WEBVTT

00:00:00.000 --> 00:00:02.000
Erez Lieberman Aiden: Todos sabemos

00:00:02.000 --> 00:00:05.000
que uma imagem vale mais que mil palavras

00:00:07.000 --> 00:00:09.000
Mas nós em Harvard

00:00:09.000 --> 00:00:12.000
questionámos se isso seria mesmo verdade.

00:00:12.000 --> 00:00:14.000
(Risos)

00:00:14.000 --> 00:00:18.000
Então, juntámos uma equipa de peritos,

00:00:18.000 --> 00:00:20.000
que abrangiam Harvard, o MIT,

00:00:20.000 --> 00:00:23.000
o The American Heritage Dictionary,
a The Encyclopedia Britannica

00:00:23.000 --> 00:00:25.000
e até os nossos orgulhosos patrocinadores,

00:00:25.000 --> 00:00:28.000
a Google.

00:00:28.000 --> 00:00:30.000
Debruçámo-nos sobre esta questão

00:00:30.000 --> 00:00:32.000
durante cerca de quatro anos.

00:00:32.000 --> 00:00:37.000
E chegámos a uma conclusão surpreendente.

00:00:37.000 --> 00:00:40.000
Meus senhores, uma imagem
não vale mais que mil palavras.

00:00:40.000 --> 00:00:42.000
Na verdade, encontrámos algumas imagens

00:00:42.000 --> 00:00:47.000
que valem 500 mil milhões de palavras.

NOTE Paragraph

00:00:47.000 --> 00:00:49.000
Jean-Baptiste Michel:
Como chegámos a esta conclusão?

00:00:49.000 --> 00:00:51.000
O Erez e eu pensámos em como obter

00:00:51.000 --> 00:00:53.000
um panorama geral da cultura humana
e da história humana:

00:00:53.000 --> 00:00:56.000
uma mudança através dos tempos.

00:00:56.000 --> 00:00:58.000
Ao longo dos anos,
escreveram-se muitos livros.

00:00:58.000 --> 00:01:00.000
Pensámos que a melhor maneira
de aprender com eles

00:01:00.000 --> 00:01:02.000
seia ler todos esses milhões de livros.

00:01:02.000 --> 00:01:05.000
Claro que, se houvesse uma escala
de como isso seria fantástico,

00:01:05.000 --> 00:01:08.000
isso iria ficar num patamar
muitíssimo elevado.

00:01:08.000 --> 00:01:10.000
O problema é que há
um eixo de XX para isso,

00:01:10.000 --> 00:01:12.000
que é o eixo prático.

00:01:12.000 --> 00:01:14.000
Este está num patamar muito, muito baixo.

NOTE Paragraph

00:01:14.000 --> 00:01:17.000
(Aplausos)

NOTE Paragraph

00:01:17.000 --> 00:01:20.000
As pessoas têm tendência a usar
uma abordagem alternativa,

00:01:20.000 --> 00:01:22.000
que é pegar em algumas fontes
e lê-las cuidadosamente.

00:01:22.000 --> 00:01:24.000
Isto é extremamente prático,
mas não muito fantástico.

00:01:24.000 --> 00:01:27.000
O que realmente se pretende

00:01:27.000 --> 00:01:30.000
é chegar à parte fantástica
mas prática deste espaço.

00:01:30.000 --> 00:01:33.000
Acontece que havia uma empresa
do outro lado do rio chamada Google

00:01:33.000 --> 00:01:35.000
que tinha iniciado um projecto
de digitalização há alguns anos

00:01:35.000 --> 00:01:37.000
que talvez permitisse esta abordagem.

00:01:37.000 --> 00:01:39.000
Eles tinham digitalizado 
milhões de livros.

00:01:39.000 --> 00:01:42.000
Isso significava que se podiam
usar métodos informáticos

00:01:42.000 --> 00:01:44.000
para ler todos os livros
com o clique de um botão.

00:01:44.000 --> 00:01:47.000
Isto é muito prático
e extremamente fantástico.

NOTE Paragraph

00:01:48.000 --> 00:01:50.000
ELA: Deixem-me falar-vos um pouco
sobre de onde vêm os livros.

