TED2011
Aaron Koblin: Visualizing ourselves ... with crowd-sourced data
Aaron Koblin: Unsere Menschlichkeit kunstvoll illustrieren
Filmed:
Readability: 4.2
1,731,467 views
Der Künstler Aaron Koblin sammelt riesige Mengen von Daten – und bisweilen auch eine riesige Anzahl von Menschen – und verwebt diese zu atemberaubenden Visualisierungen. Ganz gleich ob elegante Linien, die Flugreisen nachzeichnen oder Landschaften von Handydaten, ein Johnny Cash Video, welches sich aus Zeichnungen über crowd-sourcing zusammensetzt, oder das "Wilderness Downtown" Video, das sich jedem User individuell anpasst, das Werk von Aaron Koblin erkundet auf brillanter Weise wie moderne Technologie uns noch menschlicher machen kann.
Aaron Koblin - Data artist
Aaron Koblin is an artist specializing in data and digital technologies. His work takes real world and community-generated data and uses it to reflect on cultural trends and the changing relationship between humans and technology. Full bio
Aaron Koblin is an artist specializing in data and digital technologies. His work takes real world and community-generated data and uses it to reflect on cultural trends and the changing relationship between humans and technology. Full bio
Double-click the English transcript below to play the video.
00:15
So I think data can actually make us more human.
0
0
4000
Ich denke Daten können uns tatsächlich noch menschlicher machen.
00:19
We're collecting and creating all kinds of data about how we're living our lives,
1
4000
3000
Wir sammeln und produzieren alle möglichen Arten von Daten, die uns unsere Lebensweise aufzeigen,
00:22
and it's enabling us to tell some amazing stories.
2
7000
2000
und sie erlauben uns, verblüffende Geschichten zu erzählen.
00:24
Recently, a wise media theorist Tweeted,
3
9000
3000
Vor kurzem hat ein weiser Medientheoretiker Folgendes getwittert:
00:27
"The 19th century culture was defined by the novel,
4
12000
2000
Im 19. Jahrhundert wurde die Kultur durch den Roman definiert,
00:29
the 20th century culture was defined by the cinema,
5
14000
2000
Im 20. Jahrhundert durch das Kino,
00:31
and the culture of the 21st century
6
16000
2000
und die Kultur des 21. Jahrunderts
00:33
will be defined by the interface."
7
18000
2000
wird durch das Interface definiert werden.
00:35
And I believe this is going to prove true.
8
20000
2000
Und ich denke, es wird sich bewahrheiten.
00:37
Our lives are being driven by data,
9
22000
2000
Unser Leben wird durch Daten bestimmt,
00:39
and the presentation of that data is an opportunity
10
24000
2000
und die Präsentation dieser Daten ist für uns eine Chance
00:41
for us to make some amazing interfaces that tell great stories.
11
26000
2000
fantastische Interfaces zu erschaffen, die großartige Geschichten erzählen können.
00:43
So I'm going to show you a few of the projects
12
28000
2000
Ich werde euch einige Projekte zeigen,
00:45
that I've been working on over the last couple years
13
30000
2000
an denen ich über die letzten Jahre gearbeitet habe,
00:47
that reflect on our lives and our systems.
14
32000
2000
die ein Licht auf unser Leben und unsere Systeme werfen.
00:49
This is a project called Flight Patterns.
15
34000
2000
Das ist ein Projekt mit dem Namen Flight Patterns.
00:51
What you're looking at is airplane traffic
16
36000
2000
Was ihr seht, sind die Flugbewegungen
00:53
over North America for a 24-hour period.
17
38000
3000
über Nordamerika über einen Zeitraum von 24-Stunden.
00:56
As you see, everything starts to fade to black,
18
41000
2000
Wie ihr seht, verdunkelt sich alles
00:58
and you see people going to sleep.
19
43000
2000
und ihr könnt sehen wie die Menschen zu Bett gehen.
01:00
Followed by that, you see on the West coast
20
45000
2000
Darauf folgend seht ihr, wie an der Westküste
01:02
planes moving across, the red-eye flights to the East coast.
21
47000
3000
einige Flüge das Land überqueren, die Red-eye Flüge zur Ostküste.
01:05
And you'll see everybody waking up on the East coast,
22
50000
3000
Und dann seht ihr wie die Menschen an der Ostküste aufwachen,
01:08
followed by European flights coming in the upper right-hand corner.
23
53000
3000
gefolgt von europäischen Flügen, die oben rechts reinkommen.
01:11
Everybody's moving from the East coast to the West coast.
24
56000
3000
Alle bewegen sich von der Ostküste zu Westküste.
01:14
You see San Francisco and Los Angeles
25
59000
2000
Ihr seht San Francisco und Los Angeles
01:16
start to make their journeys down to Hawaii in the lower left-hand corner.
26
61000
3000
wie sie sich auf dem Weg nach Hawaii begeben, in der unteren linken Ecke.
01:19
I think it's one thing to say there's 140,000 planes
27
64000
2000
Ich denke, es ist eine Sache zu sagen dass es 140,000 Flugzeuge gibt,
01:21
being monitored by the federal government at any one time,
28
66000
3000
die durch die Bundesregierung jederzeit beobachtet werden,
01:24
and it's another thing to see that system as it ebbs and flows.
29
69000
3000
und eine andere, die Ströme des System zu sehen.
01:29
This is a time-lapse image of that exact same data,
30
74000
2000
Das ist ein Zeitraffer-Bild der exakt gleichen Daten,
01:31
but I've color-coded it by type,
31
76000
2000
jedoch habe ich es nach Typen eingefärbt,
01:33
so you can see the diversity of aircraft that are in the skies above us.
32
78000
3000
so könnt ihr die Vielfalt der Flugzeuge sehen, die sich am Himmel über uns bewegen.
01:36
And I started making these, and I put them into Google Maps
33
81000
3000
Und ich fing an, diese zu erstellen und sie in Google Maps zu setzen
01:39
and allow you to zoom in and see individual airports
34
84000
2000
und es erlaubt euch rein zu zoomen und die einzelnen Flughäfen zu sehen,
01:41
and the patterns that are occurring there.
35
86000
2000
und die Muster, die hier entstehen.
01:43
So here we can see the white represents low altitudes,
36
88000
3000
Hier sehen wir die weißen, die für die tiefen Flughöhen stehen
01:46
and the blue are higher altitudes.
37
91000
2000
und die blauen zeigen die hohen Flughöhen.
01:48
And you can zoom in. This is taking a look at Atlanta.
38
93000
2000
Und man kann rein zoomen. Das hier zeigt Atlanta.
01:50
You can see this is a major shipping airport,
39
95000
2000
Man sieht dass es ein wichtiger Frachtflughafen ist,
01:52
and there's all kinds of activity there.
40
97000
2000
und dass sich dort alle möglichen Aktivitäten abspielen.
01:54
You can also toggle between altitude
41
99000
3000
Man kan zwischen den Höhen flippen
01:57
for model and manufacturer.
