TED2013
Ajit Narayanan: A word game to communicate in any language
Ajit Narayanan: Un gioco di parole per comunicare in qualunque lingua
Filmed:
Readability: 3.4
1,391,245 views
Lavorando con bambini che hanno difficoltà di linguaggio, Ajit Narayanan ha delineato un modo di vedere il linguaggio per immagini, per collegare parole e concetti in mappe. L'idea è ora alla base di una app che aiuta le persone disabili a comunicare, e la grande idea che vi sta dietro, un concetto di lingua chiamato FreeSpeech, ha un enorme potenziale.
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
Lavoro con i bambini autistici.
00:15
Specifically, I make technologies
1
3391
1914
In particolare, creo tecnologie
00:17
to help them communicate.
2
5305
2171
che li aiutano a comunicare.
00:19
Now, many of the problems that children
3
7476
1539
Molti dei problemi che affrontano
00:21
with autism face, they have a common source,
4
9015
3763
i bambini autistici
hanno una fonte in comune,
hanno una fonte in comune,
00:24
and that source is that they find it difficult
5
12778
2094
ossia che trovano difficile
00:26
to understand abstraction, symbolism.
6
14872
5260
capire l'astratto, il simbolismo.
00:32
And because of this, they have
a lot of difficulty with language.
a lot of difficulty with language.
7
20132
4652
Per questo motivo,
hanno molte difficoltà con il linguaggio.
hanno molte difficoltà con il linguaggio.
00:36
Let me tell you a little bit about why this is.
8
24784
3015
Vi spiego perché.
00:39
You see that this is a picture of a bowl of soup.
9
27799
3934
Vedete, questa è l'immagine
di un piatto di minestra.
di un piatto di minestra.
00:43
All of us can see it. All of us understand this.
10
31733
2485
Tutti noi lo vediamo.
Tutti noi lo capiamo.
Tutti noi lo capiamo.
00:46
These are two other pictures of soup,
11
34218
2312
Queste sono altre due
immagini di minestra,
immagini di minestra,
00:48
but you can see that these are more abstract
12
36530
2067
ma vedete che sono più astratte.
00:50
These are not quite as concrete.
13
38597
1856
Non sono altrettanto concrete.
00:52
And when you get to language,
14
40453
2174
In termini di linguaggio,
00:54
you see that it becomes a word
15
42627
1868
vedete che diventa una parola
00:56
whose look, the way it looks and the way it sounds,
16
44495
3261
il cui aspetto e suono,
00:59
has absolutely nothing to do
with what it started with,
with what it started with,
17
47756
2912
non ha assolutamente niente a che vedere
con quel che era all'inizio,
con quel che era all'inizio,
01:02
or what it represents, which is the bowl of soup.
18
50668
2830
o quello che rappresenta,
ossia un piatto di minestra.
ossia un piatto di minestra.
01:05
So it's essentially a completely abstract,
19
53498
2900
Sostanzialmente è una rappresentazione
01:08
a completely arbitrary representation of something
20
56398
2576
completamente astratta,
totalmente arbitraria di qualcosa
totalmente arbitraria di qualcosa
01:10
which is in the real world,
21
58974
1163
del mondo reale.
01:12
and this is something that children with autism
22
60137
1791
Ed è qualcosa che un bambino autistico
01:13
have an incredible amount of difficulty with.
23
61928
3164
trova molto difficile da capire.
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
Per questo motivo, la maggior parte di quelli
che lavorano con bambini autistici,
che lavorano con bambini autistici,
01:19
speech therapists, educators --
25
67843
1878
terapisti della parola, educatori,
01:21
what they do is, they try to help children with autism
26
69721
2633
cercano di aiutare i bambini autistici
01:24
communicate not with words, but with pictures.
27
72354
3229
a comunicare non con le parole,
ma con le immagini.
ma con le immagini.
01:27
So if a child with autism wanted to say,
28
75583
1930
Se un bambino autistico volesse dire,
01:29
"I want soup," that child would pick
29
77513
2458
"Voglio la minestra", prenderebbe
01:31
three different pictures, "I," "want," and "soup,"
30
79971
2260
tre diverse immagini, "Io", "voglio"
e "minestra",
e "minestra",
01:34
and they would put these together,
31
82231
1609
e le metterebbe insieme,
01:35
and then the therapist or the parent would
32
83840
1867
e poi il terapista o il genitore
01:37
understand that this is what the kid wants to say.
33
85707
1887
capirebbe che questo
è quello che vuole dire il bambino.
è quello che vuole dire il bambino.
01:39
And this has been incredibly effective;
34
87594
1778
E ciò è stato straordinariamente efficace,
01:41
for the last 30, 40 years
35
89372
2141
lo si è fatto
01:43
people have been doing this.
36
91513
1613
per 30, 40 anni.
01:45
In fact, a few years back,
37
93126
1349
Di fatto, qualche anno fa,
01:46
I developed an app for the iPad
38
94475
2675
ho sviluppato una app per l'iPad
01:49
which does exactly this. It's called Avaz,
39
97150
2255
che fa esattamente questo.
Si chiama Avaz.
Si chiama Avaz.
01:51
and the way it works is that kids select
40
99405
2279
Funziona in questo modo:
i bambini selezionano
i bambini selezionano
01:53
different pictures.
41
101684
1321
diverse immagini.
