WEBVTT

00:00:00.000 --> 00:00:02.000
Erez Liberman Aiden：人说

00:00:02.000 --> 00:00:05.000
一副画面抵过一千个词

00:00:07.000 --> 00:00:09.000
但是我们在哈佛大学

00:00:09.000 --> 00:00:12.000
却在思考这是不是一定正确

00:00:12.000 --> 00:00:14.000
（众人笑）

00:00:14.000 --> 00:00:18.000
我们召集了各方专家

00:00:18.000 --> 00:00:20.000
他们来自哈佛 麻省理工

00:00:20.000 --> 00:00:23.000
《英国大百科全书》 《美国传统英语字典》

00:00:23.000 --> 00:00:25.000
还有我们骄傲的赞助商

00:00:25.000 --> 00:00:28.000
谷歌

00:00:28.000 --> 00:00:30.000
我们思考了

00:00:30.000 --> 00:00:32.000
大概四年

00:00:32.000 --> 00:00:37.000
最后得出一个惊人的结论

00:00:37.000 --> 00:00:40.000
女士们先生们 一副画面可不止一千个词那么简单

00:00:40.000 --> 00:00:42.000
事实上 我们发现有时候

00:00:42.000 --> 00:00:47.000
一幅画面抵过5千亿个词

NOTE Paragraph

00:00:47.000 --> 00:00:49.000
Jean-Baptiste Michel: 我们是如何得出这个结论的呢

00:00:49.000 --> 00:00:51.000
是这样的 Erez和我

00:00:51.000 --> 00:00:53.000
在想怎样找到一幅展现人类文明

00:00:53.000 --> 00:00:56.000
和人文历史的画面： 历史的变迁

00:00:56.000 --> 00:00:58.000
人们在漫长岁月中写了很多书

00:00:58.000 --> 00:01:00.000
所以我们想 向他们学习的最佳方法

00:01:00.000 --> 00:01:02.000
就是把那几百万本书全都读完

00:01:02.000 --> 00:01:05.000
当然 如果用坐标来表示这样做的好处

00:01:05.000 --> 00:01:08.000
那Y轴上的值一定是极高的

00:01:08.000 --> 00:01:10.000
但问题是还有X轴

00:01:10.000 --> 00:01:12.000
也就是可行性

00:01:12.000 --> 00:01:14.000
这是极低的

NOTE Paragraph

00:01:14.000 --> 00:01:17.000
（众人鼓掌）

NOTE Paragraph

00:01:17.000 --> 00:01:20.000
现在人们倾向于另一种做法

00:01:20.000 --> 00:01:22.000
那就是选择几本书进行精读

00:01:22.000 --> 00:01:24.000
可行性极高但还不够好

00:01:24.000 --> 00:01:27.000
人们真正想要的

00:01:27.000 --> 00:01:30.000
是一个既好又可行的方法

00:01:30.000 --> 00:01:33.000
结果 在水一方 有一家叫“谷歌”的公司

00:01:33.000 --> 00:01:35.000
他们在此之前的几年前就开始了一个数字化工程

00:01:35.000 --> 00:01:37.000
有可能帮我们找到这个“既好又可行”的方法

00:01:37.000 --> 00:01:39.000
