TEDxCMU
Luis von Ahn: Massive-scale online collaboration
Луис фон Ан: Широкомащабно онлайн сътрудничество
Filmed:
Readability: 3.8
1,740,008 views
След като нагодил CAPTCHA, така че всеки отговор написан от човек да помага за дигитализирането на книги, Луис фон Ан се чудел как иначе да се използват малки приноси от мнозина в Интернет за всеобщото добро. На TEDxCMU, той споделя как неговият нов амбициозен проект, Duolingo, ще помогне на милиони да научат нов език, докато превеждат уеба бързо и точно -- и всичко това ще бъде безплатно.
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. Full bio
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 many of you had to fill out some sort of web form
0
0
2000
Колко от вас е трябвало да попълват някаква уеб форма,
00:17
where you've been asked to read a distorted sequence of characters like this?
1
2000
2000
където сте били помолени да прочетете разкривена последователност от символи, като тези?
00:19
How many of you found it really, really annoying?
2
4000
2000
Колко от вас намират това за наистина, ама наистина досадно?
00:21
Okay, outstanding. So I invented that.
3
6000
3000
Добре, страхотно. Ами, аз измислих това.
00:24
(Laughter)
4
9000
2000
(Смях)
00:26
Or I was one of the people who did it.
5
11000
2000
Или аз бях един от хората, които го направиха.
00:28
That thing is called a CAPTCHA.
6
13000
2000
Това нещо се нарича CAPTCHA.
00:30
And the reason it is there is to make sure you, the entity filling out the form,
7
15000
2000
И причината, поради която съществува това е за да се уверим, че този, който попълва формуляра,
00:32
are actually a human and not some sort of computer program
8
17000
3000
е всъщност човек, а не някаква компютърна програма,
00:35
that was written to submit the form millions and millions of times.
9
20000
2000
която е написана за да изпрати формуляра милиони и милиони пъти.
00:37
The reason it works is because humans,
10
22000
2000
Причината, поради която това работи, е понеже хората,
00:39
at least non-visually-impaired humans,
11
24000
2000
или поне хората с ненарушено зрение,
00:41
have no trouble reading these distorted squiggly characters,
12
26000
2000
нямат проблеми да разчетат тези изкривени деформирани символи,
00:43
whereas computer programs simply can't do it as well yet.
13
28000
3000
докато компютърните програми просто не могат да го направят, все още, толкова добре.
00:46
So for example, in the case of Ticketmaster,
14
31000
2000
Така например, в случая с Ticketmaster,
00:48
the reason you have to type these distorted characters
15
33000
2000
причината, поради която трябва да въвеждате тези изкривени символи
00:50
is to prevent scalpers from writing a program
16
35000
2000
е да предотвратите спекулатори да напишат програма,
00:52
that can buy millions of tickets, two at a time.
17
37000
2000
която може да купи милиони билети, по два в даден момент.
00:54
CAPTCHAs are used all over the Internet.
18
39000
2000
CAPTCHA се използват навсякъде из Интернет.
00:56
And since they're used so often,
19
41000
2000
И понеже те се използват толкова често,
00:58
a lot of times the precise sequence of random characters that is shown to the user
20
43000
2000
доста често точната последователност от произволни символи, която се показва на потребителя
01:00
is not so fortunate.
21
45000
2000
не е толкова щастлива.
01:02
So this is an example from the Yahoo registration page.
22
47000
3000
Това е пример от страницата за регистрация на Yahoo.
01:05
The random characters that happened to be shown to the user
23
50000
2000
Случайните символи, които били показани на потребителя
01:07
were W, A, I, T, which, of course, spell a word.
24
52000
3000
били W, A, I, T (ЧАКАЙ), което, разбира се, означава дума.
01:10
But the best part is the message
25
55000
3000
Но най-добрата част е съобщението,
01:13
that the Yahoo help desk got about 20 minutes later.
26
58000
3000
което бюрото за помощ на Yahoo получило около 20 минути по-късно.
01:16
Text: "Help! I've been waiting for over 20 minutes, and nothing happens."
27
61000
3000
Текст: "Помогнете! Чакам повече от 20 минути и нищо не се случва."
01:19
(Laughter)
28
64000
4000
(Смях)
01:23
This person thought they needed to wait.
29
68000
2000
Този човек си мислил, че трябва да чака.
01:25
This of course, is not as bad as this poor person.
30
70000
3000
Това, разбира се, не е толкова зле, колкото този беден човек.
01:28
(Laughter)
31
73000
2000
(Смях)
01:30
CAPTCHA Project is something that we did here at Carnegie Melllon over 10 years ago,
32
75000
3000
Проектът CAPTCHA е нещо, което започнахме преди повече от 10 години тук, в университа "Карнеги Мелън,"
01:33
and it's been used everywhere.
33
78000
2000
и се използва навсякъде.
01:35
Let me now tell you about a project that we did a few years later,
34
80000
2000
Позволете ми сега да ви разкажа за един проект, който започнахме няколко години по-късно,
01:37
which is sort of the next evolution of CAPTCHA.
35
82000
3000
който е нещо като еволюция на CAPTCHA.
01:40
This is a project that we call reCAPTCHA,
36
85000
2000
Това е проект, който нарекохме reCAPTCHA,
01:42
which is something that we started here at Carnegie Mellon,
37
87000
2000
което е нещо, което започнахме тук в "Карнеги Мелън,"
01:44
then we turned it into a startup company.
38
89000
2000
което превърнахме в последствие в стартъп компания.
01:46
And then about a year and a half ago,
39
91000
2000
И после преди около година и половина,
01:48
Google actually acquired this company.
40
93000
2000
Google всъщност придоби тази компания.
01:50
So let me tell you what this project started.
41
95000
2000
Така че нека ви кажа какво започна този проект.
01:52
So this project started from the following realization:
42
97000
3000
Този проект започна от осъзнаването на следното:
01:55
It turns out that approximately 200 million CAPTCHAs
43
100000
2000
оказва се, че около 200 милиона CAPTCHA
01:57
are typed everyday by people around the world.
