TED2011
Deb Roy: The birth of a word
Деб Рој: Рађање једне речи
Filmed:
Readability: 4.2
2,809,941 views
Истраживач са универзитета МИТ, Деб Рој, желео је да схвати како је његов новорођени син научио језик - зато је у својој кући инсталирао камере које су снимиле сваки тренутак (са изузецима) живота његовог сина, а потом је анализирао 90.000 сати кућних снимака како би гледао како се "гаааа" полако претвара у "вода". Зачуђујуће истраживање богато подацима, са дубоким импликацијама на наше учење.
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
Замислите да можете снимати свој живот -
00:19
everything you said, everything you did,
1
4000
3000
све што сте рекли, све што се урадили,
00:22
available in a perfect memory store at your fingertips,
2
7000
3000
било би доступно на дохват руке
00:25
so you could go back
3
10000
2000
тако да се можете вратити
00:27
and find memorable moments and relive them,
4
12000
3000
пронаћи и поново проживети незаборавне тренутке,
00:30
or sift through traces of time
5
15000
3000
или проћи кроз трагове времена
00:33
and discover patterns in your own life
6
18000
2000
и открити обрасце у свом животу
00:35
that previously had gone undiscovered.
7
20000
3000
који су раније били неоткривени.
00:38
Well that's exactly the journey
8
23000
2000
То је управо путовање
00:40
that my family began
9
25000
2000
на које је моја породица кренула
00:42
five and a half years ago.
10
27000
2000
пре пет и по година.
00:44
This is my wife and collaborator, Rupal.
11
29000
3000
Ово је моја жена и сарадница, Рупал.
00:47
And on this day, at this moment,
12
32000
2000
И овог дана, у овом тренутку,
00:49
we walked into the house with our first child,
13
34000
2000
ушли смо у кућу са својим првим дететом,
00:51
our beautiful baby boy.
14
36000
2000
нашим дивним дечаком.
00:53
And we walked into a house
15
38000
3000
Ушли смо у кућу са веома
00:56
with a very special home video recording system.
16
41000
4000
посебним системом за видео снимање.
01:07
(Video) Man: Okay.
17
52000
2000
(Видео) Човек: Океј.
01:10
Deb Roy: This moment
18
55000
1000
Деб Рој: Овај тренутак,
01:11
and thousands of other moments special for us
19
56000
3000
као и хиљаде других посебних тренутака,
01:14
were captured in our home
20
59000
2000
забележени су у нашем дому
01:16
because in every room in the house,
21
61000
2000
јер у свакој соби у кући,
01:18
if you looked up, you'd see a camera and a microphone,
22
63000
3000
ако бисте подигли поглед, видели бисте камеру и микрофон,
01:21
and if you looked down,
23
66000
2000
а ако бисте погледали доле,
01:23
you'd get this bird's-eye view of the room.
24
68000
2000
имали бисте ову птичју перспективу собе.
01:25
Here's our living room,
25
70000
3000
Ово је наша дневна соба,
01:28
the baby bedroom,
26
73000
3000
дечија спаваћа соба,
01:31
kitchen, dining room
27
76000
2000
кухиња, трпезарија
01:33
and the rest of the house.
28
78000
2000
и остатак куће.
01:35
And all of these fed into a disc array
29
80000
3000
Све ово је учитано у диск
01:38
that was designed for a continuous capture.
30
83000
3000
који је програмиран за континуирано снимање.
01:41
So here we are flying through a day in our home
31
86000
3000
Сада пролећемо кроз дан у нашем дому
01:44
as we move from sunlit morning
32
89000
3000
и идемо од сунцем обасјаног јутра
01:47
through incandescent evening
33
92000
2000
преко ужарене вечери
01:49
and, finally, lights out for the day.
34
94000
3000
и коначно, светла се гасе на крјау дана.
01:53
Over the course of three years,
35
98000
3000
Током три године снимали смо
01:56
we recorded eight to 10 hours a day,
36
101000
2000
осам до десет часова дневно,
01:58
amassing roughly a quarter-million hours
37
103000
3000
и накупили око четврт милиона сати
02:01
of multi-track audio and video.
38
106000
3000
аудио и видео записа.
02:04
So you're looking at a piece of what is by far
39
109000
2000
Дакле гледате у део највеће
02:06
the largest home video collection ever made.
40
111000
2000
колекције кућних видеа икада направљене.
02:08
(Laughter)
41
113000
3000
(смех)
02:11
And what this data represents
42
116000
2000
А оно што ови подаци представљају
02:13
for our family at a personal level,
43
118000
4000
за нашу породицу на личном нивоу
02:17
the impact has already been immense,
44
122000
2000
је већ имало огроман утицај
02:19
and we're still learning its value.
45
124000
3000
и још увек откривамо њихову вредност.
02:22
Countless moments
46
127000
2000
Небројени тренуци природних,
02:24
of unsolicited natural moments, not posed moments,
47
129000
3000
неизвештачених, ненамештених тренутака
02:27
are captured there,
48
132000
2000
су овде забележени и почињемо
02:29
and we're starting to learn how to discover them and find them.
49
134000
3000
да схватамо како да их откријемо и пронађемо.
