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

ลุอิส วอน ออน (Luis von Ahn): การร่วมมือออนไลน์ขนาดใหญ่

Filmed:
1,740,008 views

หลังจากได้มีการปรับจุดประสงค์ของแคปช่า (CAPTCHA) เพื่อให้การพิมพ์ของผู้ใช้นั้นได้มีส่วนช่วยแปลหนังสือดิจิตัล ลุอิส วอน ออน สงสัยว่าเราจะสามารถใช้ความร่วมมือเล็กๆ จากคนจำนวนมากมายบนอินเตอร์เนตเพื่อสิ่งที่ดีกว่าได้อย่างไร ณ TEDxCMU เขาได้บอกเล่ากับเราว่า ดูโอลินโก (Duolingo) โครงการที่แสนทะเยอทะยานของเขา จะช่วยผู้คนนับล้านในการเรียนภาษาใหม่ในระหว่างที่พวกเขาแปลเว็บไซต์อย่างรวดเร็วและถูกต้อง โดยทั้งหมดนี้ฟรีไม่เสียค่าใช้จ่ายใดๆ
- 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 manyจำนวนมาก of you had to fillใส่ out some sortประเภท of webเว็บ formฟอร์ม
0
0
2000
ใครเคยกรอกแบบฟอร์มบนเว็บไซต์
00:17
where you've been askedถาม to readอ่าน a distortedบิดเบี้ยว sequenceลำดับ of charactersตัวละคร like this?
1
2000
2000
ที่คุณต้องอ่านตัวอักษรเบี้ยวๆ แบบนี้มั่งครับ
00:19
How manyจำนวนมาก of you foundพบ it really, really annoyingน่ารำคาญ?
2
4000
2000
ใครคิดว่ามันน่ารำคาญมากๆบ้าง
00:21
Okay, outstandingโดดเด่น. So I inventedคิดค้น that.
3
6000
3000
โอเค ชัดเจน ผมเป็นคนสร้างมันเองครับ
00:24
(Laughterเสียงหัวเราะ)
4
9000
2000
(เสียงหัวเราะ)
00:26
Or I was one of the people who did it.
5
11000
2000
ถ้าพูดให้ถูก ผมเป็นหนึ่งในทีมสร้างครับ
00:28
That thing is calledเรียกว่า a CAPTCHACAPTCHA.
6
13000
2000
สิ่งนี้เรียกว่า แคปช่า (CAPTCHA)
00:30
And the reasonเหตุผล it is there is to make sure you, the entityเอกลักษณ์ fillingการกรอก out the formฟอร์ม,
7
15000
2000
มันถูกใส่ไว้เพื่อความมั่นใจว่า
คุณที่กำลังกรอกฟอร์มนั้น
00:32
are actuallyแท้จริง a humanเป็นมนุษย์ and not some sortประเภท of computerคอมพิวเตอร์ programโครงการ
8
17000
3000
เป็นคนจริงๆ ไม่ใช่โปรแกรมคอมพิวเตอร์
00:35
that was writtenเขียน to submitเสนอ the formฟอร์ม millionsล้าน and millionsล้าน of timesครั้ง.
9
20000
2000
ซึ่งถูกเขียนขึ้นมาเพื่อส่งฟอร์มจำนวนเป็นล้านๆครั้ง
00:37
The reasonเหตุผล it worksโรงงาน is because humansมนุษย์,
10
22000
2000
ที่มันได้ผลก็เพราะว่า มนุษย์
00:39
at leastน้อยที่สุด non-visually-impairedไม่ใช่สายตาบกพร่อง humansมนุษย์,
11
24000
2000
อย่างน้อยๆ มนุษย์ที่ไม่ได้มีความบกพร่องทางสายตา
00:41
have no troubleปัญหา readingการอ่าน these distortedบิดเบี้ยว squigglyไก่เขี่ย charactersตัวละคร,
12
26000
2000
ไม่มีปัญหาใดๆในการอ่านตัวหนังสือเบี้ยวๆยึกยือพวกนี้
00:43
whereasแต่ทว่า computerคอมพิวเตอร์ programsโปรแกรม simplyง่ายดาย can't do it as well yetยัง.
13
28000
3000
ในขณะที่โปรแกรมคอมพิวเตอร์ยังไม่สามารถทำได้
00:46
So for exampleตัวอย่าง, in the caseกรณี of Ticketmasterทิ,
14
31000
2000
ดังเช่นตัวอย่าง ในกรณีของ
ทิคเก็ตมาสเตอร์ (Ticketmaster)
00:48
the reasonเหตุผล you have to typeชนิด these distortedบิดเบี้ยว charactersตัวละคร
15
33000
2000
เหตุผลที่คุณต้องพิมพ์ตัวอักษรเบี้ยวๆพวกนี้
00:50
is to preventป้องกัน scalpersเก็งกำไร from writingการเขียน a programโครงการ
16
35000
2000
ก็เพื่อป้องกันพวกที่เขียนโปรแกรม
00:52
that can buyซื้อ millionsล้าน of ticketsตั๋ว, two at a time.
17
37000
2000
เพื่อซื้อตั๋วเป็นล้านๆใบ ให้ซื้อได้แค่ทีละสองใบ
00:54
CAPTCHAsCAPTCHAs are used all over the Internetอินเทอร์เน็ต.
18
39000
2000
แคปช่า ถูกใช้ทุกหนทุกแห่งบนอินเตอร์เน็ต
00:56
And sinceตั้งแต่ they're used so oftenบ่อยครั้ง,
19
41000
2000
และเมื่อมันถูกใช้บ่อยๆ
00:58
a lot of timesครั้ง the preciseแม่นยำ sequenceลำดับ of randomสุ่ม charactersตัวละคร that is shownแสดงให้เห็นว่า to the userผู้ใช้งาน
20
43000
2000
หลายครั้ง ที่ตัวอักษรที่ถูกสุ่มขึ้นมา
ให้ปรากฎต่อหน้าผู้ใช้
01:00
is not so fortunateโชคดี.
21
45000
2000
ไม่ค่อยจะโชคดีสักเท่าไร
01:02
So this is an exampleตัวอย่าง from the Yahooyahoo registrationการลงทะเบียน pageหน้า.
22
47000
3000
นี่เป็นตัวอย่างจากหน้าลงทะเบียนของ ยาฮู (Yahoo)
01:05
The randomสุ่ม charactersตัวละคร that happenedที่เกิดขึ้น to be shownแสดงให้เห็นว่า to the userผู้ใช้งาน
23
50000
2000
ตัวอักษรที่ถูกสุ่มขึ้นมาปรากฎต่อหน้าผู้ใช้
01:07
were W, A, I, T, whichที่, of courseหลักสูตร, spellสะกด a wordคำ.
24
52000
3000
ได้แก่ ร, อ ซึ่งแน่ล่ะ มันสะกดได้เป็นคำ
01:10
But the bestดีที่สุด partส่วนหนึ่ง is the messageข่าวสาร
25
55000
3000
แต่ที่เจ๋งที่สุด คือข้อความ
01:13
that the Yahooyahoo help deskเคาน์เตอร์ got about 20 minutesนาที laterต่อมา.
26
58000
3000
ที่ฝ่ายช่วยเหลือของยาฮูได้รับในอีก 20 นาทีถัดไป
01:16
Textข้อความ: "Help! I've been waitingที่รอ for over 20 minutesนาที, and nothing happensที่เกิดขึ้น."
27
61000
3000
ข้อความ : ช่วยด้วย ผมรอมาตั้ง 20 นาทีแล้ว
และมันไม่มีอะไรเกิดขึ้นเลย
01:19
(Laughterเสียงหัวเราะ)
28
64000
4000
(เสียงหัวเราะ)
01:23
This personคน thought they neededจำเป็น to wait.
29
68000
2000
คนคนนี้คิดว่าเขาต้องรอ
01:25
This of courseหลักสูตร, is not as badไม่ดี as this poorน่าสงสาร personคน.
30
70000
3000
แต่ว่านี่มันก็ไม่แย่เท่าคนที่น่าสงสารรายนี้
01:28
(Laughterเสียงหัวเราะ)
31
73000
2000
(เสียงหัวเราะ)
01:30
CAPTCHACAPTCHA Projectโครงการ is something that we did here at Carnegieคาร์เนกี MelllonMelllon over 10 yearsปี agoมาแล้ว,
32
75000
3000
โครงการ แคปช่า เป็นสิ่งที่พวกเราสร้างขึ้นที่
แมลโล่ (Carnegie Mellon) สิบกว่าปีก่อน
01:33
and it's been used everywhereทุกที่.
33
78000
2000
และมันก็ถูกใช้ไปทุกหนทุกแห่ง
01:35
Let me now tell you about a projectโครงการ that we did a fewน้อย yearsปี laterต่อมา,
34
80000
2000
ให้ผมเล่าให้คุณฟังเกี่ยวกับโครงการที่เราทำ
เมื่อไม่กี่ปีที่ผ่านมา
01:37
whichที่ is sortประเภท of the nextต่อไป evolutionวิวัฒนาการ of CAPTCHACAPTCHA.
35
82000
3000
ซึ่งราวกับว่าเป็นวิวัฒนาการขั้นถัดไปของ แคปช่า
01:40
This is a projectโครงการ that we call reCAPTCHAreCAPTCHA,
36
85000
2000
โครงการนี้เราเรียกว่า รีแคปช่า (reCAPTCHA)
01:42
whichที่ is something that we startedเริ่มต้น here at Carnegieคาร์เนกี Mellonเมลลอน,
37
87000
2000
ซึ่งเป็นอะไรที่เราริเริ่ม ณ คานีกี แมลโล่ นี้
01:44
then we turnedหัน it into a startupการเริ่มต้น companyบริษัท.
38
89000
2000
แล้วเราก็ตั้งเป็นบริษัทตั้งต้นขึ้นมา
01:46
And then about a yearปี and a halfครึ่ง agoมาแล้ว,
39
91000
2000
และแล้ว ประมาณปีครึ่งที่ผ่านมา
01:48
GoogleGoogle actuallyแท้จริง acquiredที่ได้มา this companyบริษัท.
40
93000
2000
กูเกิลก็ซื้อบริษัทนี้
01:50
So let me tell you what this projectโครงการ startedเริ่มต้น.
41
95000
2000
อนุญาตให้ผมเล่า ว่าโครงการนี้เริ่มขึ้นอย่างไร
01:52
So this projectโครงการ startedเริ่มต้น from the followingดังต่อไปนี้ realizationการสำนึก:
42
97000
3000
โครงการนี้เริ่มต้นขึ้นจากสิ่งที่เราได้ทราบดังต่อไปนี้ :
01:55
It turnsผลัดกัน out that approximatelyประมาณ 200 millionล้าน CAPTCHAsCAPTCHAs
43
100000
2000
มีราวๆ 200 ล้านแคปช่า
01:57
are typedพิมพ์ everydayทุกวัน by people around the worldโลก.
