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

Luis von Ahn: Tömeges online együttműködés

Filmed:
1,740,008 views

Miután új célt adott a CAPTCHA-knak, hogy az emberek által begépelt válaszok könyvek digitalizálását segítsék, Luis von Ahn azon töprengett, hogy még hogyan lehetne felhasználni egy nagyobb cél érdekében sok-sok ember picinyke közreműködését az interneten. A TEDxCMU rendezvényen megosztja velünk, hogy az ambíciózus új projektje - a Duolingo - miként fog millióknak segíteni egy új nyelv megtanulásában mialatt a webet fordítják gyorsan és pontosan -- és mindezt ráadásul ingyen.
- 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 manysok of you had to filltölt out some sortfajta of webháló formforma
0
0
2000
Hány embernek kellett már Önök közül kitöltenie egy webes űrlapot,
00:17
where you've been askedkérdezte to readolvas a distortedtorz sequencesorrend of characterskarakterek like this?
1
2000
2000
ahol arra kérték, hogy értelmezzen egy eltorzult karaktersort,
00:19
How manysok of you foundtalál it really, really annoyingbosszantó?
2
4000
2000
mint mondjuk ez itt?
00:21
Okay, outstandingkiemelkedő. So I inventedfeltalált that.
3
6000
3000
Hányan találták ezt nagyon idegesítőnek?
00:24
(LaughterNevetés)
4
9000
2000
Rendben, kiváló. Ezt én találtam fel. (Nevetés)
00:26
Or I was one of the people who did it.
5
11000
2000
Vagyis egyike voltam azoknak, akik feltalálták.
00:28
That thing is calledhívott a CAPTCHAKAPITÁNY.
6
13000
2000
Ezt nevezik CAPTCHA-nak.
00:30
And the reasonok it is there is to make sure you, the entityentitás fillingtöltő out the formforma,
7
15000
2000
És azért van ott, hogy biztosítsa, hogy Ön, vagyis az entitás, aki kitölti az űrlapot
00:32
are actuallytulajdonképpen a humanemberi and not some sortfajta of computerszámítógép programprogram
8
17000
3000
valóban egy ember és nem valamilyen számítógépes program,
00:35
that was writtenírott to submitbeküldése the formforma millionsTöbb millió and millionsTöbb millió of timesalkalommal.
9
20000
2000
amit azért írtak, hogy milliószor és milliószor kitöltse az űrlapot.
00:37
The reasonok it worksművek is because humansemberek,
10
22000
2000
Azért működik, mert az emberek,
00:39
at leastlegkevésbé non-visually-impairednem-gyengénlátó humansemberek,
11
24000
2000
legalábbis a nem-látássérült emberek,
00:41
have no troublebaj readingolvasás these distortedtorz squigglysquiggly characterskarakterek,
12
26000
2000
könnyedén el tudják olvasni ezeket az eltorzult, girbegurba karaktereket,
00:43
whereasmivel computerszámítógép programsprogramok simplyegyszerűen can't do it as well yetmég.
13
28000
3000
míg a számítógépes programok még nem igazán képesek erre.
00:46
So for examplepélda, in the caseügy of TicketmasterTicketmaster,
14
31000
2000
Tehát például a Ticketmaster esetében
00:48
the reasonok you have to typetípus these distortedtorz characterskarakterek
15
33000
2000
azért kell Önnek begépelnie ezeket az eltorzult karaktereket,
00:50
is to preventmegelőzése scalpersscalpers from writingírás a programprogram
16
35000
2000
hogy megakadályozzuk a jegyüzéreket egy olyan program írásában,
00:52
that can buyVásárol millionsTöbb millió of ticketsjegyek, two at a time.
17
37000
2000
mellyel kettesével ugyan, de jegyek millióit vehetnék meg.
00:54
CAPTCHAsCAPTCHAs are used all over the InternetInternet.
18
39000
2000
CAPTCHA-kat szerte az interneten használnak,
00:56
And sincemivel they're used so oftengyakran,
19
41000
2000
és mivel olyan gyakran használják őket, előfordul,
00:58
a lot of timesalkalommal the precisepontos sequencesorrend of randomvéletlen characterskarakterek that is shownLátható to the userhasználó
20
43000
2000
hogy a véletlenszerű karakterek konkrét sorrendje, amit a felhasználó lát
01:00
is not so fortunateszerencsés.
21
45000
2000
nem épp a legszerencsésebb.
01:02
So this is an examplepélda from the YahooYahoo registrationregisztráció pageoldal.
22
47000
3000
Itt egy példa a Yahoo regisztrációs oldaláról.
01:05
The randomvéletlen characterskarakterek that happenedtörtént to be shownLátható to the userhasználó
23
50000
2000
A véletlenszerű karakterek, amiket a felhasználó látott
01:07
were W, A, I, T, whichmelyik, of coursetanfolyam, spellhelyesírás a wordszó.
24
52000
3000
W, A, I és T voltak, amik persze kiadnak egy szót. ("Várj")
01:10
But the bestlegjobb partrész is the messageüzenet
25
55000
3000
De a történet legszebb része az az üzenet,
01:13
that the YahooYahoo help deskasztal got about 20 minutespercek latera későbbiekben.
26
58000
3000
amit a Yahoo ügyfélszolgálata kapott úgy 20 perccel később.
01:16
TextSzöveg: "Help! I've been waitingvárakozás for over 20 minutespercek, and nothing happensmegtörténik."
27
61000
3000
"Segítség! Több mint 20 perce várok, és nem történik semmi."
01:19
(LaughterNevetés)
28
64000
4000
(Nevetés)
01:23
This personszemély thought they neededszükséges to wait.
29
68000
2000
A felhasználó azt hitte várnia kell.
01:25
This of coursetanfolyam, is not as badrossz as this poorszegény personszemély.
30
70000
3000
Ez persze nem olyan rossz, mint ez a szegény felhasználó.
01:28
(LaughterNevetés)
31
73000
2000
"Restart" - "Újraindítás"
01:30
CAPTCHAKAPITÁNY ProjectProjekt is something that we did here at CarnegieCarnegie MelllonMelllon over 10 yearsévek agoezelőtt,
32
75000
3000
A CAPTCHA Projektet úgy 10 éve kezdtük itt a Carnegie Melllon Egyetemen (Pennsylvania, USA),
01:33
and it's been used everywheremindenhol.
33
78000
2000
és azóta mindenütt használják.
01:35
Let me now tell you about a projectprogram that we did a fewkevés yearsévek latera későbbiekben,
34
80000
2000
Hadd meséljek most egy másik projektről, ami pár évvel később kezdtünk,
01:37
whichmelyik is sortfajta of the nextkövetkező evolutionevolúció of CAPTCHAKAPITÁNY.
35
82000
3000
ami nagyjából a CAPTCHA következő fejlődési állomása.
01:40
This is a projectprogram that we call reCAPTCHAtulajdon visszavétele,
36
85000
2000
Ezt a projektet úgy hívjuk, hogy reCAPTCHA,
01:42
whichmelyik is something that we startedindult here at CarnegieCarnegie MellonMellon,
37
87000
2000
és szintén itt a Carnegie Mellon Egyetemen kezdtünk hozzá,
01:44
then we turnedfordult it into a startupüzembe helyezés companyvállalat.
38
89000
2000
majd alapítottunk egy céget a folytatáshoz.
01:46
And then about a yearév and a halffél agoezelőtt,
39
91000
2000
Aztán úgy másfél évvel ezelőtt
01:48
GoogleGoogle actuallytulajdonképpen acquiredszerzett this companyvállalat.
40
93000
2000
a Google megvette ezt a céget.
01:50
So let me tell you what this projectprogram startedindult.
41
95000
2000
Hadd meséljem el mibe kezdett bele ez a projekt.
01:52
So this projectprogram startedindult from the followingkövetkező realizationmegvalósítása:
42
97000
3000
Ez a projekt a következő felismerésből indult:
01:55
It turnsmenetek out that approximatelyhozzávetőlegesen, körülbelül 200 millionmillió CAPTCHAsCAPTCHAs
43
100000
2000
Kiderült, hogy hozzávetőlegesen 200 millió CAPTCHA-t
01:57
are typedgépelt everydayminden nap by people around the worldvilág.
44
102000
3000
gépelnek be az emberek naponta, szerte a világon.
