TEDxVancouver
Jer Thorp: Make data more human
Filmed:
Readability: 4.1
300,699 views
Jer Thorp creates beautiful data visualizations to put abstract data into a human context. At TEDxVancouver, he shares his moving projects, from graphing an entire year’s news cycle, to mapping the way people share articles across the internet.
(Filmed at TEDxVancouver.)
Jer Thorp - Data artist
Jer Thorp’s work focuses on adding meaning and narrative to huge amounts of data as a way to help people take control of the information that surrounds them. Full bio
Jer Thorp’s work focuses on adding meaning and narrative to huge amounts of data as a way to help people take control of the information that surrounds them. Full bio
Double-click the English transcript below to play the video.
00:10
I want to talk to you about two
of the most exciting possible things.
of the most exciting possible things.
0
1674
6250
Θέλω να σας μιλήσω για δύο
από τα πιο συναρπαστικά πιθανά πράγματα.
από τα πιο συναρπαστικά πιθανά πράγματα.
00:16
You've probably guessed what they are --
1
7948
1949
Μάλλον θα έχετε μαντέψει ποια είναι --
00:18
data and history.
2
9921
2319
τα δεδομένα και η ιστορία.
00:21
Right?
3
13211
1171
Σωστά;
00:24
So, I'm not a historian.
4
15871
1982
Λοιπόν, δεν είμαι ιστορικός.
00:26
I'm not going to give you
a definition of history.
a definition of history.
5
17877
2728
Δε θα σας δώσω έναν ορισμό της ιστορίας.
00:29
But let's think instead
of history within a framework.
of history within a framework.
6
20629
3113
Αλλά, ας σκεφτούμε την ιστορία
μέσα σ' ένα πλαίσιο.
μέσα σ' ένα πλαίσιο.
00:32
So, when we're making history,
7
23766
1611
Λοιπόν, όταν γράφουμε ιστορία,
ή όταν δημιουργούμε ιστορικά αρχεία,
00:33
or when we're creating
historical documents,
historical documents,
8
25401
2892
παίρνουμε πράγματα
που έχουν συμβεί στο παρελθόν,
που έχουν συμβεί στο παρελθόν,
00:36
we're taking things
that have happened in the past,
that have happened in the past,
9
28317
2428
και τα πλέκουμε όλα μαζί σε μια ιστορία.
00:39
and we're stitching them
together into a story.
together into a story.
10
30769
2552
Ας ξεκινήσω με λίγη
από τη δική μου ιστορία.
από τη δική μου ιστορία.
00:41
So let me start with a little bit
of my own story.
of my own story.
11
33345
2530
00:44
Like anybody my age
who works creatively with computers,
who works creatively with computers,
12
35899
3678
Όπως κάθε συνομήλικός μου
που δουλεύει δημιουργικά με υπολογιστές,
που δουλεύει δημιουργικά με υπολογιστές,
00:48
I was a popular, socially
well-adjusted young man --
well-adjusted young man --
13
39601
4456
ήμουν ένας δημοφιλής,
κοινωνικά ισορροπημένος νέος --
κοινωνικά ισορροπημένος νέος --
(Γέλια)
00:52
(Laughter)
14
44081
1122
00:53
And sporty!
15
45227
2541
Και αθλητικός!
Ένας αθλητικός νέος.
00:56
Sporty young man.
16
47792
1733
00:58
And like a lot of people my age
in the type of business that I'm in,
in the type of business that I'm in,
17
50075
5353
Και όπως πολλά άτομα της ηλικίας μου
στον εργασιακό μου χώρο,
στον εργασιακό μου χώρο,
επηρεάστηκα φοβερά από την Apple.
01:03
I was influenced tremendously by Apple.
18
55452
2645
Παρατηρείτε όμως
το λογότυπο που επέλεξα εδώ, έτσι;
το λογότυπο που επέλεξα εδώ, έτσι;
01:07
But notice my choice of logo here, right?
19
58635
3722
01:10
The Apple on the left,
not the Apple on the right.
not the Apple on the right.
20
62381
3585
Το λογότυπο της Apple στα αριστερά,
όχι αυτό στα δεξιά.
όχι αυτό στα δεξιά.
Με επηρεάζει και το δεξί
λογότυπο της Apple
λογότυπο της Apple
01:15
I'm influenced as much
by the Apple on the right
by the Apple on the right
21
66621
2293
01:17
as the next person,
22
68938
2083
όπως τον καθένα μας,
01:19
but the Apple on the left --
I mean, look at that logo!
I mean, look at that logo!
23
71045
2633
αλλά αυτό στα αριστερά --
μα, δείτε αυτό το λογότυπο!
μα, δείτε αυτό το λογότυπο!
01:22
It's a rainbow.
It's not even in the right order!
It's not even in the right order!
24
73702
2397
Είναι ένα ουράνιο τόξο.
Δεν είναι καν στη σωστή σειρά!
Δεν είναι καν στη σωστή σειρά!
01:24
(Laughter)
25
76123
1134
(Γέλια)
01:25
That's how crazy Apple was.
26
77281
2273
Τόση ήταν η τρέλα της Apple.
(Γέλια)
01:28
(Laughter)
27
79578
1037
01:29
But I don't want to talk too much
about the company.
about the company.
28
80639
2945
Δε θέλω όμως να μιλήσω πολύ
για την εταιρεία.
για την εταιρεία.
01:32
I'll start talking about
a machine, though.
a machine, though.
29
83608
2177
Θ' αρχίσω ωστόσο να μιλάω
για ένα μηχάνημα.
για ένα μηχάνημα.
01:34
How amazing it is to think about this.
I go back and I think about this.
I go back and I think about this.
30
85809
4127
Με συναρπάζει όταν το σκέφτομαι αυτό.
Κάθομαι συχνά και το σκέφτομαι.
Κάθομαι συχνά και το σκέφτομαι.
01:38
Wednesday -- one Wednesday,
when I was about 12 years old,
when I was about 12 years old,
31
89960
3314
Τετάρτη -- Μια Τετάρτη,
όταν ήμουν περίπου 12 ετών,
όταν ήμουν περίπου 12 ετών,
01:41
I didn't have a computer.
32
93298
2111
δεν είχα υπολογιστή.
Την Πέμπτη, είχα υπολογιστή.
01:44
On Thursday, I had a computer.
33
96034
2779
Μπορείτε να φανταστείτε αυτή την αλλαγή;
01:48
Can you imagine that change?
34
99965
1999
01:50
It's so drastic.
35
102417
1681
Είναι τόσο δραστική.
Δεν μπορώ να σκεφτώ κάτι που
θα άλλαζε τη ζωή μας όπως αυτό.
θα άλλαζε τη ζωή μας όπως αυτό.
01:52
I can't even think about anything
that could change our lives that way.
that could change our lives that way.
36
104122
3451
01:56
But I'm actually not even going
to talk about the computer.
to talk about the computer.
37
107597
2767
Αλλά δε θα μιλήσω ούτε για τον υπολογιστή.
Θα μιλήσω για ένα πρόγραμμα που
ήταν φορτωμένο στον υπολογιστή.
ήταν φορτωμένο στον υπολογιστή.
01:58
I'm going to talk about a program
that came loaded on that computer.
that came loaded on that computer.
38
110388
3230
Και το οποίο δημιουργήθηκε,
όχι από τον τύπο στα αριστερά,
όχι από τον τύπο στα αριστερά,
02:02
And it was build by,
not the guy on the left,
not the guy on the left,
39
113642
2272
02:04
but the guy on the right.
40
115938
1435
αλλά από αυτόν στα δεξιά.
02:05
Does anybody know
who the guy on the right is?
who the guy on the right is?
41
117397
2144
Μήπως ξέρει κανείς τον τύπο στα δεξιά;
02:09
Nobody ever knows the answer
to this question.
to this question.
42
121161
2410
Κανείς δεν ξέρει ποτέ την απάντηση
σε αυτή την ερώτηση.
σε αυτή την ερώτηση.
02:12
This is Bill Atkinson.
43
123595
1686
Είναι ο Μπιλ Άτκινσον.
Και ο Μπιλ Άτκινσον ήταν υπεύθυνος
για ένα σωρό πράγματα
για ένα σωρό πράγματα
02:13
And Bill Atkinson was responsible
for tons of things
for tons of things
44
125305
3107
02:16
that you see on your computer every day.
45
128436
2482
που βλέπετε καθημερινά
στους υπολογιστές σας.
στους υπολογιστές σας.
Θέλω όμως να μιλήσω για ένα πρόγραμμα
που έφτιαξε ο Μπιλ Άτκινσον,
που έφτιαξε ο Μπιλ Άτκινσον,
02:19
But I want to talk about one program
that Bill Atkinson wrote,
that Bill Atkinson wrote,
46
130942
3107
02:22
called HyperCard.