44
102000
3000
ถูกพิมพ์โดยคนทั่วโลกทุกวัน
02:00
When I first heardได้ยิน this, I was quiteทีเดียว proudภูมิใจ of myselfตนเอง.
45
105000
2000
เมื่อผมได้ยินเป็นครั้งแรก ผมรู้สึกค่อนข้างภูมิใจในตัวเอง
02:02
I thought, look at the impactส่งผลกระทบ that my researchการวิจัย has had.
46
107000
2000
ดูจากผลกระทบของงานวิจัยของผมสิ
02:04
But then I startedเริ่มต้น feelingความรู้สึก badไม่ดี.
47
109000
2000
แต่แล้ว ผมก็เริ่มรู้สึกแย่
02:06
See here'sนี่คือ the thing, eachแต่ละ time you typeชนิด a CAPTCHACAPTCHA,
48
111000
2000
คุณเห็นไหม ทุกครั้งที่คุณพิมพ์ แคปช่า
02:08
essentiallyเป็นหลัก you wasteของเสีย 10 secondsวินาที of your time.
49
113000
3000
คุณเสียเวลาของคุณไปเลยเต็มๆ 10 วินาที
02:11
And if you multiplyคูณ that by 200 millionล้าน,
50
116000
2000
และถ้าคุณลองคูณมันด้วย 200 ล้าน
02:13
you get that humanityมนุษยชาติ as a wholeทั้งหมด is wastingการสูญเสีย about 500,000 hoursชั่วโมง everyทุกๆ day
51
118000
3000
คุณทำให้มนุษยชาติทั้งหมดเสียเวลา
ไปประมาณ 500,000 ชั่วโมงทุกวัน
02:16
typingการพิมพ์ these annoyingน่ารำคาญ CAPTCHAsCAPTCHAs.
52
121000
2000
พิมพ์สิ่งๆที่แสนน่ารำคาญที่เรียกว่า แคปช่า
02:18
So then I startedเริ่มต้น feelingความรู้สึก badไม่ดี.
53
123000
2000
ฉะนั้นผมก็เลยรู้สึกแย่
02:20
(Laughterเสียงหัวเราะ)
54
125000
2000
(เสียงหัวเราะ)
02:22
And then I startedเริ่มต้น thinkingคิด, well, of courseหลักสูตร, we can't just get ridกำจัด of CAPTCHAsCAPTCHAs,
55
127000
3000
ผมเลยก็เริ่มคิด อืม แน่ล่ะ
เรากำจัดแคปช่าออกไปไม่ได้
02:25
because the securityความปลอดภัย of the Webเว็บ sortประเภท of dependsขึ้นอยู่กับ on them.
56
130000
2000
เพราะว่าความปลอดภัยของเว็บไซต์ค่อนข้างขึ้นอยู่กับมัน
02:27
But then I startedเริ่มต้น thinkingคิด, is there any way we can use this effortความพยายาม
57
132000
3000
แต่ผมก็เริ่มคิด มันจะมีทางอื่นอีกไหม
ที่เราจะได้ใช้แรงงานนี้
02:30
for something that is good for humanityมนุษยชาติ?
58
135000
2000
สำหรับอะไรบางอย่างที่เป็นคุณประโยชน์ต่อมนุษยชาติ
02:32
So see, here'sนี่คือ the thing.
59
137000
2000
เอาล่ะ นี่ครับ
02:34
While you're typingการพิมพ์ a CAPTCHACAPTCHA, duringในระหว่าง those 10 secondsวินาที,
60
139000
2000
ขณะที่คุณพิมพ์ แคปช่า ระหว่าง10 วินาทีนั้น
02:36
your brainสมอง is doing something amazingน่าอัศจรรย์.
61
141000
2000
สมองของคุณกำลังทำสิ่งที่น่าทึ่ง
02:38
Your brainสมอง is doing something that computersคอมพิวเตอร์ cannotไม่ได้ yetยัง do.
62
143000
2000
สมองของคุณกำลังทำ
สิ่งที่คอมพิวเตอร์ยังไม่สามารถที่จะทำได้
02:40
So can we get you to do usefulมีประโยชน์ work for those 10 secondsวินาที?
63
145000
3000
แล้วเราจะทำให้คุณทำสิ่งที่มีประโยชน์
ภายในเวลา 10 วินาทีได้ไหม
02:43
Anotherอื่น way of puttingวาง it is,
64
148000
2000
จะพูดในอีกแง่หนึ่งก็คือ
02:45
is there some humongoushumongous problemปัญหา that we cannotไม่ได้ yetยัง get computersคอมพิวเตอร์ to solveแก้,
65
150000
2000
เรามีปัญหาใหญ่มาก
ที่เรายังไม่สามารถใช้คอมพิวเตอร์จัดการ
02:47
yetยัง we can splitแยก into tinyขนาดเล็ก 10-second chunksชิ้น
66
152000
3000
ที่เราสามารถแบ่งเป็นก้อนขนาด 10 วินาทีได้
02:50
suchอย่างเช่น that eachแต่ละ time somebodyบางคน solvesแก้ a CAPTCHACAPTCHA
67
155000
2000
เพื่อที่ว่า ทุกครั้งที่คนแก้โจทย์แคปช่า
02:52
they solveแก้ a little bitบิต of this problemปัญหา?
68
157000
2000
พวกเขาก็จะแก้ปัญหานี้ได้ทีละนิดไปด้วย
02:54
And the answerตอบ to that is "yes," and this is what we're doing now.
69
159000
2000
และคำตอบก็คือ มีครับ
และนี่คือสิ่งที่เรากำลังทำในขณะนี้
02:56
So what you mayอาจ not know is that nowadaysในปัจจุบันนี้ while you're typingการพิมพ์ a CAPTCHACAPTCHA,
70
161000
3000
สิ่งที่คุณอาจไม่ทราบก็คือ
ทุกวันนี้ ขณะที่คุณกำลังพิมพ์ แคปช่า
02:59
not only are you authenticatingที่ถูกตรวจสอบ yourselfด้วยตัวคุณเอง as a humanเป็นมนุษย์,
71
164000
2000
ไม่เพียงแค่คุณได้พิสูจน์ว่าเป็นมนุษย์
03:01
but in additionการเพิ่ม you're actuallyแท้จริง helpingการช่วยเหลือ us to digitizeรูปแบบดิจิทัล booksหนังสือ.
72
166000
2000
แต่คุณยังได้ช่วยพวกเราในการแปลงหนังสือ
ให้อยู่ในรูปแบบดิจิตัล
03:03
So let me explainอธิบาย how this worksโรงงาน.
73
168000
2000
ให้ผมอธิบายนะครับว่ามันทำงานอย่างไร
03:05
So there's a lot of projectsโครงการ out there tryingพยายาม to digitizeรูปแบบดิจิทัล booksหนังสือ.
74
170000
2000
มีโครงการมากมายที่พยายาม
แปลงหนังสือให้อยู่ในรูปแบบดิจิตัล
03:07
GoogleGoogle has one. The Internetอินเทอร์เน็ต Archiveเอกสารเก่า has one.
75
172000
3000
กูเกิลก็มีโครงการหนึ่ง
อินเตอร์เน็ต อาร์ไคฟ์ ก็อีกหนึ่ง
03:10
Amazonอเมซอน, now with the Kindleจุดไฟ, is tryingพยายาม to digitizeรูปแบบดิจิทัล booksหนังสือ.
76
175000
2000
แอมาซอน พร้อมกับคินเดิล
ก็พยายามที่จะทำหนังสือให้เป็นดิจิตัล
03:12
Basicallyเป็นพื้น the way this worksโรงงาน
77
177000
2000
การทำงานของมันแบบง่ายๆ
03:14
is you startเริ่มต้น with an oldเก่า bookหนังสือ.
78
179000
2000
คือคุณเริ่มจากหนังสือเก่า
03:16
You've seenเห็น those things, right? Like a bookหนังสือ?
79
181000
2000
คุณเคยเห็นของพวกนั้นใช่ไหมครับ
ที่เหมือนหนังสืออะครับ
03:18
(Laughterเสียงหัวเราะ)
80
183000
2000
(เสียงหัวเราะ)
03:20
So you startเริ่มต้น with a bookหนังสือ, and then you scanการสแกน it.
81
185000
2000
คุณเริ่มจากหนังสือเล่มหนึ่ง แล้วสแกนภาพมัน
03:22
Now scanningการสแกน a bookหนังสือ
82
187000
2000
ทีนี้ การสแกนภาพหนังสือนั้น
03:24
is like takingการ a digitalดิจิตอล photographถ่ายภาพ of everyทุกๆ pageหน้า of the bookหนังสือ.
83
189000
2000
เหมือนกับการถ่ายภาพดิจิตัล
ของทุกๆ หน้าหนังสือ
03:26
It givesจะช่วยให้ you an imageภาพ for everyทุกๆ pageหน้า of the bookหนังสือ.
84
191000
2000
มันทำให้คุณได้ภาพของทุกหน้าหนังสือ
03:28
This is an imageภาพ with textข้อความ for everyทุกๆ pageหน้า of the bookหนังสือ.
85
193000
2000
นี่คือภาพที่มีข้อความจากทุกหน้าของหนังสือ
03:30
The nextต่อไป stepขั้นตอน in the processกระบวนการ
86
195000
2000
ขั้นตอนต่อไปในกระบวนการ
03:32
is that the computerคอมพิวเตอร์ needsจำเป็น to be ableสามารถ to decipherแปลรหัส all of the wordsคำ in this imageภาพ.
87
197000
3000
ก็คือ คอมพิวเตอร์ต้องสามารถ
ถอดรหัสคำทั้งหมดในรูปนี้
03:35
That's usingการใช้ a technologyเทคโนโลยี calledเรียกว่า OCROCR,
88
200000
2000
มันใช้เทคโนโลยีที่เรียกว่า โอซีอาร์ (OCR)
03:37
for opticalออปติคอล characterตัวละคร recognitionได้รับการยอมรับ,
89
202000
2000
ซึ่งย่อมาจาก การรู้จำอักขระทางภาพ
03:39
whichที่ takes a pictureภาพ of textข้อความ
90
204000
2000
ซึ่งถ่ายรูปภาพของข้อความ
03:41
and triesพยายาม to figureรูป out what textข้อความ is in there.
91
206000
2000
และพยายามที่จะคิดคำนวณว่า มันมีข้อความอะไรในนั้น
03:43
Now the problemปัญหา is that OCROCR is not perfectสมบูรณ์.
92
208000
2000
ทีนี้ปัญหาก็คือ โอซีอาร์ ไม่ได้สมบูรณ์แบบ
03:45
Especiallyโดยเฉพาะอย่างยิ่ง for olderเก่ากว่า booksหนังสือ
93
210000
2000
โดยเฉพาะกับหนังสือเก่าๆ
03:47
where the inkหมึก has fadedจาง ๆ and the pagesหน้า have turnedหัน yellowสีเหลือง,
94
212000
3000
ที่หมึกจางและหน้าหนังสือเปลี่ยนเป็นสีเหลือง
03:50
OCROCR cannotไม่ได้ recognizeรับรู้ a lot of the wordsคำ.
