TED2011
Aaron Koblin: Visualizing ourselves ... with crowd-sourced data
Aaron Koblin: Una visualizzazione artistica della nostra umanità
Filmed:
Readability: 4.2
1,731,467 views
L'artista Aaron Koblin raccoglie enormi quantità di dati -- avvalendosi a volte di un vasto numero di persone -- e li intreccia per dare vita a creazioni visive mozzafiato. Da eleganti linee che tracciano le rotte degli aerei di linea a paesaggi costruiti con dati estrapolati dai telefoni cellulari, da un video di Johnny Cash creato assemblando dei disegni di tante persone differenti al video "Selvaticità in Città" che si personalizza in base ai parametri scelti dall'utente, i lavori di Koblin esplorano acutamente il modo in cui la tecnologia moderna può renderci più umani.
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
Penso davvero che i dati possano renderci più umani.
00:19
We're collecting and creating all kinds of data about how we're living our lives,
1
4000
3000
Raccogliamo e creiamo dati su qualsiasi cosa riguardante il modo in cui viviamo,
00:22
and it's enabling us to tell some amazing stories.
2
7000
2000
e grazie a ciò possiamo raccontare storie straordinarie.
00:24
Recently, a wise media theorist Tweeted,
3
9000
3000
Di recente, un saggio teorico dei media ha scritto su Twitter,
00:27
"The 19th century culture was defined by the novel,
4
12000
2000
"La cultura del 19°secolo è stata segnata dal romanzo,
00:29
the 20th century culture was defined by the cinema,
5
14000
2000
la cultura del 20°secolo è stata segnata dal cinema,
00:31
and the culture of the 21st century
6
16000
2000
e la cultura del 21°secolo
00:33
will be defined by the interface."
7
18000
2000
verrà segnata dal mondo virtuale."
00:35
And I believe this is going to prove true.
8
20000
2000
E credo davvero che andrà a finire così.
00:37
Our lives are being driven by data,
9
22000
2000
Le nostre vite sono influenzate dai dati,
00:39
and the presentation of that data is an opportunity
10
24000
2000
e la presentazione di quei dati ci dà l'opportunità
00:41
for us to make some amazing interfaces that tell great stories.
11
26000
2000
di creare delle opere che possano raccontare grandi storie.
00:43
So I'm going to show you a few of the projects
12
28000
2000
Adesso vi mostrerò alcuni dei progetti
00:45
that I've been working on over the last couple years
13
30000
2000
su cui ho lavorato nel corso degli ultimi 2 anni,
00:47
that reflect on our lives and our systems.
14
32000
2000
sono riflessioni sulle nostre vite e sistemi.
00:49
This is a project called Flight Patterns.
15
34000
2000
Questo progetto si chiama "Strutture di volo"
00:51
What you're looking at is airplane traffic
16
36000
2000
Ciò che vedete è il traffico aereo
00:53
over North America for a 24-hour period.
17
38000
3000
ripreso nel corso di 24ore nei cieli del Nord America.
00:56
As you see, everything starts to fade to black,
18
41000
2000
Come vedete, ogni cosa comincia ad oscurarsi,
00:58
and you see people going to sleep.
19
43000
2000
e vedete la gente che va a dormire.
01:00
Followed by that, you see on the West coast
20
45000
2000
Dopodiché potete vedere sulla costa occidentale
01:02
planes moving across, the red-eye flights to the East coast.
21
47000
3000
aerei che attraversano il paese, i voli notturni per la costa orientale.
01:05
And you'll see everybody waking up on the East coast,
22
50000
3000
Ora vedete la gente che si sta svegliando sulla costa orientale,
01:08
followed by European flights coming in the upper right-hand corner.
23
53000
3000
e poi gli aerei provenienti dall'Europa, lì nell'angolo in alto a destra.
01:11
Everybody's moving from the East coast to the West coast.
24
56000
3000
Tutti si spostano dalla costa orientale alla costa occidentale.
01:14
You see San Francisco and Los Angeles
25
59000
2000
Guardate, San Francisco e Los Angeles
01:16
start to make their journeys down to Hawaii in the lower left-hand corner.
26
61000
3000
hanno cominciato ad operare le tratte verso le Hawaii, lì in basso a sinistra.
01:19
I think it's one thing to say there's 140,000 planes
27
64000
2000
Penso che una cosa sia dire che ci sono 140.000 aerei
01:21
being monitored by the federal government at any one time,
28
66000
3000
monitorati dal governo federale in ogni momento,
01:24
and it's another thing to see that system as it ebbs and flows.
29
69000
3000
e un'altra vedere da vicino il flusso e riflusso del sistema.
01:29
This is a time-lapse image of that exact same data,
30
74000
2000
Questa è un'immagine al rallentatore degli stessi dati
01:31
but I've color-coded it by type,
31
76000
2000
ma ad ogni tipologia ho abbinato un colore,
01:33
so you can see the diversity of aircraft that are in the skies above us.
32
78000
3000
così saltano all'occhio i diversi tipi di aerei che solcano i nostri cieli.
01:36
And I started making these, and I put them into Google Maps
33
81000
3000
Ho cominciato a creare queste e a caricarle su Google Maps
01:39
and allow you to zoom in and see individual airports
34
84000
2000
così potete ingrandire l'immagine e vedere ogni singolo aeroporto
01:41
and the patterns that are occurring there.
35
86000
2000
nonché ciò che sta accadendo lì.
01:43
So here we can see the white represents low altitudes,
36
88000
3000
In questo caso, il bianco rappresenta le basse altitudini,
01:46
and the blue are higher altitudes.
37
91000
2000
e il blu le altitudini più elevate.
01:48
And you can zoom in. This is taking a look at Atlanta.
38
93000
2000
Potete ingrandirla. Qui stiamo dando un'occhiata ad Atlanta.
01:50
You can see this is a major shipping airport,
39
95000
2000
Si tratta di un'importante aeroporto commerciale,
01:52
and there's all kinds of activity there.
40
97000
2000
in cui si svolge ogni tipo di attività.
01:54
You can also toggle between altitude
41
99000
3000
Potete passare da un'altitudine all'altra
01:57
for model and manufacturer.
42
102000
2000
in base a modello e costruttore.
01:59
See again, the diversity.
43
104000
2000
Ancora una volta, la diversità.
02:01
And you can scroll around and see
44
106000
2000
Potete cliccare ovunque, vedere
02:03
some of the different airports and the different patterns that they have.
45
108000
3000
alcuni dei vari tipi di aeroporti e vedere le loro diverse strutture.