01:55
These pictures are sequenced
together to form sentences,
together to form sentences,
42
103005
2570
Le immagini vengono messe in sequenza
in modo da formare frasi,
in modo da formare frasi,
01:57
and these sentences are spoken out.
43
105575
1719
e queste frasi vengono pronunciate.
01:59
So Avaz is essentially converting pictures,
44
107294
3025
Quindi Avaz, in sostanza,
converte le immagini,
converte le immagini,
02:02
it's a translator, it converts pictures into speech.
45
110319
3960
è un traduttore che converte
le immagini in discorso.
le immagini in discorso.
02:06
Now, this was very effective.
46
114279
1718
È stato molto efficace.
02:07
There are thousands of children using this,
47
115997
1384
Ci sono migliaia di bambini che la usano,
02:09
you know, all over the world,
48
117381
1430
in tutto il mondo,
02:10
and I started thinking about
49
118811
2175
e ho cominciato a pensare
02:12
what it does and what it doesn't do.
50
120986
2654
a quello che fa e quello che non fa.
02:15
And I realized something interesting:
51
123640
1684
Mi sono reso conto
di una cosa interessante:
di una cosa interessante:
02:17
Avaz helps children with autism learn words.
52
125324
4203
Avaz aiuta i bambini autistici
a imparare le parole.
a imparare le parole.
02:21
What it doesn't help them do is to learn
53
129527
2405
Quello che non li aiuta a fare è imparare
02:23
word patterns.
54
131932
2748
gli schemi di parole.
02:26
Let me explain this in a little more detail.
55
134680
2472
Vi spiego più in dettaglio.
02:29
Take this sentence: "I want soup tonight."
56
137152
3057
Prendete la frase:
"Stasera voglio la minestra."
"Stasera voglio la minestra."
02:32
Now it's not just the words
here that convey the meaning.
here that convey the meaning.
57
140209
4080
Qui non sono solo le parole
che trasmettono significato.
che trasmettono significato.
02:36
It's also the way in which these words are arranged,
58
144289
3140
È anche il modo in cui
queste parole sono disposte,
queste parole sono disposte,
02:39
the way these words are modified and arranged.
59
147429
2515
il modo in cui queste parole
vengono modificate e disposte.
vengono modificate e disposte.
02:41
And that's why a sentence like "I want soup tonight"
60
149959
2306
Ecco perché una frase come
"Stasera voglio la minestra"
"Stasera voglio la minestra"
02:44
is different from a sentence like
61
152265
1984
è diversa da una frase come
02:46
"Soup want I tonight," which
is completely meaningless.
is completely meaningless.
62
154249
3312
"Minestra stasera voglio",
che è totalmente senza senso.
che è totalmente senza senso.
02:49
So there is another hidden abstraction here
63
157561
2619
C'è un'altra astrazione nascosta qui
02:52
which children with autism find
a lot of difficulty coping with,
a lot of difficulty coping with,
64
160180
3557
che i bambini autistici
hanno difficoltà ad affrontare,
hanno difficoltà ad affrontare,
02:55
and that's the fact that you can modify words
65
163737
2840
ossia che si possono modificare le parole
02:58
and you can arrange them to have
66
166577
2101
e si possono disporre in modo
03:00
different meanings, to convey different ideas.
67
168678
2895
che abbiano significati diversi,
per trasmettere idee diverse.
per trasmettere idee diverse.
03:03
Now, this is what we call grammar.
68
171573
3459
È quello che chiamiamo grammatica.
03:07
And grammar is incredibly powerful,
69
175032
2036
E la grammatica
è incredibilmente importante,
è incredibilmente importante,
03:09
because grammar is this one component of language
70
177068
3157
perché la grammatica
è quel componente della lingua
è quel componente della lingua
03:12
which takes this finite vocabulary that all of us have
71
180225
3489
che prende un vocabolario finito
che abbiamo tutti
che abbiamo tutti
03:15
and allows us to convey an
infinite amount of information,
infinite amount of information,
72
183714
4531
e ci permette di trasmettere
una quantità infinita di informazioni,
una quantità infinita di informazioni,
03:20
an infinite amount of ideas.
73
188245
2134
e una quantità infinita di idee.
03:22
It's the way in which you can put things together
74
190379
2002
È il modo in cui si possono mettere insieme le cose
03:24
in order to convey anything you want to.
75
192381
2168
per poter comunicare qualunque cosa si voglia.
03:26
And so after I developed Avaz,
76
194549
2127
Quindi dopo aver sviluppato Avaz,
03:28
I worried for a very long time
77
196676
1568
mi sono preoccupato a lungo
03:30
about how I could give grammar
to children with autism.
to children with autism.
78
198244
3910
di come spiegare la grammatica
ai bambini autistici.
ai bambini autistici.
03:34
The solution came to me from
a very interesting perspective.
a very interesting perspective.
79
202154
2275
La soluzione mi è venuta
da una prospettiva molto interessante.
da una prospettiva molto interessante.
03:36
I happened to chance upon a child with autism
80
204429
3449
Mi sono imbattuto in una bambina autistica
03:39
conversing with her mom,
81
207878
2109
che chiacchierava con la madre,
03:41
and this is what happened.
82
209987
2094
e questo è quello che è successo.
03:44
Completely out of the blue, very spontaneously,
83
212081
2186
All'improvviso, molto spontaneamente,
03:46
the child got up and said, "Eat."
