デブ・ロイ「初めて言えた時」

人生を記録できるとしたらどうでしょう どんな発言も どんな振る舞いも 手近な記憶装置に残しておけたら 過去に戻って 心に残る思い出を 再生したり 時間の流れを精査することで 見過ごしていた 生活パターンを見つけたりできます それこそ まさに 私たち一家が ５年半前に始めた旅なのです 妻と 協力者ルーパルです この日 この時 第一子を迎え入れました かわいい男の子です 家には かなり特殊な ホームビデオの撮影機材を取り付けました

「じゃあ撮るよ」

ほかにも 我が家の貴重な瞬間を たっぷり撮影しました どの部屋にも 見上げればカメラとマイクがあって そこから下を眺めれば 部屋を一望できます リビング 赤ちゃんの寝室 キッチン ダイニング 残りの部屋も ディスク記録装置に全部送って 継続的に記録しました 一日の流れを見渡せます 日の差す明け方から 燃えるような夕刻を迎え 消灯して 一日を終えます ３年間 毎日 ８から10時間 合計 約25万時間に及ぶ マルチトラックの音声と映像の記録です

史上初の 壮大な ホームビデオ全集なのです （笑い） 私たち家族は 意義ある記録だと感じています 大きな衝撃を受けながら 今も 真価を探っています 意識せず 自然体で 身構えもしない膨大な時間が 記録されていますので どう調べるか検討を始めたところです

この取り組みには 科学的理由もあります 時系列に連なる この生データから 子どもの言語習得の過程を 把握したいのです 対象は 私の息子です プライバシー保護規定を設けて 被写体のプライバシーを守ったうえで データを 部分的に参照可能にして MITの信頼できる研究チームに開放しました こうして 一連の膨大なデータから パターンを抽出できるようになり 言語習得過程における社会環境の影響を探る― 挑戦が始まりました ご覧いただいているのは 初めて手をつけた解析です キッチンで妻と私が朝食を作っています 空間的・時間的に眺めると キッチンでの毎日の生活パターンが現れます

この とらえ所のない ９万時間の映像を 理解可能にするため 動作分析の手法を使って 空間軸と時間軸でとらえ 「時空の虫」を描き出しました このツールを使うと 活動が生じたデータ位置を 把握できます 特に 子どもの動き回るパターンを 追跡できるので 書き起こしに専念できました 息子を取り巻く会話環境 私 妻 おばあさんが口にした言葉 やがて息子の口から出る言葉 すべてです この技術があって データがあって 装置も使って 会話を書き起こせたので 家族の発した言葉を 700万以上書き起こせました その成果を使って 初めて データの旅へご案内いたします

低速度撮影の映像は 経験があると思います 早送りで開花を見せる映像です 今回は 言葉の開花に 立ち会っていただきます 息子は１歳になってすぐ ウォーター (water) をガガ (gaga)と言い それから半年かけて ゆっくりと 大人のように正確な ウォーター (water)に近づきました では 半年間を 40秒で体験します 映像はありません 初となる 音の軌跡に 耳を澄ませてください ガガ (gaga) から ウォーター (water) へ

（赤ちゃん）「Gagagagagaga」 「Gaga gaga gaga」 「guga guga guga」 「wada gaga gaga guga gaga」 「wader guga guga」 「water water water」 「water water water」 「water water」 「water.」

大成功です

（拍手）

ウォーターだけではありません 24ヶ月 つまり 最初の２年間に絞って 習得した言葉を 年代順に並べました 一字一句 書き起こして ２歳になるまでに 口にした 全503語を確認しました 息子は 早い方です こんな分析も始めました なぜ ある語が ほかの語より先なのか？ こちらは １年少し前の 初期の研究成果の一つです 驚きの結果です 一見シンプルですが 説明しますと 縦軸は 周囲の人が話す 会話の複雑さです 基準は会話の長さです 横軸は時間です

