How many of you had to fill out a web form where you've been asked to read a distorted sequence of characters like this? How many of you found it really annoying?
Já tiveram de preencher um formulário na web onde pedem para lerem caracteres distorcidos como estes? Não acharam isso muito irritante? (Risos)
(Laughter)
Espetacular. Fui eu que inventei isso.
OK, outstanding. So I invented that.
(Risos)
(Laughter)
Or I was one of the people who did it. That thing is called a CAPTCHA. And it is there to make sure you, the entity filling out the form, are a human and not a computer program that was written to submit the form millions of times. The reason it works is because humans, at least non-visually-impaired humans, have no trouble reading these distorted characters, whereas programs can't do it as well yet. In the case of Ticketmaster, the reason you have to type these characters is to prevent scalpers from writing a program that can buy millions of tickets, two at a time.
Fui um dos que inventou isso. Esta coisa chama-se um CAPTCHA. Serve para certificar que quem preenche o formulário, é uma pessoa e não um programa informático desenvolvido para submeter o formulário milhões de vezes. Funciona porque as pessoas, que não tenham limitações visuais não têm problema em ler estes caracteres distorcidos, mas os programas informáticos ainda não o conseguem fazer Por exemplo, no caso do Ticketmaster, temos de escrever estes caracteres distorcidos para impedir que os burlões comprem milhões de bilhetes, dois de cada vez.
CAPTCHAs are used all over the Internet. And since they're used so often, a lot of times the sequence of random characters shown to the user is not so fortunate. So this is an example from the Yahoo registration page. The random characters that happened to be shown to the user were W, A, I, T, which, of course, spell a word. But the best part is the message that the Yahoo help desk got about 20 minutes later.
Usam-se CAPTCHAs em toda a Internet. Como são usados com muita frequência, nem sempre é feliz a sequência de caracteres aleatórios que é mostrada ao utilizador Este exemplo é da página de registo do Yahoo. Os caracteres aleatórios que aparecem são W, A, I, T [esperem], que formam uma palavra. Mas a melhor parte é a mensagem que os serviços do Yahoo receberam uns 20 minutos depois.
[Help! I've been waiting for over 20 minutes and nothing happens.]
[Socorro! Estou à espera há mais de 20 minutos e não acontece nada]
(Laughter)
(Risos)
This person thought they needed to wait. This, of course, is not as bad as this poor person.
Esta pessoa achava que tinha de esperar. Mas é muito melhor do que este, coitado.
(Laughter)
[Reiniciar]
(Risos)
CAPTCHA Project is something that we did at Carnegie Melllon over 10 years ago, and it's been used everywhere. Let me now tell you about a project that we did a few years later, which is sort of the next evolution of CAPTCHA. This is a project that we call reCAPTCHA, which is something that we started here at Carnegie Mellon, then we turned it into a start-up company. And then about a year and a half ago, Google actually acquired this company.
Desenvolvemos o projeto CAPTCHA aqui na Carnegie Mellon há 10 anos e está a ser usado por toda a parte. Vou falar-vos de um projeto que desenvolvemos anos depois, que é uma espécie de evolução do CAPTCHA. É um projeto a que chamamos reCAPTCHA, que começámos aqui na Carnegie Mellon, e que transformámos depois numa empresa. Há cerca de um ano e meio, a Google comprou esta empresa.
Let me tell you what this project started. This project started from the following realization: It turns out that approximately 200 million CAPTCHAs are typed everyday by people around the world. When I first heard this, I was quite proud of myself. I thought, look at the impact my research has had. But then I started feeling bad. Here's the thing: each time you type a CAPTCHA, essentially, you waste 10 seconds of your time. And if you multiply that by 200 million, you get that humanity is wasting about 500,000 hours every day typing these annoying CAPTCHAs.
