TED2011
Aaron Koblin: Visualizing ourselves ... with crowd-sourced data
Aaron Koblin: Emberi mivoltunk művészi vizualizációja
Filmed:
Readability: 4.2
1,731,467 views
Aaron Koblin óriási adatmennyiségekkel -- és időnként rengeteg emberrel -- dolgozik, és lenyűgöző módon vizualizálja őket. A repülési útvonalak elegáns mintáitól a mobiltelefon-adatokból rajzolt tájképekig, a közösségi rajzokból összeállított Johnny Cash videótól a felhasználóra szabott "Belvárosi Vadon" videóig terjedő munkái brilliáns módon mutatják be, hogyan válhatunk a modern technológia révén még emberibbekké.
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
Nos, én úgy gondolom, hogy az adatok képesek emberibbé tenni bennünket.
00:19
We're collecting and creating all kinds of data about how we're living our lives,
1
4000
3000
Mindenféle adatokat gyűjtünk és készítünk arról, ahogy az életünket éljük,
00:22
and it's enabling us to tell some amazing stories.
2
7000
2000
és ez által izgalmas történeteket tudunk elmesélni.
00:24
Recently, a wise media theorist Tweeted,
3
9000
3000
Nemrégiben egy bölcs médiaszakértő azt írta, hogy
00:27
"The 19th century culture was defined by the novel,
4
12000
2000
"A XIX. századi kultúra meghatározója a regény volt,
00:29
the 20th century culture was defined by the cinema,
5
14000
2000
a XX. századi kultúráé a mozi,
00:31
and the culture of the 21st century
6
16000
2000
a XXI. század kultúráját pedig
00:33
will be defined by the interface."
7
18000
2000
az interfész fogja meghatározni."
00:35
And I believe this is going to prove true.
8
20000
2000
Én azt hiszem, ez egyre inkább igaznak bizonyul.
00:37
Our lives are being driven by data,
9
22000
2000
Életünket az adatok mozgatják,
00:39
and the presentation of that data is an opportunity
10
24000
2000
és ezeknek az adatoknak a megjelenítése egy lehetőség
00:41
for us to make some amazing interfaces that tell great stories.
11
26000
2000
fantasztikus történeteket elmesélő, csodálatos interfészek készítésére.
00:43
So I'm going to show you a few of the projects
12
28000
2000
Ezért most megmutatok önöknek néhányat azokból a projektekből,
00:45
that I've been working on over the last couple years
13
30000
2000
amelyeken az elmúlt években dolgoztam,
00:47
that reflect on our lives and our systems.
14
32000
2000
és amelyek életünket és rendszereinket tükrözik vissza.
00:49
This is a project called Flight Patterns.
15
34000
2000
Ez itt a Repülési Minták projekt.
00:51
What you're looking at is airplane traffic
16
36000
2000
Amit itt látnak, az a légiforgalom
00:53
over North America for a 24-hour period.
17
38000
3000
Észak-Amerika fölött, egy 24 órás időszakban.
00:56
As you see, everything starts to fade to black,
18
41000
2000
Amint látják, minden kezd elsötétedni,
00:58
and you see people going to sleep.
19
43000
2000
és látható, hogy az emberek aludni térnek.
01:00
Followed by that, you see on the West coast
20
45000
2000
Ezt követően látható, amint a nyugati parton
01:02
planes moving across, the red-eye flights to the East coast.
21
47000
3000
keresztül haladnak a gépek, az éjszakai járatok a keleti part irányába.
01:05
And you'll see everybody waking up on the East coast,
22
50000
3000
És láthatjuk, amint mindenki felkel a keleti parton,
01:08
followed by European flights coming in the upper right-hand corner.
23
53000
3000
miközben megérkeznek az európai járatok a jobb felső sarokban.
01:11
Everybody's moving from the East coast to the West coast.
24
56000
3000
Mindenki a keleti partról a nyugati part felé tart.
01:14
You see San Francisco and Los Angeles
25
59000
2000
Látható, ahogy San Francisco és Los Angeles
01:16
start to make their journeys down to Hawaii in the lower left-hand corner.
26
61000
3000
útnak indul Hawaiira a bal alsó sarokban.
01:19
I think it's one thing to say there's 140,000 planes
27
64000
2000
Azt hiszem, érdemes elmondani, hogy 140.000 gépet
01:21
being monitored by the federal government at any one time,
28
66000
3000
követ a szövetségi kormány minden időszakban,
01:24
and it's another thing to see that system as it ebbs and flows.
29
69000
3000
és érdekes látni, rendszerben az apályt és a dagályt.
01:29
This is a time-lapse image of that exact same data,
30
74000
2000
Ez itt az előző adatok időbeli nézete,
01:31
but I've color-coded it by type,
31
76000
2000
típusok szerint színezve,
01:33
so you can see the diversity of aircraft that are in the skies above us.
32
78000
3000
hogy jól látható legyen a felettünk lévő gépek sokfélesége.
01:36
And I started making these, and I put them into Google Maps
33
81000
3000
Az adatokat a Google Mapsre helyeztük,
01:39
and allow you to zoom in and see individual airports
34
84000
2000
így rá lehet közelíteni az egyes repülőterekre
01:41
and the patterns that are occurring there.
35
86000
2000
és az itt megjelenő különböző mintákra.
01:43
So here we can see the white represents low altitudes,
36
88000
3000
Itt azt látjuk, hogy a fehér kisebb magasságokat jelent,
01:46
and the blue are higher altitudes.
37
91000
2000
a kék pedig nagyobbakat.
01:48
And you can zoom in. This is taking a look at Atlanta.
38
93000
2000
Így tudunk belezoomolni. Ez itt például Atlanta.
01:50
You can see this is a major shipping airport,
39
95000
2000
Láthatjuk, hogy ez egy fontos szállító repülőtér,
01:52
and there's all kinds of activity there.
40
97000
2000
ahol mindenféle tevékenység előfordul.
01:54
You can also toggle between altitude
41
99000
3000
A magasságról átkapcsolhatunk
01:57
for model and manufacturer.
42
102000
2000
modellre és gyártóra.
01:59
See again, the diversity.
43
104000
2000
Így egy másfajta változatosságot látunk.
02:01
And you can scroll around and see
44
106000
2000
És a térkép görgetésével
02:03
some of the different airports and the different patterns that they have.
45
108000
3000
más repülőtereket és mintákat vehetünk szemügyre.
02:06
This is scrolling up the East coast.
46
111000
2000
Most feljebb megyünk a keleti parton.
