TED2011
Aaron Koblin: Visualizing ourselves ... with crowd-sourced data
אהרון קובלין: הצגה ויזואלית ואומנותית של האנושות
Filmed:
Readability: 4.2
1,731,467 views
האמן Aaron Koblin לוקח כמויות עצומות של נתונים – ולעיתים כמויות עצומות של אנשים – ואורג אותם לכדי תצוגות ויזואליות מהממות. החל מקווים אלגנטיים שמתחקים אחר מסלולי טיסה של חברות תעופה ועד לנופים של נתוני טלפונים סלולאריים, מקליפ מוזיקה של Johnny Cash שהורכב מציוריו של הקהל הרחב ועד הקליפ "מרחבי העיר התחתית" שמתאים עצמו אישית לצופה, עבודתו בוחנת בצורה מבריקה כיצד יכולה הטכנולוגיה המודרנית להפוך אותנו לאנושיים יותר.
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
אז אני חושב שנתונים יכולים ממש לעשות אותנו יותר אנושיים.
00:19
We're collecting and creating all kinds of data about how we're living our lives,
1
4000
3000
אנחנו אוספים ויוצרים סוגים שונים של נתונים על איך אנחנו חיים את חיינו,
00:22
and it's enabling us to tell some amazing stories.
2
7000
2000
וזה מאפשר לנו לספר סיפורים מדהימים.
00:24
Recently, a wise media theorist Tweeted,
3
9000
3000
לאחרונה, תאורטיקן תקשורת חכם צייץ בטוויטר,
00:27
"The 19th century culture was defined by the novel,
4
12000
2000
"תרבות המאה ה-19 הוגדרה על-ידי הספרות,
00:29
the 20th century culture was defined by the cinema,
5
14000
2000
תרבות המאה ה-20 הוגדרה על-ידי הקולנוע,
00:31
and the culture of the 21st century
6
16000
2000
והתרבות של המאה ה-21
00:33
will be defined by the interface."
7
18000
2000
תוגדר על-ידי הממשק."
00:35
And I believe this is going to prove true.
8
20000
2000
ואני מאמין שזה יתגלה כנכון.
00:37
Our lives are being driven by data,
9
22000
2000
החיים שלנו מונעים ע"י נתונים,
00:39
and the presentation of that data is an opportunity
10
24000
2000
והצגת הנתונים האלה היא הזדמנות
00:41
for us to make some amazing interfaces that tell great stories.
11
26000
2000
בשבילנו ליצור ממשקים מדהימים שמספרים סיפורים אדירים.
00:43
So I'm going to show you a few of the projects
12
28000
2000
אז אני הולך להראות לכם כמה מהפרויקטים
00:45
that I've been working on over the last couple years
13
30000
2000
עליהם עבדתי בשנים האחרונות
00:47
that reflect on our lives and our systems.
14
32000
2000
שמבטאים את החיים שלנו ואת המערכות שלנו.
00:49
This is a project called Flight Patterns.
15
34000
2000
זה פרויקט שנקרא "דפוסי טיסה".
00:51
What you're looking at is airplane traffic
16
36000
2000
מה שאתם רואים זה תנועת מטוסים
00:53
over North America for a 24-hour period.
17
38000
3000
מעל צפון אמריקה בפרק זמן של 24 שעות.
00:56
As you see, everything starts to fade to black,
18
41000
2000
ואתם רואים, איך הכל מתחיל להתעמעם ולהפוך לשחור,
00:58
and you see people going to sleep.
19
43000
2000
ואתם רואים אנשים הולכים לישון.
01:00
Followed by that, you see on the West coast
20
45000
2000
בהמשך לזה, אתם רואים באיזור החוף המערבי
01:02
planes moving across, the red-eye flights to the East coast.
21
47000
3000
מטוסים חוצים את האיזור בטיסות הלילה לחוף המזרחי.
01:05
And you'll see everybody waking up on the East coast,
22
50000
3000
ואתם תראו את כולם מתעוררים בחוף המזרחי,
01:08
followed by European flights coming in the upper right-hand corner.
23
53000
3000
ואז את הטיסות האירופאיות שמתחילות להגיע מהפינה הימנית העליונה.
01:11
Everybody's moving from the East coast to the West coast.
24
56000
3000
כולם נעים מהחוף המזרחי לחוף המערבי.
01:14
You see San Francisco and Los Angeles
25
59000
2000
אתם רואים את סן פרנסיסקו ואת לוס אנג'לס
01:16
start to make their journeys down to Hawaii in the lower left-hand corner.
26
61000
3000
שמתחילות לעשות את דרכן להוואי בפינה השמאלית התחתונה.
01:19
I think it's one thing to say there's 140,000 planes
27
64000
2000
אני חושב שזה דבר אחד להגיד שיש 140,000 מטוסים
01:21
being monitored by the federal government at any one time,
28
66000
3000
שנצפים ע"י הממשל הפדרלי בכל רגע נתון,
01:24
and it's another thing to see that system as it ebbs and flows.
29
69000
3000
וזה דבר אחר לראות את אותה מערכת נכנסת לזמני השיא והשפל שלה.
01:29
This is a time-lapse image of that exact same data,
30
74000
2000
זה צילום מואץ של אותם נתונים בדיוק,
01:31
but I've color-coded it by type,
31
76000
2000
אבל חילקתי אותם לצבעים על-פי הסוג,
01:33
so you can see the diversity of aircraft that are in the skies above us.
32
78000
3000
כך שאפשר לראות את המגוון של כלי הטיס שברקיע מעלינו.
01:36
And I started making these, and I put them into Google Maps
33
81000
3000
והתחלתי ליצור את התמונות האלו, ולהעלות אותן ל"גוגל-מפות"
01:39
and allow you to zoom in and see individual airports
34
84000
2000
ולאפשר לכם להתמקד ולראות שדות תעופה בודדים
01:41
and the patterns that are occurring there.
35
86000
2000
ואת הדפוסים שמתרחשים בהם.
01:43
So here we can see the white represents low altitudes,
36
88000
3000
אז כאן אפשר לראות את הלבן שמייצג גבהים נמוכים,
01:46
and the blue are higher altitudes.
37
91000
2000
והכחול הם הגבהים הגבוהים.
01:48
And you can zoom in. This is taking a look at Atlanta.
38
93000
2000
ואפשר להתמקד. זה מבט על אטלנה.
01:50
You can see this is a major shipping airport,
39
95000
2000
אתם יכולים לראות שזה שדה תעופה גדול,
01:52
and there's all kinds of activity there.
40
97000
2000
ויש כל מיני התרחשויות שם.
01:54
You can also toggle between altitude
41
99000
3000
אתם יכולים גם להחליף בין גבהים
01:57
for model and manufacturer.
42
102000
2000
לפי דגם ויצרן.
01:59
See again, the diversity.
43
104000
2000
שימו לב שוב, למגוון.
02:01
And you can scroll around and see
44
106000
2000
ואתם יכולים להמשיך לגלול ולראות
02:03
some of the different airports and the different patterns that they have.
