TED2011
Aaron Koblin: Visualizing ourselves ... with crowd-sourced data
Άρον Κόμπλιν: Μια έντεχνη αναπαράσταση της ανθρώπινης φύσης
Filmed:
Readability: 4.2
1,731,467 views
Ο καλλιτέχνης Άρον Κόμπλιν συλλέγει τεράστιες ποσότητες δεδομένων – και ενίοτε πλήθος ανθρώπων – και τα μετατρέπει σε εντυπωσιακές αναπαραστάσεις. Από κομψές γραμμές που αναπαριστούν αεροπορικά δρομολόγια μέχρι τοπία και δεδομένα κινητής τηλεφωνίας, από ένα βίντεοκλιπ-αφιέρωμα στον Τζόνι Κας αποτελούμενο από σκίτσα μελών της παγκόσµιας διαδικτυακής κοινότητας μέχρι το βίντεο «Η ερημιά στο κέντρο της πόλης» που προσαρμόζεται στους χρήστες, η δουλειά του εξερευνά εξαιρετικούς τρόπους με τους οποίους η σύγχρονη τεχνολογία μας κάνει πιο ανθρώπινους.
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
Πιστεύω πως τα ηλεκτρονικά δεδομένα μας κάνουν πιο ανθρώπινους.
00:19
We're collecting and creating all kinds of data about how we're living our lives,
1
4000
3000
Συλλέγουμε και δημιουργούμε δεδομένα κάθε είδους για το πώς ζούμε τη ζωή μας
00:22
and it's enabling us to tell some amazing stories.
2
7000
2000
και αυτό μας επιτρέπει να μοιραστούμε καταπληκτικές ιστορίες.
00:24
Recently, a wise media theorist Tweeted,
3
9000
3000
Πρόσφατα, ένας σοφός θεωρητικός των ΜΜΕ ανάρτησε στο Τουίτερ
00:27
"The 19th century culture was defined by the novel,
4
12000
2000
«όπως ο 19ος αιώνας καθορίστηκε από το μυθιστόρημα
00:29
the 20th century culture was defined by the cinema,
5
14000
2000
και ο 20ος από τον κινηματογράφο,
00:31
and the culture of the 21st century
6
16000
2000
έτσι και ο 21ος
00:33
will be defined by the interface."
7
18000
2000
θα καθοριστεί από τη διεπαφή.»
00:35
And I believe this is going to prove true.
8
20000
2000
Πιστεύω πως η δήλωση αυτή θα αποδεικτεί αληθινή.
00:37
Our lives are being driven by data,
9
22000
2000
Οι ζωές μας τροφοδοτούνται από δεδομένα
00:39
and the presentation of that data is an opportunity
10
24000
2000
και η παρουσίαση αυτών των δεδομένων είναι μια ευκαιρία
00:41
for us to make some amazing interfaces that tell great stories.
11
26000
2000
για τη δημιουργία διεπαφών που μας επιτρέπουν να αφηγηθούμε.
00:43
So I'm going to show you a few of the projects
12
28000
2000
Έτσι λοιπόν θα σας παρουσιάσω κάποια δείγματα της δουλειάς μου
00:45
that I've been working on over the last couple years
13
30000
2000
των τελευταίων δύο ετών
00:47
that reflect on our lives and our systems.
14
32000
2000
και τα οποία αντικατοπτρίζουν τις ζωές και τα συστήματά μας.
00:49
This is a project called Flight Patterns.
15
34000
2000
Αυτή η δουλειά ονομάζεται Αεροπορικά Δρομολόγια.
00:51
What you're looking at is airplane traffic
16
36000
2000
Αυτό που βλέπετε είναι η αεροπορική κίνηση
00:53
over North America for a 24-hour period.
17
38000
3000
πάνω από τη Β. Αμερική μέσα σε ένα εικοσιτετράωρο.
00:56
As you see, everything starts to fade to black,
18
41000
2000
Όπως βλέπετε, η κίνηση λιγοστεύει το βράδυ
00:58
and you see people going to sleep.
19
43000
2000
που όλοι πάνε για ύπνο.
01:00
Followed by that, you see on the West coast
20
45000
2000
Στη συνέχεια, βλέπετε τις νυχτερινές ώρες στη Δυτική Ακτή
01:02
planes moving across, the red-eye flights to the East coast.
21
47000
3000
αεροσκάφη που διασχίζουν την χώρα προς την Ανατολική Ακτή.
01:05
And you'll see everybody waking up on the East coast,
22
50000
3000
Έπειτα, θα δείτε πως σιγά σιγά ξυπνούν όλοι στην Ανατολική Ακτή,
01:08
followed by European flights coming in the upper right-hand corner.
23
53000
3000
ενώ Ευρωπαϊκές πτήσεις έρχονται από την πάνω δεξιά γωνία.
01:11
Everybody's moving from the East coast to the West coast.
24
56000
3000
Όλοι κινούνται από την Ανατολική πρός τη Δυτική Ακτή.
01:14
You see San Francisco and Los Angeles
25
59000
2000
Εδώ είναι το Σαν Φρανσίσκο και το Λος Άντζελες
01:16
start to make their journeys down to Hawaii in the lower left-hand corner.
26
61000
3000
που ξεκινούν τα ταξίδια τους προς τη Χαβάη στην κάτω αριστερή γωνία.
01:19
I think it's one thing to say there's 140,000 planes
27
64000
2000
Είναι άλλο να λέμε πως 140,000 αεροσκάφη
01:21
being monitored by the federal government at any one time,
28
66000
3000
παρακολουθούνται από την ομοσπονδιακή κυβέρνηση ταυτόχρονα,
01:24
and it's another thing to see that system as it ebbs and flows.
29
69000
3000
και άλλο να βλέπουμε με τα μάτια μας αυτό το σύστημα με την συνεχή ροή του.
01:29
This is a time-lapse image of that exact same data,
30
74000
2000
Βλέπουμε ένα στιγμιότυπο με τα ίδια δεδομένα,
01:31
but I've color-coded it by type,
31
76000
2000
μόνο που εδώ τα ομαδοποίησα με διαφορετικά χρώματα
01:33
so you can see the diversity of aircraft that are in the skies above us.
32
78000
3000
για να ξεχωρίσουμε την ποικιλία των αεροσκαφών που βρίσκονται στον ουρανό.
01:36
And I started making these, and I put them into Google Maps
33
81000
3000
Έτσι ξεκίνησα να το φτιάχνω, και το καταχώρησα στους χάρτες της Γκουγκλ,
01:39
and allow you to zoom in and see individual airports
34
84000
2000
ώστε οι χρήστες να μπορούν να μεγενθύνουν την εικόνα και να δουν τα αεροδρόμια
01:41
and the patterns that are occurring there.
35
86000
2000
και την κίνηση των αεροσκαφών.
01:43
So here we can see the white represents low altitudes,
36
88000
3000
Εδώ λοιπόν βλέπουμε ότι το άσπρο χρώμα αντιπροσωπεύει τις χαμηλές πτήσεις
01:46
and the blue are higher altitudes.
37
91000
2000
και το μπλε τα μεγαλύτερα ύψη.
01:48
And you can zoom in. This is taking a look at Atlanta.
38
93000
2000
Υπάρχει η δυνατότητα για ζουμ. Αυτή είναι η Ατλάντα σε κοντινό πλάνο.
01:50
You can see this is a major shipping airport,
39
95000
2000
Βλέπουμε πως είναι ένα μεγάλο εμπορικό αεροδρόμιο
01:52
and there's all kinds of activity there.
40
97000
2000
με μεγάλη δραστηριότητα.
01:54
You can also toggle between altitude
41
99000
3000
Επίσης μπορούμε να αλλάξουμε τα κριτήρια αναζήτησης με βάση ύψος πτήσης,
01:57
for model and manufacturer.
42
102000
2000
μοντέλο και κατασκευαστή.
01:59
See again, the diversity.
43
104000
2000
Και πάλι υπάρχει μεγάλη ποικιλία.
