1
00:00:00,000 --> 00:00:01,400
Erez Lieberman Aiden:

2
00:00:01,400 --> 00:00:06,120
Todos sabemos que uma imagem
vale mais que mil palavras

3
00:00:07,550 --> 00:00:09,450
Mas nós em Harvard

4
00:00:09,450 --> 00:00:12,200
questionámos se isso seria mesmo verdade.

5
00:00:12,340 --> 00:00:14,000
(Risos)

6
00:00:14,330 --> 00:00:17,100
Então, juntámos uma equipa de peritos,

7
00:00:17,100 --> 00:00:19,770
que vieram de Harvard, do MIT,

8
00:00:19,770 --> 00:00:23,180
do The American Heritage Dictionary,
da The Encyclopedia Britannica

9
00:00:23,180 --> 00:00:27,240
e até dos nossos orgulhosos
patrocinadores, a Google.

10
00:00:27,240 --> 00:00:28,640
(Risos)

11
00:00:28,940 --> 00:00:30,920
Debruçámo-nos sobre esta questão

12
00:00:30,920 --> 00:00:32,750
durante cerca de quatro anos.

13
00:00:32,750 --> 00:00:36,660
E chegámos a uma conclusão surpreendente.

14
00:00:37,430 --> 00:00:40,440
Meus senhores, uma imagem
não vale mais que mil palavras.

15
00:00:40,440 --> 00:00:42,680
Na verdade, encontrámos imagens

16
00:00:42,680 --> 00:00:46,740
que valem 500 mil milhões de palavras.

17
00:00:47,000 --> 00:00:49,660
Jean-Baptiste Michel:
Como chegámos a esta conclusão?

18
00:00:49,660 --> 00:00:51,850
O Erez e eu pensámos em como obter

19
00:00:51,850 --> 00:00:54,950
um panorama geral da cultura humana
e da história humana:

20
00:00:54,950 --> 00:00:56,690
as mudanças através dos tempos.

21
00:00:56,690 --> 00:00:58,930
Ao longo dos anos,
escreveram-se muitos livros.

22
00:00:58,930 --> 00:01:01,380
Pensámos que a melhor maneira
de aprender com eles

23
00:01:01,380 --> 00:01:03,370
seria ler todos esses milhões de livros.

24
00:01:03,370 --> 00:01:06,330
Se houvesse uma escala
de como isso seria fantástico,

25
00:01:06,330 --> 00:01:08,880
isso seria classificado
a um nível muitoelevado.

26
00:01:08,930 --> 00:01:11,310
O problema é que há
um eixo X para isso,

27
00:01:11,310 --> 00:01:12,860
que é o eixo da prática,

28
00:01:12,860 --> 00:01:15,010
o que o colocaria num patamar muito baixo

29
00:01:15,010 --> 00:01:17,000
(Aplausos)

30
00:01:17,750 --> 00:01:20,570
As pessoas têm tendência a usar
uma abordagem alternativa,

31
00:01:20,570 --> 00:01:23,010
que é pegar nalgumas fontes
e lê-las cuidadosamente.

32
00:01:23,010 --> 00:01:25,350
É extremamente prático,
mas não muito fantástico.

33
00:01:25,350 --> 00:01:27,500
O que realmente se pretende

34
00:01:27,520 --> 00:01:30,500
é chegar à parte fantástica
mas prática deste espaço.

35
00:01:30,500 --> 00:01:33,680
Acontece que havia uma empresa
do outro lado do rio chamada Google

36
00:01:33,680 --> 00:01:36,140
que iniciara um projeto
de digitalização há uns anos

37
00:01:36,140 --> 00:01:37,920
que talvez permitisse essa abordagem.

38
00:01:37,930 --> 00:01:39,800
Tinham digitalizado milhões de livros.

39
00:01:39,800 --> 00:01:42,490
Isso significava que se podiam
usar métodos informáticos

40
00:01:42,490 --> 00:01:44,990
para ler todos os livros
com o clique de um botão.

41
00:01:44,990 --> 00:01:47,790
Isto é muito prático
e extremamente fantástico.

