TED2018
James Bridle: The nightmare videos of children's YouTube -- and what's wrong with the internet today
James Bridle: Rémisztő videók a YouTube gyerekcsatornán – korunk internetes problémái
Filmed:
Readability: 4.1
5,404,429 views
Az író és művész James Bridle feltárja az internet sötét, különös sarkát, ahol ismeretlen egyének vagy csoportok a YouTube-on kisgyerekek agyába másznak, a reklámbevételért cserébe. A kindertojás-nyitogatástól és az Ujj-család daloktól az erőszakos szerepekben előforduló ismerős rajzfilmfigurák algoritmusosan létrehozott kotyvalékáig ezek a videók kihasználják és megrémítik a gyerekek elméjét – és elárulnak valamit arról, merrefelé tart egyre fokozódó mértékben adatvezérelt világunk. "Nem gondolhatunk többé úgy a technológiára, mint ami minden problémánkra megoldást jelent, inkább útmutatóként nézzük, ami rávilágít a problémák igazi természetére, így elkezdhetünk helyesen gondolkodni róluk, és célzottan odafigyelni rájuk" – mondja Bridle.
James Bridle - Artist, writer
Working across technologies and disciplines, James Bridle examines technology, knowledge and the end of the future. Full bio
Working across technologies and disciplines, James Bridle examines technology, knowledge and the end of the future. Full bio
Double-click the English transcript below to play the video.
00:12
I'm James.
0
777
1183
James vagyok.
00:13
I'm a writer and artist,
1
1984
1686
Író és művész,
00:15
and I make work about technology.
2
3694
2341
a technológiát dolgozom fel.
00:18
I do things like draw life-size outlines
of military drones
of military drones
3
6454
3911
Például életnagyságú vázlatokat
rajzolok katonai drónokról
rajzolok katonai drónokról
00:22
in city streets around the world,
4
10389
1828
a világ városainak utcáin,
00:24
so that people can start to think
and get their heads around
and get their heads around
5
12241
2950
így az emberek gondolkozni kezdenek,
és felfigyelnek ezekre
és felfigyelnek ezekre
00:27
these really quite hard-to-see
and hard-to-think-about technologies.
and hard-to-think-about technologies.
6
15215
3440
a tényleg alig látható,
nehezen értelmezhető technológiákra.
nehezen értelmezhető technológiákra.
00:31
I make things like neural networks
that predict the results of elections
that predict the results of elections
7
19494
3836
Ideghálózathoz hasonló alkotásaim
választási eredményeket jósolnak
választási eredményeket jósolnak
00:35
based on weather reports,
8
23354
1737
időjárási adatok alapján,
00:37
because I'm intrigued about
9
25115
1314
ugyanis szörnyen izgatnak
00:38
what the actual possibilities
of these weird new technologies are.
of these weird new technologies are.
10
26453
3924
ezeknek a furcsa, új technológiáknak
az aktuális lehetőségei.
az aktuális lehetőségei.
00:43
Last year, I built
my own self-driving car.
my own self-driving car.
11
31405
2426
Tavaly önjáró autót építettem.
00:45
But because I don't
really trust technology,
really trust technology,
12
33855
2526
De mivel nem igazán bízom
a technológiában,
a technológiában,
00:48
I also designed a trap for it.
13
36405
1928
csapdát is terveztem köré.
00:50
(Laughter)
14
38777
1086
(Nevetés)
00:51
And I do these things mostly because
I find them completely fascinating,
I find them completely fascinating,
15
39887
4298
Leginkább azért alkotok ilyeneket,
mert annyira elbűvölnek,
mert annyira elbűvölnek,
00:56
but also because I think
when we talk about technology,
when we talk about technology,
16
44209
2602
de azért is, mert szerintem
ha technológiáról szólunk,
ha technológiáról szólunk,
00:58
we're largely talking about ourselves
17
46835
2619
az leginkább magunkról
01:01
and the way that we understand the world.
18
49478
2299
és világértelmezésünkről szól.
01:03
So here's a story about technology.
19
51801
2442
Mesélek valamit a technológiáról.
01:07
This is a "surprise egg" video.
20
55520
2830
Ez egy "Kinder-tojásos" videó.
01:10
It's basically a video of someone
opening up loads of chocolate eggs
opening up loads of chocolate eggs
21
58374
3348
Az a lényege, hogy valaki sorra
nyitogat egy rakás csokitojást,
nyitogat egy rakás csokitojást,
01:13
and showing the toys inside to the viewer.
22
61746
2126
és megmutatja a nézőnek
a benne rejlő játékokat.
a benne rejlő játékokat.
01:16
That's it. That's all it does
for seven long minutes.
for seven long minutes.
23
64461
2649
Ennyi. Hét keserves percen át.
01:19
And I want you to notice
two things about this.
two things about this.
24
67428
3051
Hadd hívjam fel a figyelmüket két dologra.
01:22
First of all, this video
has 30 million views.
has 30 million views.
25
70503
4074
Először is, ezt a videót már
harmincmillióan látták.
harmincmillióan látták.
01:26
(Laughter)
26
74601
1275
(Nevetés)
01:28
And the other thing is,
27
76376
1166
Másodszor is
01:29
it comes from a channel
that has 6.3 million subscribers,
that has 6.3 million subscribers,
28
77566
3869
olyan csatornán megy,
amire 6,3 millióan iratkoztak fel,
amire 6,3 millióan iratkoztak fel,
01:33
that has a total of eight billion views,
29
81459
2680
ez összesen nyolcmilliárdos nézettség,
01:36
and it's all just more videos like this --
30
84163
3106
és vannak még ilyen videók –
01:40
30 million people watching a guy
opening up these eggs.
opening up these eggs.
31
88256
3908
harmincmillió ember néz egy fickót,
aki nyitogatja ezeket a tojásokat.
aki nyitogatja ezeket a tojásokat.
01:44
It sounds pretty weird, but if you search
for "surprise eggs" on YouTube,
for "surprise eggs" on YouTube,
32
92188
4481
Furán hangzik, de ha rákeresnek
a YouTube-on a "surprise eggs"-re,
a YouTube-on a "surprise eggs"-re,
01:48
it'll tell you there's
10 million of these videos,
10 million of these videos,
33
96693
3523
tízmillió meglepetéstojásos
videót fognak találni,
videót fognak találni,
01:52
and I think that's an undercount.
34
100240
1657
és azt hiszem, alábecsülöm.
01:53
I think there's way, way more of these.
35
101921
1897
Szerintem jóval több is annál.
01:55
If you keep searching, they're endless.
36
103842
2242
Ha tovább keresnek,
végtelen számút találnak.
végtelen számút találnak.
01:58
There's millions and millions
of these videos
of these videos
37
106108
2159
Millió és millió ilyen videó,
02:00
in increasingly baroque combinations
of brands and materials,
of brands and materials,
38
108291
3454
márkák és anyagok
egyre cifrább kombinációival,
egyre cifrább kombinációival,
02:03
and there's more and more of them
being uploaded every single day.
being uploaded every single day.