02:01
And you can scroll around and see
44
106000
2000
Μπορεί κανείς επίσης να εξερευνήσει
02:03
some of the different airports and the different patterns that they have.
45
108000
3000
διάφορα αεροδρόμια και τα δρομολόγιά τους.
02:06
This is scrolling up the East coast.
46
111000
2000
Τώρα κοιτάμε την Ανατολική Ακτή.
02:08
You can see some of the chaos that's happening in New York
47
113000
2000
Βλέπετε το χάος που επικρατεί στη Νέα Υόρκη
02:10
with the air traffic controllers
48
115000
2000
και όλα αυτά που πρέπει να επιβλέπουν οι ελεγκτές εναέριας κυκλοφορίας
02:12
having to deal with all those major airports next to each other.
49
117000
4000
με τα κεντρικά γειτονικά αεροδρόμια.
02:17
So zooming back out real quick,
50
122000
2000
Αλλά ας κάνουμε ένα βήμα πίσω
02:19
we see, again, the U.S. -- you get Florida down in the right-hand corner.
51
124000
3000
για να δούμε τις Η.Π.Α. Αυτή είναι η Φλώριδα κάτω δεξιά.
02:22
Moving across to the West coast,
52
127000
2000
Αν κινηθούμε προς τη Δυτική Ακτή,
02:24
you see San Francisco and Los Angeles --
53
129000
2000
θα δούμε το Σαν Φρανσίσκο και το Λος Άντζελες
02:26
big low-traffic zones
54
131000
2000
και τις λιγότερο πολυσύχναστες ζώνες
02:28
across Nevada and Arizona.
55
133000
2000
προς τη Νεβάδα και την Αριζόνα.
02:30
And that's us down there in L.A. and Long Beach on the bottom.
56
135000
4000
Εκεί κάτω είμαστε εμείς στο Λ.Α. και το Λονγκ Μπητς πιο κάτω.
02:36
I started taking a look as well at different perimeters,
57
141000
2000
Ξεκίνησα να λαμβάνω υπόψη μου και άλλες παραμέτρους,
02:38
because you can choose what you want to pull out from the data.
58
143000
2000
επειδή ο καθένας μπορεί να χρησιμοποιήσει τα δεδομένα αυτά διαφορετικά.
02:40
This is looking at ascending versus descending flights.
59
145000
3000
Αυτό είναι μια αναπαράσταση των απογειώσεων και προσγειώσεων.
02:43
And you can see, over time, the ways the airports change.
60
148000
2000
Όπως βλέπετε, με την πάροδο του χρόνου, τα αεροδρόμια αλλάζουν.
02:45
You see the holding patterns that start to develop
61
150000
2000
Παρατηρείτε τα επαναλαμβανόμενα δρομολόγια που ξεκινούν
02:47
in the bottom of the screen.
62
152000
2000
στο κάτω μέρος της οθόνης.
02:49
And you can see, eventually the airport actually flips directions.
63
154000
3000
Και όπως βλέπετε, τελικώς οι κατευθύνσεις αλλάζουν.
02:53
So this is another project that I worked on with the Sensible Cities Lab at MIT.
64
158000
3000
Αυτή είναι ακόμα μια δουλειά μου, που ολοκληρώθηκε σε συνεργασία με το εργαστήριο Σένσιμπλ Σίτις στο ΜΙΤ.
02:56
This is visualizing international communications.
65
161000
2000
Πρόκειται για μια απεικόνιση των διεθνών τηλεπικοινωνιών.
02:58
So it's how New York communicates
66
163000
2000
Σε αυτό το πλάνο βλέπουμε την επικοινωνία της Νέας Υόρκης
03:00
with other international cities.
67
165000
2000
με άλλες πόλεις του εξωτερικού.
03:02
And we set this up as a live globe in the Museum of Modern Art in New York
68
167000
3000
Αυτή την υδρόγειο την εκθέσαμε στο Μουσείο Μοντέρνας Τέχνης στη Νέα Υόρκη
03:05
for the Design the Elastic Mind exhibition.
69
170000
2000
στα πλαίσια την έκθεσης «Σχέδιο και το Ελαστικό Μυαλό».
03:07
And it had a live feed with a 24-hour offset,
70
172000
2000
Είχαμε ζωντανή εικοσιτετράωρη μετάδοση,
03:09
so you could see the changing relationship
71
174000
2000
ώστε να μπορεί κανείς να δει τις εναλλαγές
03:11
and some demographic info
72
176000
2000
και κάποια δημογραφικά στοιχεία
03:13
coming through AT&T's data and revealing itself.
73
178000
3000
στα οποία είχαμε πρόσβαση μέσω δεδομένων της AT&T.
03:16
This is another project I worked on with Sensible Cities Lab
74
181000
2000
Αυτή είναι ακόμα μια συνεργασία μου με το εργαστήριο Σένσιμπλ Σίτις
03:18
and CurrentCity.org.
75
183000
2000
και το CurrentCity.org.
03:20
And it's visualizing SMS messages being sent in the city of Amsterdam.
76
185000
3000
Είναι η απεικόνιση των γραπτών μηνυμάτων που εστάλησαν στο Άμστερνταμ.
03:23
So you're seeing the daily ebb and flow
77
188000
2000
Έτσι λοιπόν μπορεί κανείς να δει την καθημερινή ροή μηνυμάτων
03:25
of people sending SMS messages from different parts of the city,
78
190000
2000
που αποστέλλονται από διάφορες περιοχές της πόλης,
03:27
until we approach New Year's Eve, where everybody says, "Happy New Year!"
79
192000
3000
ως την Παραμονή της Πρωτοχρονιάς, που όλοι στέλνουν «Καλή Χρονιά!»
03:30
(Laughter)
80
195000
2000
(Γέλια)
03:32
So this is an interactive tool
81
197000
2000
Πρόκειται για ένα διαδραστικό εργαλείο
03:34
that you can move around and see different parts of the city.
82
199000
3000
που επιτρέπει στους χρήστες να κινηθούν σε διάφορα μέρη της πόλης.
03:37
This is looking at another event. This is called Queen's Day.
83
202000
3000
Αυτό απεικονίζει μια άλλη περίσταση, γνωστή ως Μέρα της Βασίλισσας.
03:40
So again, you get this daily ebb and flow
84
205000
2000
Και πάλι βλέπουμε τη ροή γραπτών μηνυμάτων
03:42
of people sending SMS messages from different parts of the city.
85
207000
3000
από διάφορες περιοχές της πόλης.
03:45
And then you're going to see people start to gather in the center of the city
86
210000
2000
Τώρα θα δούμε πως οι άνθρωποι μαζεύονται σιγά σιγά στο κέντρο της πόλης
03:47
to celebrate the night before,
87
212000
2000
για να γιορτάσουν την παραμονή,
03:49
which happens right here.
88
214000
2000
δηλαδή κάπου εδώ.
03:51
And then you can see people celebrating the next day.
89
216000
2000
Και μετά βλέπουμε πως οι άνθρωποι γιορτάζουν την επόμενη μέρα.
03:53
And you can pause it and step back and forth and see different phases.
90
218000
3000
Μπορεί κανείς να σταματήσει, να πάει πίσω ή μπροστά για να δει διαφορετικά στάδια.
03:56
So now on to something completely different.
91
221000
2000
Και τώρα πάμε σε κάτι τελείως διαφορετικό.
03:58
Some of you may recognize this.
92
223000
2000
Κάποιοι ίσως το αναγνωρίζετε.
04:00
This is Baron Wolfgang von Kempelen's mechanical chess playing machine.
93
225000
3000
Είναι η σκακιστική μηχανή του βαρώνου Βόλφγκανγκ φον Κέμπελεν,
04:03
And it's this amazing robot that plays chess extremely well,
94
228000
2000
αυτό το καταπληκτικό ρομπότ που έπαιζε εξαιρετικά σκάκι.
04:05
except for one thing: it's not a robot at all.
95
230000
3000
Μόνο που δεν ήταν τελικά ρομπότ.
04:08
There's actually a legless man that sits in that box
96
233000
2000
Μέσα σ’αυτό το κουτί κρυβόταν ένας άνδρας χωρίς πόδια
04:10
and controls this chess player.
