TEDxCaFoscariU
Frederic Kaplan: How to build an information time machine
Frederic Kaplan: Bauen wir eine Informationszeitmaschine!
Filmed:
Readability: 4.5
1,238,053 views
Stellen Sie sich vor, Sie könnten Facebook durchsuchen … ab dem Mittelalter. Es könnte sein, dass das nicht so weit entfernt ist, wie es klingt. In diesem spannenden und unterhaltsamen Vortrag stellt Forscher und Ingenieur Frederic Kaplan die Venice Time Machine (venezianische Zeitmaschine) vor, ein Projekt, in dem 80 Kilometer von Büchern digitalisiert werden, um eine historische und geographische Simulation Venedigs durch 1000 Jahre zu erstellen. (Gefilmt bei TEDxCaFoscariU.)
Frederic Kaplan - Digital humanities researcher
Frederic Kaplan seeks to digitize vast archives of historical information to make maps that move -- through time. Full bio
Frederic Kaplan seeks to digitize vast archives of historical information to make maps that move -- through time. Full bio
Double-click the English transcript below to play the video.
00:12
This is an image of the planet Earth.
0
285
2893
Das ist ein Bild des Planeten Erde.
00:15
It looks very much like the Apollo pictures
1
3178
3093
Es sieht so ähnlich aus
wie die bekannten Apollo-Bilder.
00:18
that are very well known.
2
6271
1611
00:19
There is something different;
3
7882
2070
Etwas ist allerdings anders:
00:21
you can click on it,
4
9952
1447
Man kann es anklicken,
00:23
and if you click on it,
5
11399
1198
und wenn man es anklickt,
00:24
you can zoom in on almost any place on the Earth.
6
12597
3072
kann man zu fast jedem Ort
auf der Erde zoomen.
auf der Erde zoomen.
00:27
For instance, this is a bird's-eye view
7
15669
1999
Dies ist z. B. eine Vogelperspektive
00:29
of the EPFL campus.
8
17668
2666
auf den EPFL-Campus.
00:32
In many cases, you can also see
9
20334
2108
In vielen Fällen kann man auch sehen,
00:34
how a building looks from a nearby street.
10
22442
3740
wie ein Gebäude von einer
nahegelegenen Straße aus aussieht.
nahegelegenen Straße aus aussieht.
Das ist ziemlich beeindruckend.
00:38
This is pretty amazing.
11
26182
1422
00:39
But there's something missing in this wonderful tour:
12
27604
3427
Aber eins fehlt
in dieser wunderbaren Reise:
in dieser wunderbaren Reise:
00:43
It's time.
13
31031
2188
Zeit.
00:45
i'm not really sure when this picture was taken.
14
33219
3070
Ich weiß nicht so genau,
wann dieses Bild gemacht wurde.
wann dieses Bild gemacht wurde.
00:48
I'm not even sure it was taken
15
36289
1412
Ich weiß noch nicht mal,
00:49
at the same moment as the bird's-eye view.
16
37701
6083
ob es im selben Moment
wie die Vogelperspektive gemacht wurde.
wie die Vogelperspektive gemacht wurde.
00:55
In my lab, we develop tools
17
43784
2209
In meinem Labor entwickeln wir Werkzeuge,
00:57
to travel not only in space
18
45993
1764
mit denen wir nicht nur durch den Raum,
00:59
but also through time.
19
47757
2558
sondern auch durch die Zeit reisen können.
01:02
The kind of question we're asking is
20
50315
1870
Wir stellen solche Fragen:
01:04
Is it possible to build something
21
52185
1393
Ist es möglich, etwas wie
01:05
like Google Maps of the past?
22
53578
2178
ein Google Maps
der Vergangenheit zu bauen?
der Vergangenheit zu bauen?
01:07
Can I add a slider on top of Google Maps
23
55756
3310
Kann ich einen Schieberegler
über Google Maps legen
über Google Maps legen
01:11
and just change the year,
24
59066
1803
und einfach das Jahr ändern,
01:12
seeing how it was 100 years before,
25
60869
1791
und sehen, wie es vor 100 Jahren
01:14
1,000 years before?