02:06
This is scrolling up the East coast.
46
111000
2000
Qui vediamo la costa orientale.
02:08
You can see some of the chaos that's happening in New York
47
113000
2000
Potete notare il gran daffare
02:10
with the air traffic controllers
48
115000
2000
dei controllori del traffico aereo di New York
02:12
having to deal with all those major airports next to each other.
49
117000
4000
che devono far fronte alla vicinanza di così tanti grandi aeroporti.
02:17
So zooming back out real quick,
50
122000
2000
Riportando velocemente l'immagine a dimensione normale,
02:19
we see, again, the U.S. -- you get Florida down in the right-hand corner.
51
124000
3000
vediamo, ancora, gli USA -- c'è la Florida in basso a destra.
02:22
Moving across to the West coast,
52
127000
2000
Spostandoci verso la costa occidentale,
02:24
you see San Francisco and Los Angeles --
53
129000
2000
potete vedere San Francisco e Los Angeles --
02:26
big low-traffic zones
54
131000
2000
grandi zone poco trafficate
02:28
across Nevada and Arizona.
55
133000
2000
tra il Nevada e l'Arizona.
02:30
And that's us down there in L.A. and Long Beach on the bottom.
56
135000
4000
E quelli laggiù siamo noi a Los Angeles e Long Beach in fondo.
02:36
I started taking a look as well at different perimeters,
57
141000
2000
Ho cominciato a fare attenzione anche ai diversi perimetri,
02:38
because you can choose what you want to pull out from the data.
58
143000
2000
perché si possono scegliere le cose che vi interessano di più.
02:40
This is looking at ascending versus descending flights.
59
145000
3000
Qui si possono vedere aerei che decollano e atterrano.
02:43
And you can see, over time, the ways the airports change.
60
148000
2000
E potete notare come, nel tempo, gli aeroporti cambino.
02:45
You see the holding patterns that start to develop
61
150000
2000
Si vedono le strutture portanti che cominciano a svilupparsi
02:47
in the bottom of the screen.
62
152000
2000
sul fondo dello schermo.
02:49
And you can see, eventually the airport actually flips directions.
63
154000
3000
Guardate, alla fine l'aeroporto inverte anche le direzioni.
02:53
So this is another project that I worked on with the Sensible Cities Lab at MIT.
64
158000
3000
Questo è un altro progetto a cui ho lavorato con il Sensible Cities Lab al MIT.
02:56
This is visualizing international communications.
65
161000
2000
Consiste nel visualizzare le comunicazioni internazionali.
02:58
So it's how New York communicates
66
163000
2000
Mostra come New York comunica
03:00
with other international cities.
67
165000
2000
con altre città internazionali.
03:02
And we set this up as a live globe in the Museum of Modern Art in New York
68
167000
3000
Abbiamo installato un globo interattivo al Museo di Arte Moderna di New York
03:05
for the Design the Elastic Mind exhibition.
69
170000
2000
durante la mostra intitolata "Design the Elastic Mind".
03:07
And it had a live feed with a 24-hour offset,
70
172000
2000
Riceveva notizie in tempo reale delle ultime 24 ore,
03:09
so you could see the changing relationship
71
174000
2000
potete vedere l’evoluzione delle interrelazioni
03:11
and some demographic info
72
176000
2000
e alcune informazioni demografiche
03:13
coming through AT&T's data and revealing itself.
73
178000
3000
che rendevano sotto forma di immagini i dati della AT&T.
03:16
This is another project I worked on with Sensible Cities Lab
74
181000
2000
Questo è un altro progetto a cui ho lavorato con il Sensible Cities Lab
03:18
and CurrentCity.org.
75
183000
2000
e CurrentyCity.org.
03:20
And it's visualizing SMS messages being sent in the city of Amsterdam.
76
185000
3000
Consiste nel visualizzare gli SMS inviati nella città di Amsterdam.
03:23
So you're seeing the daily ebb and flow
77
188000
2000
State vedendo il flusso e riflusso
03:25
of people sending SMS messages from different parts of the city,
78
190000
2000
degli SMS inviati da persone in differenti parte della città,
03:27
until we approach New Year's Eve, where everybody says, "Happy New Year!"
79
192000
3000
fino ad arrivare alla notte di Capodanno, quando tutti si augurano "Buon Anno!"
03:30
(Laughter)
80
195000
2000
(Risate)
03:32
So this is an interactive tool
81
197000
2000
Dunque questo è uno strumento interattivo
03:34
that you can move around and see different parts of the city.
82
199000
3000
che potete muovere a piacere e che vi permette di vedere varie parti della città.
03:37
This is looking at another event. This is called Queen's Day.
83
202000
3000
Questa è la rappresentazione di un altro evento. E' chiamato "Giorno della Regina".
03:40
So again, you get this daily ebb and flow
84
205000
2000
Di nuovo, vedete questo flusso e riflusso
03:42
of people sending SMS messages from different parts of the city.
85
207000
3000
di SMS inviati da persone in diverse parti della città.
03:45
And then you're going to see people start to gather in the center of the city
86
210000
2000
Ora notate che la gente comincia a spostarsi verso il centro della città
03:47
to celebrate the night before,
87
212000
2000
per festeggiare la notte di vigilia,
03:49
which happens right here.
88
214000
2000
il che avviene proprio qui.
03:51
And then you can see people celebrating the next day.
89
216000
2000
E ora vedete che c'è gente che festeggia anche il giorno dopo.
03:53
And you can pause it and step back and forth and see different phases.
90
218000
3000
Potete metterlo in pausa, tornare indietro, mandarlo avanti e vedere le diverse fasi.
03:56
So now on to something completely different.
91
221000
2000
E adesso qualcosa di completamente diverso.
03:58
Some of you may recognize this.
92
223000
2000
Alcuni di voi lo riconosceranno.
04:00
This is Baron Wolfgang von Kempelen's mechanical chess playing machine.
93
225000
3000
E' una scacchiera meccanica del Barone Wolfgang von Kempelen.
04:03
And it's this amazing robot that plays chess extremely well,
94
228000
2000
E c'è questo fantastico robot che sa giocare molto bene a scacchi,
04:05
except for one thing: it's not a robot at all.
95
230000
3000
eccezion fatta per una cosa: non è per nulla un robot.
04:08
There's actually a legless man that sits in that box
96
233000
2000
In realtà, c'è un uomo senza gambe seduto nella scatola
04:10
and controls this chess player.
97
235000
2000
che controlla il giocatore di scacchi.