02:08
You can see some of the chaos that's happening in New York
47
113000
2000
Látható a New York fölötti káosz,
02:10
with the air traffic controllers
48
115000
2000
amivel a légiirányítóknak
02:12
having to deal with all those major airports next to each other.
49
117000
4000
az egymás mellett sorakozó repülőtereken meg kell birkózniuk.
02:17
So zooming back out real quick,
50
122000
2000
Ha most gyorsan visszazoomolunk, akkor
02:19
we see, again, the U.S. -- you get Florida down in the right-hand corner.
51
124000
3000
újra az egész USA-t látjuk -- Floridával a jobb alsó sarokban.
02:22
Moving across to the West coast,
52
127000
2000
A nyugati partra átlépve
02:24
you see San Francisco and Los Angeles --
53
129000
2000
látjuk San Francisco és Los Angeles
02:26
big low-traffic zones
54
131000
2000
hatalmas, alacsony forgalmú zónáit
02:28
across Nevada and Arizona.
55
133000
2000
Nevada és Arizona fölött.
02:30
And that's us down there in L.A. and Long Beach on the bottom.
56
135000
4000
Most pedig lent vagyunk L.A. és Long Beach fölött.
02:36
I started taking a look as well at different perimeters,
57
141000
2000
Elkezdtem különböző kerületeket vizsgálni,
02:38
because you can choose what you want to pull out from the data.
58
143000
2000
mert eldönthetjük, hogy mit akarunk kinyerni az adatokból.
02:40
This is looking at ascending versus descending flights.
59
145000
3000
Ez itt az emelkező és a süllyedő járatokat mutatja.
02:43
And you can see, over time, the ways the airports change.
60
148000
2000
És itt látható, hogy időben hogyan változnak a repülőterek.
02:45
You see the holding patterns that start to develop
61
150000
2000
Jól láthatók a minták, amik kezdenek kialakulni
02:47
in the bottom of the screen.
62
152000
2000
a képernyő alján.
02:49
And you can see, eventually the airport actually flips directions.
63
154000
3000
És látható, amint a repülőtér végül irányokat vált.
02:53
So this is another project that I worked on with the Sensible Cities Lab at MIT.
64
158000
3000
Ez itt egy másik projekt, amin az MIT Sensible Cities Labbel dolgoztam.
02:56
This is visualizing international communications.
65
161000
2000
Ez a nemzetközi kommunikációt vizualizálja.
02:58
So it's how New York communicates
66
163000
2000
Ez itt New York kommunikációja
03:00
with other international cities.
67
165000
2000
más külföldi városokkal.
03:02
And we set this up as a live globe in the Museum of Modern Art in New York
68
167000
3000
Ezt mint egy élő földgömböt állítjuk ki a Modern Művészetek Múzeumában, New Yorkban,
03:05
for the Design the Elastic Mind exhibition.
69
170000
2000
a Rugalmas Elme Tervezése kiállításon.
03:07
And it had a live feed with a 24-hour offset,
70
172000
2000
Ez itt egy 24 órás felvétel,
03:09
so you could see the changing relationship
71
174000
2000
amin jól látható a kapcsolatok változása
03:11
and some demographic info
72
176000
2000
és bizonyos demográfiai információk,
03:13
coming through AT&T's data and revealing itself.
73
178000
3000
melyek az AT&T adataiból rajzolódnak ki.
03:16
This is another project I worked on with Sensible Cities Lab
74
181000
2000
Ez egy másik, a Sensibe Cities Labbel és a CurrentCity.org-gal
03:18
and CurrentCity.org.
75
183000
2000
közös projekt.
03:20
And it's visualizing SMS messages being sent in the city of Amsterdam.
76
185000
3000
Ez az Amszterdamban küldött SMS-eket mutatja.
03:23
So you're seeing the daily ebb and flow
77
188000
2000
Jól láthatók a napi ingadozások,
03:25
of people sending SMS messages from different parts of the city,
78
190000
2000
ahogy az emberek SMS-eket küldenek a város különböző részéből,
03:27
until we approach New Year's Eve, where everybody says, "Happy New Year!"
79
192000
3000
amíg el nem érünk szilveszter éjszakájára, amikor mindenki egyszerre mondja: "Boldog Új Évet!"
03:30
(Laughter)
80
195000
2000
(Nevetés)
03:32
So this is an interactive tool
81
197000
2000
Ez tehát egy interaktív eszköz,
03:34
that you can move around and see different parts of the city.
82
199000
3000
amivel bejárhatók a város különböző részei.
03:37
This is looking at another event. This is called Queen's Day.
83
202000
3000
Ez itt egy másik esemény képe. A neve: a királynő napja.
03:40
So again, you get this daily ebb and flow
84
205000
2000
Megint szépen látható a hullámzás,
03:42
of people sending SMS messages from different parts of the city.
85
207000
3000
amint jönnek-mennek az SMS-ek a városrészek között.
03:45
And then you're going to see people start to gather in the center of the city
86
210000
2000
Aztán láthatjuk, ahogy az emberek gyülekezni kezdenek a városközpontban,
03:47
to celebrate the night before,
87
212000
2000
hogy megünnepeljék az előző éjszakát,
03:49
which happens right here.
88
214000
2000
ami pontosan itt történik.
03:51
And then you can see people celebrating the next day.
89
216000
2000
Aztán pedig látjuk, amint a következő napot ünneplik.
03:53
And you can pause it and step back and forth and see different phases.
90
218000
3000
Itt megállhatunk egy pillanatra, hogy előre-hátra lépegetve megfigyeljük a különböző fázisokat.
03:56
So now on to something completely different.
91
221000
2000
Most pedig valami egészen más.
03:58
Some of you may recognize this.
92
223000
2000
Néhányan bizonyára felismerik.
04:00
This is Baron Wolfgang von Kempelen's mechanical chess playing machine.
93
225000
3000
Ez itt Kempelen báró mechanikus sakkozógépe.
04:03
And it's this amazing robot that plays chess extremely well,
94
228000
2000
Ez egy fantasztikus robot, ami rendkívül jól sakkozik,
04:05
except for one thing: it's not a robot at all.
95
230000
3000
egy dologtól eltekintve: hogy egyáltalán nem robot.
04:08
There's actually a legless man that sits in that box
96
233000
2000
Valójában egy láb nélküli ember, aki a szekrényben ül,
04:10
and controls this chess player.
97
235000
2000
és mozgatja a sakkjátékost.
04:12
This was the inspiration for a web service by Amazon
98
237000
2000
Ez adta az alapötletet az Amazon egyik webservice-éhez,
04:14
called the Mechanical Turk -- named after this guy.
