ABOUT THE SPEAKER
Aaron Koblin - Data artist
Aaron Koblin is an artist specializing in data and digital technologies. His work takes real world and community-generated data and uses it to reflect on cultural trends and the changing relationship between humans and technology.

Why you should listen

Aaron Koblin finds art through the unlikely confluence of massive data sets and personal intimacy. His work ranges from animating the paths of every North American airline flight, to using Amazon’s Mechanical Turk crowdsourcing platform to pay workers to “draw a sheep facing left,” which were then placed in "The Sheep Market."

Koblin was creative director for Johnny Cash's final music video, "Ain't No Grave," and worked on Radiohead’s video “House of Cards,” both of which received a Grammy nomination. He is now the Creative Director of the Data Arts team in Google's Creative Lab. His team collaborated with Arcade Fire to produce an online music video that allows viewers to incorporate images of their home neighborhood into the experience using Google Street View.

More profile about the speaker
Aaron Koblin | Speaker | TED.com
TED2011

Aaron Koblin: Visualizing ourselves ... with crowd-sourced data

Aaron Koblin: Unsere Menschlichkeit kunstvoll illustrieren

Filmed:
1,731,467 views

Der Künstler Aaron Koblin sammelt riesige Mengen von Daten – und bisweilen auch eine riesige Anzahl von Menschen – und verwebt diese zu atemberaubenden Visualisierungen. Ganz gleich ob elegante Linien, die Flugreisen nachzeichnen oder Landschaften von Handydaten, ein Johnny Cash Video, welches sich aus Zeichnungen über crowd-sourcing zusammensetzt, oder das "Wilderness Downtown" Video, das sich jedem User individuell anpasst, das Werk von Aaron Koblin erkundet auf brillanter Weise wie moderne Technologie uns noch menschlicher machen kann.
- Data artist
Aaron Koblin is an artist specializing in data and digital technologies. His work takes real world and community-generated data and uses it to reflect on cultural trends and the changing relationship between humans and technology. Full bio

Double-click the English transcript below to play the video.

