ABOUT THE SPEAKER
Stephen Lawler - General manager of Microsoft's Virtual Earth
Stephen Lawler and the Virtual Earth team have created an addictively interactive 3D world that is poised to reinvent our view of advertising, gaming, weather/traffic reporting, instant messaging and more.

Why you should listen

Microsoft's Stephen Lawler offers a tour of Virtual Earth that not only reveals the power and potential of the software itself, but also gives a global glimpse of the new virtual frontier of digital globes, the 3D Web and the metaverse.

Lawler also explores the enormous effort it takes to create the fluid blending and shifting between the multiple views and resolutions of Virtual Earth. From the satellites and airplanes that gather photo data for a top-down view to the ground vehicles and headgear-wearing pedestrians who canvas the ground for an eye-level perspective -- all of it represents a monumental effort of logistics and mechanics.

More profile about the speaker
Stephen Lawler | Speaker | TED.com
TED2007

Stephen Lawler: Tour Microsoft's Virtual Earth

استفن لاولر: گشتی در «زمین مجازی مایکروسافت»

Filmed:
338,924 views

استفن لاولر از مایکروسافت گشتى گردبادگونه در «زمین مجازی» ارائه می‌کند، حرکت كردن رو به بالا، پایین و از میان نماهاى شهرى فوق ماورايى آن با شناورى خيره كننده، شاهكارى برجسته كه مقادير متناوبى از داده را براى آوردن به مركز ايجاب مى‌‌كند.
- General manager of Microsoft's Virtual Earth
Stephen Lawler and the Virtual Earth team have created an addictively interactive 3D world that is poised to reinvent our view of advertising, gaming, weather/traffic reporting, instant messaging and more. Full bio