Vou dizer-vos o que este projeto começou. Este projeto começou através da seguinte perceção: Escrevem-se cerca de 200 milhões de CAPTCHAs todos os dias, por pessoas em todo o mundo. Quando soube disto, senti-me muito orgulhoso e pensei: "Que impacto que a minha investigação tem tido!". Mas depois comecei a sentir-me mal. Porque, sempre que escrevemos um CAPTCHA, desperdiçamos 10 segundos do nosso tempo. Se multiplicarmos isso por 200 milhões, a humanidade está a gastar cerca de 500 000 horas por dia a escrever estes irritantes CAPTCHAs.
(Laughter)
Por isso, comecei a sentir-me mal.
So then I started feeling bad.
(Risos)
(Laughter)
Depois comecei a pensar:
And then I started thinking, of course, we can't just get rid of CAPTCHAs, because the security of the web depends on them. But then I started thinking, can we use this effort for something that is good for humanity? So see, here's the thing. While you're typing a CAPTCHA, during those 10 seconds, your brain is doing something amazing. Your brain is doing something that computers cannot yet do. So can we get you to do useful work for those 10 seconds? Is there some humongous problem that we cannot yet get computers to solve, yet we can split into tiny 10-second chunks such that each time somebody solves a CAPTCHA, they solve a little bit of this problem? And the answer to that is "yes," and this is what we're doing now.
"Não nos podemos livrar dos CAPTCHAs, "porque a segurança da web depende deles." "Existirá alguma forma de utilizar este esforço "para qualquer coisa boa para a humanidade?" Então vejam isto. Nos 10 segundos, em que escrevem o CAPTCHA, o cérebro está a fazer algo fascinante. Faz uma coisa que os computadores não conseguem fazer. Como conseguir fazer algo útil durante esses 10 segundos? Ou seja, há um enorme problema que os computadores não resolvem. Será que podemos dividi-lo em períodos de 10 segundos e que, quando alguém escreve um CAPTCHA, se resolva uma parte desse problema? A resposta é "sim", e é oque estamos a fazer agora.
Nowadays, while you're typing a CAPTCHA, not only are you authenticating yourself as a human, but in addition you're helping us to digitize books. Let me explain how this works. There's a lot of projects trying to digitize books. Google has one. The Internet Archive has one. Amazon, with the Kindle, is trying to digitize books. Basically, the way this works is you start with an old book. You've seen those things, right? Like a book?
Por isso, hoje em dia, quando escrevem um CAPTCHA, estão a autenticar-se como pessoas, e estão a ajudar-nos a digitalizar livros. Vou explicar como é que isso funciona. Há imensos projetos a tentar digitalizar livros. A Google tem um. O Internet Archive tem um. A Amazon, com o Kindle, está a tentar digitalizar livros. Isto funciona assim: Começa-se por pegar num livro antigo, físico. Já viram uma coisa destas? Um livro? (Risos)
(Laughter)
Começam com um livro e digitalizam-no.
So you start with a book and then you scan it.
Digitalizar um livro
Now, scanning a book is like taking a digital photograph of every page. It gives you an image for every page. This is an image with text for every page of the book. The next step in the process is that the computer needs to be able to decipher the words in this image. That's using a technology called OCR, for optical character recognition, which takes a picture of text and tries to figure out what text is in there. Now, the problem is that OCR is not perfect. Especially for older books where the ink has faded and the pages have turned yellow, OCR cannot recognize a lot of the words. For things that were written more than 50 years ago, the computer cannot recognize about 30 percent of the words. So now we're taking all of the words that the computer cannot recognize and we're getting people to read them for us while they're typing a CAPTCHA on the Internet.
é como tirar uma fotografia digital de cada página do livro. Uma imagem para cada página do livro. Uma imagem com texto para cada página do livro. O passo seguinte é o computador conseguir decifrar todas as palavras nessa imagem. Usa-se uma tecnologia chamada OCR, Reconhecimento Ótico de Caracteres, que tira uma fotografia do texto e tenta descobrir que texto está lá. O problema é que o OCR não é perfeito. Especialmente para livros mais antigos com tinta a falhar e páginas amareladas, OCR não consegue reconhecer muitas das palavras. Nas coisas que foram escritas há mais de 50 anos, o computador não reconhece cerca de 30% das palavras. Portanto, extraímos todas as palavras que o computador não consegue reconhecer e pomos pessoas a lê-las para nós enquanto escrevem um CAPTCHA na Internet.
