1
00:00:00,000 --> 00:00:02,000
Erez Lieberman Aiden：大家都知道

2
00:00:02,000 --> 00:00:05,000
一張圖勝過千言萬語

3
00:00:07,000 --> 00:00:09,000
但我們在哈佛時

4
00:00:09,000 --> 00:00:12,000
卻在思考這道理是否真是如此

5
00:00:12,000 --> 00:00:14,000
(笑聲)

6
00:00:14,000 --> 00:00:18,000
所以我們由來自哈佛大學

7
00:00:18,000 --> 00:00:20,000
麻省理工學院

8
00:00:20,000 --> 00:00:23,000
美國傳統英語詞典，大英百科全書

9
00:00:23,000 --> 00:00:25,000
甚至我們偉大的贊助商─Google的專家們

10
00:00:25,000 --> 00:00:28,000
組成一個團隊

11
00:00:28,000 --> 00:00:30,000
我們花了四年的時間

12
00:00:30,000 --> 00:00:32,000
在思考這個問題

13
00:00:32,000 --> 00:00:37,000
然後我們得到了一個驚人的結論

14
00:00:37,000 --> 00:00:40,000
女士先生們，一張圖片其實不只勝過千言萬語

15
00:00:40,000 --> 00:00:42,000
事實上，我們發現某些圖片

16
00:00:42,000 --> 00:00:47,000
更是勝過五千億個字

17
00:00:47,000 --> 00:00:49,000
Jean-Baptiste Michel：我們是如何得出這項結論的呢？

18
00:00:49,000 --> 00:00:51,000
Erez和我思考了不同的方式

19
00:00:51,000 --> 00:00:53,000
想更加了解人類文化

20
00:00:53,000 --> 00:00:56,000
以及人類歷史從古到今的變化的全景

21
00:00:56,000 --> 00:00:58,000
事實上，多年來已經出版了許多書籍。

22
00:00:58,000 --> 00:01:00,000
所以我們認為最好的學習方式

23
00:01:00,000 --> 00:01:02,000
就是將這上百萬的書全讀過一遍

24
00:01:02,000 --> 00:01:05,000
如果能有一個尺規來說明此舉的驚人程度

25
00:01:05,000 --> 00:01:08,000
這將會相當驚人

26
00:01:08,000 --> 00:01:10,000
但問題是這裡的X軸

27
00:01:10,000 --> 00:01:12,000
是表示實用程度

28
00:01:12,000 --> 00:01:14,000
這相當不實用

29
00:01:14,000 --> 00:01:17,000
(掌聲)