02:32
But there's also a scientific reason that drove this project,
50
137000
3000
Али постоји и научни разлог који је покретао овај пројекат,
02:35
which was to use this natural longitudinal data
51
140000
4000
а то је искоришћавање природних лонгитудиналних података
02:39
to understand the process
52
144000
2000
за разумевање процеса
02:41
of how a child learns language --
53
146000
2000
учења језика код детета -
02:43
that child being my son.
54
148000
2000
то дете је био мој син.
02:45
And so with many privacy provisions put in place
55
150000
4000
Установили смо много одредби о приватности
02:49
to protect everyone who was recorded in the data,
56
154000
3000
како би се заштитили сви који су снимљени,
02:52
we made elements of the data available
57
157000
3000
а елементи тих података су доступни
02:55
to my trusted research team at MIT
58
160000
3000
мом тиму од поверења на МИТ-у,
02:58
so we could start teasing apart patterns
59
163000
3000
како бисмо могли почети да раздвајамо
03:01
in this massive data set,
60
166000
3000
обрасце у овој огромној количини података,
03:04
trying to understand the influence of social environments
61
169000
3000
покушавајући да разумемо утицај социјалне околине
03:07
on language acquisition.
62
172000
2000
на усвајање језика.
03:09
So we're looking here
63
174000
2000
Овде гледамо једну од првих
03:11
at one of the first things we started to do.
64
176000
2000
ствари коју смо почели да радимо.
03:13
This is my wife and I cooking breakfast in the kitchen,
65
178000
4000
Ово смо моја жена и ја, припремамо доручак у кихињи.
03:17
and as we move through space and through time,
66
182000
3000
Крећемо се кроз простор и време,
03:20
a very everyday pattern of life in the kitchen.
67
185000
3000
то је свакодневни образац кретања у кухињи.
03:23
In order to convert
68
188000
2000
Како бисмо превели ових
03:25
this opaque, 90,000 hours of video
69
190000
3000
непрозирних 90.000 сати снимка
03:28
into something that we could start to see,
70
193000
2000
у нешто што ћемо моћи да видимо,
03:30
we use motion analysis to pull out,
71
195000
2000
користимо анализу кретања,
03:32
as we move through space and through time,
72
197000
2000
како се крећемо кроз простор и време,
03:34
what we call space-time worms.
73
199000
3000
што називамо просторно-временски црви.
03:37
And this has become part of our toolkit
74
202000
3000
Ово је постало део нашег алата
03:40
for being able to look and see
75
205000
3000
уз помоћ којег видимо
03:43
where the activities are in the data,
76
208000
2000
где се у подацима налазе активности,
03:45
and with it, trace the pattern of, in particular,
77
210000
3000
и да помоћу њих пратимо образац
03:48
where my son moved throughout the home,
78
213000
2000
кретања мог сина кроз кућу,
03:50
so that we could focus our transcription efforts,
79
215000
3000
како бисмо фокусирали транскрипте,
03:53
all of the speech environment around my son --
80
218000
3000
сву говорну околину око мог сина -
03:56
all of the words that he heard from myself, my wife, our nanny,
81
221000
3000
све речи које је чуо од мене, моје супруге и наше дадиље
03:59
and over time, the words he began to produce.
82
224000
3000
и током времена, речи које је почео да говори.
04:02
So with that technology and that data
83
227000
3000
Дакле са том технологијом и подацима
04:05
and the ability to, with machine assistance,
84
230000
2000
и способношћу да, уз помоћ машине,
04:07
transcribe speech,
85
232000
2000
транскрибујемо говор,
04:09
we've now transcribed
86
234000
2000
до сада смо транскрибовали
04:11
well over seven million words of our home transcripts.
87
236000
3000
преко седам милиона речи из кућних снимака.
04:14
And with that, let me take you now
88
239000
2000
Дозволите ми да вас поведем
04:16
for a first tour into the data.
89
241000
3000
у први обилазак тих података.
04:19
So you've all, I'm sure,
90
244000
2000
Сигуран сам да сте сви видели
04:21
seen time-lapse videos
91
246000
2000
снимке проласка времена,
04:23
where a flower will blossom as you accelerate time.
92
248000
3000
у којима, како убрзавате време, цвет процвета.
04:26
I'd like you to now experience
93
251000
2000
Волео бих да сада искусите
04:28
the blossoming of a speech form.
94
253000
2000
цветање облика говора.
04:30
My son, soon after his first birthday,
95
255000
2000
Мој син је, убрзо после првог рођендана,
04:32
would say "gaga" to mean water.
96
257000
3000
говорио "гага" да означи воду.
04:35
And over the course of the next half-year,
97
260000
3000
Током наредних пола године,
04:38
he slowly learned to approximate
98
263000
2000
полако је научио да се приближи
04:40
the proper adult form, "water."
99
265000
3000
исправном, одраслом, облику "вода".
04:43
So we're going to cruise through half a year
100
268000
2000
Проћи ћемо кроз тих пола године
04:45
in about 40 seconds.
101
270000
2000
у отприлике 40 секунди.
04:47
No video here,
102
272000
2000
Нема видеа,
04:49
so you can focus on the sound, the acoustics,
103
274000
3000
да бисте се фокусирали на звук, акустику,
04:52
of a new kind of trajectory:
104
277000
2000
нове вртсе путање:
04:54
gaga to water.
105
279000
2000
гага у вода.