42
00:01:48,420 --> 00:01:50,600
ELA: Vou falar-vos de onde vêm os livros.

43
00:01:51,270 --> 00:01:53,910
Desde tempos imemoriais
que existem autores.

44
00:01:53,910 --> 00:01:56,750
Esses autores têm-se esforçado
por escrever livros.

45
00:01:56,750 --> 00:01:58,550
Isso tornou-se muito mais fácil

46
00:01:58,550 --> 00:02:00,850
com o desenvolvimento
da imprensa há uns séculos.

47
00:02:00,850 --> 00:02:03,060
Desde então, os autores tiveram

48
00:02:03,080 --> 00:02:06,450
129 milhões de ocasiões diferentes

49
00:02:06,450 --> 00:02:08,250
para publicar livros,

50
00:02:08,250 --> 00:02:10,350
Se esses livros
não se perderam na história

51
00:02:10,350 --> 00:02:12,270
estão algures numa biblioteca,

52
00:02:12,290 --> 00:02:15,140
e muitos desses livros
têm sido recuperados das bibliotecas

53
00:02:15,140 --> 00:02:16,570
e digitalizados pela Google,

54
00:02:16,570 --> 00:02:19,110
que já digitalizou
15 milhões de livros até agora.

55
00:02:19,120 --> 00:02:22,080
Quando a Google digitaliza um livro,
põe-no num formato catita.

56
00:02:22,100 --> 00:02:24,240
Agora, temos os dados
e temos ainda metadados.

57
00:02:24,240 --> 00:02:26,590
Temos informação sobre onde foi publicado,

58
00:02:26,590 --> 00:02:29,230
quem foi o autor,
quando foi publicado, etc.

59
00:02:29,230 --> 00:02:32,140
Verificamos todos esses arquivos

60
00:02:32,140 --> 00:02:35,480
e excluímos tudo o que não seja
da mais alta qualidade.

61
00:02:35,480 --> 00:02:37,310
Aquilo que nos resta

62
00:02:37,310 --> 00:02:40,600
é uma coleção de cinco milhões de livros,

63
00:02:40,600 --> 00:02:43,570
500 mil milhões de palavras,

64
00:02:43,570 --> 00:02:46,880
uma cadeia de caracteres
mil vezes mais longa

65
00:02:46,880 --> 00:02:48,590
que o genoma humano,

66
00:02:48,590 --> 00:02:50,590
um texto que,
se fosse escrito por extenso,

67
00:02:50,590 --> 00:02:52,700
iria daqui até à Lua e voltava

68
00:02:52,700 --> 00:02:54,520
mais de dez vezes,

69
00:02:54,520 --> 00:02:57,750
um autêntico fragmento
do nosso genoma cultural.

70
00:02:58,850 --> 00:03:00,540
Claro que aquilo que fizemos

71
00:03:00,540 --> 00:03:03,150
perante tamanha hipérbole...

72
00:03:03,220 --> 00:03:05,580
(Risos)

73
00:03:05,650 --> 00:03:08,180
... foi aquilo que teria feito

74
00:03:08,180 --> 00:03:11,150
qualquer pesquisador que se preze.

75
00:03:11,150 --> 00:03:13,840
Inspirámo-nos no XKDC, e dissemos:

76
00:03:14,070 --> 00:03:17,250
"Afastem-se. Vamos tentar fazer ciência."

77
00:03:17,360 --> 00:03:19,000
(Risos)

78
00:03:19,540 --> 00:03:21,290
JM: Claro que estávamos a pensar

79
00:03:21,290 --> 00:03:23,150
em publicar primeiro os dados

80
00:03:23,150 --> 00:03:25,310
para que as pessoas
pudessem fazer ciência.

81
00:03:25,310 --> 00:03:27,700
Mas depois pensámos:
""Que dados podemos publicar?"

82
00:03:27,700 --> 00:03:29,450
Claro que queríamos pegar nos livros

83
00:03:29,450 --> 00:03:31,850
e publicar o texto completo
de todos os livros.

84
00:03:31,850 --> 00:03:33,920
Mas a Google,
e o Jon Orwant em particular,

85
00:03:33,920 --> 00:03:35,850
ensinou-nos uma pequena equação.