26
62660
1669
oder vor 1000 Jahren aussah?
01:16
Is that possible?
27
64329
2123
Ist das möglich?
Kann ich soziale Netzwerke
der Vergangenheit rekonstruieren?
der Vergangenheit rekonstruieren?
01:18
Can I reconstruct social networks of the past?
28
66452
2252
01:20
Can I make a Facebook of the Middle Ages?
29
68704
3049
Kann ich ein Facebook
des Mittelalters erstellen?
des Mittelalters erstellen?
01:23
So, can I build time machines?
30
71753
3776
Also, kann ich Zeitmaschinen bauen?
01:27
Maybe we can just say, "No, it's not possible."
31
75529
2565
Vielleicht antworten wir einfach:
"Nein, das ist unmöglich."
"Nein, das ist unmöglich."
01:30
Or, maybe, we can think of it from an information point of view.
32
78094
3810
Oder wir könnten darüber aus
einer Informationsperspektive nachdenken.
einer Informationsperspektive nachdenken.
01:33
This is what I call the information mushroom.
33
81904
3190
Ich nenne das hier den "Informationspilz".
01:37
Vertically, you have the time.
34
85094
1583
Vertikal ist die Zeit abgetragen
01:38
and horizontally, the amount of digital information available.
35
86677
2740
und horizontal die verfügbare Menge
digitaler Information.
digitaler Information.
01:41
Obviously, in the last 10 years, we have much information.
36
89417
3482
Für die letzten 10 Jahre haben wir
natürlich sehr viele Informationen.
natürlich sehr viele Informationen.
01:44
And obviously the more we go in the past, the less information we have.
37
92899
3548
Und klar, ke weiter wir zurückgehen,
desto weniger Informationen haben wir.
desto weniger Informationen haben wir.
01:48
If we want to build something like Google Maps of the past,
38
96447
2318
Wenn wir etwas wie
ein Google Maps oder Facebook
ein Google Maps oder Facebook
01:50
or Facebook of the past,
39
98765
1494
der Vergangenheit schaffen wollen,
01:52
we need to enlarge this space,
40
100259
1574
müssen wir diesen Raum vergrößern.
01:53
we need to make that like a rectangle.
41
101833
1938
Wir müssen ihn
zu einem Rechteck machen.
zu einem Rechteck machen.
01:55
How do we do that?
42
103771
1510
Wie machen wir das?
01:57
One way is digitization.
43
105281
2098
Eine Methode ist Digitalisierung.
01:59
There's a lot of material available --
44
107395
1779
Es gibt Unmengen an Material --
02:01
newspaper, printed books, thousands of printed books.
45
109190
6270
Zeitungen, gedruckte Bücher,
Tausende von gedruckten Büchern.
Tausende von gedruckten Büchern.
02:07
I can digitize all these.
46
115460
1768
All diese kann ich digitalisieren.
02:09
I can extract information from these.
47
117228
2737
Ich kann Informationen aus ihnen ziehen.
02:11
Of course, the more you go in the past,
the less information you will have.
the less information you will have.
48
119965
3543
Je weiter man in die Vergangenheit geht,
desto weniger Informationen
gibt es natürlich.
gibt es natürlich.
02:15
So, it might not be enough.
49
123508
2646
Es könnte also zu wenig sein.
Dann kann ich das tun,
was Historiker tun.
was Historiker tun.
02:18
So, I can do what historians do.
50
126154
2408
02:20
I can extrapolate.
51
128562
1524
Ich kann Dinge ableiten.
02:22
This is what we call, in computer science, simulation.
52
130086
4470
In der Informatik
nennen wir das Simulation.
nennen wir das Simulation.
02:26
If I take a log book,
53
134556
1751
Wenn ich ein Logbuch nehme,
02:28
I can consider, it's not just a log book
54
136307
2404
kann ich annehmen,
dass es nicht nur das Logbuch
dass es nicht nur das Logbuch
02:30
of a Venetian captain going to a particular journey.
