TEDxBoston 2011
Jean-Baptiste Michel + Erez Lieberman Aiden: What we learned from 5 million books
Ինչ ենք մենք սովորում 5 միլիոն գրքերից
Filmed:
Readability: 3.9
2,049,453 views
Երբևիցե օգտագործել ե՞ք Google Labs' Ngram Viewer: Այն կախվածություն առաջացնող գործիք է, որ թույլ է տալիս 5 միլիոն գրքերի տվյալների շտեմարանում փնտրել նույնիսկ դարերից եկող բառեր և գաղափարներ : Էրեզ Լիբերման Էյդնը և Ժան-Բապտիստա Միշելը մեզ ցույց են տալիս, թե ինչպես է դա աշխատում, և որոշ զարմանալի բաներ, որ մենք կարող ենք սովորել 500 միլիարդ բառերից:
Jean-Baptiste Michel - Data researcher
Jean-Baptiste Michel looks at how we can use large volumes of data to better understand our world. Full bioErez Lieberman Aiden - Researcher
Erez Lieberman Aiden pursues a broad range of research interests, spanning genomics, linguistics, mathematics ... Full bio
Jean-Baptiste Michel looks at how we can use large volumes of data to better understand our world. Full bioErez Lieberman Aiden - Researcher
Erez Lieberman Aiden pursues a broad range of research interests, spanning genomics, linguistics, mathematics ... Full bio
Double-click the English transcript below to play the video.
00:15
Erez Lieberman Aiden: Everyone knows
0
0
2000
Էրեզ Լիբերման Էյդն.«Բոլորը գիտեն,
00:17
that a picture is worth a thousand words.
1
2000
3000
որ մի նկարը հազարավոր բառեր արժե:
00:22
But we at Harvard
2
7000
2000
Բայց մենք Հարվարդում
00:24
were wondering if this was really true.
3
9000
3000
կասկածում էինք, արդյոք դա ճիշտ է:
00:27
(Laughter)
4
12000
2000
(Ծիծաղ)
00:29
So we assembled a team of experts,
5
14000
4000
Այդ իսկ պատճառով մենք հավաքեցինք մի խումբ փորձագետների`
00:33
spanning Harvard, MIT,
6
18000
2000
Հարվարդի համալսարանից և Մասաչուսեթսի տեխնոլոգիական ինստիտուտից,
00:35
The American Heritage Dictionary, The Encyclopedia Britannica
7
20000
3000
Ամերիկյան Ժառանգություն Բառարանի և Բրիտանիկա հանրագիտարանի անձնակազմից
00:38
and even our proud sponsors,
8
23000
2000
և նույնիսկ մեր հպարտ հովանավորներից`
00:40
the Google.
9
25000
3000
Google-ին:
00:43
And we cogitated about this
10
28000
2000
Մենք այս մասին մտածել ենք
00:45
for about four years.
11
30000
2000
ավելի քան 4 տարի:
00:47
And we came to a startling conclusion.
12
32000
5000
Եվ հանգեցինք ապշեցուցիչ մի եզրակացության:
00:52
Ladies and gentlemen, a picture is not worth a thousand words.
13
37000
3000
Տիկնայք և պարոնայք, մի նկարը հազարավոր բառ չարժե:
00:55
In fact, we found some pictures
14
40000
2000
Իրականում, մենք գտանք որոշ նկարներ,
00:57
that are worth 500 billion words.
15
42000
5000
որոնք 500 միլիարդ բառ արժեն:
01:02
Jean-Baptiste Michel: So how did we get to this conclusion?
16
47000
2000
Ժան-Բապտիստա Միշել: Ինչպե՞ս մենք եկանք այս եզրակացության:
01:04
So Erez and I were thinking about ways
17
49000
2000
Էրեզը և ես մտածում էինք այն ուղիների մասին,
01:06
to get a big picture of human culture
18
51000
2000
թե ինչպես կարող ենք գտնել մի ընդհանուր պատկեր մարդկության մշակույթի
01:08
and human history: change over time.
19
53000
3000
և պատմության մասին` փոփխված ժամանակի ընթացքում:
01:11
So many books actually have been written over the years.
20
56000
2000
Տարիներ շարունակ շատ գրքեր են գրվել:
01:13
So we were thinking, well the best way to learn from them
21
58000
2000
Եվ մենք կարծում էինք, որ դրանց ուսումնասիրելու ամենալավ եղանակը
01:15
is to read all of these millions of books.
22
60000
2000
այդ միլիոնավոր գրքերը կարդալն է:
01:17
Now of course, if there's a scale for how awesome that is,
23
62000
3000
Իհարկե, եթե լիներ այդ հրաշքը գնահատելու սանդղակ,
01:20
that has to rank extremely, extremely high.
24
65000
3000
այն չափազանց արագ, չափազանց բարձր աճ կունենար:
01:23
Now the problem is there's an X-axis for that,
25
68000
2000
Այժմ խնդիրն այն է, որ դրա համար ունենք X-երի առանցքը,
01:25
which is the practical axis.
26
70000
2000
որը պրակտիկայի առանցք է:
01:27
This is very, very low.
27
72000
2000
Սա շատ, շատ ցածր է:
01:29
(Applause)
28
74000
3000
(Ծափահարություններ)
01:32
Now people tend to use an alternative approach,
29
77000
3000
Այսօր մարդիկ հակված են օգտագործել այլընտրանքային մոտեցում,
01:35
which is to take a few sources and read them very carefully.
30
80000
2000
այն է, վերցնել մի քանի աղբյուրներ և շատ ուշադիր կարդալ դրանք:
01:37
This is extremely practical, but not so awesome.
31
82000
2000
Սա չափազանց գործնական է, բայց ոչ այդքան ապշեցուցիչ:
01:39
What you really want to do
32
84000
3000
Այն, ինչ իրականում ցանկանում եք`
01:42
is to get to the awesome yet practical part of this space.
33
87000
3000
հասնել այս գործընթացի ոչ միայն գործնական, այլ նաև ապշեցուցիչ մասին:
01:45
So it turns out there was a company across the river called Google
34
90000
3000
Փաստորեն, պարզ է դառնում, որ գետի մյուս ափին Google անունով մի ընկերություն կա,
01:48
who had started a digitization project a few years back
35
93000
2000
որ դեռ մի քանի տարի առաջ էր սկսել թվայնացման ծրագիրը,
01:50
that might just enable this approach.
