1
00:00:00,000 --> 00:00:02,000
Erez Lieberman Aiden: Todos sabemos

2
00:00:02,000 --> 00:00:05,000
que uma imagem vale mais que mil palavras

3
00:00:07,000 --> 00:00:09,000
Mas nós em Harvard

4
00:00:09,000 --> 00:00:12,000
questionámos se isso seria mesmo verdade.

5
00:00:12,000 --> 00:00:14,000
(Risos)

6
00:00:14,000 --> 00:00:18,000
Então, juntámos uma equipa de peritos,

7
00:00:18,000 --> 00:00:20,000
que abrangiam Harvard, o MIT,

8
00:00:20,000 --> 00:00:23,000
o The American Heritage Dictionary,
a The Encyclopedia Britannica

9
00:00:23,000 --> 00:00:25,000
e até os nossos orgulhosos patrocinadores,

10
00:00:25,000 --> 00:00:28,000
a Google.

11
00:00:28,000 --> 00:00:30,000
Debruçámo-nos sobre esta questão

12
00:00:30,000 --> 00:00:32,000
durante cerca de quatro anos.

13
00:00:32,000 --> 00:00:37,000
E chegámos a uma conclusão surpreendente.

14
00:00:37,000 --> 00:00:40,000
Meus senhores, uma imagem
não vale mais que mil palavras.

15
00:00:40,000 --> 00:00:42,000
Na verdade, encontrámos algumas imagens

16
00:00:42,000 --> 00:00:47,000
que valem 500 mil milhões de palavras.

17
00:00:47,000 --> 00:00:49,000
Jean-Baptiste Michel:
Como chegámos a esta conclusão?

18
00:00:49,000 --> 00:00:51,000
O Erez e eu pensámos em como obter

19
00:00:51,000 --> 00:00:53,000
um panorama geral da cultura humana
e da história humana:

20
00:00:53,000 --> 00:00:56,000
uma mudança através dos tempos.

21
00:00:56,000 --> 00:00:58,000
Ao longo dos anos,
escreveram-se muitos livros.

22
00:00:58,000 --> 00:01:00,000
Pensámos que a melhor maneira
de aprender com eles

23
00:01:00,000 --> 00:01:02,000
seia ler todos esses milhões de livros.

24
00:01:02,000 --> 00:01:05,000
Claro que, se houvesse uma escala
de como isso seria fantástico,

25
00:01:05,000 --> 00:01:08,000
isso iria ficar num patamar
muitíssimo elevado.

26
00:01:08,000 --> 00:01:10,000
O problema é que há
um eixo de XX para isso,

27
00:01:10,000 --> 00:01:12,000
que é o eixo prático.

28
00:01:12,000 --> 00:01:14,000
Este está num patamar muito, muito baixo.

29
00:01:14,000 --> 00:01:17,000
(Aplausos)

30
00:01:17,000 --> 00:01:20,000
As pessoas têm tendência a usar
uma abordagem alternativa,

31
00:01:20,000 --> 00:01:22,000
que é pegar em algumas fontes
e lê-las cuidadosamente.

32
00:01:22,000 --> 00:01:24,000
Isto é extremamente prático,
mas não muito fantástico.

33
00:01:24,000 --> 00:01:27,000
O que realmente se pretende

34
00:01:27,000 --> 00:01:30,000
é chegar à parte fantástica
mas prática deste espaço.

35
00:01:30,000 --> 00:01:33,000
Acontece que havia uma empresa
do outro lado do rio chamada Google

36
00:01:33,000 --> 00:01:35,000
que tinha iniciado um projecto
de digitalização há alguns anos

37
00:01:35,000 --> 00:01:37,000
que talvez permitisse esta abordagem.

38
00:01:37,000 --> 00:01:39,000
Eles tinham digitalizado 
milhões de livros.

39
00:01:39,000 --> 00:01:42,000
Isso significava que se podiam
usar métodos informáticos

40
00:01:42,000 --> 00:01:44,000
para ler todos os livros
com o clique de um botão.

41
00:01:44,000 --> 00:01:47,000
Isto é muito prático
e extremamente fantástico.

42
00:01:48,000 --> 00:01:50,000
ELA: Deixem-me falar-vos um pouco
sobre de onde vêm os livros.