44
102000
3000
се въвеждат всеки ден от хора по целия свят.
02:00
When I first heard this, I was quite proud of myself.
45
105000
2000
Когато за първи път чух това, бях много горд от себе си.
02:02
I thought, look at the impact that my research has had.
46
107000
2000
Помислих си, погледнете въздействието, което моето изследване е оказало.
02:04
But then I started feeling bad.
47
109000
2000
Но после започнах да се чувствам зле.
02:06
See here's the thing, each time you type a CAPTCHA,
48
111000
2000
Виждате ли, всеки път, когато въведете CAPTCHA,
02:08
essentially you waste 10 seconds of your time.
49
113000
3000
по същество вие губите 10 секунди от времето си.
02:11
And if you multiply that by 200 million,
50
116000
2000
И ако умножите това по 200 милиона,
02:13
you get that humanity as a whole is wasting about 500,000 hours every day
51
118000
3000
получавате, че човечеството като цяло губи около 500 000 часа всеки ден,
02:16
typing these annoying CAPTCHAs.
52
121000
2000
въвеждайки тези досадни CAPTCHA.
02:18
So then I started feeling bad.
53
123000
2000
Така че тогава започнах да се чувствам зле.
02:20
(Laughter)
54
125000
2000
(Смях)
02:22
And then I started thinking, well, of course, we can't just get rid of CAPTCHAs,
55
127000
3000
И тогава започнах да си мисля, добре, разбира се, не може просто да се отървем от CAPTCHA,
02:25
because the security of the Web sort of depends on them.
56
130000
2000
защото сигурността на уеба зависи до известна степен от тях.
02:27
But then I started thinking, is there any way we can use this effort
57
132000
3000
Но после започнах да си мисля, дали по някакъв начин можем да използваме това усилие
02:30
for something that is good for humanity?
58
135000
2000
за нещо, което е полезно за човечеството?
02:32
So see, here's the thing.
59
137000
2000
Виждате ли, това е идеята.
02:34
While you're typing a CAPTCHA, during those 10 seconds,
60
139000
2000
Докато се опитвате да напишете CAPTCHA, през тези 10 секунди,
02:36
your brain is doing something amazing.
61
141000
2000
мозъка ви прави нещо изумително.
02:38
Your brain is doing something that computers cannot yet do.
62
143000
2000
Вашият мозък прави нещо, което компютрите все още не могат да направят.
02:40
So can we get you to do useful work for those 10 seconds?
63
145000
3000
Така че можем ли да ви накараме да свършите нещо полезно за тези 10 секунди?
02:43
Another way of putting it is,
64
148000
2000
Или казано другояче,
02:45
is there some humongous problem that we cannot yet get computers to solve,
65
150000
2000
има ли някакъв огромен проблем, който все още не може да бъде разрешен от компютрите,
02:47
yet we can split into tiny 10-second chunks
66
152000
3000
но който можем да разделим на малки 10-секундни части,
02:50
such that each time somebody solves a CAPTCHA
67
155000
2000
такива, че всеки път, когато някой решава CAPTCHA,
02:52
they solve a little bit of this problem?
68
157000
2000
те решават малко и от този проблем?
02:54
And the answer to that is "yes," and this is what we're doing now.
69
159000
2000
И отговора на този въпрос е "да," и ние правим това сега.
02:56
So what you may not know is that nowadays while you're typing a CAPTCHA,
70
161000
3000
Така че това, което може да не знаете е, че днес, докато пишете CAPTCHA,
02:59
not only are you authenticating yourself as a human,
71
164000
2000
вие не само се удостоверявате като човек,
03:01
but in addition you're actually helping us to digitize books.
72
166000
2000
но в допълнение, вие всъщност ни помагате да дигитализираме книги.
03:03
So let me explain how this works.
73
168000
2000
Така че нека да обясня как работи това.
03:05
So there's a lot of projects out there trying to digitize books.
74
170000
2000
Има много проекти, които се опитват да дигитализират книги.
03:07
Google has one. The Internet Archive has one.
75
172000
3000
Google има един. Internet Archive има друг.
03:10
Amazon, now with the Kindle, is trying to digitize books.
76
175000
2000
Amazon, сега с Kindle, се опитва да дигитализира книги.
03:12
Basically the way this works
77
177000
2000
В основни линии, начина, по който работи това
03:14
is you start with an old book.
78
179000
2000
е да започнете с една стара книга.
03:16
You've seen those things, right? Like a book?
79
181000
2000
Вие сте виждали такива неща, нали? Книги?
03:18
(Laughter)
80
183000
2000
(Смях)
03:20
So you start with a book, and then you scan it.
81
185000
2000
Така че започвате с книга и после я сканирате.
03:22
Now scanning a book
82
187000
2000
Сканирането на книга
03:24
is like taking a digital photograph of every page of the book.
83
189000
2000
е като правенето на дигитална снимка на всяка страница на книгата.
03:26
It gives you an image for every page of the book.
84
191000
2000
Това произвежда изображение за всяка страница на книгата.
03:28
This is an image with text for every page of the book.
85
193000
2000
Това е изображение с текст за всяка страница на книгата.
03:30
The next step in the process
86
195000
2000
Следващата стъпка в процеса
03:32
is that the computer needs to be able to decipher all of the words in this image.
87
197000
3000
е, че компютърът трябва да може да дешифрира всички думи в това изображение.
03:35
That's using a technology called OCR,
88
200000
2000
Това става с помоща на технология наречена ОРС,
03:37
for optical character recognition,
89
202000
2000
оптично разпознаване на символи,
03:39
which takes a picture of text
90
204000
2000
което взема изображение с текст
03:41
and tries to figure out what text is in there.
91
206000
2000
и се опитва да разбере какъв е текста.
03:43
Now the problem is that OCR is not perfect.
92
208000
2000
Проблемът е, че ОРС не е съвършено.
03:45
Especially for older books
93
210000
2000
Особено при по-стари книги,
03:47
where the ink has faded and the pages have turned yellow,
94
212000
3000
където мастилото е избледняло и страниците са пожълтяли,
03:50
OCR cannot recognize a lot of the words.