36
95000
2000
որը պարզապես հնարավորություն է տալիս անել դա:
01:52
They have digitized millions of books.
37
97000
2000
Նրանք թվայնացրեցին միլիոնավոր գրքեր:
01:54
So what that means is, one could use computational methods
38
99000
3000
Սա նշանակում է, որ կարելի էր օգտագործել հաշվարկման մեթոդներ`
01:57
to read all of the books in a click of a button.
39
102000
2000
բոլոր գրքերը կարդալու համար` կոճակի մի սեղմումով:
01:59
That's very practical and extremely awesome.
40
104000
3000
Սա իրոք շատ պրակտիկ է և չափազանց ապշեցուցիչ:
02:03
ELA: Let me tell you a little bit about where books come from.
41
108000
2000
Էրեզ: Թույլ տվեք ձեզ մի փոքր պատմեմ գրքերի ստեղծման մասին:
02:05
Since time immemorial, there have been authors.
42
110000
3000
Անհիշելի ժամանակներից կային գրողներ:
02:08
These authors have been striving to write books.
43
113000
3000
Այս գրողները ձգտում էին գրքեր գրել:
02:11
And this became considerably easier
44
116000
2000
Սա Էապես ավելի հեշտացավ
02:13
with the development of the printing press some centuries ago.
45
118000
2000
մի քանի դար առաջ տպագրահաստոցի առաջացումից հետո:
02:15
Since then, the authors have won
46
120000
3000
Դրանից հետո գրողները հաղթեցին.
02:18
on 129 million distinct occasions,
47
123000
2000
129 միլիոն գրքերի
02:20
publishing books.
48
125000
2000
հրատարակման դեպք գրանցվեց:
02:22
Now if those books are not lost to history,
49
127000
2000
Եվ եթե այդ գրքերը պատմության մեջ չեն կորել,
02:24
then they are somewhere in a library,
50
129000
2000
ուրեմն դրանք գրադարաններում ինչ-որ տեղ են պահվում,
02:26
and many of those books have been getting retrieved from the libraries
51
131000
3000
այս գրքերից շատերը գրադարաններից ետ վերցվեցին
02:29
and digitized by Google,
52
134000
2000
և թվայնացվեցին Google-ի կողմից,
02:31
which has scanned 15 million books to date.
53
136000
2000
որն այսօրվա դրությամբ 15 միլիոն գիրք է սկանավորել:
02:33
Now when Google digitizes a book, they put it into a really nice format.
54
138000
3000
Երբ Google-ը թվայնացնում է գրքերը, դրանք իսկապես լավ ձևաչափով են դասակարգվում:
02:36
Now we've got the data, plus we have metadata.
55
141000
2000
Հիմա մենք ունենք տվյալների բազա, դրան գումարած նաև մեթատվյալների բազա:
02:38
We have information about things like where was it published,
56
143000
3000
Մենք գիտենք, թե որտեղ են գրքերը հրատարակվել,
02:41
who was the author, when was it published.
57
146000
2000
ով է հեղինակը, երբ է այն հրատարակվել:
02:43
And what we do is go through all of those records
58
148000
3000
Եվ մենք ուսումնասիրեցինք այդ բոլոր գրառումները`
02:46
and exclude everything that's not the highest quality data.
59
151000
4000
բացառելով բոլոր ոչ բարձրորակ տվյալները:
02:50
What we're left with
60
155000
2000
Այն ինչ մեզ մնաց
02:52
is a collection of five million books,
61
157000
3000
հինգ միլիոն գրքերի հավաքածուն է,
02:55
500 billion words,
62
160000
3000
500 մլրդ բառ,
02:58
a string of characters a thousand times longer
63
163000
2000
հազար անգամ ավելի շատ տարրերով,
03:00
than the human genome --
64
165000
3000
քան մարդու գեներում են,
03:03
a text which, when written out,
65
168000
2000
եթե գրի առնենք այս տեքստը,
03:05
would stretch from here to the Moon and back
66
170000
2000
ապա այն կունենա դեպի լուսին և ետ ճանապարհի երկարությունը
03:07
10 times over --
67
172000
2000
բազմապատկած 10 անգամ,
03:09
a veritable shard of our cultural genome.
68
174000
4000
մշակութային գենի իրական մասնիկ:
03:13
Of course what we did
69
178000
2000
Իհարկե այն, ինչ մենք արեցինք,
03:15
when faced with such outrageous hyperbole ...
70
180000
3000
երբ դեմ առ դեմ կանգնեցին հիպերբոլայի առջև ...
03:18
(Laughter)
71
183000
2000
(Ծիծաղ)
03:20
was what any self-respecting researchers
72
185000
3000
այն էր, ինչ կաներ յուրաքանչյուր
03:23
would have done.
73
188000
3000
իրեն հարգող գիտնական:
03:26
We took a page out of XKCD,
74
191000
2000
Մենք վերցրեցինք XKCD-ից մի էջ
03:28
and we said, "Stand back.
75
193000
2000
և ասացինք. «Ետ քաշվեք:
03:30
We're going to try science."
76
195000
2000
Մենք պատրաստվում ենք գիտությամբ զբաղվել»:
03:32
(Laughter)
77
197000
2000
(Ծիծաղ)
03:34
JM: Now of course, we were thinking,
78
199000
2000
ԺՄ: Իհարկե մենք մտածում էինք,
03:36
well let's just first put the data out there
79
201000
2000
որ առաջնային նպատակը տվյալները հասանելի դարձնել
03:38
for people to do science to it.
80
203000
2000
այն մարդկանց համար, ով գիտությամբ է զբաղվում:
03:40
Now we're thinking, what data can we release?
81
205000
2000
Հիմա մենք մտածում ենք, թե ո՞ր տվյալները կարող ենք թողարկել:
03:42
Well of course, you want to take the books
82
207000
2000
Իհարկե, ցանկություն է առաջանում վերցնել
03:44
and release the full text of these five million books.