00:15
So I think dataDaten can actuallytatsächlich make us more humanMensch.
0
0
4000
Ich denke Daten können uns tatsächlich noch menschlicher machen.
00:19
We're collectingSammeln and creatingErstellen all kindsArten of dataDaten about how we're livingLeben our livesLeben,
1
4000
3000
Wir sammeln und produzieren alle möglichen Arten von Daten, die uns unsere Lebensweise aufzeigen,
00:22
and it's enablingAktivieren us to tell some amazingtolle storiesGeschichten.
2
7000
2000
und sie erlauben uns, verblüffende Geschichten zu erzählen.
00:24
RecentlyVor kurzem, a wiseweise mediaMedien theoristTheoretiker TweetedGetwittert,
3
9000
3000
Vor kurzem hat ein weiser Medientheoretiker Folgendes getwittert:
00:27
"The 19thth centuryJahrhundert cultureKultur was defineddefiniert by the novelRoman,
4
12000
2000
Im 19. Jahrhundert wurde die Kultur durch den Roman definiert,
00:29
the 20thth centuryJahrhundert cultureKultur was defineddefiniert by the cinemaKino,
5
14000
2000
Im 20. Jahrhundert durch das Kino,
00:31
and the cultureKultur of the 21stst centuryJahrhundert
6
16000
2000
und die Kultur des 21. Jahrunderts
00:33
will be defineddefiniert by the interfaceSchnittstelle."
7
18000
2000
wird durch das Interface definiert werden.
00:35
And I believe this is going to provebeweisen truewahr.
8
20000
2000
Und ich denke, es wird sich bewahrheiten.
00:37
Our livesLeben are beingSein drivenGefahren by dataDaten,
9
22000
2000
Unser Leben wird durch Daten bestimmt,
00:39
and the presentationPräsentation of that dataDaten is an opportunityGelegenheit
10
24000
2000
und die Präsentation dieser Daten ist für uns eine Chance
00:41
for us to make some amazingtolle interfacesSchnittstellen that tell great storiesGeschichten.
11
26000
2000
fantastische Interfaces zu erschaffen, die großartige Geschichten erzählen können.
00:43
So I'm going to showShow you a fewwenige of the projectsProjekte
12
28000
2000
Ich werde euch einige Projekte zeigen,
00:45
that I've been workingArbeiten on over the last couplePaar yearsJahre
13
30000
2000
an denen ich über die letzten Jahre gearbeitet habe,
00:47
that reflectreflektieren on our livesLeben and our systemsSysteme.
14
32000
2000
die ein Licht auf unser Leben und unsere Systeme werfen.
00:49
This is a projectProjekt callednamens FlightFlug PatternsMuster.
15
34000
2000
Das ist ein Projekt mit dem Namen Flight Patterns.
00:51
What you're looking at is airplaneFlugzeug trafficder Verkehr
16
36000
2000
Was ihr seht, sind die Flugbewegungen
00:53
over NorthNorden AmericaAmerika for a 24-hour-Stunde periodPeriode.
17
38000
3000
über Nordamerika über einen Zeitraum von 24-Stunden.
00:56
As you see, everything startsbeginnt to fadeverblassen to blackschwarz,
18
41000
2000
Wie ihr seht, verdunkelt sich alles
00:58
and you see people going to sleepSchlaf.
19
43000
2000
und ihr könnt sehen wie die Menschen zu Bett gehen.
01:00
FollowedGefolgt by that, you see on the WestWesten coastKüste
20
45000
2000
Darauf folgend seht ihr, wie an der Westküste
01:02
planesFlugzeuge movingbewegend acrossüber, the red-eyeRote-Augen- flightsFlüge to the EastOsten coastKüste.
21
47000
3000
einige Flüge das Land überqueren, die Red-eye Flüge zur Ostküste.
01:05
And you'lldu wirst see everybodyjeder wakingaufwachen up on the EastOsten coastKüste,
22
50000
3000
Und dann seht ihr wie die Menschen an der Ostküste aufwachen,
01:08
followedgefolgt by EuropeanEuropäische flightsFlüge comingKommen in the upperobere right-handrechte Hand cornerEcke.
23
53000
3000
gefolgt von europäischen Flügen, die oben rechts reinkommen.
01:11
Everybody'sJedermanns movingbewegend from the EastOsten coastKüste to the WestWesten coastKüste.
24
56000
3000
Alle bewegen sich von der Ostküste zu Westküste.
01:14
You see SanSan FranciscoFrancisco and LosLos AngelesAngeles
25
59000
2000
Ihr seht San Francisco und Los Angeles
01:16
startAnfang to make theirihr journeysReisen down to HawaiiHawaii in the lowerniedriger left-handlinke Hand cornerEcke.
26
61000
3000
wie sie sich auf dem Weg nach Hawaii begeben, in der unteren linken Ecke.
01:19
I think it's one thing to say there's 140,000 planesFlugzeuge
27
64000
2000
Ich denke, es ist eine Sache zu sagen dass es 140,000 Flugzeuge gibt,
01:21
beingSein monitoredüberwacht by the federalBundes governmentRegierung at any one time,
28
66000
3000
die durch die Bundesregierung jederzeit beobachtet werden,
01:24
and it's anotherein anderer thing to see that systemSystem as it ebbsEbbs and flowsFlüsse.
29
69000
3000
und eine andere, die Ströme des System zu sehen.
01:29
This is a time-lapseZeitraffer imageBild of that exactgenau samegleich dataDaten,
30
74000
2000
Das ist ein Zeitraffer-Bild der exakt gleichen Daten,
01:31
but I've color-codedfarblich gekennzeichnet it by typeArt,
31
76000
2000
jedoch habe ich es nach Typen eingefärbt,
01:33
so you can see the diversityVielfalt of aircraftFlugzeug that are in the skiesHimmel aboveüber us.
32
78000
3000
so könnt ihr die Vielfalt der Flugzeuge sehen, die sich am Himmel über uns bewegen.
01:36
And I startedhat angefangen makingHerstellung these, and I put them into GoogleGoogle MapsKarten
33
81000
3000
Und ich fing an, diese zu erstellen und sie in Google Maps zu setzen
01:39
and allowzulassen you to zoomZoomen in and see individualPerson airportsFlughäfen
34
84000
2000
und es erlaubt euch rein zu zoomen und die einzelnen Flughäfen zu sehen,
01:41
and the patternsMuster that are occurringauftreten there.
35
86000
2000
und die Muster, die hier entstehen.
01:43
So here we can see the whiteWeiß representsrepräsentiert lowniedrig altitudesHöhen,
36
88000
3000
Hier sehen wir die weißen, die für die tiefen Flughöhen stehen
01:46
and the blueblau are higherhöher altitudesHöhen.
37
91000
2000
und die blauen zeigen die hohen Flughöhen.
01:48
And you can zoomZoomen in. This is takingunter a look at AtlantaAtlanta.
38
93000
2000
Und man kann rein zoomen. Das hier zeigt Atlanta.
01:50
You can see this is a majorHaupt shippingVersand airportFlughafen,
39
95000
2000
Man sieht dass es ein wichtiger Frachtflughafen ist,
01:52
and there's all kindsArten of activityAktivität there.
40
97000
2000
und dass sich dort alle möglichen Aktivitäten abspielen.
01:54
You can alsoebenfalls toggleUmschalten betweenzwischen altitudeHöhe
41
99000
3000
Man kan zwischen den Höhen flippen
01:57
for modelModell- and manufacturerHersteller.
42
102000
2000
und verschiedene Modelle und Fabrikanten anzeigen lassen.
01:59
See again, the diversityVielfalt.
43
104000
2000
Hier wieder, die Vielfalt.
02:01
And you can scrollscrollen around and see
44
106000
2000
Und man kann herum scrollen und
02:03
some of the differentanders airportsFlughäfen and the differentanders patternsMuster that they have.
45
108000
3000
einige der verschiedenen Flughäfen und unterschiedlichen Muster sehen, die es gibt.
02:06
This is scrollingScrollen up the EastOsten coastKüste.
46
111000
2000
Hier scrollen wir die Ostküste hoch.
02:08
You can see some of the chaosChaos that's happeningHappening in NewNeu YorkYork
47
113000
2000
Ihr könnt das Chaos von New York sehen,
02:10
with the airLuft trafficder Verkehr controllersController
48
115000
2000
mit der Luftverkehrskontrolle,
02:12
havingmit to dealDeal with all those majorHaupt airportsFlughäfen nextNächster to eachjede einzelne other.
49
117000
4000
die mit all den grossen Flughäfen nebeneinander klar kommen muss.
02:17
So zoomingZoomen back out realecht quickschnell,
50
122000
2000
Jetzt zoomen wir schnell raus
02:19
we see, again, the U.S. -- you get FloridaFlorida down in the right-handrechte Hand cornerEcke.
51
124000
3000
und sehen wieder die USA – da ist Florida unten in der rechten Ecke.
02:22
MovingBewegen acrossüber to the WestWesten coastKüste,
52
127000
2000
Bewegen wir uns über die Westküste,
02:24
you see SanSan FranciscoFrancisco and LosLos AngelesAngeles --
53
129000
2000
sieht man San Francisco und Los Angeles–
02:26
biggroß low-trafficgeringem Verkehrsaufkommen zonesZonen
54
131000
2000
grosse verkehrsfreie Zonen
02:28
acrossüber NevadaNevada and ArizonaArizona.
55
133000
2000
über Nevada und Arizona.
02:30
And that's us down there in L.A. and Long BeachStrand on the bottomBoden.
56
135000
4000
Und das sind wir hier in L.A. und Long Beach am unteren Rand.
02:36
I startedhat angefangen takingunter a look as well at differentanders perimetersPerimeter,
57
141000
2000
Ich habe auch einen Blick auf die verschiedenen Perimeter geworfen,
02:38
because you can choosewählen what you want to pullziehen out from the dataDaten.
58
143000
2000
da man auswählen kann was man aus der Datenmenge hervorheben möchte.
