TED2011
Deb Roy: The birth of a word
데브 로이: 단어의 탄생
Filmed:
Readability: 4.2
2,809,941 views
MIT 연구원인 데브 로이는 그의 갓난 아들이 어떻게 언어를 배우는지 이해하고 싶었습니다. -- 그래서 그는 그의 집안을 비디오카메라로 연결하여 거의 모든 아들의 삶을 담고, 그런 다음 "가아아아" 가 서서히 "워터"로 변해가는 과정을 지켜보기 위해 90,000시간의 홈비디오를 분석하였습니다. 우리가 언어를 배우는 방법에 대한 고도로 함축된 대용량데이터의 연구가 놀랍습니다.
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
만약 여러분의 삶을 기록 가능하다고 상상해 보십시오 --
00:19
everything you said, everything you did,
1
4000
3000
말하는 모든 것, 행동하는 모든 것들이
00:22
available in a perfect memory store at your fingertips,
2
7000
3000
여러분 손끝의 완벽한 저장장치 안에 있다면,
00:25
so you could go back
3
10000
2000
여러분들은 과거로 돌아가서
00:27
and find memorable moments and relive them,
4
12000
3000
기억할 만 한 순간들을 찾아서 다시 체험할 수도 있고,
00:30
or sift through traces of time
5
15000
3000
또는 시간의 궤적을 샅샅히 살펴봐서
00:33
and discover patterns in your own life
6
18000
2000
이전에는 찾지 못하고 흘려보냈던
00:35
that previously had gone undiscovered.
7
20000
3000
여러분 자신의 삶 속의 패턴을 발견할 수도 있습니다.
00:38
Well that's exactly the journey
8
23000
2000
음 그건 정확히 저희 가족들이
00:40
that my family began
9
25000
2000
오년 반 전에 시작한
00:42
five and a half years ago.
10
27000
2000
여행입니다.
00:44
This is my wife and collaborator, Rupal.
11
29000
3000
여기는 제 아내이자 조력자인, 루팔 입니다.
00:47
And on this day, at this moment,
12
32000
2000
그리고 이 날, 이 순간에,
00:49
we walked into the house with our first child,
13
34000
2000
우리는 우리 첫 아기, 우리 예쁜 사내아이와
00:51
our beautiful baby boy.
14
36000
2000
집안으로 걸어들어갔습니다.
00:53
And we walked into a house
15
38000
3000
매우 특별한 홈 비디오 녹화장비를 가지고
00:56
with a very special home video recording system.
16
41000
4000
집 안으로 들어갔지요.
01:07
(Video) Man: Okay.
17
52000
2000
(영상) 남자: 좋아.
01:10
Deb Roy: This moment
18
55000
1000
데브 로이: 이 순간
01:11
and thousands of other moments special for us
19
56000
3000
그리고 우리에게 특별한 수천번의 다른 순간들이
01:14
were captured in our home
20
59000
2000
저희 집에서 녹화되었는데
01:16
because in every room in the house,
21
61000
2000
이 집의 모든 방 안에,
01:18
if you looked up, you'd see a camera and a microphone,
22
63000
3000
위를 올려다보시면, 카메라와 마이크를 보실 수 있고,
01:21
and if you looked down,
23
66000
2000
아래를 내려다보면,
01:23
you'd get this bird's-eye view of the room.
24
68000
2000
그 방의 부감풍경을 볼 수 있습니다.
01:25
Here's our living room,
25
70000
3000
여기는 저희 거실이구요,
01:28
the baby bedroom,
26
73000
3000
아기 침실,
01:31
kitchen, dining room
27
76000
2000
주방, 식당
01:33
and the rest of the house.
28
78000
2000
그리고 나머지 집안입니다.
01:35
And all of these fed into a disc array
29
80000
3000
그리고 이 모든 것들을 연속 녹화를 위해
01:38
that was designed for a continuous capture.
30
83000
3000
특별히 제작된 디스크 장치들로 공급합니다.
01:41
So here we are flying through a day in our home
31
86000
3000
자 이제 저희 집의 하루로 날아가는데요
01:44
as we move from sunlit morning
32
89000
3000
해가 밝은 아침부터
01:47
through incandescent evening
33
92000
2000
불켜진 저녁을 거쳐
01:49
and, finally, lights out for the day.
34
94000
3000
결국 불을 끄는 때 까지 이동 해보겠습니다.
01:53
Over the course of three years,
35
98000
3000
삼년이라는 과정 동안,
01:56
we recorded eight to 10 hours a day,
36
101000
2000
하루에 8-10 시간 동안 녹화를 했는데,
01:58
amassing roughly a quarter-million hours
37
103000
3000
다중트랙 음향과 영상으로
02:01
of multi-track audio and video.
38
106000
3000
대략 25만 시간 정도를 모았습니다.
02:04
So you're looking at a piece of what is by far
39
109000
2000
따라서 여러분께서는 사상 최대 규모의
02:06
the largest home video collection ever made.
40
111000
2000
홈비디오 모음집을 보고 계시는 겁니다.
02:08
(Laughter)
41
113000
3000
(웃음)
02:11
And what this data represents
42
116000
2000
그리고 개인적으로 저희 가족을 위해서
02:13
for our family at a personal level,
43
118000
4000
이 데이터가 어떻게 보여지든지,
02:17
the impact has already been immense,
44
122000
2000
그 영향은 이미 헤아릴 수 없을 정도로 크고,
02:19
and we're still learning its value.
45
124000
3000
저희는 여전히 그 가치에 대해 배우고 있는 중입니다.
02:22
Countless moments
46
127000
2000
셀 수 없는 순간들이,
02:24
of unsolicited natural moments, not posed moments,
47
129000
3000
원치 않던 자연스러운 순간들, 포즈를 잡지 않은 순간들이
02:27
are captured there,
48
132000
2000
거기 담겨 있습니다.
02:29
and we're starting to learn how to discover them and find them.
49
134000
3000
그리고 어떻게 그들을 발견하고 찾아내는지에 대해 배워보려 합니다.
02:32
But there's also a scientific reason that drove this project,
50
137000
3000
하지만 이 프로젝트를 운영하는 또다른 과학적인 이유가 있는데,
02:35
which was to use this natural longitudinal data
51
140000
4000
그것은 아이가 언어를 배우는 과정에 대해 이해하기 위해
02:39
to understand the process
52
144000
2000
이 자연 대용량 데이터를
02:41
of how a child learns language --
53
146000
2000
이용하는 것입니다. --
02:43
that child being my son.
