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.
Immaginate di poter registrare la vostra vita -- ogni cosa detta, ogni cosa fatta, disponibile in una perfetta unità di memoria a portata di mano, così da poter tornare indietro e trovare momenti memorabili e riviverli, o setacciare le tracce del tempo e scoprire nella vostra vita dei modelli che in precedenza non erano stati scoperti. Bene, questo è esattamente il viaggio che la mia famiglia ha iniziato cinque anni e mezzo fa. Questa è mia moglie e la mia collaboratrice: Rupal. E in questo giorno, in questo momento, stavamo entrando in casa con il nostro primo bambino, il nostro bellissimo maschietto. Entravamo in una casa con un sistema molto speciale di registrazione video.
(Video) Man: Okay.
(Video) Uomo: Okay.
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: Questo momento e migliaia di altri momenti speciali per noi sono stati catturati nella nostra casa perché in ogni sua stanza, se si guardava in su, si poteva vedere una telecamera e un microfono, e se si guardava in giù, si aveva questa vista a occhio d'uccello della stanza. Questo è il nostro salotto, la camera da letto del bimbo, la cucina, la sala da pranzo e il resto della casa. Tutto ciò finiva in una raccolta su disco che era predisposta per una registrazione continua. Così voleremo attraverso un giorno nella nostra casa mentre ci muoviamo dall'assolato mattino fino alla sera incandescente e, infine, le luci sulla giornata si spengono. Nel corso di tre anni, abbiamo registrato da otto a dieci ore al giorno, accumulando circa un quarto di milione di ore di tracce multiple audio e video.
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.
Così state guardando un pezzo di ciò che finora, è la più grande collezione di video casalinghi mai fatta. (Risate) Ciò che questi dati rappresentano per la nostra famiglia ad un livello personale, ha già avuto un impatto immenso, e stiamo ancora imparandone il valore. Innumerevoli ricordi di momenti naturali non richiesti, momenti non in posa, sono stati raccolti qui, e stiamo imparando come scoprirli e trovarli.
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.
ma c'è anche una ragione scientifica che ha guidato questo progetto, che era di usare questi dati longitudinali e naturali per comprendere il processo di apprendimento di una lingua da parte di un bambino -- mio figlio. Così approntate le molte precauzioni per la privacy per proteggere tutti coloro che sono registrati nei dati, abbiamo reso disponibili elementi dei dati al mio fidato team di ricercatori al MIT così da poter cominciare ad individuare dei modelli in questo massiccio insieme di dati, cercando di capire l'influenza dell'ambiente sociale nell'acquisizione di una lingua. Qui stiamo guardando una delle prime cose che abbiamo iniziato a fare. Questi siamo io e mia moglie che prepariamo la colazione in cucina. E mentre ci muoviamo attraverso il tempo e lo spazio, un vero modello di vita quotidiana in cucina.
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.
Per convertire queste 90.000 opache ore di video in qualcosa che potevamo iniziare a guardare, usiamo l'analisi del movimento per estrarre, mentre ci muoviamo nello spazio e nel tempo, ciò che chiamiamo vermi spazio-temporali. Questa è diventata una parte della nostra cassetta degli attrezzi permettendoci di guardare e vedere a quale punto dei dati ci sono le attività, e con queste, tracciarne il modello, in particolare, quando mio figlio si muove per la casa, così da poter focalizzare i nostri sforzi di trascrizione, su tutti i discorsi dell'ambiente intorno a mio figlio -- tutte le parola che ha sentito da me, da mia moglie, dalla nostra tata, e nel tempo, le parole che ha iniziato a produrre. Così con quella tecnologia e quei dati, e con la capacità di trascrivere i discorsi, con l'aiuto di una macchina, abbiamo fino ad ora trascritto circa sette milioni di parole dalle nostre trascrizioni casalinghe. Detto ciò lasciate che ora vi porti a fare un primo giro nei nostri dati.
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.
Sicuramente voi tutti avete visto dei video accelerati in cui un fiore sboccia mentre si accelera il tempo. Vorrei che ora faceste l'esperienza dello sbocciare di una forma di discorso. Mio figlio, poco dopo il suo primo compleanno, diceva "gaga" al posto di acqua. Nel corso dei successivi sei mesi, lentamente ha imparato ad approssimare la corretta forma adulta: "water". Così navigheremo attraverso questo mezzo anno in circa 40 secondi. Niente video qui, così potrete focalizzarvi sul suono, sull'acustica, di un nuovo tipo di traiettoria: da "gaga" a "water".
(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) Bambino: Gagagagagaga Gaga gaga gaga guga guga guga wada gaga gaga guga gaga wader guga guga water water water water water water water water water.
DR: He sure nailed it, didn't he.
