ABOUT THE SPEAKER
Luis von Ahn - Computer scientist
Luis von Ahn builds systems that combine humans and computers to solve large-scale problems that neither can solve alone.

Why you should listen

Louis von Ahn is an associate professor of Computer Science at Carnegie Mellon University, and he's at the forefront of the crowdsourcing craze. His work takes advantage of the evergrowing Web-connected population to acheive collaboration in unprecedented numbers. His projects aim to leverage the crowd for human good. His company reCAPTCHA, sold to Google in 2009, digitizes human knowledge (books), one word at a time. His new project is Duolingo, which aims to get 100 million people translating the Web in every major language.

More profile about the speaker
Luis von Ahn | Speaker | TED.com
TEDxCMU

Luis von Ahn: Massive-scale online collaboration

לואיס וון אן

Filmed:
1,740,008 views

לאחר שעידכן את מערכת CAPTCHA כך שכל שימוש בה עוזר להפוך ספרים לדיגיטליים, לואיס וון אן תהה כיצד עוד ניתן להשתמש לטובת הכלל בתרומות קטנות של המוני משתמשים. בTEDxCMU הוא מתאר כיצד הפרוייקט החדש והשאפתני שלו, דואולינגו, יעזור למליונים ללמוד שפה חדשה תוך כדי שהם מתרגמים את האינטרנט במהירות ובמדוייק -- וכל זה, בחינם.
- Computer scientist
Luis von Ahn builds systems that combine humans and computers to solve large-scale problems that neither can solve alone. Full bio

