TED2018
James Bridle: The nightmare videos of children's YouTube -- and what's wrong with the internet today
ג'יימס בריידל: סרטוני הילדים המסויטים של "יו-טיוב", ובכלל מה לא בסדר היום באינטרנט
Filmed:
Readability: 4.1
5,404,429 views
הסופר והאמן ג'יימס בריידל חושף פינה אפלה ומוזרה של האינטרנט, שבה אלמונים - יחידים או קבוצות - מנצלים ב"יו-טיוב" את המוח הילדותי בתמורה להכנסות מפרסום. הוא מראה לנו "ביצי הפתעה" (surprise egg), את "שיר משפחת האצבעות" (Finger Family Song) וגם מיקסים שנוצרו ע"י אלגוריתמים ואשר מראים דמויות קומיקס ילדים מוכרות במצבי אלימות. סרטונים אלה מנצלים מוחות של ילדים קטנים וזורעים בהם אימה - וכל זה אומר לנו משהו על הכיוון אליו מתקדם עולמנו, שמונָע יותר ויותר בידי נתונים. "עלינו להפסיק לחשוב על הטכנולוגיה כעל הפתרון לכל בעיותינו, אלא להיעזר בה כדי לראות את הבעיות הללו ולהתחיל להקדיש להן מחשבה ראויה ולהתמודד עימן", אומר בריידל.
בתרגום זה:
"פפר פיג" - Pepper Pig
"פאו פטרול" - Paw Patrol
"ביצת פסחא" - Easter egg
James Bridle - Artist, writer
Working across technologies and disciplines, James Bridle examines technology, knowledge and the end of the future. Full bio
Working across technologies and disciplines, James Bridle examines technology, knowledge and the end of the future. Full bio
Double-click the English transcript below to play the video.
00:12
I'm James.
0
777
1183
אני ג'יימס.
00:13
I'm a writer and artist,
1
1984
1686
אני סופר ואמן,
00:15
and I make work about technology.
2
3694
2341
והיצירות שלי עוסקות בטכנולוגיה.
00:18
I do things like draw life-size outlines
of military drones
of military drones
3
6454
3911
למשל, מתווה בגודל אמיתי
של מזל"ט צבאי
של מזל"ט צבאי
00:22
in city streets around the world,
4
10389
1828
ברחובות ערים בעולם,
כדי לעורר אנשים לחשוב ולהבין
00:24
so that people can start to think
and get their heads around
and get their heads around
5
12241
2950
את הטכנולוגיות האלה,
שרחוקות מהעין ומהלב.
שרחוקות מהעין ומהלב.
00:27
these really quite hard-to-see
and hard-to-think-about technologies.
and hard-to-think-about technologies.
6
15215
3440
אני גם יוצר דברים כמו רשתות עצביות
שחוזות תוצאות של בחירות
שחוזות תוצאות של בחירות
00:31
I make things like neural networks
that predict the results of elections
that predict the results of elections
7
19494
3836
על יסוד דיווחי מזג אוויר,
00:35
based on weather reports,
8
23354
1737
כי מסקרנות אותי האפשרויות הממשיות
שטמונות בטכנולגיות החדשות והמשונות האלה.
שטמונות בטכנולגיות החדשות והמשונות האלה.
00:37
because I'm intrigued about
9
25115
1314
00:38
what the actual possibilities
of these weird new technologies are.
of these weird new technologies are.
10
26453
3924
00:43
Last year, I built
my own self-driving car.
my own self-driving car.
11
31405
2426
בשנה שעברה בניתי מכונית אוטונומית,
אבל היות שאינני סומך על הטכנולוגיה,
00:45
But because I don't
really trust technology,
really trust technology,
12
33855
2526
תכננתי גם מלכודת עבורה.
00:48
I also designed a trap for it.
13
36405
1928
00:50
(Laughter)
14
38777
1086
(צחוק)
00:51
And I do these things mostly because
I find them completely fascinating,
I find them completely fascinating,
15
39887
4298
ואני עושה דברים אלה בעיקר
כי הם לגמרי מרתקים אותי,
כי הם לגמרי מרתקים אותי,
00:56
but also because I think
when we talk about technology,
when we talk about technology,
16
44209
2602
אבל גם משום שכאשר
אנו מדברים על טכנולוגיה,
אנו מדברים על טכנולוגיה,
זה בד"כ עוסק בעצמנו
ובאופן הבנתנו את העולם.
ובאופן הבנתנו את העולם.
00:58
we're largely talking about ourselves
17
46835
2619
01:01
and the way that we understand the world.
18
49478
2299
01:03
So here's a story about technology.
19
51801
2442
אז הרי לכם סיפור על טכנולוגיה.
01:07
This is a "surprise egg" video.
20
55520
2830
זהו סרטון "ביצת הפתעה"
(surprise egg).
(surprise egg).
01:10
It's basically a video of someone
opening up loads of chocolate eggs
opening up loads of chocolate eggs
21
58374
3348
בעקרון, הוא מראה מישהו
שפותח המון ביצי שוקולד
שפותח המון ביצי שוקולד
01:13
and showing the toys inside to the viewer.
22
61746
2126
ומראה לצופה את הצעצועים שבתוכן.
01:16
That's it. That's all it does
for seven long minutes.
for seven long minutes.
23
64461
2649
זה הכל. זה כל מה שקורה
במשך שבע דקות תמימות.
במשך שבע דקות תמימות.
01:19
And I want you to notice
two things about this.
two things about this.
24
67428
3051
ואני רוצה שתשימו לב
לשני דברים בו.
לשני דברים בו.
01:22
First of all, this video
has 30 million views.
has 30 million views.
25
70503
4074
קודם כל, לסרטון הזה
יש 30 מיליון צפיות.
יש 30 מיליון צפיות.
01:26
(Laughter)
26
74601
1275
(צחוק)
01:28
And the other thing is,
27
76376
1166
והדבר הנוסף הוא,
הוא מוקרן בערוץ של 6.3 מיליון מנויים,
01:29
it comes from a channel
that has 6.3 million subscribers,
that has 6.3 million subscribers,
28
77566
3869
01:33
that has a total of eight billion views,
29
81459
2680
וצפיות בסך שמונה מיליארד,
והוא מכיל רק סרטונים כמו זה -
01:36
and it's all just more videos like this --
30
84163
3106
30 מיליון אנשים צופים
במישהו שפותח את הביצים האלה.
במישהו שפותח את הביצים האלה.
01:40
30 million people watching a guy
opening up these eggs.
opening up these eggs.
31
88256
3908
נשמע משונה, אבל אם תחפשו
"ביצי הפתעה" ביו-טיוב,
"ביצי הפתעה" ביו-טיוב,
01:44
It sounds pretty weird, but if you search
for "surprise eggs" on YouTube,
for "surprise eggs" on YouTube,
32
92188
4481
01:48
it'll tell you there's
10 million of these videos,
10 million of these videos,
33
96693
3523
התוצאה תהיה 10 מיליון סרטונים כאלה,
01:52
and I think that's an undercount.
34
100240
1657
ולדעתי, אלה אינם כולם,
ויש הרבה, הרבה יותר כאלה.
ויש הרבה, הרבה יותר כאלה.
01:53
I think there's way, way more of these.
35
101921
1897
אם תמשיכו לחפש,
תגלו שהכמות היא אינסופית.
תגלו שהכמות היא אינסופית.
01:55
If you keep searching, they're endless.
