TED2011
Deb Roy: The birth of a word
Deb Roy: Lahirnya sebuah kata
Filmed:
Readability: 4.2
2,809,941 views
Peneliti dari MIT, Deb Roy, ingin memahami bagaimana anak laki-lakinya mempelajari bahasa -- jadi dia memasang kamera video di rumahnya untuk menangkap setiap momen (dengan beberapa pengecualian) dari kehidupan anaknya, kemudian menguraikan 90.000 jam video untuk mengamati "gaaa" berangsur menjadi "water" (air). Sebuah riset kaya-data yang menakjubkan dengan implikasi mendalam pada bagaimana kita belajar.
Deb Roy - Cognitive scientist
Deb Roy studies how children learn language, and designs machines that learn to communicate in human-like ways. On sabbatical from MIT Media Lab, he's working with the AI company Bluefin Labs. Full bio
Deb Roy studies how children learn language, and designs machines that learn to communicate in human-like ways. On sabbatical from MIT Media Lab, he's working with the AI company Bluefin Labs. Full bio
Double-click the English transcript below to play the video.
00:15
Imagine if you could record your life --
0
0
4000
Bayangkan jika Anda bisa merekam kehidupan Anda --
00:19
everything you said, everything you did,
1
4000
3000
semua yang Anda katakan, semua yang Anda lakukan,
00:22
available in a perfect memory store at your fingertips,
2
7000
3000
tersedia dalam sebuah simpanan memori sempurna pada ujung jari Anda,
00:25
so you could go back
3
10000
2000
kemudian Anda bisa kembali
00:27
and find memorable moments and relive them,
4
12000
3000
dan menemukan saat-saat mengesankan dan membangkitannya,
00:30
or sift through traces of time
5
15000
3000
atau menyaring jejak-jejak waktu
00:33
and discover patterns in your own life
6
18000
2000
dan menemukan pola dalam kehidupan Anda sendiri
00:35
that previously had gone undiscovered.
7
20000
3000
yang sebelumnya belum pernah diketahui.
00:38
Well that's exactly the journey
8
23000
2000
Itulah perjalanan
00:40
that my family began
9
25000
2000
yang dimulai oleh keluargaku
00:42
five and a half years ago.
10
27000
2000
lima setengah tahun yang lalu
00:44
This is my wife and collaborator, Rupal.
11
29000
3000
Ini adalah istriku dan kolaborator Rupal.
00:47
And on this day, at this moment,
12
32000
2000
Dan pada hari ini, pada saat ini,
00:49
we walked into the house with our first child,
13
34000
2000
kami berjalan ke dalam rumah dengan anak pertama kami,
00:51
our beautiful baby boy.
14
36000
2000
bayi laki-laki kami yang ganteng.
00:53
And we walked into a house
15
38000
3000
Dan kami masuk ke rumah
00:56
with a very special home video recording system.
16
41000
4000
dengan sebuah sistem perekaman video spesial.
01:07
(Video) Man: Okay.
17
52000
2000
(Video) Laki-laki: Oke.
01:10
Deb Roy: This moment
18
55000
1000
Deb Roy: Saat ini
01:11
and thousands of other moments special for us
19
56000
3000
dan ribuan saat spesial kami yang lain ,
01:14
were captured in our home
20
59000
2000
direkam dalam rumah kami
01:16
because in every room in the house,
21
61000
2000
karena setiap ruangan dalam rumah,
01:18
if you looked up, you'd see a camera and a microphone,
22
63000
3000
jika Anda melihat ke atas, Anda akan melihat sebuah kamera dan sebuah mikrofon,
01:21
and if you looked down,
23
66000
2000
dan jika Anda melihat kee bawah,
01:23
you'd get this bird's-eye view of the room.
24
68000
2000
Anda akan melihat tampilan mata-burung ruangan ini
01:25
Here's our living room,
25
70000
3000
Ini adalah ruang keluarga kami,
01:28
the baby bedroom,
26
73000
3000
ruang kamar bayi,
01:31
kitchen, dining room
27
76000
2000
dapur, ruang makan
01:33
and the rest of the house.
28
78000
2000
dan keseluruhan rumah.
01:35
And all of these fed into a disc array
29
80000
3000
Dan semua ini dimasukkan ke dalam sebuah susunan disc
01:38
that was designed for a continuous capture.
30
83000
3000
yang didesain untuk menangkap gambar terus-menerus.
01:41
So here we are flying through a day in our home
31
86000
3000
Jadi inilah kami sedang menjalani hari-hari dalam rumah kami
01:44
as we move from sunlit morning
32
89000
3000
saat kami bergerak dari sinar pagi hari
01:47
through incandescent evening
33
92000
2000
melalui pijaran malam
01:49
and, finally, lights out for the day.
34
94000
3000
dan, akhirnya, cahaya mati untuk hari ini.
01:53
Over the course of three years,
35
98000
3000
Setelah tiga tahun,
01:56
we recorded eight to 10 hours a day,
36
101000
2000
kami merekam delapan hinggal 10 jam sehari,
01:58
amassing roughly a quarter-million hours
37
103000
3000
mengumpulkan sekitar seperempat juta jam
02:01
of multi-track audio and video.
38
106000
3000
suara dan video multi-track
02:04
So you're looking at a piece of what is by far
39
109000
2000
Jika Anda melihat sebagian apa jadinya sejauh ini
02:06
the largest home video collection ever made.
40
111000
2000
koleksi video rumahan terbesar yang pernah dibuat
02:08
(Laughter)
41
113000
3000
(Tawa)
02:11
And what this data represents
42
116000
2000
Dan yang direpresentasikan oleh data ini
02:13
for our family at a personal level,
43
118000
4000
untuk pribadi keluarga kami
02:17
the impact has already been immense,
44
122000
2000
dampaknya sangat besar,
02:19
and we're still learning its value.
45
124000
3000
dan kami masih mempelajari nilainya.
02:22
Countless moments
46
127000
2000
Saat-saat yang tak terhitung
02:24
of unsolicited natural moments, not posed moments,
47
129000
3000
dari saat-saat natural yang terjadi dengan sendirinya, tidak dibuat-buat
02:27
are captured there,
48
132000
2000
terekam di sana,
02:29
and we're starting to learn how to discover them and find them.
49
134000
3000
dan kami sedang memulai untuk mempelajari bagaimana untuk mencari dan menemukannya.
