Imagine if you could record your life -- everything you said, everything you did, available in a perfect memory store at your fingertips, so you could go back and find memorable moments and relive them, or sift through traces of time and discover patterns in your own life that previously had gone undiscovered. Well that's exactly the journey that my family began five and a half years ago. This is my wife and collaborator, Rupal. And on this day, at this moment, we walked into the house with our first child, our beautiful baby boy. And we walked into a house with a very special home video recording system.
Imaginez, si vous pouviez enregistrer votre vie : tout ce que vous dites, tout ce que vous faites, accessible sous forme d'une mémoire parfaite à portée de votre main. Vous pourriez ainsi retourner dans le passé pour y trouver des moments mémorables et les revivre, ou scruter les traces du temps pour y découvrir les comportements récurrents, les schèmes de votre vie demeurés auparavant inconnus. Et bien, c'est exactement l'aventure que ma famille a entreprise il y a cinq ans. Voici mon épouse et collaboratrice, Rupal. Et ce jour-là, à ce moment-là, nous franchissions le pas de la porte avec notre premier enfant, notre magnifique fils. Et nous arrivions dans une maison équipée d'un système d'enregistrement vidéo domestique très spécial.
(Video) Man: Okay.
(Vidéo) Homme : D'accord.
Deb Roy: This moment and thousands of other moments special for us were captured in our home because in every room in the house, if you looked up, you'd see a camera and a microphone, and if you looked down, you'd get this bird's-eye view of the room. Here's our living room, the baby bedroom, kitchen, dining room and the rest of the house. And all of these fed into a disc array that was designed for a continuous capture. So here we are flying through a day in our home as we move from sunlit morning through incandescent evening and, finally, lights out for the day. Over the course of three years, we recorded eight to 10 hours a day, amassing roughly a quarter-million hours of multi-track audio and video.
Deb Roy : Ce moment et des milliers d'autres moments qui nous sont précieux ont été enregistrés alors qu'ils se déroulaient dans notre maison parce que dans toutes les pièces de la maison, en levant les yeux, on pouvait voir une caméra et un microphone, et de cette perspective, il était possible d'obtenir une vue d'ensemble de la pièce. Voici notre salon, le chambre à coucher du bébé, la cuisine, la salle à manger et le reste de la maison. Et toute ces pièces étaient reliées à une baie de stockage conçue pour la saisie de données en continu. Nous voici donc survolant une journée chez nous en commençant par un matin ensoleillé jusqu'à une soirée incandescente et, finalement, les lumières éteintes pour la nuit. Pendant trois ans, nous avons enregistré de 8 à 10 heures par jour, pour recueillir environ un quart de millions d'heures d'enregistrement audio et vidéo multipiste.
So you're looking at a piece of what is by far the largest home video collection ever made. (Laughter) And what this data represents for our family at a personal level, the impact has already been immense, and we're still learning its value. Countless moments of unsolicited natural moments, not posed moments, are captured there, and we're starting to learn how to discover them and find them.
Vous regardez donc une portion de ce qui est de loin la collection la plus importante de vidéo domestique. (Rires) Et ce que ces données représentent pour notre famille sur le plan personnel, l'impact s'est déjà avéré majeur, et nous en apprenons encore à en découvrir toute la valeur. D'innombrables moments naturels non sollicités, non répétés, sont enregistrés là, et nous commençons à savoir comment les découvrir et les trouver.
But there's also a scientific reason that drove this project, which was to use this natural longitudinal data to understand the process of how a child learns language -- that child being my son. And so with many privacy provisions put in place to protect everyone who was recorded in the data, we made elements of the data available to my trusted research team at MIT so we could start teasing apart patterns in this massive data set, trying to understand the influence of social environments on language acquisition. So we're looking here at one of the first things we started to do. This is my wife and I cooking breakfast in the kitchen, and as we move through space and through time, a very everyday pattern of life in the kitchen.