DR: C'è l'ha decisamente fatta, non è vero?
(Applause)
(Applauso)
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.
Così non ha solo imparato la parola "water". Nel corso di 24 mesi, i primi due anni, sui quali ci siamo focalizzati, questa è la mappa di tutte le parole che ha imparato in ordine cronologico. Dato che abbiamo le trascrizioni complete, abbiamo identificato ognuna delle 503 parole che ha imparato a produrre entro il suo secondo compleanno. Era un parlatore precoce. E così abbiamo cercato di analizzare il perché. Perché certe parole sono nate prima di altre? Questo è uno dei primi risultati che è emerso dal nostro studio poco meno di un anno fa che ci ha veramente sorpreso. Il modo di interpretare questo grafico apparentemente semplice è che sull'asse verticale c'è un indicazione della complessità delle espressioni degli adulti che gli stavano vicino basata sulla lunghezza delle espressioni. E l'asse orizzontale è quello del tempo.
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.
Tutti i dati sono stati allineati basandosi sull'idea seguente: Ogni volta che mio figlio avesse imparato una parola, saremmo tornati indietro e avremmo cercato tutte le frasi che ha ascoltato che contenevano quella parola. Avremmo riportato la lunghezza relativa di queste frasi. Abbiamo scoperto questo fenomeno curioso, il discorso dell'adulto si riduceva sistematicamente al minimo, rendendo più semplice possibile la lingua, e poi riguadagnava lentamente complessità. La cosa stupefacente era che quel balzo, quella diminuzione, si allineava quasi esattamente con la nascita di ogni parola -- parola dopo parola, sistematicamente. Sembra che i tre adulti principali -- io, mia moglie e la nostra tata -- stessero sistematicamente e, io credo, in modo inconscio destrutturando il proprio linguaggio per incontrarlo alla nascita di una parola e poi portarlo gentilmente ad un linguaggio più complesso. L'implicazione di questo -- ce ne sono tante ma voglio segnalarne una, è che ci devono essere degli stupefacenti cicli di risposta. Ovviamente mio figlio sta imparando dal suo ambiente linguistico, ma l'ambiente sta imparando da lui. Questo ambiente, queste persone, sono prese in queste stretti cicli di risposta e creano una sorta di impalcatura che fino ad ora non è stata notata.
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.
Questo se guardiamo al contesto del discorso. E il contesto visivo? Stiamo guardando a -- pensate a questo come ad uno spaccato da casa di bambola della nostra casa. Abbiamo preso queste lenti circolari a occhio di pesce, e abbiamo fatto qualche correzione ottica, quindi possiamo renderle tridimensionali. Così, benvenuti a casa mia. Questo è un istante, un istante catturato da telecamere multiple. Abbiamo fatto ciò per creare la macchina della memoria finale, con la quale puoi tornare indietro e volare in modo interattivo e infondere video vita in questo sistema. Quello che sto per fare è darvi una vista accelerata di 30 minuti, di semplice vita in un soggiorno. Questi siamo io e mio figlio sul pavimento. Con le analisi del video tracciamo i nostri movimenti. Mio figlio lascia una traccia rossa, io una traccia verde. Ora siamo sul divano, e guardiamo dalla finestra le auto che passano. E infine, mio figlio che gioca da solo con un giocattolo.
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.
Ora congeliamo l'azione, 30 minuti, mettiamo il tempo sull'asse verticale, e creiamo una vista delle tracce d'interazione che abbiamo lasciato. E vediamo queste strutture affascinanti -- questi piccoli nodi di tracce di due colori le chiamiamo 'spazi sociali caldi'. La traccia a spirale la chiamiamo 'spazio solitario caldo'. Pensiamo che questi influiscano sull'apprendimento del linguaggio. Ciò che vorremmo fare è cominciare a comprendere l'interazione tra questi tracciati e il linguaggio a cui mio figlio è esposto per vedere se possiamo indovinare come la struttura del quando le parole vengono ascoltate influisca sul quando vengono imparate -- in altre parole, la relazione tra le parole e ciò che rappresentano nel mondo.
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.
Ecco qual'è il nostro approccio. In questo video, si traccia ancora [il movimento] di mio figlio. Si lascia dietro una traccia rossa. C'è la nostra tata vicino alla porta.
(Video) Nanny: You want water? (Baby: Aaaa.) Nanny: All right. (Baby: Aaaa.)
