ABOUT THE SPEAKER
Jer Thorp - Data artist
Jer Thorp’s work focuses on adding meaning and narrative to huge amounts of data as a way to help people take control of the information that surrounds them.

Why you should listen

Currently the data artist in residence at the New York Times, Jer’s software-based art has been featured all over the world. His former career as a data artist explains why his art often brings big data sets to life and is deeply influenced by science. Originally from Vancouver, he lives in New York City, where, along with his work at the New York Times, he teaches in NYU’s ITP program.

More profile about the speaker
Jer Thorp | Speaker | TED.com
TEDxVancouver

Jer Thorp: Make data more human

Filmed:
300,699 views

Jer Thorp creates beautiful data visualizations to put abstract data into a human context. At TEDxVancouver, he shares his moving projects, from graphing an entire year’s news cycle, to mapping the way people share articles across the internet. (Filmed at TEDxVancouver.)
- Data artist
Jer Thorp’s work focuses on adding meaning and narrative to huge amounts of data as a way to help people take control of the information that surrounds them. Full bio

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

00:10
I want to talk to you about two
of the most最 exciting扣人心弦 possible可能 things.
0
1674
6250
我想要向各位講所有可能的事物中
兩個最讓人興奮的主題。
00:16
You've probably大概 guessed猜 what they are --
1
7948
1949
你們可能已經猜到是什麼了——
00:18
data數據 and history歷史.
2
9921
2319
數據和歷史。
00:21
Right?
3
13211
1171
對吧？
00:24
So, I'm not a historian歷史學家.
4
15871
1982
嗯，我不是歷史學家。
00:26
I'm not going to give you
a definition定義 of history歷史.
5
17877
2728
我不會向各位闡述「歷史」的定義。
00:29
But let's think instead代替
of history歷史 within中 a framework骨架.
6
20629
3113
但是，讓我們換種方式，
在一個框架中來看待歷史。
00:32
So, when we're making製造 history歷史,
7
23766
1611
所以，當我們在創造歷史時，
00:33
or when we're creating創建
historical歷史的 documents文件,
8
25401
2892
或當我們在創造歷史文獻時，
00:36
we're taking服用 things
that have happened發生 in the past過去,
9
28317
2428
我們是把過去已經
發生過的事情列出來，
00:39
and we're stitching拼接 them
together一起 into a story故事.
10
30769
2552
並把它們拼湊起來，組成一個故事。
所以，讓我從我自己的故事開始吧。
00:41
So let me start開始 with a little bit位
of my own擁有 story故事.
11
33345
2530
00:44
Like anybody任何人 my age年齡
who works作品 creatively創造性 with computers電腦,
12
35899
3678
和那些藉助電腦來進行
創意性的工作的同齡人一樣，
00:48
I was a popular流行, socially社交上
well-adjusted調整良好 young年輕 man --
13
39601
4456
（反話）我當然也是個很受歡迎，
且社交適應良好的年輕人——
00:52
(Laughter笑聲)
14
44081
1122
（笑聲）
00:53
And sporty運動型!
15
45227
2541
而且愛運動！是個愛運動的年輕人。
00:56
Sporty運動 young年輕 man.
16
47792
1733
00:58
And like a lot of people my age年齡
in the type類型 of business商業 that I'm in,
17
50075
5353
而且也和我工作的這個
產業中許多同齡人一樣，
01:03
I was influenced影響 tremendously異常 by Apple蘋果.
18
55452
2645
蘋果公司對我的影響非常巨大。
01:07
But notice注意 my choice選擇 of logo商標 here, right?
19
58635
3722
但是，注意一下我所選擇的商標。
01:10
The Apple蘋果 on the left,
not the Apple蘋果 on the right.
20
62381
3585
是左邊的蘋果商標，而不是右邊的。
01:15
I'm influenced影響 as much
by the Apple蘋果 on the right
21
66621
2293
右邊的蘋果對我的影響與普通人無異，
01:17
as the next下一個 person人,
22
68938
2083
01:19
but the Apple蘋果 on the left --
I mean, look at that logo商標!
23
71045
2633
但左邊的蘋果——
我的意思是，看看那商標！
01:22
It's a rainbow彩虹.
It's not even in the right order訂購!
24
73702
2397
它是彩虹。顏色順序還不對呢！
01:24
(Laughter笑聲)
25
76123
1134
（笑聲）
01:25
That's how crazy瘋 Apple蘋果 was.
26
77281
2273
蘋果曾經就是那麼瘋狂。
01:28
(Laughter笑聲)
27
79578
1037
（笑聲）
01:29
But I don't want to talk too much
about the company公司.
28
80639
2945
但我想談的不是這間公司。
01:32
I'll start開始 talking說 about
a machine機, though雖然.
29
83608
2177
不過，我會先從一台機器談起。
01:34
How amazing驚人 it is to think about this.
I go back and I think about this.
30
85809
4127
想想這有多麼不可思議。
我回想起這件事。
01:38
Wednesday星期三 -- one Wednesday星期三,
when I was about 12 years年份 old舊,
31
89960
3314
星期三，某個星期三，
我大約十二歲的時候，
01:41
I didn't have a computer電腦.
32
93298
2111
我沒有電腦。
01:44
On Thursday星期四, I had a computer電腦.
33
96034
2779
星期四，我有了一台電腦。
01:48
Can you imagine想像 that change更改?
34
99965
1999
你能想像那種改變嗎？
01:50
It's so drastic激烈.
35
102417
1681
太巨大了。
01:52
I can't even think about anything
that could change更改 our lives生活 that way.
36
104122
3451
我甚至無法想出其他東西也
能夠像這樣改變你的人生。
01:56
But I'm actually其實 not even going
to talk about the computer電腦.
37
107597
2767
但其實我要談的並不是那台電腦。
我要談的是裝載在
那台電腦中的一個程式。
01:58
I'm going to talk about a program程序
that came來了 loaded裝 on that computer電腦.
38
110388
3230
創造它的人，不是左邊的那位，
02:02
And it was build建立 by,
not the guy on the left,
39
113642
2272
02:04
but the guy on the right.