02:00
When I first heardhallott this, I was quiteegészen proudbüszke of myselfmagamat.
45
105000
2000
Mikor ezt először hallottam, elég büszke voltam magamra.
02:02
I thought, look at the impacthatás that my researchkutatás has had.
46
107000
2000
Azt gondoltam, nézzenek oda micsoda hatása lett a kutatásomnak.
02:04
But then I startedindult feelingérzés badrossz.
47
109000
2000
Viszont nem sokkal később rossz érzésem támadt.
02:06
See here'sitt the thing, eachminden egyes time you typetípus a CAPTCHAKAPITÁNY,
48
111000
2000
Az a helyzet, hogy minden alkalommal mikor valaki begépel egy CAPTCHA-t,
02:08
essentiallylényegében you wastehulladék 10 secondsmásodperc of your time.
49
113000
3000
tulajdonképpen veszít 10 másodpercet az életéből,
02:11
And if you multiplyszaporodnak that by 200 millionmillió,
50
116000
2000
és ha ezt megszorozzuk 200 millióval, azt kapjuk,
02:13
you get that humanityemberiség as a wholeegész is wastingpazarlás about 500,000 hoursórák everyminden day
51
118000
3000
hogy az egész emberiség úgy 500.000 órát pazarol el naponta arra,
02:16
typinggépelés these annoyingbosszantó CAPTCHAsCAPTCHAs.
52
121000
2000
hogy ezeket az idegesítő CAPTCHA-kat begépelje.
02:18
So then I startedindult feelingérzés badrossz.
53
123000
2000
Ekkor kezdtem magam rosszul érezni.
02:20
(LaughterNevetés)
54
125000
2000
(Nevetés)
02:22
And then I startedindult thinkinggondolkodás, well, of coursetanfolyam, we can't just get ridmegszabadít of CAPTCHAsCAPTCHAs,
55
127000
3000
Először arra gondoltam, hogy nem szabadulhatunk meg csak úgy a CAPTCHA-któl
02:25
because the securityBiztonság of the WebWeb sortfajta of dependsattól függ on them.
56
130000
2000
hiszen a web biztonsága részben ezektől függ.
02:27
But then I startedindult thinkinggondolkodás, is there any way we can use this efforterőfeszítés
57
132000
3000
Aztán azon kezdtem gondolkozni, hogy nem tudnánk-e felhasználni ezt az erőfeszítést
02:30
for something that is good for humanityemberiség?
58
135000
2000
valamire, ami hasznos az emberiségnek?
02:32
So see, here'sitt the thing.
59
137000
2000
Nos... a következőre jöttünk rá.
02:34
While you're typinggépelés a CAPTCHAKAPITÁNY, duringalatt those 10 secondsmásodperc,
60
139000
2000
Amikor valaki begépel egy CAPTCHA-t, abban a 10 másodpercben
02:36
your brainagy is doing something amazingelképesztő.
61
141000
2000
az illető agya valami csodálatos dolgot művel.
02:38
Your brainagy is doing something that computersszámítógépek cannotnem tud yetmég do.
62
143000
2000
Az emberi agy olyasmikre képes, amikre a számítógépek még nem.
02:40
So can we get you to do usefulhasznos work for those 10 secondsmásodperc?
63
145000
3000
Szóval hogyan hasznosíthatnánk ezeket a 10 másodperceket?
02:43
AnotherEgy másik way of puttingelhelyezés it is,
64
148000
2000
Másképpen fogalmazva,
02:45
is there some humongoushumongous problemprobléma that we cannotnem tud yetmég get computersszámítógépek to solvemegfejt,
65
150000
2000
létezik-e olyan hatalmas probléma, amit még nem tudunk számítógépekkel megoldani,
02:47
yetmég we can splithasított into tinyapró 10-second chunksdarabokat
66
152000
3000
de fel tudunk darabolni picinyke 10 másodperces szeletekre,
02:50
suchilyen that eachminden egyes time somebodyvalaki solvesmegoldja a CAPTCHAKAPITÁNY
67
155000
2000
amiket egy felhasználó könnyedén meg tud oldani,
02:52
they solvemegfejt a little bitbit of this problemprobléma?
68
157000
2000
mialatt megold egy CAPTCHA-t?
02:54
And the answerválasz to that is "yes," and this is what we're doing now.
69
159000
2000
A válasz "igen", és pontosan ez az amit jelenleg csinálunk.
02:56
So what you maylehet not know is that nowadaysManapság while you're typinggépelés a CAPTCHAKAPITÁNY,
70
161000
3000
Talán nem tudják, de ha mostanában begépelnek egy CAPTCHA-t,
02:59
not only are you authenticatinghitelesítése yourselfsaját magad as a humanemberi,
71
164000
2000
nem csak hitelesítik magukat, mint emberi lények,
03:01
but in additionkiegészítés you're actuallytulajdonképpen helpingsegít us to digitizedigitalizálása bookskönyvek.
72
166000
2000
de ráadásul segítenek nekünk könyveket digitalizálni.
03:03
So let me explainmegmagyarázni how this worksművek.
73
168000
2000
Hadd magyarázzam el hogyan is működik ez.
03:05
So there's a lot of projectsprojektek out there tryingmegpróbálja to digitizedigitalizálása bookskönyvek.
74
170000
2000
Sok projekt létezik, melyben könyveket próbálnak digitalizálni.
03:07
GoogleGoogle has one. The InternetInternet ArchiveArchívum has one.
75
172000
3000
A Google-nek is van egy ilyen projektje, és az Internet Archívumnak is.
03:10
AmazonAmazon, now with the KindleKindle, is tryingmegpróbálja to digitizedigitalizálása bookskönyvek.
76
175000
2000
Az Amazon is, most épp a Kindle e-book olvasójához, szintén próbál könyveket digitalizálni.
03:12
BasicallyAlapvetően the way this worksművek
77
177000
2000
Ez alapvetően úgy történik,
03:14
is you startRajt with an oldrégi bookkönyv.
78
179000
2000
hogy fognak egy régi könyvet...
03:16
You've seenlátott those things, right? Like a bookkönyv?
79
181000
2000
Láttak már ilyen dolgokat ugye? Mármint könyveket...
03:18
(LaughterNevetés)
80
183000
2000
(Nevetés)
03:20
So you startRajt with a bookkönyv, and then you scanletapogatás it.
81
185000
2000
Szóval fognak egy könyvet, és beszkennelik az egészet.
03:22
Now scanningletapogatás a bookkönyv
82
187000
2000
Namármost beszkennelni egy könyvet, olyan
03:24
is like takingbevétel a digitaldigitális photographfénykép of everyminden pageoldal of the bookkönyv.
83
189000
2000
mintha a könyv minden oldaláról készítenénk egy digitális fotót.
03:26
It givesad you an imagekép for everyminden pageoldal of the bookkönyv.
84
191000
2000
Lesz egy képünk a könyv összes oldaláról,
03:28
This is an imagekép with textszöveg for everyminden pageoldal of the bookkönyv.
85
193000
2000
ahol mindegyik képen rengeteg szöveg van.
03:30
The nextkövetkező steplépés in the processfolyamat
86
195000
2000
A folyamat következő lépése, hogy a számítógépnek
03:32
is that the computerszámítógép needsigények to be ableképes to deciphermegfejtés all of the wordsszavak in this imagekép.
87
197000
3000
képesnek kell lennie felismerni a képen található összes szót.
03:35
That's usinghasználva a technologytechnológia calledhívott OCROCR,
88
200000
2000
Ehhez egy OCR nevű technológiát használnak,
03:37
for opticaloptikai characterkarakter recognitionelismerés,
89
202000
2000
ami az 'Optical Character Recognition' rövidítése, (optikai karakterfelismerés)
03:39
whichmelyik takes a picturekép of textszöveg
90
204000
2000
ami fog egy képet egy szövegről,
03:41
and triespróbálkozás to figureábra out what textszöveg is in there.
91
206000
2000
és megpróbálja kitalálni, hogy milyen szöveg van benne.
03:43
Now the problemprobléma is that OCROCR is not perfecttökéletes.
92
208000
2000
A probléma az, hogy az OCR nem tökéletes.
