TED2007
Stephen Lawler: Tour Microsoft's Virtual Earth
סטפן לולר מדגים את כדור הארץ הוירטואלי של מיקרוסופט
Filmed:
Readability: 4.5
338,924 views
סטפן לולר ממיקרוסופט נותן סיור מהיר של כדור הארץ הוירטואלי, למעלה למטה ודרך הערים הראליסטיות בזרימה מדהימה, השג מרשים שדורש הבאה של כמות מידע עצמה לפוקוס.
Stephen Lawler - General manager of Microsoft's Virtual Earth
Stephen Lawler and the Virtual Earth team have created an addictively interactive 3D world that is poised to reinvent our view of advertising, gaming, weather/traffic reporting, instant messaging and more. Full bio
Stephen Lawler and the Virtual Earth team have created an addictively interactive 3D world that is poised to reinvent our view of advertising, gaming, weather/traffic reporting, instant messaging and more. Full bio
Double-click the English transcript below to play the video.
00:25
What I want to talk to you about today is
0
0
3000
מה שאני רוצה לדבר עליו היום
00:28
virtual worlds, digital globes, the 3-D Web, the Metaverse.
1
3000
9000
הוא עולמות וירטואליים, גלובוסים דיגיטליים, הרשת התלת מימדית, המתא-יקום.
00:37
What does this all mean for us?
2
12000
2000
מה כל זה אומר לנו?
00:39
What it means is the Web is going to become an exciting place again.
3
14000
5000
מה שזה אומר הוא שהרשת הופכת להיות מקום מרתק שוב.
00:44
It's going to become super exciting as we transform
4
19000
3000
היא תהפך לסופר - מרגשת כשנהפוך אותה
00:47
to this highly immersive and interactive world.
5
22000
4000
לעולם האינטראקטיבי המוטמע הזה,
00:51
With graphics, computing power, low latencies,
6
26000
3000
עם גרפיקה, כוח מחשוב, עיכובים קצרים,
00:54
these types of applications and possibilities
7
29000
3000
האפליקציות והאפשרויות האלה
00:57
are going to stream rich data into your lives.
8
32000
5000
יזרימו מידע עשיר לחיים שלכם.
01:02
So the Virtual Earth initiative, and other types of these initiatives,
9
37000
5000
אז יוזמת כדור הארץ הוירטואלי, ויוזמות אחרות דומות,
01:07
are all about extending our current search metaphor.
10
42000
6000
הם הכל אודות הרחבה, אתם יודעים, את מטאפורת החיפוש הנוכחית.
01:13
When you think about it, we're so constrained by browsing the Web,
11
48000
3000
כשחושבים על זה, אנחנו כל כך מוגבלים בגלישה ברשת,
01:16
remembering URLs, saving favorites.
12
51000
3000
לזכור קישורים, לשמור מועדפים,
01:19
As we move to search, we rely on the relevance rankings,
13
54000
3000
וכשאנחנו מחפשים, אנחנו מסתמכים על מדד הרלוונטיות,
01:22
the Web matching, the index crawling.
14
57000
3000
התאמת הרשת, רובוטי הסריקה,
01:25
But we want to use our brain!
15
60000
2000
אבל אנחנו רוצים להשתמש במוח!
01:27
We want to navigate, explore, discover information.
16
62000
3000
אנחנו רוצים לנווט, לחקור, לגלות מידע.
01:30
In order to do that, we have to put you as a user back in the driver's seat.
17
65000
5000
כדי לעשות את זה, אנחנו צריכים לשים אתכם המשתמשים בחזרה במושב הנהג.
01:35
We need cooperation between you and the computing network and the computer.
18
70000
4000
אנחנו צריכים שיתוף פעולה בינכם ורשת המחשבים והמחשב.
01:39
So what better way to put you back in the driver's seat
19
74000
4000
אז איזה דרך טובה יותר לשים אתכם במושב הנהג
01:43
than to put you in the real world that you interact in every day?
20
78000
3000
מאשר לשים אתכם בעולם האמיתי איתו אתם יוצרים קשר כל יום?
01:46
Why not leverage the learnings that you've been learning your entire life?
21
81000
4000
למה לא למנף את מה שלמדתם כל החיים?