So the next time you type a CAPTCHA, these words that you're typing are actually words from books that are being digitized that the computer could not recognize. The reason we have two words nowadays instead of one is because one of the words is a word that the system just got out of a book, it didn't know what it was and it's going to present it to you. But since it doesn't know the answer, it cannot grade it. So we give you another word, for which the system does know the answer. We don't tell you which one's which and we say, please type both. And if you type the correct word for the one for which the system knows the answer, it assumes you are human and it also gets some confidence that you typed the other word correctly. And if we repeat this process to 10 different people and they agree on what the new word is, then we get one more word digitized accurately.
Quando escreverem um CAPTCHA, a palavra que escreverem é uma palavra que sai de livros que estão a ser digitalizados e que o computador não conseguiu reconhecer. Agora temos duas palavras, em vez de uma, porque uma das palavras foi retirada de um livro que o sistema não conseguia ler. Mas como não sabe a resposta, não consegue dizer-vos que palavra é. Por isso, dá-vos outra palavra, para a qual o sistema conhece a resposta. Não dizemos qual é qual. Pedimos para escrever as duas. Se escreverem a palavra correta que o sistema já conhece, ele assume que vocês são humanos, e acha que escreveram bem a outra palavra. Se repetirmos este processo com 10 pessoas diferentes e todas elas concordarem qual é a nova palavra, então temos mais uma palavra digitalizada corretamente. É assim que o sistema funciona.
So this is how the system works. And since we released it about three or four years ago, a lot of websites have started switching from the old CAPTCHA, where people wasted their time, to the new CAPTCHA where people are helping to digitize books. So every time you buy tickets on Ticketmaster, you help to digitize a book. Facebook: Every time you add a friend or poke somebody, you help to digitize a book. Twitter and about 350,000 other sites are all using reCAPTCHA. And the number of sites that are using reCAPTCHA is so high that the number of words we're digitizing per day is really large. It's about 100 million a day, which is the equivalent of about two and a half million books a year. And this is all being done one word at a time by just people typing CAPTCHAs on the Internet.
Desde que o lançámos há três ou quatro anos, muitos websites já começaram a mudar do CAPTCHA onde as pessoas perdiam tempo para o novo CAPTCHA, ajudando a digitalizar livros. Por exemplo, o Ticketmaster. Quando compram bilhetes no Ticketmaster, ajudam a digitalizar um livro. Facebook: Quando adicionam um amigo estão a ajudar a digitalizar um livro. O Twitter e cerca de 350 000 websites estão a usar o reCAPTCHA. O número de sites a usar o reCAPTCHA é tão grande que o número de palavras que digitalizamos por dia é muito grande. É cerca de 100 milhões por dia, o que equivale a dois milhões e meio de livros por ano. Tudo isto é feito, palavra-a-palavra apenas com a escrita de CAPTCHAs na Internet. (Aplausos)
(Applause)
Agora, claro,
Now, of course, since we're doing so many words per day, funny things can happen. This is especially true because now we're giving people two randomly chosen English words next to each other. So funny things can happen. For example, we presented this word. It's the word "Christians"; there's nothing wrong with it. But if you present it along with another randomly chosen word, bad things can happen. So we get this.
já que estamos a conseguir tantas palavras por dia, podem acontecer situações engraçadas. Estamos a dar às pessoas duas palavras escolhidas ao acaso, em conjunto. Podem acontecer coisas engraçadas. Por exemplo, demos a palavra "cristãos". Nada de especial. Mas se a apresentarmos com outra escolhida ao acaso, podem acontecer coisas más. Por exemplo. [Maus cristãos]
[bad Christians]
Mas pior ainda, porque o site em que mostrámos isto
But it's even worse, because the website where we showed this actually happened to be called The Embassy of the Kingdom of God.
calhou chamar-se "A Embaixada do Reino de Deus". (Risos)
(Laughter)
Oops.
