TEDxBoston 2011
Jean-Baptiste Michel + Erez Lieberman Aiden: What we learned from 5 million books
Czego nauczyliśmy się z 5 milionów książek
Filmed:
Readability: 3.9
2,049,453 views
Bawiliście się Ngram Viewerem od Google? To wciągające narzędzie, które pozwala na wyszukiwanie słów i pomysłów w bazie danych obejmującej 5 milionów książek z różnych wieków. Erez Lieberman Aiden i Jean-Baptiste Michel pokazują nam jak to działa i kilka zaskakujących rzeczy, których możemy się dowiedzieć z 500 miliardów słów.
Jean-Baptiste Michel - Data researcher
Jean-Baptiste Michel looks at how we can use large volumes of data to better understand our world. Full bioErez Lieberman Aiden - Researcher
Erez Lieberman Aiden pursues a broad range of research interests, spanning genomics, linguistics, mathematics ... Full bio
Jean-Baptiste Michel looks at how we can use large volumes of data to better understand our world. Full bioErez Lieberman Aiden - Researcher
Erez Lieberman Aiden pursues a broad range of research interests, spanning genomics, linguistics, mathematics ... Full bio
Double-click the English transcript below to play the video.
00:15
Erez Lieberman Aiden: Everyone knows
0
0
2000
Erez Lieberman Aiden: Każdy wie,
00:17
that a picture is worth a thousand words.
1
2000
3000
że jeden obraz jest wart tysiąca słów.
00:22
But we at Harvard
2
7000
2000
Ale my na Harvardzie
00:24
were wondering if this was really true.
3
9000
3000
zastanawialiśmy się, czy to rzeczywiście prawda.
00:27
(Laughter)
4
12000
2000
(Śmiech)
00:29
So we assembled a team of experts,
5
14000
4000
Więc zebraliśmy zespół ekspertów,
00:33
spanning Harvard, MIT,
6
18000
2000
obejmujący Harvard, MIT,
00:35
The American Heritage Dictionary, The Encyclopedia Britannica
7
20000
3000
słownik American Heritage Dictionary, encyklopedię Britannica,
00:38
and even our proud sponsors,
8
23000
2000
a nawet naszych dumnych sponsorów -
00:40
the Google.
9
25000
3000
Google.
00:43
And we cogitated about this
10
28000
2000
I rozmyślaliśmy nad tym
00:45
for about four years.
11
30000
2000
przez około czterech lat.
00:47
And we came to a startling conclusion.
12
32000
5000
I doszliśmy do zaskakującego wniosku.
00:52
Ladies and gentlemen, a picture is not worth a thousand words.
13
37000
3000
Panie i panowie, obraz nie jest wart tysiąca słów.
00:55
In fact, we found some pictures
14
40000
2000
W rzeczywistości dowiedzieliśmy się, że niektóre obrazy
00:57
that are worth 500 billion words.
15
42000
5000
są warte 500 miliardów słów.
01:02
Jean-Baptiste Michel: So how did we get to this conclusion?
16
47000
2000
Jean-Baptiste Michel: Więc jak doszliśmy do tego wniosku?
01:04
So Erez and I were thinking about ways
17
49000
2000
Erez i ja myśleliśmy o sposobach
01:06
to get a big picture of human culture
18
51000
2000
uzyskania pełnego obrazu ludzkiej kultury
01:08
and human history: change over time.
19
53000
3000
i historii: zmiany na przestrzeni lat.
01:11
So many books actually have been written over the years.
20
56000
2000
Tak wiele książek zostało napisanych przez lata.
01:13
So we were thinking, well the best way to learn from them
21
58000
2000
Więc myśleliśmy, najlepszą drogą do nauczenia się z nich
01:15
is to read all of these millions of books.
22
60000
2000
jest przeczytanie tych wszystkich milionów książek.
01:17
Now of course, if there's a scale for how awesome that is,
23
62000
3000
Oczywiście jeśli jest skala tego, jak bardzo jest to wspaniałe,
01:20
that has to rank extremely, extremely high.
24
65000
3000
musi się to plasować bardzo, bardzo wysoko.
01:23
Now the problem is there's an X-axis for that,
25
68000
2000
Problem polega na tym, że jest także oś X,
01:25
which is the practical axis.
26
70000
2000
która jest osią praktyczności.
01:27
This is very, very low.
27
72000
2000
Ta jest bardzo, bardzo niska.
01:29
(Applause)
28
74000
3000
(Oklaski)
01:32
Now people tend to use an alternative approach,
29
77000
3000
Ludzie używają innego podejścia,
01:35
which is to take a few sources and read them very carefully.
30
80000
2000
które polega na wzięci kilku źródeł i przeczytania ich bardzo uważnie.
01:37
This is extremely practical, but not so awesome.
31
82000
2000
To jest bardzo praktyczne, ale nie tak wspaniałe.
01:39
What you really want to do
32
84000
3000
Tak naprawdę chcielibyśmy
01:42
is to get to the awesome yet practical part of this space.
33
87000
3000
mieścić się w jednocześnie wspaniałej i praktycznej części tej przestrzeni.