55
138711
2972
eines venezianischen Kapitäns
auf einer bestimmten Reise ist.
auf einer bestimmten Reise ist.
02:33
I can consider it is actually a log book
56
141683
1643
Ich kann annehmen,
dass dieses Logbuch
dass dieses Logbuch
02:35
which is representative of
many journeys of that period.
many journeys of that period.
57
143326
2582
tatsächlich viele Reisen
dieser Zeit repräsentiert.
dieser Zeit repräsentiert.
02:37
I'm extrapolating.
58
145908
2245
Ich leite ab.
02:40
If I have a painting of a facade,
59
148153
2038
Wenn ich das Gemälde einer Fassade habe,
02:42
I can consider it's not just that particular building,
60
150191
2751
kann ich annehmen, dass es nicht nur
dieses bestimmte Gebäude ist
dieses bestimmte Gebäude ist
02:44
but probably it also shares the same grammar
61
152942
3932
sondern die Hauptaspekte
von anderen Gebäuden teilt,
von anderen Gebäuden teilt,
02:48
of buildings where we lost any information.
62
156874
4041
von denen wir alle Informationen
verloren haben.
verloren haben.
Für die Konstruktion einer Zeitmaschine
brauchen wir also zwei Dinge.
brauchen wir also zwei Dinge.
02:52
So if we want to construct a time machine,
63
160915
2858
02:55
we need two things.
64
163773
1339
02:57
We need very large archives,
65
165112
2234
Wir brauchen sehr große Archive
02:59
and we need excellent specialists.
66
167346
2742
und großartige Spezialisten.
03:02
The Venice Time Machine,
67
170088
1874
Die "Venice Time Machine",
03:03
the project I'm going to talk to you about,
68
171962
1805
das Projekt, über das ich spreche,
03:05
is a joint project between the EPFL
69
173767
3020
ist ein gemeinsames Projekt der EPFL
03:08
and the University of Venice Ca'Foscari.
70
176787
2978
und der Universität Venedig Ca'Foscari.
03:11
There's something very peculiar about Venice,
71
179765
2165
Etwas sehr Besonderes an Venedig ist,
03:13
that its administration has been
72
181930
2674
dass die Administration schon immer
03:16
very, very bureaucratic.
73
184604
2194
sehr, sehr bürokratisch gewesen ist.
03:18
They've been keeping track of everything,
74
186798
2193
Sie haben alles festgehalten,
03:20
almost like Google today.
75
188991
2915
fast wie Google heute.
Im Archivio di Stato
gibt es 80 Kilometer Archive,
gibt es 80 Kilometer Archive,
03:23
At the Archivio di Stato,
76
191906
1514
03:25
you have 80 kilometers of archives
77
193420
1764
03:27
documenting every aspect
78
195184
2009
die jeden Aspekt des Lebens in Venedig
03:29
of the life of Venice over
more than 1,000 years.
more than 1,000 years.
79
197193
2246
über mehr als 1000 Jahre dokumentieren.
03:31
You have every boat that goes out,
80
199439
1920
Jedes Boot, das ablegt und ankommt,
ist da verzeichnet.
ist da verzeichnet.
03:33
every boat that comes in.
81
201359
1076
03:34
You have every change that was made in the city.
82
202435
2797
Man findet jede Veränderung,
die in der Stadt gemacht wurde.
die in der Stadt gemacht wurde.
03:37
This is all there.
83
205232
3291
Es ist alles da.
03:40
We are setting up a 10-year digitization program
84
208523
3908
Wir bauen gerade ein 10-jähriges
Digitalisierungsprogramm auf,
Digitalisierungsprogramm auf,
03:44
which has the objective of transforming
85
212431
1677
welches dieses immense Archiv
03:46
this immense archive
86
214108
1384
in ein gigantisches
Informationssystem verwandeln soll.
Informationssystem verwandeln soll.
03:47
into a giant information system.
87
215492
2426
Eines unserer Ziele ist es,
03:49
The type of objective we want to reach
88
217918
1857
03:51
is 450 books a day that can be digitized.