02:32
But there's also a scientific reason that drove this project,
50
137000
3000
Namun ada juga alasan ilmiah yang mendorong proyek ini,
02:35
which was to use this natural longitudinal data
51
140000
4000
untuk menggunakan data longitudinal natural ini
02:39
to understand the process
52
144000
2000
untuk memahami proses
02:41
of how a child learns language --
53
146000
2000
bagaimana seorang anak mempelajari bahasa --
02:43
that child being my son.
54
148000
2000
anak itu adalah anakku.
02:45
And so with many privacy provisions put in place
55
150000
4000
Dan dengan banyak ketetapan privasi yang diterapkan
02:49
to protect everyone who was recorded in the data,
56
154000
3000
untuk melindungi siapa saja yang terekam dalam data,
02:52
we made elements of the data available
57
157000
3000
kami menjadikan bagian data-data itu tersedia
02:55
to my trusted research team at MIT
58
160000
3000
untuk tim riset saya yang terpercaya di MIT
02:58
so we could start teasing apart patterns
59
163000
3000
kemudian kami dapat mulai mencari pola-pola
03:01
in this massive data set,
60
166000
3000
dalam himpunan data yang besar ini,
03:04
trying to understand the influence of social environments
61
169000
3000
mencoba untuk memahami pengaruh lingkugan sosial
03:07
on language acquisition.
62
172000
2000
pada pembelajaran bahasa.
03:09
So we're looking here
63
174000
2000
Jadi kita melihat
03:11
at one of the first things we started to do.
64
176000
2000
pada salah satu hal pertama yang kami mulai lakukan
03:13
This is my wife and I cooking breakfast in the kitchen,
65
178000
4000
Ini adalah saya dan istri saya sedang memasak sarapan di dalam dapur.
03:17
and as we move through space and through time,
66
182000
3000
Dan saat kami bergerak dalam ruang dan waktu,
03:20
a very everyday pattern of life in the kitchen.
67
185000
3000
sebuah pola harian di dalam dapur.
03:23
In order to convert
68
188000
2000
Untuk mengkonversikan
03:25
this opaque, 90,000 hours of video
69
190000
3000
video 90.00 jam yang buram ini
03:28
into something that we could start to see,
70
193000
2000
menjadi sesuatu yang dapat kita lihat,
03:30
we use motion analysis to pull out,
71
195000
2000
kami menggunakan analisis gerak untuk menarik,
03:32
as we move through space and through time,
72
197000
2000
sementara kami bergerak dalam ruang dan waktu,
03:34
what we call space-time worms.
73
199000
3000
apa yang kami sebut ulat ruang-waktu (space-time worms).
03:37
And this has become part of our toolkit
74
202000
3000
Dan ini telah menjadi bagian dari peralatan kami
03:40
for being able to look and see
75
205000
3000
untuk dapat melihat dan memperhatikan
03:43
where the activities are in the data,
76
208000
2000
di mana letak aktivitas-aktivitas di dalam data,
03:45
and with it, trace the pattern of, in particular,
77
210000
3000
dan dengannya, melacak pola, pada khususnya,
03:48
where my son moved throughout the home,
78
213000
2000
di mana anak saya bergerak di rumah,
03:50
so that we could focus our transcription efforts,
79
215000
3000
jadi kami dapat fokus pada usaha transkripsi kami,
03:53
all of the speech environment around my son --
80
218000
3000
semua lingkungan bahasa di sekitar anak saya --
03:56
all of the words that he heard from myself, my wife, our nanny,
81
221000
3000
semua kata-kata yang dia dengarkan dari saya, istri saya, pengasuh kami,
03:59
and over time, the words he began to produce.
82
224000
3000
dan dari waktu ke waktu, kata-kata mulai dihasilkan.
04:02
So with that technology and that data
83
227000
3000
Dengan teknologi dan data
04:05
and the ability to, with machine assistance,
84
230000
2000
dan kemampuan untuk, dengan bantuan mesin,
04:07
transcribe speech,
85
232000
2000
menerjemahkan bahasa,
04:09
we've now transcribed
86
234000
2000
kami sekarang telah menerjemahkan
04:11
well over seven million words of our home transcripts.
87
236000
3000
lebih dari tujuh juta kata dari transkrip kami.
04:14
And with that, let me take you now
88
239000
2000
Dan dengan itu, biarkan saya menunjukkan pada Anda
04:16
for a first tour into the data.
89
241000
3000
sebuah tur pertama ke dalam data itu.
04:19
So you've all, I'm sure,
90
244000
2000
Anda semua, saya yakin,
04:21
seen time-lapse videos
91
246000
2000
telah melihat video-video waktu-dipercepat (time-lapse video)
04:23
where a flower will blossom as you accelerate time.
92
248000
3000
di mana sebuah bunga merekah saat Anda mempercepat waktu.
04:26
I'd like you to now experience
93
251000
2000
Saya ingin Anda sekarang mengalami
04:28
the blossoming of a speech form.
94
253000
2000
proses merekahnya bentuk bahasa.
04:30
My son, soon after his first birthday,
95
255000
2000
Anak saya, segera setelah ulang tahun pertamanya,
04:32
would say "gaga" to mean water.
96
257000
3000
mengatakan "gaga" untuk air.
04:35
And over the course of the next half-year,
97
260000
3000
Dan setelah setengah tahun kemudian,
04:38
he slowly learned to approximate
98
263000
2000
dia lambat laun belajar untuk mendekati
04:40
the proper adult form, "water."
99
265000
3000
bentuk yang lebih sesuai, "air" (water)
04:43
So we're going to cruise through half a year
100
268000
2000
Jadi kita sedang melewati setengah tahun
04:45
in about 40 seconds.
101
270000
2000
dalam sekitar 40 detik
04:47
No video here,
102
272000
2000
Tidak ada video di sini,
04:49
so you can focus on the sound, the acoustics,
103
274000
3000
agar Anda dapat fokus pada suara, akustik,
04:52
of a new kind of trajectory:
104
277000
2000
dari sebuah jenis penggambaran baru:
04:54
gaga to water.
105
279000
2000
gaga menjadi air (water)
04:56
(Audio) Baby: Gagagagagaga
106
281000
12000
(Suara) Bayi: Gagagagagagaga
05:08
Gaga gaga gaga
107
293000
4000
Gaga gaga gaga
05:12
guga guga guga
108
297000
5000
guga guga guga
05:17
wada gaga gaga guga gaga
109
302000
5000
wada gaga gaga guga gaga
05:22
wader guga guga
110
307000
4000
wader guga guga
05:26
water water water
111
311000
3000
water water water
05:29
water water water
112
314000
6000
water water water
05:35
water water
113
320000
4000
water water
05:39
water.
