TED2011
Deb Roy: The birth of a word
Deb Roy: Sự ra đời của một từ
Filmed:
Readability: 4.2
2,809,941 views
Nghiên cứu sinh tại MIT, Deb Roy muốn hiểu con trai của mình học ngôn ngữ như thế nào -- nên anh ta cài đặt máy quay phim trong nhà để thu mọi khoảnh khắc (trừ vài tình huống) của con trai anh, và rồi phân tích 90.000 giờ phim để xem "gaaa" dần chuyển thành "water." Một cách kinh ngạc, dữ liệu nghiên cứu chúng ta học như thế nào.
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
Tưởng tượng nếu bạn có thể ghi lại cuộc đời bạn...
00:19
everything you said, everything you did,
1
4000
3000
mọi điều bạn nói, mọi thứ bạn làm,
00:22
available in a perfect memory store at your fingertips,
2
7000
3000
sẵn sàng có trong một ký ức hoàn hảo ngay trên tay bạn,
00:25
so you could go back
3
10000
2000
nên bạn có thể quay lại
00:27
and find memorable moments and relive them,
4
12000
3000
và tìm những khoảnh khắc đáng nhớ và hồi tưởng chúng,
00:30
or sift through traces of time
5
15000
3000
hay lướt qua vệt thời gian
00:33
and discover patterns in your own life
6
18000
2000
và khám phá các hình mẫu trong chính cuộc đời của bạn
00:35
that previously had gone undiscovered.
7
20000
3000
mà đã đi qua chưa được khám phá.
00:38
Well that's exactly the journey
8
23000
2000
Và đó chính là cuộc hành trình
00:40
that my family began
9
25000
2000
mà gia đình tôi đã bắt đầu
00:42
five and a half years ago.
10
27000
2000
5 năm rưỡi trước.
00:44
This is my wife and collaborator, Rupal.
11
29000
3000
Đây là vợ và là người cộng tác của tôi, Rupal.
00:47
And on this day, at this moment,
12
32000
2000
Và vào ngày này, vào thời điểm này,
00:49
we walked into the house with our first child,
13
34000
2000
chúng tôi đã bước vào nhà với đứa con đầu lòng của chúng tôi,
00:51
our beautiful baby boy.
14
36000
2000
bé trai tuyệt vời của chúng tôi.
00:53
And we walked into a house
15
38000
3000
Và chúng tôi đi vào nhà
00:56
with a very special home video recording system.
16
41000
4000
với một hệ thống ghi hình đặc biệt trong nhà.
01:07
(Video) Man: Okay.
17
52000
2000
(Phim) Người đàn ông: Được rồi.
01:10
Deb Roy: This moment
18
55000
1000
Deb Roy: Khoảnh khắc này
01:11
and thousands of other moments special for us
19
56000
3000
và hàng ngàn khoảnh khắc đặc biệt khác đối với chúng tôi,
01:14
were captured in our home
20
59000
2000
đã được thu tại nhà chúng tôi
01:16
because in every room in the house,
21
61000
2000
vì trong mỗi phòng trong nhà,
01:18
if you looked up, you'd see a camera and a microphone,
22
63000
3000
nếu bạn nhìn lên, bạn sẽ thấy một máy quay và một micro.
01:21
and if you looked down,
23
66000
2000
và nếu bạn nhìn xuống,
01:23
you'd get this bird's-eye view of the room.
24
68000
2000
bạn sẽ có một tầm nhìn bao quát của căn phòng.
01:25
Here's our living room,
25
70000
3000
Đây là phòng khách của chúng tôi,
01:28
the baby bedroom,
26
73000
3000
phòng ngủ em bé,
01:31
kitchen, dining room
27
76000
2000
nhà bếp, phòng ăn
01:33
and the rest of the house.
28
78000
2000
và phần còn lại của ngôi nhà.
01:35
And all of these fed into a disc array
29
80000
3000
Và tất cả được lưu trong một dãy đĩa
01:38
that was designed for a continuous capture.
30
83000
3000
được thiết kế cho việc thu liên tục.
01:41
So here we are flying through a day in our home
31
86000
3000
Viì ậy chúng ta đang lướt qua một ngày trong nhà chúng tôi
01:44
as we move from sunlit morning
32
89000
3000
khi mà chúng ta đi từ sáng sớm
01:47
through incandescent evening
33
92000
2000
cho tới chiều tà
01:49
and, finally, lights out for the day.
34
94000
3000
và cuối cùng, tắt đèn đi ngủ.
01:53
Over the course of three years,
35
98000
3000
Trong vòng 3 năm,
01:56
we recorded eight to 10 hours a day,
36
101000
2000
chúng tôi đã ghi 8 tới 10 tiếng mỗi ngày,
01:58
amassing roughly a quarter-million hours
37
103000
3000
tích lũy xấp xỉ 250.000 giờ
02:01
of multi-track audio and video.
38
106000
3000
hình và tiếng
02:04
So you're looking at a piece of what is by far
39
109000
2000
Vì vậy bạn đang xem một mẫu trong cái mà cho đến nay gọi là
02:06
the largest home video collection ever made.
40
111000
2000
bộ sưu tập phim gia đình lớn nhất từng được làm.
02:08
(Laughter)
41
113000
3000
(Tiếng cười)
02:11
And what this data represents
42
116000
2000
Và cái mà dữ liệu này thể hiện
02:13
for our family at a personal level,
43
118000
4000
cho gia đình chúng tôi ở mức độ cá nhân,
02:17
the impact has already been immense,
44
122000
2000
ảnh hương đã là rất lớn,
02:19
and we're still learning its value.
45
124000
3000
và chúng tôi vẫn tiếp tục học giá trị của nó.
02:22
Countless moments
46
127000
2000
Vô số thời điểm
02:24
of unsolicited natural moments, not posed moments,
47
129000
3000
tự nhiên, không giả tạo,
02:27
are captured there,
48
132000
2000
được thu lại,
02:29
and we're starting to learn how to discover them and find them.
49
134000
3000
và chúng tôi đang bắt đầu học làm cách nào để khám phá chúng và tìm chúng.
02:32
But there's also a scientific reason that drove this project,
50
137000
3000
Nhưng cũng có một lý do khoa học dẫn tới dự án này,
02:35
which was to use this natural longitudinal data
51
140000
4000
đó là để dùng dữ liệu tự nhiên theo chiều dọc này
02:39
to understand the process
52
144000
2000
để hiểu quá trình
02:41
of how a child learns language --
53
146000
2000
một đứa trẻ học ngôn ngữ như thế nào--
02:43
that child being my son.