45
108000
3000
כמה שדות תעופה שונים ואת והדפוסים השונים שלהם.
02:06
This is scrolling up the East coast.
46
111000
2000
פה עלינו כבר לחוף המזרחי.
02:08
You can see some of the chaos that's happening in New York
47
113000
2000
אפשר לראות קצת מהכאוס שמתרחש בניו-יורק
02:10
with the air traffic controllers
48
115000
2000
עם פקחי התעופה
02:12
having to deal with all those major airports next to each other.
49
117000
4000
שצריכים להתמודד עם כל שדות התעופה הגדולים האלו שסמוכים זה לזה.
02:17
So zooming back out real quick,
50
122000
2000
אז שוב נתרחק בזריזות,
02:19
we see, again, the U.S. -- you get Florida down in the right-hand corner.
51
124000
3000
ונראה שוב את ארה"ב - רואים את פלורידה למטה בפינה הימנית.
02:22
Moving across to the West coast,
52
127000
2000
ונעבור לצד השני אל עבר החוף המערבי,
02:24
you see San Francisco and Los Angeles --
53
129000
2000
ונראה את סן פרנסיסקו ולוס אנג'לס -
02:26
big low-traffic zones
54
131000
2000
שני גושים גדולים של תנועה דלילה
02:28
across Nevada and Arizona.
55
133000
2000
לאורך נבאדה ואריזונה.
02:30
And that's us down there in L.A. and Long Beach on the bottom.
56
135000
4000
ופה למטה זה אנחנו באל.איי ולונג ביץ' בתחתית.
02:36
I started taking a look as well at different perimeters,
57
141000
2000
התחלתי לבחון גם פרמטרים נוספים,
02:38
because you can choose what you want to pull out from the data.
58
143000
2000
כי אפשר להחליט מה רוצים לחלץ מתוך הנתונים.
02:40
This is looking at ascending versus descending flights.
59
145000
3000
זו למשל התמקדות בטיסות ממריאות לעומת טיסות נוחתות.
02:43
And you can see, over time, the ways the airports change.
60
148000
2000
ואתם יכולים לראות, לאורך זמן, איך שדות התעופה משתנים.
02:45
You see the holding patterns that start to develop
61
150000
2000
אפשר לראות דפוסי דעיכה שמתחילים להתפתח
02:47
in the bottom of the screen.
62
152000
2000
בתחתית המסך.
02:49
And you can see, eventually the airport actually flips directions.
63
154000
3000
ואתם יכולים לראות, איך בסופו של דבר שדה התעופה ממש הופך כיוון.
02:53
So this is another project that I worked on with the Sensible Cities Lab at MIT.
64
158000
3000
וזה עוד פרוייקט שעבדתי עליו עם Sensible Cities Lab במכון הטכנולוגי של מסצ'וסט.
02:56
This is visualizing international communications.
65
161000
2000
זוהי הצגה ויזואלית של תקשורת בינלאומית.
02:58
So it's how New York communicates
66
163000
2000
רואים בה איך ניו-יורק מתקשרת
03:00
with other international cities.
67
165000
2000
עם ערים בינלאומיות אחרות.
03:02
And we set this up as a live globe in the Museum of Modern Art in New York
68
167000
3000
והצבנו את זה כגלובוס פעיל במוזיאון לאומנות מודרנית בניו-יורק
03:05
for the Design the Elastic Mind exhibition.
69
170000
2000
כחלק מתערוכה של "עיצוב תודעה אלסטית"
03:07
And it had a live feed with a 24-hour offset,
70
172000
2000
והוא הוזן כל הזמן בנתונים אמיתיים, בעיכוב של 24 שעות,
03:09
so you could see the changing relationship
71
174000
2000
כך שניתן היה לראות את היחסים המשתנים
03:11
and some demographic info
72
176000
2000
כמו גם מעט מידע דמוגרפי
03:13
coming through AT&T's data and revealing itself.
73
178000
3000
שזרם מהנתונים של AT&T (חברת הטלפון והטלגרף האמריקנית) וחשף עצמו.
03:16
This is another project I worked on with Sensible Cities Lab
74
181000
2000
זהו פרויקט נוסף עליו עבדתי יחד עם Sensible Cities Lab.
03:18
and CurrentCity.org.
75
183000
2000
ועם CurrentCity.org.
03:20
And it's visualizing SMS messages being sent in the city of Amsterdam.
76
185000
3000
זוהי הצגה ויזואלית של מסרוני SMS שנשלחים בעיר אמסטרדם.
03:23
So you're seeing the daily ebb and flow
77
188000
2000
אז אתם רואים את זמני השיא והשפל היומיים
03:25
of people sending SMS messages from different parts of the city,
78
190000
2000
בהם אנשים שולחים מסרונים מאזורים שונים בעיר,
03:27
until we approach New Year's Eve, where everybody says, "Happy New Year!"
79
192000
3000
עד שאנחנו מגיעים לערב ראש השנה, שאז כולם אומרים "שנה טובה!"
03:30
(Laughter)
80
195000
2000
(צחוק)
03:32
So this is an interactive tool
81
197000
2000
אז זהו כלי אינטראקטיבי
03:34
that you can move around and see different parts of the city.
82
199000
3000
שבו אתם יכולים לטייל ולראות חלקים שונים בעיר.
03:37
This is looking at another event. This is called Queen's Day.
83
202000
3000
וזה מבט על אירוע נוסף, שנקרא Queen's Day ("יום המלכה").
03:40
So again, you get this daily ebb and flow
84
205000
2000
אז שוב, אפשר לראות את זמני השיא והשפל היומיומיים השיגרתיים
03:42
of people sending SMS messages from different parts of the city.
85
207000
3000
של אנשים ששולחים מסרונים מחלקיה השונים של העיר
03:45
And then you're going to see people start to gather in the center of the city
86
210000
2000
ואז תראו אנשים מתחילים להאסף במרכז העיר
03:47
to celebrate the night before,
87
212000
2000
לחגיגות של הערב שלפני
03:49
which happens right here.
88
214000
2000
שקורה בדיוק כאן.
03:51
And then you can see people celebrating the next day.
89
216000
2000
ואז אפשר לראות אנשים חוגגים ביום למחרת.
03:53
And you can pause it and step back and forth and see different phases.
90
218000
3000
ואפשר לעצור וללכת אחורה וקדימה ולראות את השלבים השונים.
03:56
So now on to something completely different.
91
221000
2000
ועכשיו נעבור למשהו שונה לחלוטין.
03:58
Some of you may recognize this.
92
223000
2000
חלקכם אולי יזהה את זה.
04:00
This is Baron Wolfgang von Kempelen's mechanical chess playing machine.
93
225000
3000
זהו "הטורקי" - בובה מכנית משחקת שחמט של הברון וולפגנג פון קמפלן.
04:03
And it's this amazing robot that plays chess extremely well,
94
228000
2000
וזה מין רובוט מדהים כזה שמשחק שחמט ממש טוב,
04:05
except for one thing: it's not a robot at all.
95
230000
3000
למעט עובדה אחת: זה ממש לא רובוט.
