TED2011
Deb Roy: The birth of a word
Deb Roy: Zrodenie slova
Filmed:
Readability: 4.2
2,809,941 views
Výskumník z MIT Deb Roy chcel pochopiť, ako sa jeho malý syn učí reč. Takže si do domu nainštaloval videokamery, aby zachytil každý moment (až na nejaké výnimky) života svojho syna, a potom urobil rozbor 90 000 hodín domáceho videa, kde sledoval, ako sa z „gaaaa“ pomaly stáva „voda“. Ohromujúci výskum plný údajov s hlbokým dopadom na spôsob, akým sa učíme.
Deb Roy - Cognitive scientist
Deb Roy studies how children learn language, and designs machines that learn to communicate in human-like ways. On sabbatical from MIT Media Lab, he's working with the AI company Bluefin Labs. Full bio
Deb Roy studies how children learn language, and designs machines that learn to communicate in human-like ways. On sabbatical from MIT Media Lab, he's working with the AI company Bluefin Labs. Full bio
Double-click the English transcript below to play the video.
00:15
Imagine if you could record your life --
0
0
4000
Predstavte si, že by ste mohli zaznamenať svoj život –
00:19
everything you said, everything you did,
1
4000
3000
všetko, čo ste kedy povedali a spravili,
00:22
available in a perfect memory store at your fingertips,
2
7000
3000
zachované v dokonalej pamäti na dosah rúk,
00:25
so you could go back
3
10000
2000
takže by ste sa mohli vrátiť,
00:27
and find memorable moments and relive them,
4
12000
3000
nájsť pamätné chvíle a opäť ich prežiť.
00:30
or sift through traces of time
5
15000
3000
Alebo preosievať stopy času
00:33
and discover patterns in your own life
6
18000
2000
a objavovať vzorce vo vlastnom živote,
00:35
that previously had gone undiscovered.
7
20000
3000
ktoré ste si predtým nevšimli.
00:38
Well that's exactly the journey
8
23000
2000
Nuž, presne to je cesta,
00:40
that my family began
9
25000
2000
na ktorú sa moja rodina vybrala
00:42
five and a half years ago.
10
27000
2000
pred päť a pol rokom.
00:44
This is my wife and collaborator, Rupal.
11
29000
3000
Toto je moja manželka a spolupracovníčka Rupal.
00:47
And on this day, at this moment,
12
32000
2000
A v tento deň, v tejto chvíli,
00:49
we walked into the house with our first child,
13
34000
2000
sme vošli do domu s naším prvým dieťaťom,
00:51
our beautiful baby boy.
14
36000
2000
s naším krásnym synčekom.
00:53
And we walked into a house
15
38000
3000
A vošli sme do domu
00:56
with a very special home video recording system.
16
41000
4000
s veľmi zvláštnym systémom na záznam domáceho videa.
01:07
(Video) Man: Okay.
17
52000
2000
(Video) Muž: Dobre.
01:10
Deb Roy: This moment
18
55000
1000
Deb Roy: Táto chvíľa
01:11
and thousands of other moments special for us
19
56000
3000
a tisíce ďalších pre nás dôležitých momentov
01:14
were captured in our home
20
59000
2000
boli zachytené v našom dome,
01:16
because in every room in the house,
21
61000
2000
pretože v každej miestnosti v dome,
01:18
if you looked up, you'd see a camera and a microphone,
22
63000
3000
keď ste sa pozreli hore, videli ste kameru a mikrofón,
01:21
and if you looked down,
23
66000
2000
a keď ste sa pozreli dole,
01:23
you'd get this bird's-eye view of the room.
24
68000
2000
videli ste miestnosť z vtáčej perspektívy.
01:25
Here's our living room,
25
70000
3000
Tu je naša obývačka,
01:28
the baby bedroom,
26
73000
3000
detská izba,
01:31
kitchen, dining room
27
76000
2000
kuchyňa, jedáleň
01:33
and the rest of the house.
28
78000
2000
a zvyšok domu.
01:35
And all of these fed into a disc array
29
80000
3000
A všetky tieto kamery boli napojené na sústavu diskov,
01:38
that was designed for a continuous capture.
30
83000
3000
ktoré boli nastavené na neustály záznam.
01:41
So here we are flying through a day in our home
31
86000
3000
Takže tu letíme cez deň v našej domácnosti,
01:44
as we move from sunlit morning
32
89000
3000
kde sa presúvame zo slnkom zaliateho rána
01:47
through incandescent evening
33
92000
2000
cez rozžiarený večer
01:49
and, finally, lights out for the day.
34
94000
3000
až po zhasnutie svetiel na noc.
01:53
Over the course of three years,
35
98000
3000
V priebehu troch rokov
01:56
we recorded eight to 10 hours a day,
36
101000
2000
sme nahrávali 8 až 10 hodín denne,
01:58
amassing roughly a quarter-million hours
37
103000
3000
z čoho sa nakopilo asi štvrť milióna hodín
02:01
of multi-track audio and video.
38
106000
3000
viacstopového zvuku a obrazu.
02:04
So you're looking at a piece of what is by far
39
109000
2000
Takže teraz sa pozeráte na kúsok tej úplne
02:06
the largest home video collection ever made.
40
111000
2000
najväčšej zbierky domáceho videa vôbec.
02:08
(Laughter)
41
113000
3000
(smiech)
02:11
And what this data represents
42
116000
2000
A to, čo tieto dáta znamenajú
02:13
for our family at a personal level,
43
118000
4000
pre našu rodinu na osobnej úrovni,
02:17
the impact has already been immense,
44
122000
2000
ich dosah je už teraz ohromný,
02:19
and we're still learning its value.
45
124000
3000
a stále spoznávame ich hodnotu.
02:22
Countless moments
46
127000
2000
Nespočetné chvíle
02:24
of unsolicited natural moments, not posed moments,
47
129000
3000
nevyžiadaných prirodzených, neštylizovaných momentov
02:27
are captured there,
48
132000
2000
sú tam zachytené
02:29
and we're starting to learn how to discover them and find them.
49
134000
3000
a my začíname zisťovať, ako ich odhaliť a nájsť.
