TEDxCMU
Luis von Ahn: Massive-scale online collaboration
` 루이스 폰 안: 대규모 온라인 협업
Filmed:
Readability: 3.8
1,740,008 views
루이스 폰 안(Luis Von Ahn)은 사람들이 온라인상에서 입력한 답들을 모아서 종이책을 디지털화하는데 사용될 수 있도록 캡차(CAPTCHA, 웹사이트 등록인증 서비스)의 목적을 재설정 한 후, 그는 인터넷 시티즌의 이와같은 작은 기여를 어떤 다른 대의를 위해 사용할 수 있을지 생각해 봅니다. 루이스는 카네기멜론 대학에서 열린 TED 포럼에서 새로운 언어를 배우면서 인터넷상의 수많은 웹페이지를 무료로 빠르게 번역 할 수 있게 할 듀오링고라는 그의 대망에 찬 프로젝트에 대해 말합니다.
Luis von Ahn - Computer scientist
Luis von Ahn builds systems that combine humans and computers to solve large-scale problems that neither can solve alone. Full bio
Luis von Ahn builds systems that combine humans and computers to solve large-scale problems that neither can solve alone. Full bio
Double-click the English transcript below to play the video.
00:15
How many of you had to fill out some sort of web form
0
0
2000
여러분 중에 몇 명이나 이렇게 구불구불한 문자열을 읽어서
00:17
where you've been asked to read a distorted sequence of characters like this?
1
2000
2000
웹페이지의 입력양식을 채워 보셨나요?
00:19
How many of you found it really, really annoying?
2
4000
2000
이것이 정말 짜증난다고 생각하는 사람은 몇 명 정도 되나요?
00:21
Okay, outstanding. So I invented that.
3
6000
3000
그렇군요, 아주 많네요. 사실 그건 제가 발명했어요.
00:24
(Laughter)
4
9000
2000
(웃음)
00:26
Or I was one of the people who did it.
5
11000
2000
그걸 발명한 사람들 중의 한 명이었죠.
00:28
That thing is called a CAPTCHA.
6
13000
2000
이런 것을 캡차(CAPTCHA)라고 하죠.
00:30
And the reason it is there is to make sure you, the entity filling out the form,
7
15000
2000
이것을 사용하는 이유는 양식을 입력하는 주체가
00:32
are actually a human and not some sort of computer program
8
17000
3000
수백만 개의 입력양식을 작성하는 컴퓨터 프로그램이 아니라
00:35
that was written to submit the form millions and millions of times.
9
20000
2000
실제 사람이라는 것을 확인하기 위해서입니다.
00:37
The reason it works is because humans,
10
22000
2000
이런 방법이 효과가 있는 이유는
00:39
at least non-visually-impaired humans,
11
24000
2000
우리는 시각장애가 없는 한
00:41
have no trouble reading these distorted squiggly characters,
12
26000
2000
이렇게 왜곡된 문자를 읽는데 전혀 문제가 없기 때문이죠.
00:43
whereas computer programs simply can't do it as well yet.
13
28000
3000
반면에 컴퓨터 프로그램은 아직 이런것을 잘 읽지 못합니다.
00:46
So for example, in the case of Ticketmaster,
14
31000
2000
예를 들면, 티켓마스터 사이트에서, [역: 미국의 공연티켓 판매사]
00:48
the reason you have to type these distorted characters
15
33000
2000
여러분이 이런 구불구불한 문자들을 입력해야 하는 이유는,
00:50
is to prevent scalpers from writing a program
16
35000
2000
암표상들이 컴퓨터 프로그램으로 매번 두장씩
00:52
that can buy millions of tickets, two at a time.
17
37000
2000
수백만 장의 표를 사는것을 방지하기 위한 것이죠.
00:54
CAPTCHAs are used all over the Internet.
18
39000
2000
캡챠는 인터넷상의 다양한 서비스에 이용됩니다.
00:56
And since they're used so often,
19
41000
2000
그런데 캡차가 그렇게 많이 사용되다 보니
00:58
a lot of times the precise sequence of random characters that is shown to the user
20
43000
2000
유저의 화면에 나타나는 이런 랜덤 글자들은
01:00
is not so fortunate.
21
45000
2000
어떤때는 히안한 단어를 만들기도 합니다.
01:02
So this is an example from the Yahoo registration page.
22
47000
3000
그 일례로 이건 야후 서비스의 등록페이지입니다.