95
215000
2000
ОРС не може да разпознае много от думите.
03:52
For example, for things that were written more than 50 years ago,
96
217000
2000
Например, за неща, които са написани преди повече от 50 години,
03:54
the computer cannot recognize about 30 percent of the words.
97
219000
3000
компютърът не може да разпознае около 30% от думите.
03:57
So what we're doing now
98
222000
2000
Така че това, което правим сега
03:59
is we're taking all of the words that the computer cannot recognize
99
224000
2000
е, че вземаме всички думи, които компютърът не може да разпознае
04:01
and we're getting people to read them for us
100
226000
2000
и караме хората да ни ги прочетат,
04:03
while they're typing a CAPTCHA on the Internet.
101
228000
2000
докато пишат CAPTCHA в Интернет.
04:05
So the next time you type a CAPTCHA, these words that you're typing
102
230000
3000
Така че следващия път, когато въвеждате CAPTCHA, тези думи, които въвеждате
04:08
are actually words that are coming from books that are being digitized
103
233000
3000
са всъщност думи, които идват от книги, които биват дигитализирани,
04:11
that the computer could not recognize.
104
236000
2000
които компютърът не може да разпознае.
04:13
And now the reason we have two words nowadays instead of one
105
238000
2000
И сега причината, поради която имаме две думи днес, вместо една,
04:15
is because, you see, one of the words
106
240000
2000
е понеже, виждате ли, една от думите
04:17
is a word that the system just got out of a book,
107
242000
2000
системата просто извлича от книгата,
04:19
it didn't know what it was, and it's going to present it to you.
108
244000
3000
не знае каква е, и ви я представя на вас.
04:22
But since it doesn't know the answer for it, it cannot grade it for you.
109
247000
3000
Но понеже не знае отговора, тя не може да го оцени за вас.
04:25
So what we do is we give you another word,
110
250000
2000
Така че това, което правим е, че ви даваме друга дума,
04:27
one for which the system does know the answer.
111
252000
2000
такава, за която системата знае отговора.
04:29
We don't tell you which one's which, and we say, please type both.
112
254000
2000
Ние не ви казваме коя дума каква е, а ви караме да въведете и двете.
04:31
And if you type the correct word
113
256000
2000
И ако въведете правилната дума,
04:33
for the one for which the system already knows the answer,
114
258000
2000
за тази, за която системата вече знае отговора,
04:35
it assumes you are human,
115
260000
2000
тя предполага, че сте човек,
04:37
and it also gets some confidence that you typed the other word correctly.
116
262000
2000
и също получава известна увереност, че сте въвели правилно другата дума.
04:39
And if we repeat this process to like 10 different people
117
264000
3000
И ако повторим този процес с още 10 различни хора,
04:42
and all of them agree on what the new word is,
118
267000
2000
и всички те са съгласни за това каква е новата дума,
04:44
then we get one more word digitized accurately.
119
269000
2000
тогава ние получаваме още една дума дигитализирана прецизно.
04:46
So this is how the system works.
120
271000
2000
Така че това е начина, по който работи системата.
04:48
And basically, since we released it about three or four years ago,
121
273000
3000
И в общи линии, откакто я пуснахме преди около три-четири години,
04:51
a lot of websites have started switching
122
276000
2000
много сайтове започнаха да се прехвърлят
04:53
from the old CAPTCHA where people wasted their time
123
278000
2000
от старата CAPTCHA, където хората си губеха времето
04:55
to the new CAPTCHA where people are helping to digitize books.
124
280000
2000
към новата CAPTCHA, където хората помагат за дигитализирането на книги.
04:57
So for example, Ticketmaster.
125
282000
2000
Така например, Ticketmaster.
04:59
So every time you buy tickets on Ticketmaster, you help to digitize a book.
126
284000
3000
Така че всеки път, когато си купите билети от Ticketmaster, вие помагате да се дигитализира книга.
05:02
Facebook: Every time you add a friend or poke somebody,
127
287000
2000
Facebook: Всеки път, когато добавяте приятел или сръчквате някого,
05:04
you help to digitize a book.
128
289000
2000
вие помагате да се дигитализира книга.
05:06
Twitter and about 350,000 other sites are all using reCAPTCHA.
129
291000
3000
Twitter и около 350 хиляди други сайтове използват reCAPTCHA.
05:09
And in fact, the number of sites that are using reCAPTCHA is so high
130
294000
2000
И всъщност, броят на сайтовете, които използват reCAPTCHA е толкова голям,
05:11
that the number of words that we're digitizing per day is really, really large.
131
296000
3000
че броят на думите, които дигитализираме на ден е много, много голям.
05:14
It's about 100 million a day,
132
299000
2000
Това са около 100 милиона на ден,
05:16
which is the equivalent of about two and a half million books a year.
133
301000
4000
което е еквивалента на около два и половина милиона книги годишно.
05:20
And this is all being done one word at a time
134
305000
2000
И всичко това се прави дума по дума,
05:22
by just people typing CAPTCHAs on the Internet.
135
307000
2000
просто като хората въвеждат CAPTCHA в Интернет.
05:24
(Applause)
136
309000
8000
(Ръкопляскания)
05:32
Now of course,
137
317000
2000
Сега, разбира се,
05:34
since we're doing so many words per day,
138
319000
2000
тъй като използваме толкова много думи на ден,
05:36
funny things can happen.
139
321000
2000
смешни неща могат да се случат.
05:38
And this is especially true because now we're giving people
140
323000
2000
И това е особено вярно, защото сега ние даваме на хората
05:40
two randomly chosen English words next to each other.
141
325000
2000
две произволно подбрани английски думи една до друга.
05:42
So funny things can happen.
142
327000
2000
Така че смешни неща могат да се случат.
05:44
For example, we presented this word.
143
329000
2000
Например, ние представихме тази дума.
05:46
It's the word "Christians"; there's nothing wrong with it.
144
331000
2000
Това е думата "християни"; няма нищо лошо в това.