(Laughter)
Aqui está outra bem má.
Here's another really bad one. JohnEdwards.com
JohnEdwards.com
[Damn liberal]
[Maldito liberal]
(Laughter)
(Risos)
So we keep on insulting people left and right everyday. Of course, we're not just insulting people. Here's the thing. Since we're presenting two randomly chosen words, interesting things can happen. So this actually has given rise to a really big Internet meme that tens of thousands of people have participated in, which is called CAPTCHA art. I'm sure some of you have heard about it. Here's how it works. Imagine you're using the Internet and you see a CAPTCHA that you think is somewhat peculiar, like this CAPTCHA.
Estamos sempre a insultar pessoas por todo o lado. Mas não estamos só a insultar pessoas. Como apresentamos duas palavras escolhidas ao acaso, podem acontecer coisas interessantes. Isto gerou um burburinho famoso na Internet em que já participaram dezenas de milhares de pessoas que se chama: "CAPTCHA art". Já devem ter ouvido falar nele. Funciona assim: Imaginem que veem um CAPTCHA que acham que é, de certa forma, esquisito, como este CAPTCHA
[invisible toaster]
[Torradeira invisível]
What you're supposed to do is you take a screenshot of it. Then of course, you fill out the CAPTCHA because you help us digitize a book. But first you take a screenshot and then you draw something that is related to it.
Depois, supostamente, faz-se um printscreen. e preenchem o CAPTCHA, porque estão a ajudar a digitalizar um livro. Mas depois, fazem o printscreen e desenham algo relacionado com ele.
(Laughter)
(Risos)
That's how it works.
É assim que funciona.
(Laughter)
Há dezenas de milhares destes.
There are tens of thousands of these. Some of them are very cute.
Alguns são adoráveis.
[clenched it]
[consegui-o]
(Laughter)
(Risos)
Some of them are funnier.
Outros são mais divertidos.
[stoned Founders]
[Fundadores pedrados]
(Laughter)
(Risos)
And some of them, like paleontological shvisle ...
E alguns deles,
(Laughter)
como "paleontological shvisle"
they contain Snoop Dogg.
contêm o Snoop Dogg.
(Laughter)
(Risos)
OK, so this is my favorite number of reCAPTCHA. So this is the favorite thing that I like about this whole project. This is the number of distinct people that have helped us digitize at least one word out of a book through reCAPTCHA: 750 million, a little over 10 percent of the world's population, has helped us digitize human knowledge. And it is numbers like these that motivate my research agenda. So the question that motivates my research is the following: If you look at humanity's large-scale achievements, these really big things that humanity has gotten together and done historically -- like, for example, building the pyramids of Egypt or the Panama Canal or putting a man on the Moon -- there is a curious fact about them, and it is that they were all done with about the same number of people. It's weird; they were all done with about 100,000 people. And the reason for that is because, before the Internet, coordinating more than 100,000 people, let alone paying them, was essentially impossible. But now with the Internet, I've just shown you a project where we've gotten 750 million people to help us digitize human knowledge. So the question that motivates my research is, if we can put a man on the Moon with 100,000, what can we do with 100 million?
