谷歌引擎刚发起时只能搜索已经存在于网络上的信息。但谷歌CEO Larry Page作为一个闲的没事、爱好人文的亿万富翁，发起了扫描全世界的书，载入『谷歌图书』的计划。他们不仅有很多人每天翻页扫描，更是用了每小时扫千页的先进扫描技术。到2015年谷歌图书已经扫描了三千万本书，直追世界藏书量最大的图书馆，美国国会图书馆（Library of Congress）。Page的野心遭到了许多质疑；一些不再出版的稀有藏书被谷歌垄断了怎么办？2008年谷歌与很多作家和出版社的和解没有持续太久，被一位法官驳回去，让美国国会做决定。但到现在美国国会还没有处理这个纠纷。
回复 ( 2 )
这些东西没必要通俗理解
理解贝叶斯之后这些东西不需要理解
嗯，就是这样
我以前在图书馆找书时都依赖电脑检索。但某一天我到一家市立图书馆参加讲座，发现一排排木制的卡盒古色古香，似乎还装着卡片目录。我心想这种方式检索是多么费时费力。不过读完了两位大牛埃雷兹·艾登与让-巴蒂斯特·米歇尔写的《Uncharted：大数据作为人类文化的聚焦镜》一书，我发现谷歌的起源理念和目录卡片是类似的——先整理关键词然后检索。
曾也有人在谷歌发明前自己做过关键词目录。1946年，一位痴迷神学家托马斯·阿奎那著作的神父罗伯托·布萨决定做一个阿奎那作品集词语索引。他听闻电脑技术可以帮助他录入、分析全文词汇，连忙找了IBM协助此项词语索引计划。直到1980年这个计划才全部完成。这也算是当下最热的“数字人文”（digital humanities）的首创。
谷歌引擎刚发起时只能搜索已经存在于网络上的信息。但谷歌CEO Larry Page作为一个闲的没事、爱好人文的亿万富翁，发起了扫描全世界的书，载入『谷歌图书』的计划。他们不仅有很多人每天翻页扫描，更是用了每小时扫千页的先进扫描技术。到2015年谷歌图书已经扫描了三千万本书，直追世界藏书量最大的图书馆，美国国会图书馆（Library of Congress）。Page的野心遭到了许多质疑；一些不再出版的稀有藏书被谷歌垄断了怎么办？2008年谷歌与很多作家和出版社的和解没有持续太久，被一位法官驳回去，让美国国会做决定。但到现在美国国会还没有处理这个纠纷。
但埃雷兹与让-巴蒂斯特认为这些人对技术的恐惧只是因为技术太过于新了。十三世纪，人们初带眼镜时，欧洲人也过了一些年才适应这放在脸上的新“怪物”。后来有些人闲得没事用这些镜片重复叠加，发明出了望远镜和显微镜，得以观测星体、发现细胞。埃雷兹与让-巴蒂斯特大受启发，在2005年就希望能发明一种能用来观察历史的变迁的望远镜。
通过词频统计，埃雷兹团队可以观察出很多有趣的历史现象。《Uncharted》书中罗列了一些关于审查对于一些被审查人名的作用。一位遭前苏联排挤的犹太艺术家Marc Chagall在1923年时离开故乡，前往法国。他当时预料到自己不会在苏联继续享受名誉，但他有信心在法国东山再起。果然，Ngram就统计1923年他的名字在俄语书中出现次数骤降，而法语书籍中他的名字出现频率慢慢回温。一些其他犹太艺术家也在纳粹猖獗时被碾压、噤声，名字在德语书籍中不再出现。而1945年后纳粹被推翻时这些艺术家又得以声名大噪。
他们书中引用了谷歌流感预测趋势（Google Flu Test）这个技术作为ngram的对比。谷歌程序员杰瑞米·金斯堡于2008年发现了检索带来的意外财富：人们身边有人得传染疾病后常常会用谷歌一类的网站搜寻对应信息。这个比例增加后可以准确并快速地预测传染疾病即将在哪里出现。这样的早期预警比美国疾病控制与防御中心发现的速度还快。他的研究成果也在2009年发表在了《自然》刊物上。
欢迎关注我团微信公号
地球观察团
ID：diqiuguanchatuan