95
215000
2000
โอซีอาร์ ไม่สามารถตรวจจับคำหลายๆคำ
03:52
For exampleตัวอย่าง, for things that were writtenเขียน more than 50 yearsปี agoมาแล้ว,
96
217000
2000
ยกตัวอย่างเช่น สำหรับสิ่งที่ถูกเขียนไว้กว่า 50 ปีก่อน
03:54
the computerคอมพิวเตอร์ cannotไม่ได้ recognizeรับรู้ about 30 percentเปอร์เซ็นต์ of the wordsคำ.
97
219000
3000
คอมพิวเตอร์ ไม่สามารถตรวจจับคำได้คิดเป็น 30 เปอร์เซ็นต์
03:57
So what we're doing now
98
222000
2000
ดังนั้น สิ่งที่เรากำลังทำขณะนี้
03:59
is we're takingการ all of the wordsคำ that the computerคอมพิวเตอร์ cannotไม่ได้ recognizeรับรู้
99
224000
2000
คือเรานำคำทั้งหมด ที่คอมพิวเตอร์ไม่สามารถจดจำได้
04:01
and we're gettingได้รับ people to readอ่าน them for us
100
226000
2000
และนำมาให้คนอ่าน
04:03
while they're typingการพิมพ์ a CAPTCHACAPTCHA on the Internetอินเทอร์เน็ต.
101
228000
2000
ในขณะที่พวกเขากำลังพิมพ์ แคปช่า บนอินเตอร์เน็ต
04:05
So the nextต่อไป time you typeชนิด a CAPTCHACAPTCHA, these wordsคำ that you're typingการพิมพ์
102
230000
3000
ดังนั้น ครั้งต่อไปเมื่อคุณพิมพ์ แคปช่า
คำเหล่านี้ที่คุณพิมพ์
04:08
are actuallyแท้จริง wordsคำ that are comingมา from booksหนังสือ that are beingกำลัง digitizedดิจิทัล
103
233000
3000
จริงๆแล้วคือคำที่มาจากหนังสือ
ที่กำลังถูกทำให้เป็นดิจิตัล
04:11
that the computerคอมพิวเตอร์ could not recognizeรับรู้.
104
236000
2000
แต่คอมพิวเตอร์ไม่สามารถตรวจจับได้
04:13
And now the reasonเหตุผล we have two wordsคำ nowadaysในปัจจุบันนี้ insteadแทน of one
105
238000
2000
และทีนี้ เหตุผลที่เรามีคำสองคำ แทนที่จะเป็นคำเดียว
04:15
is because, you see, one of the wordsคำ
106
240000
2000
ก็เพราะว่า หนึ่งคำในนั้น
04:17
is a wordคำ that the systemระบบ just got out of a bookหนังสือ,
107
242000
2000
เป็นคำที่ระบบดึงออกมาจากหนังสือ
04:19
it didn't know what it was, and it's going to presentนำเสนอ it to you.
108
244000
3000
มันไม่รู้ว่าคืออะไร และมันก็กำลังที่จะเสนอให้กับคุณ
04:22
But sinceตั้งแต่ it doesn't know the answerตอบ for it, it cannotไม่ได้ gradeเกรด it for you.
109
247000
3000
แต่เมื่อมันไม่รู้ว่าคำตอบคืออะไร
มันจึงไม่สามารถตัดสินให้คุณได้
04:25
So what we do is we give you anotherอื่น wordคำ,
110
250000
2000
ดังนั้น สิ่งที่เราทำก็คือเราให้คำอีกคำกับคุณ
04:27
one for whichที่ the systemระบบ does know the answerตอบ.
111
252000
2000
เป็นคำที่ระบบรูู้คำตอบ
04:29
We don't tell you whichที่ one'sหนึ่งคือ whichที่, and we say, please typeชนิด bothทั้งสอง.
112
254000
2000
เราไม่บอกคุณว่าอันไหนเป็นอันไหน
และพวกเราบอกว่า กรุณาพิมพ์ทั้งสองคำ
04:31
And if you typeชนิด the correctแก้ไข wordคำ
113
256000
2000
และถ้าคุณพิมพ์คำได้ถูกต้อง
04:33
for the one for whichที่ the systemระบบ alreadyแล้ว knowsรู้ the answerตอบ,
114
258000
2000
สำหรับคำที่ระบบรู้คำตอบอยู่แล้ว
04:35
it assumesถือว่า you are humanเป็นมนุษย์,
115
260000
2000
มันจะคาดว่าคุณเป็นมนุษย์
04:37
and it alsoด้วย getsได้รับ some confidenceความมั่นใจ that you typedพิมพ์ the other wordคำ correctlyได้อย่างถูกต้อง.
116
262000
2000
และมันก็จะได้ความมั่นใจว่า คุณพิมพ์อีกคำหนึ่งถูกต้องด้วย
04:39
And if we repeatทำซ้ำ this processกระบวนการ to like 10 differentต่าง people
117
264000
3000
และถ้าพวกเราทำขั้นตอนนี้ซ้ำๆกับสัก 10 คน
04:42
and all of them agreeตกลง on what the newใหม่ wordคำ is,
118
267000
2000
และพวกเขาทั้งหมดเห็นด้วยว่าคำใหม่คืออะไร
04:44
then we get one more wordคำ digitizedดิจิทัล accuratelyแม่นยำ.
119
269000
2000
แล้ว เราก็จะได้คำที่ถูกทำเป็นดิจิตัลอีกคำอย่างถูกต้อง
04:46
So this is how the systemระบบ worksโรงงาน.
120
271000
2000
และนั่นก็คือวิธีที่ระบบทำงาน
04:48
And basicallyเป็นพื้น, sinceตั้งแต่ we releasedการเผยแพร่ it about threeสาม or fourสี่ yearsปี agoมาแล้ว,
121
273000
3000
และโดยหลักๆแล้ว ตั้งแต่เราปล่อยมันออกไปประมาณ
สามหรือสี่ปีก่อน
04:51
a lot of websitesเว็บไซต์ have startedเริ่มต้น switchingสลับ
122
276000
2000
เว็บไซต์มากมายก็เริ่มเปลี่ยน
04:53
from the oldเก่า CAPTCHACAPTCHA where people wastedที่สูญเสียไป theirของพวกเขา time
123
278000
2000
จากแคปช่าตัวเดิม ที่ผู้ใช้เสียเวลาไปกับมัน
04:55
to the newใหม่ CAPTCHACAPTCHA where people are helpingการช่วยเหลือ to digitizeรูปแบบดิจิทัล booksหนังสือ.
124
280000
2000
มาเป็นแคปช่าตัวใหม่ ที่ผู้ใช้กำลังช่วยสร้างหนังสือดิจิตัล
04:57
So for exampleตัวอย่าง, Ticketmasterทิ.
125
282000
2000
ยกตัวอย่างเช่น ทิคเก็ตมาสเตอร์
04:59
So everyทุกๆ time you buyซื้อ ticketsตั๋ว on Ticketmasterทิ, you help to digitizeรูปแบบดิจิทัล a bookหนังสือ.
126
284000
3000
ทุกครั้งที่คุณซื้อตั๋วผ่านทิคเก็ตมาสเตอร์
คุณกำลังช่วยทำหนังสือดิจิตัล
05:02
FacebookFacebook: Everyทุกๆ time you addเพิ่ม a friendเพื่อน or pokeโผล่ somebodyบางคน,
127
287000
2000
ในเฟสบุ๊ค ทุกครั้งที่คุณเพิ่มเพื่อน หรือสะกิดใครสักคน
05:04
you help to digitizeรูปแบบดิจิทัล a bookหนังสือ.
128
289000
2000
คุณกำลังช่วยทำหนังสือดิจิตัลอยู่
05:06
Twitterพูดเบาและรวดเร็ว and about 350,000 other sitesเว็บไซต์ are all usingการใช้ reCAPTCHAreCAPTCHA.
129
291000
3000
ทวิตเตอร์และกว่า 350,000 เว็บไซต์ กำลังใช้ รีแคปช่า
05:09
And in factความจริง, the numberจำนวน of sitesเว็บไซต์ that are usingการใช้ reCAPTCHAreCAPTCHA is so highสูง
130
294000
2000
และที่จริงแล้ว จำนวนเว็บไซต์ที่ใช้รีแคปช่ามีอยู่เยอะมาก
05:11
that the numberจำนวน of wordsคำ that we're digitizingแปลงเป็นดิจิทัล perต่อ day is really, really largeใหญ่.
131
296000
3000
จนทำให้จำนวนคำที่เราทำเป็นดิจิตัลต่อวันนั้น
มีจำนวนมหาศาลจริงๆ
05:14
It's about 100 millionล้าน a day,
132
299000
2000
มันตกราวๆ 100 ล้านคำต่อวัน
05:16
whichที่ is the equivalentเท่ากัน of about two and a halfครึ่ง millionล้าน booksหนังสือ a yearปี.
133
301000
4000
ซึ่งมากพอๆกับหนังสือสักสองล้านห้าแสนเล่มต่อปี
05:20
And this is all beingกำลัง doneเสร็จแล้ว one wordคำ at a time
134
305000
2000
และมันถูกทำขึ้น ทีละคำ
05:22
by just people typingการพิมพ์ CAPTCHAsCAPTCHAs on the Internetอินเทอร์เน็ต.
135
307000
2000
โดยคนที่พิมพ์รีแคปช่าทางอินเตอร์เน็ต
05:24
(Applauseการปรบมือ)
136
309000
8000
(เสียงปรบมือ)
05:32
Now of courseหลักสูตร,
137
317000
2000
แน่นอน ณ ขณะนี้
05:34
sinceตั้งแต่ we're doing so manyจำนวนมาก wordsคำ perต่อ day,
138
319000
2000
เมื่อเราทำได้วันละหลายคำเช่นนี้
05:36
funnyตลก things can happenเกิดขึ้น.
139
321000
2000
สิ่งขำๆก็เกิดขึ้นได้
05:38
And this is especiallyโดยเฉพาะอย่างยิ่ง trueจริง because now we're givingให้ people
140
323000
2000
และมันก็เป็นเช่นนั้นจริงๆนะ เพราะตอนนี้
05:40
two randomlyสุ่ม chosenได้รับการแต่งตั้ง Englishอังกฤษ wordsคำ nextต่อไป to eachแต่ละ other.
141
325000
2000
เราสุ่มคำภาษาอังกฤษสองคำ มาวางต่อกันให้คุณ
05:42
So funnyตลก things can happenเกิดขึ้น.
142
327000
2000
ดังนั้น สิ่งฮาๆก็เกิดขึ้น
05:44
For exampleตัวอย่าง, we presentedนำเสนอ this wordคำ.
143
329000
2000
ตัวอย่างเช่น พวกเราเสนอคำนี้
05:46
It's the wordคำ "Christiansคริสตชน"; there's nothing wrongไม่ถูกต้อง with it.