Ok, este é o meu número preferido do reCAPTCHA. É a minha coisa preferida em todo este projeto. É o número de pessoas que nos ajudaram a digitalizar pelo menos uma palavra de um livro através do reCAPTCHA: 750 mil milhões, um pouco mais de 10% da população mundial, que nos ajudou a digitalizar o conhecimento humano. São números como estes que motivam a minha investigação. A questão que motiva a minha investigação é esta: Se virmos as grandes conquistas da humanidade, as coisas realmente grandiosas em que a humanidade se juntou e fez história — como a construção das pirâmides do Egipto ou do canal do Panamá ou pôr um homem na Lua — há um facto curioso relacionado com elas: todas foram feitas com quase o mesmo número de pessoas. É estranho; todas foram feitas com cerca de 100 000 pessoas. E a razão para isso é que, antes da Internet, coordenar mais do que 100 000 pessoas, quanto mais, pagar-lhes, era quase impossível. Mas agora, com a Internet, mostrei um projeto em que temos 750 milhões de pessoas que nos ajudam a digitalizar o conhecimento humano. Assim, o motive da minha investigação é: se conseguimos pôr um homem na Lua com 100 000 pessoas,
So based on this question, we've had a lot of different projects that we've been working on. Let me tell you about one that I'm most excited about. This is something that we've been semiquietly working on for the last year and a half or so. It hasn't yet been launched. It's called Duolingo. Since it hasn't been launched, shhh!
o que conseguiremos fazer com 100 milhões? Com base nesta questão, estamos a trabalhar em muitos projetos diferentes Vou falar-vos sobre aquele que mais me entusiasma. É uma coisa em que temos estado a trabalhar discretamente no último ano e meio. Ainda não foi lançado. Chama-se Duolingo. Como ainda não foi lançado, shhhhh!
(Laughter)
(Risos)
Yeah, I can trust you'll do that. So this is the project. Here's how it started. It started with me posing a question to my graduate student, Severin Hacker. OK, that's Severin Hacker. So I posed the question to my graduate student. By the way, you did hear me correctly; his last name is Hacker.
Sim, confio que vão fazer isso. O projeto é este. Começou assim. Fiz uma pergunta a um estudante já licenciado, Severin Hacker. Este é o Severin Hacker. (Risos) Fiz uma pergunta ao meu aluno. Já agora, vocês ouviram bem,
(Laughter)
o apelido dele é Hacker.
So I posed this question to him: How can we get 100 million people translating the web into every major language for free? There's a lot of things to say about this question. First of all, translating the web. Right now, the web is partitioned into multiple languages. A large fraction of it is in English. If you don't know English, you can't access it. But there's large fractions in other different languages, and if you don't know them, you can't access it. So I would like to translate all of the web, or at least most of it, into every major language. That's what I would like to do.
Fiz-lhe esta pergunta: "Como conseguir que 100 milhões de pessoas "traduzam a web, de graça, para as principais línguas?" Há muitas coisas a dizer acerca disto. Em primeiro lugar: traduzir a Web. A web está dividida em várias línguas. Uma grande parte dela está em inglês. Se não soubermos inglês, não conseguimos percebê-la. Mas há grandes frações noutras línguas. Se não soubermos essas línguas, não as percebemos. Por isso, gostaria de traduzir toda a web, ou a maior parte dela, em todas as línguas principais. É o que eu gostaria fazer.
Now, some of you may say, why can't we use computers to translate? Machine translation is starting to translate some sentences here and there. Why can't we use it to translate the web? The problem with that is it's not yet good enough and it probably won't be for the next 15 to 20 years. It makes a lot of mistakes. Even when it doesn't, since it makes so many mistakes, you don't know whether to trust it or not.
Poderão dizer: "Porque é que não usamos computadores para traduzir? "ou tradução automática? "A tradução automática já começa a traduzir algumas frases. "Porque não usá-la para toda a web?" O problema é que ela ainda não é grande coisa nem o será, nos próximos 15 ou 20 anos. Faz imensos erros. Por causa disso, não sabemos se podemos confiar nela ou não
So let me show you an example of something that was translated with a machine. Actually, it was a forum post. It was somebody who was trying to ask a question about JavaScript. It was translated from Japanese into English. So I'll just let you read. This person starts apologizing for the fact that it's translated with a computer. So the next sentence is going to be the preamble to the question. So he's just explaining something. Remember, it's a question about JavaScript.