89
219775
4726
450 Bücher am Tag
digitalisieren zu können.
digitalisieren zu können.
03:56
Of course, when you digitize, that's not enough,
90
224501
2247
Digitalisieren reicht natürlich nicht aus,
03:58
because these documents,
91
226748
1287
weil die meisten Dokumente in Latein,
04:00
most of them are in Latin, in Tuscan,
92
228035
2639
Toskanisch,
oder venezianischem Dialekt sind.
oder venezianischem Dialekt sind.
04:02
in Venetian dialect,
93
230689
1515
04:04
so you need to transcribe them,
94
232204
1675
Sie müssen transkribiert werden,
04:05
to translate them in some cases,
95
233879
1681
in manchen Fällen übersetzt,
sie müssen indiziert werden.
sie müssen indiziert werden.
04:07
to index them,
96
235560
1120
04:08
and this is obviously not easy.
97
236680
2164
Das ist natürlich nicht einfach,
04:10
In particular, traditional optical
character recognition method
character recognition method
98
238844
3844
besonders, weil traditionelle
Schrifterfassungsmethoden
Schrifterfassungsmethoden
04:14
that can be used for printed manuscripts,
99
242688
1424
für gedruckte Manuskripte
04:16
they do not work well on the handwritten document.
100
244112
4004
nicht gut für Handschriften funktionieren.
04:20
So the solution is actually to take inspiration
101
248116
2130
Die Lösung ist, Inspiration
04:22
from another domain: speech recognition.
102
250246
2901
in einem anderen Feld
zu suchen: Spracherkennung.
zu suchen: Spracherkennung.
04:25
This is a domain of something
that seems impossible,
that seems impossible,
103
253147
2055
Dies ist ein scheinbar
unmögliches Gebiet,
unmögliches Gebiet,
04:27
which can actually be done,
104
255202
2537
das tatsächlich funktioniert,
04:29
simply by putting additional constraints.
105
257739
2194
wenn man zusätzliche
Bedingungen hinzufügt.
Bedingungen hinzufügt.
04:31
If you have a very good model
106
259933
1586
Hat man von der genutzten Sprache
ein sehr gutes Modell,
ein sehr gutes Modell,
04:33
of a language which is used,
107
261519
1526
ein sehr gutes Modell
von einem Dokument --
von einem Dokument --
04:35
if you have a very good model of a document,
108
263045
2086
04:37
how well they are structured.
109
265131
1432
wie gut sie strukturiert sind.
04:38
And these are administrative documents.
110
266563
1353
Dies sind Verwaltungsdokumente.
04:39
They are well structured in many cases.
111
267931
2132
Sie sind in vielen Fällen gut strukturiert.
04:42
If you divide this huge archive into smaller subsets
112
270063
3308
Wenn man dieses riesige Archiv
in kleinere Untergruppen aufteilt,
in kleinere Untergruppen aufteilt,
04:45
where a smaller subset
actually shares similar features,
actually shares similar features,
113
273371
2877
in denen kleinere Untergruppen
ähnliche Merkmale teilen,
ähnliche Merkmale teilen,
04:48
then there's a chance of success.
114
276248
4031
dann ist Erfolg möglich.
04:54
If we reach that stage, then there's something else:
115
282761
2435
Haben wir diesen Punkt erreicht,
gibt es noch etwas:
gibt es noch etwas:
04:57
we can extract from this document events.
116
285196
3522
Wir können aus diesen Dokumenten
Ereignisse ableiten.
Ereignisse ableiten.
05:00
Actually probably 10 billion events
117
288718
2298
Wahrscheinlich können
ca. 10 Milliarden Ereignisse
ca. 10 Milliarden Ereignisse
05:03
can be extracted from this archive.
118
291016
1931
aus diesem Archiv abgeleitet werden.
05:04
And this giant information system
119
292947
1724
Dieses gigantische Informationssystem
05:06
can be searched in many ways.
120
294671
1816
kann auf viele Arten durchsucht werden.