02:32
But there's also a scientific reason that drove this project,
50
137000
3000
Ale za týmto projektom sa skrýva aj vedecký dôvod,
02:35
which was to use this natural longitudinal data
51
140000
4000
a to využiť tieto prirodzené longitudinálne údaje
02:39
to understand the process
52
144000
2000
na pochopenie procesu,
02:41
of how a child learns language --
53
146000
2000
akým sa dieťa naučí reč –
02:43
that child being my son.
54
148000
2000
pričom to dieťa je môj syn.
02:45
And so with many privacy provisions put in place
55
150000
4000
A tak sme podnikli opatrenia na ochranu súkromia
02:49
to protect everyone who was recorded in the data,
56
154000
3000
všetkých ľudí, ktorí sa ocitli v zázname,
02:52
we made elements of the data available
57
157000
3000
a prvky týchto dát sme poskytli
02:55
to my trusted research team at MIT
58
160000
3000
môjmu spoľahlivému výskumnému tímu na inštitúte MIT,
02:58
so we could start teasing apart patterns
59
163000
3000
aby sme mohli začať rozoberať vzorce
03:01
in this massive data set,
60
166000
3000
v tomto obrovskom súbore dát,
03:04
trying to understand the influence of social environments
61
169000
3000
z ktorého sme sa snažili pochopiť vplyv sociálneho prostredia
03:07
on language acquisition.
62
172000
2000
na osvojenie reči.
03:09
So we're looking here
63
174000
2000
Takže tu vidíme
03:11
at one of the first things we started to do.
64
176000
2000
jednu z prvých vecí, ktoré sme začali robiť.
03:13
This is my wife and I cooking breakfast in the kitchen,
65
178000
4000
Toto sme my so ženou v kuchyni pri príprave raňajok.
03:17
and as we move through space and through time,
66
182000
3000
A keď sa pohybujeme v priestore a v čase,
03:20
a very everyday pattern of life in the kitchen.
67
185000
3000
vzniká veľmi každodenný vzorec života v kuchyni.
03:23
In order to convert
68
188000
2000
Keď chceme
03:25
this opaque, 90,000 hours of video
69
190000
3000
týchto nejasných 90 000 hodín videa
03:28
into something that we could start to see,
70
193000
2000
premeniť na niečo, čo by sa dalo vidieť,
03:30
we use motion analysis to pull out,
71
195000
2000
používame analýzu pohybu, ktorou vyťahujeme,
03:32
as we move through space and through time,
72
197000
2000
ako sa tak pohybujeme v priestore a v čase,
03:34
what we call space-time worms.
73
199000
3000
niečo, čo voláme časopriestorové červíky.
03:37
And this has become part of our toolkit
74
202000
3000
A to sa stalo súčasťou našich nástrojov,
03:40
for being able to look and see
75
205000
3000
pomocou ktorých vidíme,
03:43
where the activities are in the data,
76
208000
2000
kde v týchto údajoch sú jednotlivé aktivity.
03:45
and with it, trace the pattern of, in particular,
77
210000
3000
A potom sledujeme vzorec toho, kde sa
03:48
where my son moved throughout the home,
78
213000
2000
predovšetkým môj syn pohyboval po dome,
03:50
so that we could focus our transcription efforts,
79
215000
3000
aby sme sa mohli zamerať na snahu opísať
03:53
all of the speech environment around my son --
80
218000
3000
všetko to rečové prostredie okolo môjho syna
03:56
all of the words that he heard from myself, my wife, our nanny,
81
221000
3000
– všetky slová, ktoré počul odo mňa, mojej ženy, našej pestúnky,
03:59
and over time, the words he began to produce.
82
224000
3000
a slová, ktoré časom začal tvoriť.
04:02
So with that technology and that data
83
227000
3000
Takže s touto technológiou a dátami
04:05
and the ability to, with machine assistance,
84
230000
2000
a s možnosťou prepisovať reč
04:07
transcribe speech,
85
232000
2000
pomocou prístrojov
04:09
we've now transcribed
86
234000
2000
sa nám podarilo prepísať
04:11
well over seven million words of our home transcripts.
87
236000
3000
vyše 7 miliónov slov z našich domácich záznamov.
04:14
And with that, let me take you now
88
239000
2000
A teraz vás zoberiem
04:16
for a first tour into the data.
89
241000
3000
na prvú obhliadku týchto údajov.
04:19
So you've all, I'm sure,
90
244000
2000
Určite ste už všetci
04:21
seen time-lapse videos
91
246000
2000
niekedy videli videá,
04:23
where a flower will blossom as you accelerate time.
92
248000
3000
kde pozorujete napríklad zrýchlené rozkvitnutie kvetu.
04:26
I'd like you to now experience
93
251000
2000
Chcel by som, aby ste si teraz vyskúšali
04:28
the blossoming of a speech form.
94
253000
2000
rozkvitnutie formy reči.
04:30
My son, soon after his first birthday,
95
255000
2000
Môj syn krátko po svojich prvých narodeninách
04:32
would say "gaga" to mean water.
96
257000
3000
používal slovo „gaga“ na označenie vody.
04:35
And over the course of the next half-year,
97
260000
3000
A v priebehu nasledujúceho polroka
04:38
he slowly learned to approximate
98
263000
2000
sa pomaly naučil napodobniť
04:40
the proper adult form, "water."
99
265000
3000
správny dospelý tvar - „voda“.
04:43
So we're going to cruise through half a year
100
268000
2000
Takže teraz prebehneme pol roka
04:45
in about 40 seconds.
101
270000
2000
asi za 40 sekúnd.
04:47
No video here,
102
272000
2000
Nie je tu žiadne video,
04:49
so you can focus on the sound, the acoustics,
103
274000
3000
takže sa môžete sústrediť na zvuk, akustiku
04:52
of a new kind of trajectory:
104
277000
2000
nového druhu trajektórie:
04:54
gaga to water.
105
279000
2000
z gaga na vodu.
04:56
(Audio) Baby: Gagagagagaga
106
281000
12000
(Zvuk) Dieťa: Gagagagagaga
05:08
Gaga gaga gaga
107
293000
4000
Gaga gaga gaga
05:12
guga guga guga
108
297000
5000
guga guga guga
05:17
wada gaga gaga guga gaga
109
302000
5000
uada gaga gaga guga gaga
05:22
wader guga guga
110
307000
4000
uode guga guga
05:26
water water water
111
311000
3000
water water water (voda voda voda)
05:29
water water water
112
314000
6000
water water water (voda voda voda)
05:35
water water
113
320000
4000
water water (voda voda)
05:39
water.