他们已经将几百万本书进行了数字化

00:01:39.000 --> 00:01:42.000
这就意味着人们在电脑上点几个键

00:01:42.000 --> 00:01:44.000
就能阅读所有的书

00:01:44.000 --> 00:01:47.000
这真的是既可行又好

NOTE Paragraph

00:01:48.000 --> 00:01:50.000
这些书是哪里来的呢

00:01:50.000 --> 00:01:53.000
从古时候开始 人们就开始写作了

00:01:53.000 --> 00:01:56.000
这些作家写书都非常卖力

00:01:56.000 --> 00:01:58.000
几个世纪前印刷机问世了

00:01:58.000 --> 00:02:00.000
写书的过程变得简单多了

00:02:00.000 --> 00:02:03.000
自那以后

00:02:03.000 --> 00:02:05.000
作家们已经出版了

00:02:05.000 --> 00:02:07.000
1.29亿本书

00:02:07.000 --> 00:02:09.000
如果这些书没有随年月而遗失

00:02:09.000 --> 00:02:11.000
就都在图书馆里存着

00:02:11.000 --> 00:02:14.000
谷歌已经把许多书从图书馆中调了出来

00:02:14.000 --> 00:02:16.000
进行了数字化

00:02:16.000 --> 00:02:18.000
被扫描的书籍到目前已有1500万册

NOTE Paragraph

00:02:18.000 --> 00:02:21.000
谷歌扫描图书时 把书的格式做得很好

00:02:21.000 --> 00:02:23.000
现在我们不但有了数据 还有元数据

00:02:23.000 --> 00:02:26.000
我们掌握了这些书的出版地

00:02:26.000 --> 00:02:28.000
作者 出版时间等信息

00:02:28.000 --> 00:02:31.000
接下来 我们就要从所有这些记录中

00:02:31.000 --> 00:02:35.000
筛选出质量最高的数据

00:02:35.000 --> 00:02:37.000
最后剩下的

00:02:37.000 --> 00:02:40.000
是5百万本书

00:02:40.000 --> 00:02:43.000
5000亿个词

00:02:43.000 --> 00:02:45.000
这么多词连起来

00:02:45.000 --> 00:02:48.000
长度是人类基因组的1000倍

00:02:48.000 --> 00:02:50.000
如果把这些词连续写出来

00:02:50.000 --> 00:02:52.000
其长度相当于在地月之间

00:02:52.000 --> 00:02:54.000
往返10次以上

00:02:54.000 --> 00:02:58.000
这还仅是我们文化基因组的小小一段

00:02:58.000 --> 00:03:00.000
当然啦

00:03:00.000 --> 00:03:03.000
面对如此令人崩溃的结果

00:03:03.000 --> 00:03:05.000
（众人笑）

00:03:05.000 --> 00:03:08.000
我们做了一个懂得自重的研究者

00:03:08.000 --> 00:03:11.000
应该做的事

00:03:11.000 --> 00:03:13.000
我们借鉴了XKCD（科学漫画）

00:03:13.000 --> 00:03:15.000
说：" 往后站。

00:03:15.000 --> 00:03:17.000
我们要用科学来解决问题。”

