TED2016
Mariano Sigman: Your words may predict your future mental health
మర్యానో సిగ్ మన్: మీరు వాడే పదాలే మీ భవిష్యత్ మానసికారోగ్యాన్ని నిర్ణయిస్తాయి
Filmed:
Readability: 4.5
3,146,887 views
మీరు ఇప్పుడు మాట్లాడే విధానం ఆధారంగా సైకోసిస్ దృష్ట్యా భవిష్యత్ లో మీ మానసికస్థితిని అంచనా వేయగలమా?మంత్రముగ్థులను చేసే ఈ ఉపన్యాసంలో ప్రముఖ న్యూరోసైంటిస్ట్ మరియానో సిగ్మన్ ప్రాచీన గ్రీకుల అంతశ్శోధన మూలాలను ఆధారంగా చేసుకుని మనం వాడే పదాలు మన అంతరాంతరాల ఆలోచనా విధానాన్ని ఎలా బయటపెడ్తాయో చెపుతూ, ఆ పదాల ఎంపిక ద్వారా స్కిజోఫెర్నియా లక్షణాలను గుర్తించే విధానం వివరిస్తూ, ముందు కాలంలో మానసికారోగ్యాన్ని విభిన్న కోణాల్లో చూస్తామని అంటారు.ఇది మనం వాడే పదాల అటోమాటిక్ అనాలిసిస్ ,అంతేకాక లక్ష్యాత్మకమైనది,స్వయంతచాలకమైనది కూడా అని ఈ ఉపన్యాసంలో వివరించారు.
Mariano Sigman - Neuroscientist
In his provocative, mind-bending book "The Secret Life of the Mind," neuroscientist Mariano Sigman reveals his life’s work exploring the inner workings of the human brain. Full bio
In his provocative, mind-bending book "The Secret Life of the Mind," neuroscientist Mariano Sigman reveals his life’s work exploring the inner workings of the human brain. Full bio
Double-click the English transcript below to play the video.
00:13
We have historical records that allow us
to know how the ancient Greeks dressed,
to know how the ancient Greeks dressed,
0
1006
5150
ప్రాచీన గ్రీకుల వస్త్రధారణను గురించిన
చారిత్రక ఆధారాలు మనకున్నాయి
చారిత్రక ఆధారాలు మనకున్నాయి
00:18
how they lived,
1
6180
1254
వారి జీవన విధానం గురించి,
00:19
how they fought ...
2
7458
1522
యుధ్దపటిమను గూర్చి కూడా
00:21
but how did they think?
3
9004
1524
కానీ వాళ్ళెలా ఆలోచించేవారో
తెలీదు
తెలీదు
00:23
One natural idea is that the deepest
aspects of human thought --
aspects of human thought --
4
11432
4440
ఒక ఊహ ప్రకారం మానవుని
ఆలోచనా తీవ్రత అంటే
ఆలోచనా తీవ్రత అంటే
00:27
our ability to imagine,
5
15896
1872
మన ఊహా బలమే
00:29
to be conscious,
6
17792
1397
జాగరూకతతో వుండడం ,
00:31
to dream --
7
19213
1231
కలలుకనడం
00:32
have always been the same.
8
20468
1619
రెండూ ఎప్పుడూ ఒకేలా వుంటాయి
00:34
Another possibility
9
22872
1499
ఇంకో సంభావ్యత ఏంటంటే
00:36
is that the social transformations
that have shaped our culture
that have shaped our culture
10
24395
3723
సాంఘిక మార్పులే మన సంస్కృతిని రూపొందించాయి
00:40
may have also changed
the structural columns of human thought.
the structural columns of human thought.
11
28142
3785
అవి మన ఆలోచనా పరిధిని సైతం మార్చాయి
00:44
We may all have different
opinions about this.
opinions about this.
12
32911
2524
దీన్ని గూర్చి మనకు భిన్నాభిప్రాయాలున్నాయి
00:47
Actually, it's a long-standing
philosophical debate.
philosophical debate.
13
35459
2717
నిజానికివి చిరకాలంనుండీ
వస్తున్నతాత్విక చర్చలే
వస్తున్నతాత్విక చర్చలే
00:50
But is this question
even amenable to science?
even amenable to science?
14
38644
2727
ఈ ప్రశ్నకు సైన్సు ద్వారా జవాబు పొందగలమా
00:54
Here I'd like to propose
15
42834
2506
ఇక్కడ నేనొక టి ప్రతిపాదిస్తున్నాను
00:57
that in the same way we can reconstruct
how the ancient Greek cities looked
how the ancient Greek cities looked
16
45364
4772
ప్రాచీన గ్రీకు నగరాలను అప్పుడున్నట్లు
మనం పునర్నిర్మించుకోవాలి
మనం పునర్నిర్మించుకోవాలి
01:02
just based on a few bricks,
17
50160
2388
కేవలం ఇటుకల ఆధారంగా
01:04
that the writings of a culture
are the archaeological records,
are the archaeological records,
18
52572
4126
సంస్కృతీ రచనలంటే ఆర్కియలాజికల్ రికార్డ్సే
01:08
the fossils, of human thought.
19
56722
2143
ఇవి మానవ భావనలనే శిలాజాలు
01:11
And in fact,
20
59905
1174
నిజానికి
01:13
doing some form of psychological analysis
21
61103
2206
ఇదొక రకమైన మానసిక విశ్లేషణ
01:15
of some of the most ancient
books of human culture,
books of human culture,
22
63333
3544
మానవ సంస్కృతికి మూలమైన
ప్రాచీన గ్రంథాలకు సంబంధించినది
ప్రాచీన గ్రంథాలకు సంబంధించినది
01:18
Julian Jaynes came up in the '70s
with a very wild and radical hypothesis:
with a very wild and radical hypothesis:
23
66901
5955
70 వ దశకంలో జులియన్ జేన్స్ చెప్పాడు
ఇది స్థూలమైన హేతుబధ్ద పరికల్పన అని
ఇది స్థూలమైన హేతుబధ్ద పరికల్పన అని
01:24
that only 3,000 years ago,
24
72880
2413
కేవలం 3 వేల సంవత్సరాలక్రితం
01:27
humans were what today
we would call schizophrenics.
we would call schizophrenics.