144
331000
2000
คำว่า "ชาวคริสต์" ไม่มีอะไรผิดปกติเลยครับ
05:48
But if you presentนำเสนอ it alongตาม with anotherอื่น randomlyสุ่ม chosenได้รับการแต่งตั้ง wordคำ,
145
333000
3000
แต่เมื่อคุณนำมันมาวางกับอีกคำที่สุ่มขึ้นมา
05:51
badไม่ดี things can happenเกิดขึ้น.
146
336000
2000
เรื่องแย่ๆอาจเกิดขึ้น
05:53
So we get this. (Textข้อความ: badไม่ดี christiansคริสเตียน)
147
338000
2000
เราได้นี่ครับ
(ตัวหนังสือ: ชาวคริสต์ที่ไม่ดี)
05:55
But it's even worseแย่ลง, because the particularโดยเฉพาะ websiteเว็บไซต์ where we showedแสดงให้เห็นว่า this
148
340000
3000
แต่มันแย่ได้กว่านั้น
เพราะบางเว็บไซต์ที่เราแสดงคำเหล่านี้
05:58
actuallyแท้จริง happenedที่เกิดขึ้น to be calledเรียกว่า The Embassyสถานเอกอัครราชทูต of the Kingdomอาณาจักร of God.
149
343000
3000
จริงๆแล้วเป็นเว็บไซต์ที่ชื่อว่า
สถานทูตของแผ่นดินของพระเจ้า
06:01
(Laughterเสียงหัวเราะ)
150
346000
2000
(เสียงหัวเราะ)
06:03
Oopsอุ่ย.
151
348000
2000
ไอ้หยา
06:05
(Laughterเสียงหัวเราะ)
152
350000
3000
(เสียงหัวเราะ)
06:08
Here'sต่อไปนี้คือ anotherอื่น really badไม่ดี one.
153
353000
2000
นี่ก็เป็นอีกตัวอย่างแย่ๆครับ
06:10
JohnEdwardsJohnEdwards.comดอทคอม
154
355000
2000
จอห์นเอ็ดเวอร์ด ดอท คอม
06:12
(Textข้อความ: Damnประณาม liberalใจกว้าง)
155
357000
3000
(ตัวหนังสือ: ไอ้พวกเสรีนิยม)
06:15
(Laughterเสียงหัวเราะ)
156
360000
2000
(เสียงหัวเราะ)
06:17
So we keep on insultingที่ดูถูก people left and right everydayทุกวัน.
157
362000
3000
พวกเราจาบจ้วง
คนฝ่ายซ้ายฝ่ายขวาไม่เว้นแต่ละวัน
06:20
Now, of courseหลักสูตร, we're not just insultingที่ดูถูก people.
158
365000
2000
แน่ล่ะ เราไม่ได้ทำแค่การเย้ยหยัน
06:22
See here'sนี่คือ the thing, sinceตั้งแต่ we're presentingนำเสนอ two randomlyสุ่ม chosenได้รับการแต่งตั้ง wordsคำ,
159
367000
3000
ความจริงคือว่า ตั้งแต่เรานำเสนอคำสุ่มสองคำ
06:25
interestingน่าสนใจ things can happenเกิดขึ้น.
160
370000
2000
สิ่งที่น่าสนใจก็สามารถเกิดขึ้นได้
06:27
So this actuallyแท้จริง has givenรับ riseลุกขึ้น
161
372000
2000
ซึ่งจริงๆแล้ว มันได้ให้กำเนิด
06:29
to a really bigใหญ่ Internetอินเทอร์เน็ต memeมส์
162
374000
3000
มีมที่เป็นที่รู้จักดีทางอินเตอร์เน็ต
06:32
that tensนับ of thousandsพัน of people have participatedเข้าร่วม in,
163
377000
2000
ซึ่งคนเป็นหมื่นๆคนได้ทำการเข้าร่วม
06:34
whichที่ is calledเรียกว่า CAPTCHACAPTCHA artศิลปะ.
164
379000
2000
มันเรียกว่า ศิลปะแคปช่า
06:36
I'm sure some of you have heardได้ยิน about it.
165
381000
2000
ผมมันใจเลยว่า คุณบางคนเคยได้ยิน
06:38
Here'sต่อไปนี้คือ how it worksโรงงาน.
166
383000
2000
มันเป็นแบบนี้ครับ
06:40
Imagineจินตนาการ you're usingการใช้ the Internetอินเทอร์เน็ต and you see a CAPTCHACAPTCHA
167
385000
2000
ลองจินตนาการว่าคุณกำลังใช้อินเตอร์เน็ต
และคุณเห็นแคปช่า
06:42
that you think is somewhatค่อนข้าง peculiarแปลก,
168
387000
2000
ซึ่งคุณคิดว่ามันมีอะไรบางอย่างแปลกๆ
06:44
like this CAPTCHACAPTCHA. (Textข้อความ: invisibleมองไม่เห็น toasterเครื่องปิ้งขนมปัง)
169
389000
2000
เช่น แคปช่าอันนี้
(ตัวหนังสือ: เครื่องปิ้งขนมปังล่องหน)
06:46
Then what you're supposedควร to do is you take a screenจอภาพ shotการถ่ายภาพ of it.
170
391000
2000
และจากนั้น สิ่งที่คุณควรจะทำก็คือ
คุณถ่ายรูปหน้าจอของมัน
06:48
Then of courseหลักสูตร, you fillใส่ out the CAPTCHACAPTCHA
171
393000
2000
แล้วแน่นอน คุณก็กรอกข้อความ แคปช่า
06:50
because you help us digitizeรูปแบบดิจิทัล a bookหนังสือ.
172
395000
2000
เพราะว่าคุณช่วยเราทำหนังสือดิจิตัล
06:52
But then, first you take a screenจอภาพ shotการถ่ายภาพ,
173
397000
2000
แต่แล้ว สิ่งแรกคุณถ่ายรูปหน้าจอ
06:54
and then you drawวาด something that is relatedที่เกี่ยวข้อง to it.
174
399000
2000
และจากนั้น คุณวาดภาพอะไรสักอย่างที่เกี่ยวกับมัน
06:56
(Laughterเสียงหัวเราะ)
175
401000
2000
(เสียงหัวเราะ)
06:58
That's how it worksโรงงาน.
176
403000
3000
มันเป็นแบบนี้แหละครับ
07:01
There are tensนับ of thousandsพัน of these.
177
406000
3000
มีมากมายเป็นหมื่นๆเลย
07:04
Some of them are very cuteน่ารัก. (Textข้อความ: clenchedกำแน่น it)
178
409000
2000
บางอันก็น่ารักมากเลยครับ
(ตัวหนังสือ: กำหมัดเลย)
07:06
(Laughterเสียงหัวเราะ)
179
411000
2000
(เสียงหัวเราะ)
07:08
Some of them are funnierสนุกสนาน.
180
413000
2000
บางอันก็ตลกกว่า
07:10
(Textข้อความ: stonedเมา foundersผู้ก่อตั้ง)
181
415000
3000
(ตัวหนังสือ: ผู้ก่อตั้งที่เมายา)
07:13
(Laughterเสียงหัวเราะ)
182
418000
3000
(เสียงหัวเราะ)
07:16
And some of them,
183
421000
2000
และบางอัน
07:18
like paleontologicalเกี่ยวกับวิชาที่ว่าด้วยสัตว์และพืชดึกดำบรรพ์ shvisleshvisle,
184
423000
3000
เหมือนกับ ซากบรรพชีวินวิทยา
07:21
they containบรรจุ Snoopสอดแนม DoggDogg.
185
426000
2000
มีศิลปิน สนู๊ป ด็อก (Snoop Dogg) ด้วย
07:23
(Laughterเสียงหัวเราะ)
186
428000
3000
(เสียงหัวเราะ)
07:26
Okay, so this is my favoriteที่ชื่นชอบ numberจำนวน of reCAPTCHAreCAPTCHA.
187
431000
2000
เอาล่ะครับ นี่เป็นตัวเลขจากรีแคปช่าที่ผมชอบที่สุดเลย
07:28
So this is the favoriteที่ชื่นชอบ thing that I like about this wholeทั้งหมด projectโครงการ.
188
433000
3000
ในโครงการทั้งหมดนี้ นี่คือสิ่งที่ผมโปรดปราน
07:31
This is the numberจำนวน of distinctแตกต่าง people
189
436000
2000
นี่เป็นจำนวนของคน
07:33
that have helpedช่วย us digitizeรูปแบบดิจิทัล at leastน้อยที่สุด one wordคำ out of a bookหนังสือ throughตลอด reCAPTCHAreCAPTCHA:
190
438000
3000
ที่ได้ช่วยเราแปลงอย่างน้อยหนึ่งคำให้เป็นดิจิตัล
โดยใช้ รีแคปช่า
07:36
750 millionล้าน,
191
441000
2000
750 ล้านคน ครับ
07:38
whichที่ is a little over 10 percentเปอร์เซ็นต์ of the world'sโลก populationประชากร,
192
443000
2000
ซึ่งมันสูงกว่า 10 เปอร์เซ็นต์
ของประชากรโลกไปนิดเดียวเท่านั้น
07:40
has helpedช่วย us digitizeรูปแบบดิจิทัล humanเป็นมนุษย์ knowledgeความรู้.
193
445000
2000
ที่ช่วยเราทำความรู้ของมนุษยชาติให้อยู่ในรูปแบบดิจิตัล
07:42
And it is numbersหมายเลข like these that motivateกระตุ้น my researchการวิจัย agendaระเบียบวาระการประชุม.
194
447000
3000
และตัวเลขเช่นนี้แหละ
ที่เป็นแรงขับเคลื่อนให้โครงการวิจัยของผม
07:45
So the questionคำถาม that motivatesแรงจูงใจ my researchการวิจัย is the followingดังต่อไปนี้:
195
450000
3000
ฉะนั้น คำถามที่เป็นแรงบันดาลใจต่องานวิจัยของผมก็คือ
07:48
If you look at humanity'sของมนุษยชาติ large-scaleขนาดใหญ่ achievementsความสำเร็จ,
196
453000
2000
ถ้าคุณมองไปยังความสำเร็จอันยิ่งใหญ่ของมวลมนุษยชาติ
07:50
these really bigใหญ่ things
197
455000
2000
เรื่องที่ใหญ่มากๆ
07:52
that humanityมนุษยชาติ has gottenอากาศ togetherด้วยกัน and doneเสร็จแล้ว historicallyในอดีต --
198
457000
3000
ที่มนุษยชาติได้เข้ามารวมตัวกัน
และทำสิ่งที่เป็นประวัติการณ์
07:55
like for exampleตัวอย่าง, buildingอาคาร the pyramidsปิรามิด of Egyptอียิปต์
199
460000
2000
เช่นการสร้างปิระมิดในอิยิปต์
07:57
or the Panamaปานามา Canalคลอง
200
462000
2000
หรือขุดคลองปานามา
07:59
or puttingวาง a man on the Moonดวงจันทร์ --
201
464000
2000
หรือส่งคนไปดวงจันทร์
08:01
there is a curiousอยากรู้อยากเห็น factความจริง about them,
202
466000
2000
มันมีความจริงที่น่าแปลกใจ
08:03
and it is that they were all doneเสร็จแล้ว with about the sameเหมือนกัน numberจำนวน off people.