04:08
There's actually a legless man that sits in that box
96
233000
2000
האמת היא שיש אדם ללא רגליים שיושב בתוך הקופסה
04:10
and controls this chess player.
97
235000
2000
ומפעיל את שחקן השחמט הזה.
04:12
This was the inspiration for a web service by Amazon
98
237000
2000
זו היתה ההשראה של אמזון לשירות אינטרנטי
04:14
called the Mechanical Turk -- named after this guy.
99
239000
3000
שנקרא "הטורקי המכני" - על שם הבחור זה.
04:17
And it's based on the premise that there are certain things
100
242000
2000
והשירות מבוסס על ההנחה הבסיסית שיש דברים מסוימים
04:19
that are easy for people, but really difficult for computers.
101
244000
2000
שמאוד קלים לבני האדם, אבל ממש מסובכים עבור מחשבים.
04:21
So they made this web service and said,
102
246000
2000
אז הם יצרו את שירות האינטרנט הזה ואמרו,
04:23
"Any programmer can write a piece of software
103
248000
2000
"כל תוכניתן יכול לכתוב קטע תוכנה
04:25
and tap into the minds of thousands of people."
104
250000
2000
ולהתחבר למוח של אלפי אנשים."
04:27
The nerdy side of me thought, "Wow, this is amazing.
105
252000
2000
הצד החנוני שבי חשב "ווואו, זה מדהים.
04:29
I can tap into thousands of people's minds."
106
254000
2000
אני יכול להתחבר למוח של אלפי אנשים."
04:31
And the other nerdy side of me thought,
107
256000
2000
והצד החנוני השני שלי חשב,
04:33
"This is horrible. This is completely bizarre.
108
258000
3000
"זה נורא. זה לגמרי מוזר.
04:36
What does this mean for the future of mankind,
109
261000
2000
מה זה אומר לגבי עתידו של המין האנושי,
04:38
where we're all plugged into this borg?"
110
263000
2000
כשכולנו נהיה מחוברים למכונה הזו?"
04:40
I was probably being a little extreme.
111
265000
2000
כנראה שקצת הגזמתי
04:42
But what does this mean when we have no context for what it is that we're working on,
112
267000
2000
אבל מה המשמעות של מצב שבו כולנו עובדים על משהו מבלי לדעת את ההקשר הרחב,
04:44
and we're just doing these little labors?
113
269000
2000
ואנחנו פשוט סתם עושים כל מיני מטלות קטנות?
04:46
So I created this drawing tool.
114
271000
2000
אז יצרתי את כלי הציור הזה.
04:48
I asked people to draw a sheep facing to the left.
115
273000
2000
וביקשתי מאנשים לצייר כבשה עם הפנים לצד שמאל.
04:50
And I said, "I'll pay you two cents for your contribution."
116
275000
2000
ואמרתי: "אני אשלם שני סנט עבור השתתפותכם."
04:52
And I started collecting sheep.
117
277000
3000
והתחלתי לאסוף כבשים.
04:55
And I collected a lot, a lot of different sheep.
118
280000
3000
ואספתי הרבה, הרבה מאוד כבשים.
04:59
Lots of sheep.
119
284000
2000
המון כבשים.
05:01
I took the first 10,000 sheep that I collected,
120
286000
2000
לקחתי את 10,000 הכבשים הראשונות שאספתי,
05:03
and I put them on a website called TheSheepMarket.com
121
288000
3000
והעלאתי אותם לאתר שנקרא "שוק הכבשים"
05:06
where you can actually buy collections of 20 sheep.
122
291000
3000
שבו אפשר ממש לרכוש קולקציה של 20 כבשים.
05:09
You can't pick individual sheep,
123
294000
2000
אי אפשר לבחור כבשה בודדת,
05:11
but you can buy a single plate block of stamps as a commodity.
124
296000
4000
אבל אפשר לרכוש רצף בולים כמוצר.
05:15
And juxtaposed against this grid,
125
300000
2000
ולצד רצף הבולים,
05:17
you see actually, by rolling over each individual one,
126
302000
2000
אפשר לראות, ע"י הצבעה על כל אחת ואחת,
05:19
the humanity behind this hugely mechanical process.
127
304000
3000
את האנושיות שמסתתרת מאחורי התהליך המאוד מכני הזה.
05:22
I think there's something really interesting
128
307000
2000
אני חושב שיש משהו מאוד מעניין
05:24
to watching people as they go through this creative toil --
129
309000
3000
בלהתלוות לאנשים בזמן שהם עוברים את התהליך המיגע הזה של היצירה -
05:27
something we can all relate to,
130
312000
2000
זה משהו שכולנו יכולים להזדהות איתו,
05:29
this creative process of trying to come up with something from nothing.
131
314000
3000
התהליך היצירתי הזה של לנסות ליצור משהו יש מאין.
05:32
I think it was really interesting to juxtapose this humanity
132
317000
2000
אני חושב שזה היה מאוד מעניין להצמיד את האנושיות הזאת ולהציג אותה
05:34
versus this massive distributed grid.
133
319000
2000
כנגד המאסה הענקית הזו של רשת התמונות.
05:36
Kind of amazing what some people did.
134
321000
3000
די מדהים לראות מה עשו חלק מהאנשים.
05:39
So here's a few statistics from the project.
135
324000
2000
אז הנה כמה סטטיסטיקות על הפרויקט הזה.
05:41
Approximate collection rate of 11 sheep per hour,
136
326000
2000
כ-11 כבשים התווספו לאוסף בכל שעה,
05:43
which would make a working wage of 69 cents per hour.
137
328000
3000
מה שאומר שתיאורטית השכר הממוצע הוא 69 סנט לשעה.
05:46
There were 662 rejected sheep
138
331000
2000
היו 662 כבשים שלא התקבלו
05:48
that didn't meet "sheep-like" criteria and were thrown out of the flock.
139
333000
3000
מפני שלא עמדו בקריטריונים של דמיון לכבשה ונזרקו מהעדר.
05:51
(Laughter)
140
336000
2000
(צחוק)
05:53
The amount of time spent drawing ranged from four seconds to 46 minutes.
141
338000
3000
כמות הזמן שהושקעה בציור נעה בין ארבע שניות ל 46 דקות.
05:56
That gives you an idea of the different types of motivations and dedication.
142
341000
3000
זה נותן לכם מושג לגבי המניעים השונים ומידת המסירות השונה.
05:59
And there were 7,599 people that contributed to the project,
143
344000
3000
והיו 7,599 אנשים שלקחו חלק בפרוייקט,
06:02
or were unique IP addresses --
144
347000
2000
או לפחות זה מספר כתובות ה- IP היחודיות -
06:04
so about how many people contributed.
145
349000
2000
אז זה בערך מספר האנשים שלקחו חלק.
06:06
But only one of them out of the 7,599 said this.
146
351000
4000
אבל רק אחד מכל אותם 7,599 אמר את זה - ("למה? למה אתה עושה את זה?")
06:10
(Laughter)
147
355000
4000
(צחוק)
06:14
Which I was pretty surprised by.
148
359000
2000
שזה די הפתיע אותי.