54
148000
2000
그 아이가 제 아들이구요.
02:45
And so with many privacy provisions put in place
55
150000
4000
따라서 이 데이터에 녹화된 모든 사람들을 보호하기 위한
02:49
to protect everyone who was recorded in the data,
56
154000
3000
많은 개인정보 보호 규정을 두고,
02:52
we made elements of the data available
57
157000
3000
우리는 데이터 요소들을 MIT에 있는
02:55
to my trusted research team at MIT
58
160000
3000
제가 믿을만한 연구팀에 두고 나서
02:58
so we could start teasing apart patterns
59
163000
3000
언어 습득에 있어 사회 환경이 주는 영향에 대한
03:01
in this massive data set,
60
166000
3000
이해에 대해 시도하는,
03:04
trying to understand the influence of social environments
61
169000
3000
이 거대한 데이터 덩어리 안에서 패턴을 추출해내는 작업을
03:07
on language acquisition.
62
172000
2000
시작할 수 있었습니다.
03:09
So we're looking here
63
174000
2000
여기서 우리가 가장 처음
03:11
at one of the first things we started to do.
64
176000
2000
시작하려는 걸 보고 있습니다.
03:13
This is my wife and I cooking breakfast in the kitchen,
65
178000
4000
여긴 제 아내고, 주방에서 아침을 만들고 있죠.
03:17
and as we move through space and through time,
66
182000
3000
우리가 주방에서의 매우 일상적인 패턴,
03:20
a very everyday pattern of life in the kitchen.
67
185000
3000
공간과 시간을 통해 움직입니다.
03:23
In order to convert
68
188000
2000
이 불투명한, 9만 시간의 영상을,
03:25
this opaque, 90,000 hours of video
69
190000
3000
우리가 분석을 시작할 수 있는
03:28
into something that we could start to see,
70
193000
2000
어떤 것으로 변환 시키기 위해
03:30
we use motion analysis to pull out,
71
195000
2000
우리는 공간-시간 벌레 라고 불리는
03:32
as we move through space and through time,
72
197000
2000
영상 분석 장치를 이용했는데,
03:34
what we call space-time worms.
73
199000
3000
시간과 공간을 통한 우리의 움직임을 끌어내줍니다.
03:37
And this has become part of our toolkit
74
202000
3000
그리고 이건 데이터 속의 어떤 활동을
03:40
for being able to look and see
75
205000
3000
우리가 살펴볼 수 있도록 해주는
03:43
where the activities are in the data,
76
208000
2000
도구가 되었는데요,
03:45
and with it, trace the pattern of, in particular,
77
210000
3000
그걸 이용해서, 패턴을 추적하는데, 특히,
03:48
where my son moved throughout the home,
78
213000
2000
제 아들이 집안에서 움직이는 장소인데,
03:50
so that we could focus our transcription efforts,
79
215000
3000
그로 하여금 우리는 제 아들 주변 환경에서 일어나는
03:53
all of the speech environment around my son --
80
218000
3000
모든 말들을 받아쓰는데에 집중할 수 있었습니다.
03:56
all of the words that he heard from myself, my wife, our nanny,
81
221000
3000
저나 제 아내, 유모로부터 아기가 듣게 되는 모든 말들,
03:59
and over time, the words he began to produce.
82
224000
3000
그리고 전 시간을 통틀어 그가 만들어내기 시작한 모든 말들을 말이죠.
04:02
So with that technology and that data
83
227000
3000
그래서 그 기술과 그 데이터 그리고
04:05
and the ability to, with machine assistance,
84
230000
2000
그 기계적 도움의 능력을 통해,
04:07
transcribe speech,
85
232000
2000
말하는 것을 받아 적고,
04:09
we've now transcribed
86
234000
2000
이제는 무려
04:11
well over seven million words of our home transcripts.
87
236000
3000
저희 집 대사집의 단어 수가 7백만 단어가 넘게 받아적혔습니다.
04:14
And with that, let me take you now
88
239000
2000
그리고 그걸 가지고, 여러분들을 데이터 속으로 가는
04:16
for a first tour into the data.
89
241000
3000
최초의 여행으로 모시겠습니다.
04:19
So you've all, I'm sure,
90
244000
2000
여러분들은 아마, 분명히,
04:21
seen time-lapse videos
91
246000
2000
꽃이 피어오르는 장면을 보여주는
04:23
where a flower will blossom as you accelerate time.
92
248000
3000
고속 영상을 보신 적이 있으실겁니다.
04:26
I'd like you to now experience
93
251000
2000
저는 여러분들께 말의 형식이
04:28
the blossoming of a speech form.
94
253000
2000
피어오르는 것을 경험하게 해 드리겠습니다.
04:30
My son, soon after his first birthday,
95
255000
2000
제아들이, 첫 돌이 갓 지나서,
04:32
would say "gaga" to mean water.
96
257000
3000
물 이라는 뜻으로 "가가" 라고 말 합니다.
04:35
And over the course of the next half-year,
97
260000
3000
그리고 그로부터 반년의 시간이 흐른 뒤에,
04:38
he slowly learned to approximate
98
263000
2000
서서히 정확하게 어른들 같이 "워터" 라고
04:40
the proper adult form, "water."
99
265000
3000
말하는 방법을 배웁니다.
04:43
So we're going to cruise through half a year
100
268000
2000
자 이제 우리 반년 동안의 시간을 40초 안에
04:45
in about 40 seconds.
101
270000
2000
여행 해 보겠습니다.
04:47
No video here,
102
272000
2000
영상은 없으니,
04:49
so you can focus on the sound, the acoustics,
103
274000
3000
새로운 종류의 궤적의 음성, 음향에
04:52
of a new kind of trajectory:
104
277000
2000
집중 해 주세요.
04:54
gaga to water.
105
279000
2000
가가 에서 워터로.
04:56
(Audio) Baby: Gagagagagaga
106
281000
12000
(음성) 아기: 가가가가가가
05:08
Gaga gaga gaga
107
293000
4000
가가 가가 가가
05:12
guga guga guga
108
297000
5000
구가 구가 구가
05:17
wada gaga gaga guga gaga
109
302000
5000
와다 가가 가가 구가 가가
05:22
wader guga guga
110
307000
4000
와덜 구가 구가
05:26
water water water
111
311000
3000
워터 워터 워터
05:29
water water water
112
314000
6000
워터 워터 워터
05:35
water water
113
320000
4000
워터 워터
05:39
water.