54
148000
2000
đứa trẻ đó là con trai chúng tôi
02:45
And so with many privacy provisions put in place
55
150000
4000
Và vì với nhiều điều khoảng riêng tư
02:49
to protect everyone who was recorded in the data,
56
154000
3000
để bảo vệ mọi người đã được ghi lại trong dữ liệu,
02:52
we made elements of the data available
57
157000
3000
chúng tôi để những thành phần của dữ liệu
02:55
to my trusted research team at MIT
58
160000
3000
cho nhóm nghiên cứu tin cậy của tôi tại MIT
02:58
so we could start teasing apart patterns
59
163000
3000
vì vậy chúng tôi có thể bắt đầu gỡ ra những mẫu
03:01
in this massive data set,
60
166000
3000
trong bộ dữ liệu khổng lồ này,
03:04
trying to understand the influence of social environments
61
169000
3000
cố gắng hiểu sự ảnh hưởng của môi trường xã hội
03:07
on language acquisition.
62
172000
2000
đối với tiếp nhận ngôn ngữ.
03:09
So we're looking here
63
174000
2000
Vì vậy chúng ta xem ở đây
03:11
at one of the first things we started to do.
64
176000
2000
là vào một trong những thứ đầu tiên chúng tôi bắt đầu làm.
03:13
This is my wife and I cooking breakfast in the kitchen,
65
178000
4000
Đây là vợ tôi và tôi đang nấu bữa sáng trong bếp.
03:17
and as we move through space and through time,
66
182000
3000
Và khi chúng tôi di chuyển qua không gian và thời gian,
03:20
a very everyday pattern of life in the kitchen.
67
185000
3000
một kiểu cuộc sống hoạt động trong nhà bếp mang tính thường nhật.
03:23
In order to convert
68
188000
2000
Để có thể chuyển đổi
03:25
this opaque, 90,000 hours of video
69
190000
3000
90.000 giờ phim không ý nghĩa này
03:28
into something that we could start to see,
70
193000
2000
sang một thứ gì đó mà chúng tôi có thể bắt đầu thấy,
03:30
we use motion analysis to pull out,
71
195000
2000
chúng tôi sử dụng chương trình phân tích chuyển động để thực hiện,
03:32
as we move through space and through time,
72
197000
2000
khi chúng ta di chuyển theo không gian và thời gian,
03:34
what we call space-time worms.
73
199000
3000
cái mà chúng tôi gọi là các con sâu không-thời gian.
03:37
And this has become part of our toolkit
74
202000
3000
Và nó trở thành một phần của bộ công cụ của chúng tôi
03:40
for being able to look and see
75
205000
3000
để có thể nhìn và thấy
03:43
where the activities are in the data,
76
208000
2000
địa điểm của các hoạt động trong dữ liệu,
03:45
and with it, trace the pattern of, in particular,
77
210000
3000
và với nó, tìm ra hình thức của, cụ thể là,
03:48
where my son moved throughout the home,
78
213000
2000
những nơi con trai chúng tôi di chuyển trong nhà.
03:50
so that we could focus our transcription efforts,
79
215000
3000
thì chúng tôi có thể tập trung các nỗ lực chuyển đổi
03:53
all of the speech environment around my son --
80
218000
3000
tất cả các môi trường nói quanh con trai chúng tôi --
03:56
all of the words that he heard from myself, my wife, our nanny,
81
221000
3000
tất cả các từ mà nó nghe từ tôi, vợ tôi, và người giữ trẻ của chúng tôi,
03:59
and over time, the words he began to produce.
82
224000
3000
và theo thời gian, các từ ngữ bắt đầu hình thành.
04:02
So with that technology and that data
83
227000
3000
Vì vậy với công nghệ đó và dữ liệu đó
04:05
and the ability to, with machine assistance,
84
230000
2000
và khả năng để, với sự giúp đỡ của máy móc,
04:07
transcribe speech,
85
232000
2000
chuyển âm,
04:09
we've now transcribed
86
234000
2000
chúng tôi hiện tại đã chuyển
04:11
well over seven million words of our home transcripts.
87
236000
3000
xấp xỉ hơn 7 triệu từ từ những chuyển âm trong nhà của chúng tôi.
04:14
And with that, let me take you now
88
239000
2000
Và với nó, để tôi giới thiệu với các bạn
04:16
for a first tour into the data.
89
241000
3000
đi một vòng đầu vào trong dữ liệu này.
04:19
So you've all, I'm sure,
90
244000
2000
Tôi chắc là hẳn các bạn,,
04:21
seen time-lapse videos
91
246000
2000
từng xem những đoạn phim tua nhanh
04:23
where a flower will blossom as you accelerate time.
92
248000
3000
một bông hoa nở khi mà bạn tăng thời gian chạy.
04:26
I'd like you to now experience
93
251000
2000
Tôi muốn các bạn trải nghiệm
04:28
the blossoming of a speech form.
94
253000
2000
sự nở hoa của thể nói.
04:30
My son, soon after his first birthday,
95
255000
2000
Con trai chúng tôi, sau lần sinh nhật đầu của nó,
04:32
would say "gaga" to mean water.
96
257000
3000
nói "gaga" để chỉ "water".
04:35
And over the course of the next half-year,
97
260000
3000
Và trong vòng nửa năm,
04:38
he slowly learned to approximate
98
263000
2000
nó dần học để phỏng theo
04:40
the proper adult form, "water."
99
265000
3000
thể hoàn chỉnh nhất, "water"
04:43
So we're going to cruise through half a year
100
268000
2000
Vì vậy chúng ta sẽ đi qua nửa năm
04:45
in about 40 seconds.
101
270000
2000
trong khoảng 40 giây.
04:47
No video here,
102
272000
2000
Không có phim ở đây,
04:49
so you can focus on the sound, the acoustics,
103
274000
3000
vì vậy bạn có thể tập trung vào âm thanh, chỉ âm thanh,
04:52
of a new kind of trajectory:
104
277000
2000
của một dạng mới của một con đường:
04:54
gaga to water.
105
279000
2000
"gaga" thành "water"
04:56
(Audio) Baby: Gagagagagaga
106
281000
12000
(Âm thanh) Em bé: 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
wada gaga gaga guga gaga
05:22
wader guga guga
110
307000
4000
wader guga guga
05:26
water water water
111
311000
3000
water water water
05:29
water water water
112
314000
6000
water water water
05:35
water water
113
320000
4000
water water
05:39
water.