03:45
EspeciallyKülönösen for olderidősebb bookskönyvek
93
210000
2000
Különösen régi könyvek esetén,
03:47
where the inktinta has fadedelhalványult and the pagesoldalak have turnedfordult yellowsárga,
94
212000
3000
ahol elmosódott a tinta és megsárgultak a lapok,
03:50
OCROCR cannotnem tud recognizeelismerik a lot of the wordsszavak.
95
215000
2000
az OCR sok szót nem képes felismerni.
03:52
For examplepélda, for things that were writtenírott more than 50 yearsévek agoezelőtt,
96
217000
2000
Például ha valamit több mint 50 évvel ezelőtt írtak,
03:54
the computerszámítógép cannotnem tud recognizeelismerik about 30 percentszázalék of the wordsszavak.
97
219000
3000
a számítógép úgy a szavak 30 százalékát nem képes felismerni.
03:57
So what we're doing now
98
222000
2000
Tehát, amit mi csinálunk az az, hogy
03:59
is we're takingbevétel all of the wordsszavak that the computerszámítógép cannotnem tud recognizeelismerik
99
224000
2000
fogjuk az összes szót, amit a számítógép nem ismer fel,
04:01
and we're gettingszerzés people to readolvas them for us
100
226000
2000
és embereket veszünk rá, hogy értelmezzék őket,
04:03
while they're typinggépelés a CAPTCHAKAPITÁNY on the InternetInternet.
101
228000
2000
mialatt begépelnek egy CAPTCHA-t az interneten.
04:05
So the nextkövetkező time you typetípus a CAPTCHAKAPITÁNY, these wordsszavak that you're typinggépelés
102
230000
3000
Tehát a következő alkalommal mikor begépelnek egy CAPTCHA-t, ezek a szavak, amiket begépelnek
04:08
are actuallytulajdonképpen wordsszavak that are comingeljövetel from bookskönyvek that are beinglény digitizeddigitalizált
103
233000
3000
valójában digitalizálás alatt álló könyvekből való szavak,
04:11
that the computerszámítógép could not recognizeelismerik.
104
236000
2000
amiket a számítógép nem tudott felismerni.
04:13
And now the reasonok we have two wordsszavak nowadaysManapság insteadhelyette of one
105
238000
2000
Azért láthatnak mostanában két szót egy helyett,
04:15
is because, you see, one of the wordsszavak
106
240000
2000
mert ezen szavak egyike, egy olyan szó,
04:17
is a wordszó that the systemrendszer just got out of a bookkönyv,
107
242000
2000
amit a rendszer épp most szedett ki egy könyvből,
04:19
it didn't know what it was, and it's going to presentajándék it to you.
108
244000
3000
mivel nem tudta mi az, és így Önöknek fogja megmutatni.
04:22
But sincemivel it doesn't know the answerválasz for it, it cannotnem tud gradefokozat it for you.
109
247000
3000
De mivel a rendszer nem tudja mi a szó, így nem képes értékelni a válaszok helyességét.
04:25
So what we do is we give you anotheregy másik wordszó,
110
250000
2000
Ezért adunk egy másik szót is,
04:27
one for whichmelyik the systemrendszer does know the answerválasz.
111
252000
2000
aminek a rendszer ténylegesen tudja a jelentését.
04:29
We don't tell you whichmelyik one'sazok whichmelyik, and we say, please typetípus bothmindkét.
112
254000
2000
Nem mondjuk meg melyik szó melyik, csak arra kérjük, hogy gépelje be mindkettőt.
04:31
And if you typetípus the correcthelyes wordszó
113
256000
2000
És ha begépelik a megfelelő szót,
04:33
for the one for whichmelyik the systemrendszer alreadymár knowstudja the answerválasz,
114
258000
2000
aminek a rendszer már tudja a jelentését,
04:35
it assumesfeltételezi you are humanemberi,
115
260000
2000
akkor feltételezi, hogy Önök emberek,
04:37
and it alsois getsjelentkeznek some confidencebizalom that you typedgépelt the other wordszó correctlyhelyesen.
116
262000
2000
és bizalommal feltételezi, hogy a másik szót is helyesen gépelték be.
04:39
And if we repeatismétlés this processfolyamat to like 10 differentkülönböző people
117
264000
3000
És ha ezt az eljárást megismételjük 10 különböző emberrel,
04:42
and all of them agreeegyetért on what the newúj wordszó is,
118
267000
2000
és mindegyikük egyetért az új szó helyes begépelésében,
04:44
then we get one more wordszó digitizeddigitalizált accuratelypontosan.
119
269000
2000
akkor sikerült egy újabb szót pontosan digitalizálnunk.
04:46
So this is how the systemrendszer worksművek.
120
271000
2000
Tehát így működik a rendszer.
04:48
And basicallyalapvetően, sincemivel we releasedfelszabadított it about threehárom or fournégy yearsévek agoezelőtt,
121
273000
3000
És mivel úgy négy vagy öt éve tettük közzé,
04:51
a lot of websiteshonlapok have startedindult switchingátkapcsolás
122
276000
2000
sok weboldal átállt a régi CAPTCHA-ról,
04:53
from the oldrégi CAPTCHAKAPITÁNY where people wastedelpusztít theirazok time
123
278000
2000
amivel az emberek az idejüket vesztegették, az új CAPTHCA-ra,
04:55
to the newúj CAPTCHAKAPITÁNY where people are helpingsegít to digitizedigitalizálása bookskönyvek.
124
280000
2000
amivel segítenek nekünk könyveket digitalizálni.
04:57
So for examplepélda, TicketmasterTicketmaster.
125
282000
2000
Tehát például a Ticketmaster.
04:59
So everyminden time you buyVásárol ticketsjegyek on TicketmasterTicketmaster, you help to digitizedigitalizálása a bookkönyv.
126
284000
3000
Minden alkalommal, mikor vesznek egy jegyet a Ticketmasteren, segítenek digitalizálni egy könyvet.
05:02
FacebookFacebook: EveryMinden time you addhozzáad a friendbarát or pokelök somebodyvalaki,
127
287000
2000
Facebook: minden alkalommal mikor megjelölnek valakit ismerősként, vagy megböknek valakit,
05:04
you help to digitizedigitalizálása a bookkönyv.
128
289000
2000
segítenek digitalizálni egy könyvet.
05:06
TwitterTwitter and about 350,000 other sitesoldalak are all usinghasználva reCAPTCHAtulajdon visszavétele.
129
291000
3000
A Twitter is, és körülbelül 350.000 másik weboldal is a reCAPTCHA-t használ.
05:09
And in facttény, the numberszám of sitesoldalak that are usinghasználva reCAPTCHAtulajdon visszavétele is so highmagas
130
294000
2000
Valójában olyan magas a reCAPTCHA-t használó weboldalak száma,
05:11
that the numberszám of wordsszavak that we're digitizingdigitalizálás perper day is really, really largenagy.
131
296000
3000
hogy a naponta digitalizált szavak száma igencsak óriási.
05:14
It's about 100 millionmillió a day,
132
299000
2000
Körülbelül 100 millió naponta,
05:16
whichmelyik is the equivalentegyenértékű of about two and a halffél millionmillió bookskönyvek a yearév.
133
301000
4000
ami úgy 2.5 millió könyvnek felel meg évente.
05:20
And this is all beinglény doneKész one wordszó at a time
134
305000
2000
És mindezt szavanként érjük el,
05:22
by just people typinggépelés CAPTCHAsCAPTCHAs on the InternetInternet.
135
307000
2000
azzal, hogy az emberek CAPTCHA-kat gépelnek az interneten.
05:24
(ApplauseTaps)
136
309000
8000
(Taps)
05:32
Now of coursetanfolyam,
137
317000
2000
Természetesen,
05:34
sincemivel we're doing so manysok wordsszavak perper day,
138
319000
2000
mivel ilyen sok szóval dolgozunk naponta,
05:36
funnyvicces things can happentörténik.
139
321000
2000
vicces dolgok fordulhatnak elő.
05:38
And this is especiallykülönösen trueigaz because now we're givingígy people
140
323000
2000
És ez most ráadásul különösen igaz, mivel most már két,
05:40
two randomlyvéletlenszerűen chosenválasztott Englishangol wordsszavak nextkövetkező to eachminden egyes other.
141
325000
2000
véletlenszerűen választott angol szót adunk az embereknek egymás mellett.
05:42
So funnyvicces things can happentörténik.
142
327000
2000
Így valóban vicces dolgok történhetnek.
