TED2013
Ajit Narayanan: A word game to communicate in any language
Ajit Narayanan: Um jogo de palavras para se comunicar em qualquer língua
Filmed:
Readability: 3.4
1,391,245 views
Enquanto trabalha com crianças que têm dificuldades para falar, Ajit Narayanan elaborou uma forma de pensar sobre a linguagem em imagens, relacionando palavras e conceitos em "mapas". A ideia agora dá vida a um aplicativo que ajuda pessoas com deficiência a se comunicar, e a grande ideia por trás disto, um conceito de linguagem chamado FreeSpeech, com um potencial impressionante.
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
Eu trabalho com crianças com autismo.
00:15
Specifically, I make technologies
1
3391
1914
Especificamente, eu crio tecnologias
00:17
to help them communicate.
2
5305
2171
para ajudá-las a se comunicar.
00:19
Now, many of the problems that children
3
7476
1539
Muitos dos problemas das crianças autistas
00:21
with autism face, they have a common source,
4
9015
3763
têm uma origem em comum
00:24
and that source is that they find it difficult
5
12778
2094
e essa origem é a dificuldade
00:26
to understand abstraction, symbolism.
6
14872
5260
de entender a abstração, o simbolismo.
00:32
And because of this, they have
a lot of difficulty with language.
a lot of difficulty with language.
7
20132
4652
E, por causa disso, elas têm
muita dificuldade com linguagem.
muita dificuldade com linguagem.
00:36
Let me tell you a little bit about why this is.
8
24784
3015
Vou falar um pouco sobre o porquê disso.
00:39
You see that this is a picture of a bowl of soup.
9
27799
3934
Vocês veem que isso é uma foto
de uma tigela de sopa.
de uma tigela de sopa.
00:43
All of us can see it. All of us understand this.
10
31733
2485
Todos conseguimos vê-la.
Todos nós entendemos isto.
Todos nós entendemos isto.
00:46
These are two other pictures of soup,
11
34218
2312
Aqui temos dois outros desenhos de sopa,
00:48
but you can see that these are more abstract
12
36530
2067
mas vejam que estes são mais abstratos,
00:50
These are not quite as concrete.
13
38597
1856
não são tão concretos.
00:52
And when you get to language,
14
40453
2174
E, no que diz respeito à lingua,
00:54
you see that it becomes a word
15
42627
1868
isto se transforma numa palavra
00:56
whose look, the way it looks and the way it sounds,
16
44495
3261
cuja aparência e sonoridade
00:59
has absolutely nothing to do
with what it started with,
with what it started with,
17
47756
2912
não têm nada a ver com de onde vem,
01:02
or what it represents, which is the bowl of soup.
18
50668
2830
ou o que representa,
que é uma tigela de sopa.
que é uma tigela de sopa.
01:05
So it's essentially a completely abstract,
19
53498
2900
Então é essencialmente
uma abstração completa,
uma abstração completa,
uma representação completamente
arbitrária de uma coisa
arbitrária de uma coisa
01:08
a completely arbitrary representation of something
20
56398
2576
01:10
which is in the real world,
21
58974
1163
que está no mundo real,
01:12
and this is something that children with autism
22
60137
1791
e isso é algo com que as crianças autistas
01:13
have an incredible amount of difficulty with.
23
61928
3164
têm uma dificuldade incrível.
É por isso que a maioria da pessoas
que lidam com crianças autistas --
que lidam com crianças autistas --
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
01:19
speech therapists, educators --
25
67843
1878
fonoaudiólogos e educadores --
01:21
what they do is, they try to help children with autism
26
69721
2633
elas tentam ajudar as crianças autistas
01:24
communicate not with words, but with pictures.
27
72354
3229
a se comunicar não com
palavras, mas com imagens.
palavras, mas com imagens.
Se uma criança autista quisesse dizer:
01:27
So if a child with autism wanted to say,
28
75583
1930
01:29
"I want soup," that child would pick
29
77513
2458
"Eu quero sopa", ela pegaria
01:31
three different pictures, "I," "want," and "soup,"
30
79971
2260
três imagens diferentes,
"eu", "quero", "sopa",
"eu", "quero", "sopa",
01:34
and they would put these together,
31
82231
1609
e as colocaria juntas
01:35
and then the therapist or the parent would
32
83840
1867
e o fonoaudiólogo ou os pais
entenderiam o que a criança quer dizer.
01:37
understand that this is what the kid wants to say.
33
85707
1887
01:39
And this has been incredibly effective;
34
87594
1778
Isso tem sido muito eficiente.
01:41
for the last 30, 40 years
35
89372
2141
Nos últimos 30, 40 anos
01:43
people have been doing this.
36
91513
1613
as pessoas têm feito isso.
01:45
In fact, a few years back,
37
93126
1349
Aliás, há alguns anos,
01:46
I developed an app for the iPad
38
94475
2675
eu desenvolvi um aplicativo para iPad
01:49
which does exactly this. It's called Avaz,
39
97150
2255
que faz exatamente isto. Se chama Avaz,
01:51
and the way it works is that kids select
40
99405
2279
e funciona assim: a criança seleciona
01:53
different pictures.
41
101684
1321
imagens diferentes,
01:55
These pictures are sequenced
together to form sentences,
together to form sentences,
42
103005
2570
formando uma sequência e criando frases
01:57
and these sentences are spoken out.