203
468000
2000
นั่นก็คือ สิ่งเหล่านั้นสำเร็จได้ด้วยจำนวนคนพอๆกัน
08:05
It's weirdแปลก; they were all doneเสร็จแล้ว with about 100,000 people.
204
470000
3000
มันน่าแปลกที่พวกมันถูกทำสำเร็จได้
จากคนจำนวนประมาณ 100,000 คน
08:08
And the reasonเหตุผล for that is because, before the Internetอินเทอร์เน็ต,
205
473000
3000
และเหตุผลของมันก็คือ ก่อนที่จะมีอินเตอร์เน็ต
08:11
coordinatingการประสานงาน more than 100,000 people,
206
476000
2000
การกำกับคนมากกว่า 100,000 คน
08:13
let aloneคนเดียว payingการจ่ายเงิน them, was essentiallyเป็นหลัก impossibleเป็นไปไม่ได้.
207
478000
3000
ยังไม่ต้องพูดถึงการจ่ายค่าจ้างนะ
มันเป็นไปไม่ได้เลย
08:16
But now with the Internetอินเทอร์เน็ต, I've just shownแสดงให้เห็นว่า you a projectโครงการ
208
481000
2000
แต่ตอนนี้ด้วยอินเตอร์เน็ต
ผมเพิ่งจะแสดงให้คุณเห็นโครงการ
08:18
where we'veเราได้ gottenอากาศ 750 millionล้าน people
209
483000
2000
ที่เราได้นำคน 750 ล้านคน
08:20
to help us digitizeรูปแบบดิจิทัล humanเป็นมนุษย์ knowledgeความรู้.
210
485000
2000
มาช่วยเราทำความรู้ของเราให้อยู่ในรูปแบบดิจิตัล
08:22
So the questionคำถาม that motivatesแรงจูงใจ my researchการวิจัย is,
211
487000
2000
ดังนั้น คำถามที่ผลักดันงานวิจัยของผมก็คือ
08:24
if we can put a man on the Moonดวงจันทร์ with 100,000,
212
489000
3000
ถ้าคุณสามารถส่งคนไปดวงจันทร์
ด้วยคนจำนวน 100,000 คนได้
08:27
what can we do with 100 millionล้าน?
213
492000
2000
เราจะทำอะไรได้ ถ้ามีคน 100 ล้านคน
08:29
So basedซึ่งเป็นรากฐาน on this questionคำถาม,
214
494000
2000
บนพื้นฐานของคำถามนี้
08:31
we'veเราได้ had a lot of differentต่าง projectsโครงการ that we'veเราได้ been workingการทำงาน on.
215
496000
2000
เรามีโครงการต่างๆมากมายที่เรากำลังดำเนินงานอยู่
08:33
Let me tell you about one that I'm mostมากที่สุด excitedตื่นเต้น about.
216
498000
3000
ให้ผมได้เล่าให้ฟังสักโครงการ
ที่ผมรู้สึกตื่นเต้นกับมันมากที่สุด
08:36
This is something that we'veเราได้ been semi-quietlyกึ่งอย่างเงียบ ๆ workingการทำงาน on
217
501000
2000
เป็นสิ่งที่เราทำอยู่แบบกึ่งๆเปิดเผย
08:38
for the last yearปี and a halfครึ่ง or so.
218
503000
2000
มากว่าปีครึ่งแล้ว โดยประมาณ
08:40
It hasn'tไม่ได้ yetยัง been launchedเปิดตัว. It's calledเรียกว่า DuolingoDuolingo.
219
505000
2000
มันยังไม่ถูกปล่อยออกมใช้
ที่เรียกว่า ดูโอลินโก (Duolingo)
08:42
Sinceตั้งแต่ it hasn'tไม่ได้ been launchedเปิดตัว, shhhhhshhhhh!
220
507000
2000
เพราะว่ามันยังไม่ได้ถูกปล่อยออกมา
ดังนั้น จุ๊ๆไว้นะ
08:44
(Laughterเสียงหัวเราะ)
221
509000
2000
(เสียงหัวเราะ)
08:46
Yeah, I can trustวางใจ you'llคุณจะ do that.
222
511000
2000
ครับ ผมเชื่อใจพวกคุณครับ
08:48
So this is the projectโครงการ. Here'sต่อไปนี้คือ how it startedเริ่มต้น.
223
513000
2000
นี่คือโครงการที่ว่า และนี่คือเรื่องว่ามันเริ่มต้นยังไง
08:50
It startedเริ่มต้น with me posingการวางตัว a questionคำถาม to my graduateจบการศึกษา studentนักเรียน,
224
515000
2000
มันเริ่มมาจากผมได้ตั้งคำถาม
ให้กับนักเรียนระดับปริญญา
08:52
Severinเซเวอริน Hackerแฮ็กเกอร์.
225
517000
2000
ซีเวอริน แฮกเกอร์ (Severin Hacker)
08:54
Okay, that's Severinเซเวอริน Hackerแฮ็กเกอร์.
226
519000
2000
นั่นคือ ซีเวอริน แฮกเกอร์
08:56
So I posedถูกวาง the questionคำถาม to my graduateจบการศึกษา studentนักเรียน.
227
521000
2000
ผมตั้งคำถามไปยังนักเรียนระดับบัณฑืตศึกษาของผม
08:58
By the way, you did hearได้ยิน me correctlyได้อย่างถูกต้อง;
228
523000
2000
อย่างไรก็ดี คุณฟังผมถูกแล้วนะครับ
09:00
his last nameชื่อ is Hackerแฮ็กเกอร์.
229
525000
2000
นามสกุลเขาคือ แฮกเกอร์ ครับ
09:02
So I posedถูกวาง this questionคำถาม to him:
230
527000
2000
ผมถามเขาว่า
09:04
How can we get 100 millionล้าน people
231
529000
2000
เราจะทำให้คนจำนวน 100 ล้านคน
09:06
translatingแปล the Webเว็บ into everyทุกๆ majorสำคัญ languageภาษา for freeฟรี?
232
531000
3000
มาแปลเว็บไซต์ให้อยูในภาษาหลักๆทุกภาษา
แบบฟรีๆได้อย่งไร
09:09
Okay, so there's a lot of things to say about this questionคำถาม.
233
534000
2000
โอเค มันมีอะไรต้องพูดเยอะเลยเกี่ยวกับคำถามนี้
09:11
First of all, translatingแปล the Webเว็บ.
234
536000
2000
อย่างแรกก็คือ การแปลเว็บไซต์
09:13
So right now the Webเว็บ is partitionedแบ่งพาร์ติชัน into multipleหลายอย่าง languagesภาษา.
235
538000
3000
ณ ขณะนี้ เว็บไซต์ได้ถูกแบ่งออกเป็นหลายภาษา
09:16
A largeใหญ่ fractionเศษ of it is in Englishอังกฤษ.
236
541000
2000
ส่วนใหญ่แล้ว จะเป็นภาษาอังกฤษ
09:18
If you don't know any Englishอังกฤษ, you can't accessทางเข้า it.
237
543000
2000
ถ้าคุณไม่รู้ภาษาอังกฤษเลย คุณก็ไม่เข้าใจ
09:20
But there's largeใหญ่ fractionsเศษส่วน in other differentต่าง languagesภาษา,
238
545000
2000
แต่มันก็มีอีกส่วนใหญ่เลยทีเดียวที่เป็นภาษาอื่น
09:22
and if you don't know those languagesภาษา, you can't accessทางเข้า it.
239
547000
3000
และถ้าคุณไม่รู้ภาษาพวกนี้ คุณก็ไม่เข้าใจ
09:25
So I would like to translateแปลความ all of the Webเว็บ, or at leastน้อยที่สุด mostมากที่สุด of the Webเว็บ,
240
550000
3000
ดังนั้น ผมอยากจะแปลเว็บไซต์ทั้งหมด
หรืออย่างน้อยๆก็เว็บไซต์ส่วนใหญ่
09:28
into everyทุกๆ majorสำคัญ languageภาษา.
241
553000
2000
ให้เป็นภาษาหลักๆทุกภาษา
09:30
So that's what I would like to do.
242
555000
2000
นี่คือสิ่งที่ผมอยากทำ
09:32
Now some of you mayอาจ say, why can't we use computersคอมพิวเตอร์ to translateแปลความ?
243
557000
3000
ทีนี้ คุณบางคนอาจบอกว่า
ทำไมไม่ให้คอมพิวเตอร์แปลซะล่ะ
09:35
Why can't we use machineเครื่อง translationการแปล?
244
560000
2000
ทำไมเราจึงใช้เครื่องแปลภาษาไม่ได้
09:37
Machineเครื่อง translationการแปล nowadaysในปัจจุบันนี้ is startingที่เริ่มต้น to translateแปลความ some sentencesประโยค here and there.
245
562000
2000
เครื่องแปลภาษาเดี๋ยวนี้ เริ่มที่จะแปล
ประโยคอย่างนู้นอย่างนี้ได้
09:39
Why can't we use it to translateแปลความ the wholeทั้งหมด Webเว็บ?
246
564000
2000
ทำไมเราไม่ใช้มันแปลเว็บไซต์ทั้งเว็บไซต์เลยล่ะ
09:41
Well the problemปัญหา with that is that it's not yetยัง good enoughพอ
247
566000
2000
ปัญหาก็คือ มันไม่ดีพอ
09:43
and it probablyอาจ won'tเคยชิน be for the nextต่อไป 15 to 20 yearsปี.
248
568000
2000
และมันก็คงจะไม่ดีพอแบบนี้ไปอีก 15 ถึง 20 ปี
09:45
It makesยี่ห้อ a lot of mistakesข้อผิดพลาด.
249
570000
2000
มันสร้างข้อผิดพลาดเยอะแยะ
09:47
Even when it doesn't make a mistakeผิดพลาด,
250
572000
2000
แม้มันไม่ได้สร้างของผิดพลาด
09:49
sinceตั้งแต่ it makesยี่ห้อ so manyจำนวนมาก mistakesข้อผิดพลาด, you don't know whetherว่า to trustวางใจ it or not.
251
574000
3000
แต่เพราะมันทำผิดพลาดมากมาย
คุณก็ไม่รู้ว่าควรเชื่อมันหรือไม่
09:52
So let me showแสดง you an exampleตัวอย่าง
252
577000
2000
ให้ผมยกตัวอย่างให้คุณฟังเกี่ยวกับ
09:54
of something that was translatedแปล with a machineเครื่อง.
253
579000
2000
บางสิ่งบางอย่างที่ถูกแปลด้วยเครื่อง
09:56
Actuallyแท้จริง it was a forumฟอรั่ม postเสา.