83
209000
2000
և միանգամից թողարկել այդ 5 միլիոն գրքերի ամբողջական տեքստերը:
03:46
Now Google, and Jon Orwant in particular,
84
211000
2000
Google-ը, մասնավորապես Ջոն Օրվանթը,
03:48
told us a little equation that we should learn.
85
213000
2000
մեզ մի փոքրիկ հավասարում սովորեցրեց:
03:50
So you have five million, that is, five million authors
86
215000
3000
Այսպիով, դուք ունեք 5 միլիոն, այսինքն` 5 միլիոն գրող,
03:53
and five million plaintiffs is a massive lawsuit.
87
218000
3000
իսկ հինգ միլիոն հայցվորները հավասար են զանգվածային դատական գործի:
03:56
So, although that would be really, really awesome,
88
221000
2000
Այսպես, թեև դա իրոք չափազանց ապշեցուցիչ է,
03:58
again, that's extremely, extremely impractical.
89
223000
3000
մեկ է, այն չափազանց, ծայրահեղ ոչ պրակտիկ է:
04:01
(Laughter)
90
226000
2000
(Ծիծաղ)
04:03
Now again, we kind of caved in,
91
228000
2000
Կարծես մենք զիջում ենք,
04:05
and we did the very practical approach, which was a bit less awesome.
92
230000
3000
և գործին շատ գործնական մոտեցում ցուցաբերեցինք, չնայած մի փոքր պակաս ապշեցուցիչ կերպով:
04:08
We said, well instead of releasing the full text,
93
233000
2000
Մենք ասացինք, որ ամբողջական տեքստը հրապարակելու փոխարեն,
04:10
we're going to release statistics about the books.
94
235000
2000
մենք կհրապարակենք գրքերի մասին վիճակագրությունը:
04:12
So take for instance "A gleam of happiness."
95
237000
2000
Վերցնենք օրինակ, «A gleam of happiness»-ը:
04:14
It's four words; we call that a four-gram.
96
239000
2000
այս բառերը մենք անվանում ենք 4-գրամ
04:16
We're going to tell you how many times a particular four-gram
97
241000
2000
Մենք պատրաստվում ենք ձեզ ցույց տալ, թե քանի անգամ է այս 4-գրամը
04:18
appeared in books in 1801, 1802, 1803,
98
243000
2000
հայտնվել 1801, 1802, 1803 թթ. գրքերում,
04:20
all the way up to 2008.
99
245000
2000
և այսպես մինչև 2008 թ.:
04:22
That gives us a time series
100
247000
2000
Սա մեզ կտա ժամանակային շարքերի հաճախականությունը,
04:24
of how frequently this particular sentence was used over time.
101
249000
2000
թե տվյալ նախադասությունը քանի անգամ է կրկնվել ժամանակի ընթացքում:
04:26
We do that for all the words and phrases that appear in those books,
102
251000
3000
Մենք դա արեցին այն բոլոր բառերի և բառակապակցությունների հետ, որ կային այդ գրքերում
04:29
and that gives us a big table of two billion lines
103
254000
3000
և դա մեզ տվեց 2 միլիարդ տողանի մի մեծ աղյուսակ,
04:32
that tell us about the way culture has been changing.
104
257000
2000
որոնք մեզ հուշում են, թե ինչպիսի փոփոխությունների է ենթարկվել մշակույթը:
04:34
ELA: So those two billion lines,
105
259000
2000
ԷԼԷ: Այսպես, այդ 2 միլիարդ տողերին
04:36
we call them two billion n-grams.
106
261000
2000
մենք անվանում ենք n-գրամ:
04:38
What do they tell us?
107
263000
2000
Ի՞նչ են դրանք մեզ ասում:
04:40
Well the individual n-grams measure cultural trends.
108
265000
2000
Առանձին n-գրամերը չափում են մշակութային տենդենցները:
04:42
Let me give you an example.
109
267000
2000
Թույլ տվեք բերեմ հետևյալ օրինակը:
04:44
Let's suppose that I am thriving,
110
269000
2000
Ենթադրենք, ես հարստացել եմ,
04:46
then tomorrow I want to tell you about how well I did.
111
271000
2000
իսկ վաղը ուզում եմ ձեզ ասել իմ կարգավիճակի մասին:
04:48
And so I might say, "Yesterday, I throve."
112
273000
3000
Այսպիսով, ես պետք է ասեմ. «Երեկ ես բարգավաճեցի (throve)»:
04:51
Alternatively, I could say, "Yesterday, I thrived."
113
276000
3000
Այլ կերպ ես կարող եմ ասել. «Երեկ ես բարգավաճեցի (thrived)»:
04:54
Well which one should I use?
114
279000
3000
Դե, ո՞ր մեկը պետք է օգտագործեմ:
04:57
How to know?
115
282000
2000
Ինչպե՞ս պարզել դա:
04:59
As of about six months ago,
116
284000
2000
Ավելի քան վեց ամիս առաջ
05:01
the state of the art in this field
117
286000
2000
այս ոլորտում արվեստի կարգավիճակը
05:03
is that you would, for instance,
118
288000
2000
այնպիսին էր, որ կարելի էր, օրինակ,
05:05
go up to the following psychologist with fabulous hair,
119
290000
2000
մոտենալ այս գեղեցիկ վարսահարդարմամբ հոգեբանին,
05:07
and you'd say,
120
292000
2000
և հարցնել.
05:09
"Steve, you're an expert on the irregular verbs.
121
294000
3000
«Սթիվ, դուք անկանոն բայերի մասնագետ եք:
05:12
What should I do?"
122
297000
2000
Ի՞նչ անեմ»:
05:14
And he'd tell you, "Well most people say thrived,
123
299000
2000
Եվ նա ձեզ կասի. «Դե, շատերը ասում են բարգավաճեցի (thrived),
05:16
but some people say throve."
124
301000
3000
բայց ոմանք էլ ասում են բարգավաճեցի (throve)»:
05:19
And you also knew, more or less,
125
304000
2000
Բայց դուք նաև քիչ թե շատ գիտեք,
05:21
that if you were to go back in time 200 years
126
306000
3000
որ եթե 200 տարով հետ գնայիք ժամանակի մեջ
05:24
and ask the following statesman with equally fabulous hair,
127
309000
3000
և հարցնեիք այս քաղաքական գործիչին` նույնպես գեղեցիկ վարսահարդարմամբ.