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

00:15
How manyרב of you had to fillלמלא out some sortסוג of webאינטרנט formטופס
0
0
2000
כמה מכם כבר נאלצו למלא טופס אינטרנטי
00:17
where you've been askedשאל to readלקרוא a distortedמְעוּוָת sequenceסדר פעולות of charactersדמויות like this?
1
2000
2000
בו התבקשתם לקרוא סדרת אותיות מעוותות כזאת?
00:19
How manyרב of you foundמצאתי it really, really annoyingמְעַצבֵּן?
2
4000
2000
כמה מכם חשבו שזה ממש ממש מעצבן?
00:21
Okay, outstandingיוצא מן הכלל. So I inventedבדוי that.
3
6000
3000
טוב. נהדר. אז אני המצאתי את זה.
00:24
(Laughterצחוק)
4
9000
2000
(צחוק)
00:26
Or I was one of the people who did it.
5
11000
2000
או, שהייתי אחד מהממציאים.
00:28
That thing is calledשקוראים לו a CAPTCHAקפטצ'ה.
6
13000
2000
לדבר הזה קוראים CAPTCHA (קאפצ'ה)
00:30
And the reasonסיבה it is there is to make sure you, the entityיֵשׁוּת fillingמילוי out the formטופס,
7
15000
2000
והוא נמצא שם על מנת לוודא שאתם, היישות שממלאת את הטופס,
00:32
are actuallyלמעשה a humanבן אנוש and not some sortסוג of computerמַחשֵׁב programתָכְנִית
8
17000
3000
הינה למעשה אדם ולא איזו תוכנת מחשב
00:35
that was writtenכתוב to submitשלח the formטופס millionsמיליונים and millionsמיליונים of timesפִּי.
9
20000
2000
שנכתבה ע"מ לשלוח את הטופס מליוני ומליוני פעמים.
00:37
The reasonסיבה it worksעובד is because humansבני אנוש,
10
22000
2000
הסיבה שבגללה זה עובד היא שלאנשים,
00:39
at leastהכי פחות non-visually-impairedלא לקויי ראייה humansבני אנוש,
11
24000
2000
לפחות לאנשים ללא בעיות ראייה,
00:41
have no troubleצרות readingקריאה these distortedמְעוּוָת squigglyצווחנית charactersדמויות,
12
26000
2000
אין בעיה לקרוא את האותיות המעוותות האלה,
00:43
whereasואילו computerמַחשֵׁב programsתוכניות simplyבפשטות can't do it as well yetעדיין.
13
28000
3000
אבל תוכנות מחשב פשוט אינן עושות זאת מספיק טוב עדיין
00:46
So for exampleדוגמא, in the caseמקרה of Ticketmasterמנהל,
14
31000
2000
אז למשל, במקרה של טיקטמאסטר,
00:48
the reasonסיבה you have to typeסוּג these distortedמְעוּוָת charactersדמויות
15
33000
2000
הסיבה שבגללה עליכם להקליד את האותיות המעוותות האלה
00:50
is to preventלִמְנוֹעַ scalpersscalpers from writingכְּתִיבָה a programתָכְנִית
16
35000
2000
היא למנוע מספסרים לכתוב תוכנה
00:52
that can buyלִקְנוֹת millionsמיליונים of ticketsכרטיסים, two at a time.
17
37000
2000
שיכולה לקנות מליוני כרטיסים, שניים בכל פעם.
00:54
CAPTCHAsקפטצ'ים are used all over the Internetאינטרנט.
18
39000
2000
קאפצ'ות נמצאות בשימוש בכל רחבי האינטרנט.
00:56
And sinceמאז they're used so oftenלעתים קרובות,
19
41000
2000
וכיוון שהן בשימוש כה תכוף,
00:58
a lot of timesפִּי the preciseמְדוּיָק sequenceסדר פעולות of randomאַקרַאִי charactersדמויות that is shownמוצג to the userמִשׁתַמֵשׁ
20
43000
2000
הרבה פעמים צירוף האותיות האקראי המוצג למשתמש
01:00
is not so fortunateבַּר מַזָל.
21
45000
2000
אינו כל כך מזהיר
01:02
So this is an exampleדוגמא from the YahooYahoo registrationהַרשָׁמָה pageעמוד.
22
47000
3000
זו דוגמה מעמוד ההרשמה של יאהוו.
01:05
The randomאַקרַאִי charactersדמויות that happenedקרה to be shownמוצג to the userמִשׁתַמֵשׁ
23
50000
2000
האותיות האקראיות שהוצגו למשתמש
01:07
were W, A, I, T, whichאיזה, of courseקוּרס, spellלַחַשׁ a wordמִלָה.
24
52000
3000
היו W, A, I, T אשר, כמובן, מאייתות מילה. ("המתן")
01:10
But the bestהטוב ביותר partחֵלֶק is the messageהוֹדָעָה
25
55000
3000
אבל החלק הכי טוב הוא ההודעה
01:13
that the YahooYahoo help deskשׁוּלְחָן כְּתִיבָה got about 20 minutesדקות laterיותר מאוחר.
26
58000
3000
שקיבלה מערכת התמיכה של יאהוו כעבור 20 דקות.
01:16
Textטֶקסט: "Help! I've been waitingהַמתָנָה for over 20 minutesדקות, and nothing happensקורה."
27
61000
3000
"הצילו! אני מחכה כבר 20 דקות, וכלום לא קורה."
01:19
(Laughterצחוק)
28
64000
4000
(צחוק)
01:23
This personאדם thought they neededנָחוּץ to wait.
29
68000
2000
המשתמש הזה חשב שעליו לחכות.
01:25
This of courseקוּרס, is not as badרַע as this poorעני personאדם.
30
70000
3000
וזה לא כל כך נורא כמו המשתמש האומלל הזה.
01:28
(Laughterצחוק)
31
73000
2000
(צחוק)
01:30
CAPTCHAקפטצ'ה Projectפּרוֹיֶקט is something that we did here at Carnegieקרנגי Melllonמלון over 10 yearsשנים agoלִפנֵי,
32
75000
3000
פרוייקט קפאצ'ה הוא משהו שהתחלנו כאן באוניברסיטת קרנגי-מלון לפני יותר מ10 שנים,
01:33
and it's been used everywhereבכל מקום.
33
78000
2000
והוא בשימוש בכל מקום.
01:35
Let me now tell you about a projectפּרוֹיֶקט that we did a fewמְעַטִים yearsשנים laterיותר מאוחר,
34
80000
2000
תנו לי לספר לכם על פרוייקט שערכנו כמה שנים אח"כ
01:37
whichאיזה is sortסוג of the nextהַבָּא evolutionאבולוציה of CAPTCHAקפטצ'ה.
35
82000
3000
שהוא מעיין השלב האבולוציוני הבא של קאפצ'ה.
01:40
This is a projectפּרוֹיֶקט that we call reCAPTCHAreCAPTCHA,
36
85000
2000
זה פרוייקט שאנחנו מכנים reCAPTCHA (רי-קאפצ'ה),
01:42
whichאיזה is something that we startedהתחיל here at Carnegieקרנגי Mellonמלון,
37
87000
2000
והוא משהו שהתחלנו כאן, בקרנגי-מלון,
01:44
then we turnedפנה it into a startupסטארט - אפ companyחֶברָה.
38
89000
2000
ואז הפכנו אותו לחברת סטארט-אפ.
01:46
And then about a yearשָׁנָה and a halfחֲצִי agoלִפנֵי,
39
91000
2000
ואז, לפני כשנה וחצי,
01:48
GoogleGoogle actuallyלמעשה acquiredנרכש this companyחֶברָה.
40
93000
2000
גוגל רכשה את החברה.
01:50
So let me tell you what this projectפּרוֹיֶקט startedהתחיל.
41
95000
2000
אז תנו לי לספר לכם ממה הפרוייקט הזה התחיל.
01:52
So this projectפּרוֹיֶקט startedהתחיל from the followingהבא realizationהִתמַמְשׁוּת:
42
97000
3000
אז הפרוייקט הזה התחיל מההבנה הבאה:
01:55
It turnsפונה out that approximatelyבְּעֵרֶך 200 millionמִילִיוֹן CAPTCHAsקפטצ'ים
43
100000
2000
מסתבר שכ200 מליון קפאצ'ות
01:57
are typedהקלדת everydayכל יום by people around the worldעוֹלָם.
44
102000
3000
מוזנות בכל יום ע"י אנשים מסביב לעולם.
02:00
When I first heardשמע this, I was quiteדַי proudגאה of myselfעצמי.
45
105000
2000
ככשמעתי זאת לראשונה הייתי דיי גאה בעצמי.
02:02
I thought, look at the impactפְּגִיעָה that my researchמחקר has had.
46
107000
2000
חשבתי, ראו איזו השפעה היתה למחקר שלי.
02:04
But then I startedהתחיל feelingמַרגִישׁ badרַע.
47
109000
2000
אבל אז התחלתי להרגיש לא נעים.
02:06
See here'sהנה the thing, eachכל אחד time you typeסוּג a CAPTCHAקפטצ'ה,
48
111000
2000
וזה העניין, בכל פעם שאתם ממלאים קאפצ'ה,
02:08
essentiallyלמעשה you wasteמבזבז 10 secondsשניות of your time.
49
113000
3000
אתם למעשה מבזבזים 10 שניות מזמנכם.
02:11
And if you multiplyלְהַכפִּיל that by 200 millionמִילִיוֹן,
50
116000
2000
ואם מכפילים את זה ב200 מליון,
02:13
you get that humanityאֶנוֹשִׁיוּת as a wholeכֹּל is wastingמְבַזבֵּז about 500,000 hoursשעות everyכֹּל day
51
118000
3000
מקבלים שהאנושות כולה מבזבזת כ 500,000 שעות כל יום
02:16
typingהקלדה these annoyingמְעַצבֵּן CAPTCHAsקפטצ'ים.
52
121000
2000
בהזינה את הקאפצ'ות המעצבנות האלה.
02:18
So then I startedהתחיל feelingמַרגִישׁ badרַע.
53
123000
2000
ואז התחלתי להרגיש לא נעים.
02:20
(Laughterצחוק)
54
125000
2000
(צחוק)
02:22
And then I startedהתחיל thinkingחושב, well, of courseקוּרס, we can't just get ridלְשַׁחְרֵר of CAPTCHAsקפטצ'ים,
55
127000
3000
ואז חשבתי, כמובן אי אפשר פשוט להיפטר מהקאפצ'ות האלה,
02:25
because the securityבִּטָחוֹן of the Webאינטרנט sortסוג of dependsתלוי on them.
56
130000
2000
כי בטיחות הרשת דיי תלויה בהם
02:27
But then I startedהתחיל thinkingחושב, is there any way we can use this effortמַאֲמָץ
57
132000
3000
אבל אז התחלתי לחשוב, האם יש דרך בה אפשר לרתום את המאמץ הזה
02:30