47
134073
1500
που ονομάζεται HyperCard.
02:25
Someone's cheering over there.
48
137025
2160
Κάποιος ζητωκραυγάζει εκεί πίσω.
02:27
(Laughter)
49
139209
1205
(Γέλια)
02:28
HyperCard was a program
that shipped with the Mac,
that shipped with the Mac,
50
140438
2602
To HyperCard ήταν ένα πρόγραμμα
που κυκλοφόρησε με το Mac
που κυκλοφόρησε με το Mac
02:31
and it was designed
for users of the computer
for users of the computer
51
143064
2569
και σχεδιάστηκε για χρήστες υπολογιστών
για να φτιάχνουν προγράμματα
στους υπολογιστές τους.
στους υπολογιστές τους.
02:34
to make programs on their computers.
52
145657
3197
02:38
Crazy idea today.
53
149505
1597
Μια τρελή ιδέα σήμερα.
02:39
And these programs were not the apps
that we think about today,
that we think about today,
54
151126
2973
Αυτά τα προγράμματα δεν ήταν
οι εφαρμογές όπως τις ξέρουμε σήμερα,
οι εφαρμογές όπως τις ξέρουμε σήμερα,
02:42
with their large budgets
and their big distribution.
and their big distribution.
55
154123
2449
με τους μεγάλους
προϋπολογισμούς και διανομή.
προϋπολογισμούς και διανομή.
02:45
These were small things,
56
156596
1189
Ήταν πράγματα μικρά,
02:46
people making applications to keep track
of their local basketball team scores
of their local basketball team scores
57
157809
3882
άνθρωποι που φτιάχνουν εφαρμογές για να
βλέπουν τα σκορ της τοπικής ομάδας μπάσκετ
βλέπουν τα σκορ της τοπικής ομάδας μπάσκετ
ή για να οργανώσουν την έρευνά τους
02:50
or to organize their research
58
161715
2825
02:53
or to teach people about classical music
59
164564
3016
ή για να διδάξουν στους ανθρώπους
για την κλασική μουσική
για την κλασική μουσική
02:56
or to calculate weird astronomical dates.
60
167604
4095
ή να υπολογίσουν παράξενες
αστρονομικές ημερομηνίες.
αστρονομικές ημερομηνίες.
Και, βέβαια, υπήρχαν
και κάποια έργα τέχνης.
και κάποια έργα τέχνης.
03:00
And then, of course,
there were some art projects.
there were some art projects.
61
171723
2381
03:02
This is my favorite one.
62
174128
1220
Αυτό είναι το αγαπημένο μου.
03:03
It's called "If Monks Had Macs,"
63
175372
2089
Ονομάζεται «Αν οι μοναχοί είχαν Mac»,
03:05
and it's a nonlinear
kind of exploratory environment.
kind of exploratory environment.
64
177485
4534
και είναι μη γραμμικό
είδος εξερευνητικού περιβάλλοντος.
είδος εξερευνητικού περιβάλλοντος.
03:10
I thank the stars for HyperCard
all of the time.
all of the time.
65
182043
5573
Ευχαριστώ τ' άστρα
για το HyperCard συνεχώς.
για το HyperCard συνεχώς.
Και ευχαριστώ τ' άστρα
που με έβαλαν στην εποχή
που με έβαλαν στην εποχή
03:16
And I thank the stars
for putting me in this era
for putting me in this era
66
187640
2447
όπου μου δόθηκε η ευκαιρία
να χρησιμοποιήσω το HyperCard.
να χρησιμοποιήσω το HyperCard.
03:18
where I got to use HyperCard.
67
190111
2300
03:20
HyperCard was the last program to ship
on a public computer
on a public computer
68
192435
4640
Το HyperCard ήταν το τελευταίο πρόγραμμα
που κυκλοφόρησε σε δημόσιο υπολογιστή
που κυκλοφόρησε σε δημόσιο υπολογιστή
που σχεδιάστηκε για να φτιάχνουν
οι χρήστες του υπολογιστή προγράμματα.
οι χρήστες του υπολογιστή προγράμματα.
03:25
that was designed for the users
of the computer to make programs with it.
of the computer to make programs with it.
69
197099
5129
Αν μιλούσατε με αυτούς
που εφηύραν τον υπολογιστή
που εφηύραν τον υπολογιστή
03:30
If you talked to the people
who invented the computer
who invented the computer
70
202252
2705
και τους λέγατε ότι θα έρθει
μια μέρα, μια μαγική μέρα,
μια μέρα, μια μαγική μέρα,
03:33
and you told them there would be
a day, a magical day,
a day, a magical day,
71
204981
2749
όπου όλοι θα είχαν έναν υπολογιστή, αλλά
κανείς τους δε θα ήξερε προγραμματισμό,
κανείς τους δε θα ήξερε προγραμματισμό,
03:36
when everybody had a computer
but none of them knew how to program,
but none of them knew how to program,
72
207754
5062
θα σας περνούσαν για τρελούς.
03:41
they would think you were crazy.
73
212840
1811
Ας προχωρήσουμε λίγα χρόνια μετά.
03:43
So let's skip forward a few years.
74
215486
1664
03:45
I'm starting my career as an artist,
75
217174
2588
Ξεκινώ την καριέρα μου ως καλλιτέχνης,
και φτιάχνω πράγματα στον υπολογιστή μου,
μικρής κλίμακας πράγματα,
μικρής κλίμακας πράγματα,
03:48
and I'm building things
with my computer, small-scale things,
with my computer, small-scale things,
76
219786
3962
διερευνώντας πράγματα όπως
τα συστήματα ανάπτυξης των φυτών.
τα συστήματα ανάπτυξης των φυτών.
03:52
investigating things like
the growth systems of plants.
the growth systems of plants.
77
223772
3603
03:55
Or, in this example, I'm building
a simulated economy
a simulated economy
78
227399
2999
Ή, σε αυτό το παράδειγμα, φτιάχνω
μια προσομοιωμένη οικονομία
μια προσομοιωμένη οικονομία
στην οποία τα εικονοστοιχεία αλλάζουν
χρώματα μεταξύ τους,
χρώματα μεταξύ τους,
03:58
in which pixels are trading color
with one another,
with one another,
79
230422
3961
προσπαθώντας να διερευνήσω
πώς λειτουργούν αυτά τα συστήματα,
πώς λειτουργούν αυτά τα συστήματα,
04:02
trying to investigate how
these types of systems work,
these types of systems work,
80
234407
2575
04:05
and just kind of having fun.
81
237006
1402
και γενικά, περνώντας καλά.
Και τότε, αυτό το έργο με έκανε
να αρχίσω να δουλεύω με τα δεδομένα.
να αρχίσω να δουλεύω με τα δεδομένα.
04:06
And then this project led me
to start working with data.
to start working with data.
82
238432
2628
04:09
So I'm building graphics like this,
83
241084
2989
Έτσι φτιάχνω γραφικά σαν αυτό
που συγκρίνουν τον «κομμουνισμό» --
04:12
which compare "communism" --
84
244097
2594
τη συχνότητα της λέξης
«κομμουνισμός» στους New York Times --
«κομμουνισμός» στους New York Times --
04:15
the frequency of usage of the word
"communism" in the New York Times --
"communism" in the New York Times --
85
246715
3395
με την «τρομοκρατία», στην κορυφή.
04:18
to "terrorism," at the top.
86
250134
1937
04:20
You see "terrorism" kind of appears
as "communism" is going away.
as "communism" is going away.
87
252095
4625
Βλέπετε, η «τρομοκρατία» εμφανίζεται
καθώς απομακρύνεται ο «κομμουνισμός».
καθώς απομακρύνεται ο «κομμουνισμός».
04:25
And with these graphics, I was really
interested in the aesthetic of the graphs.
interested in the aesthetic of the graphs.
88
256744
3816
Και σε αυτά τα γραφικά, με ενδιέφερε
η αίσθηση των γραφημάτων.
η αίσθηση των γραφημάτων.
Εδώ είναι το Ιράν και το Ιράκ.
04:29
This is Iran and Iraq.
89
260584
1150
Μοιάζει με ρολόι.
Ονομάζεται «Γράφημα Ρολόι».
Ονομάζεται «Γράφημα Ρολόι».
04:30
It reads like a clock. It's called
a "timepiece graph."
a "timepiece graph."
90
261758
3910
Αυτό είναι ένα ακόμα γράφημα ρολόι, όπου
η «απελπισία» επικαλύπτει την «ελπίδα».