Vou mostrar-vos um exemplo duma coisa que foi traduzida automaticamente. Tratava-se de um post de um fórum. Alguém queria fazer uma pergunta sobre JavaScript. Foi traduzida de japonês para inglês. [...Agradeço computador traduzir ajudar. Desculpem!] Esta pessoa começa por pedir desculpa por estar a traduzir com um computador. A próxima frase é o preâmbulo da questão. Está apenas a explicar. Lembrem-se, é uma questão sobre o JavaScript.
[At often, the goat-time install a error is vomit.]
[Frequentemente, o tempo de cabra instalar um erro é vómito".)
(Laughter)
(Risos)
Then comes the first part of the question.
Depois vem a primeira parte da pergunta.
[How many times like the wind, a pole, and the dragon?]
[Quantas vezes como o vento, um polo, e o dragão?)
(Laughter)
(Risos)
Then comes my favorite part of the question.
Depois vem a minha parte preferida da pergunta
[This insult to father's stones?]
[Este insulto às pedras do pai?]
(Laughter)
(Risos)
And then comes the ending, which is my favorite part of the whole thing.
E por fim, a minha parte favorita disto tudo. [Por favor peçam desculpa pela vossa estupidez. Há imensos obrigado]
[Please apologize for your stupidity. There are a many thank you.]
(Risos)
(Laughter)
A tradução por computadores, ainda não é grande coisa.
OK, so computer translation, not yet good enough. So back to the question. So we need people to translate the whole web. So now the next question you may have is, well, why can't we just pay people to do this? We could pay professional translators to translate the whole web. We could do that. Unfortunately, it would be extremely expensive. For example, translating a tiny fraction of the whole web, Wikipedia, into one other language, Spanish. OK? Wikipedia exists in Spanish, but it's very small compared to the size of English. It's about 20 percent of the size of English. If we wanted to translate the other 80 percent into Spanish, it would cost at least 50 million dollars -- and this is even at the most exploited, outsourcing country out there. So it would be very expensive. So what we want to do is, we want to get 100 million people translating the web into every major language for free.
Voltando à nossa questão: Precisamos de pessoas que traduzam toda a web. A próxima pergunta que podem ter é, "Porque é que não pagamos a pessoas para fazer isto? Podíamos pagar a tradutores profissionais para traduzir toda a web. Podíamos fazer isso mas seria extremamente caro. Por exemplo: traduzir uma fração minúscula de toda a web, a Wikipédia, para uma outra língua, o espanhol. A Wikipédia existe em espanhol, mas é muito pequena quando comparada com o inglês. É cerca de 20% do tamanho em inglês. Se quiséssemos traduzir os outros 80% para espanhol, custar-nos-ia, pelo menos, 50 milhões de dólares, mesmo no país fornecedor mais explorado que existe. Seria extremamente caro. Queremos que haja 100 milhões de pessoas a traduzir a web, de graça, em todas as línguas principais, Se queremos fazer isto,
If this is what you want to do, you quickly realize you're going to run into two big hurdles, two big obstacles. The first one is a lack of bilinguals. So I don't even know if there exists 100 million people out there using the web who are bilingual enough to help us translate. That's a big problem. The other problem you're going to run into is a lack of motivation. How are we going to motivate people to actually translate the web for free? Normally, you have to pay people to do this. So how are we going to motivate them to do it for free? When we were starting to think about this, we were blocked by these two things. But then we realized, there's a way to solve both these problems with the same solution. To kill two birds with one stone. And that is to transform language translation into something that millions of people want to do and that also helps with the problem of lack of bilinguals, and that is language education.
percebemos logo que há duas barreiras bem grandes, dois grandes obstáculos. A primeira é a falta de bilingues. Nem sei se existem 100 milhões de utilizadores da web que sejam suficientemente bilingues para nos ajudar a traduzir. Esse é um grande problema. Outro problema é a falta de motivação. Como é que vamos motivar as pessoas a traduzir a web de graça? Normalmente, é preciso pagar para isso. Como é que as vamos motivar para o fazerem de graça? A princípio, ficámos bloqueados por estes dois aspetos. Mas depois percebemos que há uma maneira de resolver ambos os problemas com a mesma solução. Podemos matar dois coelhos só com uma cajadada. E isso faz-se transformando a tradução numa coisa que milhões de pessoas queiram fazer, e que também diminua o problema da falta de bilingues. Faz-se isso através da educação linguística.