43
00:01:50,000 --> 00:01:53,000
Desde tempos imemoriais
que existem autores.

44
00:01:53,000 --> 00:01:56,000
Estes autores têm-se esforçado
em escrever livros.

45
00:01:56,000 --> 00:01:58,000
E isto tornou-se
consideravelmente mais fácil

46
00:01:58,000 --> 00:02:00,000
com o desenvolvimento da imprensa
há alguns séculos.

47
00:02:00,000 --> 00:02:03,000
Desde então, os autores conseguiram

48
00:02:03,000 --> 00:02:05,000
em 129 milhões de ocasiões distintas,

49
00:02:05,000 --> 00:02:07,000
publicar livros.

50
00:02:07,000 --> 00:02:09,000
Agora se esses livros
não se perderam para a história

51
00:02:09,000 --> 00:02:11,000
então estão algures numa biblioteca,

52
00:02:11,000 --> 00:02:14,000
e muitos desses livros
têm sido recuperados das bibliotecas

53
00:02:14,000 --> 00:02:16,000
e digitalizados pela Google,

54
00:02:16,000 --> 00:02:18,000
que já digitalizou
15 milhões de livros até agora.

55
00:02:18,000 --> 00:02:21,000
Quando a Google digitaliza um livro,
põe-no num formato catita.

56
00:02:21,000 --> 00:02:23,000
Agora nós temos os dados
e temos ainda metadados.

57
00:02:23,000 --> 00:02:26,000
Temos informação sobre coisas
como onde foi publicado,

58
00:02:26,000 --> 00:02:28,000
quem foi o autor, quando foi publicado.

59
00:02:28,000 --> 00:02:31,000
E o que fazemos é verificar
todos esses registos

60
00:02:31,000 --> 00:02:35,000
e excluir tudo aquilo que não são
dados da mais alta qualidade.

61
00:02:35,000 --> 00:02:37,000
Aquilo que nos resta

62
00:02:37,000 --> 00:02:40,000
é uma colecção de cinco milhões de livros,

63
00:02:40,000 --> 00:02:43,000
500 mil milhões de palavras,

64
00:02:43,000 --> 00:02:45,000
uma cadeia de caracteres
mil vezes mais longa

65
00:02:45,000 --> 00:02:48,000
que o genoma humano...

66
00:02:48,000 --> 00:02:50,000
um texto que,
se fosse escrito por extenso,

67
00:02:50,000 --> 00:02:52,000
iria daqui até à Lua e voltava

68
00:02:52,000 --> 00:02:54,000
mais de dez vezes...

69
00:02:54,000 --> 00:02:58,000
um autêntico fragmento
do nosso genoma cultural.

70
00:02:58,000 --> 00:03:00,000
Claro que aquilo que fizemos

71
00:03:00,000 --> 00:03:03,000
perante tamanha hipérbole...

72
00:03:03,000 --> 00:03:05,000
(Risos)

73
00:03:05,000 --> 00:03:08,000
foi aquilo que qualquer pesquisador
que se preze

74
00:03:08,000 --> 00:03:11,000
teria feito.

75
00:03:11,000 --> 00:03:13,000
Inspirámo-nos no XKDC,

76
00:03:13,000 --> 00:03:15,000
e dissemos: «Afastem-se.

77
00:03:15,000 --> 00:03:17,000
Vamos tentar fazer ciência.»

78
00:03:17,000 --> 00:03:19,000
(Risos)

79
00:03:19,000 --> 00:03:21,000
JM: Claro que pensávamos assim,

80
00:03:21,000 --> 00:03:23,000
primeiro vamos por os dados lá fora

81
00:03:23,000 --> 00:03:25,000
para que as pessoas
façam ciência com eles.

82
00:03:25,000 --> 00:03:27,000
E agora pensávamos,
que dados podemos publicar?

83
00:03:27,000 --> 00:03:29,000
Claro que se queria pegar nos livros

84
00:03:29,000 --> 00:03:31,000
e publicar o texto completo
destes cinco milhões de livros.

85
00:03:31,000 --> 00:03:33,000
Mas a Google,
e o Jon Orwant em particular,

86
00:03:33,000 --> 00:03:35,000
mostrou-nos uma pequena equação
a aprender.