05:27
(Laughter)
128
312000
3000
(Ծիծաղ)
05:30
"Tom, what should I say?"
129
315000
2000
«Թոմ, ի՞նչ պետք է ասեմ»:
05:32
He'd say, "Well, in my day, most people throve,
130
317000
2000
Նա կպատասխաներ. «Այժմ, մարդկանց մեծ մասը օգտագործում է բարգավաճեցի (throve),
05:34
but some thrived."
131
319000
3000
իսկ ոմանք էլ բարգավաճեցի (thrived)»:
05:37
So now what I'm just going to show you is raw data.
132
322000
2000
Այնպես որ, այն ինչ հիմա պատրաստվում եմ ձեզ ցույց տալ պարզապես չմշակված տվյալներ են:
05:39
Two rows from this table of two billion entries.
133
324000
4000
Այս երկու միլիարդ գրառումներով աղյուսակից 2 տող:
05:43
What you're seeing is year by year frequency
134
328000
2000
Այն, ինչ դուք տեսնում եք
05:45
of "thrived" and "throve" over time.
135
330000
3000
«thrived» և «throve»-ի ժամանակի րնթացքում կատարված տարեկան պարբերականն է:
05:49
Now this is just two
136
334000
2000
Իսկ սա ընդամենը երկու բառ է
05:51
out of two billion rows.
137
336000
3000
երկու միլիարդ բառերի շարքից:
05:54
So the entire data set
138
339000
2000
Այնպես որ, ամբողջ տվյալների համախումբը
05:56
is a billion times more awesome than this slide.
139
341000
3000
միլիարդ անգամ ավելի ապշեցուցիչ է, քան այս սլայդը:
05:59
(Laughter)
140
344000
2000
(Ծիծաղ)
06:01
(Applause)
141
346000
4000
(Ծափահարություններ)
06:05
JM: Now there are many other pictures that are worth 500 billion words.
142
350000
2000
ԺՄ: Կան նաև շատ այլ նկարներ, որ 500 միլիարդ բառ արժեն:
06:07
For instance, this one.
143
352000
2000
Օրինակ, այս մեկը:
06:09
If you just take influenza,
144
354000
2000
Եթե դուք հարբուխով հիվանդանաք,
06:11
you will see peaks at the time where you knew
145
356000
2000
կարող եք տեսնել գագաթնակետային վիճակները այն ժամանակ, երբ դուք գիտեիք, որ
06:13
big flu epidemics were killing people around the globe.
146
358000
3000
մեծ գրիպի համաճարակի ընթացքում ամբողջ աշխարհում մարդիկ մահանում էին:
06:16
ELA: If you were not yet convinced,
147
361000
3000
ԷԼԷ. Դուք դեռ չեք համոզվել,
06:19
sea levels are rising,
148
364000
2000
որ ծովի մակարդակը բարձրանում է,
06:21
so is atmospheric CO2 and global temperature.
149
366000
3000
այսպես, ինչպես մթնոլորտայն ածխաթթու գազն ու գլոբալ ջերմաստիճանը
06:24
JM: You might also want to have a look at this particular n-gram,
150
369000
3000
ԺՄ: Դուք նաև կարող եք տեսնել այս որոշակի n-գրամը,
06:27
and that's to tell Nietzsche that God is not dead,
151
372000
3000
իսկ Նիցշեն ասել է, որ Աստված մահացած չէ,
06:30
although you might agree that he might need a better publicist.
152
375000
3000
չնայած կարելի է համաձայնվել, որ նա լավագույն հրապարակախոսի կարիքն ունի:
06:33
(Laughter)
153
378000
2000
(Ծիծաղ)
06:35
ELA: You can get at some pretty abstract concepts with this sort of thing.
154
380000
3000
ԷԼԷ: Այս գործիքի օգնությամբ դուք կարող եք ձեռք բերել բավականին աբստրակտ հասկացություններ:
06:38
For instance, let me tell you the history
155
383000
2000
Օրինակ, թույլ տվեք ձեզ պատմեմ մի պատմություն,
06:40
of the year 1950.
156
385000
2000
որ տեղի է ունեցել 1950 թ-ին:
06:42
Pretty much for the vast majority of history,
157
387000
2000
Պատմության գերակշիռ մասում,
06:44
no one gave a damn about 1950.
158
389000
2000
1950 թ-ը ոչ ոքի չի հետաքրքրել:
06:46
In 1700, in 1800, in 1900,
159
391000
2000
1700-ին 1800-ին 1800-ին
06:48
no one cared.
160
393000
3000
ոչ ոքի դա պետք չէր:
06:52
Through the 30s and 40s,
161
397000
2000
Երեսունականներին և քառասունականներին
06:54
no one cared.
162
399000
2000
նույնպես ոչ ոք չէր մտածում դրա մասին:
06:56
Suddenly, in the mid-40s,
163
401000
2000
Հանկարծակի քառասունականների կեսերին
06:58
there started to be a buzz.
164
403000
2000
ինչ-որ հետաքրքրություն առաջ եկավ:
07:00
People realized that 1950 was going to happen,
165
405000
2000
Մարդիկ հասկացան, որ 1950 թ. մոտենում է,
07:02
and it could be big.
166
407000
2000
և դա կարող է ահռելի իրադարձություն լինել:
07:04
(Laughter)
167
409000
3000
(Ծիծաղ)
07:07
But nothing got people interested in 1950
168
412000
3000
Սակայն ոչինչ չստիպեց մարդկանց հետաքրքրվել 1950 թ-ով այնքան,
07:10
like the year 1950.
169
415000
3000
որքան հենց ինքը` 1950-ը:
07:13
(Laughter)
170
418000
3000
(Ծիծաղ)
07:16
People were walking around obsessed.
171
421000
2000
Մարդիկ խենթացել էին:
07:18
They couldn't stop talking
172
423000
2000
Նրանք անկարող էին լռել
07:20
about all the things they did in 1950,
173
425000
3000
այն ամենի մասին, ինչ արել էին 1950 թ-ին,
07:23
all the things they were planning to do in 1950,
174
428000
3000
այն բոլոր բաների մասին, ինչ նրանք պլանավորում էին անել 1950 թ-ին,
07:26
all the dreams of what they wanted to accomplish in 1950.
