TED2013
Ajit Narayanan: A word game to communicate in any language
Ajit Narayanan: ကျွန်တော့် ဘာသာစကားနဲ့ ဆက်သွယ်ဖို့အတွက် စကားလုံး ဂိမ်း တစ်ခု
Filmed:
Readability: 3.4
1,391,245 views
စကားပြောဆိုရာတွင် အခက်အခဲ ရှိကြတဲ့ ကလေးငယ်တွေနဲ့ အလုပ်လုပ်နေစဉ် Ajit Narayanan ဟာ ဘာသာစကားကို ပုံများဖြင့် ရေးဆွဲဖေါ်ပြရေး နည်းလမ်း တစ်ခုကို ကြံဆတီထွင်ခဲ့ကာ စကားလုံးများ နှင့် အတွေးအခေါ်များကို မြေပုံများသဖွယ် ပုံဖေါ်လာနိုင်ခဲ့ပါတယ်။ အဲဒီ ယူဆချက်ကို အခြေခံပြီး ပရိုဂရမ် တစ်ခုကို တီထွင်နိုင်ခဲ့ရာ နှုတ်ဖြင့် စကားမပြောနိုင်ကြသူတို့အား ဆက်သွယ်လာအောင် ကူပေးနေလျက် အဲဒီမှာ အသုံးပြုတဲ့ FreeSpeech ဆိုတဲ့ တီထွင်မှုဆိုရင် အံ့အားသင့်ဖွယ်ရာ အလားအလာကြီးတွေ ရှိနေပါသေးတယ်။.
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
ကျွန်တော်က အော်တီးစ်မ် တနည်း အထီးကျန်စိတ်ဝေဒနာ ကလေးများနဲ့ အလုပ်လုပ်သူပါ
00:15
Specifically, I make technologies
1
3391
1914
အထူးသဖြင့် ကျွန်တော်ဟာ သူတို့အတွက် ဆက်သွယ်စကားပြောဖို့ကို ကူပေးမယ့်
00:17
to help them communicate.
2
5305
2171
နည်းစနစ်တွေကို တီထွင်ပေးသူပါ
00:19
Now, many of the problems that children
3
7476
1539
အဲဒီလို အထီးကျန်ဝေဒနာကိုခံစားကြရတဲ့ ကလေးတွေ
00:21
with autism face, they have a common source,
4
9015
3763
ရင်ဆိုင်နေကြရတဲ့ ပြဿနာတွေ အများကြီးအတွက်
00:24
and that source is that they find it difficult
5
12778
2094
တူတဲ့ ဇစ်မြစ် အကြောင်းရင်း တခုက သူတို့ဟာ
00:26
to understand abstraction, symbolism.
6
14872
5260
စိတ်ကူးသက်သက်ဆိုင်ရာ အမှတ်သင်္ကေတာဆိုင်ရာ သုံးနှုန်းမှုကို နားလည်ရန်ခက်ခဲခြင်းပါပဲ
00:32
And because of this, they have
a lot of difficulty with language.
a lot of difficulty with language.
7
20132
4652
အဲဒါကြောင့် သူတို့ဆီမှာ ဘာသာစကားဆိုင်ရာ အခက်အခဲတွေ အများကြီး ရှိနေပါတယ်
00:36
Let me tell you a little bit about why this is.
8
24784
3015
ဘာဖြစ်လို့ အဲဒီလို ဖြစ်ရတယ် ဆိုတာကို နဲနဲလေး ရှင်းပြပါရစေ
00:39
You see that this is a picture of a bowl of soup.
9
27799
3934
ဟောဒီမှာ ခင်ဗျားတို့ဟာ ဆွပ်ပြုတ် ပန်းကန်လုံးကို မြင်ရပါတယ်
00:43
All of us can see it. All of us understand this.
10
31733
2485
ကျွန်တော်တို့ အားလုံး အဲဒါကို မြင်နိုင်ကြတယ်။ ကျွန်တော်တို့ အားလုံး အဲဒါကို နားလည်ကြတယ်။
00:46
These are two other pictures of soup,
11
34218
2312
အခုဒီမှာကျတော့ ဆွပ်ပြုတ်ရည်ရဲ့ နောက်ပုံ နှစ်ပုံ ရှိနေပါတယ်၊
00:48
but you can see that these are more abstract
12
36530
2067
ဒါပေမဲ့ အဲဒီပုံတွေဟာ ပိုပြီး စိတ်ကူးယဉ် ဆန်လာပါတယ်။
00:50
These are not quite as concrete.
13
38597
1856
မယ်မယ်ရရ မမြင်ရတော့ပါဘူး။
00:52
And when you get to language,
14
40453
2174
ရှေ့ဆက်ပြီး ကျွန်တော်တို့က ဘာသာစကားကို သုံးလိုက်ကြတဲ့ အခါမှာ
00:54
you see that it becomes a word
15
42627
1868
စကားလုံး တလုံး ဖြစ်လာတတ်ပါတယ်
00:56
whose look, the way it looks and the way it sounds,
16
44495
3261
အဲဒါရဲ့ ပုံပမ်း နဲ့ ကြားရတဲ့ အသံကျတော့၊
00:59
has absolutely nothing to do
with what it started with,
with what it started with,
17
47756
2912
မူလဇစ်မြစ် အစနဲ့၊ ဒါမှမဟုတ် အဲဒါကို ကိုယ်စားပြုထားတဲ့ အရာ၊
01:02
or what it represents, which is the bowl of soup.
18
50668
2830
ဆွပ်ပြုတ်ရည် ပန်းကန်လုံးနဲ့ တူတာ လုံး၀ မပါတော့ပါဘူး။
01:05
So it's essentially a completely abstract,
19
53498
2900
ဒီတော့ အဲဒါဟာ လုံးဝကို ဆက်စပ်ခြင်း မရှိတဲ့ စိတ်ကူးယဉ် အရာသက်သက်ပါ
01:08
a completely arbitrary representation of something
20
56398
2576
လက်တွေ့ ကမ္ဘာကြီးထဲမှာ ရှိနေတဲ့ အရာ တစ်ခုကို a completely arbitrary representation of something
01:10
which is in the real world,
21
58974
1163
စိတ်ကူးယဉ်လို့သာ ရနိုင်တဲ့ ပုံစံနဲ့ တင်ပြမှု ဖြစ်နေပါတယ်၊
01:12
and this is something that children with autism
22
60137
1791
အထီးကျန်ဝေဒနာရှင် ကလေးတွေဆိုရင် အဲဒါမျိုးနဲ့
01:13
have an incredible amount of difficulty with.
23
61928
3164
ကြုံရတဲ့ အခါမှာ အရမ်းကို ခေါင်းခဲကြရပါတယ်။
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
အဒါကြောင့်မို့လို့ အထီးကျန်ဝေဒနာရှင် ကလေးတွေနဲ့ အလုပ်လုပ်ကြရသူ အများစု၊
01:19
speech therapists, educators --
25
67843
1878
စကားပြောမှုကို ကုသပေးသူများ၊ ပညာပေးကြသူများတို့ဟာ၊
01:21
what they do is, they try to help children with autism
26
69721
2633
အဲဒီလို အထီးကျန်ဝေဒနာရှင် ကလေးတွေကို ကူညီရာတွင်
01:24
communicate not with words, but with pictures.
27
72354
3229
စကားလုံးတွေကို သုံးပြီး ဆက်သွယ်မယ့်အစား၊ ပုံတွေကို သုံးကြပါတယ်။
01:27
So if a child with autism wanted to say,
28
75583
1930
ဒီတော့ အထီးကျန်ဝေဒနာရှင် ကလေးက
01:29
"I want soup," that child would pick
29
77513
2458
" ဆွပ်ပြုပ်ရည် လိုချင်တယ် " လို့ ပြောချင်ရင်၊ အဲဒီကလေးဟာ
01:31
three different pictures, "I," "want," and "soup,"
30
79971
2260
"ကျွန်တော်၊" "လိုချင်တယ်၊" နဲ့ "ဆွပ်ပြုပ်ရည်၊" ဆိုတဲ့ ပုံသုံးပုံကို ကောက်ယူလိုက်ကာ
01:34
and they would put these together,
31
82231
1609
အတူတူ ချထားလိုက်ကြမယ် ဆိုရင်၊
01:35
and then the therapist or the parent would
32
83840
1867
ကုသရေးဆရာ ဒါမှမဟုတ် မိဘတို့က
01:37
understand that this is what the kid wants to say.
33
85707
1887
ကလေးလိုချင်တာ ဒါပဲ ဆိုတာကို သိလာကြပါမယ်။
01:39
And this has been incredibly effective;
34
87594
1778
အဲဒီ နည်းလမ်းဟာ လွန်ခဲ့တဲ့ နှစ်ပေါင်း ၃၀၊ ၄၀ အတွင်းမှာ
01:41
for the last 30, 40 years
35
89372
2141
ထိရောက်မှု ရှိခဲ့ပါတယ်၊
01:43
people have been doing this.
36
91513
1613
လူတွေဟာ အဲဒီလိုပဲ လုပ်ကိုင်လာခဲ့ကြပါတယ်။
01:45
In fact, a few years back,
37
93126
1349
တကယ်တော့၊ လွန်ခဲ့တဲ့ နှစ်အနည်းငယ်တုန်းက
01:46
I developed an app for the iPad
38
94475
2675
iPad အတွက်ကျွန်တော်ဟာ ပရိုဂရမ်တစ်ခုကို တီထွင်ခဲ့ရာ
01:49
which does exactly this. It's called Avaz,
39
97150
2255
အဲဒီအတိုင်းကိုပဲ လုပ်ပေးနိုင်ခဲ့ပါတယ်။ အဲဒါကို Avaz (အာဝါဇ်) လို့ အမည်ပေးခဲ့ပါတယ်။
01:51
and the way it works is that kids select
40
99405
2279
အဲဒီထဲမယ်လည်း ကလေးဟာ
01:53
different pictures.
