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.
Képzeljük el, mi lenne, ha rögzíthetnénk az életünket - mindent, amit mondtunk, mindent amit tettünk, mindezt egy bármikor elérhető, tökéletes memóriában tárolnánk, hogy később visszatekinthessünk az emlékezetes pillanatokra és újraélhessük őket, vagy végigpásztázhassunk bizonyos időszakokat, hogy felfedezzük saját életünk bizonyos visszatérő jellegzetességeit, amelyeket korábban nem ismertünk fel. Pontosan ez az a kaland, melybe a családommal belevágtunk öt és fél évvel ezelőtt. Ez itt a feleségem, Rupal, aki szintén részt vesz a kutatásban. Ezen a napon, ebben a pillanatban, léptünk be a házunkba az első gyermekünkkel, a gyönyörű kisfiúnkkal. Egy olyan házba léptünk be, amelynek egy nagyon különleges házi videó kamerarendszere van.
(Video) Man: Okay.
(Videó) Férfi: Rendben.
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: Ezt a pillanatot és sok ezer más, számunkra különleges pillanatot rögzített a házunkban, mert a házunk minden egyes szobájában, ha felnéznek, láthatnak egy kamerát és egy mikrofont. Ha pedig lefelé tekintenek, láthatják a szoba képét madártávlatból. Ez itt a nappalink, a kisbaba hálószobája, konyha, étkező és a ház többi része. A videó felvételek egy olyan számítógépes lemezre kerültek, amelyet folyamatos rögzítésre terveztek. Végigpörgetjük a házunkban zajlott napi eseményeket napfelkeltétől, a kivilágított estéken át a sötét éjszakáig. Három éven keresztül napi 8-10 órányi felvételt készítettünk, ami nagyjából negyed millió órányi többsávos hang és képfelvételt jelent.
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.
Szóval, amit ma láthatnak, az messze a legnagyobb házi videó gyűjtemény. (Nevetés) Amit ezek az adatok a családunk számára személyesen képviselnek, a hatásuk valójában felbecsülhetetlenül nagy, de minden nappal egyre jobban értékeljük. Számtalan pillanat, méghozzá nem várt, természetes, nem beállított pillanatok kerültek felvételre, és kezdjük megtanulni, hogyan fedezzük fel őket újra.
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.
De volt ennek a projektnek egy tudományos oka is, amely során fel akartuk használni ezt az adathalmazt, hogy megérthessük azt a folyamatot amely során egy gyermek, méghozzá az én fiam - megtanulja a nyelvet - Így a magánszférát tiszteletben tartó korlátozásokkal, a felvett személyek adatainak védelmében, az adatok egy részét elérhetővé tettük az MIT egyetemen működő kutatócsoportom számára. Mindezt azért, hogy ebben a hatalmas adattömegben felismerhessük azokat a mintákat, melyek segítenek megérteni a társadalmi környezet nyelvelsajátításra gyakorolt hatását. Itt az egyik legelső próbálkozásunkat láthatják. Feleségemmel reggelit készítünk a konyhában. Egy nagyon mindennapos konyhai jelenetet láthatunk térben és időben haladva.
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.
Annak érdekében, hogy ezt az elmosódott 90 000 órányi videót vizsgálhatóvá tehessük, mozgáselemzést használtunk, hogy láthatóvá tegyük, hogyan mozgunk térben és időben. Mi ezeket tér-idő kukacoknak nevezzük. Ez adta meg az eszközt ahhoz, hogy megláthassuk, hol vannak a fontos cselekmények az adatokban, majd ezzel nyomon követhettük különösen a fiamat, merre mozgott a házon belül, hogy így összpontosíthassunk az átírásra, a fiamat körülvevő beszédközegre -- minden egyes szóra, amit tőlem, a feleségemtől, vagy a bébiszittertől hallott, illetve egy idő után a szavakra, amiket ő alkotott. Szóval a technológiával és az adatokkal, és azzal a képességgel, hogy számítógépes segítséggel leírhatjuk a beszédet, több mint 7 millió otthonunkban elhangzott szót írtunk le. Hadd kalauzoljam végig önöket az adatok világába vezető első utunkon.
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.