42
102000
2000
und verschiedene Modelle und Fabrikanten anzeigen lassen.
01:59
See again, the diversity.
43
104000
2000
Hier wieder, die Vielfalt.
02:01
And you can scroll around and see
44
106000
2000
Und man kann herum scrollen und
02:03
some of the different airports and the different patterns that they have.
45
108000
3000
einige der verschiedenen Flughäfen und unterschiedlichen Muster sehen, die es gibt.
02:06
This is scrolling up the East coast.
46
111000
2000
Hier scrollen wir die Ostküste hoch.
02:08
You can see some of the chaos that's happening in New York
47
113000
2000
Ihr könnt das Chaos von New York sehen,
02:10
with the air traffic controllers
48
115000
2000
mit der Luftverkehrskontrolle,
02:12
having to deal with all those major airports next to each other.
49
117000
4000
die mit all den grossen Flughäfen nebeneinander klar kommen muss.
02:17
So zooming back out real quick,
50
122000
2000
Jetzt zoomen wir schnell raus
02:19
we see, again, the U.S. -- you get Florida down in the right-hand corner.
51
124000
3000
und sehen wieder die USA – da ist Florida unten in der rechten Ecke.
02:22
Moving across to the West coast,
52
127000
2000
Bewegen wir uns über die Westküste,
02:24
you see San Francisco and Los Angeles --
53
129000
2000
sieht man San Francisco und Los Angeles–
02:26
big low-traffic zones
54
131000
2000
grosse verkehrsfreie Zonen
02:28
across Nevada and Arizona.
55
133000
2000
über Nevada und Arizona.
02:30
And that's us down there in L.A. and Long Beach on the bottom.
56
135000
4000
Und das sind wir hier in L.A. und Long Beach am unteren Rand.
02:36
I started taking a look as well at different perimeters,
57
141000
2000
Ich habe auch einen Blick auf die verschiedenen Perimeter geworfen,
02:38
because you can choose what you want to pull out from the data.
58
143000
2000
da man auswählen kann was man aus der Datenmenge hervorheben möchte.
02:40
This is looking at ascending versus descending flights.
59
145000
3000
Das hier zeigt die Abflüge im Vergleich zu den Anflügen.
02:43
And you can see, over time, the ways the airports change.
60
148000
2000
Und man kann sehen, wie sich die Flughäfen über die Zeit verändern.
02:45
You see the holding patterns that start to develop
61
150000
2000
Man sieht die Warteschleifen,
02:47
in the bottom of the screen.
62
152000
2000
die unten auf dem Bildschirm entstehen
02:49
And you can see, eventually the airport actually flips directions.
63
154000
3000
Und man sieht wie der Flughafen schliesslich die Richtung wechselt.
02:53
So this is another project that I worked on with the Sensible Cities Lab at MIT.
64
158000
3000
Das hier ist ein anderes Projekt, das ich zusammen mit dem Sensible Cities Lab am MIT gemacht habe.
02:56
This is visualizing international communications.
65
161000
2000
Es zeigt internationale Verbindungen.
02:58
So it's how New York communicates
66
163000
2000
Das ist wie New York
03:00
with other international cities.
67
165000
2000
mit anderen internationalen Städten kommuniziert.
03:02
And we set this up as a live globe in the Museum of Modern Art in New York
68
167000
3000
Und wir stellten das auf, als einen live Globus im Museum of Modern Art in New York
03:05
for the Design the Elastic Mind exhibition.
69
170000
2000
für die Design the Elastic Mind Ausstellung.
03:07
And it had a live feed with a 24-hour offset,
70
172000
2000
Es hatte einen live Einspeisung mit einem 24-Stunden Abstand
03:09
so you could see the changing relationship
71
174000
2000
sodass man die sich verändernde Beziehungen sehen kann,
03:11
and some demographic info
72
176000
2000
und einige demographische Informationen
03:13
coming through AT&T's data and revealing itself.
73
178000
3000
die sich durch AT&Ts Daten offenbaren.
03:16
This is another project I worked on with Sensible Cities Lab
74
181000
2000
Das ist ein anderes Projekt, das ich zusammen mit dem Sensible Cities Lab
03:18
and CurrentCity.org.
75
183000
2000
und CurrentCity.org gemacht habe.
03:20
And it's visualizing SMS messages being sent in the city of Amsterdam.
76
185000
3000
Und es zeigt SMSs, die in der Stadt Amsterdam geschickt wurden.
03:23
So you're seeing the daily ebb and flow
77
188000
2000
Man sieht den täglichen Rhythmus
03:25
of people sending SMS messages from different parts of the city,
78
190000
2000
der Menschen, die aus den unterschiedlichen Teilen der Stadt SMSs verschicken,
03:27
until we approach New Year's Eve, where everybody says, "Happy New Year!"
79
192000
3000
bis wir uns Silvester nähern und alle "Frohes neues Jahr!" sagen.
03:30
(Laughter)
80
195000
2000
(lacht)
03:32
So this is an interactive tool
81
197000
2000
Also das ist ein interaktives Werkzeug
03:34
that you can move around and see different parts of the city.
82
199000
3000
das man durch die verschiedenen Teilen der Stadt bewegen kann.
03:37
This is looking at another event. This is called Queen's Day.
83
202000
3000
Das hier zeigt ein anderes Ereignis. Es heisst Königinnentag.
03:40
So again, you get this daily ebb and flow
84
205000
2000
Und wieder sieht man den Rhythmus
03:42
of people sending SMS messages from different parts of the city.
85
207000
3000
der Menschen die SMSs aus den verschiedenen Teilen der Stadt verschicken.
03:45
And then you're going to see people start to gather in the center of the city
86
210000
2000
Und dann sieht man Menschen, die sich im Stadtzentrum ansammeln
03:47
to celebrate the night before,
87
212000
2000
um die letzte Nacht zu feiern,
03:49
which happens right here.
88
214000
2000
was genau hier passiert.
03:51
And then you can see people celebrating the next day.
89
216000
2000
Und dann sieht man Menschen, die am nächsten Tag feiern.
03:53
And you can pause it and step back and forth and see different phases.
90
218000
3000
Und man kann es anhalten und vor und zurück gehen um die unterschiedlichen Phasen zu sehen.
03:56
So now on to something completely different.
91
221000
2000
So jetzt zu etwas ganz anderem.
03:58
Some of you may recognize this.
92
223000
2000
Manche von euch werden das erkennen.
04:00
This is Baron Wolfgang von Kempelen's mechanical chess playing machine.
93
225000
3000
Das ist Baron Wolfgang von Kempelens mechanisches Schachtürke.
04:03
And it's this amazing robot that plays chess extremely well,
94
228000
2000
Und dieser erstaunliche Roboter spiel Schach extrem gut,
04:05
except for one thing: it's not a robot at all.
95
230000
3000
abgesehen von einer Sache: es ist überhaupt kein Roboter.
04:08
There's actually a legless man that sits in that box
96
233000
2000
Es ist ein beinloser Mann, der in der box sitzt
04:10
and controls this chess player.
