WEBVTT

00:00:00.000 --> 00:00:01.400
Erez Lieberman Aiden:

00:00:01.400 --> 00:00:06.120
Todos sabemos que uma imagem
vale mais que mil palavras

00:00:07.550 --> 00:00:09.450
Mas nós em Harvard

00:00:09.450 --> 00:00:12.200
questionámos se isso seria mesmo verdade.

00:00:12.340 --> 00:00:14.000
(Risos)

00:00:14.330 --> 00:00:17.100
Então, juntámos uma equipa de peritos,

00:00:17.100 --> 00:00:19.770
que vieram de Harvard, do MIT,

00:00:19.770 --> 00:00:23.180
do The American Heritage Dictionary,
da The Encyclopedia Britannica

00:00:23.180 --> 00:00:27.240
e até dos nossos orgulhosos
patrocinadores, a Google.

00:00:27.240 --> 00:00:28.640
(Risos)

00:00:28.940 --> 00:00:30.920
Debruçámo-nos sobre esta questão

00:00:30.920 --> 00:00:32.750
durante cerca de quatro anos.

00:00:32.750 --> 00:00:36.660
E chegámos a uma conclusão surpreendente.

00:00:37.430 --> 00:00:40.440
Meus senhores, uma imagem
não vale mais que mil palavras.

00:00:40.440 --> 00:00:42.680
Na verdade, encontrámos imagens

00:00:42.680 --> 00:00:46.740
que valem 500 mil milhões de palavras.

NOTE Paragraph

00:00:47.000 --> 00:00:49.660
Jean-Baptiste Michel:
Como chegámos a esta conclusão?

00:00:49.660 --> 00:00:51.850
O Erez e eu pensámos em como obter

00:00:51.850 --> 00:00:54.950
um panorama geral da cultura humana
e da história humana:

00:00:54.950 --> 00:00:56.690
as mudanças através dos tempos.

00:00:56.690 --> 00:00:58.930
Ao longo dos anos,
escreveram-se muitos livros.

00:00:58.930 --> 00:01:01.380
Pensámos que a melhor maneira
de aprender com eles

00:01:01.380 --> 00:01:03.370
seria ler todos esses milhões de livros.

00:01:03.370 --> 00:01:06.330
Se houvesse uma escala
de como isso seria fantástico,

00:01:06.330 --> 00:01:08.880
isso seria classificado
a um nível muitoelevado.

00:01:08.930 --> 00:01:11.310
O problema é que há
um eixo X para isso,

00:01:11.310 --> 00:01:12.860
que é o eixo da prática,

00:01:12.860 --> 00:01:15.010
o que o colocaria num patamar muito baixo

NOTE Paragraph

00:01:15.010 --> 00:01:17.000
(Aplausos)

NOTE Paragraph

00:01:17.750 --> 00:01:20.570
As pessoas têm tendência a usar
uma abordagem alternativa,

00:01:20.570 --> 00:01:23.010
que é pegar nalgumas fontes
e lê-las cuidadosamente.

00:01:23.010 --> 00:01:25.350
É extremamente prático,
mas não muito fantástico.

00:01:25.350 --> 00:01:27.500
O que realmente se pretende

00:01:27.520 --> 00:01:30.500
é chegar à parte fantástica
mas prática deste espaço.

00:01:30.500 --> 00:01:33.680
Acontece que havia uma empresa
do outro lado do rio chamada Google

00:01:33.680 --> 00:01:36.140
que iniciara um projeto
de digitalização há uns anos

00:01:36.140 --> 00:01:37.920
que talvez permitisse essa abordagem.

00:01:37.930 --> 00:01:39.800
Tinham digitalizado milhões de livros.

00:01:39.800 --> 00:01:42.490
Isso significava que se podiam
usar métodos informáticos

00:01:42.490 --> 00:01:44.990
para ler todos os livros
com o clique de um botão.

00:01:44.990 --> 00:01:47.790
Isto é muito prático
e extremamente fantástico.