36
103842
2242
01:58
There's millions and millions
of these videos
of these videos
37
106108
2159
יש מיליונים רבים של סרטונים כאלה
02:00
in increasingly baroque combinations
of brands and materials,
of brands and materials,
38
108291
3454
עם עוד ועוד צירופים בארוקיים
של מותגים וחומרים,
של מותגים וחומרים,
02:03
and there's more and more of them
being uploaded every single day.
being uploaded every single day.
39
111769
3846
ועוד ועוד כאלה מועלים לרשת
בכל יום ויום.
בכל יום ויום.
02:07
Like, this is a strange world. Right?
40
115639
3511
עולם מוזר, נכון?
02:11
But the thing is, it's not adults
who are watching these videos.
who are watching these videos.
41
119174
3383
אבל העניין הוא, שלא מבוגרים
צופים בסרטונים האלה,
צופים בסרטונים האלה,
אלא ילדים, ילדים קטנים.
02:14
It's kids, small children.
42
122581
2921
02:17
These videos are
like crack for little kids.
like crack for little kids.
43
125526
2154
הסרטונים האלה הם
כמו קראק לילדים קטנים.
כמו קראק לילדים קטנים.
יש משהו בחזרתיות,
02:19
There's something about the repetition,
44
127704
2075
במנת הדופמין הקבועה
של רגע החשיפה,
של רגע החשיפה,
02:21
the constant little
dopamine hit of the reveal,
dopamine hit of the reveal,
45
129803
2468
שממכר אותם לגמרי.
02:24
that completely hooks them in.
46
132295
1866
וילדים קטנים צופים בסרטונים האלה
שוב ושוב ושוב,
שוב ושוב ושוב,
02:26
And little kids watch these videos
over and over and over again,
over and over and over again,
47
134185
4809
02:31
and they do it for hours
and hours and hours.
and hours and hours.
48
139018
2327
במשך שעות על גבי שעות.
ואם תנסו לנתק אותם מהמסך
הם יצרחו ויצרחו ויצרחו.
הם יצרחו ויצרחו ויצרחו.
02:33
And if you try and take
the screen away from them,
the screen away from them,
49
141369
2356
02:35
they'll scream and scream and scream.
50
143749
1782
אם אינכם מאמינים לי -
וראיתי בקהל אנשים שמנידים בראשם -
וראיתי בקהל אנשים שמנידים בראשם -
02:37
If you don't believe me --
51
145555
1262
02:38
and I've already seen people
in the audience nodding --
in the audience nodding --
52
146841
2607
אם אינכם מאמינים לי,
מיצאו מישהו עם ילדים קטנים ושאלו אותו,
מיצאו מישהו עם ילדים קטנים ושאלו אותו,
02:41
if you don't believe me, find someone
with small children and ask them,
with small children and ask them,
53
149472
3391
ויתברר שהוא מכיר את
סרטוני ביצי ההפתעה.
סרטוני ביצי ההפתעה.
02:44
and they'll know about
the surprise egg videos.
the surprise egg videos.
54
152887
2340
02:47
So this is where we start.
55
155251
2070
אז נתחיל מזה.
02:49
It's 2018, and someone, or lots of people,
56
157345
3642
השנה היא 2018 ומישהו,
או הרבה אנשים,
או הרבה אנשים,
02:53
are using the same mechanism that, like,
Facebook and Instagram are using
Facebook and Instagram are using
57
161011
3941
משתמשים באותו מנגנון
שבו משתמשים "פייסבוק" ו"אינסטגרם"
שבו משתמשים "פייסבוק" ו"אינסטגרם"
שגורם לכם לבדוק
כל הזמן את היישומון,
כל הזמן את היישומון,
02:56
to get you to keep checking that app,
58
164976
1989
והם משתמשים בזה ב"יו-טיוב"
כדי להיכנס למוח של ילדים קטנים מאד
כדי להיכנס למוח של ילדים קטנים מאד
02:58
and they're using it on YouTube
to hack the brains of very small children
to hack the brains of very small children
59
166989
3985
03:02
in return for advertising revenue.
60
170998
1958
בתמורה להכנסות מפרסומות.
03:06
At least, I hope
that's what they're doing.
that's what they're doing.
61
174346
2001
לפחות, זה מה שהם עושים,
אני מקווה.
אני מקווה.
03:08
I hope that's what they're doing it for,
62
176371
1955
אני מקווה שזאת המטרה שלהם,
03:10
because there's easier ways
of making ad revenue on YouTube.
of making ad revenue on YouTube.
63
178350
5308
כי יש דרך קלה יותר
להרוויח ב"יו-טיוב" מפרסומות.
להרוויח ב"יו-טיוב" מפרסומות.
03:15
You can just make stuff up or steal stuff.
64
183682
2332
אפשר פשוט להמציא או לגנוב דברים.
03:18
So if you search for really
popular kids' cartoons
popular kids' cartoons
65
186038
2635
אז אם תחפשו קומיקס לילדים
פופולרי באמת
פופולרי באמת
כמו "פפר פיג" או "פאו פטרול",
03:20
like "Peppa Pig" or "Paw Patrol,"
66
188697
1654
תמצאו ברשת גם מהם
מיליונים רבים.
מיליונים רבים.
03:22
you'll find there's millions and millions
of these online as well.
of these online as well.
67
190375
3147
ברור שאף לא אחד מהם הועלה
בידי יוצרי התוכן המקוריים.
בידי יוצרי התוכן המקוריים.
03:25
Of course, most of them aren't posted
by the original content creators.
by the original content creators.
68
193546
3352
הם מגיעים מהמוני חשבונות אקראיים,
03:28
They come from loads and loads
of different random accounts,
of different random accounts,
69
196922
2999
ואי-אפשר לדעת מי מעלה אותם
03:31
and it's impossible to know
who's posting them
who's posting them
70
199945
2240
או מהם המניעים שלהם.
03:34
or what their motives might be.
71
202209
1822
03:36
Does that sound kind of familiar?
72
204428
1930
נשמע לכם מוכר?
03:38
Because it's exactly the same mechanism
73
206382
1980
זהו הרי בדיוק אותו המנגנון
של מרבית השירותים הדיגיטליים שלנו:
של מרבית השירותים הדיגיטליים שלנו:
03:40
that's happening across most
of our digital services,
of our digital services,
74
208386
2600
אי-אפשר לדעת
מניין מגיע המידע הזה.
מניין מגיע המידע הזה.
03:43
where it's impossible to know
where this information is coming from.
where this information is coming from.
75
211010
3207
מדובר בעקרון בחדשות כוזבות לילדים,
03:46
It's basically fake news for kids,
76
214241
1829
03:48
and we're training them from birth
77
216094
2161
ואנו מאמנים אותם מילדות
03:50
to click on the very first link
that comes along,
that comes along,
78
218279
2506
להקליק על הקישור הראשון שמופיע,
03:52
regardless of what the source is.
79
220809
1953
ולא משנה מה מקורו.
03:54
That's doesn't seem like
a terribly good idea.
a terribly good idea.
80
222786
2603
זה לא נראה רעיון טוב במיוחד.
03:58
Here's another thing
that's really big on kids' YouTube.
that's really big on kids' YouTube.
81
226399
2710
הנה עוד משהו ב"יו-טיוב"
שעובד יפה על ילדים.
שעובד יפה על ילדים.
04:01
This is called the "Finger Family Song."
82
229133
1928
זה קרוי "שיר משפחת האצבעות".
04:03
I just heard someone groan
in the audience.
in the audience.
83
231085
2018
שמעתי שוב מישהו גונח בקהל.