02:40
This is looking at ascendingaufsteigend versusgegen descendingabsteigend flightsFlüge.
59
145000
3000
Das hier zeigt die Abflüge im Vergleich zu den Anflügen.
02:43
And you can see, over time, the waysWege the airportsFlughäfen changeVeränderung.
60
148000
2000
Und man kann sehen, wie sich die Flughäfen über die Zeit verändern.
02:45
You see the holdingHalten patternsMuster that startAnfang to developentwickeln
61
150000
2000
Man sieht die Warteschleifen,
02:47
in the bottomBoden of the screenBildschirm.
62
152000
2000
die unten auf dem Bildschirm entstehen
02:49
And you can see, eventuallyschließlich the airportFlughafen actuallytatsächlich flipsFlips directionsRichtungen.
63
154000
3000
Und man sieht wie der Flughafen schliesslich die Richtung wechselt.
02:53
So this is anotherein anderer projectProjekt that I workedhat funktioniert on with the SensibleSinnvolle CitiesStädte LabLab at MITMIT.
64
158000
3000
Das hier ist ein anderes Projekt, das ich zusammen mit dem Sensible Cities Lab am MIT gemacht habe.
02:56
This is visualizingVisualisierung von internationalInternational communicationsKommunikation.
65
161000
2000
Es zeigt internationale Verbindungen.
02:58
So it's how NewNeu YorkYork communicateskommuniziert
66
163000
2000
Das ist wie New York
03:00
with other internationalInternational citiesStädte.
67
165000
2000
mit anderen internationalen Städten kommuniziert.
03:02
And we setSet this up as a liveLeben globeGlobus in the MuseumMuseum of ModernModerne ArtKunst in NewNeu YorkYork
68
167000
3000
Und wir stellten das auf, als einen live Globus im Museum of Modern Art in New York
03:05
for the DesignDesign the ElasticElastische MindGeist exhibitionAusstellung.
69
170000
2000
für die Design the Elastic Mind Ausstellung.
03:07
And it had a liveLeben feedFutter with a 24-hour-Stunde offsetVersatz,
70
172000
2000
Es hatte einen live Einspeisung mit einem 24-Stunden Abstand
03:09
so you could see the changingÄndern relationshipBeziehung
71
174000
2000
sodass man die sich verändernde Beziehungen sehen kann,
03:11
and some demographicdemographisch infoInfo
72
176000
2000
und einige demographische Informationen
03:13
comingKommen throughdurch AT&T'sT es dataDaten and revealingaufschlussreich itselfselbst.
73
178000
3000
die sich durch AT&Ts Daten offenbaren.
03:16
This is anotherein anderer projectProjekt I workedhat funktioniert on with SensibleSinnvolle CitiesStädte LabLab
74
181000
2000
Das ist ein anderes Projekt, das ich zusammen mit dem Sensible Cities Lab
03:18
and CurrentCityCurrentCity.orgorg.
75
183000
2000
und CurrentCity.org gemacht habe.
03:20
And it's visualizingVisualisierung von SMSSMS messagesNachrichten beingSein sentgesendet in the cityStadt of AmsterdamAmsterdam.
76
185000
3000
Und es zeigt SMSs, die in der Stadt Amsterdam geschickt wurden.
03:23
So you're seeingSehen the dailyTäglich ebbEBB and flowfließen
77
188000
2000
Man sieht den täglichen Rhythmus
03:25
of people sendingSenden SMSSMS messagesNachrichten from differentanders partsTeile of the cityStadt,
78
190000
2000
der Menschen, die aus den unterschiedlichen Teilen der Stadt SMSs verschicken,
03:27
untilbis we approachAnsatz NewNeu Year'sDes Jahres EveEve, where everybodyjeder sayssagt, "HappyGlücklich NewNeu YearJahr!"
79
192000
3000
bis wir uns Silvester nähern und alle "Frohes neues Jahr!" sagen.
03:30
(LaughterLachen)
80
195000
2000
(lacht)
03:32
So this is an interactiveinteraktiv toolWerkzeug
81
197000
2000
Also das ist ein interaktives Werkzeug
03:34
that you can moveBewegung around and see differentanders partsTeile of the cityStadt.
82
199000
3000
das man durch die verschiedenen Teilen der Stadt bewegen kann.
03:37
This is looking at anotherein anderer eventEvent. This is callednamens Queen'sDer Königin Day.
83
202000
3000
Das hier zeigt ein anderes Ereignis. Es heisst Königinnentag.
03:40
So again, you get this dailyTäglich ebbEBB and flowfließen
84
205000
2000
Und wieder sieht man den Rhythmus
03:42
of people sendingSenden SMSSMS messagesNachrichten from differentanders partsTeile of the cityStadt.
85
207000
3000
der Menschen die SMSs aus den verschiedenen Teilen der Stadt verschicken.
03:45
And then you're going to see people startAnfang to gatherversammeln in the centerCenter of the cityStadt
86
210000
2000
Und dann sieht man Menschen, die sich im Stadtzentrum ansammeln
03:47
to celebratefeiern the night before,
87
212000
2000
um die letzte Nacht zu feiern,
03:49
whichwelche happensdas passiert right here.
88
214000
2000
was genau hier passiert.
03:51
And then you can see people celebratingfeiern the nextNächster day.
89
216000
2000
Und dann sieht man Menschen, die am nächsten Tag feiern.
03:53
And you can pausePause it and stepSchritt back and forthher and see differentanders phasesPhasen.
90
218000
3000
Und man kann es anhalten und vor und zurück gehen um die unterschiedlichen Phasen zu sehen.
03:56
So now on to something completelyvollständig differentanders.
91
221000
2000
So jetzt zu etwas ganz anderem.
03:58
Some of you maykann recognizeerkenne this.
92
223000
2000
Manche von euch werden das erkennen.
04:00
This is BaronBaron WolfgangWolfgang vonvon Kempelen'sKempelens mechanicalmechanisch chessSchach playingspielen machineMaschine.
93
225000
3000
Das ist Baron Wolfgang von Kempelens mechanisches Schachtürke.
04:03
And it's this amazingtolle robotRoboter that playsTheaterstücke chessSchach extremelyäußerst well,
94
228000
2000
Und dieser erstaunliche Roboter spiel Schach extrem gut,
04:05
exceptaußer for one thing: it's not a robotRoboter at all.
95
230000
3000
abgesehen von einer Sache: es ist überhaupt kein Roboter.
04:08
There's actuallytatsächlich a leglessbeinlose man that sitssitzt in that boxBox
96
233000
2000
Es ist ein beinloser Mann, der in der box sitzt
04:10
and controlsKontrollen this chessSchach playerSpieler.
97
235000
2000
und diesen Schachspieler kontrolliert.
04:12
This was the inspirationInspiration for a webweb serviceBedienung by AmazonAmazon
98
237000
2000
Das war die Inspiration für einen Webdienst von Amazon,
04:14
callednamens the MechanicalMechanische TurkTurk -- namedgenannt after this guy.
99
239000
3000
der Mechanical Turk – nach diesem Typen benannt.
04:17
And it's basedbasierend on the premisePrämisse that there are certainsicher things
100
242000
2000
Es basiert auf der Prämisse dass es Dinge gibt,
04:19
that are easyeinfach for people, but really difficultschwer for computersComputer.
101
244000
2000
die einfach für Menschen, aber wirklich schwierig für Computer sind.
04:21
So they madegemacht this webweb serviceBedienung and said,
102
246000
2000
Also haben sie diesen Webdienstleistung gemacht und gesagt:
04:23
"Any programmerProgrammierer can writeschreiben a pieceStück of softwareSoftware
103
248000
2000
"Jeder Programmierer kann eine Software schreiben
04:25
and taptippen into the mindsKöpfe of thousandsTausende of people."
104
250000
2000
und auf den Geist von tausenden von Menschen zugreifen."
04:27
The nerdyNerdy sideSeite of me thought, "WowWow, this is amazingtolle.
105
252000
2000
Die nerdige Seite von mir dachte: "Wow, das ist Wahnsinn.
04:29
I can taptippen into thousandsTausende of people'sMenschen mindsKöpfe."
106
254000
2000
Ich kann auf den Geist von tausenden von Menschen zugreifen."
04:31
And the other nerdyNerdy sideSeite of me thought,
107
256000
2000
Und die andere Seite von mir dachte:
04:33
"This is horribleschrecklich. This is completelyvollständig bizarreBizarre.
108
258000
3000
"Das ist ja schrecklich. Das ist absolut grotesk.
04:36
What does this mean for the futureZukunft of mankindMenschheit,
109
261000
2000
Was bedeutet das für die Zukunft der Menschheit,
04:38
where we're all pluggedangeschlossen into this borgBorg?"
110
263000
2000
in der wir alle in diesem Cyborg eingestöpselt sind?"
04:40
I was probablywahrscheinlich beingSein a little extremeextrem.
111
265000
2000
I habe vielleicht ein bisschen übertrieben.
04:42
But what does this mean when we have no contextKontext for what it is that we're workingArbeiten on,
112
267000
2000
Aber was bedeutet das, wenn wir keinen Kontext zu dem haben, woran wir arbeiten,
04:44
and we're just doing these little laborsArbeit?
113
269000
2000
und wir nur noch diese kleinen Aufgaben erledigen?
04:46
So I createderstellt this drawingZeichnung toolWerkzeug.
114
271000
2000
Also habe ich dieses Zeicheninstrument kreiert.
04:48
I askedaufgefordert people to drawzeichnen a sheepSchaf facinggegenüber to the left.
115
273000
2000
Und ich habe Menschen gebeten ein Schaf zu zeichnen, das nach links zeigt.
04:50