00:01:50.000 --> 00:01:53.000
Desde tempos imemoriais
que existem autores.

00:01:53.000 --> 00:01:56.000
Estes autores têm-se esforçado
em escrever livros.

00:01:56.000 --> 00:01:58.000
E isto tornou-se
consideravelmente mais fácil

00:01:58.000 --> 00:02:00.000
com o desenvolvimento da imprensa
há alguns séculos.

00:02:00.000 --> 00:02:03.000
Desde então, os autores conseguiram

00:02:03.000 --> 00:02:05.000
em 129 milhões de ocasiões distintas,

00:02:05.000 --> 00:02:07.000
publicar livros.

00:02:07.000 --> 00:02:09.000
Agora se esses livros
não se perderam para a história

00:02:09.000 --> 00:02:11.000
então estão algures numa biblioteca,

00:02:11.000 --> 00:02:14.000
e muitos desses livros
têm sido recuperados das bibliotecas

00:02:14.000 --> 00:02:16.000
e digitalizados pela Google,

00:02:16.000 --> 00:02:18.000
que já digitalizou
15 milhões de livros até agora.

NOTE Paragraph

00:02:18.000 --> 00:02:21.000
Quando a Google digitaliza um livro,
põe-no num formato catita.

00:02:21.000 --> 00:02:23.000
Agora nós temos os dados
e temos ainda metadados.

00:02:23.000 --> 00:02:26.000
Temos informação sobre coisas
como onde foi publicado,

00:02:26.000 --> 00:02:28.000
quem foi o autor, quando foi publicado.

00:02:28.000 --> 00:02:31.000
E o que fazemos é verificar
todos esses registos

00:02:31.000 --> 00:02:35.000
e excluir tudo aquilo que não são
dados da mais alta qualidade.

00:02:35.000 --> 00:02:37.000
Aquilo que nos resta

00:02:37.000 --> 00:02:40.000
é uma colecção de cinco milhões de livros,

00:02:40.000 --> 00:02:43.000
500 mil milhões de palavras,

00:02:43.000 --> 00:02:45.000
uma cadeia de caracteres
mil vezes mais longa

00:02:45.000 --> 00:02:48.000
que o genoma humano...

00:02:48.000 --> 00:02:50.000
um texto que,
se fosse escrito por extenso,

00:02:50.000 --> 00:02:52.000
iria daqui até à Lua e voltava

00:02:52.000 --> 00:02:54.000
mais de dez vezes...

00:02:54.000 --> 00:02:58.000
um autêntico fragmento
do nosso genoma cultural.

00:02:58.000 --> 00:03:00.000
Claro que aquilo que fizemos

00:03:00.000 --> 00:03:03.000
perante tamanha hipérbole...

00:03:03.000 --> 00:03:05.000
(Risos)

00:03:05.000 --> 00:03:08.000
foi aquilo que qualquer pesquisador
que se preze

00:03:08.000 --> 00:03:11.000
teria feito.

00:03:11.000 --> 00:03:13.000
Inspirámo-nos no XKDC,

00:03:13.000 --> 00:03:15.000
e dissemos: «Afastem-se.

00:03:15.000 --> 00:03:17.000
Vamos tentar fazer ciência.»

NOTE Paragraph

00:03:17.000 --> 00:03:19.000
(Risos)

NOTE Paragraph

00:03:19.000 --> 00:03:21.000
JM: Claro que pensávamos assim,

00:03:21.000 --> 00:03:23.000
primeiro vamos por os dados lá fora

00:03:23.000 --> 00:03:25.000
para que as pessoas
façam ciência com eles.

00:03:25.000 --> 00:03:27.000
E agora pensávamos,
que dados podemos publicar?

00:03:27.000 --> 00:03:29.000
Claro que se queria pegar nos livros

00:03:29.000 --> 00:03:31.000
e publicar o texto completo
destes cinco milhões de livros.

00:03:31.000 --> 00:03:33.000
Mas a Google,
e o Jon Orwant em particular,

00:03:33.000 --> 00:03:35.000
mostrou-nos uma pequena equação
a aprender.