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

00:25
What I want to talk to you about todayامروز is
0
0
3000
امروز میخوام با شما در مورد جهان‌‌های مجازی،
00:28
virtualمجازی worldsجهان ها, digitalدیجیتال globesکره زمین, the 3-D-D Webوب, the Metaverseمتاوررس.
1
3000
9000
دنیاهای دیجیتال، اینترنت سه‌بعدی و متاورس (Metaverse) صحبت کنم.
00:37
What does this all mean for us?
2
12000
2000
ولی این کلمات واقعا چه مفهومی برای ما دارند؟
00:39
What it meansبه معنای is the Webوب is going to becomeتبدیل شدن به an excitingهیجان انگیز placeمحل again.
3
14000
5000
معنایی که میدهند این است که وب دوباره به یک محیط جذاب تبدیل خواهد شد.
00:44
It's going to becomeتبدیل شدن به superفوق العاده excitingهیجان انگیز as we transformتبدیل
4
19000
3000
در همان حین که ما خودمان را با این جهان تعاملی و شدیداً همه‌جانبه
00:47
to this highlyبه شدت immersiveغواصی and interactiveدر ارتباط بودن worldجهان.
5
22000
4000
تطبیق می‌دهيم، به یک محیط بسیار مهیج تبدیل خواهد شد.
00:51
With graphicsگرافیک, computingمحاسبه powerقدرت, lowکم latenciesتأخیرها,
6
26000
3000
با گرافیک‌ها، قدرت پردازش، تاخیرهای کم،
00:54
these typesانواع of applicationsبرنامه های کاربردی and possibilitiesامکانات
7
29000
3000
این گونه برنامه‌های کاربردی و امکانات
00:57
are going to streamجریان richثروتمند dataداده ها into your livesزندگی می کند.
8
32000
5000
موجب جارى شدن اطلاعات فراوانى به درون زندگی شما مى‌‌شوند.
01:02
So the Virtualمجازی Earthزمین initiativeابتکار عمل, and other typesانواع of these initiativesابتکارات,
9
37000
5000
بنابراین ابتکار زمین مجازی و انواع دیگری از این ابداعات،
01:07
are all about extendingگسترش دادن our currentجاری searchجستجو کردن metaphorاستعاره.
10
42000
6000
همگی در رابطه با گسترش قابلیت فعلی جستجوی ما مى‌‌باشد.
01:13
When you think about it, we're so constrainedمحدود است by browsingمرور کردن the Webوب,
11
48000
3000
وقتی در موردش فکر می‌کنید، ما بواسطه مرور كردن وب،
01:16
rememberingبه یاد آوردن URLsURL ها, savingصرفه جویی در favoritesمورد علاقه های شما.
12
51000
3000
به یاد داشتن URLها، ذخیره کردن علاقه‌مندی‌ها خيلى محدود شده‌ایم.
01:19
As we moveحرکت to searchجستجو کردن, we relyتکیه on the relevanceارتباط rankingsرتبه بندی,
13
54000
3000
وقتی به سراغ جستجو می‌رویم، به رتبه‌بندی بر اساس مرتبط بودن،
01:22
the Webوب matchingتطابق, the indexشاخص crawlingخزنده.
14
57000
3000
تطبیق وب و گشتن در میان شاخص‌ها تکیه می‌کنیم.
01:25
But we want to use our brainمغز!
15
60000
2000
اما ما می‌خواهیم که از مغزمان استفاده کنیم!
01:27
We want to navigateحرکت کن, exploreکاوش کنید, discoverكشف كردن informationاطلاعات.
16
62000
3000
ما می‌خواهيم اطلاعات را پیمایش، کاوش و کشف کنیم.
01:30
In orderسفارش to do that, we have to put you as a userکاربر back in the driver'sراننده seatصندلی.
17
65000
5000
برای این کار، باید شما را به عنوان یه کاربر توی صندلی راننده قرار دهيم.
01:35
We need cooperationهمکاری betweenبین you and the computingمحاسبه networkشبکه and the computerکامپیوتر.
18
70000
4000
ما نیاز به همکاری در بین شما، شبکه پردازش و پردازش‌گر داریم.
01:39
So what better way to put you back in the driver'sراننده seatصندلی
19
74000
4000
پس چه راهی بهتر از این که شما را توی جای راننده قرار دهيم.
01:43
than to put you in the realواقعی worldجهان that you interactتعامل in everyهرکدام day?
20
78000
3000
به جای این که در دنیای واقعی‌ای که هر روز باآن تعامل دارید قرارتان دهیم؟
01:46
Why not leverageقدرت نفوذ the learningsیادگیری that you've been learningیادگیری your entireکل life?
21
81000
4000
چرا اطلاعاتی را که در تمام طول عمرتان یاد می‌گرفتید را به کار نبریم؟