25
75317
4888
మనమిప్పుడు స్కిజో ఫెర్నిక్స్
అంటున్నదశలో వుండేవారు
అంటున్నదశలో వుండేవారు
01:33
And he made this claim
26
81753
1508
అతనీ నిర్ణయానికెలా వచ్చాడంటే
01:35
based on the fact that the first
humans described in these books
humans described in these books
27
83285
3301
ఈ గ్రంథాలలో తొలి మానవులను గూర్చి
చెప్పిన నిజాల ఆధారంగా
చెప్పిన నిజాల ఆధారంగా
01:38
behaved consistently,
28
86610
1904
వారు నిలకడగా స్థిరంగా ప్రవర్తించేవారు
01:40
in different traditions
and in different places of the world,
and in different places of the world,
29
88538
3016
ప్రపంచంలోని వివిధప్రాంతాలలో,
విభిన్న సంప్రదాయాలలో
విభిన్న సంప్రదాయాలలో
01:43
as if they were hearing and obeying voices
30
91578
3532
అజ్ఞాత వాణులను వింటున్నట్లు,
పాటిస్తున్నట్లు
పాటిస్తున్నట్లు
01:47
that they perceived
as coming from the Gods,
as coming from the Gods,
31
95134
3040
వారు దీన్ని భగవంతుని పలుకులుగా భావించేవారు
01:50
or from the muses ...
32
98198
1198
లేదా విద్యాధి దేవత నుంచి
01:52
what today we would call hallucinations.
33
100063
2769
వీటినే నేడు మనం భ్రాంతి అంటున్నాం
01:55
And only then, as time went on,
34
103888
2626
అలా కాలం గడిచేకొద్దీ
01:58
they began to recognize
that they were the creators,
that they were the creators,
35
106538
3651
వారు గుర్తించారు అవి సృష్టి కర్తలవనీ
02:02
the owners of these inner voices.
36
110213
2515
ఆ కంఠాలు వారివేననీ
02:05
And with this, they gained introspection:
37
113316
2715
దీంతో వారు ఆత్మావలోకనం సాగించారు
02:08
the ability to think
about their own thoughts.
about their own thoughts.
38
116055
2483
అంటే భావాలను గురించి
ఆలోచించే సామర్థ్యాన్ని పొందడం
ఆలోచించే సామర్థ్యాన్ని పొందడం
02:11
So Jaynes's theory is that consciousness,
39
119785
3397
జేన్స్ సిధ్ధాంతం ప్రకారం అంతశ్చేతన
02:15
at least in the way we perceive it today,
40
123206
3166
అంటే మనమీరోజుల్లో గ్రహించే విధానంలో
02:18
where we feel that we are the pilots
of our own existence --
of our own existence --
41
126396
3540
మన అస్తిత్వానికి మనమే మార్గదర్శులమనేది
02:21
is a quite recent cultural development.
42
129960
2737
ఈ మధ్య కాలంలో వచ్చిన సాంస్కృతిక అభివృధ్ధి
02:25
And this theory is quite spectacular,
43
133456
1786
ఈ సిధ్ధాంతం చాలా అద్భుతమైనది
02:27
but it has an obvious problem
44
135266
1433
కానీ ఇందులో ఒక సమస్య దాగివుంది
02:28
which is that it's built on just a few
and very specific examples.
and very specific examples.
45
136723
3992
ఇది కేవలం ప్రత్యేక ఉదాహరణలకు
మాత్రమే పరిమితమైంది
మాత్రమే పరిమితమైంది
02:33
So the question is whether the theory
46
141085
1763
ప్రశ్న ఏంటంటే ఈ సిధ్ధాంతం ప్రకారం
02:34
that introspection built up in human
history only about 3,000 years ago
history only about 3,000 years ago
47
142872
4751
చరిత్రలో అంత శ్శోధన కేవలం 3 వేల సంవ.
క్రితమే మొదలయ్యింది
క్రితమే మొదలయ్యింది
02:39
can be examined in a quantitative
and objective manner.
and objective manner.
48
147647
2984
దీన్ని లక్ష్యాత్మక , గుణాత్మక విధానంలో
పరీక్షించగలం
పరీక్షించగలం
02:43
And the problem of how
to go about this is quite obvious.
to go about this is quite obvious.
49
151543
3563
దీన్ని ఎలా సాధించగలం అనేది వ్యక్తమే
02:47
It's not like Plato woke up one day
and then he wrote,
and then he wrote,
50
155130
3460
ఇది ప్లేటో ఒక రోజు నిద్రలేచాక
రాసినటు వంటిది కాదు
రాసినటు వంటిది కాదు
02:50
"Hello, I'm Plato,
51
158614
1659
హలో నేను ప్లేటోను
02:52
and as of today, I have
a fully introspective consciousness."
a fully introspective consciousness."
52
160297
2889
ఈ రోజుతో నాలో చైతన్యం పూర్తిగా వచ్చేసింది
02:55
(Laughter)
53
163210
2293
( నవ్వులు )
02:57
And this tells us actually
what is the essence of the problem.
what is the essence of the problem.