114
324000
2000
water (voda).
05:41
DR: He sure nailed it, didn't he.
115
326000
2000
DR: To sa mu fakt podarilo, čo?
05:43
(Applause)
116
328000
7000
(potlesk)
05:50
So he didn't just learn water.
117
335000
2000
Nenaučil sa len vodu.
05:52
Over the course of the 24 months,
118
337000
2000
Počas 24 mesiacov,
05:54
the first two years that we really focused on,
119
339000
3000
prvých dvoch rokov, na ktoré sme sa skutočne zamerali,
05:57
this is a map of every word he learned in chronological order.
120
342000
4000
tu je mapa každého slova, ktoré sa postupne naučil.
06:01
And because we have full transcripts,
121
346000
3000
A keďže máme kompletné prepisy,
06:04
we've identified each of the 503 words
122
349000
2000
podarilo sa nám určiť každé z 503 slov,
06:06
that he learned to produce by his second birthday.
123
351000
2000
ktoré sa naučil vysloviť do svojich druhých narodenín.
06:08
He was an early talker.
124
353000
2000
Rozprávať začal skoro.
06:10
And so we started to analyze why.
125
355000
3000
A tak sme začali analyzovať prečo.
06:13
Why were certain words born before others?
126
358000
3000
Prečo sa určité slová zrodili skôr než ostatné?
06:16
This is one of the first results
127
361000
2000
Toto je jeden z prvých výsledkov,
06:18
that came out of our study a little over a year ago
128
363000
2000
ktoré vzišli z tejto našej štúdie pred niečo vyše rokom,
06:20
that really surprised us.
129
365000
2000
a naozaj nás prekvapil.
06:22
The way to interpret this apparently simple graph
130
367000
3000
Tento očividne jednoduchý graf treba interpretovať tak,
06:25
is, on the vertical is an indication
131
370000
2000
že zvislá os predstavuje,
06:27
of how complex caregiver utterances are
132
372000
3000
aké komplexné sú prejavy opatrovateľa
06:30
based on the length of utterances.
133
375000
2000
na základe dĺžky týchto prejavov.
06:32
And the [horizontal] axis is time.
134
377000
3000
A vodorovná os je čas.
06:35
And all of the data,
135
380000
2000
A všetky údaje
06:37
we aligned based on the following idea:
136
382000
3000
sme usporiadali podľa tejto myšlienky:
06:40
Every time my son would learn a word,
137
385000
3000
Vždy keď sa môj syn naučil nejaké slovo,
06:43
we would trace back and look at all of the language he heard
138
388000
3000
vystopovali sme všetku reč, ktorú počul
06:46
that contained that word.
139
391000
2000
a ktorá obsahovala dané slovo.
06:48
And we would plot the relative length of the utterances.
140
393000
4000
A zakreslili sme relatívnu dĺžku prejavov.
06:52
And what we found was this curious phenomena,
141
397000
3000
A čo sme objavili, bol zvláštny fenomén,
06:55
that caregiver speech would systematically dip to a minimum,
142
400000
3000
kde prejav opatrovateľa systematicky klesal na minimum,
06:58
making language as simple as possible,
143
403000
3000
takže jazyk bol čo najjednoduchší,
07:01
and then slowly ascend back up in complexity.
144
406000
3000
a potom sa pomaly vracal naspäť k zložitosti.
07:04
And the amazing thing was
145
409000
2000
A úžasná vec na tom bola,
07:06
that bounce, that dip,
146
411000
2000
že ten skok, ten pokles
07:08
lined up almost precisely
147
413000
2000
sa takmer presne zhodoval
07:10
with when each word was born --
148
415000
2000
s momentom, keď sa jednotlivé slová zrodili
07:12
word after word, systematically.
149
417000
2000
– systematicky, slovo za slovom.
07:14
So it appears that all three primary caregivers --
150
419000
2000
Takže sa zdá, že všetci traja primárni opatrovatelia
07:16
myself, my wife and our nanny --
151
421000
3000
– ja, moja žena a naša pestúnka –
07:19
were systematically and, I would think, subconsciously
152
424000
3000
systematicky a, podľa mňa, podvedome
07:22
restructuring our language
153
427000
2000
menili štruktúru svojho prejavu,
07:24
to meet him at the birth of a word
154
429000
3000
aby sme sa s ním stretli pri zrode slova
07:27
and bring him gently into more complex language.
155
432000
4000
a nežne ho doviedli ku zložitejšiemu jazyku.
07:31
And the implications of this -- there are many,
156
436000
2000
A toto má mnoho dôsledkov,
07:33
but one I just want to point out,
157
438000
2000
ale na jeden chcem zvlášť upozorniť:
07:35
is that there must be amazing feedback loops.
158
440000
3000
ide o to, že musia existovať úžasné spätnoväzobné slučky.
07:38
Of course, my son is learning
159
443000
2000
Samozrejme, môj syn sa učí
07:40
from his linguistic environment,
160
445000
2000
od svojho lingvistického prostredia,
07:42
but the environment is learning from him.
161
447000
3000
ale zároveň sa jeho prostredie učí od neho.
07:45
That environment, people, are in these tight feedback loops
162
450000
3000
To prostredie, tí ľudia sú v takých tesných spätnoväzobných slučkách
07:48
and creating a kind of scaffolding
163
453000
2000
a vytvárajú niečo ako lešenie,
07:50
that has not been noticed until now.
164
455000
3000
ktoré si doteraz nikto nevšimol.
07:54
But that's looking at the speech context.
165
459000
2000
Ale to sa už pozeráme na rečový kontext.
07:56
What about the visual context?
166
461000
2000
Čo takto vizuálny kontext?
07:58
We're not looking at --
167
463000
2000
Nepozeráme sa na...
08:00
think of this as a dollhouse cutaway of our house.
168
465000
2000
predstavte si to ako priečny rez nášho domu.
08:02
We've taken those circular fish-eye lens cameras,
169
467000
3000
Zobrali sme tie kamery s objektívom rybie oko,
08:05
and we've done some optical correction,
170
470000
2000
urobili nejaké optické korekcie
08:07
and then we can bring it into three-dimensional life.