41
101684
1321
ပုံတွေ အမျိုမျိုးကို ရွေးပေးရပါတယ်။
01:55
These pictures are sequenced
together to form sentences,
together to form sentences,
42
103005
2570
အဲဒီ ပုံတွေကို ဝါကျဖွဲ့စည်းနိုင်ဖို့အတွက် အတူတူ စီပေးရန် လိုပါတယ်၊
01:57
and these sentences are spoken out.
43
105575
1719
အဲဒီနောက်မှာ အဲဒီဝါကျကို အသံထွက်ပေးလိုက်ပါတယ်။
01:59
So Avaz is essentially converting pictures,
44
107294
3025
အဲဒီလိုနည်းဖြင့် Avaz စက်ဟာ လက်တွေ့တွင်ကျတော့ ပုံတွေကို စကားအဖြစ်
02:02
it's a translator, it converts pictures into speech.
45
110319
3960
ပြောင်းလဲပေးပါတယ်၊ စကားပြန်နဲ့ တူပါတယ်။
02:06
Now, this was very effective.
46
114279
1718
အဲဒါဟာလည်း အတော့်ကို အကျိုးဖြစ်ပါတယ်။
02:07
There are thousands of children using this,
47
115997
1384
အခုဆိုရင် အဲဒီစက်တွေကို သုံးနေတဲ့ ကလေးတွေဟာ ထောင်ပေါင်းများစွာ ရှိပါတယ်၊
02:09
you know, all over the world,
48
117381
1430
တစ်ကမ္ဘာလုံးမှာ ဆိုရင်ပေါ့၊
02:10
and I started thinking about
49
118811
2175
အဲဒါနဲ့ ကျွန်တော် စဉ်းစားလာမိတာက
02:12
what it does and what it doesn't do.
50
120986
2654
အဲဒီ စက်လုပ်နိုင်တာကဘာ၊ လုပ်မပေးနိုင်တာက ဘာလဲပေါ့။
02:15
And I realized something interesting:
51
123640
1684
စိတ်ဝင်စားစရာ ကောင်းတဲ့ အချက်တချို့ကို တွေ့လာရပါတယ်၊
02:17
Avaz helps children with autism learn words.
52
125324
4203
Avaz အထီးကျန်ဝေဒနာရှင် ကလေးတွေကို စကားလုံးတွေကို သင်ပေးနိုင်တယ်၊
ဒါပေမဲ့ စကားလုံးတွေရဲ့ ပုံစံတွေကိုတော့ သင်မပေးနိုင်ဘူး၊
02:21
What it doesn't help them do is to learn
53
129527
2405
02:23
word patterns.
54
131932
2748
ဆိုတာကို သတိထားမိတယ်။
02:26
Let me explain this in a little more detail.
55
134680
2472
အဲဒါကို နည်းနည်းလေး အသေးစိတ် ရှင်းပြပါရစေ။
02:29
Take this sentence: "I want soup tonight."
56
137152
3057
"ကျွန်တော် ဒီနေ့ည ဆွပ်ပြုပ်ရည် လိုချင်တယ်။" ဆိုတဲ့ ဝါကျကို ယူကြည့်ပါမယ်။
02:32
Now it's not just the words
here that convey the meaning.
here that convey the meaning.
57
140209
4080
အဲဒီစကားလုံးတွေ ဆိုလိုရင်းကို ဖေါ်ပြနေကြရုံ သက်သက်မဟုတ်တော့ဘူး။
02:36
It's also the way in which these words are arranged,
58
144289
3140
အဲဒီမှာ စကားလုံးတွေကို စီစဉ်ဖွဲ့စည်းမှု ဆိုတာလည်း ပါလာပါတယ်။
02:39
the way these words are modified and arranged.
59
147429
2515
အဲဒီ စကားလုံးတွေကို ပြင်ဆင်ထားကာ စီစဉ်ထားပုံ ဆိုတာ ပါလာပါတယ်။
02:41
And that's why a sentence like "I want soup tonight"
60
149959
2306
ဒါကြောင့်မို့လို့၊ "ကျွန်တော် ဒီနေ့ည ဆွပ်ပြုပ်ရည် လိုချင်တယ်။" ဆိုတဲ့ ဝါကျဟာ
02:44
is different from a sentence like
61
152265
1984
" ဆွပ်ပြုပ်ရည် လိုချင်တယ် ကျွန်တော် ဒီနေ့ည။" ဆိုတဲ့ ဝါကျနဲ့ မတူပါဘူး။
02:46
"Soup want I tonight," which
is completely meaningless.
is completely meaningless.
62
154249
3312
ဘာကိုဆိုလိုမှန်း လုံး၀ မရှင်းပါဘူး။
02:49
So there is another hidden abstraction here
63
157561
2619
ဒီတော့ အဲဒီထဲမယ် ဝှက်ထားတဲ့ နောက် စိတ်ကူးယဉ်ချက် ရှိပါတယ်၊
02:52
which children with autism find
a lot of difficulty coping with,
a lot of difficulty coping with,
64
160180
3557
အဲဒါမျိုးကို အထီးကျန်ဝေဒနာရှင် ကလေးတွေဟာ နးလည်ဖို့ ကြိုးစားရာတွင် သိပ်ကို ခဲယဉ်းလှပါတယ်၊
02:55
and that's the fact that you can modify words
65
163737
2840
ကျွန်တော်တို့ဟာ စကားလုံးတွေကို မွမ်းမံပြင်ပေးခြင်းဖြင့်၊
02:58
and you can arrange them to have
66
166577
2101
စီစဉ်ထားပေးခြင်းဖြင့်၊
03:00
different meanings, to convey different ideas.
67
168678
2895
အဓိပ္ပါယ် အမျိုးမျိုး အတွေးအခေါ် အမျိုးမျိုးကို ဖေါ်ပြနြိုင်ကြတယ်ဆိုတဲ့ အချက်ပါပဲ။
03:03
Now, this is what we call grammar.
68
171573
3459
ကျွန်တော်တို့ အဲဒါကို သဒ္ဒါလို ခေါ်ကြပါတယ်။
03:07
And grammar is incredibly powerful,
69
175032
2036
အဲဒီ သဒ္ဒါဟာ အရမ်းကို ထက်မြက်ပါတယ်၊
03:09
because grammar is this one component of language
70
177068
3157
ဘာသာစကားရဲ့ အစိတ်အပိုင်း တစ်ရပ်ဖြစ်တဲ့ သဒ္ဒါရဲ့ ကျေးဇူးကြောင့်
03:12
which takes this finite vocabulary that all of us have
71
180225
3489
ကျွန်တော်တို့ဟာ ကျွန်တော်တို့ အားလုံးဆီမှာ ရှိနေတဲ့ ဝေါဟာရတွေကို ယူပြီး
03:15
and allows us to convey an
infinite amount of information,
infinite amount of information,
72
183714
4531
ရေတွက် မရနိုင်တဲ့ အချက်အလက်တွေကို ဖြစ်စေ၊
03:20
an infinite amount of ideas.
73
188245
2134
ရေတွက် မရနိုင်တဲ့ အတွေးအခေါ်တွေကို ဖြစ်စေ ထုတ်ဖေါ် တင်ပြနိုင်ကြပါတယ်။၊
03:22
It's the way in which you can put things together
74
190379
2002
အဲဒီလို စကားလုံးတွေကို ယူပြီး စီကုံးပေးလိုက်ခြင်းဖြင့်
03:24
in order to convey anything you want to.
75
192381
2168
ဘာမဆိုကို ကျွန်တော်တို့ ထုတ်ဖေါ် တင်ပြလို့ ရနိုင်ပါတယ်။
03:26
And so after I developed Avaz,
76
194549
2127
ခုနက ကျွန်တော်ရဲ့ Avaz တီထွင်လိုက်တဲ့ နောက်မှာ၊
03:28
I worried for a very long time
77
196676
1568
အထီးကျန်ဝေဒနာရှင် ကလေးတွေကို ဘယ်လိုနည်းနဲ့
03:30
about how I could give grammar
to children with autism.
to children with autism.
78
198244
3910
သဒ္ဒါကို ထည့်သွင်းပေးရလဲ ဆိုတာကို ကျွန်တော် အတော်ကြာ ဦးနှောက်ချောက်နေခဲ့ပါတယ်။
03:34
The solution came to me from
a very interesting perspective.
a very interesting perspective.
79
202154
2275
အဖြေကို စိတ်ဝင်စားစရာ ကောင်းတဲ့ ရှုဒေါင့်မှ ရလာခဲ့ပါတယ်။
03:36
I happened to chance upon a child with autism
80
204429
3449
ကျွန်တော်ဟာ အထီးကျန်ဝေဒနာရှင် ကလေးနဲ့ ပတ်သက်ပြီး
03:39
conversing with her mom,
81
207878
2109
သူ့အနေနဲ့ စကားပြောနေစဉ်၊
03:41
and this is what happened.
82
209987
2094
ဒီလို ဖြစ်ပျက်ခဲ့ပါတယ်။
03:44
Completely out of the blue, very spontaneously,
83
212081
2186
လုံးဝကို မျှော်လင့်မရဘဲ၊ ရုတ်ခနဲဆိုသလို
03:46
the child got up and said, "Eat."
84
214267
2463
ကလေးဟာ ထလိုက်ကာ "စားမယ်။" လို့ ပြောလိုက်တယ်။
03:48
Now what was interesting was
85
216730
1770
အဲဒီထဲမှာ စိတ်င်စားစရာ ကောင်းခဲ့တာက
03:50
the way in which the mom was trying to tease out
86
218500
4244
ကလေး အနေနဲ့ ပြောချင်တဲ့ အဓိပ္ပါယ်မျိုးကို ကလေးဆီကနေပြီး ရဖို့အတွက်
03:54
the meaning of what the child wanted to say
87
222744
2213
အမေကနေပြီး ကလေးကို ဆွကစားနေပုံပါပဲ
03:56
by talking to her in questions.