114
324000
2000
워터.
05:41
DR: He sure nailed it, didn't he.
115
326000
2000
데브 로이: 녀석이 제대로 해냈습니다. 그렇죠?
05:43
(Applause)
116
328000
7000
(박수)
05:50
So he didn't just learn water.
117
335000
2000
그는 워터 만 배운 게 아닙니다.
05:52
Over the course of the 24 months,
118
337000
2000
24개월의 과정을 넘어,
05:54
the first two years that we really focused on,
119
339000
3000
처음의 2년에, 저희가 정말로 집중했던건
05:57
this is a map of every word he learned in chronological order.
120
342000
4000
그 애가 배운 모든 단어들을 시간 순서대로 만든 지도입니다.
06:01
And because we have full transcripts,
121
346000
3000
그리고 우리는 전체의 대화집을 가지고 있었기에,
06:04
we've identified each of the 503 words
122
349000
2000
그 아이의 두번째 생일 덕에 만드는 것을 배운
06:06
that he learned to produce by his second birthday.
123
351000
2000
503개의 각 단어들을 구분해냈습니다.
06:08
He was an early talker.
124
353000
2000
그는 말이 빨리 트였죠.
06:10
And so we started to analyze why.
125
355000
3000
우리는 왜 그런 건지 분석을 시작했습니다.
06:13
Why were certain words born before others?
126
358000
3000
왜 어떤 단어들은 다른 것들 보다 먼저 태어나는 걸까요?
06:16
This is one of the first results
127
361000
2000
이것은 우리들을 정말 놀라게 했던,
06:18
that came out of our study a little over a year ago
128
363000
2000
일년 전 쯤의 연구에서 나온 결과들 중
06:20
that really surprised us.
129
365000
2000
하나입니다.
06:22
The way to interpret this apparently simple graph
130
367000
3000
간단해보이는 이 그래프를 해석하는 방법은
06:25
is, on the vertical is an indication
131
370000
2000
이 수직 부분에 있는데요
06:27
of how complex caregiver utterances are
132
372000
3000
보호자가 말하는 문장의 길이를 기준으로
06:30
based on the length of utterances.
133
375000
2000
그 말이 얼마나 복잡한지를 알려줍니다.
06:32
And the [horizontal] axis is time.
134
377000
3000
세로축은 시간이구요.
06:35
And all of the data,
135
380000
2000
그리고 이 모든 데이터가
06:37
we aligned based on the following idea:
136
382000
3000
다음 아이디어를 기준으로 정렬되었는데요:
06:40
Every time my son would learn a word,
137
385000
3000
아들이 단어 하나를 배울 때 마다,
06:43
we would trace back and look at all of the language he heard
138
388000
3000
아이가 들은 모든 언어들 중에 그 단어가 포함된 걸
06:46
that contained that word.
139
391000
2000
역추적할 수 있게 되어 있습니다.
06:48
And we would plot the relative length of the utterances.
140
393000
4000
문장의 길이와의 연관관계에 대해서도 에측 가능하구요.
06:52
And what we found was this curious phenomena,
141
397000
3000
우리가 발견한 이 신기한 현상은,
06:55
that caregiver speech would systematically dip to a minimum,
142
400000
3000
보호자의 말이 체계적으로 최소화되면서,
06:58
making language as simple as possible,
143
403000
3000
언어를 가능한 한 단순하게 만들고,
07:01
and then slowly ascend back up in complexity.
144
406000
3000
그렇게 되면서 다른 한편으론 복잡성은 서서히 증가합니다.
07:04
And the amazing thing was
145
409000
2000
놀라운 점은
07:06
that bounce, that dip,
146
411000
2000
그 반동, 그 최소화가,
07:08
lined up almost precisely
147
413000
2000
모든 단어가 만들어질 때
07:10
with when each word was born --
148
415000
2000
언제나 꼭 따라다닙니다 --
07:12
word after word, systematically.
149
417000
2000
단어 단어마다, 체계적으로요.
07:14
So it appears that all three primary caregivers --
150
419000
2000
그래서 주로 아이를 보는 저희 셋 --
07:16
myself, my wife and our nanny --
151
421000
3000
저, 제 아내 그리고 유모는 --
07:19
were systematically and, I would think, subconsciously
152
424000
3000
체계적으로 그리고, 제생각엔 아마, 무의식적으로
07:22
restructuring our language
153
427000
2000
우리가 하는 말을 재구성을 했는데
07:24
to meet him at the birth of a word
154
429000
3000
아이가 말을 만드는 순간에 다다르게 하고
07:27
and bring him gently into more complex language.
155
432000
4000
좀 더 복잡한 언어에 들어갈 수 있도록 하기 위함이었습니다.
07:31
And the implications of this -- there are many,
156
436000
2000
또 이것이 함축하는 것은 많이 있죠,
07:33
but one I just want to point out,
157
438000
2000
하지만 제가 한가지 지적하고 싶은것은,
07:35
is that there must be amazing feedback loops.
158
440000
3000
정말 훌륭한 피드백 고리가 있어야한다는 것입니다.
07:38
Of course, my son is learning
159
443000
2000
물론, 제 아들은
07:40
from his linguistic environment,
160
445000
2000
그의 언어적 환경에서 배우고 있었지만,
07:42
but the environment is learning from him.
161
447000
3000
그 환경도 그에게서 배우고 있었습니다.
07:45
That environment, people, are in these tight feedback loops
162
450000
3000
그 환경, 사람들은 이 빽빽한 피드백 고리안에 있고
07:48
and creating a kind of scaffolding
163
453000
2000
지금까지는 알아차려지 않았던
07:50
that has not been noticed until now.
164
455000
3000
징검다리와 같은 것을 만들고 있었습니다.
07:54
But that's looking at the speech context.
165
459000
2000
하지만 그것은 그 말이 되어지는 상황을 보고 있었습니다.
07:56
What about the visual context?
166
461000
2000
시각적인 상황은 어떨까요?
07:58
We're not looking at --
167
463000
2000
우리는 우리 집을
08:00
think of this as a dollhouse cutaway of our house.
168
465000
2000
인형의 집을 잘라만든것으로서 생각한것이 아니었습니다.
08:02
We've taken those circular fish-eye lens cameras,
169
467000
3000
우리는 그 원형적인 물고기-눈의 렌즈 카메라를 택했고
08:05
and we've done some optical correction,
170
470000
2000
약간의 시각적인 교정을 했고
08:07
and then we can bring it into three-dimensional life.