NOTE Paragraph

00:01:48.420 --> 00:01:50.600
ELA: Vou falar-vos de onde vêm os livros.

00:01:51.270 --> 00:01:53.910
Desde tempos imemoriais
que existem autores.

00:01:53.910 --> 00:01:56.750
Esses autores têm-se esforçado
por escrever livros.

00:01:56.750 --> 00:01:58.550
Isso tornou-se muito mais fácil

00:01:58.550 --> 00:02:00.850
com o desenvolvimento
da imprensa há uns séculos.

00:02:00.850 --> 00:02:03.060
Desde então, os autores tiveram

00:02:03.080 --> 00:02:06.450
129 milhões de ocasiões diferentes

00:02:06.450 --> 00:02:08.250
para publicar livros,

00:02:08.250 --> 00:02:10.350
Se esses livros
não se perderam na história

00:02:10.350 --> 00:02:12.270
estão algures numa biblioteca,

00:02:12.290 --> 00:02:15.140
e muitos desses livros
têm sido recuperados das bibliotecas

00:02:15.140 --> 00:02:16.570
e digitalizados pela Google,

00:02:16.570 --> 00:02:19.110
que já digitalizou
15 milhões de livros até agora.

NOTE Paragraph

00:02:19.120 --> 00:02:22.080
Quando a Google digitaliza um livro,
põe-no num formato catita.

00:02:22.100 --> 00:02:24.240
Agora, temos os dados
e temos ainda metadados.

00:02:24.240 --> 00:02:26.590
Temos informação sobre onde foi publicado,

00:02:26.590 --> 00:02:29.230
quem foi o autor,
quando foi publicado, etc.

00:02:29.230 --> 00:02:32.140
Verificamos todos esses arquivos

00:02:32.140 --> 00:02:35.480
e excluímos tudo o que não seja
da mais alta qualidade.

00:02:35.480 --> 00:02:37.310
Aquilo que nos resta

00:02:37.310 --> 00:02:40.600
é uma coleção de cinco milhões de livros,

00:02:40.600 --> 00:02:43.570
500 mil milhões de palavras,

00:02:43.570 --> 00:02:46.880
uma cadeia de caracteres
mil vezes mais longa

00:02:46.880 --> 00:02:48.590
que o genoma humano,

00:02:48.590 --> 00:02:50.590
um texto que,
se fosse escrito por extenso,

00:02:50.590 --> 00:02:52.700
iria daqui até à Lua e voltava

00:02:52.700 --> 00:02:54.520
mais de dez vezes,

00:02:54.520 --> 00:02:57.750
um autêntico fragmento
do nosso genoma cultural.

00:02:58.850 --> 00:03:00.540
Claro que aquilo que fizemos

00:03:00.540 --> 00:03:03.150
perante tamanha hipérbole...

00:03:03.220 --> 00:03:05.580
(Risos)

00:03:05.650 --> 00:03:08.180
... foi aquilo que teria feito

00:03:08.180 --> 00:03:11.150
qualquer pesquisador que se preze.

00:03:11.150 --> 00:03:13.840
Inspirámo-nos no XKDC, e dissemos:

00:03:14.070 --> 00:03:17.250
"Afastem-se. Vamos tentar fazer ciência."

NOTE Paragraph

00:03:17.360 --> 00:03:19.000
(Risos)

NOTE Paragraph

00:03:19.540 --> 00:03:21.290
JM: Claro que estávamos a pensar

00:03:21.290 --> 00:03:23.150
em publicar primeiro os dados

00:03:23.150 --> 00:03:25.310
para que as pessoas
pudessem fazer ciência.

00:03:25.310 --> 00:03:27.700
Mas depois pensámos:
""Que dados podemos publicar?"

00:03:27.700 --> 00:03:29.450
Claro que queríamos pegar nos livros

00:03:29.450 --> 00:03:31.850
e publicar o texto completo
de todos os livros.