84
214267
2463
la bambina si alzò e disse, "Mangiare".
03:48
Now what was interesting was
85
216730
1770
La cosa interessante fu
03:50
the way in which the mom was trying to tease out
86
218500
4244
il modo in cui la madre
cercava di capire
cercava di capire
03:54
the meaning of what the child wanted to say
87
222744
2213
il significato di quello
che voleva dire la bambina
che voleva dire la bambina
03:56
by talking to her in questions.
88
224957
2260
parlando con lei per domande.
03:59
So she asked, "Eat what? Do
you want to eat ice cream?
you want to eat ice cream?
89
227217
2593
Quindi le chiese, "Mangiare cosa?
Vuoi mangiare gelato?
Vuoi mangiare gelato?
04:01
You want to eat? Somebody else wants to eat?
90
229810
2112
Tu vuoi mangiare?
Qualcun altro vuole mangiare?
Qualcun altro vuole mangiare?
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
Vuoi mangiare il gelato adesso?
Vuoi mangiare il gelato stasera?
Vuoi mangiare il gelato stasera?
04:07
And then it struck me that
92
235235
1514
E poi mi colpì
04:08
what the mother had done was something incredible.
93
236749
2028
quello che aveva fatto la madre,
qualcosa di incredibile.
qualcosa di incredibile.
04:10
She had been able to get that child to communicate
94
238777
1994
Era riuscita a far comunicare
alla bambina
alla bambina
04:12
an idea to her without grammar.
95
240771
4138
un'idea senza l'uso della grammatica.
04:16
And it struck me that maybe this is what
96
244909
2696
Mi colpì perché forse era quello
04:19
I was looking for.
97
247605
1385
che stavo cercando.
04:20
Instead of arranging words in an order, in sequence,
98
248990
4142
Invece di sistemare le parole
in un ordine,
in un ordine,
04:25
as a sentence, you arrange them
99
253132
2172
in una frase, vengono sistemate
04:27
in this map, where they're all linked together
100
255304
3811
in questa mappa, in cui sono tutte legate
04:31
not by placing them one after the other
101
259115
2143
senza metterle una dietro l'altra
04:33
but in questions, in question-answer pairs.
102
261258
3284
ma in domande, in coppie di domanda-risposta.
04:36
And so if you do this, then what you're conveying
103
264542
2358
Facendo questo, quello che si trasmette
04:38
is not a sentence in English,
104
266900
1986
non è una frase in inglese,
04:40
but what you're conveying is really a meaning,
105
268886
2966
ma un significato,
04:43
the meaning of a sentence in English.
106
271852
1511
il significato di una frase in inglese.
04:45
Now, meaning is really the underbelly,
in some sense, of language.
in some sense, of language.
107
273363
2932
Il significato è il punto debole
della lingua, in un certo senso.
della lingua, in un certo senso.
04:48
It's what comes after thought but before language.
108
276295
3821
È quello che viene dopo il pensiero
ma prima della lingua.
ma prima della lingua.
04:52
And the idea was that this particular representation
109
280116
2503
E l'idea era che questa
rappresentazione particolare
rappresentazione particolare
04:54
might convey meaning in its raw form.
110
282619
3261
potrebbe trasmettere un significato
nella sua forma più pura.
nella sua forma più pura.
04:57
So I was very excited by this, you know,
111
285880
1771
Ero entusiasmato all'idea,
04:59
hopping around all over the place,
112
287651
1493
saltellavo in giro,
05:01
trying to figure out if I can convert
113
289144
1771
cercando di capire
se fosse possibile convertire
se fosse possibile convertire
05:02
all possible sentences that I hear into this.
114
290915
2524
tutte le possibili frasi che sentivo.
05:05
And I found that this is not enough.
115
293439
1773
E ho scoperto che non è sufficiente.
05:07
Why is this not enough?
116
295212
1385
Perché non è sufficiente?
05:08
This is not enough because if you wanted to convey
117
296597
1711
Non è sufficiente perché
se si vuole trasmettere
se si vuole trasmettere
05:10
something like negation,
118
298308
2250
una cosa come la negazione,
05:12
you want to say, "I don't want soup,"
119
300558
1736
si vuole dire, "Non voglio la minestra",
05:14
then you can't do that by asking a question.
120
302294
2220
non lo si può fare facendo una domanda.
05:16
You do that by changing the word "want."
121
304514
2285
Lo si fa cambiando la parola "voglio".
05:18
Again, if you wanted to say,
122
306799
1637
Di nuovo, se voleste dire,
05:20
"I wanted soup yesterday,"
123
308436
1980
"Ieri volevo la minestra",
05:22
you do that by converting
the word "want" into "wanted."
the word "want" into "wanted."
124
310416
2737
lo si fa convertendo la parola
"voglio" in "volevo".
"voglio" in "volevo".
05:25
It's a past tense.
125
313153
1666
È al passato.
05:26
So this is a flourish which I added
126
314819
2103
È un'espressione fiorita che ho aggiunto
05:28
to make the system complete.
127
316922
1576
per rendere il sistema completo.
05:30
This is a map of words joined together
128
318498
1977
È una mappa di parole unite
05:32
as questions and answers,
129
320475
1656
in domande e risposte,
05:34
and with these filters applied on top of them
130
322131
2264
e con l'aggiunta di questi filtri,
05:36
in order to modify them to represent
131
324395
1817
allo scopo di modificarli per rappresentare
05:38
certain nuances.