04:12
This was the inspiration for a web service by Amazon
98
237000
2000
E' stata l'ispirazione per un servizio in rete di Amazon
04:14
called the Mechanical Turk -- named after this guy.
99
239000
3000
chiamato il Turco Meccanico - in onore di questo tipo.
04:17
And it's based on the premise that there are certain things
100
242000
2000
E si basa sulla premessa secondo cui alcune cose
04:19
that are easy for people, but really difficult for computers.
101
244000
2000
sono molto semplici per le persone, ma davvero difficili per i computer.
04:21
So they made this web service and said,
102
246000
2000
Così hanno creato questo servizio on-line e hanno detto,
04:23
"Any programmer can write a piece of software
103
248000
2000
"Ogni programmatore può creare una parte di programma
04:25
and tap into the minds of thousands of people."
104
250000
2000
ed entrare nella testa di migliaia di persone."
04:27
The nerdy side of me thought, "Wow, this is amazing.
105
252000
2000
La mia parte nerd ha pensato "Wow, strabiliante.
04:29
I can tap into thousands of people's minds."
106
254000
2000
Posso entrare nella testa di migliaia di persone."
04:31
And the other nerdy side of me thought,
107
256000
2000
Ma l'altra mia parte nerd ha pensato,
04:33
"This is horrible. This is completely bizarre.
108
258000
3000
"E' orribile. E' assolutamente bizzarro.
04:36
What does this mean for the future of mankind,
109
261000
2000
Cosa significa per il futuro dell'umanità,
04:38
where we're all plugged into this borg?"
110
263000
2000
che diventeremo tutti dei cyborg?"
04:40
I was probably being a little extreme.
111
265000
2000
Forse mi ero spinto un po’ troppo in là.
04:42
But what does this mean when we have no context for what it is that we're working on,
112
267000
2000
Ma allora che vuol dire che non conosciamo il contesto di ciò a cui stiamo lavorando,
04:44
and we're just doing these little labors?
113
269000
2000
e facciamo solo il nostro piccolo pezzetto?
04:46
So I created this drawing tool.
114
271000
2000
Per cui ho creato questo strumento per disegnare.
04:48
I asked people to draw a sheep facing to the left.
115
273000
2000
Ho chiesto alla gente di disegnare una pecora con la testa a sinistra.
04:50
And I said, "I'll pay you two cents for your contribution."
116
275000
2000
E ho detto, "Vi darò 2 centesimi per il vostro contributo."
04:52
And I started collecting sheep.
117
277000
3000
E hanno cominciato a spedirmi pecore.
04:55
And I collected a lot, a lot of different sheep.
118
280000
3000
Ho raccolto tante, tante pecore diverse.
04:59
Lots of sheep.
119
284000
2000
Un sacco di pecore.
05:01
I took the first 10,000 sheep that I collected,
120
286000
2000
Ho preso le prime 10.000 pecore che ho raccolto,
05:03
and I put them on a website called TheSheepMarket.com
121
288000
3000
e le ho messe su un sito Internet chiamato TheSheepMarket.com
05:06
where you can actually buy collections of 20 sheep.
122
291000
3000
dove si possono acquistare collezioni di 20 pecore.
05:09
You can't pick individual sheep,
123
294000
2000
Non potete scegliere una singola pecora,
05:11
but you can buy a single plate block of stamps as a commodity.
124
296000
4000
ma potete acquistare un foglio adesivo con i disegni di 20 pecore.
05:15
And juxtaposed against this grid,
125
300000
2000
E dietro a questa griglia
05:17
you see actually, by rolling over each individual one,
126
302000
2000
potete vedere, passando il mouse su ognuna di queste,
05:19
the humanity behind this hugely mechanical process.
127
304000
3000
l'umanità che c'è dietro questo immenso processo meccanico.
05:22
I think there's something really interesting
128
307000
2000
Ritengo che ci sia qualcosa di veramente interessante
05:24
to watching people as they go through this creative toil --
129
309000
3000
nel guardare le persone mentre compiono questa fatica creativa --
05:27
something we can all relate to,
130
312000
2000
qualcosa che vale per tutti,
05:29
this creative process of trying to come up with something from nothing.
131
314000
3000
questo processo creativo durante il quale si cerca di creare qualcosa dal nulla.
05:32
I think it was really interesting to juxtapose this humanity
132
317000
2000
Ritengo sia stato interessante sovrapporre quest'umanità
05:34
versus this massive distributed grid.
133
319000
2000
a quest'immensa griglia.
05:36
Kind of amazing what some people did.
134
321000
3000
E' meraviglioso ciò che alcune persone hanno creato.
05:39
So here's a few statistics from the project.
135
324000
2000
Eccovi alcune statistiche derivanti dal progetto.
05:41
Approximate collection rate of 11 sheep per hour,
136
326000
2000
Sono state inviate in media 11 pecore l'ora,
05:43
which would make a working wage of 69 cents per hour.
137
328000
3000
il che ammonta a 69 centesimi di stipendio l'ora.
05:46
There were 662 rejected sheep
138
331000
2000
Sono state rifiutate 662 pecore
05:48
that didn't meet "sheep-like" criteria and were thrown out of the flock.
139
333000
3000
perchè non rispettavano i canoni e sono state eliminate dal gregge.
05:51
(Laughter)
140
336000
2000
(Risate)
05:53
The amount of time spent drawing ranged from four seconds to 46 minutes.
141
338000
3000
Il tempo impiegato per disegnarle si aggirava tra i 4 secondi e i 46 minuti.
05:56
That gives you an idea of the different types of motivations and dedication.
142
341000
3000
Ciò può darvi un'idea dei diversi tipi di motivazioni e della dedizione.
05:59
And there were 7,599 people that contributed to the project,
143
344000
3000
7.599 persone hanno dato il loro contributo al progetto,
06:02
or were unique IP addresses --
144
347000
2000
o perlomeno si trattava di indirizzi IP univoci --
06:04
so about how many people contributed.
145
349000
2000
per capire quanto persone avessero contribuito.
06:06
But only one of them out of the 7,599 said this.
146
351000
4000
Ma solo una delle 7.599 persone ha detto questo.
06:10
(Laughter)
147
355000
4000
(Risate)
06:14
Which I was pretty surprised by.
148
359000
2000
Il che mi ha parecchio sorpreso.
06:16
I expected people to be wondering, "Why did I draw a sheep?"
149
361000
3000
Mi aspettavo che tutti si chiedessero, "Perchè ho disegnato una pecora?"
06:19
And I think it's a pretty valid question.
150
364000
2000
Penso sia una domanda legittima.