99
239000
3000
az illetőről elnevezett Mechanikus Törökhöz.
04:17
And it's based on the premise that there are certain things
100
242000
2000
Alapja az a feltevés, hogy vannak bizonyos dolgok,
04:19
that are easy for people, but really difficult for computers.
101
244000
2000
amelyekkel az emberek könnyen megbirkóznak, a számítógépek viszont nehezen.
04:21
So they made this web service and said,
102
246000
2000
Elkészítették hát ezt a webservice-t, és azt mondták:
04:23
"Any programmer can write a piece of software
103
248000
2000
"Bármelyik programozó képes egy darab szoftvert megírni
04:25
and tap into the minds of thousands of people."
104
250000
2000
és beültetni emberek ezreinek agyába."
04:27
The nerdy side of me thought, "Wow, this is amazing.
105
252000
2000
A gonosz oldalam azt mondta: "Ó, hát ez remek.
04:29
I can tap into thousands of people's minds."
106
254000
2000
Emberek ezreinek gondolataihoz juthatok el."
04:31
And the other nerdy side of me thought,
107
256000
2000
Aztán azt gondoltam:
04:33
"This is horrible. This is completely bizarre.
108
258000
3000
"Ez rettenetes. Ez teljesen bizarr.
04:36
What does this mean for the future of mankind,
109
261000
2000
Mit jelent az emberiség jövője szempontjából,
04:38
where we're all plugged into this borg?"
110
263000
2000
ha mindannyian be leszünk kötve ebbe a hálózatba?"
04:40
I was probably being a little extreme.
111
265000
2000
Ez valószínűleg egy kicsit különös lenne.
04:42
But what does this mean when we have no context for what it is that we're working on,
112
267000
2000
De mit jelent az, amikor nem ismerjük a környezetét annak, amin dolgozunk,
04:44
and we're just doing these little labors?
113
269000
2000
és csak végezzük a feladatunkat?
04:46
So I created this drawing tool.
114
271000
2000
Ezért készítettem ezt a rajzolóeszközt.
04:48
I asked people to draw a sheep facing to the left.
115
273000
2000
Arra kértem az embereket,hogy rajzoljanak egy balra néző birkát.
04:50
And I said, "I'll pay you two cents for your contribution."
116
275000
2000
Aztán azt mondtam: "Két centet fizetek a részvételért."
04:52
And I started collecting sheep.
117
277000
3000
Majd elkezdtem birkákat gyűjteni.
04:55
And I collected a lot, a lot of different sheep.
118
280000
3000
Rengeteget összegyűjtöttem, rengeteg különböző birkát.
04:59
Lots of sheep.
119
284000
2000
Rengeteg birkát.
05:01
I took the first 10,000 sheep that I collected,
120
286000
2000
Aztán fogtam az első 10.000 birkát,
05:03
and I put them on a website called TheSheepMarket.com
121
288000
3000
és elhelyeztem őket a TheSheepMarket.com oldalon,
05:06
where you can actually buy collections of 20 sheep.
122
291000
3000
ahol 20 birkából álló gyűjteményeket lehet vásárolni.
05:09
You can't pick individual sheep,
123
294000
2000
Egyes birkákat nem lehet választani,
05:11
but you can buy a single plate block of stamps as a commodity.
124
296000
4000
csak egy-egy bélyegblokkot lehet megvásárolni.
05:15
And juxtaposed against this grid,
125
300000
2000
Elhelyeztem őket ezen a hálón,
05:17
you see actually, by rolling over each individual one,
126
302000
2000
és ahogy látható, végiggörgetve az egyes rajzokon,
05:19
the humanity behind this hugely mechanical process.
127
304000
3000
kirajzolódik az emberi munka e mögött a mechanikus folyamat mögött.
05:22
I think there's something really interesting
128
307000
2000
Azt hiszem, nagyon érdekes megfigyelni
05:24
to watching people as they go through this creative toil --
129
309000
3000
az embereknek ezt a kreatív erőfeszítését --
05:27
something we can all relate to,
130
312000
2000
azt, ami mindannyiunkban közös,
05:29
this creative process of trying to come up with something from nothing.
131
314000
3000
azt az alkotási folymatot, aminek eredményeként a semmiből valami születik.
05:32
I think it was really interesting to juxtapose this humanity
132
317000
2000
Nagyon érdekes volt egymás mellé helyezni ezeket az emberi dolgokat
05:34
versus this massive distributed grid.
133
319000
2000
és ezt a hatalmas elosztott hálózatot.
05:36
Kind of amazing what some people did.
134
321000
3000
Egyszerűen bámulatos, amit az emberek alkottak.
05:39
So here's a few statistics from the project.
135
324000
2000
Itt van néhány statisztikai adat a projektről.
05:41
Approximate collection rate of 11 sheep per hour,
136
326000
2000
Átlagosan 11 birka született óránként,
05:43
which would make a working wage of 69 cents per hour.
137
328000
3000
ami 69 centes átlagos óránkénti fizetésnek felel meg.
05:46
There were 662 rejected sheep
138
331000
2000
662 birkát utasítottunk vissza,
05:48
that didn't meet "sheep-like" criteria and were thrown out of the flock.
139
333000
3000
mert nem feleltek meg a "birkaság" kritériumának, és ezért kidobtuk őket a nyájból.
05:51
(Laughter)
140
336000
2000
(Nevetés)
05:53
The amount of time spent drawing ranged from four seconds to 46 minutes.
141
338000
3000
A rajzok elkészítésére fordított idő 4 másodperctől 46 másodpercig terjedt.
05:56
That gives you an idea of the different types of motivations and dedication.
142
341000
3000
Ennek oka lehet az eltérő motiváció és elkötelezettség.
05:59
And there were 7,599 people that contributed to the project,
143
344000
3000
A projektben összesen 7599 személy,
06:02
or were unique IP addresses --
144
347000
2000
vagy különböző IP-cím vett részt --
06:04
so about how many people contributed.
145
349000
2000
ami azt jelenti, hogy kb. ennyi közreműködőnk volt.
06:06
But only one of them out of the 7,599 said this.
146
351000
4000
De a 7599-ből mindőssze egyetlen mondta ezt.
06:10
(Laughter)
147
355000
4000
(Nevetés)
06:14
Which I was pretty surprised by.
148
359000
2000
Ami engem nagyon meglepett.
06:16
I expected people to be wondering, "Why did I draw a sheep?"
149
361000
3000
Arra számítottam, hogy az emberek majd megkérdezik: "Miért rajzoltam egy birkát?"
06:19
And I think it's a pretty valid question.
