
5
12778
2094
Cette source,
c'est qu'ils ont des difficultés
c'est qu'ils ont des difficultés
00:26
to understand abstraction, symbolism.
6
14872
5260
à comprendre l'abstrait, les symboles.
00:32
And because of this, they have
a lot of difficulty with language.
a lot of difficulty with language.
7
20132
4652
A cause de cela, ils ont beaucoup
de difficultés avec le langage.
de difficultés avec le langage.
00:36
Let me tell you a little bit about why this is.
8
24784
3015
Permettez-moi de vous dire
quelques mots sur les raisons.
quelques mots sur les raisons.
00:39
You see that this is a picture of a bowl of soup.
9
27799
3934
Vous voyez qu'il s'agit
de la photo d'un bol de soupe.
de la photo d'un bol de soupe.
Nous pouvons tous le voir.
Nous le comprenons tous.
Nous le comprenons tous.
00:43
All of us can see it. All of us understand this.
10
31733
2485
00:46
These are two other pictures of soup,
11
34218
2312
Voici deux autres images de soupe,
vous pouvez voir
qu'elles sont plus abstraites,
qu'elles sont plus abstraites,
00:48
but you can see that these are more abstract
12
36530
2067
00:50
These are not quite as concrete.
13
38597
1856
qu'elles sont moins concrètes.
00:52
And when you get to language,
14
40453
2174
Quand vous en arrivez
au langage,
au langage,
00:54
you see that it becomes a word
15
42627
1868
vous voyez que cela devient un mot
00:56
whose look, the way it looks and the way it sounds,
16
44495
3261
dont l'apparence,
et la façon dont il sonne,
00:59
has absolutely nothing to do
with what it started with,
with what it started with,
17
47756
2912
n'ont rien à voir avec
ce par quoi on a commencé,
ce par quoi on a commencé,
01:02
or what it represents, which is the bowl of soup.
18
50668
2830
ou ce qu'il représente :
le bol de soupe.
le bol de soupe.
01:05
So it's essentially a completely abstract,
19
53498
2900
C'est une représentation
complètement abstraite,
complètement abstraite,
01:08
a completely arbitrary representation of something
20
56398
2576
complètement arbitraire,
de quelque chose
de quelque chose
01:10
which is in the real world,
21
58974
1163
dans le monde réel.
01:12
and this is something that children with autism
22
60137
1791
C'est la chose avec laquelle les enfants
autistes ont d'énormes difficultés.
autistes ont d'énormes difficultés.
01:13
have an incredible amount of difficulty with.
23
61928
3164
C'est pourquoi la plupart des gens
travaillant avec eux
travaillant avec eux
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
01:19
speech therapists, educators --
25
67843
1878
-- orthophonistes, éducateurs... --
01:21
what they do is, they try to help children with autism
26
69721
2633
ils essayent de les aider
01:24
communicate not with words, but with pictures.
27
72354
3229
à communiquer non pas avec des mots,
mais avec des images.
mais avec des images.
01:27
So if a child with autism wanted to say,
28
75583
1930
Donc si un enfant autiste voulait dire :
01:29
"I want soup," that child would pick
29
77513
2458
« Je veux de la soupe »
il piocherait
il piocherait
trois images différentes :
« je », « veux » et « soupe »,
« je », « veux » et « soupe »,
01:31
three different pictures, "I," "want," and "soup,"
30
79971
2260
01:34
and they would put these together,
31
82231
1609
et les rassemblerait,
et le thérapeute ou le parent comprendrait
ainsi ce que l'enfant veut dire.
ainsi ce que l'enfant veut dire.
01:35
and then the therapist or the parent would
32
83840
1867
01:37
understand that this is what the kid wants to say.
33
85707
1887
01:39
And this has been incredibly effective;
34
87594
1778
Cela a été incroyablement efficace ;
ces 30, 40 dernières années
ces 30, 40 dernières années
01:41
for the last 30, 40 years
35
89372
2141
01:43
people have been doing this.
36
91513
1613
les gens l'ont appliqué.
01:45
In fact, a few years back,
37
93126
1349
En fait, il y a quelques années,
j'ai développé une application pour iPad
j'ai développé une application pour iPad
01:46
I developed an app for the iPad
38
94475
2675
01:49
which does exactly this. It's called Avaz,
39
97150
2255
qui fait exactement cela.
Elle s'appelle Avaz,
Elle s'appelle Avaz,
01:51
and the way it works is that kids select
40
99405
2279
et son principe c'est que les enfants
sélectionnent différentes images.
sélectionnent différentes images.
01:53
different pictures.
41
101684
1321
01:55
These pictures are sequenced
together to form sentences,
together to form sentences,
42
103005
2570
Ces images sont arrangées
pour former des phrases,
pour former des phrases,
01:57
and these sentences are spoken out.
43
105575
1719
prononcées à haute voix.
01:59
So Avaz is essentially converting pictures,
44
107294
3025
Donc Avaz consiste principalement
à convertir des images,
à convertir des images,
02:02
it's a translator, it converts pictures into speech.
45
110319
3960
c'est un traducteur,
qui convertit les images en langage.
qui convertit les images en langage.
02:06
Now, this was very effective.
46
114279
1718
Ça a bien marché.
Des milliers d'enfants
l'utilisent partout dans le monde,
l'utilisent partout dans le monde,
02:07
There are thousands of children using this,
47
115997
1384
02:09
you know, all over the world,
48
117381
1430
02:10
and I started thinking about
49
118811
2175
et j'ai commencé à réfléchir
02:12
what it does and what it doesn't do.
50
120986
2654
à ce qu'elle fait
et ce qu'elle ne fait pas.
et ce qu'elle ne fait pas.