54
165527
3333
ఇది సమస్య స్వభావాన్ని వివరిస్తుంది
03:01
We need to find the emergence
of a concept that's never said.
of a concept that's never said.
55
169467
4055
ఎవ్వరూ చెప్పని ఒక కాన్సెప్ట్ నుంచి ఎలా
బయటికి రావాలో దారి వెదకాలి
బయటికి రావాలో దారి వెదకాలి
03:06
The word introspection
does not appear a single time
does not appear a single time
56
174434
4310
ఇంట్రాస్పెక్షన్ అనేది ఒక్కసారి
కూడా కనిపించలేదు
కూడా కనిపించలేదు
03:10
in the books we want to analyze.
57
178768
1919
మనం పరిశీలించాలనుకున్న గ్రంథాలలో
03:13
So our way to solve this
is to build the space of words.
is to build the space of words.
58
181728
4087
మన పధ్ధతిలో దీన్ని సాధించాలంటే, పదాల
మధ్య తావును ఏర్పాటు చేయాలి
మధ్య తావును ఏర్పాటు చేయాలి
03:18
This is a huge space
that contains all words
that contains all words
59
186571
3287
అది ఎంత విశాలమంటే అన్ని పదాలకూ చోటుండాలి
03:21
in such a way that the distance
between any two of them
between any two of them
60
189882
2802
ఎలా అంటే రెండు పదాల మధ్య దూరం
03:24
is indicative of how
closely related they are.
closely related they are.
61
192708
2883
అవి ఎంతదగ్గర సంబంధాన్ని కలిగివున్నవో
సూచించగలగాలి
సూచించగలగాలి
03:28
So for instance,
62
196460
1151
ఉదాహరణకు
03:29
you want the words "dog" and "cat"
to be very close together,
to be very close together,
63
197635
2897
మీరు dog, cat అనే పదాలు చాలా దగ్గరగా
రావాలనుకుంటారు
రావాలనుకుంటారు
03:32
but the words "grapefruit" and "logarithm"
to be very far away.
to be very far away.
64
200556
3831
కానీ గ్రేప్ ఫ్రూట్,లాగరిథం అనే పదాలు
చాలా దూరంలో వున్నాయి
చాలా దూరంలో వున్నాయి
03:36
And this has to be true
for any two words within the space.
for any two words within the space.
65
204809
3896
ఆస్థలంలో ఏ రెండు పదాలకైనా ఇదే పరిస్థితి
03:41
And there are different ways
that we can construct the space of words.
that we can construct the space of words.
66
209626
3341
పదాల కోసం స్థలాన్ని ఏర్పాటు చేయడానికి
ఎన్నో మార్గాలున్నాయి
ఎన్నో మార్గాలున్నాయి
03:44
One is just asking the experts,
67
212991
1643
నిపుణులను సంప్రదించడం అందులో ఒకటి
03:46
a bit like we do with dictionaries.
68
214658
1896
మనం నిఘంటువుల్లో వెతికినట్లుగా
03:48
Another possibility
69
216896
1428
మరో మార్గం ఏంటంటే
03:50
is following the simple assumption
that when two words are related,
that when two words are related,
70
218348
3715
ఒకవేళ రెండు పదాలమధ్య సంబంధమున్నప్పుడు
ఏం చేయచ్చంటే
ఏం చేయచ్చంటే
03:54
they tend to appear in the same sentences,
71
222087
2349
అవి ఒకే రకమైన వాక్యాల్లో వస్తాయి
03:56
in the same paragraphs,
72
224460
1453
ఒకే పేరాల్లో కూడా
03:57
in the same documents,
73
225937
1770
ఒకే డాక్యుమెంటులోనూ
03:59
more often than would be expected
just by pure chance.
just by pure chance.
74
227731
3182
మనం ఊహించిన దానికంటే ఎక్కునసార్లు
04:04
And this simple hypothesis,
75
232231
2050
ఈ సరళమైన పరికల్పన
04:06
this simple method,
76
234305
1306
సులభ పధ్ధతిలో
04:07
with some computational tricks
77
235635
1607
కొన్ని చిట్కాల సహాయంతో
04:09
that have to do with the fact
78
237266
1389
ఆ పని చేయాలి
అయితే నిజం ఏంటంటే
అయితే నిజం ఏంటంటే
04:10
that this is a very complex
and high-dimensional space,
and high-dimensional space,
79
238679
3064
ఇది చాలా సంక్లిష్టమైనది
,హైడేమెన్షనల్ తావును కూడా
,హైడేమెన్షనల్ తావును కూడా
04:13
turns out to be quite effective.
80
241767
1665
ప్రభావవంతంగా మార్చేస్తుంది
04:16
And just to give you a flavor
of how well this works,
of how well this works,
81
244155
2802
ఇదెంత బాగా పని చేస్తుందో చెప్పాలంటే
04:18
this is the result we get when
we analyze this for some familiar words.
we analyze this for some familiar words.
82
246981
3912
కొన్ని పరిచిత పదాలను పరిశీలిస్తే
ఈ ఫలితాలను మనం చూడొచ్చు
ఈ ఫలితాలను మనం చూడొచ్చు
04:23
And you can see first
83
251607
1185
మొదటగా మీరు చూస్తారు
04:24
that words automatically organize
into semantic neighborhoods.
into semantic neighborhoods.
84
252816
3278
పదాలు వాటంతటఅవే శబ్దార్థాలుగా
వ్యవస్థీకృతమౌతాయి
వ్యవస్థీకృతమౌతాయి
04:28
So you get the fruits, the body parts,
85
256118
2217
అలా మీరు పళ్లను,శరీరభాగాలను పొందుతారు
04:30
the computer parts,
the scientific terms and so on.
the scientific terms and so on.