40
115938
1435
而是右邊的那位。
02:05
Does anybody任何人 know
who the guy on the right is?
41
117397
2144
有人知道右邊的那位是誰嗎？
02:09
Nobody沒有人 ever knows知道 the answer回答
to this question題.
42
121161
2410
從來沒有人知道這個問題的答案。
那是比爾 · 阿特金森。
02:12
This is Bill法案 Atkinson阿特金森.
43
123595
1686
02:13
And Bill法案 Atkinson阿特金森 was responsible主管
for tons噸 of things
44
125305
3107
現今你每天在電腦上
看到的很多東西，
02:16
that you see on your computer電腦 every一切 day.
45
128436
2482
都出自比爾 · 阿特金森之手。
02:19
But I want to talk about one program程序
that Bill法案 Atkinson阿特金森 wrote寫,
46
130942
3107
但我想談其中一個他所寫的程式，
02:22
called叫 HyperCardHyperCard的.
47
134073
1500
叫做 HyperCard。
02:25
Someone's別人的 cheering歡呼 over there.
48
137025
2160
那邊有人在歡呼。
02:27
(Laughter笑聲)
49
139209
1205
（笑聲）
02:28
HyperCardHyperCard的 was a program程序
that shipped運 with the Mac蘋果電腦,
50
140438
2602
HyperCard 這個程式
是內建在麥金塔電腦上的，
02:31
and it was designed設計
for users用戶 of the computer電腦
51
143064
2569
它設計的目的，
是要讓電腦的使用者
02:34
to make programs程式 on their其 computers電腦.
52
145657
3197
能在自己的電腦上寫程式。
02:38
Crazy瘋 idea理念 today今天.
53
149505
1597
現今是個瘋狂的點子。
02:39
And these programs程式 were not the apps應用
that we think about today今天,
54
151126
2973
這些程式並不是我們
現今認為的應用程式，
02:42
with their其 large大 budgets預算
and their其 big大 distribution分配.
55
154123
2449
並沒有高額預算和大量銷售。
這些是小東西，
02:45
These were small小 things,
56
156596
1189
大家會寫些應用程式來追蹤
他們當地籃球隊的戰績，
02:46
people making製造 applications應用 to keep track跟踪
of their其 local本地 basketball籃球 team球隊 scores分數
57
157809
3882
02:50
or to organize組織 their其 research研究
58
161715
2825
或是整理他們的研究，
02:53
or to teach教 people about classical古典 music音樂
59
164564
3016
或是教別人古典音樂，
02:56
or to calculate計算 weird奇怪的 astronomical天文 dates日期.
60
167604
4095
或是計算很奇怪的天文學日期。
03:00
And then, of course課程,
there were some art藝術 projects項目.
61
171723
2381
當然，還有一些藝術專案計畫。
03:02
This is my favorite喜愛 one.
62
174128
1220
這個是我的最愛。它叫做
「如果僧侶有麥金塔」，
03:03
It's called叫 "If Monks僧侶 Had Macs蘋果電腦,"
63
175372
2089
03:05
and it's a nonlinear非線性
kind類 of exploratory探索 environment環境.
64
177485
4534
這是一個非線性的探索式環境。
03:10
I thank the stars明星 for HyperCardHyperCard的
all of the time.
65
182043
5573
我總是感謝上天，讓我
幸運地擁有 HyperCard。
03:16
And I thank the stars明星
for putting把 me in this era時代
66
187640
2447
我也感謝上天讓我生在這個時代，
03:18
where I got to use HyperCardHyperCard的.
67
190111
2300
讓我可以用到 HyperCard。
03:20
HyperCardHyperCard的 was the last program程序 to ship船
on a public上市 computer電腦
68
192435
4640
HyperCard 是公共電腦上
內建的最後一個
03:25
that was designed設計 for the users用戶
of the computer電腦 to make programs程式 with it.
69
197099
5129
能讓使用者在電腦上寫程式的程式。
03:30
If you talked談 to the people
who invented發明 the computer電腦
70
202252
2705
如果你和發明電腦的人談談，
03:33
and you told them there would be
a day, a magical神奇 day,
71
204981
2749
你告訴他們，將來有一天，
很神奇的一天，
03:36
when everybody每個人 had a computer電腦
but none沒有 of them knew知道 how to program程序,
72
207754
5062
每個人都有一台電腦，
但沒有人會寫程式，
03:41
they would think you were crazy瘋.
73
212840
1811
他們會認為你瘋了。
03:43
So let's skip跳躍 forward前鋒 a few少數 years年份.
74
215486
1664
所以，咱們來看看幾年之後。
03:45
I'm starting開始 my career事業 as an artist藝術家,
75
217174
2588
我的職涯一開始是藝術家，
03:48
and I'm building建造 things
with my computer電腦, small-scale小型 things,
76
219786
3962
我用我的電腦來創造
圖像，小規模的圖像，
03:52
investigating調查 things like
the growth發展 systems系統 of plants植物.
77
223772
3603
類似于研究植物的生長系統之類的。
03:55
Or, in this example例, I'm building建造
a simulated模擬 economy經濟
78
227399
2999
或者，在這個例子中，
我在打造的是一種模擬的經濟，
03:58
in which哪一個 pixels像素 are trading貿易 color顏色
with one another另一個,
79
230422
3961
像素在彼此之間交換顏色，
04:02
trying試 to investigate調查 how
these types類型 of systems系統 work,
80
234407
2575
試圖了解這類系統如何
運作，這些也挺好玩的。
04:05
and just kind類 of having有 fun開玩笑.
81
237006
1402
04:06
And then this project項目 led me
to start開始 working加工 with data數據.
82
238432
2628
這個專案計畫讓我開始用到數據。
04:09
So I'm building建造 graphics圖像 like this,
83
241084
2989
所以我會創造像這樣的圖像，
04:12
which哪一個 compare比較 "communism共產主義" --
84
244097
2594
它把「共產主義」這個詞在
《紐約時報》中出現的次數
04:15
the frequency頻率 of usage用法 of the word字
"communism共產主義" in the New新 York紐約 Times時 --
85
246715
3395
和上半部分「恐怖主義」的出現次數做比較。
04:18
to "terrorism恐怖主義," at the top最佳.