データはすべて こんな手法で導き出しました 習得した言葉ごとに その言葉を使った過去の会話を すべて洗い出して 会話文の相対的な長さをプロットしたのです すると 面白いことに きまって 大人は語数を減らし できるだけ短くしてから ゆっくりと複雑な言葉遣いに戻します 驚いたことに 折り返し地点は その言葉を口にした時期と ほぼ一致するのです どの言葉も 同じです つまり ３人の大人たち― 私 妻 おばあさん のだれもが いつも 何げなく 言葉遣いを調整してあげて 息子がその言葉を口にしたら もっと複雑な言葉へ そっと導いていたのです 示唆に富む結果ですが 伝えたいのは一点 見事なフィードバック・ループが形成されていること 息子が 周りの言語環境から 学習している一方で 言語環境も 息子から学習しているのです 言語環境 つまり人が 堅固なループに加わり 足場を固めているのです 今まで 気付いた人はいません

以上は 話の環境です 視覚的な環境はどうか？ 模型のように 我が家をのぞいてみます 魚眼レンズで撮影した映像を 光学的に修正して 三次元の世界に仕上げました ようこそ 我が家へ これは ある瞬間を 複数台で横断的にとらえた映像です 過去に戻って 自由に飛び回れる 究極の記憶装置を 実現させたかったのです 今から 30分を早送りで見ていただきます リビングの様子です 私と息子が 床にいます 映像解析で 二人の動きを追います 息子は赤　私は緑 ソファーに移りました 窓から 車が走るのを眺めています 最後は一人で歩行器に乗りました

30分の動きを一つにまとめて 上下に時間軸をとれば ふれあいの軌跡を 見ることができます 驚くような形状が現れました 二色が絡み合っているのは ふれあいの強い場所です らせんになっているのは 単独行動の場所です これは言語学習過程に影響を及ぼすと 考えられます このパターンと 息子の耳に入る言葉との 関係を探ることによって 言葉を耳にする時期が 習得時期に及ぼす影響を 予測できるか探りたいのです つまり 言葉と 言葉が表す現実との関係です

やり方を紹介しましょう この映像でも 息子を追います 赤い線です おばあさんはドアの前です

「ウォーター（water）いる？」「アァー（Aaaa）」 「いいわよ」「アー（Aaaa）」

水が欲しいか尋ねてから 二つの「虫」が キッチンまでつながりました そこで「ウォーター」の語を この瞬間と結びつけました データの力を活用して ウォーターを耳にした 時と場所に 注目して 映像全体から ウォーターに絡む行動の軌跡を すべて抽出しました データ処理後に残る― ランドスケープ（地形）が ワードスケープ（言葉の地形）です ウォーターの場合 キッチンを中心に動いています 左奥の高いピークの所です ほかの言葉と対比することもできます グッバーイ（good bye）の バーイ（bye）はどうでしょう 今回は玄関を見てみます 予想どおりのランドスケープが現れます バーイ（bye）の軌跡は 一層わかりやすい形をしています これらの形状を参考に 言葉の習得順序を 予測することにしました これは現在進行中です

これは今の 私の研究室です MITメディアラボ内です どこでも こうやって 撮影してしまいます プロジェクトの主要メンバーは フィリップ・ド・キャンプ　ロニー・クバート　ブランドン・ロイです フィリップが協力してくれたのは 先ほどの視覚化です マイケル・フライシュマンは 博士課程の学生で 映像解析を手伝っています マイケルはこんな予測を立てました 「共通基盤であるイベントに 言葉がどう関係するか分析するという この手法は 家庭内だけでなく 公共のメディアにも応用できる」 研究は 思わぬ方向に転がりました

共通基盤を提供するのは マスメディアです これまでのアイデアを 新境地に応用するやり方は分かっています テレビの番組コンテンツを 同じ原理で 解析しました テレビ信号で送られる要素 つまり ドラマのストーリーや コマーシャルなど イベント構造を構築する全要素を解析します アメリカで視聴可能な大半の番組は アンテナで拾えます 会話は リビングのマイクで録音する必要など ありません だれでも見られるソーシャルメディアから拾うだけです

月に30億のコメントを 入手しています すると 不思議な結果が出ました イベント構造 つまり 言葉が関与する共通基盤を テレビ放送から取り出して そのトピックに関連のある 会話を抽出しました さらに 意味解析を通じて― こちらは実際に処理した データです 黄色の線がつなぐのは 生のコメントと テレビ信号で送られるイベント構造です 先ほどのアイデアを 発展させて こんな― ワードスケープを作りました 言葉の出所はリビングではありません 番組コンテンツが 環境つまり共通基盤となって 会話を引き出しているのです この高層ビル群を作るのは 番組コンテンツに関する コメントです コンセプトは同じですが 先ほどとは全く別領域の コミュニケーション・ダイナミクスが見えます