05:08
You can ask questions like,
121
296487
1368
Man kann Fragen stellen wie:
05:09
"Who lived in this palazzo in 1323?"
122
297855
2760
"Wer wohnte 1323 in diesem Palazzo?"
05:12
"How much cost a sea bream at the Realto market
123
300615
2222
"Wie viel kostete 1434 eine Seebrasse
05:14
in 1434?"
124
302837
1724
auf dem Rialto-Markt?"
05:16
"What was the salary
125
304561
1460
"Wie hoch war das Gehalt
05:18
of a glass maker in Murano
126
306021
2045
eines Glasbläsers aus Murano
in einem Jahrzehnt?"
05:20
maybe over a decade?"
127
308066
1406
05:21
You can ask even bigger questions
128
309472
1422
Auch größere Fragen sind möglich,
05:22
because it will be semantically coded.
129
310894
2738
weil sie semantisch kodiert werden.
05:25
And then what you can do is put that in space,
130
313632
2140
Man kann das dann im Raum anordnen,
05:27
because much of this information is spatial.
131
315772
2173
denn viele der Informationen sind räumlich.
05:29
And from that, you can do things like
132
317945
1935
Und davon ausgehend, kann man
05:31
reconstructing this extraordinary journey
133
319880
2113
die außergewöhnliche Reise
05:33
of that city that managed to
have a sustainable development
have a sustainable development
134
321993
3356
dieser Stadt rekonstruieren,
die es über 1000 Jahre geschafft hat,
die es über 1000 Jahre geschafft hat,
05:37
over a thousand years,
135
325349
2126
eine nachhaltige Entwicklung zu haben,
05:39
managing to have all the time
136
327475
1620
und die ganze Zeit über
05:41
a form of equilibrium with its environment.
137
329095
2861
in einem Gleichgewicht
mit ihrer Umwelt zu leben.
mit ihrer Umwelt zu leben.
05:43
You can reconstruct that journey,
138
331956
1248
Man kann die Reise rekonstruieren
05:45
visualize it in many different ways.
139
333204
2896
und auf vielfältige
Art und Weise visualisieren.
Art und Weise visualisieren.
05:48
But of course, you cannot understand
Venice if you just look at the city.
Venice if you just look at the city.
140
336100
2699
Man kann Venedig nicht verstehen,
wenn man nur die Stadt sieht,
wenn man nur die Stadt sieht,
05:50
You have to put it in a larger European context.
141
338799
2396
man muss einen größeren
europäischen Kontext sehen.
europäischen Kontext sehen.
05:53
So the idea is also to document all the things
142
341195
2821
Die Idee ist also,
all die Dinge zu dokumentieren,
all die Dinge zu dokumentieren,
05:56
that worked at the European level.
143
344016
2423
die auf europäischem Niveau abliefen.
05:58
We can reconstruct also the journey
144
346439
1964
Wir können auch die Entwicklung
06:00
of the Venetian maritime empire,
145
348403
1990
des venezianischen Seereiches
rekonstruieren,
rekonstruieren,
06:02
how it progressively controlled the Adriatic Sea,
146
350393
3166
wie die Stadt nach und nach
die Adria kontrollierte
die Adria kontrollierte
06:05
how it became the most powerful medieval empire
147
353559
3746
und wie sie das mächtigste
mittelalterliche Reich
mittelalterliche Reich
06:09
of its time,
148
357305
1561
dieser Zeit wurde,
06:10
controlling most of the sea routes
149
358866
2172
welches die meisten Seerouten
06:13
from the east to the south.
150
361038
2933
von Osten nach Süden kontrollierte.
06:17
But you can even do other things,
151
365305
2316
Aber man kann sogar noch mehr machen,
06:19
because in these maritime routes,
152
367621
2277
denn diese Seerouten
06:21
there are regular patterns.
153
369898
1975
folgen geordneten Mustern.