30
00:01:17,000 --> 00:01:20,000
現在人們希望用別的方式

31
00:01:20,000 --> 00:01:22,000
可以讀少一點書，但讀得非常仔細

32
00:01:22,000 --> 00:01:24,000
這會相當實用，但這一點都不吸引人

33
00:01:24,000 --> 00:01:27,000
我們真正想做的是

34
00:01:27,000 --> 00:01:30,000
要用一種吸引人且實用的方法來閱讀這些書

35
00:01:30,000 --> 00:01:33,000
所以在河的對岸有間公司叫做Google

36
00:01:33,000 --> 00:01:35,000
他們幾年之前開始了一項數字化計畫

37
00:01:35,000 --> 00:01:37,000
這項計畫讓我們能實踐剛說的方法

38
00:01:37,000 --> 00:01:39,000
他們已將數百萬本書給數位化

39
00:01:39,000 --> 00:01:42,000
這意味著，我們可以透過電腦

40
00:01:42,000 --> 00:01:44,000
簡單按個按鈕就能閱讀所有的書

41
00:01:44,000 --> 00:01:47,000
這非常實用而且相當棒

42
00:01:48,000 --> 00:01:50,000
ELA：讓我為各位介紹這些書都來自何方

43
00:01:50,000 --> 00:01:53,000
自古以來，有非常多作家

44
00:01:53,000 --> 00:01:56,000
這些作家一直努力寫作

45
00:01:56,000 --> 00:01:58,000
但現在寫作變得相當容易

46
00:01:58,000 --> 00:02:00,000
這歸功於幾世紀前印刷術的革新

47
00:02:00,000 --> 00:02:03,000
自那時起作家們

48
00:02:03,000 --> 00:02:05,000
能在一億兩千九百萬個不同的地方

49
00:02:05,000 --> 00:02:07,000
出版書籍

50
00:02:07,000 --> 00:02:09,000
如果那些書沒有因為時代交替而遺失

51
00:02:09,000 --> 00:02:11,000
那麼那些書可能在某個圖書館的一處

52
00:02:11,000 --> 00:02:14,000
有相當多書可以從圖書館中被借閱

53
00:02:14,000 --> 00:02:16,000
由Google將其數位化

54
00:02:16,000 --> 00:02:18,000
迄今Google已經掃描了一千五百萬本書

55
00:02:18,000 --> 00:02:21,000
Google將一本書數位化，並以優良的型式呈現

56
00:02:21,000 --> 00:02:23,000
現在我們有了這些數據，加上這些詮釋資料

57
00:02:23,000 --> 00:02:26,000
我們有了相關的資訊，比如出版地區，

58
00:02:26,000 --> 00:02:28,000
作者，出版時間

59
00:02:28,000 --> 00:02:31,000
我們所做的就是透過這些記錄

60
00:02:31,000 --> 00:02:35,000
並剔除不是最精華的資料

61
00:02:35,000 --> 00:02:37,000
我們後來得到的是

62
00:02:37,000 --> 00:02:40,000
五百萬本書

63
00:02:40,000 --> 00:02:43,000
五千億個詞

64
00:02:43,000 --> 00:02:45,000
這是一串比人類基因組

65
00:02:45,000 --> 00:02:48,000
還要長上一千倍的字符

66
00:02:48,000 --> 00:02:50,000
如果寫成文章

67
00:02:50,000 --> 00:02:52,000
將會是從這裡到月球來回距離

68
00:02:52,000 --> 00:02:54,000
的十倍以上

69
00:02:54,000 --> 00:02:58,000
這是我們文化基因名副其實的的一部分

70
00:02:58,000 --> 00:03:00,000
當然當我們面臨

71
00:03:00,000 --> 00:03:03,000
如此誇張的情況時

72
00:03:03,000 --> 00:03:05,000
(笑聲)

73
00:03:05,000 --> 00:03:08,000
我們也跟每一位有自尊心的研究人員一樣

74
00:03:08,000 --> 00:03:11,000
會做相同的事

75
00:03:11,000 --> 00:03:13,000
我們也和四格漫畫一樣

76
00:03:13,000 --> 00:03:15,000
我們決定「等等

77
00:03:15,000 --> 00:03:17,000
我們要用科學的方式來處理。」

78
00:03:17,000 --> 00:03:19,000
(笑聲)

79
00:03:19,000 --> 00:03:21,000
JM：當然，我們在思考

80
00:03:21,000 --> 00:03:23,000
首先我們先把資料提取出來

81
00:03:23,000 --> 00:03:25,000
讓其他人以科學的方式去分析

82
00:03:25,000 --> 00:03:27,000
現在我們在思考，我們能發行何種數據？

83
00:03:27,000 --> 00:03:29,000
當然，我們想拿這些書

84
00:03:29,000 --> 00:03:31,000
將這五百萬本書的內容全部釋出

85
00:03:31,000 --> 00:03:33,000
現在Google，特別是Jon Orwant

86
00:03:33,000 --> 00:03:35,000
告訴我們一個我們該注意的小方程式

87
00:03:35,000 --> 00:03:38,000
我們有五百萬本書，也就是有五百萬名作者

88
00:03:38,000 --> 00:03:41,000
而五百萬名原告是一場龐大的訴訟

89
00:03:41,000 --> 00:03:43,000
雖然這個過程是相當地驚人

90
00:03:43,000 --> 00:03:46,000
但這還是極度的不切實際

91
00:03:46,000 --> 00:03:48,000
(笑聲)