39
111769
3846
naponta egyre többet
és többet töltenek fel.
és többet töltenek fel.
02:07
Like, this is a strange world. Right?
40
115639
3511
Valahogy furcsa világ ez, nem?
02:11
But the thing is, it's not adults
who are watching these videos.
who are watching these videos.
41
119174
3383
Csak az a gond, hogy nem felnőttek
nézik ezeket a videókat,
nézik ezeket a videókat,
02:14
It's kids, small children.
42
122581
2921
hanem gyerekek, kicsi gyerekek.
Ezek a videók szinte
beszippantják a kisgyerekeket.
beszippantják a kisgyerekeket.
02:17
These videos are
like crack for little kids.
like crack for little kids.
43
125526
2154
02:19
There's something about the repetition,
44
127704
2075
Az ismétlés a lényegük,
02:21
the constant little
dopamine hit of the reveal,
dopamine hit of the reveal,
45
129803
2468
a felfedezés örömének
állandó kis dopaminlökete,
állandó kis dopaminlökete,
02:24
that completely hooks them in.
46
132295
1866
ami teljesen a hatalmába keríti őket.
02:26
And little kids watch these videos
over and over and over again,
over and over and over again,
47
134185
4809
A kicsik újra meg újra, vég nélkül
nézegetik ezeket,
nézegetik ezeket,
02:31
and they do it for hours
and hours and hours.
and hours and hours.
48
139018
2327
órákig, és még tovább, és még tovább.
02:33
And if you try and take
the screen away from them,
the screen away from them,
49
141369
2356
Ha megpróbálják elvonszolni
őket a képernyő elől,
őket a képernyő elől,
02:35
they'll scream and scream and scream.
50
143749
1782
akkor sikítanak, sírnak, ordítanak.
02:37
If you don't believe me --
51
145555
1262
Ha nem hisznek nekem –
02:38
and I've already seen people
in the audience nodding --
in the audience nodding --
52
146841
2607
és már látom, van, aki bólogat –
02:41
if you don't believe me, find someone
with small children and ask them,
with small children and ask them,
53
149472
3391
ha nem hisznek nekem, kérdezzenek
bárkit, akinek kisgyereke van,
bárkit, akinek kisgyereke van,
02:44
and they'll know about
the surprise egg videos.
the surprise egg videos.
54
152887
2340
ismerni fogja a Kinder-tojásos videókat.
02:47
So this is where we start.
55
155251
2070
Ez hát a kiindulópontunk.
02:49
It's 2018, and someone, or lots of people,
56
157345
3642
2018-at írunk, és valakik, vagy sokan
02:53
are using the same mechanism that, like,
Facebook and Instagram are using
Facebook and Instagram are using
57
161011
3941
ugyanazt a mechanizmust alkalmazzák,
amit a Facebook, az Instagram használ,
amit a Facebook, az Instagram használ,
ez arra késztet, hogy folyton
ránézzünk az alkalmazásra,
ránézzünk az alkalmazásra,
02:56
to get you to keep checking that app,
58
164976
1989
02:58
and they're using it on YouTube
to hack the brains of very small children
to hack the brains of very small children
59
166989
3985
ezzel a módszerrel a YouTube-on
meghekkelik a kisgyerekek agyát,
meghekkelik a kisgyerekek agyát,
03:02
in return for advertising revenue.
60
170998
1958
a reklámbevételért cserébe.
03:06
At least, I hope
that's what they're doing.
that's what they're doing.
61
174346
2001
Legalábbis remélem, hogy ezt teszik.
03:08
I hope that's what they're doing it for,
62
176371
1955
És remélem, hogy ezért teszik,
03:10
because there's easier ways
of making ad revenue on YouTube.
of making ad revenue on YouTube.
63
178350
5308
ugyanis könnyebb módszerekkel is lehet
reklámbevételhez jutni a YouTube-on.
reklámbevételhez jutni a YouTube-on.
03:15
You can just make stuff up or steal stuff.
64
183682
2332
Csak videót kell feltölteni,
vagy másét ellopni.
vagy másét ellopni.
03:18
So if you search for really
popular kids' cartoons
popular kids' cartoons
65
186038
2635
Ha tényleg valami népszerű
gyerekrajzfilmet keresünk,
gyerekrajzfilmet keresünk,
mondjuk, a Peppa malacot
vagy a Mancs őrjáratot,
vagy a Mancs őrjáratot,
03:20
like "Peppa Pig" or "Paw Patrol,"
66
188697
1654
03:22
you'll find there's millions and millions
of these online as well.
of these online as well.
67
190375
3147
több millió online példányban
megtalálhatjuk ezeket.
megtalálhatjuk ezeket.
03:25
Of course, most of them aren't posted
by the original content creators.
by the original content creators.
68
193546
3352
Persze ezek legtöbbjét
nem az eredeti alkotók töltötték fel.
nem az eredeti alkotók töltötték fel.
03:28
They come from loads and loads
of different random accounts,
of different random accounts,
69
196922
2999
Mindenféle összevissza címekről
áradnak tonnaszámra,
áradnak tonnaszámra,
03:31
and it's impossible to know
who's posting them
who's posting them
70
199945
2240
lehetetlen átlátni, ki tölti fel ezeket,
03:34
or what their motives might be.
71
202209
1822
vagy milyen indíttatásból.
03:36
Does that sound kind of familiar?
72
204428
1930
Ismerősen cseng?
03:38
Because it's exactly the same mechanism
73
206382
1980
Persze, mert pontosan ugyanúgy működik,
03:40
that's happening across most
of our digital services,
of our digital services,
74
208386
2600
mint a legtöbb digitális szolgáltatásnál,
03:43
where it's impossible to know
where this information is coming from.
where this information is coming from.
75
211010
3207
ahol szintén nem tudható,
honnan ered az információ.
honnan ered az információ.
03:46
It's basically fake news for kids,
76
214241
1829
Alapból gyerekeknek szóló átverés,
03:48
and we're training them from birth
77
216094
2161
születésüktől kezdve arra szoktatjuk őket,
03:50
to click on the very first link
that comes along,
that comes along,
78
218279
2506
hogy rákattintsanak az első
eléjük kerülő linkre,
eléjük kerülő linkre,
03:52
regardless of what the source is.
79
220809
1953
mindegy, mi a forrása.
03:54
That's doesn't seem like
a terribly good idea.
a terribly good idea.
80
222786
2603
Nem tűnik túl jó ötletnek.
03:58
Here's another thing
that's really big on kids' YouTube.
that's really big on kids' YouTube.
81
226399
2710
Vagy a másik, ami igazán népszerű
a gyerekek YouTube-ján:
a gyerekek YouTube-ján:
04:01
This is called the "Finger Family Song."
82
229133
1928
az Ujj-család gyerekdalok.
04:03
I just heard someone groan
in the audience.
in the audience.
83
231085
2018
Hallom, valaki felnyögött
önök közül.
önök közül.
04:05
This is the "Finger Family Song."
84
233127
1624
Ez az Ujj-család dala.
04:06
This is the very first one I could find.
85
234775
1930
Az első, amit találtam.