86
258359
2425
కంప్యూటర్ భాగాలు,సాంకేతికభాగాలు మొదలైనవి
04:33
The algorithm also identifies
that we organize concepts in a hierarchy.
that we organize concepts in a hierarchy.
87
261119
4222
మనం భావాలను శ్రేణిగా అమరుస్తామని
అల్ గోరిధం గుర్తిస్తుంది
అల్ గోరిధం గుర్తిస్తుంది
04:37
So for instance,
88
265852
1151
ఒకలా చెప్పాలంటే
04:39
you can see that the scientific terms
break down into two subcategories
break down into two subcategories
89
267027
3597
సాంకేతిక పదాలు రెండుభాగాలుగా వుంటాయని
మీకు తెలుసు
మీకు తెలుసు
04:42
of the astronomic and the physics terms.
90
270648
2100
అంటే అస్ట్రొనామిక్ , మరియు భౌతిక పదాలుగా
04:45
And then there are very fine things.
91
273338
2246
తర్వాత మరింత ఉపభాగాలుగా
04:47
For instance, the word astronomy,
92
275608
1905
ఉదాహరణకు అస్ట్రానమీ అనే పదం
దీన్ని గురించి ఆలోచిస్తే కాస్త
గజిబిజిగా అన్పిస్తుంది
గజిబిజిగా అన్పిస్తుంది
04:49
which seems a bit bizarre where it is,
93
277537
1815
04:51
is actually exactly where it should be,
94
279376
2048
ఇది నిజానికి ఉండాల్సిన దగ్గరే
04:53
between what it is,
95
281448
1595
దేని మధ్య ఉండాలో
04:55
an actual science,
96
283067
1270
అదే నిజమైన సైన్స్
04:56
and between what it describes,
97
284361
1536
ఆ మధ్యలో ఇది వివరించేది
04:57
the astronomical terms.
98
285921
1492
అస్ట్రొనామికల్ పరిభాషను
05:00
And we could go on and on with this.
99
288182
1891
మనం దీంతో అలా వెళ్లి పోవచ్చు
05:02
Actually, if you stare
at this for a while,
at this for a while,
100
290097
2060
నిజానికి మీరొక్కక్షణం ఆగి ఆలోచిస్తే
05:04
and you just build random trajectories,
101
292181
1858
అనియత ట్రాజెక్టరీలను సృష్టించొచ్చు
05:06
you will see that it actually feels
a bit like doing poetry.
a bit like doing poetry.
102
294063
3166
దీన్ని మీరో పద్యరచనగా భావిస్తారు
05:10
And this is because, in a way,
103
298018
1882
ఒకరకంగా ఇది నిజమే
05:11
walking in this space
is like walking in the mind.
is like walking in the mind.
104
299924
2940
అంతరిక్షంలో ప్రయాణం అంటే
మనోవీధులలో సంచరించడమే
మనోవీధులలో సంచరించడమే
05:16
And the last thing
105
304027
1617
చివరగా మరోమాట
05:17
is that this algorithm also identifies
what are our intuitions,
what are our intuitions,
106
305668
4040
ఈ అల్ గోరిథం మన ఇంట్యూషన్లను
కూడా గుర్తిస్తుంది
కూడా గుర్తిస్తుంది
05:21
of which words should lead
in the neighborhood of introspection.
in the neighborhood of introspection.
107
309732
3896
మన ఆత్మ పరిశీలనకు దారితీసే పదాలుగా
ఏవుండాలో కూడా
ఏవుండాలో కూడా
05:25
So for instance,
108
313652
1223
ఉదాహరణకు
05:26
words such as "self," "guilt,"
"reason," "emotion,"
"reason," "emotion,"
109
314899
3979
సెల్ఫ్, గిల్ట్ , రీజన్ ,ఎమోషన్ వంటి పదాలు
05:30
are very close to "introspection,"
110
318902
1889
ఆత్మపరిశీలనకు చాలా దగ్గరగా వుంటాయి
05:32
but other words,
111
320815
1151
కానీ ఇతర పదాలు
05:33
such as "red," "football,"
"candle," "banana,"
"candle," "banana,"
112
321990
2167
ఉదా.రెడ్ , ఫుట్ బాల్ ,క్యాండిల్ , బనానా
05:36
are just very far away.
113
324181
1452
వంటివి చాలా దూరంలో వుంటాయి
05:38
And so once we've built the space,
114
326054
2762
ఒకసారి గనుక మనం స్పేస్ ను ఏర్పరిస్తే
05:40
the question of the history
of introspection,
of introspection,
115
328840
2826
ఆత్మపరిశీలనా చరిత్ర అనే ప్రశ్న
05:43
or of the history of any concept
116
331690
2333
లేదా ఇంకేదైనా కాన్సెప్ట్ యొక్క చరిత్ర
05:46
which before could seem abstract
and somehow vague,
and somehow vague,
117
334047
4779
ఇంతవరకు అమూర్తంగానూ, సందిగ్దంగానూ వున్నది
05:50
becomes concrete --
118
338850
1604
యదార్థంగా మారడంతో
05:52
becomes amenable to quantitative science.
119
340478
2738
గుణాత్మక సైన్స్ కు అనుకూలంగా మారుతుంది
05:56
All that we have to do is take the books,
120
344216
2762
మనం చేయాల్సిందేంటంటే పుస్తకాలను తీసుకుని
05:59
we digitize them,
121
347002
1381
వాటిని డిజిటలైజ్ చేయాలి
06:00
and we take this stream
of words as a trajectory
of words as a trajectory
122
348407
2809
ఈ పదప్రవాహాన్ని ట్రాజెక్టరీ లా మార్చి
06:03
and project them into the space,
123
351240
1969
దాన్ని స్పేస్ లో ప్రవేశపెట్టాలి
06:05
and then we ask whether this trajectory
spends significant time
spends significant time
124
353233
3754
అప్పుడు ఈ ట్రా జెక్టరీ ప్రభావం ఎంత అనీ
06:09
circling closely to the concept
of introspection.
of introspection.