254
581000
2000
จริงๆแล้วมันคือ กระทู้หนึ่ง
09:58
It was somebodyบางคน who was tryingพยายาม to askถาม a questionคำถาม about JavaScriptJavaScript.
255
583000
3000
มีคนที่พยายามถามคำถามเกี่ยวกับจาวาสคริปต์
10:01
It was translatedแปล from Japaneseญี่ปุ่น into Englishอังกฤษ.
256
586000
3000
มันถูกแปลจากภาษาญี่ปุ่นเป็นภาษาอังกฤษ
10:04
So I'll just let you readอ่าน.
257
589000
2000
ผมจะให้คุณอ่าน
10:06
This personคน startsเริ่มต้น apologizingขอโทษ
258
591000
2000
บุคคลนี้เริ่มต้นด้วยการกล่าวขอโทษ
10:08
for the factความจริง that it's translatedแปล with a computerคอมพิวเตอร์.
259
593000
2000
ที่ข้อความนี้ถูกแปลด้วยคอมพิวเตอร์
10:10
So the nextต่อไป sentenceประโยค is is going to be the preambleคำนำ to the questionคำถาม.
260
595000
3000
ประโยคถัดไปเป็นประโยคนำสำหรับคำถามนี้
10:13
So he's just explainingอธิบาย something.
261
598000
2000
เขาแค่อธิบายบางสิ่งบางอย่าง
10:15
Rememberจำ, it's a questionคำถาม about JavaScriptJavaScript.
262
600000
3000
จำไว้นะครับ มันเป็นคำถามเกี่ยวกับจาวาสคริปต์
10:19
(Textข้อความ: At oftenบ่อยครั้ง, the goat-timeแพะเวลา installติดตั้ง a errorความผิดพลาด is vomitอาเจียน.)
263
604000
4000
(ข้อความ: บ่อยๆ เวลาแพะติดตั้งข้อผิดพลาดคืออ้วก)
10:23
(Laughterเสียงหัวเราะ)
264
608000
4000
(เสียงหัวเราะ)
10:27
Then comesมา the first partส่วนหนึ่ง of the questionคำถาม.
265
612000
3000
แล้วก็มาถึงส่วนแรกของคำถาม
10:30
(Textข้อความ: How manyจำนวนมาก timesครั้ง like the windลม, a poleเสา, and the dragonมังกร?)
266
615000
4000
(ข้อความ: กี่ครั้งที่มันเป็นแบบ ลม เสา และมังกร)
10:34
(Laughterเสียงหัวเราะ)
267
619000
2000
(เสียงหัวเราะ)
10:36
Then comesมา my favoriteที่ชื่นชอบ partส่วนหนึ่ง of the questionคำถาม.
268
621000
3000
จากนั้น มาถึงส่วนของคำถามที่ผมชอบ
10:39
(Textข้อความ: This insultดูถูก to father'sพ่อ stonesหิน?)
269
624000
3000
(ข้อความ: นี่มันดูถูกหินของบิดาเหรอ)
10:42
(Laughterเสียงหัวเราะ)
270
627000
2000
(เสียงหัวเราะ)
10:44
And then comesมา the endingสิ้นสุด, whichที่ is my favoriteที่ชื่นชอบ partส่วนหนึ่ง of the wholeทั้งหมด thing.
271
629000
3000
แล้วก็มาถึงส่วนสุดท้าย
ซึ่งเป็นส่วนหนึ่งที่ผมชื่นชอบมากที่สุด
10:47
(Textข้อความ: Please apologizeขอโทษ for your stupidityความโง่เขลา. There are a manyจำนวนมาก thank you.)
272
632000
4000
(ข้อความ: ขออภัยในความโง่ของคุณ มันมีเยอะมาก ขอบคุณ)
10:51
(Laughterเสียงหัวเราะ)
273
636000
2000
(เสียงหัวเราะ)
10:53
Okay, so computerคอมพิวเตอร์ translationการแปล, not yetยัง good enoughพอ.
274
638000
2000
ดังนั้น คอมพิวเตอร์ยังแปลภาษาได้ไม่ได้ดีพอแน่ๆ
10:55
So back to the questionคำถาม.
275
640000
2000
กลับไปยังคำถาม
10:57
So we need people to translateแปลความ the wholeทั้งหมด Webเว็บ.
276
642000
3000
ที่เราต้องการคนแปลเว็บไซต์ทั้งหมด
11:00
So now the nextต่อไป questionคำถาม you mayอาจ have is,
277
645000
2000
ตอนนี้ คำถามถัดไปที่คุณอาจจะมีก็คือ
11:02
well why can't we just payจ่ายเงิน people to do this?
278
647000
2000
ทำไมไม่จ่ายตังค์ให้คนแปลล่ะ
11:04
We could payจ่ายเงิน professionalมืออาชีพ languageภาษา translatorsนักแปล to translateแปลความ the wholeทั้งหมด Webเว็บ.
279
649000
3000
เราสามารถจ่ายนักแปลมืออาชีพ
ให้แปลทั้งเว็บไซต์
11:07
We could do that.
280
652000
2000
เราสามารถทำได้
11:09
Unfortunatelyน่าเสียดาย, it would be extremelyอย่างมาก expensiveแพง.
281
654000
2000
แต่ข้อเสียคือ มันจะแพงมาก
11:11
For exampleตัวอย่าง, translatingแปล a tinyขนาดเล็ก, tinyขนาดเล็ก fractionเศษ of the wholeทั้งหมด Webเว็บ, Wikipediaวิกิพีเดีย,
282
656000
3000
ตัวอย่างเช่น แค่แปลส่วนเล็ก ๆ น้อย ๆ
ของเว็บไซต์ทั้งหมดอย่างวิกิพีเดีย
11:14
into one other languageภาษา, Spanishสเปน.
283
659000
3000
เป็นภาษาหนึ่งๆ เช่น ภาษาสเปน
11:17
Wikipediaวิกิพีเดีย existsที่มีอยู่ in Spanishสเปน,
284
662000
2000
วิกิพีเดียมีเป็นภาษาสเปน
11:19
but it's very smallเล็ก comparedเมื่อเทียบกับ to the sizeขนาด of Englishอังกฤษ.
285
664000
2000
แต่มีขนาดเล็กมากเมื่อเทียบกับขนาดของภาษาอังกฤษ
11:21
It's about 20 percentเปอร์เซ็นต์ of the sizeขนาด of Englishอังกฤษ.
286
666000
2000
ประมาณ 20 เปอร์เซ็นต์ของขนาดของภาษาอังกฤษได้
11:23
If we wanted to translateแปลความ the other 80 percentเปอร์เซ็นต์ into Spanishสเปน,
287
668000
3000
ถ้าเราต้องการแปลอีก 80 เปอร์เซ็นต์เป็นภาษาสเปน
11:26
it would costราคา at leastน้อยที่สุด 50 millionล้าน dollarsดอลลาร์ --
288
671000
2000
จะต้องใช้เงินราวๆ 50 ล้านดอลลาร์
11:28
and this is at even the mostมากที่สุด exploitedใช้ประโยชน์, outsourcingเอาท์ซอร์ส countryประเทศ out there.
289
673000
3000
ซึ่งเป็นตัวเลขสำหรับประเทศ
ที่ต้องถูกเอาเปรียบในการจ้างมากที่สุด
11:31
So it would be very expensiveแพง.
290
676000
2000
ดังนั้นมันจะมีราคาแพงมาก
11:33
So what we want to do is we want to get 100 millionล้าน people
291
678000
2000
สิ่งที่เราต้องการทำคือ เราต้องการเรียกคน 100 ล้านคน
11:35
translatingแปล the Webเว็บ into everyทุกๆ majorสำคัญ languageภาษา
292
680000
2000
แปลเว็บเป็นทุกภาษาหลัก
11:37
for freeฟรี.
293
682000
2000
โดยทำให้ฟรี
11:39
Now if this is what you want to do,
294
684000
2000
ถ้านี่เป็นสิ่งที่คุณต้องการทำตอนนี้
11:41
you prettyน่ารัก quicklyอย่างรวดเร็ว realizeตระหนักถึง you're going to runวิ่ง into two prettyน่ารัก bigใหญ่ hurdlesวิ่งกระโดดข้ามรั้ว,
295
686000
2000
คุณจะรู้อย่างรวดเร็วว่า
คุณกำลังวิ่งไปชนสองอุปสรรคใหญ่
11:43
two bigใหญ่ obstaclesอุปสรรค.
296
688000
2000
สองอุปสรรคใหญ่
11:45
The first one is a lackไม่มี of bilingualsbilinguals.
297
690000
3000
หนึ่งคือ การขาดแคลนผู้ที่รู้สองภาษา
11:48
So I don't even know
298
693000
2000
ผมไม่รู้สักนิดเลยว่า
11:50
if there existsที่มีอยู่ 100 millionล้าน people out there usingการใช้ the Webเว็บ
299
695000
3000
มีคนเป็น 100 ล้านคนข้างนอกนั้น ที่ใช้เว็บไซต์
11:53
who are bilingualพูดได้สองภาษา enoughพอ to help us translateแปลความ.
300
698000
2000
ผู้ซึ่งรู้ทั้งสองภาษาดีพอที่จะช่วยเราแปลได้
11:55
That's a bigใหญ่ problemปัญหา.
301
700000
2000
มันเป็นปัญหาใหญ่ครับ
11:57
The other problemปัญหา you're going to runวิ่ง into is a lackไม่มี of motivationแรงจูงใจ.
302
702000
2000
ปัญหาอื่น ๆ ที่คุณจะพบคือ การขาดแรงจูงใจ
11:59
How are we going to motivateกระตุ้น people
303
704000
2000
เราจะจูงใจคนอย่างไร
12:01
to actuallyแท้จริง translateแปลความ the Webเว็บ for freeฟรี?
304
706000
2000
ให้มาแปลเว็บแบบฟรีๆ
12:03
Normallyปกติ, you have to payจ่ายเงิน people to do this.
305
708000
3000
ตามปกติแล้ว คุณต้องจ่ายเงินให้ผู้ที่ทำสิ่งนี้
12:06
So how are we going to motivateกระตุ้น them to do it for freeฟรี?
306
711000
2000
ดังนั้นเราจะจูงใจให้คนทำมันฟรีๆ ได้อย่างไร
12:08
Now when we were startingที่เริ่มต้น to think about this, we were blockedอุดตัน by these two things.
307
713000
3000
ทีนี้เมื่อเราเริ่มคิดถึงสิ่งนี้
พวกเราก็ไปตันกับสองเรื่องดังกล่าว
12:11
But then we realizedตระหนัก, there's actuallyแท้จริง a way
308
716000
2000
แต่ต่อมาเราก็ได้รู้ว่า มันมีหนทาง
12:13
to solveแก้ bothทั้งสอง these problemsปัญหาที่เกิดขึ้น with the sameเหมือนกัน solutionวิธีการแก้.
309
718000
2000
ที่จะแก้ปัญหาทั้งสองอย่างด้วยวิธีเดียวกัน
12:15
There's a way to killฆ่า two birdsนก with one stoneหิน.