So it turns out that today, there are over 1.2 billion people learning a foreign language. People really want to learn a foreign language. And it's not just because they're being forced to do so in school. In the US alone, there are over five million people who have paid over $500 for software to learn a new language. So people really want to learn a new language. So what we've been working on for the last year and a half is a new website -- it's called Duolingo -- where the basic idea is people learn a new language for free while simultaneously translating the web. And so basically, they're learning by doing.
Acontece que, hoje em dia, há mais de 1,2mil milhões de pessoas a aprender uma língua estrangeira. As pessoas querem imenso aprender uma língua estrangeira. Não é por estarem a ser forçadas a aprender na escola. Só nos EUA, há mais de 5 milhões de pessoas que pagaram mais de 500 dólares por software para aprenderem uma nova língua. As pessoas querem mesmo aprender uma nova língua. Por isso, no último ano e meio, temos trabalhado num novo website, chamado Duolingo, onde a ideia principal é que as pessoas aprendam uma nova língua de graça ao mesmo tempo que traduzem a web. Ou seja, aprendem fazendo.
So the way this works is whenever you're a just a beginner, we give you very simple sentences. There's a lot of very simple sentences on the web. We give you very simple sentences along with what each word means. And as you translate them and as you see how other people translate them, you start learning the language. And as you get more advanced, we give you more complex sentences to translate. But at all times, you're learning by doing.
Funciona assim: quando se trata de um principiante, damos-lhe frases muito simples. Claro que há imensas frases simples na web. Frases muito simples juntamente com o significado de cada palavra. À medida que se traduz, à medida que se vê como as outras pessoas as traduzem, começa-se a aprender a língua. E à medida que vai avançando, damos-lhe frases mais complexas para traduzir. Mas está-se sempre a aprender fazendo.
Now, the crazy thing about this method is that it actually really works. People are really learning a language. We're mostly done building it and now we're testing it. People really can learn a language with it. And they learn it about as well as the leading language learning software. So people really do learn a language. And not only do they learn it as well, but actually it's more interesting. Because with Duolingo, people are learning with real content. As opposed to learning with made-up sentences, people are learning with real content, which is inherently interesting. So people really do learn a language.
O que é invulgar neste método é que realmente funciona. Primeiro, as pessoas estão a aprender uma língua. Já acabámos de o construir, agora estamos a testá-lo. As pessoas aprendem uma língua tão bem como com o melhor software de aprendizagem de línguas. As pessoas aprendem mesmo uma língua. Não só aprendem uma língua, é muito mais interessante. Porque, com o Duolingo, as pessoas estão a aprender com conteúdos reais. Em vez de aprenderem com frases feitas, as pessoas aprendem com um conteúdo real, que é interessante. As pessoas aprendem uma língua.
But perhaps more surprisingly, the translations that we get from people using the site, even though they're just beginners, the translations that we get are as accurate as those of professional language translators, which is very surprising. So let me show you one example. This is a sentence that was translated from German into English. The top is the German. The middle is an English translation that was done by a professional translator who we paid 20 cents a word for this translation. And the bottom is a translation by users of Duolingo, none of whom knew any German before they started using the site. If you can see, it's pretty much perfect. Of course, we play a trick here to make the translations as good as professional language translators. We combine the translations of multiple beginners to get the quality of a single professional translator.
Mas talvez mais surpreendente do que isso, as traduções que obtemos através dos utilizadores do site, embora sejam de principiantes, são tão precisas como as dos tradutores linguísticos profissionais, o que é bastante surpreendente. Vou mostrar-vos um exemplo. Esta frase foi traduzida de alemão para inglês. A de cima, é o original em alemão. A do meio, é uma tradução em inglês feita por um tradutor profissional inglês a quem pagámos 20 cêntimos por palavra pela tradução. A de baixo, é a tradução dos utilizadores do Duolingo, nenhum dos quais sabia alemão antes de começar a usar o site. Como podem ver, é quase perfeita. Claro que usamos aqui um truque para tornar as traduções tão boas como as dos tradutores profissionais. Combinamos as traduções de vários principiantes para conseguir a qualidade de um único tradutor profissional.