150
364000
2000
És azt hittem, a kérdés magától értetődik.
06:21
And there's a lot of reasons why I chose sheep.
151
366000
2000
Rengeteg oka van annak, hogy miért választottam a birkát.
06:23
Sheep were the first animal
152
368000
2000
A birka volt az első állat,
06:25
to be raised from mechanically processed byproducts,
153
370000
2000
amit mechanikailag feldolgozott melléktermékeken neveltek,
06:27
the first to be selectively bred for production traits,
154
372000
2000
az első, aminek kiválasztással alakították a jellemzőit,
06:29
the first animal to be cloned.
155
374000
2000
és az első, amit klónoztak.
06:31
Obviously, we think of sheep as followers.
156
376000
2000
A birkát az ember társának tekintjük.
06:33
And there's this reference to "Le Petit Prince"
157
378000
2000
És itt van ez a hivatkozás "A kis herceg"-re,
06:35
where the narrator asks the prince to draw a sheep.
158
380000
2000
ahol a mesélő arra kéri a herceget, hogy rajzoljon egy bárányt.
06:37
He draws sheep after sheep.
159
382000
2000
Ő pedig egymás után rajzolja a bárányokat.
06:39
The narrator's only appeased when he draws a box.
160
384000
2000
A mesélő csak akkor lesz elégedett, amikor egy dobozt rajzol.
06:41
And he says, "It's not about a scientific rendering of a sheep.
161
386000
2000
Ekkor azt mondja: "Ez nem a birka egy tudományos megjelenítési formája.
06:43
It's about your own interpretation and doing something different."
162
388000
3000
Ez a te saját értelmezésed, ez valami teljesen más."
06:46
And I like that.
163
391000
2000
És nekem ez tetszik.
06:48
So this is a clip from Charlie Chaplin's "Modern Times."
164
393000
2000
Most pedig egy részlet Charlie Chaplin "Modern idők" c. filmjéből.
06:50
It's showing Charlie Chaplin dealing with some of the major changes
165
395000
3000
Bemutatja, milyen óriási változásokkal talákozik Chaplin
06:53
during the Industrial Revolution.
166
398000
2000
az ipari forradalom során.
06:55
So there were no longer shoe makers,
167
400000
2000
Nem voltak többé cipőkészítők,
06:57
but now there are people slapping soles on people's shoes.
168
402000
2000
csak emberek, akik talpalták mások cipőit.
06:59
And the whole idea of one's relationship to their work changed a lot.
169
404000
3000
És az embernek a munkához való viszonya teljesen megváltozott.
07:02
So I thought this was an interesting clip
170
407000
2000
Arra gondoltam, ez egy érdekes klip,
07:04
to divide into 16 pieces
171
409000
2000
ahhoz, hogy 16 részre vágjam,
07:06
and feed into the Mechanical Turk with a drawing tool.
172
411000
3000
és egy rajzeszközzel betápláljam a Mechanikus Törökbe.
07:09
This basically allowed -- what you see on the left side is the original frame,
173
414000
3000
Ez alapvetően lehetséges -- a bal oldalon láthatók az eredeti képkockák,
07:12
and on the right side you see that frame
174
417000
2000
jobb oldalon pedig ugyanez,
07:14
as interpreted by 16 people
175
419000
2000
16 ember értelmezésében,
07:16
who have no idea what it is they're doing.
176
421000
2000
akik nem tudták, hogy mit is csinálnak valójában.
07:18
And this was the inspiration for a project
177
423000
2000
Ez adta az ötletet egy projekthez,
07:20
that I worked on with my friend Takashi Kawashima.
178
425000
2000
amin Takashi Kawashima barátommal dolgoztam.
07:22
We decided to use the Mechanical Turk for exactly what it was meant for,
179
427000
2000
Elhatároztuk, hogy arra fogjuk használni a Mechanikus Törököt, amire kitalálták,
07:24
which is making money.
180
429000
2000
azaz pénzcsinálásra.
07:26
So we took a hundred dollar bill and divided it into 10,000 teeny pieces,
181
431000
3000
Fogtunk tehát egy százdolláros bankjegyet, és 10.000 apró darabra bontottuk,
07:29
and we fed those into the Mechanical Turk.
182
434000
2000
majd odaadtuk a Mechanikus Töröknek.
07:31
We asked people to draw what it was that they saw.
183
436000
2000
Arra kértük az embereket, hogy rajzolják le, amit látnak.
07:33
But here there was no sheep-like criteria.
184
438000
2000
De nem adtunk semmiféle "birkasági kritériumot".
07:35
People, if they drew a stick figure or a smiley face,
185
440000
3000
Akár pálcikaembert, akát smileyt rajzoltak,
07:38
it actually made it into the bill.
186
443000
2000
az részévé vált a bankjegynek.
07:40
So what you see is actually a representation of how well people did
187
445000
2000
Itt látható, milyen kiválóan megoldották az emberek a feladatot,
07:42
what it was they were asked to do.
188
447000
2000
amire kértük őket.
07:44
So we took these hundred dollar bills,
189
449000
2000
Fogtuk tehát ezeket a százdollárosokat,
07:46
and we put them on a website called TenThousandsCents.com,
190
451000
2000
és kitettük a TenThousandCents.com oldalra,
07:48
where you can browse through and see all the individual contributions.
191
453000
3000
ahol végignézhetők, és láthatók az egyes közreműködők munkái.
07:51
And you can also trade real hundred-dollar bills for fake hundred-dollar bills
192
456000
3000
A hamis bankjegyek pedig elcserélhetők valódi dollárokra,
07:54
and make a donation to the Hundred Dollar Laptop Project,
193
459000
3000
amelyek viszont már adományozhatók a Százdolláros Laptop projektnek,
07:57
which is now known as One Laptop Per Child.
194
462000
3000
ami a Minden Gyermeknek Egy Laptop néven ismert.
08:00
This is again showing all the different contributions.
195
465000
2000
Itt látható néhány közreműködő munkája.
08:02
You see some people did beautiful stipple renderings,
196
467000
2000
Egyesek pontfestési technikával dolgoztak,
08:04
like this one on top --
197
469000
2000
mint például ez itt fent --
08:06
spent a long time making realistic versions.
198
471000
3000
sok időt szánva a valósághű megoldásra.
08:09
And other people would draw stick figures or smiley faces.
199
474000
3000
És voltak mások, akik pálcikaembereket vagy smileykat rajzoltak.
08:12
Here on the right-hand side in the middle
200
477000
2000
Itt, jobb oldalon, középen
08:14
you see this one guy writing, "$0.01!!! Really?"
