English-Video.net comment policy

The comment field is common to all languages

Let's write in your language and use "Google Translate" together

Please refer to informative community guidelines on TED.com

TED2013

Ajit Narayanan: A word game to communicate in any language

アジト・ナラヤナン: 言語を問わない単語ゲーム

Filmed
Views 1,263,246

言語障害を抱える子供たちに関する仕事をしているとき、アジト・ナラヤナン氏は、単語を絵で表し、「マップ」上で関連付ける方法を思いつきました。このアイディアは現在、話すことが難しい人々を補助するアプリの原動力となっています。その裏にある大きなアイディア、言語概念のFreeSpeech(自由言語)には、希望にあふれた可能性が潜んでいます。

- 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

I work with children with autism.
私は自閉症の子供たちに関する
仕事をしています
00:12
Specifically, I make technologies
具体的には 技術開発により
00:15
to help them communicate.
コミュニケーションの
お手伝いをしています
00:17
Now, many of the problems that children
自閉症の子供たちが
00:19
with autism face, they have a common source,
直面する問題には
共通のものがあります
00:21
and that source is that they find it difficult
抽象概念や象徴的意味を
00:24
to understand abstraction, symbolism.
理解するのが困難である
ということです
00:26
And because of this, they have
a lot of difficulty with language.
そのため 言葉に苦労することが
多いのです
00:32
Let me tell you a little bit about why this is.
少し 詳しく説明をします
00:36
You see that this is a picture of a bowl of soup.
これがスープの絵だということは
分かりますよね
00:39
All of us can see it. All of us understand this.
そのように見えますし
そう理解できます
00:43
These are two other pictures of soup,
さらに2つのスープの絵があります
00:46
but you can see that these are more abstract
ただ もっと抽象的です
00:48
These are not quite as concrete.
最初のほど
具体的ではありません
00:50
And when you get to language,
言語となると
00:52
you see that it becomes a word
今度は単語になります
00:54
whose look, the way it looks and the way it sounds,
単語は その見た目も音も
00:56
has absolutely nothing to do
with what it started with,
最初の スープという物とも
00:59
or what it represents, which is the bowl of soup.
それが意味することとも
無関係です
01:02
So it's essentially a completely abstract,
つまり 完全に抽象的で 恣意的な
01:05
a completely arbitrary representation of something
現実世界にある物の
01:08
which is in the real world,
表象なのです
01:10
and this is something that children with autism
自閉症を持つ子供たちは
01:12
have an incredible amount of difficulty with.
これを理解するのに
とても苦しみます
01:13
Now that's why most of the people
that work with children with autism --
このような子供たちに関する
仕事をする人々―
01:17
speech therapists, educators --
スピーチ・セラピストや教育者は
01:19
what they do is, they try to help children with autism
彼らは 自閉症を抱える子供たちが
01:21
communicate not with words, but with pictures.
言葉ではなく
絵で会話できるよう努めています
01:24
So if a child with autism wanted to say,
ある自閉症の子供が
01:27
"I want soup," that child would pick
「私はスープが欲しい」と言いたかったら
01:29
three different pictures, "I," "want," and "soup,"
「私」 「スープ」 「欲しい」という
3つの絵を
01:31
and they would put these together,
選んでつなぎあわせます
01:34
and then the therapist or the parent would
すると セラピストや親は
01:35
understand that this is what the kid wants to say.
子供が言いたいことがわかります
01:37
And this has been incredibly effective;
この手法はとても有効で
01:39
for the last 30, 40 years
過去30、40年間
01:41
people have been doing this.
実践されてきました
01:43
In fact, a few years back,
実際 私は数年前に
01:45
I developed an app for the iPad
このためのiPad用アプリを
01:46
which does exactly this. It's called Avaz,
開発しました
Avaz と言います
01:49
and the way it works is that kids select
この仕組みは 子供たちが
01:51
different pictures.
異なる絵を選び
01:53
These pictures are sequenced
together to form sentences,
選ばれた絵がつながり 文になり
01:55
and these sentences are spoken out.
その文が読み上げられます
01:57
So Avaz is essentially converting pictures,