J'ai réalisé quelque chose d'intéressant :
02:15
And I realized something interesting:
51
123640
1684
02:17
Avaz helps children with autism learn words.
52
125324
4203
Avaz aide les enfants autistes
à apprendre des mots.
à apprendre des mots.
02:21
What it doesn't help them do is to learn
53
129527
2405
Ce qu'elle ne leur permet pas d'apprendre,
02:23
word patterns.
54
131932
2748
ce sont les tournures de phrase.
02:26
Let me explain this in a little more detail.
55
134680
2472
Laissez-moi l'expliquer
un peu plus en détails.
un peu plus en détails.
02:29
Take this sentence: "I want soup tonight."
56
137152
3057
Prenez la phrase :
« Je veux de la soupe ce soir. »
« Je veux de la soupe ce soir. »
02:32
Now it's not just the words
here that convey the meaning.
here that convey the meaning.
57
140209
4080
Ce ne sont pas que les mots
qui donnent le sens.
qui donnent le sens.
02:36
It's also the way in which these words are arranged,
58
144289
3140
C'est aussi la façon
dont ces mots sont ordonnés,
dont ces mots sont ordonnés,
02:39
the way these words are modified and arranged.
59
147429
2515
la façon dont ces mots
sont modifiés et ordonnés.
sont modifiés et ordonnés.
02:41
And that's why a sentence like "I want soup tonight"
60
149959
2306
C'est pourquoi une phrase comme
« Je veux de la soupe ce soir »
« Je veux de la soupe ce soir »
02:44
is different from a sentence like
61
152265
1984
est différente d'une phrase comme
02:46
"Soup want I tonight," which
is completely meaningless.
is completely meaningless.
62
154249
3312
« Soupe veux je ce soir »
qui n'a absolument aucun sens.
qui n'a absolument aucun sens.
02:49
So there is another hidden abstraction here
63
157561
2619
Il y a donc une autre
abstraction cachée ici,
abstraction cachée ici,
02:52
which children with autism find
a lot of difficulty coping with,
a lot of difficulty coping with,
64
160180
3557
à laquelle les enfants autistes
ont du mal à faire face,
ont du mal à faire face,
02:55
and that's the fact that you can modify words
65
163737
2840
et c'est le fait que
vous pouvez modifier les mots,
vous pouvez modifier les mots,
02:58
and you can arrange them to have
66
166577
2101
les ordonner pour obtenir des sens
différents, communiquer différentes idées.
différents, communiquer différentes idées.
03:00
different meanings, to convey different ideas.
67
168678
2895
C'est ce qu'on appelle la grammaire.
03:03
Now, this is what we call grammar.
68
171573
3459
03:07
And grammar is incredibly powerful,
69
175032
2036
Et la grammaire
est un outil très puissant,
est un outil très puissant,
03:09
because grammar is this one component of language
70
177068
3157
car elle est un composant du langage
03:12
which takes this finite vocabulary that all of us have
71
180225
3489
qui prend ce vocabulaire limité
que nous avons tous
que nous avons tous
03:15
and allows us to convey an
infinite amount of information,
infinite amount of information,
72
183714
4531
et nous permet de communiquer
un nombre infini d'informations,
un nombre infini d'informations,
03:20
an infinite amount of ideas.
73
188245
2134
un nombre infini d'idées.
C'est le moyen qui permet
d'assembler des choses
d'assembler des choses
03:22
It's the way in which you can put things together
74
190379
2002
03:24
in order to convey anything you want to.
75
192381
2168
afin de communiquer
tout ce que vous voulez.
tout ce que vous voulez.
03:26
And so after I developed Avaz,
76
194549
2127
Donc, après avoir développé Avaz,
03:28
I worried for a very long time
77
196676
1568
je me suis longtemps demandé
03:30
about how I could give grammar
to children with autism.
to children with autism.
78
198244
3910
comment je pouvais apporter
la grammaire aux enfants autistes.
la grammaire aux enfants autistes.
03:34
The solution came to me from
a very interesting perspective.
a very interesting perspective.
79
202154
2275
La solution m'est venue
sous un angle très intéressant.
sous un angle très intéressant.
03:36
I happened to chance upon a child with autism
80
204429
3449
Je suis tombé par hasard
sur un enfant autiste
sur un enfant autiste
03:39
conversing with her mom,
81
207878
2109
discutant avec sa maman,
03:41
and this is what happened.
82
209987
2094
et voilà ce qui s'est produit.
Complètement à l'improviste,
très spontanément,
très spontanément,
03:44
Completely out of the blue, very spontaneously,
83
212081
2186
03:46
the child got up and said, "Eat."
84
214267
2463
l'enfant s'est levé et a dit : « manger ».
03:48
Now what was interesting was
85
216730
1770
Ce qui était intéressant c'était
03:50
the way in which the mom was trying to tease out
86
218500
4244
la façon dont la maman essayait de démêler
le sens de ce que
l'enfant tentait d'exprimer,
l'enfant tentait d'exprimer,
03:54
the meaning of what the child wanted to say
87
222744
2213
03:56
by talking to her in questions.
88
224957
2260
en lui posant des questions.
Elle a demandé : « Manger quoi ?
Tu veux manger de la glace ?
Tu veux manger de la glace ?
03:59
So she asked, "Eat what? Do
you want to eat ice cream?
you want to eat ice cream?
89
227217
2593
04:01
You want to eat? Somebody else wants to eat?
90
229810
2112
Tu veux manger ?
Quelqu'un d'autre veut manger ?
Quelqu'un d'autre veut manger ?
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
Tu veux de la glace maintenant ?