for something that is good for humanityאֶנוֹשִׁיוּת?
58
135000
2000
למטרה שתהיה טובה לאנושות?
02:32
So see, here'sהנה the thing.
59
137000
2000
אז ראו, זה העניין,
02:34
While you're typingהקלדה a CAPTCHAקפטצ'ה, duringבְּמַהֲלָך those 10 secondsשניות,
60
139000
2000
בזמן שאתם מקלידים קאפצ'ה, באותן 10 שניות,
02:36
your brainמוֹחַ is doing something amazingמדהים.
61
141000
2000
מוחכם עושה דבר מדהים
02:38
Your brainמוֹחַ is doing something that computersמחשבים cannotלא יכול yetעדיין do.
62
143000
2000
מוחכם עושה דבר שמחשבים עדיין אינם מסוגלים ךעשות
02:40
So can we get you to do usefulמוֹעִיל work for those 10 secondsשניות?
63
145000
3000
אז האם נוכל נוכל לגרום לכם לעשות משהו מועיל באותן 10 שניות?
02:43
Anotherאַחֵר way of puttingלשים it is,
64
148000
2000
דרך אחרת לתאר זאת היא,
02:45
is there some humongousענק problemבְּעָיָה that we cannotלא יכול yetעדיין get computersמחשבים to solveלִפְתוֹר,
65
150000
2000
האם יש בעיה ענקית שעדיין איננו יכולים לפתור באמצעות מחשבים,
02:47
yetעדיין we can splitלְפַצֵל into tinyזָעִיר 10-second chunksגושים
66
152000
3000
אבל אפשר לחלקה לחתיכות קטנות של 10 שניות
02:50
suchכגון that eachכל אחד time somebodyמִישֶׁהוּ solvesפותר a CAPTCHAקפטצ'ה
67
155000
2000
כך שבכל פעם שמישהו פותר קאפצ'ה
02:52
they solveלִפְתוֹר a little bitbit of this problemבְּעָיָה?
68
157000
2000
הוא פותר חתיכה קטנה מהבעיה?
02:54
And the answerתשובה to that is "yes," and this is what we're doing now.
69
159000
2000
והתשובה לכך היא "כן", וזה מה שאנחנו עושים עכשיו.
02:56
So what you mayמאי not know is that nowadaysכַּיוֹם while you're typingהקלדה a CAPTCHAקפטצ'ה,
70
161000
3000
ומה שאולי אינכם יודעים הוא שבזמן שאתם פותרים קאפצ'ה,
02:59
not only are you authenticatingאימות yourselfעַצמְךָ as a humanבן אנוש,
71
164000
2000
אתם לא רק מאמתים את זהותכם כבן-אדם,
03:01
but in additionבנוסף you're actuallyלמעשה helpingמָנָה us to digitizeלְסַפְרֵת booksספרים.
72
166000
2000
אבל למעשה אתם עוזרים לנו להפוך ספרים לדיגיטליים.
03:03
So let me explainלהסביר how this worksעובד.
73
168000
2000
אז תנו לי להסביר איך זה עובד.
03:05
So there's a lot of projectsפרויקטים out there tryingמנסה to digitizeלְסַפְרֵת booksספרים.
74
170000
2000
אז יש הרבה פרוייקטים שמנסים להפוך ספרים לדיגיטליים.
03:07
GoogleGoogle has one. The Internetאינטרנט Archiveארכיון has one.
75
172000
3000
לגוגל יש אחד. לארכיון האינטרנט יש אחד.
03:10
Amazonאֲמָזוֹנָה, now with the Kindleלְלַבּוֹת, is tryingמנסה to digitizeלְסַפְרֵת booksספרים.
76
175000
2000
אמזון, עכשיו עם הקינדל, מנסה להפוך ספרים לדיגיטליים.
03:12
Basicallyבעיקרון the way this worksעובד
77
177000
2000
איך שזה עובד בעיקרון
03:14
is you startהַתחָלָה with an oldישן bookסֵפֶר.
78
179000
2000
זה שמתחילים עם ספר ישן.
03:16
You've seenלראות those things, right? Like a bookסֵפֶר?
79
181000
2000
ראיתם דבר כזה, כן? כאילו ספר?
03:18
(Laughterצחוק)
80
183000
2000
(צחוק)
03:20
So you startהַתחָלָה with a bookסֵפֶר, and then you scanלִסְרוֹק it.
81
185000
2000
אז מתחילים עם ספר, ואז סורקים אותו.
03:22
Now scanningסריקה a bookסֵפֶר
82
187000
2000
לסרוק ספר
03:24
is like takingלְקִיחָה a digitalדִיגִיטָלי photographתַצלוּם of everyכֹּל pageעמוד of the bookסֵפֶר.
83
189000
2000
זה כמו לצלם צילום דיגיטלי של כל עמוד בספר.
03:26
It givesנותן you an imageתמונה for everyכֹּל pageעמוד of the bookסֵפֶר.
84
191000
2000
מפיקים כך תמונה של כל עמוד בספר.
03:28
This is an imageתמונה with textטֶקסט for everyכֹּל pageעמוד of the bookסֵפֶר.
85
193000
2000
זאת תמונה עם טקסט עבור כל עמוד בספר.
03:30
The nextהַבָּא stepשלב in the processתהליך
86
195000
2000
השלב הבא בתהליך
03:32
is that the computerמַחשֵׁב needsצרכי to be ableיכול to decipherלְפַעֲנֵחַ all of the wordsמילים in this imageתמונה.
87
197000
3000
הוא שהמחשב צריך להצליח לפענח את כל המילים בתמונה.
03:35
That's usingמבנה יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוני a technologyטֶכנוֹלוֹגִיָה calledשקוראים לו OCROCR,
88
200000
2000
זאת ע"י שימוש בטכנולוגיה הנקראת OCR (או-סי-אר)
03:37
for opticalאוֹפּטִי characterאופי recognitionהַכָּרָה,
89
202000
2000
כמלומר זיהוי אותיות אופטי,
03:39
whichאיזה takes a pictureתְמוּנָה of textטֶקסט
90
204000
2000
אשר מעבדת תמונה של טקסט
03:41
and triesמנסה to figureדמות out what textטֶקסט is in there.
91
206000
2000
ומנסה להבין איזה טקסט נמצא בה.
03:43
Now the problemבְּעָיָה is that OCROCR is not perfectמושלם.
92
208000
2000
עכשיו, הבעיה היא שOCR אינו מושלם.
03:45
Especiallyבמיוחד for olderישן יותר booksספרים
93
210000
2000
בייחוד עבור ספרים ישנים
03:47
where the inkדְיוֹ has fadedדהה and the pagesדפים have turnedפנה yellowצהוב,
94
212000
3000
שבהם הדיו דהה והדפים הצהיבו,
03:50
OCROCR cannotלא יכול recognizeלזהות a lot of the wordsמילים.
95
215000
2000
OCR לא מצליח לזהות רבות מהמילים.
03:52
For exampleדוגמא, for things that were writtenכתוב more than 50 yearsשנים agoלִפנֵי,
96
217000
2000
למשל, בדברים שנכתבו לפני יותר מ50 שנה,
03:54
the computerמַחשֵׁב cannotלא יכול recognizeלזהות about 30 percentאָחוּז of the wordsמילים.
97
219000
3000
המחשב אינו מצליח לזהות כ30 אחוז מהמילים.
03:57
So what we're doing now
98
222000
2000
אז מה שאנחנו עושים עכשיו
03:59
is we're takingלְקִיחָה all of the wordsמילים that the computerמַחשֵׁב cannotלא יכול recognizeלזהות
99
224000
2000
זה שאנחנו לוקחים את כל המילים שהמחשב לא מצליח לזהות
04:01
and we're gettingמקבל people to readלקרוא them for us
100
226000
2000
ואנחנו נעזרים באנשים שיקראו לנו אותן
04:03
while they're typingהקלדה a CAPTCHAקפטצ'ה on the Internetאינטרנט.
101
228000
2000
בזמן שהם מקלידים קאפצ'ה באינטרנט.
04:05
So the nextהַבָּא time you typeסוּג a CAPTCHAקפטצ'ה, these wordsמילים that you're typingהקלדה
102
230000
3000
אז בפעם הבאה שאתם מקלידים קאפצ'ה, המילים האלה שאתם מקלידים
04:08
are actuallyלמעשה wordsמילים that are comingמגיע from booksספרים that are beingלהיות digitizedדיגיטציה
103
233000
3000
הן למעשה מילים המגיעות מספרים שהופכים לדיגיטליים
04:11
that the computerמַחשֵׁב could not recognizeלזהות.
104
236000
2000
אשר המחשב לא הצליח לזהות.
04:13
And now the reasonסיבה we have two wordsמילים nowadaysכַּיוֹם insteadבמקום זאת of one
105
238000
2000
והסיבה שבגללה יש לנו שתי מילים במקום אחת בימים אלה
04:15
is because, you see, one of the wordsמילים
106
240000
2000
היא שאחת מהמילים
04:17
is a wordמִלָה that the systemמערכת just got out of a bookסֵפֶר,
107
242000
2000
היא מילה שהמערכת קיבלה מספר,
04:19
it didn't know what it was, and it's going to presentמתנה it to you.
108
244000
3000
היא לא זיהתה אותה והיא הולכת להציג לכם אותה.
04:22
But sinceמאז it doesn't know the answerתשובה for it, it cannotלא יכול gradeכיתה it for you.
109
247000
3000
אבל כיוון שאינה יודעת את התשובה היא אינה יכולה לציין את תשובתכם.
04:25
So what we do is we give you anotherאַחֵר wordמִלָה,
110
250000
2000
אז אנחנו מציגים לכם מילה נוספת,
04:27
one for whichאיזה the systemמערכת does know the answerתשובה.
111
252000
2000
מילה שעבורה המערכת יודעת את התשובה.
04:29
We don't tell you whichאיזה one'sיחידות whichאיזה, and we say, please typeסוּג bothשניהם.
112
254000
2000
אנחנו לא מגלים לכם איזו היא איזו, ומבקשים אנא הקלידו את שתיהן.
04:31
And if you typeסוּג the correctנכון wordמִלָה
113
256000
2000
ואם אתם מקלידים את המילה הנכונה
04:33
for the one for whichאיזה the systemמערכת alreadyכְּבָר knowsיודע the answerתשובה,
114
258000
2000
עבור המילה שהמערכת יודעת את התשובה שלה,
04:35
it assumesמניח you are humanבן אנוש,
115
260000
2000
היא מניחה שאתם בני אדם,
04:37