NOTE Paragraph

00:03:17.000 --> 00:03:19.000
（众人笑）

NOTE Paragraph

00:03:19.000 --> 00:03:21.000
当然 这时我们在想

00:03:21.000 --> 00:03:23.000
何不先把数据放上去

00:03:23.000 --> 00:03:25.000
让人们通过科学来运用数据

00:03:25.000 --> 00:03:27.000
现在我们在思考 哪些数据可以公开

00:03:27.000 --> 00:03:29.000
你当然想把这所有5百万本书

00:03:29.000 --> 00:03:31.000
全文公开

00:03:31.000 --> 00:03:33.000
现在谷歌 具体地说是乔恩. 奥温特

00:03:33.000 --> 00:03:35.000
告诉教给我们一个有用的方程式

00:03:35.000 --> 00:03:38.000
你有5百万本书 那就有五百万个作者

00:03:38.000 --> 00:03:41.000
一个有5百万个原告的官司可不小啊

00:03:41.000 --> 00:03:43.000
所以尽管这是个好想法

00:03:43.000 --> 00:03:46.000
但是也极不现实

00:03:46.000 --> 00:03:48.000
（众人笑）

NOTE Paragraph

00:03:48.000 --> 00:03:50.000
现在我们做出些许让步

00:03:50.000 --> 00:03:53.000
采用一个非常可行但稍微没那么好的方法

00:03:53.000 --> 00:03:55.000
我们不公开全书内容

00:03:55.000 --> 00:03:57.000
而是公开书本的相关统计数据

00:03:57.000 --> 00:03:59.000
拿“A gleam of happiness”这个词组做例子

00:03:59.000 --> 00:04:01.000
它有四个单词 我们称它为四字格

00:04:01.000 --> 00:04:03.000
我们会告诉你直到2008年出版的书中

00:04:03.000 --> 00:04:05.000
在1801年 1802年 1803年一直到2008年

00:04:05.000 --> 00:04:07.000
某个四字格一共出现了多少次

00:04:07.000 --> 00:04:09.000
这让我们看到

00:04:09.000 --> 00:04:11.000
这个词组在这段时期内被使用的频率

00:04:11.000 --> 00:04:14.000
我们对在这些书中的所有单词和词组都这么处理

00:04:14.000 --> 00:04:17.000
于是我们得出了一个由20亿曲线

00:04:17.000 --> 00:04:19.000
表示出文化变化的情况

NOTE Paragraph

00:04:19.000 --> 00:04:21.000
这20亿条曲线

00:04:21.000 --> 00:04:23.000
我们成作20亿个n字格

00:04:23.000 --> 00:04:25.000
它们告诉了我们什么

00:04:25.000 --> 00:04:27.000
这些n字格衡量的是文化的走势

00:04:27.000 --> 00:04:29.000
我来举个例子

00:04:29.000 --> 00:04:31.000
假设 我正在发财

00:04:31.000 --> 00:04:33.000
明天我告诉你我发财的情况

00:04:33.000 --> 00:04:36.000
我会说：“昨天，我发了。”

00:04:36.000 --> 00:04:39.000
也可以说：“昨天，我发财了。”

00:04:39.000 --> 00:04:42.000
我到底应该用哪个说法呢

00:04:42.000 --> 00:04:44.000
怎么找答案

NOTE Paragraph

00:04:44.000 --> 00:04:46.000
6个月以前

00:04:46.000 --> 00:04:48.000
很流行的做法是

00:04:48.000 --> 00:04:50.000
比如说

00:04:50.000 --> 00:04:52.000
你去问这位秀发飘逸的心理学家

00:04:52.000 --> 00:04:54.000
你说

00:04:54.000 --> 00:04:57.000
“史蒂夫，你是不规则动词的专家。

00:04:57.000 --> 00:04:59.000
我该怎么办啊？”

00:04:59.000 --> 00:05:01.000
他会说：“大多数人说‘发财了’，

00:05:01.000 --> 00:05:04.000
但有些人说‘发了’。”

00:05:04.000 --> 00:05:06.000
如果你可以

00:05:06.000 --> 00:05:09.000
回到200年前

00:05:09.000 --> 00:05:12.000
问问这位秀发同样飘逸的政治家

00:05:12.000 --> 00:05:15.000
（众人笑）

00:05:15.000 --> 00:05:17.000
“托马斯，我该怎么说？”

00:05:17.000 --> 00:05:19.000
他会回答：“嗯，在我的时代，大多数人说‘发了’，

00:05:19.000 --> 00:05:22.000
但是少数人说‘发财了’。”