01:05
The random characters that happened to be shown to the user
23
50000
2000
사용자에게 무작위로 선택되어 나타났던 문자들이
01:07
were W, A, I, T, which, of course, spell a word.
24
52000
3000
W, A, I, T이었지요. 즉, 기다리라는 단어가 나온거죠.
01:10
But the best part is the message
25
55000
3000
하지만 정말 재밌는 것은
01:13
that the Yahoo help desk got about 20 minutes later.
26
58000
3000
20분 후에 야후 고객센터에 접수된 메세지였지요.
01:16
Text: "Help! I've been waiting for over 20 minutes, and nothing happens."
27
61000
3000
메세지 : "도와주세요! 20분 기다렸는데 아무런 반응이 없습니다!"
01:19
(Laughter)
28
64000
4000
(웃음)
01:23
This person thought they needed to wait.
29
68000
2000
그 유저는 계속 기다려야한다고 생각했던 거죠.
01:25
This of course, is not as bad as this poor person.
30
70000
3000
그래도 그건 이 캡차 보다는 낳죠.
01:28
(Laughter)
31
73000
2000
(웃음)
01:30
CAPTCHA Project is something that we did here at Carnegie Melllon over 10 years ago,
32
75000
3000
캡차는 여기 카네기멜론 대학에서 10년 전에 했던 프로젝트였는데
01:33
and it's been used everywhere.
33
78000
2000
지금은 누구나 다 사용하죠.
01:35
Let me now tell you about a project that we did a few years later,
34
80000
2000
그 후 몇년 후에 우리가 한 프로젝트에 대해서 말씀드리겠습니다.
01:37
which is sort of the next evolution of CAPTCHA.
35
82000
3000
그것은 개량형 캡차라고 말할 수 있는
01:40
This is a project that we call reCAPTCHA,
36
85000
2000
리캡차라는 프로젝트였는데
01:42
which is something that we started here at Carnegie Mellon,
37
87000
2000
카네기 멜론 대학에서 시작했었고,
01:44
then we turned it into a startup company.
38
89000
2000
그후에는 신생회사가 되었는데
01:46
And then about a year and a half ago,
39
91000
2000
약 1년 반 전에
01:48
Google actually acquired this company.
40
93000
2000
구글이 그 회사를 인수했죠.
01:50
So let me tell you what this project started.
41
95000
2000
이 프로젝트가 어떤 움직임을 시작했는지 말씀드리죠.
01:52
So this project started from the following realization:
42
97000
3000
이 프로젝트는 다음과 같은 이유로 시작했습니다.
01:55
It turns out that approximately 200 million CAPTCHAs
43
100000
2000
매일 약 2억 개의 캡차가
01:57
are typed everyday by people around the world.
44
102000
3000
전 세계적으로 입력되지요.
02:00
When I first heard this, I was quite proud of myself.
45
105000
2000
제가 이사실을 처음 들었을 때 저는 매우 자랑스러웠지요.
02:02
I thought, look at the impact that my research has had.
46
107000
2000
"내 연구가 미친 영향력을 봐라!" 하며 좋아했어요.
02:04
But then I started feeling bad.
47
109000
2000
하지만 저는 좀 미안한 생각이 들기 시작했습니다.
02:06
See here's the thing, each time you type a CAPTCHA,
48
111000
2000
사람들이 캡차 문자열을 입력할 때마다
02:08
essentially you waste 10 seconds of your time.
49
113000
3000
약 10초 정도의 시간을 낭비하게 됩니다.
02:11
And if you multiply that by 200 million,
50
116000
2000
그 시간을 2억으로 곱하면
02:13
you get that humanity as a whole is wasting about 500,000 hours every day
51
118000
3000
우리는 전체적으로 이 짜증나는 문자열을 입력하기 위해
02:16
typing these annoying CAPTCHAs.
52
121000
2000
매일 50만 시간을 낭비하고 있다는 결론이 나옵니다.
02:18
So then I started feeling bad.
53
123000
2000
그래서 좀 미안하다는 생각을 했어요.
02:20
(Laughter)
54
125000
2000
(웃음)
02:22
And then I started thinking, well, of course, we can't just get rid of CAPTCHAs,
55
127000
3000
그런데 웹페이지의 보안이 캡차에 의존하기 때문에
02:25
because the security of the Web sort of depends on them.
56
130000
2000
캡차를 그냥 버릴 수도 없지요
02:27
But then I started thinking, is there any way we can use this effort
57
132000
3000
저는 그래서 캡차를 입력하는 시간을 인류를 위해
02:30
for something that is good for humanity?