114
324000
2000
water.
05:41
DR: He sure nailed it, didn't he.
115
326000
2000
DR: Nó làm được rồi, phải không.
05:43
(Applause)
116
328000
7000
(Vỗ tay)
05:50
So he didn't just learn water.
117
335000
2000
Và nó không chỉ học từ "water".
05:52
Over the course of the 24 months,
118
337000
2000
Sau khoảng thời gian 24 tháng,
05:54
the first two years that we really focused on,
119
339000
3000
2 năm đầu mà chúng tôi thực sự tập trung vào,
05:57
this is a map of every word he learned in chronological order.
120
342000
4000
đây là một bản đồ về mọi từ mà đứa trẻ học được theo thứ tự thời gian.
06:01
And because we have full transcripts,
121
346000
3000
Và bởi vì chúng tôi có một bản ghi chép đầy đủ,
06:04
we've identified each of the 503 words
122
349000
2000
chúng tôi đã xác định được từng từ trong 503 từ
06:06
that he learned to produce by his second birthday.
123
351000
2000
mà đứa trẻ học được vào lần sinh nhật thứ hai của nó.
06:08
He was an early talker.
124
353000
2000
Nó là một đứa trẻ biết nói sớm.
06:10
And so we started to analyze why.
125
355000
3000
Và vì vậy chúng tôi bắt đầu phân tích tại sao.
06:13
Why were certain words born before others?
126
358000
3000
Tại sao một vài từ học được trước những từ khác?
06:16
This is one of the first results
127
361000
2000
Đây là một trong những kết quả trước hết
06:18
that came out of our study a little over a year ago
128
363000
2000
hoàn thành trong nghiên cứu của chúng tôi khoảng hơn 1 năm
06:20
that really surprised us.
129
365000
2000
làm chúng tôi sửng sốt.
06:22
The way to interpret this apparently simple graph
130
367000
3000
Cách để phiên dịch biểu đồ tương đối đơn giản này
06:25
is, on the vertical is an indication
131
370000
2000
là dựa vào chiều cao
06:27
of how complex caregiver utterances are
132
372000
3000
chỉ thị độ phức tạp của lời nói của người chăm sóc bé
06:30
based on the length of utterances.
133
375000
2000
dựa trên chiều dài của lời nói.
06:32
And the [horizontal] axis is time.
134
377000
3000
Và cột dọc là số lần.
06:35
And all of the data,
135
380000
2000
Và tất cả dữ liệu,
06:37
we aligned based on the following idea:
136
382000
3000
chúng tôi sắp xếp dựa trên ý tưởng sau:
06:40
Every time my son would learn a word,
137
385000
3000
Mỗi lần đứa trẻ học một từ,
06:43
we would trace back and look at all of the language he heard
138
388000
3000
chúng tôi sẽ quay lại và nhìn vào tất cả từ mà nó đã nghe
06:46
that contained that word.
139
391000
2000
có chứa từ đó.
06:48
And we would plot the relative length of the utterances.
140
393000
4000
Và chúng tôi ghi nhận độ dài của câu nói.
06:52
And what we found was this curious phenomena,
141
397000
3000
Và cái mà chúng tôi tìm ra hiện tượng gây tò mò này,
06:55
that caregiver speech would systematically dip to a minimum,
142
400000
3000
rằng lời nói của người chăm sóc được giảm xuống một cách có hệ thống đến mức tối thiểu,
06:58
making language as simple as possible,
143
403000
3000
làm cho ngôn ngữ đơn giản hết mức có thể,
07:01
and then slowly ascend back up in complexity.
144
406000
3000
và rồi dần nâng lên phức tạp.
07:04
And the amazing thing was
145
409000
2000
Và điều kỳ diệu là
07:06
that bounce, that dip,
146
411000
2000
sự lên xuống đó
07:08
lined up almost precisely
147
413000
2000
xếp ngay ngắn một cách gần như chính xác
07:10
with when each word was born --
148
415000
2000
với khi mỗi từ được sinh ra --
07:12
word after word, systematically.
149
417000
2000
từ này tới từ khác một cách có hệ thống.
07:14
So it appears that all three primary caregivers --
150
419000
2000
Vì vậy có vẻ như là tất cả 3 người chăm sóc chính--
07:16
myself, my wife and our nanny --
151
421000
3000
tôi, vợ tôi và người giữ trẻ --
07:19
were systematically and, I would think, subconsciously
152
424000
3000
tôi nghĩ rằng, chúng tôi đang định hình lại ngôn ngữ của mình
07:22
restructuring our language
153
427000
2000
một cách có hệ thống và ít ý thức
07:24
to meet him at the birth of a word
154
429000
3000
để giúp đứa trẻ học được một từ
07:27
and bring him gently into more complex language.
155
432000
4000
và nhẹ nhàng giúp nó học những từ phức tạp hơn.
07:31
And the implications of this -- there are many,
156
436000
2000
Và sự ngụ ý của điều này -- có nhiều,
07:33
but one I just want to point out,
157
438000
2000
nhưng cái mà tôi muốn chỉ ra,
07:35
is that there must be amazing feedback loops.
158
440000
3000
là phải có những vòng phản hồi tuyệt vời.
07:38
Of course, my son is learning
159
443000
2000
Tất nhiên, con trai tôi đang học
07:40
from his linguistic environment,
160
445000
2000
từ môi trường ngôn ngữ của nó,
07:42
but the environment is learning from him.
161
447000
3000
nhưng môi trường đang học từ nó.
07:45
That environment, people, are in these tight feedback loops
162
450000
3000
Môi trường đó, tức là mọi người, ở trong một vòng phản hồi khép kín
07:48
and creating a kind of scaffolding
163
453000
2000
và tạo ra một dạng của cấu trúc
07:50
that has not been noticed until now.
164
455000
3000
cho đến bây giờ vẫn chưa được chú ý
07:54
But that's looking at the speech context.
165
459000
2000
Nhưng đó là xét từ khía cạnh ngữ cảnh nói.
07:56
What about the visual context?
166
461000
2000
Vậy còn ngữ cảnh nhìn như thế nào?
07:58
We're not looking at --
167
463000
2000
Chúng ta không đang xem --
08:00
think of this as a dollhouse cutaway of our house.