00:03:35.000 --> 00:03:38.000
Então temos cinco milhões,
ou seja, cinco milhões de autores

00:03:38.000 --> 00:03:41.000
e cinco milhões de queixosos
são um processo legal monstruoso.

00:03:41.000 --> 00:03:43.000
Então, embora isso fosse
realmente fantástico

00:03:43.000 --> 00:03:46.000
mais uma vez,
é extremamente pouco prático.

00:03:46.000 --> 00:03:48.000
(Risos)

NOTE Paragraph

00:03:48.000 --> 00:03:50.000
Mais uma vez, tivemos de ceder
mais ou menos,

00:03:50.000 --> 00:03:53.000
e seguimos a abordagem muito prática,
que é menos fantástica.

00:03:53.000 --> 00:03:55.000
Dissemos: "Em vez de publicarmos
o texto completo,

00:03:55.000 --> 00:03:57.000
vamos publicar estatísticas
sobre os livros.

00:03:57.000 --> 00:03:59.000
Tome-se como exemplo 
"Um brilho de felicidade".

00:03:59.000 --> 00:04:01.000
São quatro palavras,
o que chamamos de quatro-grama.

00:04:01.000 --> 00:04:03.000
Nós vamos dizer-vos quantas vezes
um quatro-grama em particular

00:04:03.000 --> 00:04:05.000
apareceu em livros em 1801, 1802, 1803,

00:04:05.000 --> 00:04:07.000
até 2008.

00:04:07.000 --> 00:04:09.000
Isso dá-nos uma série temporal

00:04:09.000 --> 00:04:11.000
de quantas vezes esta frase em particular
foi utilizada ao longo dos tempos.

00:04:11.000 --> 00:04:14.000
Fazemos isso para todas as palavras e frases
que surgem nestes livros,

00:04:14.000 --> 00:04:17.000
e isso dá-nos uma enorme tabela
de dois mil milhões de linhas

00:04:17.000 --> 00:04:19.000
que nos dizem como a cultura
tem vindo a mudar.

NOTE Paragraph

00:04:19.000 --> 00:04:21.000
ELA: A estes dois mil milhões de linhas,

00:04:21.000 --> 00:04:23.000
chamamos dois mil milhões de n-gramas.

00:04:23.000 --> 00:04:25.000
O que é que eles nos dizem?

00:04:25.000 --> 00:04:27.000
Bem, os n-gramas individuais
medem tendências culturais.

00:04:27.000 --> 00:04:29.000
Deixem-me dar-vos um exemplo.

00:04:29.000 --> 00:04:31.000
Vamos supôr que estou a prosperar,

00:04:31.000 --> 00:04:33.000
e que amanhã quero contar
como me saí bem.

00:04:33.000 --> 00:04:36.000
Então posso dizer: "Ontem, eu vicejei."

00:04:36.000 --> 00:04:39.000
Em alternativa, podia dizer:
"Ontem, eu prosperei".

00:04:39.000 --> 00:04:42.000
Então qual é que devo utilizar?

00:04:42.000 --> 00:04:44.000
Como é que se sabe?

NOTE Paragraph

00:04:44.000 --> 00:04:46.000
Há cerca de seis meses atrás,

00:04:46.000 --> 00:04:48.000
o topo de gama neste campo

00:04:48.000 --> 00:04:50.000
seria dirigir-se, por exemplo,

00:04:50.000 --> 00:04:52.000
a este psicólogo
com um cabelo extraordinário

00:04:52.000 --> 00:04:54.000
e dizer:

00:04:54.000 --> 00:04:57.000
"Steve, és perito nos verbos irregulares.

00:04:57.000 --> 00:04:59.000
"O que é que devo fazer?"

00:04:59.000 --> 00:05:01.000
E ele responderia:
"Bem, muitos dizem prosperei,

00:05:01.000 --> 00:05:04.000
"mas alguns dizem vicejei."

00:05:04.000 --> 00:05:06.000
E ficariam a saber, mais ou menos,

00:05:06.000 --> 00:05:09.000
que se recuassem 200 anos

00:05:09.000 --> 00:05:12.000
e perguntassem a este estadista
com um cabelo igualmente extraordinário:

00:05:12.000 --> 00:05:15.000
(Risos)

00:05:15.000 --> 00:05:17.000
"Tom, o que é que eu devo dizer?"