125
357011
2992
ఆత్మపరిశీలన కు సన్నిహితంగా గుర్కించాలి
06:12
And with this,
126
360760
1196
దీని సహాయంతో
06:13
we could analyze
the history of introspection
the history of introspection
127
361980
2112
ఆత్మపరిశీలనా చరిత్రను అంచనా వేయొచ్చు
06:16
in the ancient Greek tradition,
128
364116
1921
ప్రాచీన గ్రీకు సంప్రదాయంలోని
06:18
for which we have the best
available written record.
available written record.
129
366061
2602
శ్రేష్టమైన లిఖిత ప్రమాణాలు మన దగ్గరున్నాయి
06:21
So what we did is we took all the books --
130
369631
2255
మేము అన్ని పుస్తకాలనూ తీసుకుని
06:23
we just ordered them by time --
131
371910
2284
వాటిని కాలక్రమాను సారంగా పేర్చాము
06:26
for each book we take the words
132
374218
1752
ప్రతి పుస్తకంలోంచి పదాలను తీసుకుని
06:27
and we project them to the space,
133
375994
1961
వాటిని స్పేస్ లో ప్రదర్శించాము
06:29
and then we ask for each word
how close it is to introspection,
how close it is to introspection,
134
377979
3032
ప్రతి పదమూ ఆత్మ పరిశీలనకు ఎంత దగ్గరగా
వుందో పరిశీలించాము
వుందో పరిశీలించాము
06:33
and we just average that.
135
381035
1230
దాని సరాసరి గ్రహించి
06:34
And then we ask whether,
as time goes on and on,
as time goes on and on,
136
382590
3198
కాలం గడిచేకొద్దీ దాని మళ్లీ పరిశీలించాము
06:37
these books get closer,
and closer and closer
and closer and closer
137
385812
3252
ఈ పుస్తకాలు మరీ దగ్గరయ్యాయి
06:41
to the concept of introspection.
138
389088
1754
ఆత్మ పరిశీలన అనే కాన్సెప్ట్ కు
06:42
And this is exactly what happens
in the ancient Greek tradition.
in the ancient Greek tradition.
139
390866
3801
ప్రాచీన గ్రీకు సంస్కృతి లోనూ
ఇలానే జరిగింది
ఇలానే జరిగింది
06:47
So you can see that for the oldest books
in the Homeric tradition,
in the Homeric tradition,
140
395698
3127
దీన్ని మీరు హోమరిక్ సంప్రదాయంలోనూ చూడొచ్చు
06:50
there is a small increase with books
getting closer to introspection.
getting closer to introspection.
141
398849
3412
ఇవి ఆత్మపరిశీలనకు దగ్గరవడంలో కొంత
అభివృధ్ధి కన్పించింది
అభివృధ్ధి కన్పించింది
06:54
But about four centuries before Christ,
142
402285
2206
కానీ క్రీస్తుకు దాదాపు 400 సంవ క్రితం
06:56
this starts ramping up very rapidly
to an almost five-fold increase
to an almost five-fold increase
143
404515
4708
దీని ప్రభావం 5 రెట్లు పెరిగింది
07:01
of books getting closer,
and closer and closer
and closer and closer
144
409247
2500
దాంతో పుస్తకాలు మరింత దగ్గరయ్యాయి
07:03
to the concept of introspection.
145
411771
1682
ఆత్మపరిశీలన అనే కాన్సెప్ట్ కు
07:06
And one of the nice things about this
146
414159
2424
దీంట్లో మెచ్చుకోవాల్సిన విషయమేంటంటే
07:08
is that now we can ask
147
416607
1198
ఇప్పుడు మనం అడగొచ్చు
07:09
whether this is also true
in a different, independent tradition.
in a different, independent tradition.
148
417829
4147
ఇది నిజంగా వేరైన స్వతంత్ర సంప్రదాయమేనా అని
07:14
So we just ran this same analysis
on the Judeo-Christian tradition,
on the Judeo-Christian tradition,
149
422962
3176
ఈ విశ్లేషణను జూడో క్రిస్టి యన్
సంప్రదాయానికి అనువర్తిస్తే.
సంప్రదాయానికి అనువర్తిస్తే.
07:18
and we got virtually the same pattern.
150
426162
2721
సరిగ్గా ఇలాంటి జవాబే వచ్చింది
07:21
Again, you see a small increase
for the oldest books in the Old Testament,
for the oldest books in the Old Testament,
151
429548
4635
అలాగే old testament లోని పాతపుస్తకాల్లో
కొంత శాతం పెరిగింది
కొంత శాతం పెరిగింది
07:26
and then it increases much more rapidly
152
434207
1914
ఆ తర్వాత ఇది మరింత వేగంగా విస్తరించింది
07:28
in the new books of the New Testament.
153
436145
1839
New Testament లోని క్రొత్తపుస్తకాలలో
07:30
And then we get the peak of introspection
154
438008
2032
ఆత్మపరిశీలనా శిఖరాగ్రాలను మనం
07:32
in "The Confessions of Saint Augustine,"
155
440064
2127
సెయింట్ అగస్టీన్ కన్ఫెషన్లలో చూస్తాము
07:34
about four centuries after Christ.