97
235000
2000
und diesen Schachspieler kontrolliert.
04:12
This was the inspiration for a web service by Amazon
98
237000
2000
Das war die Inspiration für einen Webdienst von Amazon,
04:14
called the Mechanical Turk -- named after this guy.
99
239000
3000
der Mechanical Turk – nach diesem Typen benannt.
04:17
And it's based on the premise that there are certain things
100
242000
2000
Es basiert auf der Prämisse dass es Dinge gibt,
04:19
that are easy for people, but really difficult for computers.
101
244000
2000
die einfach für Menschen, aber wirklich schwierig für Computer sind.
04:21
So they made this web service and said,
102
246000
2000
Also haben sie diesen Webdienstleistung gemacht und gesagt:
04:23
"Any programmer can write a piece of software
103
248000
2000
"Jeder Programmierer kann eine Software schreiben
04:25
and tap into the minds of thousands of people."
104
250000
2000
und auf den Geist von tausenden von Menschen zugreifen."
04:27
The nerdy side of me thought, "Wow, this is amazing.
105
252000
2000
Die nerdige Seite von mir dachte: "Wow, das ist Wahnsinn.
04:29
I can tap into thousands of people's minds."
106
254000
2000
Ich kann auf den Geist von tausenden von Menschen zugreifen."
04:31
And the other nerdy side of me thought,
107
256000
2000
Und die andere Seite von mir dachte:
04:33
"This is horrible. This is completely bizarre.
108
258000
3000
"Das ist ja schrecklich. Das ist absolut grotesk.
04:36
What does this mean for the future of mankind,
109
261000
2000
Was bedeutet das für die Zukunft der Menschheit,
04:38
where we're all plugged into this borg?"
110
263000
2000
in der wir alle in diesem Cyborg eingestöpselt sind?"
04:40
I was probably being a little extreme.
111
265000
2000
I habe vielleicht ein bisschen übertrieben.
04:42
But what does this mean when we have no context for what it is that we're working on,
112
267000
2000
Aber was bedeutet das, wenn wir keinen Kontext zu dem haben, woran wir arbeiten,
04:44
and we're just doing these little labors?
113
269000
2000
und wir nur noch diese kleinen Aufgaben erledigen?
04:46
So I created this drawing tool.
114
271000
2000
Also habe ich dieses Zeicheninstrument kreiert.
04:48
I asked people to draw a sheep facing to the left.
115
273000
2000
Und ich habe Menschen gebeten ein Schaf zu zeichnen, das nach links zeigt.
04:50
And I said, "I'll pay you two cents for your contribution."
116
275000
2000
Und ich sagte: "Ich zahle euch 2 Cents für euren Beitrag."
04:52
And I started collecting sheep.
117
277000
3000
Und ich fing an, Schafe zu sammeln.
04:55
And I collected a lot, a lot of different sheep.
118
280000
3000
Und ich sammelte viele, viele verschiedene Schafe.
04:59
Lots of sheep.
119
284000
2000
Viele Schafe.
05:01
I took the first 10,000 sheep that I collected,
120
286000
2000
Ich nahm die ersten 10,000 Schafe, die ich sammelte
05:03
and I put them on a website called TheSheepMarket.com
121
288000
3000
und stellte sie auf eine Website mit dem Namen TheSheepMarket.com,
05:06
where you can actually buy collections of 20 sheep.
122
291000
3000
wo man einen Bestand von 20 Schafe kaufen kann.
05:09
You can't pick individual sheep,
123
294000
2000
Man kann keine einzelnen Schafe auswählen,
05:11
but you can buy a single plate block of stamps as a commodity.
124
296000
4000
Aber man kann einen ganzen Klotz als Massenware kaufen.
05:15
And juxtaposed against this grid,
125
300000
2000
Und entgegen diesem Gitter,
05:17
you see actually, by rolling over each individual one,
126
302000
2000
kann man an und für sich, indem man über jeden einzelnen rollt,
05:19
the humanity behind this hugely mechanical process.
127
304000
3000
die Menschlichkeit hinter diesem riesigen mechanischen Prozess sehen.
05:22
I think there's something really interesting
128
307000
2000
Ich denke es ist etwas wirklich interessantes,
05:24
to watching people as they go through this creative toil --
129
309000
3000
zuzusehen wie Menschen kreativ schuften –
05:27
something we can all relate to,
130
312000
2000
etwas das wir alle kennen,
05:29
this creative process of trying to come up with something from nothing.
131
314000
3000
diesen kreativen Prozess, aus dem Nichts etwas zu erschaffen.
05:32
I think it was really interesting to juxtapose this humanity
132
317000
2000
Ich denke es war wirklich interessant diese Menschheit
05:34
versus this massive distributed grid.
133
319000
2000
gegenüber diesem massiven dezentralisierten Gitter zu setzen.
05:36
Kind of amazing what some people did.
134
321000
3000
Es ist ziemlich erstaunlich, was manche gemacht haben.
05:39
So here's a few statistics from the project.
135
324000
2000
Hier sind einpaar Statistiken des Projektes.
05:41
Approximate collection rate of 11 sheep per hour,
136
326000
2000
Eine Sammlungsgeschwindigkeit von etwa 11 Schafe pro Stunde,
05:43
which would make a working wage of 69 cents per hour.
137
328000
3000
was einen Stundenlohn von 68 cents entspricht.
05:46
There were 662 rejected sheep
138
331000
2000
Es wurden 662 Schafe zurückgewiesen,
05:48
that didn't meet "sheep-like" criteria and were thrown out of the flock.
139
333000
3000
da sie die schafähnlichen Kriterien nicht erfüllten und aus der Herde geworfen worden sind.
05:51
(Laughter)
140
336000
2000
(lacht)
05:53
The amount of time spent drawing ranged from four seconds to 46 minutes.
141
338000
3000
Der Zeitaufwand der Zeichnungen bewegt sich zwischen 4 Sekunden und 46 Minuten.
05:56
That gives you an idea of the different types of motivations and dedication.
142
341000
3000
Das verschafft einen Eindruck über die verschiedenen Grade der Motivation und Hingabe.
05:59
And there were 7,599 people that contributed to the project,
143
344000
3000
Und es haben 7,599 Menschen zu dem Projekt beigetragen,
06:02
or were unique IP addresses --
144
347000
2000
oder waren einzelne IP Adressen –
06:04
so about how many people contributed.
145
349000
2000
soviel dazu wie viele Menschen dazu beigetragen haben.
06:06
But only one of them out of the 7,599 said this.
146
351000
4000
Aber nur einer der 7,599 Menschen sagte dies:
06:10
(Laughter)
147
355000
4000
("Warum machst du das?")
06:14
Which I was pretty surprised by.
148
359000
2000
Was mich ziemlich überrascht hat.
06:16
I expected people to be wondering, "Why did I draw a sheep?"
149
361000
3000
Ich habe erwartet dass Menschen sich fragen "Warum musste ich ein Schaf zeichnen?"
06:19
And I think it's a pretty valid question.