01:50
So Virtual Earth is about starting off
22
85000
3000
אז כדור הארץ הוירטואלי אתם יודעים, עומד להתחיל,
01:53
creating the first digital representation, comprehensive, of the entire world.
23
88000
5000
ליצור את היצוג הדיגיטלי הראשון , המקיף, של העולם כולו.
01:58
What we want to do is mix in all types of data.
24
93000
3000
מה שאנחנו רוצים לעשות זה לחבר את כל סוגי המידע.
02:01
Tag it. Attribute it. Metadata. Get the community to add local depth,
25
96000
5000
לתייג אותם, לתת להם מאפיינים. נתונים על הנתונים. לתת לקהילה להוסיף מידע עם עומק מקומי
02:06
global perspective, local knowledge.
26
101000
3000
-- פרספקטיבה גלובלית, ידע מקומי.
02:09
So when you think about this problem,
27
104000
2000
אז כשחושבים על הבעיה הזאת,
02:11
what an enormous undertaking. Where do you begin?
28
106000
4000
איזה מפעל עצום. אתם יודעים, איפה מתחילים ?
02:15
Well, we collect data from satellites, from airplanes,
29
110000
4000
אז, אנחנו אוספים מידע מלווינים, ממטוסים,
02:19
from ground vehicles, from people.
30
114000
3000
מרכבים על הקרקע, מאנשים.
02:22
This process is an engineering problem,
31
117000
5000
התהליך הזה הוא, אתם יודעים, זה בעיה הנדסית,
02:27
a mechanical problem, a logistical problem, an operational problem.
32
122000
4000
בעיה מכנית, בעיה לוגיסטית, בעיה תפעולית.
02:31
Here is an example of our aerial camera.
33
126000
2000
הנה דוגמה למצלמה המוטסת שלנו.
02:33
This is panchromatic. It's actually four color cones.
34
128000
3000
היא פאנכרומטית. יש לה ארבעה חרוטי צבע.
02:36
In addition, it's multi-spectral.
35
131000
2000
בנוסף היא מולטיספקטרלית.
02:38
We collect four gigabits per second of data,
36
133000
4000
אנחנו אוספים מידע במשקל 4 גיגהביט לשניה,
02:42
if you can imagine that kind of data stream coming down.
37
137000
2000
אם אתם יכולים לתאר כזה זרם של מידע מגיע.
02:44
That's equivalent to a constellation of 12 satellites at highest res capacity.
38
139000
6000
זה מקביל למערך של 12 לווינים ברזולוציה גבוהה בהספק מקסימלי.
02:50
We fly these airplanes at 5,000 feet in the air.
39
145000
4000
אנחנו מטיסים את המטוסים האלה בגובה 5000 רגל;
02:54
You can see the camera on the front. We collect multiple viewpoints,
40
149000
3000
אתם יכולים לראות את המצלמה בחזית. אנחנו אוספים מנקודות מבט מרובות,
02:57
vantage points, angles, textures. We bring all that data back in.
41
152000
6000
נקודות עליונות, זויות, טקסטורות. ומחזירים את כל המידע הזה.
03:03
We sit here -- you know, think about the ground vehicles, the human scale --
42
158000
4000
אנחנו יושבים פה -- אתם יודעים, העניין עם רכבים על הקרקע, קנה המידה האנושי --
03:07
what do you see in person? We need to capture that up close
43
162000
2000
מה רואים בעצמנו? אנחנו צריכים לתפוס את זה מקרוב
03:09
to establish that what it's like-type experience.
44
164000
4000
כדי להרגיש כמו מה זה.
03:13
I bet many of you have seen the Apple commercials,
45
168000
4000
אני מתערב שרבים ראו את הפרסומות של אפל,
03:17
kind of poking at the PC for their brilliance and simplicity.
46
172000
6000
מחטטים במחשב לראות את הגאונות והפשטות שלו.
03:23
So a little unknown secret is --
47
178000
2000
אז, סוד לא ידוע קטן --
03:25
did you see the one with the guy, he's got the Web cam?
48
180000
4000
ראיתם את זאת עם הבחור, יש לו את מצלמת הרשת?
03:29
The poor PC guy. They're duct taping his head. They're just wrapping it on him.
49
184000
4000
איש הפיסי המסכן, הם מדביקים את הראש שלו, הם פשוט מלפפים את נייר הדבק עליו.
03:33
Well, a little unknown secret is his brother actually works on the Virtual Earth team.
