TEDIndia 2009
Lalitesh Katragadda: Making maps to fight disaster, build economies
Lalitesh Katragadda: Le mappe possono combattere i disastri e sviluppare le economie
Filmed:
Readability: 4.5
405,132 views
Nel 2005, solo il 15% del mondo era mappato. Questo rallenta l'arrivo degli aiuti in caso di disastro naturale - e nasconde il potenziale economico di terre inutilizzate e strade sconosciute. In questo breve intervento, Lalitesh Katragadda - di Google - ci mostra Map Maker, uno strumento per la creazione "diffusa" di mappe che viene utilizzato da persone in tutto il globo, che stanno mappando il mondo che li circonda.
Lalitesh Katragadda - Engineer
Lalitesh Katragadda builds tools that help groups of people compile information to build something greater than the sum of its parts. His latest fascination: collaborative maps. Full bio
Lalitesh Katragadda builds tools that help groups of people compile information to build something greater than the sum of its parts. His latest fascination: collaborative maps. Full bio
Double-click the English transcript below to play the video.
00:16
In 2008, Cyclone Nargis devastated Myanmar.
0
1000
5000
Nel 2008 il ciclone Nargis ha devastato il Myanmar (Birmania).
00:21
Millions of people were in severe need of help.
1
6000
4000
Milioni di persone avevano un disperato bisogno di aiuto.
00:25
The U.N. wanted to rush people and supplies to the area.
2
10000
4000
Le Nazioni Unite volevano spedire personale e aiuti nell'area colpita,
00:29
But there were no maps, no maps of roads,
3
14000
3000
ma non c'erano mappe. Nessuna mappa stradale,
00:32
no maps showing hospitals, no way for help to reach the cyclone victims.
4
17000
5000
nessuna mappa che indicasse gli ospedali, e nessuna strada per raggiungere le vittime.
00:37
When we look at a map of Los Angeles or London,
5
22000
3000
Quando guardiamo le mappe di Los Angeles o Londra
00:40
it is hard to believe
6
25000
3000
è difficile credere
00:43
that as of 2005, only 15 percent of the world
7
28000
3000
che nel 2005 solo il 15% del mondo
00:46
was mapped to a geo-codable level of detail.
8
31000
3000
era mappato con un livello di dettaglio utile per la geolocalizzazione.
00:49
The U.N. ran headfirst into a problem
9
34000
3000
Le Nazioni Unite si sono scontrate con un problema
00:52
that the majority of the world's populous faces:
10
37000
2000
con cui la maggior parte della popolazione mondiale deve convivere:
00:54
not having detailed maps.
11
39000
2000
la mancanza di mappe dettagliate.
00:56
But help was coming.
12
41000
2000
Ma i rinforzi stavano arrivando.
00:58
At Google, 40 volunteers
13
43000
2000
40 volontari di Google
01:00
used a new software
14
45000
3000
hanno utilizzato un nuovo software
01:03
to map 120,000 kilometers of roads,
15
48000
3000
per mappare 120.000 chilometri di strade,
01:06
3,000 hospitals, logistics and relief points.
16
51000
3000
3.000 ospedali, punti nodali per la logistica e per l'accoglienza.
01:09
And it took them four days.
17
54000
2000
E ci hanno messo quattro giorni.
01:11
The new software they used? Google Mapmaker.
18
56000
3000
Il nuovo software che hanno usato? Google Mapmaker.
01:14
Google Mapmaker is a technology that empowers each of us
19
59000
3000
Google Mapmaker è una tecnologia che mette ognuno di noi in grado
01:17
to map what we know locally.
20
62000
3000
di mappare quello che conosciamo della nostra zona.
01:20
People have used this software
21
65000
2000
La gente ha cominciato ad utililizzare questo software
01:22
to map everything from roads to rivers,
22
67000
2000
per mappare qualsiasi cosa, dalle strade ai fiumi,
01:24
from schools to local businesses,
23
69000
3000
dalle scuole agli esercizi commerciali,
01:27
and video stores to the corner store.