Biztos vagyok benne, hogy mindannyian láttak már gyorsított videó felvételeket, például ahogy egy növény gyorsítva kivirágzik. Szeretném megmutatni, milyen a beszéd kivirágzása. A fiam nem sokkal az első születésnapja után a "gaagaa" szót kezdte használni a water, azaz a víz szóra. A következő fél év során, lassan megtanulta, hogy megközelítse a helyes felnőtt formát: "water". Tehát most végigrepülünk egy fél éven mintegy 40 másodperc alatt. Itt nincs videó, hogy a hangra és az akusztikára összpontosíthassunk, milyen pályát írt le ez a szóképzés: a gaga hogy vált "water"-é.
(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.
(Hang) Baba: Gagagagaga Gaga gaga gaga guga guga guga wada gaga gag guga gaga wader guga guga water water water water water water water water water.
DR: He sure nailed it, didn't he.
DR: Csak eltalálta, nem?
(Applause)
(Taps)
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.
Persze nem csak a víz szót tanulta meg. Íme a 24 hónap, azaz az első két év, amire nagyon összpontosítottunk, ez az elsajátított szavainak térképe időrendi sorrendben. Mivel megvan a teljes szöveg leirat, felismertük mind az 503 szót, amit a 2. születésnapja előtt tanult meg kiejteni. Korán kezdett beszélni. Ezután azt kezdtük vizsgálni, miért. Miért születtek meg bizonyos szavak előbb, mint mások? Ez a legkorábbi eredményeink egyike, amit körülbelül egy éve hoztunk nyilvánosságra, és bennünket is meglepett. Ezt a látszólag egyszerű grafikont úgy értelmezzük, hogy a függőleges mutató azt jelzi, hogy hosszuk alapján, milyen összetettségűek ezek a gyerekfelügyelők általi megnyilvánulások. A függőleges az idő tengelye.
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.
Minden adatot a következő elgondolás mentén rendeztük: Valahányszor a fiam egy szót tanul, visszamenőlegesen nyomon követjük, megnézzük, addigi nyelvtanulása során mikor hallotta a szót. Fel szeretnénk térképezni, mi a hangképzések relatív hossza. Rájöttünk arra, hogy létezik egy olyan jelenség, mely során a gyerekhez való beszédmód szisztematikusan és a lehető legnagyobb mértékben leegyszerűsödik, a későbbiek folyamán pedig lassan és fokozatosan újra összetetté válik. Az volt a csodálatos, hogy az ugrás, az a hiátus szinte egy az egyben igazodott az egyes szavak születéséhez -- sorjában, szisztematikusan. Az derült ki tehát, hogy mind a három elsődleges gyermekfelügyelő -- én, a feleségem és a dajkánk -- mindannyian szisztematikusan, és mondhatnám önkéntelenül átstrukturáltuk a nyelvünket oly módon, hogy idomuljunk a gyerekhez az új szavak születésekor és finoman bevezessük az összetettebb nyelvbe. Ennek következménye - sok van, de amit ki szeretnék emelni, az, hogy elképesztő visszajelző hurkok működnek (ebben a folyamatban). A fiam természetesen a nyelvi környezetén keresztül tanul, de a környezet is tanul tőle. A környezete, az emberek, ebben a szoros visszajelző hurok rendszerben, egyfajta mankóul szolgálnak, és ezt eddig nem vettük észre.
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.
Ennyit tehát a beszéd kontextusáról. Hogy állunk a vizuális kontextussal? Ezt nem (közvetlenül, nem ránézésre) vizsgáljuk -- mondjuk, hogy ez a házunktól elkülönített babaház. Halszem-objektívvel ellátott kamerával dolgoztunk, végeztünk némi optikai korrekciót, hogy három dimenzióssá tehessük. Üdvözöljük otthonunkban! Ez egy perc, különböző kamerák által együttesen rögzítve. Mindezt azért csináltuk, hogy létrehozzuk a mindenkori memóriagépet, mellyel visszamehetünk, és interaktív módon repülhetünk majd videó-életet lehelhetünk a rendszerbe. Most pedig egy 30 perces felgyorsított felvételt mutatok, mely ugyancsak a nagyszobában készült. Ez a fiam és én a földön. Videós analitika követi nyomon a mozgásunkat. A fiamat jelöli a vörös, engem a zöld. Most a kanapén vagyunk, a kint elsuhanó kocsikat nézzük. Itt pedig végül a fiam, amint magában játszik.