04:08
It's from 2007, and it only has
200,000 views,
200,000 views,
86
236729
2829
2007-es, és csak kétszázezren látták,
04:11
which is, like, nothing in this game.
87
239582
1976
ami ma már semmit nem ér.
04:13
But it has this insanely earwormy tune,
88
241582
2852
De valami őrületesen fülsértő a dallama,
04:16
which I'm not going to play to you,
89
244458
1682
nem is játszom le önöknek,
04:18
because it will sear itself
into your brain
into your brain
90
246164
2008
mert beleégne az agyukba,
04:20
in the same way that
it seared itself into mine,
it seared itself into mine,
91
248196
2395
ahogyan az enyémbe is beleégett,
04:22
and I'm not going to do that to you.
92
250615
1770
így ettől megkímélném önöket.
04:24
But like the surprise eggs,
93
252409
1344
De akárcsak a meglepetéstojások,
04:25
it's got inside kids' heads
94
253777
2164
befészkeli magát a gyerekek fejébe,
04:27
and addicted them to it.
95
255965
1607
és függővé teszi őket.
04:29
So within a few years,
these finger family videos
these finger family videos
96
257596
2531
Néhány éven belül
ezek az Ujj-családos videók
ezek az Ujj-családos videók
04:32
start appearing everywhere,
97
260151
1303
számos nyelvre lefordítva
04:33
and you get versions
in different languages
in different languages
98
261478
2029
mindent elárasztanak,
04:35
with popular kids' cartoons using food
99
263531
2121
olyan közkedvelt rajzfilmek társaságában,
04:37
or, frankly, using whatever kind
of animation elements
of animation elements
100
265676
2550
amik ételt vagy bármi más
animációs elemet vetnek be.
animációs elemet vetnek be.
Mindenütt elénk bukkannak.
04:40
you seem to have lying around.
101
268250
2252
04:43
And once again, there are millions
and millions and millions of these videos
and millions and millions of these videos
102
271002
5197
Ismétlem: millió és millió
és millió ilyen videó érhető el online,
és millió ilyen videó érhető el online,
04:48
available online in all of these
kind of insane combinations.
kind of insane combinations.
103
276223
3435
a fenti eszement kombinációk
bármelyik formájában.
bármelyik formájában.
04:51
And the more time
you start to spend with them,
you start to spend with them,
104
279682
2228
És minél több időt töltünk velük,
04:53
the crazier and crazier
you start to feel that you might be.
you start to feel that you might be.
105
281934
3694
annál őrültebben vágyunk
még többre és többre.
még többre és többre.
04:57
And that's where I
kind of launched into this,
kind of launched into this,
106
285652
3333
Itt éreztem először valami
erőteljes furcsaságot
erőteljes furcsaságot
05:01
that feeling of deep strangeness
and deep lack of understanding
and deep lack of understanding
107
289009
3666
és a megértés kínzó hiányát
05:04
of how this thing was constructed
that seems to be presented around me.
that seems to be presented around me.
108
292699
4175
arról, hogyan épül fel ez az egész,
ami körülöttem megjelent.
ami körülöttem megjelent.
05:08
Because it's impossible to know
where these things are coming from.
where these things are coming from.
109
296898
3167
Azt ugyanis lehetetlen kideríteni,
honnan ered mindez.
honnan ered mindez.
05:12
Like, who is making them?
110
300089
1241
És ki hozza létre ezeket?
05:13
Some of them appear to be made
of teams of professional animators.
of teams of professional animators.
111
301354
3143
Némelyikről úgy tűnik,
profi szerkesztők alkotása.
profi szerkesztők alkotása.
05:16
Some of them are just randomly
assembled by software.
assembled by software.
112
304521
2882
Van köztük, amit szoftver rak össze
véletlenszerűen.
véletlenszerűen.
05:19
Some of them are quite wholesome-looking
young kids' entertainers.
young kids' entertainers.
113
307427
4253
Olyan is akad, ami egész jónak tűnik
a gyerekek mulattatására.
a gyerekek mulattatására.
05:23
And some of them are from people
114
311704
1552
De akadnak olyanok is,
05:25
who really clearly
shouldn't be around children at all.
shouldn't be around children at all.
115
313280
3007
amiknek alkotóit a gyerekek
közelébe sem lenne szabad engedni.
közelébe sem lenne szabad engedni.
05:28
(Laughter)
116
316311
1615
(Nevetés)
05:30
And once again, this impossibility
of figuring out who's making this stuff --
of figuring out who's making this stuff --
117
318987
4640
Hangsúlyozom, lehetetlen
beazonosítani az alkotóikat –
beazonosítani az alkotóikat –
05:35
like, this is a bot?
118
323651
1156
adatgyűjtő robotok?
05:36
Is this a person? Is this a troll?
119
324831
2647
Élő emberek? Trollok?
05:39
What does it mean
that we can't tell the difference
that we can't tell the difference
120
327502
2382
Mit jelent, ha többé nem tudjuk
megkülönböztetni
megkülönböztetni
05:41
between these things anymore?
121
329908
1583
a fentieket?
05:43
And again, doesn't that uncertainty
feel kind of familiar right now?
feel kind of familiar right now?
122
331515
4848
Ismétlem: ez a bizonytalanság
máris ismerős helyzet, igaz?
máris ismerős helyzet, igaz?
05:50
So the main way people get views
on their videos --
on their videos --
123
338145
2580
A nézettség fő csalogató eszköze az –
05:52
and remember, views mean money --
124
340749
1707
és tudjuk, a nézettség pénzt hoz –,
05:54
is that they stuff the titles
of these videos with these popular terms.
of these videos with these popular terms.
125
342480
4742
ha a videók címét teleszórják
ezekkel a közkedvelt szavakkal.
ezekkel a közkedvelt szavakkal.
05:59
So you take, like, "surprise eggs"
126
347246
1687
Vegyük mondjuk a meglepetéstojást,
06:00
and then you add
"Paw Patrol," "Easter egg,"
"Paw Patrol," "Easter egg,"
127
348957
2066
tegyük mellé, hogy
Mancs őrjárat, hímes tojás,
Mancs őrjárat, hímes tojás,
06:03
or whatever these things are,
128
351047
1393
vagy bármi ezekhez hasonló,
06:04
all of these words from other
popular videos into your title,
popular videos into your title,
129
352464
2893
más népszerű videókból lopjunk
magunknak címszavakat,
magunknak címszavakat,
06:07
until you end up with this kind of
meaningless mash of language
meaningless mash of language
130
355381
2968
végül összeáll ez a zagyvaság,
06:10
that doesn't make sense to humans at all.
131
358373
2498
aminek az égvilágon semmi értelme nincs.
06:12
Because of course it's only really
tiny kids who are watching your video,
tiny kids who are watching your video,
132
360895
3546
Mert természetesen csak a kisgyerekek
nézik ezeket a videókat,
nézik ezeket a videókat,
06:16
and what the hell do they know?
133
364465
1827
és mi a csudát értenek belőlük?
06:18
Your real audience
for this stuff is software.
for this stuff is software.