00:03:31.850 --> 00:03:33.920
Mas a Google,
e o Jon Orwant em particular,

00:03:33.920 --> 00:03:35.850
ensinou-nos uma pequena equação.

00:03:35.850 --> 00:03:38.000
Temos cinco milhões de autores, ou seja,

00:03:38.000 --> 00:03:41.120
cinco milhões de processos judiciais,
uma coisa monstruosa.

00:03:41.320 --> 00:03:43.540
Assim, embora isso fosse fantástico

00:03:43.540 --> 00:03:46.370
mais uma vez, era impraticável.

00:03:46.540 --> 00:03:48.460
(Risos)

NOTE Paragraph

00:03:48.530 --> 00:03:50.750
Mais uma vez, tivemos de ceder

00:03:50.750 --> 00:03:53.530
e seguimos a abordagem prática,
que era menos fantástica.

00:03:53.530 --> 00:03:55.350
Em vez de publicarmos
o texto completo,

00:03:55.350 --> 00:03:57.540
íamos publicar estatísticas
sobre os livros.

00:03:57.550 --> 00:03:59.480
Por exemplo,
"Um brilho de felicidade".

00:03:59.480 --> 00:04:01.990
São quatro palavras,
a que chamamos um quatro-grama.

00:04:01.990 --> 00:04:04.620
Íamos dizer quantas vezes
um determinado quatro-grama

00:04:04.620 --> 00:04:07.320
aparecia em livros em 1801,
1802, 1803... até 2008.

00:04:07.320 --> 00:04:09.010
Isso dá-nos uma série temporal

00:04:09.010 --> 00:04:11.340
de quantas vezes foi utilizada essa frase.

00:04:11.340 --> 00:04:14.680
Fazemos isso para todas as palavras
e frases que surgem nesses livros.

00:04:14.680 --> 00:04:17.460
Isso dá-nos uma enorme tabela
de dois mil milhões de linhas

00:04:17.460 --> 00:04:19.680
que nos dizem como a cultura
tem vindo a mudar.

NOTE Paragraph

00:04:19.680 --> 00:04:22.170
ELA: Chamamos a esses
dois mil milhões de linhas,

00:04:22.170 --> 00:04:23.540
dois mil milhões de n-gramas.

00:04:23.550 --> 00:04:24.950
O que é que eles nos dizem?

00:04:24.950 --> 00:04:27.370
Os n-gramas individuais
medem tendências culturais.

00:04:27.370 --> 00:04:29.000
Vou dar-vos um exemplo.

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

00:04:31.000 --> 00:04:33.260
e que amanhã quero contar
como me saí bem.

00:04:33.260 --> 00:04:36.370
Posso dizer: "Ontem, eu vicejei."

00:04:36.370 --> 00:04:39.670
Em alternativa, podia dizer:
"Ontem, eu prosperei.

00:04:39.670 --> 00:04:42.420
"Então qual é que devo utilizar?

00:04:42.420 --> 00:04:44.130
"Como é que hei de saber?"

NOTE Paragraph

00:04:44.130 --> 00:04:46.140
Há cerca de seis meses,

00:04:46.140 --> 00:04:48.320
o topo de gama neste campo

00:04:48.340 --> 00:04:50.070
seria dirigir-se, por exemplo,

00:04:50.070 --> 00:04:52.580
a um psicólogo com um cabelo fabuloso

00:04:52.580 --> 00:04:54.000
e dizer:

00:04:54.650 --> 00:04:57.830
"Steve, és perito em verbos.

00:04:57.830 --> 00:04:59.460
"O que é que devo fazer?"

00:04:59.460 --> 00:05:02.010
E ele responderia:
"Muitos dizem 'prosperei',

00:05:02.010 --> 00:05:04.240
"mas alguns dizem 'vicejei'."