86
00:03:35,850 --> 00:03:38,000
Temos cinco milhões de autores, ou seja,

87
00:03:38,000 --> 00:03:41,120
cinco milhões de processos judiciais,
uma coisa monstruosa.

88
00:03:41,320 --> 00:03:43,540
Assim, embora isso fosse fantástico

89
00:03:43,540 --> 00:03:46,370
mais uma vez, era impraticável.

90
00:03:46,540 --> 00:03:48,460
(Risos)

91
00:03:48,530 --> 00:03:50,750
Mais uma vez, tivemos de ceder

92
00:03:50,750 --> 00:03:53,530
e seguimos a abordagem prática,
que era menos fantástica.

93
00:03:53,530 --> 00:03:55,350
Em vez de publicarmos
o texto completo,

94
00:03:55,350 --> 00:03:57,540
íamos publicar estatísticas
sobre os livros.

95
00:03:57,550 --> 00:03:59,480
Por exemplo,
"Um brilho de felicidade".

96
00:03:59,480 --> 00:04:01,990
São quatro palavras,
a que chamamos um quatro-grama.

97
00:04:01,990 --> 00:04:04,620
Íamos dizer quantas vezes
um determinado quatro-grama

98
00:04:04,620 --> 00:04:07,320
aparecia em livros em 1801,
1802, 1803... até 2008.

99
00:04:07,320 --> 00:04:09,010
Isso dá-nos uma série temporal

100
00:04:09,010 --> 00:04:11,340
de quantas vezes foi utilizada essa frase.

101
00:04:11,340 --> 00:04:14,680
Fazemos isso para todas as palavras
e frases que surgem nesses livros.

102
00:04:14,680 --> 00:04:17,460
Isso dá-nos uma enorme tabela
de dois mil milhões de linhas

103
00:04:17,460 --> 00:04:19,680
que nos dizem como a cultura
tem vindo a mudar.

104
00:04:19,680 --> 00:04:22,170
ELA: Chamamos a esses
dois mil milhões de linhas,

105
00:04:22,170 --> 00:04:23,540
dois mil milhões de n-gramas.

106
00:04:23,550 --> 00:04:24,950
O que é que eles nos dizem?

107
00:04:24,950 --> 00:04:27,370
Os n-gramas individuais
medem tendências culturais.

108
00:04:27,370 --> 00:04:29,000
Vou dar-vos um exemplo.

109
00:04:29,000 --> 00:04:31,000
Vamos supôr que estou a prosperar,

110
00:04:31,000 --> 00:04:33,260
e que amanhã quero contar
como me saí bem.

111
00:04:33,260 --> 00:04:36,370
Posso dizer: "Ontem, eu vicejei."

112
00:04:36,370 --> 00:04:39,670
Em alternativa, podia dizer:
"Ontem, eu prosperei.

113
00:04:39,670 --> 00:04:42,420
"Então qual é que devo utilizar?

114
00:04:42,420 --> 00:04:44,130
"Como é que hei de saber?"

115
00:04:44,130 --> 00:04:46,140
Há cerca de seis meses,

116
00:04:46,140 --> 00:04:48,320
o topo de gama neste campo

117
00:04:48,340 --> 00:04:50,070
seria dirigir-se, por exemplo,

118
00:04:50,070 --> 00:04:52,580
a um psicólogo com um cabelo fabuloso

119
00:04:52,580 --> 00:04:54,000
e dizer:

120
00:04:54,650 --> 00:04:57,830
"Steve, és perito em verbos.

121
00:04:57,830 --> 00:04:59,460
"O que é que devo fazer?"

122
00:04:59,460 --> 00:05:02,010
E ele responderia:
"Muitos dizem 'prosperei',

123
00:05:02,010 --> 00:05:04,240
"mas alguns dizem 'vicejei'."

124
00:05:04,240 --> 00:05:06,730
Também ficariam a saber, mais ou menos,

125
00:05:06,730 --> 00:05:09,240
que, se recuassem 200 anos,

126
00:05:09,240 --> 00:05:12,330
e perguntassem a este estadista
com um cabelo igualmente fabuloso:

127
00:05:12,440 --> 00:05:14,750
(Risos)

128
00:05:15,000 --> 00:05:17,000
"Tom, o que é que eu devo dizer?"