86
250134
1937
04:20
You see "terrorism恐怖主義" kind類 of appears出現
as "communism共產主義" is going away.
87
252095
4625
你們可以看到，在「共產主義」
減弱時「恐怖主義」就會出現。
04:25
And with these graphics圖像, I was really
interested有興趣 in the aesthetic審美 of the graphs圖.
88
256744
3816
因為有這些圖，讓我對
圖的美感產生很大的興趣。
這描繪的是伊朗和伊拉克。
04:29
This is Iran伊朗 and Iraq伊拉克.
89
260584
1150
04:30
It reads讀 like a clock時鐘. It's called叫
a "timepiece鐘 graph圖形."
90
261758
3910
它看起來就像時鐘一樣，
它叫做「鐘表圖」。
04:34
This is another另一個 timepiece鐘 graph圖形,
overlaying覆蓋 "despair絕望" over "hope希望."
91
265692
5711
這是另一張鐘表圖，
把「絕望」疊在「希望」之上。
04:39
And there's only three三 times時 -- actually其實,
it's "crisis危機" over "hope希望" --
92
271427
3310
僅有三次——其實，這是把
「危機」疊在「希望」之上——
04:43
there's only three三 times時
when "crisis危機" eclipses日食 "hope希望."
93
274761
2609
僅有三次是「危機」
完全遮蔽了「希望」。
我們現在正處於其中一次。
但對這點別想太多。
04:45
We're in the middle中間
of one of them right now.
94
277394
2155
04:48
But don't think about that too much.
95
279573
1772
（笑聲）
04:49
(Laughter笑聲)
96
281369
1888
04:51
And finally最後, the culmination大成 of this work
with the New新 York紐約 Times時 data數據
97
283281
3780
最後，幾年前，結合
《紐約時報》的資料
讓這項工作達到了高潮，
04:55
a few少數 years年份 ago前
98
287085
1202
04:56
was the attempt嘗試 to combine結合
an entire整個 year's年份 news新聞 cycle週期
99
288311
3176
它試圖將整年的新聞週期
整合、體現在一張圖像上。
05:00
into a single單 graphic圖像.
100
291511
1313
05:01
So these graphics圖像 actually其實 show顯示 us
a full充分 year年 of news新聞, all the people,
101
292848
4227
這些圖像呈現給我們的是
全年的新聞以及所有的人物，
05:05
and how they're connected連接的
into a single單 graphic圖像.
102
297099
2630
以及他們如何相互連結
而成為一張圖像。
05:08
And from there, I started開始 to be
interested有興趣 again in more active活性 systems系統.
103
299753
3938
從這時，我再次開始對
更加活躍的系統感興趣。
05:12
Here's這裡的 a project項目 called叫 "Just Landed降落,"
104
303715
2264
這是一個叫做
「剛降落」的專案計畫，
05:14
where I'm looking at people
tweeting啁啾 on Twitter推特.
105
306003
3151
在這之中，我觀察人們
在推特上發表推文：
05:17
"Hey! I just landed登陸
in Hawaii夏威夷!" -- you know,
106
309178
2060
「嘿！我剛在夏威夷降落了！」
——你們知道的，
05:19
how people just casually胡亂 try to sneak潛行
that into their其 Twitter推特 conversation會話.
107
311262
3702
大家就是這樣隨意地在推特
對話中泄露那些資訊。
05:23
"I'm not showing展示 off. Really.
But I did just land土地 in Hawaii夏威夷."
108
314988
3117
「我真的不是在炫耀。
但我剛在夏威夷降落了。」
05:26
And then I'm plotting繪製
those people's人們 trips旅行,
109
318129
2743
接著，我把這些人的行程畫出來，
05:29
in the hopes希望 that maybe
we can use social社會 network網絡
110
320896
3212
希望我們能夠利用社交網路
05:32
and the data數據 that it leaves樹葉 behind背後
111
324132
1681
以及它所留下的資料來建立
一個描述大家如何移動的模型，
05:34
to provide提供 a model模型 of how people move移動,
112
325837
2199
05:36
which哪一個 would be valuable有價值
to epidemiologists流行病學家, among其中 other people.
113
328060
2975
這對於流行病學家
及其他人會很有價值。
05:39
And, more fun開玩笑 -- this
is a similar類似 project項目,
114
331059
2579
還有更好玩的——這是個
類似的專案計畫，
05:42
looking at people
saying話 "Good morning早上" to each每 other
115
333662
2491
觀察全世界的人
對彼此說「早安」。
05:44
all around the world世界.
116
336177
1183
05:45
Which哪一個 taught教 me, by the way,
117
337384
1434
順道一提，這還讓我學到，
05:47
that it is true真正 that people in Vancouver溫哥華
on the West西 Coast濱 wake喚醒 up much later後來
118
338842
4350
溫哥華西岸的人起床、
說「早安」的時間
05:51
and say "Good morning早上" much later後來
119
343216
1583
比起東岸的人要晚得多，
05:53
than the people on the East東 Coast濱,
120
344823
1861
05:55
who are more adventurous愛冒險的.
121
346708
1799
而東岸的人比較愛冒險。
05:57
Here's這裡的 a more useful有用 -- maybe -- project項目,
122
348531
1974
這也許又是一個
更有用的專案計畫，
05:59
where I took拿 all the information信息
from the Kepler開普勒 Project項目
123
350529
3351
我利用了克普勒計畫的所有資料，
06:02
and tried試著 to put it into some visual視覺 form形成
that made製作 sense感 to me.
124
353904
3043
試著將它們轉換成一種
讓我覺得合理的視覺形式。
06:05
And I should say that everything
I've shown顯示 you up to now --
125
356971
2884
我得說，到目前為止，
我給各位看的所有東西——
都是因為好玩而做的。
06:08
these are all things
that I just did for fun開玩笑.
126
359879
2152
聽起來可能很奇怪，
但這些都源自 HyperCard。
06:10
It may可能 seem似乎 weird奇怪的,
but this comes來 back from HyperCardHyperCard的.