150
364000
2000
Und ich denke es ist eine überaus zulässige Frage.
06:21
And there's a lot of reasons why I chose sheep.
151
366000
2000
Und es gibt viele Gründe warum ich das Schaf ausgewählt habe.
06:23
Sheep were the first animal
152
368000
2000
Schafen waren die ersten Tiere,
06:25
to be raised from mechanically processed byproducts,
153
370000
2000
die mit mechanisch verarbeitete Abfallprodukte aufgezogen worden sind,
06:27
the first to be selectively bred for production traits,
154
372000
2000
die ersten die selektiv für ihre Erzeugniseigenschaften gezüchtet worden sind,
06:29
the first animal to be cloned.
155
374000
2000
die ersten geklonten Tiere.
06:31
Obviously, we think of sheep as followers.
156
376000
2000
Offensichtlich betrachte wir Schafe als folgsam.
06:33
And there's this reference to "Le Petit Prince"
157
378000
2000
Und da ist diese Referenz zu "Der kleine Prinz",
06:35
where the narrator asks the prince to draw a sheep.
158
380000
2000
wo der Erzähler den kleinen Prinz bittet ein Schaf zu zeichnen.
06:37
He draws sheep after sheep.
159
382000
2000
Er zeichnet ein Schaf nach dem anderen.
06:39
The narrator's only appeased when he draws a box.
160
384000
2000
Der Erzähler ist erst dann zufrieden als er eine Box zeichnet.
06:41
And he says, "It's not about a scientific rendering of a sheep.
161
386000
2000
Und er sagt: "Es geht nicht um die naturgetreue Darstellung eines Schafes.
06:43
It's about your own interpretation and doing something different."
162
388000
3000
Sondern um deine eigene Interpretation und darum etwas anderes zu machen."
06:46
And I like that.
163
391000
2000
Ich mag das.
06:48
So this is a clip from Charlie Chaplin's "Modern Times."
164
393000
2000
Das hier ist ein Ausschnitt aus Charlie Chaplins "Moderne Zeiten".
06:50
It's showing Charlie Chaplin dealing with some of the major changes
165
395000
3000
Es zeigt wie Charlie Chaplin mit einige der grossen Veränderungen
06:53
during the Industrial Revolution.
166
398000
2000
während der Industriellen Revolution zurecht kommt.
06:55
So there were no longer shoe makers,
167
400000
2000
Da gab es keine Schuhmacher mehr,
06:57
but now there are people slapping soles on people's shoes.
168
402000
2000
sondern Menschen, die Sohlen auf anderer Leute s Schuhe klatschen.
06:59
And the whole idea of one's relationship to their work changed a lot.
169
404000
3000
Es hat das Verständnis der Beziehung zwischen dem Arbeiter und sein Handwerk enorm verändert.
07:02
So I thought this was an interesting clip
170
407000
2000
Also dachte ich, es ist ein interessanter Ausschnitt
07:04
to divide into 16 pieces
171
409000
2000
um in 16 Teile zu zerlegen
07:06
and feed into the Mechanical Turk with a drawing tool.
172
411000
3000
und in den Mechanical Turk mit einem Zeichnungswerkzeug einzuspeisen.
07:09
This basically allowed -- what you see on the left side is the original frame,
173
414000
3000
Im Grund kann man dadurch – was ihr auf der linken Seite seht ist das Originalframe,
07:12
and on the right side you see that frame
174
417000
2000
und auf der rechten Seite seht ihr den Frame
07:14
as interpreted by 16 people
175
419000
2000
wie er von 16 Leuten interpretiert wurde,
07:16
who have no idea what it is they're doing.
176
421000
2000
die keine Ahnung hatten, was sie machen.
07:18
And this was the inspiration for a project
177
423000
2000
Und das war die Inspiration für ein Projekt,
07:20
that I worked on with my friend Takashi Kawashima.
178
425000
2000
das ich zusammen mit meinem Freund Takashi Kawashima gemacht habe.
07:22
We decided to use the Mechanical Turk for exactly what it was meant for,
179
427000
2000
Wir haben uns entschieden den Mechanical Turk genau dafür einzusetzen, wofür er geschaffen wurde:
07:24
which is making money.
180
429000
2000
Um Geld zu machen.
07:26
So we took a hundred dollar bill and divided it into 10,000 teeny pieces,
181
431000
3000
Also haben wir ein Hundert-Dollar-Schein genommen und in 10,000 winzig kleine Teile zerlegt,
07:29
and we fed those into the Mechanical Turk.
182
434000
2000
und diese in den Mechanical Turk eingespeist.
07:31
We asked people to draw what it was that they saw.
183
436000
2000
Wir baten die Leute zu zeichnen, was sie darin sahen.
07:33
But here there was no sheep-like criteria.
184
438000
2000
Aber es gab keine Schafähnlichkeitskriterein.
07:35
People, if they drew a stick figure or a smiley face,
185
440000
3000
Menschen, die ein Strichmännchen oder ein Smiley gemalt haben,
07:38
it actually made it into the bill.
186
443000
2000
wurden auch tatsächlich in dem Schein aufgenommen.
07:40
So what you see is actually a representation of how well people did
187
445000
2000
Was ihr seht ist effektiv eine Repräsentation davon wie gut sich die Leute indem gemacht haben,
07:42
what it was they were asked to do.
188
447000
2000
worum sie gebeten worden sind.
07:44
So we took these hundred dollar bills,
189
449000
2000
Also haben wir diese Hundert-Dollar-Scheine genommen,
07:46
and we put them on a website called TenThousandsCents.com,
190
451000
2000
und sie auf die Website namens TenThousandsCents.com gesetzt,
07:48
where you can browse through and see all the individual contributions.
191
453000
3000
auf der man durch alle individuellen Beiträge browsen kann.
07:51
And you can also trade real hundred-dollar bills for fake hundred-dollar bills
192
456000
3000
Und man kann auch echte Hundert-Dollar-Scheine gegen unechte Hundert-Dollar-Scheine eintauschen
07:54
and make a donation to the Hundred Dollar Laptop Project,
193
459000
3000
und eine Spende an das Hundert-Dollar-Laptop Projekt machen,
07:57
which is now known as One Laptop Per Child.
194
462000
3000
das unter dem Namen One Laptop Per Child bekannt ist.
08:00
This is again showing all the different contributions.
195
465000
2000
Das hier zeigt wieder all die verschiedenen Beiträge.
08:02
You see some people did beautiful stipple renderings,
196
467000
2000
Man sieht, dass manche Menschen wunderschöne gestreifte Darstellungen gemacht haben,
08:04
like this one on top --
197
469000
2000
wie dieses hier oben–
08:06
spent a long time making realistic versions.
198
471000
3000
sie haben sich viel Zeit genommen um realistische Versionen zu zeichnen.
08:09
And other people would draw stick figures or smiley faces.
199
474000
3000
Und andere Menschen haben Strichmännchen oder Smileys gezeichnet.
08:12
Here on the right-hand side in the middle
200
477000
2000
Hier auf der rechten Seite in der Mitte
08:14
you see this one guy writing, "$0.01!!! Really?"