00:05:17.000 --> 00:05:19.000
Ele diria: "No meu tempo,
a maior parte das pessoas vicejava,

00:05:19.000 --> 00:05:22.000
"mas alguns prosperavam."

00:05:22.000 --> 00:05:24.000
O que agora vos vou mostrar
são dados brutos.

00:05:24.000 --> 00:05:28.000
Duas linhas desta tabela
com dois mil milhões de entradas.

00:05:28.000 --> 00:05:30.000
O que estão a ver é a frequência por ano

00:05:30.000 --> 00:05:33.000
de "prosperei" e "vicejei"
ao longo do tempo.

00:05:34.000 --> 00:05:36.000
Estas são apenas duas

00:05:36.000 --> 00:05:39.000
de dois mil milhões de linhas.

00:05:39.000 --> 00:05:41.000
O conjunto total dos dados

00:05:41.000 --> 00:05:44.000
é mil milhões de vezes mais fantástico
do que este slide.

NOTE Paragraph

00:05:44.000 --> 00:05:46.000
(Risos)

NOTE Paragraph

00:05:46.000 --> 00:05:50.000
(Aplausos)

NOTE Paragraph

00:05:50.000 --> 00:05:52.000
JM: Há realmente muitas imagens
que valem mais que 500 mil milhões de palavras.

00:05:52.000 --> 00:05:54.000
Por exemplo, esta.

00:05:54.000 --> 00:05:56.000
Se pegarmos em "gripe",

00:05:56.000 --> 00:05:58.000
verão picos no tempo em que sabiam

00:05:58.000 --> 00:06:01.000
que grandes epidemias de gripe
estavam a matar pessoas por todo o globo.

NOTE Paragraph

00:06:01.000 --> 00:06:04.000
ELA: Se ainda não estão convencidos,

00:06:04.000 --> 00:06:06.000
os níveis do mar estão a subir,

00:06:06.000 --> 00:06:09.000
assim como o CO2 na atmosfera
e a temperatura da Terra.

NOTE Paragraph

00:06:09.000 --> 00:06:12.000
JM: Talvez queiram prestar atenção
a este n-grama em particular,

00:06:12.000 --> 00:06:15.000
para dizer a Nietzsche
que Deus não está morto,

00:06:15.000 --> 00:06:18.000
embora possam concordar que precisa
de um relações públicas melhor.

NOTE Paragraph

00:06:18.000 --> 00:06:20.000
(Risos)

NOTE Paragraph

00:06:20.000 --> 00:06:23.000
ELA: Podem obter conceitos bastante
abstractos com este tipo de análise.

00:06:23.000 --> 00:06:25.000
Por exemplo, vou contar-vos a história

00:06:25.000 --> 00:06:27.000
do ano de 1950.

00:06:27.000 --> 00:06:29.000
Durante grande parte da história,

00:06:29.000 --> 00:06:31.000
ninguém ligou nenhuma a 1950.

00:06:31.000 --> 00:06:33.000
Em 1700, em 1800, em 1900,

00:06:33.000 --> 00:06:36.000
ninguém se preocupou.

00:06:37.000 --> 00:06:39.000
Durante as décadas de 30 e 40,

00:06:39.000 --> 00:06:41.000
ninguém se preocupou.

00:06:41.000 --> 00:06:43.000
De repente, a meio da década de 40,

00:06:43.000 --> 00:06:45.000
começou a haver um burburinho.

00:06:45.000 --> 00:06:47.000
As pessoas perceberam
que 1950 ia acontecer,

00:06:47.000 --> 00:06:49.000
e podia ser uma coisa em grande.

00:06:49.000 --> 00:06:52.000
(Risos)

00:06:52.000 --> 00:06:55.000
Mas nada fez com que as pessoas
se interessassem mais pelo ano de 1950

00:06:55.000 --> 00:06:58.000
como o ano de 1950.