Mais il y a aussi une motivation scientifique derrière ce projet, qui consistait à utiliser ces données naturelles longitudinales afin de mieux comprendre le processus de l'apprentissage de la langue par un enfant -- cet enfant étant mon fils. Ainsi, avec la mise en place de nombreuses modalités assurant la vie privée visant à protéger tous ceux qui figuraient dans les données enregistrées, nous avons mis des éléments de données à la disposition de mon équipe de recherche de confiance à MIT afin de commencer à cerner des structures récurrentes, ou schèmes, dans cet ensemble imposant de données. Notre but : essayer de comprendre l'influence des milieux sociaux sur l'acquisition du langage. Nous voyons ici l'une des premières choses que nous avons faites dès le début. Voilà mon épouse et moi préparant le déjeuner dans la cuisine. Tandis que nous nous déplaçons dans l'espace et dans le temps, nous pouvons voir le déroulement quotidien de la vie dans la cuisine.
In order to convert this opaque, 90,000 hours of video into something that we could start to see, we use motion analysis to pull out, as we move through space and through time, what we call space-time worms. And this has become part of our toolkit for being able to look and see where the activities are in the data, and with it, trace the pattern of, in particular, where my son moved throughout the home, so that we could focus our transcription efforts, all of the speech environment around my son -- all of the words that he heard from myself, my wife, our nanny, and over time, the words he began to produce. So with that technology and that data and the ability to, with machine assistance, transcribe speech, we've now transcribed well over seven million words of our home transcripts. And with that, let me take you now for a first tour into the data.
La conversion de ces 90 000 heures opaques de vidéo en quelque chose qu'il nous est possible de visualiser se fait grâce à l'analyse du mouvement alors que nous nous déplaçons dans l'espace et dans le temps, ce que nous appelons des serpentins espace-temps. Cet outil fait maintenant partie d'un arsenal qui nous permet de constater et d'examiner l'emplacement des activités dans les données, et de ce fait de tracer l'évolution, en particulier, des déplacements de mon fils à travers de la maison. Dans le but de concentrer nos efforts de transcription, tous les environnements linguistiques entourant mon fils -- tous les mots qu'il a entendu venant de moi, de mon épouse, de sa gardienne, et avec le temps, les mots qu'il a commencé à prononcer. C'est ainsi que grâce à cette technologie et ces données et avec l'aide d'une machine qui nous a donné la capacité de transcrire la parole, nous avons jusqu'à présent transcrit bien au-delà de sept millions de mots issus de nos enregistrements domestiques. Permettez-moi maintenant de vous servir de guide pour une première incursion dans ces données.
So you've all, I'm sure, seen time-lapse videos where a flower will blossom as you accelerate time. I'd like you to now experience the blossoming of a speech form. My son, soon after his first birthday, would say "gaga" to mean water. And over the course of the next half-year, he slowly learned to approximate the proper adult form, "water." So we're going to cruise through half a year in about 40 seconds. No video here, so you can focus on the sound, the acoustics, of a new kind of trajectory: gaga to water.
Je suis certain que vous avez tous déjà vu des vidéos à intervalles présentant une fleur qui s'épanouie au fil d'un espace temps accéléré. J'aimerais maintenant que vous viviez l'expérience de l'épanouissement d'une forme langagière. Mon fils, peu de temps après son premier anniversaire, disait « gaga » pour exprimer de l'eau. Durant les six mois qui ont suivi, il a lentement appris, par approximation, à employer la forme correcte, « eau » Nous allons survoler la moitié d'une année en 40 secondes environ. Pas de vidéo ici, vous pouvez donc vous concentrez sur le son, l'acoustique d'une nouvelle espèce de cheminement : de « gaga » à « eau ».
(Audio) Baby: Gagagagagaga Gaga gaga gaga guga guga guga wada gaga gaga guga gaga wader guga guga water water water water water water water water water.
(Audio) Bébé : Gagagagagaga Gaga gaga gaga guga guga guga wada gaga gaga guga gaga wader guga guga water water water (eau) water water water (eau) water water (eau) « eau ».
DR: He sure nailed it, didn't he.