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.
Most kimerevítjük a képet, 30 perc, megnézzük az időt a függőleges tengelyen, és várjuk, mit mutatnak az épp folytatott tevékenységek jelzései. Látjuk ezeket a csodálatos szerkezeteket -- a két színes fonalra kötött kis csomót, amit mi társas forró pontnak nevezünk. A spirál-szerű fonalat szóló forró pontnak nevezzük. Úgy látjuk, ez az, ami befolyásolja a nyelvtanulást. Igazán szeretnénk megérteni, milyen viszonyban vannak ezek a minták a fiam által használt nyelvvel, hogy lássuk, vajon meg tudjuk-e mondani előre, hogy a hallott szó szerkezetének van-e hatása arra, ahogy tanulja -- más szóval a szavak közötti viszonyra és a világban betöltött szerepükre.
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.
Így közelítjük tehát meg: Ebben a videóban is a fiamat követjük nyomon. A vörös "tinta" őt jelöli. A dajkánk az ajtónál áll.
(Video) Nanny: You want water? (Baby: Aaaa.) Nanny: All right. (Baby: Aaaa.)
(Videó) Dajka: Akarsz vizet? (Bébi: Aaaa) Dajka: Jó (Bébi: 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.
DR: Vízzel kínálja, és a két "kukac" a konyhába megy vízért. Azt csináltuk, hogy a "water" szót használva felcímkéztük ezt a percet, ezt a cselekvési mozzanatot. Most pedig vesszük az adatokat, és megnézünk minden egyes alkalmat, amikor a fiam előtt elhangzott a water szó, és az elhangzott szövegkörnyezetet, és áthatolunk a videón, és megkeressük az összes ilyen esetet, melyben előfordul a water szó. Amit ez az adat közöl velünk az egyfajta tájkép. Szótájképnek nevezzük. Ez a water szó szótájképe, és láthatjuk, hogy a hozzáfűződő tevékenységek zömmel a konyhában zajlanak. A baloldali csúcsok jelzik ezeket. Összehasonlításképpen mondom, ez bármilyen más szóval is elvégezhető. Vegyük például a "bye" szót, ami a "good bye" része. Ez most a házunk bejárata, csak fel van nagyítva. Ha megnézzük, észrevesszük, hogy, ahogy arra számíthattunk is, az előzővel ellentétben, ez, melyben a "bye" szó szerepel, sokkal rendezettebb. Elkezdünk ezekkel a szerkezetekkel dolgozni, hogy megjósoljuk a nyelv elsajátításának menetét, ez pedig mostantól folyamatos munkát jelent.
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.
A labor, melybe most bekukucskálunk az MIT-n, itt a médialabort láthatjuk. Ez lett a kedvenc video-gráfiás módszerem, bármilyen térről legyen szó. A projektben résztvevő három kulcsfontosságú személy, Philip DeCamp, Rony Kubat és Brandon Roy jelenik itt meg. Philip-pel nagyon szorosan együttműködtünk, minden itt látható vizualizációnál. Michael Fleischman pedig egy másik PhD-s diák a laboromban, akivel a házi-videó elemzéskor dolgoztam együtt, és az volt a megfigyelése, hogy "azt az elgondolást, hogy a nyelv eseményekhez fűződő viszonyát elemezzük, annak érdekében, hogy a nyelv alapjait vizsgáljuk, kivihetnénk az otthonodból, Deb, és alkalmazhatjuk a nyilvános média világában is." Erőfeszítéseink váratlan fordulatot vettek.
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.
Gondoljunk csak a tömegmédiára, mely szintén egy közös alapot szolgáltat, és a recept nálunk van arra, hogy ezt az elgondolást egy teljesen új területen használjuk. Elkezdtünk televíziós tartalmak elemzésével foglalkozni, ugyanennek az elvnek a felhasználásával -- a TV-szignálok esemény rendszerének elemzésével -- show műsorok epizódjaival, reklámokkal, az eseményeket felépítő elemekkel. Most meg itt állunk műhold vevőkkel felszerelve, ízekre szedjük, úgy elemezzük az Egyesült Államok összes adását. Ehhez még csak fel sem kell szerelni a nappalit mikrofonokkal, hogy meglegyen az emberek beszélgetése, egyszerűen nyilvános társadalmi média-adásokra hangolódunk rá.