Tu veux de la glace ce soir ? »
Tu veux de la glace ce soir ? »
04:07
And then it struck me that
92
235235
1514
Et là, j'ai réalisé que la mère
avait fait quelque chose d'incroyable.
avait fait quelque chose d'incroyable.
04:08
what the mother had done was something incredible.
93
236749
2028
04:10
She had been able to get that child to communicate
94
238777
1994
Elle avait pu amener son enfant
à lui communiquer une idée sans grammaire.
à lui communiquer une idée sans grammaire.
04:12
an idea to her without grammar.
95
240771
4138
04:16
And it struck me that maybe this is what
96
244909
2696
J'ai réalisé que c'était peut-être
ce que je cherchais.
ce que je cherchais.
04:19
I was looking for.
97
247605
1385
04:20
Instead of arranging words in an order, in sequence,
98
248990
4142
Au lieu d'arranger les mots
dans un ordre, séquencés,
dans un ordre, séquencés,
04:25
as a sentence, you arrange them
99
253132
2172
comme une phrase,
vous les arrangez
vous les arrangez
04:27
in this map, where they're all linked together
100
255304
3811
selon un plan,
tous reliés entre eux,
tous reliés entre eux,
04:31
not by placing them one after the other
101
259115
2143
sans les placer
les uns après les autres
les uns après les autres
04:33
but in questions, in question-answer pairs.
102
261258
3284
mais sous forme de questions,
dans des paires question-réponse.
dans des paires question-réponse.
04:36
And so if you do this, then what you're conveying
103
264542
2358
Si vous le faites,
ce que vous communiquez
ce que vous communiquez
04:38
is not a sentence in English,
104
266900
1986
n'est pas une phrase en anglais,
04:40
but what you're conveying is really a meaning,
105
268886
2966
mais un sens,
le sens d'une phrase en anglais.
le sens d'une phrase en anglais.
04:43
the meaning of a sentence in English.
106
271852
1511
04:45
Now, meaning is really the underbelly,
in some sense, of language.
in some sense, of language.
107
273363
2932
Le sens est, d'une certaine façon,
la face cachée du langage,
la face cachée du langage,
04:48
It's what comes after thought but before language.
108
276295
3821
ce qui vient
après la pensée mais avant le langage.
après la pensée mais avant le langage.
04:52
And the idea was that this particular representation
109
280116
2503
Et l'idée c'est que
cette représentation particulière
cette représentation particulière
04:54
might convey meaning in its raw form.
110
282619
3261
pourrait communiquer
le sens sous sa forme brute.
le sens sous sa forme brute.
04:57
So I was very excited by this, you know,
111
285880
1771
Donc j'étais très excité par cela,
04:59
hopping around all over the place,
112
287651
1493
sautillant partout,
05:01
trying to figure out if I can convert
113
289144
1771
essayant de voir si je pouvais convertir
05:02
all possible sentences that I hear into this.
114
290915
2524
toutes les phrases possibles
que j'entendais avec ceci.
que j'entendais avec ceci.
05:05
And I found that this is not enough.
115
293439
1773
Je me suis rendu compte que
ce n'était pas suffisant. Pourquoi ?
ce n'était pas suffisant. Pourquoi ?
05:07
Why is this not enough?
116
295212
1385
05:08
This is not enough because if you wanted to convey
117
296597
1711
Parce que si vous voulez communiquer
quelque chose comme une négation,
quelque chose comme une négation,
05:10
something like negation,
118
298308
2250
05:12
you want to say, "I don't want soup,"
119
300558
1736
si vous voulez dire
« Je ne veux pas de soupe »,
« Je ne veux pas de soupe »,
05:14
then you can't do that by asking a question.
120
302294
2220
vous ne le dites
pas en posant une question
pas en posant une question
05:16
You do that by changing the word "want."
121
304514
2285
mais en changeant
le mot « veux ».
le mot « veux ».
05:18
Again, if you wanted to say,
122
306799
1637
Pareil, si vous voulez dire :
05:20
"I wanted soup yesterday,"
123
308436
1980
« Je voulais de la soupe hier »,
05:22
you do that by converting
the word "want" into "wanted."
the word "want" into "wanted."
124
310416
2737
vous le faites en convertissant
le mot « veux » par « voulais »
le mot « veux » par « voulais »
05:25
It's a past tense.
125
313153
1666
C'est du passé.
05:26
So this is a flourish which I added
126
314819
2103
Donc c'est un plus que j'ai ajouté
05:28
to make the system complete.
127
316922
1576
pour rendre le système complet.
05:30
This is a map of words joined together
128
318498
1977
C'est une carte de mots
reliés entre eux
reliés entre eux
05:32
as questions and answers,
129
320475
1656
dans un modèle de question-réponse,
avec ces filtres appliqués au-dessus
avec ces filtres appliqués au-dessus
05:34
and with these filters applied on top of them
130
322131
2264
05:36
in order to modify them to represent
131
324395
1817
afin de les modifier
pour représenter certaines nuances.
pour représenter certaines nuances.
05:38
certain nuances.
132
326212
1709
Laissez-moi vous le montrer
avec quelques exemples.
avec quelques exemples.
05:39
Let me show you this with a different example.
133
327921
1951
05:41
Let's take this sentence:
134
329872
1254
Prenons cette phrase :
« J'ai dit au charpentier
que je ne pouvais pas le payer. »
que je ne pouvais pas le payer. »
05:43
"I told the carpenter I could not pay him."
135
331126
1980
05:45
It's a fairly complicated sentence.
136
333106
1792
C'est assez compliqué.