156
442215
1857
ఇవి క్రీస్తుకు 4 శతాబ్దాల తరువాతివి
07:36
And this was very important,
157
444897
1944
ఇవి చాలా ముఖ్యమైనవి కూడా
07:38
because Saint Augustine
had been recognized by scholars,
had been recognized by scholars,
158
446865
3373
ఎందుకంటే సెయింట్ అగస్టీన్ ను పండితులు ,
07:42
philologists, historians,
159
450262
2172
భాషావేత్తలు , చరిత్రకారులు గుర్తించారు
07:44
as one of the founders of introspection.
160
452458
2078
ఆత్మపరిశీలనా సిధ్ధాంతానికి మూలపురుషునిగా
07:47
Actually, some believe him to be
the father of modern psychology.
the father of modern psychology.
161
455060
3297
నిజానికి కొందరితనిని ఆధునిక సైకాలజీ
పితగా భావిస్తారు
పితగా భావిస్తారు
07:51
So our algorithm,
162
459012
1839
అలాగే మన అల్ గోరిథం కూడా
07:52
which has the virtue
of being quantitative,
of being quantitative,
163
460875
2842
అందులో గుణాత్మకత వుంది
07:55
of being objective,
164
463741
1263
ఇది లక్ష్యాత్మకమైంది కూడా
07:57
and of course of being extremely fast --
165
465028
2016
చాలా వేగవంతమైంది కూడా
07:59
it just runs in a fraction of a second --
166
467068
2397
కేవలం లిప్తకాలంలో పనిచేస్తుంది
08:01
can capture some of the most
important conclusions
important conclusions
167
469489
3503
చాలా ముఖ్యమైన కంక్లూషన్లను పట్టుకోగలదు
08:05
of this long tradition of investigation.
168
473016
2222
ఈ దీర్ఘకాల పరిశోధనా సంప్రదాయాల
08:08
And this is in a way
one of the beauties of science,
one of the beauties of science,
169
476317
3651
ఒక రకంగా ఇది సైన్స్ యొక్క సౌలభ్యత కూడా
08:11
which is that now this idea
can be translated
can be translated
170
479992
3476
ఇప్పుడీ ఆలోచనను ఇలా కూడా మార్చుకోవచ్చు
08:15
and generalized to a whole lot
of different domains.
of different domains.
171
483492
2571
సాధారణీకరణతో పలురంగాలుగా విభజించవచ్చు
08:18
So in the same way that we asked
about the past of human consciousness,
about the past of human consciousness,
172
486769
4767
గతకాలపు మానవ చేతనను గూర్చి
మనం ఆలోచించినట్లుగానే
మనం ఆలోచించినట్లుగానే
08:23
maybe the most challenging question
we can pose to ourselves
we can pose to ourselves
173
491560
3406
మనల్ని మనం ప్రశ్నించుకునే చివరి
ప్రశ్న ఇదేకావచ్చు
ప్రశ్న ఇదేకావచ్చు
08:26
is whether this can tell us something
about the future of our own consciousness.
about the future of our own consciousness.
174
494990
4137
భవిష్యత్తులో మనం మన చేతనను
గూర్చి చెప్పగలమేమో
గూర్చి చెప్పగలమేమో
08:31
To put it more precisely,
175
499550
1470
క్లుప్తంగా చెప్పాలంటే
08:33
whether the words we say today
176
501044
2416
మనమీరోజు పలికే పలుకులే
08:35
can tell us something
of where our minds will be in a few days,
of where our minds will be in a few days,
177
503484
5197
ఇంకొన్ని రోజుల్లో మన మనస్సెలా
మారుతుందో చెప్తాయి
మారుతుందో చెప్తాయి
08:40
in a few months
178
508705
1151
కొన్ని నెలల్లో
నేటి నుండి కొన్ని
సంవత్సరాల తర్వాత
సంవత్సరాల తర్వాత
08:41
or a few years from now.
179
509880
1182
08:43
And in the same way many of us
are now wearing sensors
are now wearing sensors
180
511597
3020
ఇప్పుడు మనం వాడుతున్న సెన్సార్లే
08:46
that detect our heart rate,
181
514641
1786
హృదయస్పందనలను గుర్తిస్తాయి
08:48
our respiration,
182
516451
1269
మన శ్వాసప్రక్రియనూ
08:49
our genes,
183
517744
1667
మన జీన్లనూ
08:51
on the hopes that this may
help us prevent diseases,
help us prevent diseases,
184
519435
3651
ఇది మనకు రోగనివారణలో ఉపయోగపడవచ్చు
08:55
we can ask whether monitoring
and analyzing the words we speak,
and analyzing the words we speak,
185
523110
3521
మనం మాట్లాడే పదాలను
నియంత్రించవచ్చు ,విశ్లేషించవచ్చు
నియంత్రించవచ్చు ,విశ్లేషించవచ్చు
08:58
we tweet, we email, we write,
186
526655
2683
మనం ట్వీట్ ,ఈ మెయిల్ , చేయవచ్చు, రాయవచ్చు
09:01
can tell us ahead of time whether
something may go wrong with our minds.
something may go wrong with our minds.
187
529362
4808
మనస్సులో జరిగే సంఘర్షణను
ముందుగా తెలుసుకోవచ్చు
ముందుగా తెలుసుకోవచ్చు
09:07
And with Guillermo Cecchi,
188
535087
1534
గులెర్మో సీచి
09:08
who has been my brother in this adventure,
189
536645
3001
ఈ సాహసకృత్యంలో నాకు తోడుగా వున్నాడు
09:11
we took on this task.
190
539670
1555
మేమీ కృత్యాన్ని గ్రహించాము
09:14
And we did so by analyzing
the recorded speech of 34 young people
the recorded speech of 34 young people
191
542228
5532
34మంది యువకుల ఉపన్యాసాలను
రికార్డ్ చేసి విశ్లేషించాము
రికార్డ్ చేసి విశ్లేషించాము
09:19
who were at a high risk
of developing schizophrenia.
of developing schizophrenia.