D.R. : Il l'a eu, n'est-ce pas?
(Applause)
(Applaudissements)
So he didn't just learn water. Over the course of the 24 months, the first two years that we really focused on, this is a map of every word he learned in chronological order. And because we have full transcripts, we've identified each of the 503 words that he learned to produce by his second birthday. He was an early talker. And so we started to analyze why. Why were certain words born before others? This is one of the first results that came out of our study a little over a year ago that really surprised us. The way to interpret this apparently simple graph is, on the vertical is an indication of how complex caregiver utterances are based on the length of utterances. And the [horizontal] axis is time.
En fait, il n'a pas seulement appris le mot « eau ». Au cours de 24 mois, les 2 premières années de sa vie, sur lesquelles nous nous sommes réellement penchés, nous avons dressé cette carte de tous les mots qu’il a appris en ordre chronologique. Et parce que nous avons avons complètement transcrit les données, nous avons répertorié chacun des 503 mots qu'il a appris à prononcer avant son deuxième anniversaire. Il a appris tôt à parler. Nous avons voulu savoir pourquoi. Pourquoi certains mots sont-ils nés avant d'autres? Il s'agit là d'un des premiers résultats issus de notre étude il y a de ça un peu plus d'un an, qui nous a vraiment surpris. Voici comment interpréter ce graphique apparemment simple : sur l'axe verticale, on retrouve une indication de la complexité des énoncés en fonction de leur longueur. Et l'axe vertical représente le temps.
And all of the data, we aligned based on the following idea: Every time my son would learn a word, we would trace back and look at all of the language he heard that contained that word. And we would plot the relative length of the utterances. And what we found was this curious phenomena, that caregiver speech would systematically dip to a minimum, making language as simple as possible, and then slowly ascend back up in complexity. And the amazing thing was that bounce, that dip, lined up almost precisely with when each word was born -- word after word, systematically. So it appears that all three primary caregivers -- myself, my wife and our nanny -- were systematically and, I would think, subconsciously restructuring our language to meet him at the birth of a word and bring him gently into more complex language. And the implications of this -- there are many, but one I just want to point out, is that there must be amazing feedback loops. Of course, my son is learning from his linguistic environment, but the environment is learning from him. That environment, people, are in these tight feedback loops and creating a kind of scaffolding that has not been noticed until now.
Et nous avons aligné toutes les données en nous appuyant sur l'idée suivante : chaque fois que mon fils apprenait un mot, nous réalisions un retour en arrière et examinions les paroles qu'il avait entendues et qui contenait ce mot. De plus, nous représentions sous forme graphique la longueur relative des énoncés. Et ce que nous avons constaté est ce curieux phénomène, selon lequel le parent ou le gardien adoptait systématiquement un langage simplifié au minimum, rendant le langage aussi simple que possible, pour en augmenter progressivement la complexité. Et ce qui est incroyable est que ce bond, ce saut brusque, concordait presque parfaitement avec le moment de la naissance de chaque mot. Mot après mot, systématiquement. Ainsi, il semblerait que les trois personnes significatives, moi, mon épouse et notre gradienne, restructurions systématiquement et, je crois, de façon subconsciente, notre langage pour venir à sa rencontre, à la naissance d'un mot pour ensuite le diriger progressivement vers un langage plus complexe. Les implications de ce phénomène sont nombreuses, j'aimerais cependant en souligner une en particulier, c'est qu'il doit y avoir des boucles de rétroaction incroyables. Bien sûr, mon fils apprend de cet environnement linguistique, mais l'environnement apprend aussi à son contact. Cet environnement, les gens, font partie de ces boucles de rétroaction serrées et créent une sorte d'échaffaudage n'ayant pas été remarqué jusqu'à maintenant.