01:45
So it turns out there was a company across the river called Google
34
90000
3000
Więc okazuje się, że była za morzem firma o nazwie Google,
01:48
who had started a digitization project a few years back
35
93000
2000
która zaczęła kilka lat temu projekt cyfryzacji,
01:50
that might just enable this approach.
36
95000
2000
który może pozwolić na takie podejście.
01:52
They have digitized millions of books.
37
97000
2000
Zcyfryzowali miliony książek.
01:54
So what that means is, one could use computational methods
38
99000
3000
Oznacza to, że można by użyć metod obliczeniowych,
01:57
to read all of the books in a click of a button.
39
102000
2000
by przeczytać wszystkie te książki za jednym kliknięciem.
01:59
That's very practical and extremely awesome.
40
104000
3000
To bardzo praktyczne i niezwykle wspaniałe.
02:03
ELA: Let me tell you a little bit about where books come from.
41
108000
2000
ELA: Opowiem wam trochę o tym, skąd wzięły się książki.
02:05
Since time immemorial, there have been authors.
42
110000
3000
Od niepamiętnych czasów byli autorzy.
02:08
These authors have been striving to write books.
43
113000
3000
Ci autorzy pisali książki.
02:11
And this became considerably easier
44
116000
2000
A to stało się znacznie łatwiejsze
02:13
with the development of the printing press some centuries ago.
45
118000
2000
z rozwojem prasy drukarskiej kilka wieków temu.
02:15
Since then, the authors have won
46
120000
3000
Od tego czasu, autorom udało sie
02:18
on 129 million distinct occasions,
47
123000
2000
129 milionów razy
02:20
publishing books.
48
125000
2000
wydać książkę.
02:22
Now if those books are not lost to history,
49
127000
2000
Jeśli te książki nie są stracone dla historii,
02:24
then they are somewhere in a library,
50
129000
2000
wówczas są gdzieś w bibliotece,
02:26
and many of those books have been getting retrieved from the libraries
51
131000
3000
a wiele z tych książek zostało wyciągniętych z bibliotek
02:29
and digitized by Google,
52
134000
2000
i zcyfryzowanych przez Google,
02:31
which has scanned 15 million books to date.
53
136000
2000
które do dzisiejszego dnia zeskanowało 15 milionów książek.
02:33
Now when Google digitizes a book, they put it into a really nice format.
54
138000
3000
Kiedy Google zmienia postać książki na cyfrową, umieszcza ją w bardzo ładnym formacie.
02:36
Now we've got the data, plus we have metadata.
55
141000
2000
Mamy teraz dane, plus mamy metadane.
02:38
We have information about things like where was it published,
56
143000
3000
Mamy informacje o rzeczach takich jak gdzie została ona wydana,
02:41
who was the author, when was it published.
57
146000
2000
kim był autor, kiedy była ona wydana.
02:43
And what we do is go through all of those records
58
148000
3000
I przechodzimy przez te wszystkie zapisy
02:46
and exclude everything that's not the highest quality data.
59
151000
4000
i wykluczamy wszystko, co nie jest danymi najwyższej jakości.
02:50
What we're left with
60
155000
2000
Zostajemy ze
02:52
is a collection of five million books,
61
157000
3000
zbiorem pięciu milionów książek,
02:55
500 billion words,
62
160000
3000
500 miliardów słów,
02:58
a string of characters a thousand times longer
63
163000
2000
ciąg znaków tysiąc razy dłuższy
03:00
than the human genome --
64
165000
3000
niż ludzki genom -
03:03
a text which, when written out,
65
168000
2000
tekst który, po jego zapisaniu,
03:05
would stretch from here to the Moon and back
66
170000
2000
rozciągałby się stąd do księżyca i z powrotem
03:07
10 times over --
67
172000
2000
10 razy -
03:09
a veritable shard of our cultural genome.
68
174000
4000
prawdziwy kryształ naszego genomu kulturowego.
03:13
Of course what we did
69
178000
2000
Oczywiście to, co zrobiliśmy
03:15
when faced with such outrageous hyperbole ...
70
180000
3000
w obliczu takiej wygórowanej hiperboli...
03:18
(Laughter)
71
183000
2000
(Śmiech)
03:20
was what any self-respecting researchers
72
185000
3000
było tym, co każdy szanujący się naukowiec
03:23
would have done.
73
188000
3000
by zrobił.
03:26
We took a page out of XKCD,
74
191000
2000
Wzięliśmy pasek komiksu o nauce XKDC
03:28
and we said, "Stand back.
75
193000
2000
i powiedzieliśmy, "Cofnijcie się.
03:30
We're going to try science."
76
195000
2000
Spróbujemy nauki."
03:32
(Laughter)
77
197000
2000
(Śmiech)
03:34
JM: Now of course, we were thinking,
78
199000
2000
JM: Oczywiście myśleliśmy
03:36
well let's just first put the data out there
79
201000
2000
o tym, by wydobyć dane
03:38
for people to do science to it.
80
203000
2000
dla ludzi, by zrobili z nimi naukę.
03:40
Now we're thinking, what data can we release?
81
205000
2000
Teraz pomyśleliśmy jakie dane możemy uwolnić?
03:42
Well of course, you want to take the books
82
207000
2000
Oczywiście chcemy wziąć książki
03:44
and release the full text of these five million books.