171
472000
4000
그 다음에는 우리는 삼차원적인 시각의 인생으로 데려올 수 있었습니다.
08:11
So welcome to my home.
172
476000
2000
자 우리가정에 오신것을 환영합니다.
08:13
This is a moment,
173
478000
2000
이것은 한 순간입니다.
08:15
one moment captured across multiple cameras.
174
480000
3000
여러대의 카메라를 가지고 한 순간을 포착한 것이지요.
08:18
The reason we did this is to create the ultimate memory machine,
175
483000
3000
우리가 이것을 한 이유는 궁극적인 기억장비를 창조하려는 것입니다,
08:21
where you can go back and interactively fly around
176
486000
3000
여러분은 과거로 돌아가서 상호작용하도록 주변을 날아다니고
08:24
and then breathe video-life into this system.
177
489000
3000
그 다음에는 이 조직 안으로 비디오의 생명을 숨쉽니다.
08:27
What I'm going to do
178
492000
2000
이제 제가 하려하는 것은
08:29
is give you an accelerated view of 30 minutes,
179
494000
3000
30분의 비디오를 가속시킨 장면입니다.
08:32
again, of just life in the living room.
180
497000
2000
다시 말하지만, 그것은 거실의 생활입니다.
08:34
That's me and my son on the floor.
181
499000
3000
저것은 저이고 제 아들은 마루에 있습니다.
08:37
And there's video analytics
182
502000
2000
저것은 비디오
08:39
that are tracking our movements.
183
504000
2000
우리의 움직임은 추적하고 있는 것이지요.
08:41
My son is leaving red ink. I am leaving green ink.
184
506000
3000
저의 아들이 빨간 잉크를 남기고 있고, 저는 녹색의 잉크를 남기고 있습니다.
08:44
We're now on the couch,
185
509000
2000
우리가 이제는 소파에 있습니다,
08:46
looking out through the window at cars passing by.
186
511000
3000
창밖으로 차가 지나가는 것을 바라보고 있지요.
08:49
And finally, my son playing in a walking toy by himself.
187
514000
3000
또 마지막으로, 제 아들이 스스로 걷는 장난감안에서 놀고 있지요.
08:52
Now we freeze the action, 30 minutes,
188
517000
3000
자 우리는 30분의 그 움직임을 동결시킵니다,
08:55
we turn time into the vertical axis,
189
520000
2000
그 시간을 수직의 축 안으로 바꾸고
08:57
and we open up for a view
190
522000
2000
우리가 방금 남겨놓았던 상호작용의 흔적들을
08:59
of these interaction traces we've just left behind.
191
524000
3000
새로운 화면으로 엽니다.
09:02
And we see these amazing structures --
192
527000
3000
또 우리는 이 훌륭한 구조들을--
09:05
these little knots of two colors of thread
193
530000
3000
이 작은 두가지 색깔의 실로된 작은 매듭으로 보는데
09:08
we call "social hot spots."
194
533000
2000
우리는 그것을 사회적인 핫스팟이라고 하지요.
09:10
The spiral thread
195
535000
2000
나선형의 실은
09:12
we call a "solo hot spot."
196
537000
2000
우리가 솔로 핫 스팟이라고 부르지요.
09:14
And we think that these affect the way language is learned.
197
539000
3000
또 우리가 생각하기로는 이것들이 언어가 습득되는 방법에 영향을 끼칩니다.
09:17
What we'd like to do
198
542000
2000
우리가 하기를 좋아하는 것은
09:19
is start understanding
199
544000
2000
이 패턴들사이의
09:21
the interaction between these patterns
200
546000
2000
상호작용과
09:23
and the language that my son is exposed to
201
548000
2000
제 아들이 노출당했던 그 언어사이에
09:25
to see if we can predict
202
550000
2000
만약 우리가 단어들이 들렸을때의 구조가
09:27
how the structure of when words are heard
203
552000
2000
단어들이 습득되는것에 영향을 미치는지
09:29
affects when they're learned --
204
554000
2000
예측할 수 있을지를 관찰하는것을 이해하기 시작하는 것입니다.
09:31
so in other words, the relationship
205
556000
2000
그래서 달리 말하자면, 단어들과
09:33
between words and what they're about in the world.
206
558000
4000
그것들이 세계에서 어떤 역할을 하는지 사이의 관계이지요.
09:37
So here's how we're approaching this.
207
562000
2000
자 여기에 우리가 이것에 접근하는 방법이 있습니다.
09:39
In this video,
208
564000
2000
여기 비디오에서는,
09:41
again, my son is being traced out.
209
566000
2000
다시금, 제 아들의 윤곽이 잡히고 있습니다.
09:43
He's leaving red ink behind.
210
568000
2000
그는 빨간 잉크를 남기고 있습니다.
09:45
And there's our nanny by the door.
211
570000
2000
또 저기에 우리의 유모가 문옆에 있군요.
09:47
(Video) Nanny: You want water? (Baby: Aaaa.)
212
572000
3000
(비디오) 유모: 물좀 줄까? (아기: 아아아)
09:50
Nanny: All right. (Baby: Aaaa.)
213
575000
3000
유모: 좋아 (아기: 아아아)
09:53
DR: She offers water,
214
578000
2000
로이: 그녀가 물을 권합니다
09:55
and off go the two worms
215
580000
2000
또 물을 가지러 부엌으로 가서
09:57
over to the kitchen to get water.
216
582000
2000
두마리의 벌레를 가지러 갑니다.
09:59
And what we've done is use the word "water"
217
584000
2000
우리가 한것은 그 활동의 약간의 순간을 잡기 위해서,
10:01
to tag that moment, that bit of activity.
218
586000
2000
그 단어 "물"을 이용한 것입니다.
10:03
And now we take the power of data
219
588000
2000
자 이제 우리는 그 데이타의 힘을 취해서
10:05
and take every time my son
220
590000
3000
저의 아들이 매번
10:08
ever heard the word water
221
593000
2000
물이라는 단어를 들을때마다
10:10
and the context he saw it in,
222
595000
2000
또 그아이가 그것이 말해지는 상황을 보았을때,
10:12
and we use it to penetrate through the video
223
597000
3000
또 우리가 그 비디오를 통해 관통하도록 이용해서
10:15
and find every activity trace
224
600000
3000
물의 상황과 함께 발생하는
10:18
that co-occurred with an instance of water.