01:50
So Virtualمجازی Earthزمین is about startingراه افتادن off
22
85000
3000
پس «زمین مجازی» در حال پایه‌گذاری
01:53
creatingپدید آوردن the first digitalدیجیتال representationنمایندگی, comprehensiveجامع, of the entireکل worldجهان.
23
88000
5000
ساخت اولین نمایش دیجیتال و جامع از کل جهان است.
01:58
What we want to do is mixمخلوط کردن in all typesانواع of dataداده ها.
24
93000
3000
کاری که می‌خواهیم کنیم این است که همه‌ی انواع داده‌‌ها را ترکیب کنیم.
02:01
Tagبرچسب it. Attributeصفت it. Metadataمتاداده. Get the communityجامعه to addاضافه کردن localمحلی depthعمق,
25
96000
5000
تگ بزنیمش. ویژگی‌هایی را به آن نسبت بدیم. فراداده. از جامعه برای افزودن به عمق محلی،
02:06
globalجهانی است perspectiveچشم انداز, localمحلی knowledgeدانش.
26
101000
3000
دید جهانی و دانش محلی استفاده کنیم.
02:09
So when you think about this problemمسئله,
27
104000
2000
پس وقتی به این مساله فکر می‌کنید،
02:11
what an enormousعظیم undertakingتعهد. Where do you beginشروع?
28
106000
4000
عجب مسئولیت عظیمی. از کجا باید شروع کرد؟
02:15
Well, we collectجمع کن dataداده ها from satellitesماهواره ها, from airplanesهواپیما,
29
110000
4000
خوب، ما داده‌ها را از ماهواره ها، هواپیماها،
02:19
from groundزمینی vehiclesوسايل نقليه, from people.
30
114000
3000
وسایط نقلیه‌ی زمینی و از مردم جمع‌آوری می‌کنیم.
02:22
This processروند is an engineeringمهندسی problemمسئله,
31
117000
5000
این فرآیند یك مسئله‌ی مهندسی،
02:27
a mechanicalمکانیکی problemمسئله, a logisticalلجستیکی problemمسئله, an operationalعملیاتی problemمسئله.
32
122000
4000
یك مسئله‌ی مکانیکی، یك مسئله لجستیکی و یك مسئله‌ی عملیاتی است.
02:31
Here is an exampleمثال of our aerialهوایی cameraدوربین.
33
126000
2000
این یک نمونه از دوربین‌های هوایى ماست.
02:33
This is panchromaticپانکروماتیک. It's actuallyدر واقع fourچهار colorرنگ conesمخروط ها.
34
128000
3000
این دوربین نسبت به همه رنگ‌ها حساس است. در واقع دارای چهار مخروط رنگی هست.
02:36
In additionعلاوه بر این, it's multi-spectralچند طیفی.
35
131000
2000
به علاوه، چند طیفی هم هست.
02:38
We collectجمع کن fourچهار gigabitsگیگابیت perدر هر secondدومین of dataداده ها,
36
133000
4000
ما چهار گیگابیت در ثانیه داده جمع‌آوری می‌کنیم،
02:42
if you can imagineتصور کن that kindنوع of dataداده ها streamجریان comingآینده down.
37
137000
2000
اگر بتونید چنان جریان داده‌ای را تصور کنید که در حال مخابره شدن است.
02:44
That's equivalentمعادل to a constellationصورت فلکی of 12 satellitesماهواره ها at highestبالاترین resرز capacityظرفیت.
38
139000
6000
این حجم معادل مجموع اطلاعات 12 ماهواره با بالاترین وضوح میباشد.
02:50
We flyپرواز these airplanesهواپیما at 5,000 feetپا in the airهوا.
39
145000
4000
ما این هواپیماها را در ارتفاع 5000 فوتی به پرواز در میاوریم.
02:54
You can see the cameraدوربین on the frontجلوی. We collectجمع کن multipleچندگانه viewpointsدیدگاه ها,
40
149000
3000
می‌توانید دوربین را در جلو ببینید. از زوایای دید مختلف، داده میگیریم،
02:57
vantageمزیت pointsنکته ها, anglesزاویه, texturesبافت. We bringآوردن all that dataداده ها back in.
41
152000
6000
نقاط مزیت، زوایا، بافت‌ها. ما همه‌ی آن داده‌ها رو یك جا جمع می‌کنیم.
03:03
We sitنشستن here -- you know, think about the groundزمینی vehiclesوسايل نقليه, the humanانسان scaleمقیاس --
42
158000
4000
به وسایط نقلیه زمینی فکر کنید و مقیاس انسانی.
03:07
what do you see in personفرد? We need to captureگرفتن that up closeبستن
43
162000
2000
به شخصه چه چیزی را می‌بینید؟ ما می‌خواهیم همان را از نزدیک بگیریم
03:09
to establishتاسيس كردن that what it's like-typeمانند نوع experienceتجربه.