43
105575
1719
e essas frases são pronunciadas.
01:59
So Avaz is essentially converting pictures,
44
107294
3025
Essencialmente, Avaz converte imagens,
02:02
it's a translator, it converts pictures into speech.
45
110319
3960
é um tradutor, converte figuras em fala.
02:06
Now, this was very effective.
46
114279
1718
Isso é muito eficaz.
02:07
There are thousands of children using this,
47
115997
1384
Existem milhares de crianças
usando isto pelo mundo,
usando isto pelo mundo,
02:09
you know, all over the world,
48
117381
1430
02:10
and I started thinking about
49
118811
2175
e comecei a pensar
02:12
what it does and what it doesn't do.
50
120986
2654
no que ele faz e no que não faz.
02:15
And I realized something interesting:
51
123640
1684
E percebi algo interessante.
02:17
Avaz helps children with autism learn words.
52
125324
4203
Avaz ajuda crianças
com autismo a aprender palavras.
com autismo a aprender palavras.
02:21
What it doesn't help them do is to learn
53
129527
2405
Mas o que não ajuda é a aprender
02:23
word patterns.
54
131932
2748
padrões de palavras.
02:26
Let me explain this in a little more detail.
55
134680
2472
Vou explicar melhor.
02:29
Take this sentence: "I want soup tonight."
56
137152
3057
Por exemplo, a frase:
"Eu quero sopa hoje à noite".
"Eu quero sopa hoje à noite".
02:32
Now it's not just the words
here that convey the meaning.
here that convey the meaning.
57
140209
4080
Não são apenas as palavras
que transmitem o significado.
que transmitem o significado.
02:36
It's also the way in which these words are arranged,
58
144289
3140
Mas também a forma como
estas palavras estão ordenadas.
estas palavras estão ordenadas.
02:39
the way these words are modified and arranged.
59
147429
2515
Como estas palavras
são modificadas e ordenadas.
são modificadas e ordenadas.
02:41
And that's why a sentence like "I want soup tonight"
60
149959
2306
E isso é por isso que uma frase como essa
02:44
is different from a sentence like
61
152265
1984
é diferente de uma frase como:
02:46
"Soup want I tonight," which
is completely meaningless.
is completely meaningless.
62
154249
3312
"Sopa quero eu hoje à noite",
que não tem sentido algum.
que não tem sentido algum.
02:49
So there is another hidden abstraction here
63
157561
2619
Mas existe uma outra
abstração escondida aqui,
abstração escondida aqui,
02:52
which children with autism find
a lot of difficulty coping with,
a lot of difficulty coping with,
64
160180
3557
com que crianças autistas
têm muita dificuldade de lidar,
têm muita dificuldade de lidar,
02:55
and that's the fact that you can modify words
65
163737
2840
que é a possibilidade
de modificar palavras
de modificar palavras
02:58
and you can arrange them to have
66
166577
2101
e de organizá-las para obter
03:00
different meanings, to convey different ideas.
67
168678
2895
significados diferentes,
e ideias diferentes.
e ideias diferentes.
03:03
Now, this is what we call grammar.
68
171573
3459
Isso é o que chamamos de gramática.
03:07
And grammar is incredibly powerful,
69
175032
2036
E a gramática é incrivelmente poderosa,
03:09
because grammar is this one component of language
70
177068
3157
porque a gramática
é um componente da linguagem
é um componente da linguagem
03:12
which takes this finite vocabulary that all of us have
71
180225
3489
que nos permite tornar
o vocabulário finito que temos
o vocabulário finito que temos
03:15
and allows us to convey an
infinite amount of information,
infinite amount of information,
72
183714
4531
em uma quantidade infinita de informações,
03:20
an infinite amount of ideas.
73
188245
2134
uma quantidade infinita de ideias.
03:22
It's the way in which you can put things together
74
190379
2002
É a forma como juntamos as coisas
03:24
in order to convey anything you want to.
75
192381
2168
para comunicar tudo que queremos.
03:26
And so after I developed Avaz,
76
194549
2127
Então, depois que desenvolvi o Avaz,
03:28
I worried for a very long time
77
196676
1568
preocupei-me por muito tempo
com como eu poderia
com como eu poderia
03:30
about how I could give grammar
to children with autism.
to children with autism.
78
198244
3910
ensinar gramática
para as crianças com autismo.
para as crianças com autismo.
03:34
The solution came to me from
a very interesting perspective.
a very interesting perspective.
79
202154
2275
A solução veio de uma
perspectiva interessante.
perspectiva interessante.
03:36
I happened to chance upon a child with autism
80
204429
3449
Por acaso, deparei-me
com uma criança autista
com uma criança autista
03:39
conversing with her mom,
81
207878
2109
conversando com sua mãe,
03:41
and this is what happened.
82
209987
2094
e aconteceu o seguinte:
03:44
Completely out of the blue, very spontaneously,
83
212081
2186
do nada, de forma totalmente espontânea,
03:46
the child got up and said, "Eat."
84
214267
2463
a criança levantou e disse: "Comer".