88
224957
2260
မေးခွန်းတွေကို တစ်ခုပြီး တစ်ခု မေးနေခဲ့ပါတယ်။
03:59
So she asked, "Eat what? Do
you want to eat ice cream?
you want to eat ice cream?
89
227217
2593
ဒါနဲ့ သူမက "စားမယ် ဘာကိုလဲ။ နင် စားချင်တာ ရေခဲမုန့်လား။
04:01
You want to eat? Somebody else wants to eat?
90
229810
2112
စားချင်တာ နင်လား။ နောက် တစ်ယောက်ယောက်က စားမှာလား။
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
နင် ရေခဲမုန့်ကို အခု စားမှာလား။ ရေခဲမုန့်ကို ညနေမှာ စားချင်တာလား။"
04:07
And then it struck me that
92
235235
1514
အဲဒီကျမှ ကျွန်တော် ဒေါက်ကနဲ တစ်ခုခုကို နားလည်မိတယ်၊
04:08
what the mother had done was something incredible.
93
236749
2028
အဲဒီ မိခင် လုပ်ပြလိုက်တာဟာ သိပ်ကို အံ့ဩစရာကြီးပါပဲ။
04:10
She had been able to get that child to communicate
94
238777
1994
သူမဟာ သဒ္ဒါမပါနဲ့ပဲ ကလေးမလေးကို
04:12
an idea to her without grammar.
95
240771
4138
သူမရဲ့ အတွေးအခေါ်ကို ဖေါ်ပြပေးနိုင်ခဲ့တယ်။
04:16
And it struck me that maybe this is what
96
244909
2696
ကျွန်တော် ရှာကြံနေခဲ့တာက
04:19
I was looking for.
97
247605
1385
အဲဒါများလား ဆိုပြီး ကျွန်တော် စဉ်းစားစရာ ဖြစ်လာတယ်ပေါ့။
04:20
Instead of arranging words in an order, in sequence,
98
248990
4142
စကားလုံးတွေကို ရှေ့ဆင့်နောက်ဆက် စီပေးမယ့် အစား၊
04:25
as a sentence, you arrange them
99
253132
2172
ဝါကျ တစ်ခုအဖြစ်၊ ကျွန်တော်တို့ဟာ စကားလုံးတွေကို
04:27
in this map, where they're all linked together
100
255304
3811
သူ့ဇယားအတိုင်း၊ တစ်လုံးနဲ့တစ်လုံး ချိတ်ကဆက်ပေးလျက်၊
04:31
not by placing them one after the other
101
259115
2143
တစ်လုံးပြီး တစ်လုံး ချရေးတာမျိုး မဟုတ်ဘဲ၊
မေးခွန်းတွေဖြင့်၊ မေးလိုက်-ဖြေလိုက် အတွဲပုံစံမျိုးနဲ့ လုပ်နိုင်ခဲ့တာပါ။
04:33
but in questions, in question-answer pairs.
102
261258
3284
04:36
And so if you do this, then what you're conveying
103
264542
2358
အဲဒီလိုသာဆိုရင်၊ အဲဒီလို ဖေါ်ပြအသိပေးမှုဟာ
04:38
is not a sentence in English,
104
266900
1986
အင်္ဂလိပ်ဝါကျ မဟုတ်တော့ပါဘူး၊
04:40
but what you're conveying is really a meaning,
105
268886
2966
တကယ် တဆင့်ပါးပေးနေတာက တကယ်တမ်းတွင် အဓိပ္ပါယ် ဖြစ်ပါတယ်၊
04:43
the meaning of a sentence in English.
106
271852
1511
အင်္ဂလိပ်ဝါကျရဲ့အဓိပ္ပါယ် ဖြစ်နေခဲ့တာပါ။
04:45
Now, meaning is really the underbelly,
in some sense, of language.
in some sense, of language.
107
273363
2932
တဖန် အဲဒီ အဓိပ္ပါယ် ကိုယ်နှိုက်ကျပြန်တော့
ဘာသာစကားရဲ့ အားနည်းချက် တစ်ခုပါပဲ။
ဘာသာစကားရဲ့ အားနည်းချက် တစ်ခုပါပဲ။
04:48
It's what comes after thought but before language.
108
276295
3821
အဲဒါဟာ စဉ်းစားနားလည်မှုရဲ့ နောက်မှာ၊ ဘာသာစကား မတိုင်မီမှာ၊ ပေါ်လာတတ်ပါတယ်။
04:52
And the idea was that this particular representation
109
280116
2503
ပြောလိုတဲ့ အယူအဆက ခုနက မြင်လိုက်ကြရတဲ့ဟာက
04:54
might convey meaning in its raw form.
110
282619
3261
အဓိပ္ပါယ်ရဲ့ ကုန်ကြမ်းပုံစံမျိုးကို ဖေါ်ပြပေးနိုင်ခဲ့ပုံရပါတယ်။
04:57
So I was very excited by this, you know,
111
285880
1771
အဲဒါနဲ့ ကျွန်တော်ဟာ အရမ်းကို စိတ်တက်ကြွနေခဲ့လို့၊
04:59
hopping around all over the place,
112
287651
1493
ဘယ်သွားသွား အငြိမ်မနေနိုင် ခုန်ဆွခုန်ဆွနဲ့
05:01
trying to figure out if I can convert
113
289144
1771
ကြားရသမျှ် ဝါကျတွေကို ကျွန်တော်ဟာ
05:02
all possible sentences that I hear into this.
114
290915
2524
အဲဒီလို ပုံစံပြောင်းပေးလို့များ ရမလားဆိုတာကို စဉ်းစားနေခဲ့တာပါ။
05:05
And I found that this is not enough.
115
293439
1773
ဒါပေမဲ့ အဲဒါလောက်နဲ့ မရနိုင်တာကို ကျွန်တော် တွေ့လာပါတယ်။
05:07
Why is this not enough?
116
295212
1385
ဘာဖြစ်လို့ အဲဒါ မလုံလောက်တာလဲ။
05:08
This is not enough because if you wanted to convey
117
296597
1711
အဲဒါ မလုံလောက်ရခြင်းက၊ ကျွန်တော်တို့က တစ်ခုခုကို
05:10
something like negation,
118
298308
2250
ငြင်းဆိုချင်ကြရင် လုပ်မရနိုင်လို့ပါ၊
05:12
you want to say, "I don't want soup,"
119
300558
1736
"ကျွန်တော် ဆွပ်ပြုပ်ရည် မလိုချင်ဘူး၊" လို့ ပြောချင်တယ် ဆိုပါစို့၊
05:14
then you can't do that by asking a question.
120
302294
2220
အဲဒါကို မေးခွန်းမေးနေခြင်းဖြင့် လုပ်မရနိုင်ပါ။
05:16
You do that by changing the word "want."
121
304514
2285
ခုနက "လိုချင်တယ်" ဆိုတဲ့ စကားလုံးကို ပြောင်းမှသာ လုပ်ရနိင်တယ်။
05:18
Again, if you wanted to say,
122
306799
1637
နောက်တစ်ခု ရှိသေးတာက၊ ခင်ဗျားက
05:20
"I wanted soup yesterday,"
123
308436
1980
"ကျွန်တော် မနေ့က ဆွပ်ပြုပ်ရည် လိုချင်ခဲ့တယ်၊" လို့ ပြောချင်ခဲ့တယ် ဆိုရင်၊
05:22
you do that by converting
the word "want" into "wanted."
the word "want" into "wanted."
124
310416
2737
ခင်ဗျားဟာ ခုနက "လိုချင်တယ်" စကားလုံးကို "လိုချင်ခဲ့တယ်" ဆိုပြီး ပြောင်းလဲပေးခြင်းဖြင့် လုပ်ခဲ့ရတယ်ပေါ့။
05:25
It's a past tense.
125
313153
1666
အတိတ်ကာလနဲ့ သက်ဆိုင်လိုပါ။
05:26
So this is a flourish which I added
126
314819
2103
ဒီတော့ ကျွန်တော်ရဲ့ စနစ် ပြည့်စုံလာဖို့အတွက်
05:28
to make the system complete.
127
316922
1576
အဲဒီလို ဖြည့်စွက်ချက်ကို ထည့်ပေးခဲ့ရပါတယ်။
05:30
This is a map of words joined together
128
318498
1977
ဒါကတော့ အတူတူ ချိတ်ဆက်လျက် ရှိနေကြတဲ့ စကားလုံးများရဲ့ ဇယားပုံပါ
05:32
as questions and answers,
129
320475
1656
မေး-ဖြေ ပုံစံမျိုးနဲ့ပါ
05:34
and with these filters applied on top of them
130
322131
2264
ပြီးတော့ အဲဒါတွေရဲ့ ထိပ်မှာ စစ်ထုတ်ရေး ကိရိယာ ရှိပါတယ်
05:36
in order to modify them to represent
131
324395
1817
စကားလုံးတွေကို စီစဉ်လျက် လိုချင်တဲ့ အနှစ်သာရ အဓိပ္ပါယ်မျိုးကို
05:38
certain nuances.
132
326212
1709
ဖေါ်ထုတ် တင်ပြနိုင်ဖို့ အတွက်ပေါ့လေ။
05:39
Let me show you this with a different example.
133
327921
1951
ဒါကို နောက် ဥပမာ တစ်ခုနဲ့ ပြပေးပါရစေ။
05:41
Let's take this sentence:
134
329872
1254
ဒီလိုဝါကျကို ယူကြည့်ကြပါစို့၊
05:43
"I told the carpenter I could not pay him."
135
331126
1980
"လက်သမားဆရာကို သူ့အား ကျွန်တော် ငွေမပေးနိုင်ဟု ကျွန်တော် ပြောကြားခဲ့တယ်။"
05:45
It's a fairly complicated sentence.