97
235000
2000
που έλεγχε τη μηχανή αυτή.
04:12
This was the inspiration for a web service by Amazon
98
237000
2000
Από το γεγονός εμπνεύστηκε μια διαδικτυακή υπηρεσία της Άμαζον,
04:14
called the Mechanical Turk -- named after this guy.
99
239000
3000
ο «Μηχανικός Τούρκος», που πήρε το όνομά του από τη μηχανή αυτή.
04:17
And it's based on the premise that there are certain things
100
242000
2000
Η υπηρεσία βασίζεται στη λογική ότι κάποια πράγματα
04:19
that are easy for people, but really difficult for computers.
101
244000
2000
είναι εύκολα για τους ανθρώπους αλλά πραγματικά δύσκολα για τους υπολογιστές.
04:21
So they made this web service and said,
102
246000
2000
Έτσι, έφτιαξαν αυτη τη διαδικτυακή υπηρεσία με τη λογική ότι
04:23
"Any programmer can write a piece of software
103
248000
2000
οποιοσδήποτε προγραμματιστής μπορεί να φτιάξει ένα λογισμικό
04:25
and tap into the minds of thousands of people."
104
250000
2000
και να αξιοποιήσει το μυαλό χιλιάδων ανθρώπων.
04:27
The nerdy side of me thought, "Wow, this is amazing.
105
252000
2000
Η μια μου πλευρά, αυτή του σπασίκλα, σκέφτηκε: «Καταπληκτικό.
04:29
I can tap into thousands of people's minds."
106
254000
2000
Μπορώ να αξιοποιήσω το μυαλό χιλιάδων ανθρώπων.»
04:31
And the other nerdy side of me thought,
107
256000
2000
Και η άλλη μου πλευρά, του άλλου σπασίκλα, σκέφτηκε:
04:33
"This is horrible. This is completely bizarre.
108
258000
3000
«Αυτό είναι φρικτό και τελείως αλλόκοτο.
04:36
What does this mean for the future of mankind,
109
261000
2000
Τί σημαίνει αυτό για το μέλλον της ανθρωπότητας
04:38
where we're all plugged into this borg?"
110
263000
2000
το να είμαστε όλοι συνδεδεμένοι με ένα ανθρωποειδές;»
04:40
I was probably being a little extreme.
111
265000
2000
Πιθανώς να ήμουν λίγο υπερβολικός.
04:42
But what does this mean when we have no context for what it is that we're working on,
112
267000
2000
Όμως, τί συμβαίνει όταν αγνοούμε το γενικό πλαίσιο αυτού στο οποίο δουλεύουμε,
04:44
and we're just doing these little labors?
113
269000
2000
κάνοντας διάφορες μικροδουλειές;
04:46
So I created this drawing tool.
114
271000
2000
Έτσι, δημιούργησα ένα εργαλείο σχεδιασμού.
04:48
I asked people to draw a sheep facing to the left.
115
273000
2000
Ζήτησα από τους χρήστες να ζωγραφίσουν ένα πρόβατο που να κοιτάζει προς τα αριστερά
04:50
And I said, "I'll pay you two cents for your contribution."
116
275000
2000
και δεσμεύτηκα να πληρώσω δύο σεντς για την συμβολή τους.
04:52
And I started collecting sheep.
117
277000
3000
Και ξεκίνησα να συλλέγω πρόβατα.
04:55
And I collected a lot, a lot of different sheep.
118
280000
3000
Συνέλεξα πολλά, πάρα πολλά διαφορετικά πρόβατα.
04:59
Lots of sheep.
119
284000
2000
Πολλά.
05:01
I took the first 10,000 sheep that I collected,
120
286000
2000
Πήρα τα πρώτα 10,000 πρόβατα που συνέλεξα
05:03
and I put them on a website called TheSheepMarket.com
121
288000
3000
και τα ανέβασα στον ιστότοπο TheSheepMarket.com,
05:06
where you can actually buy collections of 20 sheep.
122
291000
3000
απ’ όπου μπορεί κανείς να αγοράσει συλλογές είκοσι προβάτων.
05:09
You can't pick individual sheep,
123
294000
2000
Δεν μπορεί να επιλέξει κανείς μεμονωμένα πρόβατα,
05:11
but you can buy a single plate block of stamps as a commodity.
124
296000
4000
αλλά μπορεί να αγοράσει μια σειρά γραμματοσήμων ως προιόν.
05:15
And juxtaposed against this grid,
125
300000
2000
Και ταυτόχρονα από αυτόν τον πίνακα
05:17
you see actually, by rolling over each individual one,
126
302000
2000
απλά κατευθύνοντας το ποντίκι προς κάποιο συγκεκριμένο πρόβατο,
05:19
the humanity behind this hugely mechanical process.
127
304000
3000
μπορείς να δεις την ανθρώπινη συμβολή σε αυτή την καθόλα μηχανική διαδικασία.
05:22
I think there's something really interesting
128
307000
2000
Πιστεύω πως υπάρχει κάτι πολύ ενδιαφέρον
05:24
to watching people as they go through this creative toil --
129
309000
3000
στο να παρατηρεί κανείς τους ανθρώπους σε μια δημιουργική προσπάθεια.
05:27
something we can all relate to,
130
312000
2000
Είναι κάτι με το οποίο μπορούμε να ταυτιστούμε,
05:29
this creative process of trying to come up with something from nothing.
131
314000
3000
δηλαδή η δημιουργική διαδικασία του να προσπαθούμε να φτιάξουμε κάτι από το τίποτα.
05:32
I think it was really interesting to juxtapose this humanity
132
317000
2000
Νομίζω ότι είναι πολύ ενδιαφέρον να αντιπαραθέσουμε το ανθρώπινο στοιχείο
05:34
versus this massive distributed grid.
133
319000
2000
έναντι αυτού του τεράστιου πίνακα.
05:36
Kind of amazing what some people did.
134
321000
3000
Η δουλειά κάποιων ήταν καταπληκτική.
05:39
So here's a few statistics from the project.
135
324000
2000
Και τώρα, κάποια στατιστικά από αυτή τη δουλειά.
05:41
Approximate collection rate of 11 sheep per hour,
136
326000
2000
Ταχύτητα παραγωγής κατά προσέγγιση: 11 πρόβατα την ώρα,
05:43
which would make a working wage of 69 cents per hour.
137
328000
3000
που θα ισοδυναμούσε με μισθό 69 σεντς την ώρα.
05:46
There were 662 rejected sheep
138
331000
2000
662 πρόβατα απορρίφθηκαν
05:48
that didn't meet "sheep-like" criteria and were thrown out of the flock.
139
333000
3000
γιατί δεν έμοιαζαν με πρόβατα, και έτσι εκδιώχθηκαν από το κοπάδι.
05:51
(Laughter)
140
336000
2000
(Γέλια)
05:53
The amount of time spent drawing ranged from four seconds to 46 minutes.
141
338000
3000
Ο χρόνος που αφιερώθηκε κυμαίνεται μεταξύ 4 δευτερολέπτων και 46 λεπτών.
05:56
That gives you an idea of the different types of motivations and dedication.
142
341000
3000
Αυτό μας δίνει μια ιδέα για τον ενθουσιασμό και την αφοσίωση μερικών.
05:59
And there were 7,599 people that contributed to the project,
143
344000
3000
7,599 άνθρωποι συνέβαλαν σε αυτό το σκοπό,
06:02
or were unique IP addresses --
144
347000
2000
από διαφορετικές διευθύνσεις ΙΡ.
06:04
so about how many people contributed.
145
349000
2000
οπότε κάπου τόσοι έλαβαν μέρος.
06:06
But only one of them out of the 7,599 said this.
146
351000
4000
Αλλά μόνο ένας από τους 7,599 έγραψε: («Γιατί; Γιατί το κάνεις αυτό;»)
06:10
(Laughter)
147
355000
4000
(Γέλια)
06:14
Which I was pretty surprised by.
148
359000
2000
Ήταν μια έκπληξη για μένα.