00:06:58.000 --> 00:07:01.000
(Risos)

00:07:01.000 --> 00:07:03.000
As pessoas andavam obececadas.

00:07:03.000 --> 00:07:05.000
Não conseguiam parar de falar

00:07:05.000 --> 00:07:08.000
sobre tudo o que tinham feito em 1950,

00:07:08.000 --> 00:07:11.000
tudo o que planeavam fazer em 1950,

00:07:11.000 --> 00:07:16.000
todos os sonhos
que queriam alcançar em 1950.

00:07:16.000 --> 00:07:18.000
Na verdade, 1950 era tão fascinante

00:07:18.000 --> 00:07:20.000
que, durante anos depois,

00:07:20.000 --> 00:07:23.000
as pessoas continuaram a falar
das coisas maravilhosas que tinham acontecido,

00:07:23.000 --> 00:07:25.000
em 51, 52, 53.

00:07:25.000 --> 00:07:27.000
Finalmente em 1954,

00:07:27.000 --> 00:07:29.000
houve alguém que acordou e percebeu

00:07:29.000 --> 00:07:33.000
que 1950 se tinha tornado
numa coisa fora de moda.

00:07:33.000 --> 00:07:35.000
(Risos)

00:07:35.000 --> 00:07:37.000
Assim, de repente, rebentou a bolha.

NOTE Paragraph

00:07:37.000 --> 00:07:39.000
(Risos)

NOTE Paragraph

00:07:39.000 --> 00:07:41.000
A história de 1950

00:07:41.000 --> 00:07:43.000
é a história de cada ano 
que temos registado,

00:07:43.000 --> 00:07:46.000
com uma ligeira diferença, porque agora
temos estes gráficos catitas.

00:07:46.000 --> 00:07:49.000
Como temos estes gráficos catitas,
podemos comparar coisas.

00:07:49.000 --> 00:07:51.000
Podemos dizer:
"Quão depressa rebenta a bolha?"

00:07:51.000 --> 00:07:54.000
Acontece que conseguimos medir isso
com muita precisão.

00:07:54.000 --> 00:07:57.000
Foram obtidas equações,
foram produzidos gráficos,

00:07:57.000 --> 00:07:59.000
e o resultado final

00:07:59.000 --> 00:08:02.000
é que descobrimos

00:08:02.000 --> 00:08:04.000
a cada ano que passa.

00:08:04.000 --> 00:08:09.000
Estamos a perder interesse no passado
cada vez mais rapidamente.

NOTE Paragraph

00:08:09.000 --> 00:08:11.000
JM: Agora, um pouco
de orientação profissional.

00:08:11.000 --> 00:08:13.000
Para os que querem ser famosos,

00:08:13.000 --> 00:08:15.000
podemos aprender
com os 25 políticos mais famosos,

00:08:15.000 --> 00:08:17.000
autores, atores, etc..

00:08:17.000 --> 00:08:20.000
Se quiserem ser famosos cedo,
devem tornar-se atores,

00:08:20.000 --> 00:08:22.000
porque a fama começa a aumentar
no final dos vinte anos...

00:08:22.000 --> 00:08:24.000
ainda são jovens, isso é óptimo.

00:08:24.000 --> 00:08:26.000
Se puderem esperar um bocadinho,
devem ser autores,

00:08:26.000 --> 00:08:28.000
porque então podem chegar longe,

00:08:28.000 --> 00:08:30.000
como Mark Twain, por exemplo:
extremamente famoso.

00:08:30.000 --> 00:08:32.000
Mas se quiserem alcançar mesmo o topo,

00:08:32.000 --> 00:08:34.000
não devem esperar resultados imediatos

00:08:34.000 --> 00:08:36.000
e devem tornarem-se políticos, claro.

00:08:36.000 --> 00:08:38.000
Aqui começarão a ser famosos
no final dos 50,

00:08:38.000 --> 00:08:40.000
e tornar-se-ão muito,
muito famosos depois disso.

00:08:40.000 --> 00:08:43.000
Os cientistas também têm tendência a tornar-se famosos quando são mais muito mais velhos.