136
333106
1792
အဲဒါဟာ တကယ့်ကို အတော့်ကလေးကို ရှုပ်ထွေး ခက်ခဲတဲ့ ဝါကျပါပဲ။
05:46
The way that this particular system works,
137
334898
1893
ကျွန်တော် ပြောတဲ့ စနစ် အလုပ်လုပ်ပုံ အရဆိုရင်၊
05:48
you can start with any part of this sentence.
138
336791
2578
ခင်ဗျားတို့ဟာ ဝါကျရဲ့ ဘယ်အပိုင်းကိုမဆို ယူပြီး စတင်နိုင်ပါတယ်။
05:51
I'm going to start with the word "tell."
139
339369
1698
ကျွန်တော်ကတော့ "ပြောကြား" ဆိုတဲ့ စကားလုံးနဲ့ စပါမယ်။
05:53
So this is the word "tell."
140
341067
1462
ဒီတော့ ကျွန်တော်တို့ရဲ့ စကားလုံးက "ပြောကြား" ပဲပေါ့။
05:54
Now this happened in the past,
141
342529
1600
ဒါပေမဲ့ အဲဒါဟာ အတိတ်ကာလထဲမှာ ဖြစ်ပျက်ခဲ့တယ်ဆိုတော့
05:56
so I'm going to make that "told."
142
344129
2223
ကျွန်တော်ဟာ အဲဒါကို "ပြောကြားခဲ့" ဆိုပြီး ပြောင်းလိုက်ရတယ်။
05:58
Now, what I'm going to do is,
143
346352
1708
အခုတော့၊ ကျွန်တော်ဟာ ရှေ့ဆက်ပြီး
06:00
I'm going to ask questions.
144
348060
1756
မေးခွန်းတွေကို မေးပါတော့မယ်။
06:01
So, who told? I told.
145
349816
2364
အဲဒီတော့၊ ပြောကြားခဲ့သူက ဘယ်သူလဲ။ ကျွန်တော် ပြောကြားခဲ့တယ်။
06:04
I told whom? I told the carpenter.
146
352180
1927
ကျွန်တော် ပြောကြားခဲ့တာက ဘယ်သူကိုလဲ။ ကျွန်တော် လက်သမားဆရာအား ပြောကြားခဲ့တယ်။
06:06
Now we start with a different part of the sentence.
147
354107
1751
ဆက်ပြီး ကျွန်တော်တို့ဟာ ဝါကျရဲ့ တခြားအပိုင်းကို ယူပြီး စကြည်ူ့ကြပါမယ်။
06:07
We start with the word "pay,"
148
355858
1867
ကျွန်တော်တို့ "ငွေပေး" ဖြင့် စပါမယ်၊
06:09
and we add the ability filter to it to make it "can pay."
149
357725
4577
အဲဒီနောက်မှာ လုပ်နိုင်စွမ်း စစ်ထုတ်ကိရိယာကို ထည့်ပေးလိုက်လို့ "ငွေပေးနိုင်" ဆိုပြီး လုပ်နိုင်တယ်။
06:14
Then we make it "can't pay,"
150
362302
2101
အဲဒီနောက်မှာ "ငေမွပေးနိုင်" ဆိုပြီး လုပ်နိုင်တယ်၊
06:16
and we can make it "couldn't pay"
151
364403
1599
ပြီးတော့ "ငွေပေးနိုင်ခဲ့" ဆိုပြီးတော့လည်း လုပ်နိုင်ပါတယ်၊
06:18
by making it the past tense.
152
366002
1663
အတိတ်ကာလပြ ကြိယာကို သုံးလိုက်ပါတယ်။
06:19
So who couldn't pay? I couldn't pay.
153
367665
1923
ဒီတော့ ငွေမပေးနိုင်ခဲ့တာက ဘယ်သူလဲ။ ကျွန်တော် ငွေမပေးနိုင်ခဲ့တာပါ။
06:21
Couldn't pay whom? I couldn't pay the carpenter.
154
369588
2676
မပေးနိုင်ခဲ့တာ ဘယ်သူကိုလဲ။ ကျွန်တော် လက်သမားဆရာအား မပေးနိုင်ခဲ့တာပါ။
06:24
And then you join these two together
155
372264
1731
အဲဒီနောက်မှာ ကျွန်တော်တို့ဟာ ဒီနှစ်ခုကို ချိတ်တွဲ လိုက်ကြပါမယ်။
06:25
by asking this question:
156
373995
1350
ဒီလို မေးခွန်းကို မေးပြီး လုပ်ကြပါမယ်၊
06:27
What did I tell the carpenter?
157
375345
1737
ကျွန်တော်က လက်သမားဆရာအား ပြောကြားခဲ့တာက ဘာလဲ။
06:29
I told the carpenter I could not pay him.
158
377082
4049
ကျွန်တော်က လက်သမားဆရာအား ကျွန်တော် ငွေမပေးနိုင်တာကို ပြောတယ်။
06:33
Now think about this. This is
159
381131
1937
အခု ဒီအကြောင်းကို စဉ်းစားကြည့်ကြပါ။ အဲဒါက...
06:35
—(Applause)—
160
383068
3542
—(လက်ခုပ်တီး ဩဘာပေးသံများ)—
06:38
this is a representation of this sentence
161
386610
3672
အဲဒါက အဲဒီဝါကျကို ဘာသာစကား မသုံးဘဲနဲ့
06:42
without language.
162
390282
2435
ဖေါ်ပြထားပုံပါပဲ။
06:44
And there are two or three
interesting things about this.
interesting things about this.
163
392717
2192
And there are two or three
ဒါနဲ့ ပတ်သက်ပြီး စိတ်ဝင်စားစရာ ကောင်းတာ ရှိပါတယ်။
ဒါနဲ့ ပတ်သက်ပြီး စိတ်ဝင်စားစရာ ကောင်းတာ ရှိပါတယ်။
06:46
First of all, I could have started anywhere.
164
394909
3131
ပမထဦးဆုံးအနေနဲ့ ကျွန်တော်ဟာ ကြိုက်တဲ့ နေရာကနေပြီး စတင်လို့ ရပါတယ်။
06:50
I didn't have to start with the word "tell."
165
398040
2243
"ပြောကြား" ဆိုတဲ့ စကားလုံးနဲ့မှ စတင်ရန်မလိုပါ၊
06:52
I could have started anywhere in the sentence,
166
400283
1416
ဝါကျထဲက ဘယ်နေရာမှမဆို စလို့ ရပါတယ်၊
06:53
and I could have made this entire thing.
167
401699
1507
ကျွန်တော်ဟာ ဒါကြီး တစ်ခုလုံးကိုလဲ စမ်းလုပ်လို့ ရနိုင်ခဲ့တယ်ပေါ့။
06:55
The second thing is, if I wasn't an English speaker,
168
403206
2776
ဒုတိယ အချက်အနေနဲ့၊ ကျွန်တော်ဟာ အင်္ဂလိပ်လို ပြောနေသူ မဟုတ်ခဲ့ရင်လည်း၊
06:57
if I was speaking in some other language,
169
405982
2175
ကျွန်တော်က ဒီပြင် ဘာသာစကား တစ်ခုခုနဲ့ ပြောသူ ဖြစ်တယ်ဆိုရင်တောင်၊
07:00
this map would actually hold true in any language.
170
408157
3156
ဒီဇယားပုံဟာ ဘယ်ဘာသာစကား အတွက်မဆို မှန်နေတာကို တွေ့ရပါမယ်။
07:03
So long as the questions are standardized,
171
411313
1990
မေးခွန်းတွေကိုသာ ပုံမှန်စနစ်မျိုးဖြင့် ချပြပေးနိုင်ပြီဆိုရင်၊
07:05
the map is actually independent of language.
172
413303
4287
ဒီဇယားပုံဟာ လက်တွေ့တွင် ဘာသာစကားနဲ့ ဆက်စပ်မှုမရှိပါဘူး။
07:09
So I call this FreeSpeech,
173
417590
2115
အဲဒါကြောင့် ကျွန်တော်က ဒါကို FreeSpeech (စကားလွတ်)လို့ အမည်းပေးထားပါတယ်၊
07:11
and I was playing with this for many, many months.
174
419705
2935
ဒါနဲ့ ကျွန်တော်ဟာ ဒါကို ကစားကြည့်လာခဲ့တာ လတော်တော်များများ ကြာသွားခဲ့ပါတယ်။
07:14
I was trying out so many
different combinations of this.
different combinations of this.
175
422640
2726
ကျွန်တော်ဟာ အဲဒါကို ပုံစံမျိုးစုံဖြင့် ချိတ်ဆက်ပေါင်းစပ်ကြည့်ဖို့ ကြိုးစားနေခဲ့ပါတယ်။
07:17
And then I noticed something very
interesting about FreeSpeech.
interesting about FreeSpeech.
176
425366
2289
အဲဒါနဲ့ FreeSpeech နဲ့ ပတ်သက်ပြီး သိပ်ကို စိတ်ဝင်စားစရာ ကောင်းတဲ့ အချက် တချို့ကို သတိထားမိပါတယ်။
07:19
I was trying to convert language,
177
427655
3243
ကျွန်တော်ဟာ ဘာသာစကားကို ပြောင်းလဲပေးရန်
07:22
convert sentences in English
into sentences in FreeSpeech,
into sentences in FreeSpeech,
178
430898
2384
မင်္ဂလိပ်ဝါကျတွေကို FreeSpeech ဝါကျတွေအဖြစ် ပြောင်းလဲပေးနေခဲ့ပါတယ်၊
07:25
and vice versa, and back and forth.