06:16
I expected people to be wondering, "Why did I draw a sheep?"
149
361000
3000
Περίμενα πως κι άλλοι θα απορούσαν. Γιατί μας βάζει να ζωγραφίζουμε πρόβατα;
06:19
And I think it's a pretty valid question.
150
364000
2000
Νομίζω πως είναι μια πολύ καλή ερώτηση.
06:21
And there's a lot of reasons why I chose sheep.
151
366000
2000
Υπάρχουν πολλοί λόγοι για τους οποίους επέλεξα το πρόβατο.
06:23
Sheep were the first animal
152
368000
2000
Το πρόβατο ήταν το πρώτο ζώο
06:25
to be raised from mechanically processed byproducts,
153
370000
2000
που έχει εκτραφεί με μηχανικά επεξεργασμένα υποπροϊόντα,
06:27
the first to be selectively bred for production traits,
154
372000
2000
το πρώτο που εξετράφη επιλεκτικά λόγω των χαρακτηριστικών εκτροφής του,
06:29
the first animal to be cloned.
155
374000
2000
και το πρώτο ζώο που κλωνοποιήθηκε.
06:31
Obviously, we think of sheep as followers.
156
376000
2000
Προφανώς, θεωρούμε τα πρόβατα ως ζώα που ακολουθούν.
06:33
And there's this reference to "Le Petit Prince"
157
378000
2000
Επίσης υπάρχει μια αναφορά κάπου στον «Μικρό Πρίγκηπα»,
06:35
where the narrator asks the prince to draw a sheep.
158
380000
2000
όπου ο αφηγητής ζητά από τον πρίγκηπα να ζωγραφίσει ένα πρόβατο.
06:37
He draws sheep after sheep.
159
382000
2000
Και εκείνος πασχίζει ξανά και ξανά.
06:39
The narrator's only appeased when he draws a box.
160
384000
2000
Ο αφηγητής ικανοποιείται μόνο όταν ζωγραφίζει ένα κασόνι.
06:41
And he says, "It's not about a scientific rendering of a sheep.
161
386000
2000
Το σημαντικό δεν είναι να αποδώσει με επιστημονική ακρίβεια ένα πρόβατο,
06:43
It's about your own interpretation and doing something different."
162
388000
3000
αλλά να δώσει τη δική του ερμηνεία και να φτιάξει κάτι ξεχωριστό.
06:46
And I like that.
163
391000
2000
Μου αρέσει αυτό.
06:48
So this is a clip from Charlie Chaplin's "Modern Times."
164
393000
2000
Εδώ βλέπουμε ένα βίντεοκλιπ από τους «Μοντέρνους Καιρούς» του Τσάρλι Τσάπλιν
06:50
It's showing Charlie Chaplin dealing with some of the major changes
165
395000
3000
καθώς προσπαθεί να αντιμετωπίσει κάποιες από τις δραστικές αλλαγές
06:53
during the Industrial Revolution.
166
398000
2000
που επήλθαν κατά τη Βιομηχανική Επανάσταση.
06:55
So there were no longer shoe makers,
167
400000
2000
Έτσι, δεν υπάρχουν πια υποδηματοποιοί,
06:57
but now there are people slapping soles on people's shoes.
168
402000
2000
αλλά άτομα που καρφώνουν σόλες πάνω σε παπούτσια.
06:59
And the whole idea of one's relationship to their work changed a lot.
169
404000
3000
Άλλαξε η ευρύτερη έννοια της σχέσης των ανθρώπων με την εργασία τους.
07:02
So I thought this was an interesting clip
170
407000
2000
Γι’αυτό, θεώρησα πως αυτό το ενδιαφέρον κλιπ
07:04
to divide into 16 pieces
171
409000
2000
θα μπορούσε να μοιραστεί σε 16 μέρη
07:06
and feed into the Mechanical Turk with a drawing tool.
172
411000
3000
και να περαστεί στον Μηχανικό Τούρκο με ένα εργαλείο ζωγραφικής.
07:09
This basically allowed -- what you see on the left side is the original frame,
173
414000
3000
Ιδού το αποτέλεσμα. Αυτό που βλέπετε στα αριστερά είναι το αρχικό στιγμιότυπο
07:12
and on the right side you see that frame
174
417000
2000
και στα δεξιά είναι η απόδοσή του
07:14
as interpreted by 16 people
175
419000
2000
από 16 ανθρώπους
07:16
who have no idea what it is they're doing.
176
421000
2000
που δεν είχαν καμία πληροφορία γι’αυτό στο οποίο δούλευαν.
07:18
And this was the inspiration for a project
177
423000
2000
Και αυτό αποτέλεσε έμπνευση για μια συνεργασία
07:20
that I worked on with my friend Takashi Kawashima.
178
425000
2000
με ένα φίλο, τον Τακάσι Καγουασίμα.
07:22
We decided to use the Mechanical Turk for exactly what it was meant for,
179
427000
2000
Αποφασίσαμε να χρησιμοποιήσουμε τον Μηχανικό Τούρκο για το σκοπό για τον οποίο φτιάχτηκε,
07:24
which is making money.
180
429000
2000
δηλαδή για να μαζέψουμε λεφτά.
07:26
So we took a hundred dollar bill and divided it into 10,000 teeny pieces,
181
431000
3000
Πήραμε ένα εκατονταδόλλαρο, το μοιράσαμε σε 10,000 μικροσκοπικά κομμάτια,
07:29
and we fed those into the Mechanical Turk.
182
434000
2000
και το περάσαμε στον Μηχανικό Τούρκο.
07:31
We asked people to draw what it was that they saw.
183
436000
2000
Ζητήσαμε από τους χρήστες να ζωγραφίσουν αυτό που έβλεπαν.
07:33
But here there was no sheep-like criteria.
184
438000
2000
Αυτή τη φορά δεν υπήρχαν κριτήρια, όπως με το πρόβατο.
07:35
People, if they drew a stick figure or a smiley face,
185
440000
3000
Ο καθένας μπορούσε αν ήθελε να ζωγραφίσει ένα ανθρωπάκι, ή ένα χαμόγελο
07:38
it actually made it into the bill.
186
443000
2000
για να συμπεριληφθεί στο χαρτονόμισμα.
07:40
So what you see is actually a representation of how well people did
187
445000
2000
Εδώ φαίνεται πόσο καλά έφτιαξαν
07:42
what it was they were asked to do.
188
447000
2000
αυτό που τους ζητήθηκε.
07:44
So we took these hundred dollar bills,
189
449000
2000
Έτσι λοιπόν πήραμε αυτά τα εκατονταδόλλαρα,
07:46
and we put them on a website called TenThousandsCents.com,
190
451000
2000
τα ανεβάσαμε στον ιστότοπο TenThousandsCents.com,
07:48
where you can browse through and see all the individual contributions.
191
453000
3000
όπου μπορεί κανείς να δει μεμονωμένα τις ζωγραφιές των συμμετεχόντων.
07:51
And you can also trade real hundred-dollar bills for fake hundred-dollar bills
192
456000
3000
Μπορεί επίσης κανείς να ανταλλάξει πραγματικά εκατονταδόλλαρα με τα ψεύτικα
07:54
and make a donation to the Hundred Dollar Laptop Project,
193
459000
3000
ως δωρεά στο πρόγραμμα «Υπολογιστής των Εκατό Δολλαρίων»,
07:57
which is now known as One Laptop Per Child.
194
462000
3000
γνωστού και ως «Ένας υπολογιστής για κάθε παιδί».
08:00
This is again showing all the different contributions.
195
465000
2000
Πάλι εδώ βλέπουμε τις διάφορες συμμετοχές.
08:02
You see some people did beautiful stipple renderings,
196
467000
2000
Κάποιες αφορούν σχέδια με κουκκίδες,
08:04
like this one on top --
197
469000
2000
όπως αυτή εδώ πάνω
08:06
spent a long time making realistic versions.
198
471000
3000
και πραγματικά αφιερώθηκε πολύς χρόνος για κάποιες ρεαλιστικές εκδοχές.
08:09
And other people would draw stick figures or smiley faces.