132
326212
1709
certe sfumature.
05:39
Let me show you this with a different example.
133
327921
1951
Ve lo mostro con un esempio diverso.
05:41
Let's take this sentence:
134
329872
1254
Prendiamo la frase:
05:43
"I told the carpenter I could not pay him."
135
331126
1980
"Ho detto al falegname che non potevo pagarlo."
05:45
It's a fairly complicated sentence.
136
333106
1792
È una frase abbastanza complessa.
05:46
The way that this particular system works,
137
334898
1893
Ecco come funziona
questo particolare sistema:
questo particolare sistema:
05:48
you can start with any part of this sentence.
138
336791
2578
si può cominciare con qualunque parte della frase.
05:51
I'm going to start with the word "tell."
139
339369
1698
Comincerò con la parola "dire".
05:53
So this is the word "tell."
140
341067
1462
Questa è la parola "dire".
05:54
Now this happened in the past,
141
342529
1600
È al passato,
05:56
so I'm going to make that "told."
142
344129
2223
quindi la trasformerò in "detto".
05:58
Now, what I'm going to do is,
143
346352
1708
Quello che farò,
06:00
I'm going to ask questions.
144
348060
1756
è porre domande.
06:01
So, who told? I told.
145
349816
2364
Allora, chi ha detto? Io ho detto.
06:04
I told whom? I told the carpenter.
146
352180
1927
Ho detto a chi? Ho detto al falegname.
06:06
Now we start with a different part of the sentence.
147
354107
1751
Cominciamo
con una parte diversa della frase.
con una parte diversa della frase.
06:07
We start with the word "pay,"
148
355858
1867
Cominciamo con la parola "pagare",
06:09
and we add the ability filter to it to make it "can pay."
149
357725
4577
e aggiungiamo il filtro della capacità
per ottenere "posso pagare".
per ottenere "posso pagare".
06:14
Then we make it "can't pay,"
150
362302
2101
Poi lo trasformiamo in "non posso pagare",
06:16
and we can make it "couldn't pay"
151
364403
1599
e possiamo trasformarlo in
"non potevo pagare"
"non potevo pagare"
06:18
by making it the past tense.
152
366002
1663
mettendolo al passato.
06:19
So who couldn't pay? I couldn't pay.
153
367665
1923
Quindi chi non poteva pagare?
Io non potevo pagare.
Io non potevo pagare.
06:21
Couldn't pay whom? I couldn't pay the carpenter.
154
369588
2676
Non potevo pagare chi?
Non potevo pagare il falegname.
Non potevo pagare il falegname.
06:24
And then you join these two together
155
372264
1731
Poi le mettete insieme
06:25
by asking this question:
156
373995
1350
facendo questa domanda:
06:27
What did I tell the carpenter?
157
375345
1737
Cos'ho detto al falegname?
06:29
I told the carpenter I could not pay him.
158
377082
4049
Ho detto al falegname che non potevo pagarlo.
06:33
Now think about this. This is
159
381131
1937
Pensateci. Questa è...
06:35
—(Applause)—
160
383068
3542
(Applausi)
06:38
this is a representation of this sentence
161
386610
3672
questa è una rappresentazione
di questa frase
di questa frase
06:42
without language.
162
390282
2435
senza la lingua.
06:44
And there are two or three
interesting things about this.
interesting things about this.
163
392717
2192
E ci sono due o tre cose interessanti
a questo proposito.
a questo proposito.
06:46
First of all, I could have started anywhere.
164
394909
3131
Prima di tutto,
avrei potuto cominciare ovunque.
avrei potuto cominciare ovunque.
06:50
I didn't have to start with the word "tell."
165
398040
2243
Non dovevo per forza cominciare
con la parola "dire".
con la parola "dire".
06:52
I could have started anywhere in the sentence,
166
400283
1416
Avrei potuto cominciare ovunque nella frase,
06:53
and I could have made this entire thing.
167
401699
1507
e avrei potuto fare la stessa cosa.
06:55
The second thing is, if I wasn't an English speaker,
168
403206
2776
La seconda cosa è,
se non parlassi inglese,
se non parlassi inglese,
06:57
if I was speaking in some other language,
169
405982
2175
se parlassi un'altra lingua,
07:00
this map would actually hold true in any language.
170
408157
3156
questa mappa sarebbe rimasta valida
in qualunque lingua.
in qualunque lingua.
07:03
So long as the questions are standardized,
171
411313
1990
Finché le domande sono standard,
07:05
the map is actually independent of language.
172
413303
4287
la mappa è indipendente dalla lingua.
07:09
So I call this FreeSpeech,
173
417590
2115
Lo chiamo FreeSpeech,
07:11
and I was playing with this for many, many months.
174
419705
2935
e ci ho giocato per molti mesi.
07:14
I was trying out so many
different combinations of this.
different combinations of this.
175
422640
2726
Ho provato tante
diverse combinazioni.
diverse combinazioni.
07:17
And then I noticed something very
interesting about FreeSpeech.
interesting about FreeSpeech.
176
425366
2289
E poi ho notato nel FreeSpeech
una cosa davvero interessante.
una cosa davvero interessante.