つまり Avaz は絵を変換するアプリ
01:59
it's a translator, it converts pictures into speech.
絵を言葉に変換する
翻訳機なのです
02:02
Now, this was very effective.
アプリは効果的でした
02:06
There are thousands of children using this,
何千人もの子供たちが
02:07
you know, all over the world,
世界中で使っています
02:09
and I started thinking about
私は このアプリにできることと―
02:10
what it does and what it doesn't do.
できないことについて考え始めました
02:12
And I realized something interesting:
すると 興味深いことに気づきました
02:15
Avaz helps children with autism learn words.
Avaz は単語を学ぶのに
役立っていますが
02:17
What it doesn't help them do is to learn
単語のパターンを学ぶ
02:21
word patterns.
助けにはなっていないと
02:23
Let me explain this in a little more detail.
もう少し詳しく説明します
02:26
Take this sentence: "I want soup tonight."
「今夜はスープが飲みたい」
を例文とします
02:29
Now it's not just the words
here that convey the meaning.
ここで意味を伝達するのは
単語だけではありません
02:32
It's also the way in which these words are arranged,
どう単語が並んでいるか
02:36
the way these words are modified and arranged.
どう修飾されているかも
重要です
02:39
And that's why a sentence like "I want soup tonight"
だからこそ
「今夜はスープが飲みたい」は
02:41
is different from a sentence like
「飲みたいスープ今夜」のように
意味不明の文から区別されるのです
02:44
"Soup want I tonight," which
is completely meaningless.
「飲みたいスープ今夜」のように
意味不明の文から区別されるのです
02:46
So there is another hidden abstraction here
ここにもう一つ
自閉症の子供たちが
02:49
which children with autism find
a lot of difficulty coping with,
理解するのが難しい抽象表現があります
02:52
and that's the fact that you can modify words
それは 単語の修飾や並び替えで
02:55
and you can arrange them to have
異なる意味や考えを
02:58
different meanings, to convey different ideas.
伝えることが出来るということです
03:00
Now, this is what we call grammar.
これが文法と呼ばれるものです
03:03
And grammar is incredibly powerful,
文法は大きな影響力を持ちます
03:07
because grammar is this one component of language
文法は言語の構成要素の中でも
03:09
which takes this finite vocabulary that all of us have
私たちが有する
有限の語彙をもとに
03:12
and allows us to convey an
infinite amount of information,
無限の情報とアイディアを
伝達することを
03:15
an infinite amount of ideas.
可能にします
03:20
It's the way in which you can put things together
別々のものをつなぎあわせて
03:22
in order to convey anything you want to.
どんなことでも伝えられる
仕組みです
03:24
And so after I developed Avaz,
Avazを開発してから
03:26
I worried for a very long time
自閉症の子供たちに
03:28
about how I could give grammar
to children with autism.
どうやって文法を伝えられるか
長い間悩みました
03:30
The solution came to me from
a very interesting perspective.
答えは意外な視点から見えました
03:34
I happened to chance upon a child with autism
あるとき 自閉症の子供が
お母さんと
03:36
conversing with her mom,
会話をしているのを見かけました
03:39
and this is what happened.
そうするとなんと
03:41
Completely out of the blue, very spontaneously,
子供が突然立ち上がり
03:44
the child got up and said, "Eat."
こう言いました
「食べる」
03:46
Now what was interesting was
興味深かったのは
03:48
the way in which the mom was trying to tease out
お母さんは
子供が言いたがっていることを
03:50
the meaning of what the child wanted to say
探り出すため 質問形式で
03:54
by talking to her in questions.
子供に話していたことです
03:56
So she asked, "Eat what? Do
you want to eat ice cream?
「何を食べるの?」
「アイスが食べたいの?」
03:59
You want to eat? Somebody else wants to eat?
「あなたが食べたいの?」
「誰かが食べたいの?」
04:01
You want to eat cream now? You
want to eat ice cream in the evening?"
「今食べたいの?」
「夕方食べたいの?」
04:03
And then it struck me that
そして ハッとしました
04:07
what the mother had done was something incredible.
このお母さんの行動は天才的だと
04:08
She had been able to get that child to communicate
彼女は文法なしで子供との
04:10
an idea to her without grammar.