199
474000
3000
Κάποιοι άλλοι έφτιαξαν απλά ανθρωπάκια, ή χαμόγελα.
08:12
Here on the right-hand side in the middle
200
477000
2000
Στο κέντρο και δεξιά
08:14
you see this one guy writing, "$0.01!!! Really?"
201
479000
3000
φαίνεται κάποιος που έγραψε «Ένα σεντ; Πας καλά;»
08:17
That's all I'm getting paid for this?
202
482000
4000
Τόσα πολλά θα μας πληρώσεις;
08:21
(Laughter)
203
486000
2000
(Γέλια)
08:23
So the last Mechanical Turk project I'm going to talk to you about
204
488000
2000
Η τελευταία δουλειά λογικής Μηχανικού Τούρκου για την οποία θα σας μιλήσω
08:25
is called Bicycle Built for 2000.
205
490000
2000
ονομάζεται Κατασκευή Ποδηλάτου για το 2000.
08:27
This is a collaboration with my friend Daniel Massey.
206
492000
2000
Είναι μια συνεργασία με ένα άλλο φίλο, τον Ντάνιελ Μάσσι.
08:29
You may recognize these two guys.
207
494000
2000
Ίσως αναγνωρίζετε αυτά τα δύο πρόσωπα.
08:31
This is Max Mathews and John Kelly from Bell Labs in the '60s,
208
496000
3000
Είναι ο Μαξ Μάθιους και ο Τζων Κέλλυ από τα Εργαστήρια Μπελ της δεκαετίας του 60,
08:34
where they created the song "Daisy Bell,"
209
499000
2000
όπου έφτιαξαν μια αναπαραγωγή του τραγουδιού «Νταίζη Μπελ»
08:36
which was the world's first singing computer.
210
501000
2000
στον πρώτο υπολογιστή στον κόσμο που μπορούσε να τραγουδίσει.
08:38
You may recognize it from "2001: A Space Odyssey."
211
503000
2000
Ίσως το θυμάστε από την «Οδύσσεια του Διαστήματος».
08:40
When HAL's dying at the end of the film he starts singing this song,
212
505000
3000
Πριν ο ΧΑΛ πεθάνει στο τέλος της ταινίας, τραγουδάει αυτό το τραγούδι,
08:43
as a reference to when computers became human.
213
508000
3000
που συμβολίζει την μετατροπή των υπολογιστών σε ανθρώπινα όντα.
08:46
So we resynthesized this song.
214
511000
2000
Έτσι λοιπόν ανασυνθέσαμε αυτό το τραγούδι.
08:48
This is what that sounded like.
215
513000
2000
Ηχητικά κατέληξε κάπως έτσι.
08:50
We broke down all the individual notes
216
515000
2000
Χωρίσαμε το κομμάτι σε μεμονωμένες νότες
08:52
in the singing as well as the phonemes in the singing.
217
517000
3000
και φωνήματα στο τραγούδι.
08:55
Daisy Bell: ♫ Daisy, Daisy ... ♫
218
520000
4000
Νταίζη Μπελ: ♫ Νταίζη, Νταίζη... ♫
08:59
Aaron Koblin: And we took all of those individual pieces,
219
524000
2000
Άρον Κόμπλιν: Πήραμε αυτά τα μεμονωμένα κομμάτια
09:01
and we fed them into another Turk request.
220
526000
2000
και τα βάλαμε άλλη μια φορά στο πρόγραμμα του Μηχανικού Τούρκου.
09:03
This is what it would look like if you went to the site.
221
528000
2000
Αυτό θα δείτε αν μπείτε στην ιστοσελίδα.
09:05
You type in your code,
222
530000
2000
Καταχωρείτε τον ταχυδρομικό σας κώδικα,
09:07
but you first test your mic.
223
532000
2000
αλλά πρώτα ελέγχετε το μικρόφωνο.
09:09
You'd be fed a simple audio clip.
224
534000
2000
Ακούτε ένα απλό ηχητικό κλιπ.
09:11
(Honk)
225
536000
2000
(Ήχος)
09:13
And then you'd do your best to recreate that with your own voice.
226
538000
3000
Και μετά προσπαθείτε να μιμηθείτε τον ήχο με τη φωνή σας.
09:22
After previewing it and confirming it's what you submitted,
227
547000
3000
Αφού το ξανακούσετε και επιβεβαιώσετε ότι αυτό ηχογραφήσατε,
09:25
you could submit it into the Mechanical Turk with no other context.
228
550000
3000
το καταχωρείτε στον Μηχανικό Τούρκο χωρίς κάποιο άλλο στοιχείο.
09:28
And this is what we first got back from the very first set of submissions.
229
553000
3000
Αυτές είναι οι πρώτες καταχωρήσεις που πήραμε.
09:31
Recording: ♫ Daisy, Daisy ♫
230
556000
5000
Ηχογράφηση: ♫ Νταίζη, Νταίζη, έλα ♫
09:36
♫ give me your answer do ♫
231
561000
5000
♫ πες μου πως με θες κοντά σου ♫
09:41
♫ I'm half crazy ♫
232
566000
4000
♫ Με τον νου φλερτάρει η τρέλα ♫
09:45
♫ all for the love of you ♫
233
570000
5000
♫ κι όλα για τον έρωτά σου ♫
09:50
♫ It can't be a stylish marriage ♫
234
575000
5000
♫ Γάμο ταπεινό προσφέρω ♫
09:55
♫ I can't afford a carriage ♫
235
580000
4000
♫ δεν θα πας με κάρο εξαίσιο ♫
09:59
♫ But you'll look sweet upon the seat ♫
236
584000
5000
♫ Θα σε πάω εγώ γλυκειά μου ♫
10:04
♫ of a bicycle built for two ♫
237
589000
5000
♫ με ποδήλατο διθέσιο ♫
10:09
AK: So James Surowieki has this idea of the wisdom of crowds,
238
594000
3000
ΑΚ: Ο Τζέημς Σουρουέικι πιστεύει στη θεωρία της σοφίας του πλήθους,
10:12
that says that a whole bunch of people are smarter than any individual.
239
597000
3000
δηλαδή στο ότι μια ομάδα ανθρώπων είναι πιο έξυπνη από οποιοδήποτε άτομο ξεχωριστά.
10:15
We wanted to see how this applies to collaborative, distributed music making,
240
600000
3000
Θέλαμε να δούμε πως αυτό εφαρμόζεται σε μια συνεργατική, τμηματική μουσική σύνθεση,
10:18
where nobody has any idea what it is they're working on.
241
603000
3000
για την οποία οι συμμετέχοντες δεν γνωρίζουν τίποτα.
10:21
So if you go to the BicycleBuiltforTwoThousand.com
242
606000
2000
Εάν λοιπόν μπείτε στην ιστοσελίδα BicycleBuiltforTwoThousand.com,
10:23
you can actually hear what all this sounds like together.
243
608000
2000
μπορείτε να ακούσετε όλους αυτούς τους ήχους μαζί.
10:25
I'm sorry for this.
244
610000
2000
Απολογούμαι γι’αυτό.
10:27
(Noise)
245
612000
5000
(Ήχος)
10:32
Chorus: ♫ Daisy, Daisy ♫
246
617000
4000
Ρεφραίν: ♫ Νταίζη, Νταίζη, έλα ♫
10:36
♫ Give me your answer do ♫
247
621000
5000
♫ πες μου πως με θες κοντά σου ♫
10:41
♫ I'm half crazy ♫
248
626000
5000
♫ Με τον νου φλερτάρει η τρέλα ♫
10:46
♫ all for the love of you ♫
249
631000
4000
♫ κι όλα για τον έρωτά σου ♫
10:50
♫ It can't be a stylish marriage ♫
250
635000
5000
♫ Γάμο ταπεινό προσφέρω ♫
10:55
♫ I can't afford a carriage ♫
251
640000
4000
♫ δεν θα πας με κάρο εξαίσιο ♫
10:59
♫ But you'd look sweet upon the seat ♫
252
644000
5000
♫ Θα σε πάω εγώ γλυκειά μου ♫
11:04
♫ of a bicycle built for two ♫
253
649000
6000
♫ με ποδήλατο διθέσιο ♫
11:10
AK: So stepping back for a quick second,
254
655000
3000
Ας πάμε ένα βήμα πίσω.