and it alsoגַם getsמקבל some confidenceאֵמוּן that you typedהקלדת the other wordמִלָה correctlyבצורה נכונה.
116
262000
2000
וגם שואבת ביטחון מסויים שהקלדתם נכון את המילה השנייה.
04:39
And if we repeatחזור this processתהליך to like 10 differentשונה people
117
264000
3000
ואם נחזור על התהליך לכ10 אנשים שונים
04:42
and all of them agreeלְהַסכִּים on what the newחָדָשׁ wordמִלָה is,
118
267000
2000
וכולם יסכימו מה המילה,
04:44
then we get one more wordמִלָה digitizedדיגיטציה accuratelyבמדויק.
119
269000
2000
אז הצלחנו להפוך מילה נוספת לדיגיטלית.
04:46
So this is how the systemמערכת worksעובד.
120
271000
2000
וכך המערכת עובדת.
04:48
And basicallyבעיקרון, sinceמאז we releasedמְשׁוּחרָר it about threeשְׁלוֹשָׁה or fourארבעה yearsשנים agoלִפנֵי,
121
273000
3000
ובעיקרון, מאז ששיחררנו אותה לפני כשלוש או ארבע שנים,
04:51
a lot of websitesאתרי אינטרנט have startedהתחיל switchingמיתוג
122
276000
2000
הרבה אתרים עברו משימוש
04:53
from the oldישן CAPTCHAקפטצ'ה where people wastedמבוזבז theirשֶׁלָהֶם time
123
278000
2000
בקפאצ'ה הישנה בה אנשים בזבזו את זמנם
04:55
to the newחָדָשׁ CAPTCHAקפטצ'ה where people are helpingמָנָה to digitizeלְסַפְרֵת booksספרים.
124
280000
2000
לקאפצ'ה החדשה, בה אנשים עוזרים להפוך ספרים לדיגיטליים.
04:57
So for exampleדוגמא, Ticketmasterמנהל.
125
282000
2000
אז לדוגמא, טיקטמאסטר (Tickermaster).
04:59
So everyכֹּל time you buyלִקְנוֹת ticketsכרטיסים on Ticketmasterמנהל, you help to digitizeלְסַפְרֵת a bookסֵפֶר.
126
284000
3000
בכל פעם שאתם קונים כרטיסים בטיקט מאסטר אתם עוזרים להפוך ספרים לדיגיטליים.
05:02
Facebookפייסבוק: Everyכֹּל time you addלְהוֹסִיף a friendחָבֵר or pokeלִתְקוֹעַ somebodyמִישֶׁהוּ,
127
287000
2000
פייסבוק: בכל פעם שאתם מוסיפים חבר או עושים פוק למישהו,
05:04
you help to digitizeלְסַפְרֵת a bookסֵפֶר.
128
289000
2000
אתם עוזרים להפוך ספרים לדיגיטליים.
05:06
Twitterטוויטר and about 350,000 other sitesאתרים are all usingמבנה יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוני reCAPTCHAreCAPTCHA.
129
291000
3000
טוויטר וכ350,000 אתרים אחרים משתמשים כולם ברי-קאפצ'ה.
05:09
And in factעוּבדָה, the numberמספר of sitesאתרים that are usingמבנה יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוני reCAPTCHAreCAPTCHA is so highגָבוֹהַ
130
294000
2000
ולמעשה, מספר האתרים המשתמשים ברי-קאפצ'ה הוא כה גבוה
05:11
that the numberמספר of wordsמילים that we're digitizingדיגיטציה perלְכָל day is really, really largeגָדוֹל.
131
296000
3000
שמספר המילים שאנחנו הופכים לדיגיטליות הוא ממש ממש גדול.
05:14
It's about 100 millionמִילִיוֹן a day,
132
299000
2000
הוא כ100 מליון ביום,
05:16
whichאיזה is the equivalentהמקבילה of about two and a halfחֲצִי millionמִילִיוֹן booksספרים a yearשָׁנָה.
133
301000
4000
שזה שווה ערך לכשניים וחצי מליון ספרים בשנה.
05:20
And this is all beingלהיות doneבוצע one wordמִלָה at a time
134
305000
2000
וכל זה נעשה מילה אחת בכל פעם
05:22
by just people typingהקלדה CAPTCHAsקפטצ'ים on the Internetאינטרנט.
135
307000
2000
ע"י אנשים שפשוט מקלידים קאפצ'ה באינטרנט.
05:24
(Applauseתְשׁוּאוֹת)
136
309000
8000
(תשואות)
05:32
Now of courseקוּרס,
137
317000
2000
עכשיו כמובן,
05:34
sinceמאז we're doing so manyרב wordsמילים perלְכָל day,
138
319000
2000
כיוון שאחנו עושים כ"כ הרבה מילים בכל יום,
05:36
funnyמצחיק things can happenלִקְרוֹת.
139
321000
2000
דברים מצחיקים יכולים לקרות.
05:38
And this is especiallyבמיוחד trueנָכוֹן because now we're givingמַתָן people
140
323000
2000
וזה עוד יותר נכון כי עכשיו אנחנו נותנים לאנשים
05:40
two randomlyבאופן אקראי chosenנִבחָר Englishאנגלית wordsמילים nextהַבָּא to eachכל אחד other.
141
325000
2000
שתי מילים אקראיות באנגלית אחת ליד השניה.
05:42
So funnyמצחיק things can happenלִקְרוֹת.
142
327000
2000
אז דברים מצחיקים יכולים לקרות.
05:44
For exampleדוגמא, we presentedמוצג this wordמִלָה.
143
329000
2000
למשל, הצגנו את המילה הזאת.
05:46
It's the wordמִלָה "Christiansנוצרים"; there's nothing wrongלא בסדר with it.
144
331000
2000
זאת המילה "נוצרים" אין עם זה בעיה.
05:48
But if you presentמתנה it alongלְאוֹרֶך with anotherאַחֵר randomlyבאופן אקראי chosenנִבחָר wordמִלָה,
145
333000
3000
אבל אם מציגים אותה יחד עם מילה אקראית אחרת,
05:51
badרַע things can happenלִקְרוֹת.
146
336000
2000
דברים רעים יכולים לקרות.
05:53
So we get this. (Textטֶקסט: badרַע christiansנוצרים)
147
338000
2000
אז אנחנו מקבלים את זה. (טקסט: נוצרים רעים)
05:55
But it's even worseרע יותר, because the particularמיוחד websiteאתר אינטרנט where we showedparagraphs this
148
340000
3000
אבל זה עוד יותר גרוע, כי האתר בו הראנו את זה
05:58
actuallyלמעשה happenedקרה to be calledשקוראים לו The Embassyשגרירות of the Kingdomמַלְכוּת of God.
149
343000
3000
נקרא, במקרה, שגרירות ממלכת האלוהים.
06:01
(Laughterצחוק)
150
346000
2000
(צחוק)
06:03
Oopsאופס.
151
348000
2000
אופס.
06:05
(Laughterצחוק)
152
350000
3000
(צחוק)
06:08
Here'sהנה anotherאַחֵר really badרַע one.
153
353000
2000
הנה עוד מקרה רע.
06:10
JohnEdwardsג 'ון.comcom
154
355000
2000
ג'ון אדוארדס דוט קום
06:12
(Textטֶקסט: Damnלעזאזל liberalלִיבֵּרָלִי)
155
357000
3000
(טקסט: ליברלי ארור)
06:15
(Laughterצחוק)
156
360000
2000
(צחוק)
06:17
So we keep on insultingמַעֲלִיב people left and right everydayכל יום.
157
362000
3000
אז אנחנו ממשיכים בכל יום להעליב אנשים על ימין ועל שמאל.
06:20
Now, of courseקוּרס, we're not just insultingמַעֲלִיב people.
158
365000
2000
עכשיו, אנחנו כמובן לא רק מעליבים אנשים.
06:22
See here'sהנה the thing, sinceמאז we're presentingמציג two randomlyבאופן אקראי chosenנִבחָר wordsמילים,
159
367000
3000
וזה העניין, מאז שאנחנו מציגים שתי מילים אקראיות,
06:25
interestingמעניין things can happenלִקְרוֹת.
160
370000
2000
דברים מעניינים יכולים לקרות.
06:27
So this actuallyלמעשה has givenנָתוּן riseלעלות
161
372000
2000
אז למעשה נוצר כאן
06:29
to a really bigגָדוֹל Internetאינטרנט memeאני אני
162
374000
3000
"מם" (מנהג חברתי) אינטרנטי ממש גדול
06:32
that tensעשרות of thousandsאלפים of people have participatedהשתתפו in,
163
377000
2000
שעשרות אלפי אנשים השתתפו בו,
06:34
whichאיזה is calledשקוראים לו CAPTCHAקפטצ'ה artאומנות.
164
379000
2000
שנקרא אומנות קאפצ'ה.
06:36
I'm sure some of you have heardשמע about it.
165
381000
2000
אני בטוח שחלקכם שמעתם על זה.
06:38
Here'sהנה how it worksעובד.
166
383000
2000
כך זה עובד.
06:40
Imagineלדמיין you're usingמבנה יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוני the Internetאינטרנט and you see a CAPTCHAקפטצ'ה
167
385000
2000
נאמר שאתה גולש באינטרנט וראה קאפצ'ה
06:42
that you think is somewhatבמידה מסוימת peculiarמוּזָר,
168
387000
2000
שנראית לך מוזרה,
06:44
like this CAPTCHAקפטצ'ה. (Textטֶקסט: invisibleבלתי נראה toasterטוֹסטֶר)
169
389000
2000
כמו זאת (טקסט: טוסטר בלתי-נראה)
06:46
Then what you're supposedאמור to do is you take a screenמָסָך shotבְּעִיטָה of it.
170
391000
2000
אז מה שאתה אמור לעשות זה להעתיק את צילום המסך של הטקסט
06:48
Then of courseקוּרס, you fillלמלא out the CAPTCHAקפטצ'ה
171
393000
2000
ואז כמובן למלא את הקאפצ'ה
06:50
because you help us digitizeלְסַפְרֵת a bookסֵפֶר.
172
395000
2000
כי אתה עוזר להפוך ספרים לדיגיטליים.
06:52
But then, first you take a screenמָסָך shotבְּעִיטָה,
173
397000
2000
אבל אז, ראשית אתה מעתיק את צילום המסך,
06:54
and then you drawלצייר something that is relatedקָשׁוּר to it.
174
399000
2000
ואז אתה מצייר משהו שקשור לזה.
06:56
(Laughterצחוק)
175
401000
2000
(צחוק)
06:58
That's how it worksעובד.
176
403000
3000
ככה זה עובד.
07:01
There are tensעשרות of thousandsאלפים of these.
177
406000
3000