06:21
And there's a lot of reasons why I chose sheep.
151
366000
2000
E ci sono molti motivi per cui ho scelto la pecora.
06:23
Sheep were the first animal
152
368000
2000
La pecora è stato il primo animale
06:25
to be raised from mechanically processed byproducts,
153
370000
2000
ad essere allevato per sottoprodotti trattati meccanicamente,
06:27
the first to be selectively bred for production traits,
154
372000
2000
il primo ad essere progressivamente selezionato sulla base di caratteristiche produttive,
06:29
the first animal to be cloned.
155
374000
2000
il primo animale ad essere stato clonato.
06:31
Obviously, we think of sheep as followers.
156
376000
2000
Ovviamente, associamo le pecore all'idea dei seguaci.
06:33
And there's this reference to "Le Petit Prince"
157
378000
2000
E c'è questo riferimento al "Piccolo Principe"
06:35
where the narrator asks the prince to draw a sheep.
158
380000
2000
in cui il narratore chiede al principe di disegnare una pecora.
06:37
He draws sheep after sheep.
159
382000
2000
Lui disegna pecora dopo pecora.
06:39
The narrator's only appeased when he draws a box.
160
384000
2000
Il narratore è soddisfatto solo quando disegna una scatola.
06:41
And he says, "It's not about a scientific rendering of a sheep.
161
386000
2000
E dice, "Non si tratta di disegnare in modo scientifico una pecora.
06:43
It's about your own interpretation and doing something different."
162
388000
3000
Si tratta di avere la tua interpretazione e fare qualcosa di differente."
06:46
And I like that.
163
391000
2000
E questo mi piace.
06:48
So this is a clip from Charlie Chaplin's "Modern Times."
164
393000
2000
Questo è un video tratto da "Tempi Moderni" di Charlie Chaplin.
06:50
It's showing Charlie Chaplin dealing with some of the major changes
165
395000
3000
Mostra Charlie Chaplin mentre affronta i principali cambiamenti
06:53
during the Industrial Revolution.
166
398000
2000
avvenuti durante la Rivoluzione Industriale.
06:55
So there were no longer shoe makers,
167
400000
2000
Non esistevano più i ciabattini,
06:57
but now there are people slapping soles on people's shoes.
168
402000
2000
ma ora c'erano persone che attaccavano suole sulle scarpe della gente.
06:59
And the whole idea of one's relationship to their work changed a lot.
169
404000
3000
E l'intera concezione del proprio rapporto con il lavoro è cambiata molto.
07:02
So I thought this was an interesting clip
170
407000
2000
Ho pensato che fosse un video interessante
07:04
to divide into 16 pieces
171
409000
2000
da dividere in 16 parti
07:06
and feed into the Mechanical Turk with a drawing tool.
172
411000
3000
e da inserire nel Turco Meccanico con uno strumento per disegnare.
07:09
This basically allowed -- what you see on the left side is the original frame,
173
414000
3000
In pratica, ciò mi ha permesso -- sul lato sinistro vedete il fotogramma originale,
07:12
and on the right side you see that frame
174
417000
2000
e sul lato destro vedete quel fotogramma
07:14
as interpreted by 16 people
175
419000
2000
interpretato da 16 persone
07:16
who have no idea what it is they're doing.
176
421000
2000
che non avevano idea di cosa stessero facendo.
07:18
And this was the inspiration for a project
177
423000
2000
Ed è da ciò che ho tratto ispirazione per un progetto
07:20
that I worked on with my friend Takashi Kawashima.
178
425000
2000
su cui ho lavorato con il mio amico Takashi Kawashima.
07:22
We decided to use the Mechanical Turk for exactly what it was meant for,
179
427000
2000
Abbiamo usato il Turco Meccanico proprio per lo scopo per cui è stato creato,
07:24
which is making money.
180
429000
2000
cioè fare soldi.
07:26
So we took a hundred dollar bill and divided it into 10,000 teeny pieces,
181
431000
3000
Abbiamo preso una banconota da $100 e l'abbiamo ridotta in 10.000 pezzettini,
07:29
and we fed those into the Mechanical Turk.
182
434000
2000
e li abbiamo inseriti nel Turco Meccanico.
07:31
We asked people to draw what it was that they saw.
183
436000
2000
Abbiamo chiesto alla gente di disegnare ciò che vedevano.
07:33
But here there was no sheep-like criteria.
184
438000
2000
Ma qui non c'erano parametri come per la pecora.
07:35
People, if they drew a stick figure or a smiley face,
185
440000
3000
Le persone, sia che abbiano disegnato una linea o una faccia sorridente,
07:38
it actually made it into the bill.
186
443000
2000
hanno contribuito alla banconota.
07:40
So what you see is actually a representation of how well people did
187
445000
2000
Per cui ciò che vedete è una rappresentazione di come la gente
07:42
what it was they were asked to do.
188
447000
2000
abbia eseguito ciò che era stato loro chiesto.
07:44
So we took these hundred dollar bills,
189
449000
2000
Abbiamo preso queste banconote da $100
07:46
and we put them on a website called TenThousandsCents.com,
190
451000
2000
e le abbiamo messe su un sito internet chiamato TenThousandsCents.com,
07:48
where you can browse through and see all the individual contributions.
191
453000
3000
dove potete andare a vedere il contributo individuale di ognuno.
07:51
And you can also trade real hundred-dollar bills for fake hundred-dollar bills
192
456000
3000
E potete scambiare delle vere banconote da $100 per quelle false
07:54
and make a donation to the Hundred Dollar Laptop Project,
193
459000
3000
facendo una donazione al progetto "Portatile da 100 Dollari",
07:57
which is now known as One Laptop Per Child.
194
462000
3000
che è meglio conosciuto come "1 portatile per ogni bambino".
08:00
This is again showing all the different contributions.
195
465000
2000
Questo mostra ancora tutti i diversi contributi.
08:02
You see some people did beautiful stipple renderings,
196
467000
2000
Vedete come alcuni abbiano usato la tecnica puntiforme,
08:04
like this one on top --
197
469000
2000
come questo in alto --
08:06
spent a long time making realistic versions.
198
471000
3000
perdendo molto tempo a creare versioni realistiche.
08:09
And other people would draw stick figures or smiley faces.
199
474000
3000
Mentre altri hanno disegnato linee e facce sorridenti.
08:12
Here on the right-hand side in the middle
200
477000
2000
Qui, a metà sul lato destro
08:14
you see this one guy writing, "$0.01!!! Really?"