η «απελπισία» επικαλύπτει την «ελπίδα».
04:34
This is another timepiece graph,
overlaying "despair" over "hope."
overlaying "despair" over "hope."
91
265692
5711
Και είναι μόνο τρεις οι φορές -- μάλλον,
η «κρίση» επικαλύπτει την «ελπίδα» --
η «κρίση» επικαλύπτει την «ελπίδα» --
04:39
And there's only three times -- actually,
it's "crisis" over "hope" --
it's "crisis" over "hope" --
92
271427
3310
04:43
there's only three times
when "crisis" eclipses "hope."
when "crisis" eclipses "hope."
93
274761
2609
μόνο τρεις φορές η «κρίση»
επικαλύπτει την «ελπίδα».
επικαλύπτει την «ελπίδα».
04:45
We're in the middle
of one of them right now.
of one of them right now.
94
277394
2155
Βρισκόμαστε στη μέση μιας εκ αυτών τώρα.
Αλλά μην το σκέφτεστε πάρα πολύ.
04:48
But don't think about that too much.
95
279573
1772
(Γέλια)
04:49
(Laughter)
96
281369
1888
04:51
And finally, the culmination of this work
with the New York Times data
with the New York Times data
97
283281
3780
Τέλος, η αποκορύφωση αυτού του έργου
με τα δεδομένα των New York Times
με τα δεδομένα των New York Times
04:55
a few years ago
98
287085
1202
λίγα χρόνια πριν
04:56
was the attempt to combine
an entire year's news cycle
an entire year's news cycle
99
288311
3176
ήταν η προσπάθεια να συνδυαστεί
ένας κύκλος ειδήσεων ενός ολόκληρου έτους
ένας κύκλος ειδήσεων ενός ολόκληρου έτους
05:00
into a single graphic.
100
291511
1313
σε ένα μόνο γράφημα.
05:01
So these graphics actually show us
a full year of news, all the people,
a full year of news, all the people,
101
292848
4227
Έτσι, αυτά τα γραφήματα μας δείχνουν
ένα πλήρες έτος ειδήσεων, όλα τα άτομα,
ένα πλήρες έτος ειδήσεων, όλα τα άτομα,
και πώς συνδέονται
σε ένα και μοναδικό γράφημα.
σε ένα και μοναδικό γράφημα.
05:05
and how they're connected
into a single graphic.
into a single graphic.
102
297099
2630
05:08
And from there, I started to be
interested again in more active systems.
interested again in more active systems.
103
299753
3938
Κι από εκεί, άρχισα να ενδιαφέρομαι ξανά
για πιο ενεργά συστήματα.
για πιο ενεργά συστήματα.
05:12
Here's a project called "Just Landed,"
104
303715
2264
Εδώ είναι ένα έργο που ονομάζεται,
«Μόλις προσγειώθηκα»,
«Μόλις προσγειώθηκα»,
05:14
where I'm looking at people
tweeting on Twitter.
tweeting on Twitter.
105
306003
3151
όπου κοιτάζω τους ανθρώπους
να γράφουν στο Twitter.
να γράφουν στο Twitter.
«Γεια! Μόλις προσγειώθηκα
στη Χαβάη!» -- ξέρετε,
στη Χαβάη!» -- ξέρετε,
05:17
"Hey! I just landed
in Hawaii!" -- you know,
in Hawaii!" -- you know,
106
309178
2060
πώς οι άνθρωποι προσπαθούν να πουν
κάτι τέτοιο με φυσικότητα στα tweet τους.
κάτι τέτοιο με φυσικότητα στα tweet τους.
05:19
how people just casually try to sneak
that into their Twitter conversation.
that into their Twitter conversation.
107
311262
3702
05:23
"I'm not showing off. Really.
But I did just land in Hawaii."
But I did just land in Hawaii."
108
314988
3117
«Δεν καυχιέμαι. Αλήθεια. Αλλά, όντως,
μόλις προσγειώθηκα στη Χαβάη».
μόλις προσγειώθηκα στη Χαβάη».
05:26
And then I'm plotting
those people's trips,
those people's trips,
109
318129
2743
Και έπειτα σχεδιάζω τα ταξίδια
αυτών των ανθρώπων,
αυτών των ανθρώπων,
05:29
in the hopes that maybe
we can use social network
we can use social network
110
320896
3212
με την ελπίδα ότι μπορούμε
να χρησιμοποιήσουμε τα κοινωνικά δίκτυα
να χρησιμοποιήσουμε τα κοινωνικά δίκτυα
05:32
and the data that it leaves behind
111
324132
1681
και τα δεδομένα που αφήνουν πίσω τους
05:34
to provide a model of how people move,
112
325837
2199
για να φτιάξουμε ένα μοντέλο
του πώς κινούνται οι άνθρωποι,
του πώς κινούνται οι άνθρωποι,
05:36
which would be valuable
to epidemiologists, among other people.
to epidemiologists, among other people.
113
328060
2975
που θα ήταν πολύτιμο για τους
επιδημιολόγους, μεταξύ άλλων.
επιδημιολόγους, μεταξύ άλλων.
05:39
And, more fun -- this
is a similar project,
is a similar project,
114
331059
2579
Πιο διασκεδαστικό -- ένα παρόμοιο έργο,
παρατηρώντας τους ανθρώπους
να λένε «Καλημέρα»
να λένε «Καλημέρα»
05:42
looking at people
saying "Good morning" to each other
saying "Good morning" to each other
115
333662
2491
σε όλο τον κόσμο.
05:44
all around the world.
116
336177
1183
Το οποίο με δίδαξε, παρεμπιπτόντως,
05:45
Which taught me, by the way,
117
337384
1434
ότι αλήθεια οι άνθρωποι στο Βανκούβερ
στη Δυτική Ακτή ξυπνούν πολύ αργότερα
στη Δυτική Ακτή ξυπνούν πολύ αργότερα
05:47
that it is true that people in Vancouver
on the West Coast wake up much later
on the West Coast wake up much later
118
338842
4350
και λένε «Καλημέρα» πολύ αργότερα
05:51
and say "Good morning" much later
119
343216
1583
από τους ανθρώπους στην Ανατολική Ακτή,
05:53
than the people on the East Coast,
120
344823
1861
05:55
who are more adventurous.
121
346708
1799
που είναι πιο περιπετειώδεις.
Εδώ είναι ένα πιο χρήσιμο -- ίσως -- έργο,
05:57
Here's a more useful -- maybe -- project,
122
348531
1974
όπου πήρα όλες τις πληροφορίες
από το Kepler Project
από το Kepler Project
05:59
where I took all the information
from the Kepler Project
from the Kepler Project
123
350529
3351
και προσπάθησα να το βάλω
σε μια οπτική μορφή που να βγάζει νόημα.
σε μια οπτική μορφή που να βγάζει νόημα.
06:02
and tried to put it into some visual form
that made sense to me.
that made sense to me.
124
353904
3043
Και να πω ότι όσα σας έδειξα μέχρι τώρα --
06:05
And I should say that everything
I've shown you up to now --
I've shown you up to now --
125
356971
2884
αυτά είναι όλα πράγματα
που έκανα απλώς για διασκέδαση.
που έκανα απλώς για διασκέδαση.
06:08
these are all things
that I just did for fun.
that I just did for fun.
126
359879
2152
Ίσως φαίνεται περίεργο,
αλλά προέρχεται από το HyperCard.
αλλά προέρχεται από το HyperCard.
06:10
It may seem weird,
but this comes back from HyperCard.
but this comes back from HyperCard.
127
362055
2735
06:13
I'm building tools for myself.
128
364814
1830
Φτιάχνω εργαλεία για μένα.
06:15
I may share them with a few other people,
129
366668
1983
Μπορεί να τα μοιραστώ και με άλλους,
αλλά είναι για διασκέδαση, είναι για μένα.
06:17
but they're for fun, they're for me.
130
368675
2107
Έτσι, όλα αυτά τα εργαλεία κατά κάποιο
τρόπο καταλαμβάνουν έναν περίεργο χώρο
τρόπο καταλαμβάνουν έναν περίεργο χώρο
06:21
So, all these tools I show you
kind of occupy this weird space
kind of occupy this weird space
131
373341
3970
κάπου μεταξύ επιστήμης,
τέχνης και σχεδιασμού.
τέχνης και σχεδιασμού.
06:25
somewhere between science, art and design.
132
377335
2544
06:28
That's where my practice lies.
133
379903
1805
Εκεί έγκειται η πρακτική μου.
06:30
And still today,
from my experience with HyperCard,
from my experience with HyperCard,
134
381732
3156
Και σήμερα ακόμα, από
την εμπειρία μου με το HyperCard,
την εμπειρία μου με το HyperCard,
06:33
what I'm doing is building visual tools
to help me understand systems.
to help me understand systems.