127
362055
2735
06:13
I'm building建造 tools工具 for myself我.
128
364814
1830
我在為我自己建造工具，　
我可能會和少數人分享這些工具，
06:15
I may可能 share分享 them with a few少數 other people,
129
366668
1983
06:17
but they're for fun開玩笑, they're for me.
130
368675
2107
但我是樂在其中，為我自己而做。
06:21
So, all these tools工具 I show顯示 you
kind類 of occupy佔據 this weird奇怪的 space空間
131
373341
3970
所以，我給各位看的這些工具，
算是隸屬於科學、藝術
和設計之間的奇怪領域。
06:25
somewhere某處 between之間 science科學, art藝術 and design設計.
132
377335
2544
06:28
That's where my practice實踐 lies謊.
133
379903
1805
我的工作領域就在這塊空間上。
06:30
And still today今天,
from my experience經驗 with HyperCardHyperCard的,
134
381732
3156
現今也一樣，根據我用
HyperCard 的經驗，
06:33
what I'm doing is building建造 visual視覺 tools工具
to help me understand理解 systems系統.
135
384912
4230
我在做的事情，就是建立視覺
工具來協助我理解多種系統。
06:38
So today今天, I work at the New新 York紐約 Times時.
136
390083
2221
所以，現今，
我在《紐約時報》工作，
06:40
I'm the data數據 artist藝術家 in residence住宅
at the New新 York紐約 Times時.
137
392328
2873
我是《紐約時報》的
常駐數據藝術家。
06:43
And I've had an opportunity機會 at the Times時
138
395225
1933
在《紐約時報》，我有機會
06:45
to work on a variety品種
of really interesting有趣 projects項目,
139
397182
2464
可以參與各種非常
有趣的專案計畫，
今天我會和各位分享其中兩個。
06:48
two of which哪一個 I'm going
to share分享 with you today今天.
140
399670
2222
第一個，我一直在和馬克 · 漢森合作。
06:50
The first one, I've been working加工 on
in conjunction連詞 with Mark標記 Hansen漢森.
141
401916
3202
06:53
Mark標記 Hansen漢森 is a professor教授 of statistics統計
at UCLA加州大學洛杉磯分校. He's also也 a media媒體 artist藝術家.
142
405142
5142
馬克 · 漢森是加州大學
洛杉磯分校的統計學教授。
他也是位媒體藝術家。
06:58
And Mark標記 came來了 to the Times時
with a very interesting有趣 question題
143
410308
2786
馬克帶著一個很有趣的
問題來到《紐約時報》，
07:01
to what may可能 seem似乎 like an obvious明顯 problem問題:
144
413118
2660
這似乎是個很明顯的問題：
07:04
When people share分享 content內容 on the internet互聯網,
145
415802
3151
當大家在網路上分享內容，
07:07
how does that content內容 get
from person人 A to person人 B?
146
418977
3615
這些內容如何從用戶甲
傳播到用戶乙那邊？
07:11
Or maybe, person人 A to person人 B
to person人 C to person人 D?
147
423358
4724
或者也許是從甲傳到乙，
再傳到丙，再傳到丁？
07:16
We know that people share分享 content內容
in the internet互聯網,
148
428106
2354
我們都知道大家會
在網路上分享內容，
但我們不知道在兩位用戶
之間，到底發生了什麽。
07:18
but what we don't know
is what happens發生 in that gap間隙
149
430484
2358
07:21
between之間 one person人 to the other.
150
432866
1791
07:23
So we decided決定 to build建立
the tool工具 to explore探索 that,
151
434681
2356
所以我們決定建造
一個工具來探索這件事，
07:25
and this tool工具 is called叫 Cascade級 聯.
152
437061
1823
這個工具叫做 Cascade。
07:27
If we look at these systems系統
153
439471
2595
如果我們來觀察這些系統，
07:30
that start開始 with one event事件
that leads引線 to other events事件,
154
442090
4430
以某個事件作為起點，
接著導致其他事件，
07:35
we call that structure結構體 a cascade級聯.
155
446544
2238
我們就把這個結構
叫做一個「事件串」。
07:37
And these cascades級聯
actually其實 happen發生 over time.
156
448806
2409
實際上，這些「事件串」隨
時間的增長而不斷發生。
07:39
So we can model模型 these things over time.
157
451239
2020
所以我們可以根據
時間來對它們建立模型。
07:41
Now, the New新 York紐約 Times時 has
a lot of people who share分享 our content內容,
158
453283
4031
《紐約時報》有很多人
在分享我們的內容，
07:45
so the cascades級聯 do not look like that one,
they look more like this.
159
457338
3491
所以這個「事件串」看起來不像是
之前那樣，而是比較像是這樣子。
這是一個典型的事件串。
最初的事件在左下方。
07:49
Here's這裡的 a typical典型 cascade級聯.
160
460853
1540
07:50
At the bottom底部 left, the very first event事件.
161
462417
2714
07:54
And then as people are sharing分享
the content內容 from one person人 to another另一個,
162
466237
4272
接著，當大家分享內容，
從一個人傳給另一個人，
07:59
we go up in the Y axis軸,
degrees度 of separation分割,
163
470533
3794
Y 軸就會向上延伸，
此軸衡量逐級傳播的程度，
08:02
and over on the X axis軸, for time.
164
474351
2768
X 軸則是表示時間。
08:05
So we're able能夠 to look at that conversation會話
in a couple一對 of different不同 views意見:
165
477143
3501
所以我們可以從幾個不同的
視角來觀察這整個交流過程：
08:09
this one, which哪一個 shows節目 us
the threads線程 of conversation會話,
166
480668
2615
這個視角，讓我們看到
交流過程中的一條條脈絡，
08:11
and this one, which哪一個 combines聯合收割機
that stacked堆疊 view視圖
167
483307
3194
這個，則是結合了堆疊的視角，
08:15
with a view視圖 that lets讓我們 us see the threads線程.