201
479000
3000
vedete che questo ragazzo ha scritto, "$0,01!!! Davvero?"
08:17
That's all I'm getting paid for this?
202
482000
4000
Mi danno solo questo in cambio?
08:21
(Laughter)
203
486000
2000
(Risate)
08:23
So the last Mechanical Turk project I'm going to talk to you about
204
488000
2000
Dunque, l'ultimo progetto del Turco Meccanico di cui vi voglio parlare
08:25
is called Bicycle Built for 2000.
205
490000
2000
si chiama "Bicicletta Costruita per 2000",
08:27
This is a collaboration with my friend Daniel Massey.
206
492000
2000
in collaborazione con il mio amico Daniel Massey.
08:29
You may recognize these two guys.
207
494000
2000
Forse riconoscerete questi 2 signori.
08:31
This is Max Mathews and John Kelly from Bell Labs in the '60s,
208
496000
3000
Sono Max Mathews e John Kelly dei Bell Labs negli anni '60,
08:34
where they created the song "Daisy Bell,"
209
499000
2000
dove hanno creato la canzone "Daisy Bell,"
08:36
which was the world's first singing computer.
210
501000
2000
che è stato il primo computer a cantare.
08:38
You may recognize it from "2001: A Space Odyssey."
211
503000
2000
Magari la ricorderete nel film "2001: Odissea nello Spazio."
08:40
When HAL's dying at the end of the film he starts singing this song,
212
505000
3000
Mentre HAL sta morendo alla fine del film comincia a cantare questa canzone,
08:43
as a reference to when computers became human.
213
508000
3000
come riferimento al momento in cui i computer sono divenuti umani.
08:46
So we resynthesized this song.
214
511000
2000
Per cui abbiamo rielaborato questa canzone.
08:48
This is what that sounded like.
215
513000
2000
Questo è il risultato.
08:50
We broke down all the individual notes
216
515000
2000
Abbiamo diviso tutte le singole note
08:52
in the singing as well as the phonemes in the singing.
217
517000
3000
della parte cantata così come i fonemi del canto.
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: E abbiamo preso tutti questi pezzettini,
09:01
and we fed them into another Turk request.
220
526000
2000
e li abbiamo inseriti nel Turco.
09:03
This is what it would look like if you went to the site.
221
528000
2000
Questo è ciò che vedreste sul sito.
09:05
You type in your code,
222
530000
2000
Inserite il vostro codice,
09:07
but you first test your mic.
223
532000
2000
ma prima dovete controllare il vostro microfono.
09:09
You'd be fed a simple audio clip.
224
534000
2000
Ascolterete una breve registrazione audio.
09:11
(Honk)
225
536000
2000
(Clacson)
09:13
And then you'd do your best to recreate that with your own voice.
226
538000
3000
E poi dovete fare del vostro meglio per riprodurre ciò che avete ascoltato.
09:22
After previewing it and confirming it's what you submitted,
227
547000
3000
Dopo averlo controllato e aver confermato che va bene,
09:25
you could submit it into the Mechanical Turk with no other context.
228
550000
3000
potete inviarlo al Turco Meccanico senza bisogno di altro contesto.
09:28
And this is what we first got back from the very first set of submissions.
229
553000
3000
E queste sono le prime registrazioni che ci sono state inviate.
09:31
Recording: ♫ Daisy, Daisy ♫
230
556000
5000
Registrazione: ♫ Daisy, Daisy ♫
09:36
♫ give me your answer do ♫
231
561000
5000
♫ dammi una risposta dài♫
09:41
♫ I'm half crazy ♫
232
566000
4000
♫ sono quasi impazzito ♫
09:45
♫ all for the love of you ♫
233
570000
5000
♫ d'amore per te ♫
09:50
♫ It can't be a stylish marriage ♫
234
575000
5000
♫ non può essere un matrimonio sontuoso♫
09:55
♫ I can't afford a carriage ♫
235
580000
4000
♫ non posso permettermi la carrozza ♫
09:59
♫ But you'll look sweet upon the seat ♫
236
584000
5000
♫ Ma sembrerai molto dolce seduta ♫
10:04
♫ of a bicycle built for two ♫
237
589000
5000
♫ su quella bicicletta costruita per due ♫
10:09
AK: So James Surowieki has this idea of the wisdom of crowds,
238
594000
3000
AK: James Surowieki ha questa idea riguardo la saggezza delle folle,
10:12
that says that a whole bunch of people are smarter than any individual.
239
597000
3000
secondo cui un intero gruppo di persone è più intelligente di qualsiasi individuo.
10:15
We wanted to see how this applies to collaborative, distributed music making,
240
600000
3000
Abbiamo voluto vedere fino a che punto ciò si potesse applicare alla musica,
10:18
where nobody has any idea what it is they're working on.
241
603000
3000
senza che nessuno avesse la minima idea di ciò che stava facendo.
10:21
So if you go to the BicycleBuiltforTwoThousand.com
242
606000
2000
Se andate sul sito BicycleBuiltForTwothousand.com
10:23
you can actually hear what all this sounds like together.
243
608000
2000
ascolterete il risultato di tutti questi pezzi messi insieme.
10:25
I'm sorry for this.
244
610000
2000
Mi scuso per ciò che sto per fare.
10:27
(Noise)
245
612000
5000
(Rumori)
10:32
Chorus: ♫ Daisy, Daisy ♫
246
617000
4000
Ritornello: ♫ Daisy, Daisy ♫
10:36
♫ Give me your answer do ♫
247
621000
5000
♫ dammi una risposta dài♫
10:41
♫ I'm half crazy ♫
248
626000
5000
♫ sono quasi impazzito ♫
10:46
♫ all for the love of you ♫
249
631000
4000
♫ d'amore per te ♫
10:50
♫ It can't be a stylish marriage ♫
250
635000
5000
♫ non può essere un matrimonio sontuoso ♫
10:55
♫ I can't afford a carriage ♫
251
640000
4000
♫ non posso permettermi la carrozza ♫
10:59
♫ But you'd look sweet upon the seat ♫
252
644000
5000
♫ Ma sembrerai molto dolce seduta ♫
11:04
♫ of a bicycle built for two ♫
253
649000
6000
♫ sulla bicicletta costruita per 2 ♫
11:10
AK: So stepping back for a quick second,
254
655000
3000
AK: Torniamo un attimo indietro,
11:13
when I was at UCLA going to grad school,
255
658000
2000
al tempo della mia specialistica alla UCLA
11:15
I was also working at a place called the Center for Embedded Network Sensing.