And I said, "I'll payZahlen you two centsCent for your contributionBeitrag."
116
275000
2000
Und ich sagte: "Ich zahle euch 2 Cents für euren Beitrag."
04:52
And I startedhat angefangen collectingSammeln sheepSchaf.
117
277000
3000
Und ich fing an, Schafe zu sammeln.
04:55
And I collectedgesammelt a lot, a lot of differentanders sheepSchaf.
118
280000
3000
Und ich sammelte viele, viele verschiedene Schafe.
04:59
Lots of sheepSchaf.
119
284000
2000
Viele Schafe.
05:01
I tookdauerte the first 10,000 sheepSchaf that I collectedgesammelt,
120
286000
2000
Ich nahm die ersten 10,000 Schafe, die ich sammelte
05:03
and I put them on a websiteWebseite callednamens TheSheepMarketTheSheepMarket.comcom
121
288000
3000
und stellte sie auf eine Website mit dem Namen TheSheepMarket.com,
05:06
where you can actuallytatsächlich buykaufen collectionsSammlungen of 20 sheepSchaf.
122
291000
3000
wo man einen Bestand von 20 Schafe kaufen kann.
05:09
You can't pickwähle individualPerson sheepSchaf,
123
294000
2000
Man kann keine einzelnen Schafe auswählen,
05:11
but you can buykaufen a singleSingle plateTeller blockBlock of stampsBriefmarken as a commodityWare.
124
296000
4000
Aber man kann einen ganzen Klotz als Massenware kaufen.
05:15
And juxtaposedeinander gegenübergestellt againstgegen this gridGitter,
125
300000
2000
Und entgegen diesem Gitter,
05:17
you see actuallytatsächlich, by rollingrollend over eachjede einzelne individualPerson one,
126
302000
2000
kann man an und für sich, indem man über jeden einzelnen rollt,
05:19
the humanityMenschheit behindhinter this hugelyenorm mechanicalmechanisch processverarbeiten.
127
304000
3000
die Menschlichkeit hinter diesem riesigen mechanischen Prozess sehen.
05:22
I think there's something really interestinginteressant
128
307000
2000
Ich denke es ist etwas wirklich interessantes,
05:24
to watchingAufpassen people as they go throughdurch this creativekreativ toilMühe --
129
309000
3000
zuzusehen wie Menschen kreativ schuften –
05:27
something we can all relatesich beziehen to,
130
312000
2000
etwas das wir alle kennen,
05:29
this creativekreativ processverarbeiten of tryingversuchen to come up with something from nothing.
131
314000
3000
diesen kreativen Prozess, aus dem Nichts etwas zu erschaffen.
05:32
I think it was really interestinginteressant to juxtaposegegenüberstellen this humanityMenschheit
132
317000
2000
Ich denke es war wirklich interessant diese Menschheit
05:34
versusgegen this massivemassiv distributedverteilt gridGitter.
133
319000
2000
gegenüber diesem massiven dezentralisierten Gitter zu setzen.
05:36
KindArt of amazingtolle what some people did.
134
321000
3000
Es ist ziemlich erstaunlich, was manche gemacht haben.
05:39
So here'shier ist a fewwenige statisticsStatistiken from the projectProjekt.
135
324000
2000
Hier sind einpaar Statistiken des Projektes.
05:41
ApproximateUngefähre collectionSammlung ratePreis of 11 sheepSchaf perpro hourStunde,
136
326000
2000
Eine Sammlungsgeschwindigkeit von etwa 11 Schafe pro Stunde,
05:43
whichwelche would make a workingArbeiten wageLohn of 69 centsCent perpro hourStunde.
137
328000
3000
was einen Stundenlohn von 68 cents entspricht.
05:46
There were 662 rejectedabgelehnt sheepSchaf
138
331000
2000
Es wurden 662 Schafe zurückgewiesen,
05:48
that didn't meetTreffen "sheep-likeSchaf-wie" criteriaKriterien and were throwngeworfen out of the flockHerde.
139
333000
3000
da sie die schafähnlichen Kriterien nicht erfüllten und aus der Herde geworfen worden sind.
05:51
(LaughterLachen)
140
336000
2000
(lacht)
05:53
The amountMenge of time spentverbraucht drawingZeichnung rangedreichten from fourvier secondsSekunden to 46 minutesProtokoll.
141
338000
3000
Der Zeitaufwand der Zeichnungen bewegt sich zwischen 4 Sekunden und 46 Minuten.
05:56
That givesgibt you an ideaIdee of the differentanders typesTypen of motivationsMotivationen and dedicationWidmung.
142
341000
3000
Das verschafft einen Eindruck über die verschiedenen Grade der Motivation und Hingabe.
05:59
And there were 7,599 people that contributedbeigetragen to the projectProjekt,
143
344000
3000
Und es haben 7,599 Menschen zu dem Projekt beigetragen,
06:02
or were uniqueeinzigartig IPIP addressesAdressen --
144
347000
2000
oder waren einzelne IP Adressen –
06:04
so about how manyviele people contributedbeigetragen.
145
349000
2000
soviel dazu wie viele Menschen dazu beigetragen haben.
06:06
But only one of them out of the 7,599 said this.
146
351000
4000
Aber nur einer der 7,599 Menschen sagte dies:
06:10
(LaughterLachen)
147
355000
4000
("Warum machst du das?")
06:14
WhichDie I was prettyziemlich surprisedüberrascht by.
148
359000
2000
Was mich ziemlich überrascht hat.
06:16
I expectederwartet people to be wonderingwundernd, "Why did I drawzeichnen a sheepSchaf?"
149
361000
3000
Ich habe erwartet dass Menschen sich fragen "Warum musste ich ein Schaf zeichnen?"
06:19
And I think it's a prettyziemlich validgültig questionFrage.
150
364000
2000
Und ich denke es ist eine überaus zulässige Frage.
06:21
And there's a lot of reasonsGründe dafür why I chosewählte sheepSchaf.
151
366000
2000
Und es gibt viele Gründe warum ich das Schaf ausgewählt habe.
06:23
SheepSchafe were the first animalTier
152
368000
2000
Schafen waren die ersten Tiere,
06:25
to be raisedangehoben from mechanicallymechanisch processedverarbeitet byproductsNebenprodukte,
153
370000
2000
die mit mechanisch verarbeitete Abfallprodukte aufgezogen worden sind,
06:27
the first to be selectivelyselektiv bredgezüchtet for productionProduktion traitsZüge,
154
372000
2000
die ersten die selektiv für ihre Erzeugniseigenschaften gezüchtet worden sind,
06:29
the first animalTier to be clonedgeklonte.
155
374000
2000
die ersten geklonten Tiere.
06:31
ObviouslyOffensichtlich, we think of sheepSchaf as followersAnhänger.
156
376000
2000
Offensichtlich betrachte wir Schafe als folgsam.
06:33
And there's this referenceReferenz to "LeLe PetitPetit PrincePrinz"
157
378000
2000
Und da ist diese Referenz zu "Der kleine Prinz",
06:35
where the narratorErzähler asksfragt the princePrinz to drawzeichnen a sheepSchaf.
158
380000
2000
wo der Erzähler den kleinen Prinz bittet ein Schaf zu zeichnen.
06:37
He drawszieht sheepSchaf after sheepSchaf.
159
382000
2000
Er zeichnet ein Schaf nach dem anderen.
06:39
The narrator'sdes Erzählers only appeasedbeschwichtigt when he drawszieht a boxBox.
160
384000
2000
Der Erzähler ist erst dann zufrieden als er eine Box zeichnet.
06:41
And he sayssagt, "It's not about a scientificwissenschaftlich renderingRendern of a sheepSchaf.
161
386000
2000
Und er sagt: "Es geht nicht um die naturgetreue Darstellung eines Schafes.
06:43
It's about your ownbesitzen interpretationAuslegung and doing something differentanders."
162
388000
3000
Sondern um deine eigene Interpretation und darum etwas anderes zu machen."
06:46
And I like that.
163
391000
2000
Ich mag das.
06:48
So this is a clipKlammer from CharlieCharlie Chaplin'sChaplins "ModernModerne TimesMale."
164
393000
2000
Das hier ist ein Ausschnitt aus Charlie Chaplins "Moderne Zeiten".
06:50
It's showingzeigt CharlieCharlie ChaplinChaplin dealingUmgang with some of the majorHaupt changesÄnderungen
165
395000
3000
Es zeigt wie Charlie Chaplin mit einige der grossen Veränderungen
06:53
duringwährend the IndustrialIndustrielle RevolutionRevolution.
166
398000
2000
während der Industriellen Revolution zurecht kommt.
06:55
So there were no longerlänger shoeSchuh makersHersteller,
167
400000
2000
Da gab es keine Schuhmacher mehr,
06:57
but now there are people slappingOhrfeigen solesSohlen on people'sMenschen shoesSchuhe.
168
402000
2000
sondern Menschen, die Sohlen auf anderer Leute s Schuhe klatschen.
06:59
And the wholeganze ideaIdee of one'sEinsen relationshipBeziehung to theirihr work changedgeändert a lot.
169
404000
3000
Es hat das Verständnis der Beziehung zwischen dem Arbeiter und sein Handwerk enorm verändert.
07:02
So I thought this was an interestinginteressant clipKlammer
170
407000
2000
Also dachte ich, es ist ein interessanter Ausschnitt
07:04
to divideTeilen into 16 piecesStücke
171
409000
2000
um in 16 Teile zu zerlegen
07:06
and feedFutter into the MechanicalMechanische TurkTurk with a drawingZeichnung toolWerkzeug.
172
411000
3000
und in den Mechanical Turk mit einem Zeichnungswerkzeug einzuspeisen.
07:09
This basicallyGrundsätzlich gilt alloweddürfen -- what you see on the left sideSeite is the originalOriginal frameRahmen,
173
414000
3000
Im Grund kann man dadurch – was ihr auf der linken Seite seht ist das Originalframe,
07:12
and on the right sideSeite you see that frameRahmen
174