La façon dont ce système
fonctionne,
fonctionne,
05:46
The way that this particular system works,
137
334898
1893
05:48
you can start with any part of this sentence.
138
336791
2578
fait que l'on peut commencer
la phrase par n'importe quel bout.
la phrase par n'importe quel bout.
05:51
I'm going to start with the word "tell."
139
339369
1698
Je vais commencer avec le mot « dire ».
Voici le mot « dire »,
Voici le mot « dire »,
05:53
So this is the word "tell."
140
341067
1462
05:54
Now this happened in the past,
141
342529
1600
Ceci est arrivé dans le passé,
donc je vais le transformer en « a dit »
donc je vais le transformer en « a dit »
05:56
so I'm going to make that "told."
142
344129
2223
05:58
Now, what I'm going to do is,
143
346352
1708
À partir de là,
06:00
I'm going to ask questions.
144
348060
1756
je vais poser des questions.
06:01
So, who told? I told.
145
349816
2364
Qui a dit ? Je l'ai dit.
06:04
I told whom? I told the carpenter.
146
352180
1927
A qui ? Au charpentier.
06:06
Now we start with a different part of the sentence.
147
354107
1751
Maintenant, on commence par
un autre bout, avec le mot « payer »,
un autre bout, avec le mot « payer »,
06:07
We start with the word "pay,"
148
355858
1867
06:09
and we add the ability filter to it to make it "can pay."
149
357725
4577
on ajoute le filtre correspondant
pour le transformer en « peux payer »,
pour le transformer en « peux payer »,
06:14
Then we make it "can't pay,"
150
362302
2101
puis, en « ne peux pas payer »,
06:16
and we can make it "couldn't pay"
151
364403
1599
et « ne pouvais pas payer »,
06:18
by making it the past tense.
152
366002
1663
en le conjuguant au passé.
Qui ne pouvait pas payer ?
Je ne pouvais pas payer.
Je ne pouvais pas payer.
06:19
So who couldn't pay? I couldn't pay.
153
367665
1923
06:21
Couldn't pay whom? I couldn't pay the carpenter.
154
369588
2676
Ne pouvais pas payer qui ?
Je ne pouvais pas payer le charpentier.
Je ne pouvais pas payer le charpentier.
06:24
And then you join these two together
155
372264
1731
Puis vous joignez ces deux bouts
en posant cette question :
en posant cette question :
06:25
by asking this question:
156
373995
1350
06:27
What did I tell the carpenter?
157
375345
1737
Qu'est-ce que j'ai dit au charpentier ?
06:29
I told the carpenter I could not pay him.
158
377082
4049
J'ai dit au charpentier que
je ne pouvais pas le payer.
je ne pouvais pas le payer.
06:33
Now think about this. This is
159
381131
1937
Réfléchissez-y. C'est -
06:35
—(Applause)—
160
383068
3542
-- (Applaudissements) --
06:38
this is a representation of this sentence
161
386610
3672
c'est une représentation de cette phrase
06:42
without language.
162
390282
2435
sans langage.
Il y a deux ou trois choses
intéressantes à ce propos.
intéressantes à ce propos.
06:44
And there are two or three
interesting things about this.
interesting things about this.
163
392717
2192
06:46
First of all, I could have started anywhere.
164
394909
3131
D'abord, j'aurais pu
commencer dans n'importe quel sens,
commencer dans n'importe quel sens,
06:50
I didn't have to start with the word "tell."
165
398040
2243
pas forcément avec le mot « dire »,
06:52
I could have started anywhere in the sentence,
166
400283
1416
et faire tout ce processus.
06:53
and I could have made this entire thing.
167
401699
1507
06:55
The second thing is, if I wasn't an English speaker,
168
403206
2776
La seconde chose est que
si je ne parlais pas anglais,
si je ne parlais pas anglais,
06:57
if I was speaking in some other language,
169
405982
2175
mais une autre langue,
cette carte serait vraie
pour n'importe quelle langue.
pour n'importe quelle langue.
07:00
this map would actually hold true in any language.
170
408157
3156
07:03
So long as the questions are standardized,
171
411313
1990
Tant que les questions sont standardisées,
la carte est indépendante de la langue.
la carte est indépendante de la langue.
07:05
the map is actually independent of language.
172
413303
4287
07:09
So I call this FreeSpeech,
173
417590
2115
Donc j'ai appelé cela
le « FreeSpeech »
le « FreeSpeech »
07:11
and I was playing with this for many, many months.
174
419705
2935
et j'ai joué avec ceci
pendant plusieurs mois.
pendant plusieurs mois.
07:14
I was trying out so many
different combinations of this.
different combinations of this.
175
422640
2726
J'essayais
plein de combinaisons différentes.
plein de combinaisons différentes.
J'ai remarqué quelque chose
de très intéressant avec ceci.
de très intéressant avec ceci.
07:17
And then I noticed something very
interesting about FreeSpeech.
interesting about FreeSpeech.
176
425366
2289
07:19
I was trying to convert language,
177
427655
3243
J'essayais de convertir le langage,
07:22
convert sentences in English
into sentences in FreeSpeech,
into sentences in FreeSpeech,
178
430898
2384
des phrases en anglais
en « FreeSpeech »,
en « FreeSpeech »,
07:25
and vice versa, and back and forth.
179
433282
1752
et vice versa,
dans les deux sens.
dans les deux sens.
07:27
And I realized that this particular configuration,
180
435034
2255
J'ai réalisé que cette configuration
particulière de représenter le langage,
particulière de représenter le langage,
07:29
this particular way of representing language,
181
437289
2026
07:31
it allowed me to actually create very concise rules
182
439315
4395
m'a permis de créer
des règles très concises
des règles très concises
07:35
that go between FreeSpeech on one side
183
443710
2734
entre le « FreeSpeech » d'un côté
et l'anglais de l'autre.
et l'anglais de l'autre.