134
366316
3007
Az igazi néző egy szoftver.
06:21
It's the algorithms.
135
369347
1156
Algoritmusokból áll.
06:22
It's the software that YouTube uses
136
370527
1855
Az a szoftver, amivel a YouTube
06:24
to select which videos
are like other videos,
are like other videos,
137
372406
2483
kiválogatja a hasonló videókat,
06:26
to make them popular,
to make them recommended.
to make them recommended.
138
374913
2243
így népszerűsíti őket,
így állít össze ajánlólistát.
így állít össze ajánlólistát.
06:29
And that's why you end up with this
kind of completely meaningless mash,
kind of completely meaningless mash,
139
377180
3461
Ezért kapjuk végül ezt a teljesen
értelmetlen zagyvaságot
értelmetlen zagyvaságot
06:32
both of title and of content.
140
380665
2071
címek és tartalmak terén egyaránt.
06:35
But the thing is, you have to remember,
141
383792
1894
Azt azonban ne felejtsük el,
06:37
there really are still people within
this algorithmically optimized system,
this algorithmically optimized system,
142
385710
4478
hogy az algoritmusokkal optimalizált
rendszerben még mindig ott az ember,
rendszerben még mindig ott az ember,
06:42
people who are kind
of increasingly forced to act out
of increasingly forced to act out
143
390212
2790
aki egyre inkább arra kényszerül,
06:45
these increasingly bizarre
combinations of words,
combinations of words,
144
393026
3066
hogy egyre bizarrabb
kifejezéseket találjon ki,
kifejezéseket találjon ki,
06:48
like a desperate improvisation artist
responding to the combined screams
responding to the combined screams
145
396116
5173
mint egy rémült rögtönző színész,
aki egyszerre millió bölcsis
aki egyszerre millió bölcsis
06:53
of a million toddlers at once.
146
401313
2203
együttes sikítására válaszol.
Valódi hús-vér emberek estek
e rendszerek csapdájába,
e rendszerek csapdájába,
06:57
There are real people
trapped within these systems,
trapped within these systems,
147
405168
2468
06:59
and that's the other deeply strange thing
about this algorithmically driven culture,
about this algorithmically driven culture,
148
407660
4055
és ez a másik igen furcsa jelenség
az algoritmusok vezérelte kultúrában,
az algoritmusok vezérelte kultúrában,
07:03
because even if you're human,
149
411739
1381
mert bár emberek vagyunk,
07:05
you have to end up behaving like a machine
150
413144
2145
úgy kell tennünk, mintha gépek lennénk,
07:07
just to survive.
151
415313
1800
csak így lehetünk túlélők.
07:09
And also, on the other side of the screen,
152
417137
2100
A képernyő túlsó felén
07:11
there still are these little kids
watching this stuff,
watching this stuff,
153
419261
2947
még mindig nézik a kisgyerekek
ezeket a rémségeket,
ezeket a rémségeket,
07:14
stuck, their full attention grabbed
by these weird mechanisms.
by these weird mechanisms.
154
422232
4206
tátott szájjal, teljes figyelmüket átadva
ezeknek az ijesztő mechanizmusoknak.
ezeknek az ijesztő mechanizmusoknak.
07:18
And most of these kids are too small
to even use a website.
to even use a website.
155
426768
2798
Legtöbbjük még ahhoz is kicsi,
hogy website-ot kezeljen.
hogy website-ot kezeljen.
07:21
They're just kind of hammering
on the screen with their little hands.
on the screen with their little hands.
156
429590
3276
Még csak ütögetik a képernyőt
csöpp kezükkel.
csöpp kezükkel.
07:24
And so there's autoplay,
157
432890
1217
Magától megy a műsor,
07:26
where it just keeps playing these videos
over and over and over in a loop,
over and over and over in a loop,
158
434131
3579
végtelenítve játssza a videókat,
megállás nélkül,
megállás nélkül,
07:29
endlessly for hours and hours at a time.
159
437734
2059
órákon és órákon át.
07:31
And there's so much weirdness
in the system now
in the system now
160
439817
2843
Annyi ijesztő elem van már a rendszerben,
07:34
that autoplay takes you
to some pretty strange places.
to some pretty strange places.
161
442684
3009
hogy az autoplay egészen furcsa
helyekre repíti a nézőt.
helyekre repíti a nézőt.
07:37
This is how, within a dozen steps,
162
445717
2488
Egy számoló vonat cuki videójától
07:40
you can go from a cute video
of a counting train
of a counting train
163
448229
3158
alig egy tucat lépésen belül
07:43
to masturbating Mickey Mouse.
164
451411
2442
eljuthatunk a maszturbáló Miki egérig.
07:46
Yeah. I'm sorry about that.
165
454529
2288
Sajnálom, de így van.
07:48
This does get worse.
166
456841
1700
És mondok még rosszabbat.
07:50
This is what happens
167
458565
1282
Pontosan ez történik,
07:51
when all of these different keywords,
168
459871
3086
amikor az összes ilyen kulcsszó,
07:54
all these different pieces of attention,
169
462981
2461
az összes különféle figyelemmorzsa,
07:57
this desperate generation of content,
170
465466
2807
ez a kétségbeejtő generált tartalom
08:00
all comes together into a single place.
171
468297
2582
mind egyetlen helyen gyűlik össze.
08:03
This is where all those deeply weird
keywords come home to roost.
keywords come home to roost.
172
471871
4472
Itt válik az összes furcsa kulcsszó
hirtelen az ellenségünkké.
hirtelen az ellenségünkké.
08:08
You cross-breed the finger family video
173
476367
2391
A családi ujj-videók keresztezése
08:10
with some live-action superhero stuff,
174
478782
2088
némi akciós szuperhősös témával,
08:12
you add in some weird,
trollish in-jokes or something,
trollish in-jokes or something,
175
480894
3256
hozzá még valami rémes,
bennfentes trollos tréfa vagy efféle,
bennfentes trollos tréfa vagy efféle,
08:16
and suddenly, you come
to a very weird place indeed.
to a very weird place indeed.
176
484174
3366
és egyszer csak tényleg valami
borzasztó helyen találjuk magunkat.
borzasztó helyen találjuk magunkat.
08:19
The stuff that tends to upset parents
177
487564
2113
Az, ami aggodalomra készteti a szülőket,
08:21
is the stuff that has kind of violent
or sexual content, right?
or sexual content, right?
178
489701
3331
az az erőszakos vagy
szexuális tartalom, ugye?
szexuális tartalom, ugye?
08:25
Children's cartoons getting assaulted,
179
493056
2822
A gyerekrajzfilmek hőseit megtámadják,
08:27
getting killed,
180
495902
2018
megölik,
08:29
weird pranks that actually
genuinely terrify children.
genuinely terrify children.
181
497944
3343
ijesztő csínyek, amik lényegében
megrémítik a gyerekeket.
megrémítik a gyerekeket.
08:33
What you have is software pulling in
all of these different influences
all of these different influences
182
501311
3675
Van egy program, ami egybegyűjti
ezt a sokféle hatást,
ezt a sokféle hatást,
hogy automatikusan valóra váltsa
a kicsik legszörnyűbb rémálmait.
a kicsik legszörnyűbb rémálmait.