06:23
You can go one step beyond
154
371889
2493
Man kann einen Schritt weiter gehen
06:26
and actually create a simulation system,
155
374382
2120
und eine Simulation bauen,
06:28
create a Mediterranean simulator
156
376502
2815
eine Simulation des Mittelmeeres,
06:31
which is capable actually of reconstructing
157
379317
2593
mit der man sogar fehlende Informationen
06:33
even the information we are missing,
158
381910
2202
rekonstruieren kann,
06:36
which would enable us to have
questions you could ask
questions you could ask
159
384112
2988
die uns Fragen erlauben würden,
06:39
like if you were using a route planner.
160
387100
2988
die wir sonst einem Routenplaner stellen.
06:42
"If I am in Corfu in June 1323
161
390088
3071
"Wenn ich im Juni 1323 auf Korfu bin
06:45
and want to go to Constantinople,
162
393159
2526
und nach Konstantinopel möchte,
06:47
where can I take a boat?"
163
395685
2143
wo kann ich ein Boot nehmen?"
06:49
Probably we can answer this question
164
397828
1367
Wir können diese Frage
06:51
with one or two or three days' precision.
165
399195
4473
vermutlich auf ein, zwei
oder drei Tage genau beantworten.
oder drei Tage genau beantworten.
06:55
"How much will it cost?"
166
403668
1607
"Wie viel kostet das?"
06:57
"What are the chance of encountering pirates?"
167
405275
3592
"Wie hoch sind die Chancen,
auf Piraten zu treffen?"
auf Piraten zu treffen?"
07:00
Of course, you understand,
168
408867
1811
Wissen Sie, natürlich ist die zentrale,
07:02
the central scientific challenge
of a project like this one
of a project like this one
169
410678
2609
wissenschaftliche Herausforderung
bei so einem Projekt,
bei so einem Projekt,
07:05
is qualifying, quantifying and representing
170
413287
3729
Ungewissheit und Lückenhaftigkeit
in jedem Schritt dieses Prozesses
in jedem Schritt dieses Prozesses
07:09
uncertainty and inconsistency
at each step of this process.
at each step of this process.
171
417016
3330
zu qualifizieren, zu quantifizieren
und zu repräsentieren.
und zu repräsentieren.
07:12
There are errors everywhere,
172
420346
2712
Überall finden sich Fehler,
07:15
errors in the document, it's
the wrong name of the captain,
the wrong name of the captain,
173
423058
2489
Fehler im Dokument,
der falsche Name des Kapitäns,
der falsche Name des Kapitäns,
07:17
some of the boats never actually took to sea.
174
425547
3213
manche Boote sind niemals
in See gestochen.
in See gestochen.
07:20
There are errors in translation, interpretative biases,
175
428760
4857
Es gibt Übersetzungsfehler,
interpretative Verzerrungen.
interpretative Verzerrungen.
07:25
and on top of that, if you add algorithmic processes,
176
433624
3466
Dazu kommt noch,
dass bei einem Algorithmus
dass bei einem Algorithmus
07:29
you're going to have errors in recognition,
177
437090
2949
Erkennungsfehler
und Extraktionsfehler
und Extraktionsfehler
07:32
errors in extraction,
178
440039
1961
auftreten werden,
07:34
so you have very, very uncertain data.
179
442000
4481
sodass die Datenbasis
sehr, sehr unsicher ist.
sehr, sehr unsicher ist.
07:38
So how can we detect and
correct these inconsistencies?
correct these inconsistencies?
180
446481
3757
Wie können wir diese Ungereimtheiten
finden und korrigieren?
finden und korrigieren?
07:42
How can we represent that form of uncertainty?
181
450238
3660
Wie können wir diese Form
der Ungewissheit darstellen?
der Ungewissheit darstellen?
07:45
It's difficult. One thing you can do
182
453898
2097
Es ist schwierig.
Ein Ansatz ist,
jeden Schritt zu dokumentieren --
jeden Schritt zu dokumentieren --
07:47
is document each step of the process,
183
455995
2226
07:50
not only coding the historical information
184
458221
2448
nicht nur die historischen
Daten zu kodieren,
Daten zu kodieren,
07:52
but what we call the meta-historical information,
185
460669
2679
sondern auch sogenannte
meta-historischen Informationen,
meta-historischen Informationen,
07:55
how is historical knowledge constructed,
186
463348
2663
wie historisches Wissen konstruiert wurde,
07:58
documenting each step.