171
472000
4000
a potom ho môžeme vrátiť do trojrozmerného života.
08:11
So welcome to my home.
172
476000
2000
Takže vitajte v mojom dome.
08:13
This is a moment,
173
478000
2000
Toto je chvíľa,
08:15
one moment captured across multiple cameras.
174
480000
3000
jeden moment zachytený viacerými kamerami.
08:18
The reason we did this is to create the ultimate memory machine,
175
483000
3000
Urobili sme to preto, aby sme vytvorili absolútny pamäťový stroj,
08:21
where you can go back and interactively fly around
176
486000
3000
kde sa môžete vrátiť a interaktívne poletovať
08:24
and then breathe video-life into this system.
177
489000
3000
a potom vdýchnuť život tomuto systému.
08:27
What I'm going to do
178
492000
2000
Teraz vám ponúknem
08:29
is give you an accelerated view of 30 minutes,
179
494000
3000
zrýchlený obraz 30 minút,
08:32
again, of just life in the living room.
180
497000
2000
pričom pôjde zase len o život v obývačke.
08:34
That's me and my son on the floor.
181
499000
3000
To som ja a môj syn na dlážke.
08:37
And there's video analytics
182
502000
2000
A analytika videa
08:39
that are tracking our movements.
183
504000
2000
sleduje naše pohyby.
08:41
My son is leaving red ink. I am leaving green ink.
184
506000
3000
Môj syn necháva za sebou červenú stopu, ja zelenú.
08:44
We're now on the couch,
185
509000
2000
Teraz sme na gauči a pozeráme sa
08:46
looking out through the window at cars passing by.
186
511000
3000
cez okno na okoloidúce autá.
08:49
And finally, my son playing in a walking toy by himself.
187
514000
3000
A nakoniec sa môj syn sám hrá v odrážadle.
08:52
Now we freeze the action, 30 minutes,
188
517000
3000
Teraz zmrazíme celé dianie, 30 minút,
08:55
we turn time into the vertical axis,
189
520000
2000
čas premeníme na vertikálnu os
08:57
and we open up for a view
190
522000
2000
a otvorí sa nám pohľad
08:59
of these interaction traces we've just left behind.
191
524000
3000
na tieto stopy interakcie, ktoré sme práve zanechali.
09:02
And we see these amazing structures --
192
527000
3000
A uvidíme tieto úžasné štruktúry
09:05
these little knots of two colors of thread
193
530000
3000
– malé uzlíky dvoch farebných nití,
09:08
we call "social hot spots."
194
533000
2000
ktoré nazývame sociálne horúce miesta.
09:10
The spiral thread
195
535000
2000
Špirálové vlákno
09:12
we call a "solo hot spot."
196
537000
2000
nazývame aj samostatné horúce miesto.
09:14
And we think that these affect the way language is learned.
197
539000
3000
A myslíme si, že majú vplyv na spôsob, akým sa učíme reč.
09:17
What we'd like to do
198
542000
2000
Chceli by sme
09:19
is start understanding
199
544000
2000
začať chápať
09:21
the interaction between these patterns
200
546000
2000
interakciu medzi týmito vzorcami
09:23
and the language that my son is exposed to
201
548000
2000
a rečou, ktorej je môj syn vystavený,
09:25
to see if we can predict
202
550000
2000
aby sme zistili, či dokážeme predpovedať,
09:27
how the structure of when words are heard
203
552000
2000
aký vplyv má štruktúra toho, keď sú slová počuté,
09:29
affects when they're learned --
204
554000
2000
na to, kedy si ich človek osvojí.
09:31
so in other words, the relationship
205
556000
2000
Inými slovami, vzťah medzi
09:33
between words and what they're about in the world.
206
558000
4000
slovami a tým, čo znamenajú vo svete.
09:37
So here's how we're approaching this.
207
562000
2000
Takže takto k tomu pristupujeme.
09:39
In this video,
208
564000
2000
V tomto videu
09:41
again, my son is being traced out.
209
566000
2000
opäť sledujeme môjho syna.
09:43
He's leaving red ink behind.
210
568000
2000
Necháva za sebou červenú stopu.
09:45
And there's our nanny by the door.
211
570000
2000
A tam pri dverách je naša pestúnka.
09:47
(Video) Nanny: You want water? (Baby: Aaaa.)
212
572000
3000
(Video) Pestúnka: Chceš vodu? (Dieťa: Aaaa.)
09:50
Nanny: All right. (Baby: Aaaa.)
213
575000
3000
Pestúnka: Dobre. (Dieťa: Aaaa.)
09:53
DR: She offers water,
214
578000
2000
DR: Ona ponúkne vodu
09:55
and off go the two worms
215
580000
2000
a dva červíky odídu
09:57
over to the kitchen to get water.
216
582000
2000
do kuchyne zobrať vodu.
09:59
And what we've done is use the word "water"
217
584000
2000
A spravili sme to, že sme použili slovo „voda“
10:01
to tag that moment, that bit of activity.
218
586000
2000
na označenie tej chvíle, toho kúska aktivity.
10:03
And now we take the power of data
219
588000
2000
A teraz využijeme moc dát,
10:05
and take every time my son
220
590000
3000
zoberieme každý moment, kedy môj syn
10:08
ever heard the word water
221
593000
2000
počul slovo voda,
10:10
and the context he saw it in,
222
595000
2000
a kontext, v ktorom ho videl,
10:12
and we use it to penetrate through the video
223
597000
3000
a použijeme ich na to, aby sme prenikli do videa
10:15
and find every activity trace
224
600000
3000
a našli každú stopu aktivity,
10:18
that co-occurred with an instance of water.
225
603000
3000
ktorá sa udiala spolu s výskytom vody.
10:21
And what this data leaves in its wake
226
606000
2000
A to, čo za týmito dátami zostane,
10:23
is a landscape.
227
608000
2000
je krajinka.
10:25
We call these wordscapes.
228
610000
2000
Voláme ich slovné krajinky.
10:27
This is the wordscape for the word water,
229
612000
2000
Toto je slovná krajinka slova voda
10:29
and you can see most of the action is in the kitchen.
230
614000
2000
a ako vidíte, väčšina diania je v kuchyni.
10:31
That's where those big peaks are over to the left.