יש עשרות אלפים כאלה.
07:04
Some of them are very cuteחָמוּד. (Textטֶקסט: clenchedקָמוּץ it)
178
409000
2000
חלקם מאוד חמודים (טקסט: תפסתי את זה)
07:06
(Laughterצחוק)
179
411000
2000
(צחוק)
07:08
Some of them are funnierמצחיק יותר.
180
413000
2000
חלקים יותר מצחיקים.
07:10
(Textטֶקסט: stonedמַסטוּל foundersמייסדים)
181
415000
3000
(טקסט: מייסדים מסטולים)
07:13
(Laughterצחוק)
182
418000
3000
(צחוק)
07:16
And some of them,
183
421000
2000
וחלקם,
07:18
like paleontologicalפליאונטולוגי shvisleshvisle,
184
423000
3000
כמו שוויזל פלאונטולוגי,
07:21
they containלְהַכִיל Snoopלְחַטֵט Doggכלבב.
185
426000
2000
מציגים את סנופ-דוג.
07:23
(Laughterצחוק)
186
428000
3000
(צחוק)
07:26
Okay, so this is my favoriteהכי אהוב numberמספר of reCAPTCHAreCAPTCHA.
187
431000
2000
אוקיי, זה המספר האהוב עליי ביותר ברי-קאפצ'ה.
07:28
So this is the favoriteהכי אהוב thing that I like about this wholeכֹּל projectפּרוֹיֶקט.
188
433000
3000
זה הדבר שאני הכי אוהב בכל הפרוייקט.
07:31
This is the numberמספר of distinctמובהק people
189
436000
2000
זה מספר האנשים השונים
07:33
that have helpedעזר us digitizeלְסַפְרֵת at leastהכי פחות one wordמִלָה out of a bookסֵפֶר throughדרך reCAPTCHAreCAPTCHA:
190
438000
3000
אשר עזרו לנו להפוך לחות מילה אחת לדיגיטלית בעזרת רי-קאפצ'ה:
07:36
750 millionמִילִיוֹן,
191
441000
2000
750 מליון,
07:38
whichאיזה is a little over 10 percentאָחוּז of the world'sשל העולם populationאוּכְלוֹסִיָה,
192
443000
2000
שזה קצת יותר מ 10 אחוז מאוכלוסיית העולם,
07:40
has helpedעזר us digitizeלְסַפְרֵת humanבן אנוש knowledgeיֶדַע.
193
445000
2000
שעזרו לנו להפוך ידע אנושי לדיגיטלי.
07:42
And it is numbersמספרים like these that motivateלְהַנִיעַ my researchמחקר agendaסֵדֶר הַיוֹם.
194
447000
3000
ומספרים כאלה הם אשר מדרבנים אותי במחקר שלי.
07:45
So the questionשְׁאֵלָה that motivatesמניע my researchמחקר is the followingהבא:
195
450000
3000
אז השאלה אשר מדרבנת את המחקר שלי היא:
07:48
If you look at humanity'sשל האנושות large-scaleבקנה מידה גדול achievementsהישגים,
196
453000
2000
אם נבחן את ההישגים הגדולים של האנושות,
07:50
these really bigגָדוֹל things
197
455000
2000
הדברים הגדולים האלה
07:52
that humanityאֶנוֹשִׁיוּת has gottenקיבל togetherיַחַד and doneבוצע historicallyהיסטורית --
198
457000
3000
שהאנושות התאחדה וביצעה יחדיו בעבר --
07:55
like for exampleדוגמא, buildingבִּניָן the pyramidsפירמידות of Egyptמִצְרַיִם
199
460000
2000
למשל, בניין הפירמידות במצריים
07:57
or the Panamaפנמה Canalתְעָלָה
200
462000
2000
או תעלת פנמה
07:59
or puttingלשים a man on the Moonירח --
201
464000
2000
או להנחית איש על הירח --
08:01
there is a curiousסקרן factעוּבדָה about them,
202
466000
2000
ישנה עובדה מעניינת בקשר אליהם,
08:03
and it is that they were all doneבוצע with about the sameאותו numberמספר off people.
203
468000
2000
והיא שהם כולם בוצעו בעזרת אותו מספר אנשים.
08:05
It's weirdמְשׁוּנֶה; they were all doneבוצע with about 100,000 people.
204
470000
3000
זה מוזר, כולם בוצעו בעזרת כ 100,000 איש.
08:08
And the reasonסיבה for that is because, before the Internetאינטרנט,
205
473000
3000
והסיבה לכך היא שלפני האינטרנט,
08:11
coordinatingתיאום more than 100,000 people,
206
476000
2000
לתאם פעילות של יותר מ 100,000 איש,
08:13
let aloneלבד payingמשלמים them, was essentiallyלמעשה impossibleבלתי אפשרי.
207
478000
3000
שלא לדבר על לשלם להם, היה למעשה בלתי אפשרי.
08:16
But now with the Internetאינטרנט, I've just shownמוצג you a projectפּרוֹיֶקט
208
481000
2000
אבל עכשיו, בעזרת האינטרנט, הראיתי לכם פרוייקט
08:18
where we'veיש לנו gottenקיבל 750 millionמִילִיוֹן people
209
483000
2000
בו הצלחנו להעזר ב 750 מליון אנשים
08:20
to help us digitizeלְסַפְרֵת humanבן אנוש knowledgeיֶדַע.
210
485000
2000
להפוך ידע אנושי לדיגיטלי.
08:22
So the questionשְׁאֵלָה that motivatesמניע my researchמחקר is,
211
487000
2000
אז השאלה שמדרבנת אותי היא,
08:24
if we can put a man on the Moonירח with 100,000,
212
489000
3000
אם יכולנו להנחית איש על הירח בעזרת 100,000
08:27
what can we do with 100 millionמִילִיוֹן?
213
492000
2000
מה נוכל לעשות עם 100 מליון?
08:29
So basedמבוסס on this questionשְׁאֵלָה,
214
494000
2000
וכך, בהתבסס על שאלה זו,
08:31
we'veיש לנו had a lot of differentשונה projectsפרויקטים that we'veיש לנו been workingעובד on.
215
496000
2000
אנחנו עובדים על פרוייקטים רבים ומגוונים.
08:33
Let me tell you about one that I'm mostרוב excitedנִרגָשׁ about.
216
498000
3000
הרשו לי לספר לכם על אחד מהם שאני מאוד מתלהב ממנו.
08:36
This is something that we'veיש לנו been semi-quietlyחצי שקט workingעובד on
217
501000
2000
זהו משהו שאנחנו עובדים עליו בחצי-חשאיות
08:38
for the last yearשָׁנָה and a halfחֲצִי or so.
218
503000
2000
כבר כשנה וחצי.
08:40
It hasn'tלא yetעדיין been launchedMANAG מספר. It's calledשקוראים לו Duolingoדולינגו.
219
505000
2000
הוא עוד לא הושק. הוא נקרא דואולינגו (Duolingo).
08:42
Sinceמאז it hasn'tלא been launchedMANAG מספר, shhhhhשאההה!
220
507000
2000
בגלל שעדיין לא הושק, ששש!
08:44
(Laughterצחוק)
221
509000
2000
(צחוק)
08:46
Yeah, I can trustאמון you'llאתה do that.
222
511000
2000
כן, אני יכול לסמוך עליכם.
08:48
So this is the projectפּרוֹיֶקט. Here'sהנה how it startedהתחיל.
223
513000
2000
אז הנה הפרוייקט. כך הוא התחיל.
08:50
It startedהתחיל with me posingפוזות a questionשְׁאֵלָה to my graduateבוגר studentתלמיד,
224
515000
2000
זה התחיל כששאלתי סטודנט שלי שאלה,
08:52
Severinסוורין Hackerהאקר.
225
517000
2000
סוורין האקר.
08:54
Okay, that's Severinסוורין Hackerהאקר.
226
519000
2000
אוקיי, זה סוורין האקר.
08:56
So I posedתנוחות the questionשְׁאֵלָה to my graduateבוגר studentתלמיד.
227
521000
2000
אז שאלתו את הסטודנט שלי שאלה.
08:58
By the way, you did hearלִשְׁמוֹעַ me correctlyבצורה נכונה;
228
523000
2000
אגב, שמעתם אותי נכון,
09:00
his last nameשֵׁם is Hackerהאקר.
229
525000
2000
שם המשפחה שלו הוא האקר.
09:02
So I posedתנוחות this questionשְׁאֵלָה to him:
230
527000
2000
אז שאלתי אותו:
09:04
How can we get 100 millionמִילִיוֹן people
231
529000
2000
איך אפשר לגרום ל 100 מליון איש
09:06
translatingתִרגוּם the Webאינטרנט into everyכֹּל majorגדול languageשפה for freeחופשי?
232
531000
3000
לתרגם את האיניטרנט לכל השפות הראשיות בחינם?
09:09
Okay, so there's a lot of things to say about this questionשְׁאֵלָה.
233
534000
2000
טוב, אפשר להגיד הרבה דברים על השאלה הזאת.
09:11
First of all, translatingתִרגוּם the Webאינטרנט.
234
536000
2000
ראשית, תרגום הרשת.
09:13
So right now the Webאינטרנט is partitionedמחיצות into multipleמְרוּבֶּה languagesשפות.
235
538000
3000
אז נכון לעכשיו, הרשת מחולקת לשפות רבות.
09:16
A largeגָדוֹל fractionשבריר of it is in Englishאנגלית.
236
541000
2000
חלק ניכר ממנה הוא באנגלית.
09:18
If you don't know any Englishאנגלית, you can't accessגִישָׁה it.
237
543000
2000
אם אתה לא יודע אנגלית לא תוכל לגשת אליו.
09:20
But there's largeגָדוֹל fractionsשברים in other differentשונה languagesשפות,
238
545000
2000
אבל ישנם חלקים גדולים בשפות שונות,
09:22
and if you don't know those languagesשפות, you can't accessגִישָׁה it.
239
547000
3000
ואם אתה לא יודע אותן לא תוכל לגשת אליהם.
09:25
So I would like to translateלתרגם all of the Webאינטרנט, or at leastהכי פחות mostרוב of the Webאינטרנט,
240
550000
3000
אז הייתי רוצה לתרגם את כל הרשת. או לפחות את רובה,
09:28
into everyכֹּל majorגדול languageשפה.
241
553000
2000
לכל שפה ראשית.
09:30
So that's what I would like to do.
242
555000
2000
אז זה מה שהייתי רוצה לעשות.
09:32
Now some of you mayמאי say, why can't we use computersמחשבים to translateלתרגם?
243