But that's looking at the speech context. What about the visual context? We're not looking at -- think of this as a dollhouse cutaway of our house. We've taken those circular fish-eye lens cameras, and we've done some optical correction, and then we can bring it into three-dimensional life. So welcome to my home. This is a moment, one moment captured across multiple cameras. The reason we did this is to create the ultimate memory machine, where you can go back and interactively fly around and then breathe video-life into this system. What I'm going to do is give you an accelerated view of 30 minutes, again, of just life in the living room. That's me and my son on the floor. And there's video analytics that are tracking our movements. My son is leaving red ink. I am leaving green ink. We're now on the couch, looking out through the window at cars passing by. And finally, my son playing in a walking toy by himself.
Il s'agit là d'un regard porté sur le contexte de la parole. Mais qu'en est-il du contexte visuel? Nous voyons maintenant -- imaginez que ceci représente notre maison, comme une vue en coupe d'une maison de poupée. Nous avons utilisé ces caméras ultra-grands angulaires à lentille circulaire et nous avons apporté des corrections visuelles aux images recueillies, ce qui permet de produire des images en trois dimensions. Alors bienvenue chez nous. Voici un moment, un moment capté par plusieurs caméras. La raison motivant cette démarche est de créer l'ultime machine mémorielle, un appareil qui permet de retourner dans le temps et d'y effectuer un survol interactif et, par la suite, d'insuffler la vie dans ce système sous forme de vidéo. Ce que je vais faire c'est de vous présenter une bande accélérée d'une période de 30 minutes. Encore une fois, tout simplement une scène de la vie dans le salon. C'est mon fils et moi sur le plancher. Et vous pouvez voir l'analyse vidéo qui suit nos mouvements. Une ligne rouge suit mon fils alors qu'une ligne verte me suit. Nous sommes maintenant sur le canapé, en train de regarder par la fenêtre les voitures qui passent. Et enfin, mon fils qui joue seul dans un jouet d'aide à la marche.
Now we freeze the action, 30 minutes, we turn time into the vertical axis, and we open up for a view of these interaction traces we've just left behind. And we see these amazing structures -- these little knots of two colors of thread we call "social hot spots." The spiral thread we call a "solo hot spot." And we think that these affect the way language is learned. What we'd like to do is start understanding the interaction between these patterns and the language that my son is exposed to to see if we can predict how the structure of when words are heard affects when they're learned -- so in other words, the relationship between words and what they're about in the world.
Nous interrompons maintenant l'action, qui a duré 30 minutes, nous représentons le temps sur l'axe vertical et nous ouvrons à la verticale pour visualiser ces traces d'interaction que nous venons tout juste de quitter. Et nous constatons ces structures étonnantes -- ces petits nœuds formés de deux couleurs de fil que nous appelons zones intenses d'interactions. On appelle le fil décrivant une spirale une zone solo d'interactions. Et nous croyons que ces zones ont une influence sur la façon dont s’acquiert le langage. Ce que nous aimerions faire est de commencer à comprendre l'interaction entre ces schèmes et le langage auquel mon fils est exposé pour voir s'il est possible de prédire comment la structure du moment où les mots sont entendus influence le moment où a lieu leur apprentissage. En d'autres termes, la relation entre les mots et ce à quoi ils se rapportent dans le monde.
So here's how we're approaching this. In this video, again, my son is being traced out. He's leaving red ink behind. And there's our nanny by the door.
Voici l'approche que nous adoptons pour y arriver. Encore une fois dans cette vidéo, les déplacements de mon fils produisent un tracé. Une ligne rouge le suit. Et voilà notre gardienne près de la porte.
(Video) Nanny: You want water? (Baby: Aaaa.) Nanny: All right. (Baby: Aaaa.)
(Vidéo) Bonne : Veux-tu de l'eau? (Bébé : Aaaa.) Gardienne : D'accord. (Bébé : Aaaa.)
DR: She offers water, and off go the two worms over to the kitchen to get water. And what we've done is use the word "water" to tag that moment, that bit of activity. And now we take the power of data and take every time my son ever heard the word water and the context he saw it in, and we use it to penetrate through the video and find every activity trace that co-occurred with an instance of water. And what this data leaves in its wake is a landscape. We call these wordscapes. This is the wordscape for the word water, and you can see most of the action is in the kitchen. That's where those big peaks are over to the left. And just for contrast, we can do this with any word. We can take the word "bye" as in "good bye." And we're now zoomed in over the entrance to the house. And we look, and we find, as you would expect, a contrast in the landscape where the word "bye" occurs much more in a structured way. So we're using these structures to start predicting the order of language acquisition, and that's ongoing work now.