175
431000
5000
այն բոլոր երազանքների մասին, ինչ նրանք ցանկանում էին իրականացնել 1950 թ-ին:
07:31
In fact, 1950 was so fascinating
176
436000
2000
Արդյունքում, 1950-ը այնքան հրաշալի էր,
07:33
that for years thereafter,
177
438000
2000
որ տարիներ անց,
07:35
people just kept talking about all the amazing things that happened,
178
440000
3000
մարդիկ շարունակում էին խոսել բոլոր զարմանալի բաների մասին, որ տեղի էր ունեցել,
07:38
in '51, '52, '53.
179
443000
2000
'51-ին, '52-ին, '53-ին:
07:40
Finally in 1954,
180
445000
2000
Վերջապես 1954 թ-ին
07:42
someone woke up and realized
181
447000
2000
ինչ-որ մեկը մի օր արթնացավ և հասկացավ,
07:44
that 1950 had gotten somewhat passé.
182
449000
4000
որ 1950թ. արդեն հնացել է:
07:48
(Laughter)
183
453000
2000
(Ծիծաղ)
07:50
And just like that, the bubble burst.
184
455000
2000
Հենց այնպես, ինչպես փուչիկն է պայթում:
07:52
(Laughter)
185
457000
2000
(Ծիծաղ)
07:54
And the story of 1950
186
459000
2000
Իսկ 1950-ի պատմությունը
07:56
is the story of every year that we have on record,
187
461000
2000
կրկնվում է յուրաքանչյուր տարվա համար, որի մասին մենք ունենք տեղեկություններ,
07:58
with a little twist, because now we've got these nice charts.
188
463000
3000
որոշակի շեղումով, քանի որ հիմա մենք ունենք այս գեղեցիկ գծապատկերները:
08:01
And because we have these nice charts, we can measure things.
189
466000
3000
Շնորհիվ այս հրաշալի գծապատկերների, մենք կարող ենք չափել շատ բաներ:
08:04
We can say, "Well how fast does the bubble burst?"
190
469000
2000
Կարող ենք ասել. «Դե, ին՞չ արագությամբ կարող է փուչիկը պայթել»:
08:06
And it turns out that we can measure that very precisely.
191
471000
3000
Պարզվում է, որ մենք կարող ենք դա ճշտորեն չափել:
08:09
Equations were derived, graphs were produced,
192
474000
3000
Հավասարումները դուրս էին գրվել, գրաֆիկները գծագրվել էին,
08:12
and the net result
193
477000
2000
և արդյունքն այն է, որ
08:14
is that we find that the bubble bursts faster and faster
194
479000
3000
փուչիկները պայթում են ավելի ու ավելի արագ
08:17
with each passing year.
195
482000
2000
յուրաքանչյուր հաջորդ տարում:
08:19
We are losing interest in the past more rapidly.
196
484000
5000
Մենք շատ արագ ենք կորցնում մեր հատաքրքրությունն անցյալի նկատմամբ:
08:24
JM: Now a little piece of career advice.
197
489000
2000
ԺՄ: Իսկ հիմա մի փոքր խորհուրդ կարիերայի վերաբերյալ:
08:26
So for those of you who seek to be famous,
198
491000
2000
Ձեզանից յուրաքանչյուրի համար, ով ձգտում է հայտնի դառնալ,
08:28
we can learn from the 25 most famous political figures,
199
493000
2000
կարող է սովորել 25ից ավելի հայտնի քաղաքական գործիչներից,
08:30
authors, actors and so on.
200
495000
2000
գրողներից, դերասաններից և այլն:
08:32
So if you want to become famous early on, you should be an actor,
201
497000
3000
Եթե դուք ցանկանում եք վաղ տարիքում հայտնի դառնալ, դուք կարող եք դերասան դառնալ,
08:35
because then fame starts rising by the end of your 20s --
202
500000
2000
քանի որ այդ համբավը սկսում է մեծանալ, երբ դուք դեռ 20 տարեկան եք.
08:37
you're still young, it's really great.
203
502000
2000
դուք դեռ երիտասարդ եք և դա հրաշալի է:
08:39
Now if you can wait a little bit, you should be an author,
204
504000
2000
Եթե կարող եք մի փոքր սպասել, դուք կարող եք գրող դառնալ,
08:41
because then you rise to very great heights,
205
506000
2000
քանի որ այդ ժամանակ դուք կհասնեք մեծ բարձունքների,
08:43
like Mark Twain, for instance: extremely famous.
206
508000
2000
ինչպես, օրինակ Մարկ Տվենը, չափազանց հայտնի է:
08:45
But if you want to reach the very top,
207
510000
2000
Բայց եթե դուք ուզում եք հասնել փառքի գագաթնակետին,
08:47
you should delay gratification
208
512000
2000
դուք պետք է հրաժարվեք հաճույքերից
08:49
and, of course, become a politician.
209
514000
2000
և, իհարկե, դառնաք քաղաքագետ:
08:51
So here you will become famous by the end of your 50s,
210
516000
2000
Այս դեպքում դուք հայտնի կլինեք, երբ 50 տարեկան դառնաք,
08:53
and become very, very famous afterward.
211
518000
2000
և շատ, չափազանց հայտնի կլինեք:
08:55
So scientists also tend to get famous when they're much older.
212
520000
3000
Գիտնականները նույնպես հայտնի են դառնում, երբ արդեն շատ ծեր են:
08:58
Like for instance, biologists and physics
213
523000
2000
Օրինակ, կենսաբաններն ու ֆիզիկոսները
09:00
tend to be almost as famous as actors.
214
525000
2000
այնքան հայտնի են, որքան դերասանները:
09:02
One mistake you should not do is become a mathematician.
215
527000
3000
Սխալը, որ պետք չէ թույլ տալ` մաթեմատիկոս դառնալն է:
09:05
(Laughter)
216
530000
2000
(Ծիծաղ)
09:07
If you do that,
217
532000
2000
Այս դեպքում
09:09
you might think, "Oh great. I'm going to do my best work when I'm in my 20s."
218
534000
3000
կարելի է ենթադրել. «Հինալի է, ես իմ ամենալավ աշխատանքը հայտնագործել եմ, երբ ընդամենը 20 տարեկան էի»:
09:12
But guess what, nobody will really care.