04:56
(Audio) Baby: Gagagagagaga
106
281000
12000
(Звук) Беба: Гагагагагага
05:08
Gaga gaga gaga
107
293000
4000
Гага гага гага
05:12
guga guga guga
108
297000
5000
гуга гуга гуга
05:17
wada gaga gaga guga gaga
109
302000
5000
вада гага гага гуга гага
05:22
wader guga guga
110
307000
4000
водо гуга гуга
05:26
water water water
111
311000
3000
вода вода вода
05:29
water water water
112
314000
6000
вода вода вода
05:35
water water
113
320000
4000
вода вода
05:39
water.
114
324000
2000
вода.
05:41
DR: He sure nailed it, didn't he.
115
326000
2000
ДР: Стварно је растурио, зар не.
05:43
(Applause)
116
328000
7000
(аплауз)
05:50
So he didn't just learn water.
117
335000
2000
Није научио само "вода".
05:52
Over the course of the 24 months,
118
337000
2000
У наредна 24 месеца,
05:54
the first two years that we really focused on,
119
339000
3000
прве две године на које смо се фокусирали,
05:57
this is a map of every word he learned in chronological order.
120
342000
4000
ово је мапа свих речи које је научио, хронолошким редом.
06:01
And because we have full transcripts,
121
346000
3000
Пошто имамо комплетне транскрипте,
06:04
we've identified each of the 503 words
122
349000
2000
идентификовали смо сваку од 503 речи
06:06
that he learned to produce by his second birthday.
123
351000
2000
које је нучио да изговори до свог другог рођендана.
06:08
He was an early talker.
124
353000
2000
Рано је проговорио.
06:10
And so we started to analyze why.
125
355000
3000
Почели смо да анализирамо зашто.
06:13
Why were certain words born before others?
126
358000
3000
Зашто су неке речи настале пре других?
06:16
This is one of the first results
127
361000
2000
Ово је један од првих резултата
06:18
that came out of our study a little over a year ago
128
363000
2000
од пре неких годину дана,
06:20
that really surprised us.
129
365000
2000
који нас је стварно изненадио.
06:22
The way to interpret this apparently simple graph
130
367000
3000
На овом наизглед једноставном графику,
06:25
is, on the vertical is an indication
131
370000
2000
на вертикали је индикатор
06:27
of how complex caregiver utterances are
132
372000
3000
сложености речи које су изговарали старатељи,
06:30
based on the length of utterances.
133
375000
2000
на основу дужине исказа.
06:32
And the [horizontal] axis is time.
134
377000
3000
На вертикалној оси је време.
06:35
And all of the data,
135
380000
2000
Све податке смо
06:37
we aligned based on the following idea:
136
382000
3000
поређали на основу следеће идеје:
06:40
Every time my son would learn a word,
137
385000
3000
Сваку реч коју би мој син научио
06:43
we would trace back and look at all of the language he heard
138
388000
3000
пратили бисмо уназад и гледали сав језик који је чуо,
06:46
that contained that word.
139
391000
2000
а који је садржао ту реч.
06:48
And we would plot the relative length of the utterances.
140
393000
4000
Отприлике бисмо одредили дужину исказа.
06:52
And what we found was this curious phenomena,
141
397000
3000
Открили смо занимљив феномен,
06:55
that caregiver speech would systematically dip to a minimum,
142
400000
3000
говор старатеља би се систематично смањио на минимум
06:58
making language as simple as possible,
143
403000
3000
максимално поједностављујући језик,
07:01
and then slowly ascend back up in complexity.
144
406000
3000
а потом би се полако поново усложњавао.
07:04
And the amazing thing was
145
409000
2000
Невероватно је да
07:06
that bounce, that dip,
146
411000
2000
се тај скок, тај урон
07:08
lined up almost precisely
147
413000
2000
скоро савршено поклапа
07:10
with when each word was born --
148
415000
2000
са временом рођења сваке речи -
07:12
word after word, systematically.
149
417000
2000
реч за речју, систематично.
07:14
So it appears that all three primary caregivers --
150
419000
2000
Испоставља се да су сво троје старатеља -
07:16
myself, my wife and our nanny --
151
421000
3000
ја, моја супруга и наша дадиља -
07:19
were systematically and, I would think, subconsciously
152
424000
3000
систематично и рекао бих, подсвесно
07:22
restructuring our language
153
427000
2000
реструктурисали свој језик
07:24
to meet him at the birth of a word
154
429000
3000
да би се сусрели с њим на рођењу речи
07:27
and bring him gently into more complex language.
155
432000
4000
и нежно га увели у сложенији језик.
07:31
And the implications of this -- there are many,
156
436000
2000
А импликација овога - има их много,
07:33
but one I just want to point out,
157
438000
2000
али желим једну да нагласим,
07:35
is that there must be amazing feedback loops.
158
440000
3000
је то да сигурно постоје повратне спреге.
07:38
Of course, my son is learning
159
443000
2000
Наравно, мој син учи
07:40
from his linguistic environment,
160
445000
2000
из свог лингвистичког окружења,
07:42
but the environment is learning from him.
161
447000
3000
али и окружење учи од њега.
07:45
That environment, people, are in these tight feedback loops
162
450000
3000
То окружење, људи, су у тим петљама повратне спреге
07:48
and creating a kind of scaffolding
163
453000
2000
и стварају некакве скеле
07:50
that has not been noticed until now.
164
455000
3000
које нису до сада биле примећене.
07:54
But that's looking at the speech context.
165
459000
2000
Али то је гледање на контекст говора.