256
660000
3000
lavoravo anche in un posto chiamato "Centro per il Rilevamento di Rete Interna".
11:18
And I was writing software to visualize laser scanners.
257
663000
3000
Stavo scrivendo un programma per scansioni visive.
11:21
So basically motion through 3D space.
258
666000
2000
Ossia per il movimento nello spazio 3D.
11:23
And this was seen by a director in L.A. named James Frost
259
668000
2000
Questo l'ha visto un regista di Los Angeles che si chiama James Frost
11:25
who said, "Wait a minute.
260
670000
2000
che ha detto, "Aspetta un attimo.
11:27
You mean we can shoot a music video without actually using any video?"
261
672000
2000
Vuoi dire che puoi creare un video musicale senza utilizzare una videocamera?"
11:29
So we did exactly that.
262
674000
2000
Ed è proprio quello che abbiamo fatto.
11:31
We made a music video for one of my favorite bands, Radiohead.
263
676000
2000
Abbiamo fatto un video per una delle mie band preferite, i Radiohead.
11:33
And I think one of my favorite parts of this project
264
678000
2000
E credo che una delle parti che mi è piaciuta di più di questo progetto
11:35
was not just shooting a video with lasers,
265
680000
2000
non è stato solo l'aver creato il video con i laser,
11:37
but we also open sourced it,
266
682000
2000
ma anche il fatto che era aperto a tutti,
11:39
and we made it released as a Google Code project,
267
684000
2000
e l'abbiamo pubblicato come progetto su Google Code,
11:41
where people could download a bunch of the data and some source code
268
686000
2000
così la gente poteva scaricare un po' di dati e di codice sorgente
11:43
to build their own versions of it.
269
688000
2000
per creare la loro versione personale.
11:45
And people were making some amazing things.
270
690000
2000
E la gente stava facendo delle cose stupefacenti.
11:47
This is actually two of my favorites:
271
692000
2000
Questi 2 sono tra i miei preferiti:
11:49
the pin-board Thom Yorke and a LEGO Thom Yorke.
272
694000
2000
Thom Yorke versione bacheca e Thom Yorke versione LEGO.
11:51
A whole YouTube channel of people submitting really interesting content.
273
696000
3000
Un intero canale di YouTube pieno di loro video.
11:54
More recently, somebody even 3D-printed Thom Yorke's head,
274
699000
3000
Più di recente qualcuno ha anche stampato la testa di Thom Yorke in 3D,
11:57
which is a little creepy, but pretty cool.
275
702000
3000
l'idea fa rabbrividire, ma il risultato è fantastico.
12:00
So with everybody making so much amazing stuff
276
705000
2000
Quindi, mentre tutta questa gente creava roba stupenda
12:02
and actually understanding what it was they were working on,
277
707000
3000
comprendendo su cosa si stesse lavorando,
12:05
I was really interested in trying to make a collaborative project
278
710000
2000
a me interessava cercare di creare un progetto collaborativo
12:07
where people were working together to build something.
279
712000
2000
dove la gente lavorasse insieme per costruire qualcosa.
12:09
And I met a music video director named Chris Milk.
280
714000
2000
Ho incontrato un regista di video musicali, Chris Milk.
12:11
And we started bouncing around ideas
281
716000
2000
E abbiamo cominciato a buttar giù qualche idea
12:13
to make a collaborative music video project.
282
718000
2000
per creare un progetto per un video musicale collaborativo.
12:15
But we knew we really needed the right person
283
720000
2000
Sapevamo che avevamo bisogno della persona giusta
12:17
to kind of rally behind and build something for.
284
722000
3000
su cui concentrarci per costruire qualcosa.
12:20
So we put the idea on the back burner for a few months.
285
725000
2000
Abbiamo lasciato l'idea in secondo piano per qualche mese.
12:22
And he ended up talking to Rick Rubin,
286
727000
2000
E alla fine ha parlato con Rick Rubin,
12:24
who was finishing up Johnny Cash's final album
287
729000
2000
che stava completando l'ultimo album di Johnny Cash
12:26
called "Ain't No Grave."
288
731000
2000
chiamato "Non esiste Tomba."
12:28
The lyrics to the leading track are "Ain't no grave can hold my body down."
289
733000
3000
Le parole della canzone sono "Non esiste tomba che possa contenere il mio corpo"
12:31
So we thought this was the perfect
290
736000
2000
Abbiamo pensato che fosse il progetto
12:33
project to build a collaborative memorial
291
738000
2000
perfetto per costruire un memoriale collaborativo
12:35
and a virtual resurrection for Johnny Cash.
292
740000
2000
e una resurrezione virtuale per Johnny Cash.
12:37
So I teamed up with my good friend Ricardo Cabello, also known as Mr. doob,
293
742000
3000
Ho chiesto aiuto al mio buon amico Ricardo Cabello, detto anche Mr doob,
12:40
who's a much better programmer than I am,
294
745000
2000
che è molto più bravo di me come programmatore,
12:42
and he made this amazing Flash drawing tool.
295
747000
2000
e lui ha creato questo fantastico strumento per disegnare in formato Flash.
12:44
As you know,
296
749000
2000
Come sapete,
12:46
an animation is a series of images.
297
751000
2000
un'animazione è formata da una serie di immagini.
12:48
So what we did was cross-cut a bunch of archival footage of Johnny Cash,
298
753000
3000
In breve, abbiamo tratto immagini da alcune riprese di repertorio di Johnny Cash,
12:51
and at eight frames a second,
299
756000
2000
8 fotogrammi al secondo,
12:53
we allowed individuals to draw a single frame
300
758000
2000
e abbiamo dato la possibilità a chiunque di realizzare un fotogramma
12:55
that would get woven into
301
760000
2000
da inserire all'interno
12:57
this dynamically changing music video.
302
762000
2000
di questo video musicale che cambia dinamicamente.
12:59
So I don't have time to play the entire thing for you,
303
764000
2000
Non ho abbastanza tempo per farvelo vedere per intero,
13:01
but I want to show you two short clips.
304
766000
2000
ma voglio mostrarvi 2 brevi video.
13:03
One is the beginning of the music video.
305
768000
2000
Uno è l'inizio del video musicale.
13:05
And that's going to be followed by a short clip
306
770000
2000
E sarà seguito da un breve video che ritrae
13:07
of people who have already contributed to the project
307
772000
2000
alcune delle persone che hanno già contribuito al progetto
13:09
talking about it briefly.
308
774000
3000
e che ne parlano brevemente.