03:48
Now what was interesting was
85
216730
1770
Mas o interessante
03:50
the way in which the mom was trying to tease out
86
218500
4244
foi a forma com que a mãe tentava entender
o significado do que
a criança queria dizer,
a criança queria dizer,
03:54
the meaning of what the child wanted to say
87
222744
2213
03:56
by talking to her in questions.
88
224957
2260
fazendo perguntas.
03:59
So she asked, "Eat what? Do
you want to eat ice cream?
you want to eat ice cream?
89
227217
2593
Então, ela perguntava:
"Comer o quê? Você quer sorvete?
"Comer o quê? Você quer sorvete?
04:01
You want to eat? Somebody else wants to eat?
90
229810
2112
O que quer comer? Outra pessoa quer comer?
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
Você quer sorvete agora? Ou de noite?"
04:07
And then it struck me that
92
235235
1514
E então percebi
que o que a mãe tinha feito
era algo incrível.
era algo incrível.
04:08
what the mother had done was something incredible.
93
236749
2028
04:10
She had been able to get that child to communicate
94
238777
1994
Ela tinha sido capaz de fazer
com que aquela criança
com que aquela criança
04:12
an idea to her without grammar.
95
240771
4138
comunicasse uma ideia
sem usar a gramática.
sem usar a gramática.
04:16
And it struck me that maybe this is what
96
244909
2696
E percebi que talvez fosse isso
que eu estava procurando.
04:19
I was looking for.
97
247605
1385
04:20
Instead of arranging words in an order, in sequence,
98
248990
4142
Ao invés de organizar as palavras
numa ordem, numa sequência,
numa ordem, numa sequência,
04:25
as a sentence, you arrange them
99
253132
2172
em forma de frase, nós as organizamos
04:27
in this map, where they're all linked together
100
255304
3811
neste mapa, onde elas estão todas ligadas,
04:31
not by placing them one after the other
101
259115
2143
colocadas não uma atrás da outra,
04:33
but in questions, in question-answer pairs.
102
261258
3284
mas em perguntas,
em pares de perguntas e respostas.
em pares de perguntas e respostas.
04:36
And so if you do this, then what you're conveying
103
264542
2358
E, se você fizer isto,
o que você estará passando
o que você estará passando
04:38
is not a sentence in English,
104
266900
1986
não é uma frase em inglês,
04:40
but what you're conveying is really a meaning,
105
268886
2966
mas sim um significado real,
o significado de uma frase em inglês.
04:43
the meaning of a sentence in English.
106
271852
1511
04:45
Now, meaning is really the underbelly,
in some sense, of language.
in some sense, of language.
107
273363
2932
O significado é o que vem
por trás da linguagem.
por trás da linguagem.
04:48
It's what comes after thought but before language.
108
276295
3821
É o que vem depois do pensamento,
mas antes da linguagem.
mas antes da linguagem.
04:52
And the idea was that this particular representation
109
280116
2503
E a ideia era que essa
representação em particular
representação em particular
04:54
might convey meaning in its raw form.
110
282619
3261
pudesse transmitir
significado na sua forma crua.
significado na sua forma crua.
Eu fiquei muito animado com isso,
04:57
So I was very excited by this, you know,
111
285880
1771
04:59
hopping around all over the place,
112
287651
1493
esperançoso, tentando descobrir
05:01
trying to figure out if I can convert
113
289144
1771
como eu poderia converter
05:02
all possible sentences that I hear into this.
114
290915
2524
todas as sentenças possíveis que já ouvi.
05:05
And I found that this is not enough.
115
293439
1773
E descobri que isto não é suficiente.
05:07
Why is this not enough?
116
295212
1385
E por quê?
05:08
This is not enough because if you wanted to convey
117
296597
1711
Porque se eu quiser transmitir
05:10
something like negation,
118
298308
2250
algo como uma negação,
05:12
you want to say, "I don't want soup,"
119
300558
1736
se quiser dizer: "Não quero sopa",
05:14
then you can't do that by asking a question.
120
302294
2220
não dá para fazer isso com uma pergunta,
05:16
You do that by changing the word "want."
121
304514
2285
mas mudando a palavra "quero".
05:18
Again, if you wanted to say,
122
306799
1637
De novo, se quiséssemos dizer:
05:20
"I wanted soup yesterday,"
123
308436
1980
"Eu queria sopa ontem",
05:22
you do that by converting
the word "want" into "wanted."
the word "want" into "wanted."
124
310416
2737
fazemos isso trocando a palavra
"quero" por "queria".
"quero" por "queria".
05:25
It's a past tense.
125
313153
1666
É o passado.
05:26
So this is a flourish which I added
126
314819
2103
Isto é um aperfeiçoamento que adicionei
05:28
to make the system complete.
127
316922
1576
para deixar o sistema completo.
05:30
This is a map of words joined together
128
318498
1977
Este é um mapa de palavras juntadas
05:32
as questions and answers,
129
320475
1656
na forma de perguntas e respostas,
05:34
and with these filters applied on top of them
130
322131
2264
com estes filtros adicionais
05:36
in order to modify them to represent
131
324395
1817
para modificá-las, para representar
05:38
certain nuances.
132
326212
1709
certas variações.
05:39
Let me show you this with a different example.
133
327921
1951
Vejam com um exemplo diferente.
Por exemplo, esta frase:
05:41
Let's take this sentence:
134
329872
1254
"Eu falei ao carpinteiro
que eu não poderia lhe pagar."
que eu não poderia lhe pagar."