83
209000
2000
i uwolnić pełny tekst tych pięciu milionów książek.
03:46
Now Google, and Jon Orwant in particular,
84
211000
2000
Google i Jon Orwant w szczególności
03:48
told us a little equation that we should learn.
85
213000
2000
powiedział nam o małym równaniu, które powinniśmy zapamiętać.
03:50
So you have five million, that is, five million authors
86
215000
3000
Więc mamy pięć milionów, to znaczy, pięć milionów autorów
03:53
and five million plaintiffs is a massive lawsuit.
87
218000
3000
a pięć milionów powodów to wielki pozew.
03:56
So, although that would be really, really awesome,
88
221000
2000
Więc choć byłoby to naprawdę, naprawdę wspaniałe
03:58
again, that's extremely, extremely impractical.
89
223000
3000
znów, jest to bardzo, bardzo niepraktyczne.
04:01
(Laughter)
90
226000
2000
(Śmiech)
04:03
Now again, we kind of caved in,
91
228000
2000
Jakoś się poddaliśmy
04:05
and we did the very practical approach, which was a bit less awesome.
92
230000
3000
i zastosowaliśmy to bardzo praktyczne podejście, które było troszkę mniej wspaniałe.
04:08
We said, well instead of releasing the full text,
93
233000
2000
Powiedzieliśmy, cóż zamiast uwalniania pełnego tekstu,
04:10
we're going to release statistics about the books.
94
235000
2000
uwolnimy statystyki dotyczące książek.
04:12
So take for instance "A gleam of happiness."
95
237000
2000
Weźmy na przykład "błysk szczęścia"
04:14
It's four words; we call that a four-gram.
96
239000
2000
To dwa słowa. Nazywamy to dwugramem.
04:16
We're going to tell you how many times a particular four-gram
97
241000
2000
Powiemy wam jak wiele razy poszczególny czterogram
04:18
appeared in books in 1801, 1802, 1803,
98
243000
2000
pojawił się w książkach w 1801, 1802, 1803,
04:20
all the way up to 2008.
99
245000
2000
aż do 2008.
04:22
That gives us a time series
100
247000
2000
Daje nam to szereg czasowy
04:24
of how frequently this particular sentence was used over time.
101
249000
2000
częstotliwości pojawiania się tego konkretnego zdania w ciągu tych lat.
04:26
We do that for all the words and phrases that appear in those books,
102
251000
3000
Robimy to dla wszystkich słów i zwrotów, które występują w tych książkach,
04:29
and that gives us a big table of two billion lines
103
254000
3000
a to daje nam wielką tabelę z dwóch miliardów linijek,
04:32
that tell us about the way culture has been changing.
104
257000
2000
która mówi nam o sposobie, w jaki zmieniała się kultura.
04:34
ELA: So those two billion lines,
105
259000
2000
ELA: Więc te dwa miliardy wierszy,
04:36
we call them two billion n-grams.
106
261000
2000
nazywamy jest dwoma miliardami n-gramów.
04:38
What do they tell us?
107
263000
2000
Co nam mówią?
04:40
Well the individual n-grams measure cultural trends.
108
265000
2000
Poszczególne n-gramy mierzą trendy kulturowe.
04:42
Let me give you an example.
109
267000
2000
Pozwólcie, że podam wam przykład.
04:44
Let's suppose that I am thriving,
110
269000
2000
Załóżmy, że kwitnę,
04:46
then tomorrow I want to tell you about how well I did.
111
271000
2000
a jutro będę chciał wam powiedzieć jak dobrze mi poszło.
04:48
And so I might say, "Yesterday, I throve."
112
273000
3000
Więc mogę powiedzieć "Wczoraj kwitłem."
04:51
Alternatively, I could say, "Yesterday, I thrived."
113
276000
3000
Względnie, mogę powiedzieć "Wczoraj kwitnąłem."
04:54
Well which one should I use?
114
279000
3000
Którego z tych zwrotów powinienem użyć?
04:57
How to know?
115
282000
2000
Skąd to wiedzieć?
04:59
As of about six months ago,
116
284000
2000
Około sześć miesięcy temu,
05:01
the state of the art in this field
117
286000
2000
praktyką w tej dziedzinie
05:03
is that you would, for instance,
118
288000
2000
było, na przykład,
05:05
go up to the following psychologist with fabulous hair,
119
290000
2000
pójście do tego psychologa z fantstycznymi włosami
05:07
and you'd say,
120
292000
2000
i powiedzenie:
05:09
"Steve, you're an expert on the irregular verbs.
121
294000
3000
"Steve, jesteś ekspertem od czasowników nieregularnych.
05:12
What should I do?"
122
297000
2000
Co powinienem zrobić?"
05:14
And he'd tell you, "Well most people say thrived,
123
299000
2000
A on by powiedział "Cóż, większość ludzi mówi "kwitnąć",
05:16
but some people say throve."
124
301000
3000
ale niektórzy mówią "kwiść".
05:19
And you also knew, more or less,
125
304000
2000
I wiadomo także było,
05:21
that if you were to go back in time 200 years
126
306000
3000
że jeśli cofnąłbyś się w czasie o 200 lat
05:24
and ask the following statesman with equally fabulous hair,
127
309000
3000
i spytał tego męża stanu z równie fantastycznymi włosami,
05:27
(Laughter)
128
312000
3000
(Śmiech)
05:30
"Tom, what should I say?"
