TEDIndia 2009
Lalitesh Katragadda: Making maps to fight disaster, build economies
Lalitesh Katragadda: Mapigado por kontraŭbatali katastrofojn kaj fortigi ekonomiojn
Filmed:
Readability: 4.5
405,132 views
Je 2005, nur 15 elcentoj de la mondo estis mapigita. Tio bremsas la liveradon de helpo post katastrofo -- kaj kaŝas la ekonomian eblon de neekspluatataj terpecoj kaj nekonataj vojoj. En tiu ĉi mallonga prelego, Lalitesh Katragadda, de Google, elmontras Map Maker, grupa mapofarilo, kiun homoj ĉirkaŭ la terglobo uzas por mapigi sian mondon.
Lalitesh Katragadda - Engineer
Lalitesh Katragadda builds tools that help groups of people compile information to build something greater than the sum of its parts. His latest fascination: collaborative maps. Full bio
Lalitesh Katragadda builds tools that help groups of people compile information to build something greater than the sum of its parts. His latest fascination: collaborative maps. Full bio
Double-click the English transcript below to play the video.
00:16
In 2008, Cyclone Nargis devastated Myanmar.
0
1000
5000
En 2008 ciklono Nargis ruinigis Birmon.
00:21
Millions of people were in severe need of help.
1
6000
4000
Milionoj da homoj bezonegis helpon.
00:25
The U.N. wanted to rush people and supplies to the area.
2
10000
4000
UN volis sendi homojn kaj provizaĵojn al la regiono.
00:29
But there were no maps, no maps of roads,
3
14000
3000
Sed ne estis mapoj, vojo-mapoj,
00:32
no maps showing hospitals, no way for help to reach the cyclone victims.
4
17000
5000
mapoj montrantaj hospitalojn, neniu maniero por helpi atingi la viktimojn de la ciklono.
00:37
When we look at a map of Los Angeles or London,
5
22000
3000
Kiam ni rigardas mapon de Los-Anĝeleso aŭ Londono,
00:40
it is hard to believe
6
25000
3000
apenaŭ eblas kredi,
00:43
that as of 2005, only 15 percent of the world
7
28000
3000
ke je 2005 nur 15 elcentoj de la mondo
00:46
was mapped to a geo-codable level of detail.
8
31000
3000
estis mapigita laŭ geografie enkodigebla nivelo de detaloj.
00:49
The U.N. ran headfirst into a problem
9
34000
3000
UN alfrontis problemon
00:52
that the majority of the world's populous faces:
10
37000
2000
jam spertitan de la plejparto de la mondo:
00:54
not having detailed maps.
11
39000
2000
la manko de detalaj mapoj.
00:56
But help was coming.
12
41000
2000
Sed helpo ekvenis.
00:58
At Google, 40 volunteers
13
43000
2000
Ĉe Google, 40 volontuloj
01:00
used a new software
14
45000
3000
uzis novan komputilan programon
01:03
to map 120,000 kilometers of roads,
15
48000
3000
por mapigi 120 mil kilometrojn da vojoj,
01:06
3,000 hospitals, logistics and relief points.
16
51000
3000
3 mil hospitalojn, loĝistikajn kaj elstarajn punktojn.
01:09
And it took them four days.
17
54000
2000
Kaj ili bezonis nur kvar tagojn.
01:11
The new software they used? Google Mapmaker.
18
56000
3000
Kiun novan programon ili uzis? Google Mapmaker.
01:14
Google Mapmaker is a technology that empowers each of us
19
59000
3000
Google Mapmaker estas teĥnikaĵo, kiu kapabligas ĉiun el ni
01:17
to map what we know locally.
20
62000
3000
mapigi tion, kion ni loke konas.
01:20
People have used this software
21
65000
2000
Homoj uzis tiun programon
01:22
to map everything from roads to rivers,
22
67000
2000
por mapigi ĉion, de vojoj ĝis riveroj,
01:24
from schools to local businesses,
23
69000
3000
de lernejoj ĝis lokaj entreprenoj,
01:27
and video stores to the corner store.