168
465000
2000
Xem đây là một mặt cắt của nhà chúng tôi.
08:02
We've taken those circular fish-eye lens cameras,
169
467000
3000
Chúng tôi lấy những dữ liệu từ máy quay,
08:05
and we've done some optical correction,
170
470000
2000
và làm vài phép chỉnh quang học,
08:07
and then we can bring it into three-dimensional life.
171
472000
4000
và rồi chúng tôi có thể làm thành mô hình 3 chiều.
08:11
So welcome to my home.
172
476000
2000
Và chào mừng đến ngôi nhà của chúng tôi.
08:13
This is a moment,
173
478000
2000
Đây là một khoảnh khắc,
08:15
one moment captured across multiple cameras.
174
480000
3000
một khoảnh khắc được ghi lại bằng nhiều phía máy quay.
08:18
The reason we did this is to create the ultimate memory machine,
175
483000
3000
Mục đích chúng tôi làm vậy là để tạo một cỗ máy kí ức,
08:21
where you can go back and interactively fly around
176
486000
3000
nơi mọi người có thể quay lại và bay vòng quanh bằng cách tương tác
08:24
and then breathe video-life into this system.
177
489000
3000
và rồi thổi cuộc sống trong đoạn phim vào hệ thống này.
08:27
What I'm going to do
178
492000
2000
Cái mà tôi sắp làm
08:29
is give you an accelerated view of 30 minutes,
179
494000
3000
là chiếu cho các bạn một đoạn phim tua nhanh có độ dài 30 phút,
08:32
again, of just life in the living room.
180
497000
2000
một lần nữa, về cuộc sống trong phòng khách.
08:34
That's me and my son on the floor.
181
499000
3000
Trên sàn nhà là tôi và con trai tôi
08:37
And there's video analytics
182
502000
2000
Và có phần mềm phân tích phim
08:39
that are tracking our movements.
183
504000
2000
theo vết cử động của chúng tôi.
08:41
My son is leaving red ink. I am leaving green ink.
184
506000
3000
Con trai tôi là vệt màu đỏ, tôi là vệt màu xanh.
08:44
We're now on the couch,
185
509000
2000
Chúng tôi đang ở trên ghế,
08:46
looking out through the window at cars passing by.
186
511000
3000
nhìn ra ngoài cửa sổ xem xe chạy.
08:49
And finally, my son playing in a walking toy by himself.
187
514000
3000
Và cuối cùng, con trai tôi chơi trong chiếc xe tập đi một mình.
08:52
Now we freeze the action, 30 minutes,
188
517000
3000
Bây giờ chúng dừng lại, 30 phút phim,
08:55
we turn time into the vertical axis,
189
520000
2000
chúng ta chuyển thời gian thành trục thẳng đứng,
08:57
and we open up for a view
190
522000
2000
và chúng ta mở một tầm nhìn
08:59
of these interaction traces we've just left behind.
191
524000
3000
của những vệt tương tác mà chúng tôi để lại.
09:02
And we see these amazing structures --
192
527000
3000
Và chúng ta thấy những cấu trúc tuyệt vời này --
09:05
these little knots of two colors of thread
193
530000
3000
những nút nhỏ của hai dải màu này
09:08
we call "social hot spots."
194
533000
2000
chúng tôi gọi chúng là những điểm nóng.
09:10
The spiral thread
195
535000
2000
Dải xoắn
09:12
we call a "solo hot spot."
196
537000
2000
chúng tôi gọi là điểm nóng đơn.
09:14
And we think that these affect the way language is learned.
197
539000
3000
Và chúng tôi nghĩ rằng chúng ảnh hưởng tới cách mà ngôn ngữ được học.
09:17
What we'd like to do
198
542000
2000
Cái mà chúng tôi muốn làm
09:19
is start understanding
199
544000
2000
là bước đầu hiểu được
09:21
the interaction between these patterns
200
546000
2000
sự tương tắc giữa những hình mẫu
09:23
and the language that my son is exposed to
201
548000
2000
và ngôn ngữ mà con trai tôi tiếp xúc
09:25
to see if we can predict
202
550000
2000
để xem nếu chúng ta có thể đoán
09:27
how the structure of when words are heard
203
552000
2000
cái cấu trúc khi từ ngữ được nghe nhận
09:29
affects when they're learned --
204
554000
2000
ảnh hưởng tới khi mà chúng được học như thế nào --
09:31
so in other words, the relationship
205
556000
2000
nói cách khác, mối quan hệ
09:33
between words and what they're about in the world.
206
558000
4000
giữa các từ và nghĩa của chúng.
09:37
So here's how we're approaching this.
207
562000
2000
Vì vậy đây là cách mà chúng tôi tiếp cận.
09:39
In this video,
208
564000
2000
Trong đoạn phim này.
09:41
again, my son is being traced out.
209
566000
2000
Một lần nữa, con trai tôi được đánh dấu.
09:43
He's leaving red ink behind.
210
568000
2000
Nó là vạch màu đỏ phía sau
09:45
And there's our nanny by the door.
211
570000
2000
Và đây là người giữ trẻ của chúng tôi ở cửa.
09:47
(Video) Nanny: You want water? (Baby: Aaaa.)
212
572000
3000
(Phim) Người giữ trẻ: Con muốn uống nước hả? (Em bé: Aaaa )
09:50
Nanny: All right. (Baby: Aaaa.)
213
575000
3000
Người giữ trẻ: Được rồi (Em bé: Aaaa )
09:53
DR: She offers water,
214
578000
2000
DR: Cô ta cho uống nước,
09:55
and off go the two worms
215
580000
2000
và để lại 2 vạch
09:57
over to the kitchen to get water.
216
582000
2000
tới nhà bếp để lấy nước.
09:59
And what we've done is use the word "water"
217
584000
2000
Và cái mà chúng tôi làm là sử dụng từ "nước"
10:01
to tag that moment, that bit of activity.
218
586000
2000
để đánh dấu khoảnh khắc, một phần hành động đó.
10:03
And now we take the power of data
219
588000
2000
Bây giờ chúng tôi sử dụng lượng lớn dữ liệu
10:05
and take every time my son
220
590000
3000
và ghi nhận mọi thời điểm con trai chúng tôi
10:08
ever heard the word water
221
593000
2000
nghe từ "nước"
10:10
and the context he saw it in,
222
595000
2000
và ngữ cảnh mà nó thấy xuất hiện từ "nước",
10:12
and we use it to penetrate through the video
223
597000
3000
chúng tôi sửa dụng nó xuyên qua đoạn phim
10:15
and find every activity trace
224
600000
3000
và tìm mọi hoạt động
10:18
that co-occurred with an instance of water.