07:56
What about the visual context?
166
461000
2000
Шта је са визуелним контекстом?
07:58
We're not looking at --
167
463000
2000
Посматрамо - гледајте
08:00
think of this as a dollhouse cutaway of our house.
168
465000
2000
на ово као на пресек кућице за лутке.
08:02
We've taken those circular fish-eye lens cameras,
169
467000
3000
Узели смо те камере са "рибљим оком"
08:05
and we've done some optical correction,
170
470000
2000
и направили неке оптичке корекције
08:07
and then we can bring it into three-dimensional life.
171
472000
4000
како бисмо направили тродимензионални живот.
08:11
So welcome to my home.
172
476000
2000
Добродошли у мој дом.
08:13
This is a moment,
173
478000
2000
Ово је један тренутак,
08:15
one moment captured across multiple cameras.
174
480000
3000
један тренутак, забележен многим камерама.
08:18
The reason we did this is to create the ultimate memory machine,
175
483000
3000
Ово смо урадили да бисмо направили најбољу машину за памћење,
08:21
where you can go back and interactively fly around
176
486000
3000
где можете да се вратите и интерактивно летите около
08:24
and then breathe video-life into this system.
177
489000
3000
и онда удахнете видео слику у овај систем.
08:27
What I'm going to do
178
492000
2000
Показаћу вам убрзани
08:29
is give you an accelerated view of 30 minutes,
179
494000
3000
снимак од тридесет минута,
08:32
again, of just life in the living room.
180
497000
2000
опет само живота из дневне собе.
08:34
That's me and my son on the floor.
181
499000
3000
То смо мој син и ја на поду.
08:37
And there's video analytics
182
502000
2000
Видео анализа
08:39
that are tracking our movements.
183
504000
2000
прати наше кретање.
08:41
My son is leaving red ink. I am leaving green ink.
184
506000
3000
Мој син оставља црвени траг, ја остављам зелени.
08:44
We're now on the couch,
185
509000
2000
Сад смо на каучу,
08:46
looking out through the window at cars passing by.
186
511000
3000
гледамо кроз прозор како пролазе кола.
08:49
And finally, my son playing in a walking toy by himself.
187
514000
3000
И коначно, мој син који се сам игра у шеталици.
08:52
Now we freeze the action, 30 minutes,
188
517000
3000
Сада зауставимо акцију, тих 30 минута,
08:55
we turn time into the vertical axis,
189
520000
2000
ставимо време на вертикалну осу
08:57
and we open up for a view
190
522000
2000
и отворимо поглед на
08:59
of these interaction traces we've just left behind.
191
524000
3000
те трагове које смо управо остављали за собом.
09:02
And we see these amazing structures --
192
527000
3000
Видимо ове невероватне структуре -
09:05
these little knots of two colors of thread
193
530000
3000
ове мале чворове од нити у две боје
09:08
we call "social hot spots."
194
533000
2000
које зовемо социјалним жариштима.
09:10
The spiral thread
195
535000
2000
Ту спиралну нит
09:12
we call a "solo hot spot."
196
537000
2000
називамо соло жариште.
09:14
And we think that these affect the way language is learned.
197
539000
3000
Мислимо да она утичу на начин на који се језик учи.
09:17
What we'd like to do
198
542000
2000
Ми бисмо волели
09:19
is start understanding
199
544000
2000
да почнемо да разумемо
09:21
the interaction between these patterns
200
546000
2000
интеракцију између ових образаца
09:23
and the language that my son is exposed to
201
548000
2000
и језика ком је мој син изложен
09:25
to see if we can predict
202
550000
2000
да видимо да ли можемо предвидети
09:27
how the structure of when words are heard
203
552000
2000
како структура тренутка слушања речи
09:29
affects when they're learned --
204
554000
2000
утиче на време њиховог настајања -
09:31
so in other words, the relationship
205
556000
2000
другим речима, везу између
09:33
between words and what they're about in the world.
206
558000
4000
речи и њиховог значења у свету.
09:37
So here's how we're approaching this.
207
562000
2000
Ево како томе приступамо.
09:39
In this video,
208
564000
2000
У овом снимку
09:41
again, my son is being traced out.
209
566000
2000
опет пратимо мог сина.
09:43
He's leaving red ink behind.
210
568000
2000
Оставља за собом црвени траг.
09:45
And there's our nanny by the door.
211
570000
2000
Наша дадиља је поред врата.
09:47
(Video) Nanny: You want water? (Baby: Aaaa.)
212
572000
3000
(Видео) Дадиља: Хоћеш воде? (Беба: Аааа.)
09:50
Nanny: All right. (Baby: Aaaa.)
213
575000
3000
Дадиља: У реду. (Беба: Аааа.)
09:53
DR: She offers water,
214
578000
2000
ДР: Она нуди воду,
09:55
and off go the two worms
215
580000
2000
и два црва одоше
09:57
over to the kitchen to get water.
216
582000
2000
до кухиње по воду.
09:59
And what we've done is use the word "water"
217
584000
2000
Искористили смо реч "вода"
10:01
to tag that moment, that bit of activity.
218
586000
2000
да обележимо тај тренутак, ту активност.