87
00:03:35,000 --> 00:03:38,000
Então temos cinco milhões,
ou seja, cinco milhões de autores

88
00:03:38,000 --> 00:03:41,000
e cinco milhões de queixosos
são um processo legal monstruoso.

89
00:03:41,000 --> 00:03:43,000
Então, embora isso fosse
realmente fantástico

90
00:03:43,000 --> 00:03:46,000
mais uma vez,
é extremamente pouco prático.

91
00:03:46,000 --> 00:03:48,000
(Risos)

92
00:03:48,000 --> 00:03:50,000
Mais uma vez, tivemos de ceder
mais ou menos,

93
00:03:50,000 --> 00:03:53,000
e seguimos a abordagem muito prática,
que é menos fantástica.

94
00:03:53,000 --> 00:03:55,000
Dissemos: "Em vez de publicarmos
o texto completo,

95
00:03:55,000 --> 00:03:57,000
vamos publicar estatísticas
sobre os livros.

96
00:03:57,000 --> 00:03:59,000
Tome-se como exemplo 
"Um brilho de felicidade".

97
00:03:59,000 --> 00:04:01,000
São quatro palavras,
o que chamamos de quatro-grama.

98
00:04:01,000 --> 00:04:03,000
Nós vamos dizer-vos quantas vezes
um quatro-grama em particular

99
00:04:03,000 --> 00:04:05,000
apareceu em livros em 1801, 1802, 1803,

100
00:04:05,000 --> 00:04:07,000
até 2008.

101
00:04:07,000 --> 00:04:09,000
Isso dá-nos uma série temporal

102
00:04:09,000 --> 00:04:11,000
de quantas vezes esta frase em particular
foi utilizada ao longo dos tempos.

103
00:04:11,000 --> 00:04:14,000
Fazemos isso para todas as palavras e frases
que surgem nestes livros,

104
00:04:14,000 --> 00:04:17,000
e isso dá-nos uma enorme tabela
de dois mil milhões de linhas

105
00:04:17,000 --> 00:04:19,000
que nos dizem como a cultura
tem vindo a mudar.

106
00:04:19,000 --> 00:04:21,000
ELA: A estes dois mil milhões de linhas,

107
00:04:21,000 --> 00:04:23,000
chamamos dois mil milhões de n-gramas.

108
00:04:23,000 --> 00:04:25,000
O que é que eles nos dizem?

109
00:04:25,000 --> 00:04:27,000
Bem, os n-gramas individuais
medem tendências culturais.

110
00:04:27,000 --> 00:04:29,000
Deixem-me dar-vos um exemplo.

111
00:04:29,000 --> 00:04:31,000
Vamos supôr que estou a prosperar,

112
00:04:31,000 --> 00:04:33,000
e que amanhã quero contar
como me saí bem.

113
00:04:33,000 --> 00:04:36,000
Então posso dizer: "Ontem, eu vicejei."

114
00:04:36,000 --> 00:04:39,000
Em alternativa, podia dizer:
"Ontem, eu prosperei".

115
00:04:39,000 --> 00:04:42,000
Então qual é que devo utilizar?

116
00:04:42,000 --> 00:04:44,000
Como é que se sabe?

117
00:04:44,000 --> 00:04:46,000
Há cerca de seis meses atrás,

118
00:04:46,000 --> 00:04:48,000
o topo de gama neste campo

119
00:04:48,000 --> 00:04:50,000
seria dirigir-se, por exemplo,

120
00:04:50,000 --> 00:04:52,000
a este psicólogo
com um cabelo extraordinário

121
00:04:52,000 --> 00:04:54,000
e dizer:

122
00:04:54,000 --> 00:04:57,000
"Steve, és perito nos verbos irregulares.

123
00:04:57,000 --> 00:04:59,000
"O que é que devo fazer?"

124
00:04:59,000 --> 00:05:01,000
E ele responderia:
"Bem, muitos dizem prosperei,

125
00:05:01,000 --> 00:05:04,000
"mas alguns dizem vicejei."