05:43
"I told the carpenter I could not pay him."
135
331126
1980
05:45
It's a fairly complicated sentence.
136
333106
1792
É uma frase bem complicada.
05:46
The way that this particular system works,
137
334898
1893
A forma como este sistema funciona
05:48
you can start with any part of this sentence.
138
336791
2578
é que podemos começar
com qualquer parte da frase.
com qualquer parte da frase.
05:51
I'm going to start with the word "tell."
139
339369
1698
Vou começar com a palavra "falar".
05:53
So this is the word "tell."
140
341067
1462
Esta é a palavra "falar".
05:54
Now this happened in the past,
141
342529
1600
Isso aconteceu no passado,
05:56
so I'm going to make that "told."
142
344129
2223
então vou mudar para "falei".
05:58
Now, what I'm going to do is,
143
346352
1708
O que farei agora é fazer perguntas.
06:00
I'm going to ask questions.
144
348060
1756
06:01
So, who told? I told.
145
349816
2364
Então, quem falou? Eu falei.
Eu falei para quem?
Eu falei ao carpinteiro.
Eu falei ao carpinteiro.
06:04
I told whom? I told the carpenter.
146
352180
1927
06:06
Now we start with a different part of the sentence.
147
354107
1751
Agora vamos para outra parte da frase.
06:07
We start with the word "pay,"
148
355858
1867
Começamos com a palavra "pagar".
06:09
and we add the ability filter to it to make it "can pay."
149
357725
4577
e adicionamos o filtro de habilidade
para mudar para "pode pagar".
para mudar para "pode pagar".
06:14
Then we make it "can't pay,"
150
362302
2101
Então fazemos "não pode pagar".
e podemos fazer "não poderia pagar",
06:16
and we can make it "couldn't pay"
151
364403
1599
06:18
by making it the past tense.
152
366002
1663
transformando num tempo passado.
06:19
So who couldn't pay? I couldn't pay.
153
367665
1923
Então, quem não poderia pagar?
Eu não poderia pagar.
Eu não poderia pagar.
06:21
Couldn't pay whom? I couldn't pay the carpenter.
154
369588
2676
Não poderia pagar a quem?
Não poderia pagar ao carpinteiro.
Não poderia pagar ao carpinteiro.
06:24
And then you join these two together
155
372264
1731
E então juntamos os dois,
06:25
by asking this question:
156
373995
1350
fazendo esta pergunta:
06:27
What did I tell the carpenter?
157
375345
1737
O que eu falei ao carpinteiro?
06:29
I told the carpenter I could not pay him.
158
377082
4049
Eu falei ao carpinteiro
que eu não poderia lhe pagar.
que eu não poderia lhe pagar.
06:33
Now think about this. This is
159
381131
1937
Agora pensem nisso. Isso é...
06:35
—(Applause)—
160
383068
3542
(Aplausos)
06:38
this is a representation of this sentence
161
386610
3672
Essa é a representação dessa frase,
06:42
without language.
162
390282
2435
sem linguagem.
E há duas ou três coisas
interessantes aqui.
interessantes aqui.
06:44
And there are two or three
interesting things about this.
interesting things about this.
163
392717
2192
06:46
First of all, I could have started anywhere.
164
394909
3131
Primeiro, eu poderia
ter começado em qualquer lugar.
ter começado em qualquer lugar.
06:50
I didn't have to start with the word "tell."
165
398040
2243
Não tinha que começar
com a palavra "falar".
com a palavra "falar".
Poderia começar em qualquer lugar,
06:52
I could have started anywhere in the sentence,
166
400283
1416
06:53
and I could have made this entire thing.
167
401699
1507
e poderia ter feito tudo isso.
06:55
The second thing is, if I wasn't an English speaker,
168
403206
2776
Segundo, se eu não falasse inglês,
06:57
if I was speaking in some other language,
169
405982
2175
se eu falasse outra língua,
07:00
this map would actually hold true in any language.
170
408157
3156
este mapa funcionaria em qualquer língua.
07:03
So long as the questions are standardized,
171
411313
1990
Contanto que as perguntas
sejam padronizadas,
sejam padronizadas,
07:05
the map is actually independent of language.
172
413303
4287
este mapa se torna
independente de línguas.
independente de línguas.
07:09
So I call this FreeSpeech,
173
417590
2115
Então eu o chamo de FreeSpeech,
07:11
and I was playing with this for many, many months.
174
419705
2935
e eu trabalhei nele por muitos meses.
07:14
I was trying out so many
different combinations of this.
different combinations of this.
175
422640
2726
Eu experimentei muitas combinações.
Então, percebi algo
interessante no FreeSpeech.
interessante no FreeSpeech.
07:17
And then I noticed something very
interesting about FreeSpeech.
interesting about FreeSpeech.
176
425366
2289
07:19
I was trying to convert language,
177
427655
3243
Eu estava tentando converter linguagem,
07:22
convert sentences in English
into sentences in FreeSpeech,
into sentences in FreeSpeech,
178
430898
2384
converter frases em inglês
em frases em FreeSpeech,
em frases em FreeSpeech,
07:25
and vice versa, and back and forth.