129
315000
2000
"Tom, co powinienem zrobić?"
05:32
He'd say, "Well, in my day, most people throve,
130
317000
2000
Powiedziałby, "Cóż, w moich czasach, większość ludzi kwitła,
05:34
but some thrived."
131
319000
3000
ale niektórzy kwitnęli."
05:37
So now what I'm just going to show you is raw data.
132
322000
2000
Teraz pokażę wam surowe dane.
05:39
Two rows from this table of two billion entries.
133
324000
4000
Dwa wiersze z tej tabeli dwóch miliardów danych.
05:43
What you're seeing is year by year frequency
134
328000
2000
Widzicie częstotliwość z roku na rok
05:45
of "thrived" and "throve" over time.
135
330000
3000
"kwitnęłem" i "kwitnąłem" na przestrzeni czasu.
05:49
Now this is just two
136
334000
2000
To tylko dwa
05:51
out of two billion rows.
137
336000
3000
z dwóch miliardów wierszy.
05:54
So the entire data set
138
339000
2000
Więc cały zestaw danych
05:56
is a billion times more awesome than this slide.
139
341000
3000
jest miliard razy wspanialszy niż tej slajd.
05:59
(Laughter)
140
344000
2000
(Śmiech)
06:01
(Applause)
141
346000
4000
(Oklaski)
06:05
JM: Now there are many other pictures that are worth 500 billion words.
142
350000
2000
JM:Jest wiele innych obrazków, które są warte 500 miliardów słów.
06:07
For instance, this one.
143
352000
2000
Na przykład ten.
06:09
If you just take influenza,
144
354000
2000
Jeśli weźmiecie grypę,
06:11
you will see peaks at the time where you knew
145
356000
2000
zobaczycie wzrosty w czasie, kiedy wiadomo,
06:13
big flu epidemics were killing people around the globe.
146
358000
3000
że wielkie epidemie grypy zabijały ludzi na świecie.
06:16
ELA: If you were not yet convinced,
147
361000
3000
ELA: Jeśli jeszcze nie jesteście przekonani,
06:19
sea levels are rising,
148
364000
2000
poziomy morza się podnoszą,
06:21
so is atmospheric CO2 and global temperature.
149
366000
3000
tak samo jak poziom CO2 w atmosferze i temperatura na Ziemi.
06:24
JM: You might also want to have a look at this particular n-gram,
150
369000
3000
JM: Moglibyście także chcieć się przyjrzeć temu n-gramowi,
06:27
and that's to tell Nietzsche that God is not dead,
151
372000
3000
żeby powiedzieć Nietzschemu, że Bóg nie umarł,
06:30
although you might agree that he might need a better publicist.
152
375000
3000
choć moglibyście się zgodzić, że potrzebuje lepszego publicysty.
06:33
(Laughter)
153
378000
2000
(Śmiech)
06:35
ELA: You can get at some pretty abstract concepts with this sort of thing.
154
380000
3000
ELA: Można dojść do całkiem abstrakcyjnych koncepcji z takimi rzeczami.
06:38
For instance, let me tell you the history
155
383000
2000
Na przykład, opowiem wam historię
06:40
of the year 1950.
156
385000
2000
roku 1950.
06:42
Pretty much for the vast majority of history,
157
387000
2000
Przez większość historii,
06:44
no one gave a damn about 1950.
158
389000
2000
nikogo nie obchodził 1950.
06:46
In 1700, in 1800, in 1900,
159
391000
2000
W 1700, 1800, w 1900,
06:48
no one cared.
160
393000
3000
nikt się nie przejmował.
06:52
Through the 30s and 40s,
161
397000
2000
W latach 30-tych i 40-tych,
06:54
no one cared.
162
399000
2000
nikt się nie przejmował.
06:56
Suddenly, in the mid-40s,
163
401000
2000
Nagle, w połowie lat 40-tych
06:58
there started to be a buzz.
164
403000
2000
zrobił się wokół tego szum.
07:00
People realized that 1950 was going to happen,
165
405000
2000
Ludzie zdali sobie sprawę, że 1950 nadejdzie
07:02
and it could be big.
166
407000
2000
i może być czymś wielkim.
07:04
(Laughter)
167
409000
3000
(Śmiech)
07:07
But nothing got people interested in 1950
168
412000
3000
Ale nic nie interesowało ludzi w 1950 tak,
07:10
like the year 1950.
169
415000
3000
jak rok 1950.
07:13
(Laughter)
170
418000
3000
(Śmiech)
07:16
People were walking around obsessed.
171
421000
2000
Ludzie chodzili jak opętami.
07:18
They couldn't stop talking
172
423000
2000
Nie mogli przestać opowiadać
07:20
about all the things they did in 1950,
173
425000
3000
o wszystkich rzeczach, które robili w 1950,
07:23
all the things they were planning to do in 1950,
174
428000
3000
wszystkich rzeczach, które planowali zrobić w 1950,
07:26
all the dreams of what they wanted to accomplish in 1950.
175
431000
5000
wszystkich marzeniach o tym, co chcieli osiągnąć w 1950.