219
537000
2000
Բայց գիտեք ինչ, ոչ ոքի դա պետք չէ:
09:14
(Laughter)
220
539000
3000
(Ծիծաղ)
09:17
ELA: There are more sobering notes
221
542000
2000
ԷԼԷ: n-գրամերը շատ ավելի սթափեցնող
09:19
among the n-grams.
222
544000
2000
հատկություններ ունեն:
09:21
For instance, here's the trajectory of Marc Chagall,
223
546000
2000
Օրինակ` ահա Մարկ Շագալի հետագիծը,
09:23
an artist born in 1887.
224
548000
2000
նկարիչ, որ ծնվել է 1887-ին:
09:25
And this looks like the normal trajectory of a famous person.
225
550000
3000
Նա ունի հայտնի մարդու սովորական ուղի:
09:28
He gets more and more and more famous,
226
553000
4000
Նա ավելի և ավելի հայտնի է դառնում,
09:32
except if you look in German.
227
557000
2000
բացառությամբ գերմանախոսների շրջանում,
09:34
If you look in German, you see something completely bizarre,
228
559000
2000
Եթե գերմաներեն լեզվին նայենք, ապա կտեսնենք մի անհնարին բան,
09:36
something you pretty much never see,
229
561000
2000
մի բան, որ հազվադեպ եք տեսնում,
09:38
which is he becomes extremely famous
230
563000
2000
նա դառնում է չափազանց հայտնի,
09:40
and then all of a sudden plummets,
231
565000
2000
այնուհետև, միանգամից նվազում է
09:42
going through a nadir between 1933 and 1945,
232
567000
3000
անցնելով 1933-ի և 1945-ի մրջև գտնվող ծայրահեղ անկման շրջանով,
09:45
before rebounding afterward.
233
570000
3000
շատ ավելի հետ ընկրկելու համար:
09:48
And of course, what we're seeing
234
573000
2000
Իհարկե, այստեղ մենք տեսնում ենք
09:50
is the fact Marc Chagall was a Jewish artist
235
575000
3000
այն փաստը, որ Մարկ Շագալը հրեա նկարիչ էր
09:53
in Nazi Germany.
236
578000
2000
Նացիստական Գերմանիայում:
09:55
Now these signals
237
580000
2000
Այս ազդանշանները
09:57
are actually so strong
238
582000
2000
իրականում այնքան ուժեղ են,
09:59
that we don't need to know that someone was censored.
239
584000
3000
որ մեզ պետք չէ իմանալ, որ ինչ-որ մեկը գրաքննվել է:
10:02
We can actually figure it out
240
587000
2000
Մենք կարող ենք դա հասկանալ`
10:04
using really basic signal processing.
241
589000
2000
օգտագործելով ազդանշանների ամենապարզ վերլուծությունը:
10:06
Here's a simple way to do it.
242
591000
2000
Ահա դա անելու ամենապարզ եղանակը:
10:08
Well, a reasonable expectation
243
593000
2000
Խելամիտ է ենթադրել այն,
10:10
is that somebody's fame in a given period of time
244
595000
2000
որ ինչ-ոչ մեկի փառքը տվյալ ժամանակահատվածում
10:12
should be roughly the average of their fame before
245
597000
2000
պետք է հավասար լինի մինչև նրան և նրանից հետո եղած
10:14
and their fame after.
246
599000
2000
փառքերի միջինին:
10:16
So that's sort of what we expect.
247
601000
2000
Այսինքն, սա հենց այն էր, ինչ մենք սպասում էինք:
10:18
And we compare that to the fame that we observe.
248
603000
3000
Եվ դա մենք կհամեմատենք այն բանի հետ, ինչ հետազոտում ենք:
10:21
And we just divide one by the other
249
606000
2000
Այնուհետև դրանք հարաբերում ենք իրար,
10:23
to produce something we call a suppression index.
250
608000
2000
որպեսզի ստանանք այն, ինչ կոչում ենք ընկճման ինդեքս:
10:25
If the suppression index is very, very, very small,
251
610000
3000
Եթե ընկճման ինդեքսը շատ, շատ, շատ փոքր է,
10:28
then you very well might be being suppressed.
252
613000
2000
ապա հավանականություն կա, որ ձեզ ընկճում են:
10:30
If it's very large, maybe you're benefiting from propaganda.
253
615000
3000
Եթե դա մեծ է, ապա ձեզ, հավանաբար, պրոպագանդում են:
10:34
JM: Now you can actually look at
254
619000
2000
ԺՄ: Իսկ այժմ կարող ենք նայել
10:36
the distribution of suppression indexes over whole populations.
255
621000
3000
ամբողջ բնակչության նկատմամբ ընկճման ինդեքսների բաշխմանը:
10:39
So for instance, here --
256
624000
2000
Օրինակ այստեղ,
10:41
this suppression index is for 5,000 people
257
626000
2000
այս ընկճման ինդեքսը 5000 մարդու համար է`
10:43
picked in English books where there's no known suppression --
258
628000
2000
ընտրված անգլալեզու գրքերից, որտեղ ցենզուրան բացակայում է.
10:45
it would be like this, basically tightly centered on one.
259
630000
2000
դա մոտավորապես այսքան է, կետրոնացված մեկի վրա:
10:47
What you expect is basically what you observe.
260
632000
2000
Այն ինչ դուք սպասում եք, համընկնում է դիտարկումի հետ
10:49
This is distribution as seen in Germany --
261
634000
2000
Այս բաշխումը կատարվել է Գերմանիայում`
10:51
very different, it's shifted to the left.
262
636000
2000
սա լրիվ տարբեր է, փոխանցված դեպի ձախ:
10:53
People talked about it twice less as it should have been.
263
638000
3000
Մարդիկ դրա մասին խոսել են 2 անգամ ավելի քիչ, քան պետք էր:
10:56
But much more importantly, the distribution is much wider.
264
641000
2000
Սակայն այն, ինչ անհրաժեշտ է, ավելի լայն բաշխումն է:
10:58
There are many people who end up on the far left on this distribution
265
643000
3000
Շատ մարդկանց մասին, ովքեր հայտնվում են այս բաշխման ձախ կողմում,
11:01
who are talked about 10 times fewer than they should have been.