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.
Havonta körülbelül három milliárd hozzászólást húzunk be a rendszerünkbe. Aztán megtörténik a csoda. Megvan az esemény szerkezete, a televíziós adásból adódó szavak közös alapja, megvannak a beszélgetések az adott témákban; és jelentéstani vizsgálattal, nem mellesleg felhasználásra került valós adatokkal -- minden egyes sárga sor egy a "vadonban" tett megjegyzés, és a televíziós jelből kivilágló eseményszerkezet darabja közötti összefüggést mutatja. A korábban említett elvre építünk. Ezt a szótájképet kapjuk, annyi különbséggel, hogy a szavak ezúttal nem a nappalimban hangzanak el. Ehelyett a környezet, az események közös talaja a televíziós adásban elhangzott beszélgetések tartalma. Az itt látható felhőkarcolók pedig a megjegyzések, melyek a televízióban elhangzott tartalomhoz köthetők. Az elgondolás ugyanaz, de a kommunikációs dinamizmust nagyon különböző légkörben vizsgáljuk.
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.
Alapvetően tehát, ahelyett, hogy például a nézettség alapján mérnénk a tartalmat, így olyan alapadatokhoz jutunk, melyek a tartalom tulajdonságaihoz kapcsolódnak. Ugyanúgy, ahogy eddig visszajelzések körforgását, családok dinamikáját vizsgáltuk, úgy most ugyanilyen elv alapján egy sokkal nagyobb embercsoportot is vizsgálhatunk. Ez az adatbázisunk egy részhalmaza -- több millióból mindössze 50 000 -- nyilvánosan elérhető forrásokon keresztül kapcsolódnak egymáshoz, ebben a szociális grafikonban. Ha egy síkba helyezzük őket, a tartalom egy második síkban érvényes. Ott vannak tehát a programok, a sportesemények, a reklámok, és az összes őket összekötő kapcsolati struktúra, mely a tartalmi grafikont adja. A harmadik dimenzió is fontos. Minden itt látható, egymáshoz rendelt kapcsolat, tulajdonképpen nem más, mint valami, amit valaki mondott, és valamilyen tartalom. Ismétlem, több tízmillió ilyen kapocs van, ami a szociális grafikonok kötőszövetét képzi, és ami a tartalomhoz való kapcsolatukat adja. Elkezdhetjük tesztelni a szerkezetet ezzel az érdekes módszerrel például.
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.
Tegyük fel, hogy a tartalom egy szeletének útvonalát akarjuk nyomon követni, mely valakit megjegyzések tételére késztetett, s akkor azt is nyomon követjük, hogy a megjegyzés merre tart, majd az egész szociális grafikont látjuk, ahogy mozgásba lendül és vissza tudunk térni oda, hogy mi a kapcsolat a szociális grafikon és a tartalom között, és egy nagyon érdekes szerkezet bontakozik ki. Együttesen megtekintő klikk-nek nevezzük, virtuális nappalinak, ha úgy tetszik. Lenyűgöző dinamika zajlik, ha megfigyeljük. Nem egyirányú. Egy tartalom-foszlány, egy esemény valakit beszédre késztet. Egymáshoz beszélnek. A beszélgetésre hangoló viselkedés pedig visszakanyarodik a tömegmédiához, és így körforgás alakul ki, ami serkenti a viselkedés összességét.
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.
Egy másik példa -- mely merőben más -- egy adatbázisunkban lévő másik személy, és legalább száz ilyen van, ha nem ezer. Adtunk neki egy nevet. Egy amatőr-párti, vagy pro-am médiakritikus, aki nagyon nagy népszerűségre tett szert. Szóval sokan képben vannak ezt a személyt illetően -- nagyon nagy hatású -- és hajlamosak arra, hogy beszéljenek arról, ami a TV-ben van. Ez a személy tehát kulcsszerepet játszik a tömegmédia és a szociális média összekapcsolásában.