417000
2000
und auf der rechten Seite seht ihr den Frame
07:14
as interpretedinterpretiert by 16 people
175
419000
2000
wie er von 16 Leuten interpretiert wurde,
07:16
who have no ideaIdee what it is they're doing.
176
421000
2000
die keine Ahnung hatten, was sie machen.
07:18
And this was the inspirationInspiration for a projectProjekt
177
423000
2000
Und das war die Inspiration für ein Projekt,
07:20
that I workedhat funktioniert on with my friendFreund TakashiTakashi KawashimaKawashima.
178
425000
2000
das ich zusammen mit meinem Freund Takashi Kawashima gemacht habe.
07:22
We decidedbeschlossen to use the MechanicalMechanische TurkTurk for exactlygenau what it was meantgemeint for,
179
427000
2000
Wir haben uns entschieden den Mechanical Turk genau dafür einzusetzen, wofür er geschaffen wurde:
07:24
whichwelche is makingHerstellung moneyGeld.
180
429000
2000
Um Geld zu machen.
07:26
So we tookdauerte a hundredhundert dollarDollar billRechnung and dividedgeteilt it into 10,000 teenyteeny piecesStücke,
181
431000
3000
Also haben wir ein Hundert-Dollar-Schein genommen und in 10,000 winzig kleine Teile zerlegt,
07:29
and we fedgefüttert those into the MechanicalMechanische TurkTurk.
182
434000
2000
und diese in den Mechanical Turk eingespeist.
07:31
We askedaufgefordert people to drawzeichnen what it was that they saw.
183
436000
2000
Wir baten die Leute zu zeichnen, was sie darin sahen.
07:33
But here there was no sheep-likeSchaf-wie criteriaKriterien.
184
438000
2000
Aber es gab keine Schafähnlichkeitskriterein.
07:35
People, if they drewzeichnete a stickStock figureZahl or a smileySmiley faceGesicht,
185
440000
3000
Menschen, die ein Strichmännchen oder ein Smiley gemalt haben,
07:38
it actuallytatsächlich madegemacht it into the billRechnung.
186
443000
2000
wurden auch tatsächlich in dem Schein aufgenommen.
07:40
So what you see is actuallytatsächlich a representationDarstellung of how well people did
187
445000
2000
Was ihr seht ist effektiv eine Repräsentation davon wie gut sich die Leute indem gemacht haben,
07:42
what it was they were askedaufgefordert to do.
188
447000
2000
worum sie gebeten worden sind.
07:44
So we tookdauerte these hundredhundert dollarDollar billsRechnungen,
189
449000
2000
Also haben wir diese Hundert-Dollar-Scheine genommen,
07:46
and we put them on a websiteWebseite callednamens TenThousandsCentsTenThousandsCents.comcom,
190
451000
2000
und sie auf die Website namens TenThousandsCents.com gesetzt,
07:48
where you can browseDurchsuchen throughdurch and see all the individualPerson contributionsBeiträge.
191
453000
3000
auf der man durch alle individuellen Beiträge browsen kann.
07:51
And you can alsoebenfalls tradeHandel realecht hundred-dollarhundert-Dollar- billsRechnungen for fakeFälschung hundred-dollarhundert-Dollar- billsRechnungen
192
456000
3000
Und man kann auch echte Hundert-Dollar-Scheine gegen unechte Hundert-Dollar-Scheine eintauschen
07:54
and make a donationSpende to the HundredHundert DollarDollar LaptopLaptop ProjectProjekt,
193
459000
3000
und eine Spende an das Hundert-Dollar-Laptop Projekt machen,
07:57
whichwelche is now knownbekannt as One LaptopLaptop PerPro ChildKind.
194
462000
3000
das unter dem Namen One Laptop Per Child bekannt ist.
08:00
This is again showingzeigt all the differentanders contributionsBeiträge.
195
465000
2000
Das hier zeigt wieder all die verschiedenen Beiträge.
08:02
You see some people did beautifulschön stippleStipple renderingsRenderings,
196
467000
2000
Man sieht, dass manche Menschen wunderschöne gestreifte Darstellungen gemacht haben,
08:04
like this one on topoben --
197
469000
2000
wie dieses hier oben–
08:06
spentverbraucht a long time makingHerstellung realisticrealistische versionsVersionen.
198
471000
3000
sie haben sich viel Zeit genommen um realistische Versionen zu zeichnen.
08:09
And other people would drawzeichnen stickStock figuresZahlen or smileySmiley facesGesichter.
199
474000
3000
Und andere Menschen haben Strichmännchen oder Smileys gezeichnet.
08:12
Here on the right-handrechte Hand sideSeite in the middleMitte
200
477000
2000
Hier auf der rechten Seite in der Mitte
08:14
you see this one guy writingSchreiben, "$0.01!!! Really?"
201
479000
3000
seht ihr diesen Typen, der geschrieben hat: "$0.01!!! Im Ernst?"
08:17
That's all I'm gettingbekommen paidbezahlt for this?
202
482000
4000
Das ist alles, was ich dafür kriege?
08:21
(LaughterLachen)
203
486000
2000
(lacht)
08:23
So the last MechanicalMechanische TurkTurk projectProjekt I'm going to talk to you about
204
488000
2000
Das letzte Mechanical Turk Projekt, von dem ich euch erzählen werde
08:25
is callednamens BicycleFahrrad BuiltGebaut for 2000.
205
490000
2000
heisst Bicycle Built for 2000.
08:27
This is a collaborationZusammenarbeit with my friendFreund DanielDanke. MasseyMassey.
206
492000
2000
Das ist eine Zusammenarbeit mit meinem Freund Daniel Massey.
08:29
You maykann recognizeerkenne these two guys.
207
494000
2000
Ihr erkennt vielleicht diese zwei Typen.
08:31
This is MaxMax MathewsMathews and JohnJohn KellyKelly from BellBell LabsLabs in the '60s,
208
496000
3000
Das sind Max Mathews und John Kelly von Bell Labs in den 60er,
08:34
where they createderstellt the songLied "DaisyDaisy BellBell,"
209
499000
2000
als sie das Lieb "Daisy Bell" geschaffen haben,
08:36
whichwelche was the world'sWelt first singingSingen computerComputer.
210
501000
2000
was das welterste singende Computer war.
08:38
You maykann recognizeerkenne it from "2001: A SpaceRaum OdysseyOdyssee."
211
503000
2000
Ihr kennt es vielleicht aus "2001: A Space Odyssey."
08:40
When HAL'sVon HAL dyingsterben at the endEnde of the filmFilm he startsbeginnt singingSingen this songLied,
212
505000
3000
Als HAL am Ende des Films stirbt, fängt er an, das Lieb zu singen,
08:43
as a referenceReferenz to when computersComputer becamewurde humanMensch.
213
508000
3000
als eine Referenz auf die Vermenschlichung des Computers.
08:46
So we resynthesizedNeubildung this songLied.
214
511000
2000
Also haben wir dieses Lied resynthetisiert.
08:48
This is what that soundedklang like.
215
513000
2000
So klang es.
08:50
We brokepleite down all the individualPerson notesNotizen
216
515000
2000
We brachen alles in einzelne Töne herunter
08:52
in the singingSingen as well as the phonemesPhoneme in the singingSingen.
217
517000
3000
beim Singen und beim Phänomen des Singens.
08:55
DaisyDaisy BellBell: ♫ DaisyDaisy, DaisyDaisy ... ♫
218
520000
4000
Daisy Bell: ♫ Daisy, Daisy ... ♫
08:59
AaronAaron KoblinKoblin: And we tookdauerte all of those individualPerson piecesStücke,
219
524000
2000
Aaron Koblin: Und wir nahmen all diese einzelnen Stücke
09:01
and we fedgefüttert them into anotherein anderer TurkTurk requestAnfrage.
220
526000
2000
und speisten sie in eine weitere Mechanical Turk Anfrage.
09:03
This is what it would look like if you wentging to the siteStandort.
221
528000
2000
Das ist was ihr sehen würdet, wenn ihr zu der Website geht.
09:05
You typeArt in your codeCode,
222
530000
2000
Man tippt den Code ein,
09:07
but you first testTest your micMikrofon.
223
532000
2000
Aber erst muss man das Mikro testen.
09:09
You'dSie würde be fedgefüttert a simpleeinfach audioAudio- clipKlammer.
224
534000
2000
Man bekommt einen einfachen Audioclip.
09:11
(HonkHupen)
225
536000
2000
(tuut)
09:13
And then you'ddu würdest do your bestBeste to recreateneu that with your ownbesitzen voiceStimme.
226
538000
3000
Und man versucht es mit seiner eigenen Stimme so gut es geht nachzumachen.
09:22
After previewingVorschau it and confirmingBestätigung it's what you submittedeingereicht,
227
547000
3000
Nachdem der Vorschau und der Bestätigung das es, was man einreichen will,
09:25
you could submiteinreichen it into the MechanicalMechanische TurkTurk with no other contextKontext.
228
550000
3000
konnte man beim Mechanical Turk einreichen ohne weiteren Kontext.
09:28
And this is what we first got back from the very first setSet of submissionsBeiträge.
229
553000
3000
Und das ist was wir mit dem allerersten Rücksendungen zurückbekommen haben.
09:31
RecordingAufnahme: ♫ DaisyDaisy, DaisyDaisy
230
556000
5000
Aufnahme: ♫ Daisy, Daisy ♫
09:36
♫ give me your answerAntworten do ♫
231
561000
5000
♫ give me your answer do ♫
09:41
♫ I'm halfHälfte crazyverrückt
232
566000
4000
♫ I'm half crazy ♫
09:45
♫ all for the love of you ♫
233
570000
5000
♫ all for the love of you ♫
09:50
♫ It can't be a stylishstilvolle marriageEhe
234
575000
5000
♫ It can't be a stylish marriage ♫
09:55
♫ I can't affordgewähren a carriageWagen
235
580000
4000
♫ I can't afford a carriage ♫