187
466011
1998
und jeden Schritt zu dokumentieren.
08:00
That will not guarantee that we actually converge
188
468009
1645
Das garantiert nicht, dass wir tatsächlich
08:01
toward a single story of Venice,
189
469654
2450
zu einer einzigen Geschichte
Venedigs zusammenfinden,
Venedigs zusammenfinden,
08:04
but probably we can actually reconstruct
190
472104
2138
aber wir können vermutlich eine mögliche,
08:06
a fully documented potential story of Venice.
191
474242
3048
vollständig dokumentierte
Geschichte Venedigs rekonstruieren.
Geschichte Venedigs rekonstruieren.
08:09
Maybe there's not a single map.
192
477290
1459
Vielleicht gibt es nicht nur eine,
08:10
Maybe there are several maps.
193
478749
2120
sondern mehrere Karten.
08:12
The system should allow for that,
194
480869
2216
Das System sollte dafür geeignet sein,
08:15
because we have to deal with
a new form of uncertainty,
a new form of uncertainty,
195
483085
2859
denn hier arbeiten wir mit
einer neuen Art von Unsicherheit,
einer neuen Art von Unsicherheit,
08:17
which is really new for this type of giant databases.
196
485944
4641
die für diesen Datenbankentyp
absolut neu ist.
absolut neu ist.
08:22
And how should we communicate
197
490585
2190
Und wie sollten wir
08:24
this new research to a large audience?
198
492790
3979
diese neue Forschung
einer großen Zielgruppe darstellen?
einer großen Zielgruppe darstellen?
08:28
Again, Venice is extraordinary for that.
199
496769
2663
Venedig ist auch dafür
außergewöhnlich gut geeignet.
außergewöhnlich gut geeignet.
08:31
With the millions of visitors that come every year,
200
499432
2171
Mit den Millionen Besuchern,
die jedes Jahr nach Venedig kommen,
die jedes Jahr nach Venedig kommen,
08:33
it's actually one of the best places
201
501603
1763
ist es tatsächlich einer der besten Orte,
08:35
to try to invent the museum of the future.
202
503366
2988
um den Versuch
eines Museums der Zukunft zu wagen.
eines Museums der Zukunft zu wagen.
08:38
Imagine, horizontally you see the reconstructed map
203
506354
3304
Stellen Sie sich das vor: Horizontal
sieht man die rekonstruierte Karte
sieht man die rekonstruierte Karte
08:41
of a given year,
204
509658
1286
in einem bestimmten Jahr
08:42
and vertically, you see the document
205
510944
2958
und vertikal sieht man das Dokument,
08:45
that served the reconstruction,
206
513902
1511
das als Basis für die Rekonstruktion diente,
08:47
paintings, for instance.
207
515413
3400
Gemälde zum Beispiel.
08:50
Imagine an immersive system that permits
208
518813
2580
Ein umfassendes System, das es erlaubt,
hinzugehen, einzutauchen
hinzugehen, einzutauchen
08:53
to go and dive and reconstruct
the Venice of a given year,
the Venice of a given year,
209
521393
3502
und das Venedig eines bestimmten
Jahres auferstehen zu lassen,
Jahres auferstehen zu lassen,
08:56
some experience you could share within a group.
210
524895
2715
als ein Erlebnis, das man
mit einer Gruppe teilen könnte.
mit einer Gruppe teilen könnte.
08:59
On the contrary, imagine actually that you start
211
527610
2246
Oder stellen Sie sich vor, dass Sie
tatsächlich bei einem Dokument anfangen.
tatsächlich bei einem Dokument anfangen.
09:01
from a document, a Venetian manuscript,
212
529856
2207
Einem venezianischen Manuskript.