10:03
And now we take the power of data
219
588000
2000
Сад ћемо искористити моћ података
10:05
and take every time my son
220
590000
3000
и узети сваки тренутак кад је мој
10:08
ever heard the word water
221
593000
2000
син чуо реч вода
10:10
and the context he saw it in,
222
595000
2000
и контекст у којем ју је видео,
10:12
and we use it to penetrate through the video
223
597000
3000
и тиме ћемо се пробити у видео
10:15
and find every activity trace
224
600000
3000
и пронаћи траг сваке активности
10:18
that co-occurred with an instance of water.
225
603000
3000
која се десила заједно са водом.
10:21
And what this data leaves in its wake
226
606000
2000
Ови подаци за собом
10:23
is a landscape.
227
608000
2000
остављају пејзаж.
10:25
We call these wordscapes.
228
610000
2000
Ово називамо пејзаж од речи.
10:27
This is the wordscape for the word water,
229
612000
2000
Ово је пејзаж за реч "вода"
10:29
and you can see most of the action is in the kitchen.
230
614000
2000
и као што видите, већина активности је у кухињи.
10:31
That's where those big peaks are over to the left.
231
616000
3000
Ту су ови високи шиљци са леве стране.
10:34
And just for contrast, we can do this with any word.
232
619000
3000
Ради поређења, ово можемо да урадимо с било којом речју.
10:37
We can take the word "bye"
233
622000
2000
Можемо узети реч "здраво"
10:39
as in "good bye."
234
624000
2000
у значењу "довиђења".
10:41
And we're now zoomed in over the entrance to the house.
235
626000
2000
Сада се приближавамо улазу у кућу.
10:43
And we look, and we find, as you would expect,
236
628000
3000
Видимо, као што бисте очекивали,
10:46
a contrast in the landscape
237
631000
2000
контраст у пејзажу, јер
10:48
where the word "bye" occurs much more in a structured way.
238
633000
3000
се реч "здраво" појављује на правилнији начин.
10:51
So we're using these structures
239
636000
2000
Дакле користимо ове структуре
10:53
to start predicting
240
638000
2000
да почнемо предвиђати
10:55
the order of language acquisition,
241
640000
3000
редослед усвајања језика,
10:58
and that's ongoing work now.
242
643000
2000
а то је пројекат у току.
11:00
In my lab, which we're peering into now, at MIT --
243
645000
3000
У мојој лабораторији, у коју сад виримо, на МИТ-у -
11:03
this is at the media lab.
244
648000
2000
ово је медијска лабораторија.
11:05
This has become my favorite way
245
650000
2000
Ово ми је постао омиљени начин
11:07
of videographing just about any space.
246
652000
2000
видео приказа скоро сваког простора.
11:09
Three of the key people in this project,
247
654000
2000
На слици је троје кључних људи у овом
11:11
Philip DeCamp, Rony Kubat and Brandon Roy are pictured here.
248
656000
3000
пројекту, Филип ДеКамп, Рони Кубат и Брендон Рој.
11:14
Philip has been a close collaborator
249
659000
2000
Филип је блиски сарадник на свим
11:16
on all the visualizations you're seeing.
250
661000
2000
визуализацијама које гледате.
11:18
And Michael Fleischman
251
663000
3000
А Мајкл Флајшман
11:21
was another Ph.D. student in my lab
252
666000
2000
је још један докторант у мојој лабораторији
11:23
who worked with me on this home video analysis,
253
668000
3000
који је са мном радио на анализи ових снимака
11:26
and he made the following observation:
254
671000
3000
и он је приметио следеће:
11:29
that "just the way that we're analyzing
255
674000
2000
"на исти начин на који анализирамо
11:31
how language connects to events
256
676000
3000
како се језик везује за догађаје
11:34
which provide common ground for language,
257
679000
2000
који су заједнички чинилац језика,
11:36
that same idea we can take out of your home, Deb,
258
681000
4000
Деб, та идеја може да се изнесе из твоје куће
11:40
and we can apply it to the world of public media."
259
685000
3000
и можемо је применити на свет јавних медија."
11:43
And so our effort took an unexpected turn.
260
688000
3000
Тако је наш рад кренуо у неочекиваном правцу.
11:46
Think of mass media
261
691000
2000
Помислите да масовни медији
11:48
as providing common ground
262
693000
2000
обезбеђују заједничко тле
11:50
and you have the recipe
263
695000
2000
и имате рецепт
11:52
for taking this idea to a whole new place.
264
697000
3000
да ову идеју одведете на потпуно друго место.
11:55
We've started analyzing television content
265
700000
3000
Почели смо да анализирамо садржај телевизије
11:58
using the same principles --
266
703000
2000
користећи исте принципе -
12:00
analyzing event structure of a TV signal --
267
705000
3000
анализирамо структуру догађаја ТВ сигнала -
12:03
episodes of shows,
268
708000
2000
епизоде серија,
12:05
commercials,
269
710000
2000
рекламе,
12:07
all of the components that make up the event structure.
270
712000
3000
све компоненте које чине структуру догађаја.
12:10
And we're now, with satellite dishes, pulling and analyzing
271
715000
3000
И сада, са сателитским антенама, снимамо и анализирамо
12:13
a good part of all the TV being watched in the United States.
272
718000
3000
добар део програма који се гледа у Сједињеним Државама.
12:16
And you don't have to now go and instrument living rooms with microphones
273
721000
3000
Сада не морате постављати микрофоне у дневне собе
12:19
to get people's conversations,
274
724000
2000
да бисте снимили разговоре људи,
12:21
you just tune into publicly available social media feeds.