310
720000
2000
มีวิธีที่จะยิงนกสองตัวด้วยกระสุนนัดเดียว
12:17
And that is to transformแปลง languageภาษา translationการแปล
311
722000
3000
และนั่นก็คือ เปลี่ยนการแปลภาษา
12:20
into something that millionsล้าน of people want to do,
312
725000
3000
ไปเป็นสิ่งที่คนเป็นล้านๆอยากจะทำ
12:23
and that alsoด้วย helpsจะช่วยให้ with the problemปัญหา of lackไม่มี of bilingualsbilinguals,
313
728000
3000
ที่จะช่วยแก้ปัญหาเรื่องขาดคนที่รู้สองภาษาอีกด้วย
12:26
and that is languageภาษา educationการศึกษา.
314
731000
3000
และมันก็คือการเรียนรู้ภาษาใหม่
12:29
So it turnsผลัดกัน out that todayในวันนี้,
315
734000
2000
ซึ่งกลายเป็นว่า ณ วันนี้
12:31
there are over 1.2 billionพันล้าน people learningการเรียนรู้ a foreignต่างประเทศ languageภาษา.
316
736000
3000
มีคนกว่า 1.2 พันล้านคนที่กำลังเรียนภาษาต่างชาติ
12:34
People really, really want to learnเรียน a foreignต่างประเทศ languageภาษา.
317
739000
2000
คนอยากเรียนภาษาต่างชาติกันจริง ๆ
12:36
And it's not just because they're beingกำลัง forcedถูกบังคับ to do so in schoolโรงเรียน.
318
741000
3000
และไม่ใช่เพียงเพราะพวกเขากำลังถูกบังคับในโรงเรียน
12:39
For exampleตัวอย่าง, in the Unitedปึกแผ่น Statesสหรัฐอเมริกา aloneคนเดียว,
319
744000
2000
เช่น แค่ในสหรัฐอเมริกาเพียงอย่างเดียว
12:41
there are over fiveห้า millionล้าน people who have paidต้องจ่าย over $500
320
746000
2000
มีกว่าห้าล้านคนที่จ่ายเงินมากกว่า 500 ดอลล่าร์
12:43
for softwareซอฟต์แวร์ to learnเรียน a newใหม่ languageภาษา.
321
748000
2000
สำหรับซอฟต์แวร์เพื่อการเรียนรู้ภาษาใหม่
12:45
So people really, really want to learnเรียน a newใหม่ languageภาษา.
322
750000
2000
ดังนั้น มีคนอยากเรียนภาษาใหม่กันจริง ๆ
12:47
So what we'veเราได้ been workingการทำงาน on for the last yearปี and a halfครึ่ง is a newใหม่ websiteเว็บไซต์ --
323
752000
3000
ประมาณ หนึ่งปีครึ่งที่แล้ว เราได้ทำเว็บไซต์
12:50
it's calledเรียกว่า DuolingoDuolingo --
324
755000
2000
เรียกว่า ดูโอลินโก (Duolingo)
12:52
where the basicขั้นพื้นฐาน ideaความคิด is people learnเรียน a newใหม่ languageภาษา for freeฟรี
325
757000
3000
ความคิดง่ายๆก็คือ คนเราเรียนภาษาใหม่โดยไม่เสียเงิน
12:55
while simultaneouslyพร้อมกัน translatingแปล the Webเว็บ.
326
760000
2000
ในขณะที่การแปลเว็บไซต์ไปด้วยพร้อมกัน
12:57
And so basicallyเป็นพื้น they're learningการเรียนรู้ by doing.
327
762000
2000
ดังนั้น โดยพื้นฐานแล้ว
พวกเขากำลังเรียนรู้โดยการกระทำ
12:59
So the way this worksโรงงาน
328
764000
2000
วิธีก็คือ
13:01
is wheneverเมื่อไรก็ตาม you're a just a beginnerผู้เริ่ม, we give you very, very simpleง่าย sentencesประโยค.
329
766000
3000
เมื่อไรที่คุณเป็นมือสมัครเล่น
เราจะให้ประโยคพื้นๆง่ายๆกับคุณ
13:04
There's, of courseหลักสูตร, a lot of very simpleง่าย sentencesประโยค on the Webเว็บ.
330
769000
2000
แน่ล่ะ มันมีประโยคธรรมดาทั่วไปเต็มไปหมดบนเว็บ
13:06
We give you very, very simpleง่าย sentencesประโยค
331
771000
2000
พวกเราให้ประโยคที่ง่ายมากๆกับคุณ
13:08
alongตาม with what eachแต่ละ wordคำ meansวิธี.
332
773000
2000
พร้อมกับความหมายของแต่ละคำ
13:10
And as you translateแปลความ them, and as you see how other people translateแปลความ them,
333
775000
3000
และเมื่อคุณทำการแปลพวกมัน
และเห็นการแปลของคนอื่น
13:13
you startเริ่มต้น learningการเรียนรู้ the languageภาษา.
334
778000
2000
คุณก็จะเริ่มเรียนรู้ภาษา
13:15
And as you get more and more advancedสูง,
335
780000
2000
และเมื่อคุณมีความชำนาญมากขึ้น
13:17
we give you more and more complexซับซ้อน sentencesประโยค to translateแปลความ.
336
782000
2000
เราก็จะให้ประโยคที่ซับซ้อนมากขึ้นกับคุณ
13:19
But at all timesครั้ง, you're learningการเรียนรู้ by doing.
337
784000
2000
แต่ตลอดเวลา คุณจะได้เรียนรู้โดยการปฎิบัติ
13:21
Now the crazyบ้า thing about this methodวิธี
338
786000
2000
ทีนี้ ความบ้าเกี่ยวกับวิธีนี้ก็คือ
13:23
is that it actuallyแท้จริง really worksโรงงาน.
339
788000
2000
มันจะใช้งานได้จริงๆหรือเปล่า
13:25
First of all, people are really, really learningการเรียนรู้ a languageภาษา.
340
790000
2000
ประการแรก คนกำลังเรียนภาษากันจริงๆ
13:27
We're mostlyส่วนใหญ่ doneเสร็จแล้ว buildingอาคาร it, and now we're testingการทดสอบ it.
341
792000
2000
พวกเราสร้างมันเกือบเสร็จแล้ว และเรากำลังทดสอบมัน
13:29
People really can learnเรียน a languageภาษา with it.
342
794000
2000
คนเรียนภาษาจากมันได้จริงๆ
13:31
And they learnเรียน it about as well as the leadingชั้นนำ languageภาษา learningการเรียนรู้ softwareซอฟต์แวร์.
343
796000
3000
และพวกเขาเรียนจากมันได้ดีพอๆกับ
การเรียนจากโปรแกรมสอนภาษาชั้นนำ
13:34
So people really do learnเรียน a languageภาษา.
344
799000
2000
ดังนั้น คนเรียนภาษาด้วยวิธีนี้ได้จริงๆ
13:36
And not only do they learnเรียน it as well,
345
801000
2000
และไม่ใช่แค่พวกเขาเรียนได้ดีพอๆกัน
13:38
but actuallyแท้จริง it's way more interestingน่าสนใจ.
346
803000
2000
แต่จริงๆแล้วมันน่าสนใจกว่าเสียอีก
13:40
Because you see with DuolingoDuolingo, people are actuallyแท้จริง learningการเรียนรู้ with realจริง contentเนื้อหา.
347
805000
3000
เพราะว่า ด้วย ดูโอลินโก
13:43
As opposedตรงข้าม to learningการเรียนรู้ with made-upไม่เป็นของจริง sentencesประโยค,
348
808000
2000
แทนที่จะเรียนด้วยประโยคที่ถูกสมมติขึ้นมา
13:45
people are learningการเรียนรู้ with realจริง contentเนื้อหา, whichที่ is inherentlyอย่างโดยเนื้อแท้ interestingน่าสนใจ.
349
810000
3000
ผู้ใช้ได้เรียนจากข้อความจริงๆ
ซึ่งมันน่าสนใจ
13:48
So people really do learnเรียน a languageภาษา.
350
813000
2000
ดังนั้น คนจึงสามารถเรียนภาษาจากระบบนี้ได้จริงๆ
13:50
But perhapsบางที more surprisinglyอย่างแปลกใจ,
351
815000
2000
แต่บางทีก็น่าตื่นเต้นยิ่งกว่า
13:52
the translationsแปล that we get from people usingการใช้ the siteเว็บไซต์,
352
817000
3000
เพราะคำแปลที่เราได้จากคนที่ใช้เครื่องมือเรานั้น
13:55
even thoughแม้ they're just beginnersผู้เริ่มต้น,
353
820000
2000
แม้ว่าพวกเขาจะเป็นผู้ฝึกหัดมือใหม่
13:57
the translationsแปล that we get are as accurateถูกต้อง as those of professionalมืออาชีพ languageภาษา translatorsนักแปล,
354
822000
3000
คำแปลที่พวกเราได้ มันแม่นยำ
ไม่ต่างจากคนที่เป็นนักแปลภาษามืออาชีพเลย
14:00
whichที่ is very surprisingน่าแปลกใจ.
355
825000
2000
ซึ่งน่าแปลกใจมาก
14:02
So let me showแสดง you one exampleตัวอย่าง.
356
827000
2000
ให้ผมได้ยกตัวอย่างให้คุณดูสักอันครับ
14:04
This is a sentenceประโยค that was translatedแปล from Germanเยอรมัน into Englishอังกฤษ.
357
829000
2000
นี่คือประโยคที่ถูกแปลจากภาษาเยอรมันเป็นภาษาอังกฤษ
14:06
The topด้านบน is the Germanเยอรมัน.
358
831000
2000
ด้านบนคือเยอรมัน
14:08
The middleกลาง is an Englishอังกฤษ translationการแปล
359
833000
2000
และตรงกลางคือคำแปลภาษาอังกฤษ
14:10
that was doneเสร็จแล้ว by somebodyบางคน who was a professionalมืออาชีพ Englishอังกฤษ translatorนักแปล
360
835000
2000
ที่แปลโดยนักแปลภาษาอังกฤษระดับมืออาชีพ
14:12
who we paidต้องจ่าย 20 centsเซ็นต์ a wordคำ for this translationการแปล.
361
837000
2000
ผู้ที่ได้ค่าจ้าง 20 เซนต์ต่อคำ สำหรับการแปล
14:14
And the bottomด้านล่าง is a translationการแปล by usersผู้ใช้ of DuolingoDuolingo,
362
839000
3000
และที่ด้านล่างนั้น เป็นคำแปลโดยผู้ใช้ ดูโอลินโก
14:17
noneไม่มี of whomใคร knewรู้ว่า any Germanเยอรมัน
363
842000
2000
ไม่มีใครเลยที่รู้ภาษาเยอรมัน
14:19
before they startedเริ่มต้น usingการใช้ the siteเว็บไซต์.
364
844000
2000
ก่อนที่พวกเขาจะเริ่มใช้เครื่องมือเรา
14:21
You can see, it's prettyน่ารัก much perfectสมบูรณ์.