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.
Az utolsó ilyen adat: Néha csak egy tartalomfoszlány az, ami figyelemreméltó. Ha tehát ezt a tartalom-foszlányt kezdjük vizsgálni, Obama elnöknek az Egyesült Államokbeli felszólalását csak néhány héttel ezelőttről, nézzük, mi az, amit ugyanebben az adathalmazban találunk, ugyanezen a skálán, a tartalom-foszlány tulajdonságai közti kapcsolat valóban figyelemre méltó. Egy egész nemzet beszélni kezd élőben az adásra válaszolva. A sorokat követve semmilyen rendszer nem fedezhető fel a nyelvben. Megröntgenezhetjük, s akkor esetleg megkapjuk a nemzet aktuális pulzusát, a szociális grafikon különböző áramköreinek a tartalom által kiváltott társadalmi reakcióit.
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.
Összefoglalásképpen elmondhatjuk tehát, hogy az elgondolás a következő: Ahogy a világ technikailag egyre felszereltebb, képesek leszünk arra, hogy összegyűjtsük mindazt, ami az emberek között elhangzott, és összekössük a szövegkörnyezettel, és ez segít bennünket abban, hogy új, eddig felfedezetlen társadalmi szerkezeteket és mozgásokat lássunk meg. Ezt egy mikroszkóp vagy teleszkóp megépítéséhez lehet hasonlítani, ahhoz, hogy új szerkezeteket fedezünk fel, melyek a kommunikációnk körüli viselkedésünket érintik. Azt gondolom, a következmények mélyrehatóak, legyenek azok tudományosak, kereskedelmiek, államiak vagy, ami talán mindannyiunkat érint, individuálisak.
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."
A fiamra visszatérve, amikor erre az előadásra készültem, ő átnézett a vállamon, én megmutattam neki ezeket a bemutatásra kerülő videó felvételeket, kértem a jóváhagyását - megadta. Azt is tudtára adtam, hogy "Ez a hatalmas adatbázis, ez az egész felvétel-sorozat valami csodálatos, az egészet meg fogjátok kapni, te és a húgod," aki két év elteltével született. "Nektek megadatik majd a lehetőség, hogy visszatekintsetek olyan pillanatokra, amelyekre a biológiai memóriátokkal valószínűleg soha nem lennétek képesek, és ezeket a perceket mind újra átélhetitek." Egy percig csendben figyelt. Én meg arra gondoltam, "Mit nem képzelek? Hiszen még csak öt éves. Nem fogja megérteni, miről van szó." Ahogy ez járt éppen a fejemben, felnézett rám, és megszólalt: "Szóval, ha én felnövök, megmutathatom a gyerekeimnek?" És akkor belém hasított: "Nahát, ez kemény dolog."
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.
Végezetül hadd mutassak Önöknek egy utolsó emlékezetes pillanatot a családi életünkből. Itt történt meg az, hogy a fiúnk első alkalommal tett meg egyszerre több mint két lépést -- és meg lett örökítve. Szeretném, ha közben valamire összpontosítanának. Zsúfolt környezet; természetes életközegben. Anyám a konyhában főz, és látni, hol máshol, mint éppen az előszobában, azon van, hogy megtegye, hogy megtegyen több, mint két lépést. Hallani lehet a hangomat, ahogy biztatom, amint rájövök, hogy mi történik, és akkor egyszerre csak megtörténik a csoda. Nagyon figyeljenek! Körülbelül három lépés után felfogja, hogy valami csodálatos dolog történik. És az eddigi legbámulatosabb visszajelzést adja, mély levegőt vesz, és halkan mondja "wow" én pedig ösztönösen visszhangzom ezt a "wow"-t. Siessünk vissza időben ehhez az emlékezetes perchez.
(Video) DR: Hey. Come here. Can you do it? Oh, boy. Can you do it? Baby: Yeah. DR: Ma, he's walking.
(Videó) DR: Hé, Gyere ide. Na, sikerülni fog? Ó, fiam. Sikerülni fog? Bébi: Igen. DR: Anya, jár a gyerek!
(Laughter)
(Nevetés)
(Applause)
(taps)
DR: Thank you.
DR: Köszönöm.
(Applause)
(Taps)