135
384912
4230
αυτό που κάνω είναι να φτιάχνω οπτικά
εργαλεία ώστε να καταλάβω τα συστήματα.
εργαλεία ώστε να καταλάβω τα συστήματα.
06:38
So today, I work at the New York Times.
136
390083
2221
Έτσι, σήμερα εργάζομαι
στους New York Times.
στους New York Times.
06:40
I'm the data artist in residence
at the New York Times.
at the New York Times.
137
392328
2873
Είμαι ο απασχολούμενος
καλλιτέχνης δεδομένων εκεί.
καλλιτέχνης δεδομένων εκεί.
06:43
And I've had an opportunity at the Times
138
395225
1933
Και είχα μια ευκαιρία στους Times
να εργαστώ σε μια ποικιλία
από πραγματικά ενδιαφέροντα έργα,
από πραγματικά ενδιαφέροντα έργα,
06:45
to work on a variety
of really interesting projects,
of really interesting projects,
139
397182
2464
δύο εκ των οποίων
θα μοιραστώ μαζί σας σήμερα.
θα μοιραστώ μαζί σας σήμερα.
06:48
two of which I'm going
to share with you today.
to share with you today.
140
399670
2222
Στο πρώτο, δουλεύω με τον Μαρκ Χάνσεν.
06:50
The first one, I've been working on
in conjunction with Mark Hansen.
in conjunction with Mark Hansen.
141
401916
3202
06:53
Mark Hansen is a professor of statistics
at UCLA. He's also a media artist.
at UCLA. He's also a media artist.
142
405142
5142
Ο Μαρκ Χάνσεν διδάσκει στατιστική στο
UCLA. Είναι επίσης καλλιτέχνης πολυμέσων.
UCLA. Είναι επίσης καλλιτέχνης πολυμέσων.
06:58
And Mark came to the Times
with a very interesting question
with a very interesting question
143
410308
2786
Και ο Μαρκ ήρθε στους Times
με μια πολύ ενδιαφέρουσα ερώτηση
με μια πολύ ενδιαφέρουσα ερώτηση
07:01
to what may seem like an obvious problem:
144
413118
2660
σε κάτι που μπορεί να μοιάζει
με προφανές πρόβλημα.
με προφανές πρόβλημα.
Όταν μοιραζόμαστε
περιεχόμενο στο διαδίκτυο,
περιεχόμενο στο διαδίκτυο,
07:04
When people share content on the internet,
145
415802
3151
πώς μεταφέρεται αυτό το περιεχόμενο
από το άτομο Α στο άτομο Β;
από το άτομο Α στο άτομο Β;
07:07
how does that content get
from person A to person B?
from person A to person B?
146
418977
3615
07:11
Or maybe, person A to person B
to person C to person D?
to person C to person D?
147
423358
4724
Ή ίσως, από το άτομο Α στο άτομο Β,
στο άτομο Γ, στο άτομο Δ;
στο άτομο Γ, στο άτομο Δ;
Ξέρουμε ότι τα άτομα μοιράζονται
περιεχόμενο στο διαδίκτυο,
περιεχόμενο στο διαδίκτυο,
07:16
We know that people share content
in the internet,
in the internet,
148
428106
2354
07:18
but what we don't know
is what happens in that gap
is what happens in that gap
149
430484
2358
αλλά δεν ξέρουμε
τι συμβαίνει σε αυτό το κενό
τι συμβαίνει σε αυτό το κενό
μεταξύ του ενός ατόμου και του άλλου.
07:21
between one person to the other.
150
432866
1791
Έτσι φτιάξαμε το εργαλείο
για να το διερευνήσει,
για να το διερευνήσει,
07:23
So we decided to build
the tool to explore that,
the tool to explore that,
151
434681
2356
και το εργαλείο αυτό ονομάζεται Cascade.
07:25
and this tool is called Cascade.
152
437061
1823
07:27
If we look at these systems
153
439471
2595
Αν παρατηρήσουμε αυτά τα συστήματα
που αρχίζουν με ένα γεγονός
που οδηγεί σε άλλα γεγονότα,
που οδηγεί σε άλλα γεγονότα,
07:30
that start with one event
that leads to other events,
that leads to other events,
154
442090
4430
ονομάζουμε αυτή τη δομή καταρράκτη.
07:35
we call that structure a cascade.
155
446544
2238
Αυτοί οι καταρράκτες
συμβαίνουν με την πάροδο του χρόνου.
συμβαίνουν με την πάροδο του χρόνου.
07:37
And these cascades
actually happen over time.
actually happen over time.
156
448806
2409
07:39
So we can model these things over time.
157
451239
2020
Έτσι μπορούμε να τα διαμορφώσουμε
με την πάροδο του χρόνου.
με την πάροδο του χρόνου.
07:41
Now, the New York Times has
a lot of people who share our content,
a lot of people who share our content,
158
453283
4031
Oι New York Times έχουν πολλούς
που μοιράζονται το περιεχόμενό μας,
που μοιράζονται το περιεχόμενό μας,
07:45
so the cascades do not look like that one,
they look more like this.
they look more like this.
159
457338
3491
έτσι οι καταρράκτες δεν μοιάζουν με αυτό,
μοιάζουν περισσότερο με αυτό.
μοιάζουν περισσότερο με αυτό.
Εδώ είναι ένας τυπικός καταρράκτης.
07:49
Here's a typical cascade.
160
460853
1540
07:50
At the bottom left, the very first event.
161
462417
2714
Στο κάτω αριστερό μέρος, το πρώτο γεγονός.
Και στη συνέχεια, καθώς οι άνθρωποι
μοιράζονται περιεχόμενο μεταξύ τους,
μοιράζονται περιεχόμενο μεταξύ τους,
07:54
And then as people are sharing
the content from one person to another,
the content from one person to another,
162
466237
4272
07:59
we go up in the Y axis,
degrees of separation,
degrees of separation,
163
470533
3794
ανεβαίνουμε στον άξονα Υ,
βαθμοί διαχωρισμού,
βαθμοί διαχωρισμού,
08:02
and over on the X axis, for time.
164
474351
2768
και πάνω στον άξονα Χ, για χρόνο.
Έτσι μπορούμε να δούμε τη συζήτηση
μέσα από μερικές διαφορετικές απόψεις:
μέσα από μερικές διαφορετικές απόψεις:
08:05
So we're able to look at that conversation
in a couple of different views:
in a couple of different views:
165
477143
3501
αυτήν εδώ, που μας δείχνει
τα θέματα της συζήτησης,
τα θέματα της συζήτησης,
08:09
this one, which shows us
the threads of conversation,
the threads of conversation,
166
480668
2615
και αυτήν που συνδυάζει
αυτή τη στοιβαγμένη άποψη
αυτή τη στοιβαγμένη άποψη
08:11
and this one, which combines
that stacked view
that stacked view
167
483307
3194
με μια άποψη που μας επιτρέπει
να δούμε τα νήματα.
να δούμε τα νήματα.
08:15
with a view that lets us see the threads.
168
486525
2932
Οι Times δημοσιεύουν
περίπου 7.000 κομμάτια περιεχομένου
περίπου 7.000 κομμάτια περιεχομένου
08:18
Now, the Times publishes
about 7,000 pieces of content
about 7,000 pieces of content
169
489924
3345
08:21
every month.
170
493293
1210
κάθε μήνα.
Έτσι ήταν σημαντικό για εμάς,
όταν φτιάχναμε αυτό το εργαλείο,
όταν φτιάχναμε αυτό το εργαλείο,
08:23
So it was important for us,
when we were building this tool,
when we were building this tool,
171
494527
2842
να το κάνουμε διερευνητικό,
08:25
to make it an exploratory one,
172
497393
1633
08:27
so that people could dig through
this vast terrain of data.
this vast terrain of data.
173
499050
4207
για να μπορούν οι άνθρωποι να ψάξουν
σ' αυτό το τεράστιο έδαφος των δεδομένων.
σ' αυτό το τεράστιο έδαφος των δεδομένων.
Το σκέφτομαι ως όχημα
που δίνουμε στους ανθρώπους
που δίνουμε στους ανθρώπους
08:31
I think of it as a vehicle
that we're giving people
that we're giving people
174
503281
2436
για να διασχίσουν αυτό το πολύ μεγάλο,
έδαφος των δεδομένων.
έδαφος των δεδομένων.
08:34
to traverse this really big
terrain of data.
terrain of data.