201
479000
3000
valaki azt írja: "0,01 $!!! Valóban?"
08:17
That's all I'm getting paid for this?
202
482000
4000
Ez minden, amit ezért kapok?
08:21
(Laughter)
203
486000
2000
(Nevetés)
08:23
So the last Mechanical Turk project I'm going to talk to you about
204
488000
2000
Végül az utolsó Mechanikus Török projekt, amiről beszélni akarok,
08:25
is called Bicycle Built for 2000.
205
490000
2000
a Bicikli 2000-re nevű.
08:27
This is a collaboration with my friend Daniel Massey.
206
492000
2000
Ezt Daniel Massey baratommal együtt valósítottuk meg.
08:29
You may recognize these two guys.
207
494000
2000
Lehet, hogy ismerős ez a két úriember.
08:31
This is Max Mathews and John Kelly from Bell Labs in the '60s,
208
496000
3000
Ők Max Matthews és John Kelly a Bell Laboratoriestől, a 60-as évekből,
08:34
where they created the song "Daisy Bell,"
209
499000
2000
amikor megcsinálták a "Daisy Bell" című dalt,
08:36
which was the world's first singing computer.
210
501000
2000
ami a világ első számítógépes dala volt.
08:38
You may recognize it from "2001: A Space Odyssey."
211
503000
2000
Ismerős lehet a "2001: Űrodüsszeia"-ból.
08:40
When HAL's dying at the end of the film he starts singing this song,
212
505000
3000
Amikor HAL haldoklik a film végén, ezt a dalt kezdi énekelni,
08:43
as a reference to when computers became human.
213
508000
3000
mintegy annak jeleként, hogy a számítógépek kezdenek emberivé válni.
08:46
So we resynthesized this song.
214
511000
2000
Mi újraszintetizáltuk a dalt.
08:48
This is what that sounded like.
215
513000
2000
Így hangzott.
08:50
We broke down all the individual notes
216
515000
2000
A dal minden egyes hangját
08:52
in the singing as well as the phonemes in the singing.
217
517000
3000
és fonémáját szétbontottuk.
08:55
Daisy Bell: ♫ Daisy, Daisy ... ♫
218
520000
4000
Daisy Bell: ♫ Daisy, Daisy ... ♫
08:59
Aaron Koblin: And we took all of those individual pieces,
219
524000
2000
Aaron Koblin: Majd fogtuk ezeket a különálló darabokat,
09:01
and we fed them into another Turk request.
220
526000
2000
és betápláltuk a Törökbe.
09:03
This is what it would look like if you went to the site.
221
528000
2000
Aki ellátogat a weboldalra, az ezt látja.
09:05
You type in your code,
222
530000
2000
Írjuk be a kódunkat,
09:07
but you first test your mic.
223
532000
2000
de előtte próbáljuk ki a mikrofonunkat.
09:09
You'd be fed a simple audio clip.
224
534000
2000
Egy egyszerű audió klipet fogunk kapni.
09:11
(Honk)
225
536000
2000
(Duda)
09:13
And then you'd do your best to recreate that with your own voice.
226
538000
3000
Utána ezt kell a lehető legpontosabban leképezni a saját hangunkkal.
09:22
After previewing it and confirming it's what you submitted,
227
547000
3000
Ellenőrzés és megerősítés után
09:25
you could submit it into the Mechanical Turk with no other context.
228
550000
3000
elküldhetjük a Mechanikus Töröknek, minden további információ nélkül.
09:28
And this is what we first got back from the very first set of submissions.
229
553000
3000
A legelső beküldött hangok alapján ezt az eredményt kaptuk.
09:31
Recording: ♫ Daisy, Daisy ♫
230
556000
5000
Felvétel: ♫ Daisy, Daisy ♫
09:36
♫ give me your answer do ♫
231
561000
5000
♫ give me your answer do ♫
09:41
♫ I'm half crazy ♫
232
566000
4000
♫ I'm half crazy ♫
09:45
♫ all for the love of you ♫
233
570000
5000
♫ all for the love of you ♫
09:50
♫ It can't be a stylish marriage ♫
234
575000
5000
♫ It can't be a stylish marriage ♫
09:55
♫ I can't afford a carriage ♫
235
580000
4000
♫ I can't afford a carriage ♫
09:59
♫ But you'll look sweet upon the seat ♫
236
584000
5000
♫ But you'll look sweet upon the seat ♫
10:04
♫ of a bicycle built for two ♫
237
589000
5000
♫ of a bicycle built for two ♫
10:09
AK: So James Surowieki has this idea of the wisdom of crowds,
238
594000
3000
AK: James Surowieki egyszer azt mondta a tömegek bölcsességéről,
10:12
that says that a whole bunch of people are smarter than any individual.
239
597000
3000
hogy egy csomó ember együtt mindig okosabb, mint bárki önmagában.
10:15
We wanted to see how this applies to collaborative, distributed music making,
240
600000
3000
Kíváncsiak voltunk rá, hogyan vonatkozik ez az elosztott, kollaboratív zeneszerzésre,
10:18
where nobody has any idea what it is they're working on.
241
603000
3000
ahol senki nem tudja, min dolgozik.
10:21
So if you go to the BicycleBuiltforTwoThousand.com
242
606000
2000
A BicycleBuiltforTwoThousand.com-on
10:23
you can actually hear what all this sounds like together.
243
608000
2000
meghallgatható a dal teljes egészében.
10:25
I'm sorry for this.
244
610000
2000
Elnézést érte...
10:27
(Noise)
245
612000
5000
(Zaj)
10:32
Chorus: ♫ Daisy, Daisy ♫
246
617000
4000
Chorus: ♫ Daisy, Daisy ♫
10:36
♫ Give me your answer do ♫
247
621000
5000
♫ Give me your answer do ♫
10:41
♫ I'm half crazy ♫
248
626000
5000
♫ I'm half crazy ♫
10:46
♫ all for the love of you ♫
249
631000
4000
♫ all for the love of you ♫
10:50
♫ It can't be a stylish marriage ♫
250
635000
5000
♫ It can't be a stylish marriage ♫
10:55
♫ I can't afford a carriage ♫
251
640000
4000
♫ I can't afford a carriage ♫
10:59
♫ But you'd look sweet upon the seat ♫
252
644000
5000
♫ But you'd look sweet upon the seat ♫
11:04
♫ of a bicycle built for two ♫
253
649000
6000
♫ of a bicycle built for two ♫
11:10
AK: So stepping back for a quick second,
254
655000
3000
AK: Egy pillanatra térjünk vissza
11:13
when I was at UCLA going to grad school,
255
658000
2000
végzős évemre az UCLA-n,
11:15
I was also working at a place called the Center for Embedded Network Sensing.