D.R. : Elle lui offre de l'eau et ainsi s'en vont les deux serpentins vers la cuisine chercher de l'eau. Et ce que nous avons fait est d'utiliser le mot « eau » pour marquer ce moment, cette parcelle d'activité. Ensuite, nous avons recours à la puissance des données et repérons toutes les occurrences où mon fils a entendu le mot « eau » ainsi que le contexte dans lequel il l'a retrouvé. Nous utilisons ce mot pour pénétrer la trame de la vidéo afin d'y découvrir chaque trace d'activité ayant eu lieu en même temps que l'occurrence du mot « eau ». Et ce que ces données révèlent est un paysage. Nous les appelons des panoramots. Voici le panoramot pour le mot « eau », et vous pouvez voir que le principal de l'action se passe dans la cuisine. C'est ce que représente ces gros pics vers la gauche. Il est possible de faire la même chose avec n'importe quel mot pour faire ressortir un contraste. Prenons le mot « bye » comme dans « good bye » (au revoir) Voici maintenant une vue en gros plan de l'entrée de la maison. Puis nous cherchons et trouvons, comme on s'y attendrait, un contraste entre les panoramots où le mot « bye » apparaît de manière beaucoup plus structurée. Nous utilisons donc ces structures afin de commencer à prédire l'ordre de l'acquisition du langage; voilà ce à quoi nous travaillons à l'heure actuelle.
In my lab, which we're peering into now, at MIT -- this is at the media lab. This has become my favorite way of videographing just about any space. Three of the key people in this project, Philip DeCamp, Rony Kubat and Brandon Roy are pictured here. Philip has been a close collaborator on all the visualizations you're seeing. And Michael Fleischman was another Ph.D. student in my lab who worked with me on this home video analysis, and he made the following observation: that "just the way that we're analyzing how language connects to events which provide common ground for language, that same idea we can take out of your home, Deb, and we can apply it to the world of public media." And so our effort took an unexpected turn.
Dans mon laboratoire, dans lequel nous entrons maintenant, à MIT -- il s’agit d’un laboratoire médiatique. Cette méthode est devenue ma façon préférée de créer des images vidéographiques de presque n'importe quel espace. Trois des personnes clés participant à ce projet sont photographiées ici : Philip DeCamp, Rony Kubat et Brandon Roy. Philip a été un collaborateur très proche pour tous les supports visuels présentés ici. Et Michael Fleischman était un autre doctorant associé à mon laboratoire qui a travaillé avec moi sur l'analyse des vidéos domestiques et il a fait l'observation suivante : « tout comme la manière dont nous analysons comment le langage est lié aux événements qui offrent une plateforme commune au langage, cette même idée peut être extrapolée hors de la maison, Deb, et nous pouvons l'appliquer au domaine des moyens d'information. » Notre projet a ainsi emprunté une voie inattendue.
Think of mass media as providing common ground and you have the recipe for taking this idea to a whole new place. We've started analyzing television content using the same principles -- analyzing event structure of a TV signal -- episodes of shows, commercials, all of the components that make up the event structure. And we're now, with satellite dishes, pulling and analyzing a good part of all the TV being watched in the United States. And you don't have to now go and instrument living rooms with microphones to get people's conversations, you just tune into publicly available social media feeds.
Pensez aux médias de masse comme élément de base commune et vous avez la recette permettant de transposer cette idée dans un tout nouveau contexte. Nous avons commencé à analyser le contenu télévisé en appliquant les mêmes principes -- par l'analyse de la structure des événements d'un signal de télévision -- des épisodes d'émission, des messages publicitaires, de tous les éléments qui composent la structure de l'événement. Et maintenant, grâce à des antennes paraboliques, nous captons et analysons une bonne part de toutes les émissions télévisées à l'antenne aux États-Unis. Et nous n'avons pas à équiper les salons de microphones pour avoir accès aux conversations des gens, il suffit de se mettre à l'écoute des fils de syndication grand public de médias sociaux.