114
324000
2000
water
05:41
DR: He sure nailed it, didn't he.
115
326000
2000
DR: Dia yakin telah menangkapnya, bukan.
05:43
(Applause)
116
328000
7000
(Tepuk tangan)
05:50
So he didn't just learn water.
117
335000
2000
Dia tidak hanya belajar mengucapkan air (water)
05:52
Over the course of the 24 months,
118
337000
2000
Dalam waktu 24 bulan,
05:54
the first two years that we really focused on,
119
339000
3000
dua bulan pertama, yang sangat kami fokuskan,
05:57
this is a map of every word he learned in chronological order.
120
342000
4000
ini adalah peta dari setiap kata yang dia pelajari dalam urutan kronologis.
06:01
And because we have full transcripts,
121
346000
3000
Dan karena kami mempunyai transkrip yang lengkap,
06:04
we've identified each of the 503 words
122
349000
2000
kami telah mengidentifikasi setiap 503 kata
06:06
that he learned to produce by his second birthday.
123
351000
2000
yang dia pelajari sampai ulang tahun keduanya.
06:08
He was an early talker.
124
353000
2000
Dia adalah pembicara muda.
06:10
And so we started to analyze why.
125
355000
3000
Dan kemudian kami mulai menganalisis mengapa.
06:13
Why were certain words born before others?
126
358000
3000
Mengapa beberapa kata lahir sebelum lainnya?
06:16
This is one of the first results
127
361000
2000
Ini adalah salah satu dari hasil awalnya
06:18
that came out of our study a little over a year ago
128
363000
2000
yang dihasilkan dari penelitian kami lebih dari setahun yang lalu
06:20
that really surprised us.
129
365000
2000
yang sangat mengejutkan kami.
06:22
The way to interpret this apparently simple graph
130
367000
3000
Cara untuk menafsirkan gambar sederhana ini
06:25
is, on the vertical is an indication
131
370000
2000
adalah pada arah vertikal mengindikasikan
06:27
of how complex caregiver utterances are
132
372000
3000
sekompleks apa ucapan pengasuh
06:30
based on the length of utterances.
133
375000
2000
berdasarkan panjang dari ucapan.
06:32
And the [horizontal] axis is time.
134
377000
3000
Dan pada sumbu horizontal adalah waktu.
06:35
And all of the data,
135
380000
2000
Dan seluruh data,
06:37
we aligned based on the following idea:
136
382000
3000
kami susun berdasarkan pada ide berikut:
06:40
Every time my son would learn a word,
137
385000
3000
Setiap kali anak saya mempelajari sebuah kata,
06:43
we would trace back and look at all of the language he heard
138
388000
3000
kami akan melacak balik dan melihat pada semua bahasa yang dua dengar
06:46
that contained that word.
139
391000
2000
yang berisi kata tersebut.
06:48
And we would plot the relative length of the utterances.
140
393000
4000
Dan kami akan menggambar panjang relatif dari ucapan tersebut.
06:52
And what we found was this curious phenomena,
141
397000
3000
Dan apa yang kami temukan adalah fenomena yang aneh ini,
06:55
that caregiver speech would systematically dip to a minimum,
142
400000
3000
bahwa bahasa pengasuh akan turun secara sistematis hingga minimum,
06:58
making language as simple as possible,
143
403000
3000
membuat bahasa yang paling sederhana,
07:01
and then slowly ascend back up in complexity.
144
406000
3000
dan kemudian perlahan meningkat kembali menjadi kompleks.
07:04
And the amazing thing was
145
409000
2000
Dan yang menakjubkan
07:06
that bounce, that dip,
146
411000
2000
bahwa lompatan itu, turunan itu,
07:08
lined up almost precisely
147
413000
2000
berjajar hampir persis
07:10
with when each word was born --
148
415000
2000
degnan setiap kata dilahirkan --
07:12
word after word, systematically.
149
417000
2000
kata demi kata, secara sistematis.
07:14
So it appears that all three primary caregivers --
150
419000
2000
Jadi terlihat bahwa ketiga pengasuh utama --
07:16
myself, my wife and our nanny --
151
421000
3000
saya, istri saya dan pengasuh saya --
07:19
were systematically and, I would think, subconsciously
152
424000
3000
secara sistematis dan, saya pikirm secara tidak sadar
07:22
restructuring our language
153
427000
2000
membangun kembali bahasa kami
07:24
to meet him at the birth of a word
154
429000
3000
hingga dia sampai pada lahirnya sebuah kata
07:27
and bring him gently into more complex language.
155
432000
4000
dan membawanya perlahan menuju bahasa yan glebih kompleks.
07:31
And the implications of this -- there are many,
156
436000
2000
Dan implikasi dari hal ini -- ada banyak hal,
07:33
but one I just want to point out,
157
438000
2000
namun hanya satu yang ingin saya tunjukkan,
07:35
is that there must be amazing feedback loops.
158
440000
3000
bahwa pasti ada putaran umpan balik yang menakjubkan.
07:38
Of course, my son is learning
159
443000
2000
Tentu saja, anak saya sedang belajar
07:40
from his linguistic environment,
160
445000
2000
dari lingkungan bahasanya,
07:42
but the environment is learning from him.
161
447000
3000
namun lingkungan juga belajar darinya.
07:45
That environment, people, are in these tight feedback loops
162
450000
3000
Lingkungan itu, orang-orang, berada dalam putaran umpan balik yang padat ini
07:48
and creating a kind of scaffolding
163
453000
2000
dan menciptakan semacam perancah (scaffolding)
07:50
that has not been noticed until now.
164
455000
3000
yang belum diketahui hingga sekarang.
07:54
But that's looking at the speech context.
165
459000
2000
Tapi itu melihat kpada konteks bahasa
07:56
What about the visual context?
166
461000
2000
Bagaimana dengan konteks visual?
07:58
We're not looking at --
167
463000
2000
Kita tidak melihat --
08:00
think of this as a dollhouse cutaway of our house.
168
465000
2000
pikirkan ini sebagai potongan rumah boneka dari rumah kami.
08:02
We've taken those circular fish-eye lens cameras,
169
467000
3000
Kami telah mengambil kamera mata-ikan berlensa bundar itu,
08:05
and we've done some optical correction,
170
470000
2000
dan kami telah melakukan beberapa koreksi optik,
08:07
and then we can bring it into three-dimensional life.