179
433282
1752
e vice-versa, para trás e para frente,
07:27
And I realized that this particular configuration,
180
435034
2255
e percebi que esta
configuração em particular,
configuração em particular,
07:29
this particular way of representing language,
181
437289
2026
esta forma particular
de representar linguagem,
de representar linguagem,
07:31
it allowed me to actually create very concise rules
182
439315
4395
permitia que eu criasse
muitas regras concisas
muitas regras concisas
07:35
that go between FreeSpeech on one side
183
443710
2734
que vão do FreeSpeech, de um lado,
07:38
and English on the other.
184
446444
1488
ao inglês, do outro.
07:39
So I could actually write this set of rules
185
447932
2180
E eu pude escrever um conjunto de regras
07:42
that translates from this particular
representation into English.
representation into English.
186
450112
3395
que traduz desta forma
de representação para o inglês.
de representação para o inglês.
07:45
And so I developed this thing.
187
453507
1831
Então eu desenvolvi isso.
07:47
I developed this thing called
the FreeSpeech Engine
the FreeSpeech Engine
188
455338
2232
Desenvolvi o que chamo
de FreeSpeech Engine,
de FreeSpeech Engine,
07:49
which takes any FreeSpeech sentence as the input
189
457570
2561
que pega qualquer frase do FreeSpeech
07:52
and gives out perfectly grammatical English text.
190
460131
3930
e transforma num texto
gramaticalmente correto em inglês.
gramaticalmente correto em inglês.
07:56
And by putting these two pieces together,
191
464061
1605
E juntando essas duas partes,
07:57
the representation and the engine,
192
465666
1881
a representação e o sistema,
07:59
I was able to create an app, a
technology for children with autism,
technology for children with autism,
193
467547
3796
pude criar um aplicativo,
uma tecnologia para crianças autistas,
uma tecnologia para crianças autistas,
08:03
that not only gives them words
194
471343
2499
não só com palavras,
08:05
but also gives them grammar.
195
473842
3941
mas também com gramática.
08:09
So I tried this out with kids with autism,
196
477783
2360
Experimentei então
com crianças com autismo,
com crianças com autismo,
08:12
and I found that there was an
incredible amount of identification.
incredible amount of identification.
197
480143
5013
e descobri que havia
uma grande identificação.
uma grande identificação.
08:17
They were able to create sentences in FreeSpeech
198
485156
2720
Elas foram capazes
de criar frases no FreeSpeech
de criar frases no FreeSpeech
08:19
which were much more complicated
but much more effective
but much more effective
199
487876
2558
que eram muito mais complicadas,
mas muito mais eficientes
mas muito mais eficientes
08:22
than equivalent sentences in English,
200
490434
2899
do que as frases equivalentes em inglês,
08:25
and I started thinking about
201
493333
1682
e comecei a me perguntar
08:27
why that might be the case.
202
495015
1969
por que aquilo acontecia.
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
E tive uma ideia que gostaria
de contar a vocês.
de contar a vocês.
08:33
In about 1997, about 15 years back,
204
501271
3142
Em 1997, quinze anos atrás,
08:36
there were a group of scientists that were trying
205
504413
2011
havia um grupo de cientistas tentando
08:38
to understand how the brain processes language,
206
506424
2389
entender como o cérebro
processa a linguagem,
processa a linguagem,
e descobriram algo muito interessante.
08:40
and they found something very interesting.
207
508813
1779
08:42
They found that when you learn a language
208
510592
1872
Descobriram que quando
aprendemos uma língua
aprendemos uma língua
08:44
as a child, as a two-year-old,
209
512464
2912
quando criança, com dois anos,
08:47
you learn it with a certain part of your brain,
210
515376
2366
aprendemos com uma certa
parte do cérebro,
parte do cérebro,
08:49
and when you learn a language as an adult --
211
517742
1600
e quando aprendemos uma língua já adultos,
08:51
for example, if I wanted to
learn Japanese right now —
learn Japanese right now —
212
519342
3911
por exemplo, se eu quisesse
aprender japonês agora,
aprender japonês agora,
08:55
a completely different part of my brain is used.
213
523253
2707
uma parte completamente
diferente do cérebro seria usada.
diferente do cérebro seria usada.
08:57
Now I don't know why that's the case,
214
525960
1831
Eu não sei bem por quê,
08:59
but my guess is that that's because
215
527791
1991
mas acredito que seja porque,
09:01
when you learn a language as an adult,
216
529782
2437
quando aprendemos
uma língua quando adulto,
uma língua quando adulto,
09:04
you almost invariably learn it
217
532219
1616
provavelmente a aprendemos
09:05
through your native language, or
through your first language.
through your first language.
218
533835
4266
através de nossa língua nativa,
ou primeira língua.
ou primeira língua.
09:10
So what's interesting about FreeSpeech
219
538101
3252
O que é interessante no FreeSpeech
09:13
is that when you create a sentence
220
541353
1802
é que, quando criamos uma frase
09:15
or when you create language,
221
543155
1695
ou quando criamos linguagem,
09:16
a child with autism creates
language with FreeSpeech,
language with FreeSpeech,
222
544850
3070
uma criança com autismo
cria linguagem com FreeSpeech,
cria linguagem com FreeSpeech,
09:19
they're not using this support language,
223
547920
1833
ela não usa sua língua original,
09:21
they're not using this bridge language.