225
603000
3000
mà có liên quan tới nước.
10:21
And what this data leaves in its wake
226
606000
2000
Và cái mà dữ liệu để lại
10:23
is a landscape.
227
608000
2000
là một bức tranh.
10:25
We call these wordscapes.
228
610000
2000
Chúng tôi gọi chúng là bức tranh từ vựng.
10:27
This is the wordscape for the word water,
229
612000
2000
Đây là một bức tranh về từ "nước",
10:29
and you can see most of the action is in the kitchen.
230
614000
2000
và các bạn có thể thấy hầu hết mọi hoạt động là trong nhà bếp.
10:31
That's where those big peaks are over to the left.
231
616000
3000
Đó là nơi có mấy cái đỉnh đó ở phía bên trái.
10:34
And just for contrast, we can do this with any word.
232
619000
3000
Về độ tương phản, chúng tôi có thể dịch âm thanh này với bất kỳ từ nào.
10:37
We can take the word "bye"
233
622000
2000
Chúng ta có thể chọn từ "bye"
10:39
as in "good bye."
234
624000
2000
trong từ "good bye."
10:41
And we're now zoomed in over the entrance to the house.
235
626000
2000
Và chúng ta có thể xem rõ ở cửa ra vào của ngôi nhà.
10:43
And we look, and we find, as you would expect,
236
628000
3000
Và chúng tôi xem, và tìm ra, như các bạn có thể đoán được
10:46
a contrast in the landscape
237
631000
2000
là một sự tương phản trong bức tranh
10:48
where the word "bye" occurs much more in a structured way.
238
633000
3000
nơi mà từ "bye" xuất hiện nhiều hơn một cách có cấu trúc.
10:51
So we're using these structures
239
636000
2000
Vì vậy chúng tôi sử dụng những cấu trúc này
10:53
to start predicting
240
638000
2000
để bắt đầu suy đoán
10:55
the order of language acquisition,
241
640000
3000
thứ tự của việc tiếp nhận ngôn ngữ.
10:58
and that's ongoing work now.
242
643000
2000
và đó là công việc chúng tôi đang làm bây giờ.
11:00
In my lab, which we're peering into now, at MIT --
243
645000
3000
Trong phòng lab của tôi, nơi mà chúng tôi đang làm việc, tại MIT --
11:03
this is at the media lab.
244
648000
2000
đây là ở phòng lab kĩ thuật.
11:05
This has become my favorite way
245
650000
2000
Nơi đây trở thành nơi yêu thích của tôi
11:07
of videographing just about any space.
246
652000
2000
ghi hình về bất cứ không gian nào.
11:09
Three of the key people in this project,
247
654000
2000
Ba trong số những người làm chính trong dự án này,
11:11
Philip DeCamp, Rony Kubat and Brandon Roy are pictured here.
248
656000
3000
Philip DeCamp, Rony Kubat và Brandon Roy ở trên hình:
11:14
Philip has been a close collaborator
249
659000
2000
Philip là một người cộng tác thân thuộc
11:16
on all the visualizations you're seeing.
250
661000
2000
trong tất cả các hình ảnh mà các bạn đang xem.
11:18
And Michael Fleischman
251
663000
3000
Và Michael Fleischman
11:21
was another Ph.D. student in my lab
252
666000
2000
là một nghiên cứu sinh tiến sĩ khác trong lab của tôi
11:23
who worked with me on this home video analysis,
253
668000
3000
người này mà làm việc phân tích phim ghi hình gia đình này với tôi
11:26
and he made the following observation:
254
671000
3000
và anh ta có được quan sát sau:
11:29
that "just the way that we're analyzing
255
674000
2000
rằng "chỉ có cách là chúng ta phân tích
11:31
how language connects to events
256
676000
3000
về việc ngôn ngữ liên kết với sự kiện như thế nào
11:34
which provide common ground for language,
257
679000
2000
để đưa ra nền tảng chung về ngôn ngữ,
11:36
that same idea we can take out of your home, Deb,
258
681000
4000
chúng ta có thể làm ý tưởng giống vậy với nhà của anh, Deb ạ,
11:40
and we can apply it to the world of public media."
259
685000
3000
và chúng ta có thể áp dụng nó vào phương tiện công cộng."
11:43
And so our effort took an unexpected turn.
260
688000
3000
Và vì vậy cố gắng của chúng tôi có một chuyển biến ngoài mong đợi.
11:46
Think of mass media
261
691000
2000
Suy nghĩ về truyền thông đại chúng
11:48
as providing common ground
262
693000
2000
là nơi cung cấp nền tảng hiểu biết chung
11:50
and you have the recipe
263
695000
2000
và các bạn có công thức
11:52
for taking this idea to a whole new place.
264
697000
3000
để mang ý tưởng này tới một nơi mới.
11:55
We've started analyzing television content
265
700000
3000
Chúng tôi đã bắt đầu phân tích nội dung TV
11:58
using the same principles --
266
703000
2000
sử dụng cũng những nguyên lý như vậy --
12:00
analyzing event structure of a TV signal --
267
705000
3000
phân tích cấu trúc sự kiện của một lần phát sóng TV --
12:03
episodes of shows,
268
708000
2000
các phần của các chương trình,
12:05
commercials,
269
710000
2000
quảng cáo,
12:07
all of the components that make up the event structure.
270
712000
3000
tất cả mọi thành phần làm nên một cấu trúc sự kiện.
12:10
And we're now, with satellite dishes, pulling and analyzing
271
715000
3000
Và chúng tôi hiện tại sử dụng đĩa vệ tinh, lấy và phân tích
12:13
a good part of all the TV being watched in the United States.
272
718000
3000
một mảng hay của tất cả chương trình TV được xem ở Mỹ.
12:16
And you don't have to now go and instrument living rooms with microphones
273
721000
3000
Và bây giờ bạn không phải đi và trang bị micro trong phòng khách
12:19
to get people's conversations,
274
724000
2000
để ghi lại các cuộc đối thoại của mọi người,
12:21
you just tune into publicly available social media feeds.
275
726000
3000
bạn chỉ cần chỉnh sang nguồn truyền thông sẵn sàng ở chế độ công khai.