171
472000
4000
dan kemudian kami dapat membawanya ke dalam kehidupan tiga dimensi.
08:11
So welcome to my home.
172
476000
2000
Selamat datang di rumah saya.
08:13
This is a moment,
173
478000
2000
Ini adalah sebuah momen,
08:15
one moment captured across multiple cameras.
174
480000
3000
satu momen yang ditangkap oleh banyak kamera.
08:18
The reason we did this is to create the ultimate memory machine,
175
483000
3000
Alasan kami melakukan ini adalah untuk menciptakan mesin memori mutakhir,
08:21
where you can go back and interactively fly around
176
486000
3000
di mana Anda dapat kembali dan melayang secara interaktif
08:24
and then breathe video-life into this system.
177
489000
3000
dan kemudian merasakan kehidupan video ke dalam sistem ini.
08:27
What I'm going to do
178
492000
2000
Apa yang akan saya lakukan
08:29
is give you an accelerated view of 30 minutes,
179
494000
3000
adalah memberi Anda sebuah pemandangan dipercepat 30 menit,
08:32
again, of just life in the living room.
180
497000
2000
lagi-lagi, hanya kehidupan di dalam ruang tamu.
08:34
That's me and my son on the floor.
181
499000
3000
Ini adalah saya dan anak saya di atas lantai.
08:37
And there's video analytics
182
502000
2000
Dan itu adalah analisis video
08:39
that are tracking our movements.
183
504000
2000
yang melacak pergerakan kamu
08:41
My son is leaving red ink. I am leaving green ink.
184
506000
3000
Anak saya ditunjukkan warna merah, saya warna hijau.
08:44
We're now on the couch,
185
509000
2000
Kami sekarang sedang bertemu,
08:46
looking out through the window at cars passing by.
186
511000
3000
melihat melalui jendela pada mobil yang sedang berlalu-lalang.
08:49
And finally, my son playing in a walking toy by himself.
187
514000
3000
Dan akhirnya, anak saya memainkan sebuah mainan berjalan sendirian.
08:52
Now we freeze the action, 30 minutes,
188
517000
3000
Kemudian kami menghentikan aksi itu, 30 menit,
08:55
we turn time into the vertical axis,
189
520000
2000
kami kembali ke waktu vertikal,
08:57
and we open up for a view
190
522000
2000
dan kami membuka sebuah pemandangan
08:59
of these interaction traces we've just left behind.
191
524000
3000
dari jejak interaksi yang kami tinggalkan ini.
09:02
And we see these amazing structures --
192
527000
3000
Dan kami melihat struktur yang menakjubkan ini --
09:05
these little knots of two colors of thread
193
530000
3000
dua knot kecil ulir berwarna ini
09:08
we call "social hot spots."
194
533000
2000
kami sebut hot spot sosial.
09:10
The spiral thread
195
535000
2000
Ulir spiral
09:12
we call a "solo hot spot."
196
537000
2000
kami sebut hot spot tunggal (solo).
09:14
And we think that these affect the way language is learned.
197
539000
3000
Dan kami pikir bahwa ini berdampak pada cara bahasa dipelajari.
09:17
What we'd like to do
198
542000
2000
Apa yang kami ingin lakukan
09:19
is start understanding
199
544000
2000
adalah mulai memahami
09:21
the interaction between these patterns
200
546000
2000
interaksi antara pola ini
09:23
and the language that my son is exposed to
201
548000
2000
dan bahasa yang diterima anak saya
09:25
to see if we can predict
202
550000
2000
untuk melihat apakah kami bisa memprediksikan
09:27
how the structure of when words are heard
203
552000
2000
bagaimana struktur kapan kata didengar
09:29
affects when they're learned --
204
554000
2000
berdampak saat kata itu dipelajari --
09:31
so in other words, the relationship
205
556000
2000
jadi dengan kata lain, hubungan
09:33
between words and what they're about in the world.
206
558000
4000
antara kata dan maknanya di dunia.
09:37
So here's how we're approaching this.
207
562000
2000
Jadi ini pendekatan kami.
09:39
In this video,
208
564000
2000
Dalam video ini,
09:41
again, my son is being traced out.
209
566000
2000
lagi-lagi, anak saya sedang dilacak.
09:43
He's leaving red ink behind.
210
568000
2000
Dia meninggalkan jejak merah.
09:45
And there's our nanny by the door.
211
570000
2000
Dan ini adalah pengasuh kami di pintu.
09:47
(Video) Nanny: You want water? (Baby: Aaaa.)
212
572000
3000
(Video) Pengasuh: Kamu ingin air? (Bayi: Aaaa.)
09:50
Nanny: All right. (Baby: Aaaa.)
213
575000
3000
Nanny: Baiklah. (Bayi: Aaaa.)
09:53
DR: She offers water,
214
578000
2000
DR: Dia menawarkan air,
09:55
and off go the two worms
215
580000
2000
dan menuju dua ulir
09:57
over to the kitchen to get water.
216
582000
2000
melalui dapur untuk mengambil air.
09:59
And what we've done is use the word "water"
217
584000
2000
Dan apa yang telah kami lakukan adalah menggunakan kata "air" (water)
10:01
to tag that moment, that bit of activity.
218
586000
2000
untuk melabeli momen itu, aktivitas kecil itu.
10:03
And now we take the power of data
219
588000
2000
Dan sekarang kami mengambil kekuatan data itu
10:05
and take every time my son
220
590000
3000
dan mengambil setiap waktu anak saya
10:08
ever heard the word water
221
593000
2000
mendengar kata air (water)
10:10
and the context he saw it in,
222
595000
2000
dan konteks dia melihatnya,
10:12
and we use it to penetrate through the video
223
597000
3000
dan kami menggunakannya untuk menyusupi video
10:15
and find every activity trace
224
600000
3000
dan menemukan setiap jejak aktivitas
10:18
that co-occurred with an instance of water.
225
603000
3000
yang dilakukan bersamaan dengan kejadian air.
10:21
And what this data leaves in its wake
226
606000
2000
Dan apa yang data ini tinggalkan
10:23
is a landscape.
227
608000
2000
adalah sebuah lansekap.
10:25
We call these wordscapes.
228
610000
2000
kami sebut ini pemandangan-kata (wordscapes).
10:27
This is the wordscape for the word water,
229
612000
2000
Ini adalah wordscape untuk kata air,
10:29
and you can see most of the action is in the kitchen.