92
00:03:48,000 --> 00:03:50,000
然後，我們似乎有點妥協

93
00:03:50,000 --> 00:03:53,000
我們試了比較實際的方式，這方法不怎麼吸引人

94
00:03:53,000 --> 00:03:55,000
我們認為，與其釋出全部的書籍資料

95
00:03:55,000 --> 00:03:57,000
我們選擇將這些書的數據資料給呈現出來

96
00:03:57,000 --> 00:03:59,000
舉個例子「幸福的光」

97
00:03:59,000 --> 00:04:01,000
這是四個字，我們稱做「四字詞」

98
00:04:01,000 --> 00:04:03,000
我們要告訴各位一個特定的四字詞

99
00:04:03,000 --> 00:04:05,000
從1801，1802，1803年開始出現在書本裡

100
00:04:05,000 --> 00:04:07,000
直到2008年

101
00:04:07,000 --> 00:04:09,000
這給我們一個時間軸來了解

102
00:04:09,000 --> 00:04:11,000
這些特定的字句從過去到現在的使用頻率

103
00:04:11,000 --> 00:04:14,000
我們計算了所有出現在這些書中的字詞

104
00:04:14,000 --> 00:04:17,000
彙整出的資料畫出了二十億條曲線

105
00:04:17,000 --> 00:04:19,000
這告訴了我們文化是如何改變的

106
00:04:19,000 --> 00:04:21,000
ELA：這二十億條曲線

107
00:04:21,000 --> 00:04:23,000
我們稱為二十億組詞

108
00:04:23,000 --> 00:04:25,000
這告訴了我們

109
00:04:25,000 --> 00:04:27,000
每一組詞代表了不同的文化趨勢

110
00:04:27,000 --> 00:04:29,000
讓我舉個例子

111
00:04:29,000 --> 00:04:31,000
假設我做了件不得了的事

112
00:04:31,000 --> 00:04:33,000
明天我要告訴你是多不得了

113
00:04:33,000 --> 00:04:36,000
我可能會說「"Yesterday, I throve."」

114
00:04:36,000 --> 00:04:39,000
或者，我也可以說「"Yesterday, I thrived."」

115
00:04:39,000 --> 00:04:42,000
但我應該說哪一種呢？

116
00:04:42,000 --> 00:04:44,000
要怎麼知道

117
00:04:44,000 --> 00:04:46,000
大概在六個月前

118
00:04:46,000 --> 00:04:48,000
要知道這一領域最尖端的方法

119
00:04:48,000 --> 00:04:50,000
你可能得要去詢問

120
00:04:50,000 --> 00:04:52,000
一位有著時髦髮型的心理學家

121
00:04:52,000 --> 00:04:54,000
你可能會問

122
00:04:54,000 --> 00:04:57,000
「史蒂夫，你是不規則動詞的專家。

123
00:04:57,000 --> 00:04:59,000
我該怎麼說呢？」

124
00:04:59,000 --> 00:05:01,000
而他會告訴你「嗯，大部分的人會說"thrive"