05:48
But if you present it along with another randomly chosen word,
145
333000
3000
Но ако я представите заедно с друга случайно подбрана дума,
05:51
bad things can happen.
146
336000
2000
лоши неща могат да се получат.
05:53
So we get this. (Text: bad christians)
147
338000
2000
Така ние получихме това. (Текст: лоши християни)
05:55
But it's even worse, because the particular website where we showed this
148
340000
3000
Но това е още по-лошо, защото уебсайта, където показахме това
05:58
actually happened to be called The Embassy of the Kingdom of God.
149
343000
3000
всъщност се нарича "Посолството на кралството на Господ."
06:01
(Laughter)
150
346000
2000
(Смях)
06:03
Oops.
151
348000
2000
Опа.
06:05
(Laughter)
152
350000
3000
(Смях)
06:08
Here's another really bad one.
153
353000
2000
Ето още една наистина лоша.
06:10
JohnEdwards.com
154
355000
2000
JohnEdwards.com
06:12
(Text: Damn liberal)
155
357000
3000
(Текст: Проклет либерал)
06:15
(Laughter)
156
360000
2000
(Смях)
06:17
So we keep on insulting people left and right everyday.
157
362000
3000
Така че ние продължаваме да обиждаме хората наляво и надясно ежедневно.
06:20
Now, of course, we're not just insulting people.
158
365000
2000
Сега, разбира се, ние не просто обиждаме хората.
06:22
See here's the thing, since we're presenting two randomly chosen words,
159
367000
3000
Понеже представяме две произволно избрани думи,
06:25
interesting things can happen.
160
370000
2000
интересни неща могат да се случат.
06:27
So this actually has given rise
161
372000
2000
Така че това всъщност доведе
06:29
to a really big Internet meme
162
374000
3000
до наистина голяма Интернет мания,
06:32
that tens of thousands of people have participated in,
163
377000
2000
в която участват десетки хиляди хора,
06:34
which is called CAPTCHA art.
164
379000
2000
която се нарича CAPTCHA изкуство.
06:36
I'm sure some of you have heard about it.
165
381000
2000
Сигурен съм, че някои от вас са чували за него.
06:38
Here's how it works.
166
383000
2000
Ето как работи.
06:40
Imagine you're using the Internet and you see a CAPTCHA
167
385000
2000
Представете си, че използвате Интернет и виждате CAPTCHA,
06:42
that you think is somewhat peculiar,
168
387000
2000
която смятате, че е малко особена,
06:44
like this CAPTCHA. (Text: invisible toaster)
169
389000
2000
като тази CAPTCHA. (Текст: невидим тостер)
06:46
Then what you're supposed to do is you take a screen shot of it.
170
391000
2000
Тогава това, което трябва да направите е скрийншот с нея.
06:48
Then of course, you fill out the CAPTCHA
171
393000
2000
После, разбира се, вие попълвате CAPTCHA,
06:50
because you help us digitize a book.
172
395000
2000
защото ни помагате да дигитализираме книга.
06:52
But then, first you take a screen shot,
173
397000
2000
Но след това, първо правите скрийншот,
06:54
and then you draw something that is related to it.
174
399000
2000
а после рисувате нещо, което е свързано с нея.
06:56
(Laughter)
175
401000
2000
(Смях)
06:58
That's how it works.
176
403000
3000
Ето така работи това.
07:01
There are tens of thousands of these.
177
406000
3000
Има десетки хиляди от тези.
07:04
Some of them are very cute. (Text: clenched it)
178
409000
2000
Някои от тях са много сладки. (Текст: стиснах го)
07:06
(Laughter)
179
411000
2000
(Смях)
07:08
Some of them are funnier.
180
413000
2000
Някои от тях са по-забавни.
07:10
(Text: stoned founders)
181
415000
3000
(Текст: дрогирани основатели)
07:13
(Laughter)
182
418000
3000
(Смях)
07:16
And some of them,
183
421000
2000
И някои от тях,
07:18
like paleontological shvisle,
184
423000
3000
като палеонтологичен швизъл,
07:21
they contain Snoop Dogg.
185
426000
2000
те съдържат Снууп Дог.
07:23
(Laughter)
186
428000
3000
(Смях)
07:26
Okay, so this is my favorite number of reCAPTCHA.
187
431000
2000
Добре, това е любимото ми число свързано с reCAPTCHA.
07:28
So this is the favorite thing that I like about this whole project.
188
433000
3000
Това е най-любимото нещо, което ми харесва в целия този проект.
07:31
This is the number of distinct people
189
436000
2000
Това е броят на различните хора,
07:33
that have helped us digitize at least one word out of a book through reCAPTCHA:
190
438000
3000
които са ни помогнали да дигитализираме поне една дума от книга чрез reCAPTCHA:
07:36
750 million,
191
441000
2000
750 милиона,
07:38
which is a little over 10 percent of the world's population,
192
443000
2000
което е малко над 10% от населението на света,
07:40
has helped us digitize human knowledge.
193
445000
2000
са ни помогнали да дигитализираме човешкото познание.
07:42
And it is numbers like these that motivate my research agenda.
194
447000
3000
И числа като тези ме мотивират в моите изследвания.
07:45
So the question that motivates my research is the following:
195
450000
3000
Така че въпросът, който мотивира моите изследвания е следния:
07:48
If you look at humanity's large-scale achievements,
196
453000
2000
Ако се вгледате в мащабните постижения на човечеството,
07:50
these really big things
197
455000
2000
тези наистина големи неща,
07:52
that humanity has gotten together and done historically --
198
457000
3000
които човечеството е организирало заедно и направило исторически --
07:55
like for example, building the pyramids of Egypt
199
460000
2000
като например, изграждането на пирамидите в Египет,
07:57
or the Panama Canal
200
462000
2000
или Панамския канал,
07:59
or putting a man on the Moon --
201
464000
2000
или изпращането на човек на Луната --
08:01
there is a curious fact about them,
202
466000
2000
има любопитен факт свързан с всички тях,
08:03
and it is that they were all done with about the same number off people.