179
433282
1752
ပြီးတော့ ပြောင်းပြန် ပြောင်းလဲဖို့၊ ရှေ့ကို နောက်ကို စမ်းကြည့်နေခဲ့ပါတယ်။
07:27
And I realized that this particular configuration,
180
435034
2255
အဲဒါနဲ့ ကျွန်တော် ဘာကို နားလည်လာမိသလဲဆိုတော့၊ အခု ပြောနေကြတဲ့ ဖွဲ့စည်းပုံ စနစ်ကလေးဟာ၊
07:29
this particular way of representing language,
181
437289
2026
ဘာသာစကားကို တင်ပြရေး အခုပြောနေတဲ့ နည်းလမ်းဟာ၊
07:31
it allowed me to actually create very concise rules
182
439315
4395
တစ်ဖက်မှ ပြောရရင်၊ လက်ရှိ FreeSpeech အတွက်ရော၊
07:35
that go between FreeSpeech on one side
183
443710
2734
နောက်တစ်ဖက်မှ ပြောရရင်၊ အင်္ဂလိပ် ဘာသာအတွက်ပါ၊ အတော့်ကို ကျစ်လစ်တဲ့ စည်းကမ်းချက်တွေကို
07:38
and English on the other.
184
446444
1488
ချမှတ်ပြုစု လာစေနိုင်ခဲ့ပါတယ်။
07:39
So I could actually write this set of rules
185
447932
2180
အဲဒီတော့ ကျွန်တော်ဟာ ဒီလက်ရှိ တင်ဆက်မှုမှနေပြီး
07:42
that translates from this particular
representation into English.
representation into English.
186
450112
3395
အင်္ဂလိပ် ဘာသာဆီကို ဘာသာပြန်ပေးကြမယ့် စည်းချက်တစ်စုံကို ရေးပေးနိုင်ပါတယ်။
07:45
And so I developed this thing.
187
453507
1831
အဲဒါနဲ့ ကျွန်တော်ဟာ ဒီအရာကို ပြုစုတီထွင်ခဲ့ပါတယ်။
07:47
I developed this thing called
the FreeSpeech Engine
the FreeSpeech Engine
188
455338
2232
FreeSpeech Engine ဆိုပြီး ကျွန်တော်အမည်ပေးထားတဲ့ အရာကို ပြုစုတီထွင်လိုက်ပါတယ်၊
07:49
which takes any FreeSpeech sentence as the input
189
457570
2561
FreeSpeech ဘယ်ဝါကျကိုမဆို အဝင်နေရာမှာ ထည့်ပေးလိုက်ရင်
07:52
and gives out perfectly grammatical English text.
190
460131
3930
လက်တွေ့တွင် သဒ္ဒါနည်းလမ်းကျ မှန်ကန်တဲ့ အင်္ဂလိပ် စာသားကို ရနိုင်ပါတယ်။
07:56
And by putting these two pieces together,
191
464061
1605
ပြီးတော့် ဒီအပိုင်းနှစ်ပိုင်းကို အတူတူ ချိတ်သုံးရင်၊
07:57
the representation and the engine,
192
465666
1881
the representation and the engine,
မိတ်ဆက်ရေး နှင့် အင်ဂျင်ကို ပေါင်းလိုက်လျက်၊
မိတ်ဆက်ရေး နှင့် အင်ဂျင်ကို ပေါင်းလိုက်လျက်၊
07:59
I was able to create an app, a
technology for children with autism,
technology for children with autism,
193
467547
3796
ကျွန်တော်ဟာ အထီးကျန်စိတ်ဝေဒနာ ကလေးတွေအတွက် နည်းပညာ တစ်ခုကို၊
08:03
that not only gives them words
194
471343
2499
ပရိုဂရမ် တစ်ခုကို တီထွင်နိုင်ခဲ့ရာ၊ သူတို့အတွက် စကားလုံးများကိုသာမက၊
08:05
but also gives them grammar.
195
473842
3941
သဒ္ဒါကိုပါ ပေးလာနိုင်ပါတယ်။
08:09
So I tried this out with kids with autism,
196
477783
2360
အဲဒီနောက်မှာ ကျနော်ဟာ အဲဒါကို အထီးကျန်စိတ်ဝေဒနာ ကလေးတွေနဲ့ စမ်းကြည့်တော့
08:12
and I found that there was an
incredible amount of identification.
incredible amount of identification.
197
480143
5013
သူတို့ဟာ အံ့ဩဖွသိရှိလာကြတာ မျာပြားလှတဲ့ အချက်တွေကို သိရှိလာကြတာ တွေ့မြင်လာရပါတယ်။
08:17
They were able to create sentences in FreeSpeech
198
485156
2720
သူတို့ဟာ FreeSpeech ထဲမှာ ဝါကျတွေကို တည်ဆောက်နိုင်လာကြတယ်၊
08:19
which were much more complicated
but much more effective
but much more effective
199
487876
2558
အင်္ဂလိပ်လို ဝါကျများနဲ့စါပါက ပိုပြီး ရှုပ်ထွေးတဲ့ ဝါကျများ၊
08:22
than equivalent sentences in English,
200
490434
2899
တချိန်တည်းမှာ ပိုပြီး ထိရောက်တဲ့ ဝါကျများ ဖြစ်ကြပါတယ်။
08:25
and I started thinking about
201
493333
1682
ဒါနဲ့ ကျွန်တော်ဟာ စဉ်းစားလာရတာ
08:27
why that might be the case.
202
495015
1969
အဲဒီလို ဘာကြောင့် ဖြစ်လာရတာလဲပေါ့။
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
ကျွန်တော့်ဆီမှာ ယူဆချက် တစ်ခု ရှိပါတယ်၊ အဲဒီအယူအဆ အကြောင်းကို ရှေ့ဆက်ပြီး ခင်ဗျားတို့ကို ပြောပြချင်ပါတယ်။
08:33
In about 1997, about 15 years back,
204
501271
3142
၁၉၉၇ ခုနှစ်၊ လွန်ခဲ့တဲ့ ၁၅ နှစ်တုန်းက
08:36
there were a group of scientists that were trying
205
504413
2011
ဦးနှောက်ဟာ ဘာသာစကားကို ဘယ်လိုများ စီမံလုပ်ကိုင်တာလဲ ဆိုတာကို နားလည်ဖို့ အားထုတ်ခဲ့ကြတဲ့
08:38
to understand how the brain processes language,
206
506424
2389
သိပ္ပံပညာရှင် တစ်စု ရှိခဲ့ကြပါတယ်
08:40
and they found something very interesting.
207
508813
1779
သူတို့ တွေ့တဲ့ဟာက စိတ်ဝင်စားစရာ ကောင်းခဲ့ပါတယ်။
08:42
They found that when you learn a language
208
510592
1872
ခင်ဗျားဟာ ဘာသာစကားကို ကလေး တစ်ယောက်အနေနဲ့၊
08:44
as a child, as a two-year-old,
209
512464
2912
နှစ်နှစ် အရွယ် ကလေးဘဝမှာ လေ့လာတဲ့ အခါတွင်၊
08:47
you learn it with a certain part of your brain,
210
515376
2366
ခင်ဗျားဟာ ဘာသာစကားကို ဦးနှောက်ထဲက သိထားရတဲ့ အပိုင်းတစ်ခုဖြင့် သင်ယူခြင်း ဖြစ်ပြီးတော့၊
ဘာသာစကားကို လူကြီးအနေနဲ့ သင်ယူတဲ့ အခါမှာကျတော့၊ -
08:49
and when you learn a language as an adult --
211
517742
1600
08:51
for example, if I wanted to
learn Japanese right now —
learn Japanese right now —
212
519342
3911
ဥပမာ ကျွန်တော်က အခုကို ဂျပန်ဘာသာကို လေ့လာဖို့ ဆုံးဖြတ်လိုက်မယ်ဆိုရင်၊
08:55
a completely different part of my brain is used.
213
523253
2707
လုံးဝကို မတူတဲ့ ဦးနှောက်ရဲ့ အပိုင်းကို သုံးဖြစ်ပါတယ်။
08:57
Now I don't know why that's the case,
214
525960
1831
အဲဒီလို ဘာကြောင့် ဖြစ်ရတာကို ကျွန်မသိပေမဲ့၊
08:59
but my guess is that that's because
215
527791
1991
ကျွန်တော် ခန့်မှန်းမိတာက၊ လူကြီး တစ်ယောက် အနေနဲ့
09:01
when you learn a language as an adult,
216
529782
2437
ဘာသာစကား တစ်ခုကို သင်ယူတဲ့ အခါမှာ၊
09:04
you almost invariably learn it
217
532219
1616
ခင်ဗျားဟာ ခင်ဗျားရဲ့ မိခင်ဘာသာစကားမှ တဆင့်
09:05
through your native language, or
through your first language.
through your first language.
218
533835
4266
ဒါမှမဟုတ် ကိုယ်တတ်ထားတဲ့ ပထမဦးဆုံး ဘာသာစကားမှ တဆင့်သာ သင်ယူတာမို့လို့ပါ။
09:10
So what's interesting about FreeSpeech
219
538101
3252
ဒီတော့ FreeSpeech ကျတော့ စိတ်ဝင်စားစရာ ကောင်းနေတာက၊
09:13
is that when you create a sentence
220
541353
1802
ခင်ဗျားဟာ ဝါကျ တစ်ခုကို ရေးဖွဲတဲ့ အခါမှာ၊
09:15
or when you create language,
221
543155
1695
တနည်း ဘာသာစကားကို ဖန်တီးတဲ့ အခါမှာ၊
09:16
a child with autism creates
language with FreeSpeech,
language with FreeSpeech,
222
544850
3070
အထီးကျန်စိတ်ဝေဒနာ ကလေး တစ်ယောက်ဟာ FreeSpeech နဲ့ ဘာသာစကားကို ဖန်တီးယူရာတွင်
09:19
they're not using this support language,
223
547920
1833
သူတို့ဟာ ထောက်ကူပေးတဲ့ ဘာသာစကားကို မသုံးကြခြင်းပါပဲ၊
09:21
they're not using this bridge language.