זהו "שיר משפחת האצבעות".
04:05
This is the "Finger Family Song."
84
233127
1624
זה הכי מוקדם שמצאתי.
04:06
This is the very first one I could find.
85
234775
1930
הוא מ-2007, ויש לו רק
200,000 צפיות,
200,000 צפיות,
04:08
It's from 2007, and it only has
200,000 views,
200,000 views,
86
236729
2829
שזה כלום,
04:11
which is, like, nothing in this game.
87
239582
1976
אבל יש לו מנגינה מטמטמת עד טירוף,
04:13
But it has this insanely earwormy tune,
88
241582
2852
ואני לא אשמיע לכם אותה,
04:16
which I'm not going to play to you,
89
244458
1682
כי היא תיצרב לכם במוח
04:18
because it will sear itself
into your brain
into your brain
90
246164
2008
04:20
in the same way that
it seared itself into mine,
it seared itself into mine,
91
248196
2395
כפי שנצרבה אצלי,
ולא אעולל לכם את זה.
04:22
and I'm not going to do that to you.
92
250615
1770
אבל כמו ביצי ההפתעה,
04:24
But like the surprise eggs,
93
252409
1344
זה נכנס לראש של הילדים
וגרם להם להתמכר.
וגרם להם להתמכר.
04:25
it's got inside kids' heads
94
253777
2164
04:27
and addicted them to it.
95
255965
1607
אז בתוך כמה שנים
סרטוני משפחת האצבעות
סרטוני משפחת האצבעות
04:29
So within a few years,
these finger family videos
these finger family videos
96
257596
2531
החלו להופיע בכל מקום,
04:32
start appearing everywhere,
97
260151
1303
עם גרסאות בשפות שונות
04:33
and you get versions
in different languages
in different languages
98
261478
2029
עם דמויות מוכרות מקומיקס ילדים
שמשתמשות באוכל
שמשתמשות באוכל
04:35
with popular kids' cartoons using food
99
263531
2121
ובעצם, כל פריט אנימציה שיש בסביבה.
04:37
or, frankly, using whatever kind
of animation elements
of animation elements
100
265676
2550
04:40
you seem to have lying around.
101
268250
2252
04:43
And once again, there are millions
and millions and millions of these videos
and millions and millions of these videos
102
271002
5197
ושוב, יש מיליונים על מיליונים
על מיליוני סרטונים כאלה
על מיליוני סרטונים כאלה
04:48
available online in all of these
kind of insane combinations.
kind of insane combinations.
103
276223
3435
שאפשר למצוא ברשת
בכל שילוב מטורף.
בכל שילוב מטורף.
04:51
And the more time
you start to spend with them,
you start to spend with them,
104
279682
2228
וככל שמבזבזים עליהם יותר זמן,
04:53
the crazier and crazier
you start to feel that you might be.
you start to feel that you might be.
105
281934
3694
כך מתחילים להרגיש יותר ויותר מטורפים.
04:57
And that's where I
kind of launched into this,
kind of launched into this,
106
285652
3333
וכאן בערך נכנסתי לזה אני,
05:01
that feeling of deep strangeness
and deep lack of understanding
and deep lack of understanding
107
289009
3666
עם הרגשה של זרות עמוקה
וחוסר-הבנה עמוק
וחוסר-הבנה עמוק
05:04
of how this thing was constructed
that seems to be presented around me.
that seems to be presented around me.
108
292699
4175
איך הדבר הזה נבנה
ומוגש לכולם מסביבי.
ומוגש לכולם מסביבי.
05:08
Because it's impossible to know
where these things are coming from.
where these things are coming from.
109
296898
3167
כי אי-אפשר לדעת
מניין הדברים האלה באים.
מניין הדברים האלה באים.
כאילו, מי יוצר אותם?
05:12
Like, who is making them?
110
300089
1241
חלקם נראים כאילו נוצרו
ע"י צוותי אמני הנפשה מקצועיים,
ע"י צוותי אמני הנפשה מקצועיים,
05:13
Some of them appear to be made
of teams of professional animators.
of teams of professional animators.
111
301354
3143
05:16
Some of them are just randomly
assembled by software.
assembled by software.
112
304521
2882
חלקם - כאילו הורכבו באופן אקראי
ע"י תוכנה,
ע"י תוכנה,
05:19
Some of them are quite wholesome-looking
young kids' entertainers.
young kids' entertainers.
113
307427
4253
חלקם נראים כמו בידור ילדים מועיל,
05:23
And some of them are from people
114
311704
1552
וחלקם מגיעים מאנשים שברור
שאסור להרשות להם להתקרב לילדים.
שאסור להרשות להם להתקרב לילדים.
05:25
who really clearly
shouldn't be around children at all.
shouldn't be around children at all.
115
313280
3007
(צחוק)
05:28
(Laughter)
116
316311
1615
05:30
And once again, this impossibility
of figuring out who's making this stuff --
of figuring out who's making this stuff --
117
318987
4640
ושוב, חוסר האפשרות לגלות
מי עושה את זה --
מי עושה את זה --
תוכנה רובוטית? אדם? טרול?
05:35
like, this is a bot?
118
323651
1156
05:36
Is this a person? Is this a troll?
119
324831
2647
05:39
What does it mean
that we can't tell the difference
that we can't tell the difference
120
327502
2382
מה המשמעות של חוסר יכולתנו
להבדיל יותר בין הדברים האלה?
להבדיל יותר בין הדברים האלה?
05:41
between these things anymore?
121
329908
1583
05:43
And again, doesn't that uncertainty
feel kind of familiar right now?
feel kind of familiar right now?
122
331515
4848
ושוב, האם חוסר הוודאות הזה מוכר?
השיטה העיקרית שבה אנשים
משיגים צפיות בסרטונים שלהם --
משיגים צפיות בסרטונים שלהם --
05:50
So the main way people get views
on their videos --
on their videos --
123
338145
2580
וזיכרו, צפיות שוות כסף --
05:52
and remember, views mean money --
124
340749
1707
05:54
is that they stuff the titles
of these videos with these popular terms.
of these videos with these popular terms.
125
342480
4742
היא לדחוס בכותרות הסרטונים
מונחים פופולריים.
מונחים פופולריים.
05:59
So you take, like, "surprise eggs"
126
347246
1687
אתם לוקחים למשל
את "ביצי הפתעה"
את "ביצי הפתעה"
ואז אתם מוסיפים "פאו פטרול",
"ביצת פסחא," מה שזה לא יהיה,
"ביצת פסחא," מה שזה לא יהיה,
06:00
and then you add
"Paw Patrol," "Easter egg,"
"Paw Patrol," "Easter egg,"
127
348957
2066
06:03
or whatever these things are,
128
351047
1393
כל מיני מלים
ממשחקי מחשב פופולריים,
ממשחקי מחשב פופולריים,
06:04
all of these words from other
popular videos into your title,
popular videos into your title,
129
352464
2893
ובסוף מתקבלת
תערובת לשונית חסרת-פשר
תערובת לשונית חסרת-פשר
06:07
until you end up with this kind of
meaningless mash of language
meaningless mash of language
130
355381
2968
שבכלל אינה מובנת לבני-אדם.
06:10
that doesn't make sense to humans at all.
131
358373
2498
06:12
Because of course it's only really
tiny kids who are watching your video,
tiny kids who are watching your video,
132
360895
3546
כי כמובן, רק ילדים צופים
בסרטון שלכם,
בסרטון שלכם,
06:16
and what the hell do they know?