08:37
to automatically generate
kids' worst nightmares.
kids' worst nightmares.
183
505010
2961
08:39
And this stuff really, really
does affect small children.
does affect small children.
184
507995
2701
És ezek a videók tényleg, tényleg
hatnak a kicsi gyerekekre.
hatnak a kicsi gyerekekre.
08:42
Parents report their children
being traumatized,
being traumatized,
185
510720
2866
Szülők mesélik, hogy gyerekeik
traumát élnek át,
traumát élnek át,
08:45
becoming afraid of the dark,
186
513610
1392
félnek a sötétben,
08:47
becoming afraid of their favorite
cartoon characters.
cartoon characters.
187
515026
3050
rettegnek kedvenc rajzfilmhőseiktől.
08:50
If you take one thing away from this,
it's that if you have small children,
it's that if you have small children,
188
518524
3611
Ha ma csak egyetlen tanulságot vonnak le,
az legyen az, ha van kisgyerekük:
az legyen az, ha van kisgyerekük:
08:54
keep them the hell away from YouTube.
189
522159
1996
tartsák őket jó messze a YouTube-tól!
08:56
(Applause)
190
524743
3949
(Taps)
09:02
But the other thing, the thing
that really gets to me about this,
that really gets to me about this,
191
530504
3096
A másik viszont, ami erről eszembe jut,
09:05
is that I'm not sure we even really
understand how we got to this point.
understand how we got to this point.
192
533624
4629
hogy nem vagyok biztos benne: tudjuk-e,
hogyan jutottunk idáig.
hogyan jutottunk idáig.
09:10
We've taken all of this influence,
all of these things,
all of these things,
193
538951
2931
Fogtuk ezeket a hatásokat mind,
az előbb felsoroltakat,
az előbb felsoroltakat,
09:13
and munged them together in a way
that no one really intended.
that no one really intended.
194
541906
2953
és valahogy akaratunk ellenére
összecsócsáltuk őket.
összecsócsáltuk őket.
09:16
And yet, this is also the way
that we're building the entire world.
that we're building the entire world.
195
544883
3156
Így építjük fel az egész világot.
09:20
We're taking all of this data,
196
548063
1773
Fogjuk ezeket az adatokat,
09:21
a lot of it bad data,
197
549860
1447
rengeteg rossz adatot,
09:23
a lot of historical data
full of prejudice,
full of prejudice,
198
551331
3029
rengeteg elavult adatot,
tele előítéletekkel,
tele előítéletekkel,
09:26
full of all of our worst
impulses of history,
impulses of history,
199
554384
2837
tele legrosszabb történelmi
impulzusainkkal,
impulzusainkkal,
09:29
and we're building that
into huge data sets
into huge data sets
200
557245
2049
és óriási adatkészletet
építünk belőle,
építünk belőle,
09:31
and then we're automating it.
201
559318
1423
aztán automatizáljuk.
09:32
And we're munging it together
into things like credit reports,
into things like credit reports,
202
560765
3502
Hiteljelentésekké
csócsáljuk őket,
csócsáljuk őket,
09:36
into insurance premiums,
203
564291
1634
biztosítási díjakká,
09:37
into things like predictive
policing systems,
policing systems,
204
565949
2693
politikai előrejelző rendszerekké,
09:40
into sentencing guidelines.
205
568666
1762
ítélkezési iránymutatásokká.
09:42
This is the way we're actually
constructing the world today
constructing the world today
206
570452
2821
Így építjük ma a világot
09:45
out of this data.
207
573297
1151
az adathegyekből.
09:46
And I don't know what's worse,
208
574472
1698
És nem tudom, mi rosszabb,
09:48
that we built a system
that seems to be entirely optimized
that seems to be entirely optimized
209
576194
3228
hogy olyan rendszert építettünk,
amit teljes egészében
amit teljes egészében
09:51
for the absolute worst aspects
of human behavior,
of human behavior,
210
579446
2808
az emberi viselkedés legrosszabb
oldalára hegyeztek ki,
oldalára hegyeztek ki,
09:54
or that we seem
to have done it by accident,
to have done it by accident,
211
582278
2425
vagy az, hogy úgy néz ki:
véletlenül alakult így,
véletlenül alakult így,
09:56
without even realizing
that we were doing it,
that we were doing it,
212
584727
2207
anélkül, hogy tudnánk, mit teszünk,
09:58
because we didn't really understand
the systems that we were building,
the systems that we were building,
213
586958
3382
hiszen valójában nem értettük meg
a rendszereket, amiket építettünk,
a rendszereket, amiket építettünk,
10:02
and we didn't really understand
how to do anything differently with it.
how to do anything differently with it.
214
590364
3683
és azt sem, mit tegyünk másképpen.
10:06
There's a couple of things I think
that really seem to be driving this
that really seem to be driving this
215
594769
3365
Úgy látom, sok minden kellett ahhoz,
hogy mindezek
hogy mindezek
10:10
most fully on YouTube,
216
598158
1189
elárasszák a YouTube-ot,
10:11
and the first of those is advertising,
217
599371
1827
és az első a reklámozás,
10:13
which is the monetization of attention
218
601222
2837
ami a figyelem pénzre váltása anélkül,
10:16
without any real other variables at work,
219
604083
3136
hogy egyéb változók működésbe lépnének.
10:19
any care for the people who are
actually developing this content,
actually developing this content,
220
607243
3885
Senkit nem érdekeltek azok,
akik ezt a tartalmat fejlesztik,
akik ezt a tartalmat fejlesztik,
10:23
the centralization of the power,
the separation of those things.
the separation of those things.
221
611152
3636
a hatalom központosítása,
a fenti dolgok szétválasztása.
a fenti dolgok szétválasztása.
10:26
And I think however you feel
about the use of advertising
about the use of advertising
222
614812
3144
Szerintem bármit is gondoljanak
a reklám alkalmazásáról,
a reklám alkalmazásáról,
10:29
to kind of support stuff,
223
617980
1238
mint egyfajta támogatásról,
10:31
the sight of grown men in diapers
rolling around in the sand
rolling around in the sand
224
619242
3067
a pelenkás, homokban hempergő
felnőtt férfiak látványa,
felnőtt férfiak látványa,
10:34
in the hope that an algorithm
that they don't really understand
that they don't really understand
225
622333
2983
abban a reményben, hogy
egy számukra homályos algoritmus
egy számukra homályos algoritmus
10:37
will give them money for it
226
625340
1315
majd pénzt hoz nekik,
10:38
suggests that this
probably isn't the thing
probably isn't the thing
227
626679
2037
azt sugallja: ez valószínűleg
alkalmatlan rá,
alkalmatlan rá,
10:40
that we should be basing
our society and culture upon,
our society and culture upon,
228
628740
2563
hogy társadalmunkat és kultúránkat
erre építsük,
erre építsük,
10:43
and the way in which
we should be funding it.
we should be funding it.