11:13
when I was at UCLA going to grad school,
255
658000
2000
Όταν φοιτούσα στο Πανεπιστήμιο της Καλιφόρνιας,
11:15
I was also working at a place called the Center for Embedded Network Sensing.
256
660000
3000
δούλευα παράλληλα στο Κέντρο Ενσωματωμένης Επισκόπησης Δικτύου.
11:18
And I was writing software to visualize laser scanners.
257
663000
3000
Εκεί έφτιαχνα λογισμικό για την οπτική απόδοση σαρωτών λέιζερ.
11:21
So basically motion through 3D space.
258
666000
2000
Δηλαδή τρισδιάστατη κίνηση.
11:23
And this was seen by a director in L.A. named James Frost
259
668000
2000
Όταν το είδε ένας σκηνοθέτης στο Λ.Α., ο Τζέημς Φροστ,
11:25
who said, "Wait a minute.
260
670000
2000
μου είπε «Μισό λεπτό.
11:27
You mean we can shoot a music video without actually using any video?"
261
672000
2000
Εννοείς ότι μπορούμε να γυρίσουμε ένα βίντεοκλιπ χωρίς να έχουμε βίντεο;»
11:29
So we did exactly that.
262
674000
2000
Και αυτό ακριβώς ήταν που κάναμε.
11:31
We made a music video for one of my favorite bands, Radiohead.
263
676000
2000
Φτιάξαμε ένα βίντεοκλιπ για ένα από τα αγαπημένα μου συγκροτήματα, τους Ρέιντιοχεντ.
11:33
And I think one of my favorite parts of this project
264
678000
2000
Αυτό που μου άρεσε πολύ σε αυτή τη δουλειά
11:35
was not just shooting a video with lasers,
265
680000
2000
δεν ήταν μόνο ότι φτιάξαμε ένα βίντεο με λέιζερ,
11:37
but we also open sourced it,
266
682000
2000
αλλά και ότι ήταν λογισμικό ανοικτού κώδικα.
11:39
and we made it released as a Google Code project,
267
684000
2000
Το ανεβάσαμε στο Γκουγκλ Κόουντ
11:41
where people could download a bunch of the data and some source code
268
686000
2000
για να μπορούν οι χρήστες να κατεβάσουν δεδομένα και ένα πρωτογενή κώδικα
11:43
to build their own versions of it.
269
688000
2000
και να φτιάξουν τις δικές τους εκδοχές.
11:45
And people were making some amazing things.
270
690000
2000
Κάποιοι πραγματικά μας εντυπωσίασαν με τη δουλειά τους.
11:47
This is actually two of my favorites:
271
692000
2000
Αυτά είναι δύο από τα αγαπημένα μου:
11:49
the pin-board Thom Yorke and a LEGO Thom Yorke.
272
694000
2000
η πινακίδα Τομ Γιορκ και το Λέγκο Τομ Γιορκ.
11:51
A whole YouTube channel of people submitting really interesting content.
273
696000
3000
Πολλοί άνθρωποι καταχώρησαν την εξαιρετική δουλειά τους στο Γιου Τιουμπ.
11:54
More recently, somebody even 3D-printed Thom Yorke's head,
274
699000
3000
Πρόσφατα, κάποιος έφτιαξε ένα τρισδιάστατο ομοίωμα του κεφαλιού του Τομ Γιορκ,
11:57
which is a little creepy, but pretty cool.
275
702000
3000
που αν και λίγο ανατριχιαστικό, ήταν καταπληκτικό.
12:00
So with everybody making so much amazing stuff
276
705000
2000
Αφού οι συμμετοχές ήταν τόσο ικανοποιητικές,
12:02
and actually understanding what it was they were working on,
277
707000
3000
ίσως επειδή όλοι δούλεψαν σε κάτι το οποίο ήξεραν τί είναι,
12:05
I was really interested in trying to make a collaborative project
278
710000
2000
με ενδιέφερε να κάνω μια συλλογική δουλειά,
12:07
where people were working together to build something.
279
712000
2000
στην οποία οι συμμετέχοντες θα δημιουργούσαν κάτι μαζί.
12:09
And I met a music video director named Chris Milk.
280
714000
2000
Συνάντησα τον Κρις Μιλκ, ένα σκηνοθέτη βίντεοκλιπ
12:11
And we started bouncing around ideas
281
716000
2000
και ξεκινήσαμε να σκεφτόμαστε ιδέες
12:13
to make a collaborative music video project.
282
718000
2000
για τη δημιουργία ενός συλλογικού βίντεοκλιπ.
12:15
But we knew we really needed the right person
283
720000
2000
Βέβαια, ξέραμε πως χρειαζόμασταν το κατάλληλο άτομο
12:17
to kind of rally behind and build something for.
284
722000
3000
για την διοργάνωση και διεκπεραίωση του έργου αυτού.
12:20
So we put the idea on the back burner for a few months.
285
725000
2000
Έτσι, βάλαμε την ιδέα μας στο συρτάρι για λίγους μήνες.
12:22
And he ended up talking to Rick Rubin,
286
727000
2000
Τελικώς, ο Κρις συνάντησε τον Ρικ Ρούμπιν,
12:24
who was finishing up Johnny Cash's final album
287
729000
2000
ο οποίος ολοκλήρωνε το τελευταίο άλμπουμ του Τζόνι Κας,
12:26
called "Ain't No Grave."
288
731000
2000
«Κανένα μνήμα».
12:28
The lyrics to the leading track are "Ain't no grave can hold my body down."
289
733000
3000
Οι στίχοι του πρώτου κομματιού είναι «Κανένα μνήμα δεν θα με κρατήσει».
12:31
So we thought this was the perfect
290
736000
2000
Σκεφτήκαμε λοιπόν πως αυτό ήταν το ιδανικό υλικό
12:33
project to build a collaborative memorial
291
738000
2000
για να δημιουργήσουμε ένα συλλογικό φόρο τιμής,
12:35
and a virtual resurrection for Johnny Cash.
292
740000
2000
μια εικονική ανάσταση του Τζόνι Κας.
12:37
So I teamed up with my good friend Ricardo Cabello, also known as Mr. doob,
293
742000
3000
Συνεργάστηκα με τον καλό μου φίλο Ρικάρντο Καμπέγιο, γνωστό και ως Κύριο Ντουμπ,
12:40
who's a much better programmer than I am,
294
745000
2000
που είναι πολύ καλύτερος προγραμματιστής από μένα
12:42
and he made this amazing Flash drawing tool.
295
747000
2000
και ο οποίος έφτιαξε αυτό το εργαλείο ζωγραφικής Φλας.
12:44
As you know,
296
749000
2000
Όπως ξέρουμε,
12:46
an animation is a series of images.
297
751000
2000
η κινούμενη εικόνα αποτελείται από διαδοχικά καρέ.
12:48
So what we did was cross-cut a bunch of archival footage of Johnny Cash,
298
753000
3000
Έτσι, κόψαμε και ράψαμε διάφορα πλάνα από αρχειακό υλικό του Τζόνι Κας
12:51
and at eight frames a second,
299
756000
2000
και με οκτώ καρέ το δευτερόλεπτο,
12:53
we allowed individuals to draw a single frame
300
758000
2000
δώσαμε την ευκαιρία στους συμμετέχοντες να ζωγραφίσουν ένα καρέ
12:55
that would get woven into
301
760000
2000
το οποίο θα ενσωματωνόταν
12:57
this dynamically changing music video.
302
762000
2000
σε αυτό το δυναμικά μεταβαλλόμενο βίντεοκλιπ.
12:59
So I don't have time to play the entire thing for you,
303
764000
2000
Δεν έχουμε τον χρόνο για να το δούμε όλο,
13:01
but I want to show you two short clips.
304
766000
2000
αλλά θέλω να σας δείξω δύο σύντομα κλιπ.