24
72000
3000
kaj de video-vendejoj ĝis la stratangula vendejo.
01:30
Maps matter.
25
75000
2000
Mapoj gravas.
01:32
Nobel Prize nominee Hernando De Soto
26
77000
2000
La prestiĝa ekonomiisto Hernando de Soto
01:34
recognized that the key to economic liftoff
27
79000
2000
substrekis, ke la ŝlosilo por ekonomia elstariĝo
01:36
for most developing countries
28
81000
2000
por la plejmulto da evolulandoj
01:38
is to tap the vast amounts of uncapitalized land.
29
83000
3000
estas ekspluati la grandajn kvantojn de nekapitaligitaj terpecoj.
01:41
For example, a trillion dollars
30
86000
3000
Ekzemple, unu duiliono da dolaroj
01:44
of real estate remains uncapitalized in India alone.
31
89000
3000
en terenaĵoj restas nekapitaligitaj, nur en Barato.
01:47
In the last year alone,
32
92000
2000
En la lasta jaro,
01:49
thousands of users in 170 countries
33
94000
4000
miloj da uzantoj en 170 landoj
01:53
have mapped millions of pieces of information,
34
98000
3000
mapigis milionojn da informeroj
01:56
and created a map of a level of detail never thought viable.
35
101000
3000
kaj kreis mapon kun detalnivelo ĝis tiam neimagebla.
01:59
And this was made possible by
36
104000
2000
Kaj tio estis ebla danke al
02:01
the power of passionate users everywhere.
37
106000
4000
la povo de pasiaj uzantoj ĉie.
02:05
Let's look at some of the maps
38
110000
3000
Ni rigardu kelkajn el la mapoj
02:08
being created by users right now.
39
113000
3000
kreataj de uzantoj nun.
02:11
So, as we speak, people are mapping the world
40
116000
2000
Nu, dum ni parolas, homoj mapigas la mondon
02:13
in these 170 countries.
41
118000
2000
en tiuj 170 landoj.
02:15
You can see Bridget in Africa who just mapped a road in Senegal.
42
120000
6000
Vi povas vidi Bridget en Afriko, kiu ĵus mapigis vojon en Senegalo.
02:21
And, closer to home, Chalua, an N.G. road in Bangalore.
43
126000
5000
Pli proksime de ni, Chalua faris same pri vojo en Bangalore.
02:26
This is the result of computational geometry,
44
131000
3000
Tio estas la rezulto de komputa geometrio
02:29
gesture recognition, and machine learning.
45
134000
3000
gestorekonado kaj maŝinlernado.
02:32
This is a victory of thousands of users,
46
137000
2000
Tio estas venko de miloj da uzantoj,
02:34
in hundreds of cities,
47
139000
2000
en centoj da urboj,
02:36
one user, one edit at a time.
48
141000
2000
uzanto post uzanto, eldonado post eldonado.
02:38
This is an invitation to the 70 percent
49
143000
4000
Tio estas invito al la 70 elcentoj
02:42
of our unmapped planet.
50
147000
2000
de nia nemapigita planedo.
02:44
Welcome to the new world.
51
149000
2000
Bonvenon al la nova mondo.
02:46
(Applause)
52
151000
3000
(Aplaŭdoj)
ABOUT THE SPEAKER
Lalitesh Katragadda - EngineerLalitesh Katragadda builds tools that help groups of people compile information to build something greater than the sum of its parts. His latest fascination: collaborative maps.
Why you should listen
Lalitesh Katragadda is a software engineer at Google, working on geo-data, machine vision, machine learning and space robotics. Before joining Google, Lalitesh founded a robotics startup that was acquired by Google. At Google, Lalitesh co-founded Google India and was its founding Joint Center Head for two years. He co-started several projects including Google Finance and Hindi Transliteration, and is now working on maps.
Lalitesh Katragadda | Speaker | TED.com