00:05:22.000 --> 00:05:24.000
现在我给你们看一个原始数据

00:05:24.000 --> 00:05:28.000
这是20亿本书中的其中两本书的曲线

00:05:28.000 --> 00:05:30.000
你们将看到“发了”和“发财了”这两个词

00:05:30.000 --> 00:05:33.000
随时间的推移被使用的频率

00:05:34.000 --> 00:05:36.000
这还只是

00:05:36.000 --> 00:05:39.000
20亿条曲线中的其中两条

00:05:39.000 --> 00:05:41.000
整套数据

00:05:41.000 --> 00:05:44.000
比这张幻灯片要宏伟10亿倍

NOTE Paragraph

00:05:44.000 --> 00:05:46.000
（众人笑）

NOTE Paragraph

00:05:46.000 --> 00:05:50.000
（众人鼓掌）

NOTE Paragraph

00:05:50.000 --> 00:05:52.000
很多画面都相当于5千亿个词

00:05:52.000 --> 00:05:54.000
比如这一幅

00:05:54.000 --> 00:05:56.000
如果你找“流行感冒”这一词

00:05:56.000 --> 00:05:58.000
你会看到几个全球范围内

00:05:58.000 --> 00:06:01.000
祸害人命的流感高峰

NOTE Paragraph

00:06:01.000 --> 00:06:04.000
如果这不足以令人信服

00:06:04.000 --> 00:06:06.000
海平面正在上升

00:06:06.000 --> 00:06:09.000
大气中二氧化碳含量和全球气温都在升高

NOTE Paragraph

00:06:09.000 --> 00:06:12.000
你们也可以看看这个n字格

00:06:12.000 --> 00:06:15.000
告诉尼采上帝没死

00:06:15.000 --> 00:06:18.000
你可能也认为他或许要换一个企宣了

NOTE Paragraph

00:06:18.000 --> 00:06:20.000
（众人笑）

NOTE Paragraph

00:06:20.000 --> 00:06:23.000
你可以通过这个得到非常抽象的概念

00:06:23.000 --> 00:06:25.000
我跟你们说说

00:06:25.000 --> 00:06:27.000
1950年的历史

00:06:27.000 --> 00:06:29.000
在漫漫历史长河中

00:06:29.000 --> 00:06:31.000
几乎没人在意1950年

00:06:31.000 --> 00:06:33.000
1700年 1800年 1900年

00:06:33.000 --> 00:06:36.000
没有人在意

00:06:37.000 --> 00:06:39.000
20世纪三十年代和四十年代

00:06:39.000 --> 00:06:41.000
没有人在意

00:06:41.000 --> 00:06:43.000
到了四十年代中期 突然间

00:06:43.000 --> 00:06:45.000
关注度飞升

00:06:45.000 --> 00:06:47.000
人们意识到1950年快来了

00:06:47.000 --> 00:06:49.000
这一年可能非同小可啊

00:06:49.000 --> 00:06:52.000
（众人笑）

00:06:52.000 --> 00:06:55.000
1950年 正如人们想象的一样

00:06:55.000 --> 00:06:58.000
没发生任何有意思的事情

00:06:58.000 --> 00:07:01.000
（众人笑）

00:07:01.000 --> 00:07:03.000
人们都着了魔了

00:07:03.000 --> 00:07:05.000
无时无刻不在谈论

00:07:05.000 --> 00:07:08.000
他们1950年做过的事情

00:07:08.000 --> 00:07:11.000
他们打算在1950年做的事情

00:07:11.000 --> 00:07:16.000
后者他们1950年想要实现的梦想

00:07:16.000 --> 00:07:18.000
事实上 1950年是不同凡响的一年

00:07:18.000 --> 00:07:20.000
即使过了好多年

00:07:20.000 --> 00:07:23.000
人们还是不停地谈论那年发生的所有美好事情

00:07:23.000 --> 00:07:25.000
51年 52年 53年

00:07:25.000 --> 00:07:27.000
终于到了1954年

00:07:27.000 --> 00:07:29.000
人们醒悟过来

00:07:29.000 --> 00:07:33.000
1950年已成往事了

00:07:33.000 --> 00:07:35.000
（众人笑）

00:07:35.000 --> 00:07:37.000
就这样 泡泡破了

NOTE Paragraph

00:07:37.000 --> 00:07:39.000
（众人笑）

NOTE Paragraph

00:07:39.000 --> 00:07:41.000
1950年的情况

00:07:41.000 --> 00:07:43.000
以及每一年的情况 我们都记录了下来

00:07:43.000 --> 00:07:46.000
多亏了这些漂亮的图表 我们的工作顺利多了

00:07:46.000 --> 00:07:49.000
有了这些漂亮的图表 我们就能测量各种事物

00:07:49.000 --> 00:07:51.000
我们会说：“泡泡破掉的速度有多快？”