13:03
One is the beginning of the music video.
305
768000
2000
Το ένα είναι η αρχή του εν λόγω βίντεοκλιπ.
13:05
And that's going to be followed by a short clip
306
770000
2000
Ακολουθεί ένα σύντομο κλιπ στο οποίο
13:07
of people who have already contributed to the project
307
772000
2000
μιλάνε κάποιοι από τους ανθρώπους που συνέβαλαν
13:09
talking about it briefly.
308
774000
3000
σε αυτό το έργο.
13:12
(Music)
309
777000
6000
(Μουσική)
13:18
(Video) Johnny Cash: ♫ There ain't no grave ♫
310
783000
2000
(Βίντεο) Τζόνι Κας: ♫ Κανένα μνήμα ♫
13:20
♫ can hold my body down ♫
311
785000
4000
♫ δεν θα με κρατήσει ♫
13:24
♫ There ain't no grave ♫
312
789000
2000
♫ Κανένα μνήμα ♫
13:26
♫ can hold body down ♫
313
791000
3000
♫ δεν θα με κρατήσει ♫
13:30
♫ When I hear the trumpet sound ♫
314
795000
4000
♫ Όταν εκείνη η σάλπιγγα ηχήσει ♫
13:34
♫ I'm going to ride right out of the ground ♫
315
799000
2000
♫ Έξω απ’τη γη το σώμα μου θα ορμήσει ♫
13:36
♫ Ain't no grave ♫
316
801000
3000
♫ Κανένα μνήμα ♫
13:39
♫ can hold my body ... ♫
317
804000
3000
♫ δεν θα με κρατήσει ♫
13:42
(Applause)
318
807000
2000
(Χειροκρότημα)
13:44
AK: What better way to pay tribute to the man
319
809000
3000
ΑΚ: Δεν υπάρχει καλύτερος τρόπος να τιμήσει κανείς αυτόν τον άνδρα
13:47
than to make something for one of his songs.
320
812000
3000
από το να φτιάξει κάτι όμορφο για ένα από τα τραγούδια του.
13:50
Collaborator: I felt really sad when he died.
321
815000
2000
Συνεργάτης: Στεναχωρέθηκα πραγματικά όταν πέθανε.
13:52
And I just thought it'd be wonderful,
322
817000
2000
Και σκέφτηκα ότι θα ήταν υπέροχο,
13:54
it'd be really nice to contribute something to his memory.
323
819000
3000
πολύ όμορφο, να συνεισφέρουμε κάτι προς τιμήν του.
13:57
Collaborator Two: It really allows
324
822000
2000
Συνεργάτης 2: Αυτή η συνεργασία επιτρέπει
13:59
this last recording of his
325
824000
3000
σε αυτή την τελευταία ηχογράφηση
14:02
to be a living, breathing memorial.
326
827000
5000
να μετατραπεί σε ένα ζωντανό φόρο τιμής.
14:07
Collaborator Three: For all of the frames to be drawn by fans,
327
832000
3000
Συνεργάτης 3: Όλα τα σκίτσα που προήλθαν από θαυμαστές,
14:10
each individual frame,
328
835000
2000
το καθένα ξεχωριστά,
14:12
it's got a very powerful feeling to it.
329
837000
2000
είναι συναισθηματικά φορτισμένο.
14:14
Collaborator Four: I've seen everybody
330
839000
2000
Συνεργάτης 4: Έλαβαν μέρος άνθρωποι από παντού,
14:16
from Japan, Venezuela, to the States,
331
841000
2000
από την Ιαπωνία, τη Βενεζουέλα, μέχρι την Αμερική,
14:18
to Knoxville, Tennessee.
332
843000
2000
στο Νόξβιλ του Τεννεσσύ.
14:20
Collaborator Five: As much as is different from frame to frame,
333
845000
3000
Συνεργάτης 5: Παρόλο που τα σκίτσα διαφέρουν μεταξύ τους,
14:23
it really is personal.
334
848000
2000
είναι όλα πολύ προσωπικά.
14:25
Collaborator Six: Watching the video in my room,
335
850000
2000
Συνεργάτης 6: Καθώς παρακολουθούσα το βίντεο στο δωμάτιό μου,
14:27
I could see me not understanding at the beginning of it.
336
852000
3000
στην αρχή μου ήταν δύσκολο να καταλάβω.
14:30
And I just worked and worked through problems,
337
855000
3000
Συνέχισα να λύνω τα προβλήματα που προέκυπταν,
14:33
until my little wee battles that I was fighting within the picture
338
858000
4000
ώσπου οι μικρές μάχες που έδινα δουλεύοντας στο σκίτσο
14:37
all began to resolve themselves.
339
862000
3000
άρχισαν να επιλύονται από μόνες τους.
14:40
You can actually see the point when I know what I'm doing,
340
865000
2000
Μπορώ να προσδιορίσω το σημείο στο οποίο ήξερα πια ακριβώς τί έκανα,
14:42
and a lot of light and dark comes into it.
341
867000
3000
και έτσι το σκίτσο μου γέμισε φως και σκιές.
14:45
And in a weird way,
342
870000
2000
Κατά ένα περίεργο τρόπο,
14:47
that's what I actually like about Johnny Cash's music as well.
343
872000
2000
αυτό είναι που μου αρέσει στη μουσική του Τζόνι Κας.
14:49
It's the sum total of his life,
344
874000
2000
Δηλαδή η ζωή του, ως σύνολο,
14:51
all the things that had happened --
345
876000
2000
όλα όσα συνέβησαν,
14:53
the bad things, the good things.
346
878000
2000
τα άσχημα, τα καλά.
14:55
You're hearing a person's life.
347
880000
3000
Είναι η ζωή ενός ανθρώπου σε ένα τραγούδι.
15:01
AK: So if you go to the website JohnnyCashProject.com,
348
886000
2000
ΑΚ: Αν μπείτε στον ιστότοπο JohnnyCashProject.com,
15:03
what you'll see is the video playing above.
349
888000
2000
θα δείτε αυτό το βίντεοκλιπ.
15:05
And below it are all the individual frames
350
890000
2000
Και κάτω από αυτό θα δείτε όλα τα μεμονωμένα σκίτσα
15:07
that people have been submitting to the project.
351
892000
2000
που καταχώρησαν όσοι συνεισέφεραν σε αυτό το έργο.
15:09
So this isn't finished at all,
352
894000
2000
Αυτό σημαίνει ότι δεν έχει τελειώσει,
15:11
but it's an ongoing project where people can continue to collaborate.
353
896000
2000
αλλά είναι ένα συνεχώς μεταβαλλόμενο έργο για το οποίο οι άνθρωποι θα συνεχίσουν να συνεργάζονται.
15:13
If you roll over any one of those individual thumbnails,
354
898000
2000
Αν κατευθύνετε το ποντίκι προς κάποιο συγκεκριμένο εικονίδιο,
15:15
you can see the person who drew that individual thumbnail
355
900000
2000
θα μάθετε ποιός το ζωγράφισε
15:17
and where they were located.
356
902000
2000
και από πού είναι.
15:19
And if you find one that you're interested in,
357
904000
2000
Αν κάποιο από αυτά σας τραβήξει την προσοχή,
15:21
you can actually click on it and open up an information panel
358
906000
2000
μπορείτε με ένα κλικ να έχετε πρόσβαση σε σχετικές πληροφορίες
15:23
where you're able to rate that frame,
359
908000
2000
και να το βαθμολογήσετε,
15:25
which helps it bubble up to the top.
360
910000
2000
ώστε να εμφανίζεται ανάμεσα στα πρώτα.
15:27
And you can also see the way that it was drawn.
361
912000
2000
Επίσης μπορείτε να παρακολουθήσετε πώς το ζωγράφισαν.
15:29
Again, you can get the playback and personal contribution.
362
914000
2000
Θα δείτε την αναπαραγωγή και την προσωπική συνεισφορά.
15:31
In addition to that, it's listed, the artist's name, the location,
363
916000
3000
Επιπλέον, υπάρχουν αναρτημένα το όνομα του καλλιτέχνη, η τοποθεσία
15:34
how long they spent drawing it.