05:44
For examplepélda, we presentedbemutatva this wordszó.
143
329000
2000
Egyszer például ezt a szót jelenítettük meg.
05:46
It's the wordszó "ChristiansKeresztények"; there's nothing wrongrossz with it.
144
331000
2000
Ez a "Keresztények" szó, semmi baj nincs vele.
05:48
But if you presentajándék it alongmentén with anotheregy másik randomlyvéletlenszerűen chosenválasztott wordszó,
145
333000
3000
Azonban ha egy másik véletlenszerűen választott szóval együtt jelenítjük meg,
05:51
badrossz things can happentörténik.
146
336000
2000
szörnyű dolgok történhetnek.
05:53
So we get this. (TextSzöveg: badrossz christianskeresztények)
147
338000
2000
Így láthatjuk például ezt: "rossz keresztények"
05:55
But it's even worserosszabb, because the particularkülönös websiteweboldal where we showedkimutatta, this
148
340000
3000
De a helyzet még ennél is rosszabb, hiszen a weboldal, ahol ezt a két szót mutattuk,
05:58
actuallytulajdonképpen happenedtörtént to be calledhívott The EmbassyNagykövetség of the KingdomKirályság of God.
149
343000
3000
éppenséggel az "Isten Királyságának Követsége" nevet viselte.
06:01
(LaughterNevetés)
150
346000
2000
(Nevetés)
06:03
OopsHoppá.
151
348000
2000
Hoppá.
06:05
(LaughterNevetés)
152
350000
3000
(Nevetés)
06:08
Here'sItt van anotheregy másik really badrossz one.
153
353000
2000
Itt egy másik borzasztó eset.
06:10
JohnEdwardsJohnEdwards.comcom
154
355000
2000
JohnEdwards.com (liberális politikus az Egyesült Államokban)
06:12
(TextSzöveg: DamnÁtok liberalliberális)
155
357000
3000
"Átkozott liberális"
06:15
(LaughterNevetés)
156
360000
2000
(Nevetés)
06:17
So we keep on insultingsértő people left and right everydayminden nap.
157
362000
3000
Szóval naponta sértegetjük az embereket bal és jobb oldalon egyaránt.
06:20
Now, of coursetanfolyam, we're not just insultingsértő people.
158
365000
2000
Persze nem csak sértegetjük őket.
06:22
See here'sitt the thing, sincemivel we're presentingbemutató two randomlyvéletlenszerűen chosenválasztott wordsszavak,
159
367000
3000
Tudják az a helyzet, hogy mióta két véletlenszerű szót mutatunk,
06:25
interestingérdekes things can happentörténik.
160
370000
2000
érdekes dolgok tudnak megesni.
06:27
So this actuallytulajdonképpen has givenadott riseemelkedik
161
372000
2000
Igazából a jelenség egy meglehetősen nagy
06:29
to a really bignagy InternetInternet mememém
162
374000
3000
internetes mémmé nőtte ki magát,
06:32
that tenstíz of thousandsTöbb ezer of people have participatedrészt in,
163
377000
2000
amiben emberek tízezrei vettek részt,
06:34
whichmelyik is calledhívott CAPTCHAKAPITÁNY artművészet.
164
379000
2000
és amit CAPTCHA művészetnek hívunk.
06:36
I'm sure some of you have heardhallott about it.
165
381000
2000
Bizonyára néhányan már hallottak róla.
06:38
Here'sItt van how it worksművek.
166
383000
2000
A következőképpen működik.
06:40
ImagineKépzeld el you're usinghasználva the InternetInternet and you see a CAPTCHAKAPITÁNY
167
385000
2000
Képzeljék el, hogy internetezés közben látnak egy CAPTCHA-t,
06:42
that you think is somewhatnémileg peculiarsajátos,
168
387000
2000
amit valamiért különlegesnek tartanak,
06:44
like this CAPTCHAKAPITÁNY. (TextSzöveg: invisibleláthatatlan toasterkenyérpirító)
169
389000
2000
mint például ez a CAPTCHA: "láthatatlan kenyérpirító".
06:46
Then what you're supposedfeltételezett to do is you take a screenképernyő shotlövés of it.
170
391000
2000
Ilyenkor készítenek egy képernyőképet,
06:48
Then of coursetanfolyam, you filltölt out the CAPTCHAKAPITÁNY
171
393000
2000
aztán persze kitöltik a CAPTCHA-t,
06:50
because you help us digitizedigitalizálása a bookkönyv.
172
395000
2000
mert segítenek nekünk könyveket digitalizálni,
06:52
But then, first you take a screenképernyő shotlövés,
173
397000
2000
de aztán... először csinálnak egy képernyőképet,
06:54
and then you drawhúz something that is relatedösszefüggő to it.
174
399000
2000
és aztán rajzolnak valami odaillőt.
06:56
(LaughterNevetés)
175
401000
2000
"láthatatlan kenyérpirító" (Nevetés)
06:58
That's how it worksművek.
176
403000
3000
Ez így működik.
07:01
There are tenstíz of thousandsTöbb ezer of these.
177
406000
3000
Több tízezer van ezekből.
07:04
Some of them are very cutecuki. (TextSzöveg: clenchedösszeszorított it)
178
409000
2000
Némelyikük nagyon édes: "összeszorítottam"
07:06
(LaughterNevetés)
179
411000
2000
"összeszorítottam" (Nevetés)
07:08
Some of them are funnierviccesebb.
180
413000
2000
Némelyik viccesebb.
07:10
(TextSzöveg: stonedmagozott foundersalapítók)
181
415000
3000
"betépett alapítók"
07:13
(LaughterNevetés)
182
418000
3000
"betépett alapítók" (Nevetés)
07:16
And some of them,
183
421000
2000
És némelyiken,
07:18
like paleontologicalŐslénytani shvisleshvisle,
184
423000
3000
mint a "paleontológikus shvizén"-n,
07:21
they containtartalmaz SnoopSnoop DoggDogg.
185
426000
2000
még Snoop Dogg is feltűnik.
07:23
(LaughterNevetés)
186
428000
3000
(Nevetés)
07:26
Okay, so this is my favoritekedvenc numberszám of reCAPTCHAtulajdon visszavétele.
187
431000
2000
Oké, ez a kedvenc reCAPTCHA-s számom,
07:28
So this is the favoritekedvenc thing that I like about this wholeegész projectprogram.
188
433000
3000
vagyis ez az, amit leginkább kedvelek ebben a projektben.
07:31
This is the numberszám of distinctkülönböző people
189
436000
2000
Ez a különböző emberek száma, akik segítettek nekünk
07:33
that have helpedsegített us digitizedigitalizálása at leastlegkevésbé one wordszó out of a bookkönyv throughkeresztül reCAPTCHAtulajdon visszavétele:
190
438000
3000
a reCAPTCHA-n keresztül digitalizálni akár csak egyetlen szavát egy könyvnek.
07:36
750 millionmillió,
191
441000
2000
750 millió ember,
07:38
whichmelyik is a little over 10 percentszázalék of the world'svilág populationnépesség,
192
443000
2000
ami valamivel több, mint a világ lakosságának 10 százaléka,
07:40
has helpedsegített us digitizedigitalizálása humanemberi knowledgetudás.
193
445000
2000
segített nekünk az emberi tudás digitalizálásában.
07:42
And it is numbersszám like these that motivatemotivál my researchkutatás agendanapirend.
194
447000
3000
És ezek azok a számok, amik leginkább motiválják a kutatási céljaimat.
07:45
So the questionkérdés that motivatesmotivál my researchkutatás is the followingkövetkező:
195
450000
3000
A következő kérdés motiválja a kutatásaimat:
07:48
If you look at humanity'semberiség large-scalenagyarányú achievementseredmények,
196
453000
2000
Ha az emberiség nagyléptékű eredményeit tekintjük,
07:50
these really bignagy things
197
455000
2000
azokat melyek igazán hatalmasak,
07:52
that humanityemberiség has gottenütött togetheregyütt and doneKész historicallytörténelmileg --
198
457000
3000
melyekben az emberiség összefogott egy történelmi tettre,
07:55
like for examplepélda, buildingépület the pyramidspiramisok of EgyptEgyiptom
199
460000
2000
mint például az egyiptomi piramisok megépítése,
07:57
or the PanamaPanama CanalCsatorna
200
462000
2000
vagy a Panama Csatorna megépítése,
07:59
or puttingelhelyezés a man on the MoonHold --
201
464000
2000
vagy az első ember Holdra juttatása.