201
479000
3000
seht ihr diesen Typen, der geschrieben hat: "$0.01!!! Im Ernst?"
08:17
That's all I'm getting paid for this?
202
482000
4000
Das ist alles, was ich dafür kriege?
08:21
(Laughter)
203
486000
2000
(lacht)
08:23
So the last Mechanical Turk project I'm going to talk to you about
204
488000
2000
Das letzte Mechanical Turk Projekt, von dem ich euch erzählen werde
08:25
is called Bicycle Built for 2000.
205
490000
2000
heisst Bicycle Built for 2000.
08:27
This is a collaboration with my friend Daniel Massey.
206
492000
2000
Das ist eine Zusammenarbeit mit meinem Freund Daniel Massey.
08:29
You may recognize these two guys.
207
494000
2000
Ihr erkennt vielleicht diese zwei Typen.
08:31
This is Max Mathews and John Kelly from Bell Labs in the '60s,
208
496000
3000
Das sind Max Mathews und John Kelly von Bell Labs in den 60er,
08:34
where they created the song "Daisy Bell,"
209
499000
2000
als sie das Lieb "Daisy Bell" geschaffen haben,
08:36
which was the world's first singing computer.
210
501000
2000
was das welterste singende Computer war.
08:38
You may recognize it from "2001: A Space Odyssey."
211
503000
2000
Ihr kennt es vielleicht aus "2001: A Space Odyssey."
08:40
When HAL's dying at the end of the film he starts singing this song,
212
505000
3000
Als HAL am Ende des Films stirbt, fängt er an, das Lieb zu singen,
08:43
as a reference to when computers became human.
213
508000
3000
als eine Referenz auf die Vermenschlichung des Computers.
08:46
So we resynthesized this song.
214
511000
2000
Also haben wir dieses Lied resynthetisiert.
08:48
This is what that sounded like.
215
513000
2000
So klang es.
08:50
We broke down all the individual notes
216
515000
2000
We brachen alles in einzelne Töne herunter
08:52
in the singing as well as the phonemes in the singing.
217
517000
3000
beim Singen und beim Phänomen des Singens.
08:55
Daisy Bell: ♫ Daisy, Daisy ... ♫
218
520000
4000
Daisy Bell: ♫ Daisy, Daisy ... ♫
08:59
Aaron Koblin: And we took all of those individual pieces,
219
524000
2000
Aaron Koblin: Und wir nahmen all diese einzelnen Stücke
09:01
and we fed them into another Turk request.
220
526000
2000
und speisten sie in eine weitere Mechanical Turk Anfrage.
09:03
This is what it would look like if you went to the site.
221
528000
2000
Das ist was ihr sehen würdet, wenn ihr zu der Website geht.
09:05
You type in your code,
222
530000
2000
Man tippt den Code ein,
09:07
but you first test your mic.
223
532000
2000
Aber erst muss man das Mikro testen.
09:09
You'd be fed a simple audio clip.
224
534000
2000
Man bekommt einen einfachen Audioclip.
09:11
(Honk)
225
536000
2000
(tuut)
09:13
And then you'd do your best to recreate that with your own voice.
226
538000
3000
Und man versucht es mit seiner eigenen Stimme so gut es geht nachzumachen.
09:22
After previewing it and confirming it's what you submitted,
227
547000
3000
Nachdem der Vorschau und der Bestätigung das es, was man einreichen will,
09:25
you could submit it into the Mechanical Turk with no other context.
228
550000
3000
konnte man beim Mechanical Turk einreichen ohne weiteren Kontext.
09:28
And this is what we first got back from the very first set of submissions.
229
553000
3000
Und das ist was wir mit dem allerersten Rücksendungen zurückbekommen haben.
09:31
Recording: ♫ Daisy, Daisy ♫
230
556000
5000
Aufnahme: ♫ Daisy, Daisy ♫
09:36
♫ give me your answer do ♫
231
561000
5000
♫ give me your answer do ♫
09:41
♫ I'm half crazy ♫
232
566000
4000
♫ I'm half crazy ♫
09:45
♫ all for the love of you ♫
233
570000
5000
♫ all for the love of you ♫
09:50
♫ It can't be a stylish marriage ♫
234
575000
5000
♫ It can't be a stylish marriage ♫
09:55
♫ I can't afford a carriage ♫
235
580000
4000
♫ I can't afford a carriage ♫
09:59
♫ But you'll look sweet upon the seat ♫
236
584000
5000
♫ But you'll look sweet upon the seat ♫
10:04
♫ of a bicycle built for two ♫
237
589000
5000
♫ of a bicycle built for two ♫
10:09
AK: So James Surowieki has this idea of the wisdom of crowds,
238
594000
3000
AK: James Surowieki hatte diese Idee der Weisheit der Masse
10:12
that says that a whole bunch of people are smarter than any individual.
239
597000
3000
das besagt, das eine Menge Leute schlauer sind als ein einzelner.
10:15
We wanted to see how this applies to collaborative, distributed music making,
240
600000
3000
Wir wollten sehen wie es sich anwenden lässt auf das gemeinschaftliche, verteilte Musik machen,
10:18
where nobody has any idea what it is they're working on.
241
603000
3000
wo keiner weiss woran sie arbeiten.
10:21
So if you go to the BicycleBuiltforTwoThousand.com
242
606000
2000
Geht man also zu BicycleBuiltforTwoThousand.com,
10:23
you can actually hear what all this sounds like together.
243
608000
2000
kann man tatsächlich höre wie alles zusammen klingt.
10:25
I'm sorry for this.
244
610000
2000
Ich entschuldige mich dafür.
10:27
(Noise)
245
612000
5000
(Lärm)
10:32
Chorus: ♫ Daisy, Daisy ♫
246
617000
4000
Chor: ♫ Daisy, Daisy ♫
10:36
♫ Give me your answer do ♫
247
621000
5000
♫ Give me your answer do ♫
10:41
♫ I'm half crazy ♫
248
626000
5000
♫ I'm half crazy ♫
10:46
♫ all for the love of you ♫
249
631000
4000
♫ all for the love of you ♫
10:50
♫ It can't be a stylish marriage ♫
250
635000
5000
♫ It can't be a stylish marriage ♫
10:55
♫ I can't afford a carriage ♫
251
640000
4000
♫ I can't afford a carriage ♫
10:59
♫ But you'd look sweet upon the seat ♫
252
644000
5000
♫ But you'd look sweet upon the seat ♫
11:04
♫ of a bicycle built for two ♫
253
649000
6000
♫ of a bicycle built for two ♫
11:10
AK: So stepping back for a quick second,
254
655000
3000
AK: Geht man einen Schritt zurück,
11:13
when I was at UCLA going to grad school,
255
658000
2000
als ich an der UCLA studiert habe,
11:15
I was also working at a place called the Center for Embedded Network Sensing.
256
660000
3000
habe ich an einem Ort mit dem Namen Center for Embedded Network Sensing gearbeitet.