06:16
I expected people to be wondering, "Why did I draw a sheep?"
149
361000
3000
ציפיתי שאנשים יתהו לגבי "למה ציירתי כבשה?"
06:19
And I think it's a pretty valid question.
150
364000
2000
ואני חושב שזו שאלה לגיטימית.
06:21
And there's a lot of reasons why I chose sheep.
151
366000
2000
וישנן הרבה סיבות למה בחרתי דווקא בכבשה.
06:23
Sheep were the first animal
152
368000
2000
כבשה היתה החיה הראשונה
06:25
to be raised from mechanically processed byproducts,
153
370000
2000
שגודלו לטובת הפקת מוצרי הלוואי מהם ע"י מכונות,
06:27
the first to be selectively bred for production traits,
154
372000
2000
הראשונות שבוצעה בהן רבייה סלקטיבית לטובת השבחת תכונות מסחריות
06:29
the first animal to be cloned.
155
374000
2000
החיה הראשונה ששובטה
06:31
Obviously, we think of sheep as followers.
156
376000
2000
וכמובן, אנחנו רואים בכבשים כ"הולכות כעדר".
06:33
And there's this reference to "Le Petit Prince"
157
378000
2000
ויש את החיבור ל "הנסיך הקטן"
06:35
where the narrator asks the prince to draw a sheep.
158
380000
2000
שבו המספר מתבקש ע"י הנסיך לצייר לו כבשה.
06:37
He draws sheep after sheep.
159
382000
2000
הוא מצייר כבשה אחרי כבשה.
06:39
The narrator's only appeased when he draws a box.
160
384000
2000
ולבסוף הופסה דעתו רק כשצייר לו קופסה.
06:41
And he says, "It's not about a scientific rendering of a sheep.
161
386000
2000
והוא אומר: "העיקר הוא לא לצייר העתק מדוייק של כבשה,
06:43
It's about your own interpretation and doing something different."
162
388000
3000
העיקר הוא הפרשנות האישית שלך, לעשות משהו שונה."
06:46
And I like that.
163
391000
2000
וזה מוצא חן בעיני.
06:48
So this is a clip from Charlie Chaplin's "Modern Times."
164
393000
2000
וזה קליפ מתוך סרט של צ'רלי צ'פלין "זמנים מודרניים"
06:50
It's showing Charlie Chaplin dealing with some of the major changes
165
395000
3000
רואים בו את צ'רלי צ'פלין מתמודד עם כמה מהשינויים האדירים
06:53
during the Industrial Revolution.
166
398000
2000
שהביאה איתה המהפכה התעשיתית.
06:55
So there were no longer shoe makers,
167
400000
2000
אין יותר סנדלרים
06:57
but now there are people slapping soles on people's shoes.
168
402000
2000
אלא אנשים מטיחים סוליות על נעליים של אנשים.
06:59
And the whole idea of one's relationship to their work changed a lot.
169
404000
3000
וכל הרעיון של היחס בין האדם למקום עבודתו השתנה מאוד.
07:02
So I thought this was an interesting clip
170
407000
2000
חשבתי שזה קליפ שיהיה מעניין
07:04
to divide into 16 pieces
171
409000
2000
לחלק אותו ל 16 קטעים
07:06
and feed into the Mechanical Turk with a drawing tool.
172
411000
3000
ולהזין אותו ל"הטורקי המכני" עם כלי הציור.
07:09
This basically allowed -- what you see on the left side is the original frame,
173
414000
3000
בגדול זה מאפשר - מה שאתם רואים בצד שמאל זה הצילום המקורי,
07:12
and on the right side you see that frame
174
417000
2000
ובצד ימין את אותו קטע
07:14
as interpreted by 16 people
175
419000
2000
כפי שפורש על ידי 16 אנשים
07:16
who have no idea what it is they're doing.
176
421000
2000
שאין להם מושג מה זה הדבר הזה שהם עושים.
07:18
And this was the inspiration for a project
177
423000
2000
וזאת היתה ההשראה לפרוייקט
07:20
that I worked on with my friend Takashi Kawashima.
178
425000
2000
עליו עבדתי עם ידידי Takashi Kawashima.
07:22
We decided to use the Mechanical Turk for exactly what it was meant for,
179
427000
2000
החלטנו לעשות שימוש ב"הטורקי המכני" בדיוק למטרה שיועד לה,
07:24
which is making money.
180
429000
2000
כלומר לעשות כסף.
07:26
So we took a hundred dollar bill and divided it into 10,000 teeny pieces,
181
431000
3000
אז לקחנו שטר של מאה דולר וחליקנו אותו ל 10,000 חתיכות קטנטנות.
07:29
and we fed those into the Mechanical Turk.
182
434000
2000
והזנו אותן ל"הטורקי המכני"
07:31
We asked people to draw what it was that they saw.
183
436000
2000
ביקשנו מאנשים לצייר מה שהם רואים.
07:33
But here there was no sheep-like criteria.
184
438000
2000
רק שפה אין כבר קריטריונים של "דימיון לכבשה".
07:35
People, if they drew a stick figure or a smiley face,
185
440000
3000
אנשים, גם אם ציירו דמויות ממקלות או פרצוף סמיילי,
07:38
it actually made it into the bill.
186
443000
2000
הציור שלהם שולב בשטר.
07:40
So what you see is actually a representation of how well people did
187
445000
2000
אז מה שאתם רואים משקף בעצם את מידת ההצלחה של אנשים
07:42
what it was they were asked to do.
188
447000
2000
בלעשות את מה שנתבקשו לעשות.
07:44
So we took these hundred dollar bills,
189
449000
2000
אז לקחנו את השטרות האלו של מאה דולר,
07:46
and we put them on a website called TenThousandsCents.com,
190
451000
2000
והעלנו אותם לאתר שנקרא "עשרת אלפים סנט",
07:48
where you can browse through and see all the individual contributions.
191
453000
3000
שבו אפשר לשוטט ולראות את כל התרומות האינדיוידואליות.
07:51
And you can also trade real hundred-dollar bills for fake hundred-dollar bills
192
456000
3000
ואפשר גם להמיר שטרות אמתיים של מאה דולר בשטרות המזויפים
07:54
and make a donation to the Hundred Dollar Laptop Project,
193
459000
3000
וכך לתת תרומה לפרוייקט "לפטופ במאה דולר",
07:57
which is now known as One Laptop Per Child.
194
462000
3000
שמוכר כיום בשם "לפטופ לכל ילד".
08:00
This is again showing all the different contributions.
195
465000
2000
וזה שוב מראה את כל התרומות השונות.
08:02
You see some people did beautiful stipple renderings,
196
467000
2000
רואים שחלק מהאנשים יצרו העתקים יפהיפיים בטכניקת ציור נקודות,
08:04
like this one on top --
197
469000
2000
כמו זה פה למעלה
08:06
spent a long time making realistic versions.
198
471000
3000
שהקדיש זמן רב ליצירת גרסה ריאליסטית.
08:09
And other people would draw stick figures or smiley faces.