09:04
and you show, actually, what
you can construct out of it,
you can construct out of it,
213
532063
3049
Und Sie zeigen,
was man daraus machen kann,
was man daraus machen kann,
09:07
how it is decoded,
214
535112
1772
wie es dekodiert wird,
09:08
how the context of that document can be recreated.
215
536884
2415
wie der Kontext des Dokuments
nachvollzogen werden kann.
nachvollzogen werden kann.
09:11
This is an image from an exhibit
216
539299
1885
Dies ist ein Bild aus einer Ausstellung,
09:13
which is currently conducted in Geneva
217
541184
2276
die im Moment in Genf aufgebaut wird
09:15
with that type of system.
218
543460
2354
mit dieser Art von System.
09:17
So to conclude, we can say that
219
545814
2175
Zusammenfassend können wir also sagen,
09:19
research in the humanities is about to undergo
220
547989
3079
dass die Forschung
in den Geisteswissenschaften dabei ist,
in den Geisteswissenschaften dabei ist,
09:23
an evolution which is maybe similar
221
551068
1802
eine Evolution zu durchlaufen,
die vielleicht mit dem vergleichbar ist,
die vielleicht mit dem vergleichbar ist,
09:24
to what happened to life sciences 30 years ago.
222
552870
4582
was vor 30 Jahren
mit den Naturwissenschaften passierte.
mit den Naturwissenschaften passierte.
09:29
It's really a question of scale.
223
557452
4676
Es ist eine Frage des Ausmaßes.
09:34
We see projects which are
224
562130
3303
Wir sehen Projekte,
09:37
much beyond any single research team can do,
225
565433
3843
die weit über die Kapazität eines
einzelnen Forscherteams hinausgehen,
einzelnen Forscherteams hinausgehen,
09:41
and this is really new for the humanities,
226
569276
2243
und das ist eine neue Entwicklung
für die Geisteswissenschaften,
für die Geisteswissenschaften,
09:43
which very often take the habit of working
227
571519
3869
die daran gewöhnt sind,
09:47
in small groups or only with a couple of researchers.
228
575388
4008
in kleinen Gruppen oder mit nur
ein paar Forschern zusammenzuarbeiten.
ein paar Forschern zusammenzuarbeiten.
09:51
When you visit the Archivio di Stato,
229
579396
2118
Im Archivio di Stato merkt man,
09:53
you feel this is beyond what any single team can do,
230
581514
2822
dass das weit über die Kapazitäten
eines einzelnen Teams geht
eines einzelnen Teams geht
09:56
and that should be a joint and common effort.
231
584336
3834
und dass es
eine Zusammenarbeit sein sollte.
eine Zusammenarbeit sein sollte.
10:00
So what we must do for this paradigm shift
232
588170
3106
Was wir für diesen
Paradigmenwechsel tun müssen,
Paradigmenwechsel tun müssen,
10:03
is actually foster a new generation
233
591276
1902
ist eine neue Generation
10:05
of "digital humanists"
234
593178
1537
der "digital humanists" zu fördern,
10:06
that are going to be ready for this shift.
235
594715
2090
die bereit sind,
diese Anforderungen zu meistern.
diese Anforderungen zu meistern.
10:08
I thank you very much.
236
596805
1959
Vielen Dank!
10:10
(Applause)
237
598764
4000
(Applaus)
ABOUT THE SPEAKER
Frederic Kaplan - Digital humanities researcherFrederic Kaplan seeks to digitize vast archives of historical information to make maps that move -- through time.
Why you should listen
Frederic Kaplan is the Digital Humanities Chair at Ecole Polytechnique Federale de Lausanne (EPFL) and the EPFL's Digital Humanities Lab Director. Kaplan leads the lab in applying computation to humanities research. His latest project is the Venice Time Machine, a collaborative work archiving 80 kilometers of books from throughout 1000 years of Venetician history. The goal of the time machine is to create an information system which can be searched and mapped. Think of it as a Google Maps for time.
Kaplan holds a PhD in artificial intelligence from the University Paris VI. He lives in Switzerland.
Frederic Kaplan | Speaker | TED.com