00:05:04.240 --> 00:05:06.730
Também ficariam a saber, mais ou menos,

00:05:06.730 --> 00:05:09.240
que, se recuassem 200 anos,

00:05:09.240 --> 00:05:12.330
e perguntassem a este estadista
com um cabelo igualmente fabuloso:

00:05:12.440 --> 00:05:14.750
(Risos)

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

00:05:17.000 --> 00:05:19.550
Ele diria: "No meu tempo,
a maior parte das pessoas vicejava,

00:05:19.550 --> 00:05:22.000
"mas alguns prosperavam."

00:05:22.240 --> 00:05:24.520
Agora vou mostrar-vos dados brutos.

00:05:25.040 --> 00:05:28.320
Duas linhas desta tabela
com dois mil milhões de entradas.

00:05:28.320 --> 00:05:31.030
Estão a ver a frequência, ano a ano,

00:05:31.030 --> 00:05:33.680
de "prosperei" e "vicejei"
ao longo do tempo.

00:05:34.630 --> 00:05:36.670
Estas são apenas duas

00:05:36.670 --> 00:05:39.220
entre dois mil milhões de linhas.

00:05:39.220 --> 00:05:41.390
O conjunto total dos dados

00:05:41.390 --> 00:05:44.530
é mil milhões de vezes mais fantástico
do que este slide.

NOTE Paragraph

00:05:44.680 --> 00:05:46.680
(Risos)

NOTE Paragraph

00:05:47.070 --> 00:05:49.600
(Aplausos)

NOTE Paragraph

00:05:49.720 --> 00:05:52.980
JM: Há muitas imagens que valem mais
que 500 mil milhões de palavras.

00:05:52.980 --> 00:05:54.000
Por exemplo, esta.

00:05:54.000 --> 00:05:55.600
Se pegarmos em "gripe",

00:05:55.600 --> 00:05:58.000
verão picos na época em que se sabia

00:05:58.000 --> 00:06:01.000
que grandes epidemias de gripe
matavam pessoas em todo o globo.

NOTE Paragraph

00:06:01.910 --> 00:06:04.240
ELA: Se ainda não estão convencidos,

00:06:04.240 --> 00:06:06.140
os níveis do mar estão a subir,

00:06:06.140 --> 00:06:09.000
assim como o CO2 na atmosfera
e a temperatura da Terra.

NOTE Paragraph

00:06:09.330 --> 00:06:12.390
JM: Talvez queiram prestar atenção
a este n-grama em particular,

00:06:12.390 --> 00:06:15.000
e dizer a Nietzsche
que Deus não está morto,

00:06:15.000 --> 00:06:18.120
embora concordem que Ele precisa
de um relações públicas melhor.

NOTE Paragraph

00:06:18.240 --> 00:06:20.000
(Risos)

NOTE Paragraph

00:06:20.150 --> 00:06:23.580
ELA: Podemos obter conceitos bastante
abstratos com este tipo de análise.

00:06:23.580 --> 00:06:26.970
Por exemplo, vou contar-vos
a história do ano de 1950.

00:06:27.370 --> 00:06:29.540
Durante grande parte da história,

00:06:29.540 --> 00:06:31.370
ninguém ligou nenhuma a 1950.

00:06:31.370 --> 00:06:33.690
Em 1700, em 1800, em 1900,

00:06:33.690 --> 00:06:36.320
ninguém se preocupou.

00:06:37.910 --> 00:06:41.010
Durante os anos 30 e 40,
ninguém se preocupou.

00:06:41.010 --> 00:06:43.460
De repente, a meio dos anos 40,

00:06:43.460 --> 00:06:45.240
começa a haver um burburinho.

00:06:45.240 --> 00:06:47.610
As pessoas percebem
que 1950 vai acontecer,

00:06:47.610 --> 00:06:49.810
e pode ser uma coisa em grande.

00:06:49.920 --> 00:06:51.650
(Risos)

00:06:52.180 --> 00:06:56.230
Mas nada fez com que as pessoas
se interessassem mais pelo ano de 1950

00:06:56.230 --> 00:06:58.590
do que o ano de 1950.

00:06:58.710 --> 00:07:00.780
(Risos)

00:07:01.100 --> 00:07:03.580
As pessoas andavam obcecadas.