125
00:05:01,000 --> 00:05:04,000
但有些人會說"throve"。」

126
00:05:04,000 --> 00:05:06,000
而你也或多或少知道

127
00:05:06,000 --> 00:05:09,000
如果我們回到兩百年前

128
00:05:09,000 --> 00:05:12,000
去問一位同樣也有時髦髮型的政治家

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

130
00:05:15,000 --> 00:05:17,000
「湯姆，我應該怎麼說呢？」

131
00:05:17,000 --> 00:05:19,000
他說「嗯，在我的年代，大部份的人說"throve"，

132
00:05:19,000 --> 00:05:22,000
但少部分的人說"thrived"」

133
00:05:22,000 --> 00:05:24,000
現在我要向各位展示原始數據

134
00:05:24,000 --> 00:05:28,000
這二十億條目資料中的其中兩條數據

135
00:05:28,000 --> 00:05:30,000
各位將會看到的是"thrived"和"throve"兩個字

136
00:05:30,000 --> 00:05:33,000
在各年時期的出現頻率

137
00:05:34,000 --> 00:05:36,000
這只是二十億筆資料中

138
00:05:36,000 --> 00:05:39,000
其中兩個詞條的資訊

139
00:05:39,000 --> 00:05:41,000
這全部的數據資料

140
00:05:41,000 --> 00:05:44,000
將會比此張投影片還要驚人億萬倍

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

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

143
00:05:50,000 --> 00:05:52,000
JM：還有其他圖片也具有五千億字的價值

144
00:05:52,000 --> 00:05:54,000
例如這張

145
00:05:54,000 --> 00:05:56,000
如果談到感冒

146
00:05:56,000 --> 00:05:58,000
從這幾個高峰點我們可以知道

147
00:05:58,000 --> 00:06:01,000
感冒病毒的大流行在全球造成人類死亡

148
00:06:01,000 --> 00:06:04,000
ELA：如果各位還不太相信

149
00:06:04,000 --> 00:06:06,000
其他像是海平面升高

150
00:06:06,000 --> 00:06:09,000
大氣中的二氧化碳和全球暖化

151
00:06:09,000 --> 00:06:12,000
JM：你也許會想看看這組特別的詞組

152
00:06:12,000 --> 00:06:15,000
「告訴尼采，上帝還沒死」

153
00:06:15,000 --> 00:06:18,000
也許你可能還會認為，他可能需要一個更好的公關

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

155
00:06:20,000 --> 00:06:23,000
ELA：從這當中，各位也能獲得一些相當抽象的概念

156
00:06:23,000 --> 00:06:25,000
例如，讓我跟各位說說

157
00:06:25,000 --> 00:06:27,000
有關「1950年」的歷史

158
00:06:27,000 --> 00:06:29,000
幾乎在絕大多數的歷史裡

159
00:06:29,000 --> 00:06:31,000
沒有特別談論1950這一年

160
00:06:31,000 --> 00:06:33,000
在1700年，在1800年，1900年

161
00:06:33,000 --> 00:06:36,000
沒有人在乎

162
00:06:37,000 --> 00:06:39,000
甚至到30年代和40年代

163
00:06:39,000 --> 00:06:41,000
也沒有人在談論

164
00:06:41,000 --> 00:06:43,000
突然到了40年代中期

165
00:06:43,000 --> 00:06:45,000
開始出現了風潮

166
00:06:45,000 --> 00:06:47,000
人們意識到1950年就要來臨

167
00:06:47,000 --> 00:06:49,000
這是件大事

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

169
00:06:52,000 --> 00:06:55,000
但也沒有因此讓大眾對該年份產生興趣

170
00:06:55,000 --> 00:06:58,000
像是「那1950年」

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

172
00:07:01,000 --> 00:07:03,000
人們開始對這一年著迷

173
00:07:03,000 --> 00:07:05,000
大家無法停止談論

174
00:07:05,000 --> 00:07:08,000
有關他們在1950年所做的一切

175
00:07:08,000 --> 00:07:11,000
所有他們計畫要在1950年所做的事

176
00:07:11,000 --> 00:07:16,000
所有他們要在1950年完成的夢想

177
00:07:16,000 --> 00:07:18,000
事實上，1950年跟往後幾年相較

178
00:07:18,000 --> 00:07:20,000