230
614000
2000
dan Anda dapat melihat kebanyakan terjadi di dalam dapur.
10:31
That's where those big peaks are over to the left.
231
616000
3000
Itu adalah tempat di mana puncak besar itu menuju ke kiri.
10:34
And just for contrast, we can do this with any word.
232
619000
3000
Dan hanya untuk membandingkan, kami dapat melakukan ini dengan kata apa saja.
10:37
We can take the word "bye"
233
622000
2000
Kami dapat mengambil kata "bye"
10:39
as in "good bye."
234
624000
2000
dalam "good bye"
10:41
And we're now zoomed in over the entrance to the house.
235
626000
2000
Dan kami sekarang memperbesar jalan masuk ke rumah.
10:43
And we look, and we find, as you would expect,
236
628000
3000
Dan kami melihat, dan menemukan, seperti yang Anda harapkan,
10:46
a contrast in the landscape
237
631000
2000
sebuah perbedaan dalam lansekap
10:48
where the word "bye" occurs much more in a structured way.
238
633000
3000
di mana kata "bye" muncul lebih sering dengan cara yang terstruktur.
10:51
So we're using these structures
239
636000
2000
Jadi kami menggunakan struktur ini
10:53
to start predicting
240
638000
2000
untuk mulai memprediksikan
10:55
the order of language acquisition,
241
640000
3000
urutan pembelajaran bahasa,
10:58
and that's ongoing work now.
242
643000
2000
dan itu dalah pekerjaan yang sedang dilakukan sekarang.
11:00
In my lab, which we're peering into now, at MIT --
243
645000
3000
Dalam lab saya, tempat kami bekerja sama, di MIT --
11:03
this is at the media lab.
244
648000
2000
ini adalah di lab media.
11:05
This has become my favorite way
245
650000
2000
Ini telah menjadi cara terfavorit saya
11:07
of videographing just about any space.
246
652000
2000
untuk merekam gambar video di raungan apapun.
11:09
Three of the key people in this project,
247
654000
2000
Tiga orang kunci dalam proyek ini,
11:11
Philip DeCamp, Rony Kubat and Brandon Roy are pictured here.
248
656000
3000
Philip DeCamp, Rony Kubat dan Brandon Roy terlihat di sini.
11:14
Philip has been a close collaborator
249
659000
2000
Philib telah menjadi seorang kolaborator yang teliti
11:16
on all the visualizations you're seeing.
250
661000
2000
pada seluruh visualisasi yang Anda sedang lihat.
11:18
And Michael Fleischman
251
663000
3000
Dan Michael Fleischman
11:21
was another Ph.D. student in my lab
252
666000
2000
adalah mahasiswa Ph.D lain di lab saya
11:23
who worked with me on this home video analysis,
253
668000
3000
yang bekerja dengan saya pada analisis video ini,
11:26
and he made the following observation:
254
671000
3000
dan dia membuat observasi berikut:
11:29
that "just the way that we're analyzing
255
674000
2000
bahwa "hanya dengan cara kami menganalisis
11:31
how language connects to events
256
676000
3000
bagaimana bahasa berkaitan dengan kejadian
11:34
which provide common ground for language,
257
679000
2000
yang menyediakan alasan umum untuk bahasa,
11:36
that same idea we can take out of your home, Deb,
258
681000
4000
ide itu bisa kita ambil dari rumahmu, Deb,
11:40
and we can apply it to the world of public media."
259
685000
3000
dan kami dapat menerapkannya pada dunia media publik."
11:43
And so our effort took an unexpected turn.
260
688000
3000
Dan jadi usaha kami mendapatkan perubahan yang tidak diperkirakan.
11:46
Think of mass media
261
691000
2000
Pikirkan media massa
11:48
as providing common ground
262
693000
2000
sebagai penyedia lapangan umum
11:50
and you have the recipe
263
695000
2000
dan Anda punya resep
11:52
for taking this idea to a whole new place.
264
697000
3000
untuk menerapkan ide ini pada tempat yang sama sekali baru.
11:55
We've started analyzing television content
265
700000
3000
Kami telah mulai menganalisis konten televisi
11:58
using the same principles --
266
703000
2000
menggunakan prinsip-prinsip yang sama --
12:00
analyzing event structure of a TV signal --
267
705000
3000
menganalisis struktur peristiwa dari sebuah sinyal TV --
12:03
episodes of shows,
268
708000
2000
episode-episode pertunjukan,
12:05
commercials,
269
710000
2000
ikan-iklan,
12:07
all of the components that make up the event structure.
270
712000
3000
semua komponen yang membuat struktur peristiwa.
12:10
And we're now, with satellite dishes, pulling and analyzing
271
715000
3000
Dan sekarang kami, dengan satelit, menarik dan menanalisis
12:13
a good part of all the TV being watched in the United States.
272
718000
3000
sebuah bagian yang bagus dari semua TV yang sedang ditonton di Amerika Serikat.
12:16
And you don't have to now go and instrument living rooms with microphones
273
721000
3000
Dan Anda sekarang tidak perlu nenasang ruang tamu dengan mikrofon
12:19
to get people's conversations,
274
724000
2000
untuk mendapatkan percakapan orang,
12:21
you just tune into publicly available social media feeds.
275
726000
3000
Anda hanya perlu menyetel feed media sosial yang tersedia secara publik.
12:24
So we're pulling in
276
729000
2000
Kemudian kami menarik
12:26
about three billion comments a month,
277
731000
2000
sekitar tiga juta komentar sebulan.
12:28
and then the magic happens.
278
733000
2000
Dan kemudian hal yang menakjubkan terjadi.
12:30
You have the event structure,
279
735000
2000
Anda mempunyai struktur peristiwa,
12:32
the common ground that the words are about,
280
737000
2000
lapangan yang umum pada kata-kata itu,
12:34
coming out of the television feeds;
281
739000
3000
keluar dari feed televisi;
12:37
you've got the conversations
282
742000
2000
Anda telah mendapatkan percakapan
12:39
that are about those topics;
283
744000
2000
mengenai topik-topik ini;
12:41
and through semantic analysis --
284
746000
3000
dan melalui analisis semantik --
12:44
and this is actually real data you're looking at
285
749000
2000
dan ini sebenarnya data nyata yang Anda sedang lihat
12:46
from our data processing --
286
751000
2000
dari hasil pemrosesan data kami --
12:48
each yellow line is showing a link being made
287
753000
3000
setiap garis kuning menunjukkan sebuah hubungan sedang dibuat
12:51
between a comment in the wild
288
756000
3000
antara sebuah komentar di rimba
12:54
and a piece of event structure coming out of the television signal.