12:24
So we're pulling in
276
729000
2000
Vì vậy chúng tôi lấy
12:26
about three billion comments a month,
277
731000
2000
khoảng 3 tỉ ý kiến một tháng.
12:28
and then the magic happens.
278
733000
2000
Và rồi điều kì diệu xuất hiện.
12:30
You have the event structure,
279
735000
2000
Bạn có được cấu trúc sự kiện,
12:32
the common ground that the words are about,
280
737000
2000
nền tảng ý nghĩa của các từ
12:34
coming out of the television feeds;
281
739000
3000
xuất hiện từ các chương trình TV;
12:37
you've got the conversations
282
742000
2000
bạn có các cuộc hội thoại
12:39
that are about those topics;
283
744000
2000
về những chủ đề đó:
12:41
and through semantic analysis --
284
746000
3000
và thông qua phân tích về ngữ nghĩa --
12:44
and this is actually real data you're looking at
285
749000
2000
đây thực sự là dữ liệu thực mà bạn đang tìm kiếm
12:46
from our data processing --
286
751000
2000
từ phân tích dữ liệu của chúng tôi --
12:48
each yellow line is showing a link being made
287
753000
3000
mỗi đường màu vàng cho thấy một liên kết hình thành
12:51
between a comment in the wild
288
756000
3000
giữa một ý kiện tự nhiên
12:54
and a piece of event structure coming out of the television signal.
289
759000
3000
và một mẫu cấu trúc sự kiện từ phát sóng TV.
12:57
And the same idea now
290
762000
2000
Giờ thì ý tưởng tương tự
12:59
can be built up.
291
764000
2000
cũng có thể được xây dựng.
13:01
And we get this wordscape,
292
766000
2000
Và chúng tôi có bảng từ này.
13:03
except now words are not assembled in my living room.
293
768000
3000
trừ những từ không lấy từ trong phòng khách của tôi.
13:06
Instead, the context, the common ground activities,
294
771000
4000
thay vì là ngữ cảnh, các hoạt động chung mới là
13:10
are the content on television that's driving the conversations.
295
775000
3000
là nội dung dẫn tới các cuộc nói chuyện trên TV.
13:13
And what we're seeing here, these skyscrapers now,
296
778000
3000
Và cái mà chúng tôi thấy ở đây, những tòa nhà chọc trời,
13:16
are commentary
297
781000
2000
là nội dung bình luận
13:18
that are linked to content on television.
298
783000
2000
liên quan tới chủ đề trên TV.
13:20
Same concept,
299
785000
2000
Cùng khái niệm,
13:22
but looking at communication dynamics
300
787000
2000
nhưng khi nhìn vào các động lực của việc giao tiếp
13:24
in a very different sphere.
301
789000
2000
trên một khía cạnh rất khác.
13:26
And so fundamentally, rather than, for example,
302
791000
2000
Động lực đó hình thành theo một cách thiết yếu cần thiết, chứ không hẳn là, như là
13:28
measuring content based on how many people are watching,
303
793000
3000
việc đo lường nội dung dựa trên số lượng người đang xem.
13:31
this gives us the basic data
304
796000
2000
điều này cho chúng tôi dữ liệu cơ bản
13:33
for looking at engagement properties of content.
305
798000
3000
để nhìn vào các tính chất tiềm năng của chủ đề.
13:36
And just like we can look at feedback cycles
306
801000
3000
Và chỉ như cách chúng ta nhìn vào các vòng phản hồi
13:39
and dynamics in a family,
307
804000
3000
và các hoạt động trong một gia đình,
13:42
we can now open up the same concepts
308
807000
3000
chúng ta bây giờ có thể tạo ra khái niệm giống vậy
13:45
and look at much larger groups of people.
309
810000
3000
và nhìn vào một nhóm người lớn hơn nhiều.
13:48
This is a subset of data from our database --
310
813000
3000
Đây là tập hợp con của dữ liệu trong cơ sở dữ liệu của chúng tôi ==
13:51
just 50,000 out of several million --
311
816000
3000
chỉ 50.000 trong hàng triệu dữ liệu--
13:54
and the social graph that connects them
312
819000
2000
và biểu đồ xã hội kết nối chúng
13:56
through publicly available sources.
313
821000
3000
thông qua các nguồn công cộng sẵn có.
13:59
And if you put them on one plain,
314
824000
2000
Và nếu bạn cho các dữ liệu vào một nơi,
14:01
a second plain is where the content lives.
315
826000
3000
một nơi thứ hai để chứa nội dung.
14:04
So we have the programs
316
829000
3000
Chúng ta có các chương trình
14:07
and the sporting events
317
832000
2000
và các sự kiện thể thao
14:09
and the commercials,
318
834000
2000
và các quảng cáo,
14:11
and all of the link structures that tie them together
319
836000
2000
và tất cả cấu trúc liên kết kết nối các dữ liệu đó với nhau
14:13
make a content graph.
320
838000
2000
tạo nên một biểu đồ nội dung.
14:15
And then the important third dimension.
321
840000
4000
Và sau đó là biểu đồ ba chiều quan trọng.
14:19
Each of the links that you're seeing rendered here
322
844000
2000
Mỗi một liên kết mà bạn đang xem được biểu diễn ở đây
14:21
is an actual connection made
323
846000
2000
là một liên kết thực sự được tạo ra
14:23
between something someone said
324
848000
3000
giữa điều mà một ai đó nói ra
14:26
and a piece of content.
325
851000
2000
và kà một phần nội dung.
14:28
And there are, again, now tens of millions of these links
326
853000
3000
Hiện tại có hàng triệu những liên kết này
14:31
that give us the connective tissue of social graphs
327
856000
3000
cho chúng ta mối liên kết của các biểu đồ xã hội
14:34
and how they relate to content.
328
859000
3000
và cách mà chúng liên hệ với nội dung.
14:37
And we can now start to probe the structure
329
862000
2000
Và chúng ta hiện tại có thể bắt đầu dò tìm cấu trúc
14:39
in interesting ways.
330
864000
2000
bằng những cách thú vị.
14:41
So if we, for example, trace the path
331
866000
3000
Và nếu chúng ta, như là dò con đường
14:44
of one piece of content
332
869000
2000
của một mẩu tin
14:46
that drives someone to comment on it,
333
871000
2000
dẫn dắt người nào đó bình luận về nó,
14:48
and then we follow where that comment goes,
334
873000
3000
và rồi chúng ta đi theo bình luận đó,
14:51
and then look at the entire social graph that becomes activated
335
876000
3000
và rồi nhìn vào toàn bộ biểu đồ xã hội được kích hoạt
14:54
and then trace back to see the relationship
336
879000
3000
và rồi theo ngược về để thấy mỗi liên hệ
14:57
between that social graph and content,
337
882000
2000
giữa biểu đồ xã hội và nội dung,
14:59
a very interesting structure becomes visible.