199
474000
3000
ואחרים שציירו דמויות ממקלות ופרצופי סמיילי.
08:12
Here on the right-hand side in the middle
200
477000
2000
פה בצד הימני באמצע
08:14
you see this one guy writing, "$0.01!!! Really?"
201
479000
3000
רואים בחור שכותב "$0.01!!! באמת?"
08:17
That's all I'm getting paid for this?
202
482000
4000
זה כול מה שמשלמים לי על זה?
08:21
(Laughter)
203
486000
2000
(צחוק)
08:23
So the last Mechanical Turk project I'm going to talk to you about
204
488000
2000
ופרוייקט "הטורקי המכני" האחרון שאני אדבר עליו
08:25
is called Bicycle Built for 2000.
205
490000
2000
נקרא "אופניים שנבנו ל 2000"
08:27
This is a collaboration with my friend Daniel Massey.
206
492000
2000
מדובר בשיתוף פעולה שלי עם חברי Daniel Massey.
08:29
You may recognize these two guys.
207
494000
2000
אולי אתם מזהים את שני החבר'ה האלו
08:31
This is Max Mathews and John Kelly from Bell Labs in the '60s,
208
496000
3000
זהו Max Mathews ו John Kelly ממעבדת Bell בשנות ה-60.
08:34
where they created the song "Daisy Bell,"
209
499000
2000
שם יצרו את השיר שנקא "דייזי בל",
08:36
which was the world's first singing computer.
210
501000
2000
שהיה המחשב המזמר הראשון בעולם.
08:38
You may recognize it from "2001: A Space Odyssey."
211
503000
2000
אולי אתם מזהים אותו מ "2011: אודיסיאה בחלל".
08:40
When HAL's dying at the end of the film he starts singing this song,
212
505000
3000
לקראת סוף הסרט כשהאל גוסס, הוא מתחיל לשיר את השיר הזה,
08:43
as a reference to when computers became human.
213
508000
3000
כמעין נקודת ציון לרגע שבו מחשבים הפכו אנושיים.
08:46
So we resynthesized this song.
214
511000
2000
אז הכנסו את השיר לסינטיסיזר.
08:48
This is what that sounded like.
215
513000
2000
ככה זה נשמע
08:50
We broke down all the individual notes
216
515000
2000
פיצלנו אותו לתווים בודדים
08:52
in the singing as well as the phonemes in the singing.
217
517000
3000
בשירה כמו גם בהגייה שבשירה
08:55
Daisy Bell: ♫ Daisy, Daisy ... ♫
218
520000
4000
דייזי בל: ♫ דייזי, דייזי...♫
08:59
Aaron Koblin: And we took all of those individual pieces,
219
524000
2000
ולקחנו את כל הפיסות הבודדות האלו,
09:01
and we fed them into another Turk request.
220
526000
2000
והזנו אותן לעוד בקשה ב"הטורקי המכני".
09:03
This is what it would look like if you went to the site.
221
528000
2000
זה מה שתראו אם תכנסו לאתר.
09:05
You type in your code,
222
530000
2000
אתם מקלידים את הקוד שלכם,
09:07
but you first test your mic.
223
532000
2000
אבל קודם בודקים את המיקרופון שלכם.
09:09
You'd be fed a simple audio clip.
224
534000
2000
יוגש לכם קטע אודיו פשוט.
09:11
(Honk)
225
536000
2000
(צפירה)
09:13
And then you'd do your best to recreate that with your own voice.
226
538000
3000
ואז אתם תעשו כמיטב יכולתכם כדי לשחזר את הקטע בקולכם.
09:22
After previewing it and confirming it's what you submitted,
227
547000
3000
אחרי השמעה ואישור שזה אכן מה שהקלטתם,
09:25
you could submit it into the Mechanical Turk with no other context.
228
550000
3000
תוכלו לשלוח את זה ל"הטורקי המכני" מבלי לדעת שום פרט נוסף.
09:28
And this is what we first got back from the very first set of submissions.
229
553000
3000
וזה מה שהתקבל בחזרה, בסט הראשון שהוגש לנו.
09:31
Recording: ♫ Daisy, Daisy ♫
230
556000
5000
הקלטה: ♫ דייזי, דייזי ♫
09:36
♫ give me your answer do ♫
231
561000
5000
♫ תני לי תשובה חיובית ♫
09:41
♫ I'm half crazy ♫
232
566000
4000
♫ אני כמעט משתגע ♫
09:45
♫ all for the love of you ♫
233
570000
5000
♫ הכול בגלל האהבה אליך ♫
09:50
♫ It can't be a stylish marriage ♫
234
575000
5000
♫ זו לא תהיה חתונת יוקרה ♫
09:55
♫ I can't afford a carriage ♫
235
580000
4000
♫ אין לי כסף לכרכרה ♫
09:59
♫ But you'll look sweet upon the seat ♫
236
584000
5000
♫ אבל את תיראי מתוקה על המושב ♫
10:04
♫ of a bicycle built for two ♫
237
589000
5000
♫ של האופניים שנבנו לשניים ♫
10:09
AK: So James Surowieki has this idea of the wisdom of crowds,
238
594000
3000
ל- James Surowieki יש תפיסה לגבי חוכמת ההמון,
10:12
that says that a whole bunch of people are smarter than any individual.
239
597000
3000
שאומרת שחבורה של אנשים היא לעולם חכמה יותר מכל אדם בודד.
10:15
We wanted to see how this applies to collaborative, distributed music making,
240
600000
3000
רצינו לראות איך זה תופס לגבי עשיית מוזיקה בצורה מבוזרת עם שיתופי פעולה,
10:18
where nobody has any idea what it is they're working on.
241
603000
3000
כשלאף אחד אין מושג על מה הוא עובד.
10:21
So if you go to the BicycleBuiltforTwoThousand.com
242
606000
2000
אז אם תגלשו לאתר "אופניים שנבנו לאלפיים"
10:23
you can actually hear what all this sounds like together.
243
608000
2000
תוכלו ממש להאזין לאיך כל זה נשמע יחד.
10:25
I'm sorry for this.
244
610000
2000
אני מתנצל.
10:27
(Noise)
245
612000
5000
(רעש)
10:32
Chorus: ♫ Daisy, Daisy ♫
246
617000
4000
פזמון: ♫ דייזי, דייזי ♫
10:36
♫ Give me your answer do ♫
247
621000
5000
♫ תני לי תשובה חיובית ♫
10:41
♫ I'm half crazy ♫
248
626000
5000
♫ אני כמעט משתגע ♫
10:46
♫ all for the love of you ♫
249
631000
4000
♫ הכול בגלל האהבה אליך ♫
10:50
♫ It can't be a stylish marriage ♫
250
635000
5000
♫ זו לא תהיה חתונת יוקרה ♫
10:55
♫ I can't afford a carriage ♫
251
640000
4000
♫ אין לי כסף לכרכרה ♫
10:59
♫ But you'd look sweet upon the seat ♫
252
644000
5000
♫ אבל את תיראי מתוקה על המושב ♫
11:04
♫ of a bicycle built for two ♫
253
649000
6000
♫ של האופניים שנבנו לשניים ♫
11:10
AK: So stepping back for a quick second,
254
655000
3000
אז נחזור אחורה לרגע,
11:13
when I was at UCLA going to grad school,
255
658000
2000
כשלמדתי באוניברסיטת קליפורניה בפקולטה לבוגרים,
11:15
I was also working at a place called the Center for Embedded Network Sensing.