275
726000
3000
само се укључите у јавно доступне токове социјалних медија.
12:24
So we're pulling in
276
729000
2000
Ми снимамо око
12:26
about three billion comments a month,
277
731000
2000
три милијарде коментара месечно.
12:28
and then the magic happens.
278
733000
2000
И онда се дешава магија.
12:30
You have the event structure,
279
735000
2000
Имате структуру догађаја,
12:32
the common ground that the words are about,
280
737000
2000
заједничку тему на коју се речи односе,
12:34
coming out of the television feeds;
281
739000
3000
која стиже из телевизијских токова;
12:37
you've got the conversations
282
742000
2000
имате разговоре
12:39
that are about those topics;
283
744000
2000
који се воде на те теме;
12:41
and through semantic analysis --
284
746000
3000
и семантичком анализом -
12:44
and this is actually real data you're looking at
285
749000
2000
гледате у праве податке
12:46
from our data processing --
286
751000
2000
из наше анализе -
12:48
each yellow line is showing a link being made
287
753000
3000
свака жута линија показује везу
12:51
between a comment in the wild
288
756000
3000
између коментара у етру и
12:54
and a piece of event structure coming out of the television signal.
289
759000
3000
дела структуре догађаја који долази из ТВ сигнала.
12:57
And the same idea now
290
762000
2000
Иста идеја
12:59
can be built up.
291
764000
2000
може и да се надограђује.
13:01
And we get this wordscape,
292
766000
2000
И добијамо овај пејзаж речи,
13:03
except now words are not assembled in my living room.
293
768000
3000
само што речи сада нису настале у мојој дневној соби.
13:06
Instead, the context, the common ground activities,
294
771000
4000
Уместо тога, контекст, оно што је заједничко
13:10
are the content on television that's driving the conversations.
295
775000
3000
и што покреће разговоре, је садржај на телевизији.
13:13
And what we're seeing here, these skyscrapers now,
296
778000
3000
Ови небодери које сада видимо овде
13:16
are commentary
297
781000
2000
су коментари који су
13:18
that are linked to content on television.
298
783000
2000
повезани са садржајем на телевизији.
13:20
Same concept,
299
785000
2000
Исти концепт,
13:22
but looking at communication dynamics
300
787000
2000
али се динамика комуникације посматра
13:24
in a very different sphere.
301
789000
2000
из веома другачије перспективе.
13:26
And so fundamentally, rather than, for example,
302
791000
2000
Тако да, уместо да, на пример,
13:28
measuring content based on how many people are watching,
303
793000
3000
меримо садржај на основу тога колико људи гледа,
13:31
this gives us the basic data
304
796000
2000
ово нам даје основне податке
13:33
for looking at engagement properties of content.
305
798000
3000
о томе колико вас неки садржај ангажује.
13:36
And just like we can look at feedback cycles
306
801000
3000
И као што можемо да пратимо повратне циклусе
13:39
and dynamics in a family,
307
804000
3000
и динамику у једној породици,
13:42
we can now open up the same concepts
308
807000
3000
сад можемо отворити исте концепте
13:45
and look at much larger groups of people.
309
810000
3000
и посматрати много веће групе људи.
13:48
This is a subset of data from our database --
310
813000
3000
Ово је подгрупа података из наше базе -
13:51
just 50,000 out of several million --
311
816000
3000
само 50.000 од неколико милиона -
13:54
and the social graph that connects them
312
819000
2000
и социјална мрежа која их повезује
13:56
through publicly available sources.
313
821000
3000
преко јавно доступних извора.
13:59
And if you put them on one plain,
314
824000
2000
И ако их поставите на раван,
14:01
a second plain is where the content lives.
315
826000
3000
друга раван је место где садржај живи.
14:04
So we have the programs
316
829000
3000
Дакле имамо програме
14:07
and the sporting events
317
832000
2000
и спортске догађаје
14:09
and the commercials,
318
834000
2000
и рекламе,
14:11
and all of the link structures that tie them together
319
836000
2000
и све структуре веза које их повезују
14:13
make a content graph.
320
838000
2000
чине график садржаја.
14:15
And then the important third dimension.
321
840000
4000
И онда важна трећа димензија.
14:19
Each of the links that you're seeing rendered here
322
844000
2000
Сваки од обрађених линкова које овде видите
14:21
is an actual connection made
323
846000
2000
је стварна веза
14:23
between something someone said
324
848000
3000
између нечега што је неко рекао
14:26
and a piece of content.
325
851000
2000
и дела неког садржаја.
14:28
And there are, again, now tens of millions of these links
326
853000
3000
И ту опет постоје десетине милиона тих веза
14:31
that give us the connective tissue of social graphs
327
856000
3000
које нам дају везивно ткиво социјалних графика
14:34
and how they relate to content.
328
859000
3000
и њихове везе са садржајем.
14:37
And we can now start to probe the structure
329
862000
2000
Сад можемо да истражујемо структуру
14:39
in interesting ways.
330
864000
2000
на занимљиве начине.