07:31
In fact, 1950 was so fascinating
176
436000
2000
W rzeczywistości 1950 był tak fascynujący,
07:33
that for years thereafter,
177
438000
2000
że przez dwa lata po nim,
07:35
people just kept talking about all the amazing things that happened,
178
440000
3000
ludzie po prostu wciąż opowiadali o niezwykłych rzeczach, które się wydarzyły,
07:38
in '51, '52, '53.
179
443000
2000
w '51, '52, '53.
07:40
Finally in 1954,
180
445000
2000
Wreszcie w 1954
07:42
someone woke up and realized
181
447000
2000
ktoś się ocknął i zdał sobie sprawę,
07:44
that 1950 had gotten somewhat passé.
182
449000
4000
że 1950 jest cokolwiek passe.
07:48
(Laughter)
183
453000
2000
(Śmiech)
07:50
And just like that, the bubble burst.
184
455000
2000
I tak pękła bańka.
07:52
(Laughter)
185
457000
2000
(Śmiech)
07:54
And the story of 1950
186
459000
2000
I historia 1950
07:56
is the story of every year that we have on record,
187
461000
2000
jest historią każdego roku, który mamy w zapisach,
07:58
with a little twist, because now we've got these nice charts.
188
463000
3000
z pewnym urozmaiceniem, ponieważ mamy te ładne wykresy.
08:01
And because we have these nice charts, we can measure things.
189
466000
3000
A ponieważ mamy te ładne wykresy, możemy mierzyć różne rzeczy.
08:04
We can say, "Well how fast does the bubble burst?"
190
469000
2000
Możemy powiedzieć "Jak szybko pęka bańka?"
08:06
And it turns out that we can measure that very precisely.
191
471000
3000
I okazuje się, że możemy to zmierzyć bardzo dokładnie.
08:09
Equations were derived, graphs were produced,
192
474000
3000
Stworzony równania, narysowano wykresy
08:12
and the net result
193
477000
2000
i wynik sieciowy jest taki,
08:14
is that we find that the bubble bursts faster and faster
194
479000
3000
że bańka pęka szybko i szybciej
08:17
with each passing year.
195
482000
2000
z każdym mijającym rokiem.
08:19
We are losing interest in the past more rapidly.
196
484000
5000
Tracimy zainteresowanie przeszłością coraz szybciej.
08:24
JM: Now a little piece of career advice.
197
489000
2000
JM: Teraz drobna rada dotycząca kariery.
08:26
So for those of you who seek to be famous,
198
491000
2000
Dla tych z was, którzy chcą zostać sławni,
08:28
we can learn from the 25 most famous political figures,
199
493000
2000
możemy się uczyć od 25 najsławniejszych polityków,
08:30
authors, actors and so on.
200
495000
2000
autorów, aktorów itd.
08:32
So if you want to become famous early on, you should be an actor,
201
497000
3000
Więc jeśli chcesz zostać sławny wcześnie, powinieneś być aktorem,
08:35
because then fame starts rising by the end of your 20s --
202
500000
2000
ponieważ wówczas sława zaczyna rosnąć do końca trzeciej dekady życia -
08:37
you're still young, it's really great.
203
502000
2000
wciąż jesteś młody, to naprawdę wspaniałe.
08:39
Now if you can wait a little bit, you should be an author,
204
504000
2000
Teraz jeśli możesz trochę poczekać, powinieneś być autorem,
08:41
because then you rise to very great heights,
205
506000
2000
ponieważ wówczas wzrasta się do prawdziwej wielkości,
08:43
like Mark Twain, for instance: extremely famous.
206
508000
2000
jak na przykład Mark Twain: bardzo sławny.
08:45
But if you want to reach the very top,
207
510000
2000
Ale jeśli chcesz osiągnąć sam szczyt,
08:47
you should delay gratification
208
512000
2000
powinieneś opóźnić gratyfikację
08:49
and, of course, become a politician.
209
514000
2000
i, oczywiście, zostać politykiem.
08:51
So here you will become famous by the end of your 50s,
210
516000
2000
Tak zostaniecie sławni do końca szóstej dekady życia,
08:53
and become very, very famous afterward.
211
518000
2000
i zostaniecie bardzo, bardzo sławni potem.
08:55
So scientists also tend to get famous when they're much older.
212
520000
3000
Naukowcy także stają się sławni, jeśli są znacznie starsi.
08:58
Like for instance, biologists and physics
213
523000
2000
Jak na przykład, biolodzy i fizycy
09:00
tend to be almost as famous as actors.
214
525000
2000
są tak sławni jak aktorzy.
09:02
One mistake you should not do is become a mathematician.
215
527000
3000
Jedynym błędem, którego nie należy robić jest zostanie matematykiem.
09:05
(Laughter)
216
530000
2000
(Śmiech
09:07
If you do that,
217
532000
2000
Jeśli to zrobisz,
09:09
you might think, "Oh great. I'm going to do my best work when I'm in my 20s."
218
534000
3000
możesz myśleć: "Wspaniale, wykonam swoje najwspanialsze dzieła w wieku lat dwudziestu kilku".
09:12
But guess what, nobody will really care.
219
537000
2000
Ale wiecie co, nikogo to nie będzie obchodzić.