256
660000
3000
עבדתי גם במקום שנקרא "המכרז לרשתות מוטמעות חישה"
11:18
And I was writing software to visualize laser scanners.
257
663000
3000
וכתבתי תוכנה שמדמה סורקי לייזר.
11:21
So basically motion through 3D space.
258
666000
2000
בגדול - תנועה בחלל תלת-מימדי.
11:23
And this was seen by a director in L.A. named James Frost
259
668000
2000
ובמאי מאל.אי בשם James Frost ראה את זה
11:25
who said, "Wait a minute.
260
670000
2000
ואמר "רגע.
11:27
You mean we can shoot a music video without actually using any video?"
261
672000
2000
אתה רוצה להגיד שאנחנו יכולים לצלם סרט וידאו בלי להשתמש בוידיאו?"
11:29
So we did exactly that.
262
674000
2000
אז זה בדיוק מה שעשינו.
11:31
We made a music video for one of my favorite bands, Radiohead.
263
676000
2000
עשינו סרטון וידאו מוזיקלי לאחת מהלהקות האהובות עלי, רדיוהד.
11:33
And I think one of my favorite parts of this project
264
678000
2000
ואני חושב שהחלק האהוב עלי ביותר בפרוייקט הזה
11:35
was not just shooting a video with lasers,
265
680000
2000
לא היה רק שיצלמנו וידאו עם לייזרים,
11:37
but we also open sourced it,
266
682000
2000
אלא שגם עבדנו בקוד פתוח,
11:39
and we made it released as a Google Code project,
267
684000
2000
ושחררנו אותו כפרוייקט ב"גוגל קוד",
11:41
where people could download a bunch of the data and some source code
268
686000
2000
כך שאנשים יכולים להוריד גם חלק מהנתונים וגם חלק מקוד המקור
11:43
to build their own versions of it.
269
688000
2000
ולבנות גירסה משלהם לדבר הזה.
11:45
And people were making some amazing things.
270
690000
2000
ואנשים עשו דברים מדהימים.
11:47
This is actually two of my favorites:
271
692000
2000
אלו שניים שאהבתי במיוחד:
11:49
the pin-board Thom Yorke and a LEGO Thom Yorke.
272
694000
2000
Thom Yorke במשטח סיכות ו Thom Yorke בלגו.
11:51
A whole YouTube channel of people submitting really interesting content.
273
696000
3000
ערוץ שלם ביו-טיוב התמלא באנשים שהגישו רעיונות מאוד מעניינים.
11:54
More recently, somebody even 3D-printed Thom Yorke's head,
274
699000
3000
לאחרונה מישהו אפילו יצר הדפסה תלת ממדית של ראשו של Thom Yorke.
11:57
which is a little creepy, but pretty cool.
275
702000
3000
שזה קצת מפחיד, אבל גם די מגניב.
12:00
So with everybody making so much amazing stuff
276
705000
2000
אז עם כל כך הרבה אנשים שעושים דברים כאלו מדהימים
12:02
and actually understanding what it was they were working on,
277
707000
3000
וגם מבינים בדיוק על מה הם עובדים,
12:05
I was really interested in trying to make a collaborative project
278
710000
2000
מאוד סיקרן אותי להתחיל בפרויקט משותף
12:07
where people were working together to build something.
279
712000
2000
שבו אנשים יעבדו כדי לבנות משהו ביחד.
12:09
And I met a music video director named Chris Milk.
280
714000
2000
ונפגשתי עם במאי קליפים בשם Chris Milk.
12:11
And we started bouncing around ideas
281
716000
2000
והתחלנו לזרוק רעיונות
12:13
to make a collaborative music video project.
282
718000
2000
להקים פרויקט ליצירת קליפ בדרך של שיתוף פעולה
12:15
But we knew we really needed the right person
283
720000
2000
אבל ידענו שאנחנו ממש חייבים את האדם הנכון
12:17
to kind of rally behind and build something for.
284
722000
3000
שאנשים ממש יסחפו אחריו וירצו ליצור בשבילו.
12:20
So we put the idea on the back burner for a few months.
285
725000
2000
אז ככה שמנו את הרעיון הזה על אש קטנה לכמה חודשים.
12:22
And he ended up talking to Rick Rubin,
286
727000
2000
ובסופו של דבר הוא דיבר עם Rick Rubin,
12:24
who was finishing up Johnny Cash's final album
287
729000
2000
שבדיוק היה בשלבי סיום העבודה על אלבומו האחרון של Johnny Cash
12:26
called "Ain't No Grave."
288
731000
2000
שנקרא "אין שום קבר".
12:28
The lyrics to the leading track are "Ain't no grave can hold my body down."
289
733000
3000
מילות השיר ממנו לקוח שמו "אין שום קבר שיוכל להחזיק אותי למטה"
12:31
So we thought this was the perfect
290
736000
2000
לכן חשבנו שזה יהיה מושלם
12:33
project to build a collaborative memorial
291
738000
2000
להקים פרוייקט משותף כהנצחה
12:35
and a virtual resurrection for Johnny Cash.
292
740000
2000
ובאופן ויזואלי להחיות מחדש את Johnny Cash.
12:37
So I teamed up with my good friend Ricardo Cabello, also known as Mr. doob,
293
742000
3000
אז חברתי לידידי הטוב Ricardo Cabello שידוע גם כ Mr. doob,
12:40
who's a much better programmer than I am,
294
745000
2000
שהוא תוכניתן הרבה יותר מוצלח ממני,
12:42
and he made this amazing Flash drawing tool.
295
747000
2000
והוא יצר כלי מדהים לציור בפלאש.
12:44
As you know,
296
749000
2000
כמו שאתם יודעים,
12:46
an animation is a series of images.
297
751000
2000
אנימציה היא אוסף של תמונות.
12:48
So what we did was cross-cut a bunch of archival footage of Johnny Cash,
298
753000
3000
אז מה שעשינו היה לחתוך ערימה של צילומים של Johnny Cash,
12:51
and at eight frames a second,
299
756000
2000
ובקצב של 8 פריימים לשניה,
12:53
we allowed individuals to draw a single frame
300
758000
2000
אפשרנו לכל אחד לצייר פריים בודד
12:55
that would get woven into
301
760000
2000
שיישזר
12:57
this dynamically changing music video.
302
762000
2000
בתוך מין קליפ דינאמי.
12:59
So I don't have time to play the entire thing for you,
303
764000
2000
אין לנו זמן להציג את כל הקליפ,
13:01
but I want to show you two short clips.
304
766000
2000
אבל אני רוצה להראות לכם שני קטעים קצרים.
13:03
One is the beginning of the music video.
305
768000
2000
האחד הוא ההתחלה של הקליפ.