168
486525
2932
加上另一個讓我們能看見脈絡的視角。
08:18
Now, the Times時 publishes發布
about 7,000 pieces件 of content內容
169
489924
3345
《紐約時報》每個月
會刊出約七千則內容。
08:21
every一切 month月.
170
493293
1210
08:23
So it was important重要 for us,
when we were building建造 this tool工具,
171
494527
2842
所以當我們創造這個工具時，讓它
具有探索性，對我們來說是很重要的，
08:25
to make it an exploratory探索 one,
172
497393
1633
08:27
so that people could dig挖 through通過
this vast廣大 terrain地形 of data數據.
173
499050
4207
這樣大家就能用它來挖掘
這廣闊的數據地帶。
08:31
I think of it as a vehicle車輛
that we're giving給 people
174
503281
2436
我認為我們是給了
大家一種交通工具，
讓他們能在這廣闊的數據地帶中穿梭。
08:34
to traverse橫過 this really big大
terrain地形 of data數據.
175
505741
3473
08:37
So here's這裡的 what it really looks容貌 like,
176
509238
1718
這是它真正的樣子，
08:39
and here's這裡的 the cascade級聯
playing播放 in real真實 time.
177
510980
2740
這是即時進行中的「事件串」。
08:42
I have to say, this was
a tremendous巨大 moment時刻.
178
513744
2079
我必須要說，這是很棒的一刻。
08:44
We had been working加工 with canned聽裝
data數據, fake假 data數據, for so long,
179
515847
4017
過去一直以來，我們用的資料
很多都是二手資料、假資料，
08:48
that when we saw this
for the first moment時刻,
180
519888
2805
所以當我們第一次看到這個成果時，
08:51
it was like an archaeologist考古學家 who had
just dusted撒 off these dinosaur恐龍 bones骨頭.
181
522717
4878
就如同考古學家拂去恐龍
骨頭上的灰塵時的反應。
08:56
We discovered發現 this thing,
and we were seeing眼看 it for the first time,
182
527619
3878
我們發現了它，第一次看到了它，
09:00
these sharing分享 structures結構
that underlie背後 the internet互聯網.
183
531521
3712
在網際網路的背後，
內容分享的傳播結構。
09:04
And maybe the dinosaur恐龍
analogy比喻 is a good one,
184
536475
2105
也許上述的恐龍的比喻十分貼切，
09:07
because we're actually其實 making製造
some probabilistic概率 guesses猜測
185
538604
3047
因為我們實際上是對這些
事物如何連結做可能性的猜測。
09:10
about how these things link鏈接.
186
541675
1359
09:11
We're looking at some of these
pieces件 and making製造 some guesses猜測,
187
543058
2926
我們觀察其中一些
片段，做出猜測，
09:14
but we try to make sure that those
are as statistically統計學 rigorous嚴格 as possible可能.
188
546008
3937
但我們也盡可能確保這些
猜測在統計學上的嚴謹性。
09:19
Now tweets微博, in this case案件,
they become成為 parts部分 of stories故事.
189
550720
4662
在這個案例中，推特的推文
變成了故事的一部分。
09:23
They become成為 parts部分 of narratives敘事.
190
555406
1925
它們變成了敘事的一部分。
09:25
So we are building建造 histories歷史 here,
191
557355
2420
在這裡，我們是在建造歷史，
09:28
but they're very short-term短期 histories歷史.
192
559799
2175
但是是非常短期的歷史。
09:30
And sometimes有時 these very large大 cascades級聯
are the most最 interesting有趣 ones那些,
193
561998
3838
有時，這些非常大的
「事件串」是最有趣的，
09:34
but sometimes有時 the small小 ones那些
are also也 interesting有趣.
194
565860
3135
但有時，小的「事件串」也很有趣。
09:37
This is one of my favorites最愛.
We call this the "Rabbi拉比 Cascade級 聯."
195
569019
3525
這是我的最愛之一。
我們稱它為「拉比事件串」。
09:41
It's a conversation會話 amongst其中包括 rabbis拉比
about this article文章 in the New新 York紐約 Times時,
196
572568
5089
這是拉比之間的對談，
談論《紐約時報》上的一篇文章，
09:46
about the fact事實 that religious宗教 workers工人
don't get a lot of time off.
197
577681
3772
文章寫的是宗教工作者
沒有很多休假的議題。
09:49
I guess猜測 Saturdays星期六 and Sundays週日 are bad壞 days天
for them to take off.
198
581477
4035
我想他們大概不適合
在星期六和星期日休假吧。
09:54
So, in this cascade級聯, there's a group組
of rabbis拉比 having有 a conversation會話
199
585536
3692
在這個事件串中，有一群拉比
在談《紐約時報》的報導。
09:57
about a New新 York紐約 Times時 story故事.
200
589252
1402
09:59
One of them has the best最好
Twitter推特 name名稱 ever --
201
590678
2124
其中一個人有著史上
最棒的推特名稱——
10:01
he's called叫 "The Velveteen平絨 Rabbi拉比."
202
592826
1855
他自稱「棉製天鵝絨拉比」。
10:03
(Laughter笑聲)
203
594705
2323
（笑聲）
10:05
But we would have never found發現 this
if it weren't不 for this exploratory探索 tool工具.
204
597052
4507
但若沒有這個探索工具，
我們永遠不會發現這些。
10:10
This would just be sitting坐在 somewhere某處,
205
601583
1802
這些事可能就只會存在於某處，
但我們永遠不會發現。
10:11
and we would have never
been able能夠 to see that.
206
603409
2186
10:14
But this exercise行使 of taking服用
single單 pieces件 of information信息
207
605619
4141
但這項做法，使用單獨的片段資訊
10:18
and building建造 narrative敘述 structures結構,
building建造 histories歷史 out of them,
208
609784
4221
來建立敘事結構，
從中建立出歷史來，
10:22
I find tremendously異常 interesting有趣.
209
614029
1925
我覺得非常有意思。
10:24
You know, I moved移動 to New新 York紐約
about two years年份 ago前.