229
631327
2160
és arra is, hogy ily módon finanszírozzuk.
10:45
And the other thing that's kind of
the major driver of this is automation,
the major driver of this is automation,
230
633511
3519
A másik, ami ennek egyfajta fő hajtóereje,
az automatizálás,
az automatizálás,
10:49
which is the deployment
of all of this technology
of all of this technology
231
637054
2329
az összes ilyen technológia terjesztése,
10:51
as soon as it arrives,
without any kind of oversight,
without any kind of oversight,
232
639407
2521
amint megjelenik, bármiféle
ellenőrzés nélkül,
ellenőrzés nélkül,
10:53
and then once it's out there,
233
641952
1412
aztán, amikor forgalomba kerül,
10:55
kind of throwing up our hands and going,
"Hey, it's not us, it's the technology."
"Hey, it's not us, it's the technology."
234
643388
3843
mintha mosnánk kezeinket, és úgy tennénk:
"Nem a mi hibánk, a technológiáé!"
"Nem a mi hibánk, a technológiáé!"
10:59
Like, "We're not involved in it."
235
647255
1642
Vagyis: "Semmi közünk hozzá."
11:00
That's not really good enough,
236
648921
1767
Ez nem igazán jó,
11:02
because this stuff isn't
just algorithmically governed,
just algorithmically governed,
237
650712
2710
mert ezt az egészet nemcsak
irányítják az algoritmusok,
irányítják az algoritmusok,
11:05
it's also algorithmically policed.
238
653446
2498
hanem ellenőrzik is.
11:07
When YouTube first started
to pay attention to this,
to pay attention to this,
239
655968
2848
Amikor a YouTube először felfigyelt erre,
11:10
the first thing they said
they'd do about it
they'd do about it
240
658840
2087
kezdetben azt nyilatkozták,
11:12
was that they'd deploy
better machine learning algorithms
better machine learning algorithms
241
660951
2695
a tartalom moderálására
jobb gépi tanulási algoritmusokat
jobb gépi tanulási algoritmusokat
11:15
to moderate the content.
242
663670
1329
fognak alkalmazni.
11:17
Well, machine learning,
as any expert in it will tell you,
as any expert in it will tell you,
243
665023
3485
Nos, a gépi tanulásról
bármely szakértő elmondhatja önöknek,
bármely szakértő elmondhatja önöknek,
11:20
is basically what we've started to call
244
668532
1896
olyan szoftvernek nevezhetjük,
11:22
software that we don't really
understand how it works.
understand how it works.
245
670452
2588
aminek a működését
nem teljesen értjük.
nem teljesen értjük.
11:25
And I think we have
enough of that already.
enough of that already.
246
673064
3983
És szerintem ilyenből
már van épp elég.
már van épp elég.
11:29
We shouldn't be leaving
this stuff up to AI to decide
this stuff up to AI to decide
247
677071
3166
Nem szabad hagynunk, hogy
Mesterséges Intelligencia döntse el,
Mesterséges Intelligencia döntse el,
11:32
what's appropriate or not,
248
680261
1251
mi helyes, és mi nem,
11:33
because we know what happens.
249
681536
1436
mert tudjuk, mi fog történni.
11:34
It'll start censoring other things.
250
682996
1688
Más dolgokat fog cenzúrázni.
11:36
It'll start censoring queer content.
251
684708
1783
Cenzúrázni fogja a felnőtt-tartalmat.
11:38
It'll start censoring
legitimate public speech.
legitimate public speech.
252
686515
2237
A legitim nyilvános beszédeket.
11:40
What's allowed in these discourses,
253
688776
1925
Ami megengedett e diskurzusokban,
11:42
it shouldn't be something
that's left up to unaccountable systems.
that's left up to unaccountable systems.
254
690725
3097
azt ne hagyjuk felelősségre
nem vonható rendszerekre.
nem vonható rendszerekre.
11:45
It's part of a discussion
all of us should be having.
all of us should be having.
255
693846
2947
Ennek megbeszélésében
mindannyiunknak részt kell venni.
mindannyiunknak részt kell venni.
11:48
But I'd leave a reminder
256
696817
1308
De hadd emlékeztessek rá:
11:50
that the alternative isn't
very pleasant, either.
very pleasant, either.
257
698149
2753
az alternatíva sem valami kellemes.
A YouTube nemrég azt is nyilatkozta,
11:52
YouTube also announced recently
258
700926
1535
11:54
that they're going to release
a version of their kids' app
a version of their kids' app
259
702485
2767
hogy gyerekbarát
alkalmazást fognak kiadni,
alkalmazást fognak kiadni,
11:57
that would be entirely
moderated by humans.
moderated by humans.
260
705276
2407
amit teljes egészében
emberek moderálnak majd.
emberek moderálnak majd.
12:00
Facebook -- Zuckerberg said
much the same thing at Congress,
much the same thing at Congress,
261
708134
3618
A Facebook – Zuckerberg nagyjából
ugyanezt mondta a Kongresszus előtt,
ugyanezt mondta a Kongresszus előtt,
mikor arról faggatták, hogyan fogják
moderálni a Facebook tartalmát.
moderálni a Facebook tartalmát.
12:03
when pressed about how they
were going to moderate their stuff.
were going to moderate their stuff.
262
711776
2987
12:06
He said they'd have humans doing it.
263
714787
1747
Azt mondta: embereket vesznek fel.
12:08
And what that really means is,
264
716558
1459
Ez pedig azt jelenti:
12:10
instead of having toddlers being
the first person to see this stuff,
the first person to see this stuff,
265
718041
3223
nem a kicsik látják majd
először a videókat,
először a videókat,
12:13
you're going to have underpaid,
precarious contract workers
precarious contract workers
266
721288
2788
hanem alulfizetett, részmunkaidős
alkalmazottak,
alkalmazottak,
12:16
without proper mental health support
267
724100
1726
megfelelő mentális támogatás nélkül,
12:17
being damaged by it as well.
268
725850
1376
így ők maguk is megsérülnek.
12:19
(Laughter)
269
727250
1096
(Nevetés)
12:20
And I think we can all do
quite a lot better than that.
quite a lot better than that.
270
728370
2601
Szerintem erre itt mind
alkalmasabbak lennénk.
alkalmasabbak lennénk.
12:22
(Applause)
271
730995
2499
(Taps)
12:26
The thought, I think, that brings those
two things together, really, for me,
two things together, really, for me,
272
734068
4613
Véleményem szerint
ami összehozhatná a két dolgot,
ami összehozhatná a két dolgot,
12:30
is agency.
273
738705
1420
az a képviselet.
12:32
It's like, how much do we really
understand -- by agency, I mean:
understand -- by agency, I mean:
274
740149
3157
Hogy mit is értek ez alatt pontosan:
12:35
how we know how to act
in our own best interests.
in our own best interests.
275
743330
4390
honnan tudjuk, mit tegyünk
saját jól felfogott érdekünkben.
saját jól felfogott érdekünkben.
12:39
Which -- it's almost impossible to do
276
747744
1787
Amit – szinte lehetetlen megtenni
12:41
in these systems that we don't
really fully understand.
really fully understand.