13:05
And that's going to be followed by a short clip
306
770000
2000
ואחריו קטע קצר נוסף
13:07
of people who have already contributed to the project
307
772000
2000
של אנשים שכבר לקחו חלק בפרוייקט
13:09
talking about it briefly.
308
774000
3000
ומדברים עליו בקצרה.
13:12
(Music)
309
777000
6000
(מוזיקה)
13:18
(Video) Johnny Cash: ♫ There ain't no grave ♫
310
783000
2000
(סרט) Johnny Cash: ♫ אין שום קבר ♫
13:20
♫ can hold my body down ♫
311
785000
4000
♫ שיוכל להחזיק אותי למטה ♫
13:24
♫ There ain't no grave ♫
312
789000
2000
♫ אין שום קבר ♫
13:26
♫ can hold body down ♫
313
791000
3000
♫ שיוכל להחזיק אותי למטה ♫
13:30
♫ When I hear the trumpet sound ♫
314
795000
4000
♫ כשאשמע את החצוצרות ♫
13:34
♫ I'm going to ride right out of the ground ♫
315
799000
2000
♫ אצא מתוך האדמה ♫
13:36
♫ Ain't no grave ♫
316
801000
3000
♫ אין שום קבר ♫
13:39
♫ can hold my body ... ♫
317
804000
3000
♫ שיוכל להחזיק אותי למטה ♫
13:42
(Applause)
318
807000
2000
(מחיאות כפיים)
13:44
AK: What better way to pay tribute to the man
319
809000
3000
אין מחווה טובה יותר כלפי אדם
13:47
than to make something for one of his songs.
320
812000
3000
מאשר ליצור משהו עבור אחד מהשירים שלו.
13:50
Collaborator: I felt really sad when he died.
321
815000
2000
משתתף: היה לי מאוד עצוב כשהוא מת.
13:52
And I just thought it'd be wonderful,
322
817000
2000
ופשוט חשבתי שזה יהיה נהדר,
13:54
it'd be really nice to contribute something to his memory.
323
819000
3000
זה יהיה מאוד נחמד לתרום במשהו לזיכרו.
13:57
Collaborator Two: It really allows
324
822000
2000
משתתף שני: זה ממש נותן
13:59
this last recording of his
325
824000
3000
להקלטה האחרונה שלו
14:02
to be a living, breathing memorial.
326
827000
5000
להפוך למפעל הנצחה חי ונושם.
14:07
Collaborator Three: For all of the frames to be drawn by fans,
327
832000
3000
משתתף שלישי: העבודה שכל הפריימים צויירו ע"י מעריצים,
14:10
each individual frame,
328
835000
2000
כל פריים,
14:12
it's got a very powerful feeling to it.
329
837000
2000
נותנת לזה תחושה מאוד עוצמתית.
14:14
Collaborator Four: I've seen everybody
330
839000
2000
משתתף רביעי: ראיתי את כולם,
14:16
from Japan, Venezuela, to the States,
331
841000
2000
מיפן, ונצואלה, ארה"ב,
14:18
to Knoxville, Tennessee.
332
843000
2000
ועד נוקסוויל שבטנסי.
14:20
Collaborator Five: As much as is different from frame to frame,
333
845000
3000
משתתף חמישי: כמה שכל פריים ופריים שונים זה מזה,
14:23
it really is personal.
334
848000
2000
כך זה באמת מאוד אישי.
14:25
Collaborator Six: Watching the video in my room,
335
850000
2000
משתתף שישי: כשצפיתי בקליפ בחדר שלי,
14:27
I could see me not understanding at the beginning of it.
336
852000
3000
יכולתי לראות לראות איך שבהתחלה לא הבנתי.
14:30
And I just worked and worked through problems,
337
855000
3000
ופשוט המשכתי לעבוד ולעבוד על הבעיות,
14:33
until my little wee battles that I was fighting within the picture
338
858000
4000
עד שכל הקרבות הקטנים שנלחמתי בהם בתמונה
14:37
all began to resolve themselves.
339
862000
3000
מצאו את פתרונם.
14:40
You can actually see the point when I know what I'm doing,
340
865000
2000
אז אפשר ממש לראות את הנקודה שבה אני יודע מה אני עושה,
14:42
and a lot of light and dark comes into it.
341
867000
3000
והרבה אור וחושך נכנסים לתמונה.
14:45
And in a weird way,
342
870000
2000
ובאופן מוזר,
14:47
that's what I actually like about Johnny Cash's music as well.
343
872000
2000
זה בעצם גם מה שאני אוהב במוזיקה של Johnny Cash.
14:49
It's the sum total of his life,
344
874000
2000
זה הסיכום הסופי של החיים שלו.
14:51
all the things that had happened --
345
876000
2000
כל הדברים שקרו לו -
14:53
the bad things, the good things.
346
878000
2000
הדברים הרעים, הדברים הטובים.
14:55
You're hearing a person's life.
347
880000
3000
אתה שומע את החיים של הבן אדם.
15:01
AK: So if you go to the website JohnnyCashProject.com,
348
886000
2000
אז אם תגלשו לאתר JohnnyCashProject.com,
15:03
what you'll see is the video playing above.
349
888000
2000
מה שתראו זה את קליפ המוזיקה שמתנגן פה למעלה.
15:05
And below it are all the individual frames
350
890000
2000
ומתחתיו כל הפריימים הבודדים
15:07
that people have been submitting to the project.
351
892000
2000
שאנשים תרמו לפרוייקט.
15:09
So this isn't finished at all,
352
894000
2000
זה לגמרי לא גמור עדיין,
15:11
but it's an ongoing project where people can continue to collaborate.
353
896000
2000
אבל זה פרוייקט מתמשך שאנשים יכולים להמשיך ולקחת בו חלק.
15:13
If you roll over any one of those individual thumbnails,
354
898000
2000
אם תצביעו על כל אחת מהתמונות הממוזערות הללו,
15:15
you can see the person who drew that individual thumbnail
355
900000
2000
תוכלו לראות את האדם שצייר אותן
15:17
and where they were located.
356
902000
2000
ואת מיקומן.
15:19
And if you find one that you're interested in,
357
904000
2000
ואם אתם מוצאים תמונה שמעניינת אתכם,
15:21
you can actually click on it and open up an information panel
358
906000
2000
לחיצה עליה תפתח עמודת מידע
15:23
where you're able to rate that frame,
359
908000
2000
שבו תוכלו לדרג את הפריים,
15:25
which helps it bubble up to the top.
360
910000
2000
מה שיעזור לה לצוף למעלה.
15:27
And you can also see the way that it was drawn.
361
912000
2000
ותוכלו גם לראות את הדרך שבה ציירו אותה.
15:29
Again, you can get the playback and personal contribution.
362
914000
2000
שוב, אפשר לראות את הפליבק והתרומה האישית.
15:31
In addition to that, it's listed, the artist's name, the location,
363
916000
3000
בנוסף, מצויין שמו של האמן, מיקומו,
15:34
how long they spent drawing it.
364
919000
2000
כמה זמן ארך הציור.