08:01
there is a curiouskíváncsi facttény about them,
202
466000
2000
Van egy közös vonás mindezekben,
08:03
and it is that they were all doneKész with about the sameazonos numberszám off people.
203
468000
2000
mégpedig az, hogy mindegyikhez körülbelül ugyanannyi ember munkája kellett,
08:05
It's weirdfurcsa; they were all doneKész with about 100,000 people.
204
470000
3000
ami elég fura. Mindegyik úgy 100.000 ember munkájával jött létre.
08:08
And the reasonok for that is because, before the InternetInternet,
205
473000
3000
És ennek az az oka, hogy az internet előtt
08:11
coordinatingkoordinációs more than 100,000 people,
206
476000
2000
100.000 embernél többet koordinálni,
08:13
let aloneegyedül payingfizető them, was essentiallylényegében impossiblelehetetlen.
207
478000
3000
nemhogy megfizetni, lényegében lehetetlen volt.
08:16
But now with the InternetInternet, I've just shownLátható you a projectprogram
208
481000
2000
De manapság van internetünk, és épp most mutattam Önöknek
08:18
where we'vevoltunk gottenütött 750 millionmillió people
209
483000
2000
egy projektet, melyben 750 millió ember
08:20
to help us digitizedigitalizálása humanemberi knowledgetudás.
210
485000
2000
segít nekünk digitalizálni az emberi tudást.
08:22
So the questionkérdés that motivatesmotivál my researchkutatás is,
211
487000
2000
Tehát a kérdés, ami a kutatásaimat motiválja az az,
08:24
if we can put a man on the MoonHold with 100,000,
212
489000
3000
hogy ha képesek vagyunk 100.000 emberrel embert juttatni a Holdra,
08:27
what can we do with 100 millionmillió?
213
492000
2000
akkor mire vagyunk képesek 100 millió emberrel?
08:29
So basedszékhelyű on this questionkérdés,
214
494000
2000
Erre a kérdésre alapozva,
08:31
we'vevoltunk had a lot of differentkülönböző projectsprojektek that we'vevoltunk been workingdolgozó on.
215
496000
2000
rengeteg különböző projekttel foglalkoztunk.
08:33
Let me tell you about one that I'm mosta legtöbb excitedizgatott about.
216
498000
3000
Az egyikkel kapcsolatban különösen izgatott vagyok.
08:36
This is something that we'vevoltunk been semi-quietlyfélig csendben workingdolgozó on
217
501000
2000
Az elmúlt másfél évben ezen dolgoztunk,
08:38
for the last yearév and a halffél or so.
218
503000
2000
viszonylag csendesen.
08:40
It hasn'tmég nem yetmég been launchedindított. It's calledhívott DuolingoDuolingo.
219
505000
2000
Hivatalosan még nem indult el. Duolingo a neve.
08:42
SinceÓta it hasn'tmég nem been launchedindított, shhhhhKrisztián!
220
507000
2000
Mivel még nem indult el, pssszt!
08:44
(LaughterNevetés)
221
509000
2000
(Nevetés)
08:46
Yeah, I can trustbizalom you'llazt is megtudhatod do that.
222
511000
2000
Oké, megbízom magukban.
08:48
So this is the projectprogram. Here'sItt van how it startedindult.
223
513000
2000
Tehát erről szól a projekt, és a következőképp indult.
08:50
It startedindult with me posingpózol a questionkérdés to my graduateérettségizni studentdiák,
224
515000
2000
Azzal kezdődött, hogy feltettem egy kérdést az egyik végzős hallgatómnak,
08:52
SeverinSeverin HackerHacker.
225
517000
2000
Severin Hacker-nek.
08:54
Okay, that's SeverinSeverin HackerHacker.
226
519000
2000
Oké, ő itt Severin Hacker.
08:56
So I posedjelentett the questionkérdés to my graduateérettségizni studentdiák.
227
521000
2000
Szóval feltettem a kérdést egy végzős hallgatómnak.
08:58
By the way, you did hearhall me correctlyhelyesen;
228
523000
2000
Egyébként jól hallották,
09:00
his last namenév is HackerHacker.
229
525000
2000
a vezetékneve Hacker.
09:02
So I posedjelentett this questionkérdés to him:
230
527000
2000
Feltettem neki a kérdést:
09:04
How can we get 100 millionmillió people
231
529000
2000
Hogyan tehetünk szert 100 millió emberre,
09:06
translatingtranslating the WebWeb into everyminden majorJelentősebb languagenyelv for freeingyenes?
232
531000
3000
akik ingyen lefordítják a webet minden nagyobb nyelvre?
09:09
Okay, so there's a lot of things to say about this questionkérdés.
233
534000
2000
Rendben, tehát egy jó pár dolgot el kell mondani a kérdésről.
09:11
First of all, translatingtranslating the WebWeb.
234
536000
2000
Először is a web lefordítása.
09:13
So right now the WebWeb is partitionedparticionált into multipletöbbszörös languagesnyelvek.
235
538000
3000
Ebben a pillanatban a web számos nyelvre van felosztva.
09:16
A largenagy fractiontöredék of it is in Englishangol.
236
541000
2000
Egy nagy része angol.
09:18
If you don't know any Englishangol, you can't accesshozzáférés it.
237
543000
2000
Ha nem tudnak angolul, nem tudnak hozzáférni.
09:20
But there's largenagy fractionsfrakciók in other differentkülönböző languagesnyelvek,
238
545000
2000
De vannak hatalmas részei más nyelveken is,
09:22
and if you don't know those languagesnyelvek, you can't accesshozzáférés it.
239
547000
3000
melyekhez szintén nem fér hozzá, aki nem beszél azokon a nyelveken.
09:25
So I would like to translatefordít all of the WebWeb, or at leastlegkevésbé mosta legtöbb of the WebWeb,
240
550000
3000
Én az egész webet szeretném lefordítani, legalábbis a nagy részét
09:28
into everyminden majorJelentősebb languagenyelv.
241
553000
2000
minden nagyobb nyelvre.
09:30
So that's what I would like to do.
242
555000
2000
Ezt szeretném tenni.
09:32
Now some of you maylehet say, why can't we use computersszámítógépek to translatefordít?
243
557000
3000
Néhányan talán most azt kérdezik, hogy miért nem használunk számítógépeket a fordításhoz?
09:35
Why can't we use machinegép translationfordítás?
244
560000
2000
Miért nem használhatunk gépi fordítást?
09:37
MachineGép translationfordítás nowadaysManapság is startingkiindulási to translatefordít some sentencesmondatok here and there.
245
562000
2000
A gépi fordítás manapság már lefordít néhány mondatot itt-ott.
09:39
Why can't we use it to translatefordít the wholeegész WebWeb?
246
564000
2000
Miért nem használjuk arra, hogy lefordítsuk az egész webet?
09:41
Well the problemprobléma with that is that it's not yetmég good enoughelég
247
566000
2000
Nos a probléma ezzel az, hogy még nem elég pontos,
09:43
and it probablyvalószínűleg won'tszokás be for the nextkövetkező 15 to 20 yearsévek.
248
568000
2000
és valószínűleg nem is lesz az a következő 15-20 évben.
09:45
It makesgyártmányú a lot of mistakeshibák.
249
570000
2000
Sokat hibázik.
09:47
Even when it doesn't make a mistakehiba,
250
572000
2000
És még akkor is, mikor nem téved,
09:49
sincemivel it makesgyártmányú so manysok mistakeshibák, you don't know whetherakár to trustbizalom it or not.
251
574000
3000
mivel olyan sok hibát vét, nem tudhatjuk, hogy megbízhatunk-e benne.
09:52
So let me showelőadás you an examplepélda
252
577000
2000
Hadd mutassak egy példát
09:54
of something that was translatedlefordított with a machinegép.
253
579000
2000
valamire, ami gépi fordítással készült.
09:56
ActuallyValójában it was a forumFórum postposta.
254
581000
2000
Igazából ez egy fórum hozzászólás.
09:58
It was somebodyvalaki who was tryingmegpróbálja to askkérdez a questionkérdés about JavaScriptJavaScript.
255
583000
3000
Valaki a JavaScriptről próbált kérdezni valamit.