(Video) Tata: Vuoi dell'acqua? (Bambino: Aaaa.) Tata: Va bene. (Bambino: 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: Gli offre dell'acqua, ed ecco che le due tracce vanno verso la cucina a prendere l'acqua. Ciò che abbiamo fatto è usare la parola "acqua" per taggare questo momento, questo pezzo di attività. Ora usiamo il potere dei dati e prendiamo ogni momento in cui mio figlio ha sentito la parola "acqua" e il contesto in cui l'ha sentita usare, e li usiamo per penetrare attraverso il video e trovare ogni traccia di attività che si presentava assieme alla richiesta di acqua. Quello che questi dati lasciano nella loro scia è un panorama. Noi lo chiamiamo parolorama. Questo è il parolorama per la parola acqua, e potete vedere che la maggior parte dell'azione è nella cucina. Dove troviamo quei grossi picchi sulla sinistra. E possiamo fare un confronto utilizzando qualsiasi parola. Possiamo prendere la parola 'ciao'. E ci focalizziamo sull'ingresso della casa. Guardiamo e troviamo, come ci si aspetta, un contrasto nel panorama poiché la parola 'ciao' si presenta in contesti molto più strutturati. Così usiamo queste strutture per iniziare a predire l'ordine di acquisizione del linguaggio, è il lavoro che stiamo facendo ora.
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.
Nel mio laboratorio al MIT, nel quale stiamo sbirciando ora -- questo è nel Media Lab. Questo è diventato il mio modo preferito di registrare su video ogni tipo di spazio, Tre delle persone chiave in questo progetto, Philip DeCamp, Rony Kubat e Brandon Roy sono in questa foto. Philip è stato uno stretto collaboratore nel fare tutte le visualizzazioni che state vedendo. Michael Fleischman era un altro dottorando nel mio laboratorio che lavorava con me in questa analisi di video casalinghi, e ha osservato che: "il modo in cui analizziamo come il linguaggio si connette con gli eventi come ci dà una base comune per il linguaggio, quella stessa idea la possiamo fare uscire da casa tua, Deb, e la possiamo applicare al mondo dei media." Così i nostri sforzi hanno preso una piega inaspettata.
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.
Pensate ai mass media come fornitori di una base comune ed avrete la ricetta per portare questa idea in un orizzonte interamente nuovo. Abbiamo iniziato ad analizzare i contenuti televisivi usando gli stessi principi -- analizzando la struttura di un evento di un segnale TV -- episodi di spettacoli, pubblicità, tutte le componenti che costituiscono la struttura dell'evento. Con l'aiuto delle piattaforme satellitari stiamo ora registrando ed analizzando una buona parte di tutte le televisioni guardate negli Stati Uniti. E non dobbiamo andare a microfonare i soggiorni per registrare le conversazioni tra le persone, basta sintonizzarsi ai canali pubblici disponibili.
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.
Così stiamo estraendo circa tre miliardi di commenti al mese. E poi accade la magia. Ecco la struttura dell'evento, la base comune di cui trattano le parole, uscire dalle trasmissioni televisive; abbiamo le conversazioni che riguardano questi argomenti; e attraverso l'analisi semantica -- e questi che state guardando sono i dati reali usciti dalle nostre eleborazioni -- ogni linea gialla mostra un collegamento che viene creato tra un commento allo stato puro e una parte della struttura dell'evento che esce dal segnale televisivo. Ora la stessa idea può essere incrementata. E abbiamo questo parolorama, eccetto il fatto che ora le parole non sono assemblate nel mio soggiorno. Invece il contesto, le attività di base, sono il contenuto televisivo sotteso alle conversazioni. E quello che vediamo qui, questi grattacieli, sono i commenti che sono legati al contenuto televisivo. Il concetto è lo stesso, ma guardando alla dinamica delle comunicazioni in una sfera molto diversa.
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.
Così fondamentalmente, piuttosto che, ad esempio, misurare il contenuto basandosi su quante persone stanno guardando, questo ci dà i dati di base per osservare la capacità del contenuto di suscitare interesse. E proprio come possiamo osservare i cicli di risposta e le dinamiche in una famiglia, possiamo ora aprire gli stessi concetti e osservare a gruppi di persone più ampi. Questo è un sotto insieme di dati dal nostro database -- solo 50.000 su diversi milioni -- e il grafico sociale che collega i dati attraverso le fonti pubbliche disponibili. E se le mettiamo tutti su un piano, un secondo piano in cui c'è il contenuto. Così abbiamo i programmi e gli eventi sportivi e la pubblicità, e tutte le le strutture che li legano costituiscono il grafico del contenuto. E quindi l'importante terza dimensione. Ogni collegamento che vedete rappresentato qui è una reale connessione fatta tra qualcosa che ha detto qualcuno e un contenuto. E ci sono ora decine di milioni di questi collegamenti che ci danno il tessuto connettivo dei grafici sociali e come si relazionano al contenuto. Possiamo ora iniziare a testare la struttura in modo interessante.
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.