266
646000
3000
խոսում են 10 անգամ ավելի քիչ, քան պետք է:
11:04
But then also many people on the far right
267
649000
2000
Իսկ աջ կողմում գտնվող շատ մարդիկ
11:06
who seem to benefit from propaganda.
268
651000
2000
քաղում են պրոպագանդայի պտուղները:
11:08
This picture is the hallmark of censorship in the book record.
269
653000
3000
Այս նկարը գրքի պատմության ցենզուրայի կնիքն է:
11:11
ELA: So culturomics
270
656000
2000
ԷԼԷ: մենք սա անվանում ենք
11:13
is what we call this method.
271
658000
2000
կուլտուրոմիքսի մեթոդ:
11:15
It's kind of like genomics.
272
660000
2000
Սա գենոմիքսի պես բան է:
11:17
Except genomics is a lens on biology
273
662000
2000
Միայն թե գենոմիքսը կենսաբանության ոսպնյակն է հանդիսանում,
11:19
through the window of the sequence of bases in the human genome.
274
664000
3000
մարդու գենի հիմքի հաջորդականության պատուհանից դուրս:
11:22
Culturomics is similar.
275
667000
2000
Կուլտուրոմիքսը նման է սրան:
11:24
It's the application of massive-scale data collection analysis
276
669000
3000
Սա չափազանց մեծ մասշտաբի տվյալների հավաքականի վերլուծության օգտագործումն է`
11:27
to the study of human culture.
277
672000
2000
մարդկության մշակույթը ուսումնասիրելու համար:
11:29
Here, instead of through the lens of a genome,
278
674000
2000
Սակայն, ի հակադրություն սրան, գենի ոսպնյակը
11:31
through the lens of digitized pieces of the historical record.
279
676000
3000
մենք տենում ենք պատմության թվայնացված մասերի ոսպնյակի միջոցով:
11:34
The great thing about culturomics
280
679000
2000
Կուլտուրոմիքսի դրական կողմն այն է,
11:36
is that everyone can do it.
281
681000
2000
որ բոլորը կարող են օգտագործել դա:
11:38
Why can everyone do it?
282
683000
2000
Իսկ ինչո՞ւ բոլորը կարող են դա անել:
11:40
Everyone can do it because three guys,
283
685000
2000
Բոլորը կարող են անել դա, քանի որ 3 հոգի`
11:42
Jon Orwant, Matt Gray and Will Brockman over at Google,
284
687000
3000
Ջոն Օրվանթը, Մետտ Գրեյը և Ուիլ Բրոքմանը Google-ից`
11:45
saw the prototype of the Ngram Viewer,
285
690000
2000
տեսնելով Ngram Viewer-ը,
11:47
and they said, "This is so fun.
286
692000
2000
ասացին. «Սա շատ զվարճալի բան է:
11:49
We have to make this available for people."
287
694000
3000
Մենք պետք է սա բոլորի համար հասնելի դարձնենք»:
11:52
So in two weeks flat -- the two weeks before our paper came out --
288
697000
2000
Ուղիղ երկու շաբաթում, մեր հոդվածի հրատարակումից ընդամենը 2 շաբաթ առաջ,
11:54
they coded up a version of the Ngram Viewer for the general public.
289
699000
3000
նրանք ծրագրավորեցին Ngram Viewer ամբողջ հասարակության համար:
11:57
And so you too can type in any word or phrase that you're interested in
290
702000
3000
Հիմա դուք էլ կարող եք հավաքել ցանկացած բառ կամ նախադասություն, որ ձեզ հետաքրքրում է,
12:00
and see its n-gram immediately --
291
705000
2000
և անմիջապես տեսնել դրա n-գրամը,
12:02
also browse examples of all the various books
292
707000
2000
ներառյալ դրանց օրինակները բազմաթիվ այլ գրքերից,
12:04
in which your n-gram appears.
293
709000
2000
որտեղ հանդիպում ենք n-գրամ:
12:06
JM: Now this was used over a million times on the first day,
294
711000
2000
ԺՄ: Հենց առաջին իսկ օրը դա միլիոն անգամ օգտագործվեց,
12:08
and this is really the best of all the queries.
295
713000
2000
և սա հարցումներից ամենալավն է:
12:10
So people want to be their best, put their best foot forward.
296
715000
3000
Մարդիկ ցանկանում են իրենց ամենալավ կողմը ցույց տալ:
12:13
But it turns out in the 18th century, people didn't really care about that at all.
297
718000
3000
Սակայն պարզ է դառնում, որ 18-րդ դարում դա ընդհանրապես մարդկանց չի հետաքրքրել:
12:16
They didn't want to be their best, they wanted to be their beft.
298
721000
3000
Նրանք չեն ցանկանում իրենց ամենալավ (best) կողմը ցույց տալ, նրանք ցանկանում էին իրենց ամենալաֆ (beft) կողմը ցույց տալ:
12:19
So what happened is, of course, this is just a mistake.
299
724000
3000
Իհարկե,այն ինչ պատահեց, ուղղակի սխալ էր:
12:22
It's not that strove for mediocrity,
300
727000
2000
Դա միջակության ձգտում չէ,
12:24
it's just that the S used to be written differently, kind of like an F.
301
729000
3000
ուղղակի 'Վ' տառը գրվել է այլ կերպ, մի փոքր նման 'Ֆ' տառին:
12:27
Now of course, Google didn't pick this up at the time,
302
732000
3000
Իհարկե այն ժամանակ Google-ը ուշադրություն չդարձրեց դրան,
12:30
so we reported this in the science article that we wrote.
303
735000
3000
այդ պատճառով մենք դա մեր հոդվածում օգտագործեցինք:
12:33
But it turns out this is just a reminder
304
738000
2000
Սակայն պարզ դարձավ, որ սա միայն հիշեցում է,
12:35
that, although this is a lot of fun,
305
740000
2000
որ չնայաց դա զվարճալի է,
12:37
when you interpret these graphs, you have to be very careful,
306
742000
2000
այս գրաֆիկները մեկնաբանելիս, պետք է շատ զգույշ լինել,
12:39
and you have to adopt the base standards in the sciences.