133
364465
1827
ומה הם מבינים בכלל
מהחיים שלהם?
מהחיים שלהם?
06:18
Your real audience
for this stuff is software.
for this stuff is software.
134
366316
3007
הקהל האמיתי של הדברים האלה
הוא תוכנה,
הוא תוכנה,
האלגוריתם,
06:21
It's the algorithms.
135
369347
1156
התוכנה שבה משתמשת "יו-טיוב"
06:22
It's the software that YouTube uses
136
370527
1855
כדי לבחור אילו סרטונים דומים לאחרים,
06:24
to select which videos
are like other videos,
are like other videos,
137
372406
2483
כדי להפיץ אותם ולהמליץ עליהם.
06:26
to make them popular,
to make them recommended.
to make them recommended.
138
374913
2243
ולכן אתם מקבלים תערובת מלים
בלתי-מובנת לחלוטין
בלתי-מובנת לחלוטין
06:29
And that's why you end up with this
kind of completely meaningless mash,
kind of completely meaningless mash,
139
377180
3461
גם בכותרת וגם בתוכן.
06:32
both of title and of content.
140
380665
2071
אבל עליכם לזכור
06:35
But the thing is, you have to remember,
141
383792
1894
שעדיין יש אנשים בתוך המערכת
ממוטבת-האלגוריתם הזאת,
ממוטבת-האלגוריתם הזאת,
06:37
there really are still people within
this algorithmically optimized system,
this algorithmically optimized system,
142
385710
4478
אנשים שנאלצים יותר ויותר לגלם
06:42
people who are kind
of increasingly forced to act out
of increasingly forced to act out
143
390212
2790
את הצירופים היותר ויותר
מוזרים של מלים,
מוזרים של מלים,
06:45
these increasingly bizarre
combinations of words,
combinations of words,
144
393026
3066
06:48
like a desperate improvisation artist
responding to the combined screams
responding to the combined screams
145
396116
5173
כמו אמן אלתור נואש
שמגיב לצעקותיהם
שמגיב לצעקותיהם
של מיליון פעוטים בבת-אחת.
06:53
of a million toddlers at once.
146
401313
2203
06:57
There are real people
trapped within these systems,
trapped within these systems,
147
405168
2468
יש אנשים אמיתיים שלכודים
בתוך המערכות האלה,
בתוך המערכות האלה,
וזה הדבר המוזר להפליא השני
בתרבות מבוססת האלגוריתמים הזאת,
בתרבות מבוססת האלגוריתמים הזאת,
06:59
and that's the other deeply strange thing
about this algorithmically driven culture,
about this algorithmically driven culture,
148
407660
4055
כי אפילו אם אתה אנושי,
07:03
because even if you're human,
149
411739
1381
מתישהו אתה נאלץ להתנהג כמו מכונה
רק כדי לשרוד.
רק כדי לשרוד.
07:05
you have to end up behaving like a machine
150
413144
2145
07:07
just to survive.
151
415313
1800
וגם, בעברו השני של הצג,
07:09
And also, on the other side of the screen,
152
417137
2100
עדיין ישנם ילדים קטנים
שצופים בדברים האלה,
שצופים בדברים האלה,
07:11
there still are these little kids
watching this stuff,
watching this stuff,
153
419261
2947
07:14
stuck, their full attention grabbed
by these weird mechanisms.
by these weird mechanisms.
154
422232
4206
הם תקועים שם
והמנגנונים המוזרים האלה
לוכדים את מלוא תשומת ליבם.
לוכדים את מלוא תשומת ליבם.
07:18
And most of these kids are too small
to even use a website.
to even use a website.
155
426768
2798
ורוב הילדים האלה קטנים מכדי
לדעת אפילו להשתמש באתר אינטרנט.
לדעת אפילו להשתמש באתר אינטרנט.
07:21
They're just kind of hammering
on the screen with their little hands.
on the screen with their little hands.
156
429590
3276
הם רק חובטים במסך בידיהם הקטנות.
לשם כך הומצא ה"אוטופליי",
הניגון האוטומטי,
הניגון האוטומטי,
07:24
And so there's autoplay,
157
432890
1217
07:26
where it just keeps playing these videos
over and over and over in a loop,
over and over and over in a loop,
158
434131
3579
שממשיך להקרין את הסרטונים האלה
שוב ושוב ושוב,
שוב ושוב ושוב,
ללא הרף,
במשך שעות על גבי שעות.
במשך שעות על גבי שעות.
07:29
endlessly for hours and hours at a time.
159
437734
2059
ויש היום כל-כך הרבה מוזרות במערכת,
07:31
And there's so much weirdness
in the system now
in the system now
160
439817
2843
07:34
that autoplay takes you
to some pretty strange places.
to some pretty strange places.
161
442684
3009
שה"אוטופליי" לוקח אתכם
למקומות משונים למדי.
למקומות משונים למדי.
07:37
This is how, within a dozen steps,
162
445717
2488
וכך, בתוך שנים-עשר שלבים,
07:40
you can go from a cute video
of a counting train
of a counting train
163
448229
3158
אתם יכולים להגיע מסרטון חמוד
של רכבת מספרים
של רכבת מספרים
07:43
to masturbating Mickey Mouse.
164
451411
2442
למיקי מאוס מאונן.
07:46
Yeah. I'm sorry about that.
165
454529
2288
כן. סליחה על זה.
וזה הולך ונעשה גרוע יותר.
07:48
This does get worse.
166
456841
1700
זה מה שקורה
07:50
This is what happens
167
458565
1282
07:51
when all of these different keywords,
168
459871
3086
כשכל מילות המפתח השונות,
07:54
all these different pieces of attention,
169
462981
2461
כל פיסות תשומת הלב השונות,
07:57
this desperate generation of content,
170
465466
2807
הפקת התוכן הנואשת הזאת,
08:00
all comes together into a single place.
171
468297
2582
הכל מתחבר באותו המקום.
08:03
This is where all those deeply weird
keywords come home to roost.
keywords come home to roost.
172
471871
4472
לכאן מגיעות לקנן
כל מילות המפתח המוזרות מאד.
כל מילות המפתח המוזרות מאד.
08:08
You cross-breed the finger family video
173
476367
2391
מכליאים את סרטון משפחת האצבעות
08:10
with some live-action superhero stuff,
174
478782
2088
עם סרט מצולם של גיבור-על,
08:12
you add in some weird,
trollish in-jokes or something,
trollish in-jokes or something,
175
480894
3256
מוסיפים כמה בדיחות טרוליות מוזרות
או משהו כזה,
או משהו כזה,
08:16
and suddenly, you come
to a very weird place indeed.
to a very weird place indeed.
176
484174
3366
ולפתע אתם מגיעים
למקום משונה בהחלט.
למקום משונה בהחלט.
08:19
The stuff that tends to upset parents
177
487564
2113
הדברים האלה, שמעצבנים את ההורים,
הם אלה שיש בהם
תוכן מיני או אלים כלשהו, נכון?
תוכן מיני או אלים כלשהו, נכון?
08:21
is the stuff that has kind of violent
or sexual content, right?
or sexual content, right?
178
489701
3331
08:25
Children's cartoons getting assaulted,
179
493056
2822
דמות מקומיקס ילדים שמותקפת,
08:27
getting killed,
180
495902
2018
שנרצחת,
מעשי קונדס מוזרים
שממש מפחידים ילדים.
שממש מפחידים ילדים.
08:29
weird pranks that actually
genuinely terrify children.
genuinely terrify children.