13:12
(Music)
309
777000
6000
(Musica)
13:18
(Video) Johnny Cash: ♫ There ain't no grave ♫
310
783000
2000
(Video) Johnny Cash: ♫ Non esiste tomba ♫
13:20
♫ can hold my body down ♫
311
785000
4000
♫ che possa contenere il mio corpo ♫
13:24
♫ There ain't no grave ♫
312
789000
2000
♫ Non esiste tomba ♫
13:26
♫ can hold body down ♫
313
791000
3000
♫ che possa contenere il mio corpo ♫
13:30
♫ When I hear the trumpet sound ♫
314
795000
4000
♫ quando sentirò quel suono di tromba ♫
13:34
♫ I'm going to ride right out of the ground ♫
315
799000
2000
♫ mi rialzerò e verrò fuori dal terreno ♫
13:36
♫ Ain't no grave ♫
316
801000
3000
♫ Non esiste tomba ♫
13:39
♫ can hold my body ... ♫
317
804000
3000
♫ che possa contenere il mio corpo ♫
13:42
(Applause)
318
807000
2000
(Applausi)
13:44
AK: What better way to pay tribute to the man
319
809000
3000
AK: Quale miglior modo di rendere omaggio all'uomo
13:47
than to make something for one of his songs.
320
812000
3000
se non facendo qualcosa per una delle sue canzoni.
13:50
Collaborator: I felt really sad when he died.
321
815000
2000
Collaboratore: Mi sono rattristato molto per la sua morte.
13:52
And I just thought it'd be wonderful,
322
817000
2000
E ho pensato che sarebbe stato fantastico,
13:54
it'd be really nice to contribute something to his memory.
323
819000
3000
che sarebbe stato carino contribuire a celebrare la sua memoria.
13:57
Collaborator Two: It really allows
324
822000
2000
Collaboratore #2: Dà l'opportunità
13:59
this last recording of his
325
824000
3000
a questo suo ultimo pezzo
14:02
to be a living, breathing memorial.
326
827000
5000
di essere un tributo vivente e vitale.
14:07
Collaborator Three: For all of the frames to be drawn by fans,
327
832000
3000
Collaboratore #3: Perché tutti questi fotogrammi realizzati dai fans,
14:10
each individual frame,
328
835000
2000
ognuno di questi fotogrammi,
14:12
it's got a very powerful feeling to it.
329
837000
2000
gli da una valenza emotiva molto forte.
14:14
Collaborator Four: I've seen everybody
330
839000
2000
Collaboratore #4: Ho visto tutti quanti
14:16
from Japan, Venezuela, to the States,
331
841000
2000
dal Giappone, al Venezuela, agli USA,
14:18
to Knoxville, Tennessee.
332
843000
2000
a Knoxville, Tennessee.
14:20
Collaborator Five: As much as is different from frame to frame,
333
845000
3000
Collaboratore #5: Dato che ogni fotogramma si differenzia dall'altro,
14:23
it really is personal.
334
848000
2000
è davvero personale.
14:25
Collaborator Six: Watching the video in my room,
335
850000
2000
Collaboratore #6: Guardando il video nella mia stanza,
14:27
I could see me not understanding at the beginning of it.
336
852000
3000
all'inizio avevo problemi a capirlo.
14:30
And I just worked and worked through problems,
337
855000
3000
E ho lavorato duramente per risolvere i problemi,
14:33
until my little wee battles that I was fighting within the picture
338
858000
4000
fino a che le piccole battaglie che stavo conducendo dentro l'immagine
14:37
all began to resolve themselves.
339
862000
3000
hanno cominciato a risolversi da sè.
14:40
You can actually see the point when I know what I'm doing,
340
865000
2000
Sono giunto al punto in cui sono riuscito a capire cosa stessi facendo,
14:42
and a lot of light and dark comes into it.
341
867000
3000
molta luce e oscurità hanno pervaso l'immagine.
14:45
And in a weird way,
342
870000
2000
In un modo molto strano,
14:47
that's what I actually like about Johnny Cash's music as well.
343
872000
2000
che è anche ciò che mi piace della musica di Johnny Cash.
14:49
It's the sum total of his life,
344
874000
2000
E' il sunto totale della sua vita,
14:51
all the things that had happened --
345
876000
2000
tutte le cose che sono successe --
14:53
the bad things, the good things.
346
878000
2000
le cose brutte, le cose belle.
14:55
You're hearing a person's life.
347
880000
3000
Potete ascoltare la vita di una persona.
15:01
AK: So if you go to the website JohnnyCashProject.com,
348
886000
2000
AK: Per cui se andate sul sito JohnnyCashProject.com,
15:03
what you'll see is the video playing above.
349
888000
2000
potrete vedere il video che stiamo trasmettendo.
15:05
And below it are all the individual frames
350
890000
2000
Proprio sotto il video ci sono tutti i fotogrammi individuali
15:07
that people have been submitting to the project.
351
892000
2000
che le persone ci hanno inviato per contribuire al progetto.
15:09
So this isn't finished at all,
352
894000
2000
Ma il progetto non è concluso,
15:11
but it's an ongoing project where people can continue to collaborate.
353
896000
2000
continua ad andare avanti e si alimenta di tutti i contributi della gente.
15:13
If you roll over any one of those individual thumbnails,
354
898000
2000
Se scorrete con il mouse su ognuna delle immagini d'anteprima,
15:15
you can see the person who drew that individual thumbnail
355
900000
2000
potrete vedere chi ha creato quella determinata immagine
15:17
and where they were located.
356
902000
2000
e dove vive.
15:19
And if you find one that you're interested in,
357
904000
2000
E se trovate qualche immagine che vi interessa,
15:21
you can actually click on it and open up an information panel
358
906000
2000
potete cliccarci sopra con il mouse e vi si aprirà una scheda informativa
15:23
where you're able to rate that frame,
359
908000
2000
dove avete la possibilità di dare un voto al fotogramma,
15:25
which helps it bubble up to the top.
360
910000
2000
per aiutarlo a raggiungere i vertici della classifica.
15:27
And you can also see the way that it was drawn.
361
912000
2000
Potete vedere anche come è stata realizzata.
15:29
Again, you can get the playback and personal contribution.
362
914000
2000
Otterrete la riproduzione e il contributo personale.
15:31
In addition to that, it's listed, the artist's name, the location,
363
916000
3000
Inoltre, ci sono elencati il nome dell'artista, il luogo,
15:34
how long they spent drawing it.
364
919000
2000
quanto tempo ha impiegato per realizzarlo.
15:36
And you can pick a style. So this one was tagged "Abstract."