277
749555
3485
ezekben a rendszerekben úgy,
hogy nem teljesen értjük meg.
hogy nem teljesen értjük meg.
12:45
Inequality of power
always leads to violence.
always leads to violence.
278
753064
3071
A hatalmi egyenlőtlenség
mindig erőszakba torkollik.
mindig erőszakba torkollik.
12:48
And we can see inside these systems
279
756159
1685
Láthatjuk ezekben a rendszerekben,
12:49
that inequality of understanding
does the same thing.
does the same thing.
280
757868
2611
hogy a megértés egyenlőtlensége
ugyanide vezet.
ugyanide vezet.
12:52
If there's one thing that we can do
to start to improve these systems,
to start to improve these systems,
281
760503
3779
Ha tehetünk valamit azért,
hogy tökéletesítsük e rendszereket,
hogy tökéletesítsük e rendszereket,
12:56
it's to make them more legible
to the people who use them,
to the people who use them,
282
764306
2718
az az, hogy érthetőbbé tesszük
a felhasználók számára.
a felhasználók számára.
12:59
so that all of us have
a common understanding
a common understanding
283
767048
2196
Mindannyiunknak egyaránt
meg kell értenünk,
meg kell értenünk,
13:01
of what's actually going on here.
284
769268
1851
mi folyik itt valójában.
13:03
The thing, though, I think
most about these systems
most about these systems
285
771970
2968
Habár azon töprengek legtöbbet
e rendszerekkel kapcsolatban,
e rendszerekkel kapcsolatban,
13:06
is that this isn't, as I hope
I've explained, really about YouTube.
I've explained, really about YouTube.
286
774962
3857
hogy ez valójában nem a YouTube-ról szól,
remélem, sikerült világossá tennem.
remélem, sikerült világossá tennem.
13:10
It's about everything.
287
778843
1312
Mindenről szól.
13:12
These issues of accountability and agency,
288
780179
2444
Felelősségvállalás és képviselet kérdése,
13:14
of opacity and complexity,
289
782647
2225
a homályosságé és bonyolultságé,
13:16
of the violence and exploitation
that inherently results
that inherently results
290
784896
3177
az erőszaké és kihasználásé,
ami egyenes következménye annak,
ami egyenes következménye annak,
13:20
from the concentration
of power in a few hands --
of power in a few hands --
291
788097
2794
hogy a hatalom alig néhány
kézben összpontosul –
kézben összpontosul –
13:22
these are much, much larger issues.
292
790915
2579
ezek nagyon-nagyon súlyos kérdések.
13:26
And they're issues not just of YouTube
and not just of technology in general,
and not just of technology in general,
293
794395
3687
Nem csak a YouTube-ról szólnak,
és nem csak általában a technológiáról,
és nem csak általában a technológiáról,
13:30
and they're not even new.
294
798106
1265
nem is új keletűek.
13:31
They've been with us for ages.
295
799395
1461
Évszázadok óta életünk részei.
13:32
But we finally built this system,
this global system, the internet,
this global system, the internet,
296
800880
4390
De végül kiépítettük ezt a rendszert,
ezt a globális rendszert, az internetet,
ezt a globális rendszert, az internetet,
13:37
that's actually showing them to us
in this extraordinary way,
in this extraordinary way,
297
805294
3019
ami ma ilyen szokatlan módon
szembesít velük,
szembesít velük,
13:40
making them undeniable.
298
808337
1547
már nem tagadhatjuk el.
13:41
Technology has this extraordinary capacity
299
809908
2820
A technológiában megvan
az a rendkívüli képesség,
az a rendkívüli képesség,
13:44
to both instantiate and continue
300
812752
3973
hogy példázza és folytassa
13:48
all of our most extraordinary,
often hidden desires and biases
often hidden desires and biases
301
816749
4248
az összes különös, gyakran rejtett
vágyainkat és torzulásainkat,
vágyainkat és torzulásainkat,
13:53
and encoding them into the world,
302
821021
1866
felszínre hozza,
13:54
but it also writes them down
so that we can see them,
so that we can see them,
303
822911
3474
de le is írja, így láthatjuk ezeket,
13:58
so that we can't pretend
they don't exist anymore.
they don't exist anymore.
304
826409
3330
többé már nem tehetünk úgy,
mintha nem léteznének.
mintha nem léteznének.
14:01
We need to stop thinking about technology
as a solution to all of our problems,
as a solution to all of our problems,
305
829763
4319
Többé ne úgy gondoljunk a technológiára,
mint minden problémánk megoldására,
mint minden problémánk megoldására,
14:06
but think of it as a guide
to what those problems actually are,
to what those problems actually are,
306
834106
3757
hanem mint útmutatóra,
14:09
so we can start thinking
about them properly
about them properly
307
837887
2144
így helyesen kezdhetünk róla gondolkodni,
14:12
and start to address them.
308
840055
1766
és elkezdhetünk beszélni róla.
14:13
Thank you very much.
309
841845
1335
Nagyon köszönöm.
14:15
(Applause)
310
843204
5192
(Taps)
14:21
Thank you.
311
849733
1188
Köszönöm.
14:22
(Applause)
312
850945
2869
(Taps)
14:28
Helen Walters: James, thank you
for coming and giving us that talk.
for coming and giving us that talk.
313
856839
3178
Helen Walters: Köszönöm, James,
hogy megtartottad ezt az előadást.
hogy megtartottad ezt az előadást.
Olyan érdekes:
14:32
So it's interesting:
314
860041
1189
vegyük azokat a filmeket,
amikben robotok jutnak hatalomra,
amikben robotok jutnak hatalomra,
14:33
when you think about the films where
the robotic overlords take over,
the robotic overlords take over,
315
861254
3495
alig valamivel izgalmasabb,
mint amit elmondtál.
mint amit elmondtál.
14:36
it's all a bit more glamorous
than what you're describing.
than what you're describing.
316
864773
3279
De azokban a filmekben
látjuk a növekvő ellenállást.
látjuk a növekvő ellenállást.
14:40
But I wonder -- in those films,
you have the resistance mounting.
you have the resistance mounting.
317
868076
3749
Az általad említett dolgokkal
szemben is van ilyen?
szemben is van ilyen?
14:43
Is there a resistance mounting
towards this stuff?
towards this stuff?
318
871849
3216
Látod bármi halvány pozitív jelét
valami ellenállásnak?
valami ellenállásnak?
14:47
Do you see any positive signs,
green shoots of resistance?
green shoots of resistance?
319
875089
3796
Bridle: Közvetlen ellenállásról nem tudok,
14:52
James Bridle: I don't know
about direct resistance,
about direct resistance,
320
880507
2416
mert szerintem ez a jelenség
abszolút hosszú távú.
abszolút hosszú távú.
14:54
because I think this stuff
is super long-term.
is super long-term.
321
882947
2264
Úgy vélem, nagyon mélyen
beégett a kultúránkba.
beégett a kultúránkba.
14:57
I think it's baked into culture
in really deep ways.
in really deep ways.