44
164000
4000
تا همان تجربه را برای افراد دیگر فراهم کنیم.
03:13
I betشرط manyبسیاری of you have seenمشاهده گردید the Appleسیب commercialsآگهی های بازرگانی,
45
168000
4000
حتما خیلی‌هايتان تبلیغات Apple رو دیده‌اید،
03:17
kindنوع of pokingتکان دادن at the PCکامپیوتر for theirخودشان brillianceدرخشان and simplicityسادگی.
46
172000
6000
یك جوراهايى طعنه زدن به كامپيوتر شخصى به خاطر ممتاز بودن و سادگی آنهاست.
03:23
So a little unknownناشناخته secretراز is --
47
178000
2000
خب، یك راز کوچیک ناشناخته است،
03:25
did you see the one with the guy, he's got the Webوب camطب مکمل و جایگزین?
48
180000
4000
آن شخص رو با آن يارو دیدید، او يك وب‌کم دارد؟
03:29
The poorفقیر PCکامپیوتر guy. They're ductمجرا tapingضبط کردن his headسر. They're just wrappingکاغذ بسته بندی it on him.
49
184000
4000
بیچاره شخص صاحب رايانه شخصى. آنها به كله‌‌اش نوار چسب داكت چسبانده‌‌اند. در واقع فقط آن را به سرش بسته‌‌اند.
03:33
Well, a little unknownناشناخته secretراز is his brotherبرادر actuallyدر واقع worksآثار on the Virtualمجازی Earthزمین teamتیم.
50
188000
4000
خب، راز کوچک ناشناخته این است كه برادرش در واقع در تیم «زمین مجازی» کار می‌کند.
03:37
(Laughterخنده). So they'veآنها دارند got a little bitبیت of a siblingخواهر و برادر rivalryرقابت thing going on here.
51
192000
5000
(خنده حضار).خب در واقع در اينجا كمى از رقابت بردارانه را داريم.
03:42
But let me tell you -- it doesn't affectتاثیر می گذارد his day jobکار.
52
197000
2000
ولی اجازه دهيدبرايتان بگويم ب -- این تاثیری روی کار روزانه‌ش ندارد.
03:44
We think a lot of good can come from this technologyتکنولوژی.
53
199000
3000
ما خیلی به چیزهای خوبی که می‌توانند از این فناوری حاصل شوند فکر می‌کنیم.
03:47
This was after Katrinaکاترینا. We were the first commercialتجاری fleetناوگان of airplanesهواپیما
54
202000
4000
این بعد از طوفان کاترینا بود. ما اولین ناوگان تجاری از هواپیماها بودیم
03:51
to be clearedپاکسازی شده into the disasterفاجعه impactتأثیر zoneمنطقه.
55
206000
3000
برای این که در منطقه اثر بحران شفاف شود.
03:54
We flewپرواز کرد the areaمنطقه. We imagedتصویربرداری it. We sentارسال شد in people. We tookگرفت picturesتصاویر of interiorsفضای داخلی,
56
209000
5000
ما بر فراز منطقه پرواز کردیم. از آن تصویربرداری کردیم. افراد رو به داخل فرستادیم. تصاویری از فضای داخلی منطقه‌ی بحران
03:59
disasterفاجعه areasمناطق. We helpedکمک کرد with the first respondersپاسخ دهندگان, the searchجستجو کردن and rescueنجات.
57
214000
4000
گرفتیم. به اولین امدادگران برای جستجو و نجات کمک کردیم.
04:03
Oftenغالبا the first time anyoneهر کسی saw what happenedاتفاق افتاد to theirخودشان houseخانه was on Virtualمجازی Earthزمین.
58
218000
5000
غالبا اولین باری که افراد می‌دیدند چه بلایی سر خانه‌شان آمده از «زمین مجازی» بود.
04:08
We madeساخته شده it all freelyآزادانه availableدر دسترس است on the Webوب, just to --
59
223000
2000
ما آن راکاملا رایگان روی وب در دسترس قرار دادیم،
04:10
it was obviouslyبدیهی است our chanceشانس of helpingکمک out with the causeسبب می شود.
60
225000
4000
این قطعا فرصت ما برای کمک کردن در حادثه بود.
04:14
When we think about how all this comesمی آید togetherبا یکدیگر,
61
229000
3000
وقتی فکر می‌کنیم چطور همه‌ی این‌ها کنار هم جمع شد،
04:17
it's all about softwareنرم افزار, algorithmsالگوریتم ها and mathریاضی.
62
232000
4000
همه‌ش تو نرم‌افزار، الگوریتم‌ها و ریاضیات خلاصه می‌شود.
04:21
You know, we captureگرفتن this imageryتصاویر but to buildساختن the 3-D-D modelsمدل ها
63
236000
3000
می‌دانید، ما این تصاویر را گرفتیم، ولی برای ساخت مدل سه‌بعدی
04:24