00:07:51.000 --> 00:07:54.000
结果证明 我们可以对此进行精准的测量

00:07:54.000 --> 00:07:57.000
等式出来了 图表也做好了

00:07:57.000 --> 00:07:59.000
最终结果是

00:07:59.000 --> 00:08:02.000
泡泡破掉的速度

00:08:02.000 --> 00:08:04.000
每年都在加快

00:08:04.000 --> 00:08:09.000
我们对过去的遗忘不断加快

NOTE Paragraph

00:08:09.000 --> 00:08:11.000
好 现在给大家一些发展事业的建议

00:08:11.000 --> 00:08:13.000
如果你想成名

00:08:13.000 --> 00:08:15.000
我们可以向25位最著名的政治人物

00:08:15.000 --> 00:08:17.000
作家 演员学习

00:08:17.000 --> 00:08:20.000
如果你想早点成名 你就应该做个演员

00:08:20.000 --> 00:08:22.000
因为 演员在20来岁的时候成名

00:08:22.000 --> 00:08:24.000
你还很年轻 这是本钱

00:08:24.000 --> 00:08:26.000
如果你能等一等 那就当个作家

00:08:26.000 --> 00:08:28.000
因为你可以像马克.吐温这样

00:08:28.000 --> 00:08:30.000
成为文坛巨星

00:08:30.000 --> 00:08:32.000
如果你想到达万人之上

00:08:32.000 --> 00:08:34.000
你就不能安于现状

00:08:34.000 --> 00:08:36.000
要成为一个政治家

00:08:36.000 --> 00:08:38.000
到了快60岁的时候 你就成名了

00:08:38.000 --> 00:08:40.000
而且之后名声远扬

00:08:40.000 --> 00:08:43.000
科学家通常在年纪一大把的时候才成名

00:08:43.000 --> 00:08:45.000
生物学家和物理学家的名声

00:08:45.000 --> 00:08:47.000
通常能跟演员的名声媲美

00:08:47.000 --> 00:08:50.000
有一个错误你不要犯 那就是成为一个数学家

00:08:50.000 --> 00:08:52.000
（众人笑）

00:08:52.000 --> 00:08:54.000
如果你成了数学家

00:08:54.000 --> 00:08:57.000
你会想：“太好啦，我20多岁的时候会有最辉煌的成就。”