10:01
It was translatedlefordított from Japanesejapán into Englishangol.
256
586000
3000
Japánról lett angolra fordítva.
10:04
So I'll just let you readolvas.
257
589000
2000
Oké, hagyom, hogy elolvassák.
10:06
This personszemély startskezdődik apologizingbocsánatot kér
258
591000
2000
Az író bocsánatkéréssel kezdi
10:08
for the facttény that it's translatedlefordított with a computerszámítógép.
259
593000
2000
amiért a fordítást géppel végezte.
10:10
So the nextkövetkező sentencemondat is is going to be the preamblebevezetés to the questionkérdés.
260
595000
3000
A következő mondat a kérdés bevezetője,
10:13
So he's just explainingmagyarázó something.
261
598000
2000
szóval az író csak magyaráz valamit.
10:15
RememberNe feledje, it's a questionkérdés about JavaScriptJavaScript.
262
600000
3000
Ne feledjék, a kérdés a JavaScript nyelvről szól.
10:19
(TextSzöveg: At oftengyakran, the goat-timekecske-idő installtelepítés a errorhiba is vomithányadék.)
263
604000
4000
"Gyakran a kecske-idő telepítésekor az hiba hányódik."
10:23
(LaughterNevetés)
264
608000
4000
(Nevetés)
10:27
Then comesjön the first partrész of the questionkérdés.
265
612000
3000
Aztán jön a kérdés első része.
10:30
(TextSzöveg: How manysok timesalkalommal like the windszél, a polepólus, and the dragonsárkány?)
266
615000
4000
"Milyen sokszor mint a szél, egy rúd és egy sárkány?"
10:34
(LaughterNevetés)
267
619000
2000
(Nevetés)
10:36
Then comesjön my favoritekedvenc partrész of the questionkérdés.
268
621000
3000
Aztán a kedvenc részem következik.
10:39
(TextSzöveg: This insultsértés to father'sapja stoneskövek?)
269
624000
3000
"Ez sérti az apák köveit?"
10:42
(LaughterNevetés)
270
627000
2000
(Nevetés)
10:44
And then comesjön the endingbefejező, whichmelyik is my favoritekedvenc partrész of the wholeegész thing.
271
629000
3000
Aztán jön a lezárás, ami a kedvencem az egész szövegben.
10:47
(TextSzöveg: Please apologizebocsánatot kér for your stupidityhülyeség. There are a manysok thank you.)
272
632000
4000
"Elnézést kérek a butaságotokért. Nagyon sok köszönet van nektek."
10:51
(LaughterNevetés)
273
636000
2000
(Nevetés)
10:53
Okay, so computerszámítógép translationfordítás, not yetmég good enoughelég.
274
638000
2000
Oké, tehát a gépi fordítás még nem elég jó.
10:55
So back to the questionkérdés.
275
640000
2000
Tehát vissza a kérdéshez.
10:57
So we need people to translatefordít the wholeegész WebWeb.
276
642000
3000
Emberekre van szükségünk, hogy lefordítsuk a webet.
11:00
So now the nextkövetkező questionkérdés you maylehet have is,
277
645000
2000
A következő kérdés, amit feltehetnének,
11:02
well why can't we just payfizetés people to do this?
278
647000
2000
hogy miért nem fizethetünk ezért az embereknek?
11:04
We could payfizetés professionalszakmai languagenyelv translatorsfordítók to translatefordít the wholeegész WebWeb.
279
649000
3000
Felvehetnénk hivatásos fordítókat, hogy lefordítsák az egész webet.
11:07
We could do that.
280
652000
2000
Megtehetnénk.
11:09
UnfortunatelySajnos, it would be extremelyrendkívüli módon expensivedrága.
281
654000
2000
Sajnálatos módon ez elképesztően drága lenne.
11:11
For examplepélda, translatingtranslating a tinyapró, tinyapró fractiontöredék of the wholeegész WebWeb, WikipediaWikipédia,
282
656000
3000
Vegyük például a web egy aprócska részének, a Wikipédiának a
11:14
into one other languagenyelv, Spanishspanyol.
283
659000
3000
lefordítását egyetlen más nyelvre, spanyolra.
11:17
WikipediaWikipédia existslétezik in Spanishspanyol,
284
662000
2000
A Wikipédia létezik spanyol nyelven is,
11:19
but it's very smallkicsi comparedahhoz képest to the sizeméret of Englishangol.
285
664000
2000
de igen kicsi az angol nyelvű változathoz képest.
11:21
It's about 20 percentszázalék of the sizeméret of Englishangol.
286
666000
2000
Körülbelül az angol változat 20 százaléka.
11:23
If we wanted to translatefordít the other 80 percentszázalék into Spanishspanyol,
287
668000
3000
Ha le akarnánk fordítani a másik 80 százalékot spanyolra,
11:26
it would costköltség at leastlegkevésbé 50 millionmillió dollarsdollár --
288
671000
2000
az legalább 50 millió dollárba kerülne,
11:28
and this is at even the mosta legtöbb exploitedkihasználják, outsourcingoutsourcing countryország out there.
289
673000
3000
még ha a legkihasználhatóbb, legszegényebb országba helyezzük is ki a munkát.
11:31
So it would be very expensivedrága.
290
676000
2000
Tehát nagyon drága lenne.
11:33
So what we want to do is we want to get 100 millionmillió people
291
678000
2000
Amit mi szeretnénk, az 100 millió ember,
11:35
translatingtranslating the WebWeb into everyminden majorJelentősebb languagenyelv
292
680000
2000
akik minden nagyobb nyelvre lefordítják a webet,
11:37
for freeingyenes.
293
682000
2000
ráadásul ingyen.
11:39
Now if this is what you want to do,
294
684000
2000
Ha ilyesmit szeretnének csinálni,
11:41
you prettyszép quicklygyorsan realizemegvalósítani you're going to runfuss into two prettyszép bignagy hurdlesgátfutás,
295
686000
2000
elég hamar be fogják látni, hogy két elég magas lécet is át kell ugraniuk,
11:43
two bignagy obstaclesakadályok.
296
688000
2000
két igen nagy akadályt.
11:45
The first one is a lackhiány of bilingualskétnyelvű.
297
690000
3000
Az első a kétnyelvűek hiánya.
11:48
So I don't even know
298
693000
2000
Még azt sem tudom,
11:50
if there existslétezik 100 millionmillió people out there usinghasználva the WebWeb
299
695000
3000
hogy létezik-e egyáltalán 100 millió internethasználó a világon,
11:53
who are bilingualkétnyelvű enoughelég to help us translatefordít.
300
698000
2000
akik elég jól beszélnek két nyelven ahhoz, hogy segíteni tudjanak.
11:55
That's a bignagy problemprobléma.
301
700000
2000
Ez egy nagy probléma.
11:57
The other problemprobléma you're going to runfuss into is a lackhiány of motivationmotiváció.
302
702000
2000
A másik akadály, amibe bele fognak futni, az a motiváció hiánya.
11:59
How are we going to motivatemotivál people
303
704000
2000
Hogyan fogjuk ösztönözni az embereket,
12:01
to actuallytulajdonképpen translatefordít the WebWeb for freeingyenes?
304
706000
2000
hogy ingyen lefordítsák a webet?
12:03
NormallyÁltalában, you have to payfizetés people to do this.
305
708000
3000
Általában ezért fizetni kell az embereknek.
12:06
So how are we going to motivatemotivál them to do it for freeingyenes?
306
711000
2000
Hogyan fogjuk rávenni őket, hogy ingyen csinálják?
12:08
Now when we were startingkiindulási to think about this, we were blockedzárolt by these two things.
307
713000
3000
Amikor elkezdtünk gondolkozni az ügyön, ez a két dolog leblokkolt minket.
12:11
But then we realizedrealizált, there's actuallytulajdonképpen a way
308
716000
2000
De aztán rájöttünk, hogy valójában van egy módja annak,
12:13
to solvemegfejt bothmindkét these problemsproblémák with the sameazonos solutionmegoldás.
309
718000
2000
hogy egyszerre oldjuk meg mind a két problémát.
12:15
There's a way to killmegöl two birdsmadarak with one stone.
310
720000
2000
Lehetséges két legyet ütni egy csapásra.