we need to do geo-positioningجغرافیایی موقعیت. We need to do geo-registeringثبت نام جغرافیایی of the imagesتصاویر.
64
239000
5000
باید مکان‌یابی جغرافیایی انجام دهیم. باید ثبت جغرافیایی عکس‌ها را انجام دهيم.
04:29
We have to bundleبسته نرم افزاری adjustتنظیم کنید them. Find tieکراوات pointsنکته ها.
65
244000
2000
باید آنها را در دسته‌‌هایی با هم تطبیق دهيم. نقاط تا خوردگی را پیدا کنیم.
04:31
Extractاستخراج کردن geometryهندسه from the imagesتصاویر.
66
246000
3000
هندسه را از تصاویر استخراج کنیم.
04:34
This processروند is a very calculatedمحاسبه شد processروند.
67
249000
4000
این فرآیند پردازشى بسیار محاسبه شده است.
04:38
In factواقعیت, it was always doneانجام شده manualکتابچه راهنمای.
68
253000
1000
در واقع، این همیشه به صورت دستی انجام می‌شد.
04:39
Hollywoodهالیوود would spendخرج کردن millionsمیلیون ها نفر of dollarsدلار to do a smallکوچک urbanشهری corridorراهرو
69
254000
4000
هالیوود میلیون‌ها دلار خرج می‌کند تا برای یك فیلم راهروی شهری کوچكى
04:43
for a movieفیلم سینما because they'dآنها می خواهند have to do it manuallyبه صورت دستی.
70
258000
3000
درست کند چون باید دستی انجامش دهند.
04:46
They'dآنها می خواهند driveراندن the streetsخیابان ها with lasersلیزرها calledبه نام LIDARلیادور.
71
261000
2000
آنها به خیابان‌ها می‌روند با لیزرهایی به اسم LIDAR.
04:48
They'dآنها می خواهند collectedجمع آوری شده informationاطلاعات with photosعکس ها. They'dآنها می خواهند manuallyبه صورت دستی buildساختن eachهر یک buildingساختمان.
72
263000
4000
آنهنا اطلاعات را با عکس‌ها جمع‌آوری می‌کنند هر ساختمان را باید دستی بسازند.
04:52
We do this all throughاز طریق softwareنرم افزار, algorithmsالگوریتم ها and mathریاضی --
73
267000
2000
ما همین را تماماً از طریق نرم‌افزار، الگوریتم‌ها و ریاضیات انجام می‌دهیم--
04:54
a highlyبه شدت automatedخودکار pipelineخط لوله creatingپدید آوردن these citiesشهرها.
74
269000
3000
خط لوله‌ی بسیار اتوماتیک شده‌ای که این شهرها را می‌سازد.
04:57
We tookگرفت a decimalدهدهی pointنقطه off what it costهزینه to buildساختن these citiesشهرها,
75
272000
3000
ما يك اعشار از آنچه هزينه ساخت اين شهرها مى‌‌شود را بر مى‌‌داريم.
05:00
and that's how we're going to be ableتوانایی to scaleمقیاس this out and make this realityواقعیت a dreamرویا.
76
275000
4000
و به اين ترتيب است كه قادر به سنجيدن و تبديل اين واقعيت به رويا خواهيم شد.
05:04
We think about the userکاربر interfaceرابط.
77
279000
2000
در در مورد رابط کاربری فکر می‌کنیم.
05:06
What does it mean to look at it from multipleچندگانه perspectivesدیدگاه ها?
78
281000
3000
نگاه كردن به آن از ديدگاه‌‌هاى متعدد چه معنى مى‌‌دهد؟
05:09
An ortho-viewortho-view, a nadir-viewنمای نزدیک. How do you keep the precisionدقت of the fidelityوفاداری of the imageryتصاویر
79
284000
5000
يك نگاه عمودى، نگاهى از پايين‌‌ترين نقطه. چطور دقت وفادارى شبيه سازى را
05:14
while maintainingنگهداری the fluidityسیالیت of the modelمدل?
80
289000
4000
حفظ كنيد در حاليكه شناورى مدل را نگه مى‌كنيد ؟
05:18
I'll wrapبسته بندی کردن up by showingنشان دادن you the --
81
293000
2000
با نشان دادن اين به شما صحبتم را تمام مى‌‌كنم--
05:20
this is a brand-newبا نام تجاری جدید peekزیرچشمی نگاه کردن I haven'tنه really shownنشان داده شده into the labآزمایشگاه areaمنطقه of Virtualمجازی Earthزمین.
82
295000
4000
اين نگاه زيرزيركى دستِ اولى است كه من واقعاً در حوزه آزمايشگاهى زمين مجازى نشان نداده‌ام.
05:24
What we're doing is -- people like this a lot,
83
299000
3000
كارى كه مى‌‌كنيم -- آدمها اين را خيلى دوست دارند،
05:27
this bird'sپرنده ها eyeچشم imageryتصاویر we work with. It's this highبالا resolutionوضوح dataداده ها.