181
497944
3343
08:33
What you have is software pulling in
all of these different influences
all of these different influences
182
501311
3675
מדובר בעצם בתוכנה שמושכת אליה
כל מיני השפעות
כל מיני השפעות
08:37
to automatically generate
kids' worst nightmares.
kids' worst nightmares.
183
505010
2961
כדי ליצור באופן אוטומטי
את הסיוט הכי נורא לילדים.
את הסיוט הכי נורא לילדים.
והדברים האלה באמת ובתמים
משפיעים על ילדים קטנים.
משפיעים על ילדים קטנים.
08:39
And this stuff really, really
does affect small children.
does affect small children.
184
507995
2701
הורים מדווחים על ילדים מוכי טראומה,
08:42
Parents report their children
being traumatized,
being traumatized,
185
510720
2866
ילדים שפוחדים מהחושך,
08:45
becoming afraid of the dark,
186
513610
1392
08:47
becoming afraid of their favorite
cartoon characters.
cartoon characters.
187
515026
3050
שפוחדים מדמויות הקומיקס האהובות שלהם.
08:50
If you take one thing away from this,
it's that if you have small children,
it's that if you have small children,
188
518524
3611
אם תלמדו היום לקח אחד בלבד,
הרי זה שאם יש לכם ילדים קטנים,
הרי זה שאם יש לכם ילדים קטנים,
08:54
keep them the hell away from YouTube.
189
522159
1996
הרחיקו אותם ככל האפשר מ"יו-טיוב".
08:56
(Applause)
190
524743
3949
(מחיאות כפיים)
אבל הדבר הנוסף,
מה שממש מרגיז אותי בקשר לזה,
מה שממש מרגיז אותי בקשר לזה,
09:02
But the other thing, the thing
that really gets to me about this,
that really gets to me about this,
191
530504
3096
09:05
is that I'm not sure we even really
understand how we got to this point.
understand how we got to this point.
192
533624
4629
הוא שאני לא בטוח שאנו בכלל יודעים
איך הגענו למצב הזה.
איך הגענו למצב הזה.
09:10
We've taken all of this influence,
all of these things,
all of these things,
193
538951
2931
צירפנו ביחד את כל ההשפעה הזאת,
את כל הדברים האלה,
את כל הדברים האלה,
ועוללנו נזק שאיש לא התכוון לעולל.
09:13
and munged them together in a way
that no one really intended.
that no one really intended.
194
541906
2953
09:16
And yet, this is also the way
that we're building the entire world.
that we're building the entire world.
195
544883
3156
ועם זאת, ככה גם
אנו בונים את העולם כולו.
אנו בונים את העולם כולו.
אנו לוקחים את כל הנתונים האלה,
09:20
We're taking all of this data,
196
548063
1773
הרבה מהם נתונים רעים,
09:21
a lot of it bad data,
197
549860
1447
המון נתונים היסטוריים
מלאי דעות קדומות,
מלאי דעות קדומות,
09:23
a lot of historical data
full of prejudice,
full of prejudice,
198
551331
3029
09:26
full of all of our worst
impulses of history,
impulses of history,
199
554384
2837
מלאים בכל הדחפים ההיסטוריים
הכי גרועים שלנו,
הכי גרועים שלנו,
09:29
and we're building that
into huge data sets
into huge data sets
200
557245
2049
ואנו הופכים את זה
למערכי נתונים ענקיים
למערכי נתונים ענקיים
ומכניסים לזה אוטומציה
09:31
and then we're automating it.
201
559318
1423
ומשסים את הנזק הזה
בדברים כמו דיווחי אשראי,
בדברים כמו דיווחי אשראי,
09:32
And we're munging it together
into things like credit reports,
into things like credit reports,
202
560765
3502
פרמיות ביטוח,
09:36
into insurance premiums,
203
564291
1634
דברים כמו מערכות חיזוי מדיניות,
09:37
into things like predictive
policing systems,
policing systems,
204
565949
2693
הנחיות שיפוט,
09:40
into sentencing guidelines.
205
568666
1762
כך בעצם אנו בונים היום
את העולם על יסוד נתונים אלה.
את העולם על יסוד נתונים אלה.
09:42
This is the way we're actually
constructing the world today
constructing the world today
206
570452
2821
09:45
out of this data.
207
573297
1151
ואינני יודע מה גרוע יותר,
09:46
And I don't know what's worse,
208
574472
1698
09:48
that we built a system
that seems to be entirely optimized
that seems to be entirely optimized
209
576194
3228
שאנו בונים מערכת שכנראה
ממוטבת כולה
ממוטבת כולה
לפי ההיבטים הכי גרועים
בהתנהגות האנושית,
בהתנהגות האנושית,
09:51
for the absolute worst aspects
of human behavior,
of human behavior,
210
579446
2808
או שככל הנראה,
עשינו את זה בטעות,
עשינו את זה בטעות,
09:54
or that we seem
to have done it by accident,
to have done it by accident,
211
582278
2425
מבלי להבין אפילו
שאנו עושים זאת,
שאנו עושים זאת,
09:56
without even realizing
that we were doing it,
that we were doing it,
212
584727
2207
בגלל שלא באמת הבנו
את המערכות שאנו בונים,
את המערכות שאנו בונים,
09:58
because we didn't really understand
the systems that we were building,
the systems that we were building,
213
586958
3382
10:02
and we didn't really understand
how to do anything differently with it.
how to do anything differently with it.
214
590364
3683
ולא באמת הבנו
איך לעשות משהו שונה.
איך לעשות משהו שונה.
10:06
There's a couple of things I think
that really seem to be driving this
that really seem to be driving this
215
594769
3365
לדעתי יש כמה דברים
שכנראה מניעים את זה
שכנראה מניעים את זה
הכי חזק ב"יו-טיוב",
10:10
most fully on YouTube,
216
598158
1189
והראשון הוא הפרסום,
10:11
and the first of those is advertising,
217
599371
1827
הפיכת תשומת-הלב למטבע
10:13
which is the monetization of attention
218
601222
2837
בלי שום משתנים נוספים,
10:16
without any real other variables at work,
219
604083
3136
בלי שום התייחסות לאנשים
שמפתחים את התוכן,
שמפתחים את התוכן,
10:19
any care for the people who are
actually developing this content,
actually developing this content,
220
607243
3885
10:23
the centralization of the power,
the separation of those things.
the separation of those things.
221
611152
3636
ריכוז הכוח,
ההפרדה של הדברים האלה.
ההפרדה של הדברים האלה.
10:26
And I think however you feel
about the use of advertising
about the use of advertising
222
614812
3144
ולדעתי, תחשבו מה שתחשבו
על השימוש בפרסום כדי לקדם דברים,
על השימוש בפרסום כדי לקדם דברים,
10:29
to kind of support stuff,
223
617980
1238
המראה של גברים מבוגרים בחיתולים
שמתגלגלים בחול
שמתגלגלים בחול
10:31
the sight of grown men in diapers
rolling around in the sand
rolling around in the sand
224
619242
3067
10:34
in the hope that an algorithm
that they don't really understand
that they don't really understand
225
622333
2983
בתקווה שאיזה אלגוריתם
שהם לא ממש מבינים
שהם לא ממש מבינים
ישלם להם על זה
10:37
will give them money for it
226
625340
1315
אומר שכנראה לא זה הדבר
10:38
suggests that this
probably isn't the thing
probably isn't the thing
227
626679
2037
שעליו עלינו לבסס
את החברה והתרבות שלנו,
את החברה והתרבות שלנו,
10:40
that we should be basing
our society and culture upon,
our society and culture upon,
228
628740
2563
ולא זו הדרך לממן אותן.