224
549753
2211
သူတို့ဟာ ပေါင်းကူးပေးတဲ့ ဘာသာစကားကို အသုံးမပြုကြပါ။
09:23
They're directly constructing the sentence.
225
551964
2657
သူတို့ဟာ ဝါကျများကို တိုက်ရိုက် တည်ဆောက်ကြပါတယ်။
09:26
And so this gave me this idea.
226
554621
2193
အဲဒါနဲ့ ကျွန်တော် ရလာတဲ့ စိတ်ကူးရှိပါတယ်။
09:28
Is it possible to use FreeSpeech
227
556814
2024
FreeSpeech ကို အထီးကျန်စိတ်ဝေဒနာ ကလေးများ အတွက်မဟုတ်ဘဲ
09:30
not for children with autism
228
558838
2510
ဘယ်လိုမှ မသန်စွမ်းမှု ပြဿနာ မရှိကြတဲ့ သူတွေအတွက်
09:33
but to teach language to people without disabilities?
229
561348
6262
ဘာသာစကား သင်ယူရေးအတွက်ကော သုံးမရနိုင်ဘူးလားပေါ့။
09:39
And so I tried a number of experiments.
230
567610
1978
အဲဒါနဲ့ ကျွန်တော်ဟာ စမ်းသပ်မှု တသီကြီးကို ပြုလုပ်ခဲ့ပါတယ်။
09:41
The first thing I did was I built a jigsaw puzzle
231
569588
2948
ပထမဦးဆုံး အနေနဲ့ ကျွန်တော်ဟာ ပဟေဠိ တခုကို တည်ဆောက်လိုက်ပါတယ်၊
09:44
in which these questions and answers
232
572536
1970
ဒီလို မေးခွန်းများ နဲ့ အဖြေတွေကို
09:46
are coded in the form of shapes,
233
574506
1835
ပုံသဏ္ဍများရဲ့ ပုံစံများဖြင့် ကုဒ်အဖြစ်
09:48
in the form of colors,
234
576341
1138
အရောင်များအဖြစ် ထည့်ပေးခဲ့ကြပါတယ်
09:49
and you have people putting these together
235
577479
1849
အဲဒါတွေကို အတူတကွ ထည့်သွင်းပေးလျက်
09:51
and trying to understand how this works.
236
579328
1773
အဲဒါ ဘယ်လိုများ အလုပ်လုပ်နေတာလဲ ဆိုတာကို နားလည်ဖို့ ကြိုးစားကြတဲ့ သူတွေ ရှိကြပါတယ်။
09:53
And I built an app out of it, a game out of it,
237
581101
2376
အဲဒီလို ရလဒ်များကို အခြေခံပြီး ကျွန်တော်ဟာ ပရိုဂရမ် တစ်ခုကို ထုတ်လုပ်လိုက်ရာ၊
09:55
in which children can play with words
238
583477
2661
ကလေးတွေဟာ စကားလုံးများဖြင့် ကစားနိုင်ကြကာ၊
09:58
and with a reinforcement,
239
586138
1704
သူတို့ကို အားပေးကူညီမယ့် အချက်ကို၊
09:59
a sound reinforcement of visual structures,
240
587842
2585
မျက်စိနဲ့ မြင်ရတာကို အသံဖြင့် အားဖြည့်ပေးချက်ကို ထည့်ပေးထားလို့
10:02
they're able to learn language.
241
590427
2013
သူတို့ဟာ ဘာသာစကားကို သင်ယူလာကြပါတယ်။
10:04
And this, this has a lot of potential, a lot of promise,
242
592440
2736
အဲဒီ အရာဟာ သိပ်ကို အလားအလာ ကောင်းလှကာ၊ အများကြီး မျှော်လင့်လို့ ရနိုင်ပါတယ်၊
10:07
and the government of India recently
243
595176
1975
အဲဒါနဲ့ အိန္ဒိယအစိုးရဟာ မကြာခင်တုန်းကပဲ
10:09
licensed this technology from us,
244
597151
1404
ကျွန်တော်တို့ဆီက နည်းပညာကို လိုင်စင် ထုတ်ပေးလိုက်ကာ၊
10:10
and they're going to try it out
with millions of different children
with millions of different children
245
598555
2074
ကလေး အမျိုးမျိုး သန်းပေါင်းများစွာ တို့အကြားမှာ စမ်းသပ်ဖို့ ရှိနေပါတယ်
10:12
trying to teach them English.
246
600629
2605
သူတို့ကို အင်္ဂလိပ် ဘာသာကို သင်ကြားရာတွင် စမ်းကြဖို့ ရှိပါတယ်။
10:15
And the dream, the hope, the vision, really,
247
603234
2614
စိတ်ကူးချင်တာက၊ မျှော်လင့်မိတာ လက်တွေ့ မြင်တွေ့ချင်တာက၊
10:17
is that when they learn English this way,
248
605848
3082
ဒီလိုနည်းဖြင့် သူတို့က အင်္ဂလိပ်စကားကို သင်ယူကြမယ်ဆိုရင်၊
10:20
they learn it with the same proficiency
249
608930
2643
သူတို့ရဲ့ မိခင်ဘာသာစကားကို ကျွမ်းကျင်သလိုပဲ
10:23
as their mother tongue.
250
611573
3718
ကျွမ်းကျင်စွာ တတ်လာကြမယ်ဆိုတာပါပဲ။
10:27
All right, let's talk about something else.
251
615291
3816
တော်သေးပြီ၊ အခြား အကြောင်း အချို့ကို ပြောကြရအောင်။
10:31
Let's talk about speech.
252
619107
1997
စကားပြောဆိုမှု အကြောင်းဆိုပါစို့။
10:33
This is speech.
253
621104
1271
ဒါက စကားပြောဆိုမှုပါပဲ။
10:34
So speech is the primary mode of communication
254
622375
1962
ဒီတော့ စကားပြောဆိုမှုဟာ ကျွန်တော်တို့ အကြားမှာ ဆက်သွယ်ဖို့
10:36
delivered between all of us.
255
624337
1613
ကျွန်တော်တို့ အားလုံး ကျင့်သုံးကြတဲ့ အဓိက အကျဆုံး နည်းပါပဲ။
10:37
Now what's interesting about speech is that
256
625950
1855
စကားပြောဆိုမှုထဲမယ် စိတ်ဝင်စားစရာ ကောင်းတဲ့ အချက်က၊
10:39
speech is one-dimensional.
257
627805
1245
စကားပြောဆိုမှုဆီမယ် အတိုင်းအတာ တစ်ခုမျှသာ ရှိပါတယ်။
10:41
Why is it one-dimensional?
258
629050
1359
အတိုင်းအတာ တစ်ခုလို့ ဘာဖြစ်လို့ ပြောရတာလဲ။
10:42
It's one-dimensional because it's sound.
259
630409
1568
အသံမို့လို့ အတိုင်းအတာ တစ်ခုတည်း ရှိတာပါ။
10:43
It's also one-dimensional because
260
631977
1539
ကျွန်ုပ်တို့ရဲ့ ပါးစပ်ကိုယ်နှိုက်ကို တည်ဆောက်ထားပုံကိုက
10:45
our mouths are built that way.
261
633516
1205
အဲဒီလိုမို့လို့ပါ။
10:46
Our mouths are built to create
one-dimensional sound.
one-dimensional sound.
262
634721
3512
ကျွန်ုပ်တို့ရဲ့ ပါးစပ်များကို အတိုင်းအတာ တစ်ခုသာရှိတဲ့ အသံကိုထုတ်လုပ်ဖို့ တည်ဆောက်ထားတာပါ။
10:50
But if you think about the brain,
263
638233
2866
ဒါပေမဲ့၊ ကျွန်ုပ်တို့ရဲ့ ဦးနှောက် အကြောင်းကို စဉ်းစားကြည့်မယ်ဆိုရင်တော့
10:53
the thoughts that we have in our heads
264
641099
1764
ကျွန်ုပ်တို့ရဲ့ ခေါင်းထဲက အတွေးတွေဟာဖြင့်
10:54
are not one-dimensional.
265
642863
2102
အတိုင်းအတာ တစ်ခုတည်း မဟုတ်ကြပါ။
10:56
I mean, we have these rich,
266
644965
1459
ကျွန်တော်တို့ရဲ့ အတွေးအခေါ်များဟာ ကြွယ်ဝလှပါတယ်၊
10:58
complicated, multi-dimensional ideas.
267
646424
3028
cရှုပ်ထွေးကြပါတယ်၊ အမျိုးမျိုး တိုင်းလို့ ရနိုင်ပါတယ်။
11:01
Now, it seems to me that language
268
649452
1690
ကျွန်တော် ထင်မိတာကတော့ ဘာသာစကား ဆိုတာဟာ
11:03
is really the brain's invention
269
651142
2332
တကယ့်ကို ဦးနှောက်ရဲ့ တီထွင်မှုပါပဲ၊ တစ်ဖက်မှ ကျတော့ ဒီလို ကြွယ်ဝလှကာ
11:05
to convert this rich, multi-dimensional thought
270
653474
3096
အတိုင်းအတာ အမျိုးမျိုး ရှိနိုင်တဲ့ အတွေးများကို
11:08
on one hand
271
656570
1587
ပြောင်းလဲပေးရန်အတွက် ဖြစ်သလို
11:10
into speech on the other hand.
272
658157
1923
နောက်တစ်ဖက်မှ ကျတော့ အဲဒါကို ဘာသာစကား အဖြစ် ပြောင်းလဲပေးဖို့ အတွက်ပါပဲ။
11:12
Now what's interesting is that
273
660080
1762
ဒီနေရာမှာ စိတ်ဝင်စားစရာ ကောင်းတာက
11:13
we do a lot of work in information nowadays,
274
661842
2568
ကျွန်တော်တို့ဟာ ဒီခေတ်ထဲမှာ အချက်အလက်တွေနဲ့ ပတ်သက်ပြီး လုပ်ကိုင်နေကြတာတွေ အများကြီးပါပဲ
11:16
and almost all of that is done
in the language domain.
in the language domain.