256
660000
3000
amikor a Beágyazott Hálózati Érzékelés Központjában dolgoztam.
11:18
And I was writing software to visualize laser scanners.
257
663000
3000
Itt írtam egy szoftvert vizuális lézeres szkennerekhez.
11:21
So basically motion through 3D space.
258
666000
2000
Tulajdonképpen a 3D térben történő mozgáshoz.
11:23
And this was seen by a director in L.A. named James Frost
259
668000
2000
Amikor ezt egy Los Angeles-i igazgató, James Frost meglátta,
11:25
who said, "Wait a minute.
260
670000
2000
azt mondta: "Várj csak egy pillanatot!
11:27
You mean we can shoot a music video without actually using any video?"
261
672000
2000
Úgy érted, fel tudunk venni egy zenei videót anélkül, hogy bármilyen videót használnánk?"
11:29
So we did exactly that.
262
674000
2000
Pontosan ezt tettük.
11:31
We made a music video for one of my favorite bands, Radiohead.
263
676000
2000
Zenei videót készítettünk az egyik kedvencemnek, a Radioheadnek.
11:33
And I think one of my favorite parts of this project
264
678000
2000
És azt hiszem, a projekt egyik számomra legkedveseb része
11:35
was not just shooting a video with lasers,
265
680000
2000
nem a videó lézeres letapogatása volt,
11:37
but we also open sourced it,
266
682000
2000
hanem az, hogy nyílt forráskódúvá tettük
11:39
and we made it released as a Google Code project,
267
684000
2000
és publikáltuk a Google Code projekten keresztül,
11:41
where people could download a bunch of the data and some source code
268
686000
2000
ahol az emberek letölthetnek egy csomó adatot és valamennyi forráskódot,
11:43
to build their own versions of it.
269
688000
2000
amiből megépíthetik saját verziójukat.
11:45
And people were making some amazing things.
270
690000
2000
És az emberek remek dolgokat csináltak.
11:47
This is actually two of my favorites:
271
692000
2000
Itt van két kedvencem:
11:49
the pin-board Thom Yorke and a LEGO Thom Yorke.
272
694000
2000
egy üzenőtábla Thom Yorke és egy LEGO Thom Yorke.
11:51
A whole YouTube channel of people submitting really interesting content.
273
696000
3000
Egy egész YouTube-csatornányi ember küld értékes tartalmakat.
11:54
More recently, somebody even 3D-printed Thom Yorke's head,
274
699000
3000
Nemrégiben valaki még 3D nyomtatást is készített Thom Yorke fejéről,
11:57
which is a little creepy, but pretty cool.
275
702000
3000
ami egy kicsit hátborzongató, de azért tök jó.
12:00
So with everybody making so much amazing stuff
276
705000
2000
Elhatároztam, hogy azokkal, akik ilyen remek cuccokat küldtek be,
12:02
and actually understanding what it was they were working on,
277
707000
3000
és megértették, hogy min is dolgoznak,
12:05
I was really interested in trying to make a collaborative project
278
710000
2000
indítok egy kollaboratív projektet,
12:07
where people were working together to build something.
279
712000
2000
amiben a résztvevők együtt hoznak létre valamit.
12:09
And I met a music video director named Chris Milk.
280
714000
2000
Találkoztam Chris Milk zenei igazgatóval.
12:11
And we started bouncing around ideas
281
716000
2000
Aztán elkezdtünk ötletelni
12:13
to make a collaborative music video project.
282
718000
2000
egy kollaboratív zenei videó projektről.
12:15
But we knew we really needed the right person
283
720000
2000
De jól tudtuk, hogy szükségünk van a megfelelő emberre,
12:17
to kind of rally behind and build something for.
284
722000
3000
aki a háttérből támogatni tudja az ötlet megvalósítását.
12:20
So we put the idea on the back burner for a few months.
285
725000
2000
Ezért az ötletet egy pár hónapig pihentettük.
12:22
And he ended up talking to Rick Rubin,
286
727000
2000
Aztán végül rátaláltunk Rick Rubinra,
12:24
who was finishing up Johnny Cash's final album
287
729000
2000
aki Johnny Cash utolsó albumát, az "Ain"t No Grave"-et
12:26
called "Ain't No Grave."
288
731000
2000
összeállította.
12:28
The lyrics to the leading track are "Ain't no grave can hold my body down."
289
733000
3000
Az első dal szövege "Nincs sír, ami magában tartaná a testemet."
12:31
So we thought this was the perfect
290
736000
2000
Úgy gondoltuk, ez egy tökéletes
12:33
project to build a collaborative memorial
291
738000
2000
projekt egy közös emlék felállítására,
12:35
and a virtual resurrection for Johnny Cash.
292
740000
2000
és Johnny Cash virtuális feltámasztására.
12:37
So I teamed up with my good friend Ricardo Cabello, also known as Mr. doob,
293
742000
3000
Ezért hát bevettem a csapatba batáromat, Ricardo Cabellót, alias Mr. doobot,
12:40
who's a much better programmer than I am,
294
745000
2000
aki nálam sokkal jobb programozó,
12:42
and he made this amazing Flash drawing tool.
295
747000
2000
és aki elkészítette ezt a Flashes rajzeszközt.
12:44
As you know,
296
749000
2000
Mint tudják,
12:46
an animation is a series of images.
297
751000
2000
az animáció nem más, mint képek sorozata.
12:48
So what we did was cross-cut a bunch of archival footage of Johnny Cash,
298
753000
3000
Ezért azt csináltuk, hogy összevágtunk egy csomó archív Johnny Cash felvételt,
12:51
and at eight frames a second,
299
756000
2000
és másodpercenként nyolc kockás sebességnél
12:53
we allowed individuals to draw a single frame
300
758000
2000
kértük a résztvevőket, hogy rajzoljanak meg egy-egy kockát,
12:55
that would get woven into
301
760000
2000
ami beleszőhető
12:57
this dynamically changing music video.
302
762000
2000
ebbe a dinamikusan változó zenei videóba.
12:59
So I don't have time to play the entire thing for you,
303
764000
2000
Mivel itt nincs idő a teljes felvétel lejátszására,
13:01
but I want to show you two short clips.
304
766000
2000
két rövid klipet fogok bemutatni.
13:03
One is the beginning of the music video.
305
768000
2000
Az egyik a videó elejéről való.
13:05
And that's going to be followed by a short clip
306
770000
2000
És ezt egy rövid klip követi,
13:07
of people who have already contributed to the project
307
772000
2000
amiben a projektben részt vevő emberek
13:09
talking about it briefly.