14:41
So if we, for example, trace the path
331
866000
3000
Ако, на пример, пратимо путању
14:44
of one piece of content
332
869000
2000
једног дела садржаја
14:46
that drives someone to comment on it,
333
871000
2000
који наводи неког да га коментарише,
14:48
and then we follow where that comment goes,
334
873000
3000
а онда пратимо где тај коментар иде,
14:51
and then look at the entire social graph that becomes activated
335
876000
3000
а онда гледамо цео социјални график који се активира
14:54
and then trace back to see the relationship
336
879000
3000
а онда идемо назад да видимо везу
14:57
between that social graph and content,
337
882000
2000
између социјалног графика и садржаја,
14:59
a very interesting structure becomes visible.
338
884000
2000
открива се веома занимљива структура.
15:01
We call this a co-viewing clique,
339
886000
2000
Ово називамо кликом су-гледалаца,
15:03
a virtual living room if you will.
340
888000
3000
виртуелна дневна соба, ако желите.
15:06
And there are fascinating dynamics at play.
341
891000
2000
Ту се одиграва фасцинантна динамика.
15:08
It's not one way.
342
893000
2000
Није једносмерно.
15:10
A piece of content, an event, causes someone to talk.
343
895000
3000
Неки садржај, догађај, наводи некога да говори.
15:13
They talk to other people.
344
898000
2000
Они говоре са другим људима.
15:15
That drives tune-in behavior back into mass media,
345
900000
3000
То покреће понашање укључивања у масовне медије
15:18
and you have these cycles
346
903000
2000
и добијате циклусе
15:20
that drive the overall behavior.
347
905000
2000
који покрећу укупно понашање.
15:22
Another example -- very different --
348
907000
2000
Још један, веома различит, пример -
15:24
another actual person in our database --
349
909000
3000
још једна права особа из наше базе података -
15:27
and we're finding at least hundreds, if not thousands, of these.
350
912000
3000
а налазимо барем стотине ако не и хаљаде ових.
15:30
We've given this person a name.
351
915000
2000
Овој особи смо дали име.
15:32
This is a pro-amateur, or pro-am media critic
352
917000
3000
То је про-аматер, или про-ам, критичар медија
15:35
who has this high fan-out rate.
353
920000
3000
који има много обожавалаца.
15:38
So a lot of people are following this person -- very influential --
354
923000
3000
Много људи прати ову особу - веома је утицајна -
15:41
and they have a propensity to talk about what's on TV.
355
926000
2000
и склони су да коментаришу ТВ програм.
15:43
So this person is a key link
356
928000
3000
Ова је особа кључна веза
15:46
in connecting mass media and social media together.
357
931000
3000
између масовних медија и социјалних медија.
15:49
One last example from this data:
358
934000
3000
Последњи пример из ових података:
15:52
Sometimes it's actually a piece of content that is special.
359
937000
3000
Понекад је неки садржај посебан.
15:55
So if we go and look at this piece of content,
360
940000
4000
Ако се вратимо и погледамо овај садржај,
15:59
President Obama's State of the Union address
361
944000
3000
годишњи говор председника Обаме у Конгресу
16:02
from just a few weeks ago,
362
947000
2000
пре само неколико недеља,
16:04
and look at what we find in this same data set,
363
949000
3000
и видимо шта налазимо у истом скупу података,
16:07
at the same scale,
364
952000
3000
на истом нивоу, ангажованост
16:10
the engagement properties of this piece of content
365
955000
2000
око овог садржаја
16:12
are truly remarkable.
366
957000
2000
је заиста изузетна.
16:14
A nation exploding in conversation
367
959000
2000
Нација која експлодира у разговору,
16:16
in real time
368
961000
2000
у реалном времену,
16:18
in response to what's on the broadcast.
369
963000
3000
у одговору на оно што се емитује.
16:21
And of course, through all of these lines
370
966000
2000
И наравно, овим путевима
16:23
are flowing unstructured language.
371
968000
2000
тече неструктурисан језик.
16:25
We can X-ray
372
970000
2000
Можемо погледати рендгеном
16:27
and get a real-time pulse of a nation,
373
972000
2000
и добити пулс нације у реалном времену,
16:29
real-time sense
374
974000
2000
тренутни осећај за друштвене реакције
16:31
of the social reactions in the different circuits in the social graph
375
976000
3000
које неки садржај активира
16:34
being activated by content.
376
979000
3000
у различитим друштвеним склоповима.
16:37
So, to summarize, the idea is this:
377
982000
3000
Да сумирам, идеја је следећа:
16:40
As our world becomes increasingly instrumented
378
985000
3000
Како наш свет постаје све више средство,
16:43
and we have the capabilities
379
988000
2000
а ми имамо могућности
16:45
to collect and connect the dots
380
990000
2000
да прикупљамо и повезујемо тачке
16:47
between what people are saying
381
992000
2000
између оног што људи говоре
16:49
and the context they're saying it in,
382
994000
2000
и контекста у ком о томе говоре,
16:51
what's emerging is an ability
383
996000
2000
полако добијамо могућност
16:53
to see new social structures and dynamics
384
998000
3000
да видимо нове социјалне структуре и динамику
16:56
that have previously not been seen.
385
1001000
2000
које раније нисмо могли.
16:58
It's like building a microscope or telescope
386
1003000
2000
Као да правимо микроскоп или телескоп
17:00
and revealing new structures
387
1005000
2000
и откривамо нове структуре
17:02
about our own behavior around communication.
388
1007000
3000
о сопственом понашању у комуникацији.
17:05
And I think the implications here are profound,
389
1010000
3000
Мислим да су импликације тога дубоке,
17:08
whether it's for science,
390
1013000
2000
било у науци,
17:10
for commerce, for government,
391
1015000
2000
трговини, влади
17:12
or perhaps most of all,
392
1017000
2000
или можда најважније,
17:14
for us as individuals.