365
921000
3000
Potete scegliere uno stile. Ad esempio, questo è stato catalogato come "Astratto".
15:39
But there's a bunch of different styles.
366
924000
2000
Ma esistono un bel po' di stili differenti.
15:41
And you can sort the video a number of different ways.
367
926000
2000
E potete impostare il video in modi diversi.
15:43
You can say, "I want to see the pointillist version
368
928000
2000
Potete dire, "Voglio vederlo in versione puntinata
15:45
or the sketchy version or the realistic version.
369
930000
2000
o in versione schizzo o in versione realistica.
15:47
And then this is, again, the abstract version,
370
932000
2000
E questa è di nuovo la versione astratta,
15:49
which ends up getting a little bit crazy.
371
934000
3000
che finisce in modo un po' pazzo.
15:54
So the last project I want to talk to you about is another collaboration with Chris Milk.
372
939000
3000
L'ultimo progetto di cui vi voglio parlare è frutto di un'altra collaborazione con Chris Milk.
15:57
And this is called "The Wilderness Downtown."
373
942000
2000
Si chiama "Selvaticità in città"
15:59
It's an online music video for the Arcade Fire.
374
944000
3000
E' un video musicale su Internet per gli Arcade Fire.
16:02
Chris and I were really amazed
375
947000
2000
Chris ed io siamo rimasti affascinati
16:04
by the potential now with modern web browsers,
376
949000
2000
dal potenziale dei moderni internet browser,
16:06
where you have HTML5 audio and video
377
951000
2000
dove hai a disposizione audio e video in formato HTML5
16:08
and the power of JavaScript to render amazingly fast.
378
953000
3000
e il potere di JavaScript per riprodurre tutto velocemente.
16:11
And we wanted to push the idea of the music video that was meant for the Web
379
956000
3000
Volevamo portare avanti l'idea del video musicale ideato per Internet
16:14
beyond the four-by-three or sixteen-by-nine window
380
959000
3000
ma che andasse oltre lo schermo 4:3 o 16:9,
16:17
and try to make it play out and choreograph throughout the screen.
381
962000
3000
volevamo che uscisse fuori e si muovesse per tutto lo schermo.
16:20
But most importantly, I think,
382
965000
2000
Ma la cosa più importante, penso,
16:22
we really wanted to make an experience that was unlike the Johnny Cash Project,
383
967000
3000
è che volevamo creare qualcosa che fosse diversa dal progetto Johnny Cash,
16:25
where you had a small group of people spending a lot of time
384
970000
3000
dove un piccolo gruppo di persone passava molto tempo
16:28
to contribute something for everyone.
385
973000
2000
a contribuire alla creazione di qualcosa per tutti.
16:30
What if we had a very low commitment,
386
975000
3000
Che ne pensate se mettessimo in campo meno risorse,
16:33
but delivered something individually unique to each person who contributed?
387
978000
3000
ma facessimo qualcosa d'individualmente unico per ognuno dei creatori?
16:36
So the project starts off by asking you to enter the address
388
981000
2000
Il progetto richiede per prima cosa di inserire l'indirizzo
16:38
of the home where you grew up.
389
983000
2000
della casa dove siete cresciuti.
16:40
And you type in the address --
390
985000
2000
Scrivete l'indirizzo --
16:42
it actually creates a music video specifically for you,
391
987000
2000
e viene creato un video musicale appositamente per voi,
16:44
pulling in Google maps and Streetview images
392
989000
2000
mettendo insieme immagini di Google Maps e Streetview
16:46
into the experience itself.
393
991000
2000
nella creazione del progetto stesso.
16:48
So this should really be seen at home with you typing in your own address,
394
993000
3000
Questo dovreste davvero farlo a casa vostra inserendo il vostro indirizzo,
16:51
but I'm going to give you a little preview of what you can expect.
395
996000
3000
ma voglio comunque darvi un assaggio di cosa dovete aspettarvi.
16:54
(Video) Win Butler: ♫ Now our lives are changing fast ♫
396
999000
4000
(Video) Win Butler: ♫ Le nostre vite stanno cambiando rapidamente ♫
16:58
♫ Now our lives are changing fast ♫
397
1003000
4000
♫ Le nostre vite stanno cambiando rapidamente ♫
17:02
♫ Hope that something pure can last ♫
398
1007000
3000
♫ Mi auguro che resti qualcosa di puro ♫
17:06
♫ Hope that something pure can last ♫
399
1011000
4000
♫ Mi auguro che resti qualcosa di puro ♫
17:13
♫ Ooh we used to wait ♫
400
1018000
4000
♫ Ooh solitamente aspettavamo ♫
17:17
♫ Ooh we used to wait ♫
401
1022000
4000
♫ Ooh solitamente aspettavamo ♫
17:21
♫ Ooh we used to wait ♫
402
1026000
3000
♫ Ooh solitamente aspettavamo ♫
17:24
♫ Sometimes it never came ♫
403
1029000
3000
♫ A volte non è mai arrivato ♫
17:27
♫ Sometimes it never came ♫
404
1032000
4000
♫ A volte non è mai arrivato ♫
17:31
♫ Still moving through the pain ♫
405
1036000
3000
♫ Muovendoci ancora nel dolore ♫
17:34
♫ We used to wait for it ♫
406
1039000
4000
♫ Lo aspettavamo ♫
17:38
♫ We used to wait for it ♫
407
1043000
4000
♫ Lo aspettavamo ♫
17:42
♫ We used to wait for it ♫
408
1047000
4000
♫ Lo aspettavamo ♫
17:50
AK: So I think, if there's one thing to take away from my talk today,
409
1055000
3000
AK: Per cui penso che se c'è una cosa da ricordare del mio discorso di oggi,
17:53
it's that an interface can be a powerful narrative device.
410
1058000
2000
è che un'interfaccia può diventare un potente strumento narrativo.
17:55
And as we collect more and more personally and socially relevant data,
411
1060000
4000
Raccogliendo sempre più dati personalmente e socialmente rilevanti,
17:59
we have an opportunity, and maybe even an obligation,
412
1064000
2000
abbiamo l'opportunità, ma forse anche l'obbligo,
18:01
to maintain the humanity and tell some amazing stories
413
1066000
2000
di sostenere l'umanità e di raccontare delle storie meravigliose
18:03
as we explore and collaborate together.
414
1068000
2000
mentre esploriamo e collaboriamo insieme.
18:05
Thanks a lot.
415
1070000
2000
Grazie mille.
18:07
(Applause)
416
1072000
4000
(Applausi)
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