09:59
♫ But you'lldu wirst look sweetSüss uponauf the seatSitz
236
584000
5000
♫ But you'll look sweet upon the seat ♫
10:04
♫ of a bicycleFahrrad builtgebaut for two ♫
237
589000
5000
♫ of a bicycle built for two ♫
10:09
AKAK: So JamesJames SurowiekiSurowieki has this ideaIdee of the wisdomWeisheit of crowdsMenschenmassen,
238
594000
3000
AK: James Surowieki hatte diese Idee der Weisheit der Masse
10:12
that sayssagt that a wholeganze bunchBündel of people are smarterintelligenter than any individualPerson.
239
597000
3000
das besagt, das eine Menge Leute schlauer sind als ein einzelner.
10:15
We wanted to see how this appliesgilt to collaborativekollaborativ, distributedverteilt musicMusik- makingHerstellung,
240
600000
3000
Wir wollten sehen wie es sich anwenden lässt auf das gemeinschaftliche, verteilte Musik machen,
10:18
where nobodyniemand has any ideaIdee what it is they're workingArbeiten on.
241
603000
3000
wo keiner weiss woran sie arbeiten.
10:21
So if you go to the BicycleBuiltforTwoThousandBicycleBuiltforTwoThousand.comcom
242
606000
2000
Geht man also zu BicycleBuiltforTwoThousand.com,
10:23
you can actuallytatsächlich hearhören what all this soundsGeräusche like togetherzusammen.
243
608000
2000
kann man tatsächlich höre wie alles zusammen klingt.
10:25
I'm sorry for this.
244
610000
2000
Ich entschuldige mich dafür.
10:27
(NoiseLärm)
245
612000
5000
(Lärm)
10:32
ChorusChor: ♫ DaisyDaisy, DaisyDaisy
246
617000
4000
Chor: ♫ Daisy, Daisy ♫
10:36
♫ Give me your answerAntworten do ♫
247
621000
5000
♫ Give me your answer do ♫
10:41
♫ I'm halfHälfte crazyverrückt
248
626000
5000
♫ I'm half crazy ♫
10:46
♫ all for the love of you ♫
249
631000
4000
♫ all for the love of you ♫
10:50
♫ It can't be a stylishstilvolle marriageEhe
250
635000
5000
♫ It can't be a stylish marriage ♫
10:55
♫ I can't affordgewähren a carriageWagen
251
640000
4000
♫ I can't afford a carriage ♫
10:59
♫ But you'ddu würdest look sweetSüss uponauf the seatSitz
252
644000
5000
♫ But you'd look sweet upon the seat ♫
11:04
♫ of a bicycleFahrrad builtgebaut for two ♫
253
649000
6000
♫ of a bicycle built for two ♫
11:10
AKAK: So steppingStepping back for a quickschnell secondzweite,
254
655000
3000
AK: Geht man einen Schritt zurück,
11:13
when I was at UCLAUCLA going to gradGrad schoolSchule,
255
658000
2000
als ich an der UCLA studiert habe,
11:15
I was alsoebenfalls workingArbeiten at a placeOrt callednamens the CenterZentrum for EmbeddedEingebettet NetworkNetzwerk SensingSensing.
256
660000
3000
habe ich an einem Ort mit dem Namen Center for Embedded Network Sensing gearbeitet.
11:18
And I was writingSchreiben softwareSoftware to visualizevisualisieren laserLaser- scannersScanner.
257
663000
3000
Und ich schrieb Software um Laserscanner zu visualisieren.
11:21
So basicallyGrundsätzlich gilt motionBewegung throughdurch 3D spacePlatz.
258
666000
2000
Also im Grunde Bewegung durch einen 3D Raum.
11:23
And this was seengesehen by a directorDirektor in L.A. namedgenannt JamesJames FrostFrost
259
668000
2000
Und es wurde von einem Regisseur in L.A. mit dem Namen James Frost gesehen,
11:25
who said, "Wait a minuteMinute.
260
670000
2000
der gesagt hat: "Moment mal-
11:27
You mean we can shootschießen a musicMusik- videoVideo withoutohne actuallytatsächlich usingmit any videoVideo?"
261
672000
2000
du meinst wir können ein Musikvideo drehen ohne überhaupt Video zu benutzen?"
11:29
So we did exactlygenau that.
262
674000
2000
Also haben wir genau das gemacht.
11:31
We madegemacht a musicMusik- videoVideo for one of my favoriteFavorit bandsBänder, RadioheadRadiohead.
263
676000
2000
Wir machten ein Musikvideo für eine meiner Lieblingsbands, Radiohead.
11:33
And I think one of my favoriteFavorit partsTeile of this projectProjekt
264
678000
2000
Und ich denke, was ich am Projekt am liebsten mochte,
11:35
was not just shootingSchießen a videoVideo with lasersLasern,
265
680000
2000
war nicht nur das Drehen mit Lasern,
11:37
but we alsoebenfalls openöffnen sourcedbezogen it,
266
682000
2000
sondern auch die Tatsache, dass wir es über Open Source zur Verfügung gestellt haben,
11:39
and we madegemacht it releasedfreigegeben as a GoogleGoogle CodeCode projectProjekt,
267
684000
2000
und wir haben es als ein Google Code Projekt veröffentlicht
11:41
where people could downloadherunterladen a bunchBündel of the dataDaten and some sourceQuelle codeCode
268
686000
2000
wo man eine ganze Menge Daten und einige Source Codes downloaden konnte
11:43
to buildbauen theirihr ownbesitzen versionsVersionen of it.
269
688000
2000
um die eigene Version zu bauen.
11:45
And people were makingHerstellung some amazingtolle things.
270
690000
2000
Und es gab Menschen die erstaunliche Dinge gemacht haben.
11:47
This is actuallytatsächlich two of my favoritesFavoriten:
271
692000
2000
Das sind zwei meiner Lieblinge:
11:49
the pin-boardPinnwand ThomThom YorkeYorke and a LEGOLEGO ThomThom YorkeYorke.
272
694000
2000
Der Nagelbrett Thom Yorke und ein LEGO Thom Yorke.
11:51
A wholeganze YouTubeYouTube channelKanal of people submittingEinreichung von really interestinginteressant contentInhalt.
273
696000
3000
Ein ganzes Youtube Channel auf dem Menschen wirklich interessante Inhalte geladen haben.
11:54
More recentlyvor kurzem, somebodyjemand even 3D-printedD-gedruckt ThomThom Yorke'sDie Yorke headKopf,
274
699000
3000
Vor kurzem hat sogar jemand Thom Yorkes Kopf 3D ausgedruckt,
11:57
whichwelche is a little creepygruselig, but prettyziemlich coolcool.
275
702000
3000
was ein bisschen unheimlich ist, aber ziemlich cool.
12:00
So with everybodyjeder makingHerstellung so much amazingtolle stuffSachen
276
705000
2000
Da alle so viele fantastische Sachen machen
12:02
and actuallytatsächlich understandingVerstehen what it was they were workingArbeiten on,
277
707000
3000
und dabei wirklich wissen woran sie arbeiteten,
12:05
I was really interestedinteressiert in tryingversuchen to make a collaborativekollaborativ projectProjekt
278
710000
2000
war ich wirklich daran interessiert ein Gemeinschaftsprojekt auszuprobieren,
12:07
where people were workingArbeiten togetherzusammen to buildbauen something.
279
712000
2000
bei dem Menschen zusammenarbeiten um etwas zu erschaffen.
12:09
And I metgetroffen a musicMusik- videoVideo directorDirektor namedgenannt ChrisChris MilkMilch.
280
714000
2000
Und ich traf ein Musikvideo Regisseur namens Chris Milk.
12:11
And we startedhat angefangen bouncingPrellen around ideasIdeen
281
716000
2000
Und wir liessen uns viele Ideen durch den Kopf gehen
12:13
to make a collaborativekollaborativ musicMusik- videoVideo projectProjekt.
282
718000
2000
wie man ein gemeinschaftliches Musikvideoprojekt machen konnt.
12:15
But we knewwusste we really needederforderlich the right personPerson
283
720000
2000
Aber wir wussten, dass wir auf jeden Fall die richtige Person brauchten
12:17
to kindArt of rallyRally behindhinter and buildbauen something for.
284
722000
3000
um uns dahinter zu stellen und für den wir etwas aufbauen konnten.
12:20
So we put the ideaIdee on the back burnerBrenner for a fewwenige monthsMonate.
285
725000
2000
Also haben wir die Idee ein paar Monate lang auf Sparflamme gehalten.
12:22
And he endedendete up talkingim Gespräch to RickRick RubinRubin,
286
727000
2000
Und landeten dann schliesslich bei Rick Rubin,
12:24
who was finishingFinishing up JohnnyJohnny Cash'sCashs finalFinale albumAlbum
287
729000
2000
der gerade das letzte Album von Johnny Cash fertig stellte,
12:26
callednamens "Ain'tIst nicht No GraveGrab."
288
731000
2000
welches "Ain't No Grave." heissen soll.
12:28
The lyricsText to the leadingführend trackSpur are "Ain'tIst nicht no graveGrab can holdhalt my bodyKörper down."
289
733000
3000
Der Text zum Haupttrack ging so: "Ain't no grave can hold my body down."
12:31
So we thought this was the perfectperfekt
290
736000
2000
Also haben wir gedacht, es ist das perfekte Projekt
12:33
projectProjekt to buildbauen a collaborativekollaborativ memorialDenkmal
291
738000
2000
um eine kollektives Denkmal zu bauen,
12:35
and a virtualvirtuell resurrectionAuferstehung for JohnnyJohnny CashBargeld.
292
740000
2000
eine virtuelle Wiederauferstehung von Johnny Cash.
12:37
So I teamedzusammen up with my good friendFreund RicardoRicardo CabelloCabello, alsoebenfalls knownbekannt as MrHerr. doobDOOB,
293
742000
3000
So tat ich mich zusammen mit meinem guten Freund Ricardo Cabello, auch bekannt als Mr. doob,
12:40
who'swer ist a much better programmerProgrammierer than I am,
294
745000
2000
der ein viel besserer Programmierer ist als ich,
12:42