07:19
I was trying to convert language,
177
427655
3243
Cercavo di convertire la lingua,
07:22
convert sentences in English
into sentences in FreeSpeech,
into sentences in FreeSpeech,
178
430898
2384
di convertire le frasi in inglese
in frasi in FreeSpeech,
in frasi in FreeSpeech,
07:25
and vice versa, and back and forth.
179
433282
1752
e viceversa, e avanti e indietro.
07:27
And I realized that this particular configuration,
180
435034
2255
E mi sono reso conto
che questa particolare configurazione,
che questa particolare configurazione,
07:29
this particular way of representing language,
181
437289
2026
questo modo particolare di rappresentare la lingua,
07:31
it allowed me to actually create very concise rules
182
439315
4395
mi permetteva di creare regole molto concise
07:35
that go between FreeSpeech on one side
183
443710
2734
che va da FreeSpeech da un lato
07:38
and English on the other.
184
446444
1488
e inglese dall'altro.
07:39
So I could actually write this set of rules
185
447932
2180
Quindi potevo scrivere questa serie di regole
07:42
that translates from this particular
representation into English.
representation into English.
186
450112
3395
che traducono da questa
particolare rappresentazione all'inglese.
particolare rappresentazione all'inglese.
07:45
And so I developed this thing.
187
453507
1831
E quindi ho sviluppato questa cosa.
07:47
I developed this thing called
the FreeSpeech Engine
the FreeSpeech Engine
188
455338
2232
Ho sviluppato questa cosa
chiamata Motore FreeSpeech
chiamata Motore FreeSpeech
07:49
which takes any FreeSpeech sentence as the input
189
457570
2561
che prende
qualunque frase FreeSpeech come input
qualunque frase FreeSpeech come input
07:52
and gives out perfectly grammatical English text.
190
460131
3930
e restituisce un testo inglese
grammaticamente perfetto.
grammaticamente perfetto.
07:56
And by putting these two pieces together,
191
464061
1605
Mettendo insieme queste due cose,
07:57
the representation and the engine,
192
465666
1881
la rappresentazione e il motore,
07:59
I was able to create an app, a
technology for children with autism,
technology for children with autism,
193
467547
3796
sono stato in grado di creare una app,
una tecnologia per bambini autistici,
una tecnologia per bambini autistici,
08:03
that not only gives them words
194
471343
2499
che non solo dà loro le parole
08:05
but also gives them grammar.
195
473842
3941
ma anche la grammatica.
08:09
So I tried this out with kids with autism,
196
477783
2360
Quindi l'ho provato con bambini autistici,
08:12
and I found that there was an
incredible amount of identification.
incredible amount of identification.
197
480143
5013
e ho scoperto una forte identificazione.
08:17
They were able to create sentences in FreeSpeech
198
485156
2720
Erano in grado di creare frasi in FreeSpeech
08:19
which were much more complicated
but much more effective
but much more effective
199
487876
2558
molto più complicate, ma molto più efficaci
08:22
than equivalent sentences in English,
200
490434
2899
delle equivalenti frasi in inglese,
08:25
and I started thinking about
201
493333
1682
e ho cominciato a chiedermi
08:27
why that might be the case.
202
495015
1969
perché fosse così.
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
Ho avuto un'idea,
di cui voglio parlarvi.
di cui voglio parlarvi.
08:33
In about 1997, about 15 years back,
204
501271
3142
Nel 1997, circa 15 anni fa,
08:36
there were a group of scientists that were trying
205
504413
2011
un gruppo di scienziati stavano cercando
08:38
to understand how the brain processes language,
206
506424
2389
di capire come il cervello elabora il linguaggio
08:40
and they found something very interesting.
207
508813
1779
e scoprirono una cosa molto interessante.
08:42
They found that when you learn a language
208
510592
1872
Scoprirono che quando si impara una lingua
08:44
as a child, as a two-year-old,
209
512464
2912
da bambini, a due anni,
08:47
you learn it with a certain part of your brain,
210
515376
2366
la si impara con una certa parte del cervello,
08:49
and when you learn a language as an adult --
211
517742
1600
e quando si impara una lingua da adulti,
08:51
for example, if I wanted to
learn Japanese right now —
learn Japanese right now —
212
519342
3911
per esempio, se volessi imparare
il giapponese adesso,
il giapponese adesso,
08:55
a completely different part of my brain is used.
213
523253
2707
userei una parte molto diversa del cervello.
08:57
Now I don't know why that's the case,
214
525960
1831
Non so perché sia così,
08:59
but my guess is that that's because
215
527791
1991
ma credo che sia perché
09:01
when you learn a language as an adult,
216
529782
2437
quando si impara una lingua da adulti,
09:04
you almost invariably learn it
217
532219
1616
la si impara inevitabilmente
09:05
through your native language, or
through your first language.
through your first language.
218
533835
4266
attraverso la lingua madre,
o attraverso la prima lingua.
o attraverso la prima lingua.
09:10
So what's interesting about FreeSpeech
219
538101
3252
La cosa interessante di FreeSpeech
09:13
is that when you create a sentence
220
541353
1802
è che quando si crea una frase
09:15
or when you create language,
221
543155
1695
o quando si produce linguaggio,
09:16
a child with autism creates
language with FreeSpeech,
language with FreeSpeech,
222
544850
3070
un bambino autistico produce
linguaggio con FreeSpeech,
linguaggio con FreeSpeech,
09:19
they're not using this support language,
223
547920
1833
non usa questa lingua di supporto,
09:21
they're not using this bridge language.