00:08:43.000 --> 00:08:45.000
Por exemplo, biológos e físicos

00:08:45.000 --> 00:08:47.000
podem ser tão famosos como atores.

00:08:47.000 --> 00:08:50.000
Um erro que não devem cometer
é tornarem-se matemáticos.

00:08:50.000 --> 00:08:52.000
(Risos)

00:08:52.000 --> 00:08:54.000
Se o fizerem, podem pensar:

00:08:54.000 --> 00:08:57.000
"Ótimo. Vou fazer o meu melhor trabalho
quando tiver 20 anos."

00:08:57.000 --> 00:08:59.000
Mas, adivinhem, ninguém vai querer saber.

NOTE Paragraph

00:08:59.000 --> 00:09:02.000
(Risos)

NOTE Paragraph

00:09:02.000 --> 00:09:04.000
Há notas mais sóbrias

00:09:04.000 --> 00:09:06.000
por entre os n-gramas.

00:09:06.000 --> 00:09:08.000
Por exemplo, esta é
a trajetória de Marc Chagall,

00:09:08.000 --> 00:09:10.000
um artista nascido em 1887.

00:09:10.000 --> 00:09:13.000
Parece-se com a trajetória normal
de uma pessoa famosa.

00:09:13.000 --> 00:09:17.000
Ele torna-se cada vez mais famoso,

00:09:17.000 --> 00:09:19.000
exceto se virem em alemão.

00:09:19.000 --> 00:09:21.000
Se virem em alemão,
veem algo completamente bizarro,

00:09:21.000 --> 00:09:23.000
algo que quase nunca se observa,

00:09:23.000 --> 00:09:25.000
que é ele tornar-se extremamente famoso

00:09:25.000 --> 00:09:27.000
e então de repente cai vertiginosamente,

00:09:27.000 --> 00:09:30.000
atravessando o ponto mais baixo
entre 1933 e 1945,

00:09:30.000 --> 00:09:33.000
antes de recuperar nos anos seguintes.

00:09:33.000 --> 00:09:35.000
E claro o que observamos

00:09:35.000 --> 00:09:38.000
é o facto de Marc Chagall
ser um artista judeu

00:09:38.000 --> 00:09:40.000
na Alemanha nazi.

NOTE Paragraph

00:09:40.000 --> 00:09:42.000
Estes sinais

00:09:42.000 --> 00:09:44.000
na realidade são tão fortes

00:09:44.000 --> 00:09:47.000
que não precisamos de saber
que alguém foi censurado.

00:09:47.000 --> 00:09:49.000
Podemos chegar a essa conclusão

00:09:49.000 --> 00:09:51.000
através do processamento
bastante básico de sinais.

00:09:51.000 --> 00:09:53.000
Aqui está uma forma simples de o fazer.

00:09:53.000 --> 00:09:55.000
Uma expectativa razoável

00:09:55.000 --> 00:09:57.000
é a de que a fama de alguém
num dado período de tempo

00:09:57.000 --> 00:09:59.000
deverá ser sensivelmete
a média da sua fama antes

00:09:59.000 --> 00:10:01.000
e da sua fama depois desse período.

00:10:01.000 --> 00:10:03.000
Isso é mais ou menos aquilo que se espera.

00:10:03.000 --> 00:10:06.000
Comparamos isso com a fama
que observamos.

00:10:06.000 --> 00:10:08.000
Depois é só dividir uma pela outra

00:10:08.000 --> 00:10:10.000
para obter algo a que chamamos
"índice de supressão".

00:10:10.000 --> 00:10:13.000
Se o índice de supressão
for muito, muito, muito baixo,

00:10:13.000 --> 00:10:15.000
então quase de certeza
estão a ser reprimidos.

00:10:15.000 --> 00:10:18.000
Se for muito alto, então talvez estejam
a beneficiar com a propaganda.

NOTE Paragraph

00:10:19.000 --> 00:10:21.000
JM: Pode mesmo ver-se

00:10:21.000 --> 00:10:24.000
a distribuição de índices de supressão 
em populações inteiras.

00:10:24.000 --> 00:10:26.000
Por exemplo, aqui...