So we're pulling in about three billion comments a month, and then the magic happens. You have the event structure, the common ground that the words are about, coming out of the television feeds; you've got the conversations that are about those topics; and through semantic analysis -- and this is actually real data you're looking at from our data processing -- each yellow line is showing a link being made between a comment in the wild and a piece of event structure coming out of the television signal. And the same idea now can be built up. And we get this wordscape, except now words are not assembled in my living room. Instead, the context, the common ground activities, are the content on television that's driving the conversations. And what we're seeing here, these skyscrapers now, are commentary that are linked to content on television. Same concept, but looking at communication dynamics in a very different sphere.
Nous récupérons ainsi environ trois milliards de commentaires par mois. C'est alors que la magie commence. Il y a d'abord la structure de l'événement, formant la base commune sur laquelle portent les mots, qui est générée par le flux télévisé, puis les conversations qui portent sur ces sujets. Au moyen d'une analyse sémantique -- il s'agit bel et bien de données réelles issues de notre traitement des données qui vous sont présentées -- chaque ligne jaune représente la création d'un lien entre un commentaire in vivo et une pièce de la structure d'un événement générée par le signal de télévision. Et la même idée peut maintenant être développée pour former le panoramot que voici. Cependant, les mots ne sont maintenant plus recueillis dans mon salon. Ce sont plutôt le contexte, les activités collectives, constituant le contenu télévisé qui oriente les conversations. Et ce que nous voyons ici, ces gratte-ciel, constituent des commentaires qui sont reliés au contenu télévisé. Même concept, mais du point de vue de la dynamique communicationnelle dans une sphère très différente.
And so fundamentally, rather than, for example, measuring content based on how many people are watching, this gives us the basic data for looking at engagement properties of content. And just like we can look at feedback cycles and dynamics in a family, we can now open up the same concepts and look at much larger groups of people. This is a subset of data from our database -- just 50,000 out of several million -- and the social graph that connects them through publicly available sources. And if you put them on one plain, a second plain is where the content lives. So we have the programs and the sporting events and the commercials, and all of the link structures that tie them together make a content graph. And then the important third dimension. Each of the links that you're seeing rendered here is an actual connection made between something someone said and a piece of content. And there are, again, now tens of millions of these links that give us the connective tissue of social graphs and how they relate to content. And we can now start to probe the structure in interesting ways.
Par exemple, fondamentalement, plutôt que de mesurer le contenu en fonction du nombre de téléspectateurs, cette démarche nous fournit les données de base nous permettant d'étudier les propriétés interactives du contenu. Tout comme nous pouvons examiner les cycles et les dynamiques de rétroaction au sein d'une famille, il est maintenant possible de généraliser à partir des mêmes concepts et de les appliquer à des groupes de personnes beaucoup plus larges. Voici un sous-ensemble de données tirés de notre base de données -- seulement 50 000 parmi plusieurs millions -- et le graphique social qui les relie par l'entremise de sources publiques disponibles. Et si vous les représentez sur un plan, le contenu serait représenté sur un second plan. Nous avons ainsi les émissions et les événements sportifs et les messages publicitaires et tous les maillons des structures qui les relient, qui forment un graphique du contenu. N'oublions pas de mentionner l'importante troisième dimension. Chacun des maillons que vous voyez ici représente un lien établi entre les propos de quelqu'un et une parcelle du contenu. Et il y a, encore une fois, des dizaine de millions de ces liens servant à tisser la toile des graphiques sociaux et à établir leur relation avec le contenu. Nous pouvons maintenant commencer à étudier la structure par des moyens fort intéressants.