225
603000
3000
모든 활동을 추적해 찾습니다.
10:21
And what this data leaves in its wake
226
606000
2000
또 그 깨어남에 데이타가 남기는 것은
10:23
is a landscape.
227
608000
2000
풍경입니다.
10:25
We call these wordscapes.
228
610000
2000
우리는 이것을 언어풍경 이라고 부르죠.
10:27
This is the wordscape for the word water,
229
612000
2000
이것은 물이라는 단어풍경입니다,
10:29
and you can see most of the action is in the kitchen.
230
614000
2000
분은 대부분의 활동이 부엌에서 이루어지고 있다는 것을 볼 수 있습니다.
10:31
That's where those big peaks are over to the left.
231
616000
3000
저것은 그 높은 봉우리들이 왼쪽으로 넘어간 것입니다.
10:34
And just for contrast, we can do this with any word.
232
619000
3000
대조적으로 보자면, 우리는 것을 어떤 단어로도 할 수 있습니다.
10:37
We can take the word "bye"
233
622000
2000
"바이"라는 말을 택할 수 있지요
10:39
as in "good bye."
234
624000
2000
"잘가" 라는 말에서처럼요.
10:41
And we're now zoomed in over the entrance to the house.
235
626000
2000
우리는 이제 집의 입구위에서 확대를 시켰습니다.
10:43
And we look, and we find, as you would expect,
236
628000
3000
그래서 여러분들이 기대하시는 것처럼
10:46
a contrast in the landscape
237
631000
2000
그 풍경에서 대조를
10:48
where the word "bye" occurs much more in a structured way.
238
633000
3000
단어 "바이" 가 더욱더 구조적으로 발생하는 곳에서 대조를 관찰해서 찾았지요.
10:51
So we're using these structures
239
636000
2000
그래서 우리는 이 구조들을 이용하여
10:53
to start predicting
240
638000
2000
언어 습득의 순서를
10:55
the order of language acquisition,
241
640000
3000
예측하는 것을 시작했고
10:58
and that's ongoing work now.
242
643000
2000
그게 지금 벌어지고 있는 것입니다.
11:00
In my lab, which we're peering into now, at MIT --
243
645000
3000
이제는 엠아이티와 결연하고 있는 저의 연구소에는
11:03
this is at the media lab.
244
648000
2000
이것이 그 미디아 연구소에서 찍은것입니다.
11:05
This has become my favorite way
245
650000
2000
이것은 제가 가장 선호하는 방법이 되었습니다.
11:07
of videographing just about any space.
246
652000
2000
어떤 장소이든지를 비디오촬영하는것에 대해 말이죠.
11:09
Three of the key people in this project,
247
654000
2000
이 프로젝트에는 세명의 중요한 사람이 있습니다.
11:11
Philip DeCamp, Rony Kubat and Brandon Roy are pictured here.
248
656000
3000
필립 티켐프, 로니 쿠바트 와 브랜든 로이의 사진이 여기 있습니다.
11:14
Philip has been a close collaborator
249
659000
2000
필립은 여러분이 보시는 모든 시각화의
11:16
on all the visualizations you're seeing.
250
661000
2000
친밀한 합작자입니다.
11:18
And Michael Fleischman
251
663000
3000
마이클 플레이쉬멘은
11:21
was another Ph.D. student in my lab
252
666000
2000
저의 연구실의 다른 박사과정 학생이였는데
11:23
who worked with me on this home video analysis,
253
668000
3000
그는 저와 함께 이 가정 비디오 분석작업을 했고
11:26
and he made the following observation:
254
671000
3000
그는 다음의 관찰을 했습니다:
11:29
that "just the way that we're analyzing
255
674000
2000
우리가
11:31
how language connects to events
256
676000
3000
언어가 어떤식으로 언어의 평범한 기반을 제공하는
11:34
which provide common ground for language,
257
679000
2000
사건들에 연결을 시키는지 분석하는 방법은
11:36
that same idea we can take out of your home, Deb,
258
681000
4000
우리가 여러분의 집, 뎁을 택하흔 것과 같은 아이디어이고,
11:40
and we can apply it to the world of public media."
259
685000
3000
또 우리는 것을 세계의 공중 미디어에 적용할 수 있습니다."
11:43
And so our effort took an unexpected turn.
260
688000
3000
그래서 우리의 노력은 기대하지 않은 전환을 했습니다.
11:46
Think of mass media
261
691000
2000
매스 미디어를 생각해 보세요
11:48
as providing common ground
262
693000
2000
평범한 기반을 제공하는것 같고
11:50
and you have the recipe
263
695000
2000
이 아이디어를 전혀 새로운 장소로
11:52
for taking this idea to a whole new place.
264
697000
3000
옮길 수 있도록 하는 재료를 여러분은 가지고 계십니다.
11:55
We've started analyzing television content
265
700000
3000
우리는 똑 같은 원리를 이용하여
11:58
using the same principles --
266
703000
2000
텔레비젼의 내용을 분석하기 시작했습니다
12:00
analyzing event structure of a TV signal --
267
705000
3000
쇼의 에피소드들과
12:03
episodes of shows,
268
708000
2000
광고와
12:05
commercials,
269
710000
2000
사건의 구조를 만드는 모든 요소들을
12:07
all of the components that make up the event structure.
270
712000
3000
티비 시그널의 사건구조를 분석하는 것이지요.
12:10
And we're now, with satellite dishes, pulling and analyzing
271
715000
3000
우리는 이제 인공위성 접시를 가지고, 끌어당기고 분석하여
12:13
a good part of all the TV being watched in the United States.
272
718000
3000
시청이 되고 있는 많은 부분의 텔레비젼을 끌어 당겨서 분석하고 있습니다.
12:16
And you don't have to now go and instrument living rooms with microphones
273
721000
3000
그래서 여러분은 이제 사람들의 대화를 듣기 위해
12:19
to get people's conversations,
274
724000
2000
마이크와 장비를 가지고 거실로 가실 필요가 없습니다.
12:21
you just tune into publicly available social media feeds.
275
726000
3000
여러분은 단지 공적으로 이용가능한 소셜 미디어 피드에 채널을 맞추면 됩니다.
12:24
So we're pulling in
276
729000
2000
그래서 우리는 한달에
12:26
about three billion comments a month,
277
731000
2000
3 조의 논평을 끌어들이고 있습니다.