192
547784
2801
వారికి స్కిజోఫెర్నియా వచ్చే
అవకాశాలు మెండుగావున్నాయి
అవకాశాలు మెండుగావున్నాయి
09:23
And so what we did is,
we measured speech at day one,
we measured speech at day one,
193
551434
2881
మేమేం చేసామంటే మొదటి రోజు
ఉపన్యాసాల్ని మాపనం చేసాము
ఉపన్యాసాల్ని మాపనం చేసాము
09:26
and then we asked whether the properties
of the speech could predict,
of the speech could predict,
194
554339
3242
వాటిలోని అంశాల ద్వారా భావిసూచనలను
తెలుసుకోగలమా అని ప్రశ్నించాము
తెలుసుకోగలమా అని ప్రశ్నించాము
09:29
within a window of almost three years,
195
557605
2496
దాదాపు 3 సంవ కాలంలో
09:32
the future development of psychosis.
196
560125
2035
సైకోసిస్ యొక్క భావి పోకడలను
09:35
But despite our hopes,
197
563427
2366
కానీ మా అంచనాలకు వ్యతిరేకంగా
09:37
we got failure after failure.
198
565817
3117
మేము మళ్ళీమళ్లీ ఫెయిల్ అయ్యాము
09:41
There was just not enough
information in semantics
information in semantics
199
569793
3882
సెమాటిక్స్ లో కావలసినంత సమాచారం లేదు
09:45
to predict the future
organization of the mind.
organization of the mind.
200
573699
2793
మానసిక సంతులనంపై భవిష్యత్ అంచనాలగురించి
09:48
It was good enough
201
576516
1809
ఈ సమాచారం సరిపోతుంది
09:50
to distinguish between a group
of schizophrenics and a control group,
of schizophrenics and a control group,
202
578349
4175
నియంత్రణ,స్కిజోఫెర్నియా వున్న గ్రూపుల
మధ్య తేడాలు తెలుసుకోడానికి
మధ్య తేడాలు తెలుసుకోడానికి
09:54
a bit like we had done
for the ancient texts,
for the ancient texts,
203
582548
2712
కొంతవరకు ప్రాచీన గ్రంధాల
పధ్ధతిలోనే సాగాము
పధ్ధతిలోనే సాగాము
09:57
but not to predict the future
onset of psychosis.
onset of psychosis.
204
585284
2994
ఈ సైకోసిస్ ఆధారంగా భవిష్యత్తును ఊహించలేము
10:01
But then we realized
205
589164
1706
అప్పుడు వాస్తవాన్ని మేం గుర్తించాము
10:02
that maybe the most important thing
was not so much what they were saying,
was not so much what they were saying,
206
590894
4088
వారు చెప్తున్నది అంత ముఖ్యమైన
విషయం కాకపావచ్చని
విషయం కాకపావచ్చని
10:07
but how they were saying it.
207
595006
1673
కానీ వారు చెప్పే విధానం
10:09
More specifically,
208
597679
1220
మరీ ముఖ్యంగా
10:10
it was not in which semantic
neighborhoods the words were,
neighborhoods the words were,
209
598923
2827
ఈపదాలు ఏ సెమాటిక్ పరిసరాల్లో
వున్నవనే దానికన్నా
వున్నవనే దానికన్నా
10:13
but how far and fast they jumped
210
601774
2600
ఎంతదూరాన్ని ఎంత వేగంగా ప్రయాణించాయన్నది
10:16
from one semantic neighborhood
to the other one.
to the other one.
211
604398
2301
ఒక మాండలిక ప్రాంతం నుండి వేరొక ప్రాంతానికి
10:19
And so we came up with this measure,
212
607247
1731
అందువలన మేమీ మాపనాన్ని ఎంచుకున్నాం
10:21
which we termed semantic coherence,
213
609002
2389
దీనికి సెమాటిక్ సమన్వయం అని పేరు పెట్టాం
10:23
which essentially measures the persistence
of speech within one semantic topic,
of speech within one semantic topic,
214
611415
4804
దీంతో సెమాటిక్ విభాగంలోనివ్యక్తీకరణ
ప్రయత్నాన్ని సులువుగా కొలవచ్చు
ప్రయత్నాన్ని సులువుగా కొలవచ్చు
10:28
within one semantic category.
215
616243
1529
ఒకే సెమాటిక్ కాటగిరీలో
ఇలా చేయవచ్చు
ఇలా చేయవచ్చు
10:31
And it turned out to be
that for this group of 34 people,
that for this group of 34 people,
216
619294
4047
ఈ వర్గం లోని 34 మంది ఇలా
పరీక్షించబడ్డారు
పరీక్షించబడ్డారు
10:35
the algorithm based on semantic
coherence could predict,
coherence could predict,
217
623365
3659
సెమాటిక్ కొహరెన్స్ గుర్తించగలిగే
అల్ గోరిథం ఆధారంగా
అల్ గోరిథం ఆధారంగా
10:39
with 100 percent accuracy,
218
627048
2500
నూరు శాతం ఖచ్చితత్వంతో
10:41
who developed psychosis and who will not.
219
629572
2507
సైకోసిస్ వున్నవారికి , లేని వారికి
10:44
And this was something
that could not be achieved --
that could not be achieved --
220
632976
2937
ఇది ఒక రకంగా అసాధ్యమైన పని
10:47
not even close --
221
635937
1508
దరిదాపులకుకూడా
10:49
with all the other
existing clinical measures.
existing clinical measures.