and he madegemacht this amazingtolle FlashBlitz drawingZeichnung toolWerkzeug.
295
747000
2000
und er machte dieses fantastische Zeichenwerkzeug.
12:44
As you know,
296
749000
2000
Wie ihr wisst,
12:46
an animationAnimation is a seriesSerie of imagesBilder.
297
751000
2000
besteht eine Animation aus einer Abfolge von Bildern.
12:48
So what we did was cross-cutGitterschnitt a bunchBündel of archivalArchivierung footageAufnahmen of JohnnyJohnny CashBargeld,
298
753000
3000
Also haben wir querbeet einen Haufen Archivaufnahmen von Johnny Cash genommen
12:51
and at eightacht framesRahmen a secondzweite,
299
756000
2000
und mit 8 Frames pro Sekunde
12:53
we alloweddürfen individualsIndividuen to drawzeichnen a singleSingle frameRahmen
300
758000
2000
haben wir Einzelpersonen erlaubt ein einziger Frame zu zeichnen,
12:55
that would get wovengewebte into
301
760000
2000
der verwebt wird in
12:57
this dynamicallydynamisch changingÄndern musicMusik- videoVideo.
302
762000
2000
dieses dynamisch sich verändernde Musikvideo.
12:59
So I don't have time to playspielen the entireganz thing for you,
303
764000
2000
Ich werde euch nicht das ganze abspielen,
13:01
but I want to showShow you two shortkurz clipsClips.
304
766000
2000
aber ich möchte euch zwei kurze Ausschnitte zeigen.
13:03
One is the beginningAnfang of the musicMusik- videoVideo.
305
768000
2000
Das erste ist der Anfang des Musikvideos.
13:05
And that's going to be followedgefolgt by a shortkurz clipKlammer
306
770000
2000
Gefolgt von einem kurzen Clip
13:07
of people who have alreadybereits contributedbeigetragen to the projectProjekt
307
772000
2000
von Menschen, die sich schon daran beteiligt haben,
13:09
talkingim Gespräch about it brieflykurz.
308
774000
3000
und es kurz vorstellen.
13:12
(MusicMusik)
309
777000
6000
(Musik)
13:18
(VideoVideo) JohnnyJohnny CashBargeld: ♫ There ain'tist nicht no graveGrab
310
783000
2000
(Video) Johnny Cash: ♫ There ain't no grave ♫
13:20
♫ can holdhalt my bodyKörper down ♫
311
785000
4000
♫ can hold my body down ♫
13:24
♫ There ain'tist nicht no graveGrab
312
789000
2000
♫ There ain't no grave ♫
13:26
♫ can holdhalt bodyKörper down ♫
313
791000
3000
♫ can hold body down ♫
13:30
♫ When I hearhören the trumpetTrompete soundklingen
314
795000
4000
♫ When I hear the trumpet sound ♫
13:34
♫ I'm going to rideReiten right out of the groundBoden
315
799000
2000
♫ I'm going to ride right out of the ground ♫
13:36
Ain'tIst nicht no graveGrab
316
801000
3000
♫ Ain't no grave ♫
13:39
♫ can holdhalt my bodyKörper ... ♫
317
804000
3000
♫ can hold my body ... ♫
13:42
(ApplauseApplaus)
318
807000
2000
(Applaus)
13:44
AKAK: What better way to payZahlen tributeTribut to the man
319
809000
3000
AK: Man könnte den Mann nicht besser ehren,
13:47
than to make something for one of his songsLieder.
320
812000
3000
als etwas zu einem seiner Lieder beizutragen.
13:50
CollaboratorMitarbeiter: I feltFilz really sadtraurig when he diedist verstorben.
321
815000
2000
Teilnehmer: Ich war traurig, als er starb.
13:52
And I just thought it'des würde be wonderfulwunderbar,
322
817000
2000
Und dachte, es wäre wunderbar,
13:54
it'des würde be really nicenett to contributebeitragen something to his memoryErinnerung.
323
819000
3000
es wäre wirklich nett etwas zu seinem Andenken beizutragen.
13:57
CollaboratorMitarbeiter Two: It really allowserlaubt
324
822000
2000
Teilnehmer zwei: Es erlaubt seiner letzten Aufnahme
13:59
this last recordingAufzeichnung of his
325
824000
3000
seiner letzten Aufnahme wirklich
14:02
to be a livingLeben, breathingAtmung memorialDenkmal.
326
827000
5000
ein lebendiges, atmendes Denkmal zu sein.
14:07
CollaboratorMitarbeiter ThreeDrei: For all of the framesRahmen to be drawngezeichnet by fansFans,
327
832000
3000
Teilnehmer drei: Alle dieser Frames, die von Fans gezeichnet sind,
14:10
eachjede einzelne individualPerson frameRahmen,
328
835000
2000
jedes einzelne,
14:12
it's got a very powerfulmächtig feelingGefühl to it.
329
837000
2000
erzeugt ein gewaltiges Gefühl.
14:14
CollaboratorMitarbeiter FourVier: I've seengesehen everybodyjeder
330
839000
2000
Teilnehmer vier: Ich habe alle möglichen Leute gesehen,
14:16
from JapanJapan, VenezuelaVenezuela, to the StatesStaaten,
331
841000
2000
aus Japan, Venezuela, den USA,
14:18
to KnoxvilleKnoxville, TennesseeTennessee.
332
843000
2000
aus Knoxville, Tennessee.
14:20
CollaboratorMitarbeiter FiveFünf: As much as is differentanders from frameRahmen to frameRahmen,
333
845000
3000
Teilnehmer fünf: Jedes Frame ist unterschiedlich
14:23
it really is personalpersönlich.
334
848000
2000
und wirklich persönlich.
14:25
CollaboratorMitarbeiter SixSechs: WatchingBeobachten the videoVideo in my roomZimmer,
335
850000
2000
Teilnehmer sechs: Als ich dieses Video in meinem Zimmer anschaute,
14:27
I could see me not understandingVerstehen at the beginningAnfang of it.
336
852000
3000
konnte ich sehen, wie ich es anfangs nicht begriff.
14:30
And I just workedhat funktioniert and workedhat funktioniert throughdurch problemsProbleme,
337
855000
3000
Und ich arbeitete mich durch die Probelme
14:33
untilbis my little weeWee battlesKämpfe that I was fightingKampf withininnerhalb the pictureBild
338
858000
4000
bis meine winzig kleine Auseinandersetzungen, die ich mit dem Bild führte
14:37
all beganbegann to resolveEntschlossenheit themselvessich.
339
862000
3000
sich alle langsam lösten.
14:40
You can actuallytatsächlich see the pointPunkt when I know what I'm doing,
340
865000
2000
Ich konnte so wirklich sehen, an welchem Punkt ich begann zu begreifen, was ich tat
14:42
and a lot of lightLicht and darkdunkel comeskommt into it.
341
867000
3000
und eine Menge helle und dunkle Stellen kamen dazu.
14:45
And in a weirdseltsam way,
342
870000
2000
Auf einer seltsamen Art
14:47
that's what I actuallytatsächlich like about JohnnyJohnny Cash'sCashs musicMusik- as well.
343
872000
2000
war es genau das, was ich an Johnny Cashs Musik so mag.
14:49
It's the sumSumme totalgesamt of his life,
344
874000
2000
Es ist die Endsumme seines Lebens,
14:51
all the things that had happenedpassiert --
345
876000
2000
alles, was passiert ist–
14:53
the badschlecht things, the good things.
346
878000
2000
die schlechten Dinge, die guten Dinge.
14:55
You're hearingHören a person'sPerson life.
347
880000
3000
Du hörst das Leben einer Person.
15:01
AKAK: So if you go to the websiteWebseite JohnnyCashProjectJohnnyCashProject.comcom,
348
886000
2000
AK: Wenn ihr zu der Website JohnnyCashProject.com geht,
15:03
what you'lldu wirst see is the videoVideo playingspielen aboveüber.
349
888000
2000
wird ihr das Video oben sehen.
15:05
And belowunten it are all the individualPerson framesRahmen
350
890000
2000
Und darunter alle einzelnen Frames,
15:07
that people have been submittingEinreichung von to the projectProjekt.
351
892000
2000
die Menschen bei dem Projekt eingereicht haben.
15:09
So this isn't finishedfertig at all,
352
894000
2000
Aber es ist noch gar nicht abgeschlossen
15:11
but it's an ongoinglaufend projectProjekt where people can continuefortsetzen to collaboratezusammenarbeiten.
353
896000
2000
sondern ein fortlaufendes Projekt, an dem sich Menschen weiter beteiligen können.
15:13
If you rollrollen over any one of those individualPerson thumbnailsMiniaturansichten,
354
898000
2000
Wenn man über eines der individuellen Thumbnails geht,
15:15
you can see the personPerson who drewzeichnete that individualPerson thumbnailMiniaturansicht
355
900000
2000
kann man die Person sehen, die dieses einzelne Thumbnail gezeichnet hat,
15:17
and where they were locatedgelegen.
356
902000
2000
und wo sie sind.
15:19
And if you find one that you're interestedinteressiert in,
357
904000
2000
Und wenn man ein interessantes findet,
15:21
you can actuallytatsächlich clickklicken on it and openöffnen up an informationInformation panelPanel
358
906000
2000
kann man es anklicken und ein Informationsfeld öffnet sich,
15:23
where you're ablefähig to ratePreis that frameRahmen,
359
908000
2000
wo man den Frame bewerten kann,
15:25
whichwelche helpshilft it bubbleBlase up to the topoben.
360
910000
2000
was ihn hilft bis nach oben zu tragen.
15:27
And you can alsoebenfalls see the way that it was drawngezeichnet.
361
912000
2000
Und man kan auch sehen, wie es gezeichnet worden ist.
15:29
Again, you can get the playbackWiedergabe and personalpersönlich contributionBeitrag.
362
914000
2000
Und wieder bekommt man die Wiederholung und persönlichen Informationen.
15:31
In additionZusatz to that, it's listedgelistet, the artist'sKünstler nameName, the locationLage,
363
916000
3000