231
616000
3000
To sú tie veľké vrcholy tam naľavo.
10:34
And just for contrast, we can do this with any word.
232
619000
3000
A len pre porovnanie si to môžeme urobiť s hociktorým slovom.
10:37
We can take the word "bye"
233
622000
2000
Môžeme sa pozrieť na slovo „pá“,
10:39
as in "good bye."
234
624000
2000
ktorým sa lúčime.
10:41
And we're now zoomed in over the entrance to the house.
235
626000
2000
A teraz sme nad vchodom do domu.
10:43
And we look, and we find, as you would expect,
236
628000
3000
A pozrieme sa a nájdeme, čo sa asi dá čakať,
10:46
a contrast in the landscape
237
631000
2000
kontrast v teréne,
10:48
where the word "bye" occurs much more in a structured way.
238
633000
3000
kde sa slovo „pá“ vyskytuje oveľa usporiadanejším spôsobom.
10:51
So we're using these structures
239
636000
2000
Takže použijeme tieto štruktúry,
10:53
to start predicting
240
638000
2000
aby sme mohli predpovedať
10:55
the order of language acquisition,
241
640000
3000
poradie osvojovania reči,
10:58
and that's ongoing work now.
242
643000
2000
a to je teraz naša pokračujúca práca.
11:00
In my lab, which we're peering into now, at MIT --
243
645000
3000
V mojom laboratóriu, do ktorého teraz nakúkame, na MIT
11:03
this is at the media lab.
244
648000
2000
– toto je v mediálnom laboratóriu.
11:05
This has become my favorite way
245
650000
2000
Stal sa z toho môj obľúbený spôsob
11:07
of videographing just about any space.
246
652000
2000
videografovania v podstate hocijakého priestoru.
11:09
Three of the key people in this project,
247
654000
2000
Na tomto obrázku sú tri z kľúčových postáv tohto projektu:
11:11
Philip DeCamp, Rony Kubat and Brandon Roy are pictured here.
248
656000
3000
Philip DeCamp, Rony Kubat a Brandon Roy.
11:14
Philip has been a close collaborator
249
659000
2000
Philip je blízky spolupracovník
11:16
on all the visualizations you're seeing.
250
661000
2000
na všetkých vizualizáciách, ktoré tu vidíte.
11:18
And Michael Fleischman
251
663000
3000
A Michael Fleischman
11:21
was another Ph.D. student in my lab
252
666000
2000
bol ďalší doktorand v mojom laboratóriu,
11:23
who worked with me on this home video analysis,
253
668000
3000
ktorý so mnou pracoval na tejto analýze domáceho videa
11:26
and he made the following observation:
254
671000
3000
a spozoroval toto:
11:29
that "just the way that we're analyzing
255
674000
2000
že „už len spôsob, akým analyzujeme,
11:31
how language connects to events
256
676000
3000
ako sa reč spája s udalosťami,
11:34
which provide common ground for language,
257
679000
2000
ktoré poskytujú spoločný základ pre jazyk,
11:36
that same idea we can take out of your home, Deb,
258
681000
4000
tú istú myšlienku môžeme zobrať z tvojej domácnosti, Deb,
11:40
and we can apply it to the world of public media."
259
685000
3000
a aplikovať ju na svet verejných médií.“
11:43
And so our effort took an unexpected turn.
260
688000
3000
A tak v našom úsilí nastal nečakaný zvrat.
11:46
Think of mass media
261
691000
2000
Predstavte si masmédiá,
11:48
as providing common ground
262
693000
2000
ako poskytujú spoločný záujem,
11:50
and you have the recipe
263
695000
2000
a máte pred sebou recept na to,
11:52
for taking this idea to a whole new place.
264
697000
3000
ako tento nápad preniesť na úplne nové miesto.
11:55
We've started analyzing television content
265
700000
3000
Začali sme analyzovať televízny obsah
11:58
using the same principles --
266
703000
2000
s tými istými princípmi
12:00
analyzing event structure of a TV signal --
267
705000
3000
– analyzovať štruktúru diania televízneho signálu
12:03
episodes of shows,
268
708000
2000
– epizódy seriálov,
12:05
commercials,
269
710000
2000
reklamy,
12:07
all of the components that make up the event structure.
270
712000
3000
všetky súčasti, ktoré tvoria štruktúru diania.
12:10
And we're now, with satellite dishes, pulling and analyzing
271
715000
3000
A teraz so satelitnými anténami sťahujeme a analyzujeme
12:13
a good part of all the TV being watched in the United States.
272
718000
3000
veľkú časť všetkej televízie, ktorú sledujú diváci v USA.
12:16
And you don't have to now go and instrument living rooms with microphones
273
721000
3000
A už nemusíte inštalovať mikrofóny do obývačiek,
12:19
to get people's conversations,
274
724000
2000
aby ste získali konverzácie ľudí,
12:21
you just tune into publicly available social media feeds.
275
726000
3000
jednoducho sa naladíte na verejne dostupné sociálne médiá.
12:24
So we're pulling in
276
729000
2000
Takže sťahujeme
12:26
about three billion comments a month,
277
731000
2000
asi tri miliardy komentárov mesačne.
12:28
and then the magic happens.
278
733000
2000
A potom sa začnú diať zázraky.
12:30
You have the event structure,
279
735000
2000
Máte štruktúru diania,
12:32
the common ground that the words are about,
280
737000
2000
spoločný základ toho, o čom tie slová sú,
12:34
coming out of the television feeds;
281
739000
3000
priamo z televízie.
12:37
you've got the conversations
282
742000
2000
A potom máte konverzácie,
12:39
that are about those topics;
283
744000
2000
ktoré sa týkajú tých tém,
12:41
and through semantic analysis --
284
746000
3000
a pomocou sémantickej analýzy –
12:44
and this is actually real data you're looking at
285
749000
2000
a to, na čo sa pozeráte, sú skutočné dáta
12:46
from our data processing --
286
751000
2000
z nášho spracovania údajov –
12:48
each yellow line is showing a link being made
287
753000
3000
každá žltá čiara ukazuje spojenie vytvorené
12:51
between a comment in the wild
288
756000
3000
medzi komentárom tam vonku
12:54
and a piece of event structure coming out of the television signal.
289
759000
3000
a kúskom štruktúry diania z televízneho signálu.