222
637469
3126
ప్రస్తుతమున్న అన్ని క్లినికల్
పధ్ధతులతో కూడా
పధ్ధతులతో కూడా
10:54
And I remember vividly,
while I was working on this,
while I was working on this,
223
642525
3579
నాకో విషయం స్పష్టంగా గుర్తున్నది
అప్పుడు నేనీ అంశం పై పని చేస్తున్నాను
అప్పుడు నేనీ అంశం పై పని చేస్తున్నాను
10:58
I was sitting at my computer
224
646128
2317
నా కంప్యూటర్ ముందు కూర్చుని వున్నాను
11:00
and I saw a bunch of tweets by Polo --
225
648469
2635
పోలో పంపిన అనేక ట్వీట్లను నేను చూసాను
11:03
Polo had been my first student
back in Buenos Aires,
back in Buenos Aires,
226
651128
3167
బ్యూనస్ ఐరిస్ లో పోలో నా తొలి విధ్యార్థి
11:06
and at the time
he was living in New York.
he was living in New York.
227
654319
2070
అప్పుడతను న్యూయార్క్ లో వుండేవాడు
11:08
And there was something in this tweets --
228
656413
2088
ఈ ట్వీట్లలో ఒక సంగతుంది
11:10
I could not tell exactly what
because nothing was said explicitly --
because nothing was said explicitly --
229
658525
3501
అందులో స్పష్టంగా చెప్పనందున మీకు
ఖచ్చితంగా చెప్పలేను
ఖచ్చితంగా చెప్పలేను
11:14
but I got this strong hunch,
230
662050
2021
కానీ నాకో గొప్పఅనుమానముంది
11:16
this strong intuition,
that something was going wrong.
that something was going wrong.
231
664095
2955
ఎక్కడో ఏదో తప్పుజరుగుతోందని
నాకో గొప్పఅనుమానం
నాకో గొప్పఅనుమానం
11:20
So I picked up the phone,
and I called Polo,
and I called Polo,
232
668347
2723
అందువల్ల వెంటనే పోలోకు ఫోన్ చేసాను
11:23
and in fact he was not feeling well.
233
671094
1919
నిజానికి అప్పుడతని ఆరోగ్యం బాగాలేదు
11:25
And this simple fact,
234
673362
1937
ఈ చిన్న నిజం
11:27
that reading in between the lines,
235
675323
2491
మాటల అంతరార్ధాన్ని
11:29
I could sense,
through words, his feelings,
through words, his feelings,
236
677838
4262
అతని పలుకుల,స్పందనల ద్వారా తెలుసుకోగలిగాను
11:34
was a simple, but very
effective way to help.
effective way to help.
237
682124
2619
అది సులభమైనది,ప్రభావశీలమైనది
సహాయకారికూడా
సహాయకారికూడా
11:37
What I tell you today
238
685987
1638
మీకీ రోజు చెప్తున్నదేంటంటే
11:39
is that we're getting
close to understanding
close to understanding
239
687649
2508
అవగాహన విషయంలో మనం చాలా దగ్గరగావచ్చాము
11:42
how we can convert this intuition
that we all have,
that we all have,
240
690181
4286
మనకున్న ఇంట్యూషన్ లను మార్చుకోవచ్చు
11:46
that we all share,
241
694491
1365
మనం పంచుకునే వాటినన్నింటినీ
11:47
into an algorithm.
242
695880
1197
అల్ గోరిథంగా మార్చుకోవచ్చు
11:50
And in doing so,
243
698102
1461
అలా చేసేటప్పుడు
11:51
we may be seeing in the future
a very different form of mental health,
a very different form of mental health,
244
699587
4650
భవిష్యత్తులో పూర్తిగా భిన్నమైన
మానసిక ఆరోగ్యాన్ని మనం చూడవచ్చు
మానసిక ఆరోగ్యాన్ని మనం చూడవచ్చు
11:56
based on objective, quantitative
and automated analysis
and automated analysis
245
704261
5621
అది లక్ష్యాత్మకమైనది,గుణాత్మకమైనది,
స్వయంచాలకమైనది కూడా
స్వయంచాలకమైనది కూడా
మనం రాసే పదాలయొక్క
మాట్లాడే మాటల యొక్క
మాట్లాడే మాటల యొక్క
12:01
of the words we write,
246
709906
1709
ఉదారతను విశ్లేషిస్తుంది
12:03
of the words we say.
247
711639
1537
12:05
Gracias.
248
713200
1151
ధన్యవాదాలు
12:06
(Applause)
249
714375
6883
( చప్పట్లు )
ABOUT THE SPEAKER
Mariano Sigman - NeuroscientistIn his provocative, mind-bending book "The Secret Life of the Mind," neuroscientist Mariano Sigman reveals his life’s work exploring the inner workings of the human brain.
Why you should listen
Mariano Sigman, a physicist by training, is a leading figure in the cognitive neuroscience of learning and decision making. Sigman was awarded a Human Frontiers Career Development Award, the National Prize of Physics, the Young Investigator Prize of "College de France," the IBM Scalable Data Analytics Award and is a scholar of the James S. McDonnell Foundation. In 2016 he was made a Laureate of the Pontifical Academy of Sciences.
In The Secret Life of the Mind, Sigman's ambition is to explain the mind so that we can understand ourselves and others more deeply. He shows how we form ideas during our first days of life, how we give shape to our fundamental decisions, how we dream and imagine, why we feel certain emotions, how the brain transforms and how who we are changes with it. Spanning biology, physics, mathematics, psychology, anthropology, linguistics, philosophy and medicine, as well as gastronomy, magic, music, chess, literature and art, The Secret Life of the Mind revolutionizes how neuroscience serves us in our lives, revealing how the infinity of neurons inside our brains manufacture how we perceive, reason, feel, dream and communicate.
Mariano Sigman | Speaker | TED.com