コミュニケーションを
可能にしたのです
04:12
And it struck me that maybe this is what
これが探していた答えかもしれない
04:16
I was looking for.
そう感じました
04:19
Instead of arranging words in an order, in sequence,
文として単語を
順に並べるのではなく
04:20
as a sentence, you arrange them
要素同士がつながっている
04:25
in this map, where they're all linked together
このようなマップ上で配列する
04:27
not by placing them one after the other
要素同士を横に並べるのではなく
04:31
but in questions, in question-answer pairs.
質問形式に
つまり 問いと答えのペアで並べる
04:33
And so if you do this, then what you're conveying
こうして伝えられるのは
04:36
is not a sentence in English,
英語の文ではなく
04:38
but what you're conveying is really a meaning,
意味を伝えています
04:40
the meaning of a sentence in English.
英語の文の意味なのです
04:43
Now, meaning is really the underbelly,
in some sense, of language.
意味とは 言語の急所とも言えます
04:45
It's what comes after thought but before language.
思考の後 言語の前に
生成されます
04:48
And the idea was that this particular representation
マップ形式では意味を
04:52
might convey meaning in its raw form.
直接伝えられるのでは
と考えました
04:54
So I was very excited by this, you know,
とてもワクワクしました
04:57
hopping around all over the place,
さまざまな場所に行き
04:59
trying to figure out if I can convert
耳にするありとあらゆる文を
05:01
all possible sentences that I hear into this.
この形に変換しようと試みました
05:02
And I found that this is not enough.
すると これでは不十分だと気づきました
05:05
Why is this not enough?
何が不十分なのでしょうか?
05:07
This is not enough because if you wanted to convey
それは 例えば「否定」を
05:08
something like negation,
伝えたいときに言うのは
05:10
you want to say, "I don't want soup,"
「スープを飲みたくない」で
05:12
then you can't do that by asking a question.
質問では引き出せません
05:14
You do that by changing the word "want."
「飲みたい」を変える必要があります
05:16
Again, if you wanted to say,
「昨日スープが飲みたかった」
05:18
"I wanted soup yesterday,"
と言いたい場合は
05:20
you do that by converting
the word "want" into "wanted."
「飲みたい」を
「飲みたかった」と
05:22
It's a past tense.
過去形に変えます
05:25
So this is a flourish which I added
この機能を足すことで
05:26
to make the system complete.
システムが完成しました
05:28
This is a map of words joined together
この単語のマップは問いと答えの
05:30
as questions and answers,
関係でつながっています
05:32
and with these filters applied on top of them
さらに フィルターをかけることで
05:34
in order to modify them to represent
特定のニュアンスに合わせて
05:36
certain nuances.
変更できます
05:38
Let me show you this with a different example.
違う例文で説明しましょう
05:39
Let's take this sentence:
「私は大工に
私は彼に支払えない と言った」
05:41
"I told the carpenter I could not pay him."
「私は大工に
私は彼に支払えない と言った」
05:43
It's a fairly complicated sentence.
かなり複雑な文です
05:45
The way that this particular system works,
このシステムの仕組みでは
05:46
you can start with any part of this sentence.
文のどの部分から始めてもいいので
05:48
I'm going to start with the word "tell."
「言う」から始めてみます
05:51
So this is the word "tell."
この「言う」という単語は
05:53
Now this happened in the past,
過去の出来事ですから
05:54
so I'm going to make that "told."
これを「言った」にします
05:56
Now, what I'm going to do is,
では次に
05:58
I'm going to ask questions.
いくつか質問をします
06:00
So, who told? I told.
「誰が言ったの?」
「私が言った」
06:01
I told whom? I told the carpenter.
「誰に言ったの?」
「大工に言った」
06:04
Now we start with a different part of the sentence.
次は文の違う部分から
06:06
We start with the word "pay,"
「支払う」という単語に
06:07
and we add the ability filter to it to make it "can pay."
能力フィルターをかけて
「支払える」にします
06:09
Then we make it "can't pay,"
それから「支払えない」とします
06:14
and we can make it "couldn't pay"
最後に「支払えなかった」と
06:16
by making it the past tense.
過去形にします
06:18
So who couldn't pay? I couldn't pay.