364
919000
2000
και ο χρόνος που αφιερώθηκε στο σκίτσο.
15:36
And you can pick a style. So this one was tagged "Abstract."
365
921000
3000
Μπορείτε να εξερευνήσετε τα σκίτσα ανά στυλ. Αυτό ας πούμε συγκαταλέγεται στα «Αφηρημένα».
15:39
But there's a bunch of different styles.
366
924000
2000
Αντίστοιχα, υπάρχουν πολλά άλλα στυλ
15:41
And you can sort the video a number of different ways.
367
926000
2000
και κάθε βίντεοκλιπ μπορεί να ομαδοποιηθεί με διαφορετικούς τρόπους.
15:43
You can say, "I want to see the pointillist version
368
928000
2000
Ας πούμε μπορείτε να επιλέξετε την πουαντιγιστική,
15:45
or the sketchy version or the realistic version.
369
930000
2000
την μινιμαλιστική ή την ρεαλιστική εκδοχή.
15:47
And then this is, again, the abstract version,
370
932000
2000
Αυτή είναι ακόμα μια αφηρημένη εκδοχή,
15:49
which ends up getting a little bit crazy.
371
934000
3000
που καταλήγει λίγο παράδοξα.
15:54
So the last project I want to talk to you about is another collaboration with Chris Milk.
372
939000
3000
Θα σας μιλήσω για κάτι τελευταίο, μια ακόμα συνεργασία με τον Κρις Μιλκ.
15:57
And this is called "The Wilderness Downtown."
373
942000
2000
Ονομάζεται «Η ερημιά στο κέντρο της πόλης».
15:59
It's an online music video for the Arcade Fire.
374
944000
3000
Είναι ένα διαδικτυακό βίντεοκλιπ για το συγκρότημα Δι Αρκέιντ Φάιαρ.
16:02
Chris and I were really amazed
375
947000
2000
Ο Κρις και εγώ μείναμε πραγματικά κατάπληκτοι
16:04
by the potential now with modern web browsers,
376
949000
2000
με τη δυναμική των σύγχρονων περιηγητών του Ίντερνετ,
16:06
where you have HTML5 audio and video
377
951000
2000
που μας παρέχουν HTML5 ήχου και βίντεο
16:08
and the power of JavaScript to render amazingly fast.
378
953000
3000
και τη δύναμη του JavaScript για πολύ υψηλές ταχύτητες.
16:11
And we wanted to push the idea of the music video that was meant for the Web
379
956000
3000
Θέλαμε να σπρώξουμε την ιδέα του βίντεοκλιπ που προοριζόταν για το Ίντερνετ
16:14
beyond the four-by-three or sixteen-by-nine window
380
959000
3000
πέρα από τους περιορισμούς του παραθύρου 4:3 ή 16:9
16:17
and try to make it play out and choreograph throughout the screen.
381
962000
3000
και να προσπαθήσουμε να το επεκτείνουμε σε όλη την οθόνη.
16:20
But most importantly, I think,
382
965000
2000
Αλλά κυρίως, νομίζω,
16:22
we really wanted to make an experience that was unlike the Johnny Cash Project,
383
967000
3000
θέλαμε να δημιουργήσουμε μια εμπειρία διαφορετική από αυτή του Τζόνι Κας,
16:25
where you had a small group of people spending a lot of time
384
970000
3000
όπου μια μικρή ομάδα ανθρώπων ξόδεψε πολύ χρόνο
16:28
to contribute something for everyone.
385
973000
2000
για να συνεισφέρει κάτι για όλους.
16:30
What if we had a very low commitment,
386
975000
3000
Τί θα γινόταν αν με μια πολύ μικρή δέσμευση
16:33
but delivered something individually unique to each person who contributed?
387
978000
3000
προσφέραμε κάτι μοναδικό στον καθένα που συμμετείχε;
16:36
So the project starts off by asking you to enter the address
388
981000
2000
Ξεκινώντας, οι χρήστες καταχωρούν τη διεύθυνση
16:38
of the home where you grew up.
389
983000
2000
του πατρικού τους.
16:40
And you type in the address --
390
985000
2000
Πληκτρολογώντας την διεύθυνση,
16:42
it actually creates a music video specifically for you,
391
987000
2000
δημιουργείται ένα μουσικό βίντεο ειδικά για τον κάθε χρήστη,
16:44
pulling in Google maps and Streetview images
392
989000
2000
χρησιμοποιώντας χάρτες Γκουγκλ και εικόνες Στρήτβιου
16:46
into the experience itself.
393
991000
2000
για αυτή την εμπειρία.
16:48
So this should really be seen at home with you typing in your own address,
394
993000
3000
Αυτό πρέπει να το δείτε στο σπίτι πληκτρολογώντας τη δική σας διεύθυνση,
16:51
but I'm going to give you a little preview of what you can expect.
395
996000
3000
αλλά σας δίνω ένα δείγμα του τί να περιμένετε.
16:54
(Video) Win Butler: ♫ Now our lives are changing fast ♫
396
999000
4000
(Βίντεο) Γουίν Μπάτλερ: ♫ Οι ζωές μας γρήγορα αλλάζουν ♫
16:58
♫ Now our lives are changing fast ♫
397
1003000
4000
♫ Οι ζωές μας γρήγορα αλλάζουν ♫
17:02
♫ Hope that something pure can last ♫
398
1007000
3000
♫ με την ελπίδα πως κάτι αγνό μπορεί να κρατήσει ♫
17:06
♫ Hope that something pure can last ♫
399
1011000
4000
♫ με την ελπίδα πως κάτι αγνό μπορεί να κρατήσει ♫
17:13
♫ Ooh we used to wait ♫
400
1018000
4000
♫ Ω, πόσο περιμέναμε ♫
17:17
♫ Ooh we used to wait ♫
401
1022000
4000
♫ Ω, πόσο περιμέναμε ♫
17:21
♫ Ooh we used to wait ♫
402
1026000
3000
♫ Ω, πόσο περιμέναμε ♫
17:24
♫ Sometimes it never came ♫
403
1029000
3000
♫ Κάποιες φορές δεν ερχόταν ποτέ ♫
17:27
♫ Sometimes it never came ♫
404
1032000
4000
♫ Κάποιες φορές δεν ερχόταν ποτέ ♫
17:31
♫ Still moving through the pain ♫
405
1036000
3000
♫ Κινούμαστε ακόμα μέσα από τον πόνο ♫
17:34
♫ We used to wait for it ♫
406
1039000
4000
♫ Πόσο περιμέναμε ♫
17:38
♫ We used to wait for it ♫
407
1043000
4000
♫ Πόσο περιμέναμε ♫
17:42
♫ We used to wait for it ♫
408
1047000
4000
♫ Πόσο περιμέναμε ♫
17:50
AK: So I think, if there's one thing to take away from my talk today,
409
1055000
3000
ΑΚ: Πιστεύω λοιπόν, πως από αυτή την ομιλία αξίζει να κρατήσετε
17:53
it's that an interface can be a powerful narrative device.
410
1058000
2000
ότι η διεπαφή μπορεί να λειτουργήσει ως ένα πολύ ισχυρό αφηγηματικό εργαλείο.
17:55
And as we collect more and more personally and socially relevant data,
411
1060000
4000
Καθώς συλλέγουμε όλο και περισσότερα προσωπικά και κοινωνικά δεδομένα,
17:59
we have an opportunity, and maybe even an obligation,
412
1064000
2000
έχουμε την ευκαιρία, και την υποχρέωση αν θέλετε,
18:01
to maintain the humanity and tell some amazing stories
413
1066000
2000
να διατηρήσουμε την ανθρώπινη μας υπόσταση λέγοντας όμορφες ιστορίες
18:03
as we explore and collaborate together.
414
1068000
2000
καθώς εξερευνούμε και συνεργαζόμαστε.
18:05
Thanks a lot.
415
1070000
2000
Ευχαριστώ πολύ.
18:07
(Applause)
416
1072000
4000
(Χειροκρότημα)
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