09:14
(Laughter)
220
539000
3000
(Śmiech)
09:17
ELA: There are more sobering notes
221
542000
2000
ELA: Są bardziej otrzeźwiające informacje
09:19
among the n-grams.
222
544000
2000
w n-gramach.
09:21
For instance, here's the trajectory of Marc Chagall,
223
546000
2000
Na przykład, to trajektoria Marca Chagalla,
09:23
an artist born in 1887.
224
548000
2000
artysty urodzonego w 1887.
09:25
And this looks like the normal trajectory of a famous person.
225
550000
3000
Wygląda to jak normalna trajektoria dla sławnej osoby.
09:28
He gets more and more and more famous,
226
553000
4000
Staje się bardziej i bardziej i bardziej sławny,
09:32
except if you look in German.
227
557000
2000
z
09:34
If you look in German, you see something completely bizarre,
228
559000
2000
Jeśli sprawdzicie w Niemczech, zobaczycie coś dziwacznego,
09:36
something you pretty much never see,
229
561000
2000
coś, czego nigdy się nie obserwuje,
09:38
which is he becomes extremely famous
230
563000
2000
staje się ona bardzo sławny,
09:40
and then all of a sudden plummets,
231
565000
2000
a potem to zainteresowanie nagle spada,
09:42
going through a nadir between 1933 and 1945,
232
567000
3000
przeżywając kryzys między 1933 i 1945,
09:45
before rebounding afterward.
233
570000
3000
by się potem znów odbić.
09:48
And of course, what we're seeing
234
573000
2000
I oczywiście, to, co widzimy,
09:50
is the fact Marc Chagall was a Jewish artist
235
575000
3000
to fakt, że Marc Chagall był Żydowskim artystą
09:53
in Nazi Germany.
236
578000
2000
w nazistowskich Niemczech.
09:55
Now these signals
237
580000
2000
Te sygnały
09:57
are actually so strong
238
582000
2000
są tak silne,
09:59
that we don't need to know that someone was censored.
239
584000
3000
że nie musimy wiedzieć, że ktoś był ocenzurowany.
10:02
We can actually figure it out
240
587000
2000
Możemy to wywnioskować
10:04
using really basic signal processing.
241
589000
2000
używając naprawdę podstawowego przetwarzania sygnałów.
10:06
Here's a simple way to do it.
242
591000
2000
To prosty sposób.
10:08
Well, a reasonable expectation
243
593000
2000
Racjonalnym oczekiwaniem
10:10
is that somebody's fame in a given period of time
244
595000
2000
jest to, że czyjaś sława w określonym okresie czasu
10:12
should be roughly the average of their fame before
245
597000
2000
powinna być średnią jego sławy przed
10:14
and their fame after.
246
599000
2000
i po.
10:16
So that's sort of what we expect.
247
601000
2000
Tego oczekujemy.
10:18
And we compare that to the fame that we observe.
248
603000
3000
I porównujemy to z obserwowaną sławą.
10:21
And we just divide one by the other
249
606000
2000
Po prostu dzielimy jedno przez drugie
10:23
to produce something we call a suppression index.
250
608000
2000
by uzyskać coś, co nazywamy wskaźnikiem tłumienia.
10:25
If the suppression index is very, very, very small,
251
610000
3000
Jeśli wskaźnik tłumienia jest bardzo, bardzo, bardzo mału,
10:28
then you very well might be being suppressed.
252
613000
2000
wówczas możesz być rzeczywiście tłumiony.
10:30
If it's very large, maybe you're benefiting from propaganda.
253
615000
3000
Jeśli jest bardzo wielki, może korzystasz na propagandzie.
10:34
JM: Now you can actually look at
254
619000
2000
JM: Można spojrzeć
10:36
the distribution of suppression indexes over whole populations.
255
621000
3000
na rozkład wskaźników tłumienia całej populacji.
10:39
So for instance, here --
256
624000
2000
Więc na przykład tutaj -
10:41
this suppression index is for 5,000 people
257
626000
2000
wskaźnik tłumienia dla 5 000 osób
10:43
picked in English books where there's no known suppression --
258
628000
2000
wybranych z angielskich książek, gdzie nie ma tłumienia, o którym byśmy wiedzieli -
10:45
it would be like this, basically tightly centered on one.
259
630000
2000
będzie to wyglądało tak, ściśle upakowane koło jedynki.
10:47
What you expect is basically what you observe.
260
632000
2000
Obserwujemy to, czego byśmy oczekiwali.
10:49
This is distribution as seen in Germany --
261
634000
2000
To rozkład w Niemczech -
10:51
very different, it's shifted to the left.
262
636000
2000
bardzo odmienny, przesunięty w lewo.
10:53
People talked about it twice less as it should have been.
263
638000
3000
Ludzie mówili o tym dwa razy mniej niż powinni.
10:56
But much more importantly, the distribution is much wider.
264
641000
2000
Ale co znacznie ważniejsze, rozkład jest znacznie szerszy.
10:58
There are many people who end up on the far left on this distribution
265
643000
3000
Jest wielu ludzi, którzy są skrajnie z lewej w tym rozkładzie,
11:01
who are talked about 10 times fewer than they should have been.
266
646000
3000
mówi się o nich około 10 razy rzadziej niż się powinno.