322
885235
2510
Egy barátom, Eleanor Saitta
szokta mondogatni:
szokta mondogatni:
a jelentősebb nagyságrendű és hatókörű
technológiai problémák
technológiai problémák
14:59
A friend of mine,
Eleanor Saitta, always says
Eleanor Saitta, always says
323
887769
2132
15:01
that any technological problems
of sufficient scale and scope
of sufficient scale and scope
324
889935
3609
alapvetően mindig politikai jellegűek.
15:05
are political problems first of all.
325
893568
2267
Ha tehát e problémák megoldásán dolgozunk,
15:07
So all of these things we're working
to address within this
to address within this
326
895859
2785
nem elég a technológia
tökéletesítését kitűzni célul,
tökéletesítését kitűzni célul,
15:10
are not going to be addressed
just by building the technology better,
just by building the technology better,
327
898668
3274
a társadalmat kell megváltoztatni,
amelyik ezeket előállítja.
amelyik ezeket előállítja.
15:13
but actually by changing the society
that's producing these technologies.
that's producing these technologies.
328
901966
3464
Úgyhogy nem, jelenleg úgy vélem:
irgalmatlan hosszú út áll még előttünk.
irgalmatlan hosszú út áll még előttünk.
15:17
So no, right now, I think we've got
a hell of a long way to go.
a hell of a long way to go.
329
905454
3027
De mint mondtam, azzal,
hogy feltárjuk,
hogy feltárjuk,
15:20
But as I said, I think by unpacking them,
330
908505
1986
elmagyarázzuk, teljesen
nyíltan beszélünk róla,
nyíltan beszélünk róla,
15:22
by explaining them, by talking
about them super honestly,
about them super honestly,
331
910515
2697
máris megtettük legalább
az első lépéseket.
az első lépéseket.
15:25
we can actually start
to at least begin that process.
to at least begin that process.
332
913236
2505
HW: Mikor az olvashatóságról
és digitális írástudásról beszéltél,
és digitális írástudásról beszéltél,
15:27
HW: And so when you talk about
legibility and digital literacy,
legibility and digital literacy,
333
915765
3562
nehezemre esett elképzelni,
hogy ennek terhét egyenesen
a felhasználók nyakába kell varrnunk.
a felhasználók nyakába kell varrnunk.
15:31
I find it difficult to imagine
334
919351
1591
15:32
that we need to place the burden
of digital literacy on users themselves.
of digital literacy on users themselves.
335
920966
3680
Kinek a felelőssége az oktatás
ebben az új világban?
ebben az új világban?
15:36
But whose responsibility
is education in this new world?
is education in this new world?
336
924670
4562
JB: Ismétlem, ez a felelősség
mindannyiunké egyaránt,
mindannyiunké egyaránt,
15:41
JB: Again, I think this responsibility
is kind of up to all of us,
is kind of up to all of us,
337
929256
3612
minden, amit teszünk, építünk,
amit alkotunk,
amit alkotunk,
15:44
that everything we do,
everything we build, everything we make,
everything we build, everything we make,
338
932892
2984
egyetértés kialakításán
kell, hogy alapuljon,
kell, hogy alapuljon,
15:47
needs to be made
in a consensual discussion
in a consensual discussion
339
935900
3692
mindenkit bevonva, aki ki akarja kerülni;
ne építsünk olyan rendszereket, melyek
megtévesztők, vagy megzavarnak abban,
megtévesztők, vagy megzavarnak abban,
15:51
with everyone who's avoiding it;
340
939616
1940
15:53
that we're not building systems
intended to trick and surprise people
intended to trick and surprise people
341
941580
4341
hogy a megfelelő dolgot tegyük,
15:57
into doing the right thing,
342
945945
2300
viszont oktatásuk minden
lépésébe vonjuk be őket,
lépésébe vonjuk be őket,
16:00
but that they're actually involved
in every step in educating them,
in every step in educating them,
343
948269
3236
mert e rendszerek mindegyike
oktatási eszköz.
oktatási eszköz.
Ezért vagyok bizakodó, annak dacára,
hogy ez tényleg ijesztő jelenség,
hogy ez tényleg ijesztő jelenség,
16:03
because each of these systems
is educational.
is educational.
344
951529
2278
16:05
That's what I'm hopeful about,
about even this really grim stuff,
about even this really grim stuff,
345
953831
3102
de ha úgy bánunk vele,
és úgy tekintünk rá, ahogy kell,
és úgy tekintünk rá, ahogy kell,
16:08
that if you can take it
and look at it properly,
and look at it properly,
346
956957
2262
az már önmagában is egy kis oktatás,
ami segít, hogy rálássunk: milyen
bonyolult rendszerek működnek együtt,
bonyolult rendszerek működnek együtt,
16:11
it's actually in itself
a piece of education
a piece of education
347
959243
2089
16:13
that allows you to start seeing
how complex systems come together and work
how complex systems come together and work
348
961356
3762
és talán képesek lesznek e tudás
alkalmazására bárhol a világban.
alkalmazására bárhol a világban.
16:17
and maybe be able to apply
that knowledge elsewhere in the world.
that knowledge elsewhere in the world.
349
965142
3501
HW: James, ez nagyon fontos beszélgetés,
és tudom, itt sokan igazán nyitottak,
felkészültek arra, hogy éljenek vele,
felkészültek arra, hogy éljenek vele,
16:20
HW: James, it's such
an important discussion,
an important discussion,
350
968667
2115
16:22
and I know many people here
are really open and prepared to have it,
are really open and prepared to have it,
351
970806
3227
úgyhogy köszönöm a mai
nyitó előadásodat.
nyitó előadásodat.
16:26
so thanks for starting off our morning.
352
974057
1859
JB: Én köszönöm. Üdv mindenkinek!
16:27
JB: Thanks very much. Cheers.
353
975940
1400
(Taps)
16:29
(Applause)
354
977364
1651
ABOUT THE SPEAKER
James Bridle - Artist, writerWorking across technologies and disciplines, James Bridle examines technology, knowledge and the end of the future.
Why you should listen
James Bridle is an artist and writer working across technologies and disciplines. His artworks and installations have been exhibited in Europe, North and South America, Asia and Australia, and have been viewed by hundreds of thousands of visitors online. He has been commissioned by organizations including the Victoria & Albert Museum, the Barbican, Artangel, the Oslo Architecture Triennale and the Istanbul Design Biennial, and he has been honored by Ars Electronica, the Japan Media Arts Festival and the Design Museum, London. His writing on literature, culture and networks has appeared in magazines and newspapers including Frieze, Wired, Domus, Cabinet, The Atlantic, the New Statesman and many others, and he has written a regular column for The Observer.
New Dark Age, Bridle's book about technology, knowledge and the end of the future is forthcoming from Verso (UK & US) in 2018. He lectures regularly on radio, at conferences, universities and other events including SXSW, Lift, the Global Art Forum and Re:Publica. He has been a resident at Lighthouse, Brighton, the White Building, London and Eyebeam, New York, and an adjunct professor on the interactive telecommunications program at New York University.
James Bridle | Speaker | TED.com