289
759000
3000
dan sebuah bagian struktur peristiwa keluar dari sinyal televisi.
12:57
And the same idea now
290
762000
2000
Dan ide yang sama sekarang
12:59
can be built up.
291
764000
2000
dapat dibangun.
13:01
And we get this wordscape,
292
766000
2000
Dan kami mendapatkan wordscape ini,
13:03
except now words are not assembled in my living room.
293
768000
3000
namun sekarang kata-kata tidak tesusun di dalam ruang keluarga saya.
13:06
Instead, the context, the common ground activities,
294
771000
4000
Tapi dalam konteksm aktivitas lapangan umum,
13:10
are the content on television that's driving the conversations.
295
775000
3000
bahwa konten televisi yang mendorong percakapan.
13:13
And what we're seeing here, these skyscrapers now,
296
778000
3000
Dam apa yang kita lihat di sini, pencakar langit ini,
13:16
are commentary
297
781000
2000
adalah komentar
13:18
that are linked to content on television.
298
783000
2000
yang berhubungan dengan konten televisi.
13:20
Same concept,
299
785000
2000
Konsep yang sama,
13:22
but looking at communication dynamics
300
787000
2000
namun melihat pada dinamika komunikasi
13:24
in a very different sphere.
301
789000
2000
dalam sebuah lingkup yang sangat berbeda.
13:26
And so fundamentally, rather than, for example,
302
791000
2000
Dan sangat mendasar, daripada hanya, sebagai contoh,
13:28
measuring content based on how many people are watching,
303
793000
3000
mengukur konten berdasarkan berapa banyak orang yang menonton,
13:31
this gives us the basic data
304
796000
2000
ini memberi kita data yang mendasar
13:33
for looking at engagement properties of content.
305
798000
3000
untuk melihat pada sifat hubungan erat dari konten.
13:36
And just like we can look at feedback cycles
306
801000
3000
Dan seperti halnya ktia dapat melihat siklus umpan balik
13:39
and dynamics in a family,
307
804000
3000
dan dinamika dalam sebuah keluarga,
13:42
we can now open up the same concepts
308
807000
3000
kita sekarang dapat membuka konsep yang sama
13:45
and look at much larger groups of people.
309
810000
3000
dan kita dapat melihat pada kelompok orang yang lebih besar
13:48
This is a subset of data from our database --
310
813000
3000
Ini adalah subset data dari database kami --
13:51
just 50,000 out of several million --
311
816000
3000
hanya 50.000 dari beberapa juta --
13:54
and the social graph that connects them
312
819000
2000
dan grafik sosial yang menghubungkannya
13:56
through publicly available sources.
313
821000
3000
melalui sumber yang tersedia secara publik.
13:59
And if you put them on one plain,
314
824000
2000
Dan jika Anda meletakkannya dalam satu dataran,
14:01
a second plain is where the content lives.
315
826000
3000
dataran yang kedua adalah di mana konten itu hidup.
14:04
So we have the programs
316
829000
3000
jadi kami telah mempunyai program
14:07
and the sporting events
317
832000
2000
dan peristiwa yang berkaitan dengan olahraga
14:09
and the commercials,
318
834000
2000
dan iklan,
14:11
and all of the link structures that tie them together
319
836000
2000
dan seluruh struktur hubungan yang mengikatnya
14:13
make a content graph.
320
838000
2000
membuat sebuah gambar konten.
14:15
And then the important third dimension.
321
840000
4000
Dan kemudian dimensi penting yang ketiga.
14:19
Each of the links that you're seeing rendered here
322
844000
2000
Setiap hubungan yang sedang Anda lihat di sini
14:21
is an actual connection made
323
846000
2000
adalah sebuah koneksi nyata yang dibuat
14:23
between something someone said
324
848000
3000
di antara sesuatu yang seseorang katakan
14:26
and a piece of content.
325
851000
2000
dan sebagian konten.
14:28
And there are, again, now tens of millions of these links
326
853000
3000
Dan sekarang ,lagi-lagi ada 10 jutaan hubungan ini
14:31
that give us the connective tissue of social graphs
327
856000
3000
yang menunjukkan pada kita jaringan hubungan grafik sosial
14:34
and how they relate to content.
328
859000
3000
dan bagaimana mereka berhubungan pada konten.
14:37
And we can now start to probe the structure
329
862000
2000
Dan kita sekarang bisa memulai untuk menyelidiki struktur
14:39
in interesting ways.
330
864000
2000
dengan cara yang menarik.
14:41
So if we, for example, trace the path
331
866000
3000
Jadi jika kita, misalnya, melacak jalur
14:44
of one piece of content
332
869000
2000
dari datu bagian konten
14:46
that drives someone to comment on it,
333
871000
2000
yang mendorong seseorang untuk mengomentarinya,
14:48
and then we follow where that comment goes,
334
873000
3000
dan kemudian kita mengikuti ke mana komentar itu pergi,
14:51
and then look at the entire social graph that becomes activated
335
876000
3000
dan kemudian melihat pada keseluruhan grafik sosial yang menjadi aktif
14:54
and then trace back to see the relationship
336
879000
3000
dan kemudian melacak balik untuk menemukan hubungan
14:57
between that social graph and content,
337
882000
2000
antara grafik sosial dan konten,
14:59
a very interesting structure becomes visible.
338
884000
2000
sebuah struktur yang sangat menarik menjadi terlihat.
15:01
We call this a co-viewing clique,
339
886000
2000
Kami menyebut ini sebuah kumpulan pemandangan-bersama (co-viewing),
15:03
a virtual living room if you will.
340
888000
3000
sebuah ruang keluarga jika Anda mau menyebutnya begitu.
15:06
And there are fascinating dynamics at play.
341
891000
2000
Dan ada dinamika yang menakjubkan sedang dimainkan.
15:08
It's not one way.
342
893000
2000
Dinamika itu tidak berjalan satu arah.
15:10
A piece of content, an event, causes someone to talk.
343
895000
3000
Sebagian konten, sebuah peristiwa, menyebabkan seseorang berbicara.
15:13
They talk to other people.
344
898000
2000
Mereka berbicara kepada orang lain.
15:15
That drives tune-in behavior back into mass media,
345
900000
3000
yang mendorong media massa mendengarkan,
15:18
and you have these cycles
346
903000
2000
dan Anda mendapatkan siklus ini
15:20
that drive the overall behavior.