557000
3000
אז חלקכם יגיד, למה לא להשתמש במחשבים לתרגום?
09:35
Why can't we use machineמְכוֹנָה translationתִרגוּם?
244
560000
2000
למה אי אפשר להתמש בתרגום ממוחשב?
09:37
Machineמְכוֹנָה translationתִרגוּם nowadaysכַּיוֹם is startingהחל to translateלתרגם some sentencesמשפטים here and there.
245
562000
2000
תרגום ממוחשב בימנו, מתחיל לתרגם כמה משפטים פה ושם.
09:39
Why can't we use it to translateלתרגם the wholeכֹּל Webאינטרנט?
246
564000
2000
למה לא להתמש בו לתרגום כל הרשת?
09:41
Well the problemבְּעָיָה with that is that it's not yetעדיין good enoughמספיק
247
566000
2000
ובכן, הבעיה איתו היא שהוא עדיין אינו טוב מספיק.
09:43
and it probablyכנראה won'tרָגִיל be for the nextהַבָּא 15 to 20 yearsשנים.
248
568000
2000
וכנראה שלא יהיה מספיק טוב ב15 עד 20 שנים הבאות.
09:45
It makesעושה a lot of mistakesטעויות.
249
570000
2000
הוא טועה המון.
09:47
Even when it doesn't make a mistakeטעות,
250
572000
2000
ואפילו כשאינו טועה,
09:49
sinceמאז it makesעושה so manyרב mistakesטעויות, you don't know whetherהאם to trustאמון it or not.
251
574000
3000
כיוון שהוא טועה כ"כ הרבה, אי אפשר לבטוח בו.
09:52
So let me showלְהַצִיג you an exampleדוגמא
252
577000
2000
אז הרשו לי לתת לכם דוגמא
09:54
of something that was translatedמְתוּרגָם with a machineמְכוֹנָה.
253
579000
2000
למשהו שתורגם ע"י מכונה.
09:56
Actuallyבעצם it was a forumפוֹרוּם postהודעה.
254
581000
2000
למעשה זה היה פוסט בפורום.
09:58
It was somebodyמִישֶׁהוּ who was tryingמנסה to askלִשְׁאוֹל a questionשְׁאֵלָה about JavaScriptJavaScript.
255
583000
3000
מישהו ניסה לשאול שאלה בג'אווה-סקריפט.
10:01
It was translatedמְתוּרגָם from Japaneseיַפָּנִית into Englishאנגלית.
256
586000
3000
זה תורגם מיפנית לאנגלית
10:04
So I'll just let you readלקרוא.
257
589000
2000
אז אתן לכם לקרוא.
10:06
This personאדם startsמתחיל apologizingמתנצל
258
591000
2000
האדם הזה התחיל התחיל בהתנצלות
10:08
for the factעוּבדָה that it's translatedמְתוּרגָם with a computerמַחשֵׁב.
259
593000
2000
על העובדה שזה תורגם באמצעות מחשב.
10:10
So the nextהַבָּא sentenceמשפט is is going to be the preambleהַקדָמָה to the questionשְׁאֵלָה.
260
595000
3000
אז המשפט הבא אמור להיות ההקדמה לשאלה.
10:13
So he's just explainingמסביר something.
261
598000
2000
אז הוא רק מסביר משהו.
10:15
Rememberלִזכּוֹר, it's a questionשְׁאֵלָה about JavaScriptJavaScript.
262
600000
3000
זכרו, זאת שאלה על ג'אווה-סקריפט.
10:19
(Textטֶקסט: At oftenלעתים קרובות, the goat-timeזמן עז installלהתקין a errorשְׁגִיאָה is vomitלְהַקִיא.)
263
604000
4000
(טקסט: לעיתים תכופות זמן-העז התקנה טעות היא קיא.)
10:23
(Laughterצחוק)
264
608000
4000
(צחוק)
10:27
Then comesבא the first partחֵלֶק of the questionשְׁאֵלָה.
265
612000
3000
אז מגיע החלק הראשון של השאלה.
10:30
(Textטֶקסט: How manyרב timesפִּי like the windרוּחַ, a poleמוֹט, and the dragonדְרָקוֹן?)
266
615000
4000
(טקסט: כמה פעמים כמו הרוח, מוט והדרקון?)
10:34
(Laughterצחוק)
267
619000
2000
(צחוק)
10:36
Then comesבא my favoriteהכי אהוב partחֵלֶק of the questionשְׁאֵלָה.
268
621000
3000
ואז מגיע החלק האהוב עליי בשאלה.
10:39
(Textטֶקסט: This insultלְהַעֲלִיב to father'sשל אבא stonesאבנים?)
269
624000
3000
(טקסט: זה עלבון לאשכי האב?)
10:42
(Laughterצחוק)
270
627000
2000
(צחוק)
10:44
And then comesבא the endingסִיוּם, whichאיזה is my favoriteהכי אהוב partחֵלֶק of the wholeכֹּל thing.
271
629000
3000
ואז מגיע הסיום, שהוא החלק האהוב עליי בכל העניין.
10:47
(Textטֶקסט: Please apologizeלְהִתְנַצֵל for your stupidityטִפּשׁוּת. There are a manyרב thank you.)
272
632000
4000
(טקסט: בבקשה התנצל על טפשותך. יש הרבה תודה רבה.)
10:51
(Laughterצחוק)
273
636000
2000
(צחוק)
10:53
Okay, so computerמַחשֵׁב translationתִרגוּם, not yetעדיין good enoughמספיק.
274
638000
2000
אוקיי, אז תרגום ממוחשב, עדיין לא מספיק טוב.
10:55
So back to the questionשְׁאֵלָה.
275
640000
2000
בחזרה לשאלה.
10:57
So we need people to translateלתרגם the wholeכֹּל Webאינטרנט.
276
642000
3000
אז אנחנו רוצים שאנשים יתרגמו את כל הרשת.
11:00
So now the nextהַבָּא questionשְׁאֵלָה you mayמאי have is,
277
645000
2000
והשאלה הבאה שיכולה להיות לכם היא,
11:02
well why can't we just payלְשַׁלֵם people to do this?
278
647000
2000
למה אי אפשר פשוט לשלם לאנשים לעשות זאת?
11:04
We could payלְשַׁלֵם professionalמקצועי languageשפה translatorsמתרגמים to translateלתרגם the wholeכֹּל Webאינטרנט.
279
649000
3000
נוכל לשלם למתרגמים מקצועיים לתרגם את כל הרשת.
11:07
We could do that.
280
652000
2000
נוכל לעשות זאת.
11:09
Unfortunatelyלצערי, it would be extremelyמְאוֹד expensiveיָקָר.
281
654000
2000
למרבה הצער, זה יהיה מאוד יקר.
11:11
For exampleדוגמא, translatingתִרגוּם a tinyזָעִיר, tinyזָעִיר fractionשבריר of the wholeכֹּל Webאינטרנט, Wikipediaויקיפדיה,
282
656000
3000
למשל, לתרגם חלק קטנטן מכל הרשת, ויקיפדיה,
11:14
into one other languageשפה, Spanishספרדית.
283
659000
3000
לשפה אחרת אחת, ספרדית.
11:17
Wikipediaויקיפדיה existsקיים in Spanishספרדית,
284
662000
2000
ויקיפדיה קיימת בספרדית,
11:19
but it's very smallקָטָן comparedבהשוואה to the sizeגודל of Englishאנגלית.
285
664000
2000
אבל היא קטנה מאוד ביחס לזו האנגלית.
11:21
It's about 20 percentאָחוּז of the sizeגודל of Englishאנגלית.
286
666000
2000
היא כ 20 אחוז מגודל האנגלית.
11:23
If we wanted to translateלתרגם the other 80 percentאָחוּז into Spanishספרדית,
287
668000
3000
אם נרצה לתרגם את שאר 80 האחוז לספרדית,
11:26
it would costעֲלוּת at leastהכי פחות 50 millionמִילִיוֹן dollarsדולר --
288
671000
2000
זה יעלה לפחות 50 מליון דולר --
11:28
and this is at even the mostרוב exploitedמְנוּצָל, outsourcingמיקור חוץ countryמדינה out there.
289
673000
3000
וזה בעזרת המדינה הכי מנוצלת, ובשימוש מיקור חוץ שקיימת.
11:31
So it would be very expensiveיָקָר.
290
676000
2000
אז זה יהיה מאוד יקר.
11:33
So what we want to do is we want to get 100 millionמִילִיוֹן people
291
678000
2000
אז מה שאנחינו רוצים לעשות הוא לגרום ל 100 מליון אנשים
11:35
translatingתִרגוּם the Webאינטרנט into everyכֹּל majorגדול languageשפה
292
680000
2000
לתרגם את הרשת לכל השפות הראשיות
11:37
for freeחופשי.
293
682000
2000
בחינם.
11:39
Now if this is what you want to do,
294
684000
2000
אם זה מה שאתם רוצים לעשות,
11:41
you prettyיפה quicklyבִּמְהִירוּת realizeלִהַבִין you're going to runלָרוּץ into two prettyיפה bigגָדוֹל hurdlesמשוכות,
295
686000
2000
מהר מאוד תתקלו בשני אתגרים די גדולים,
11:43
two bigגָדוֹל obstaclesמכשולים.
296
688000
2000
שני מכשולים גדולים.
11:45
The first one is a lackחוֹסֶר of bilingualsדו לשוני.
297
690000
3000
הראשון הוא מחסור בדו-לשוניים.
11:48
So I don't even know
298
693000
2000
אני אפילו לא יודע
11:50
if there existsקיים 100 millionמִילִיוֹן people out there usingמבנה יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוני the Webאינטרנט
299
695000
3000
אם יש בכלל 100 מליון משתמשים
11:53
who are bilingualדוּ לְשׁוֹנִי enoughמספיק to help us translateלתרגם.
300
698000
2000
אשר הנם דו-לשוניים מספיק כדי לעזור לנו בתרגום.
11:55
That's a bigגָדוֹל problemבְּעָיָה.
301
700000
2000
זאת בעיה גדולה.
11:57
The other problemבְּעָיָה you're going to runלָרוּץ into is a lackחוֹסֶר of motivationמוֹטִיבָצִיָה.
302
702000
2000
הבעיה השניה שתתקלו בה היא חוסר במוטיבציה.
11:59
How are we going to motivateלְהַנִיעַ people
303
704000
2000
איך נדרבן אנשים
12:01
to actuallyלמעשה translateלתרגם the Webאינטרנט for freeחופשי?
304
706000
2000
לעזור לתרגם את רשת האינטרנט בחינם
12:03
Normallyבדרך כלל, you have to payלְשַׁלֵם people to do this.
305
708000
3000
בד"כ צריך לתגמל עבור דבר כזה
12:06