338
884000
2000
một cấu trúc rất thú vị hiện ra.
15:01
We call this a co-viewing clique,
339
886000
2000
Chúng tôi gọi đó là xem kép,
15:03
a virtual living room if you will.
340
888000
3000
nếu bạn muốn, thì sẽ là phòng khách ảo.
15:06
And there are fascinating dynamics at play.
341
891000
2000
Có những động cơ cuốn hút hoạt động diễn ra.
15:08
It's not one way.
342
893000
2000
Không phải là một chiều.
15:10
A piece of content, an event, causes someone to talk.
343
895000
3000
Một mẫu nội dung, một sự kiện, làm cho người nào đó nói.
15:13
They talk to other people.
344
898000
2000
Họ nói chuyện với những người khác.
15:15
That drives tune-in behavior back into mass media,
345
900000
3000
Điều này dẫn đến điều chỉnh hành trở ngược vi với đối tượng truyền thông,
15:18
and you have these cycles
346
903000
2000
và những vòng luân chuyển này
15:20
that drive the overall behavior.
347
905000
2000
điều khiển toàn bộ hành vi.
15:22
Another example -- very different --
348
907000
2000
Một ví dụ khác -- rất khác biệt --
15:24
another actual person in our database --
349
909000
3000
một người thật khác trong cơ sở dữ liệu của chúng tôi --
15:27
and we're finding at least hundreds, if not thousands, of these.
350
912000
3000
và chúng tôi tìm thấy ít nhất hàng trăm, thay vì lài hàng ngàn, những người như vậy.
15:30
We've given this person a name.
351
915000
2000
Chúng tôi gọi người đó bằng một tên.
15:32
This is a pro-amateur, or pro-am media critic
352
917000
3000
Đây là một nhà phê bình truyền hình bán chuyên nghiệp
15:35
who has this high fan-out rate.
353
920000
3000
có tỉ lệ người hâm mộ cao.
15:38
So a lot of people are following this person -- very influential --
354
923000
3000
Vì vậy nhiều người đang nghe theo người này -- chịu ảnh hưởng rất nhiều --
15:41
and they have a propensity to talk about what's on TV.
355
926000
2000
và họ có khuynh hướng nói về những thứ chiếu trên TV.
15:43
So this person is a key link
356
928000
3000
Vì vậy người này là một liên kết quan trọng
15:46
in connecting mass media and social media together.
357
931000
3000
trong việc kết nối phương tiện truyền thông và phương tiện xã hội với nhau.
15:49
One last example from this data:
358
934000
3000
Một ví dụ cuối cùng từ dữ liệu này:
15:52
Sometimes it's actually a piece of content that is special.
359
937000
3000
Đôi khi nó thực sự là một mẩu tin đặc biệt.
15:55
So if we go and look at this piece of content,
360
940000
4000
Vì vậy nếu chúng ta nhìn vào mẩu tin,
15:59
President Obama's State of the Union address
361
944000
3000
Nhà nước liên minh của Tổng thống Obama phát biểu
16:02
from just a few weeks ago,
362
947000
2000
từ vài tuần trước,
16:04
and look at what we find in this same data set,
363
949000
3000
và nhìn vào cái mà chúng ta thấy trong tập dữ liệu tương tự này,
16:07
at the same scale,
364
952000
3000
ở một mức độ tương tự,
16:10
the engagement properties of this piece of content
365
955000
2000
các tính chất hấp dẫn của mẩu tin này
16:12
are truly remarkable.
366
957000
2000
là thực sự đáng chú ý.
16:14
A nation exploding in conversation
367
959000
2000
Một cuộc hội thoại bùng nổ trên cả nước
16:16
in real time
368
961000
2000
trên thực tế
16:18
in response to what's on the broadcast.
369
963000
3000
là sự phản hồi lại những điều được phát sóng.
16:21
And of course, through all of these lines
370
966000
2000
Và tất nhiên, thông tất cả các đường thẳng này
16:23
are flowing unstructured language.
371
968000
2000
là dòng chảy ngôn ngữ không cấu trúc.
16:25
We can X-ray
372
970000
2000
Chúng ta có thể chụp X-quang
16:27
and get a real-time pulse of a nation,
373
972000
2000
và có được một nhịp thời gian hiện thực của đất nước,
16:29
real-time sense
374
974000
2000
cái nhìn thời gian thực
16:31
of the social reactions in the different circuits in the social graph
375
976000
3000
về các phản ứng xã hội về những mạch dẫn khác nhau trong một biểu đồ xã hội
16:34
being activated by content.
376
979000
3000
được nội dung kích hoạt.
16:37
So, to summarize, the idea is this:
377
982000
3000
Vì vậy, để tóm tắt lại, ý tưởng ở đây là:
16:40
As our world becomes increasingly instrumented
378
985000
3000
Khi thế giới giới chúng ta được trang bị công cụ ngày càng nhiều
16:43
and we have the capabilities
379
988000
2000
và chúng ta có những khả năng
16:45
to collect and connect the dots
380
990000
2000
để thu thập và liên kết các chấm
16:47
between what people are saying
381
992000
2000
giữa những cái mà người ta nói
16:49
and the context they're saying it in,
382
994000
2000
và ngữ cảnh mà họ đang nói.
16:51
what's emerging is an ability
383
996000
2000
điều mà đem đến một khả năng
16:53
to see new social structures and dynamics
384
998000
3000
để thấy các cấu trúc xã hội mới và các động lực
16:56
that have previously not been seen.
385
1001000
2000
điều này trước đó chưa hề thấy được.
16:58
It's like building a microscope or telescope
386
1003000
2000
Nó giống như là xây một cái kính hiển vi hay một cái kính viễn vọng
17:00
and revealing new structures
387
1005000
2000
và khám phá ra các cấu trúc mới
17:02
about our own behavior around communication.
388
1007000
3000
về hành vì của chúng ta quanh việc giao tiếp
17:05
And I think the implications here are profound,
389
1010000
3000
Và tôi nghĩ ý nghĩa của việc này thực sâu sắc.