58
135000
2000
좋은 일을 하는데 쓸수 있을까 생각했죠.
02:32
So see, here's the thing.
59
137000
2000
자, 이런 생각을 해 보세요...
02:34
While you're typing a CAPTCHA, during those 10 seconds,
60
139000
2000
여러분이 10초 동안 캡차 문자열을 입력할 때
02:36
your brain is doing something amazing.
61
141000
2000
여러분의 뇌는 매우 어려운 일을 하고 있죠.
02:38
Your brain is doing something that computers cannot yet do.
62
143000
2000
컴퓨터는 아직 그런 일을 못합니다.
02:40
So can we get you to do useful work for those 10 seconds?
63
145000
3000
어떻게 하면 여러분이 그 10초 동안 어떤 유용한 일을
02:43
Another way of putting it is,
64
148000
2000
할 수 있게 저희들이 도와드릴 수 있을까요? 다시 말하면,
02:45
is there some humongous problem that we cannot yet get computers to solve,
65
150000
2000
아직까지 컴퓨터가 풀지 못하는 어떤 거창한 문제를 찾아
02:47
yet we can split into tiny 10-second chunks
66
152000
3000
그것을 10초 단위의 작은 작업단위로 쪼개서
02:50
such that each time somebody solves a CAPTCHA
67
155000
2000
사람들이 캡차 질문에 답을 할때 마다 그 문제의
02:52
they solve a little bit of this problem?
68
157000
2000
작은 부분을 해결하게 만드는 것이 가능할까요?
02:54
And the answer to that is "yes," and this is what we're doing now.
69
159000
2000
그 질문에 대한 답은 "예" 이며 우리가 지금 하는 일이 바로 그겁니다.
02:56
So what you may not know is that nowadays while you're typing a CAPTCHA,
70
161000
3000
여러분이 모르실지는 모르지만 요즘은 캡차 문자를 입력할 때
02:59
not only are you authenticating yourself as a human,
71
164000
2000
사람이 캡차 입력을 한다는 것을 증명할 뿐만이 아니라
03:01
but in addition you're actually helping us to digitize books.
72
166000
2000
저희들이 종이책을 디지털화하는 일을 실지로 도와줍니다.
03:03
So let me explain how this works.
73
168000
2000
자, 그럼 제가 좀 더 자세히 설명드리겠습니다.
03:05
So there's a lot of projects out there trying to digitize books.
74
170000
2000
책들을 디지털화하는 프로젝트는 많이 있습니다.
03:07
Google has one. The Internet Archive has one.
75
172000
3000
구글, 인터넷 아카이브, 아마존 그리고 지금은 킨들도
03:10
Amazon, now with the Kindle, is trying to digitize books.
76
175000
2000
종이책을 디지털화 하려고 노력하고 있습니다.
03:12
Basically the way this works
77
177000
2000
이런 작업은 주로
03:14
is you start with an old book.
78
179000
2000
오래된 책으로 부터 시작됩니다.
03:16
You've seen those things, right? Like a book?
79
181000
2000
그런것들 보셨죠? 책이라는 것 말이예요?
03:18
(Laughter)
80
183000
2000
(웃음)
03:20
So you start with a book, and then you scan it.
81
185000
2000
처음에 하는 일은 책을 스캔하는 것이죠.
03:22
Now scanning a book
82
187000
2000
책을 스캔하는것은
03:24
is like taking a digital photograph of every page of the book.
83
189000
2000
책의 모든 페이지를 디지털 사진기로 찍는것과 비슷합니다.
03:26
It gives you an image for every page of the book.
84
191000
2000
그렇게 각 페이지의 이미지를 포착해서
03:28
This is an image with text for every page of the book.
85
193000
2000
그 책에 담긴 텍스트의 모든 이미지를 얻는 거죠.
03:30
The next step in the process
86
195000
2000
다음 과정은 컴퓨터가
03:32
is that the computer needs to be able to decipher all of the words in this image.
87
197000
3000
각 이미지에 있는 단어를 해독하는 것이지요.
03:35
That's using a technology called OCR,
88
200000
2000
우리는 텍스트의 이미지를 읽으며
03:37
for optical character recognition,
89
202000
2000
무슨 글이 써있는지 판독해 주는
03:39
which takes a picture of text
90
204000
2000
광학문자인식(OCR)이라는
03:41
and tries to figure out what text is in there.