00:07:03.580 --> 00:07:05.310
Não conseguiam deixar de falar

00:07:05.310 --> 00:07:08.130
sobre tudo o que tinham feito em 1950,

00:07:08.130 --> 00:07:11.500
tudo o que planeavam fazer em 1950,

00:07:11.500 --> 00:07:15.670
todos os sonhos
que queriam alcançar em 1950.

00:07:16.100 --> 00:07:18.370
Na verdade, 1950 foi tão fascinante

00:07:18.370 --> 00:07:20.000
que, anos depois,

00:07:20.000 --> 00:07:22.680
as pessoas continuavam a falar
das coisas maravilhosas

00:07:22.680 --> 00:07:25.510
que tinham acontecido
em 1951, 1952, 1953.

00:07:25.510 --> 00:07:27.760
Finalmente, em 1954,

00:07:27.760 --> 00:07:30.080
houve alguém que acordou e percebeu

00:07:30.080 --> 00:07:32.950
que 1950 se tinha tornado
numa coisa do passado.

00:07:33.220 --> 00:07:35.000
(Risos)

00:07:35.200 --> 00:07:37.540
E de repente, rebentou a bolha.

NOTE Paragraph

00:07:37.630 --> 00:07:39.120
(Risos)

NOTE Paragraph

00:07:39.320 --> 00:07:41.000
A história de 1950

00:07:41.000 --> 00:07:43.270
é a história de cada ano 
que temos registado,

00:07:43.270 --> 00:07:46.630
com uma ligeira diferença, porque agora
temos estes gráficos catitas.

00:07:46.630 --> 00:07:49.470
Como temos estes gráficos catitas,
podemos comparar coisas.

00:07:49.470 --> 00:07:51.860
Podemos dizer:
"Quão depressa rebenta a bolha?"

00:07:51.860 --> 00:07:54.430
Acontece que conseguimos medir isso
com muita precisão.

00:07:54.430 --> 00:07:57.650
Derivaram-se equações,
produziram-se gráficos,

00:07:57.650 --> 00:07:59.610
e como resultado final

00:07:59.610 --> 00:08:02.640
descobrimos que a bolha rebenta
cada vez mais depressa,

00:08:02.650 --> 00:08:04.650
de ano para ano.

00:08:04.650 --> 00:08:08.560
Estamos a perder interesse no passado
cada vez mais rapidamente.

NOTE Paragraph

00:08:09.000 --> 00:08:11.230
JM: Agora, um pouco
de orientação profissional.

00:08:11.230 --> 00:08:13.000
Os que querem ser famosos,

00:08:13.000 --> 00:08:15.320
podem aprender
com os 25 políticos mais famosos,

00:08:15.320 --> 00:08:17.490
autores, atores, etc..

00:08:17.490 --> 00:08:20.180
Se quiserem ser famosos cedo,
devem tornar-se atores,

00:08:20.180 --> 00:08:22.870
porque a fama começa a aumentar
no final dos vinte anos,

00:08:22.870 --> 00:08:24.670
ainda são jovens, isso é ótimo.

00:08:24.670 --> 00:08:26.810
Se podem esperar um pouco,
devem ser autores,

00:08:26.810 --> 00:08:28.480
porque então podem chegar longe,

00:08:28.480 --> 00:08:30.840
como Mark Twain, por exemplo,
extremamente famoso.

00:08:30.840 --> 00:08:33.260
Mas se quiserem alcançar mesmo o topo,

00:08:33.260 --> 00:08:35.090
não devem esperar resultados imediatos

00:08:35.090 --> 00:08:36.900
e, claro, devem tornarem-se políticos.

00:08:36.900 --> 00:08:39.070
Começarão a ser famosos
no final dos 50 anos

00:08:39.070 --> 00:08:41.050
e tornar-se-ão
muito famosos depois disso.

00:08:41.050 --> 00:08:44.070
Os cientistas também ficam famosos
quando são muito mais velhos.