是相當迷人的一年

179
00:07:20,000 --> 00:07:23,000
人們不停談論所有發生在

180
00:07:23,000 --> 00:07:25,000
'51，'52，'53年的驚奇事件

181
00:07:25,000 --> 00:07:27,000
直到1954年

182
00:07:27,000 --> 00:07:29,000
有人驚覺而且意識到

183
00:07:29,000 --> 00:07:33,000
1950年已經變得過時了

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

185
00:07:35,000 --> 00:07:37,000
這一切就像泡沫破滅一樣

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

187
00:07:39,000 --> 00:07:41,000
1950年的情況

188
00:07:41,000 --> 00:07:43,000
其實就是我們數據上每一個年份的情況一樣

189
00:07:43,000 --> 00:07:46,000
稍微編排一下，我們有這些精美的圖表

190
00:07:46,000 --> 00:07:49,000
因為有這些不錯的圖表，我們就能計算

191
00:07:49,000 --> 00:07:51,000
我們可以了解「風潮消逝的速度是多快？」

192
00:07:51,000 --> 00:07:54,000
結果就是我們能很精確測量出一份數據

193
00:07:54,000 --> 00:07:57,000
有了方程式，也有圖表

194
00:07:57,000 --> 00:07:59,000
最終的結果就是

195
00:07:59,000 --> 00:08:02,000
談論年份的風潮一年比一年

196
00:08:02,000 --> 00:08:04,000
消退的更快

197
00:08:04,000 --> 00:08:09,000
我們對於過去的興趣日漸消逝

198
00:08:09,000 --> 00:08:11,000
JM：這張圖是有關職業建議

199
00:08:11,000 --> 00:08:13,000
對於那些想成名的人

200
00:08:13,000 --> 00:08:15,000
我們可以知道二十五位最有名的政治人物

201
00:08:15,000 --> 00:08:17,000
作家、演員等等

202
00:08:17,000 --> 00:08:20,000
如果各位想在年輕時就成名，那麼各位應該要當演員

203
00:08:20,000 --> 00:08:22,000
因為你的名氣會從二十歲後開始累積

204
00:08:22,000 --> 00:08:24,000
那時正值青春年華，會相當不錯

205
00:08:24,000 --> 00:08:26,000
如果各位有耐心一點，那麼就應該當個作家

206
00:08:26,000 --> 00:08:28,000
因為各位就能攀上高峰

207
00:08:28,000 --> 00:08:30,000
成為像是馬克吐溫這樣有名望的作家

208
00:08:30,000 --> 00:08:32,000
但如果各位想攀上最頂尖的位置

209
00:08:32,000 --> 00:08:34,000
就得延後滿足自己的慾望

210
00:08:34,000 --> 00:08:36,000
然後當一位政治家

211
00:08:36,000 --> 00:08:38,000
那麼各位會在五十歲過後開始成名

212
00:08:38,000 --> 00:08:40,000
然後你的名氣會在未來持續延續

213
00:08:40,000 --> 00:08:43,000
科學家也往往是在老年時才成名

214
00:08:43,000 --> 00:08:45,000
而生物學家和物理學家一樣

215
00:08:45,000 --> 00:08:47,000
往往也是和演員一樣著名

216
00:08:47,000 --> 00:08:50,000
唯一不要做的職業就是變成數學家

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

218
00:08:52,000 --> 00:08:54,000
如果各位真要做這行

219
00:08:54,000 --> 00:08:57,000
各位可能會想「太好了，當我在二十多歲時，我會盡一切努力。」

220
00:08:57,000 --> 00:08:59,000
但事實上，沒人會真正去在乎你所做的事

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

222
00:09:02,000 --> 00:09:04,000
ELA：在我們的資料裡

223
00:09:04,000 --> 00:09:06,000
還有其他更發人省思的紀錄

224
00:09:06,000 --> 00:09:08,000
例如馬克‧夏卡爾的名字出現的頻率軌跡

225
00:09:08,000 --> 00:09:10,000
夏卡爾是位1887年出生的藝術家

226
00:09:10,000 --> 00:09:13,000
這看起來是一位名人名字正常出現在書中的軌跡

227
00:09:13,000 --> 00:09:17,000
他的名氣日益響亮

228
00:09:17,000 --> 00:09:19,000
但如果看德國的數據就不是如此

229
00:09:19,000 --> 00:09:21,000
如果看德國的數據，會看到某部份是非常奇怪的

230
00:09:21,000 --> 00:09:23,000
這是幾乎不太可能看到的

231
00:09:23,000 --> 00:09:25,000
就是他變得非常有名

232
00:09:25,000 --> 00:09:27,000