126
00:05:04,000 --> 00:05:06,000
E ficariam a saber, mais ou menos,

127
00:05:06,000 --> 00:05:09,000
que se recuassem 200 anos

128
00:05:09,000 --> 00:05:12,000
e perguntassem a este estadista
com um cabelo igualmente extraordinário:

129
00:05:12,000 --> 00:05:15,000
(Risos)

130
00:05:15,000 --> 00:05:17,000
"Tom, o que é que eu devo dizer?"

131
00:05:17,000 --> 00:05:19,000
Ele diria: "No meu tempo,
a maior parte das pessoas vicejava,

132
00:05:19,000 --> 00:05:22,000
"mas alguns prosperavam."

133
00:05:22,000 --> 00:05:24,000
O que agora vos vou mostrar
são dados brutos.

134
00:05:24,000 --> 00:05:28,000
Duas linhas desta tabela
com dois mil milhões de entradas.

135
00:05:28,000 --> 00:05:30,000
O que estão a ver é a frequência por ano

136
00:05:30,000 --> 00:05:33,000
de "prosperei" e "vicejei"
ao longo do tempo.

137
00:05:34,000 --> 00:05:36,000
Estas são apenas duas

138
00:05:36,000 --> 00:05:39,000
de dois mil milhões de linhas.

139
00:05:39,000 --> 00:05:41,000
O conjunto total dos dados

140
00:05:41,000 --> 00:05:44,000
é mil milhões de vezes mais fantástico
do que este slide.

141
00:05:44,000 --> 00:05:46,000
(Risos)

142
00:05:46,000 --> 00:05:50,000
(Aplausos)

143
00:05:50,000 --> 00:05:52,000
JM: Há realmente muitas imagens
que valem mais que 500 mil milhões de palavras.

144
00:05:52,000 --> 00:05:54,000
Por exemplo, esta.

145
00:05:54,000 --> 00:05:56,000
Se pegarmos em "gripe",

146
00:05:56,000 --> 00:05:58,000
verão picos no tempo em que sabiam

147
00:05:58,000 --> 00:06:01,000
que grandes epidemias de gripe
estavam a matar pessoas por todo o globo.

148
00:06:01,000 --> 00:06:04,000
ELA: Se ainda não estão convencidos,

149
00:06:04,000 --> 00:06:06,000
os níveis do mar estão a subir,

150
00:06:06,000 --> 00:06:09,000
assim como o CO2 na atmosfera
e a temperatura da Terra.

151
00:06:09,000 --> 00:06:12,000
JM: Talvez queiram prestar atenção
a este n-grama em particular,

152
00:06:12,000 --> 00:06:15,000
para dizer a Nietzsche
que Deus não está morto,

153
00:06:15,000 --> 00:06:18,000
embora possam concordar que precisa
de um relações públicas melhor.

154
00:06:18,000 --> 00:06:20,000
(Risos)

155
00:06:20,000 --> 00:06:23,000
ELA: Podem obter conceitos bastante
abstractos com este tipo de análise.

156
00:06:23,000 --> 00:06:25,000
Por exemplo, vou contar-vos a história

157
00:06:25,000 --> 00:06:27,000
do ano de 1950.

158
00:06:27,000 --> 00:06:29,000
Durante grande parte da história,

159
00:06:29,000 --> 00:06:31,000
ninguém ligou nenhuma a 1950.

160
00:06:31,000 --> 00:06:33,000
Em 1700, em 1800, em 1900,

161
00:06:33,000 --> 00:06:36,000
ninguém se preocupou.

162
00:06:37,000 --> 00:06:39,000
Durante as décadas de 30 e 40,

163
00:06:39,000 --> 00:06:41,000
ninguém se preocupou.

164
00:06:41,000 --> 00:06:43,000
De repente, a meio da década de 40,

165
00:06:43,000 --> 00:06:45,000
começou a haver um burburinho.

166
00:06:45,000 --> 00:06:47,000
As pessoas perceberam
que 1950 ia acontecer,

167
00:06:47,000 --> 00:06:49,000
e podia ser uma coisa em grande.

168
00:06:49,000 --> 00:06:52,000
(Risos)

169
00:06:52,000 --> 00:06:55,000
Mas nada fez com que as pessoas
se interessassem mais pelo ano de 1950

170
00:06:55,000 --> 00:06:58,000
como o ano de 1950.

171
00:06:58,000 --> 00:07:01,000
(Risos)

172
00:07:01,000 --> 00:07:03,000
As pessoas andavam obececadas.