07:38
and English on the other.
184
446444
1488
07:39
So I could actually write this set of rules
185
447932
2180
Je pouvais écrire
cet ensemble de règles
cet ensemble de règles
07:42
that translates from this particular
representation into English.
representation into English.
186
450112
3395
qui se traduit de cette représentation
particulière à l'anglais.
particulière à l'anglais.
07:45
And so I developed this thing.
187
453507
1831
J'ai donc développé ce principe.
J'ai développé la Machine FreeSpeech
J'ai développé la Machine FreeSpeech
07:47
I developed this thing called
the FreeSpeech Engine
the FreeSpeech Engine
188
455338
2232
07:49
which takes any FreeSpeech sentence as the input
189
457570
2561
qui prend n'importe
quelle phrase en FreeSpeech
quelle phrase en FreeSpeech
07:52
and gives out perfectly grammatical English text.
190
460131
3930
et donne une phrase en un anglais
parfaitement correct en grammaire.
parfaitement correct en grammaire.
07:56
And by putting these two pieces together,
191
464061
1605
En assemblant ces deux morceaux,
la représentation et la machine,
la représentation et la machine,
07:57
the representation and the engine,
192
465666
1881
j'ai été capable de créer une application,
une technologie pour les enfants autistes,
une technologie pour les enfants autistes,
07:59
I was able to create an app, a
technology for children with autism,
technology for children with autism,
193
467547
3796
08:03
that not only gives them words
194
471343
2499
qui leur donne non seulement
des mots mais aussi la grammaire.
des mots mais aussi la grammaire.
08:05
but also gives them grammar.
195
473842
3941
J'ai donc essayé cela
avec des enfants autistes,
avec des enfants autistes,
08:09
So I tried this out with kids with autism,
196
477783
2360
08:12
and I found that there was an
incredible amount of identification.
incredible amount of identification.
197
480143
5013
et j'ai découvert
une quantité incroyable d'identifications.
une quantité incroyable d'identifications.
08:17
They were able to create sentences in FreeSpeech
198
485156
2720
Ils étaient capables
de créer une phrase en FreeSpeech
de créer une phrase en FreeSpeech
08:19
which were much more complicated
but much more effective
but much more effective
199
487876
2558
beaucoup plus compliquée,
mais beaucoup plus efficace
08:22
than equivalent sentences in English,
200
490434
2899
que les équivalentes
en anglais.
en anglais.
08:25
and I started thinking about
201
493333
1682
J'ai commencé à me demander
08:27
why that might be the case.
202
495015
1969
pourquoi.
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
Et j'ai eu une idée, et c'est de ça
dont je veux parler ensuite.
dont je veux parler ensuite.
08:33
In about 1997, about 15 years back,
204
501271
3142
Vers 1997, il y a environ 15 ans,
08:36
there were a group of scientists that were trying
205
504413
2011
un groupe de scientifiques essayait
08:38
to understand how the brain processes language,
206
506424
2389
de comprendre comment
le cerveau traite le langage,
le cerveau traite le langage,
08:40
and they found something very interesting.
207
508813
1779
ils ont trouvé quelque chose d'intéressant,
que lorsque vous apprenez une langue
que lorsque vous apprenez une langue
08:42
They found that when you learn a language
208
510592
1872
08:44
as a child, as a two-year-old,
209
512464
2912
enfant, à deux ans, vous l'apprenez avec
une certaine partie de votre cerveau,
une certaine partie de votre cerveau,
08:47
you learn it with a certain part of your brain,
210
515376
2366
quand vous l'apprenez adulte --
08:49
and when you learn a language as an adult --
211
517742
1600
08:51
for example, if I wanted to
learn Japanese right now —
learn Japanese right now —
212
519342
3911
par exemple, si je voulais
apprendre le japonais tout de suite --
apprendre le japonais tout de suite --
08:55
a completely different part of my brain is used.
213
523253
2707
une partie complètement différente
de mon cerveau est utilisée.
de mon cerveau est utilisée.
08:57
Now I don't know why that's the case,
214
525960
1831
Je ne sais pas pourquoi c'est comme ça,
mais je suppose que c'est parce que
mais je suppose que c'est parce que
08:59
but my guess is that that's because
215
527791
1991
09:01
when you learn a language as an adult,
216
529782
2437
lorsque vous apprenez une langue adulte,
09:04
you almost invariably learn it
217
532219
1616
vous l'apprenez invariablement
09:05
through your native language, or
through your first language.
through your first language.
218
533835
4266
à travers votre langue maternelle,
ou à travers votre première langue.
ou à travers votre première langue.
09:10
So what's interesting about FreeSpeech
219
538101
3252
Donc ce qui est intéressant
avec le FreeSpeech,
avec le FreeSpeech,
09:13
is that when you create a sentence
220
541353
1802
c'est que lorsque vous créez
une phrase ou du langage,
une phrase ou du langage,
09:15
or when you create language,
221
543155
1695
09:16
a child with autism creates
language with FreeSpeech,
language with FreeSpeech,
222
544850
3070
un enfant autiste créant
du langage avec le FreeSpeech,
du langage avec le FreeSpeech,
09:19
they're not using this support language,
223
547920
1833
n'utilise pas de support de langue,
ni ce pont entre les langues.
ni ce pont entre les langues.
09:21
they're not using this bridge language.
224
549753
2211
09:23
They're directly constructing the sentence.
225
551964
2657
Il construit directement une phrase.
09:26
And so this gave me this idea.