12:28
and then the magic happens.
278
733000
2000
그 다음에는 마술이 벌어집니다.
12:30
You have the event structure,
279
735000
2000
여러분은 이벤트의 구조를 가지게 되는데
12:32
the common ground that the words are about,
280
737000
2000
그것은 그 단어에 관한
12:34
coming out of the television feeds;
281
739000
3000
텔레비젼 피드에서 나오는 평범한 기반에서 나오는 것이죠;
12:37
you've got the conversations
282
742000
2000
여러분은 그 주제들에 관한
12:39
that are about those topics;
283
744000
2000
대화를 대하게 되죠;
12:41
and through semantic analysis --
284
746000
3000
또 상황 분석을 통해서
12:44
and this is actually real data you're looking at
285
749000
2000
이것은 실제로 우리의 데이타 프로세싱에서
12:46
from our data processing --
286
751000
2000
여러분이 보고 계시는 건데요,
12:48
each yellow line is showing a link being made
287
753000
3000
각 노란 선은 야생에서의 논평과
12:51
between a comment in the wild
288
756000
3000
텔레비젼의 시그널에서 나오는
12:54
and a piece of event structure coming out of the television signal.
289
759000
3000
이벤트 구조의 조각사이에서 만들어지는 선을 보여주고 있습니다.
12:57
And the same idea now
290
762000
2000
그래서 이제 바로 그 똑같은 아이디어가
12:59
can be built up.
291
764000
2000
세워질 수 있지요.
13:01
And we get this wordscape,
292
766000
2000
그래서 우리는 이 단어풍경을 얻게 되는데,
13:03
except now words are not assembled in my living room.
293
768000
3000
이제 단어들이 저의 거실에서 조합되지 않는다는 사실만 다르죠.
13:06
Instead, the context, the common ground activities,
294
771000
4000
대신, 그 상황과, 그 평범한 기반의 활동들은
13:10
are the content on television that's driving the conversations.
295
775000
3000
그 대화를 이끌어가는 텔레비젼의 내용입니다.
13:13
And what we're seeing here, these skyscrapers now,
296
778000
3000
그래서 우리가 여기서 보는것인, 이 초고층 빌딩은
13:16
are commentary
297
781000
2000
텔레비젼의 내용에 연결된
13:18
that are linked to content on television.
298
783000
2000
논평입니다.
13:20
Same concept,
299
785000
2000
같은 내용이지만,
13:22
but looking at communication dynamics
300
787000
2000
매우다른 영역에서
13:24
in a very different sphere.
301
789000
2000
커뮤니케이션의 역동성을 보고 있는것이지요.
13:26
And so fundamentally, rather than, for example,
302
791000
2000
또한 기본적으로,
13:28
measuring content based on how many people are watching,
303
793000
3000
얼마나 많은 사람들이 보고있는지를 내용을 기반으로 측정하는 것보다는
13:31
this gives us the basic data
304
796000
2000
이것은 내용의 접촉의 자산을 조사하기 위한
13:33
for looking at engagement properties of content.
305
798000
3000
기본적인 데이타를 우리에게 제공합니다.
13:36
And just like we can look at feedback cycles
306
801000
3000
그래서 우리가 가족내의 피드백의 순환과
13:39
and dynamics in a family,
307
804000
3000
동력을 조사할 수 있는것처럼
13:42
we can now open up the same concepts
308
807000
3000
우리는 이제 그 똑같은 개념을 개봉하여
13:45
and look at much larger groups of people.
309
810000
3000
보다 더 큰 규모의 집단을 조사할 수 있습니다.
13:48
This is a subset of data from our database --
310
813000
3000
이것은 우리의 단지 수백만중에서 오십만의 데이타베이스에서
13:51
just 50,000 out of several million --
311
816000
3000
나온 부분집합의 하나인데--
13:54
and the social graph that connects them
312
819000
2000
그 소셜 그래프는 공적으로 이용가능한 정보들을 통해서
13:56
through publicly available sources.
313
821000
3000
그것들을 연결시키는 것입니다.
13:59
And if you put them on one plain,
314
824000
2000
만약 여러분이 그 데이타를 하나의 축에 올리면,
14:01
a second plain is where the content lives.
315
826000
3000
두번째 축이 그 내용이 살아나는 곳이죠.
14:04
So we have the programs
316
829000
3000
그래서 우리는 그 프로그램과
14:07
and the sporting events
317
832000
2000
스포츠 이벤트와
14:09
and the commercials,
318
834000
2000
광고를 가지고 있어서,
14:11
and all of the link structures that tie them together
319
836000
2000
그것들을 함께 연결시키는 그 링크 조직이
14:13
make a content graph.
320
838000
2000
내용의 그래프를 만듭니다.
14:15
And then the important third dimension.
321
840000
4000
그 다음에는 중요한 세번째의 영역입니다.
14:19
Each of the links that you're seeing rendered here
322
844000
2000
여러분이 여기서 보고 계시는 링크들의 각각은
14:21
is an actual connection made
323
846000
2000
누군가 말한 무엇인가와
14:23
between something someone said
324
848000
3000
부분적인 내용을
14:26
and a piece of content.
325
851000
2000
실제로 연결해서 만든 것입니다.
14:28
And there are, again, now tens of millions of these links
326
853000
3000
또 거기에는 우리에게 그 소셜 그래프의 연결적인 티슈와
14:31
that give us the connective tissue of social graphs
327
856000
3000
그것들이 어떻게 그 내용과 연결하는지를 제공하는
14:34
and how they relate to content.
328
859000
3000
이러한 수천만 수백만의 링크들이 있습니다.
14:37
And we can now start to probe the structure
329
862000
2000
또 우리는 이제 상호교환하는 방법으로
14:39
in interesting ways.
330
864000
2000
그 조직을 탐사할 수 있습니다.
14:41
So if we, for example, trace the path
331
866000
3000
그래서 만약 우리가, 예를 들어,
14:44
of one piece of content
332
869000
2000
누군가가 그것에 관한 논평을 하기 위해 움직이는
14:46
that drives someone to comment on it,
333
871000
2000
부분적인 내용의 길의 흔적을 쫒아가면,
14:48
and then we follow where that comment goes,
334
873000
3000
그 다음은 우리가 그 논평이 옮겨가는 곳으로 따라가고,
14:51
and then look at the entire social graph that becomes activated
335
876000
3000
그다음에는 전체의 소셜 그래프가 샐행되는것을 조사하고
14:54
and then trace back to see the relationship
336
879000
3000
그다음에는 그 소셜 그래프와 내용사이의
14:57
between that social graph and content,
337
882000
2000
매우 흥미로운 구조가 되는것이 가시화되는것의
14:59
a very interesting structure becomes visible.