308
774000
3000
mondják el röviden véleményüket.
13:12
(Music)
309
777000
6000
(Zene)
13:18
(Video) Johnny Cash: ♫ There ain't no grave ♫
310
783000
2000
(Videó) Johnny Cash: ♫ There ain't no grave ♫
13:20
♫ can hold my body down ♫
311
785000
4000
♫ can hold my body down ♫
13:24
♫ There ain't no grave ♫
312
789000
2000
♫ There ain't no grave ♫
13:26
♫ can hold body down ♫
313
791000
3000
♫ can hold body down ♫
13:30
♫ When I hear the trumpet sound ♫
314
795000
4000
♫ When I hear the trumpet sound ♫
13:34
♫ I'm going to ride right out of the ground ♫
315
799000
2000
♫ I'm going to ride right out of the ground ♫
13:36
♫ Ain't no grave ♫
316
801000
3000
♫ Ain't no grave ♫
13:39
♫ can hold my body ... ♫
317
804000
3000
♫ can hold my body ... ♫
13:42
(Applause)
318
807000
2000
(Taps)
13:44
AK: What better way to pay tribute to the man
319
809000
3000
AK: Mi lehetne jobb tiszteletadás egy ember előtt,
13:47
than to make something for one of his songs.
320
812000
3000
mint egyik dalának feldolgozása.
13:50
Collaborator: I felt really sad when he died.
321
815000
2000
Munkatárs: Nagyon szomorú voltam, amikor meghalt.
13:52
And I just thought it'd be wonderful,
322
817000
2000
És arra gondoltam, csodálatos lenne,
13:54
it'd be really nice to contribute something to his memory.
323
819000
3000
igazán szép lenne valahogy megemlékezni róla.
13:57
Collaborator Two: It really allows
324
822000
2000
Munkatárs 2: Lehetővé válik,
13:59
this last recording of his
325
824000
3000
hogy utolsó felvétele
14:02
to be a living, breathing memorial.
326
827000
5000
egy élő, légegző emlékmű legyen.
14:07
Collaborator Three: For all of the frames to be drawn by fans,
327
832000
3000
Munkatárs 3: A rajongók által rajzolt minden egyes képkockához,
14:10
each individual frame,
328
835000
2000
minden egyes kockához
14:12
it's got a very powerful feeling to it.
329
837000
2000
egy nagyon erős érzés társul.
14:14
Collaborator Four: I've seen everybody
330
839000
2000
Munkatárs 4: Mindenkit láttam,
14:16
from Japan, Venezuela, to the States,
331
841000
2000
Japántól, Venezuelán át az Államokig,
14:18
to Knoxville, Tennessee.
332
843000
2000
Knoxville, Tennessee-ig.
14:20
Collaborator Five: As much as is different from frame to frame,
333
845000
3000
Munkatárs 5: Ahogy kockáról kockára más és más,
14:23
it really is personal.
334
848000
2000
az nagyon személyes.
14:25
Collaborator Six: Watching the video in my room,
335
850000
2000
Munkatárs 6: Amikor a szobámban néztem a videót,
14:27
I could see me not understanding at the beginning of it.
336
852000
3000
kezdetben úgy éreztem, hogy nem értem.
14:30
And I just worked and worked through problems,
337
855000
3000
És csak dolgoztam és dolgoztam a problémákon,
14:33
until my little wee battles that I was fighting within the picture
338
858000
4000
amíg a filmmel folytatott kis harcaim végül
14:37
all began to resolve themselves.
339
862000
3000
elkezdtek maguktól megoldódni.
14:40
You can actually see the point when I know what I'm doing,
340
865000
2000
Jól látható az a pont, amikor megértettem, mit is csinálok,
14:42
and a lot of light and dark comes into it.
341
867000
3000
akkor egy csomó világos és sötét jelenik meg.
14:45
And in a weird way,
342
870000
2000
És nagyon különös módon,
14:47
that's what I actually like about Johnny Cash's music as well.
343
872000
2000
és ez az, amit igazán szeretek Johnny Cash zenéjében is.
14:49
It's the sum total of his life,
344
874000
2000
Ez az egész életének összefoglalása,
14:51
all the things that had happened --
345
876000
2000
minden megtörtént dologé,
14:53
the bad things, the good things.
346
878000
2000
a rossz dolgoké és a jó dolgoké.
14:55
You're hearing a person's life.
347
880000
3000
Amit hallunk, az egy ember teljes élete.
15:01
AK: So if you go to the website JohnnyCashProject.com,
348
886000
2000
AK: Ha tehát ellátogatnak a JohnnyCashProject.com oldalra,
15:03
what you'll see is the video playing above.
349
888000
2000
akkor ott megnézhetik ezt a fenti videót.
15:05
And below it are all the individual frames
350
890000
2000
Itt alul pedig azok az egyedi képkockák láthatók,
15:07
that people have been submitting to the project.
351
892000
2000
melyeket a projektben résztvevők beküldtek.
15:09
So this isn't finished at all,
352
894000
2000
A munka tehát nem ért véget,
15:11
but it's an ongoing project where people can continue to collaborate.
353
896000
2000
hanem tovább folytatódik, és az emberek folytathatják a közreműködést.
15:13
If you roll over any one of those individual thumbnails,
354
898000
2000
Ha rámutatunk ezekre a kis képekre,
15:15
you can see the person who drew that individual thumbnail
355
900000
2000
láthatjuk a képet rajzoló személyeket,
15:17
and where they were located.
356
902000
2000
és lakhelyüket.
15:19
And if you find one that you're interested in,
357
904000
2000
És ha valamelyik felkelti az érdeklődésünket,
15:21
you can actually click on it and open up an information panel
358
906000
2000
akkor ráklikkelhetünk és megnyithatunk egy információs ablakot,
15:23
where you're able to rate that frame,
359
908000
2000
amiben értékelhetjük a képkockát,
15:25
which helps it bubble up to the top.
360
910000
2000
amivel segítünk abban, hogy előre lépjen a listán.
15:27
And you can also see the way that it was drawn.
361
912000
2000
Egyúttal azt is láthatjuk, hogyan készült a rajz.
15:29
Again, you can get the playback and personal contribution.
362
914000
2000
Itt ismét megvan a visszajátszás és a személyes részvétel lehetősége.
15:31
In addition to that, it's listed, the artist's name, the location,
363
916000
3000
Mindezen túl, itt látható a művész neve, lakhelye
15:34
how long they spent drawing it.