226
554621
2193
Donc cela m'a donné une idée.
09:28
Is it possible to use FreeSpeech
227
556814
2024
Est-il possible d'utiliser le FreeSpeech,
09:30
not for children with autism
228
558838
2510
non seulement pour les enfants autistes,
09:33
but to teach language to people without disabilities?
229
561348
6262
mais aussi pour enseigner les langues
aux gens sans handicap ?
aux gens sans handicap ?
Donc j'ai tenté
un certain nombre d'expériences.
un certain nombre d'expériences.
09:39
And so I tried a number of experiments.
230
567610
1978
09:41
The first thing I did was I built a jigsaw puzzle
231
569588
2948
La première chose que j'ai faite
a été de construire un puzzle
a été de construire un puzzle
09:44
in which these questions and answers
232
572536
1970
dans lequel ces questions et réponses
sont codées en formes, en couleurs,
sont codées en formes, en couleurs,
09:46
are coded in the form of shapes,
233
574506
1835
09:48
in the form of colors,
234
576341
1138
09:49
and you have people putting these together
235
577479
1849
les gens les mettent en commun, essaient
de comprendre comment ça fonctionne.
de comprendre comment ça fonctionne.
09:51
and trying to understand how this works.
236
579328
1773
09:53
And I built an app out of it, a game out of it,
237
581101
2376
J'ai élaboré une application,
un jeu avec lequel
un jeu avec lequel
09:55
in which children can play with words
238
583477
2661
les enfants peuvent
jouer avec les mots
jouer avec les mots
09:58
and with a reinforcement,
239
586138
1704
avec un renforcement auditif
de structures visuelles,
de structures visuelles,
09:59
a sound reinforcement of visual structures,
240
587842
2585
ils sont capables d'apprendre le langage.
10:02
they're able to learn language.
241
590427
2013
10:04
And this, this has a lot of potential, a lot of promise,
242
592440
2736
Cela a beaucoup de potentiel,
c'est très prometteur,
c'est très prometteur,
10:07
and the government of India recently
243
595176
1975
le gouvernement indien a récemment
autorisé cette technologie,
autorisé cette technologie,
10:09
licensed this technology from us,
244
597151
1404
ils vont l'essayer avec
des millions d'enfants différents
des millions d'enfants différents
10:10
and they're going to try it out
with millions of different children
with millions of different children
245
598555
2074
10:12
trying to teach them English.
246
600629
2605
pour leur apprendre l'anglais.
10:15
And the dream, the hope, the vision, really,
247
603234
2614
Et le rêve, l'espoir, la vision
10:17
is that when they learn English this way,
248
605848
3082
est que lorsqu'ils apprennent
l'anglais de cette façon,
l'anglais de cette façon,
10:20
they learn it with the same proficiency
249
608930
2643
ils l'apprennent avec la même compétence
10:23
as their mother tongue.
250
611573
3718
que leur langue maternelle.
10:27
All right, let's talk about something else.
251
615291
3816
Très bien, parlons
de quelque chose d'autre.
de quelque chose d'autre.
10:31
Let's talk about speech.
252
619107
1997
Parlons de la parole.
10:33
This is speech.
253
621104
1271
Ceci est la parole.
10:34
So speech is the primary mode of communication
254
622375
1962
La parole est le premier mode
de communication délivré entre nous tous.
de communication délivré entre nous tous.
10:36
delivered between all of us.
255
624337
1613
10:37
Now what's interesting about speech is that
256
625950
1855
Ce qu'il y a d'intéressant
avec la parole,
avec la parole,
10:39
speech is one-dimensional.
257
627805
1245
c'est qu'elle est unidimensionnelle.
Pourquoi ?
Pourquoi ?
10:41
Why is it one-dimensional?
258
629050
1359
10:42
It's one-dimensional because it's sound.
259
630409
1568
Parce que c'est du son.
10:43
It's also one-dimensional because
260
631977
1539
Parce que nos bouches
sont faites de cette manière.
sont faites de cette manière.
10:45
our mouths are built that way.
261
633516
1205
10:46
Our mouths are built to create
one-dimensional sound.
one-dimensional sound.
262
634721
3512
Nos bouches sont faites pour
créer un son unidimensionnel.
créer un son unidimensionnel.
10:50
But if you think about the brain,
263
638233
2866
Mais si vous pensez au cerveau,
les pensées que nous avons dans nos têtes
les pensées que nous avons dans nos têtes
10:53
the thoughts that we have in our heads
264
641099
1764
10:54
are not one-dimensional.
265
642863
2102
ne sont pas unidimensionnelles.
10:56
I mean, we have these rich,
266
644965
1459
C'est-à-dire que nous avons ces idées
riches, compliquées, multidimensionnelles.
riches, compliquées, multidimensionnelles.
10:58
complicated, multi-dimensional ideas.
267
646424
3028
11:01
Now, it seems to me that language
268
649452
1690
Il me semble que le langage
11:03
is really the brain's invention
269
651142
2332
est vraiment une invention du cerveau
11:05
to convert this rich, multi-dimensional thought
270
653474
3096
pour convertir
cette pensée riche, multidimensionnelle
cette pensée riche, multidimensionnelle
11:08
on one hand
271
656570
1587
d'une part,
11:10
into speech on the other hand.
272
658157
1923
en parole d'autre part.
11:12
Now what's interesting is that
273
660080
1762
Ce qui est intéressant est que
l'on travaille beaucoup avec
l'information de nos jours,
l'information de nos jours,
11:13
we do a lot of work in information nowadays,
274
661842
2568
11:16
and almost all of that is done
in the language domain.
in the language domain.