Darüber hinaus sind Name, Ort des Künstler aufgelistet
15:34
how long they spentverbraucht drawingZeichnung it.
364
919000
2000
und wie lange sie daran gezeichnet haben.
15:36
And you can pickwähle a styleStil. So this one was taggedVerschlagwortet mit "AbstractAbstrakt."
365
921000
3000
Man kann auch einen Stil aussuchen. Dieses hier heisst "Abstrakt".
15:39
But there's a bunchBündel of differentanders stylesStile.
366
924000
2000
Aber da sind ein Haufen verschiedener Stile.
15:41
And you can sortSortieren the videoVideo a numberNummer of differentanders waysWege.
367
926000
2000
Und man kann das Video in einer Vielzahl verschiedener Weisen sortieren.
15:43
You can say, "I want to see the pointillistPointillismus versionVersion
368
928000
2000
Man kann sagen: "Ich will die pointillistische Version sehen."
15:45
or the sketchyskizzenhaft versionVersion or the realisticrealistische versionVersion.
369
930000
2000
oder die skizzenhafte Version oder die realistische Version.
15:47
And then this is, again, the abstractabstrakt versionVersion,
370
932000
2000
Und das ist wieder die abstrakte Version,
15:49
whichwelche endsendet up gettingbekommen a little bitBit crazyverrückt.
371
934000
3000
das am Ende etwas verrückt wird.
15:54
So the last projectProjekt I want to talk to you about is anotherein anderer collaborationZusammenarbeit with ChrisChris MilkMilch.
372
939000
3000
Das letzte Projekt, über den ich euch erzählen will, ist eine weitere Zusammenarbeit mit Chris Milk.
15:57
And this is callednamens "The WildernessWildnis DowntownInnenstadt."
373
942000
2000
Und es heisst "The Wilderness Downtown."
15:59
It's an onlineonline musicMusik- videoVideo for the ArcadeArcade FireFeuer.
374
944000
3000
Es ist ein online Musikvideo für die Band The Arcade Fire.
16:02
ChrisChris and I were really amazederstaunt
375
947000
2000
Chris und ich waren wirklich erstaunt
16:04
by the potentialPotenzial now with modernmodern webweb browsersBrowsern,
376
949000
2000
über das Potential der modernen Webbrowser,
16:06
where you have HTMLHTML5 audioAudio- and videoVideo
377
951000
2000
wo man HTML5 Audio und Video hat
16:08
and the powerLeistung of JavaScriptJavaScript to rendermachen amazinglyerstaunlich fastschnell.
378
953000
3000
und die Kraft von JavaScript um wahnsinnig schnell zu rendern.
16:11
And we wanted to pushdrücken the ideaIdee of the musicMusik- videoVideo that was meantgemeint for the WebWeb
379
956000
3000
Wir wollten die Idee des Musikvideos, das für den Web gedacht ist
16:14
beyonddarüber hinaus the four-by-threevier von drei or sixteen-by-ninesechzehn von neun windowFenster
380
959000
3000
über die 3 auf 4 oder 16/9 Fenster erweitern
16:17
and try to make it playspielen out and choreographchoreographieren throughoutwährend the screenBildschirm.
381
962000
3000
und versuchen es spielerisch über den Bildschirm zu choreografieren.
16:20
But mostdie meisten importantlywichtig, I think,
382
965000
2000
Aber ich denke am Wichtigsten ist,
16:22
we really wanted to make an experienceErfahrung that was unlikenicht wie the JohnnyJohnny CashBargeld ProjectProjekt,
383
967000
3000
dass wir wirklich eine Erfahrung machen wollten, welches anders als das Johnny Cash Projekt,
16:25
where you had a smallklein groupGruppe of people spendingAusgaben a lot of time
384
970000
3000
an welchem eine kleine Anzahl Menschen viel Zeit verbrachten,
16:28
to contributebeitragen something for everyonejeder.
385
973000
2000
um etwas für alle zu schaffen.
16:30
What if we had a very lowniedrig commitmentEngagement,
386
975000
3000
Was ist, wenn man mit einem sehr kleinen Beitrag
16:33
but deliveredgeliefert something individuallyindividuell uniqueeinzigartig to eachjede einzelne personPerson who contributedbeigetragen?
387
978000
3000
etwas individuelles, einzigartig für jede Person, die etwas beiträgt, bieten könnte?
16:36
So the projectProjekt startsbeginnt off by askingfragen you to entereingeben the addressAdresse
388
981000
2000
Dieses Projekt fängt damit an, dich nach der Adresse
16:38
of the home where you grewwuchs up.
389
983000
2000
zu fragen, wo du aufgewachsen bist.
16:40
And you typeArt in the addressAdresse --
390
985000
2000
Wenn man die Adresse eingibt,
16:42
it actuallytatsächlich createserstellt a musicMusik- videoVideo specificallyspeziell for you,
391
987000
2000
generiert es ein Video eigens für dich,
16:44
pullingziehen in GoogleGoogle mapsKarten and StreetviewStreetview imagesBilder
392
989000
2000
in dem es Google maps und Streetview Bilder
16:46
into the experienceErfahrung itselfselbst.
393
991000
2000
in die Erfahrung miteinbindet.
16:48
So this should really be seengesehen at home with you typingTippen in your ownbesitzen addressAdresse,
394
993000
3000
Das hier sollte wirklich bei euch zu Hause mit eurer eigenen Adresse angeschaut werden,
16:51
but I'm going to give you a little previewVorschau of what you can expecterwarten von.
395
996000
3000
aber ich werde euch eine kleine Vorschau von dem zeigen, was ihr erwarten könnt.
16:54
(VideoVideo) WinGewinnen ButlerButler: ♫ Now our livesLeben are changingÄndern fastschnell
396
999000
4000
(Video) Win Butler: ♫ Now our lives are changing fast ♫
16:58
♫ Now our livesLeben are changingÄndern fastschnell
397
1003000
4000
♫ Now our lives are changing fast ♫
17:02
HopeHoffnung that something purerein can last ♫
398
1007000
3000
♫ Hope that something pure can last ♫
17:06
HopeHoffnung that something purerein can last ♫
399
1011000
4000
♫ Hope that something pure can last ♫
17:13
OohOoh we used to wait ♫
400
1018000
4000
♫ Ooh we used to wait ♫
17:17
OohOoh we used to wait ♫
401
1022000
4000
♫ Ooh we used to wait ♫
17:21
OohOoh we used to wait ♫
402
1026000
3000
♫ Ooh we used to wait ♫
17:24
SometimesManchmal it never camekam
403
1029000
3000
♫ Sometimes it never came ♫
17:27
SometimesManchmal it never camekam
404
1032000
4000
♫ Sometimes it never came ♫
17:31
♫ Still movingbewegend throughdurch the painSchmerz
405
1036000
3000
♫ Still moving through the pain ♫
17:34
♫ We used to wait for it ♫
406
1039000
4000
♫ We used to wait for it ♫
17:38
♫ We used to wait for it ♫
407
1043000
4000
♫ We used to wait for it ♫
17:42
♫ We used to wait for it ♫
408
1047000
4000
♫ We used to wait for it ♫
17:50
AKAK: So I think, if there's one thing to take away from my talk todayheute,
409
1055000
3000
AK: Ich denke, wenn es eine Sache gibt, die ihr von meiner Rede heute mitnehmen sollt,
17:53
it's that an interfaceSchnittstelle can be a powerfulmächtig narrativeErzählung deviceGerät.
410
1058000
2000
ist dass ein Interface ein starkes erzählerisches Instrument sein kann.
17:55
And as we collectsammeln more and more personallypersönlich and sociallysozial relevantrelevant dataDaten,
411
1060000
4000
Und da wir mehr und mehr persönliche und sozial relevante Daten sammeln,
17:59
we have an opportunityGelegenheit, and maybe even an obligationVerpflichtung,
412
1064000
2000
haben wir die Chance, und vielleicht sogar die Pflicht,
18:01
to maintainpflegen the humanityMenschheit and tell some amazingtolle storiesGeschichten
413
1066000
2000
die Menschlichkeit zu bewahren und so manche beeindruckende Geschichten zu erzählen,
18:03
as we exploreerforschen and collaboratezusammenarbeiten togetherzusammen.
414
1068000
2000
indem wir zusammen forschen und arbeiten.
18:05
ThanksVielen Dank a lot.
415
1070000
2000
Vielen Dank.
18:07
(ApplauseApplaus)
416
1072000
4000
(Applaus)
Translated by Xiang Li
Reviewed by Lex Asobo

▲Back to top

ABOUT THE SPEAKER
Aaron Koblin - Data artist
Aaron Koblin is an artist specializing in data and digital technologies. His work takes real world and community-generated data and uses it to reflect on cultural trends and the changing relationship between humans and technology.

Why you should listen

Aaron Koblin finds art through the unlikely confluence of massive data sets and personal intimacy. His work ranges from animating the paths of every North American airline flight, to using Amazon’s Mechanical Turk crowdsourcing platform to pay workers to “draw a sheep facing left,” which were then placed in "The Sheep Market."

Koblin was creative director for Johnny Cash's final music video, "Ain't No Grave," and worked on Radiohead’s video “House of Cards,” both of which received a Grammy nomination. He is now the Creative Director of the Data Arts team in Google's Creative Lab. His team collaborated with Arcade Fire to produce an online music video that allows viewers to incorporate images of their home neighborhood into the experience using Google Street View.

More profile about the speaker
Aaron Koblin | Speaker | TED.com