12:17
And that is to transformátalakít languagenyelv translationfordítás
311
722000
3000
Mégpedig azáltal, hogy átformáljuk a fordítást
12:20
into something that millionsTöbb millió of people want to do,
312
725000
3000
valamivé, amit emberek milliói szeretnének csinálni,
12:23
and that alsois helpssegít with the problemprobléma of lackhiány of bilingualskétnyelvű,
313
728000
3000
és ami megoldja a kétnyelvűek hiányának problémáját is.
12:26
and that is languagenyelv educationoktatás.
314
731000
3000
Ez pedig a nyelvtanulás.
12:29
So it turnsmenetek out that todayMa,
315
734000
2000
Kiderült, hogy napjainkban
12:31
there are over 1.2 billionmilliárd, ezermillió people learningtanulás a foreignkülföldi languagenyelv.
316
736000
3000
több mint 1.2 milliárd ember tanul valamilyen idegen nyelvet.
12:34
People really, really want to learntanul a foreignkülföldi languagenyelv.
317
739000
2000
Az emberek nagyon szeretnek idegen nyelveket tanulni.
12:36
And it's not just because they're beinglény forcedkényszerű to do so in schooliskola.
318
741000
3000
És nem csak azért, mert erre kényszerítik őket az iskolában.
12:39
For examplepélda, in the UnitedEgyesült StatesÁllamok aloneegyedül,
319
744000
2000
Például csak az Egyesült Államokban
12:41
there are over fiveöt millionmillió people who have paidfizetett over $500
320
746000
2000
több mint öt millióan költöttek több mint 500 dollárt
12:43
for softwareszoftver to learntanul a newúj languagenyelv.
321
748000
2000
nyelvtanulást segítő szoftverre.
12:45
So people really, really want to learntanul a newúj languagenyelv.
322
750000
2000
Tehát az emberek tényleg nagyon szeretnek idegen nyelvet tanulni.
12:47
So what we'vevoltunk been workingdolgozó on for the last yearév and a halffél is a newúj websiteweboldal --
323
752000
3000
Így mi egy új weblapon dolgoztunk az elmúlt másfél évben,
12:50
it's calledhívott DuolingoDuolingo --
324
755000
2000
melynek Duolingo a neve,
12:52
where the basicalapvető ideaötlet is people learntanul a newúj languagenyelv for freeingyenes
325
757000
3000
melynek az alapötlete az, hogy az emberek ingyen tanulhatnak meg
12:55
while simultaneouslyegyidejűleg translatingtranslating the WebWeb.
326
760000
2000
egy nyelvet, miközben a webet fordítják.
12:57
And so basicallyalapvetően they're learningtanulás by doing.
327
762000
2000
Tehát tulajdonképpen azzal tanulják, hogy csinálják.
12:59
So the way this worksművek
328
764000
2000
Ez úgy működik, hogy ha valaki teljesen kezdő,
13:01
is wheneverbármikor you're a just a beginnerkezdő, we give you very, very simpleegyszerű sentencesmondatok.
329
766000
3000
akkor nagyon egyszerű mondatokat adunk neki.
13:04
There's, of coursetanfolyam, a lot of very simpleegyszerű sentencesmondatok on the WebWeb.
330
769000
2000
Természetesen rengeteg nagyon egyszerű mondat van a weben.
13:06
We give you very, very simpleegyszerű sentencesmondatok
331
771000
2000
Mi nagyon egyszerű mondatokat adunk a felhasználónak,
13:08
alongmentén with what eachminden egyes wordszó meanseszközök.
332
773000
2000
a mondatban lévő szavak jelentésével együtt.
13:10
And as you translatefordít them, and as you see how other people translatefordít them,
333
775000
3000
És ahogy ezeket fordítják, és látják mások miként fordítják őket,
13:13
you startRajt learningtanulás the languagenyelv.
334
778000
2000
az emberek elkezdik megtanulni a nyelvet.
13:15
And as you get more and more advancedfejlett,
335
780000
2000
És ahogy egyre ügyesebbek lesznek,
13:17
we give you more and more complexösszetett sentencesmondatok to translatefordít.
336
782000
2000
úgy adunk egyre összetettebb mondatokat.
13:19
But at all timesalkalommal, you're learningtanulás by doing.
337
784000
2000
De minden esetben azáltal tanulnak, hogy csinálják.
13:21
Now the crazyőrült thing about this methodmódszer
338
786000
2000
Az igazán őrült dolog ebben a módszerben
13:23
is that it actuallytulajdonképpen really worksművek.
339
788000
2000
az az, hogy ténylegesen működik.
13:25
First of all, people are really, really learningtanulás a languagenyelv.
340
790000
2000
Először is a felhasználók ezáltal tényleg megtanulnak egy nyelvet.
13:27
We're mostlytöbbnyire doneKész buildingépület it, and now we're testingtesztelés it.
341
792000
2000
Nagyjából kész vagyunk a fejlesztéssel és most teszteljük.
13:29
People really can learntanul a languagenyelv with it.
342
794000
2000
Az emberek tényleg képesek nyelvet tanulni vele.
13:31
And they learntanul it about as well as the leadingvezető languagenyelv learningtanulás softwareszoftver.
343
796000
3000
Méghozzá körülbelül annyira jól mint egy vezető nyelvtanulást segítő szoftverrel.
13:34
So people really do learntanul a languagenyelv.
344
799000
2000
Tehát az emberek tényleg megtanulnak egy nyelvet.
13:36
And not only do they learntanul it as well,
345
801000
2000
És nem csak azonos hatékonysággal tanulják meg,
13:38
but actuallytulajdonképpen it's way more interestingérdekes.
346
803000
2000
de így sokkal érdekesebb is.
13:40
Because you see with DuolingoDuolingo, people are actuallytulajdonképpen learningtanulás with realigazi contenttartalom.
347
805000
3000
Mert a Duolingoval az emberek valós szövegekkel tanulnak,
13:43
As opposedellentétes to learningtanulás with made-upkonfekcionált sentencesmondatok,
348
808000
2000
nem nyelvtanuláshoz kreált mondatokkal.
13:45
people are learningtanulás with realigazi contenttartalom, whichmelyik is inherentlyeredendően interestingérdekes.
349
810000
3000
Az emberek valós tartalommal tanulnak, ami természeténél fogva érdekes.
13:48
So people really do learntanul a languagenyelv.
350
813000
2000
Szóval az emberek tényleg megtanulnak egy nyelvet.
13:50
But perhapstalán more surprisinglymeglepően,
351
815000
2000
De ami talán ennél is meglepőbb,
13:52
the translationsfordítások that we get from people usinghasználva the sitewebhely,
352
817000
3000
a fordítás, amit a felhasználóktól kapunk,
13:55
even thoughbár they're just beginnerskezdőknek,
353
820000
2000
annak ellenére, hogy még csak kezdők,
13:57
the translationsfordítások that we get are as accuratepontos as those of professionalszakmai languagenyelv translatorsfordítók,
354
822000
3000
a fordítások épp olyan pontosak mint a hivatásos fordítók fordításai,
14:00
whichmelyik is very surprisingmeglepő.
355
825000
2000
ami eléggé meglepő.
14:02
So let me showelőadás you one examplepélda.
356
827000
2000
Hadd mutassak egy példát.
14:04
This is a sentencemondat that was translatedlefordított from Germannémet into Englishangol.
357
829000
2000
Ezt a mondatot németből fordították angolra.
14:06
The topfelső is the Germannémet.
358
831000
2000
A felső a német.
14:08
The middleközépső is an Englishangol translationfordítás
359
833000
2000
A középső egy angol fordítás,
14:10
that was doneKész by somebodyvalaki who was a professionalszakmai Englishangol translatorfordító
360
835000
2000
amit egy hivatásos angol fordító készített,
14:12
who we paidfizetett 20 centscent a wordszó for this translationfordítás.
361
837000
2000
akinek szavanként 20 centet fizettünk a fordításért.
14:14
And the bottomalsó is a translationfordítás by usersfelhasználók of DuolingoDuolingo,
362
839000
3000
Az alsó pedig a Duolingo felhasználóinak a fordítása,
14:17
noneegyik sem of whomkit knewtudta any Germannémet
363
842000
2000
akik közül egyik sem tudott egy szót sem németül,
14:19
before they startedindult usinghasználva the sitewebhely.
364
844000
2000
mielőtt használni kezdték volna a weboldalt.