11:18
And I was writing software to visualize laser scanners.
257
663000
3000
Und ich schrieb Software um Laserscanner zu visualisieren.
11:21
So basically motion through 3D space.
258
666000
2000
Also im Grunde Bewegung durch einen 3D Raum.
11:23
And this was seen by a director in L.A. named James Frost
259
668000
2000
Und es wurde von einem Regisseur in L.A. mit dem Namen James Frost gesehen,
11:25
who said, "Wait a minute.
260
670000
2000
der gesagt hat: "Moment mal-
11:27
You mean we can shoot a music video without actually using any video?"
261
672000
2000
du meinst wir können ein Musikvideo drehen ohne überhaupt Video zu benutzen?"
11:29
So we did exactly that.
262
674000
2000
Also haben wir genau das gemacht.
11:31
We made a music video for one of my favorite bands, Radiohead.
263
676000
2000
Wir machten ein Musikvideo für eine meiner Lieblingsbands, Radiohead.
11:33
And I think one of my favorite parts of this project
264
678000
2000
Und ich denke, was ich am Projekt am liebsten mochte,
11:35
was not just shooting a video with lasers,
265
680000
2000
war nicht nur das Drehen mit Lasern,
11:37
but we also open sourced it,
266
682000
2000
sondern auch die Tatsache, dass wir es über Open Source zur Verfügung gestellt haben,
11:39
and we made it released as a Google Code project,
267
684000
2000
und wir haben es als ein Google Code Projekt veröffentlicht
11:41
where people could download a bunch of the data and some source code
268
686000
2000
wo man eine ganze Menge Daten und einige Source Codes downloaden konnte
11:43
to build their own versions of it.
269
688000
2000
um die eigene Version zu bauen.
11:45
And people were making some amazing things.
270
690000
2000
Und es gab Menschen die erstaunliche Dinge gemacht haben.
11:47
This is actually two of my favorites:
271
692000
2000
Das sind zwei meiner Lieblinge:
11:49
the pin-board Thom Yorke and a LEGO Thom Yorke.
272
694000
2000
Der Nagelbrett Thom Yorke und ein LEGO Thom Yorke.
11:51
A whole YouTube channel of people submitting really interesting content.
273
696000
3000
Ein ganzes Youtube Channel auf dem Menschen wirklich interessante Inhalte geladen haben.
11:54
More recently, somebody even 3D-printed Thom Yorke's head,
274
699000
3000
Vor kurzem hat sogar jemand Thom Yorkes Kopf 3D ausgedruckt,
11:57
which is a little creepy, but pretty cool.
275
702000
3000
was ein bisschen unheimlich ist, aber ziemlich cool.
12:00
So with everybody making so much amazing stuff
276
705000
2000
Da alle so viele fantastische Sachen machen
12:02
and actually understanding what it was they were working on,
277
707000
3000
und dabei wirklich wissen woran sie arbeiteten,
12:05
I was really interested in trying to make a collaborative project
278
710000
2000
war ich wirklich daran interessiert ein Gemeinschaftsprojekt auszuprobieren,
12:07
where people were working together to build something.
279
712000
2000
bei dem Menschen zusammenarbeiten um etwas zu erschaffen.
12:09
And I met a music video director named Chris Milk.
280
714000
2000
Und ich traf ein Musikvideo Regisseur namens Chris Milk.
12:11
And we started bouncing around ideas
281
716000
2000
Und wir liessen uns viele Ideen durch den Kopf gehen
12:13
to make a collaborative music video project.
282
718000
2000
wie man ein gemeinschaftliches Musikvideoprojekt machen konnt.
12:15
But we knew we really needed the right person
283
720000
2000
Aber wir wussten, dass wir auf jeden Fall die richtige Person brauchten
12:17
to kind of rally behind and build something for.
284
722000
3000
um uns dahinter zu stellen und für den wir etwas aufbauen konnten.
12:20
So we put the idea on the back burner for a few months.
285
725000
2000
Also haben wir die Idee ein paar Monate lang auf Sparflamme gehalten.
12:22
And he ended up talking to Rick Rubin,
286
727000
2000
Und landeten dann schliesslich bei Rick Rubin,
12:24
who was finishing up Johnny Cash's final album
287
729000
2000
der gerade das letzte Album von Johnny Cash fertig stellte,
12:26
called "Ain't No Grave."
288
731000
2000
welches "Ain't No Grave." heissen soll.
12:28
The lyrics to the leading track are "Ain't no grave can hold my body down."
289
733000
3000
Der Text zum Haupttrack ging so: "Ain't no grave can hold my body down."
12:31
So we thought this was the perfect
290
736000
2000
Also haben wir gedacht, es ist das perfekte Projekt
12:33
project to build a collaborative memorial
291
738000
2000
um eine kollektives Denkmal zu bauen,
12:35
and a virtual resurrection for Johnny Cash.
292
740000
2000
eine virtuelle Wiederauferstehung von Johnny Cash.
12:37
So I teamed up with my good friend Ricardo Cabello, also known as Mr. doob,
293
742000
3000
So tat ich mich zusammen mit meinem guten Freund Ricardo Cabello, auch bekannt als Mr. doob,
12:40
who's a much better programmer than I am,
294
745000
2000
der ein viel besserer Programmierer ist als ich,
12:42
and he made this amazing Flash drawing tool.
295
747000
2000
und er machte dieses fantastische Zeichenwerkzeug.
12:44
As you know,
296
749000
2000
Wie ihr wisst,
12:46
an animation is a series of images.
297
751000
2000
besteht eine Animation aus einer Abfolge von Bildern.
12:48
So what we did was cross-cut a bunch of archival footage of Johnny Cash,
298
753000
3000
Also haben wir querbeet einen Haufen Archivaufnahmen von Johnny Cash genommen
12:51
and at eight frames a second,
299
756000
2000
und mit 8 Frames pro Sekunde
12:53
we allowed individuals to draw a single frame
300
758000
2000
haben wir Einzelpersonen erlaubt ein einziger Frame zu zeichnen,
12:55
that would get woven into
301
760000
2000
der verwebt wird in
12:57
this dynamically changing music video.
302
762000
2000
dieses dynamisch sich verändernde Musikvideo.
12:59
So I don't have time to play the entire thing for you,
303
764000
2000
Ich werde euch nicht das ganze abspielen,
13:01
but I want to show you two short clips.
304
766000
2000
aber ich möchte euch zwei kurze Ausschnitte zeigen.
13:03
One is the beginning of the music video.
305
768000
2000
Das erste ist der Anfang des Musikvideos.
13:05
And that's going to be followed by a short clip
306
770000
2000
Gefolgt von einem kurzen Clip
13:07
of people who have already contributed to the project
307
772000
2000
von Menschen, die sich schon daran beteiligt haben,
13:09
talking about it briefly.
308
774000
3000
und es kurz vorstellen.