15:36
And you can pick a style. So this one was tagged "Abstract."
365
921000
3000
ואפשר גם לבחור סגנון. זו למשל תוייגה כ"אבסטרקט"
15:39
But there's a bunch of different styles.
366
924000
2000
אבל יש הרבה סגנונות אחרים.
15:41
And you can sort the video a number of different ways.
367
926000
2000
ואפשר למיין את הקליפ בכמה דרכים.
15:43
You can say, "I want to see the pointillist version
368
928000
2000
אפשר להגיד: "אני רוצה לראות את הגירסה של ציור בנקודות
15:45
or the sketchy version or the realistic version.
369
930000
2000
או את הגירסה הלא מעובדת, או הריאליסטית.
15:47
And then this is, again, the abstract version,
370
932000
2000
וזוהי שוב הגירסה האבסטרקטית,
15:49
which ends up getting a little bit crazy.
371
934000
3000
שנהיית בסוף קצת משוגעת.
15:54
So the last project I want to talk to you about is another collaboration with Chris Milk.
372
939000
3000
הפרוייקט האחרון שאני רוצה לדבר עליו אתכם הוא שיתוף פעולה נוסף עם Chris Milk.
15:57
And this is called "The Wilderness Downtown."
373
942000
2000
והוא נקרא "מרחבי העיר התחתית"
15:59
It's an online music video for the Arcade Fire.
374
944000
3000
זה קליפ מוזיקה עבור The Arcade Fire.
16:02
Chris and I were really amazed
375
947000
2000
כריס ואני ממש נדהמנו
16:04
by the potential now with modern web browsers,
376
949000
2000
מהפוטנציאל שבדפדפני האינטרנט של היום,
16:06
where you have HTML5 audio and video
377
951000
2000
שיכולים להריץ שמע ווידאו ב HTML5.
16:08
and the power of JavaScript to render amazingly fast.
378
953000
3000
והכוח של סקריפטים של JAVA לחולל קליפים במהירות מדהימה.
16:11
And we wanted to push the idea of the music video that was meant for the Web
379
956000
3000
ורצינו למתוח את הגבול של סרט וידאו שנועד לצפייה באינטרנט
16:14
beyond the four-by-three or sixteen-by-nine window
380
959000
3000
אל מעבר למסגרת של ארבע על ארבע או חלון של 16/9
16:17
and try to make it play out and choreograph throughout the screen.
381
962000
3000
ולנסות לחולל עלילה וכיאורוגרפיה דרך המסך.
16:20
But most importantly, I think,
382
965000
2000
אבל נדמה לי שמה שהכי חשוב,
16:22
we really wanted to make an experience that was unlike the Johnny Cash Project,
383
967000
3000
היה שרצינו ליצור חוויה הפוכה מזו של הפרוייקט של Johnny Cash,
16:25
where you had a small group of people spending a lot of time
384
970000
3000
שבו היתה קבוצה קטנה של אנשים שהקדישו המון זמן
16:28
to contribute something for everyone.
385
973000
2000
כדי ליצור משהו עבור כולם.
16:30
What if we had a very low commitment,
386
975000
3000
מה יקרה אם תהיה לנו מסירות קטנה הרבה יותר,
16:33
but delivered something individually unique to each person who contributed?
387
978000
3000
אבל שמספקת משהו ייחודי ואינדיווידאולי הרבה יותר עבור כל משתתף שיקח חלק?
16:36
So the project starts off by asking you to enter the address
388
981000
2000
אז הפרוייקט מתחיל בבקשה להזנת הכתובת
16:38
of the home where you grew up.
389
983000
2000
של הבית בו גדלתם.
16:40
And you type in the address --
390
985000
2000
ואתם מקלידים את הכתובת -
16:42
it actually creates a music video specifically for you,
391
987000
2000
וזה מחולל קליפ וידאו ספציפי עבורכם,
16:44
pulling in Google maps and Streetview images
392
989000
2000
ומגייס תמונות מתוך "גוגל מפות" ו"גוגל תמונות רחוב"
16:46
into the experience itself.
393
991000
2000
אל תוך החוויה.
16:48
So this should really be seen at home with you typing in your own address,
394
993000
3000
לכן צריך לראות את זה בבית אחרי שהזנתם את הכתובת שלכם,
16:51
but I'm going to give you a little preview of what you can expect.
395
996000
3000
אבל אני אתן לכם לראות קטע כדי שתדעו למה לצפות.
16:54
(Video) Win Butler: ♫ Now our lives are changing fast ♫
396
999000
4000
(וידאו) Win Butler: ♫ החיים שלנו משתנים במהירות ♫
16:58
♫ Now our lives are changing fast ♫
397
1003000
4000
♫ החיים שלנו משתנים במהירות ♫
17:02
♫ Hope that something pure can last ♫
398
1007000
3000
♫ מקווה שמה שטהור ישרוד ♫
17:06
♫ Hope that something pure can last ♫
399
1011000
4000
♫ מקווה שמה שטהור ישרוד ♫
17:13
♫ Ooh we used to wait ♫
400
1018000
4000
♫ או, היינו מחכים ♫
17:17
♫ Ooh we used to wait ♫
401
1022000
4000
♫ או, היינו מחכים ♫
17:21
♫ Ooh we used to wait ♫
402
1026000
3000
♫ או, היינו מחכים ♫
17:24
♫ Sometimes it never came ♫
403
1029000
3000
♫ לפעמים לשווא ♫
17:27
♫ Sometimes it never came ♫
404
1032000
4000
♫ לפעמים לשווא ♫
17:31
♫ Still moving through the pain ♫
405
1036000
3000
♫ ועדיין נעים בתוך הכאב ♫
17:34
♫ We used to wait for it ♫
406
1039000
4000
♫ או, היינו מחכים לו ♫
17:38
♫ We used to wait for it ♫
407
1043000
4000
♫ היינו מחכים לזה ♫
17:42
♫ We used to wait for it ♫
408
1047000
4000
♫ היינו מחכים לזה ♫
17:50
AK: So I think, if there's one thing to take away from my talk today,
409
1055000
3000
אני חושב, אם יש דבר אחד שכדאי לקחת מהשיחה שלי היום,
17:53
it's that an interface can be a powerful narrative device.
410
1058000
2000
זה שהממשק יכול להיות כלי עוצמתי שבכוחו לספר סיפור.
17:55
And as we collect more and more personally and socially relevant data,
411
1060000
4000
וככל שאנחנו אוספים יותר ויותר נתונים פרטיים וחברתיים,
17:59
we have an opportunity, and maybe even an obligation,
412
1064000
2000
כך יש לנו ההזדמנות, ואולי אפילו החובה,
18:01
to maintain the humanity and tell some amazing stories
413
1066000
2000
לשמר את האנושיות ולספר סיפורים נפלאים
18:03
as we explore and collaborate together.
414
1068000
2000
בעודנו חוקרים ויוצרים ביחד.
18:05
Thanks a lot.
415
1070000
2000
תודה רבה.
18:07
(Applause)
416
1072000
4000
(מחיאות כפיים)
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