50
188000
4000
אז, סוד קטן הוא שאחיו עובד בצוות כדור הארץ הוירטואלי.
03:37
(Laughter). So they've got a little bit of a sibling rivalry thing going on here.
51
192000
5000
(צחוק) אז, יש להם מריבת אחים קטנה שם.
03:42
But let me tell you -- it doesn't affect his day job.
52
197000
2000
אבל תנו לי להגיד לכם -- זה לא משפיע על העבודה שלו.
03:44
We think a lot of good can come from this technology.
53
199000
3000
אנחנו חושבים שהרבה טוב יכול להגיע מהטכנולוגיה הזאת.
03:47
This was after Katrina. We were the first commercial fleet of airplanes
54
202000
4000
זה היה אחרי קטרינה. היינו צי המטוסים המסחרי הראשון
03:51
to be cleared into the disaster impact zone.
55
206000
3000
שהורשה להכנס לאזור האסון.
03:54
We flew the area. We imaged it. We sent in people. We took pictures of interiors,
56
209000
5000
טסנו באזור, צילמנו אותו, שלחנו פנימה אנשים , לקחנו תמונות מבפנים,
03:59
disaster areas. We helped with the first responders, the search and rescue.
57
214000
4000
אזורי אסון. עזרנו עם המצילים הראשונים, חיפוש והצלה.
04:03
Often the first time anyone saw what happened to their house was on Virtual Earth.
58
218000
5000
הרבה פעמים הפעם הראשונה שאנשים ראו מה קרה לבית שלהם היה בכדור הארץ הוירטואלי.
04:08
We made it all freely available on the Web, just to --
59
223000
2000
הפכנו את זה לנגיש חינם ברשת, רק כדי -- אתם יודעים,
04:10
it was obviously our chance of helping out with the cause.
60
225000
4000
זו היתה ההזדמנות שלנו לעזור לאנשים עם המטרה שלהם.
04:14
When we think about how all this comes together,
61
229000
3000
כשאנחנו חושבים על זה, אתם יודעים, איך כל זה מתחבר,
04:17
it's all about software, algorithms and math.
62
232000
4000
זה הכל תוכנה, אלגוריתמים ומתמטיקה.
04:21
You know, we capture this imagery but to build the 3-D models
63
236000
3000
אתם יודעים, תפסנו את התמונות האלה, אבל כדי לבנות את המודלים התלת מימדיים,
04:24
we need to do geo-positioning. We need to do geo-registering of the images.
64
239000
5000
היינו צריכים לעשות גאו-מיקום. אנחנו צריכים לעשות גאו-רישום של התמונות.
04:29
We have to bundle adjust them. Find tie points.
65
244000
2000
אנחנו צריכים להתאים אותן ביחד. למצוא את הנקודות.
04:31
Extract geometry from the images.
66
246000
3000
להוציא את הגאומטריה מהתמונות.
04:34
This process is a very calculated process.
67
249000
4000
זה תהליך מאוד מחושב.
04:38
In fact, it was always done manual.
68
253000
1000
למען האמת, זה תמיד נעשה ידנית.
04:39
Hollywood would spend millions of dollars to do a small urban corridor
69
254000
4000
הוליווד היו מוציאים מיליוני דולרים על מסדרון אורבני
04:43
for a movie because they'd have to do it manually.
70
258000
3000
לסרט מפני שהם היו צריכים לעשות את זה ידנית.
04:46
They'd drive the streets with lasers called LIDAR.
71
261000
2000
הם נהגו ברחובות עם לייזר שנקרא LIDAR.
04:48
They'd collected information with photos. They'd manually build each building.
72
263000
4000
הם אספו מידע עם תמונות; הם היו בונים ידנית כל בניין.
04:52
We do this all through software, algorithms and math --
73
267000
2000
אנחנו עושים את זה בתוכנה, אלגוריתמים ומתמטיקה,
04:54
a highly automated pipeline creating these cities.
74
269000
3000
תהליך מאוד אוטומטי שיוצר את הערים האלה.
04:57
We took a decimal point off what it cost to build these cities,
75
272000
3000
הורדנו נקודה עשרונית ממה שעלה לבנות את הערים האלה,
05:00
and that's how we're going to be able to scale this out and make this reality a dream.