10:43
and the way in which
we should be funding it.
we should be funding it.
229
631327
2160
והמניע החזק הנוסף מאחורי זה
הוא האוטומציה:
הוא האוטומציה:
10:45
And the other thing that's kind of
the major driver of this is automation,
the major driver of this is automation,
230
633511
3519
להטמיע את כל הטכנולוגיה הזאת
10:49
which is the deployment
of all of this technology
of all of this technology
231
637054
2329
מיד כשהיא מגיעה,
ללא שום פיקוח,
ללא שום פיקוח,
10:51
as soon as it arrives,
without any kind of oversight,
without any kind of oversight,
232
639407
2521
וברגע שהבעיות מתגלות,
10:53
and then once it's out there,
233
641952
1412
להרים ידיים ולומר,
"זה לא אנחנו. זאת הטכנולוגיה."
"זה לא אנחנו. זאת הטכנולוגיה."
10:55
kind of throwing up our hands and going,
"Hey, it's not us, it's the technology."
"Hey, it's not us, it's the technology."
234
643388
3843
כאילו, "אנו לא מעורבים בזה."
10:59
Like, "We're not involved in it."
235
647255
1642
זה לא מספיק טוב,
11:00
That's not really good enough,
236
648921
1767
כי האלגוריתם לא רק
מנהל את הדברים האלה;
מנהל את הדברים האלה;
11:02
because this stuff isn't
just algorithmically governed,
just algorithmically governed,
237
650712
2710
האלגוריתם גם קובע את המדיניות.
11:05
it's also algorithmically policed.
238
653446
2498
כש"יו-טיוב" החלה להבחין בזה,
11:07
When YouTube first started
to pay attention to this,
to pay attention to this,
239
655968
2848
הדבר הראשון שהם עשו בעניין
11:10
the first thing they said
they'd do about it
they'd do about it
240
658840
2087
היה להטמיע אלגוריתמים
טובים יותר של למידת מכונה
טובים יותר של למידת מכונה
11:12
was that they'd deploy
better machine learning algorithms
better machine learning algorithms
241
660951
2695
כדי למתן את התוכן.
11:15
to moderate the content.
242
663670
1329
אז למידת מכונה,
כפי שיאמר לכם כל מומחה,
כפי שיאמר לכם כל מומחה,
11:17
Well, machine learning,
as any expert in it will tell you,
as any expert in it will tell you,
243
665023
3485
מבוססת על מה שהתחלנו לכנות
11:20
is basically what we've started to call
244
668532
1896
"תוכנה שאיננו מבינים באמת
איך היא עובדת."
איך היא עובדת."
11:22
software that we don't really
understand how it works.
understand how it works.
245
670452
2588
ואני חושב שכבר יש לנו
מספיק מזה.
מספיק מזה.
11:25
And I think we have
enough of that already.
enough of that already.
246
673064
3983
אסור שנשאיר דברים כאלה
לבינה המלאכותית
לבינה המלאכותית
11:29
We shouldn't be leaving
this stuff up to AI to decide
this stuff up to AI to decide
247
677071
3166
שתקבע מה מתאים ומה לא.
11:32
what's appropriate or not,
248
680261
1251
כי ברור לנו מה יקרה:
היא תתחיל לצנזר דברים אחרים.
היא תתחיל לצנזר דברים אחרים.
11:33
because we know what happens.
249
681536
1436
11:34
It'll start censoring other things.
250
682996
1688
היא תתחיל לצנזר תוכן קווירי.
11:36
It'll start censoring queer content.
251
684708
1783
היא תתחיל לצנזר
התבטאויות פומביות לגיטימיות.
התבטאויות פומביות לגיטימיות.
11:38
It'll start censoring
legitimate public speech.
legitimate public speech.
252
686515
2237
את מה שמותר בדיונים האלה
11:40
What's allowed in these discourses,
253
688776
1925
אסור להשאיר לכל מיני מערכות
שאי-אפשר להאשים.
שאי-אפשר להאשים.
11:42
it shouldn't be something
that's left up to unaccountable systems.
that's left up to unaccountable systems.
254
690725
3097
זהו חלק מהדיון
שכולנו צריכים לנהל.
שכולנו צריכים לנהל.
11:45
It's part of a discussion
all of us should be having.
all of us should be having.
255
693846
2947
אבל אשאיר לכם תזכורת
11:48
But I'd leave a reminder
256
696817
1308
לכך שגם החלופה אינה הכי נעימה.
11:50
that the alternative isn't
very pleasant, either.
very pleasant, either.
257
698149
2753
"יו-טיוב" גם הכריזו לאחרונה
11:52
YouTube also announced recently
258
700926
1535
על שחרור גירסה
של היישומון שלהם לילדים
של היישומון שלהם לילדים
11:54
that they're going to release
a version of their kids' app
a version of their kids' app
259
702485
2767
שבו ניטור התוכן
ייעשה כולו בידי בני-אדם.
ייעשה כולו בידי בני-אדם.
11:57
that would be entirely
moderated by humans.
moderated by humans.
260
705276
2407
12:00
Facebook -- Zuckerberg said
much the same thing at Congress,
much the same thing at Congress,
261
708134
3618
"פייסבוק" - צוקרברג אמר
משהו דומה בקונגרס,
משהו דומה בקונגרס,
כשלחצו עליו עם השאלה
איך בדעתו לנטר את התוכן.
איך בדעתו לנטר את התוכן.
12:03
when pressed about how they
were going to moderate their stuff.
were going to moderate their stuff.
262
711776
2987
הוא אמר שיש להם אנשים
שעושים את זה.
שעושים את זה.
12:06
He said they'd have humans doing it.
263
714787
1747
ובפועל, זה אומר
12:08
And what that really means is,
264
716558
1459
שבמקום שהפעוטים יהיו הראשונים
שרואים את הדברים האלה,
שרואים את הדברים האלה,
12:10
instead of having toddlers being
the first person to see this stuff,
the first person to see this stuff,
265
718041
3223
יהיו אלה עובדי קבלן
לא-אמינים בשכר-רעב
לא-אמינים בשכר-רעב
12:13
you're going to have underpaid,
precarious contract workers
precarious contract workers
266
721288
2788
ללא סיוע נפשי נאות,
שגם הם יינזקו מזה.
שגם הם יינזקו מזה.
12:16
without proper mental health support
267
724100
1726
12:17
being damaged by it as well.
268
725850
1376
(צחוק)
12:19
(Laughter)
269
727250
1096
ולדעתי, כולנו מסוגלים להתעלות על זה.
12:20
And I think we can all do
quite a lot better than that.
quite a lot better than that.
270
728370
2601
(מחיאות כפיים)
12:22
(Applause)
271
730995
2499
הרעיון שמסכם באמת
את שני הדברים האלה, בעיני,
את שני הדברים האלה, בעיני,
12:26
The thought, I think, that brings those
two things together, really, for me,
two things together, really, for me,
272
734068
4613
הוא אוטונומיות:
12:30
is agency.
273
738705
1420
כמה באמת אנו מבינים--
ב"אוטונומיות" כוונתי היא:
ב"אוטונומיות" כוונתי היא:
12:32
It's like, how much do we really
understand -- by agency, I mean:
understand -- by agency, I mean:
274
740149
3157
איך אנו יודעים לנהוג
לפי מיטב האינטרסים שלנו.
לפי מיטב האינטרסים שלנו.