「誰が支払えなかったの?」
「私が支払えなかった」
06:19
Couldn't pay whom? I couldn't pay the carpenter.
「誰に支払えなかったの?」
「大工に支払えなかった」
06:21
And then you join these two together
結果をつなげるために
06:24
by asking this question:
この質問をします
06:25
What did I tell the carpenter?
「大工になんと言ったの?」
06:27
I told the carpenter I could not pay him.
「私は大工に
私は彼に支払えない と言った」
06:29
Now think about this. This is
考えてみてください これは
06:33
—(Applause)—
―(拍手)―
06:35
this is a representation of this sentence
これは言語に頼らない
06:38
without language.
文の表象なのです
06:42
And there are two or three
interesting things about this.
そして 興味深い点がいくつかあります
06:44
First of all, I could have started anywhere.
第一に どの部分から始めても
良かったということ
06:46
I didn't have to start with the word "tell."
「言う」から始める必要は無く
06:50
I could have started anywhere in the sentence,
どこから始めても
06:52
and I could have made this entire thing.
同じ結果に至ります
06:53
The second thing is, if I wasn't an English speaker,
第二に 私が英語話者でなく
06:55
if I was speaking in some other language,
他の言語を話していたとしても
06:57
this map would actually hold true in any language.
このマップは同様に機能した
ということ
07:00
So long as the questions are standardized,
質問が統一されていさえすれば
07:03
the map is actually independent of language.
マップは言語に
左右されないのです
07:05
So I call this FreeSpeech,
これをFreeSpeech(自由言語)と名づけ
07:09
and I was playing with this for many, many months.
何か月も試してみました
07:11
I was trying out so many
different combinations of this.
ありとあらゆるパターンを試し
07:14
And then I noticed something very
interesting about FreeSpeech.
非常に興味深い点を発見しました
07:17
I was trying to convert language,
言葉を変換しようとしていたときです
07:19
convert sentences in English
into sentences in FreeSpeech,
英文を「自由言語」に変換したり
07:22
and vice versa, and back and forth.
その逆を繰り返していたら
07:25
And I realized that this particular configuration,
特有の構造に気づきました
07:27
this particular way of representing language,
この特有の言語の表象方法からは
07:29
it allowed me to actually create very concise rules
「自由言語」と英語という
両極の間に
07:31
that go between FreeSpeech on one side
とても簡潔な法則を導き出すことが
07:35
and English on the other.
可能でした
07:38
So I could actually write this set of rules
表象から英語に変換する法則を
07:39
that translates from this particular
representation into English.
実際に書き出すこともできます
07:42
And so I developed this thing.
こうして開発したのが
07:45
I developed this thing called
the FreeSpeech Engine
「自由言語」エンジンです
07:47
which takes any FreeSpeech sentence as the input
どんな「自由言語」の文を
インプットしても
07:49
and gives out perfectly grammatical English text.
正しい文法の英文を
アウトプット出来ます
07:52
And by putting these two pieces together,
表象とエンジンの
07:56
the representation and the engine,
二つを組み合わせることで
07:57
I was able to create an app, a
technology for children with autism,
自閉症の子供たちのための
技術となるアプリが出来ました
07:59
that not only gives them words
それは 彼らに単語だけでなく
08:03
but also gives them grammar.
文法も与えるものでした
08:05
So I tried this out with kids with autism,
自閉症を抱える子供たちに
08:09
and I found that there was an
incredible amount of identification.
試してもらうと
その効果は一目瞭然でした
08:12
They were able to create sentences in FreeSpeech
彼らは「自由言語」を使い 英語よりも
08:17
which were much more complicated
but much more effective
複雑かつ かなり分かりやすい
08:19
than equivalent sentences in English,
文を作ることが出来ました
08:22
and I started thinking about
なぜこうなるのか
08:25
why that might be the case.
考えたところ
08:27
And I had an idea, and I want to
talk to you about this idea next.
一つの仮説をたてました
それを今から説明します
08:28
In about 1997, about 15 years back,
1997年頃 約15年前ですが
08:33
there were a group of scientists that were trying