00:08:44.070 --> 00:08:47.640
Por exemplo, os biológos e os físicos
podem ser tão famosos como os atores.

00:08:47.640 --> 00:08:50.640
Um erro que não devem fazer
é tornarem-se matemáticos.

00:08:50.680 --> 00:08:52.010
(Risos)

00:08:52.110 --> 00:08:54.360
Se o fizerem, podem pensar:

00:08:54.380 --> 00:08:57.100
"Ótimo. Vou fazer o meu melhor trabalho
aos 20 anos."

00:08:57.100 --> 00:08:59.570
Mas, calculem, ninguém vai querer saber.

NOTE Paragraph

00:08:59.640 --> 00:09:01.820
(Risos)

NOTE Paragraph

00:09:04.130 --> 00:09:06.690
ELA: Há notas mais sóbrias
entre os n-gramas.

00:09:06.690 --> 00:09:09.110
Por exemplo, esta é
a trajetória de Marc Chagall,

00:09:09.110 --> 00:09:11.150
um artista nascido em 1887.

00:09:11.150 --> 00:09:14.020
Parece-se com a trajetória normal
de uma pessoa famosa.

00:09:14.020 --> 00:09:17.170
Torna-se cada vez mais famoso,

00:09:17.170 --> 00:09:19.440
exceto se procurarem em alemão.

00:09:19.440 --> 00:09:21.790
Se procurarem em alemão,
verão uma coisa bizarra,

00:09:21.790 --> 00:09:24.140
uma coisa que habitualmente
não se observa.

00:09:24.140 --> 00:09:26.190
Ele torna-se extremamente famoso

00:09:26.190 --> 00:09:27.980
e, de repente, cai vertiginosamente,

00:09:27.980 --> 00:09:30.830
atravessando o ponto mais baixo
entre 1933 e 1945,

00:09:30.830 --> 00:09:33.440
antes de recuperar nos anos seguintes.

00:09:33.440 --> 00:09:35.180
O que aqui observamos

00:09:35.180 --> 00:09:38.130
é o facto de Marc Chagall
ser um artista judeu

00:09:38.130 --> 00:09:40.160
na Alemanha nazi.

NOTE Paragraph

00:09:40.500 --> 00:09:43.890
Na realidade, estes sinais são tão fortes

00:09:44.000 --> 00:09:47.910
que não precisamos de saber
que alguém foi censurado.

00:09:47.910 --> 00:09:49.690
Podemos chegar a essa conclusão

00:09:49.690 --> 00:09:51.820
através do tratamento básico de sinais.

00:09:51.820 --> 00:09:53.700
Esta é uma forma simples de o fazer.

00:09:53.700 --> 00:09:55.260
Uma expetativa razoável

00:09:55.260 --> 00:09:57.770
é a de que a fama de alguém
num dado período de tempo

00:09:57.770 --> 00:10:00.140
deverá ser sensivelmente
a média da sua fama antes

00:10:00.140 --> 00:10:01.600
e da sua fama posterior.

00:10:01.600 --> 00:10:03.460
Isso é aquilo que se espera.

00:10:03.460 --> 00:10:05.640
Comparamos isso com a fama
que observamos.

00:10:05.640 --> 00:10:07.480
Depois é só dividir uma pela outra

00:10:07.480 --> 00:10:10.250
para obter uma coisa a que chamamos
"índice de supressão".

00:10:10.250 --> 00:10:13.000
Se o índice de supressão
for muito, muito baixo,

00:10:13.000 --> 00:10:15.320
quase de certeza estão a ser censurados.

00:10:15.320 --> 00:10:18.610
Se for muito alto, então talvez estejam
a beneficiar com a propaganda.

NOTE Paragraph

00:10:19.190 --> 00:10:21.000
JM: Podemos mesmo ver

00:10:21.000 --> 00:10:24.200
a distribuição de índices de supressão 
em populações inteiras.