203
468000
2000
и той е, че всички те са направени с приблизително същия брой хора.
08:05
It's weird; they were all done with about 100,000 people.
204
470000
3000
Това е странно, всички те се направени с около 100 000 души.
08:08
And the reason for that is because, before the Internet,
205
473000
3000
И причината за това е понеже, преди Интернет,
08:11
coordinating more than 100,000 people,
206
476000
2000
координирането на повече от 100 000 души,
08:13
let alone paying them, was essentially impossible.
207
478000
3000
да не говорим за заплащането им, по същество бе невъзможно.
08:16
But now with the Internet, I've just shown you a project
208
481000
2000
Но сега с Интернет, току-що ви показах проект,
08:18
where we've gotten 750 million people
209
483000
2000
в който привлякохме 750 милиона души
08:20
to help us digitize human knowledge.
210
485000
2000
да ни помогнат да дигитализираме човешкото познание.
08:22
So the question that motivates my research is,
211
487000
2000
Така че въпроса, който мотивира моите изследвания е,
08:24
if we can put a man on the Moon with 100,000,
212
489000
3000
ако можахме да изпратим човек на Луната със 100 000,
08:27
what can we do with 100 million?
213
492000
2000
какво можем да направим със 100 милиона?
08:29
So based on this question,
214
494000
2000
И така, на базата на този въпрос,
08:31
we've had a lot of different projects that we've been working on.
215
496000
2000
имаме много различни проекти, над които работим.
08:33
Let me tell you about one that I'm most excited about.
216
498000
3000
Нека ви разкажа за един, за който съм най-развълнуван.
08:36
This is something that we've been semi-quietly working on
217
501000
2000
Това е нещо, над което работехме полу-тайно
08:38
for the last year and a half or so.
218
503000
2000
през последната година и половина.
08:40
It hasn't yet been launched. It's called Duolingo.
219
505000
2000
Все още не е стартирало. Нарича се Duolingo.
08:42
Since it hasn't been launched, shhhhh!
220
507000
2000
Понеже все още не е стартирало, шшшт!
08:44
(Laughter)
221
509000
2000
(Смях)
08:46
Yeah, I can trust you'll do that.
222
511000
2000
Да, мога да се доверя, че ще направите това.
08:48
So this is the project. Here's how it started.
223
513000
2000
Така че това е проекта. Ето как започна.
08:50
It started with me posing a question to my graduate student,
224
515000
2000
Той започна с въпрос, който зададох на мой дипломант,
08:52
Severin Hacker.
225
517000
2000
Северин Хакер.
08:54
Okay, that's Severin Hacker.
226
519000
2000
Добре, това е Северин Хакер.
08:56
So I posed the question to my graduate student.
227
521000
2000
И така, аз поставих въпрос на моя дипломант.
08:58
By the way, you did hear me correctly;
228
523000
2000
Между другото, чухте ме правилно;
09:00
his last name is Hacker.
229
525000
2000
последното му име е Хакер.
09:02
So I posed this question to him:
230
527000
2000
Така че му поставих този въпрос:
09:04
How can we get 100 million people
231
529000
2000
Как можем да накараме 100 милиона души
09:06
translating the Web into every major language for free?
232
531000
3000
да преведат уеба на всеки главен език безплатно?
09:09
Okay, so there's a lot of things to say about this question.
233
534000
2000
Добре, има много неща да се кажат по този въпрос.
09:11
First of all, translating the Web.
234
536000
2000
Първо, превеждането на уеба.
09:13
So right now the Web is partitioned into multiple languages.
235
538000
3000
В момента уеба е разделен на няколко езика.
09:16
A large fraction of it is in English.
236
541000
2000
Голяма част от него е на английски език.
09:18
If you don't know any English, you can't access it.
237
543000
2000
Ако не знаете английски, не можете да получите достъп до нея.
09:20
But there's large fractions in other different languages,
238
545000
2000
Но има големи части и на други различни езици,
09:22
and if you don't know those languages, you can't access it.
239
547000
3000
и ако не знаете тези езици, не може да получите достъп до тях.
09:25
So I would like to translate all of the Web, or at least most of the Web,
240
550000
3000
Така че бих искал да преведа целия уеб, или поне по-голяма част от него,
09:28
into every major language.
241
553000
2000
на всеки по-значим език.
09:30
So that's what I would like to do.
242
555000
2000
Така че това е, което бих искал да направя.
09:32
Now some of you may say, why can't we use computers to translate?
243
557000
3000
Някои от вас може да кажат: "Защо да не използваме компютри за превода?"
09:35
Why can't we use machine translation?
244
560000
2000
Защо не можем да използваме машинен превод?
09:37
Machine translation nowadays is starting to translate some sentences here and there.
245
562000
2000
Машинният превод в днешно време започва да превежда някои изречения тук и там.
09:39
Why can't we use it to translate the whole Web?
246
564000
2000
Защо не можем да го използваме, за да преведем целия уеб?
09:41
Well the problem with that is that it's not yet good enough
247
566000
2000
Ами проблема с това е, че все още не е достатъчно добър
09:43
and it probably won't be for the next 15 to 20 years.
248
568000
2000
и вероятно няма да бъде за следващите 15 до 20 години.
09:45
It makes a lot of mistakes.
249
570000
2000
Той извършва доста грешки.
09:47
Even when it doesn't make a mistake,
250
572000
2000
Дори и когато не прави грешка,
09:49
since it makes so many mistakes, you don't know whether to trust it or not.
251
574000
3000
понеже прави толкова много грешки, не знаем дали да му се доверим или не.
09:52
So let me show you an example
252
577000
2000
Нека ви покажа пример
09:54
of something that was translated with a machine.
253
579000
2000
за нещо, което е преведено с машина.
09:56
Actually it was a forum post.
254
581000
2000
Всъщност това е публикация във форум.
09:58
It was somebody who was trying to ask a question about JavaScript.
255
583000
3000
Това беше някой, който се опитваше да зададе въпрос за JavaScript.
10:01
It was translated from Japanese into English.
256
586000
3000
Той беше преведен от японски на английски език.