393
1019000
3000
за нас као појединце.
17:17
And so just to return to my son,
394
1022000
3000
И да се вратим на свог сина, када сам
17:20
when I was preparing this talk, he was looking over my shoulder,
395
1025000
3000
се припремао за ово предавање, он је био поред
17:23
and I showed him the clips I was going to show to you today,
396
1028000
2000
и показао сам му клипове које сте видели,
17:25
and I asked him for permission -- granted.
397
1030000
3000
тражио сам од њега дозволу - добио сам је.
17:28
And then I went on to reflect,
398
1033000
2000
А онда сам размишљао,
17:30
"Isn't it amazing,
399
1035000
3000
"Није ли то невероватно,
17:33
this entire database, all these recordings,
400
1038000
3000
читаву базу података, све снимке
17:36
I'm going to hand off to you and to your sister" --
401
1041000
2000
ћу предати теби и твојој сестри",
17:38
who arrived two years later --
402
1043000
3000
која је стигла две године касније.
17:41
"and you guys are going to be able to go back and re-experience moments
403
1046000
3000
"А ви ћете моћи да се вратите и поново доживите тренутке
17:44
that you could never, with your biological memory,
404
1049000
3000
које никада нисте могли да својим биолошким
17:47
possibly remember the way you can now?"
405
1052000
2000
памћењем запамтите, као што сада можете."
17:49
And he was quiet for a moment.
406
1054000
2000
А он је ћутао неко време.
17:51
And I thought, "What am I thinking?
407
1056000
2000
Помислио сам, "Шта ја умишљам?
17:53
He's five years old. He's not going to understand this."
408
1058000
2000
Он има пет година. Неће ово разумети."
17:55
And just as I was having that thought, he looked up at me and said,
409
1060000
3000
И баш док сам то помишљао, он ме је погледао и питао,
17:58
"So that when I grow up,
410
1063000
2000
"Значи кад ја порастем,
18:00
I can show this to my kids?"
411
1065000
2000
моћи ћу да покажем то својој деци?"
18:02
And I thought, "Wow, this is powerful stuff."
412
1067000
3000
И помислио сам, "Вау, ово је моћно."
18:05
So I want to leave you
413
1070000
2000
Желим да вас оставим
18:07
with one last memorable moment
414
1072000
2000
са још једним тренутком за памћење
18:09
from our family.
415
1074000
3000
из наше породице.
18:12
This is the first time our son
416
1077000
2000
Ово је први пут да је наш син
18:14
took more than two steps at once --
417
1079000
2000
прешао више од два корака одједном -
18:16
captured on film.
418
1081000
2000
забележено на филму.
18:18
And I really want you to focus on something
419
1083000
3000
Стварно желим да се фокусирате на нешто
18:21
as I take you through.
420
1086000
2000
док вас водим кроз то.
18:23
It's a cluttered environment; it's natural life.
421
1088000
2000
Околина је закрчена; то је природан живот.
18:25
My mother's in the kitchen, cooking,
422
1090000
2000
Моја мајка је у кухињи, кува,
18:27
and, of all places, in the hallway,
423
1092000
2000
и од свих места, ја у ходнику
18:29
I realize he's about to do it, about to take more than two steps.
424
1094000
3000
схватам да ће он то да уради, прећи ће више од два корака.
18:32
And so you hear me encouraging him,
425
1097000
2000
Чућете ме како га охрабрујем,
18:34
realizing what's happening,
426
1099000
2000
схватајући шта се дешава,
18:36
and then the magic happens.
427
1101000
2000
а потом се магија деси.
18:38
Listen very carefully.
428
1103000
2000
Врло пажљиво слушајте.
18:40
About three steps in,
429
1105000
2000
Негде на трећем кораку,
18:42
he realizes something magic is happening,
430
1107000
2000
он схвата да се нешто магично дешава.
18:44
and the most amazing feedback loop of all kicks in,
431
1109000
3000
И најневероватнија од свих повратних спрега проради,
18:47
and he takes a breath in,
432
1112000
2000
он удахне
18:49
and he whispers "wow"
433
1114000
2000
и онда шапне "вау",
18:51
and instinctively I echo back the same.
434
1116000
4000
а ја инстинктивно то поновим.
18:56
And so let's fly back in time
435
1121000
3000
Полетимо назад кроз време
18:59
to that memorable moment.
436
1124000
2000
до тог незаборавног тренутка.
19:05
(Video) DR: Hey.
437
1130000
2000
(Видео) ДР: Хеј.
19:07
Come here.
438
1132000
2000
Дођи.
19:09
Can you do it?
439
1134000
3000
Можеш ли?
19:13
Oh, boy.
440
1138000
2000
Опа.
19:15
Can you do it?
441
1140000
3000
Можеш ли?
19:18
Baby: Yeah.
442
1143000
2000
Беба: Да.
19:20
DR: Ma, he's walking.
443
1145000
3000
ДР: Мама, он хода.
19:24
(Laughter)
444
1149000
2000
(смех)
19:26
(Applause)
445
1151000
2000
(аплауз)
19:28
DR: Thank you.
446
1153000
2000
ДР: Хвала вам.
19:30
(Applause)
447
1155000
15000
(аплауз)
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