00:10:24.200 --> 00:10:25.550
Por exemplo, aqui...

00:10:25.550 --> 00:10:27.790
este índice de supressão
é de cinco mil pessoas

00:10:27.790 --> 00:10:30.890
escolhidas em livros em inglês
onde não há supressão explícita...

00:10:30.890 --> 00:10:32.760
seria como este, centrado numa pessoa.

00:10:32.760 --> 00:10:34.910
O que se espera é aquilo que se observa.

00:10:34.910 --> 00:10:37.010
Esta é a distribuição
observada na Alemanha

00:10:37.010 --> 00:10:38.550
— desvia-se para a esquerda.

00:10:38.550 --> 00:10:41.420
As pessoas falaram disso 
duas vezes menos do que o esperado.

00:10:41.420 --> 00:10:43.730
Mais importante,
a distribuição é mais alargada.

00:10:43.730 --> 00:10:46.680
Há muitas pessoas que acabam
na ponta esquerda na distribuição

00:10:46.680 --> 00:10:49.580
de quem se falou menos dez vezes
do que seria de esperar.

00:10:49.580 --> 00:10:51.610
Mas também muita gente
na ponta direita

00:10:51.610 --> 00:10:53.480
parece beneficiar com a propaganda.

00:10:53.480 --> 00:10:56.710
Esta imagem é a marca distintiva
da censura no registo dos livros.

NOTE Paragraph

00:10:56.830 --> 00:10:58.850
ELA: "Culturómica"

00:10:58.850 --> 00:11:00.510
é o que chamamos a este método.

00:11:00.510 --> 00:11:01.840
É como genómica.

00:11:01.840 --> 00:11:04.350
Excepto que a genómica
é uma lente sobre a biologia

00:11:04.350 --> 00:11:07.540
através da janela da sequência
de bases no genoma humano.

00:11:07.540 --> 00:11:09.000
A culturómica é parecida.

00:11:09.000 --> 00:11:12.500
É a aplicação da análise da recolha
de dados em larga escala

00:11:12.500 --> 00:11:14.320
ao estudo da cultura humana.

00:11:14.320 --> 00:11:16.750
Aqui, em vez de ser
através da lente de um genoma,

00:11:16.750 --> 00:11:19.930
é através da lente de peças digitalizadas
do registo histórico.

00:11:19.930 --> 00:11:21.620
O que é genial na culturómica

00:11:21.620 --> 00:11:23.150
é que todos a podem fazer.

00:11:23.150 --> 00:11:25.000
Porque é que todos a podem fazer?

00:11:25.000 --> 00:11:27.060
Todos a podem fazer
porque três indivíduos,

00:11:27.060 --> 00:11:30.050
Jon Orwant, Matt Gray
e Will Brockman na Google,

00:11:30.050 --> 00:11:32.270
viram o protótipo do NGram Viewer,

00:11:32.270 --> 00:11:34.430
e disseram: "Isto é muito divertido.

00:11:34.430 --> 00:11:37.060
"Temos de tornar isto
acessível às pessoas."

00:11:37.060 --> 00:11:39.510
Nas duas semanas antes
da publicação do nosso artigo

00:11:39.510 --> 00:11:42.200
fizeram o código para a versão pública
do NGram Viewer.

00:11:42.200 --> 00:11:45.490
Podemos escrever qualquer palavra
ou frase em que estamos interessados

00:11:45.490 --> 00:11:47.290
e vemos imediatamente o seu n-grama,

00:11:47.290 --> 00:11:49.910
assim como vemos exemplos
de todos os diversos livros

00:11:49.910 --> 00:11:51.540
onde surge esse n-grama.

NOTE Paragraph

00:11:51.540 --> 00:11:54.570
JBM: Isto foi usado mais de um milhão 
de vezes no primeiro dia,

00:11:54.570 --> 00:11:56.570
o que é a melhor de todas as pesquisas.

00:11:56.570 --> 00:11:58.840
Todos querem o seu melhor,
mostrar o seu melhor.