00:10:26.000 --> 00:10:28.000
este índice de supressão
é de cinco mil pessoas

00:10:28.000 --> 00:10:30.000
escolhidas em livros em inglês
onde não há supressão explícita...

00:10:30.000 --> 00:10:32.000
seria como este, centrado numa pessoa.

00:10:32.000 --> 00:10:34.000
O que se espera é aquilo que se observa.

00:10:34.000 --> 00:10:36.000
Esta é a distribuição conforme
observada na Alemanha...

00:10:36.000 --> 00:10:38.000
muito diferente,
desvia-se para a esquerda.

00:10:38.000 --> 00:10:41.000
As pessoas falaram sobre isto duas vezes menos
do que se esperaria.

00:10:41.000 --> 00:10:43.000
Mas muito mais importante,
a distribuição é muito mais alargada.

00:10:43.000 --> 00:10:46.000
Há muitas pessoas que acabaram
na extrema esquerda nesta distribuição

00:10:46.000 --> 00:10:49.000
de quem se falou menos dez vezes
do que seria de esperar.

00:10:49.000 --> 00:10:51.000
Mas também muitas pessoas
na extrema direita

00:10:51.000 --> 00:10:53.000
parecem beneficiar com a propaganda.

00:10:53.000 --> 00:10:56.000
Esta imagem é a marca distintiva
da censura no registo dos livros.

NOTE Paragraph

00:10:56.000 --> 00:10:58.000
"Culturómica"

00:10:58.000 --> 00:11:00.000
é o que chamamos a este método.

00:11:00.000 --> 00:11:02.000
É como genómica.

00:11:02.000 --> 00:11:04.000
Excepto que a genómica
é uma lente sobre a biologia

00:11:04.000 --> 00:11:07.000
através da janela da sequência
de bases no genoma humano.

00:11:07.000 --> 00:11:09.000
A culturómica é parecida.

00:11:09.000 --> 00:11:12.000
É a aplicação da análise da recolha
de dados em larga escala

00:11:12.000 --> 00:11:14.000
ao estudo da cultura humana.

00:11:14.000 --> 00:11:16.000
Aqui, em vez de ser
através da lente de um genoma,

00:11:16.000 --> 00:11:19.000
através da lente de peças digitalizadas
do registo histórico.

00:11:19.000 --> 00:11:21.000
O que é genial sobre a culturómica

00:11:21.000 --> 00:11:23.000
é que todos a podem fazer.

00:11:23.000 --> 00:11:25.000
Porque é que todos a podem fazer?

00:11:25.000 --> 00:11:27.000
Todos a podem fazer
porque três indivíduos,

00:11:27.000 --> 00:11:30.000
Jon Orwant, Matt Gray
e Will Brockman na Google,

00:11:30.000 --> 00:11:32.000
viram o protótipo do NGram Viewer,

00:11:32.000 --> 00:11:34.000
e disseram: "Isto é tão divertido.

00:11:34.000 --> 00:11:37.000
"Temos de tornar isto acessível às pessoas."

00:11:37.000 --> 00:11:39.000
Então em apenas duas semanas
— as duas semanas anteriores à publicação do nosso artigo —

00:11:39.000 --> 00:11:42.000
fizeram o código para uma versão
do NGram Viewer para o público em geral.

00:11:42.000 --> 00:11:45.000
Agora podemos escrever qualquer palavra
ou frase em que estejamos interessados

00:11:45.000 --> 00:11:47.000
e vemos imediatamente o seu n-grama...

00:11:47.000 --> 00:11:49.000
assim como vemos exemplos
de todos os diferentes livros

00:11:49.000 --> 00:11:51.000
onde surge o nosso n-grama.

NOTE Paragraph

00:11:51.000 --> 00:11:53.000
Isto foi utilizado mais de um milhão 
de vezes no primeiro dia,

00:11:53.000 --> 00:11:55.000
o que é a melhor de todas as pesquisas.

00:11:55.000 --> 00:11:58.000
As pessoas querem ser o seu melhor,
causar a melhor impressão que conseguirem.

00:11:58.000 --> 00:12:01.000
Mas acontece que no século XVIII,
as pessoas não se preocupavam com isso.