129
00:05:17,000 --> 00:05:19,550
Ele diria: "No meu tempo,
a maior parte das pessoas vicejava,

130
00:05:19,550 --> 00:05:22,000
"mas alguns prosperavam."

131
00:05:22,240 --> 00:05:24,520
Agora vou mostrar-vos dados brutos.

132
00:05:25,040 --> 00:05:28,320
Duas linhas desta tabela
com dois mil milhões de entradas.

133
00:05:28,320 --> 00:05:31,030
Estão a ver a frequência, ano a ano,

134
00:05:31,030 --> 00:05:33,680
de "prosperei" e "vicejei"
ao longo do tempo.

135
00:05:34,630 --> 00:05:36,670
Estas são apenas duas

136
00:05:36,670 --> 00:05:39,220
entre dois mil milhões de linhas.

137
00:05:39,220 --> 00:05:41,390
O conjunto total dos dados

138
00:05:41,390 --> 00:05:44,530
é mil milhões de vezes mais fantástico
do que este slide.

139
00:05:44,680 --> 00:05:46,680
(Risos)

140
00:05:47,070 --> 00:05:49,600
(Aplausos)

141
00:05:49,720 --> 00:05:52,980
JM: Há muitas imagens que valem mais
que 500 mil milhões de palavras.

142
00:05:52,980 --> 00:05:54,000
Por exemplo, esta.

143
00:05:54,000 --> 00:05:55,600
Se pegarmos em "gripe",

144
00:05:55,600 --> 00:05:58,000
verão picos na época em que se sabia

145
00:05:58,000 --> 00:06:01,000
que grandes epidemias de gripe
matavam pessoas em todo o globo.

146
00:06:01,910 --> 00:06:04,240
ELA: Se ainda não estão convencidos,

147
00:06:04,240 --> 00:06:06,140
os níveis do mar estão a subir,

148
00:06:06,140 --> 00:06:09,000
assim como o CO2 na atmosfera
e a temperatura da Terra.

149
00:06:09,330 --> 00:06:12,390
JM: Talvez queiram prestar atenção
a este n-grama em particular,

150
00:06:12,390 --> 00:06:15,000
e dizer a Nietzsche
que Deus não está morto,

151
00:06:15,000 --> 00:06:18,120
embora concordem que Ele precisa
de um relações públicas melhor.

152
00:06:18,240 --> 00:06:20,000
(Risos)

153
00:06:20,150 --> 00:06:23,580
ELA: Podemos obter conceitos bastante
abstratos com este tipo de análise.

154
00:06:23,580 --> 00:06:26,970
Por exemplo, vou contar-vos
a história do ano de 1950.

155
00:06:27,370 --> 00:06:29,540
Durante grande parte da história,

156
00:06:29,540 --> 00:06:31,370
ninguém ligou nenhuma a 1950.

157
00:06:31,370 --> 00:06:33,690
Em 1700, em 1800, em 1900,

158
00:06:33,690 --> 00:06:36,320
ninguém se preocupou.

159
00:06:37,910 --> 00:06:41,010
Durante os anos 30 e 40,
ninguém se preocupou.

160
00:06:41,010 --> 00:06:43,460
De repente, a meio dos anos 40,

161
00:06:43,460 --> 00:06:45,240
começa a haver um burburinho.

162
00:06:45,240 --> 00:06:47,610
As pessoas percebem
que 1950 vai acontecer,

163
00:06:47,610 --> 00:06:49,810
e pode ser uma coisa em grande.

164
00:06:49,920 --> 00:06:51,650
(Risos)

165
00:06:52,180 --> 00:06:56,230
Mas nada fez com que as pessoas
se interessassem mais pelo ano de 1950

166
00:06:56,230 --> 00:06:58,590
do que o ano de 1950.

167
00:06:58,710 --> 00:07:00,780
(Risos)

168
00:07:01,100 --> 00:07:03,580
As pessoas andavam obcecadas.