347
905000
2000
yang mendorong keseluruhan perilaku.
15:22
Another example -- very different --
348
907000
2000
Contoh lain -- sangat berbeda --
15:24
another actual person in our database --
349
909000
3000
seorang yang lain di dalam database kami --
15:27
and we're finding at least hundreds, if not thousands, of these.
350
912000
3000
dan kami sedang mencari minimal ratusan, jika tidak ribuan, dari ini.
15:30
We've given this person a name.
351
915000
2000
Kami telah memberikan orang ini sebuah nama.
15:32
This is a pro-amateur, or pro-am media critic
352
917000
3000
Ini adalah sebuah pro-amatir, atau pro-am, kritik media
15:35
who has this high fan-out rate.
353
920000
3000
yang mempunyai tingkat fans yang tinggi ini.
15:38
So a lot of people are following this person -- very influential --
354
923000
3000
Jadi banyak orang mengikuti orang ini -- sangat berpengaruh --
15:41
and they have a propensity to talk about what's on TV.
355
926000
2000
dan mereka mempunyai sebuah kecenderungan untuk berbicara mengenai tayangan TV.
15:43
So this person is a key link
356
928000
3000
Orang ini adalah sebuah hubungan kunci
15:46
in connecting mass media and social media together.
357
931000
3000
dalam koneksi media massa dan media sosial.
15:49
One last example from this data:
358
934000
3000
Satu contoh terakhir dari data ini:
15:52
Sometimes it's actually a piece of content that is special.
359
937000
3000
Terkadang sebenarnya ada sebagian konten yang spesial.
15:55
So if we go and look at this piece of content,
360
940000
4000
jadi jika kita kembali melihat bagian konten ini.
15:59
President Obama's State of the Union address
361
944000
3000
Negara Serikat Presiden Obama menyampaikan
16:02
from just a few weeks ago,
362
947000
2000
dari beberapa minggu yang lalu,
16:04
and look at what we find in this same data set,
363
949000
3000
dan melihat pada apa yang kami temukan dalam set data ini,
16:07
at the same scale,
364
952000
3000
pada skala yang sama,
16:10
the engagement properties of this piece of content
365
955000
2000
sifat hubungan dari bagian konten ini
16:12
are truly remarkable.
366
957000
2000
sangat luar biasa.
16:14
A nation exploding in conversation
367
959000
2000
Sebuah bangsa yang mengalami ledakan percakapan
16:16
in real time
368
961000
2000
dalam real time
16:18
in response to what's on the broadcast.
369
963000
3000
dalam merespon apa yang disiarkan.
16:21
And of course, through all of these lines
370
966000
2000
Dan tentu saja, melalui semua baris ini
16:23
are flowing unstructured language.
371
968000
2000
mengalir bahasa yang tidak terstrukur.
16:25
We can X-ray
372
970000
2000
Kami dapat melakukan X-ray
16:27
and get a real-time pulse of a nation,
373
972000
2000
dan mendapat denyutan real-time dari sebuah bangsa,
16:29
real-time sense
374
974000
2000
sensasi real-time
16:31
of the social reactions in the different circuits in the social graph
375
976000
3000
dari reaksi sosial dalam sirkuit yang berbeda dalam grafik sosial
16:34
being activated by content.
376
979000
3000
sedang diaktifkan oleh konten.
16:37
So, to summarize, the idea is this:
377
982000
3000
jadi, untuk menyimpulkan, ide-nya adalah ini:
16:40
As our world becomes increasingly instrumented
378
985000
3000
Karena dunia kita menjadi punya lebih banyak alat
16:43
and we have the capabilities
379
988000
2000
dan ktia punya kemampuan
16:45
to collect and connect the dots
380
990000
2000
untuk mengumpulkan dan menghubungkan titik-titik
16:47
between what people are saying
381
992000
2000
antara apa yang dikatakan orang
16:49
and the context they're saying it in,
382
994000
2000
dan dalam konteks mereka membicarakannya,
16:51
what's emerging is an ability
383
996000
2000
apa yang muncul adalah sebuah kemampuan
16:53
to see new social structures and dynamics
384
998000
3000
untuk melihat struktur sosial baru dan dinamika
16:56
that have previously not been seen.
385
1001000
2000
yang sebelumnya belum pernah diketahui
16:58
It's like building a microscope or telescope
386
1003000
2000
Itu seperti membangun sebuah mikroskop atau teleskop
17:00
and revealing new structures
387
1005000
2000
dan membuka struktur baru
17:02
about our own behavior around communication.
388
1007000
3000
mengenai perilaku kita saat berkomunikasi.
17:05
And I think the implications here are profound,
389
1010000
3000
Dan saya berpikir implikasinya sangat besar,
17:08
whether it's for science,
390
1013000
2000
apakah untuk sains,
17:10
for commerce, for government,
391
1015000
2000
untuk perdagangan, untuk pemerintahan,
17:12
or perhaps most of all,
392
1017000
2000
atau mungkin yang terbesar,
17:14
for us as individuals.
393
1019000
3000
untuk kita sebagai indovodu.
17:17
And so just to return to my son,
394
1022000
3000
Dan kembali pada anak saya,
17:20
when I was preparing this talk, he was looking over my shoulder,
395
1025000
3000
ketika saya sedang menyiapkan pembicaraan ini, dia melihat dari atas bahu saya,
17:23
and I showed him the clips I was going to show to you today,
396
1028000
2000
dan saya menunjukkan klip yang saya akan tunjukkan pada Anda hari ini,
17:25
and I asked him for permission -- granted.
397
1030000
3000
dan saya meminta izinnya -- dia berikan.
17:28
And then I went on to reflect,
398
1033000
2000
Dan ketika saya berefleksi,
17:30
"Isn't it amazing,
399
1035000
3000
"Bukankah itu menakjubkan,
17:33
this entire database, all these recordings,
400
1038000
3000
keseluruhan database ini, seluruh rekaman ini,
17:36
I'm going to hand off to you and to your sister" --
401
1041000
2000
saya akan berikan padamu dan pada saudarimu."
17:38
who arrived two years later --
402
1043000
3000
yang datang dua tahun kemudian.
17:41
"and you guys are going to be able to go back and re-experience moments
403
1046000
3000
"Dan kalian akan dapat kembali dan kembali mengalami momen
17:44
that you could never, with your biological memory,
404
1049000
3000
yang mungkin tidak pernah, dengan ingatan biologismu,
17:47
possibly remember the way you can now?"