10:04
So I'll just let you read.
257
589000
2000
Ще ви оставя да го прочетете.
10:06
This person starts apologizing
258
591000
2000
Този човек започва да се извинява
10:08
for the fact that it's translated with a computer.
259
593000
2000
за факта, че това е преведено с компютър.
10:10
So the next sentence is is going to be the preamble to the question.
260
595000
3000
Така че следващото изречение е преамбюла към въпроса.
10:13
So he's just explaining something.
261
598000
2000
Така че той просто обяснява нещо.
10:15
Remember, it's a question about JavaScript.
262
600000
3000
Помнете, това е въпрос за JavaScript.
10:19
(Text: At often, the goat-time install a error is vomit.)
263
604000
4000
(Текст: Често, козата-време инсталирана грешка е бълвоч.)
10:23
(Laughter)
264
608000
4000
(Смях)
10:27
Then comes the first part of the question.
265
612000
3000
После идва първата част на въпроса.
10:30
(Text: How many times like the wind, a pole, and the dragon?)
266
615000
4000
(Текст: Колко пъти като вятъра, стълб и дракона?)
10:34
(Laughter)
267
619000
2000
(Смях)
10:36
Then comes my favorite part of the question.
268
621000
3000
После идва любимата ми част от въпроса.
10:39
(Text: This insult to father's stones?)
269
624000
3000
(Текст: Това е обида за топките на бащата?)
10:42
(Laughter)
270
627000
2000
(Смях)
10:44
And then comes the ending, which is my favorite part of the whole thing.
271
629000
3000
И после идва краят, който е любимата ми част от цялото това нещо.
10:47
(Text: Please apologize for your stupidity. There are a many thank you.)
272
632000
4000
(Текст: Моля извинете се за вашата глупост. Има много ви благодаря.)
10:51
(Laughter)
273
636000
2000
(Смях)
10:53
Okay, so computer translation, not yet good enough.
274
638000
2000
Добре, значи компютърния превод все още не достатъчно добър.
10:55
So back to the question.
275
640000
2000
Така че обратно на въпроса.
10:57
So we need people to translate the whole Web.
276
642000
3000
Ние се нуждаем от хора, за да преведем целия уеб.
11:00
So now the next question you may have is,
277
645000
2000
Сега следващият въпрос, който може да имате е:
11:02
well why can't we just pay people to do this?
278
647000
2000
"Ами, защо не можем просто да платим на хора да направят това?"
11:04
We could pay professional language translators to translate the whole Web.
279
649000
3000
Бихме могли да платим на професионални преводачи за да преведат целия уеб.
11:07
We could do that.
280
652000
2000
Бихме могли да направим това.
11:09
Unfortunately, it would be extremely expensive.
281
654000
2000
За съжаление, това би било изключително скъпо.
11:11
For example, translating a tiny, tiny fraction of the whole Web, Wikipedia,
282
656000
3000
Например, превеждането на една малка, незначима част от цялата мрежа, Wikipedia,
11:14
into one other language, Spanish.
283
659000
3000
на един друг език, испански.
11:17
Wikipedia exists in Spanish,
284
662000
2000
Wikipedia съществува на испански,
11:19
but it's very small compared to the size of English.
285
664000
2000
но е много малка в сравнение с големината на английски език.
11:21
It's about 20 percent of the size of English.
286
666000
2000
Тя е около 20% от големината на английски език.
11:23
If we wanted to translate the other 80 percent into Spanish,
287
668000
3000
Ако искахме да преведем останалите 80 процента на испански,
11:26
it would cost at least 50 million dollars --
288
671000
2000
това би струвало най-малко 50 милиона долара --
11:28
and this is at even the most exploited, outsourcing country out there.
289
673000
3000
и това е дори при най-експлоатираната, аутсорсвана страна, която съществува.
11:31
So it would be very expensive.
290
676000
2000
Така че това би било много скъпо.
11:33
So what we want to do is we want to get 100 million people
291
678000
2000
Така че това, което искаме да направим е, че искаме да привлечем 100 милиона души,
11:35
translating the Web into every major language
292
680000
2000
които да преведат уеба на всеки по-голям език,
11:37
for free.
293
682000
2000
безплатно.
11:39
Now if this is what you want to do,
294
684000
2000
Сега, ако това е, което искате да направите,
11:41
you pretty quickly realize you're going to run into two pretty big hurdles,
295
686000
2000
доста бързо ще осъзнаете, че ще се натъкнете на две доста сериозни пречки,
11:43
two big obstacles.
296
688000
2000
две големи препятствия.
11:45
The first one is a lack of bilinguals.
297
690000
3000
Първото е липсата на двуезични хора.
11:48
So I don't even know
298
693000
2000
Аз дори не знам
11:50
if there exists 100 million people out there using the Web
299
695000
3000
дали съществуват 100 милиона души, използващи уеба --
11:53
who are bilingual enough to help us translate.
300
698000
2000
които знаят два езика достатъчно добре, за да ни помогнат с превода.
11:55
That's a big problem.
301
700000
2000
Това е голям проблем.
11:57
The other problem you're going to run into is a lack of motivation.
302
702000
2000
Другият проблем, с който ще се сблъскате, е липсата на мотивация.
11:59
How are we going to motivate people
303
704000
2000
Как да мотивираме хората
12:01
to actually translate the Web for free?
304
706000
2000
да преведат уеба безплатно?
12:03
Normally, you have to pay people to do this.
305
708000
3000
Нормално, трябва да се плати на хората да направят това.
12:06
So how are we going to motivate them to do it for free?
306
711000
2000
Така че, как да ги мотивираме да го направят безплатно?
12:08
Now when we were starting to think about this, we were blocked by these two things.
307
713000
3000
Когато започнахме да мислим над това, ние бяхме блокирани от тези две неща.
12:11
But then we realized, there's actually a way
308
716000
2000
Но после осъзнахме, че всъщност има начин
12:13
to solve both these problems with the same solution.
309
718000
2000
за справянето с тези проблеми, с едно и също решение.
12:15
There's a way to kill two birds with one stone.