17:08
whether it's for science,
390
1013000
2000
dù nó là vì khoa học,
17:10
for commerce, for government,
391
1015000
2000
để quảng cáo, hay cho mục đích của chính phủ,
17:12
or perhaps most of all,
392
1017000
2000
hay có thể cho tất cả,
17:14
for us as individuals.
393
1019000
3000
cho cá nhân chúng ta
17:17
And so just to return to my son,
394
1022000
3000
và vì vậy quay lại với con trai của tôi,
17:20
when I was preparing this talk, he was looking over my shoulder,
395
1025000
3000
khi tôi đang chuẩn bị buổi nói chuyện này, nó đang nhìn qua vai của tôi,
17:23
and I showed him the clips I was going to show to you today,
396
1028000
2000
và tôi cho nó thấy những cái đoạn phim mà tôi cho các bạn xem hôm nay,
17:25
and I asked him for permission -- granted.
397
1030000
3000
và tôi hỏi sự đồng ý của nó -- và nó chấp nhận.
17:28
And then I went on to reflect,
398
1033000
2000
Và rồi tôi tự ngẫm,
17:30
"Isn't it amazing,
399
1035000
3000
"Điều đó không tuyệt sao,
17:33
this entire database, all these recordings,
400
1038000
3000
toàn bộ cơ sở dữ liệu này, tất cả những đoạn thu này,
17:36
I'm going to hand off to you and to your sister" --
401
1041000
2000
ba sẽ giao lại cho con và em gái của con,"
17:38
who arrived two years later --
402
1043000
3000
đứa em mà được sinh ra 2 năm sau.
17:41
"and you guys are going to be able to go back and re-experience moments
403
1046000
3000
"Và các con sẽ có thể quay lại và trải nghiệm lại những khoảnh khắc
17:44
that you could never, with your biological memory,
404
1049000
3000
mà với trí nhớ bình thường của mình, các con có thể chưa bao giờ
17:47
possibly remember the way you can now?"
405
1052000
2000
có thể nhớ được như bây giờ."
17:49
And he was quiet for a moment.
406
1054000
2000
Và nó im lặng một lúc.
17:51
And I thought, "What am I thinking?
407
1056000
2000
Và tôi nghĩ. "Tôi đang nghĩ gì vậy?
17:53
He's five years old. He's not going to understand this."
408
1058000
2000
Nó mới 5 tuổi. Nó chưa hiểu điều này đâu."
17:55
And just as I was having that thought, he looked up at me and said,
409
1060000
3000
Và ngay khi tôi đang có ý nghĩ đó, nó nhìn lên tôi và nói,
17:58
"So that when I grow up,
410
1063000
2000
"Vậy khi con lớn lên,
18:00
I can show this to my kids?"
411
1065000
2000
con có thể chiếu cái này cho con của con phải không?"
18:02
And I thought, "Wow, this is powerful stuff."
412
1067000
3000
Và tôi nghĩ, "Wow, đây là thứ đầy quyền lực."
18:05
So I want to leave you
413
1070000
2000
Vì vậy tôi muốn nói cho các bạn
18:07
with one last memorable moment
414
1072000
2000
về một khoảng khắc cuối
18:09
from our family.
415
1074000
3000
từ gia đình tôi.
18:12
This is the first time our son
416
1077000
2000
Đây là lần đầu tiên con trai chúng tôi
18:14
took more than two steps at once --
417
1079000
2000
đi hơn 2 bước một lần --
18:16
captured on film.
418
1081000
2000
được ghi lại trong đoạn phim.
18:18
And I really want you to focus on something
419
1083000
3000
Và tôi thực sự muốn các bạn tập trung vài cái điều
18:21
as I take you through.
420
1086000
2000
như tôi đang dẫn bạn đi đây
18:23
It's a cluttered environment; it's natural life.
421
1088000
2000
Đó là một môi trường đầy xáo trộn: nó là cuộc sống tự nhiên.
18:25
My mother's in the kitchen, cooking,
422
1090000
2000
Mẹ của tôi trong nhà bếp, đang nấu ăn,
18:27
and, of all places, in the hallway,
423
1092000
2000
và, tất cả mọi nơi, trong lối đi,
18:29
I realize he's about to do it, about to take more than two steps.
424
1094000
3000
Tôi nhận ra nó đang sắp làm việc đó, sắp bước hơn 2 bước.
18:32
And so you hear me encouraging him,
425
1097000
2000
các bạn nghe tôi cỗ vũ con,
18:34
realizing what's happening,
426
1099000
2000
đang nhận ra điều đang diễn ra,
18:36
and then the magic happens.
427
1101000
2000
và rồi phép màu xuất hiện.
18:38
Listen very carefully.
428
1103000
2000
Hãy nghe kỹ
18:40
About three steps in,
429
1105000
2000
Sắp được 3 bước,
18:42
he realizes something magic is happening,
430
1107000
2000
con trai tôi nhận ra cái gì đó màu nhiệm đang diễn ra.
18:44
and the most amazing feedback loop of all kicks in,
431
1109000
3000
Và vòng phản hồi tuyệt diệu nhất xảy ra,
18:47
and he takes a breath in,
432
1112000
2000
và nó thở vào,
18:49
and he whispers "wow"
433
1114000
2000
và nó thì thầm "wow"
18:51
and instinctively I echo back the same.
434
1116000
4000
và một cách bản năng tôi phản hồi lại như vậy.
18:56
And so let's fly back in time
435
1121000
3000
Và vì vậy quay lại thời gian
18:59
to that memorable moment.
436
1124000
2000
tới thời điểm đáng nhớ đó.
19:05
(Video) DR: Hey.
437
1130000
2000
(Phim) DR: Hey.
19:07
Come here.
438
1132000
2000
Tới đây.
19:09
Can you do it?
439
1134000
3000
Con làm được không?
19:13
Oh, boy.
440
1138000
2000
Oh, con trai.
19:15
Can you do it?
441
1140000
3000
Con làm được không?
19:18
Baby: Yeah.
442
1143000
2000
Em bé: Yeah.
19:20
DR: Ma, he's walking.
443
1145000
3000
DR: Mẹ, nó đang đi nè.
19:24
(Laughter)
444
1149000
2000
(Tiếng cười)
19:26
(Applause)
445
1151000
2000
(Vỗ tay)
19:28
DR: Thank you.
446
1153000
2000
DR: Cảm ơn.
19:30
(Applause)
447
1155000
15000
(Vỗ tay)
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