364
919000
2000
és hogy mennyi időt töltött a rajz elkészítésével.
15:36
And you can pick a style. So this one was tagged "Abstract."
365
921000
3000
Választhatunk stílust is. Ez itt például az "Absztrakt" címkét hordozza.
15:39
But there's a bunch of different styles.
366
924000
2000
De van itt még egy csomó különböző stílus.
15:41
And you can sort the video a number of different ways.
367
926000
2000
A videó számos különböző módon rendezhető.
15:43
You can say, "I want to see the pointillist version
368
928000
2000
Mondhatjuk például, hogy "egy pointilista verziót szeretnénk",
15:45
or the sketchy version or the realistic version.
369
930000
2000
vagy egy vázlatot,vagy pedig egy valósághű változatot.
15:47
And then this is, again, the abstract version,
370
932000
2000
És ez itt ismét az absztrakt változat,
15:49
which ends up getting a little bit crazy.
371
934000
3000
ami végül egy kicsit őrültté válik.
15:54
So the last project I want to talk to you about is another collaboration with Chris Milk.
372
939000
3000
Az utólsó projekt, miről beszélni akarok, szintén Chris Milk közreműködésével készült.
15:57
And this is called "The Wilderness Downtown."
373
942000
2000
A neve "A Belvárosi Vadon".
15:59
It's an online music video for the Arcade Fire.
374
944000
3000
Ez egy online zenei videó a "The Arcade Fire"-hoz.
16:02
Chris and I were really amazed
375
947000
2000
Christ és engem teljesen lenyűgöznek
16:04
by the potential now with modern web browsers,
376
949000
2000
a modern webböngészők lehetőségei,
16:06
where you have HTML5 audio and video
377
951000
2000
a HTML5 audió és videó,
16:08
and the power of JavaScript to render amazingly fast.
378
953000
3000
és a JavaScript rendkívül gyors megjelenítési képessége.
16:11
And we wanted to push the idea of the music video that was meant for the Web
379
956000
3000
A webre tervezett zenei videó ötletét ki akartuk terjeszteni
16:14
beyond the four-by-three or sixteen-by-nine window
380
959000
3000
a 4/3-as vagy 16/9-es ablakokon túl,
16:17
and try to make it play out and choreograph throughout the screen.
381
962000
3000
és az egész képernyőt betöltő koreográfiát akartunk megvalósítani.
16:20
But most importantly, I think,
382
965000
2000
A legfontosabb azonban, azt hiszem,
16:22
we really wanted to make an experience that was unlike the Johnny Cash Project,
383
967000
3000
hogy olyan kísérletet akartunk elvégezni, ami teljesen más, mint a Johnny Cash projekt,
16:25
where you had a small group of people spending a lot of time
384
970000
3000
ahol emberek egy kis csoportja tölt el rengeteg időt azzal,
16:28
to contribute something for everyone.
385
973000
2000
hogy mindenkinek nyújtson valamit.
16:30
What if we had a very low commitment,
386
975000
3000
Mi lenne, ha mindenki csak egy kis részt végezne a munkából,
16:33
but delivered something individually unique to each person who contributed?
387
978000
3000
de valami egyedit adna az összes többi résztvevőnek?
16:36
So the project starts off by asking you to enter the address
388
981000
2000
Ezért a projekt úgy indul, hogy mindenkitől bekérjük azt a címet,
16:38
of the home where you grew up.
389
983000
2000
ahol felnevelkedett.
16:40
And you type in the address --
390
985000
2000
Beírjuk a címet --
16:42
it actually creates a music video specifically for you,
391
987000
2000
aminek hatására létrejön egy speciálisan ránk szabott videó,
16:44
pulling in Google maps and Streetview images
392
989000
2000
ami a Google térkép és Streetview képek használatával
16:46
into the experience itself.
393
991000
2000
valósul meg.
16:48
So this should really be seen at home with you typing in your own address,
394
993000
3000
Ezt otthon, saját címének megadásával bárki kipróbálhatja,
16:51
but I'm going to give you a little preview of what you can expect.
395
996000
3000
de én most szeretném bemutatni, mire számíthatnak.
16:54
(Video) Win Butler: ♫ Now our lives are changing fast ♫
396
999000
4000
(Videó) Win Butler: ♫ Now our lives are changing fast ♫
16:58
♫ Now our lives are changing fast ♫
397
1003000
4000
♫ Now our lives are changing fast ♫
17:02
♫ Hope that something pure can last ♫
398
1007000
3000
♫ Hope that something pure can last ♫
17:06
♫ Hope that something pure can last ♫
399
1011000
4000
♫ Hope that something pure can last ♫
17:13
♫ Ooh we used to wait ♫
400
1018000
4000
♫ Ooh we used to wait ♫
17:17
♫ Ooh we used to wait ♫
401
1022000
4000
♫ Ooh we used to wait ♫
17:21
♫ Ooh we used to wait ♫
402
1026000
3000
♫ Ooh we used to wait ♫
17:24
♫ Sometimes it never came ♫
403
1029000
3000
♫ Sometimes it never came ♫
17:27
♫ Sometimes it never came ♫
404
1032000
4000
♫ Sometimes it never came ♫
17:31
♫ Still moving through the pain ♫
405
1036000
3000
♫ Still moving through the pain ♫
17:34
♫ We used to wait for it ♫
406
1039000
4000
♫ We used to wait for it ♫
17:38
♫ We used to wait for it ♫
407
1043000
4000
♫ We used to wait for it ♫
17:42
♫ We used to wait for it ♫
408
1047000
4000
♫ We used to wait for it ♫
17:50
AK: So I think, if there's one thing to take away from my talk today,
409
1055000
3000
AK: Azt hiszem, ha valamire érdemes emlékezni a mai előadásomból,
17:53
it's that an interface can be a powerful narrative device.
410
1058000
2000
az az, hogy az interfész használható egy erőteljes elbeszélő eszközként.
17:55
And as we collect more and more personally and socially relevant data,
411
1060000
4000
És ahogy egyre több és több szermélyesen és társadalmilag lényeges adatot gyűjtünk,
17:59
we have an opportunity, and maybe even an obligation,
412
1064000
2000
lehetőségünk, vagy akár kötelességünk, lesz
18:01
to maintain the humanity and tell some amazing stories
413
1066000
2000
megőrizni az emberiességet, és érdekes történeteket mesélni,
18:03
as we explore and collaborate together.
414
1068000
2000
miközben együttműködve jutunk el a felfedezésekig.
18:05
Thanks a lot.
415
1070000
2000
Köszönöm.
18:07
(Applause)
416
1072000
4000
(Taps)
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