Now, even though we're combining the translations, the site actually can translate pretty fast. So let me show you, this is our estimates of how fast we could translate Wikipedia from English into Spanish. Remember, this is 50 million dollars' worth of value. So if we wanted to translate Wikipedia into Spanish, we could do it in five weeks with 100,000 active users. And we could do it in about 80 hours with a million active users. Since all the projects my group has worked on so far have gotten millions of users, we're hopeful that we'll be able to translate extremely fast.
Embora estejamos a combinar as traduções, o website consegue traduzir de forma bastante rápida. Vou mostrar a nossa estimativa quanto à rapidez da tradução da Wikipédia de inglês para espanhol. Lembrem-se, isto vale 50 milhões de dólares. A tradução da Wikipédia para espanhol, podia ser feita, em cinco semanas, com 100 000 utilizadores ativos, em cerca de 80 horas, com um milhão de utilizadores ativos. Como todos os projetos em que temos trabalhado tiveram milhões de utilizadores, temos esperança que conseguiremos traduzir muito depressa, com este projeto.
Now, the thing that I'm most excited about with Duolingo is I think this provides a fair business model for language education. So here's the thing: The current business model for language education is the student pays, and in particular, the student pays Rosetta Stone 500 dollars.
A coisa que mais me entusiasma no Duolingo é que penso que isto proporciona um modelo de negócio justo para a educação linguística. No atual modelo para a educação linguística, o aluno paga, ou seja, o aluno paga 500 dólares à Rosetta Stone.
(Laughter)
(Risos)
That's the current business model. The problem with this business model is that 95 percent of the world's population doesn't have 500 dollars. So it's extremely unfair towards the poor. This is totally biased towards the rich. Now, see, in Duolingo, because while you learn, you're actually creating value, you're translating stuff -- which, for example, we could charge somebody for translations, so this is how we could monetize this. Since people are creating value while they're learning, they don't have to pay with their money, they pay with their time. But the magical thing here is that is time that would have had to have been spent anyways learning the language. So the nice thing about Duolingo is, I think, it provides a fair business model -- one that doesn't discriminate against poor people.
Este é o modelo de negócio atual. O problema deste modelo de negócio é que 95% da população mundial não tem 500 dólares. Por isso, é extremamente injusto para os mais pobres. É completamente favorecedor dos ricos. Agora vejam, no Duolingo, como, enquanto aprendem, estão a criar valor, estão a traduzir coisas que podíamos cobrar a alguém pelas traduções. É assim que poderíamos valorizar isto. Como as pessoas estão a criar valor enquanto estão a aprender, não têm de pagar nada, pagam com o seu tempo. O que é mágico aqui é que elas estão a pagar com o seu tempo, mas é o tempo que teriam de gastar de qualquer maneira a aprender a língua. O Duolingo é bom porque proporciona um modelo de negócio justo que não discrimina as pessoas pobres. O site é este.
So here's the site. Thank you.
(Aplausos)
(Applause)
Obrigado.
We haven't yet launched, but if you go there, you can sign up to be part of our private beta, which is probably going to start in three or four weeks. We haven't yet launched it.
O site é este. Ainda não o lançámos, mas se forem lá, podem inscrever-se para fazer parte do nosso beta privado, que irá começar dentro de três ou quatro semanas.
By the way, I'm the one talking here, but Duolingo is the work of a really awesome team,
Ainda não lançámos este Duolingo. Já agora, eu sou um porta-voz.
some of whom are here. So thank you.
O Duolingo é o trabalho de uma equipa fantástica,
(Applause)
estão aqui alguns dos seus membros.