310
720000
2000
Има начин да убием две птици с един камък.
12:17
And that is to transform language translation
311
722000
3000
И това е да трансформираме превеждането на езика
12:20
into something that millions of people want to do,
312
725000
3000
в нещо, което милиони хора искат да правят,
12:23
and that also helps with the problem of lack of bilinguals,
313
728000
3000
и което също помага с проблема за липсата на двуезични хора,
12:26
and that is language education.
314
731000
3000
и това е езиковото образование.
12:29
So it turns out that today,
315
734000
2000
Оказва се, че днес
12:31
there are over 1.2 billion people learning a foreign language.
316
736000
3000
има над 1,2 милиарда хора, изучаващи чужд език.
12:34
People really, really want to learn a foreign language.
317
739000
2000
Хората наистина, ама наистина искат да научат чужд език.
12:36
And it's not just because they're being forced to do so in school.
318
741000
3000
И това не е само защото те са принудени да правят това в училище.
12:39
For example, in the United States alone,
319
744000
2000
Например, само в Съединените щати,
12:41
there are over five million people who have paid over $500
320
746000
2000
има над пет милиона души, които са платили над 500 долара
12:43
for software to learn a new language.
321
748000
2000
за софтуер за учене на нов език.
12:45
So people really, really want to learn a new language.
322
750000
2000
Така че хората наистина, ама наистина искат да научат нов език.
12:47
So what we've been working on for the last year and a half is a new website --
323
752000
3000
Така че това, над което работихме през последната година и половина е един нов уебсайт --
12:50
it's called Duolingo --
324
755000
2000
нарича се Duolingo --
12:52
where the basic idea is people learn a new language for free
325
757000
3000
където основната идея е хората да научат нов език безплатно,
12:55
while simultaneously translating the Web.
326
760000
2000
като междувременно превеждат уеба.
12:57
And so basically they're learning by doing.
327
762000
2000
Така че те се учат чрез вършене на нещо.
12:59
So the way this works
328
764000
2000
Така че начина, по който това работи
13:01
is whenever you're a just a beginner, we give you very, very simple sentences.
329
766000
3000
е, когато сте начинаещ, ние ви даваме много, много прости изречения.
13:04
There's, of course, a lot of very simple sentences on the Web.
330
769000
2000
Има, разбира се, много доста прости изречения в Интернета.
13:06
We give you very, very simple sentences
331
771000
2000
Даваме ви много, много прости изречения,
13:08
along with what each word means.
332
773000
2000
заедно със значението на всяка дума.
13:10
And as you translate them, and as you see how other people translate them,
333
775000
3000
И като ги превеждате, и като видите как други хора са ги превели,
13:13
you start learning the language.
334
778000
2000
започвате изучаването на езика.
13:15
And as you get more and more advanced,
335
780000
2000
И като ставате все по- и по-напреднали,
13:17
we give you more and more complex sentences to translate.
336
782000
2000
ние ви даваме все повече и по-сложни изречения за превеждане.
13:19
But at all times, you're learning by doing.
337
784000
2000
Но през цялото време, вие се учите чрез вършене.
13:21
Now the crazy thing about this method
338
786000
2000
Лудото нещо при този метод
13:23
is that it actually really works.
339
788000
2000
е, че всъщност наистина работи.
13:25
First of all, people are really, really learning a language.
340
790000
2000
На първо място, хората наистина, ама наистина научават езика.
13:27
We're mostly done building it, and now we're testing it.
341
792000
2000
Ние почти сме приключили с изграждането и сега го тестваме.
13:29
People really can learn a language with it.
342
794000
2000
Хората наистина могат да научат език с него.
13:31
And they learn it about as well as the leading language learning software.
343
796000
3000
И те го научават почти толкова добре, колкото при водещия софтуер за изучаване на чужди езици.
13:34
So people really do learn a language.
344
799000
2000
Така че хората наистина научават език.
13:36
And not only do they learn it as well,
345
801000
2000
И не само го научават толкова добре,
13:38
but actually it's way more interesting.
346
803000
2000
но всъщност това е доста по-интересно.
13:40
Because you see with Duolingo, people are actually learning with real content.
347
805000
3000
Защото, виждате ли, с Duolingo, хората всъщност учат с реален материал.
13:43
As opposed to learning with made-up sentences,
348
808000
2000
За разлика от обучението с измислени изречения,
13:45
people are learning with real content, which is inherently interesting.
349
810000
3000
хората се учат с реален материал, което е неизменно интересно.
13:48
So people really do learn a language.
350
813000
2000
Така че хората наистина се научават език.
13:50
But perhaps more surprisingly,
351
815000
2000
Но може би още по-изненадващо е,
13:52
the translations that we get from people using the site,
352
817000
3000
че преводите, които получаваме от хората, които използват сайта,
13:55
even though they're just beginners,
353
820000
2000
въпреки че те са просто начинаещи,
13:57
the translations that we get are as accurate as those of professional language translators,
354
822000
3000
преводите, които получаваме, са почти толкова точни, колкото тези от професионални преводачи,
14:00
which is very surprising.
355
825000
2000
което е доста изненадващо.
14:02
So let me show you one example.
356
827000
2000
Нека ви покажа един пример.
14:04
This is a sentence that was translated from German into English.
357
829000
2000
Това е изречение, което e преведено от немски на английски език.
14:06
The top is the German.
358
831000
2000
Отгоре е немския.
14:08
The middle is an English translation
359
833000
2000
По средата е превод на английски език,
14:10
that was done by somebody who was a professional English translator
360
835000
2000
който беше направен от някой, който е професионален преводач на английски,
14:12
who we paid 20 cents a word for this translation.
361
837000
2000
на когото платихме 20 цента на дума за този превод.
14:14
And the bottom is a translation by users of Duolingo,
362
839000
3000
А в дъното е превода от потребителите на Duolingo,
14:17
none of whom knew any German
363
842000
2000
нито един от тях не знаеше немски,
14:19
before they started using the site.
364
844000
2000
преди да започнат да ползват сайта.