12:35
how we know how to act
in our own best interests.
in our own best interests.
275
743330
4390
ואת זה כמעט ואי-אפשר לעשות
12:39
Which -- it's almost impossible to do
276
747744
1787
במערכות האלה, שאותן
איננו לגמרי מבינים.
איננו לגמרי מבינים.
12:41
in these systems that we don't
really fully understand.
really fully understand.
277
749555
3485
חוסר-שוויון בכוח
מוביל תמיד לאלימות.
מוביל תמיד לאלימות.
12:45
Inequality of power
always leads to violence.
always leads to violence.
278
753064
3071
ובמערכות האלה אנו יכולים לראות
12:48
And we can see inside these systems
279
756159
1685
שחוסר-שוויון בהבנה
עושה אותו דבר.
עושה אותו דבר.
12:49
that inequality of understanding
does the same thing.
does the same thing.
280
757868
2611
אם יש דבר אחד שנוכל לעשות
כדי לשפר את המערכות האלה,
כדי לשפר את המערכות האלה,
12:52
If there's one thing that we can do
to start to improve these systems,
to start to improve these systems,
281
760503
3779
הוא להפוך אותן למובנות יותר
לאנשים שמשתמשים בהן,
לאנשים שמשתמשים בהן,
12:56
it's to make them more legible
to the people who use them,
to the people who use them,
282
764306
2718
כדי שלכולנו תהיה הבנה משותפת
לגבי מה שבאמת קורה כאן.
לגבי מה שבאמת קורה כאן.
12:59
so that all of us have
a common understanding
a common understanding
283
767048
2196
13:01
of what's actually going on here.
284
769268
1851
אבל העניין העיקרי, לדעתי,
במערכות האלה,
במערכות האלה,
13:03
The thing, though, I think
most about these systems
most about these systems
285
771970
2968
הוא - ואני מקווה שהסברתי זאת
בקשר ל"יו-טיוב" -
בקשר ל"יו-טיוב" -
13:06
is that this isn't, as I hope
I've explained, really about YouTube.
I've explained, really about YouTube.
286
774962
3857
שזה מתייחס להכל.
13:10
It's about everything.
287
778843
1312
13:12
These issues of accountability and agency,
288
780179
2444
סוגיות הנשיאה באחריות
והאוטונומיות האישית,
והאוטונומיות האישית,
13:14
of opacity and complexity,
289
782647
2225
של העמימות והמורכבות,
13:16
of the violence and exploitation
that inherently results
that inherently results
290
784896
3177
של האלימות והניצול
שנובעים מעצם העובדה
שנובעים מעצם העובדה
שהכוח מרוכז בידיים מועטות --
13:20
from the concentration
of power in a few hands --
of power in a few hands --
291
788097
2794
אלה סוגיות הרבה יותר נרחבות.
13:22
these are much, much larger issues.
292
790915
2579
הסוגיות האלה לא נוגעות רק ל"יו-טיוב"
ולא רק לטכנולוגיה בכלל,
ולא רק לטכנולוגיה בכלל,
13:26
And they're issues not just of YouTube
and not just of technology in general,
and not just of technology in general,
293
794395
3687
והן אפילו לא חדשות;
הן מלוות אותנו כבר המון זמן.
הן מלוות אותנו כבר המון זמן.
13:30
and they're not even new.
294
798106
1265
13:31
They've been with us for ages.
295
799395
1461
אבל סוף-סוף בנינו את המערכת הזאת,
המערכת הגלובלית הזאת, האינטרנט,
המערכת הגלובלית הזאת, האינטרנט,
13:32
But we finally built this system,
this global system, the internet,
this global system, the internet,
296
800880
4390
שמציגה אותן בפנינו
בצורה ברורה להפליא,
בצורה ברורה להפליא,
13:37
that's actually showing them to us
in this extraordinary way,
in this extraordinary way,
297
805294
3019
מבלי שנוכל להתכחש להן.
13:40
making them undeniable.
298
808337
1547
לטכנולוגיה יש היכולת הנפלאה
13:41
Technology has this extraordinary capacity
299
809908
2820
גם להמחיש וגם להמשיך
13:44
to both instantiate and continue
300
812752
3973
את כל רצונותינו והטיותינו הכי גדולים,
והסמויים לעתים קרובות ,
והסמויים לעתים קרובות ,
13:48
all of our most extraordinary,
often hidden desires and biases
often hidden desires and biases
301
816749
4248
ולקודד אותם אל העולם כולו,
13:53
and encoding them into the world,
302
821021
1866
אבל היא גם מתעדת אותם
כדי שנוכל לראותם,
כדי שנוכל לראותם,
13:54
but it also writes them down
so that we can see them,
so that we can see them,
303
822911
3474
כדי שלא נוכל עוד להעמיד פנים
כאילו אינם קיימים.
כאילו אינם קיימים.
13:58
so that we can't pretend
they don't exist anymore.
they don't exist anymore.
304
826409
3330
עלינו להפסיק לראות בטכנולוגיה
פתרון לכל בעיותינו,
פתרון לכל בעיותינו,
14:01
We need to stop thinking about technology
as a solution to all of our problems,
as a solution to all of our problems,
305
829763
4319
אלא להיעזר בה כדי לראות
אל הבעיות האלה,
אל הבעיות האלה,
14:06
but think of it as a guide
to what those problems actually are,
to what those problems actually are,
306
834106
3757
כדי שנוכל להתחיל לחשוב עליהן
כמו שצריך
כמו שצריך
14:09
so we can start thinking
about them properly
about them properly
307
837887
2144
ולהתחיל לטפל בהן.
14:12
and start to address them.
308
840055
1766
תודה רבה לכם.
14:13
Thank you very much.
309
841845
1335
(מחיאות כפיים)
14:15
(Applause)
310
843204
5192
14:21
Thank you.
311
849733
1188
תודה.
14:22
(Applause)
312
850945
2869
(מחיאות כפיים)
הלן וולטרס: ג'יימס, תודה שבאת
ותודה על ההרצאה הזאת.
ותודה על ההרצאה הזאת.
14:28
Helen Walters: James, thank you
for coming and giving us that talk.
for coming and giving us that talk.
313
856839
3178
זה מעניין:
14:32
So it's interesting:
314
860041
1189
כשחושבים על סרטים שבהם
הרובוטים משתלטים על העולם,
הרובוטים משתלטים על העולם,
14:33
when you think about the films where
the robotic overlords take over,
the robotic overlords take over,
315
861254
3495
הכל קצת יותר זוהר
ממה שאתה מתאר.
ממה שאתה מתאר.
14:36
it's all a bit more glamorous
than what you're describing.
than what you're describing.
316
864773
3279
אבל אני תוהה - בסרטים האלה
מתגבשת תנועת התקוממות.
מתגבשת תנועת התקוממות.
14:40
But I wonder -- in those films,
you have the resistance mounting.
you have the resistance mounting.
317
868076
3749
האם ישנה תנועת התקוממות
נגד הדברים האלה?
נגד הדברים האלה?
14:43
Is there a resistance mounting
towards this stuff?
towards this stuff?
318
871849
3216
האם אתה רואה סימנים חיוביים,
ניצני התנגדות כלשהם?
ניצני התנגדות כלשהם?
14:47
Do you see any positive signs,
green shoots of resistance?
green shoots of resistance?
319
875089
3796
ג'יימס בריידל: אני לא יודע
מה עם התקוממות ישירה,
מה עם התקוממות ישירה,
14:52
James Bridle: I don't know
about direct resistance,
about direct resistance,
320
880507
2416
כי לדעתי מדובר בדברים
מאד ותיקים.