12:57
And the same idea now
290
762000
2000
A teraz sa tá istá myšlienka
12:59
can be built up.
291
764000
2000
dá ďalej budovať.
13:01
And we get this wordscape,
292
766000
2000
A získame túto slovnú krajinku,
13:03
except now words are not assembled in my living room.
293
768000
3000
ale teraz už slová nie sú zhromaždené v mojej obývačke.
13:06
Instead, the context, the common ground activities,
294
771000
4000
Namiesto toho kontext, aktivity spoločného záujmu
13:10
are the content on television that's driving the conversations.
295
775000
3000
sú obsahom v televízii, ktorý vedie ku konverzáciám.
13:13
And what we're seeing here, these skyscrapers now,
296
778000
3000
A to, čo tu vidíme, tieto mrakodrapy,
13:16
are commentary
297
781000
2000
to sú komentáre
13:18
that are linked to content on television.
298
783000
2000
spojené s obsahom v televízii.
13:20
Same concept,
299
785000
2000
Tá istá myšlienka,
13:22
but looking at communication dynamics
300
787000
2000
ale z perspektívy dynamiky komunikácie
13:24
in a very different sphere.
301
789000
2000
v úplne odlišnej sfére.
13:26
And so fundamentally, rather than, for example,
302
791000
2000
A tak v podstate namiesto toho, aby sme napríklad
13:28
measuring content based on how many people are watching,
303
793000
3000
merali obsah na základe počtu divákov,
13:31
this gives us the basic data
304
796000
2000
toto nám dáva základné údaje, vďaka ktorým
13:33
for looking at engagement properties of content.
305
798000
3000
sa môžeme pozerať na to, akú zaangažovanosť obsah vyvolá.
13:36
And just like we can look at feedback cycles
306
801000
3000
A tak ako sa môžeme pozrieť na cykly spätnej väzby
13:39
and dynamics in a family,
307
804000
3000
a dynamiku v rodine,
13:42
we can now open up the same concepts
308
807000
3000
teraz môžeme otvoriť tie isté koncepcie
13:45
and look at much larger groups of people.
309
810000
3000
a pozrieť sa na oveľa väčšie skupiny ľudí.
13:48
This is a subset of data from our database --
310
813000
3000
Toto je podskupina údajov z našej databázy
13:51
just 50,000 out of several million --
311
816000
3000
– len 50 000 z niekoľkých miliónov –
13:54
and the social graph that connects them
312
819000
2000
a sociálny graf, ktorý ich spája
13:56
through publicly available sources.
313
821000
3000
pomocou verejne dostupných zdrojov.
13:59
And if you put them on one plain,
314
824000
2000
A ak ich dáte na jednu rovinu,
14:01
a second plain is where the content lives.
315
826000
3000
druhá rovina je miesto, kde žije tento obsah.
14:04
So we have the programs
316
829000
3000
Takže máme programy
14:07
and the sporting events
317
832000
2000
a športové podujatia
14:09
and the commercials,
318
834000
2000
a reklamy,
14:11
and all of the link structures that tie them together
319
836000
2000
a všetky tie štruktúry spojov, ktoré ich zväzujú dokopy,
14:13
make a content graph.
320
838000
2000
tvoria obsahový graf.
14:15
And then the important third dimension.
321
840000
4000
A potom je tu dôležitý tretí rozmer.
14:19
Each of the links that you're seeing rendered here
322
844000
2000
Každý z týchto spojov, ktoré tu vidíte,
14:21
is an actual connection made
323
846000
2000
je skutočné prepojenie
14:23
between something someone said
324
848000
3000
medzi niečím, čo niekto povedal,
14:26
and a piece of content.
325
851000
2000
a nejakým obsahom.
14:28
And there are, again, now tens of millions of these links
326
853000
3000
A znova sú desiatky miliónov týchto spojov,
14:31
that give us the connective tissue of social graphs
327
856000
3000
ktoré nám poskytujú spájacie tkanivo sociálnych grafov
14:34
and how they relate to content.
328
859000
3000
a spôsob, akým súvisia s obsahom.
14:37
And we can now start to probe the structure
329
862000
2000
A teraz môžeme začať skúmať túto štruktúru
14:39
in interesting ways.
330
864000
2000
zaujímavými spôsobmi.
14:41
So if we, for example, trace the path
331
866000
3000
Takže ak napríklad sledujeme cestu
14:44
of one piece of content
332
869000
2000
jedného kúska obsahu,
14:46
that drives someone to comment on it,
333
871000
2000
ktorý niekoho vedie k tomu, aby ho komentoval,
14:48
and then we follow where that comment goes,
334
873000
3000
a potom sledujeme, kam tento komentár ide,
14:51
and then look at the entire social graph that becomes activated
335
876000
3000
a potom sa pozrieme na celý sociálny graf, ktorý sa aktivuje,
14:54
and then trace back to see the relationship
336
879000
3000
a potom ideme naspäť a vidíme vzťah
14:57
between that social graph and content,
337
882000
2000
medzi týmto sociálnym grafom a obsahom,
14:59
a very interesting structure becomes visible.
338
884000
2000
začne byť viditeľná veľmi zaujímavá štruktúra.
15:01
We call this a co-viewing clique,
339
886000
2000
Hovoríme tomu spoločne sledujúca partia,
15:03
a virtual living room if you will.
340
888000
3000
niečo ako virtuálna obývačka, ak chcete.
15:06
And there are fascinating dynamics at play.
341
891000
2000
A v hre je priam fascinujúca dynamika.
15:08
It's not one way.
342
893000
2000
Nie je to jednosmerné.
15:10
A piece of content, an event, causes someone to talk.
343
895000
3000
Nejaký obsah, nejaká udalosť spôsobí, že niekto začne hovoriť.
15:13
They talk to other people.
344
898000
2000
Rozpráva sa s inými ľuďmi.
15:15
That drives tune-in behavior back into mass media,
345
900000
3000
To vedie k tomu, že ľudia sa opäť obrátia na masmédiá,
15:18
and you have these cycles
346
903000
2000
a tak vznikajú cykly,
15:20
that drive the overall behavior.
347
905000
2000
ktoré riadia celkové správanie.