00:08:57.000 --> 00:08:59.000
谁知道 人们连睬都不睬你

NOTE Paragraph

00:08:59.000 --> 00:09:02.000
（众人笑）

NOTE Paragraph

00:09:02.000 --> 00:09:04.000
n字格中

00:09:04.000 --> 00:09:06.000
有些情况更为明了

00:09:06.000 --> 00:09:08.000
这是Marc Chagall的名声起落

00:09:08.000 --> 00:09:10.000
他是出生于1887的一位艺术家

00:09:10.000 --> 00:09:13.000
他的名声起落看似乎没有什么异常

00:09:13.000 --> 00:09:17.000
他的名声越来越大

00:09:17.000 --> 00:09:19.000
然而如果你在德语书中搜索 情况就不同了

00:09:19.000 --> 00:09:21.000
在德语书中 你会看到非常奇怪的现象

00:09:21.000 --> 00:09:23.000
闻所未闻 见所未见

00:09:23.000 --> 00:09:25.000
他先是名极一时

00:09:25.000 --> 00:09:27.000
但突然之间 名声直线下落

00:09:27.000 --> 00:09:30.000
在1933年到1945年间达到了低谷

00:09:30.000 --> 00:09:33.000
后来才回升

00:09:33.000 --> 00:09:35.000
当然 实际情况是

00:09:35.000 --> 00:09:38.000
Marc Chagall是一个犹太艺术家

00:09:38.000 --> 00:09:40.000
当时身在纳粹德国

NOTE Paragraph

00:09:40.000 --> 00:09:42.000
这些信号

00:09:42.000 --> 00:09:44.000
实在太强了

00:09:44.000 --> 00:09:47.000
我们无需知道谁被禁了

00:09:47.000 --> 00:09:49.000
我们事实上可以

00:09:49.000 --> 00:09:51.000
通过非常基本的信号处理来找出答案

00:09:51.000 --> 00:09:53.000
这里有一个简单的方法

00:09:53.000 --> 00:09:55.000
一个人在特定时期内

00:09:55.000 --> 00:09:57.000
所拥有的知名度

00:09:57.000 --> 00:09:59.000
应当大致为他成名前与成名后知名度的平均值

00:09:59.000 --> 00:10:01.000
这么想是有道理的

00:10:01.000 --> 00:10:03.000
我们也是怎么想的

00:10:03.000 --> 00:10:06.000
我们把观察到的知名度进行对比

00:10:06.000 --> 00:10:08.000
我们把前者比上后者

00:10:08.000 --> 00:10:10.000
产生的结果叫做抑制指数

00:10:10.000 --> 00:10:13.000
如果抑制指数非常非常小

00:10:13.000 --> 00:10:15.000
那么你的知名度正在被抑制

00:10:15.000 --> 00:10:18.000
如果数值非常大 或许就表明你从宣传中获益

NOTE Paragraph

00:10:19.000 --> 00:10:21.000
你还可以看到

00:10:21.000 --> 00:10:24.000
压抑指数在总人数中的分布情况

00:10:24.000 --> 00:10:26.000
这里有个例子

00:10:26.000 --> 00:10:28.000
这是从没有明显抑制的英文书籍中

00:10:28.000 --> 00:10:30.000
选出的5000个人

00:10:30.000 --> 00:10:32.000
它是这个样子的 基本上以1为中心

00:10:32.000 --> 00:10:34.000
实际情况与预想差不多

00:10:34.000 --> 00:10:36.000
而这在是德文书籍中的分布情况

00:10:36.000 --> 00:10:38.000
与前者大为不同 往左偏了

00:10:38.000 --> 00:10:41.000
人们对它的关注较预期要少了两倍

00:10:41.000 --> 00:10:43.000
更重要的是 这个分布的跨度更宽

00:10:43.000 --> 00:10:46.000
不少人处于左边的部分

00:10:46.000 --> 00:10:49.000
人数比预期中少了10倍

00:10:49.000 --> 00:10:51.000
而也有不少人处于更靠右的部分

00:10:51.000 --> 00:10:53.000
他们的宣传起了作用

00:10:53.000 --> 00:10:56.000
这幅图反映了书籍记录中的审查情况

NOTE Paragraph

00:10:56.000 --> 00:10:58.000
我们把这种方法

00:10:58.000 --> 00:11:00.000
称作文化组学

00:11:00.000 --> 00:11:02.000
有点像基因组学

00:11:02.000 --> 00:11:04.000
只不过 基因组学是生物学上

00:11:04.000 --> 00:11:07.000
观察人类基因组序列的透镜

00:11:07.000 --> 00:11:09.000
文化组学很类似

00:11:09.000 --> 00:11:12.000
它指的是对人类文明研究的

00:11:12.000 --> 00:11:14.000
大规模数据收集分析的应用

00:11:14.000 --> 00:11:16.000
它使用的不是基因组这个透镜

00:11:16.000 --> 00:11:19.000
而是用数字化的历史记录片段作为透镜

00:11:19.000 --> 00:11:21.000
文化组学的优点是

00:11:21.000 --> 00:11:23.000
人人都会用它

00:11:23.000 --> 00:11:25.000
为什么呢

00:11:25.000 --> 00:11:27.000
这是因为这三个人

00:11:27.000 --> 00:11:30.000
谷歌的乔恩.奥温特 迈特.格雷和威尔.布洛克曼

00:11:30.000 --> 00:11:32.000
看到了n字格后

00:11:32.000 --> 00:11:34.000
说：“这太有意思了，

00:11:34.000 --> 00:11:37.000
我们得让所有人都用上它。”