So how are we going to motivateלְהַנִיעַ them to do it for freeחופשי?
306
711000
2000
אז איך נדרבן אותם לעשות את זה בחינם?
12:08
Now when we were startingהחל to think about this, we were blockedחָסוּם by these two things.
307
713000
3000
וכשהתחלנו לחשוב על זה, נתקענו בשני המכשולים האלה.
12:11
But then we realizedהבין, there's actuallyלמעשה a way
308
716000
2000
אבל אז הבנו, למעשה אפשר
12:13
to solveלִפְתוֹר bothשניהם these problemsבעיות with the sameאותו solutionפִּתָרוֹן.
309
718000
2000
לפתור את שתי הבעיות בעזרת פתרון אחד.
12:15
There's a way to killלַהֲרוֹג two birdsציפורים with one stoneאֶבֶן.
310
720000
2000
יש דרך להרוג שתי ציפורים באבן אחת.
12:17
And that is to transformשינוי צורה languageשפה translationתִרגוּם
311
722000
3000
והדרך היא להפוך את מלאכת התרגום
12:20
into something that millionsמיליונים of people want to do,
312
725000
3000
למשהו שמליוני אנשים ירצו לעשות,
12:23
and that alsoגַם helpsעוזר with the problemבְּעָיָה of lackחוֹסֶר of bilingualsדו לשוני,
313
728000
3000
ושגם עוזרת להתמודד עם בעיית המחסור בדו-לשוניים,
12:26
and that is languageשפה educationהַשׂכָּלָה.
314
731000
3000
והדרך היא לימוד שפות.
12:29
So it turnsפונה out that todayהיום,
315
734000
2000
מסתבר שבימנו,
12:31
there are over 1.2 billionמיליארד people learningלְמִידָה a foreignזָר languageשפה.
316
736000
3000
יותר מ 1.2 מליארד אנשים לומדים שפה זרה.
12:34
People really, really want to learnלִלמוֹד a foreignזָר languageשפה.
317
739000
2000
אנשים מאוד מאוד רוצים ללמוד שפה זרה.
12:36
And it's not just because they're beingלהיות forcedכָּפוּי to do so in schoolבית ספר.
318
741000
3000
וזה לא רק בגלל שמכריחים אותם בביה"ס.
12:39
For exampleדוגמא, in the Unitedמאוחד Statesמדינות aloneלבד,
319
744000
2000
למשל, בארה"ב לבדה,
12:41
there are over fiveחָמֵשׁ millionמִילִיוֹן people who have paidשילם over $500
320
746000
2000
יש יותר מחמישה מליון אנשים ששילמו יותר מ 500$
12:43
for softwareתוֹכנָה to learnלִלמוֹד a newחָדָשׁ languageשפה.
321
748000
2000
עבור תוכנה ללימוד שפה חדשה.
12:45
So people really, really want to learnלִלמוֹד a newחָדָשׁ languageשפה.
322
750000
2000
אז אנשים מאוד מאוד רוצים ללמוד שפה חדשה.
12:47
So what we'veיש לנו been workingעובד on for the last yearשָׁנָה and a halfחֲצִי is a newחָדָשׁ websiteאתר אינטרנט --
323
752000
3000
אז מה שעבדנו עליו במשך חמש וחצי שנים הוא אתר חדש --
12:50
it's calledשקוראים לו Duolingoדולינגו --
324
755000
2000
שנקרא דואולינגו --
12:52
where the basicבסיסי ideaרַעְיוֹן is people learnלִלמוֹד a newחָדָשׁ languageשפה for freeחופשי
325
757000
3000
בו הרעיון העקרוני הוא שאנשים לומדים שפה חדשה בחינם
12:55
while simultaneouslyבּוֹ זְמַנִית translatingתִרגוּם the Webאינטרנט.
326
760000
2000
ובה בעת מתרגמים את הרשת.
12:57
And so basicallyבעיקרון they're learningלְמִידָה by doing.
327
762000
2000
ולמעשה הם לומדים בעזרת עשייה.
12:59
So the way this worksעובד
328
764000
2000
ואיך שזה עובד
13:01
is wheneverבְּכָל פַּעַם you're a just a beginnerמַתחִיל, we give you very, very simpleפָּשׁוּט sentencesמשפטים.
329
766000
3000
זה שכשאתה רק מתחיל, אנחנו מציגים לך משפטים מאוד מאוד פשוטים.
13:04
There's, of courseקוּרס, a lot of very simpleפָּשׁוּט sentencesמשפטים on the Webאינטרנט.
330
769000
2000
יש, כמובן, המון משפטים מאוד פשוטים ברשת.
13:06
We give you very, very simpleפָּשׁוּט sentencesמשפטים
331
771000
2000
אנחנו מציגים לך משפטים מאוד מאוד פשוטים
13:08
alongלְאוֹרֶך with what eachכל אחד wordמִלָה meansאומר.
332
773000
2000
יחד עם פירושה של כל מילה.
13:10
And as you translateלתרגם them, and as you see how other people translateלתרגם them,
333
775000
3000
וכשאתה מתרגם אותם, וכשאתה רואה איך אחרים תירגמו אותם,
13:13
you startהַתחָלָה learningלְמִידָה the languageשפה.
334
778000
2000
אתה מתחיל ללמוד את השפה.
13:15
And as you get more and more advancedמִתקַדֵם,
335
780000
2000
וכשאתה משתפר יותר ויותר,
13:17
we give you more and more complexמורכב sentencesמשפטים to translateלתרגם.
336
782000
2000
נציג לך משפטים מורכבים יותר ויותר לתרגם.
13:19
But at all timesפִּי, you're learningלְמִידָה by doing.
337
784000
2000
אבל כל הזמן אתה לומד תוך כדי עשייה.
13:21
Now the crazyמְטוּרָף thing about this methodשִׁיטָה
338
786000
2000
והדבר המשוגע בשיטה הזאת
13:23
is that it actuallyלמעשה really worksעובד.
339
788000
2000
הוא שהיא למעשה עובדת.
13:25
First of all, people are really, really learningלְמִידָה a languageשפה.
340
790000
2000
ראשית כל, אנשים באמת באמת לומדים שפה.
13:27
We're mostlyבעיקר doneבוצע buildingבִּניָן it, and now we're testingבדיקה it.
341
792000
2000
דיי סיימנו לבנות את המערכת ועכשיו אנחנו בודקים אותה.
13:29
People really can learnלִלמוֹד a languageשפה with it.
342
794000
2000
אנשים ממש יכולים ללמוד שפה בעזרתה.
13:31
And they learnלִלמוֹד it about as well as the leadingמוֹבִיל languageשפה learningלְמִידָה softwareתוֹכנָה.
343
796000
3000
והם לומדים בערך באותה רמה של תוכנות הלימוד המובילות.
13:34
So people really do learnלִלמוֹד a languageשפה.
344
799000
2000
אז אנשים באמת לומדים שפה חדשה.
13:36
And not only do they learnלִלמוֹד it as well,
345
801000
2000
ולא רק שהם לומדים אותה,
13:38
but actuallyלמעשה it's way more interestingמעניין.
346
803000
2000
זה למעשה הרבה יותר מעניין.
13:40
Because you see with Duolingoדולינגו, people are actuallyלמעשה learningלְמִידָה with realאמיתי contentתוֹכֶן.
347
805000
3000
כי בדואולינגו אנשים לומדים עם תוכן אמיתי.
13:43
As opposedמִתנַגֵד to learningלְמִידָה with made-upמאופרת sentencesמשפטים,
348
808000
2000
להבדיל מלימוד עם משפטים מומצאים,
13:45
people are learningלְמִידָה with realאמיתי contentתוֹכֶן, whichאיזה is inherentlyמטבע הדברים interestingמעניין.
349
810000
3000
אנשים לומדים עם תוכן אמיתי, דבר שהוא באופן מובנה יותר מעניין.
13:48
So people really do learnלִלמוֹד a languageשפה.
350
813000
2000
אז אנשים אכן לומדים שפה.
13:50
But perhapsאוּלַי more surprisinglyלמרבה ההפתעה,
351
815000
2000
אבל אולי באופן מפתיע,
13:52
the translationsתרגומים that we get from people usingמבנה יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוני the siteאֲתַר,
352
817000
3000
התרגומים שאנחנו מקבלים מהמשתמשים,
13:55
even thoughאם כי they're just beginnersלמתחילים,
353
820000
2000
אפילו שהם רק ברמת מתחילים,
13:57
the translationsתרגומים that we get are as accurateמְדוּיָק as those of professionalמקצועי languageשפה translatorsמתרגמים,
354
822000
3000
התרגומים שאנחנו מקבלים הם מדוייקים כמו אלו של מתרגמים מקצועיים,
14:00
whichאיזה is very surprisingמַפתִיעַ.
355
825000
2000
שזה דבר מפתיע מאוד.
14:02
So let me showלְהַצִיג you one exampleדוגמא.
356
827000
2000
הרשו להציג לכם דוגמה.
14:04
This is a sentenceמשפט that was translatedמְתוּרגָם from Germanגֶרמָנִיָת into Englishאנגלית.
357
829000
2000
המשפט הזה שתורגם מגרמנית לאנגלית.
14:06
The topחלק עליון is the Germanגֶרמָנִיָת.
358
831000
2000
העליון הוא בגרמנית.
14:08
The middleאֶמצַע is an Englishאנגלית translationתִרגוּם
359
833000
2000
האמצעי הוא התרגום לאנגלית
14:10
that was doneבוצע by somebodyמִישֶׁהוּ who was a professionalמקצועי Englishאנגלית translatorמְתוּרגְמָן
360
835000
2000
כפי שתורגם ע"י מתרגם מקצועי לאנגלית
14:12
who we paidשילם 20 centsסנט a wordמִלָה for this translationתִרגוּם.
361
837000
2000
שקיבל 20 סנט למילה עבור התרגום.
14:14
And the bottomתַחתִית is a translationתִרגוּם by usersמשתמשים of Duolingoדולינגו,
362
839000
3000
התחתון הוא תרגום של משתמשי דואולינגו,
14:17
noneאף אחד of whomמִי knewידע any Germanגֶרמָנִיָת
363
842000
2000
איש מהם לא ידע גרמנית