210
616319
2344
我大約兩年前搬到紐約。
10:27
And in New新 York紐約, everybody每個人 has a story故事
211
618687
2720
在紐約，每個人都有一個故事：
10:29
that surrounds圍繞著 this
tremendously異常 impactful影響力 event事件
212
621431
2960
和 2001 年 9 月 11 日那天
發生的震撼事件有關的故事。
10:32
that happened發生 on September九月 11 of 2001.
213
624415
2299
10:35
And my own擁有 story故事 with September九月 11
has really become成為 a more intricate錯綜複雜 one,
214
627373
6367
我自己的與 911 相關的故事
變得很錯綜複雜，
10:42
because I spent花費 a great deal合同 of time
215
633764
2064
因為我花了相當多時間
10:44
working加工 on a piece片
of the 9/11 Memorial紀念館 in Manhattan曼哈頓.
216
635852
4149
在做一件關於曼哈頓
911 紀念碑的案子。
10:49
The central中央 idea理念 about the 9/11 Memorial紀念館
217
640530
2564
911 紀念碑的中心想法在於，
10:51
is that the names名 in the memorial紀念館
are not laid鋪設 out in alphabetical拼音 order訂購
218
643118
4459
紀念碑上的名字並不是
照字母或時間順序來排列，
10:56
or chronological實足 order訂購,
219
647601
1685
10:57
but instead代替, they're laid鋪設 out in a way
220
649310
1824
而要改用另一種方式呈現，
10:59
in which哪一個 the relationships關係
between之間 the people who were killed殺害
221
651158
3424
讓死者之間的關係
能夠被具體呈現在紀念碑上。
11:03
are embodied體現 in the memorial紀念館.
222
654606
1960
11:05
Brothers兄弟 are placed放置 next下一個 to brothers兄弟,
223
657153
2538
兄弟要放在彼此旁邊，
11:08
coworkers合作夥伴 are placed放置 together一起.
224
659715
2185
同事要擺在一起。
11:10
So this memorial紀念館 actually其實 considers考慮
all of these myriad無數的 connections連接
225
661924
4665
所以，這個紀念碑其實
考量了極大量的連結，
11:15
that were part部分 of these people's人們 lives生活.
226
666613
2421
這些連結是這些人生命的一部分。
11:18
I worked工作 with a company公司
called叫 Local本地 Projects項目
227
670310
3433
我和 Local Projects
這間公司合作，
11:22
to work on an algorithm算法
and a software軟件 tool工具
228
673767
2674
撰寫演算法和軟體工具
11:24
to help the architects建築師 build建立
the layout佈局 for the memorial紀念館:
229
676465
3004
來協助建築師建立
紀念碑的版面編排：
11:28
almost幾乎 3,000 names名
230
680331
1722
近三千個名字，
11:30
and almost幾乎 1,500 of these
adjacency鄰接 requests要求,
231
682077
3627
且有近一千五百個
使名字相鄰擺放的需求，
11:34
these requests要求 for connection連接 --
232
685728
1610
這些連結的需求——
11:35
so a very dense稠密 story故事,
a very dense稠密 narrative敘述,
233
687362
3386
非常緊密的故事，
非常緊密的敘事，
11:39
that becomes變 an embodied體現 part部分
of this memorial紀念館.
234
690772
2816
變成了紀念碑體現出來的一部分。
11:42
Working加工 with Jake可靠的人 Barton巴頓,
we produce生產 the software軟件 tool工具,
235
694195
3331
我和傑克 · 巴頓合作，
製造出了這個軟體工具，
11:46
which哪一個 allows允許 the architects建築師 to,
first of all, generate生成 a layout佈局
236
697550
4119
讓建築師首先就可以產生出一種編排，
11:50
that satisfied滿意 all of those
adjacency鄰接 requests要求,
237
701693
3129
滿足所有那些毗鄰的需求，
11:53
but then second第二, make little adjustments調整
where they needed需要 to
238
704846
3033
接著，第二，做一些必要的調整，
11:56
to tell the stories故事
that they wanted to tell.
239
707903
2348
來將他們想要說的故事說出來。
11:59
So this memorial紀念館, I think,
has an incredibly令人難以置信 timely及時 concept概念
240
711219
4135
所以，我認為，在我們
這個社交網路的時代，
12:03
in our era時代 of social社會 networks網絡,
241
715378
2990
這個紀念碑有著非常適時的概念，
12:06
because these networks網絡 -- these real-life現實生活
networks網絡 that make up people's人們 lives生活 --
242
718392
3975
因為這些網路——這些構成
人們生命的現實生活網路——
12:10
are actually其實 embodied體現
inside內 of the memorial紀念館.
243
722391
2432
實際上正呈現在這個紀念碑當中。
12:13
And one of the most最 tremendously異常
moving移動 experiences經驗
244
725286
3471
最感人的體驗之一，
12:17
is to go to the memorial紀念館
245
728781
1661
就是去看這個紀念碑，
12:18
and see how these people
are placed放置 next下一個 to each每 other,
246
730466
4200
看看這些人如何
被安排在彼此旁邊，
12:23
so that this memorial紀念館
is representing代表 their其 own擁有 lives生活.
247
734690
2862
這個紀念碑重新展現出
他們自己的生活。
12:27
How does this affect影響 our lives生活?
248
738859
1687
這對我們的人生有什麼影響？
12:29
Well, I don't know if you remember記得,
249
741133
1676
嗯，我不知道你們是否記得，
12:31
but in the spring彈簧,
there was a controversy爭議,
250
742833
2713
在今天春天發生了一件充滿爭議的事，
12:34
because it was discovered發現
that on the iPhone蘋果手機
251
745570
2198
有人發現，在 iPhone 上，
而且實際上，在你的電腦上也是，
12:36
and, actually其實, on your computer電腦,
252
747792
1606
12:37
we were storing存儲 a tremendous巨大 amount量
of the location位置 data數據.
253
749422
3315
我們都儲存了非常
大量的位置資料。
12:41
So Apple蘋果 responded回應, saying話,
this was not location位置 data數據 about you,
254
753173
3861
所以，蘋果公司的回應是，
這些位置資料都與你無關，
12:45
it was location位置 data數據
about wireless無線 networks網絡
255
757058
2805
這些位置資料記錄的是
你所在地區的無線網路。
12:48
that were in the area區 where you are.