So if we, for example, trace the path of one piece of content that drives someone to comment on it, and then we follow where that comment goes, and then look at the entire social graph that becomes activated and then trace back to see the relationship between that social graph and content, a very interesting structure becomes visible. We call this a co-viewing clique, a virtual living room if you will. And there are fascinating dynamics at play. It's not one way. A piece of content, an event, causes someone to talk. They talk to other people. That drives tune-in behavior back into mass media, and you have these cycles that drive the overall behavior.
Par exemple, si nous traçons le trajet d'une parcelle de contenu qui incite quelqu'un à afficher un commentaire, que nous suivons la trajectoire de ce commentaire, pour ensuite examiner le graphique social complet qui a été activé et que nous revenons sur nos pas pour mieux voir la relation entre le graphique social et le contenu, une structure très intéressante apparaît. Nous appelons ce phénomène une clique de coobservation, un salon virtuel en quelque sorte. Des dynamiques fascinantes entre en jeu ici. Ce n'est pas un sens unique. Une parcelle de contenu, un événement, suscite le commentaire d'un personne. Cette personne parle à d'autres personnes. Ce qui en inscite d'autres à se connecter aux médias de masse. Ce sont ces cycles qui perpétuent le comportement dans son ensemble.
Another example -- very different -- another actual person in our database -- and we're finding at least hundreds, if not thousands, of these. We've given this person a name. This is a pro-amateur, or pro-am media critic who has this high fan-out rate. So a lot of people are following this person -- very influential -- and they have a propensity to talk about what's on TV. So this person is a key link in connecting mass media and social media together.
Voici un autre exemple très différent, une autre vraie personne dans notre base de données, et nous trouvons au moins des centaines, sinon des milliers de ces exemples. Nous avons donné un nom à cette personne. C'est une pro-amateur, ou pro-am, un critique médiatique qui a beaucoup d'influence et qu'un grand nombre de partisans suivent -- très influent -- et ces gens ont tendance à discuter de ce qui est diffusé à la télé. Cette personne constitue donc un lien clé entre les médias de masse et les médias sociaux.
One last example from this data: Sometimes it's actually a piece of content that is special. So if we go and look at this piece of content, President Obama's State of the Union address from just a few weeks ago, and look at what we find in this same data set, at the same scale, the engagement properties of this piece of content are truly remarkable. A nation exploding in conversation in real time in response to what's on the broadcast. And of course, through all of these lines are flowing unstructured language. We can X-ray and get a real-time pulse of a nation, real-time sense of the social reactions in the different circuits in the social graph being activated by content.
Un dernier exemple issu de ces données : parfois, c'est une parcelle du contenu qui se démarque du reste. Si nous étudions cette parcelle de contenu, prenons le discours sur l'état de l'Union du président Obama qui a eu lieu il y a à peine quelques semaines, et que nous examinons ce que nous avons découvert dans ce même ensemble de données, à la même échelle, les propriétés de mobilisation que démontre cette parcelle de contenu sont vraiment remarquables. Une nation éclatant en conversation en temps réel en réponse à ce qui est diffusé. Et bien sûr, parmi toutes ces lignes circulent des conversations non structurées. Nous pouvons scruter le contenu et obtenir le pouls d'une nation en temps réel, une perception en temps réel des réactions sociales dans les différents circuits du graphique social qui sont activés par le contenu.
So, to summarize, the idea is this: As our world becomes increasingly instrumented and we have the capabilities to collect and connect the dots between what people are saying and the context they're saying it in, what's emerging is an ability to see new social structures and dynamics that have previously not been seen. It's like building a microscope or telescope and revealing new structures about our own behavior around communication. And I think the implications here are profound, whether it's for science, for commerce, for government, or perhaps most of all, for us as individuals.
En somme, l'idée est la suivante : à mesure que nous instrumentons progressivement notre milieu et que nous nous dotons de la capacité de collecter des données et d'établir des liens entre ce que disent les gens et le contexte de leurs conversations, il devient possible de voir apparaître de nouvelles structures et dynamiques sociales demeurées jusque-là inconnues. C'est un peu comme bâtir un microscope ou un télescope et de révéler de nouvelles structures reliées à notre comportement vis-à-vis de la communication. Et je crois que les incidences de ce phénomène sont profondes, que ce soit dans les domaines scientifique, commercial, gouvernemental ou peut-être surtout, pour nous en tant qu'individus.