00:11:37.000 --> 00:11:39.000
于是在我们的论文发表之前的整整两个星期中

00:11:39.000 --> 00:11:42.000
他们编了一个面向公众的Ngram Viewer版本

00:11:42.000 --> 00:11:45.000
现在你们也可以输入任何你感兴趣的单词或词组

00:11:45.000 --> 00:11:47.000
查看它的n字格

00:11:47.000 --> 00:11:49.000
并阅览所有书籍中

00:11:49.000 --> 00:11:51.000
出现n字格的例句

NOTE Paragraph

00:11:51.000 --> 00:11:53.000
这个词在第一天就被使用了超过一百万次

00:11:53.000 --> 00:11:55.000
这真的是最棒的一个搜索词

00:11:55.000 --> 00:11:58.000
人们总想做到最好 总想展示最好的一面

00:11:58.000 --> 00:12:01.000
但是在18世纪 人们对此并不在乎

00:12:01.000 --> 00:12:04.000
他们不想做到最好（“best”）而是“beft”

00:12:04.000 --> 00:12:07.000
实际上 这是个错别字

00:12:07.000 --> 00:12:09.000
这并不是因为人们不识字

00:12:09.000 --> 00:12:12.000
而是因为当时英文字母S的写法跟现在不同 看起来像F

00:12:12.000 --> 00:12:15.000
当然 谷歌没有意识到这一点

00:12:15.000 --> 00:12:18.000
于是我们对此在论文中做了报告

00:12:18.000 --> 00:12:20.000
这实际上只是一个小提示

00:12:20.000 --> 00:12:22.000
尽管这很有趣

00:12:22.000 --> 00:12:24.000
但是你在解读这些图表时 仍须非常谨慎

00:12:24.000 --> 00:12:27.000
你必须遵循基本的科学准则

NOTE Paragraph

00:12:27.000 --> 00:12:30.000
人们使用它来寻求各种乐趣

00:12:30.000 --> 00:12:37.000
（众人笑）

00:12:37.000 --> 00:12:39.000
我们不打算多说

00:12:39.000 --> 00:12:42.000
光给你们看这些幻灯片

00:12:42.000 --> 00:12:45.000
这个用户对人们烦躁的历史很感兴趣

00:12:45.000 --> 00:12:48.000
这里有不同类型的烦躁

00:12:48.000 --> 00:12:51.000
如果你的脚趾被碰了 你会说“啊” （“argh”）

00:12:51.000 --> 00:12:53.000
如果地球被外星人毁灭了

00:12:53.000 --> 00:12:55.000
开了一条星际航道

00:12:55.000 --> 00:12:57.000
那就是“啊啊啊啊啊啊啊啊” （"aaaaaaaargh"）

00:12:57.000 --> 00:12:59.000
这个人研究了不同长短的“啊” （“argh”）

00:12:59.000 --> 00:13:01.000
从1个啊到8个啊

00:13:01.000 --> 00:13:03.000
结果

00:13:03.000 --> 00:13:05.000
那些使用频率较低的啊

00:13:05.000 --> 00:13:08.000
代表程度更高的烦躁

00:13:08.000 --> 00:13:11.000
八十年代是个例外

00:13:11.000 --> 00:13:13.000
我们猜这可能跟里根总统有关

NOTE Paragraph

00:13:13.000 --> 00:13:15.000
（众人笑）

NOTE Paragraph

00:13:15.000 --> 00:13:18.000
这个数据库的用处很多

00:13:18.000 --> 00:13:21.000
但最重要的是这是一个数字化的历史记录

00:13:21.000 --> 00:13:23.000
谷歌已经开始对1500万本书进行数字化处理

00:13:23.000 --> 00:13:25.000
其中12%的书已被出版

00:13:25.000 --> 00:13:28.000
这是人类文明相当大的一部分

00:13:28.000 --> 00:13:31.000
而文明还包括更多的内容 有手稿 报纸

00:13:31.000 --> 00:13:33.000
非文字的内容 例如艺术与绘画

00:13:33.000 --> 00:13:35.000
这些内容都会出现在我们的电脑上

00:13:35.000 --> 00:13:37.000
在世界各地的电脑上

00:13:37.000 --> 00:13:40.000
如果这成真了

00:13:40.000 --> 00:13:42.000
我们对过去现在以及人类文明的认识就被改变了

NOTE Paragraph

00:13:42.000 --> 00:13:44.000
非常感谢大家

NOTE Paragraph

00:13:44.000 --> 00:13:47.000
（众人鼓掌）