15:22
Another example -- very different --
348
907000
2000
Ďalší príklad – veľmi odlišný –
15:24
another actual person in our database --
349
909000
3000
ďalšia skutočná osoba v našej databáze –
15:27
and we're finding at least hundreds, if not thousands, of these.
350
912000
3000
a nachádzame ich aspoň stovky, ak nie tisíce.
15:30
We've given this person a name.
351
915000
2000
Dali sme tejto osobe meno.
15:32
This is a pro-amateur, or pro-am media critic
352
917000
3000
Je to poloprofesionál alebo „pro-am“, mediálny kritik,
15:35
who has this high fan-out rate.
353
920000
3000
ktorého prehľadávacie správanie sa široko rozvetvuje.
15:38
So a lot of people are following this person -- very influential --
354
923000
3000
Takže tohto človeka sleduje množstvo ľudí – je veľmi vplyvný –
15:41
and they have a propensity to talk about what's on TV.
355
926000
2000
a majú sklon rozprávať sa o tom, čo ide v televízii.
15:43
So this person is a key link
356
928000
3000
Takže táto osoba je kľúčový článok,
15:46
in connecting mass media and social media together.
357
931000
3000
ktorý spája masmédiá a sociálne médiá.
15:49
One last example from this data:
358
934000
3000
Posledný príklad z tohto súboru dát:
15:52
Sometimes it's actually a piece of content that is special.
359
937000
3000
Niekedy je skutočne zaujímavý samotný obsah.
15:55
So if we go and look at this piece of content,
360
940000
4000
Takže keď sa pozrieme na tento obsah,
15:59
President Obama's State of the Union address
361
944000
3000
na prejav prezidenta Obamu o stave Únie
16:02
from just a few weeks ago,
362
947000
2000
spred niekoľkých týždňov,
16:04
and look at what we find in this same data set,
363
949000
3000
a pozrieme sa na to, čo nájdeme v tom istom súbore dát,
16:07
at the same scale,
364
952000
3000
v tom istom meradle,
16:10
the engagement properties of this piece of content
365
955000
2000
odhalíme záujem o túto tému,
16:12
are truly remarkable.
366
957000
2000
ktorý je naozaj pozoruhodný.
16:14
A nation exploding in conversation
367
959000
2000
Celý národ exploduje v rozhovoroch
16:16
in real time
368
961000
2000
v reálnom čase,
16:18
in response to what's on the broadcast.
369
963000
3000
keď reaguje na vysielanie.
16:21
And of course, through all of these lines
370
966000
2000
A, samozrejme, cez všetky tieto čiary
16:23
are flowing unstructured language.
371
968000
2000
plynie neštruktúrovaná reč.
16:25
We can X-ray
372
970000
2000
Môžeme spraviť röntgen
16:27
and get a real-time pulse of a nation,
373
972000
2000
a odmerať pulz národa v reálnom čase,
16:29
real-time sense
374
974000
2000
takže získame aktuálny dojem
16:31
of the social reactions in the different circuits in the social graph
375
976000
3000
toho, ako rôzne sociálne siete reagujú v sociálnom grafe
16:34
being activated by content.
376
979000
3000
na určitý obsah.
16:37
So, to summarize, the idea is this:
377
982000
3000
Takže, ak mám zhrnúť hlavnú myšlienku, ide asi o toto:
16:40
As our world becomes increasingly instrumented
378
985000
3000
Zatiaľ čo v našom svete neustále pribúdajú zariadenia
16:43
and we have the capabilities
379
988000
2000
a máme možnosti
16:45
to collect and connect the dots
380
990000
2000
zhromažďovať a spájať jednotlivé body
16:47
between what people are saying
381
992000
2000
medzi tým, čo ľudia hovoria,
16:49
and the context they're saying it in,
382
994000
2000
a kontextom, v ktorom to hovoria,
16:51
what's emerging is an ability
383
996000
2000
vynára sa schopnosť
16:53
to see new social structures and dynamics
384
998000
3000
vidieť nové sociálne štruktúry a dynamiku,
16:56
that have previously not been seen.
385
1001000
2000
ktoré predtým nikto nevidel.
16:58
It's like building a microscope or telescope
386
1003000
2000
Je to ako vyrobiť mikroskop alebo teleskop
17:00
and revealing new structures
387
1005000
2000
a odhaľovať nové štruktúry
17:02
about our own behavior around communication.
388
1007000
3000
o našom vlastnom správaní týkajúcom sa komunikácie.
17:05
And I think the implications here are profound,
389
1010000
3000
A podľa mňa dôsledky toho sú nesmierne
17:08
whether it's for science,
390
1013000
2000
či už pre vedu,
17:10
for commerce, for government,
391
1015000
2000
pre obchod, vládu,
17:12
or perhaps most of all,
392
1017000
2000
alebo možno najviac zo všetkého
17:14
for us as individuals.
393
1019000
3000
pre nás ako jednotlivcov.
17:17
And so just to return to my son,
394
1022000
3000
A tak, aby som sa vrátil k synovi,
17:20
when I was preparing this talk, he was looking over my shoulder,
395
1025000
3000
keď som si pripravoval tento príhovor, pozeral sa mi cez plece.
17:23
and I showed him the clips I was going to show to you today,
396
1028000
2000
A ukázal som mu videoklipy, ktoré som vám dnes chcel ukázať,
17:25
and I asked him for permission -- granted.
397
1030000
3000
a požiadal som ho o dovolenie, ktoré mi dal.
17:28
And then I went on to reflect,
398
1033000
2000
A potom som sa zamyslel:
17:30
"Isn't it amazing,
399
1035000
3000
„Nie je to úžasné,
17:33
this entire database, all these recordings,
400
1038000
3000
celá táto databáza, všetky tieto nahrávky,
17:36
I'm going to hand off to you and to your sister" --
401
1041000
2000
ktoré raz odovzdám tebe a tvojej sestre,“
17:38
who arrived two years later --
402
1043000
3000
ktorá sa narodila o dva roky neskôr.
17:41
"and you guys are going to be able to go back and re-experience moments
403
1046000
3000
„A vy sa budete môcť vrátiť a znova prežiť chvíle,
17:44
that you could never, with your biological memory,
404
1049000
3000
ktoré by ste si svojou biologickou pamäťou nikdy
17:47
possibly remember the way you can now?"