脳の言語処理方法を
08:36
to understand how the brain processes language,
解明しようとする科学者のグループが
08:38
and they found something very interesting.
とても興味深いことを発見しました
08:40
They found that when you learn a language
人間は言語を
08:42
as a child, as a two-year-old,
幼少期に学ぶとき
08:44
you learn it with a certain part of your brain,
脳のとある部分で習得します
08:47
and when you learn a language as an adult --
一方 大人として学ぶとき
08:49
for example, if I wanted to
learn Japanese right now —
例えば 私が今から
日本語を勉強するとなると
08:51
a completely different part of my brain is used.
脳のまったく別の部分で習得します
08:55
Now I don't know why that's the case,
その理由は分かりませんが
08:57
but my guess is that that's because
私が思うには
08:59
when you learn a language as an adult,
大人として言語を学ぶときは
09:01
you almost invariably learn it
ほぼ必然的に
09:04
through your native language, or
through your first language.
母語か第一言語を通して
学びます
09:05
So what's interesting about FreeSpeech
「自由言語」の面白いところは
09:10
is that when you create a sentence
文や言語を生成するとき―
09:13
or when you create language,
ちなみに自閉症の子供たちは
09:15
a child with autism creates
language with FreeSpeech,
「自由言語」でことばを作りますが―
09:16
they're not using this support language,
補助的な言語に頼りません
09:19
they're not using this bridge language.
言語の橋渡しが無いのです
09:21
They're directly constructing the sentence.
文を直接構築しているのです
09:23
And so this gave me this idea.
そしてあるアイディアが浮かびました
09:26
Is it possible to use FreeSpeech
「自由言語」を
09:28
not for children with autism
自閉症の子供たちではなく
09:30
but to teach language to people without disabilities?
障害を持たない人々への
言語教育にも利用できないだろうか?
09:33
And so I tried a number of experiments.
いくつかの実験を試みました
09:39
The first thing I did was I built a jigsaw puzzle
まず ジグソーパズルを作りました
09:41
in which these questions and answers
このパズルは問いと答えが
09:44
are coded in the form of shapes,
形や色として埋め込まれ
09:46
in the form of colors,
皆にはこれを
09:48
and you have people putting these together
組み立てることで 仕組みを
09:49
and trying to understand how this works.
理解してもらいました
09:51
And I built an app out of it, a game out of it,
これをもとに
ゲームアプリを開発しました
09:53
in which children can play with words
子供たちが単語で遊ぶなか
09:55
and with a reinforcement,
視覚的な構造が
09:58
a sound reinforcement of visual structures,
聴覚的に補助されることで
09:59
they're able to learn language.
言語を習得できるのです
10:02
And this, this has a lot of potential, a lot of promise,
この技術は
大きな可能性を秘めています
10:04
and the government of India recently
先日 インド政府にこの技術を
10:07
licensed this technology from us,
ライセンス供与しました
10:09
and they're going to try it out
with millions of different children
政府は 何百万人もの子供たちに
10:10
trying to teach them English.
英語を教えるのに試用します
10:12
And the dream, the hope, the vision, really,
私の夢、希望、展望は
10:15
is that when they learn English this way,
この方法で英語を学ぶことで
10:17
they learn it with the same proficiency
母語と同様に
10:20
as their mother tongue.
英語に堪能になってくれることです
10:23
All right, let's talk about something else.
では 次は
10:27
Let's talk about speech.
発話について話しましょう
10:31
This is speech.
これは発話です
10:33
So speech is the primary mode of communication
人の間で交わされる
コミュニケーションの
10:34
delivered between all of us.
最も主要な形態です
10:36
Now what's interesting about speech is that
発話の興味深いところは
10:37
speech is one-dimensional.
一次元だという点です
10:39
Why is it one-dimensional?
なぜ一次元なのでしょうか?
10:41
It's one-dimensional because it's sound.
音声だからです
10:42
It's also one-dimensional because
また 人間の口が
10:43
our mouths are built that way.
そういう構造だからです
10:45
Our mouths are built to create
one-dimensional sound.