275
664410
3079
presque tout cela est fait
dans le domaine du langage.
dans le domaine du langage.
11:19
Take Google, for example.
276
667489
1939
Prenez Google, par exemple.
11:21
Google trawls all these
countless billions of websites,
countless billions of websites,
277
669428
2677
Google brasse ces innombrables
milliards de sites web,
milliards de sites web,
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
tous sont en anglais,
quand vous utilisez Google,
quand vous utilisez Google,
11:26
you go into Google search, and you type in English,
279
674830
2450
vous allez sur Google,
vous tapez en anglais,
vous tapez en anglais,
11:29
and it matches the English with the English.
280
677280
4163
et il fait correspondre
l'anglais avec l'anglais.
l'anglais avec l'anglais.
11:33
What if we could do this in FreeSpeech instead?
281
681443
3583
Si on le faisait plutôt avec FreeSpeech ?
11:37
I have a suspicion that if we did this,
282
685026
2301
Je suspecte que si nous le faisions,
on trouverait que les algorithmes
comme « rechercher »,
comme « rechercher »,
11:39
we'd find that algorithms like searching,
283
687327
2068
11:41
like retrieval, all of these things,
284
689395
2325
comme l'extraction, toutes ces choses,
11:43
are much simpler and also more effective,
285
691720
3075
seraient plus simples et aussi plus efficaces,
11:46
because they don't process
the data structure of speech.
the data structure of speech.
286
694795
4417
parce qu'ils ne traitent pas
la structure des données de la parole.
la structure des données de la parole.
11:51
Instead they're processing
the data structure of thought.
the data structure of thought.
287
699212
5976
En revanche, ils traitent
la structure des données de la pensée.
la structure des données de la pensée.
11:57
The data structure of thought.
288
705188
2808
La structure des données de la pensée.
11:59
That's a provocative idea.
289
707996
2076
C'est une idée provocante.
12:02
But let's look at this in a little more detail.
290
710072
2142
Mais regardons-la plus en détails.
12:04
So this is the FreeSpeech ecosystem.
291
712214
2366
Ceci est l'écosystème « FreeSpeech ».
12:06
We have the Free Speech
representation on one side,
representation on one side,
292
714580
2884
On a la représentation
de « FreeSpeech » d'une part,
de « FreeSpeech » d'une part,
12:09
and we have the FreeSpeech
Engine, which generates English.
Engine, which generates English.
293
717464
2228
et la machine « FreeSpeech »,
qui génère l'anglais.
qui génère l'anglais.
12:11
Now if you think about it,
294
719694
1725
Si vous y réfléchissez,
12:13
FreeSpeech, I told you, is completely
language-independent.
language-independent.
295
721419
2544
« FreeSpeech » est complètement
indépendant du langage.
indépendant du langage.
12:15
It doesn't have any specific information in it
296
723963
2087
Il ne contient aucune
information spécifique en anglais.
information spécifique en anglais.
12:18
which is about English.
297
726050
1228
12:19
So everything that this system knows about English
298
727278
2800
Tout ce que ce système
sait à propos de l'anglais
sait à propos de l'anglais
12:22
is actually encoded into the engine.
299
730078
4620
est en fait codé dans l'application.
12:26
That's a pretty interesting concept in itself.
300
734698
2237
C'est un concept assez intéressant.
12:28
You've encoded an entire human language
301
736935
3604
On encode l'ensemble d'un langage humain
12:32
into a software program.
302
740539
2645
dans le programme d'un logiciel.
12:35
But if you look at what's inside the engine,
303
743184
2531
Mais si vous regardez
à l'intérieur de cette machine,
à l'intérieur de cette machine,
12:37
it's actually not very complicated.
304
745715
2358
en fait, ce n'est pas très compliqué.
12:40
It's not very complicated code.
305
748073
2105
Ce n'est pas un code très compliqué.
12:42
And what's more interesting is the fact that
306
750178
2672
Ce qui est encore plus intéressant
est le fait que
est le fait que
12:44
the vast majority of the code in that engine
307
752850
2203
la plus grande majorité du code
dans cette machine
dans cette machine
12:47
is not really English-specific.
308
755053
2412
n'est pas vraiment spécifique
à l'anglais.
à l'anglais.
12:49
And that gives this interesting idea.
309
757465
1895
Cela donne cette idée intéressante.
Il serait très facile pour nous
Il serait très facile pour nous
12:51
It might be very easy for us to actually
310
759360
2038
12:53
create these engines in many,
many different languages,
many different languages,
311
761398
3826
de créer ces machines dans
pleins pleins de langues différentes,
pleins pleins de langues différentes,
12:57
in Hindi, in French, in German, in Swahili.
312
765224
6354
en Hindi, en Français,
en Allemand, en Swahili.
en Allemand, en Swahili.
13:03
And that gives another interesting idea.
313
771578
2799
Cela donne une autre idée intéressante.
13:06
For example, supposing I was a writer,
314
774377
2654
Par exemple, en supposant
que je sois écrivain
que je sois écrivain
13:09
say, for a newspaper or for a magazine.
315
777031
2122
disons, pour un journal ou un magazine.
13:11
I could create content in one language, FreeSpeech,
316
779153
5011
Je pourrais créer un contenu
en un seul langage : « FreeSpeech ».
en un seul langage : « FreeSpeech ».
13:16
and the person who's consuming that content,
317
784164
2056
Et la personne qui achète le contenu,
13:18
the person who's reading that particular information
318
786220
3061
qui lit cette information particulière,
13:21
could choose any engine,
319
789281
2495
pourrait choisir n'importe quelle machine,
13:23
and they could read it in their own mother tongue,
320
791776
2736
et le lire
dans sa langue maternelle,
dans sa langue maternelle,
13:26
in their native language.