224
549753
2211
não usa essa ponte linguística.
09:23
They're directly constructing the sentence.
225
551964
2657
Ela está construindo
as frases diretamente.
as frases diretamente.
09:26
And so this gave me this idea.
226
554621
2193
Então isso me deu uma ideia.
09:28
Is it possible to use FreeSpeech
227
556814
2024
Será que conseguimos usar o FreeSpeech
09:30
not for children with autism
228
558838
2510
não para crianças com autismo,
09:33
but to teach language to people without disabilities?
229
561348
6262
mas para ensinar uma língua
para pessoas sem deficiências?
para pessoas sem deficiências?
Tentei vários experimentos.
09:39
And so I tried a number of experiments.
230
567610
1978
09:41
The first thing I did was I built a jigsaw puzzle
231
569588
2948
A primeira coisa que fiz
foi construir um quebra-cabeça,
foi construir um quebra-cabeça,
09:44
in which these questions and answers
232
572536
1970
no qual perguntas e respostas
09:46
are coded in the form of shapes,
233
574506
1835
são codificadas em formatos, em cores,
09:48
in the form of colors,
234
576341
1138
09:49
and you have people putting these together
235
577479
1849
e as pessoas as juntam
09:51
and trying to understand how this works.
236
579328
1773
e tentam entender como funciona.
09:53
And I built an app out of it, a game out of it,
237
581101
2376
E criei um aplicativo
a partir disso, um jogo
a partir disso, um jogo
09:55
in which children can play with words
238
583477
2661
no qual crianças podem
brincar com palavras,
brincar com palavras,
09:58
and with a reinforcement,
239
586138
1704
e com a ajuda
09:59
a sound reinforcement of visual structures,
240
587842
2585
de sons de estruturas visuais,
10:02
they're able to learn language.
241
590427
2013
elas são capazes de aprender uma língua.
10:04
And this, this has a lot of potential, a lot of promise,
242
592440
2736
Isto tem um grande potencial,
uma grande promessa,
uma grande promessa,
e o governo da Índia recentemente
10:07
and the government of India recently
243
595176
1975
obteve uma licença de uso
desta tecnologia,
desta tecnologia,
10:09
licensed this technology from us,
244
597151
1404
10:10
and they're going to try it out
with millions of different children
with millions of different children
245
598555
2074
e vai experimentá-la
com milhões de crianças,
com milhões de crianças,
10:12
trying to teach them English.
246
600629
2605
tentando ensinar inglês para elas.
10:15
And the dream, the hope, the vision, really,
247
603234
2614
E o sonho, a esperança, a visão realmente
10:17
is that when they learn English this way,
248
605848
3082
é de que, ao aprenderem inglês assim,
10:20
they learn it with the same proficiency
249
608930
2643
elas aprendam com a mesma proficiência
10:23
as their mother tongue.
250
611573
3718
da língua nativa.
10:27
All right, let's talk about something else.
251
615291
3816
Certo. Vamos conversar sobre outra coisa.
10:31
Let's talk about speech.
252
619107
1997
Vamos conversar sobre fala.
10:33
This is speech.
253
621104
1271
Isto é fala.
10:34
So speech is the primary mode of communication
254
622375
1962
A fala é o modo principal de comunicação
10:36
delivered between all of us.
255
624337
1613
proferido entre nós.
10:37
Now what's interesting about speech is that
256
625950
1855
O interessante na fala
é que ela é unidimensional.
10:39
speech is one-dimensional.
257
627805
1245
10:41
Why is it one-dimensional?
258
629050
1359
Por que unidimensional?
10:42
It's one-dimensional because it's sound.
259
630409
1568
É unidimensional porque é sonora.
10:43
It's also one-dimensional because
260
631977
1539
Também porque nossas bocas são assim,
10:45
our mouths are built that way.
261
633516
1205
10:46
Our mouths are built to create
one-dimensional sound.
one-dimensional sound.
262
634721
3512
são concebidas para criar
um som unidimensional.
um som unidimensional.
10:50
But if you think about the brain,
263
638233
2866
Mas se você pensar sobre o cérebro,
10:53
the thoughts that we have in our heads
264
641099
1764
os pensamentos que temos na cabeça
10:54
are not one-dimensional.
265
642863
2102
não são unidimensionais.
10:56
I mean, we have these rich,
266
644965
1459
Ou seja, temos ideias
10:58
complicated, multi-dimensional ideas.
267
646424
3028
ricas, complicadas e multidimensionais.
11:01
Now, it seems to me that language
268
649452
1690
Aparentemente, a linguagem
11:03
is really the brain's invention
269
651142
2332
é de fato uma invenção do cérebro
11:05
to convert this rich, multi-dimensional thought
270
653474
3096
para converter este pensamento
rico e multidimensional,
rico e multidimensional,
11:08
on one hand
271
656570
1587
de um lado,
11:10
into speech on the other hand.
272
658157
1923
em fala, do outro lado.
11:12
Now what's interesting is that
273
660080
1762
O que é interessante é que
11:13
we do a lot of work in information nowadays,
274
661842
2568
trabalhamos muito
com informação hoje em dia,
com informação hoje em dia,
11:16
and almost all of that is done
in the language domain.
in the language domain.