13:12
(Music)
309
777000
6000
(Musik)
13:18
(Video) Johnny Cash: ♫ There ain't no grave ♫
310
783000
2000
(Video) Johnny Cash: ♫ There ain't no grave ♫
13:20
♫ can hold my body down ♫
311
785000
4000
♫ can hold my body down ♫
13:24
♫ There ain't no grave ♫
312
789000
2000
♫ There ain't no grave ♫
13:26
♫ can hold body down ♫
313
791000
3000
♫ can hold body down ♫
13:30
♫ When I hear the trumpet sound ♫
314
795000
4000
♫ When I hear the trumpet sound ♫
13:34
♫ I'm going to ride right out of the ground ♫
315
799000
2000
♫ I'm going to ride right out of the ground ♫
13:36
♫ Ain't no grave ♫
316
801000
3000
♫ Ain't no grave ♫
13:39
♫ can hold my body ... ♫
317
804000
3000
♫ can hold my body ... ♫
13:42
(Applause)
318
807000
2000
(Applaus)
13:44
AK: What better way to pay tribute to the man
319
809000
3000
AK: Man könnte den Mann nicht besser ehren,
13:47
than to make something for one of his songs.
320
812000
3000
als etwas zu einem seiner Lieder beizutragen.
13:50
Collaborator: I felt really sad when he died.
321
815000
2000
Teilnehmer: Ich war traurig, als er starb.
13:52
And I just thought it'd be wonderful,
322
817000
2000
Und dachte, es wäre wunderbar,
13:54
it'd be really nice to contribute something to his memory.
323
819000
3000
es wäre wirklich nett etwas zu seinem Andenken beizutragen.
13:57
Collaborator Two: It really allows
324
822000
2000
Teilnehmer zwei: Es erlaubt seiner letzten Aufnahme
13:59
this last recording of his
325
824000
3000
seiner letzten Aufnahme wirklich
14:02
to be a living, breathing memorial.
326
827000
5000
ein lebendiges, atmendes Denkmal zu sein.
14:07
Collaborator Three: For all of the frames to be drawn by fans,
327
832000
3000
Teilnehmer drei: Alle dieser Frames, die von Fans gezeichnet sind,
14:10
each individual frame,
328
835000
2000
jedes einzelne,
14:12
it's got a very powerful feeling to it.
329
837000
2000
erzeugt ein gewaltiges Gefühl.
14:14
Collaborator Four: I've seen everybody
330
839000
2000
Teilnehmer vier: Ich habe alle möglichen Leute gesehen,
14:16
from Japan, Venezuela, to the States,
331
841000
2000
aus Japan, Venezuela, den USA,
14:18
to Knoxville, Tennessee.
332
843000
2000
aus Knoxville, Tennessee.
14:20
Collaborator Five: As much as is different from frame to frame,
333
845000
3000
Teilnehmer fünf: Jedes Frame ist unterschiedlich
14:23
it really is personal.
334
848000
2000
und wirklich persönlich.
14:25
Collaborator Six: Watching the video in my room,
335
850000
2000
Teilnehmer sechs: Als ich dieses Video in meinem Zimmer anschaute,
14:27
I could see me not understanding at the beginning of it.
336
852000
3000
konnte ich sehen, wie ich es anfangs nicht begriff.
14:30
And I just worked and worked through problems,
337
855000
3000
Und ich arbeitete mich durch die Probelme
14:33
until my little wee battles that I was fighting within the picture
338
858000
4000
bis meine winzig kleine Auseinandersetzungen, die ich mit dem Bild führte
14:37
all began to resolve themselves.
339
862000
3000
sich alle langsam lösten.
14:40
You can actually see the point when I know what I'm doing,
340
865000
2000
Ich konnte so wirklich sehen, an welchem Punkt ich begann zu begreifen, was ich tat
14:42
and a lot of light and dark comes into it.
341
867000
3000
und eine Menge helle und dunkle Stellen kamen dazu.
14:45
And in a weird way,
342
870000
2000
Auf einer seltsamen Art
14:47
that's what I actually like about Johnny Cash's music as well.
343
872000
2000
war es genau das, was ich an Johnny Cashs Musik so mag.
14:49
It's the sum total of his life,
344
874000
2000
Es ist die Endsumme seines Lebens,
14:51
all the things that had happened --
345
876000
2000
alles, was passiert ist–
14:53
the bad things, the good things.
346
878000
2000
die schlechten Dinge, die guten Dinge.
14:55
You're hearing a person's life.
347
880000
3000
Du hörst das Leben einer Person.
15:01
AK: So if you go to the website JohnnyCashProject.com,
348
886000
2000
AK: Wenn ihr zu der Website JohnnyCashProject.com geht,
15:03
what you'll see is the video playing above.
349
888000
2000
wird ihr das Video oben sehen.
15:05
And below it are all the individual frames
350
890000
2000
Und darunter alle einzelnen Frames,
15:07
that people have been submitting to the project.
351
892000
2000
die Menschen bei dem Projekt eingereicht haben.
15:09
So this isn't finished at all,
352
894000
2000
Aber es ist noch gar nicht abgeschlossen
15:11
but it's an ongoing project where people can continue to collaborate.
353
896000
2000
sondern ein fortlaufendes Projekt, an dem sich Menschen weiter beteiligen können.
15:13
If you roll over any one of those individual thumbnails,
354
898000
2000
Wenn man über eines der individuellen Thumbnails geht,
15:15
you can see the person who drew that individual thumbnail
355
900000
2000
kann man die Person sehen, die dieses einzelne Thumbnail gezeichnet hat,
15:17
and where they were located.
356
902000
2000
und wo sie sind.
15:19
And if you find one that you're interested in,
357
904000
2000
Und wenn man ein interessantes findet,
15:21
you can actually click on it and open up an information panel
358
906000
2000
kann man es anklicken und ein Informationsfeld öffnet sich,
15:23
where you're able to rate that frame,
359
908000
2000
wo man den Frame bewerten kann,
15:25
which helps it bubble up to the top.
360
910000
2000
was ihn hilft bis nach oben zu tragen.
15:27
And you can also see the way that it was drawn.
361
912000
2000
Und man kan auch sehen, wie es gezeichnet worden ist.
15:29
Again, you can get the playback and personal contribution.
362
914000
2000
Und wieder bekommt man die Wiederholung und persönlichen Informationen.
15:31
In addition to that, it's listed, the artist's name, the location,
363
916000
3000
Darüber hinaus sind Name, Ort des Künstler aufgelistet
15:34
how long they spent drawing it.
364
919000
2000
und wie lange sie daran gezeichnet haben.
15:36
And you can pick a style. So this one was tagged "Abstract."
365
921000
3000
Man kann auch einen Stil aussuchen. Dieses hier heisst "Abstrakt".
15:39
But there's a bunch of different styles.
366
924000
2000
Aber da sind ein Haufen verschiedener Stile.
15:41
And you can sort the video a number of different ways.
367
926000
2000
Und man kann das Video in einer Vielzahl verschiedener Weisen sortieren.
15:43
You can say, "I want to see the pointillist version
368
928000
2000
Man kann sagen: "Ich will die pointillistische Version sehen."
15:45
or the sketchy version or the realistic version.