224
549753
2211
non usa questa lingua ponte.
09:23
They're directly constructing the sentence.
225
551964
2657
Costruisce frasi direttamente.
09:26
And so this gave me this idea.
226
554621
2193
Questo mi ha dato un'idea.
09:28
Is it possible to use FreeSpeech
227
556814
2024
È possibile usare FreeSpeech
09:30
not for children with autism
228
558838
2510
non per i bambini autistici
09:33
but to teach language to people without disabilities?
229
561348
6262
ma per insegnare le lingue
a persone senza disabilità?
a persone senza disabilità?
09:39
And so I tried a number of experiments.
230
567610
1978
Così ho fatto un certo numero
di esperimenti.
di esperimenti.
09:41
The first thing I did was I built a jigsaw puzzle
231
569588
2948
La prima cosa che ho fatto
è stato creare un puzzle
è stato creare un puzzle
09:44
in which these questions and answers
232
572536
1970
in cui queste domande e risposte
09:46
are coded in the form of shapes,
233
574506
1835
sono codificate in forme,
09:48
in the form of colors,
234
576341
1138
in forma di colori,
09:49
and you have people putting these together
235
577479
1849
e le persone le mettono insieme
09:51
and trying to understand how this works.
236
579328
1773
cercando di capire come funziona.
09:53
And I built an app out of it, a game out of it,
237
581101
2376
Ne ho fatto una app, un gioco,
09:55
in which children can play with words
238
583477
2661
in cui i bambini
possono giocare con le parole
possono giocare con le parole
09:58
and with a reinforcement,
239
586138
1704
e con un incoraggiamento,
09:59
a sound reinforcement of visual structures,
240
587842
2585
un incoraggiamento sonoro di strutture visive,
10:02
they're able to learn language.
241
590427
2013
sono in grado di imparare una lingua.
10:04
And this, this has a lot of potential, a lot of promise,
242
592440
2736
Tutto ciò ha un potenziale enorme,
è molto promettente
è molto promettente
10:07
and the government of India recently
243
595176
1975
e proprio di recente abbiamo autorizzato
10:09
licensed this technology from us,
244
597151
1404
il governo indiano all'uso di questa tecnologia,
10:10
and they're going to try it out
with millions of different children
with millions of different children
245
598555
2074
che sarà sperimentata
con milioni di bambini
con milioni di bambini
10:12
trying to teach them English.
246
600629
2605
per l'insegnamento dell'inglese.
10:15
And the dream, the hope, the vision, really,
247
603234
2614
Il vero sogno, la speranza, la visione,
10:17
is that when they learn English this way,
248
605848
3082
è che imparando l'inglese in questo modo,
10:20
they learn it with the same proficiency
249
608930
2643
lo imparino con la stessa competenza
10:23
as their mother tongue.
250
611573
3718
della loro lingua madre.
10:27
All right, let's talk about something else.
251
615291
3816
Bene, parliamo di qualcos'altro.
10:31
Let's talk about speech.
252
619107
1997
Parliamo del discorso.
10:33
This is speech.
253
621104
1271
Questo è il discorso.
10:34
So speech is the primary mode of communication
254
622375
1962
Il discorso è
la principale modalità di comunicazione
la principale modalità di comunicazione
10:36
delivered between all of us.
255
624337
1613
che usiamo tra di noi.
10:37
Now what's interesting about speech is that
256
625950
1855
La cosa interessante del discorso è che
10:39
speech is one-dimensional.
257
627805
1245
è monodimensionale.
10:41
Why is it one-dimensional?
258
629050
1359
Perché è monodimensionale?
10:42
It's one-dimensional because it's sound.
259
630409
1568
È monodimensionale perché è suono.
10:43
It's also one-dimensional because
260
631977
1539
È anche monodimensionale perché
10:45
our mouths are built that way.
261
633516
1205
le nostre bocche sono fatte in quel modo.
10:46
Our mouths are built to create
one-dimensional sound.
one-dimensional sound.
262
634721
3512
Le nostre bocche sono fatte
per creare suoni monodimensionali.
per creare suoni monodimensionali.
10:50
But if you think about the brain,
263
638233
2866
Ma se pensate al cervello,
10:53
the thoughts that we have in our heads
264
641099
1764
i pensieri che abbiamo in testa
10:54
are not one-dimensional.
265
642863
2102
non sono monodimensionali.
10:56
I mean, we have these rich,
266
644965
1459
Voglio dire, abbiamo idee
10:58
complicated, multi-dimensional ideas.
267
646424
3028
ricche, complicate, multidimensionali.
11:01
Now, it seems to me that language
268
649452
1690
Mi sembra che la lingua
11:03
is really the brain's invention
269
651142
2332
sia veramente l'invenzione del cervello
11:05
to convert this rich, multi-dimensional thought
270
653474
3096
per convertire questo pensiero
ricco, multidimensionale
ricco, multidimensionale
11:08
on one hand
271
656570
1587
da un lato
11:10
into speech on the other hand.
272
658157
1923
in discorso dall'altro.