173
00:07:03,000 --> 00:07:05,000
Não conseguiam parar de falar

174
00:07:05,000 --> 00:07:08,000
sobre tudo o que tinham feito em 1950,

175
00:07:08,000 --> 00:07:11,000
tudo o que planeavam fazer em 1950,

176
00:07:11,000 --> 00:07:16,000
todos os sonhos
que queriam alcançar em 1950.

177
00:07:16,000 --> 00:07:18,000
Na verdade, 1950 era tão fascinante

178
00:07:18,000 --> 00:07:20,000
que, durante anos depois,

179
00:07:20,000 --> 00:07:23,000
as pessoas continuaram a falar
das coisas maravilhosas que tinham acontecido,

180
00:07:23,000 --> 00:07:25,000
em 51, 52, 53.

181
00:07:25,000 --> 00:07:27,000
Finalmente em 1954,

182
00:07:27,000 --> 00:07:29,000
houve alguém que acordou e percebeu

183
00:07:29,000 --> 00:07:33,000
que 1950 se tinha tornado
numa coisa fora de moda.

184
00:07:33,000 --> 00:07:35,000
(Risos)

185
00:07:35,000 --> 00:07:37,000
Assim, de repente, rebentou a bolha.

186
00:07:37,000 --> 00:07:39,000
(Risos)

187
00:07:39,000 --> 00:07:41,000
A história de 1950

188
00:07:41,000 --> 00:07:43,000
é a história de cada ano 
que temos registado,

189
00:07:43,000 --> 00:07:46,000
com uma ligeira diferença, porque agora
temos estes gráficos catitas.

190
00:07:46,000 --> 00:07:49,000
Como temos estes gráficos catitas,
podemos comparar coisas.

191
00:07:49,000 --> 00:07:51,000
Podemos dizer:
"Quão depressa rebenta a bolha?"

192
00:07:51,000 --> 00:07:54,000
Acontece que conseguimos medir isso
com muita precisão.

193
00:07:54,000 --> 00:07:57,000
Foram obtidas equações,
foram produzidos gráficos,

194
00:07:57,000 --> 00:07:59,000
e o resultado final

195
00:07:59,000 --> 00:08:02,000
é que descobrimos

196
00:08:02,000 --> 00:08:04,000
a cada ano que passa.

197
00:08:04,000 --> 00:08:09,000
Estamos a perder interesse no passado
cada vez mais rapidamente.

198
00:08:09,000 --> 00:08:11,000
JM: Agora, um pouco
de orientação profissional.

199
00:08:11,000 --> 00:08:13,000
Para os que querem ser famosos,

200
00:08:13,000 --> 00:08:15,000
podemos aprender
com os 25 políticos mais famosos,

201
00:08:15,000 --> 00:08:17,000
autores, atores, etc..

202
00:08:17,000 --> 00:08:20,000
Se quiserem ser famosos cedo,
devem tornar-se atores,

203
00:08:20,000 --> 00:08:22,000
porque a fama começa a aumentar
no final dos vinte anos...

204
00:08:22,000 --> 00:08:24,000
ainda são jovens, isso é óptimo.

205
00:08:24,000 --> 00:08:26,000
Se puderem esperar um bocadinho,
devem ser autores,

206
00:08:26,000 --> 00:08:28,000
porque então podem chegar longe,

207
00:08:28,000 --> 00:08:30,000
como Mark Twain, por exemplo:
extremamente famoso.

208
00:08:30,000 --> 00:08:32,000
Mas se quiserem alcançar mesmo o topo,

209
00:08:32,000 --> 00:08:34,000
não devem esperar resultados imediatos

210
00:08:34,000 --> 00:08:36,000
e devem tornarem-se políticos, claro.

211
00:08:36,000 --> 00:08:38,000
Aqui começarão a ser famosos
no final dos 50,

212
00:08:38,000 --> 00:08:40,000
e tornar-se-ão muito,
muito famosos depois disso.

213
00:08:40,000 --> 00:08:43,000
Os cientistas também têm tendência a tornar-se famosos quando são mais muito mais velhos.

214
00:08:43,000 --> 00:08:45,000
Por exemplo, biológos e físicos

215
00:08:45,000 --> 00:08:47,000
podem ser tão famosos como atores.