338
884000
2000
흔적을 다시 되짚어 볼 수 있습니다.
15:01
We call this a co-viewing clique,
339
886000
2000
우리는 이것을 동시감상의 임상이라고,
15:03
a virtual living room if you will.
340
888000
3000
원하신다면 가상의 거실이라고 부릅니다.
15:06
And there are fascinating dynamics at play.
341
891000
2000
여기엔 놀이에 매혹적인 역학이 있습니다.
15:08
It's not one way.
342
893000
2000
그것은 한가지 방법이 아닙니다.
15:10
A piece of content, an event, causes someone to talk.
343
895000
3000
부분적인 내용인 이벤트가 누군가가 말을 하도록 하게 합니다.
15:13
They talk to other people.
344
898000
2000
그들은 다른사람들에게 이야기 합니다.
15:15
That drives tune-in behavior back into mass media,
345
900000
3000
그것이 매스 미디어로 돌아가게 하는 행동에 초점을 맞추도록 움직이고
15:18
and you have these cycles
346
903000
2000
여러분은 그 전체적인 행동을 움직이는
15:20
that drive the overall behavior.
347
905000
2000
이러한 순환을 하도록 움직입니다.
15:22
Another example -- very different --
348
907000
2000
아주 다른 한가지 다른 예는
15:24
another actual person in our database --
349
909000
3000
우리의 데이타베이스에 있는 실제인물인데
15:27
and we're finding at least hundreds, if not thousands, of these.
350
912000
3000
우리는 이런것을 수천만이 아니라면 적어도 수백만을 발견합니다.
15:30
We've given this person a name.
351
915000
2000
우리는 이 사람에게 이름을 주었습니다.
15:32
This is a pro-amateur, or pro-am media critic
352
917000
3000
이 사람은 프로 아마추어이거나 미디아 비평가인데
15:35
who has this high fan-out rate.
353
920000
3000
그는 높은 전개의 비율을 가지고 있습니다.
15:38
So a lot of people are following this person -- very influential --
354
923000
3000
그래서 많은 사람들이 이사람을 따르고 있습니다--아주 영향력있고--
15:41
and they have a propensity to talk about what's on TV.
355
926000
2000
그들은 티비에 무엇이 방영되고 있는지에 관해 이야기를 하는 경향이 있습니다.
15:43
So this person is a key link
356
928000
3000
그래서 이사람은 매스 미디아와 소셜미디아를 연결하는
15:46
in connecting mass media and social media together.
357
931000
3000
중요한 연결고리입니다.
15:49
One last example from this data:
358
934000
3000
마지막 한가지 예는 이 데이타에서 나온것입니다:
15:52
Sometimes it's actually a piece of content that is special.
359
937000
3000
때때로는 그것은 실제로 부분적인 내용이 특별합니다.
15:55
So if we go and look at this piece of content,
360
940000
4000
그래서 만약 우리가 가서 이 부분적인 내용을,
15:59
President Obama's State of the Union address
361
944000
3000
단지 몇주전에 있었던
16:02
from just a few weeks ago,
362
947000
2000
오바마 대통령의 통일 국가의 연설을 보고
16:04
and look at what we find in this same data set,
363
949000
3000
이 같은 데이타 세트에서
16:07
at the same scale,
364
952000
3000
같은 규모로 우리가 찾는것을 조사한다면,
16:10
the engagement properties of this piece of content
365
955000
2000
이 부분적인 내용의 참여 자산은
16:12
are truly remarkable.
366
957000
2000
정말 괄목할만한 것입니다.
16:14
A nation exploding in conversation
367
959000
2000
전체 국가가 대화하는것에 폭발합니다
16:16
in real time
368
961000
2000
실제시간에서
16:18
in response to what's on the broadcast.
369
963000
3000
무엇이 방영되고있는지에 대한 반응에 대해서요.
16:21
And of course, through all of these lines
370
966000
2000
그리고 물론, 이 모든 대사들을 통해서
16:23
are flowing unstructured language.
371
968000
2000
조직되지 않은 언어가 흘러들고 있습니다.
16:25
We can X-ray
372
970000
2000
우리는 엑스레이를 찍어서
16:27
and get a real-time pulse of a nation,
373
972000
2000
전제 국가의 실제시간의 진맥을
16:29
real-time sense
374
974000
2000
실제시간의 감각으로
16:31
of the social reactions in the different circuits in the social graph
375
976000
3000
내용에 의해 작동되고 있는중인
16:34
being activated by content.
376
979000
3000
소셜 그래프에있는 다른 순환내의 소셜 반작용을 말이죠.
16:37
So, to summarize, the idea is this:
377
982000
3000
그래서, 요약하자면, 아이디어는 이렇습니다:
16:40
As our world becomes increasingly instrumented
378
985000
3000
우리의 세계가 점차적으로 도구화되고
16:43
and we have the capabilities
379
988000
2000
우리에게는
16:45
to collect and connect the dots
380
990000
2000
사람들이 말하는 것과
16:47
between what people are saying
381
992000
2000
그들이 그렇게 말하는 상황들 사이의
16:49
and the context they're saying it in,
382
994000
2000
지점들을 수집하고 연결하는 능력이 있고,
16:51
what's emerging is an ability
383
996000
2000
드러나고 있는것은
16:53
to see new social structures and dynamics
384
998000
3000
그 이전에는 보여지지 않았던
16:56
that have previously not been seen.
385
1001000
2000
새로운 사회 구조와 동력을 보는 능력입니다.
16:58
It's like building a microscope or telescope
386
1003000
2000
그것은 마치 현미경이나 망원경과
17:00
and revealing new structures
387
1005000
2000
커뮤니케이션 주변의 우리자신의 행동에 관해서
17:02
about our own behavior around communication.
388
1007000
3000
새로운 구조를 드래내어 구축하고 있는것과 같습니다.
17:05
And I think the implications here are profound,
389
1010000
3000
그래서 제 생각에 이것이 함축하는 바는 심오한 것입니다,
17:08
whether it's for science,
390
1013000
2000
그게 과학에 관한것이든지,
17:10
for commerce, for government,
391
1015000
2000
상업을 위한것이든지, 정부를 위한 것이든지,
17:12
or perhaps most of all,
392
1017000
2000
또는 아마 가장 중요하게,
17:14
for us as individuals.