405
1052000
2000
nemohli pamätať tak, ako môžete teraz.“
17:49
And he was quiet for a moment.
406
1054000
2000
A on bol chvíľu ticho.
17:51
And I thought, "What am I thinking?
407
1056000
2000
A ja som si pomyslel: „Čo mi to napadlo?
17:53
He's five years old. He's not going to understand this."
408
1058000
2000
Má päť rokov. Tomuto nebude rozumieť.“
17:55
And just as I was having that thought, he looked up at me and said,
409
1060000
3000
A práve keď som si to pomyslel, pozrel sa na mňa a povedal:
17:58
"So that when I grow up,
410
1063000
2000
„Takže keď vyrastiem,
18:00
I can show this to my kids?"
411
1065000
2000
môžem to ukázať svojim deťom?“
18:02
And I thought, "Wow, this is powerful stuff."
412
1067000
3000
A ja som si povedal: „Fíha, toto je silné.“
18:05
So I want to leave you
413
1070000
2000
Takže vám chcem na záver
18:07
with one last memorable moment
414
1072000
2000
ponúknuť ešte jeden pamätný moment
18:09
from our family.
415
1074000
3000
z nášho rodinného života.
18:12
This is the first time our son
416
1077000
2000
Toto je prvý raz, kedy sa nášmu synovi
18:14
took more than two steps at once --
417
1079000
2000
podarilo urobiť viac ako dva kroky naraz
18:16
captured on film.
418
1081000
2000
a zachytili sme to na film.
18:18
And I really want you to focus on something
419
1083000
3000
A chcem, aby ste sa na niečo naozaj sústredili,
18:21
as I take you through.
420
1086000
2000
keď vás týmto momentom budem sprevádzať.
18:23
It's a cluttered environment; it's natural life.
421
1088000
2000
Ide o prostredie plné chaosu, je to prirodzený život.
18:25
My mother's in the kitchen, cooking,
422
1090000
2000
Moja mama je v kuchyni a varí
18:27
and, of all places, in the hallway,
423
1092000
2000
a na chodbe, lepšie miesto si nemohol vybrať,
18:29
I realize he's about to do it, about to take more than two steps.
424
1094000
3000
si uvedomím, že to ide urobiť – ide spraviť viac než dva kroky.
18:32
And so you hear me encouraging him,
425
1097000
2000
Takže ma budete počuť, ako ho povzbudzujem,
18:34
realizing what's happening,
426
1099000
2000
lebo si uvedomujem, čo sa deje,
18:36
and then the magic happens.
427
1101000
2000
a potom sa stane zázrak.
18:38
Listen very carefully.
428
1103000
2000
Počúvajte veľmi pozorne.
18:40
About three steps in,
429
1105000
2000
Asi po troch krokoch
18:42
he realizes something magic is happening,
430
1107000
2000
si aj on uvedomí, že sa deje niečo zázračné.
18:44
and the most amazing feedback loop of all kicks in,
431
1109000
3000
A spustí sa tá najúžasnejšia spätnoväzobná slučka,
18:47
and he takes a breath in,
432
1112000
2000
keď sa on nadýchne
18:49
and he whispers "wow"
433
1114000
2000
a zašepká „fíha“
18:51
and instinctively I echo back the same.
434
1116000
4000
a ja inštinktívne ako ozvena poviem to isté.
18:56
And so let's fly back in time
435
1121000
3000
Tak preleťme v čase naspäť
18:59
to that memorable moment.
436
1124000
2000
k tej pamätnej chvíli.
19:05
(Video) DR: Hey.
437
1130000
2000
(Video) DR: Hej!
19:07
Come here.
438
1132000
2000
Poď sem.
19:09
Can you do it?
439
1134000
3000
Dokážeš to?
19:13
Oh, boy.
440
1138000
2000
Páni!
19:15
Can you do it?
441
1140000
3000
Dokážeš to?
19:18
Baby: Yeah.
442
1143000
2000
Dieťa: Áno.
19:20
DR: Ma, he's walking.
443
1145000
3000
DR: Mami, on chodí.
19:24
(Laughter)
444
1149000
2000
(smiech)
19:26
(Applause)
445
1151000
2000
(potlesk)
19:28
DR: Thank you.
446
1153000
2000
DR: Ďakujem.
19:30
(Applause)
447
1155000
15000
(potlesk)
ABOUT THE SPEAKER
Deb Roy - Cognitive scientistDeb Roy studies how children learn language, and designs machines that learn to communicate in human-like ways. On sabbatical from MIT Media Lab, he's working with the AI company Bluefin Labs.
Why you should listen
Deb Roy directs the Cognitive Machines group at the MIT Media Lab, where he studies how children learn language, and designs machines that learn to communicate in human-like ways. To enable this work, he has pioneered new data-driven methods for analyzing and modeling human linguistic and social behavior. He has authored numerous scientific papers on artificial intelligence, cognitive modeling, human-machine interaction, data mining, and information visualization.
Deb Roy was the co-founder and serves as CEO of Bluefin Labs, a venture-backed technology company. Built upon deep machine learning principles developed in his research over the past 15 years, Bluefin has created a technology platform that analyzes social media commentary to measure real-time audience response to TV ads and shows.
Follow Deb Roy on Twitter>
Roy adds some relevant papers:
Deb Roy. (2009). New Horizons in the Study of Child Language Acquisition. Proceedings of Interspeech 2009. Brighton, England. bit.ly/fSP4Qh
Brandon C. Roy, Michael C. Frank and Deb Roy. (2009). Exploring word learning in a high-density longitudinal corpus. Proceedings of the 31st Annual Meeting of the Cognitive Science Society. Amsterdam, Netherlands. bit.ly/e1qxej
Plenty more papers on our research including technology and methodology can be found here, together with other research from my lab at MIT: bit.ly/h3paSQ
The work that I mentioned on relationships between television content and the social graph is being done at Bluefin Labs (www.bluefinlabs.com). Details of this work have not been published. The social structures we are finding (and that I highlighted in my TED talk) are indeed new. The social media communication channels that are leading to their formation did not even exist a few years ago, and Bluefin's technology platform for discovering these kinds of structures is the first of its kind. We'll certainly have more to say about all this as we continue to dig into this fascinating new kind of data, and as new social structures continue to evolve!
Deb Roy | Speaker | TED.com