216
00:08:47,000 --> 00:08:50,000
Um erro que não devem cometer
é tornarem-se matemáticos.

217
00:08:50,000 --> 00:08:52,000
(Risos)

218
00:08:52,000 --> 00:08:54,000
Se o fizerem, podem pensar:

219
00:08:54,000 --> 00:08:57,000
"Ótimo. Vou fazer o meu melhor trabalho
quando tiver 20 anos."

220
00:08:57,000 --> 00:08:59,000
Mas, adivinhem, ninguém vai querer saber.

221
00:08:59,000 --> 00:09:02,000
(Risos)

222
00:09:02,000 --> 00:09:04,000
Há notas mais sóbrias

223
00:09:04,000 --> 00:09:06,000
por entre os n-gramas.

224
00:09:06,000 --> 00:09:08,000
Por exemplo, esta é
a trajetória de Marc Chagall,

225
00:09:08,000 --> 00:09:10,000
um artista nascido em 1887.

226
00:09:10,000 --> 00:09:13,000
Parece-se com a trajetória normal
de uma pessoa famosa.

227
00:09:13,000 --> 00:09:17,000
Ele torna-se cada vez mais famoso,

228
00:09:17,000 --> 00:09:19,000
exceto se virem em alemão.

229
00:09:19,000 --> 00:09:21,000
Se virem em alemão,
veem algo completamente bizarro,

230
00:09:21,000 --> 00:09:23,000
algo que quase nunca se observa,

231
00:09:23,000 --> 00:09:25,000
que é ele tornar-se extremamente famoso

232
00:09:25,000 --> 00:09:27,000
e então de repente cai vertiginosamente,

233
00:09:27,000 --> 00:09:30,000
atravessando o ponto mais baixo
entre 1933 e 1945,

234
00:09:30,000 --> 00:09:33,000
antes de recuperar nos anos seguintes.

235
00:09:33,000 --> 00:09:35,000
E claro o que observamos

236
00:09:35,000 --> 00:09:38,000
é o facto de Marc Chagall
ser um artista judeu

237
00:09:38,000 --> 00:09:40,000
na Alemanha nazi.

238
00:09:40,000 --> 00:09:42,000
Estes sinais

239
00:09:42,000 --> 00:09:44,000
na realidade são tão fortes

240
00:09:44,000 --> 00:09:47,000
que não precisamos de saber
que alguém foi censurado.

241
00:09:47,000 --> 00:09:49,000
Podemos chegar a essa conclusão

242
00:09:49,000 --> 00:09:51,000
através do processamento
bastante básico de sinais.

243
00:09:51,000 --> 00:09:53,000
Aqui está uma forma simples de o fazer.

244
00:09:53,000 --> 00:09:55,000
Uma expectativa razoável

245
00:09:55,000 --> 00:09:57,000
é a de que a fama de alguém
num dado período de tempo

246
00:09:57,000 --> 00:09:59,000
deverá ser sensivelmete
a média da sua fama antes

247
00:09:59,000 --> 00:10:01,000
e da sua fama depois desse período.

248
00:10:01,000 --> 00:10:03,000
Isso é mais ou menos aquilo que se espera.

249
00:10:03,000 --> 00:10:06,000
Comparamos isso com a fama
que observamos.

250
00:10:06,000 --> 00:10:08,000
Depois é só dividir uma pela outra

251
00:10:08,000 --> 00:10:10,000
para obter algo a que chamamos
"índice de supressão".

252
00:10:10,000 --> 00:10:13,000
Se o índice de supressão
for muito, muito, muito baixo,

253
00:10:13,000 --> 00:10:15,000
então quase de certeza
estão a ser reprimidos.

254
00:10:15,000 --> 00:10:18,000
Se for muito alto, então talvez estejam
a beneficiar com a propaganda.

255
00:10:19,000 --> 00:10:21,000
JM: Pode mesmo ver-se

256
00:10:21,000 --> 00:10:24,000
a distribuição de índices de supressão 
em populações inteiras.

257
00:10:24,000 --> 00:10:26,000
Por exemplo, aqui...