169
00:07:03,580 --> 00:07:05,310
Não conseguiam deixar de falar

170
00:07:05,310 --> 00:07:08,130
sobre tudo o que tinham feito em 1950,

171
00:07:08,130 --> 00:07:11,500
tudo o que planeavam fazer em 1950,

172
00:07:11,500 --> 00:07:15,670
todos os sonhos
que queriam alcançar em 1950.

173
00:07:16,100 --> 00:07:18,370
Na verdade, 1950 foi tão fascinante

174
00:07:18,370 --> 00:07:20,000
que, anos depois,

175
00:07:20,000 --> 00:07:22,680
as pessoas continuavam a falar
das coisas maravilhosas

176
00:07:22,680 --> 00:07:25,510
que tinham acontecido
em 1951, 1952, 1953.

177
00:07:25,510 --> 00:07:27,760
Finalmente, em 1954,

178
00:07:27,760 --> 00:07:30,080
houve alguém que acordou e percebeu

179
00:07:30,080 --> 00:07:32,950
que 1950 se tinha tornado
numa coisa do passado.

180
00:07:33,220 --> 00:07:35,000
(Risos)

181
00:07:35,200 --> 00:07:37,540
E de repente, rebentou a bolha.

182
00:07:37,630 --> 00:07:39,120
(Risos)

183
00:07:39,320 --> 00:07:41,000
A história de 1950

184
00:07:41,000 --> 00:07:43,270
é a história de cada ano 
que temos registado,

185
00:07:43,270 --> 00:07:46,630
com uma ligeira diferença, porque agora
temos estes gráficos catitas.

186
00:07:46,630 --> 00:07:49,470
Como temos estes gráficos catitas,
podemos comparar coisas.

187
00:07:49,470 --> 00:07:51,860
Podemos dizer:
"Quão depressa rebenta a bolha?"

188
00:07:51,860 --> 00:07:54,430
Acontece que conseguimos medir isso
com muita precisão.

189
00:07:54,430 --> 00:07:57,650
Derivaram-se equações,
produziram-se gráficos,

190
00:07:57,650 --> 00:07:59,610
e como resultado final

191
00:07:59,610 --> 00:08:02,640
descobrimos que a bolha rebenta
cada vez mais depressa,

192
00:08:02,650 --> 00:08:04,650
de ano para ano.

193
00:08:04,650 --> 00:08:08,560
Estamos a perder interesse no passado
cada vez mais rapidamente.

194
00:08:09,000 --> 00:08:11,230
JM: Agora, um pouco
de orientação profissional.

195
00:08:11,230 --> 00:08:13,000
Os que querem ser famosos,

196
00:08:13,000 --> 00:08:15,320
podem aprender
com os 25 políticos mais famosos,

197
00:08:15,320 --> 00:08:17,490
autores, atores, etc..

198
00:08:17,490 --> 00:08:20,180
Se quiserem ser famosos cedo,
devem tornar-se atores,

199
00:08:20,180 --> 00:08:22,870
porque a fama começa a aumentar
no final dos vinte anos,

200
00:08:22,870 --> 00:08:24,670
ainda são jovens, isso é ótimo.

201
00:08:24,670 --> 00:08:26,810
Se podem esperar um pouco,
devem ser autores,

202
00:08:26,810 --> 00:08:28,480
porque então podem chegar longe,

203
00:08:28,480 --> 00:08:30,840
como Mark Twain, por exemplo,
extremamente famoso.

204
00:08:30,840 --> 00:08:33,260
Mas se quiserem alcançar mesmo o topo,

205
00:08:33,260 --> 00:08:35,090
não devem esperar resultados imediatos

206
00:08:35,090 --> 00:08:36,900
e, claro, devem tornarem-se políticos.

207
00:08:36,900 --> 00:08:39,070
Começarão a ser famosos
no final dos 50 anos

208
00:08:39,070 --> 00:08:41,050
e tornar-se-ão
muito famosos depois disso.

209
00:08:41,050 --> 00:08:44,070
Os cientistas também ficam famosos
quando são muito mais velhos.