76
275000
4000
וככה נוכל להגדיל את זה ולהפוך את החלום למציאות.
05:04
We think about the user interface.
77
279000
2000
אנחנו חושבים על ממשק המשתמש.
05:06
What does it mean to look at it from multiple perspectives?
78
281000
3000
מה זה אומר להביט בזה מפרספקטיבות מרובות?
05:09
An ortho-view, a nadir-view. How do you keep the precision of the fidelity of the imagery
79
284000
5000
מבט ניצב, מבט נדיר. איך שומרים על הדיוק של חדות התמונה
05:14
while maintaining the fluidity of the model?
80
289000
4000
ועדיין שומרים על הזרימה של המודל?
05:18
I'll wrap up by showing you the --
81
293000
2000
אני אסיים בלהראות לכם את --
05:20
this is a brand-new peek I haven't really shown into the lab area of Virtual Earth.
82
295000
4000
זו הצצה חדשה שעדיין לא הראתי למעבדה של כדור הארץ הוירטואלי.
05:24
What we're doing is -- people like this a lot,
83
299000
3000
מה שאנחנו עושים זה -- אנשים כאלה הרבה --
05:27
this bird's eye imagery we work with. It's this high resolution data.
84
302000
3000
תמונה ממבט הציפור שאנחנו עובדים איתן. זה מידע ברזולוציה גבוהה.
05:30
But what we've found is they like the fluidity of the 3-D model.
85
305000
4000
אבל מה שמצאנו זה שהם אוהבים את הזרימה של המודל התלת מימדי.
05:34
A child can navigate with an Xbox controller or a game controller.
86
309000
4000
ילד יכול לנווט עם בקר הXBOX, או בקר משחק.
05:38
So here what we're trying to do is we bring the picture and project it into the 3-D model space.
87
313000
5000
אז כאן מה שאנחנו מנסים לעשות זה להביא את התמונה והפרוייקט למרחב המודל התלת מימדי.
05:43
You can see all types of resolution. From here, I can slowly pan the image over.
88
318000
6000
אתם יכולים לראות מגוון רזולוציות. מכאן, אני יכול להזיז את התמונה.
05:49
I can get the next image. I can blend and transition.
89
324000
3000
אני יכול לקבל את התמונה הבאה. אני יכול למזג ולהזיז.
05:52
By doing this I don't lose the original detail. In fact, I might be recording history.
90
327000
5000
ובזה אני לא מאבד את הפרטים המקוריים. למעשה, אני יכול להקליט היסטוריה.
05:57
The freshness, the capacity. I can turn this image.
91
332000
3000
הטריות, הקיבולת. אני יכול לסובב את התמונה.
06:00
I can look at it from multiple viewpoints and angles.
92
335000
3000
אני יכול להביט בה מכיוונים וזוויות שונות.
06:03
What we're trying to do is build a virtual world.
93
338000
3000
מה שאנחנו מנסים לעשות זה לבנות עולם וירטואלי.
06:06
We hope that we can make computing a user model you're familiar with,
94
341000
5000
אנחנו מקווים שנוכל לעשות את המחשוב למודל משתמש שאתם מכירים,
06:11
and really derive insights from you, from all different directions.
95
346000
4000
ובאמת לקבל תובנות מכם, מכל מיני כיוונים שונים.
06:15
I thank you very much for your time.
96
350000
2000
אני מודה לכם מאוד על הזמן שנתתם לי.
06:17
(Applause)
97
352000
1000
(מחיאות כפיים)
ABOUT THE SPEAKER
Stephen Lawler - General manager of Microsoft's Virtual EarthStephen Lawler and the Virtual Earth team have created an addictively interactive 3D world that is poised to reinvent our view of advertising, gaming, weather/traffic reporting, instant messaging and more.
Why you should listen
Microsoft's Stephen Lawler offers a tour of Virtual Earth that not only reveals the power and potential of the software itself, but also gives a global glimpse of the new virtual frontier of digital globes, the 3D Web and the metaverse.
Lawler also explores the enormous effort it takes to create the fluid blending and shifting between the multiple views and resolutions of Virtual Earth. From the satellites and airplanes that gather photo data for a top-down view to the ground vehicles and headgear-wearing pedestrians who canvas the ground for an eye-level perspective -- all of it represents a monumental effort of logistics and mechanics.
Stephen Lawler | Speaker | TED.com