基本的には 例えば 番組コンテンツの評価に視聴者数を使いません 番組コンテンツへの関心度 に焦点をあてた基本データを使います 家庭で起こるフィードバック・サイクルや ダイナミクスと同じようなものです 今や 同じコンセプトを発展させて もっと大きな集団を対象にできるのです これは データベースの一部― 数百万のうち５万人分のデータを 公の情報源に基づいて 結びつけるソーシャル・グラフです 第一の平面にそれを置き 第二の平面に番組コンテンツをのせます 番組 例えば スポーツ大会 コマーシャル すべてを結ぶリンク構造が コンテンツ・グラフです 重要なのは第三の次元です 浮かび上がる各リンクは だれかの発言と 番組コンテンツとを 結んでいます 数千万のリンクが ソーシャル・グラフの結合組織となって 番組コンテンツに結びついています 面白いやり方で この構造を探検できます

コメントを引き出す番組コンテンツからのびる― 経路を たどりたいときは コメントの流れを追って ソーシャル・グラフ全体の活動を見渡して ソーシャル・グラフと番組コンテンツとの関係性を 再確認します すると 興味深い構造― 共視聴グループが現れます 疑似リビングといえるかもしれません そこに興味深いダイナミクスが現れます 一方向ではなく 番組コンテンツつまりイベントから会話が生まれ 別の人に広がって また マスメディアにチャンネルを合わせます 全体の行動を誘発する― サイクルがあるのです

ほかにも例があります データベースには数千とまではいきませんが ある種の人が 数百人います その名も プロ・アマチュア（プロアマ）・メディア批評家です 幅広く影響力が及ぶので 批評を聞くと たくさんの人が 番組の話をします マスメディアとソーシャルメディアとの 架け橋になる人たちです

次は 最後の例となります 番組コンテンツには特殊なものもあります 例えば ほんの数週間前の オバマ大統領の 一般教書演説です データ群から何が分かるか 同じ視点で見ると コンテンツへの関心度は 飛び抜けているのが分かります 放送に反応して リアルタイムに 会話が広がっています このすべての線を通じて 雑多な話が飛び交っています 世界の脈動を リアルタイムに見通せて ソーシャル・グラフ内で 番組コンテンツに誘発された様々な集団の 社会的反応をリアルタイムに見通せます

まとめると この世界に手段が増えていき 人々の発言と その発言の背景との 結びつきを 把握できるようになって 見えてきたのは 今までにない新たな社会構造や ダイナミクスです 顕微鏡や望遠鏡を作り コミュニケーションに絡む行動に 新たな構造を見い出すようなものです ここには 深い意味があると思っています 科学的にも 商業的にも 政治的にも そして特に 個人にとっても深い意味があります

息子の話に戻りますが 講演の準備中に 息子が肩越しにのぞくので 一連の動画を見せて 息子の許可を伺いました それからよく考えて 「すごくない？ これだけのデータベースと記録を 君や妹に残すんだよ」 ２歳下の妹のことです 「過去に戻って 追体験できるんだ 生物学的には絶対記憶できないことを 覚えておけるんだよ」 息子は口を開きません 「まだ５歳だった 分かるわけないな」 そう思っていると 息子は口を開きました 「ぼくが大きくなったら 子どもに見せられるね」 これはすごいことだと思いました

では 最後に 私たち家族にとって 思い出に残る場面をご覧いただきます 息子が初めて ２歩以上歩いた瞬間を とらえた映像です ぜひ注目してください これは 雑然とした― 日常生活の様子です 母がキッチンで料理中 私は廊下にいて 歩きそうだと気づきました 息子に声援を送り これから起こる事を予感し 感動の瞬間を迎えます 注意して聞いてください 三つの段階があります 素晴らしい瞬間を目にして 最高のフィードバック・ループが始まり 一呼吸置いて 「やった」とつぶやきます 無意識に何度も繰り返します では 思い出のあの瞬間へ 飛び立ちましょう

「よ～し」 「おいで」 「できるかな？」 「いい子だ」 「できるかな？」 （赤ちゃん）「ヤァ～」 「お～い 歩いてるよ～」

（笑い）

（拍手）

ありがとうございました

（拍手）