210
00:08:44,070 --> 00:08:47,640
Por exemplo, os biológos e os físicos
podem ser tão famosos como os atores.

211
00:08:47,640 --> 00:08:50,640
Um erro que não devem fazer
é tornarem-se matemáticos.

212
00:08:50,680 --> 00:08:52,010
(Risos)

213
00:08:52,110 --> 00:08:54,360
Se o fizerem, podem pensar:

214
00:08:54,380 --> 00:08:57,100
"Ótimo. Vou fazer o meu melhor trabalho
aos 20 anos."

215
00:08:57,100 --> 00:08:59,570
Mas, calculem, ninguém vai querer saber.

216
00:08:59,640 --> 00:09:01,820
(Risos)

217
00:09:04,130 --> 00:09:06,690
ELA: Há notas mais sóbrias
entre os n-gramas.

218
00:09:06,690 --> 00:09:09,110
Por exemplo, esta é
a trajetória de Marc Chagall,

219
00:09:09,110 --> 00:09:11,150
um artista nascido em 1887.

220
00:09:11,150 --> 00:09:14,020
Parece-se com a trajetória normal
de uma pessoa famosa.

221
00:09:14,020 --> 00:09:17,170
Torna-se cada vez mais famoso,

222
00:09:17,170 --> 00:09:19,440
exceto se procurarem em alemão.

223
00:09:19,440 --> 00:09:21,790
Se procurarem em alemão,
verão uma coisa bizarra,

224
00:09:21,790 --> 00:09:24,140
uma coisa que habitualmente
não se observa.

225
00:09:24,140 --> 00:09:26,190
Ele torna-se extremamente famoso

226
00:09:26,190 --> 00:09:27,980
e, de repente, cai vertiginosamente,

227
00:09:27,980 --> 00:09:30,830
atravessando o ponto mais baixo
entre 1933 e 1945,

228
00:09:30,830 --> 00:09:33,440
antes de recuperar nos anos seguintes.

229
00:09:33,440 --> 00:09:35,180
O que aqui observamos

230
00:09:35,180 --> 00:09:38,130
é o facto de Marc Chagall
ser um artista judeu

231
00:09:38,130 --> 00:09:40,160
na Alemanha nazi.

232
00:09:40,500 --> 00:09:43,890
Na realidade, estes sinais são tão fortes

233
00:09:44,000 --> 00:09:47,910
que não precisamos de saber
que alguém foi censurado.

234
00:09:47,910 --> 00:09:49,690
Podemos chegar a essa conclusão

235
00:09:49,690 --> 00:09:51,820
através do tratamento básico de sinais.

236
00:09:51,820 --> 00:09:53,700
Esta é uma forma simples de o fazer.

237
00:09:53,700 --> 00:09:55,260
Uma expetativa razoável

238
00:09:55,260 --> 00:09:57,770
é a de que a fama de alguém
num dado período de tempo

239
00:09:57,770 --> 00:10:00,140
deverá ser sensivelmente
a média da sua fama antes

240
00:10:00,140 --> 00:10:01,600
e da sua fama posterior.

241
00:10:01,600 --> 00:10:03,460
Isso é aquilo que se espera.

242
00:10:03,460 --> 00:10:05,640
Comparamos isso com a fama
que observamos.

243
00:10:05,640 --> 00:10:07,480
Depois é só dividir uma pela outra

244
00:10:07,480 --> 00:10:10,250
para obter uma coisa a que chamamos
"índice de supressão".

245
00:10:10,250 --> 00:10:13,000
Se o índice de supressão
for muito, muito baixo,

246
00:10:13,000 --> 00:10:15,320
quase de certeza estão a ser censurados.

247
00:10:15,320 --> 00:10:18,610
Se for muito alto, então talvez estejam
a beneficiar com a propaganda.

248
00:10:19,190 --> 00:10:21,000
JM: Podemos mesmo ver

249
00:10:21,000 --> 00:10:24,200
a distribuição de índices de supressão 
em populações inteiras.

250
00:10:24,200 --> 00:10:25,550
Por exemplo, aqui...