卻突然在1933年至1945年間

233
00:09:27,000 --> 00:09:30,000
聲勢跌落谷底

234
00:09:30,000 --> 00:09:33,000
又反彈回升

235
00:09:33,000 --> 00:09:35,000
當然我們看的出來

236
00:09:35,000 --> 00:09:38,000
這是因為馬克‧夏卡爾是一位猶太裔藝術家

237
00:09:38,000 --> 00:09:40,000
當時德國是納粹統治

238
00:09:40,000 --> 00:09:42,000
這些指標

239
00:09:42,000 --> 00:09:44,000
事實上相當明確

240
00:09:44,000 --> 00:09:47,000
我們不需要知道有人在審查書籍

241
00:09:47,000 --> 00:09:49,000
我們能運用基本的信號運算方式

242
00:09:49,000 --> 00:09:51,000
實際了解當時狀況

243
00:09:51,000 --> 00:09:53,000
我們可以用簡單的方式來做

244
00:09:53,000 --> 00:09:55,000
合理的預期是

245
00:09:55,000 --> 00:09:57,000
在一段特定的時間裡某人的名氣指數

246
00:09:57,000 --> 00:09:59,000
應該會是他們成名前

247
00:09:59,000 --> 00:10:01,000
和成名後的指數的平均值

248
00:10:01,000 --> 00:10:03,000
這大概是我們預期的結果

249
00:10:03,000 --> 00:10:06,000
我們比較了我們觀察到的名人

250
00:10:06,000 --> 00:10:08,000
我們將前後的數值相除

251
00:10:08,000 --> 00:10:10,000
得到的數值，我們稱作抑制指數

252
00:10:10,000 --> 00:10:13,000
如果抑制指數的值非常的小

253
00:10:13,000 --> 00:10:15,000
那麼就表示此人也許遭受到打壓

254
00:10:15,000 --> 00:10:18,000
但如果數值非常大，也許此人獲得大量的推廣

255
00:10:19,000 --> 00:10:21,000
JM：各位現在可以看到

256
00:10:21,000 --> 00:10:24,000
抑制指數在抽樣整體人數中的分佈情況

257
00:10:24,000 --> 00:10:26,000
所以，例如這裡 --

258
00:10:26,000 --> 00:10:28,000
這個抑制指數的抽樣人數是五千人

259
00:10:28,000 --> 00:10:30,000
選自出版時期沒有打壓限制的英文書籍來做調查

260
00:10:30,000 --> 00:10:32,000
曲線基本上會在數值1的地方呈現高峰

261
00:10:32,000 --> 00:10:34,000
基本上預期的會和觀察到的數值是相同的

262
00:10:34,000 --> 00:10:36,000
這份分佈圖則是德國的部分 --

263
00:10:36,000 --> 00:10:38,000
相當不同，曲線移往左側

264
00:10:38,000 --> 00:10:41,000
人們談論事物的次數比預期的少了兩倍

265
00:10:41,000 --> 00:10:43,000
更重要的是，整體分佈的情況更寬廣

266
00:10:43,000 --> 00:10:46,000
有相當多人是落在圖表較左側的位置

267
00:10:46,000 --> 00:10:49,000
因為他們比應該被提及的次數少了十倍

268
00:10:49,000 --> 00:10:51,000
但也有相當多人是落在較右側的部分

269
00:10:51,000 --> 00:10:53,000
似乎是因為被大量宣傳

270
00:10:53,000 --> 00:10:56,000
這張圖是明顯看出書本中具有審查制度

271
00:10:56,000 --> 00:10:58,000
ELA：文化組學

272
00:10:58,000 --> 00:11:00,000
是我們用的方法

273
00:11:00,000 --> 00:11:02,000
這和基因組學有些類似

274
00:11:02,000 --> 00:11:04,000
不過基因組學是透過生物學

275
00:11:04,000 --> 00:11:07,000
基本的序列基礎來檢視人類基因組

276
00:11:07,000 --> 00:11:09,000
文化組學是類似的

277
00:11:09,000 --> 00:11:12,000
這是應用收集分析規模龐大的數據

278
00:11:12,000 --> 00:11:14,000
來研究人類文化

279
00:11:14,000 --> 00:11:16,000
不透過檢視基因組

280
00:11:16,000 --> 00:11:19,000
而是檢視歷史紀錄的數位資料

281
00:11:19,000 --> 00:11:21,000
文化組學的好處是

282
00:11:21,000 --> 00:11:23,000
每個人都能執行

283
00:11:23,000 --> 00:11:25,000
為何每個人都能做呢？

284
00:11:25,000 --> 00:11:27,000
因為這三位人士

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

286
00:11:30,000 --> 00:11:32,000
他們看到Ngram瀏覽器的原型

287
00:11:32,000 --> 00:11:34,000
他們說「這太有趣了。」

288