14:19
before they startedהתחיל usingמבנה יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוני the siteאֲתַר.
364
844000
2000
לפני שהתחילו להשתמש באתר.
14:21
You can see, it's prettyיפה much perfectמושלם.
365
846000
2000
אתם יכולים לראות, זה די מושלם.
14:23
Now of courseקוּרס, we playלְשַׂחֵק a trickטריק here
366
848000
2000
כמובן, אנחנו משתמשים בתכסיס כאן,
14:25
to make the translationsתרגומים as good as professionalמקצועי languageשפה translatorsמתרגמים.
367
850000
2000
כדי לגרום לתרגומים להיות ברמה מקצועית,
14:27
We combineלְשַׁלֵב the translationsתרגומים of multipleמְרוּבֶּה beginnersלמתחילים
368
852000
3000
אנחנו מאחדים תרגומים של הרבה מתרגמים מתחילים
14:30
to get the qualityאיכות of a singleיחיד professionalמקצועי translatorמְתוּרגְמָן.
369
855000
3000
כדי לקבל רמה של מתרגם מקצועי אחד.
14:33
Now even thoughאם כי we're combiningשילוב the translationsתרגומים,
370
858000
5000
ואפילו שאנחנו מאחדים תרגומים,
14:38
the siteאֲתַר actuallyלמעשה can translateלתרגם prettyיפה fastמָהִיר.
371
863000
2000
האתר למעשה מתרגם די מהר.
14:40
So let me showלְהַצִיג you,
372
865000
2000
הרשו לי להראות לכם,
14:42
this is our estimatesאומדנים of how fastמָהִיר we could translateלתרגם Wikipediaויקיפדיה
373
867000
2000
זוהי ההערכה שלנו למשך הזמן שיקח לנו לתרגם את וויקיפדיה
14:44
from Englishאנגלית into Spanishספרדית.
374
869000
2000
מאנגלית לספרדית.
14:46
Rememberלִזכּוֹר, this is 50 millionמִילִיוֹן dollars-worthדולר שווה of valueערך.
375
871000
3000
זיכרו, זאת עבודה בערך של 50 מליון דולר.
14:49
So if we wanted to translateלתרגם Wikipediaויקיפדיה into Spanishספרדית,
376
874000
2000
אז אם נרצה לתרגם את וויקיפדיה לספרדית,
14:51
we could do it in fiveחָמֵשׁ weeksשבועות with 100,000 activeפָּעִיל usersמשתמשים.
377
876000
3000
נוכל להשיג זאת בחמישה שבועות עם 100,000 משתמשים פעילים.
14:54
And we could do it in about 80 hoursשעות with a millionמִילִיוֹן activeפָּעִיל usersמשתמשים.
378
879000
3000
ונוכל להשיג זאת בכ80 שעות עם מליון משתמשים פעילים.
14:57
Sinceמאז all the projectsפרויקטים that my groupקְבוּצָה has workedעבד on so farרָחוֹק have gottenקיבל millionsמיליונים of usersמשתמשים,
379
882000
3000
כיוון שבכל הפרוייקטים של הקבוצה שלי השתתפו מליוני משתמשים,
15:00
we're hopefulתקווה that we'llטוֹב be ableיכול to translateלתרגם
380
885000
2000
אנחנו מקווים להצליח לתרגם
15:02
extremelyמְאוֹד fastמָהִיר with this projectפּרוֹיֶקט.
381
887000
2000
מאוד מהר בעזרת הפרוייקט הזה.
15:04
Now the thing that I'm mostרוב excitedנִרגָשׁ about with Duolingoדולינגו
382
889000
3000
והדבר שהכי מרגש אותי בדואולינגו
15:07
is I think this providesמספק a fairהוֹגֶן businessעֵסֶק modelדֶגֶם for languageשפה educationהַשׂכָּלָה.
383
892000
3000
הוא שאני חושב שהוא מספק מודל עסקי הוגן ללימוד שפות.
15:10
So here'sהנה the thing:
384
895000
2000
והנה העניין:
15:12
The currentנוֹכְחִי businessעֵסֶק modelדֶגֶם for languageשפה educationהַשׂכָּלָה
385
897000
2000
המודל העסקי הנוכחי של לימוד שפות
15:14
is the studentתלמיד paysמשלם,
386
899000
2000
הוא שהסטודנט משלם
15:16
and in particularמיוחד, the studentתלמיד paysמשלם Rosettaרוזטה Stoneאֶבֶן 500 dollarsדולר.
387
901000
2000
ספציפית, הוא משלם ל"רוזטה-סטון" (תוכנה ידועה) $500.
15:18
(Laughterצחוק)
388
903000
2000
(צחוק)
15:20
That's the currentנוֹכְחִי businessעֵסֶק modelדֶגֶם.
389
905000
2000
זה המודל העסקי הנוכחי.
15:22
The problemבְּעָיָה with this businessעֵסֶק modelדֶגֶם
390
907000
2000
הבעיה עם המודל העסקי הזה
15:24
is that 95 percentאָחוּז of the world'sשל העולם populationאוּכְלוֹסִיָה doesn't have 500 dollarsדולר.
391
909000
3000
היא של-95 אחוז מאוכלוסית העולם אין 500 דולר.
15:27
So it's extremelyמְאוֹד unfairלֹא הוֹגֶן towardsלִקרַאת the poorעני.
392
912000
3000
אז הוא מאוד לא הוגן כלפי העניים.
15:30
This is totallyלְגַמרֵי biasedמְשׁוּחָד towardsלִקרַאת the richעָשִׁיר.
393
915000
2000
ולחלוטין מוטה כלפי העשירים.
15:32
Now see, in Duolingoדולינגו,
394
917000
2000
עכשיו, ראו, בדואולינגו,
15:34
because while you learnלִלמוֹד
395
919000
2000
בגלל שבזמן שאתה לומד
15:36
you're actuallyלמעשה creatingיוצר valueערך, you're translatingתִרגוּם stuffדברים --
396
921000
3000
אתה למעשה יוצר ערך, אתה מתרגם דברים --
15:39
whichאיזה for exampleדוגמא, we could chargeלחייב somebodyמִישֶׁהוּ for translationsתרגומים.
397
924000
3000
אשר למשל, נוכל לגבות עבורם כסף ממישהו.
15:42
So this is how we could monetizeמונטיזציה this.
398
927000
2000
וכך ניתן לייצר מזה כסף.
15:44
Sinceמאז people are creatingיוצר valueערך while they're learningלְמִידָה,
399
929000
2000
כיוון שאנשים מייצרים ערך בזמן שהם לומדים,
15:46
they don't have to payלְשַׁלֵם theirשֶׁלָהֶם moneyכֶּסֶף, they payלְשַׁלֵם with theirשֶׁלָהֶם time.
400
931000
3000
הם לא צריכים לשלם בכספם, הם משלמים בזמנם.
15:49
But the magicalקִסמִי thing here is that they're payingמשלמים with theirשֶׁלָהֶם time,
401
934000
3000
אבל הדבר הקסום כאן הוא שהם משלמים בזמנם,
15:52
but that is time that would have had to have been spentמוּתַשׁ anywaysבכל מקרה
402
937000
2000
אבל זה אותו הזמן שהיו מבלים בכל מקרה
15:54
learningלְמִידָה the languageשפה.
403
939000
2000
בלמידת השפה.
15:56
So the niceנֶחְמָד thing about Duolingoדולינגו is I think it providesמספק a fairהוֹגֶן businessעֵסֶק modelדֶגֶם --
404
941000
3000
אז הדבר הנחמד בדואולונגו, הוא לדעתי המודל בעסקי ההוגן --
15:59
one that doesn't discriminateלְהָפלוֹת againstמול poorעני people.
405
944000
2000
אין אפלייה נגד עניים.
16:01
So here'sהנה the siteאֲתַר. Thank you.
406
946000
2000
אז הנה האתר. תודה.
16:03
(Applauseתְשׁוּאוֹת)
407
948000
8000
(תשואות)
16:11
So here'sהנה the siteאֲתַר.
408
956000
2000
אז הנה האתר.
16:13
We haven'tלא yetעדיין launchedMANAG מספר,
409
958000
2000
עדיין לא השקנו אותו,
16:15
but if you go there, you can signסִימָן up to be partחֵלֶק of our privateפְּרָטִי betaביתא,
410
960000
3000
אבל אם תגלשו לשם תוכלו להרשם להיות חלק מהבטא הפרטית,
16:18
whichאיזה is probablyכנראה going to startהַתחָלָה in about threeשְׁלוֹשָׁה or fourארבעה weeksשבועות.
411
963000
2000
שכנראה תתחיל בעוד שלושה או ארבעה שבועות.
16:20
We haven'tלא yetעדיין launchedMANAG מספר this Duolingoדולינגו.
412
965000
2000
עדיין לא השקנו את דואולונגו.
16:22
By the way, I'm the one talkingשִׂיחָה here,
413
967000
2000
אגב, אני זה שמדבר כאן,
16:24
but actuallyלמעשה Duolingoדולינגו is the work of a really awesomeמדהים teamקְבוּצָה, some of whomמִי are here.
414
969000
3000
אבל דואולינגו הוא למעשה פרי עמלה של קבוצה מדהימה, חלקם כאן.
16:27
So thank you.
415
972000
2000
אז תודה לכם.
16:29
(Applauseתְשׁוּאוֹת)
416
974000
4000
(תשואות)
Translated by ran amitay
Reviewed by Hanan Rosemarin

▲Back to top

ABOUT THE SPEAKER
Luis von Ahn - Computer scientist
Luis von Ahn builds systems that combine humans and computers to solve large-scale problems that neither can solve alone.

Why you should listen

Louis von Ahn is an associate professor of Computer Science at Carnegie Mellon University, and he's at the forefront of the crowdsourcing craze. His work takes advantage of the evergrowing Web-connected population to acheive collaboration in unprecedented numbers. His projects aim to leverage the crowd for human good. His company reCAPTCHA, sold to Google in 2009, digitizes human knowledge (books), one word at a time. His new project is Duolingo, which aims to get 100 million people translating the Web in every major language.

More profile about the speaker
Luis von Ahn | Speaker | TED.com

THE ORIGINAL VIDEO ON TED.COM