24
72000
3000
dai negozi di home video al negozio all'angolo.
01:30
Maps matter.
25
75000
2000
Le mappe contano.
01:32
Nobel Prize nominee Hernando De Soto
26
77000
2000
Il candidato al premio Nobel Hernando De Soto
01:34
recognized that the key to economic liftoff
27
79000
2000
ha riconosciuto che la chiave per il decollo economico
01:36
for most developing countries
28
81000
2000
per la maggior parte dei paesi in via di sviluppo
01:38
is to tap the vast amounts of uncapitalized land.
29
83000
3000
è attingere alle enormi quantità di terre non capitalizzate.
01:41
For example, a trillion dollars
30
86000
3000
Per esempio, beni immobili per mille miliardi di dollari
01:44
of real estate remains uncapitalized in India alone.
31
89000
3000
soltanto in India sono tuttora non capitalizzati.
01:47
In the last year alone,
32
92000
2000
Solo nell'ultimo anno
01:49
thousands of users in 170 countries
33
94000
4000
migliaia di utenti in 170 Paesi
01:53
have mapped millions of pieces of information,
34
98000
3000
hanno mappato milioni di informazioni
01:56
and created a map of a level of detail never thought viable.
35
101000
3000
ed hanno creato una mappa con un livello di dettaglio inimmaginabile fino a poco tempo fa
01:59
And this was made possible by
36
104000
2000
grazie all'energia
02:01
the power of passionate users everywhere.
37
106000
4000
di persone mosse dall'entusiasmo in tutto il mondo.
02:05
Let's look at some of the maps
38
110000
3000
Diamo un'occhiata a qualcuna delle mappe
02:08
being created by users right now.
39
113000
3000
che qualche utente sta contribuendo a creare proprio in questo momento.
02:11
So, as we speak, people are mapping the world
40
116000
2000
Ecco, mentre noi parliamo qui, ci sono persone che stanno disegnando la mappa del mondo
02:13
in these 170 countries.
41
118000
2000
in questi 170 Paesi.
02:15
You can see Bridget in Africa who just mapped a road in Senegal.
42
120000
6000
Ecco Bridget in Africa che ha appena disegnato una strada in Senegal.
02:21
And, closer to home, Chalua, an N.G. road in Bangalore.
43
126000
5000
E, più vicino a noi, Chalua, che ha disegnato una strada a Bangalore.
02:26
This is the result of computational geometry,
44
131000
3000
Questo è il risultato della geometria computazionale,
02:29
gesture recognition, and machine learning.
45
134000
3000
della gesture recognition (riconoscimento dei gesti) e dell'apprendimento delle macchine.
02:32
This is a victory of thousands of users,
46
137000
2000
Questa è una vittoria di migliaia di utenti,
02:34
in hundreds of cities,
47
139000
2000
in centinaia di città,
02:36
one user, one edit at a time.
48
141000
2000
un utente alla volta, una modifica alla volta.
02:38
This is an invitation to the 70 percent
49
143000
4000
E questo è anche un invito al 70%
02:42
of our unmapped planet.
50
147000
2000
del nostro pianeta che è ancora senza mappa.
02:44
Welcome to the new world.
51
149000
2000
Benvenuti nel nuovo mondo.
02:46
(Applause)
52
151000
3000
(Applauso)
ABOUT THE SPEAKER
Lalitesh Katragadda - EngineerLalitesh Katragadda builds tools that help groups of people compile information to build something greater than the sum of its parts. His latest fascination: collaborative maps.
Why you should listen
Lalitesh Katragadda is a software engineer at Google, working on geo-data, machine vision, machine learning and space robotics. Before joining Google, Lalitesh founded a robotics startup that was acquired by Google. At Google, Lalitesh co-founded Google India and was its founding Joint Center Head for two years. He co-started several projects including Google Finance and Hindi Transliteration, and is now working on maps.
Lalitesh Katragadda | Speaker | TED.com