258
00:10:26,000 --> 00:10:28,000
este índice de supressão
é de cinco mil pessoas

259
00:10:28,000 --> 00:10:30,000
escolhidas em livros em inglês
onde não há supressão explícita...

260
00:10:30,000 --> 00:10:32,000
seria como este, centrado numa pessoa.

261
00:10:32,000 --> 00:10:34,000
O que se espera é aquilo que se observa.

262
00:10:34,000 --> 00:10:36,000
Esta é a distribuição conforme
observada na Alemanha...

263
00:10:36,000 --> 00:10:38,000
muito diferente,
desvia-se para a esquerda.

264
00:10:38,000 --> 00:10:41,000
As pessoas falaram sobre isto duas vezes menos
do que se esperaria.

265
00:10:41,000 --> 00:10:43,000
Mas muito mais importante,
a distribuição é muito mais alargada.

266
00:10:43,000 --> 00:10:46,000
Há muitas pessoas que acabaram
na extrema esquerda nesta distribuição

267
00:10:46,000 --> 00:10:49,000
de quem se falou menos dez vezes
do que seria de esperar.

268
00:10:49,000 --> 00:10:51,000
Mas também muitas pessoas
na extrema direita

269
00:10:51,000 --> 00:10:53,000
parecem beneficiar com a propaganda.

270
00:10:53,000 --> 00:10:56,000
Esta imagem é a marca distintiva
da censura no registo dos livros.

271
00:10:56,000 --> 00:10:58,000
"Culturómica"

272
00:10:58,000 --> 00:11:00,000
é o que chamamos a este método.

273
00:11:00,000 --> 00:11:02,000
É como genómica.

274
00:11:02,000 --> 00:11:04,000
Excepto que a genómica
é uma lente sobre a biologia

275
00:11:04,000 --> 00:11:07,000
através da janela da sequência
de bases no genoma humano.

276
00:11:07,000 --> 00:11:09,000
A culturómica é parecida.

277
00:11:09,000 --> 00:11:12,000
É a aplicação da análise da recolha
de dados em larga escala

278
00:11:12,000 --> 00:11:14,000
ao estudo da cultura humana.

279
00:11:14,000 --> 00:11:16,000
Aqui, em vez de ser
através da lente de um genoma,

280
00:11:16,000 --> 00:11:19,000
através da lente de peças digitalizadas
do registo histórico.

281
00:11:19,000 --> 00:11:21,000
O que é genial sobre a culturómica

282
00:11:21,000 --> 00:11:23,000
é que todos a podem fazer.

283
00:11:23,000 --> 00:11:25,000
Porque é que todos a podem fazer?

284
00:11:25,000 --> 00:11:27,000
Todos a podem fazer
porque três indivíduos,

285
00:11:27,000 --> 00:11:30,000
Jon Orwant, Matt Gray
e Will Brockman na Google,

286
00:11:30,000 --> 00:11:32,000
viram o protótipo do NGram Viewer,

287
00:11:32,000 --> 00:11:34,000
e disseram: "Isto é tão divertido.

288
00:11:34,000 --> 00:11:37,000
"Temos de tornar isto acessível às pessoas."

289
00:11:37,000 --> 00:11:39,000
Então em apenas duas semanas
— as duas semanas anteriores à publicação do nosso artigo —

290
00:11:39,000 --> 00:11:42,000
fizeram o código para uma versão
do NGram Viewer para o público em geral.

291
00:11:42,000 --> 00:11:45,000
Agora podemos escrever qualquer palavra
ou frase em que estejamos interessados

292
00:11:45,000 --> 00:11:47,000
e vemos imediatamente o seu n-grama...

293
00:11:47,000 --> 00:11:49,000
assim como vemos exemplos
de todos os diferentes livros

294
00:11:49,000 --> 00:11:51,000
onde surge o nosso n-grama.

295
00:11:51,000 --> 00:11:53,000
Isto foi utilizado mais de um milhão 
de vezes no primeiro dia,

296
00:11:53,000 --> 00:11:55,000
o que é a melhor de todas as pesquisas.

297
00:11:55,000 --> 00:11:58,000
As pessoas querem ser o seu melhor,
causar a melhor impressão que conseguirem.

298
00:11:58,000 --> 00:12:01,000
Mas acontece que no século XVIII,
as pessoas não se preocupavam com isso.