256
759887
2287
不是在記錄你本身，
而是在記錄你所在的地方。
12:50
So it's not about you,
257
762198
1428
12:52
but it's about where you are.
258
763650
1584
12:53
(Laughter笑聲)
259
765258
1648
（笑聲）
12:55
This is very valuable有價值 data數據.
260
766930
2808
這些是非常珍貴的資料。
12:58
It's like gold金 to researchers研究人員,
this human-mobility人的機動能力 data數據.
261
769762
4625
這些人群流動資料對研究者
來說就像是金礦一樣。
13:02
So we thought, "Man!
How many許多 people have iPhonesiPhone手機?"
262
774411
3664
所以，我們心想：「天哪！
有多少人有 iPhone？」
13:06
How many許多 of you have iPhonesiPhone手機?
263
778099
1448
在座有誰有用 iPhone？
13:09
So in this room房間, we have this tremendous巨大
database數據庫 of location位置 data數據
264
780608
5478
所以，在這間房間中，
我們有巨大的
位置資料庫，
13:14
that researchers研究人員
would really, really like.
265
786110
3775
研究者們會非常非常喜歡。
13:18
So we built內置 this system系統 called叫 Open打開 Paths路徑,
266
789909
2031
所以，我們打造了一個
叫 Open Paths 的系統，
13:20
which哪一個 lets讓我們 people upload上載 their其 iPhone蘋果手機 data數據
267
791964
2656
讓大家上傳他們的 iPhone 數據，
13:23
and broker經紀人 relationships關係
with researchers研究人員 to share分享 that data數據,
268
794644
3796
與研究人員建立關係來分享這些數據，
13:26
to donate捐 that data數據 to people
that can actually其實 put it to use.
269
798464
3387
將這些數據捐給可以實際使用的人。
13:30
Open打開 Paths路徑 was a great
success成功 as a prototype原型.
270
802256
2350
Open Paths 是個很成功的原型。
13:33
We received收到 thousands數千 of data數據 sets套,
271
804630
3433
我們收到了數千個數據集，
13:36
and we built內置 this interface接口
272
808087
1349
我們建立了這個介面，讓大家
可以實實在在地看見他們的人生
13:37
which哪一個 allows允許 people to actually其實
see their其 lives生活 unfolding展開
273
809460
3318
從遺留在裝置中的這些痕跡展開。
13:41
from these traces痕跡
that are left behind背後 on your devices設備.
274
812802
3156
13:45
Now, what we didn't expect期望
was how moving移動 this experience經驗 would be.
275
816593
5267
我們沒有預期到的是
這樣的經驗會有多感人。
13:50
When I uploaded上傳 my data數據,
I thought, "Big大 deal合同.
276
821884
2227
當我上傳我的資料時，
我心想：「沒甚麼了不起的。
13:52
I know where I live生活. I know where I work.
What am I going to see here?"
277
824135
3416
我知道我住在哪裡、在哪裡工作。
我還能看到什麼？」
13:56
Well, it turns圈 out, what I saw
was that moment時刻 I got off the plane平面
278
827575
3501
結果發現，我看到我剛下飛機、
開始紐約新生活的那一刻；
13:59
to start開始 my new新 life in New新 York紐約;
279
831100
1623
14:02
the restaurant餐廳 where I had Thai泰國 food餐飲
that first night,
280
833588
2606
第一晚我吃泰國菜的餐廳，
14:04
thinking思維 about this new新 experience經驗
of being存在 in New新 York紐約;
281
836218
2953
想著在紐約的這個新體驗；
14:07
the day that I met會見 my girlfriend女朋友.
282
839195
1623
我遇見我女友的那一天。
14:11
This is LaGuardia拉瓜地亞 airport飛機場.
283
842587
2275
這個座標是拉瓜地亞機場。
14:13
(Laughter笑聲)
284
844886
1487
（笑聲）
14:14
This is this Thai泰國 restaurant餐廳
on Amsterdam阿姆斯特丹 Avenue大街.
285
846397
3641
這是阿姆斯特丹大道上的泰國餐廳。
14:19
This is the moment時刻 I met會見 my girlfriend女朋友.
286
850559
2050
這是我遇見我女友的時刻。
14:22
See how that changes變化 the first time
I told you about those stories故事
287
854146
3451
注意到了嗎？這些故事前後兩次的
敘述使得這些數據變得不一樣了。
14:26
and the second第二 time I told
you about those stories故事?
288
857621
2468
14:28
Because what we do
in the tool工具, inadvertently不經意間,
289
860113
3207
因為我們不經意地
14:31
is we put these pieces件 of data數據
into a human人的 context上下文.
290
863344
3115
將這些片段數據放到了
人文情境當中。
14:35
And by placing配售 data數據 into a human人的 context上下文,
291
866935
2498
透過將數據置於人文情境中，
14:37
it gains收益 meaning含義.
292
869457
1474
它就產生了意義。
14:39
And I think this is tremendously異常,
tremendously異常 important重要,
293
870955
3328
我認為這是非常非常重要的，
14:42
because these are our histories歷史
that are being存在 stored存儲 on these devices設備.
294
874307
4918
因為儲存在這些裝置當中的
是我們的歷史。
14:49
And by thinking思維 about them that way,
295
880809
1994
用這樣的方式來看待它們，
14:52
putting把 them in a human人的 context上下文 --
296
883543
1902
將它們放到人文情境當中——
14:53
first of all, what we do with our own擁有 data數據
is get a better understanding理解
297
885469
3662
首先，我們用自己的數據，
來更進一步了解
14:57
of the type類型 of information信息
that we're sharing分享.
298
889155
2479
我們所分享的那些數據是
屬於什麼類型的。
15:00
But if we can do this with other data數據,
if we can put data數據 into a human人的 context上下文,
299
891658
4053
但是，若我們能配合使用其他數據，
若我們能把數據放到人文情境中，
15:04
I think we can change更改 a lot of things,
300
895735
2918
我認為我們能改變許多事物，
15:07
because it builds建立, automatically自動, empathy同情
for the people involved參與 in these systems系統.
