TEDIndia 2009
Lalitesh Katragadda: Making maps to fight disaster, build economies
Lalitesh Katragadda: Fazendo mapas para combater desastres, construir economias
Filmed:
Readability: 4.5
405,132 views
Em 2005, apenas 15 por cento do mundo estava mapeado. Isto atrasa a chegada de auxílio após um desastre -- e esconde o potencial económico de terras sem uso e estradas desconhecidas. Nesta breve palestra, Lalitesh Katragadda da Google demonstra Map Maker, uma ferramenta de elaboração de mapas em grupo que pessoas ao redor do planeta estão a utilizar para mapear seu mundo.
Lalitesh Katragadda - Engineer
Lalitesh Katragadda builds tools that help groups of people compile information to build something greater than the sum of its parts. His latest fascination: collaborative maps. Full bio
Lalitesh Katragadda builds tools that help groups of people compile information to build something greater than the sum of its parts. His latest fascination: collaborative maps. Full bio
Double-click the English transcript below to play the video.
00:16
In 2008, Cyclone Nargis devastated Myanmar.
0
1000
5000
Em 2008, o Ciclone Nargis devastou Mianmar.
00:21
Millions of people were in severe need of help.
1
6000
4000
Milhões de pessoas estavam a necessitar severamente de ajuda.
00:25
The U.N. wanted to rush people and supplies to the area.
2
10000
4000
As Nações Unidas queriam apressar a chegada de pessoas e suprimentos à área.
00:29
But there were no maps, no maps of roads,
3
14000
3000
Mas não havia mapas, nenhum mapa de estradas,
00:32
no maps showing hospitals, no way for help to reach the cyclone victims.
4
17000
5000
nenhum mapa mostrando os hospitais, nenhum meio para fazer chegar a ajuda às vítimas do ciclone.
00:37
When we look at a map of Los Angeles or London,
5
22000
3000
Quando olhamos para um mapa de Los Angeles, ou Londres,
00:40
it is hard to believe
6
25000
3000
é difícil acreditar
00:43
that as of 2005, only 15 percent of the world
7
28000
3000
que em 2005 apenas 15 por cento do mundo
00:46
was mapped to a geo-codable level of detail.
8
31000
3000
estava mapeado num nível de detalhe geocodificável.
00:49
The U.N. ran headfirst into a problem
9
34000
3000
As Nações Unidas entraram de cabeça num problema
00:52
that the majority of the world's populous faces:
10
37000
2000
que os lugares mais populosos do mundo enfrentam:
00:54
not having detailed maps.
11
39000
2000
não ter mapas detalhados.
00:56
But help was coming.
12
41000
2000
Mas a ajuda estava a chegar.
00:58
At Google, 40 volunteers
13
43000
2000
No Google, 40 voluntários
01:00
used a new software
14
45000
3000
usaram um novo software
01:03
to map 120,000 kilometers of roads,
15
48000
3000
para mapear 120 000 quilómetros de estradas,
01:06
3,000 hospitals, logistics and relief points.
16
51000
3000
3 000 hospitais, logística e pontos de assistência.
01:09
And it took them four days.
17
54000
2000
E isso levou quatro dias.
01:11
The new software they used? Google Mapmaker.
18
56000
3000
O novo software que eles usaram? O Google Mapmaker.
01:14
Google Mapmaker is a technology that empowers each of us
19
59000
3000
O Google Mapmaker é uma tecnologia que permite que cada um de nós
01:17
to map what we know locally.
20
62000
3000
mapeie o que conhecemos localmente.
01:20
People have used this software
21
65000
2000
As pessoas usaram esse software
01:22
to map everything from roads to rivers,
22
67000
2000
para mapear tudo, de estradas a rios,
01:24
from schools to local businesses,
23
69000
3000
de escolas a negócios locais,
01:27
and video stores to the corner store.
24
72000
3000
e de lojas de vídeo à loja da esquina.
01:30
Maps matter.
25
75000
2000
Mapas são importantes.
01:32
Nobel Prize nominee Hernando De Soto
26
77000
2000
Hernando de Soto, nomeado ao Prémio Nobel,
01:34
recognized that the key to economic liftoff
27
79000
2000
reconheceu que a chave para a decolagem económica
01:36
for most developing countries
28
81000
2000
para a maioria dos países em desenvolvimento
01:38
is to tap the vast amounts of uncapitalized land.
29
83000
3000
é aproveitar as vastas extensões de terras não capitalizadas.
01:41
For example, a trillion dollars
30
86000
3000
Por exemplo, um bilião de dólares
01:44
of real estate remains uncapitalized in India alone.
31
89000
3000
de propriedades imobiliárias permanecem não capitalizadas, apenas na Índia.
01:47
In the last year alone,
32
92000
2000
Só no ano passado,
01:49
thousands of users in 170 countries
33
94000
4000
milhares de utilizadores em 170 países
01:53
have mapped millions of pieces of information,
34
98000
3000
mapearam milhões de unidades de informação,
01:56
and created a map of a level of detail never thought viable.
35
101000
3000
e criaram um mapa com um nível de detalhe que nunca se considerou viável.
01:59
And this was made possible by
36
104000
2000
E isso foi viabilizado pelo
02:01
the power of passionate users everywhere.
37
106000
4000
poder de utilizadores apaixonados em toda parte.
02:05
Let's look at some of the maps
38
110000
3000
Vamos olhar para alguns desses mapas
02:08
being created by users right now.
39
113000
3000
que estão a ser criados pelos utilizadores neste momento.
02:11
So, as we speak, people are mapping the world
40
116000
2000
Bem, enquanto falamos pessoas estão a mapear o mundo
02:13
in these 170 countries.
41
118000
2000
nestes 170 países.
02:15
You can see Bridget in Africa who just mapped a road in Senegal.
42
120000
6000
Vocês podem ver a Bridget na África, que acabou de mapear uma estrada no Senegal.
02:21
And, closer to home, Chalua, an N.G. road in Bangalore.
43
126000
5000
E, mais perto da sua terra natal, Chalua, uma estrada em Bangalore.
02:26
This is the result of computational geometry,
44
131000
3000
Este é o resultado da geometria computacional,
02:29
gesture recognition, and machine learning.
45
134000
3000
reconhecimento de gestos e aprendizagem de máquina.
02:32
This is a victory of thousands of users,
46
137000
2000
Esta é uma vitória de milhares de utilizadores,
02:34
in hundreds of cities,
47
139000
2000
em centenas de cidades,
02:36
one user, one edit at a time.
48
141000
2000
um utilizador, uma alteração de cada vez.
02:38
This is an invitation to the 70 percent
49
143000
4000
Este é um convite aos 70 por cento
02:42
of our unmapped planet.
50
147000
2000
de nosso planeta não mapeado.
02:44
Welcome to the new world.
51
149000
2000
Sejam bem-vindos ao novo mundo.
02:46
(Applause)
52
151000
3000
(Aplausos)
ABOUT THE SPEAKER
Lalitesh Katragadda - EngineerLalitesh Katragadda builds tools that help groups of people compile information to build something greater than the sum of its parts. His latest fascination: collaborative maps.
Why you should listen
Lalitesh Katragadda is a software engineer at Google, working on geo-data, machine vision, machine learning and space robotics. Before joining Google, Lalitesh founded a robotics startup that was acquired by Google. At Google, Lalitesh co-founded Google India and was its founding Joint Center Head for two years. He co-started several projects including Google Finance and Hindi Transliteration, and is now working on maps.
Lalitesh Katragadda | Speaker | TED.com