00:11:58.840 --> 00:12:01.340
Acontece que, no século XVIII,
isso não acontecia.

00:12:01.600 --> 00:12:04.480
Não queriam ser o seu melhor,
queriam ser o seu "milhor".

00:12:04.480 --> 00:12:07.200
Claro que o que aconteceu
foi apenas um erro.

00:12:07.200 --> 00:12:09.420
Não que é que se esforçassem
pela mediocridade,

00:12:09.420 --> 00:12:12.670
é só porque o "e" escrevia-se
de forma diferente, como um "i".

00:12:12.670 --> 00:12:15.360
A Google não se apercebeu disso na altura,

00:12:15.360 --> 00:12:18.280
e nós referimos isso no artigo científico
que escrevemos.

00:12:18.280 --> 00:12:20.170
Acontece que isto é apenas um lembrete

00:12:20.170 --> 00:12:22.180
de que, embora seja tudo muito divertido,

00:12:22.180 --> 00:12:24.820
quando interpretamos gráficos,
temos de ser cuidadosos.

00:12:24.820 --> 00:12:27.440
Há que adotar os procedimentos
científicos de base.

NOTE Paragraph

00:12:27.920 --> 00:12:30.790
ELA: As pessoas têm usado isto
para todo o tipo de diversão.

00:12:30.960 --> 00:12:34.050
(Risos)

00:12:37.530 --> 00:12:39.590
Na verdade, nem é preciso falar,

00:12:39.590 --> 00:12:42.190
vamos apenas mostrar-vos
todos os slides e ficar calados.

00:12:42.830 --> 00:12:45.550
Esta pessoa estava interessada
na história da frustração.

00:12:45.550 --> 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 "ai" com um A.

00:12:51.150 --> 00:12:53.910
Se o planeta Terra for aniquilado
pelos Vogons

00:12:53.910 --> 00:12:55.800
para criar um desvio interestelar,

00:12:55.800 --> 00:12:58.210
isso é um "aaaaaaaai" com oito A's.

00:12:58.210 --> 00:13:00.120
Esta pessoa estuda todos os "ais",

00:13:00.120 --> 00:13:02.000
entre um a oito A's.

00:13:02.160 --> 00:13:05.480
Acontece que os "ais" menos frequentes

00:13:05.480 --> 00:13:08.240
são os que correspondem
a coisas mais frustrantes,

00:13:08.240 --> 00:13:11.140
excepto, por incrível que pareça,
nos princípios dos anos 80.

00:13:11.470 --> 00:13:13.630
Talvez tenha alguma coisa
a ver com Reagan.

NOTE Paragraph

00:13:13.630 --> 00:13:15.250
(Risos)

NOTE Paragraph

00:13:15.550 --> 00:13:17.870
JM: Há muitas utilizações
para estes dados,

00:13:17.870 --> 00:13:21.340
mas o mais importante é que está
a ser digitalizado o registo histórico.

00:13:21.340 --> 00:13:23.940
A Google começou a digitalizar
15 milhões de livros.

00:13:23.940 --> 00:13:26.120
São 12% de todos os livros já publicados.

00:13:26.120 --> 00:13:28.620
É um pedaço considerável
da cultura humana.

00:13:28.620 --> 00:13:31.110
Há muito mais na cultura,
há manuscritos, há jornais,

00:13:31.110 --> 00:13:33.470
há coisas que não são textos,
como arte e quadros.

00:13:33.470 --> 00:13:35.560
Tudo isto está nos nossos computadores,

00:13:35.560 --> 00:13:37.800
nos computadores de todo o mundo.

00:13:37.800 --> 00:13:40.000
Quando isso acontece,
irá transformar a forma

00:13:40.000 --> 00:13:43.090
como entendemos o passado,
o presente e a cultura humana.

NOTE Paragraph

00:13:43.090 --> 00:13:44.380
Muito obrigado.

NOTE Paragraph

00:13:44.430 --> 00:13:47.600
(Aplausos)