175
505741
3473
Ορίστε λοιπόν πώς είναι πραγματικά,
08:37
So here's what it really looks like,
176
509238
1718
και εδώ είναι ο καταρράκτης
παίζοντας σε πραγματικό χρόνο.
παίζοντας σε πραγματικό χρόνο.
08:39
and here's the cascade
playing in real time.
playing in real time.
177
510980
2740
Πρέπει να ομολογήσω
ότι ήταν μια τεράστια στιγμή.
ότι ήταν μια τεράστια στιγμή.
08:42
I have to say, this was
a tremendous moment.
a tremendous moment.
178
513744
2079
08:44
We had been working with canned
data, fake data, for so long,
data, fake data, for so long,
179
515847
4017
Εργαζόμασταν με συσκευασμένα δεδομένα,
ψεύτικα δεδομένα για τόσο πολύ καιρό,
ψεύτικα δεδομένα για τόσο πολύ καιρό,
08:48
that when we saw this
for the first moment,
for the first moment,
180
519888
2805
που όταν το είδαμε αυτό για πρώτη φορά,
08:51
it was like an archaeologist who had
just dusted off these dinosaur bones.
just dusted off these dinosaur bones.
181
522717
4878
ήταν σαν ένας αρχαιολόγος που είχε μόλις
ξεσκονίσει αυτά τα οστά δεινοσαύρων.
ξεσκονίσει αυτά τα οστά δεινοσαύρων.
08:56
We discovered this thing,
and we were seeing it for the first time,
and we were seeing it for the first time,
182
527619
3878
Ανακαλύψαμε αυτό το πράγμα,
και το βλέπαμε για πρώτη φορά,
και το βλέπαμε για πρώτη φορά,
αυτές τις δομές κοινής χρήσης
που αποτελούν τη βάση του διαδικτύου.
που αποτελούν τη βάση του διαδικτύου.
09:00
these sharing structures
that underlie the internet.
that underlie the internet.
183
531521
3712
09:04
And maybe the dinosaur
analogy is a good one,
analogy is a good one,
184
536475
2105
Και ίσως η αναλογία
με τον δεινόσαυρο είναι καλή.
με τον δεινόσαυρο είναι καλή.
09:07
because we're actually making
some probabilistic guesses
some probabilistic guesses
185
538604
3047
γιατί στην ουσία κάνουμε
κάποιες πιθανοτικές εικασίες
κάποιες πιθανοτικές εικασίες
για το πώς συνδέονται αυτά τα πράγματα.
09:10
about how these things link.
186
541675
1359
09:11
We're looking at some of these
pieces and making some guesses,
pieces and making some guesses,
187
543058
2926
Εξετάζουμε μερικά κομμάτια
και κάνουμε κάποιες εικασίες,
και κάνουμε κάποιες εικασίες,
09:14
but we try to make sure that those
are as statistically rigorous as possible.
are as statistically rigorous as possible.
188
546008
3937
αλλά προσπαθούμε να διασφαλίσουμε ότι
είναι όσο πιο στατιστικά αυστηρές γίνεται.
είναι όσο πιο στατιστικά αυστηρές γίνεται.
09:19
Now tweets, in this case,
they become parts of stories.
they become parts of stories.
189
550720
4662
Τώρα τα tweets, σε αυτή την περίπτωση,
γίνονται κομμάτια ιστοριών.
γίνονται κομμάτια ιστοριών.
Γίνονται κομμάτια αφηγήσεων.
09:23
They become parts of narratives.
190
555406
1925
Έτσι χτίζουμε ιστορίες εδώ,
09:25
So we are building histories here,
191
557355
2420
09:28
but they're very short-term histories.
192
559799
2175
αλλά είναι πολύ βραχυπρόθεσμες ιστορίες.
09:30
And sometimes these very large cascades
are the most interesting ones,
are the most interesting ones,
193
561998
3838
Και μερικές φορές αυτοί οι πολύ μεγάλοι
καταρράκτες είναι οι πιο ενδιαφέροντες,
καταρράκτες είναι οι πιο ενδιαφέροντες,
09:34
but sometimes the small ones
are also interesting.
are also interesting.
194
565860
3135
αλλά μερικές φορές και οι μικροί
είναι επίσης ενδιαφέροντες.
είναι επίσης ενδιαφέροντες.
09:37
This is one of my favorites.
We call this the "Rabbi Cascade."
We call this the "Rabbi Cascade."
195
569019
3525
Αυτό είναι από τα αγαπημένα μου.
Το λέμε «Ο καταρράκτης του ραβίνου».
Το λέμε «Ο καταρράκτης του ραβίνου».
09:41
It's a conversation amongst rabbis
about this article in the New York Times,
about this article in the New York Times,
196
572568
5089
Είναι μια συζήτηση μεταξύ ραβίνων
για ένα άρθρο στους New York Times,
για ένα άρθρο στους New York Times,
για το ότι οι θρησκευτικοί εργάτες
δεν έχουν πολύ ελεύθερο χρόνο.
δεν έχουν πολύ ελεύθερο χρόνο.
09:46
about the fact that religious workers
don't get a lot of time off.
don't get a lot of time off.
197
577681
3772
Υποθέτω ότι τα Σάββατα και οι Κυριακές
για εκείνους είναι κακές μέρες για άδεια.
για εκείνους είναι κακές μέρες για άδεια.
09:49
I guess Saturdays and Sundays are bad days
for them to take off.
for them to take off.
198
581477
4035
09:54
So, in this cascade, there's a group
of rabbis having a conversation
of rabbis having a conversation
199
585536
3692
Έτσι, σε αυτόν τον καταρράκτη,
υπάρχει μια ομάδα ραβίνων που συνομιλεί
υπάρχει μια ομάδα ραβίνων που συνομιλεί
09:57
about a New York Times story.
200
589252
1402
για μια ιστορία των New York Times.
09:59
One of them has the best
Twitter name ever --
Twitter name ever --
201
590678
2124
Ο ένας έχει το καλύτερο
όνομα στο Twitter --
όνομα στο Twitter --
10:01
he's called "The Velveteen Rabbi."
202
592826
1855
ονομάζεται «Ο Βελβετίνος Ραβίνος».
10:03
(Laughter)
203
594705
2323
(Γέλια)
Αλλά δεν θα το ανακαλύπταμε ποτέ αν
δεν υπήρχε αυτό το διερευνητικό εργαλείο.
δεν υπήρχε αυτό το διερευνητικό εργαλείο.
10:05
But we would have never found this
if it weren't for this exploratory tool.
if it weren't for this exploratory tool.
204
597052
4507
Αυτό απλώς θα βρισκόταν κάπου,
10:10
This would just be sitting somewhere,
205
601583
1802
και δε θα καταφέρναμε ποτέ να το δούμε.
10:11
and we would have never
been able to see that.
been able to see that.
206
603409
2186
Αλλά αυτή την άσκηση λήψης
μεμονωμένων πληροφοριών,
μεμονωμένων πληροφοριών,
10:14
But this exercise of taking
single pieces of information
single pieces of information
207
605619
4141
και την οικοδόμηση αφηγηματικών
δομών, ιστοριών από αυτές,
δομών, ιστοριών από αυτές,
10:18
and building narrative structures,
building histories out of them,
building histories out of them,
208
609784
4221
τη βρίσκω εξαιρετικά ενδιαφέρουσα.
10:22
I find tremendously interesting.
209
614029
1925
Μετακόμισα στη Νέα Υόρκη
περίπου πριν δύο χρόνια.
περίπου πριν δύο χρόνια.
10:24
You know, I moved to New York
about two years ago.
about two years ago.
210
616319
2344
Και στη Νέα Υόρκη, όλοι έχουν μια ιστορία
10:27
And in New York, everybody has a story
211
618687
2720
που περιβάλλει αυτό το τεράστιο
επιδραστικό γεγονός
επιδραστικό γεγονός
10:29
that surrounds this
tremendously impactful event
tremendously impactful event
212
621431
2960
που συνέβη στις 11 Σεπτεμβρίου 2001.
10:32
that happened on September 11 of 2001.
213
624415
2299
Και η ιστορία μου με την 11η Σεπτεμβρίου
έχει γίνει πραγματικά πιο περίπλοκη,
έχει γίνει πραγματικά πιο περίπλοκη,
10:35
And my own story with September 11
has really become a more intricate one,
has really become a more intricate one,
214
627373
6367
γιατί πέρασα πολύ χρόνο
10:42
because I spent a great deal of time
215
633764
2064
δουλεύοντας σε ένα κομμάτι του Μνημείου
για την 11η Σεπτεμβρίου στο Μανχάταν.
για την 11η Σεπτεμβρίου στο Μανχάταν.
10:44
working on a piece
of the 9/11 Memorial in Manhattan.
of the 9/11 Memorial in Manhattan.