275
664410
3079
ပြီးတော့ အဲဒါတွေ အားလုံးနီးပါးကို ဘာသာစကား မျက်နှာစာ ပြုလုပ်ခဲ့ကြပါတယ်။
11:19
Take Google, for example.
276
667489
1939
အကောင်းဆုံး ဥပမာအဖြစ် Google ကို ယူကြည့်နိုင်ပါတယ်။
11:21
Google trawls all these
countless billions of websites,
countless billions of websites,
277
669428
2677
Google ဟာ ရေတွက် မရနိုင်တဲ့ ဝက်ဘ်ဆိုက် ဘီလီယံချီတို့ကို လှန်လှော ရှာပေးပါတယ်
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
အဲဒါတွေ အားလုံးက အင်္ဂလိပ်လို ဖြစ်နေကြပါတယ်၊ ဒီတော့ ခင်ဗျားတို့က Google ကို သုံးချင်ရင်
11:26
you go into Google search, and you type in English,
279
674830
2450
Google ရှာဖွေရေး စက်ထဲကို အင်္ဂလိပ်လို တိုက်ရိုက်ရပါတယ်
11:29
and it matches the English with the English.
280
677280
4163
အဲဒါနဲ့ Google ဟာ အင်္ဂလိပ်ကို အင်္ဂလိပ်နဲ့ တိုက်ကြည့်လျက် ရှာပါတယ်။
11:33
What if we could do this in FreeSpeech instead?
281
681443
3583
ကောင်းပြီ၊ အဲဒါကိုပဲ ကျွန်တော်တို့က အဲဒီ အစား FreeSpeech နဲ့ လုပ်ကြည့်မယ် ဆိုရင်ကော။
11:37
I have a suspicion that if we did this,
282
685026
2301
ကျွန်တော်တို့က အဲဒီလို လုပ်ကြည့်ခဲ့မယ်ဆိုရင်
11:39
we'd find that algorithms like searching,
283
687327
2068
ရှာဖွေရေးအတွက် တစ်ခုခုကို ရယူဖို့စတဲ့ အရာအတွက်
11:41
like retrieval, all of these things,
284
689395
2325
အသုံးပြုရမယ့် အယ်လဂိုရီသမ်ဟာ ပိုလို့ကို လွယ်ရှင်းတာကို
11:43
are much simpler and also more effective,
285
691720
3075
တစ်ချိန်တည်းမှာ ပိုပြီး ထိရောက်မှုရှိတာကို ေတွေ့လာဖို့ များပါတယ်
11:46
because they don't process
the data structure of speech.
the data structure of speech.
286
694795
4417
ဘာဖြစ်လို့လဲဆိုတော့ အဲဒီမှာ ဘာသာစကား ဖွဲ့စည်းမှုဆိုင်ရာ ဒေတာတွေကို စစ်ကြည့်ဖို့ မလိုလို့ပဲပေါ့။
11:51
Instead they're processing
the data structure of thought.
the data structure of thought.
287
699212
5976
အဲဒါအစား အဲဒီမှာ စစ်ဆေးတွက်ချက်တာက အတွေးအခေါ်များရဲ့ ဖွဲ့စည်းမှုကိုပါ။
11:57
The data structure of thought.
288
705188
2808
အတွေးအခေါ်များရဲ့ ဖွဲ့စည်းမှုကိုမှပါ။
11:59
That's a provocative idea.
289
707996
2076
အဲဒါဟာ ကျွန်တော်ကိုဆွပေးတဲ့ ယူဆချက်ပါ။
12:02
But let's look at this in a little more detail.
290
710072
2142
အခုတော့ ကျွန်တော် အဲဒါကို နည်းနည်းလေး ပိုပြီး အသေးစိတ် ကြည့်ကြရအောင်။
12:04
So this is the FreeSpeech ecosystem.
291
712214
2366
ဒီတော့ ဒါက FreeSpeech ဆိုတဲ့ ပတ်ဝန်းကျင်စနစ်ပါ။
12:06
We have the Free Speech
representation on one side,
representation on one side,
292
714580
2884
ကျွန်တော်တို့ဟာ တစ်ဖက်မှာ Free Speech ထဲက
တင်ဆက်ထားပုံ ရှိနေပါတယ်
တင်ဆက်ထားပုံ ရှိနေပါတယ်
12:09
and we have the FreeSpeech
Engine, which generates English.
Engine, which generates English.
293
717464
2228
ပြီးတော့ နောက်တစ်ဖက်တွင်ကျတော့ အင်္ဂလိပ်လို ထုတ်လုပ်ပေးတဲ့ FreeSpeech
Engine ရှိနေပါတယ်။
Engine ရှိနေပါတယ်။
12:11
Now if you think about it,
294
719694
1725
ဒါကို ကျွန်တော်တို့ ဆန်းစစ် စဉ်းစားကြည့်ရင်
12:13
FreeSpeech, I told you, is completely
language-independent.
language-independent.
295
721419
2544
FreeSpeech ဟာကျွနတော်ပြောခဲ့သလို ဘာသာစကားမှ လွတ်လပ်ပါတယ်။
12:15
It doesn't have any specific information in it
296
723963
2087
၎င်းထဲမှာ အင်္ဂလိပ်စာ သက်သက်ဆိုင်ရာ
12:18
which is about English.
297
726050
1228
အထူး ထည့်ပေးထားတာ ဘာတစ်ခုမှ မပါရှိပါ။
12:19
So everything that this system knows about English
298
727278
2800
ဒီတော့ ဒီစက်က အင်္ဂလိပ်စကားနဲ့ ပတ်သက်ပြီး သိထားသမျှကို
12:22
is actually encoded into the engine.
299
730078
4620
စက်ထဲမှာ ကုဒ်များအဖြစ် ထည့်ပေးတာပါ။
12:26
That's a pretty interesting concept in itself.
300
734698
2237
အဲဒီ အတွေးအခေါ် ကိုယ်နှိုက်ကိုက စိတ်ဝင်စားစရာ အရာပါပဲ။
12:28
You've encoded an entire human language
301
736935
3604
ကျွန်တော်တို့ဟာ လူသားရဲ့ ဘာသာစကား တစ်ခုလုံးကို
12:32
into a software program.
302
740539
2645
ဆော့ဝဲ ပရိုဂရမ်ထဲကို ထည့်ပေးထားခြင်းပဲပေါ့။
12:35
But if you look at what's inside the engine,
303
743184
2531
ဒါပေမဲ့ ကျွန်တော်တို့က အင်ဂျင် အထဲမှာ ရှိတာကို
12:37
it's actually not very complicated.
304
745715
2358
ဝင်ကြည့်ကြမယ်ဆိုရင် သိပ်ရှုပ်ထွေးလှတာ မဟုတ်ပါဘူး။
12:40
It's not very complicated code.
305
748073
2105
အဲဒီ ကုဒ်ဟာသိပ်ကြီး မခဲယဉ်းလှပါ။
12:42
And what's more interesting is the fact that
306
750178
2672
ပြီးတော့ ပိုလို့ကို စိတ်ဝင်စားစရာ ကောင်းတဲ့ အချက်က
12:44
the vast majority of the code in that engine
307
752850
2203
အဲဒီ အင်ဂျင်ထဲက ကုဒ်အများစုဟာ
12:47
is not really English-specific.
308
755053
2412
တကယ်ကျတော့ အင်္ဂလိပ်စာ သက်သက်နဲ့ ဆက်စပ် မနေခြင်းပါပဲ။
12:49
And that gives this interesting idea.
309
757465
1895
အဲဒီကနေပြီး ကျနော်တို့ဟာ အခုလို စိတ်ဝင်စားစရာ ကောင်းတဲ့ ယူဆချက်ကို ရလာပါတယ်။
12:51
It might be very easy for us to actually
310
759360
2038
လက်တွေ့မှာ အခုလို အင်ဂျင်တွေကို မတူကြတဲ့ ဘာသာစကား အမျိုးမျိုးအတွက်
12:53
create these engines in many,
many different languages,
many different languages,
311
761398
3826
ဖန်တိုးလို့ ရနိုင်တယ် ဆိုတဲ့ အချက်ပါပဲ
12:57
in Hindi, in French, in German, in Swahili.
312
765224
6354
ဟင်ဒီလို ပြင်သစ်လို ဂျာမန်လို ဆွာဟီလီလို တီထွင်နိုင်တယ်။
13:03
And that gives another interesting idea.
313
771578
2799
တဖက် အဲဒါက နောက် တစ်ခု စိတ်ဝင်စားစရာကို ပေးပြန်ပါတယ်။
13:06
For example, supposing I was a writer,
314
774377
2654
ဥပမာ ကျွန်တော်ဟာ စာရေးသူ တစ်ယောက်ဆိုပါစို့
13:09
say, for a newspaper or for a magazine.
315
777031
2122
သတင်းစာ တစ်ခု ဒါမှမဟုတ် မဂ္ဂဇင်း တစ်ခုအတွက် ရေးပေးသူပေါ့
13:11
I could create content in one language, FreeSpeech,
316
779153
5011
ကျွန်တော်ဟာ ရေးလိုတာကို FreeSpeech ဘာသာစကား တစ်မျိုးတည်းနဲ့ ရေးနိုင်ပါတယ်
13:16
and the person who's consuming that content,
317
784164
2056
အဲဒီနောက်မှာ အဲဒီ အကြောင်းအရာကို ရယူသုံးစွဲသူကျတော့
13:18
the person who's reading that particular information
318
786220
3061
အဲဒီ အချက်အလက်တွေကိုမှ ဖတ်နေသူဟာ
13:21
could choose any engine,
319
789281
2495
သူစိတ်ကြိုက် အင်ဂျင်ကို ရွေးချယ်လိုက်ကာ
13:23
and they could read it in their own mother tongue,
320
791776
2736
မိမိ မခင် ဘာသာစကားဖြင့် အဲဒါကိုဖတ်လို့ ရနိုင်ပါတယ်
13:26
in their native language.