Così se noi, ad esempio, tracciamo il percorso di un pezzo di contenuto che porta qualcuno a commentarlo, e seguiamo dove va questo commento, e quindi guardiamo all'intero grafico sociale che viene attivato e torniamo indietro per vedere la relazione tra il grafico sociale e il contenuto, diventa visibile una struttura veramente interessante. Chiamiamo ciò un gruppo di visione condivisa, o se volete un salotto virtuale. Sono in gioco dinamiche affascinanti. Non è un senso unico. Una parte di contenuto, un evento, fa parlare qualcuno. Che parla con altre persone. Questo porta un comportamento di sintonizzazione dei mass media, e si hanno questi cicli che guidano il comportamento collettivo.
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.
Un altro esempio -- molto diverso -- un'altra persona reale nel nostro database -- e ne troviamo a centinaia se non a migliaia. Abbiamo dato un nome a questa persona. E' un critico dei media, un pro-amateur o pro-am che ha questo alto tasso di apertura. Così molte persone lo seguono -- è molto influente -- e hanno la propensione di parlare di ciò che c'è in TV. Così questa persona è un collegamento chiave nel connettere i mass media e i media sociali.
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 ultimo esempio da questi dati: a volte ad essere speciale è un contenuto. Così se andiamo a guardare questo contenuto, il discorso sullo Stato dell'Unione del Presidente Obama di qualche settimana fa, e guardiamo quello che troviamo in questo stesso insieme di dati, alla stessa scala, la capacità di creare delle connessioni di questo contenuto è veramente notevole. Una nazione intera che discute in tempo reale in risposta a ciò che viene trasmesso. Ovviamente, attraverso tutte queste tracce c'è un fluente linguaggio non strutturato. Possiamo passare a i raggi X ed avere in tempo reale il polso di una nazione, il senso in tempo reale delle reazioni sociali presenti nei diversi circuiti del grafico sociale che sono attivati da questo contenuto.
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.
Così, per riassumere, l'idea è questa: Man mano che il nostro mondo diventa sempre più tecnologico ed abbiamo la capacità di raccogliere e collegare i dati tra quello che la gente sta dicendo e il contesto in cui lo dicono, ciò che emerge è la capacità di vedere nuove strutture sociali e dinamiche che non si erano mai viste prima. E' come costruire un microscopio o un telescopio e svelare nuove strutture riguardo il nostro comportamento nell'ambito della comunicazione. Penso che le implicazioni qui siano profonde, sia per la scienza, che per il commercio, per la politica o forse principalmente, per noi come individui.
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."
E così per tornare a mio figlio, mentre stavo preparando questo discorso, mi stava guardando da dietro le spalle e gli ho mostrato le clip che vi avrei mostrato oggi, e ho chiesto il suo permesso -- accordato. Poi ho continuato a riflettere, "Non è stupefacente, tutto questo database, tutte queste registrazioni, che passerò a te e a tua sorella," che è arrivata due anni dopo. "e voi ragazzi avrete la possibilità di tornare indietro e rifare l'esperienza di momenti che non avreste mai, con la vostra memoria biologica, potuto ricordare in questo modo." E lui è stato in silenzio per un momento. E io ho pensato: "Cosa sto pensando? Ha cinque anni. Non capirà queste cose." E proprio mentre stavo pensando questo, mi ha guardato e ha detto, "Così quando sarò grande, potrò mostrarlo ai miei bambini?" E ho pensato: "Wow, questa è roba potente."
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.
Così voglio lasciarvi con un ultimo momento memorabile che riguarda la nostra famiglia. Questa è la prima volta che nostro figlio ha fatto più di due passi alla volta -- catturata in un film. E voglio davvero che vi focalizziate su una cosa mentre vi guido. E' un ambiente disordinato; è vita reale. Mia madre è in cucina, e sta cucinando, e di tutti i posti, nell'entrata, capisco che sta per farcela a fare più di due passi. Così mi sentite incoraggiarlo, comprendendo cosa sta accadendo, e infine la magia accade. Ascoltate molto attentamente. Al terzo passo, lui capisce che sta accadendo qualcosa di magico. Ed ecco il più strabiliante dei cicli di risposta, fa un gran respiro, e sussurra "wow" e istintivamente io gli faccio eco. Così possiamo volare indietro nel tempo a questo momento memorabile.
(Video) DR: Hey. Come here. Can you do it? Oh, boy. Can you do it? Baby: Yeah. DR: Ma, he's walking.
(Video) DR: Hey. Vieni qui. Ci riesci? Oh, ragazzo. Ci riesci? Bambino: Sì. DR: Mamma sta camminando.
(Laughter)
(Risate)
(Applause)
(Applausi)
DR: Thank you.
DR: Grazie.
(Applause)
(Applausi)