11:04
But then also many people on the far right
267
649000
2000
Ale także jest wielu ludzi po prawej,
11:06
who seem to benefit from propaganda.
268
651000
2000
którzy korzystają na propagandzie.
11:08
This picture is the hallmark of censorship in the book record.
269
653000
3000
Ten obrazek jest oznaką cenzury w książkach.
11:11
ELA: So culturomics
270
656000
2000
ELA: Nazywamy tą metodę
11:13
is what we call this method.
271
658000
2000
kulturomiką.
11:15
It's kind of like genomics.
272
660000
2000
To coś jak genomika.
11:17
Except genomics is a lens on biology
273
662000
2000
Poza tym, że genomika patrzy na biologię
11:19
through the window of the sequence of bases in the human genome.
274
664000
3000
przez okno sekwencji zasad w ludzkim genomie.
11:22
Culturomics is similar.
275
667000
2000
Kulturomika jest podobna.
11:24
It's the application of massive-scale data collection analysis
276
669000
3000
To zastosowanie analizy zbieranych danych na wielką skalę
11:27
to the study of human culture.
277
672000
2000
do badania ludzkiej kultury.
11:29
Here, instead of through the lens of a genome,
278
674000
2000
Tutaj, zamiast przez genom,
11:31
through the lens of digitized pieces of the historical record.
279
676000
3000
dokonuje się to przez zcyfryzowane dane historyczne.
11:34
The great thing about culturomics
280
679000
2000
Wielką rzeczą w kulturomice
11:36
is that everyone can do it.
281
681000
2000
jest to, że każdy może to robić.
11:38
Why can everyone do it?
282
683000
2000
Dlaczego każdy może to robić?
11:40
Everyone can do it because three guys,
283
685000
2000
Każdy może ponieważ trzech gości,
11:42
Jon Orwant, Matt Gray and Will Brockman over at Google,
284
687000
3000
Jon Orwant, Matt Gray i Will Brockman z Google
11:45
saw the prototype of the Ngram Viewer,
285
690000
2000
zobaczyli prototyp Ngram Viewera
11:47
and they said, "This is so fun.
286
692000
2000
i powiedziało: "To jest taka frajda.
11:49
We have to make this available for people."
287
694000
3000
Musimy to udostępnić ludziom."
11:52
So in two weeks flat -- the two weeks before our paper came out --
288
697000
2000
Więc przez dwa tygodnie - dwa tygodnie przed publikacją naszego artykułu -
11:54
they coded up a version of the Ngram Viewer for the general public.
289
699000
3000
napisali kod wersji Ngram Viewera dla szerokiej publiczności.
11:57
And so you too can type in any word or phrase that you're interested in
290
702000
3000
Więc wy także możecie wpisać każde słowo lub zwrot, który was interesuje
12:00
and see its n-gram immediately --
291
705000
2000
i zobaczyć od razu jego n-gram -
12:02
also browse examples of all the various books
292
707000
2000
a także wyszukać przykłady różnych książek,
12:04
in which your n-gram appears.
293
709000
2000
w których pojawia się wasz n-gram.
12:06
JM: Now this was used over a million times on the first day,
294
711000
2000
JM: Użyto tego przeszło milion razy w pierwszym dniu,
12:08
and this is really the best of all the queries.
295
713000
2000
a to jest najlepsze ze wszystkich wyszukiwań.
12:10
So people want to be their best, put their best foot forward.
296
715000
3000
Więc ludzie chcą się pokazać z najlepszej strony.
12:13
But it turns out in the 18th century, people didn't really care about that at all.
297
718000
3000
Ale okazuje się, że w XVIII wieku ludzi to naprawdę nie obchodziło.
12:16
They didn't want to be their best, they wanted to be their beft.
298
721000
3000
Nie chcieli być najlepsi (best), a "beft".
12:19
So what happened is, of course, this is just a mistake.
299
724000
3000
Oczywiście jest to pomyłka.
12:22
It's not that strove for mediocrity,
300
727000
2000
To nie walka o przecietność,
12:24
it's just that the S used to be written differently, kind of like an F.
301
729000
3000
a fakt, że "s" pisano inaczej, raczej jak "f".
12:27
Now of course, Google didn't pick this up at the time,
302
732000
3000
Oczywiście Google nie wychwycił tego wówczas,
12:30
so we reported this in the science article that we wrote.
303
735000
3000
więc zgłosiliśmy to w artykule naukowym, który napisaliśmy.
12:33
But it turns out this is just a reminder
304
738000
2000
Ale okazuje się to tylko przypomnieniem,
12:35
that, although this is a lot of fun,
305
740000
2000
że choć to wiele zabawy,
12:37
when you interpret these graphs, you have to be very careful,
306
742000
2000
kiedy interpretuje się te wykresy, trzeba być bardzo ostrożnym
12:39
and you have to adopt the base standards in the sciences.
307
744000
3000
i przyjąć te podstawowe standardy naukowe.
12:42
ELA: People have been using this for all kinds of fun purposes.
308
747000
3000
ELA: Ludzie używali tego do zabawy na różne sposoby.
12:45
(Laughter)
309
750000
7000
(Śmiech)
12:52
Actually, we're not going to have to talk,
310
757000
2000
Nie będziemy mówili,
12:54
we're just going to show you all the slides and remain silent.