14:21
You can see, it's pretty much perfect.
365
846000
2000
Можете да видите, че е почти перфектен.
14:23
Now of course, we play a trick here
366
848000
2000
Сега, разбира се, ние използваме трик тук,
14:25
to make the translations as good as professional language translators.
367
850000
2000
за да направим преводите толкова добри, колкото при професионалните преводачи.
14:27
We combine the translations of multiple beginners
368
852000
3000
Ние съчетаваме преводите на множество начинаещи,
14:30
to get the quality of a single professional translator.
369
855000
3000
за да получим качеството на един професионален преводач.
14:33
Now even though we're combining the translations,
370
858000
5000
Но въпреки че комбинираме преводите,
14:38
the site actually can translate pretty fast.
371
863000
2000
сайта всъщност може да превежда доста бързо.
14:40
So let me show you,
372
865000
2000
Така че, нека да ви покажа,
14:42
this is our estimates of how fast we could translate Wikipedia
373
867000
2000
това е преценката ни за това колко бързо може да преведем Wikipedia
14:44
from English into Spanish.
374
869000
2000
от английски на испански.
14:46
Remember, this is 50 million dollars-worth of value.
375
871000
3000
Не забравяйте, че това струва 50 милиона долара.
14:49
So if we wanted to translate Wikipedia into Spanish,
376
874000
2000
Така че, ако искахме да преведем Wikipedia на испански език,
14:51
we could do it in five weeks with 100,000 active users.
377
876000
3000
можем да го направим за пет седмици със 100 000 активни потребители.
14:54
And we could do it in about 80 hours with a million active users.
378
879000
3000
И можем да го направим за около 80 часа с един милион активни потребители.
14:57
Since all the projects that my group has worked on so far have gotten millions of users,
379
882000
3000
Тъй като всички проекти, над които моята група е работила досега, имат милиони потребители,
15:00
we're hopeful that we'll be able to translate
380
885000
2000
ние се надява, че ще можем да превеждаме
15:02
extremely fast with this project.
381
887000
2000
изключително бързо с този проект.
15:04
Now the thing that I'm most excited about with Duolingo
382
889000
3000
Нещото, за което най-много се вълнувам при Duolingo
15:07
is I think this provides a fair business model for language education.
383
892000
3000
е, мисля, че това осигурява справедлив бизнес модел за езиково обучение.
15:10
So here's the thing:
384
895000
2000
Ето защо е така:
15:12
The current business model for language education
385
897000
2000
Настоящият бизнес модел за езиково обучение
15:14
is the student pays,
386
899000
2000
е, че студентът плаща,
15:16
and in particular, the student pays Rosetta Stone 500 dollars.
387
901000
2000
и по-специално, студентът плаща на Rosetta Stone 500 долара.
15:18
(Laughter)
388
903000
2000
(Смях)
15:20
That's the current business model.
389
905000
2000
Това е настоящият бизнес модел.
15:22
The problem with this business model
390
907000
2000
Проблемът с този бизнес модел
15:24
is that 95 percent of the world's population doesn't have 500 dollars.
391
909000
3000
е, че 95% от населението на света няма 500 долара.
15:27
So it's extremely unfair towards the poor.
392
912000
3000
Така че това е изключително несправедливо към бедните.
15:30
This is totally biased towards the rich.
393
915000
2000
Това е напълно предразположено към богатите.
15:32
Now see, in Duolingo,
394
917000
2000
Но сега виждате ли, при Duolingo,
15:34
because while you learn
395
919000
2000
понеже докато се учите,
15:36
you're actually creating value, you're translating stuff --
396
921000
3000
вие всъщност създавате нещо стойностно, вие превеждате неща --
15:39
which for example, we could charge somebody for translations.
397
924000
3000
за което например, бихме могли да поискаме пари за преводи.
15:42
So this is how we could monetize this.
398
927000
2000
Така че ето как бихме могли да печелим от това.
15:44
Since people are creating value while they're learning,
399
929000
2000
Понеже хората създават нещо стойностно, докато се учат,
15:46
they don't have to pay their money, they pay with their time.
400
931000
3000
те не трябва да плащат пари, те плащат с времето си.
15:49
But the magical thing here is that they're paying with their time,
401
934000
3000
Но магическото нещо тук е, че те плащат с времето си,
15:52
but that is time that would have had to have been spent anyways
402
937000
2000
но това е време, което е трябвало да пропилеят, така или иначе,
15:54
learning the language.
403
939000
2000
за изучаване на езика.
15:56
So the nice thing about Duolingo is I think it provides a fair business model --
404
941000
3000
Така че хубавото нещо на Duolingo е, мисля, че той осигурява справедлив бизнес модел,
15:59
one that doesn't discriminate against poor people.
405
944000
2000
който не дискриминира бедните хора.
16:01
So here's the site. Thank you.
406
946000
2000
Ето го сайта. Благодаря ви.
16:03
(Applause)
407
948000
8000
(Ръкопляскания)
16:11
So here's the site.
408
956000
2000
Ето го сайта.
16:13
We haven't yet launched,
409
958000
2000
Все още не сме започнали официално,
16:15
but if you go there, you can sign up to be part of our private beta,
410
960000
3000
но ако отидете там, може да се регистрирате да станете част от бета тестовете,
16:18
which is probably going to start in about three or four weeks.
411
963000
2000
които най-вероятно ще започнат след около три или четири седмици.
16:20
We haven't yet launched this Duolingo.
412
965000
2000
Все още не сме стартирали Duolingo.
16:22
By the way, I'm the one talking here,
413
967000
2000
Между другото, аз съм този, който говори тук,
16:24
but actually Duolingo is the work of a really awesome team, some of whom are here.
414
969000
3000
но всъщност Duolingo е работа на един наистина страхотен екип, някои от които са тук.
16:27
So thank you.
415
972000
2000
Така че благодаря.
16:29
(Applause)
416
974000
4000
(Ръкопляскания)
ABOUT THE SPEAKER
Luis von Ahn - Computer scientistLuis 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.
Luis von Ahn | Speaker | TED.com