מאד ותיקים.
14:54
because I think this stuff
is super long-term.
is super long-term.
321
882947
2264
לדעתי זה אפוי בתרבות שלנו
באופן עמוק מאד.
באופן עמוק מאד.
14:57
I think it's baked into culture
in really deep ways.
in really deep ways.
322
885235
2510
ידידה שלי, אלינור סאיטה,
אומרת תמיד
אומרת תמיד
14:59
A friend of mine,
Eleanor Saitta, always says
Eleanor Saitta, always says
323
887769
2132
15:01
that any technological problems
of sufficient scale and scope
of sufficient scale and scope
324
889935
3609
שכל בעיה טכנולוגית
מעל לגודל והיקף מסוימים
מעל לגודל והיקף מסוימים
15:05
are political problems first of all.
325
893568
2267
היא קודם כל בעיה פוליטית.
אז כל הדברים האלה
שאנו מנסים להתייחס אליהם
שאנו מנסים להתייחס אליהם
15:07
So all of these things we're working
to address within this
to address within this
326
895859
2785
לא ייפתרו סתם
בבניית טכנולוגיה טובה יותר,
בבניית טכנולוגיה טובה יותר,
15:10
are not going to be addressed
just by building the technology better,
just by building the technology better,
327
898668
3274
אלא דרך שינוי התרבות
שיוצרת את הטכנולוגיות האלה.
שיוצרת את הטכנולוגיות האלה.
15:13
but actually by changing the society
that's producing these technologies.
that's producing these technologies.
328
901966
3464
אז לא. כרגע יש לפנינו
דרך ארוכה מאד.
דרך ארוכה מאד.
15:17
So no, right now, I think we've got
a hell of a long way to go.
a hell of a long way to go.
329
905454
3027
אבל כפי שאמרתי,
אני חושב שאם נפרק אותן,
אני חושב שאם נפרק אותן,
15:20
But as I said, I think by unpacking them,
330
908505
1986
אם נסביר אותן ונדבר עליהן
בכנות גמורה,
בכנות גמורה,
15:22
by explaining them, by talking
about them super honestly,
about them super honestly,
331
910515
2697
נוכל לפחות להתחיל את התהליך.
15:25
we can actually start
to at least begin that process.
to at least begin that process.
332
913236
2505
ה"וו: אז כשאתה מדבר על מובנות
ועל אוריינות דיגיטלית,
ועל אוריינות דיגיטלית,
15:27
HW: And so when you talk about
legibility and digital literacy,
legibility and digital literacy,
333
915765
3562
15:31
I find it difficult to imagine
334
919351
1591
אני מתקשה לדמיין
15:32
that we need to place the burden
of digital literacy on users themselves.
of digital literacy on users themselves.
335
920966
3680
שנעביר את נטל האוריינות הדיגיטלית
אל המשתמשים עצמם.
אל המשתמשים עצמם.
15:36
But whose responsibility
is education in this new world?
is education in this new world?
336
924670
4562
אבל מיהם האחראים לחינוך
בעולם החדש הזה?
בעולם החדש הזה?
15:41
JB: Again, I think this responsibility
is kind of up to all of us,
is kind of up to all of us,
337
929256
3612
ג'"ב: שוב, לדעתי האחריות מוטלת על כולנו,
במובן זה, שכל מה
שאנו עושים, בונים ויוצרים
שאנו עושים, בונים ויוצרים
15:44
that everything we do,
everything we build, everything we make,
everything we build, everything we make,
338
932892
2984
צריך להיעשות מתוך דיון והסכמה
15:47
needs to be made
in a consensual discussion
in a consensual discussion
339
935900
3692
עם כל מי שנמנעים מכך;
15:51
with everyone who's avoiding it;
340
939616
1940
שלא נבנה מערכות שנועדו
להכשיל ולהפתיע אנשים
להכשיל ולהפתיע אנשים
15:53
that we're not building systems
intended to trick and surprise people
intended to trick and surprise people
341
941580
4341
ולגרום להם לעשות את מה שנכון,
15:57
into doing the right thing,
342
945945
2300
16:00
but that they're actually involved
in every step in educating them,
in every step in educating them,
343
948269
3236
אלא שהם יהיו מעורבים
בכל שלב של החינוך שלהם,
בכל שלב של החינוך שלהם,
כי כל אחת מהמערכות האלה
היא חינוכית.
היא חינוכית.
16:03
because each of these systems
is educational.
is educational.
344
951529
2278
לכן יש בי תקווה,
גם אם המצב באמת עגום,
גם אם המצב באמת עגום,
16:05
That's what I'm hopeful about,
about even this really grim stuff,
about even this really grim stuff,
345
953831
3102
שאם נוכל לבחון את זה
כמו שצריך,
כמו שצריך,
16:08
that if you can take it
and look at it properly,
and look at it properly,
346
956957
2262
זה כשלעצמו דבר חינוכי
16:11
it's actually in itself
a piece of education
a piece of education
347
959243
2089
שמאפשר לנו להתחיל לראות
איך מערכות מורכבות משתלבות ופועלות
איך מערכות מורכבות משתלבות ופועלות
16:13
that allows you to start seeing
how complex systems come together and work
how complex systems come together and work
348
961356
3762
ואולי להצליח ליישם ידע זה
במקומות אחרים בעולם.
במקומות אחרים בעולם.
16:17
and maybe be able to apply
that knowledge elsewhere in the world.
that knowledge elsewhere in the world.
349
965142
3501
ה"וו: ג'יימס, זהו נושא חשוב ביותר,
16:20
HW: James, it's such
an important discussion,
an important discussion,
350
968667
2115
ואני יודעת שרבים כאן
פתוחים ונכונים לדבר עליו,
פתוחים ונכונים לדבר עליו,
16:22
and I know many people here
are really open and prepared to have it,
are really open and prepared to have it,
351
970806
3227
אז תודה לך
על שפתחת בשבילנו את הבוקר.
על שפתחת בשבילנו את הבוקר.
16:26
so thanks for starting off our morning.
352
974057
1859
ג'"ב: תודה רבה. להתראות!
16:27
JB: Thanks very much. Cheers.
353
975940
1400
(מחיאות כפיים)
16:29
(Applause)
354
977364
1651
ABOUT THE SPEAKER
James Bridle - Artist, writerWorking across technologies and disciplines, James Bridle examines technology, knowledge and the end of the future.
Why you should listen
James Bridle is an artist and writer working across technologies and disciplines. His artworks and installations have been exhibited in Europe, North and South America, Asia and Australia, and have been viewed by hundreds of thousands of visitors online. He has been commissioned by organizations including the Victoria & Albert Museum, the Barbican, Artangel, the Oslo Architecture Triennale and the Istanbul Design Biennial, and he has been honored by Ars Electronica, the Japan Media Arts Festival and the Design Museum, London. His writing on literature, culture and networks has appeared in magazines and newspapers including Frieze, Wired, Domus, Cabinet, The Atlantic, the New Statesman and many others, and he has written a regular column for The Observer.
New Dark Age, Bridle's book about technology, knowledge and the end of the future is forthcoming from Verso (UK & US) in 2018. He lectures regularly on radio, at conferences, universities and other events including SXSW, Lift, the Global Art Forum and Re:Publica. He has been a resident at Lighthouse, Brighton, the White Building, London and Eyebeam, New York, and an adjunct professor on the interactive telecommunications program at New York University.
James Bridle | Speaker | TED.com