307
744000
3000
և անհրաժեշտ է օգտագործել գիտության լավագույն չափանիշները:
12:42
ELA: People have been using this for all kinds of fun purposes.
308
747000
3000
ԷԼԷ: Մարդիկ ինչ ձևով ասես, որ չեն օգտագործել դա:
12:45
(Laughter)
309
750000
7000
(Ծիծաղ)
12:52
Actually, we're not going to have to talk,
310
757000
2000
Իրականում, ոչինչ պետք չէ ասել,
12:54
we're just going to show you all the slides and remain silent.
311
759000
3000
մենք ցույց կտանք սլայդերը անձայն:
12:57
This person was interested in the history of frustration.
312
762000
3000
Այս մարդուն հետաքրքրել է բացականչությունների պատմությունը:
13:00
There's various types of frustration.
313
765000
3000
Բացականչությունների տարբեր ձևեր կան:
13:03
If you stub your toe, that's a one A "argh."
314
768000
3000
Եթե հարվածել եք ձեր ոտքի բութ մաինը, դա «Ախ» է մեկ Ա-ով:
13:06
If the planet Earth is annihilated by the Vogons
315
771000
2000
Եթե Երկիր մոլորակը ոչնչացվում է Վոգոնների կողմից,
13:08
to make room for an interstellar bypass,
316
773000
2000
որպեսզի տեղ ազատվի միջտիեզերական շրջանցումների համար,
13:10
that's an eight A "aaaaaaaargh."
317
775000
2000
ապա դա «Աաաաաաաախ» է ութ Ա-ով
13:12
This person studies all the "arghs,"
318
777000
2000
Այս մարդը ուսումնասիրել է բոլոր «Ախերը»`
13:14
from one through eight A's.
319
779000
2000
մեկից մինչև ութ Ա պարունակող:
13:16
And it turns out
320
781000
2000
Եվ պարզվում է,
13:18
that the less-frequent "arghs"
321
783000
2000
որ ավելի հազվադեպ «Ախերը»,
13:20
are, of course, the ones that correspond to things that are more frustrating --
322
785000
3000
իհարկե, առավել վախեցնող բաների հետ են կապված.
13:23
except, oddly, in the early 80s.
323
788000
3000
բացառությամբ, ինչը շատ տարօրինակ է, 80-ականների սկզբի:
13:26
We think that might have something to do with Reagan.
324
791000
2000
Միգուցե, Ռեյգանը ինչ-որ կապ ունի սրա հետ:
13:28
(Laughter)
325
793000
2000
(Ծիծաղ)
13:30
JM: There are many usages of this data,
326
795000
3000
ԺՄ: Այս տվյալները կարելի է տարբեր կերպ օգտագործել,
13:33
but the bottom line is that the historical record is being digitized.
327
798000
3000
սակայն խնդրիը պատմական թվայնացման մեջ չէ:
13:36
Google has started to digitize 15 million books.
328
801000
2000
Google-ը սկսել է թվայնացնել 15 միլիոն գիրք:
13:38
That's 12 percent of all the books that have ever been published.
329
803000
2000
Դա երբևէ հրատարակված գրքերի 12 տոկոսն է կազմում:
13:40
It's a sizable chunk of human culture.
330
805000
3000
Դա մարդկույթան մշակույթի զգալի մասն է կազմում:
13:43
There's much more in culture: there's manuscripts, there newspapers,
331
808000
3000
Սակայն մշակույթը իր մեջ շատ ավելին է պարունակում. ձեռագրեր, թերթեր,
13:46
there's things that are not text, like art and paintings.
332
811000
2000
ոչ տեքստային բաներ, ինչպիսին է, օրինակ, արվեստը և նկարչությունը:
13:48
These all happen to be on our computers,
333
813000
2000
Այս ամենը կարող է հայտնվել մեր համակարգիչներում,
13:50
on computers across the world.
334
815000
2000
աշխարհի բոլոր համակարգիչներում:
13:52
And when that happens, that will transform the way we have
335
817000
3000
Եվ երբ սա պատահի, այն կվերափոխի մեր անցյալը, ներկան
13:55
to understand our past, our present and human culture.
336
820000
2000
և մարդկության ապագան ընկալելու մեր պատկերացումները:
13:57
Thank you very much.
337
822000
2000
Շատ շնորհակալություն:
13:59
(Applause)
338
824000
3000
(Ծափահարություններ)
ABOUT THE SPEAKERS
Jean-Baptiste Michel - Data researcherJean-Baptiste Michel looks at how we can use large volumes of data to better understand our world.
Why you should listen
Jean-Baptiste Michel holds joint academic appointments at Harvard (FQEB Fellow) and Google (Visiting Faculty). His research focusses on using large volumes of data as tools that help better understand the world around us -- from the way diseases progress in patients over years, to the way cultures change in human societies over centuries. With his colleague Erez Lieberman Aiden, Jean-Baptiste is a Founding Director of Harvard's Cultural Observatory, where their research team pioneers the use of quantitative methods for the study of human culture, language and history. His research was featured on the covers of Science and Nature, on the front pages of the New York Times and the Boston Globe, in The Economist, Wired and many other venues. The online tool he helped create -- ngrams.googlelabs.com -- was used millions of times to browse cultural trends. Jean-Baptiste is an Engineer from Ecole Polytechnique (Paris), and holds an MS in Applied Mathematics and a PhD in Systems Biology from Harvard.
Jean-Baptiste Michel | Speaker | TED.com
Erez Lieberman Aiden - Researcher
Erez Lieberman Aiden pursues a broad range of research interests, spanning genomics, linguistics, mathematics ...
Why you should listen
Erez Lieberman Aiden is a fellow at the Harvard Society of Fellows and Visiting Faculty at Google. His research spans many disciplines and has won numerous awards, including recognition for one of the top 20 "Biotech Breakthroughs that will Change Medicine", by Popular Mechanics; the Lemelson-MIT prize for the best student inventor at MIT; the American Physical Society's Award for the Best Doctoral Dissertation in Biological Physics; and membership in Technology Review's 2009 TR35, recognizing the top 35 innovators under 35. His last three papers -- two with JB Michel -- have all appeared on the cover of Nature and Science.
Erez Lieberman Aiden | Speaker | TED.com