11:12
Now what's interesting is that
273
660080
1762
La cosa interessante è che
11:13
we do a lot of work in information nowadays,
274
661842
2568
lavoriamo molto con le informazioni oggi,
11:16
and almost all of that is done
in the language domain.
in the language domain.
275
664410
3079
e quasi tutto viene fatto nel campo della lingua.
11:19
Take Google, for example.
276
667489
1939
Prendete Google, per esempio.
11:21
Google trawls all these
countless billions of websites,
countless billions of websites,
277
669428
2677
Google setaccia miliardi di siti,
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
tutti in inglese, e quando volete usare Google,
11:26
you go into Google search, and you type in English,
279
674830
2450
andate in Google search e digitate in inglese,
11:29
and it matches the English with the English.
280
677280
4163
e lui fa coincidere l'inglese con l'inglese.
11:33
What if we could do this in FreeSpeech instead?
281
681443
3583
E se poteste invece farlo con FreeSpeech?
11:37
I have a suspicion that if we did this,
282
685026
2301
Ho il sospetto che se lo facessimo,
11:39
we'd find that algorithms like searching,
283
687327
2068
scopriremmo che algoritmi come la ricerca,
11:41
like retrieval, all of these things,
284
689395
2325
il recupero, tutte queste cose,
11:43
are much simpler and also more effective,
285
691720
3075
sono molto più semplici e più efficaci,
11:46
because they don't process
the data structure of speech.
the data structure of speech.
286
694795
4417
perché non elaborano
la struttura dati del discorso.
la struttura dati del discorso.
11:51
Instead they're processing
the data structure of thought.
the data structure of thought.
287
699212
5976
Invece elaborano
la struttura dati del pensiero.
la struttura dati del pensiero.
11:57
The data structure of thought.
288
705188
2808
La struttura dati del pensiero.
11:59
That's a provocative idea.
289
707996
2076
È un'idea provocatoria.
12:02
But let's look at this in a little more detail.
290
710072
2142
Ma analizziamola in dettaglio.
12:04
So this is the FreeSpeech ecosystem.
291
712214
2366
Questo è l'ecosistema FreeSpeech.
12:06
We have the Free Speech
representation on one side,
representation on one side,
292
714580
2884
Da un lato, abbiamo
la rappresentazione di FreeSpeech,
la rappresentazione di FreeSpeech,
12:09
and we have the FreeSpeech
Engine, which generates English.
Engine, which generates English.
293
717464
2228
e dall'altro il Motore FreeSpeech
che genera inglese.
che genera inglese.
12:11
Now if you think about it,
294
719694
1725
Se ci pensate,
12:13
FreeSpeech, I told you, is completely
language-independent.
language-independent.
295
721419
2544
FreeSpeech, vi ho detto,
è completamente indipendente dalla lingua.
è completamente indipendente dalla lingua.
12:15
It doesn't have any specific information in it
296
723963
2087
Non ha informazioni specifiche
12:18
which is about English.
297
726050
1228
sull'inglese.
12:19
So everything that this system knows about English
298
727278
2800
Tutto quello che il sistema sa sull'inglese
12:22
is actually encoded into the engine.
299
730078
4620
è incorporato nel motore.
12:26
That's a pretty interesting concept in itself.
300
734698
2237
È un concetto interessante di per sé.
12:28
You've encoded an entire human language
301
736935
3604
Abbiamo incorporato un'intera lingua umana
12:32
into a software program.
302
740539
2645
in un software.
12:35
But if you look at what's inside the engine,
303
743184
2531
Ma se osservate quello che c'è nel motore,
12:37
it's actually not very complicated.
304
745715
2358
in realtà non è molto complicato.
12:40
It's not very complicated code.
305
748073
2105
Non è un codice molto complicato.
12:42
And what's more interesting is the fact that
306
750178
2672
La cosa più interessante è il fatto che
12:44
the vast majority of the code in that engine
307
752850
2203
la grande maggioranza del codice in quel motore
12:47
is not really English-specific.
308
755053
2412
non è proprio specifico dell'inglese.
12:49
And that gives this interesting idea.
309
757465
1895
E questo dà un'idea interessante.
12:51
It might be very easy for us to actually
310
759360
2038
Potrebbe essere molto facile
12:53
create these engines in many,
many different languages,
many different languages,
311
761398
3826
creare questi motori in diverse lingue,
12:57
in Hindi, in French, in German, in Swahili.
312
765224
6354
in Hindi, Francese, Tedesco, Swahili.
13:03
And that gives another interesting idea.
313
771578
2799
Questo dà un'altra idea interessante.
13:06
For example, supposing I was a writer,
314
774377
2654
Per esempio, supponiamo
che io sia uno scrittore,
che io sia uno scrittore,
13:09
say, for a newspaper or for a magazine.
315
777031
2122
diciamo per un quotidiano o per una rivista.
13:11
I could create content in one language, FreeSpeech,
316
779153
5011
Potrei creare contenuti in una lingua, FreeSpeech,
13:16
and the person who's consuming that content,
317
784164
2056
e la persona che utilizza quel contenuto,
13:18
the person who's reading that particular information
318
786220
3061
la persona che legge quella particolare informazione
13:21
could choose any engine,
319
789281
2495
potrebbe scegliere qualunque motore,
13:23
and they could read it in their own mother tongue,
320
791776
2736
e potrebbe leggere nella propria lingua madre,
13:26
in their native language.