405
1052000
2000
dapat mengingat dengan caramu sekarang."
17:49
And he was quiet for a moment.
406
1054000
2000
Dan dia diam sebentar.
17:51
And I thought, "What am I thinking?
407
1056000
2000
Dan saya berpikir, "Apa yang saya pikirkan?
17:53
He's five years old. He's not going to understand this."
408
1058000
2000
Dia berumur lima tahun. Dia tidak akan memahami ini."
17:55
And just as I was having that thought, he looked up at me and said,
409
1060000
3000
Dan saat saya memikirkannya, dia melihat saya dan mengatakan,
17:58
"So that when I grow up,
410
1063000
2000
"Jadi saat saya tambah dewasa,
18:00
I can show this to my kids?"
411
1065000
2000
saya dapat menunjukkan ini pada anak saya?"
18:02
And I thought, "Wow, this is powerful stuff."
412
1067000
3000
Dan saya berpikir, "Wow, ini adalah sesuatu yang hebat."
18:05
So I want to leave you
413
1070000
2000
kemudian saya ingin meninggalkan Anda
18:07
with one last memorable moment
414
1072000
2000
dengan satu momen terakhir yang pantas diingat
18:09
from our family.
415
1074000
3000
dari keluarga kami.
18:12
This is the first time our son
416
1077000
2000
Ini adalah saat pertama anak kami
18:14
took more than two steps at once --
417
1079000
2000
mengambil lebih dari dua langkah suatu waktu --
18:16
captured on film.
418
1081000
2000
tertangkap kamera.
18:18
And I really want you to focus on something
419
1083000
3000
Dan saya benar-benar ingin Anda fokus pada sesuatu
18:21
as I take you through.
420
1086000
2000
saat saya menunjukkan.
18:23
It's a cluttered environment; it's natural life.
421
1088000
2000
Ini adalah lingkungan yang kacau, ini adalah kehidupan natural.
18:25
My mother's in the kitchen, cooking,
422
1090000
2000
Ibuku di dalam dapur, memasak,
18:27
and, of all places, in the hallway,
423
1092000
2000
dan, dari seluruh tempat, dalam lorong,
18:29
I realize he's about to do it, about to take more than two steps.
424
1094000
3000
Saya menyadari dia akan melakukannya, tentang mengambil lebih dari dua langkah.
18:32
And so you hear me encouraging him,
425
1097000
2000
Dan Anda mendengar saya mendorong anak saya,
18:34
realizing what's happening,
426
1099000
2000
menyadari apa yang sedang terjadi,
18:36
and then the magic happens.
427
1101000
2000
dan kemudian keajaiban terjadi.
18:38
Listen very carefully.
428
1103000
2000
Dengarkan dengan baik.
18:40
About three steps in,
429
1105000
2000
Mengenai tiga langkah dalam,
18:42
he realizes something magic is happening,
430
1107000
2000
dia menyadari sesuatu yang ajaib sedang terjadi.
18:44
and the most amazing feedback loop of all kicks in,
431
1109000
3000
Dan lingkaran umpan balik yang paling menakjubkan terjadi,
18:47
and he takes a breath in,
432
1112000
2000
dan dia mengambil nafas,
18:49
and he whispers "wow"
433
1114000
2000
dan dia membisikkan "wow"
18:51
and instinctively I echo back the same.
434
1116000
4000
dan secara naluriah saya juga menirukannya.
18:56
And so let's fly back in time
435
1121000
3000
Dan kemudian kembali ke waktu
18:59
to that memorable moment.
436
1124000
2000
pada momen yang pantas diingat itu.
19:05
(Video) DR: Hey.
437
1130000
2000
(Video) DR: Hai.
19:07
Come here.
438
1132000
2000
Kesinilah.
19:09
Can you do it?
439
1134000
3000
Dapatkah kamu melakukannya?
19:13
Oh, boy.
440
1138000
2000
Oh, boy.
19:15
Can you do it?
441
1140000
3000
Dapatkan kamu melakukannya?
19:18
Baby: Yeah.
442
1143000
2000
Bayi: Ya.
19:20
DR: Ma, he's walking.
443
1145000
3000
DR: Ma, dia berjalan.
19:24
(Laughter)
444
1149000
2000
(Tawa)
19:26
(Applause)
445
1151000
2000
(Tepuk tangan)
19:28
DR: Thank you.
446
1153000
2000
DR: Terima kasih.
19:30
(Applause)
447
1155000
15000
(Tepuk tangan)
ABOUT THE SPEAKER
Deb Roy - Cognitive scientistDeb Roy studies how children learn language, and designs machines that learn to communicate in human-like ways. On sabbatical from MIT Media Lab, he's working with the AI company Bluefin Labs.
Why you should listen
Deb Roy directs the Cognitive Machines group at the MIT Media Lab, where he studies how children learn language, and designs machines that learn to communicate in human-like ways. To enable this work, he has pioneered new data-driven methods for analyzing and modeling human linguistic and social behavior. He has authored numerous scientific papers on artificial intelligence, cognitive modeling, human-machine interaction, data mining, and information visualization.
Deb Roy was the co-founder and serves as CEO of Bluefin Labs, a venture-backed technology company. Built upon deep machine learning principles developed in his research over the past 15 years, Bluefin has created a technology platform that analyzes social media commentary to measure real-time audience response to TV ads and shows.
Follow Deb Roy on Twitter>
Roy adds some relevant papers:
Deb Roy. (2009). New Horizons in the Study of Child Language Acquisition. Proceedings of Interspeech 2009. Brighton, England. bit.ly/fSP4Qh
Brandon C. Roy, Michael C. Frank and Deb Roy. (2009). Exploring word learning in a high-density longitudinal corpus. Proceedings of the 31st Annual Meeting of the Cognitive Science Society. Amsterdam, Netherlands. bit.ly/e1qxej
Plenty more papers on our research including technology and methodology can be found here, together with other research from my lab at MIT: bit.ly/h3paSQ
The work that I mentioned on relationships between television content and the social graph is being done at Bluefin Labs (www.bluefinlabs.com). Details of this work have not been published. The social structures we are finding (and that I highlighted in my TED talk) are indeed new. The social media communication channels that are leading to their formation did not even exist a few years ago, and Bluefin's technology platform for discovering these kinds of structures is the first of its kind. We'll certainly have more to say about all this as we continue to dig into this fascinating new kind of data, and as new social structures continue to evolve!
Deb Roy | Speaker | TED.com