321
794512
3939
ကိုယ်ရဲ့ တိုင်းရင်းသား ဘာသာစကားနဲ့ ဖတ်နိုင်ပါတယ်။
13:30
I mean, this is an incredibly attractive idea,
322
798451
2722
ကျွန်တော့်အမြင်ထဲမှာ အဲဒါဟာ အရပ်းကို စွဲဆောင်မှုရှိတဲ့ အယူအဆပါပဲပေါ့
13:33
especially for India.
323
801173
1999
အိန္ဒိယနိုင်ငံနဲ့ အထူးကို အံဝင်ဂွင်ကျ ရှိတဲ့ အယူအဆပဲပေါ့။
13:35
We have so many different languages.
324
803172
1690
ကျွန်တော်တို့ဆီမှာ မတူကွဲပြားကြတဲ့ ဘာသာစကားတွေ သိပ်ကို များပါတယ်။
13:36
There's a song about India, and there's a description
325
804862
2142
အိန္ဒိယနိုင်ငံနဲ့ ပတ်သက်ပြီး သိချင်း တစ်ပုဒ် ရှိပါတယ်
13:39
of the country as, it says,
326
807004
2344
သီဆိုထားပုံက
13:41
(in Sanskrit).
327
809348
2360
(သင်္သကရိုက် ဘာသာစကားနဲ့)
13:43
That means "ever-smiling speaker
328
811708
2773
အဓိပ္ပါယ်ကို ပြောရရင် "တစ်ချိန်လုံး ပြုံးရွှင်စွာ လှပတဲ့ ဘာသာစကားကို
13:46
of beautiful languages."
329
814481
4519
ပြောဆိုနေကြသူများရဲ့ နိုင်ငံ ပါပဲ။
13:51
Language is beautiful.
330
819000
1964
ဘာသာစကားဆိုတာ သိပ်ကို လှပါတယ်။
13:52
I think it's the most beautiful of human creations.
331
820964
2454
လူသားတို့ ဖန်တီးတီထွင်ခဲ့ကြတာတွေအထဲက အလှဆုံးပဲလို့ ကျွန်တော် ထင်ပါတယ်။
13:55
I think it's the loveliest thing
that our brains have invented.
that our brains have invented.
332
823418
3978
ကျွန်တော်တို့ ဦးနှောက်က ဖန်တီးပေးခဲ့သမျှထဲက ချစ်စရာ အကောင်းဆုံး အရာပါ။
13:59
It entertains, it educates, it enlightens,
333
827396
3584
အဲဒါဟာ ဖြေဖျော်ပေးတယ် ပညာပေးတယ် ဥာဏ်ကို ပွင့်လင်းလာစေတယ်
14:02
but what I like the most about language
334
830980
2044
ဒါပေမဲ့ ဘာသာစကားထဲက ကျွန်တော် အကြိုက်ဆုံး အရာကတော့
14:05
is that it empowers.
335
833024
1500
ကျွန်တော်တို့ အထဲကို အခွင့်အာဏာတွေကို ထည့်ပေးခြင်းပါပဲ။
14:06
I want to leave you with this.
336
834524
1838
အဲဒီအချက်နဲ့အတူ ကျွန်တော်ဟာ ခင်ဗျားတို့ကို ချန်ထားခဲ့ချင်ပါတယ်။
14:08
This is a photograph of my collaborators,
337
836362
2385
ဒါဟာ ကျွန်တော်ရဲ့ ကူလုပ်ကူကြတဲ့ လုပ်ဖေါ်ကိုင်ဖက်တွေပါ
14:10
my earliest collaborators
338
838747
997
ကျွန်တော်ရဲ့ အစောဆုံး ကူဖေါ်များပါ
14:11
when I started working on language
339
839744
1462
ကျွန်တော်က ဘာသာစကားနဲ့ ပတ်သက်ပြီး အထီးကျန်ဝေဒနာရှင်တွေ နဲ့
14:13
and autism and various other things.
340
841206
1502
အခြားအရာတွေကို စတင် လေ့လာခဲ့စဉ်တုန်းကပါ။
14:14
The girl's name is Pavna,
341
842708
1417
ကလေးမလေးရဲ့ နာမည်က ပါဝ်နာပါ
14:16
and that's her mother, Kalpana.
342
844125
1902
ပြီးတော့ သူ့အမေရဲ့ နာမည်က ကာလ်ပနာပါ။
14:18
And Pavna's an entrepreneur,
343
846027
2138
အဲဒီ ပါဝ်နာဟာ စွန့်ဦးတီထွင်ရှင်ပါ
14:20
but her story is much more remarkable than mine,
344
848165
2371
သူမရဲ့ သမိုင်းဟာ ကျွန်တော့် ထက်ကိုတောင် မှတ်သားစရာပါ
14:22
because Pavna is about 23.
345
850536
2400
ပါဝ်နာဟာ အခု အသက် ၂၃ နှစ်ပါ။
14:24
She has quadriplegic cerebral palsy,
346
852936
2552
သူမဟာ quadriplegic cerebral palsy ဆိုတဲ့ ရော၈ါ ရှိနေသူပါ
14:27
so ever since she was born,
347
855488
1640
သူမ မွေးလာကတည်းက
14:29
she could neither move nor talk.
348
857128
3600
မလှုပ်နိုင် မပြောနိုင်ခဲ့ပါ။
14:32
And everything that she's accomplished so far,
349
860728
2403
ဒါကြောင့်မို့လို့ သူ အခုထက်ထိ လုပ်ပြီးနိုင်ခဲ့သမျှ အားလုံးဟာ
14:35
finishing school, going to college,
350
863131
2227
ကျောင်းပြီးခဲ့ခြင်း ကောလိပ်တက်ခြင်း
14:37
starting a company,
351
865358
1416
ကုမ္ပဏီ တစ်ခု စတင်လုပ်ကိုင်ခြင်း
14:38
collaborating with me to develop Avaz,
352
866774
2140
ကျွန်တော်နဲ့ အတူ လက်တွဲလျက် Avaz ကို ပြုစုထုတ်လုပ်ခဲ့ခြင်း
14:40
all of these things she's done
353
868914
1892
သူမ လုပ်နိုင်ခဲ့တဲ့ အရာအားလုံးတို့ကို
14:42
with nothing more than moving her eyes.
354
870806
5523
သူ့မျက်စိများရဲ့ လှုပ်ရှားမှုများဖြင့်သာ လုပ်နိုင်ခဲ့တာပါ။
14:48
Daniel Webster said this:
355
876329
2689
ဒဲနီယယ် ဝက်ဘ်စတား ပြောကြားခဲ့တာ ရှိပါတယ်
14:51
He said, "If all of my possessions were taken
356
879018
2940
"ကျွန်တော့်ဆီမှာ ရှိခဲ့သမျှ ပိုင်ဆိုင်မှုတွေ အားလုံးကို ယူလိုက်ခဲ့ကာ
14:53
from me with one exception,
357
881958
2988
ခြွင်းချက် အဖြစ် တစ်ခုကို ရွေးလို့ ရခဲ့သော်
14:56
I would choose to keep the power of communication,
358
884946
2981
ဆက်သွယ်ပြောဆိုရေး အခွင့်အာဏာကိုသာ ကျွန်တော်ရွေးမှာပါ
14:59
for with it, I would regain all the rest."
359
887927
3903
အဲဒါရဲ့ အကူအညီဖြင့် ကျန်တာ အားလုံးကို ကျွန်တော် ပြန်ရယူနိုင်မှာပါ။" တဲ့
15:03
And that's why, of all of these incredible
applications of FreeSpeech,
applications of FreeSpeech,
360
891830
5116
ဒီတော့ ဒီလို အံ့ဩစရာ ကောင်းကြတဲ့ FreeSpeech ပရိုဂရမ်တွေကို
15:08
the one that's closest to my heart
361
896946
2080
ကျွန်တော့်ရဲ့ အနှစ်ခြိုက်ဆုံးဟာဖြင့်
15:11
still remains the ability for this
362
899026
2068
ဒီလိုလူတွေအတွက် မသန်မစွမ်း ကလေးများအား
15:13
to empower children with disabilities
363
901094
2380
ဆက်သွယ် စကားပြောလာနိုင်စွမ်း ရှိလာဖို့အတွက်
15:15
to be able to communicate,
364
903474
1773
ဆက်သွယ်ပြောဆိုရေး အခွင့်အာဏာကို တပ်ဆင်ပေးလိုက်ခြင်းဖြင့်
15:17
the power of communication,
365
905247
1789
သူတို့အနေနှင့် ကျန်တာတွေ အားလုံးကို ရယူနိုင်မယ့်
15:19
to get back all the rest.
366
907036
2240
အခွင့်အလမ်းပေးဖို့ကို ကျွန်တော် ကြိုးစား အားထုတ်နေခြင်းပါပဲ။
15:21
Thank you.
367
909276
1397
ကျေးဇူးတင်ပါတယ်။
15:22
(Applause)
368
910673
1332
(လက်ခုပ်တီးသံများ)
15:24
Thank you. (Applause)
369
912005
4199
ကျေးဇူးတင်ပါတယ်။ (လက်ခုပ်တီးသံများ)
15:28
Thank you. Thank you. Thank you. (Applause)
370
916204
5323
ကျေးဇူးတင်ပါတယ်။ ကျေးဇူးတင်ပါတယ်။ ကျေးဇူးတင်ပါတယ်။ (လက်ခုပ်တီးသံများ )
15:33
Thank you. Thank you. Thank you. (Applause)
371
921527
4000
ကျေးဇူးတင်ပါတယ်။ ကျေးဇူးတင်ပါတယ်။ ကျေးဇူးတင်ပါတယ်။ (လက်ခုပ်တီးသံများ )
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