216
635852
4149
10:49
The central idea about the 9/11 Memorial
217
640530
2564
Η κύρια ιδέα του Μνημείου
για την 11η Σεπτεμβρίου
για την 11η Σεπτεμβρίου
10:51
is that the names in the memorial
are not laid out in alphabetical order
are not laid out in alphabetical order
218
643118
4459
είναι ότι τα ονόματα στο μνημείο
δεν είναι γραμμένα αλφαβητικά
δεν είναι γραμμένα αλφαβητικά
ούτε με χρονολογική σειρά,
10:56
or chronological order,
219
647601
1685
10:57
but instead, they're laid out in a way
220
649310
1824
αλλά αντίθετα, είναι γραμμένα έτσι
10:59
in which the relationships
between the people who were killed
between the people who were killed
221
651158
3424
ώστε οι σχέσεις μεταξύ
των ανθρώπων που σκοτώθηκαν
των ανθρώπων που σκοτώθηκαν
να ενσωματώνονται στο Μνημείο.
11:03
are embodied in the memorial.
222
654606
1960
11:05
Brothers are placed next to brothers,
223
657153
2538
Αδέρφια τοποθετούνται δίπλα σε αδέρφια,
συνάδελφοι τοποθετούνται μαζί.
11:08
coworkers are placed together.
224
659715
2185
Έτσι, αυτό το μνημείο λαμβάνει υπόψη
ουσιαστικά όλες τις μυριάδες συνδέσεις
ουσιαστικά όλες τις μυριάδες συνδέσεις
11:10
So this memorial actually considers
all of these myriad connections
all of these myriad connections
225
661924
4665
11:15
that were part of these people's lives.
226
666613
2421
που αποτελούσαν κομμάτι της ζωής
αυτών των ανθρώπων.
αυτών των ανθρώπων.
11:18
I worked with a company
called Local Projects
called Local Projects
227
670310
3433
Εργάστηκα με μια εταιρεία
που ονομάζεται Local Projects
που ονομάζεται Local Projects
για να εργαστώ πάνω σε έναν αλγόριθμο
και ένα εργαλείο λογισμικού
και ένα εργαλείο λογισμικού
11:22
to work on an algorithm
and a software tool
and a software tool
228
673767
2674
11:24
to help the architects build
the layout for the memorial:
the layout for the memorial:
229
676465
3004
που θα βοηθούσε τους αρχιτέκτονες
να φτιάξουν τη διάταξη του Μνημείου:
να φτιάξουν τη διάταξη του Μνημείου:
11:28
almost 3,000 names
230
680331
1722
περίπου 3.000 ονόματα
και σχεδόν 1.500 από αυτά
ήταν αιτήματα γειτνίασης,
ήταν αιτήματα γειτνίασης,
11:30
and almost 1,500 of these
adjacency requests,
adjacency requests,
231
682077
3627
αιτήματα για σύνδεση --
11:34
these requests for connection --
232
685728
1610
επομένως μια πολύ πυκνή ιστορία,
μια πολύ πυκνή αφήγηση,
μια πολύ πυκνή αφήγηση,
11:35
so a very dense story,
a very dense narrative,
a very dense narrative,
233
687362
3386
που γίνεται κύριο μέρος του μνημείου.
11:39
that becomes an embodied part
of this memorial.
of this memorial.
234
690772
2816
11:42
Working with Jake Barton,
we produce the software tool,
we produce the software tool,
235
694195
3331
Σε συνεργασία με τον Τζέικ Μπάρτον,
παράγουμε το λογισμικό,
παράγουμε το λογισμικό,
που επιτρέπει στους αρχιτέκτονες,
πρώτα απ' όλα, να φτιάξουν μια διάταξη
πρώτα απ' όλα, να φτιάξουν μια διάταξη
11:46
which allows the architects to,
first of all, generate a layout
first of all, generate a layout
236
697550
4119
που ικανοποίησε όλα αυτά τα
αιτήματα γειτνίασης,
αιτήματα γειτνίασης,
11:50
that satisfied all of those
adjacency requests,
adjacency requests,
237
701693
3129
11:53
but then second, make little adjustments
where they needed to
where they needed to
238
704846
3033
αλλά στη συνέχεια, να κάνουν και λίγες
προσαρμογές όπου έπρεπε
προσαρμογές όπου έπρεπε
11:56
to tell the stories
that they wanted to tell.
that they wanted to tell.
239
707903
2348
για να πουν τις ιστορίες που ήθελαν.
Έτσι, αυτό το μνημείο, νομίζω, έχει
μια εξαιρετικά έγκαιρη αντίληψη
μια εξαιρετικά έγκαιρη αντίληψη
11:59
So this memorial, I think,
has an incredibly timely concept
has an incredibly timely concept
240
711219
4135
12:03
in our era of social networks,
241
715378
2990
στην εποχή μας των κοινωνικών δικτύων,
γιατί αυτά τα δίκτυα -- τα αληθινά δίκτυα
που συνθέτουν τη ζωή των ανθρώπων --
που συνθέτουν τη ζωή των ανθρώπων --
12:06
because these networks -- these real-life
networks that make up people's lives --
networks that make up people's lives --
242
718392
3975
12:10
are actually embodied
inside of the memorial.
inside of the memorial.
243
722391
2432
στην πραγματικότητα
ενσωματώνονται μέσα στο μνημείο.
ενσωματώνονται μέσα στο μνημείο.
Και μία από τις πιο τρομερά
συγκινητικές εμπειρίες
συγκινητικές εμπειρίες
12:13
And one of the most tremendously
moving experiences
moving experiences
244
725286
3471
είναι να πηγαίνεις στο Μνημείο
12:17
is to go to the memorial
245
728781
1661
12:18
and see how these people
are placed next to each other,
are placed next to each other,
246
730466
4200
και να βλέπεις το πώς αυτοί οι άνθρωποι
έχουν τοποθετηθεί ο ένας δίπλα στον άλλον,
έχουν τοποθετηθεί ο ένας δίπλα στον άλλον,
έτσι ώστε αυτό το μνημείο
να αντιπροσωπεύει τη δική τους ζωή.
να αντιπροσωπεύει τη δική τους ζωή.
12:23
so that this memorial
is representing their own lives.
is representing their own lives.
247
734690
2862
12:27
How does this affect our lives?
248
738859
1687
Πώς επηρεάζει αυτό τις δικές μας ζωές;
12:29
Well, I don't know if you remember,
249
741133
1676
Λοιπόν, δεν ξέρω αν θυμάστε,
αλλά την άνοιξη, υπήρξε μια διαμάχη,
12:31
but in the spring,
there was a controversy,
there was a controversy,
250
742833
2713
γιατί ανακαλύφθηκε ότι στα iPhone
12:34
because it was discovered
that on the iPhone
that on the iPhone
251
745570
2198
και, βασικά, στους υπολογιστές μας,
12:36
and, actually, on your computer,
252
747792
1606
αποθηκεύαμε ένα τεράστιο ποσό
των δεδομένων τοποθεσίας.
των δεδομένων τοποθεσίας.
12:37
we were storing a tremendous amount
of the location data.
of the location data.
253
749422
3315
12:41
So Apple responded, saying,
this was not location data about you,
this was not location data about you,
254
753173
3861
Έτσι, η Apple απάντησε λέγοντας ότι
δεν ήταν τα δικά σας δεδομένα τοποθεσίας,
δεν ήταν τα δικά σας δεδομένα τοποθεσίας,
12:45
it was location data
about wireless networks
about wireless networks
255
757058
2805
ήταν δεδομένα τοποθεσίας ασύρματων δικτύων
12:48
that were in the area where you are.
256
759887
2287
που βρίσκονταν στην περιοχή
όπου βρισκόσασταν κι εσείς.
όπου βρισκόσασταν κι εσείς.
12:50
So it's not about you,
257
762198
1428
Επομένως, δεν έχει να κάνει με εσάς
12:52
but it's about where you are.
258
763650
1584
αλλά με το πού βρίσκεστε εσείς.
12:53
(Laughter)
259
765258
1648
(Γέλια)
12:55
This is very valuable data.
260
766930
2808
Αυτά είναι εξαιρετικά πολύτιμα δεδομένα.
Μοιάζουν με χρυσό για τους ερευνητές, αυτά
τα δεδομένα περί ανθρώπινης κινητικότητας.
τα δεδομένα περί ανθρώπινης κινητικότητας.
12:58
It's like gold to researchers,
this human-mobility data.
this human-mobility data.
261
769762
4625
13:02
So we thought, "Man!
How many people have iPhones?"
How many people have iPhones?"