365
846000
2000
พวกคุณคงเห็นว่า มันค่อนข้างสมบูรณ์
14:23
Now of courseหลักสูตร, we playเล่น a trickเคล็ดลับ here
366
848000
2000
แน่ล่ะ เราใช้เล่ห์ตรงนี้
14:25
to make the translationsแปล as good as professionalมืออาชีพ languageภาษา translatorsนักแปล.
367
850000
2000
เพื่อให้การแปลออกมาดูดี พอๆกับของมืออาชีพ
14:27
We combineรวมกัน the translationsแปล of multipleหลายอย่าง beginnersผู้เริ่มต้น
368
852000
3000
เรานำงานแปลของเหล่ามือสมัครเล่นมารวมเข้าด้วยกัน
14:30
to get the qualityคุณภาพ of a singleเดียว professionalมืออาชีพ translatorนักแปล.
369
855000
3000
ให้ได้คุณภาพเดียวกับ งานแปลจากนักแปลอาชีพหนึ่งคน
14:33
Now even thoughแม้ we're combiningรวม the translationsแปล,
370
858000
5000
ทีนี้ ถึงแม้ว่าเราจะนำงานแปลมารวมๆกัน
14:38
the siteเว็บไซต์ actuallyแท้จริง can translateแปลความ prettyน่ารัก fastรวดเร็ว.
371
863000
2000
เครื่องมือเรา จริงๆแล้วสามารถแปลได้อย่างรวดเร็ว
14:40
So let me showแสดง you,
372
865000
2000
ให้ผมสาธิตให้คุณดู
14:42
this is our estimatesประมาณการ of how fastรวดเร็ว we could translateแปลความ Wikipediaวิกิพีเดีย
373
867000
2000
นี่คือการคาดคะเนว่า
เราสามารถแปลวิกิพีเดีย (Wikipedia) ได้เร็วแค่ไหน
14:44
from Englishอังกฤษ into Spanishสเปน.
374
869000
2000
จากภาษาอังกฤษเป็นภาษาสเปน
14:46
Rememberจำ, this is 50 millionล้าน dollars-worthดอลลาร์มูลค่า of valueความคุ้มค่า.
375
871000
3000
จำไว้นะครับ นี่เทียบเป็นเงิน 50 ล้านดอลล่าร์ทีเดียว
14:49
So if we wanted to translateแปลความ Wikipediaวิกิพีเดีย into Spanishสเปน,
376
874000
2000
ถ้าเราต้องการแปลวิกิพีเดียเป็นภาษาสเปน
14:51
we could do it in fiveห้า weeksสัปดาห์ที่ผ่านมา with 100,000 activeคล่องแคล่ว usersผู้ใช้.
377
876000
3000
พวกเราทำได้ในห้าสัปดาห์
ด้วยผู้ใช้จำนวน 100,000 คน
14:54
And we could do it in about 80 hoursชั่วโมง with a millionล้าน activeคล่องแคล่ว usersผู้ใช้.
378
879000
3000
และพวกเราจะสามารถทำได้ใน 80 ชั่วโมง โดยผู้ใช้ล้านคน
14:57
Sinceตั้งแต่ all the projectsโครงการ that my groupกลุ่ม has workedทำงาน on so farห่างไกล have gottenอากาศ millionsล้าน of usersผู้ใช้,
379
882000
3000
เพราะว่าโครงการทั้งหมดที่กลุ่มของผมได้ทำ
ถึงทุกวันนี้ มีผู้ใช้เป็นล้านๆคน
15:00
we're hopefulมีความหวัง that we'llดี be ableสามารถ to translateแปลความ
380
885000
2000
พวกเราหวังว่า เราจะสามารถแปล
15:02
extremelyอย่างมาก fastรวดเร็ว with this projectโครงการ.
381
887000
2000
ได้อย่างรวดเร็วมากด้วยโครงการนี้
15:04
Now the thing that I'm mostมากที่สุด excitedตื่นเต้น about with DuolingoDuolingo
382
889000
3000
ทีนี้ สิ่งที่ผมตื่นเต้นที่สุดกับ ดูโอลินโก
15:07
is I think this providesให้ a fairธรรม businessธุรกิจ modelแบบ for languageภาษา educationการศึกษา.
383
892000
3000
ก็คือ ผมคิดว่ามันนำเสนอรูปแบบธุรกิจที่ยุติธรรม
สำหนับการเรียนภาษา
15:10
So here'sนี่คือ the thing:
384
895000
2000
เรื่องมันมีอยู่ว่า
15:12
The currentปัจจุบัน businessธุรกิจ modelแบบ for languageภาษา educationการศึกษา
385
897000
2000
รูปแบบธุรกิจการเรียนภาษาที่เป็นอยู่ในขณะนี้
15:14
is the studentนักเรียน paysจ่าย,
386
899000
2000
คือนักเรียนต้องเป็นผู้จ่าย
15:16
and in particularโดยเฉพาะ, the studentนักเรียน paysจ่าย RosettaRosetta Stoneหิน 500 dollarsดอลลาร์.
387
901000
2000
และโดยเจาะจงแล้ว นักเรียนจ่ายให้กับ โรเซตต้า สโตน (Rosetta Stone) 500 ดอลล่าร์
15:18
(Laughterเสียงหัวเราะ)
388
903000
2000
(เสียงหัวเราะ)
15:20
That's the currentปัจจุบัน businessธุรกิจ modelแบบ.
389
905000
2000
นี่เป็นรูปแบบธุรกิจในปัจจุบัน
15:22
The problemปัญหา with this businessธุรกิจ modelแบบ
390
907000
2000
ปัญหาที่มีต่อรูปแบบธุรกิจนี้
15:24
is that 95 percentเปอร์เซ็นต์ of the world'sโลก populationประชากร doesn't have 500 dollarsดอลลาร์.
391
909000
3000
คือ 95 เปอร์เซ็นต์ ของประชาการโลกไม่มีเงิน 500 ดอลล่าร์
15:27
So it's extremelyอย่างมาก unfairไม่ยุติธรรม towardsไปทาง the poorน่าสงสาร.
392
912000
3000
ดังนั้น มันจึงไม่เป็นธรรมอย่างยิ่งต่อคนยากจน
15:30
This is totallyโดยสิ้นเชิง biasedลำเอียง towardsไปทาง the richรวย.
393
915000
2000
มันเอนเอียงไปหาคนรวย
15:32
Now see, in DuolingoDuolingo,
394
917000
2000
ทีนี้ สำหรับ ดูโอลินโก
15:34
because while you learnเรียน
395
919000
2000
เพราะว่าขณะที่คุณเรียน
15:36
you're actuallyแท้จริง creatingการสร้าง valueความคุ้มค่า, you're translatingแปล stuffสิ่ง --
396
921000
3000
จริงๆแล้วคุณกำลังสร้างค่า
คุณกำลังแปลงานอยู่
15:39
whichที่ for exampleตัวอย่าง, we could chargeค่าธรรมเนียม somebodyบางคน for translationsแปล.
397
924000
3000
ยกตัวอย่างเช่น
เราสามารถที่จะจ่ายให้ใครสักคนมาแปลให้
15:42
So this is how we could monetizeสร้างรายได้ this.
398
927000
2000
ดังนั้น นี่เป็นวิธีที่เราจะสามารถทำเงินได้
15:44
Sinceตั้งแต่ people are creatingการสร้าง valueความคุ้มค่า while they're learningการเรียนรู้,
399
929000
2000
เมื่อคนเราสร้างคุณค่าราคาระหว่างการเรียนรู้
15:46
they don't have to payจ่ายเงิน theirของพวกเขา moneyเงิน, they payจ่ายเงิน with theirของพวกเขา time.
400
931000
3000
พวกเขาก็ไม่ต้องจ่ายเงิน
พวกเขาเพียงแต่"จ่าย"เวลา
15:49
But the magicalขลัง thing here is that they're payingการจ่ายเงิน with theirของพวกเขา time,
401
934000
3000
แต่สิ่งที่อัศจรรย์ก็คือ พวกเขาต้องสละเวลา
15:52
but that is time that would have had to have been spentการใช้จ่าย anywaysอย่างไรก็ตาม
402
937000
2000
แต่เวลาที่เขาสละไปนั้น ยังไงก็จะถูกใช้
15:54
learningการเรียนรู้ the languageภาษา.
403
939000
2000
เพื่อการเรียนภาษาอยู่ดี
15:56
So the niceดี thing about DuolingoDuolingo is I think it providesให้ a fairธรรม businessธุรกิจ modelแบบ --
404
941000
3000
ฉะนั้น ข้อดีของ ดูโอลินโก ก็คือ
ผมคิดว่ามันเป็นโมเดลธุรกิจที่ยุติธรรม
15:59
one that doesn't discriminateเห็นความแตกต่าง againstต่อต้าน poorน่าสงสาร people.
405
944000
2000
ที่ไม่ได้มีการเลือกปฎิบัติต่อคนจน
16:01
So here'sนี่คือ the siteเว็บไซต์. Thank you.
406
946000
2000
และนี่คือเว็บไซต์ที่ว่าครับ ขอบคุณครับ
16:03
(Applauseการปรบมือ)
407
948000
8000
(ปรบมือ)
16:11
So here'sนี่คือ the siteเว็บไซต์.
408
956000
2000
นี่ครับ เว็บไซต์
16:13
We haven'tยังไม่ได้ yetยัง launchedเปิดตัว,
409
958000
2000
เรายังไม่ได้เปิดตัว
16:15
but if you go there, you can signสัญญาณ up to be partส่วนหนึ่ง of our privateเอกชน betaเบต้า,
410
960000
3000
แต่ถ้าคุณเข้าไป
คุณสามารถลงชื่อเพื่อเป็นส่วนหนึ่งของขั้นทดลอง
16:18
whichที่ is probablyอาจ going to startเริ่มต้น in about threeสาม or fourสี่ weeksสัปดาห์ที่ผ่านมา.
411
963000
2000
ซึ่งน่าจะเริ่มต้นภายในประมาณสามหรือสี่สัปดาห์
16:20
We haven'tยังไม่ได้ yetยัง launchedเปิดตัว this DuolingoDuolingo.
412
965000
2000
เรายังไม่ได้เปิดตัว ดูโอลินโก
16:22
By the way, I'm the one talkingการพูด here,
413
967000
2000
ถึงผมจะเป็นคนมาพูดตรงนี้
16:24
but actuallyแท้จริง DuolingoDuolingo is the work of a really awesomeน่ากลัว teamทีม, some of whomใคร are here.
414
969000
3000
แต่ที่จริงแล้ว ดูโอลินโก เป็นผลงานจากกลุ่มคนที่ยอดเยี่ยม
บางคนก็อยู่ที่นี้ด้วย
16:27
So thank you.
415
972000
2000
ขอบคุณครับ
16:29
(Applauseการปรบมือ)
416
974000
4000
(เสียงปรบมือ)

▲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