311
759000
3000
po prostu pokażemy wam te slajdy i będziemy cicho.
12:57
This person was interested in the history of frustration.
312
762000
3000
Ta osoba była zainteresowana historią frustracji.
13:00
There's various types of frustration.
313
765000
3000
To różne rodzaje frustracji.
13:03
If you stub your toe, that's a one A "argh."
314
768000
3000
Jeśli uderzysz się w palec, to jedno "a" w "argh"
13:06
If the planet Earth is annihilated by the Vogons
315
771000
2000
Jeśli Ziemia jest anihilowana przez Vogonów,
13:08
to make room for an interstellar bypass,
316
773000
2000
by zrobić miejsce na międzygwiezdny tunel,
13:10
that's an eight A "aaaaaaaargh."
317
775000
2000
jest to "aaaaaaaargh" przez 8 "a".
13:12
This person studies all the "arghs,"
318
777000
2000
Ta osoba zbadała wszystkie "argh"
13:14
from one through eight A's.
319
779000
2000
przez od 1 do 8 "a".
13:16
And it turns out
320
781000
2000
I okazuje się,
13:18
that the less-frequent "arghs"
321
783000
2000
że rzadsze "argh"
13:20
are, of course, the ones that correspond to things that are more frustrating --
322
785000
3000
są, oczywiście, tymi, które odpowiadają bardziej frustrującym rzeczom -
13:23
except, oddly, in the early 80s.
323
788000
3000
poza, co dziwne, we wczesnych latach 80-tych.
13:26
We think that might have something to do with Reagan.
324
791000
2000
Myślimy, że to może mieć coś wspólnego z Reaganem.
13:28
(Laughter)
325
793000
2000
(Śmiech)
13:30
JM: There are many usages of this data,
326
795000
3000
JM: Jest wiele zastosowań dla tych danych,
13:33
but the bottom line is that the historical record is being digitized.
327
798000
3000
ale puenta jest taka, że dane historyczne są cyfryzowane.
13:36
Google has started to digitize 15 million books.
328
801000
2000
Google zaczęła cyfryzować 15 milionów książek.
13:38
That's 12 percent of all the books that have ever been published.
329
803000
2000
To 12% wszystkich książek, które kiedykolwiek zostały wydane.
13:40
It's a sizable chunk of human culture.
330
805000
3000
To pokaźny kawał ludzkiej kultury.
13:43
There's much more in culture: there's manuscripts, there newspapers,
331
808000
3000
Jest znacznie więcej aspektów: manuskrypty, gazety,
13:46
there's things that are not text, like art and paintings.
332
811000
2000
rzeczy, które nie są tekstem, jak sztuka i malarstwo.
13:48
These all happen to be on our computers,
333
813000
2000
Wszystkie są w naszych komputerach,
13:50
on computers across the world.
334
815000
2000
na całym świecie.
13:52
And when that happens, that will transform the way we have
335
817000
3000
A kiedy to się stanie, odmieni to sposób, w jaki
13:55
to understand our past, our present and human culture.
336
820000
2000
będziemy rozumieli naszą przeszłość, teraźniejszość, ludzką kulturę.
13:57
Thank you very much.
337
822000
2000
Dziękujemy bardzo.
13:59
(Applause)
338
824000
3000
(Oklaski)
ABOUT THE SPEAKERS
Jean-Baptiste Michel - Data researcherJean-Baptiste Michel looks at how we can use large volumes of data to better understand our world.
Why you should listen
Jean-Baptiste Michel holds joint academic appointments at Harvard (FQEB Fellow) and Google (Visiting Faculty). His research focusses on using large volumes of data as tools that help better understand the world around us -- from the way diseases progress in patients over years, to the way cultures change in human societies over centuries. With his colleague Erez Lieberman Aiden, Jean-Baptiste is a Founding Director of Harvard's Cultural Observatory, where their research team pioneers the use of quantitative methods for the study of human culture, language and history. His research was featured on the covers of Science and Nature, on the front pages of the New York Times and the Boston Globe, in The Economist, Wired and many other venues. The online tool he helped create -- ngrams.googlelabs.com -- was used millions of times to browse cultural trends. Jean-Baptiste is an Engineer from Ecole Polytechnique (Paris), and holds an MS in Applied Mathematics and a PhD in Systems Biology from Harvard.
Jean-Baptiste Michel | Speaker | TED.com
Erez Lieberman Aiden - Researcher
Erez Lieberman Aiden pursues a broad range of research interests, spanning genomics, linguistics, mathematics ...
Why you should listen
Erez Lieberman Aiden is a fellow at the Harvard Society of Fellows and Visiting Faculty at Google. His research spans many disciplines and has won numerous awards, including recognition for one of the top 20 "Biotech Breakthroughs that will Change Medicine", by Popular Mechanics; the Lemelson-MIT prize for the best student inventor at MIT; the American Physical Society's Award for the Best Doctoral Dissertation in Biological Physics; and membership in Technology Review's 2009 TR35, recognizing the top 35 innovators under 35. His last three papers -- two with JB Michel -- have all appeared on the cover of Nature and Science.
Erez Lieberman Aiden | Speaker | TED.com