301
898677
6385
因為這樣就能夠自發地
與這些系統內的人們建立同理心，
15:14
And that, in turn轉, results結果
in a fundamental基本的 respect尊重,
302
905602
2953
相應地，我們就會產生
一種基本的尊重，
15:17
which哪一個, I believe, is missing失踪
in a large大 part部分 of technology技術,
303
908579
3163
我相信，大部分的科技
都少了這樣東西，
15:20
when we start開始 to deal合同
with issues問題 like privacy隱私,
304
912329
2938
當我們開始處理
像是隱私這類議題時，
15:25
by understanding理解 that these numbers數字
are not just numbers數字,
305
916765
2717
能明白這些數字不僅僅是數字，
15:28
but instead代替 they're attached附, tethered栓 to,
pieces件 of the real真實 world世界.
306
919506
3619
而是和真實世界的
某些部分有所連結。
15:31
They carry攜帶 weight重量.
307
923149
1506
它們是有份量的。
15:33
By understanding理解 that,
the dialog對話 becomes變 a lot different不同.
308
924679
3332
了解了這一點，
產生的討論就會大不相同。
15:38
How many許多 of you have ever clicked點擊 a button按鍵
309
929595
2331
在座有多少人曾經按下一個按鈕，
15:40
that enables使 a third第三 party派對 to access訪問
your location位置 data數據 on your phone電話?
310
931950
4987
允許第三方使用
你手機上的位置資料？
15:46
Lots of you.
311
937595
1555
很多人。
15:47
So the third第三 party派對 is the developer開發人員,
312
939174
2245
第三方就是軟體開發商，
15:49
the second第二 party派對 is Apple蘋果.
313
941443
1801
第二方則是蘋果公司。
15:52
The only party派對 that never gets得到 access訪問
to this information信息 is the first party派對!
314
943954
4823
而從來沒有機會使用
這些資訊的卻只有第一方！
15:58
And I think that's because we think
about these pieces件 of data數據
315
950198
3135
我想那是因為我們都是以一種停滯的、
抽象的方式來考慮這些數據片段。
16:01
in this stranded擱淺, abstract抽象 way.
316
953357
2055
16:03
We don't put them into a context上下文
317
955436
1897
我們沒有把它們放到情境當中，
16:05
which哪一個, I think, makes品牌 them
a lot more important重要.
318
957357
2309
我認為，情境能凸顯
它們的重要性。
16:08
So what I'm asking問 you
to do is really simple簡單:
319
959690
2166
我想請各位做一件很簡單的事：
16:10
start開始 to think about data數據
in a human人的 context上下文.
320
961880
2323
開始在人文情境當中思考數據，
16:13
It doesn't really take anything.
321
964918
1657
你不花費什麼。
16:15
When you read讀 stock股票 prices價格,
think about them in a human人的 context上下文.
322
966599
3359
當你在看股票價格時，
在人文情境中思考它們。
16:18
When you think about mortgage抵押 reports報告,
think about them in a human人的 context上下文.
323
969982
3542
當你在思考抵押貸款報告時，
在人文情境中思考它們。
16:22
There's no doubt懷疑 that big大 data數據
is big大 business商業.
324
973548
3930
無疑的，大數據代表大事業。
16:26
There's an industry行業 being存在 developed發達 here.
325
977502
3018
這裡有一個產業正在發展中。
16:30
Think about how well we've我們已經 doneDONE
326
981520
1501
想想看先前我們在開發
和資源相關的產業時做得多好。
16:31
in previous以前 industries行業
that we've我們已經 developed發達 involving涉及 resources資源.
327
983045
3369
16:34
Not very well at all.
328
986438
1300
其實一點也不好。
16:36
I think part部分 of that problem問題 is, we've我們已經 had
a lack缺乏 of participation參與 in these dialogues對話
329
987762
4522
我認為有部分的問題在於
這些討論缺乏足夠的參與：
16:40
from multiple多 pieces件 of human人的 society社會.
330
992308
4428
缺乏人類社會多個部分的參與。
16:45
So the other thing that I'm asking問 for
331
996760
1992
所以我還有一項請求，
16:48
is an inclusion包容 in this dialogue對話
from artists藝術家, from poets詩人, from writers作家 --
332
999669
4378
希望藝術家、詩人、作家——
那些能夠將人文元素帶入討論中的
這些人——也能夠參與討論。
16:52
from people who can bring帶來 a human人的 element元件
into this discussion討論.
333
1004071
4013
16:57
Because I believe that this world世界 of data數據
334
1008725
2356
因為我相信，這個數據的世界
16:59
is going to be transformative變革 for us.
335
1011105
3025
將能夠轉變我們。
17:03
And unlike不像 our attempts嘗試
with the resource資源 industry行業
336
1014687
3169
不像我們對於資源產業的嘗試，
17:06
and our attempts嘗試
with the financial金融 industry行業,
337
1017880
2153
及我們對於金融產業的嘗試，
17:08
by bringing使 the human人的
element元件 into this story故事,
338
1020057
2931
透過將人文元素帶入故事當中，
17:11
I think we can take it
to tremendous巨大 places地方.
339
1023012
2178
我認為我們能將它帶入更棒的境界。
17:14
Thank you.
340
1026203
1155
謝謝。
17:15
(Applause掌聲)
341
1027382
4052
（掌聲）
Translated by Lilian Chiu
Reviewed by Wilde Luo

▲Back to top

ABOUT THE SPEAKER
Jer Thorp - Data artist
Jer Thorp’s work focuses on adding meaning and narrative to huge amounts of data as a way to help people take control of the information that surrounds them.

Why you should listen

Currently the data artist in residence at the New York Times, Jer’s software-based art has been featured all over the world. His former career as a data artist explains why his art often brings big data sets to life and is deeply influenced by science. Originally from Vancouver, he lives in New York City, where, along with his work at the New York Times, he teaches in NYU’s ITP program.

More profile about the speaker
Jer Thorp | Speaker | TED.com
THE ORIGINAL VIDEO ON TED.COM