369
930000
2000
oder die skizzenhafte Version oder die realistische Version.
15:47
And then this is, again, the abstract version,
370
932000
2000
Und das ist wieder die abstrakte Version,
15:49
which ends up getting a little bit crazy.
371
934000
3000
das am Ende etwas verrückt wird.
15:54
So the last project I want to talk to you about is another collaboration with Chris Milk.
372
939000
3000
Das letzte Projekt, über den ich euch erzählen will, ist eine weitere Zusammenarbeit mit Chris Milk.
15:57
And this is called "The Wilderness Downtown."
373
942000
2000
Und es heisst "The Wilderness Downtown."
15:59
It's an online music video for the Arcade Fire.
374
944000
3000
Es ist ein online Musikvideo für die Band The Arcade Fire.
16:02
Chris and I were really amazed
375
947000
2000
Chris und ich waren wirklich erstaunt
16:04
by the potential now with modern web browsers,
376
949000
2000
über das Potential der modernen Webbrowser,
16:06
where you have HTML5 audio and video
377
951000
2000
wo man HTML5 Audio und Video hat
16:08
and the power of JavaScript to render amazingly fast.
378
953000
3000
und die Kraft von JavaScript um wahnsinnig schnell zu rendern.
16:11
And we wanted to push the idea of the music video that was meant for the Web
379
956000
3000
Wir wollten die Idee des Musikvideos, das für den Web gedacht ist
16:14
beyond the four-by-three or sixteen-by-nine window
380
959000
3000
über die 3 auf 4 oder 16/9 Fenster erweitern
16:17
and try to make it play out and choreograph throughout the screen.
381
962000
3000
und versuchen es spielerisch über den Bildschirm zu choreografieren.
16:20
But most importantly, I think,
382
965000
2000
Aber ich denke am Wichtigsten ist,
16:22
we really wanted to make an experience that was unlike the Johnny Cash Project,
383
967000
3000
dass wir wirklich eine Erfahrung machen wollten, welches anders als das Johnny Cash Projekt,
16:25
where you had a small group of people spending a lot of time
384
970000
3000
an welchem eine kleine Anzahl Menschen viel Zeit verbrachten,
16:28
to contribute something for everyone.
385
973000
2000
um etwas für alle zu schaffen.
16:30
What if we had a very low commitment,
386
975000
3000
Was ist, wenn man mit einem sehr kleinen Beitrag
16:33
but delivered something individually unique to each person who contributed?
387
978000
3000
etwas individuelles, einzigartig für jede Person, die etwas beiträgt, bieten könnte?
16:36
So the project starts off by asking you to enter the address
388
981000
2000
Dieses Projekt fängt damit an, dich nach der Adresse
16:38
of the home where you grew up.
389
983000
2000
zu fragen, wo du aufgewachsen bist.
16:40
And you type in the address --
390
985000
2000
Wenn man die Adresse eingibt,
16:42
it actually creates a music video specifically for you,
391
987000
2000
generiert es ein Video eigens für dich,
16:44
pulling in Google maps and Streetview images
392
989000
2000
in dem es Google maps und Streetview Bilder
16:46
into the experience itself.
393
991000
2000
in die Erfahrung miteinbindet.
16:48
So this should really be seen at home with you typing in your own address,
394
993000
3000
Das hier sollte wirklich bei euch zu Hause mit eurer eigenen Adresse angeschaut werden,
16:51
but I'm going to give you a little preview of what you can expect.
395
996000
3000
aber ich werde euch eine kleine Vorschau von dem zeigen, was ihr erwarten könnt.
16:54
(Video) Win Butler: ♫ Now our lives are changing fast ♫
396
999000
4000
(Video) Win Butler: ♫ Now our lives are changing fast ♫
16:58
♫ Now our lives are changing fast ♫
397
1003000
4000
♫ Now our lives are changing fast ♫
17:02
♫ Hope that something pure can last ♫
398
1007000
3000
♫ Hope that something pure can last ♫
17:06
♫ Hope that something pure can last ♫
399
1011000
4000
♫ Hope that something pure can last ♫
17:13
♫ Ooh we used to wait ♫
400
1018000
4000
♫ Ooh we used to wait ♫
17:17
♫ Ooh we used to wait ♫
401
1022000
4000
♫ Ooh we used to wait ♫
17:21
♫ Ooh we used to wait ♫
402
1026000
3000
♫ Ooh we used to wait ♫
17:24
♫ Sometimes it never came ♫
403
1029000
3000
♫ Sometimes it never came ♫
17:27
♫ Sometimes it never came ♫
404
1032000
4000
♫ Sometimes it never came ♫
17:31
♫ Still moving through the pain ♫
405
1036000
3000
♫ Still moving through the pain ♫
17:34
♫ We used to wait for it ♫
406
1039000
4000
♫ We used to wait for it ♫
17:38
♫ We used to wait for it ♫
407
1043000
4000
♫ We used to wait for it ♫
17:42
♫ We used to wait for it ♫
408
1047000
4000
♫ We used to wait for it ♫
17:50
AK: So I think, if there's one thing to take away from my talk today,
409
1055000
3000
AK: Ich denke, wenn es eine Sache gibt, die ihr von meiner Rede heute mitnehmen sollt,
17:53
it's that an interface can be a powerful narrative device.
410
1058000
2000
ist dass ein Interface ein starkes erzählerisches Instrument sein kann.
17:55
And as we collect more and more personally and socially relevant data,
411
1060000
4000
Und da wir mehr und mehr persönliche und sozial relevante Daten sammeln,
17:59
we have an opportunity, and maybe even an obligation,
412
1064000
2000
haben wir die Chance, und vielleicht sogar die Pflicht,
18:01
to maintain the humanity and tell some amazing stories
413
1066000
2000
die Menschlichkeit zu bewahren und so manche beeindruckende Geschichten zu erzählen,
18:03
as we explore and collaborate together.
414
1068000
2000
indem wir zusammen forschen und arbeiten.
18:05
Thanks a lot.
415
1070000
2000
Vielen Dank.
18:07
(Applause)
416
1072000
4000
(Applaus)
ABOUT THE SPEAKER
Aaron Koblin - Data artistAaron Koblin is an artist specializing in data and digital technologies. His work takes real world and community-generated data and uses it to reflect on cultural trends and the changing relationship between humans and technology.
Why you should listen
Aaron Koblin finds art through the unlikely confluence of massive data sets and personal intimacy. His work ranges from animating the paths of every North American airline flight, to using Amazon’s Mechanical Turk crowdsourcing platform to pay workers to “draw a sheep facing left,” which were then placed in "The Sheep Market."
Koblin was creative director for Johnny Cash's final music video, "Ain't No Grave," and worked on Radiohead’s video “House of Cards,” both of which received a Grammy nomination. He is now the Creative Director of the Data Arts team in Google's Creative Lab. His team collaborated with Arcade Fire to produce an online music video that allows viewers to incorporate images of their home neighborhood into the experience using Google Street View.
Aaron Koblin | Speaker | TED.com