00:12:01.000 --> 00:12:04.000
Elas não queriam ser o seu melhor,
queriam ser o seu milhor.

00:12:04.000 --> 00:12:07.000
O que aconteceu foi, claro está,
apenas um erro.

00:12:07.000 --> 00:12:09.000
Não que é que se esforçassem
pela mediocridade,

00:12:09.000 --> 00:12:12.000
é só porque o E era escrito
de forma diferente, como um I.

00:12:12.000 --> 00:12:15.000
Claro que a Google
não se apercebeu disto na altura,

00:12:15.000 --> 00:12:18.000
e então nós referimos isto no artigo científico
que escrevemos.

00:12:18.000 --> 00:12:20.000
Mas acontece que isto é apenas um lembrete

00:12:20.000 --> 00:12:22.000
de que, embora seja tudo muito divertido,

00:12:22.000 --> 00:12:24.000
quando se interpretam estes gráficos,
temos de ser cuidadosos

00:12:24.000 --> 00:12:27.000
e há que adotar
os procedimentos científicos de base.

NOTE Paragraph

00:12:27.000 --> 00:12:30.000
ELA: As pessoas têm utilizado isto
para toda a espécie de diversão.

00:12:30.000 --> 00:12:37.000
(Risos)

00:12:37.000 --> 00:12:39.000
Na verdade, nem precisamos de vos dizer,

00:12:39.000 --> 00:12:42.000
vamos apenas mostrar-vos
todos os slides e ficar calados.

00:12:42.000 --> 00:12:45.000
Esta pessoa estava interessada
na história da frustração.

00:12:45.000 --> 00:12:48.000
Há vários tipos de frustração.

00:12:48.000 --> 00:12:51.000
Se baterem com um dedo do pé,
isso é um «argh» com um A.

00:12:51.000 --> 00:12:53.000
Se o planeta Terra for aniquilado
pelos Vogons

00:12:53.000 --> 00:12:55.000
para criar um desvio interestelar,

00:12:55.000 --> 00:12:57.000
isso é um «aaaaaaaargh» com oito As.

00:12:57.000 --> 00:12:59.000
Esta pessoa estuda todos os «arghs»,

00:12:59.000 --> 00:13:01.000
entre um a oito As.

00:13:01.000 --> 00:13:03.000
e acontece

00:13:03.000 --> 00:13:05.000
que os «arghs» menos frequentes

00:13:05.000 --> 00:13:08.000
são, claro, aqueles que correspondem
a coisas mais frustrantes...

00:13:08.000 --> 00:13:11.000
excepto, por incrível que pareça,
nos princípios dos anos 80.

00:13:11.000 --> 00:13:13.000
Pensamos que talvez tenha
algo a ver com Reagan.

NOTE Paragraph

00:13:13.000 --> 00:13:15.000
(Risos)

NOTE Paragraph

00:13:15.000 --> 00:13:18.000
JM: Há muitas utilizações
para estes dados,

00:13:18.000 --> 00:13:21.000
mas o mais importante é que
o registo histórico está a ser digitalizado.

00:13:21.000 --> 00:13:23.000
A Google começou a digitalizar
15 milhões de livros.

00:13:23.000 --> 00:13:25.000
São 12% de todos os livros já publicados.

00:13:25.000 --> 00:13:28.000
É um pedaço considerável da cultura humana.

00:13:28.000 --> 00:13:31.000
Há muito mais na cultura:
há manuscritos, há jornais,

00:13:31.000 --> 00:13:33.000
há coisas que não são textos,
como arte e quadros.

00:13:33.000 --> 00:13:35.000
Tudo isto está nos nossos computadores,

00:13:35.000 --> 00:13:37.000
nos computadores de todo o mundo.

00:13:37.000 --> 00:13:40.000
Quando isso acontece,
irá transformar a forma como

00:13:40.000 --> 00:13:42.000
percebemos o nosso passado,
o nosso presente e a nossa cultura humana.

NOTE Paragraph

00:13:42.000 --> 00:13:44.000
Muito obrigado.

NOTE Paragraph

00:13:44.000 --> 00:13:47.000
(Aplausos)