321
794512
3939
nella propria lingua di nascita.
13:30
I mean, this is an incredibly attractive idea,
322
798451
2722
Si tratta di un'idea
incredibilmente attraente
incredibilmente attraente
13:33
especially for India.
323
801173
1999
specialmente per l'India.
13:35
We have so many different languages.
324
803172
1690
Abbiamo tante lingue diverse.
13:36
There's a song about India, and there's a description
325
804862
2142
C'è una canzone sull'India, con una descrizione
13:39
of the country as, it says,
326
807004
2344
del paese che dice
13:41
(in Sanskrit).
327
809348
2360
(in Sanscrito).
13:43
That means "ever-smiling speaker
328
811708
2773
Significa "oratore di belle lingue
13:46
of beautiful languages."
329
814481
4519
sempre sorridente."
13:51
Language is beautiful.
330
819000
1964
La lingua è bella.
13:52
I think it's the most beautiful of human creations.
331
820964
2454
Credo che sia
una delle più belle creazioni dell'uomo.
una delle più belle creazioni dell'uomo.
13:55
I think it's the loveliest thing
that our brains have invented.
that our brains have invented.
332
823418
3978
Credo sia la cosa più bella
che il nostro cervello abbia inventato.
che il nostro cervello abbia inventato.
13:59
It entertains, it educates, it enlightens,
333
827396
3584
Intrattiene, istruisce, illumina,
14:02
but what I like the most about language
334
830980
2044
ma quello che più mi piace della lingua
14:05
is that it empowers.
335
833024
1500
è che dà potere.
14:06
I want to leave you with this.
336
834524
1838
Voglio lasciarvi con questo.
14:08
This is a photograph of my collaborators,
337
836362
2385
Questa è una foto delle mie collaboratrici,
14:10
my earliest collaborators
338
838747
997
le mie prime collaboratrici
14:11
when I started working on language
339
839744
1462
di quando ho cominciato
a lavorare sulla lingua,
a lavorare sulla lingua,
14:13
and autism and various other things.
340
841206
1502
sull'autismo e su varie altre cose.
14:14
The girl's name is Pavna,
341
842708
1417
Il nome della ragazza è Pavna,
14:16
and that's her mother, Kalpana.
342
844125
1902
e l'altra è sua madre, Kalpana.
14:18
And Pavna's an entrepreneur,
343
846027
2138
Pavna è un'imprenditrice,
14:20
but her story is much more remarkable than mine,
344
848165
2371
ma la sua storia è molto più notevole della mia,
14:22
because Pavna is about 23.
345
850536
2400
perché Pavna ha 23 anni.
14:24
She has quadriplegic cerebral palsy,
346
852936
2552
Ha una paralisi cerebrale,
14:27
so ever since she was born,
347
855488
1640
quindi da quando è nata,
14:29
she could neither move nor talk.
348
857128
3600
non può né muoversi né parlare.
14:32
And everything that she's accomplished so far,
349
860728
2403
E tutto quello che ha realizzato fino ad ora,
14:35
finishing school, going to college,
350
863131
2227
finire la scuola, andare all'università,
14:37
starting a company,
351
865358
1416
fondare un'azienda,
14:38
collaborating with me to develop Avaz,
352
866774
2140
collaborare con me per sviluppare Avaz,
14:40
all of these things she's done
353
868914
1892
tutte queste cose le ha fatte
14:42
with nothing more than moving her eyes.
354
870806
5523
solo muovendo gli occhi.
14:48
Daniel Webster said this:
355
876329
2689
Daniel Webster ha detto questo:
14:51
He said, "If all of my possessions were taken
356
879018
2940
"Se mi venissero portati via tutti i miei averi
14:53
from me with one exception,
357
881958
2988
con un'unica eccezione,
14:56
I would choose to keep the power of communication,
358
884946
2981
sceglierei di tenere
il potere della comunicazione,
il potere della comunicazione,
14:59
for with it, I would regain all the rest."
359
887927
3903
perché con quello,
potrei riprendermi tutto il resto."
potrei riprendermi tutto il resto."
15:03
And that's why, of all of these incredible
applications of FreeSpeech,
applications of FreeSpeech,
360
891830
5116
Ecco perché, di tutte le
incredibili applicazioni di FreeSpeech,
incredibili applicazioni di FreeSpeech,
15:08
the one that's closest to my heart
361
896946
2080
quella che sento più vicina
15:11
still remains the ability for this
362
899026
2068
rimane ancora la capacità
15:13
to empower children with disabilities
363
901094
2380
di mettere i bambini con disabilità
15:15
to be able to communicate,
364
903474
1773
in grado di comunicare,
15:17
the power of communication,
365
905247
1789
di dare loro
il potere della comunicazione,
il potere della comunicazione,
15:19
to get back all the rest.
366
907036
2240
per riprendersi tutto il resto.
15:21
Thank you.
367
909276
1397
Grazie.
15:22
(Applause)
368
910673
1332
(Applausi)
15:24
Thank you. (Applause)
369
912005
4199
Grazie. (Applausi)
15:28
Thank you. Thank you. Thank you. (Applause)
370
916204
5323
Grazie. Grazie. Grazie. (Applausi)
15:33
Thank you. Thank you. Thank you. (Applause)
371
921527
4000
Grazie. Grazie. Grazie. (Applausi)
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