一次元の音を発するよう
造られています
10:46
But if you think about the brain,
でも 脳について考えると
10:50
the thoughts that we have in our heads
頭の中の思考は
10:53
are not one-dimensional.
一次元ではありません
10:54
I mean, we have these rich,
というのも 思考は
10:56
complicated, multi-dimensional ideas.
豊かで 複雑で 複数次元です
10:58
Now, it seems to me that language
すると 言語は実は
11:01
is really the brain's invention
脳の発明であり
11:03
to convert this rich, multi-dimensional thought
それは この豊かで
複数次元の思考を
11:05
on one hand
発話に変換するための
11:08
into speech on the other hand.
ものだと思えてきます
11:10
Now what's interesting is that
面白いことに 最近は
11:12
we do a lot of work in information nowadays,
情報分野の仕事が多いですが
11:13
and almost all of that is done
in the language domain.
ほとんどが言語の領域で行われています
11:16
Take Google, for example.
例えばグーグルは
11:19
Google trawls all these
countless billions of websites,
数え切れないほどの
英語のウェブサイトを
11:21
all of which are in English,
and when you want to use Google,
徹底的に探し出し
グーグルを使うときは
11:24
you go into Google search, and you type in English,
グーグル検索で英語で入力すると
11:26
and it matches the English with the English.
その英語とウェブサイトの英語を
合致させてくれる
11:29
What if we could do this in FreeSpeech instead?
これを「自由言語」でもできたら
どうでしょう?
11:33
I have a suspicion that if we did this,
私の予想では そうすることで
11:37
we'd find that algorithms like searching,
検索行為や結果取得における
11:39
like retrieval, all of these things,
アルゴリズムはもっと単純で
11:41
are much simpler and also more effective,
効果的なものになると思います
11:43
because they don't process
the data structure of speech.
それは発話のデータ構造を処理せずに
11:46
Instead they're processing
the data structure of thought.
思考のデータ構造を
処理するものになるからです
11:51
The data structure of thought.
思考のデータ構造
11:57
That's a provocative idea.
刺激的な発想ですよね
11:59
But let's look at this in a little more detail.
もう少し詳しく見てみましょう
12:02
So this is the FreeSpeech ecosystem.
これが「自由言語」の生態系です
12:04
We have the Free Speech
representation on one side,
一方では「自由言語」があり
そして―
12:06
and we have the FreeSpeech
Engine, which generates English.
英語を生成するエンジンがあります
12:09
Now if you think about it,
改めて考えてみると
12:11
FreeSpeech, I told you, is completely
language-independent.
「自由言語」は
言語から独立しています
12:13
It doesn't have any specific information in it
英語に関する特定の情報は
12:15
which is about English.
一切入っていない
12:18
So everything that this system knows about English
つまり このシステムが持つ
英語に関する情報は
12:19
is actually encoded into the engine.
すべてエンジン内にコード化されています
12:22
That's a pretty interesting concept in itself.
これ自体が面白い概念です
12:26
You've encoded an entire human language
人間の言語というものを
ソフトウェアプログラムに
12:28
into a software program.
記号化してしまったのです
12:32
But if you look at what's inside the engine,
しかし エンジンの中身を見てみると
12:35
it's actually not very complicated.
それほど複雑ではありません
12:37
It's not very complicated code.
難しいコードではないのです
12:40
And what's more interesting is the fact that
さらに面白いことに
12:42
the vast majority of the code in that engine
コードの大部分が
12:44
is not really English-specific.
英語固有のものではありません
12:47
And that gives this interesting idea.
そこで考えたのです
12:49
It might be very easy for us to actually
このようなエンジンを簡単に
12:51
create these engines in many,
many different languages,
さまざまな言語に対して
作成できるのではないかと
12:53
in Hindi, in French, in German, in Swahili.
例えば ヒンディー語、 フランス語、 ドイツ語、 スワヒリ語
12:57
And that gives another interesting idea.
そこから こうも考えられます
13:03
For example, supposing I was a writer,
例えば 私が新聞や雑誌の
13:06
say, for a newspaper or for a magazine.
ライターだとします
13:09
I could create content in one language, FreeSpeech,