84
302000
3000
اين چشم پرنده خيالى كه با آن كار مى‌‌كنيم. اين داده داراى وضوح بالاست.
05:30
But what we'veما هستیم foundپیدا شد is they like the fluidityسیالیت of the 3-D-D modelمدل.
85
305000
4000
ولی چیزی که ما فهمیدیم این است که آنها شناوری مدل سه‌بعدی را دوست دارد.
05:34
A childکودک can navigateحرکت کن with an Xboxایکس باکس controllerکنترل کننده or a gameبازی controllerکنترل کننده.
86
309000
4000
یك بچه می‌تواندبا دسته‌ی Xbox یا هر دسته‌ی بازی هدايت کند.
05:38
So here what we're tryingتلاش کن to do is we bringآوردن the pictureعکس and projectپروژه it into the 3-D-D modelمدل spaceفضا.
87
313000
5000
بنابراين اينجا چيزى كه ما سعى داريم انجام دهيم اين است كه تصوير را بياوريم و در درون فضاى مدل سه بعدى قرار دهيم.
05:43
You can see all typesانواع of resolutionوضوح. From here, I can slowlyبه آرامی panماهی تابه the imageتصویر over.
88
318000
6000
مى‌‌توانيد همه انواع وضوح را ببينيد. از اينجا، مى‌‌توانم تصوير را به آرامى بكشيم.
05:49
I can get the nextبعد imageتصویر. I can blendمخلوط کردن and transitionگذار.
89
324000
3000
مى‌‌توانم تصوير بعدى را بگيرم. مى‌‌توانم آن را بياميزم و تغيير دهم.
05:52
By doing this I don't loseاز دست دادن the originalاصلی detailجزئیات. In factواقعیت, I mightممکن be recordingضبط historyتاریخ.
90
327000
5000
با انجام این کار، جزئیات اصلی را از دست نمی‌دهم. در واقع، شاید دارم تاریخ را ثبت می‌کنم.
05:57
The freshnessخنکی, the capacityظرفیت. I can turnدور زدن this imageتصویر.
91
332000
3000
تازگى، قابليت. مى‌‌توانم اين تصوير را برگردانم.
06:00
I can look at it from multipleچندگانه viewpointsدیدگاه ها and anglesزاویه.
92
335000
3000
مى‌‌توانم به آن از زوايا و نقطه‌‌نظرهاى چندگانه بنگرم.
06:03
What we're tryingتلاش کن to do is buildساختن a virtualمجازی worldجهان.
93
338000
3000
چيزى كه ما تلاش در انجام آن داريم، ساختن دنيايى مجازى است.
06:06
We hopeامید that we can make computingمحاسبه a userکاربر modelمدل you're familiarآشنا with,
94
341000
5000
ما اميدواريم كه بتوانيم استفاده از كامپيوتر را بعنوان يك الگوى كاربرى طورى بسازيم كه شما با آن آشناييد،
06:11
and really deriveاستخراج insightsبینش from you, from all differentناهمسان directionsجهت ها.
95
346000
4000
و به واقع استخراج كننده بصيرت از درون شما و از كليه جهت‌‌هاى مختلف باشد.
06:15
I thank you very much for your time.
96
350000
2000
از وقتی که گذاشتید بسیار ممنونم.
06:17
(Applauseتشویق و تمجید)
97
352000
1000
(تشویق حضار)
Translated by Leila Ataei
Reviewed by Shahram Eatezadi

▲Back to top

ABOUT THE SPEAKER
Stephen Lawler - General manager of Microsoft's Virtual Earth
Stephen Lawler and the Virtual Earth team have created an addictively interactive 3D world that is poised to reinvent our view of advertising, gaming, weather/traffic reporting, instant messaging and more.

Why you should listen

Microsoft's Stephen Lawler offers a tour of Virtual Earth that not only reveals the power and potential of the software itself, but also gives a global glimpse of the new virtual frontier of digital globes, the 3D Web and the metaverse.

Lawler also explores the enormous effort it takes to create the fluid blending and shifting between the multiple views and resolutions of Virtual Earth. From the satellites and airplanes that gather photo data for a top-down view to the ground vehicles and headgear-wearing pedestrians who canvas the ground for an eye-level perspective -- all of it represents a monumental effort of logistics and mechanics.

More profile about the speaker
Stephen Lawler | Speaker | TED.com