321
794512
3939
dans sa langue d'origine.
13:30
I mean, this is an incredibly attractive idea,
322
798451
2722
C'est une idée incroyablement tentante,
13:33
especially for India.
323
801173
1999
surtout pour l'Inde.
13:35
We have so many different languages.
324
803172
1690
Nous avons tant de langues.
13:36
There's a song about India, and there's a description
325
804862
2142
Il y a une chanson sur l'Inde,
où il y a une description du pays comme,
où il y a une description du pays comme,
13:39
of the country as, it says,
326
807004
2344
13:41
(in Sanskrit).
327
809348
2360
ça dit, (en Sanskrit)
13:43
That means "ever-smiling speaker
328
811708
2773
Cela signifie « toujours souriant parleur
de beaux langages ».
de beaux langages ».
13:46
of beautiful languages."
329
814481
4519
13:51
Language is beautiful.
330
819000
1964
Le langage est magnifique.
Je pense que
c'est la plus belle création humaine,
c'est la plus belle création humaine,
13:52
I think it's the most beautiful of human creations.
331
820964
2454
13:55
I think it's the loveliest thing
that our brains have invented.
that our brains have invented.
332
823418
3978
la chose la plus charmante
que notre cerveau ait inventée.
que notre cerveau ait inventée.
13:59
It entertains, it educates, it enlightens,
333
827396
3584
Il divertit, il éduque, il illumine,
mais ce que j'aime le plus
avec le langage
avec le langage
14:02
but what I like the most about language
334
830980
2044
14:05
is that it empowers.
335
833024
1500
c'est qu'il donne du pouvoir.
14:06
I want to leave you with this.
336
834524
1838
Je veux vous quitter avec cela.
14:08
This is a photograph of my collaborators,
337
836362
2385
C'est une photo de mes collègues,
mes premiers collègues
mes premiers collègues
14:10
my earliest collaborators
338
838747
997
quand j'ai commencé à travailler sur
le langage, l'autisme et autres choses.
le langage, l'autisme et autres choses.
14:11
when I started working on language
339
839744
1462
14:13
and autism and various other things.
340
841206
1502
14:14
The girl's name is Pavna,
341
842708
1417
La fille s'appelle Pavna,
et voici sa mère, Kalpana.
et voici sa mère, Kalpana.
14:16
and that's her mother, Kalpana.
342
844125
1902
14:18
And Pavna's an entrepreneur,
343
846027
2138
Pavna est une femme d'affaires,
son histoire est beaucoup plus
remarquable que la mienne,
remarquable que la mienne,
14:20
but her story is much more remarkable than mine,
344
848165
2371
14:22
because Pavna is about 23.
345
850536
2400
car elle a environ 23 ans.
14:24
She has quadriplegic cerebral palsy,
346
852936
2552
Elle a une paralysie
cérébrale tétraplégique,
cérébrale tétraplégique,
14:27
so ever since she was born,
347
855488
1640
donc depuis sa naissance,
14:29
she could neither move nor talk.
348
857128
3600
elle n'a jamais pu bouger ni parler.
14:32
And everything that she's accomplished so far,
349
860728
2403
Tout ce qu'elle a accompli
jusqu'à maintenant,
jusqu'à maintenant,
14:35
finishing school, going to college,
350
863131
2227
finir l'école, aller à l'université,
14:37
starting a company,
351
865358
1416
démarrer une entreprise,
14:38
collaborating with me to develop Avaz,
352
866774
2140
collaborer avec moi pour développer Avaz,
14:40
all of these things she's done
353
868914
1892
toutes ces choses qu'elle a faites
14:42
with nothing more than moving her eyes.
354
870806
5523
avec rien de plus
que bouger ses yeux.
que bouger ses yeux.
14:48
Daniel Webster said this:
355
876329
2689
Daniel Webster a dit ceci :
14:51
He said, "If all of my possessions were taken
356
879018
2940
« Si tous mes biens
m'étaient pris
m'étaient pris
14:53
from me with one exception,
357
881958
2988
à une exception près,
14:56
I would choose to keep the power of communication,
358
884946
2981
je choisirais de garder
le pouvoir de communiquer
le pouvoir de communiquer
14:59
for with it, I would regain all the rest."
359
887927
3903
avec ceci, je pourrais
retrouver tout le reste. »
retrouver tout le reste. »
15:03
And that's why, of all of these incredible
applications of FreeSpeech,
applications of FreeSpeech,
360
891830
5116
C'est pourquoi, de toutes ces applications
incroyables de « FreeSpeech »,
incroyables de « FreeSpeech »,
15:08
the one that's closest to my heart
361
896946
2080
celle qui est la plus chère à mon cœur,
15:11
still remains the ability for this
362
899026
2068
est celle qui laisse encore la possibilité
15:13
to empower children with disabilities
363
901094
2380
de redonner aux enfants handicapés
15:15
to be able to communicate,
364
903474
1773
la capacité de communiquer,
15:17
the power of communication,
365
905247
1789
le pouvoir de la communication,
15:19
to get back all the rest.
366
907036
2240
pour récupérer tout le reste.
15:21
Thank you.
367
909276
1397
Merci.
15:22
(Applause)
368
910673
1332
(Applaudissements)
15:24
Thank you. (Applause)
369
912005
4199
Merci. (Applaudissements)
15:28
Thank you. Thank you. Thank you. (Applause)
370
916204
5323
Merci. Merci. Merci. (Applaudissements)
15:33
Thank you. Thank you. Thank you. (Applause)
371
921527
4000
Merci. Merci. Merci. (Applaudissements)
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