275
664410
3079
e quase tudo que é feito
é em algum domínio de linguagem.
é em algum domínio de linguagem.
11:19
Take Google, for example.
276
667489
1939
Vejam o Google por exemplo.
11:21
Google trawls all these
countless billions of websites,
countless billions of websites,
277
669428
2677
O Google pesquisa em bilhões de sites,
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
todos são em inglês,
e quando queremos usar o Google,
e quando queremos usar o Google,
11:26
you go into Google search, and you type in English,
279
674830
2450
vamos no Google,
e escrevemos em inglês,
e escrevemos em inglês,
11:29
and it matches the English with the English.
280
677280
4163
e combinamos inglês com inglês.
11:33
What if we could do this in FreeSpeech instead?
281
681443
3583
E se pudéssemos fazer isto em FreeSpeech?
11:37
I have a suspicion that if we did this,
282
685026
2301
Eu suspeito que se fizéssemos isso,
11:39
we'd find that algorithms like searching,
283
687327
2068
veríamos que algoritmos de pesquisa,
11:41
like retrieval, all of these things,
284
689395
2325
obtenção de dados, todas essas coisas
11:43
are much simpler and also more effective,
285
691720
3075
são muito mais simples e eficientes,
11:46
because they don't process
the data structure of speech.
the data structure of speech.
286
694795
4417
porque não processam
a estrutura de informação da fala.
a estrutura de informação da fala.
11:51
Instead they're processing
the data structure of thought.
the data structure of thought.
287
699212
5976
Em vez disso, eles processam a estrutura
da informação dos pensamentos.
da informação dos pensamentos.
11:57
The data structure of thought.
288
705188
2808
A estrutura da informação dos pensamentos.
11:59
That's a provocative idea.
289
707996
2076
É uma ideia provocadora.
12:02
But let's look at this in a little more detail.
290
710072
2142
Mas vamos observar com mais detalhes.
12:04
So this is the FreeSpeech ecosystem.
291
712214
2366
Esse é o ecossistema do FreeSpeech.
12:06
We have the Free Speech
representation on one side,
representation on one side,
292
714580
2884
Temos a representação
do FreeSpeech de um lado,
do FreeSpeech de um lado,
12:09
and we have the FreeSpeech
Engine, which generates English.
Engine, which generates English.
293
717464
2228
e temos o FreeSpeech Engine
que gera inglês.
que gera inglês.
12:11
Now if you think about it,
294
719694
1725
Se pensarmos bem,
12:13
FreeSpeech, I told you, is completely
language-independent.
language-independent.
295
721419
2544
o FreeSpeech é totalmente
independente de língua.
independente de língua.
12:15
It doesn't have any specific information in it
296
723963
2087
Não tem nenhuma informação específica
12:18
which is about English.
297
726050
1228
que seja sobre inglês.
12:19
So everything that this system knows about English
298
727278
2800
Tudo que o sistema sabe sobre inglês
12:22
is actually encoded into the engine.
299
730078
4620
é codificado no Engine.
12:26
That's a pretty interesting concept in itself.
300
734698
2237
Esse é um conceito muito interessante.
12:28
You've encoded an entire human language
301
736935
3604
Codificamos toda uma língua humana
12:32
into a software program.
302
740539
2645
em um software.
12:35
But if you look at what's inside the engine,
303
743184
2531
Mas se olharmos o que
tem dentro do sistema,
tem dentro do sistema,
12:37
it's actually not very complicated.
304
745715
2358
na verdade, não é muito complicado.
12:40
It's not very complicated code.
305
748073
2105
Não é um código muito complicado.
12:42
And what's more interesting is the fact that
306
750178
2672
E o que é mais interessante é o fato
12:44
the vast majority of the code in that engine
307
752850
2203
de que a maior parte
do código nesse sistema
do código nesse sistema
12:47
is not really English-specific.
308
755053
2412
não é específica para inglês.
12:49
And that gives this interesting idea.
309
757465
1895
E isso nos dá uma ideia interessante.
12:51
It might be very easy for us to actually
310
759360
2038
Poderia ser muito fácil para nós
12:53
create these engines in many,
many different languages,
many different languages,
311
761398
3826
criar sistemas assim
em muitas línguas diferentes,
em muitas línguas diferentes,
12:57
in Hindi, in French, in German, in Swahili.
312
765224
6354
em hindi, em francês,
em alemão, em suaíle.
em alemão, em suaíle.
13:03
And that gives another interesting idea.
313
771578
2799
E isso nos dá
uma outra ideia interessante.
uma outra ideia interessante.
13:06
For example, supposing I was a writer,
314
774377
2654
Por exemplo, se eu fosse um escritor,
13:09
say, for a newspaper or for a magazine.
315
777031
2122
digamos, de um jornal ou revista,
13:11
I could create content in one language, FreeSpeech,
316
779153
5011
eu poderia criar um artigo
em uma língua, FreeSpeech,
em uma língua, FreeSpeech,
13:16
and the person who's consuming that content,
317
784164
2056
e a pessoa que está lendo aquele artigo,
13:18
the person who's reading that particular information
318
786220
3061
a pessoa que está lendo aquela informação
13:21
could choose any engine,
319
789281
2495
poderia escolher qualquer sistema,
13:23
and they could read it in their own mother tongue,
320
791776
2736
e ela poderia ler em sua própria língua,
13:26
in their native language.