262
774411
3664
Έτσι, σκεφτήκαμε, «Ρε φίλε!
Πόσα άτομα έχουν iPhone;»
Πόσα άτομα έχουν iPhone;»
Πόσοι από εσάς έχετε iPhone;
13:06
How many of you have iPhones?
263
778099
1448
13:09
So in this room, we have this tremendous
database of location data
database of location data
264
780608
5478
Άρα σε αυτό το δωμάτιο, έχουμε αυτήν
την τεράστια βάση δεδομένων τοποθεσίας
την τεράστια βάση δεδομένων τοποθεσίας
13:14
that researchers
would really, really like.
would really, really like.
265
786110
3775
που θα άρεσε πραγματικά
πάρα πολύ στους ερευνητές.
πάρα πολύ στους ερευνητές.
Έτσι δημιουργήσαμε ένα σύστημα
που ονομάζεται Open Paths,
που ονομάζεται Open Paths,
13:18
So we built this system called Open Paths,
266
789909
2031
13:20
which lets people upload their iPhone data
267
791964
2656
που επιτρέπει στους χρήστες να ανεβάζουν
τα δεδομένα του iPhone τους
τα δεδομένα του iPhone τους
13:23
and broker relationships
with researchers to share that data,
with researchers to share that data,
268
794644
3796
και να μεσολαβήσει με ερευνητές
για να μοιραστούν αυτά τα δεδομένα,
για να μοιραστούν αυτά τα δεδομένα,
13:26
to donate that data to people
that can actually put it to use.
that can actually put it to use.
269
798464
3387
να τα χαρίσουν σε αυτούς
που μπορούν πράγματι να τα αξιοποιήσουν.
που μπορούν πράγματι να τα αξιοποιήσουν.
13:30
Open Paths was a great
success as a prototype.
success as a prototype.
270
802256
2350
Το Open Paths είχε τεράστια
επιτυχία ως πρωτότυπο.
επιτυχία ως πρωτότυπο.
13:33
We received thousands of data sets,
271
804630
3433
Λάβαμε χιλιάδες σύνολα δεδομένων,
και δημιουργήσαμε αυτή τη διεπαφή
13:36
and we built this interface
272
808087
1349
13:37
which allows people to actually
see their lives unfolding
see their lives unfolding
273
809460
3318
που επιτρέπει στους ανθρώπους
να βλέπουν τη ζωή τους να ξεδιπλώνεται
να βλέπουν τη ζωή τους να ξεδιπλώνεται
13:41
from these traces
that are left behind on your devices.
that are left behind on your devices.
274
812802
3156
από αυτά τα ίχνη που έχουν μείνει
στις συσκευές σας.
στις συσκευές σας.
Τώρα, αυτό που δεν περιμέναμε ήταν το
πόσο συγκινητική θα ήταν αυτή η εμπειρία.
πόσο συγκινητική θα ήταν αυτή η εμπειρία.
13:45
Now, what we didn't expect
was how moving this experience would be.
was how moving this experience would be.
275
816593
5267
Όταν ανέβασα τα δεδομένα μου,
σκέφτηκα, «Σιγά το πράγμα.
σκέφτηκα, «Σιγά το πράγμα.
13:50
When I uploaded my data,
I thought, "Big deal.
I thought, "Big deal.
276
821884
2227
13:52
I know where I live. I know where I work.
What am I going to see here?"
What am I going to see here?"
277
824135
3416
Ξέρω πού μένω. Ξέρω πού δουλεύω.
Τι πρόκειται να δω εδώ πέρα;»
Τι πρόκειται να δω εδώ πέρα;»
Τελικά, αυτό που είδα ήταν
η στιγμή που βγήκα από το αεροπλάνο
η στιγμή που βγήκα από το αεροπλάνο
13:56
Well, it turns out, what I saw
was that moment I got off the plane
was that moment I got off the plane
278
827575
3501
να ξεκινήσω τη νέα μου ζωή στη Νέα Υόρκη,
13:59
to start my new life in New York;
279
831100
1623
το εστιατόριο όπου έφαγα Ταϊλανδέζικο
φαγητό την πρώτη νύχτα,
φαγητό την πρώτη νύχτα,
14:02
the restaurant where I had Thai food
that first night,
that first night,
280
833588
2606
14:04
thinking about this new experience
of being in New York;
of being in New York;
281
836218
2953
σκεπτόμενος τη νέα εμπειρία
του να είσαι στη Νέα Υόρκη,
του να είσαι στη Νέα Υόρκη,
τη μέρα που γνώρισα την κοπέλα μου.
14:07
the day that I met my girlfriend.
282
839195
1623
Αυτό είναι το αεροδρόμιο LaGuardia.
14:11
This is LaGuardia airport.
283
842587
2275
14:13
(Laughter)
284
844886
1487
(Γέλια)
14:14
This is this Thai restaurant
on Amsterdam Avenue.
on Amsterdam Avenue.
285
846397
3641
Αυτό είναι το Ταϊλανδέζικο εστιατόριο
στη Λεωφόρο Άμστερνταμ.
στη Λεωφόρο Άμστερνταμ.
Αυτή είναι η στιγμή
που γνώρισα την κοπέλα μου.
που γνώρισα την κοπέλα μου.
14:19
This is the moment I met my girlfriend.
286
850559
2050
Βλέπετε πώς αυτό αλλάζει την πρώτη
φορά που σας μίλησα γι' αυτές τις ιστορίες
φορά που σας μίλησα γι' αυτές τις ιστορίες
14:22
See how that changes the first time
I told you about those stories
I told you about those stories
287
854146
3451
14:26
and the second time I told
you about those stories?
you about those stories?
288
857621
2468
με τη δεύτερη φορά που
σας μίλησα γι' αυτές;
σας μίλησα γι' αυτές;
Επειδή αυτό που κάνουμε
στο εργαλείο, ακούσια,
στο εργαλείο, ακούσια,
14:28
Because what we do
in the tool, inadvertently,
in the tool, inadvertently,
289
860113
3207
είναι ότι τοποθετούμε αυτά τα στοιχεία
μέσα σε ένα ανθρώπινο πλαίσιο.
μέσα σε ένα ανθρώπινο πλαίσιο.
14:31
is we put these pieces of data
into a human context.
into a human context.
290
863344
3115
Και τοποθετώντας τα δεδομένα
μέσα σε ένα ανθρώπινο πλαίσιο,
μέσα σε ένα ανθρώπινο πλαίσιο,
14:35
And by placing data into a human context,
291
866935
2498
14:37
it gains meaning.
292
869457
1474
βρίσκουμε το νόημα.
14:39
And I think this is tremendously,
tremendously important,
tremendously important,
293
870955
3328
Και νομίζω ότι αυτό είναι
τρομακτικής, τεράστιας σημασίας,
τρομακτικής, τεράστιας σημασίας,
επειδή αυτές είναι οι ιστορίες μας
που αποθηκεύονται σε αυτές τις συσκευές.
που αποθηκεύονται σε αυτές τις συσκευές.
14:42
because these are our histories
that are being stored on these devices.
that are being stored on these devices.
294
874307
4918
Και όταν τις σκεφτόμαστε έτσι,
14:49
And by thinking about them that way,
295
880809
1994
τοποθετώντας τες μέσα
σε ένα ανθρώπινο πλαίσιο --
σε ένα ανθρώπινο πλαίσιο --
14:52
putting them in a human context --
296
883543
1902
14:53
first of all, what we do with our own data
is get a better understanding
is get a better understanding
297
885469
3662
καταρχάς, αυτό που κάνουμε με τα δικά μας
δεδομένα είναι να κατανοούμε καλύτερα
δεδομένα είναι να κατανοούμε καλύτερα
14:57
of the type of information
that we're sharing.
that we're sharing.
298
889155
2479
το είδος πληροφοριών που μοιραζόμαστε.
15:00
But if we can do this with other data,
if we can put data into a human context,
if we can put data into a human context,
299
891658
4053
Αλλά αν μπορούμε να το κάνουμε με άλλα
δεδομένα, αν τα βάλουμε σε τέτοιο πλαίσιο,
δεδομένα, αν τα βάλουμε σε τέτοιο πλαίσιο,
15:04
I think we can change a lot of things,
300
895735
2918
πιστεύω ότι μπορούμε
να αλλάξουμε πολλά πράγματα,
να αλλάξουμε πολλά πράγματα,
15:07
because it builds, automatically, empathy
for the people involved in these systems.
for the people involved in these systems.
301
898677
6385
γιατί χτίζεται, αυτόματα, ενσυναίσθηση για
όσους εμπλέκονται σε αυτά τα συστήματα.
όσους εμπλέκονται σε αυτά τα συστήματα.