251
00:10:25,550 --> 00:10:27,790
este índice de supressão
é de cinco mil pessoas

252
00:10:27,790 --> 00:10:30,890
escolhidas em livros em inglês
onde não há supressão explícita...

253
00:10:30,890 --> 00:10:32,760
seria como este, centrado numa pessoa.

254
00:10:32,760 --> 00:10:34,910
O que se espera é aquilo que se observa.

255
00:10:34,910 --> 00:10:37,010
Esta é a distribuição
observada na Alemanha

256
00:10:37,010 --> 00:10:38,550
— desvia-se para a esquerda.

257
00:10:38,550 --> 00:10:41,420
As pessoas falaram disso 
duas vezes menos do que o esperado.

258
00:10:41,420 --> 00:10:43,730
Mais importante,
a distribuição é mais alargada.

259
00:10:43,730 --> 00:10:46,680
Há muitas pessoas que acabam
na ponta esquerda na distribuição

260
00:10:46,680 --> 00:10:49,580
de quem se falou menos dez vezes
do que seria de esperar.

261
00:10:49,580 --> 00:10:51,610
Mas também muita gente
na ponta direita

262
00:10:51,610 --> 00:10:53,480
parece beneficiar com a propaganda.

263
00:10:53,480 --> 00:10:56,710
Esta imagem é a marca distintiva
da censura no registo dos livros.

264
00:10:56,830 --> 00:10:58,850
ELA: "Culturómica"

265
00:10:58,850 --> 00:11:00,510
é o que chamamos a este método.

266
00:11:00,510 --> 00:11:01,840
É como genómica.

267
00:11:01,840 --> 00:11:04,350
Excepto que a genómica
é uma lente sobre a biologia

268
00:11:04,350 --> 00:11:07,540
através da janela da sequência
de bases no genoma humano.

269
00:11:07,540 --> 00:11:09,000
A culturómica é parecida.

270
00:11:09,000 --> 00:11:12,500
É a aplicação da análise da recolha
de dados em larga escala

271
00:11:12,500 --> 00:11:14,320
ao estudo da cultura humana.

272
00:11:14,320 --> 00:11:16,750
Aqui, em vez de ser
através da lente de um genoma,

273
00:11:16,750 --> 00:11:19,930
é através da lente de peças digitalizadas
do registo histórico.

274
00:11:19,930 --> 00:11:21,620
O que é genial na culturómica

275
00:11:21,620 --> 00:11:23,150
é que todos a podem fazer.

276
00:11:23,150 --> 00:11:25,000
Porque é que todos a podem fazer?

277
00:11:25,000 --> 00:11:27,060
Todos a podem fazer
porque três indivíduos,

278
00:11:27,060 --> 00:11:30,050
Jon Orwant, Matt Gray
e Will Brockman na Google,

279
00:11:30,050 --> 00:11:32,270
viram o protótipo do NGram Viewer,

280
00:11:32,270 --> 00:11:34,430
e disseram: "Isto é muito divertido.

281
00:11:34,430 --> 00:11:37,060
"Temos de tornar isto
acessível às pessoas."

282
00:11:37,060 --> 00:11:39,510
Nas duas semanas antes
da publicação do nosso artigo

283
00:11:39,510 --> 00:11:42,200
fizeram o código para a versão pública
do NGram Viewer.

284
00:11:42,200 --> 00:11:45,490
Podemos escrever qualquer palavra
ou frase em que estamos interessados

285
00:11:45,490 --> 00:11:47,290
e vemos imediatamente o seu n-grama,

286
00:11:47,290 --> 00:11:49,910
assim como vemos exemplos
de todos os diversos livros

287
00:11:49,910 --> 00:11:51,540
onde surge esse n-grama.

288
00:11:51,540 --> 00:11:54,570
JBM: Isto foi usado mais de um milhão 
de vezes no primeiro dia,

289
00:11:54,570 --> 00:11:56,570
o que é a melhor de todas as pesquisas.

290
00:11:56,570 --> 00:11:58,840
Todos querem o seu melhor,
mostrar o seu melhor.

291
00:11:58,840 --> 00:12:01,340
Acontece que, no século XVIII,
isso não acontecia.