コンテンツを「自由言語」という
一つの言語で書けば
13:11
and the person who's consuming that content,
そのコンテンツの消費者
13:16
the person who's reading that particular information
つまり情報の読者は
13:18
could choose any engine,
どのエンジンでも選べ
13:21
and they could read it in their own mother tongue,
コンテンツを母語で
13:23
in their native language.
読むことができる
13:26
I mean, this is an incredibly attractive idea,
これは 大変魅力的な
アイディアです
13:30
especially for India.
特にインドでは 多くの言語が
13:33
We have so many different languages.
存在しますからね
13:35
There's a song about India, and there's a description
インドについて歌っている曲では
13:36
of the country as, it says,
国をこう表しています
13:39
(in Sanskrit).
(サンスクリット語)
13:41
That means "ever-smiling speaker
「いつも笑顔の
13:43
of beautiful languages."
美しい言語たちの話者」と言っています
13:46
Language is beautiful.
言語は美しいものです
13:51
I think it's the most beautiful of human creations.
最も美しい
人間の創造物だと思います
13:52
I think it's the loveliest thing
that our brains have invented.
最も愛しい
脳の発明品だと思います
13:55
It entertains, it educates, it enlightens,
私たちを楽しませ 教育し
啓発してくれます
13:59
but what I like the most about language
でも 最も好きなところは
14:02
is that it empowers.
力を与えてくれることです
14:05
I want to leave you with this.
最後にお見せしたいものがあります
14:06
This is a photograph of my collaborators,
これは私の協力者の写真です
14:08
my earliest collaborators
私が仕事で 言語や自閉症に
取り組み始めたころの協力者です
14:10
when I started working on language
私が仕事で 言語や自閉症に
取り組み始めたころの協力者です
14:11
and autism and various other things.
私が仕事で 言語や自閉症に
取り組み始めたころの協力者です
14:13
The girl's name is Pavna,
彼女はパヴナ
14:14
and that's her mother, Kalpana.
お母さんはカルパナ
14:16
And Pavna's an entrepreneur,
パヴナは起業家です
14:18
but her story is much more remarkable than mine,
弱冠23歳ですから
14:20
because Pavna is about 23.
彼女のストーリーは
私のよりもすごいです
14:22
She has quadriplegic cerebral palsy,
彼女は脳性四肢麻痺を抱えています
14:24
so ever since she was born,
生まれたときから
14:27
she could neither move nor talk.
動くことも話すこともできなかったのです
14:29
And everything that she's accomplished so far,
彼女がこれまで達成してきたこと―
14:32
finishing school, going to college,
義務教育修了 大学進学
14:35
starting a company,
会社の起業
14:37
collaborating with me to develop Avaz,
Avazの開発協力―
14:38
all of these things she's done
これらはすべて
14:40
with nothing more than moving her eyes.
目を動かすことだけで
成し遂げてきたのです
14:42
Daniel Webster said this:
ダニエル・ウェブスターは
こう言いました
14:48
He said, "If all of my possessions were taken
「もし私の所有物を 一つを除いて
14:51
from me with one exception,
すべて失ってしまうとなったら
14:53
I would choose to keep the power of communication,
コミュニケーション能力を残したい
14:56
for with it, I would regain all the rest."
それで他を取り返せるから」 と
14:59
And that's why, of all of these incredible
applications of FreeSpeech,
だからこそ「自由言語」の
数ある応用方法のうち
15:03
the one that's closest to my heart
今でも変わらず
15:08
still remains the ability for this
最も重要だと感じるのは
15:11
to empower children with disabilities
障害をもつ子供たちに
15:13
to be able to communicate,
コミュニケーションという
15:15
the power of communication,
力を与えることです
15:17
to get back all the rest.
それで全てを取り返せます
15:19
Thank you.
ありがとうございました
15:21
(Applause)
(拍手)
15:22
Thank you. (Applause)
どうもありがとう (拍手)
15:24
Thank you. Thank you. Thank you. (Applause)
どうも ありがとうございます (拍手)
15:28
Thank you. Thank you. Thank you. (Applause)
(拍手)
15:33
Translated by Kaori Abe
Reviewed by Makoto Ikeo

▲Back to top

About the speaker:

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.

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.

More profile about the speaker
Ajit Narayanan | Speaker | TED.com