Και αυτό, με τη σειρά του,
έχει ως αποτέλεσμα έναν θεμελιώδη σεβασμό,
έχει ως αποτέλεσμα έναν θεμελιώδη σεβασμό,
15:14
And that, in turn, results
in a fundamental respect,
in a fundamental respect,
302
905602
2953
15:17
which, I believe, is missing
in a large part of technology,
in a large part of technology,
303
908579
3163
ο οποίος, πιστεύω, λείπει
από ένα μεγάλο μέρος της τεχνολογίας,
από ένα μεγάλο μέρος της τεχνολογίας,
όταν αρχίζουμε να αντιμετωπίζουμε
ζητήματα όπως η ιδιωτικότητα,
ζητήματα όπως η ιδιωτικότητα,
15:20
when we start to deal
with issues like privacy,
with issues like privacy,
304
912329
2938
15:25
by understanding that these numbers
are not just numbers,
are not just numbers,
305
916765
2717
κατανοώντας ότι αυτοί οι αριθμοί
δεν είναι μόνο αριθμοί,
δεν είναι μόνο αριθμοί,
αλλά αντ' αυτού είναι συνημμένοι,
δεμένοι σε κομμάτια του αληθινού κόσμου.
δεμένοι σε κομμάτια του αληθινού κόσμου.
15:28
but instead they're attached, tethered to,
pieces of the real world.
pieces of the real world.
306
919506
3619
Κουβαλούν βάρος.
15:31
They carry weight.
307
923149
1506
Κατανοώντας αυτό, ο διάλογος
γίνεται πολύ διαφορετικός.
γίνεται πολύ διαφορετικός.
15:33
By understanding that,
the dialog becomes a lot different.
the dialog becomes a lot different.
308
924679
3332
Πόσοι από εσάς έχετε πατήσει ένα κουμπί
15:38
How many of you have ever clicked a button
309
929595
2331
15:40
that enables a third party to access
your location data on your phone?
your location data on your phone?
310
931950
4987
που επιτρέπει σε τρίτο να έχει πρόσβαση
στα δεδομένα τοποθεσίας του κινητού σας;
στα δεδομένα τοποθεσίας του κινητού σας;
15:46
Lots of you.
311
937595
1555
Πολλοί από εσάς.
15:47
So the third party is the developer,
312
939174
2245
Ο τρίτος εδώ είναι ο προγραμματιστής,
15:49
the second party is Apple.
313
941443
1801
ο δεύτερος η Apple.
15:52
The only party that never gets access
to this information is the first party!
to this information is the first party!
314
943954
4823
Ο μόνος που δεν έχει ποτέ πρόσβαση
σε αυτές τις πληροφορίες είναι ο πρώτος!
σε αυτές τις πληροφορίες είναι ο πρώτος!
15:58
And I think that's because we think
about these pieces of data
about these pieces of data
315
950198
3135
Νομίζω ότι συμβαίνει επειδή
σκεφτόμαστε αυτά τα κομμάτια δεδομένων
σκεφτόμαστε αυτά τα κομμάτια δεδομένων
16:01
in this stranded, abstract way.
316
953357
2055
με αυτόν τον λανθάνοντα, αφηρημένο τρόπο.
16:03
We don't put them into a context
317
955436
1897
Δεν τα βάζουμε σε ένα πλαίσιο
16:05
which, I think, makes them
a lot more important.
a lot more important.
318
957357
2309
που, νομίζω, ότι τα κάνει
πολύ πιο σημαντικά.
πολύ πιο σημαντικά.
16:08
So what I'm asking you
to do is really simple:
to do is really simple:
319
959690
2166
Αυτό που σας ζητώ να κάνετε
είναι πολύ απλό:
είναι πολύ απλό:
αρχίστε να σκέφτεστε τα δεδομένα
μέσα σε ένα ανθρώπινο πλαίσιο.
μέσα σε ένα ανθρώπινο πλαίσιο.
16:10
start to think about data
in a human context.
in a human context.
320
961880
2323
16:13
It doesn't really take anything.
321
964918
1657
Δε χρειάζεται και πολλή προσπάθεια.
16:15
When you read stock prices,
think about them in a human context.
think about them in a human context.
322
966599
3359
Όταν διαβάζετε τις τιμές των μετοχών,
σκεφτείτε τες σ' ένα ανθρώπινο πλαίσιο.
σκεφτείτε τες σ' ένα ανθρώπινο πλαίσιο.
16:18
When you think about mortgage reports,
think about them in a human context.
think about them in a human context.
323
969982
3542
Όταν σκέφτεστε τις υποθήκες, σκεφτείτε
τες μέσα σε ένα ανθρώπινο πλαίσιο.
τες μέσα σε ένα ανθρώπινο πλαίσιο.
16:22
There's no doubt that big data
is big business.
is big business.
324
973548
3930
Δεν υπάρχει αμφιβολία ότι τα μεγάλα
δεδομένα φέρνουν και μεγάλες δουλειές.
δεδομένα φέρνουν και μεγάλες δουλειές.
16:26
There's an industry being developed here.
325
977502
3018
Υπάρχει μια βιομηχανία
που αναπτύσσεται εδώ.
που αναπτύσσεται εδώ.
Σκεφτείτε πόσο καλά τα έχουμε πάει
16:30
Think about how well we've done
326
981520
1501
σε προηγούμενες βιομηχανίες
που έχουμε αναπτύξει με πόρους.
που έχουμε αναπτύξει με πόρους.
16:31
in previous industries
that we've developed involving resources.
that we've developed involving resources.
327
983045
3369
16:34
Not very well at all.
328
986438
1300
Όχι και τόσο καλά.
16:36
I think part of that problem is, we've had
a lack of participation in these dialogues
a lack of participation in these dialogues
329
987762
4522
Νομίζω ότι μέρος του προβλήματος είναι η
έλλειψη συμμετοχής σ'αυτούς τους διαλόγους
έλλειψη συμμετοχής σ'αυτούς τους διαλόγους
16:40
from multiple pieces of human society.
330
992308
4428
από πολλά μέρη της ανθρώπινης κοινωνίας.
16:45
So the other thing that I'm asking for
331
996760
1992
Έτσι, το άλλο που σας ζητάω
είναι η ένταξη στον διάλογο αυτό
καλλιτεχνών, ποιητών, συγγραφέων --
καλλιτεχνών, ποιητών, συγγραφέων --
16:48
is an inclusion in this dialogue
from artists, from poets, from writers --
from artists, from poets, from writers --
332
999669
4378
ανθρώπων που μπορούν να φέρουν ένα
ανθρώπινο στοιχείο σε αυτή τη συζήτηση.
ανθρώπινο στοιχείο σε αυτή τη συζήτηση.
16:52
from people who can bring a human element
into this discussion.
into this discussion.
333
1004071
4013
Επειδή πιστεύω ότι αυτός ο κόσμος των δεδομένων
16:57
Because I believe that this world of data
334
1008725
2356
θα είναι μετασχηματιστικός για εμάς.
16:59
is going to be transformative for us.
335
1011105
3025
Και σε αντίθεση με τις προσπάθειές μας
στη βιομηχανία των πόρων
στη βιομηχανία των πόρων
17:03
And unlike our attempts
with the resource industry
with the resource industry
336
1014687
3169
17:06
and our attempts
with the financial industry,
with the financial industry,
337
1017880
2153
και τις προσπάθειές μας
στη χρηματοπιστωτική βιομηχανία,
στη χρηματοπιστωτική βιομηχανία,
φέρνοντας το ανθρώπινο
στοιχείο σε αυτή την ιστορία,
στοιχείο σε αυτή την ιστορία,
17:08
by bringing the human
element into this story,
element into this story,
338
1020057
2931
νομίζω ότι μπορούμε
να το οδηγήσουμε σε φοβερά σημεία.
να το οδηγήσουμε σε φοβερά σημεία.
17:11
I think we can take it
to tremendous places.
to tremendous places.
339
1023012
2178
Σας ευχαριστώ.
17:14
Thank you.
340
1026203
1155
17:15
(Applause)
341
1027382
4052
(Χειροκρότημα)
ABOUT THE SPEAKER
Jer Thorp - Data artistJer Thorp’s work focuses on adding meaning and narrative to huge amounts of data as a way to help people take control of the information that surrounds them.
Why you should listen
Currently the data artist in residence at the New York Times, Jer’s software-based art has been featured all over the world. His former career as a data artist explains why his art often brings big data sets to life and is deeply influenced by science. Originally from Vancouver, he lives in New York City, where, along with his work at the New York Times, he teaches in NYU’s ITP program.
Jer Thorp | Speaker | TED.com