299
00:12:01,000 --> 00:12:04,000
Elas não queriam ser o seu melhor,
queriam ser o seu milhor.

300
00:12:04,000 --> 00:12:07,000
O que aconteceu foi, claro está,
apenas um erro.

301
00:12:07,000 --> 00:12:09,000
Não que é que se esforçassem
pela mediocridade,

302
00:12:09,000 --> 00:12:12,000
é só porque o E era escrito
de forma diferente, como um I.

303
00:12:12,000 --> 00:12:15,000
Claro que a Google
não se apercebeu disto na altura,

304
00:12:15,000 --> 00:12:18,000
e então nós referimos isto no artigo científico
que escrevemos.

305
00:12:18,000 --> 00:12:20,000
Mas acontece que isto é apenas um lembrete

306
00:12:20,000 --> 00:12:22,000
de que, embora seja tudo muito divertido,

307
00:12:22,000 --> 00:12:24,000
quando se interpretam estes gráficos,
temos de ser cuidadosos

308
00:12:24,000 --> 00:12:27,000
e há que adotar
os procedimentos científicos de base.

309
00:12:27,000 --> 00:12:30,000
ELA: As pessoas têm utilizado isto
para toda a espécie de diversão.

310
00:12:30,000 --> 00:12:37,000
(Risos)

311
00:12:37,000 --> 00:12:39,000
Na verdade, nem precisamos de vos dizer,

312
00:12:39,000 --> 00:12:42,000
vamos apenas mostrar-vos
todos os slides e ficar calados.

313
00:12:42,000 --> 00:12:45,000
Esta pessoa estava interessada
na história da frustração.

314
00:12:45,000 --> 00:12:48,000
Há vários tipos de frustração.

315
00:12:48,000 --> 00:12:51,000
Se baterem com um dedo do pé,
isso é um «argh» com um A.

316
00:12:51,000 --> 00:12:53,000
Se o planeta Terra for aniquilado
pelos Vogons

317
00:12:53,000 --> 00:12:55,000
para criar um desvio interestelar,

318
00:12:55,000 --> 00:12:57,000
isso é um «aaaaaaaargh» com oito As.

319
00:12:57,000 --> 00:12:59,000
Esta pessoa estuda todos os «arghs»,

320
00:12:59,000 --> 00:13:01,000
entre um a oito As.

321
00:13:01,000 --> 00:13:03,000
e acontece

322
00:13:03,000 --> 00:13:05,000
que os «arghs» menos frequentes

323
00:13:05,000 --> 00:13:08,000
são, claro, aqueles que correspondem
a coisas mais frustrantes...

324
00:13:08,000 --> 00:13:11,000
excepto, por incrível que pareça,
nos princípios dos anos 80.

325
00:13:11,000 --> 00:13:13,000
Pensamos que talvez tenha
algo a ver com Reagan.

326
00:13:13,000 --> 00:13:15,000
(Risos)

327
00:13:15,000 --> 00:13:18,000
JM: Há muitas utilizações
para estes dados,

328
00:13:18,000 --> 00:13:21,000
mas o mais importante é que
o registo histórico está a ser digitalizado.

329
00:13:21,000 --> 00:13:23,000
A Google começou a digitalizar
15 milhões de livros.

330
00:13:23,000 --> 00:13:25,000
São 12% de todos os livros já publicados.

331
00:13:25,000 --> 00:13:28,000
É um pedaço considerável da cultura humana.

332
00:13:28,000 --> 00:13:31,000
Há muito mais na cultura:
há manuscritos, há jornais,

333
00:13:31,000 --> 00:13:33,000
há coisas que não são textos,
como arte e quadros.

334
00:13:33,000 --> 00:13:35,000
Tudo isto está nos nossos computadores,

335
00:13:35,000 --> 00:13:37,000
nos computadores de todo o mundo.

336
00:13:37,000 --> 00:13:40,000
Quando isso acontece,
irá transformar a forma como

337
00:13:40,000 --> 00:13:42,000
percebemos o nosso passado,
o nosso presente e a nossa cultura humana.

338
00:13:42,000 --> 00:13:44,000
Muito obrigado.

339
00:13:44,000 --> 00:13:47,000
(Aplausos)