321
794512
3939
em sua língua nativa.
13:30
I mean, this is an incredibly attractive idea,
322
798451
2722
Isso é uma ideia incrivelmente atraente,
13:33
especially for India.
323
801173
1999
especialmente para a Índia.
Nós temos muitas línguas diferentes.
13:35
We have so many different languages.
324
803172
1690
13:36
There's a song about India, and there's a description
325
804862
2142
Existe uma música sobre a Índia,
13:39
of the country as, it says,
326
807004
2344
e há uma descrição do país, que diz:
13:41
(in Sanskrit).
327
809348
2360
(em Sânscrito),
13:43
That means "ever-smiling speaker
328
811708
2773
que significa "orador sempre sorrindo
13:46
of beautiful languages."
329
814481
4519
de belas línguas".
13:51
Language is beautiful.
330
819000
1964
A linguagem é linda.
13:52
I think it's the most beautiful of human creations.
331
820964
2454
Acho que é a mais bela
das criações humanas.
das criações humanas.
13:55
I think it's the loveliest thing
that our brains have invented.
that our brains have invented.
332
823418
3978
Acho que é a mais bela invenção
de nossos cérebros.
de nossos cérebros.
13:59
It entertains, it educates, it enlightens,
333
827396
3584
Ela diverte, educa, ilumina,
14:02
but what I like the most about language
334
830980
2044
mas o que gosto mais da linguagem
14:05
is that it empowers.
335
833024
1500
é que ela nos dá poder.
14:06
I want to leave you with this.
336
834524
1838
Eu quero deixá-los com isto.
14:08
This is a photograph of my collaborators,
337
836362
2385
Esta é uma foto dos meus colaboradores,
meus colaboradores mais antigos,
14:10
my earliest collaborators
338
838747
997
14:11
when I started working on language
339
839744
1462
quando comecei com linguagem
14:13
and autism and various other things.
340
841206
1502
e autismo e várias outras coisas.
14:14
The girl's name is Pavna,
341
842708
1417
O nome da garota é Bhavana,
14:16
and that's her mother, Kalpana.
342
844125
1902
e esta é sua mãe, Kalpana.
14:18
And Pavna's an entrepreneur,
343
846027
2138
E Bhavana é uma empreendedora,
14:20
but her story is much more remarkable than mine,
344
848165
2371
mas sua história é muito mais
extraordinária que a minha,
extraordinária que a minha,
14:22
because Pavna is about 23.
345
850536
2400
porque Bhavana tem 23 anos.
14:24
She has quadriplegic cerebral palsy,
346
852936
2552
Ela tem paralisia cerebral quadriplégica.
14:27
so ever since she was born,
347
855488
1640
Desde que ela nasceu,
14:29
she could neither move nor talk.
348
857128
3600
não podia se mexer ou falar.
14:32
And everything that she's accomplished so far,
349
860728
2403
E tudo que ela conquistou até agora,
14:35
finishing school, going to college,
350
863131
2227
terminar colegial, ir para a faculdade,
14:37
starting a company,
351
865358
1416
abrir uma empresa,
14:38
collaborating with me to develop Avaz,
352
866774
2140
cooperar comigo para
o desenvolvimento do Avaz,
o desenvolvimento do Avaz,
14:40
all of these things she's done
353
868914
1892
ela fez todas essas coisas
14:42
with nothing more than moving her eyes.
354
870806
5523
apenas mexendo seus olhos.
14:48
Daniel Webster said this:
355
876329
2689
Daniel Webster disse:
14:51
He said, "If all of my possessions were taken
356
879018
2940
"Se perdesse todas as minhas posses
14:53
from me with one exception,
357
881958
2988
com uma exceção,
14:56
I would choose to keep the power of communication,
358
884946
2981
eu escolheria ficar
com o poder de comunicação,
com o poder de comunicação,
14:59
for with it, I would regain all the rest."
359
887927
3903
pois, com ele,
reconquistaria todo o resto".
reconquistaria todo o resto".
15:03
And that's why, of all of these incredible
applications of FreeSpeech,
applications of FreeSpeech,
360
891830
5116
E é por isso que, de todas
as aplicações do FreeSpeech,
as aplicações do FreeSpeech,
15:08
the one that's closest to my heart
361
896946
2080
a que mais toca meu coração
15:11
still remains the ability for this
362
899026
2068
ainda é a habilidade
de capacitar crianças com deficiência,
15:13
to empower children with disabilities
363
901094
2380
15:15
to be able to communicate,
364
903474
1773
para serem capazes de se comunicar,
15:17
the power of communication,
365
905247
1789
o poder da comunicação,
15:19
to get back all the rest.
366
907036
2240
para reconquistar todo o resto.
15:21
Thank you.
367
909276
1397
Obrigado!
15:22
(Applause)
368
910673
1332
(Aplausos)
Obrigado. (Aplausos)
15:24
Thank you. (Applause)
369
912005
4199
15:28
Thank you. Thank you. Thank you. (Applause)
370
916204
5323
Obrigado. Obrigado. Obrigado. (Aplausos)
Obrigado. Obrigado. Obrigado. (Aplausos)
15:33
Thank you. Thank you. Thank you. (Applause)
371
921527
4000
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