And so just to return to my son, when I was preparing this talk, he was looking over my shoulder, and I showed him the clips I was going to show to you today, and I asked him for permission -- granted. And then I went on to reflect, "Isn't it amazing, this entire database, all these recordings, I'm going to hand off to you and to your sister" -- who arrived two years later -- "and you guys are going to be able to go back and re-experience moments that you could never, with your biological memory, possibly remember the way you can now?" And he was quiet for a moment. And I thought, "What am I thinking? He's five years old. He's not going to understand this." And just as I was having that thought, he looked up at me and said, "So that when I grow up, I can show this to my kids?" And I thought, "Wow, this is powerful stuff."
Mais revenons à mon fils. Quand je préparais cette conférence il regardait par-dessus mon épaule, et je lui ai montré les clips que j'allais vous montrer aujourd'hui. Je lui ai demandé sa permission, il me l'a accordée. Puis je me suis mis à réfléchir : « N'est-ce pas merveilleux, toute cette base de données, tous ces enregistrements, que je vais remettre, à toi et à ta soeur? » Celle-ci est née deux ans après mon fils. « Et vous deux allez pouvoir remonter dans le passé et revivre des moments dont vous ne pourriez jamais, avec votre mémoire biologique, possiblement vous souvenir aussi bien qu’à présent. » Et il est demeuré silencieux pendant un moment. Puis j'ai pensé : « Qu'est-ce que je dis? Il a cinq ans. Il ne comprendra pas de quoi je parle. » Et comme cette pensée traversait mon esprit, il a levé le regard vers moi et a dit : « Alors quand je vais être grand, je vais pouvoir le montrer à mes enfants? » Et j'ai pensé à moi-même : « Remarquable! Ça c'est fort. »
So I want to leave you with one last memorable moment from our family. This is the first time our son took more than two steps at once -- captured on film. And I really want you to focus on something as I take you through. It's a cluttered environment; it's natural life. My mother's in the kitchen, cooking, and, of all places, in the hallway, I realize he's about to do it, about to take more than two steps. And so you hear me encouraging him, realizing what's happening, and then the magic happens. Listen very carefully. About three steps in, he realizes something magic is happening, and the most amazing feedback loop of all kicks in, and he takes a breath in, and he whispers "wow" and instinctively I echo back the same. And so let's fly back in time to that memorable moment.
Alors, je veux vous présenter un dernier moment mémorable dans le vie de notre famille. C'était la première fois que mon fils faisait plus de deux pas de suite et nous avons enregistré ce moment sur film. Et j'aimerais que vous portiez attention à une chose en particulier pendant que je vous guide au fil de ce moment. C'est un environnement encombré, c'est la vraie vie. Ma mère est dans la cuisine, elle prépare un repas, et je me rends compte, dans le corridor, que c’est sur le point d’arriver, il va faire plus de deux pas. Vous m'entendez l'encourager, sachant ce qui est sur le point de se produire. Puis la magie s'installe. Écoutez très attentivement. Après environ trois pas, il constate que quelque chose de merveilleux est en train d'arriver. Et la boucle de rétroaction la plus étonnante de toutes se manifeste, il prend une inspiration et il dit tout bas « wow » et instinctivement je lui fait écho. Retournons donc dans le temps au moment où s'est produit ce moment mémorable.
(Video) DR: Hey. Come here. Can you do it? Oh, boy. Can you do it? Baby: Yeah. DR: Ma, he's walking.
(Vidéo) D.R. : Hey. Viens ici. Es-tu capable? Oh la la. Es-tu capable? Bébé : Oui. D.R. : Maman, il marche.
(Laughter)
(Rires)
(Applause)
(Applaudissements)
DR: Thank you.
D.R. : Merci.
(Applause)
(Applaudissements)