292
00:12:01,600 --> 00:12:04,480
Não queriam ser o seu melhor,
queriam ser o seu "milhor".

293
00:12:04,480 --> 00:12:07,200
Claro que o que aconteceu
foi apenas um erro.

294
00:12:07,200 --> 00:12:09,420
Não que é que se esforçassem
pela mediocridade,

295
00:12:09,420 --> 00:12:12,670
é só porque o "e" escrevia-se
de forma diferente, como um "i".

296
00:12:12,670 --> 00:12:15,360
A Google não se apercebeu disso na altura,

297
00:12:15,360 --> 00:12:18,280
e nós referimos isso no artigo científico
que escrevemos.

298
00:12:18,280 --> 00:12:20,170
Acontece que isto é apenas um lembrete

299
00:12:20,170 --> 00:12:22,180
de que, embora seja tudo muito divertido,

300
00:12:22,180 --> 00:12:24,820
quando interpretamos gráficos,
temos de ser cuidadosos.

301
00:12:24,820 --> 00:12:27,440
Há que adotar os procedimentos
científicos de base.

302
00:12:27,920 --> 00:12:30,790
ELA: As pessoas têm usado isto
para todo o tipo de diversão.

303
00:12:30,960 --> 00:12:34,050
(Risos)

304
00:12:37,530 --> 00:12:39,590
Na verdade, nem é preciso falar,

305
00:12:39,590 --> 00:12:42,190
vamos apenas mostrar-vos
todos os slides e ficar calados.

306
00:12:42,830 --> 00:12:45,550
Esta pessoa estava interessada
na história da frustração.

307
00:12:45,550 --> 00:12:48,000
Há vários tipos de frustração.

308
00:12:48,000 --> 00:12:51,000
Se baterem com um dedo do pé,
isso é um "ai" com um A.

309
00:12:51,150 --> 00:12:53,910
Se o planeta Terra for aniquilado
pelos Vogons

310
00:12:53,910 --> 00:12:55,800
para criar um desvio interestelar,

311
00:12:55,800 --> 00:12:58,210
isso é um "aaaaaaaai" com oito A's.

312
00:12:58,210 --> 00:13:00,120
Esta pessoa estuda todos os "ais",

313
00:13:00,120 --> 00:13:02,000
entre um a oito A's.

314
00:13:02,160 --> 00:13:05,480
Acontece que os "ais" menos frequentes

315
00:13:05,480 --> 00:13:08,240
são os que correspondem
a coisas mais frustrantes,

316
00:13:08,240 --> 00:13:11,140
excepto, por incrível que pareça,
nos princípios dos anos 80.

317
00:13:11,470 --> 00:13:13,630
Talvez tenha alguma coisa
a ver com Reagan.

318
00:13:13,630 --> 00:13:15,250
(Risos)

319
00:13:15,550 --> 00:13:17,870
JM: Há muitas utilizações
para estes dados,

320
00:13:17,870 --> 00:13:21,340
mas o mais importante é que está
a ser digitalizado o registo histórico.

321
00:13:21,340 --> 00:13:23,940
A Google começou a digitalizar
15 milhões de livros.

322
00:13:23,940 --> 00:13:26,120
São 12% de todos os livros já publicados.

323
00:13:26,120 --> 00:13:28,620
É um pedaço considerável
da cultura humana.

324
00:13:28,620 --> 00:13:31,110
Há muito mais na cultura,
há manuscritos, há jornais,

325
00:13:31,110 --> 00:13:33,470
há coisas que não são textos,
como arte e quadros.

326
00:13:33,470 --> 00:13:35,560
Tudo isto está nos nossos computadores,

327
00:13:35,560 --> 00:13:37,800
nos computadores de todo o mundo.

328
00:13:37,800 --> 00:13:40,000
Quando isso acontece,
irá transformar a forma

329
00:13:40,000 --> 00:13:43,090
como entendemos o passado,
o presente e a cultura humana.

330
00:13:43,090 --> 00:13:44,380
Muito obrigado.

331
00:13:44,430 --> 00:13:47,600
(Aplausos)