00:11:34,000 --> 00:11:37,000
我們要讓大家都可以使用這功能

289
00:11:37,000 --> 00:11:39,000
所以在兩週的時間 -- 我們的報告出來的兩週前 --

290
00:11:39,000 --> 00:11:42,000
他們編寫了一個大眾版本的Ngram瀏覽器

291
00:11:42,000 --> 00:11:45,000
各位可以打上任何各位有興趣的字或詞組

292
00:11:45,000 --> 00:11:47,000
然後立即看到該字詞的頻率變化 --

293
00:11:47,000 --> 00:11:49,000
同時根據你搜尋的字詞

294
00:11:49,000 --> 00:11:51,000
瀏覽不同書籍中的各種例子

295
00:11:51,000 --> 00:11:53,000
JM：這功能在首日就被使用了超過一百萬次

296
00:11:53,000 --> 00:11:55,000
這也是各種查詢工具中最好的一個

297
00:11:55,000 --> 00:11:58,000
人們希望做到最好的，以最好的狀態像前進

298
00:11:58,000 --> 00:12:01,000
但事實證明在18世紀，人們一點也不關心這一切

299
00:12:01,000 --> 00:12:04,000
他們不想做到最好，他們想變成"beft"

300
00:12:04,000 --> 00:12:07,000
這是怎麼回事，當然這只是個錯誤

301
00:12:07,000 --> 00:12:09,000
這並不是說他們想要平凡

302
00:12:09,000 --> 00:12:12,000
這只是因為"S"常被寫的不一樣，寫得像"F"

303
00:12:12,000 --> 00:12:15,000
當然，Google並沒有挑出來

304
00:12:15,000 --> 00:12:18,000
所以我們在自己寫科學文章中提到此事

305
00:12:18,000 --> 00:12:20,000
不過這只是個提醒

306
00:12:20,000 --> 00:12:22,000
雖然這相當有趣

307
00:12:22,000 --> 00:12:24,000
當你要解讀這些圖表，你必須非常謹慎

308
00:12:24,000 --> 00:12:27,000
而且必須採納科學的基礎標準

309
00:12:27,000 --> 00:12:30,000
ELA：大家一直在使用這工具來滿足各種樂趣

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

311
00:12:37,000 --> 00:12:39,000
事實上，我們不需要說明的

312
00:12:39,000 --> 00:12:42,000
我們原本只想播放所有的投影片然後在一旁保持沉默

313
00:12:42,000 --> 00:12:45,000
此人對於挫折的歷史感興趣

314
00:12:45,000 --> 00:12:48,000
挫折有非常多種方式

315
00:12:48,000 --> 00:12:51,000
如果你踢到腳趾，哀叫聲「啊」就是一個"A"的"argh"

316
00:12:51,000 --> 00:12:53,000
如果地球被外星人毀滅

317
00:12:53,000 --> 00:12:55,000
變成星際間的通道

318
00:12:55,000 --> 00:12:57,000
那麼哀叫聲「啊」就是有八個"A"的"aaaaaaaargh"

319
00:12:57,000 --> 00:12:59,000
此人研究了所有書籍上出現的哀叫聲「啊」

320
00:12:59,000 --> 00:13:01,000
有從一個"A"到八個"A"

321
00:13:01,000 --> 00:13:03,000
結果是

322
00:13:03,000 --> 00:13:05,000
較不頻繁的「啊」“arghs”

323
00:13:05,000 --> 00:13:08,000
對應了那些相對較令人沮喪的的事情

324
00:13:08,000 --> 00:13:11,000
也有例外，奇怪的是在80年代初

325
00:13:11,000 --> 00:13:13,000
我們認為這也許是受到雷根的影響

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

327
00:13:15,000 --> 00:13:18,000
JM：這份書據資料有相當多用途

328
00:13:18,000 --> 00:13:21,000
不過最終就是歷史紀錄都被數位化了

329
00:13:21,000 --> 00:13:23,000
Google已經開始將一千五百萬本書數位化

330
00:13:23,000 --> 00:13:25,000
其中百分之十二的書是已出版的

331
00:13:25,000 --> 00:13:28,000
這涵蓋了相當大量的人類文化

332
00:13:28,000 --> 00:13:31,000
這當中有非常多的文化資料：裡頭有手稿，報紙

333
00:13:31,000 --> 00:13:33,000
也有不是文字的資料，像是藝術品和畫作

334
00:13:33,000 --> 00:13:35,000
現在這都存放在我們的電腦裡

335
00:13:35,000 --> 00:13:37,000
在世界各處的電腦裡

336
00:13:37,000 --> 00:13:40,000
如果這一切成真，就會改變

337
00:13:40,000 --> 00:13:42,000
我們了解過去、現在和人類文化的方式

338
00:13:42,000 --> 00:13:44,000
非常謝謝各位

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