14:21
You can see, it's prettyszép much perfecttökéletes.
365
846000
2000
Amint látják, a fordítás tulajdonképpen tökéletes.
14:23
Now of coursetanfolyam, we playjáték a tricktrükk here
366
848000
2000
Persze itt trükközünk egy kicsit,
14:25
to make the translationsfordítások as good as professionalszakmai languagenyelv translatorsfordítók.
367
850000
2000
hogy a fordítások olyan jók legyenek mint a hivatásos fordítóké.
14:27
We combinekombájn the translationsfordítások of multipletöbbszörös beginnerskezdőknek
368
852000
3000
Több kezdő felhasználó fordítását kombináljuk,
14:30
to get the qualityminőség of a singleegyetlen professionalszakmai translatorfordító.
369
855000
3000
hogy elérjük az egyetlen hivatásos fordító által nyújtott minőséget.
14:33
Now even thoughbár we're combiningkombinálásával the translationsfordítások,
370
858000
5000
De még azzal együtt is, hogy kombináljuk a fordításokat,
14:38
the sitewebhely actuallytulajdonképpen can translatefordít prettyszép fastgyors.
371
863000
2000
a weboldal igen gyorsan képes fordítani.
14:40
So let me showelőadás you,
372
865000
2000
Hadd mutassam meg
14:42
this is our estimatesbecsléseket of how fastgyors we could translatefordít WikipediaWikipédia
373
867000
2000
a becslésünket arról, hogy milyen gyorsan tudnánk lefordítani
14:44
from Englishangol into Spanishspanyol.
374
869000
2000
a Wikipédiát angolról spanyolra.
14:46
RememberNe feledje, this is 50 millionmillió dollars-worthdollár-értékű of valueérték.
375
871000
3000
Ne feledjék, ez itt 50 millió dollárnyi érték.
14:49
So if we wanted to translatefordít WikipediaWikipédia into Spanishspanyol,
376
874000
2000
Tehát ha spanyolra akarjuk fordítani a Wikipédiát,
14:51
we could do it in fiveöt weekshetes with 100,000 activeaktív usersfelhasználók.
377
876000
3000
akkor ezt meg tudjuk tenni öt hét alatt, 100.000 aktív felhasználóval.
14:54
And we could do it in about 80 hoursórák with a millionmillió activeaktív usersfelhasználók.
378
879000
3000
Ugyanezt meg tudjuk tenni 80 óra alatt egymillió aktív felhasználóval.
14:57
SinceÓta all the projectsprojektek that my groupcsoport has workeddolgozott on so farmessze have gottenütött millionsTöbb millió of usersfelhasználók,
379
882000
3000
Mivel az összes projektnek, amin a csoportom eddig dolgozott,
15:00
we're hopefulbizakodó that we'lljól be ableképes to translatefordít
380
885000
2000
több millió felhasználója volt, reménytelien hisszük,
15:02
extremelyrendkívüli módon fastgyors with this projectprogram.
381
887000
2000
hogy elképesztően gyorsan fogunk tudni fordítani ezzel a projekttel.
15:04
Now the thing that I'm mosta legtöbb excitedizgatott about with DuolingoDuolingo
382
889000
3000
Leginkább amiatt vagyok izgatott a Duolingoval kapcsolatban,
15:07
is I think this provideselőírja a fairbecsületes businessüzleti modelmodell for languagenyelv educationoktatás.
383
892000
3000
hogy szerintem ez egy korrekt üzleti modellt kínál a nyelvoktatáshoz.
15:10
So here'sitt the thing:
384
895000
2000
A helyzet a következő:
15:12
The currentjelenlegi businessüzleti modelmodell for languagenyelv educationoktatás
385
897000
2000
A nyelvoktatás jelenlegi üzleti modellje szerint
15:14
is the studentdiák paysfizet,
386
899000
2000
a tanuló fizet,
15:16
and in particularkülönös, the studentdiák paysfizet RosettaRosette-i Stone 500 dollarsdollár.
387
901000
2000
mondjuk a Rosetta Stone cégnek 500 dollárt.
15:18
(LaughterNevetés)
388
903000
2000
(Nevetés)
15:20
That's the currentjelenlegi businessüzleti modelmodell.
389
905000
2000
Ez a jelenlegi üzleti modell.
15:22
The problemprobléma with this businessüzleti modelmodell
390
907000
2000
Ezzel a modellel az a probléma,
15:24
is that 95 percentszázalék of the world'svilág populationnépesség doesn't have 500 dollarsdollár.
391
909000
3000
hogy a Föld lakosságának 95 százalékának nincs 500 dollárja.
15:27
So it's extremelyrendkívüli módon unfairtisztességtelen towardsfelé the poorszegény.
392
912000
3000
Tehát ez kimondottan igazságtalan a szegényekkel szemben,
15:30
This is totallyteljesen biasedelfogult towardsfelé the richgazdag.
393
915000
2000
és elfogult a gazdagok felé.
15:32
Now see, in DuolingoDuolingo,
394
917000
2000
Namármost a Duolingoval,
15:34
because while you learntanul
395
919000
2000
mivel a tanulással egyidejűleg a felhasználó értéket teremt,
15:36
you're actuallytulajdonképpen creatinglétrehozása valueérték, you're translatingtranslating stuffdolog --
396
921000
3000
azzal hogy dolgokat fordít,
15:39
whichmelyik for examplepélda, we could chargedíj somebodyvalaki for translationsfordítások.
397
924000
3000
amit mi kiszámlázhatunk másoknak mint fordítási díj.
15:42
So this is how we could monetizepénzt keresni this.
398
927000
2000
Így néz ki az anyagi oldal.
15:44
SinceÓta people are creatinglétrehozása valueérték while they're learningtanulás,
399
929000
2000
Mivel az emberek értéket teremtenek tanulás közben,
15:46
they don't have to payfizetés theirazok moneypénz, they payfizetés with theirazok time.
400
931000
3000
nem a pénzükkel fizetnek, hanem az idejükkel.
15:49
But the magicalmágikus thing here is that they're payingfizető with theirazok time,
401
934000
3000
De a varázslatos dolog az, hogy olyan idejükkel fizetnek,
15:52
but that is time that would have had to have been spentköltött anywaysegyébként
402
937000
2000
amit amúgy is azzal töltöttek volna,
15:54
learningtanulás the languagenyelv.
403
939000
2000
hogy tanulják a nyelvet.
15:56
So the niceszép thing about DuolingoDuolingo is I think it provideselőírja a fairbecsületes businessüzleti modelmodell --
404
941000
3000
Szóval a Duolingoban az a szép, hogy korrekt üzleti modellt nyújt,
15:59
one that doesn't discriminatemegkülönböztetést againstellen poorszegény people.
405
944000
2000
ami nem diszkriminálja a szegényeket.
16:01
So here'sitt the sitewebhely. Thank you.
406
946000
2000
Ez hát a Duolingo. Köszönöm.
16:03
(ApplauseTaps)
407
948000
8000
(Taps)
16:11
So here'sitt the sitewebhely.
408
956000
2000
Ez tehát a weboldal.
16:13
We haven'tnincs yetmég launchedindított,
409
958000
2000
Még nem indítottuk el,
16:15
but if you go there, you can signjel up to be partrész of our privatemagán betabeta,
410
960000
3000
de ha ellátogatnak az oldalra, részt vehetnek a privát béta verzióban,
16:18
whichmelyik is probablyvalószínűleg going to startRajt in about threehárom or fournégy weekshetes.
411
963000
2000
ami valószínűleg elindul a következő három-négy hétben.
16:20
We haven'tnincs yetmég launchedindított this DuolingoDuolingo.
412
965000
2000
Még nem indítottuk el a Duolingot.
16:22
By the way, I'm the one talkingbeszél here,
413
967000
2000
Egyébként, most csak én beszélek itt,
16:24
but actuallytulajdonképpen DuolingoDuolingo is the work of a really awesomefantasztikus teamcsapat, some of whomkit are here.
414
969000
3000
de a Duolingo valójában egy fantasztikus csapat munkája, melynek itt látható néhány tagja.
16:27
So thank you.
415
972000
2000
Köszönöm.
16:29
(ApplauseTaps)
416
974000
4000
(Taps)
Translated by David Bernhardt
Reviewed by Laszlo Kereszturi

▲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