393
1019000
3000
우리 개인들을 위한것이든지요.
17:17
And so just to return to my son,
394
1022000
3000
그래서 제 아들에게로 다시 돌아가자면,
17:20
when I was preparing this talk, he was looking over my shoulder,
395
1025000
3000
제가 이 이야기를 준비하고 있었을 때, 그는 제 어깨너머를 보고 있었고,
17:23
and I showed him the clips I was going to show to you today,
396
1028000
2000
저는 오늘 여러분들에게 보여주려는 영상을 보여주었고,
17:25
and I asked him for permission -- granted.
397
1030000
3000
제가 그에게 허락을 구했습니다--승낙을 하더군요.
17:28
And then I went on to reflect,
398
1033000
2000
그리고 난 다음에 회상을 했습니다,
17:30
"Isn't it amazing,
399
1035000
3000
"그건 정말 굉장하지 않아,
17:33
this entire database, all these recordings,
400
1038000
3000
이 데이타베이스 전체, 이 모든 레코딩들,
17:36
I'm going to hand off to you and to your sister" --
401
1041000
2000
나는 너와 너의 여동생에게 건네줄 작정이야,"
17:38
who arrived two years later --
402
1043000
3000
그애는 2 년후에 태어났지요.
17:41
"and you guys are going to be able to go back and re-experience moments
403
1046000
3000
"그래서 너희들은 과거로 돌아가서 너희들이 생물학적인 기억으로는
17:44
that you could never, with your biological memory,
404
1049000
3000
절대로 기억하지 못할 순간들을 재 경험할 수 있을거야,
17:47
possibly remember the way you can now?"
405
1052000
2000
네가 아마도 지금 기억할 수 있는 그런 식으로 말이야."
17:49
And he was quiet for a moment.
406
1054000
2000
그애는 잠깐 조용히 있었습니다.
17:51
And I thought, "What am I thinking?
407
1056000
2000
그래서 제가 생각하기를, "내가 무슨 생각을 하고 있는거야?
17:53
He's five years old. He's not going to understand this."
408
1058000
2000
그애는 다섯살이야. 이것을 이해할 수 없을거야."
17:55
And just as I was having that thought, he looked up at me and said,
409
1060000
3000
제가 바로 그 생각을 하고 있을때, 그애가 저를 바라보며 말하기를,
17:58
"So that when I grow up,
410
1063000
2000
"그래서 그게 내가 자라났을때,
18:00
I can show this to my kids?"
411
1065000
2000
이것을 내 아이들에게 보여줄 수 있어요?
18:02
And I thought, "Wow, this is powerful stuff."
412
1067000
3000
그래서 제가 생각하기를, "와, 이것은 정말 파워가 센거네."
18:05
So I want to leave you
413
1070000
2000
그래서 저는 여러분들에게
18:07
with one last memorable moment
414
1072000
2000
저희 가족의 가장 기억할 만한
18:09
from our family.
415
1074000
3000
마지막 순간을 남겨드리려 합니다.
18:12
This is the first time our son
416
1077000
2000
이것은 우리의 아들이
18:14
took more than two steps at once --
417
1079000
2000
한번에 두발자국을 떼는것을
18:16
captured on film.
418
1081000
2000
것을 담은 영상입니다.
18:18
And I really want you to focus on something
419
1083000
3000
또 저는 정말 제가 여러분을 보심에 따라
18:21
as I take you through.
420
1086000
2000
여러분께서 뭔가에 집중하기를 바랍니다.
18:23
It's a cluttered environment; it's natural life.
421
1088000
2000
그것은 뒤죽박죽이 된 환경입니다; 그것은 자연적인 인생입니다.
18:25
My mother's in the kitchen, cooking,
422
1090000
2000
저의 어머니가 요리를 하며 부엌에,
18:27
and, of all places, in the hallway,
423
1092000
2000
복도에, 다른 모든 장소들에 있는데
18:29
I realize he's about to do it, about to take more than two steps.
424
1094000
3000
제가 제 아들이 그것을 할 거라는 것을, 두발자국 이상을 떼어놓을거라는 것을 발견합니다.
18:32
And so you hear me encouraging him,
425
1097000
2000
여러분은 제가 제 아들을 격려하는 것을 들을 수 있습니다
18:34
realizing what's happening,
426
1099000
2000
무엇이 일어나는지를 깨달으면서요
18:36
and then the magic happens.
427
1101000
2000
그 다음에 그 마술이 벌어집니다.
18:38
Listen very carefully.
428
1103000
2000
주의깊게 들으세요.
18:40
About three steps in,
429
1105000
2000
약 세발자국을 떼었을때,
18:42
he realizes something magic is happening,
430
1107000
2000
제 아들은 뭔가 마술적인 것이 일어난다는 것을 깨닫습니다.
18:44
and the most amazing feedback loop of all kicks in,
431
1109000
3000
또 모든것에 박차를 가하는 가장 훌륭한 피드백에
18:47
and he takes a breath in,
432
1112000
2000
제 아들은 숨을 들이쉬고는
18:49
and he whispers "wow"
433
1114000
2000
그는 "와" 라고 속삭이고
18:51
and instinctively I echo back the same.
434
1116000
4000
본능적으로 저는 똑같은것을 반향시킵니다.
18:56
And so let's fly back in time
435
1121000
3000
그러니 그 기억할 만한 순간에
18:59
to that memorable moment.
436
1124000
2000
제시간으로 날아갑시다.
19:05
(Video) DR: Hey.
437
1130000
2000
(비디오) 디알: 여기봐
19:07
Come here.
438
1132000
2000
이리와
19:09
Can you do it?
439
1134000
3000
그렇게 할 수 있겠어?
19:13
Oh, boy.
440
1138000
2000
오, 보이.
19:15
Can you do it?
441
1140000
3000
그렇게 할 수 있겠어?
19:18
Baby: Yeah.
442
1143000
2000
아기: 예
19:20
DR: Ma, he's walking.
443
1145000
3000
로이: 엄마, 제 아들이 걸어요.
19:24
(Laughter)
444
1149000
2000
(웃음)
19:26
(Applause)
445
1151000
2000
(박수)
19:28
DR: Thank you.
446
1153000
2000
로이: 감사합니다.
19:30
(Applause)
447
1155000
15000
(박수)
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