91
206000
2000
기술을 이용합니다.
03:43
Now the problem is that OCR is not perfect.
92
208000
2000
그런데 문제는 그 OCR 기술이 완벽하지 않습니다.
03:45
Especially for older books
93
210000
2000
특히 잉크가 바래고, 페이지가 노랗게 변한
03:47
where the ink has faded and the pages have turned yellow,
94
212000
3000
오래된 책은 OCR이
03:50
OCR cannot recognize a lot of the words.
95
215000
2000
많은 단어를 인식하지 못합니다.
03:52
For example, for things that were written more than 50 years ago,
96
217000
2000
예를들어 50년이 넘은 책들은
03:54
the computer cannot recognize about 30 percent of the words.
97
219000
3000
컴퓨터가 대략 30%정도를 인식하지 못합니다.
03:57
So what we're doing now
98
222000
2000
그래서 우리가 지금 하고 있는 작업은
03:59
is we're taking all of the words that the computer cannot recognize
99
224000
2000
컴퓨터가 인식하지 못하는 모든 단어들을 모아서
04:01
and we're getting people to read them for us
100
226000
2000
여러분이 인터넷상에서 캡챠 문자를 입력할 때
04:03
while they're typing a CAPTCHA on the Internet.
101
228000
2000
사람들이 그런 문자를 읽게 합니다.
04:05
So the next time you type a CAPTCHA, these words that you're typing
102
230000
3000
그래서 다음에 여러분이 입력하는
04:08
are actually words that are coming from books that are being digitized
103
233000
3000
캡차 문자는 디지털화 하는 과정에서
04:11
that the computer could not recognize.
104
236000
2000
컴퓨터가 인식하지 못했던 것이지요.
04:13
And now the reason we have two words nowadays instead of one
105
238000
2000
그런데 요즘엔 한단어 대신 두단어를 보여주는데
04:15
is because, you see, one of the words
106
240000
2000
그중 하나는 컴퓨터가 디지털화하다가
04:17
is a word that the system just got out of a book,
107
242000
2000
판독하지 못했던 단어를
04:19
it didn't know what it was, and it's going to present it to you.
108
244000
3000
보여주는 것이지요.
04:22
But since it doesn't know the answer for it, it cannot grade it for you.
109
247000
3000
그런데 컴퓨터는가 그 단어를 모르기 때문에 정답이 입력됐는지 모르죠.
04:25
So what we do is we give you another word,
110
250000
2000
그래서 컴퓨터는 자기가 답을 아는 다른 단어를 하나 더
04:27
one for which the system does know the answer.
111
252000
2000
화면에 보여줍니다.
04:29
We don't tell you which one's which, and we say, please type both.
112
254000
2000
그리고는 그냥 두 단어를 모두 입력하라고 하지요.
04:31
And if you type the correct word
113
256000
2000
그래서 컴퓨터가 이미 알고 있는 단어에 대해
04:33
for the one for which the system already knows the answer,
114
258000
2000
여러분이 정답을 입력하면,
04:35
it assumes you are human,
115
260000
2000
여러분을 인간으로 인정하고
04:37
and it also gets some confidence that you typed the other word correctly.
116
262000
2000
다른 단어도 옳게 입력했을거라는 자신을 어느정도 갖게 돼죠.
04:39
And if we repeat this process to like 10 different people
117
264000
3000
만약 이런 과정을 10명의 다른 사람들에게 반복하고,
04:42
and all of them agree on what the new word is,
118
267000
2000
10명 모두가 그 단어를 똑같이 읽으면
04:44
then we get one more word digitized accurately.
119
269000
2000
그 단어를 정확하게 디지털화 한 것으로 간주합니다.
04:46
So this is how the system works.
120
271000
2000
캡차 시스템은 이렇게 작동합니다.
04:48
And basically, since we released it about three or four years ago,
121
273000
3000
약 3, 4년 전에 저희들이 이 시스템을 소개한 이후
04:51
a lot of websites have started switching
122
276000
2000
많은 웹사이트가 시간을 낭비하던
04:53
from the old CAPTCHA where people wasted their time
123
278000
2000
구형 캡차 시스템으로 부터 책을 디지털화하는데
04:55
to the new CAPTCHA where people are helping to digitize books.
124
280000
2000
도움을주는 신형 캡차 시스템으로 업그레이드 했지요.
04:57
So for example, Ticketmaster.
125
282000
2000
예를들면, 티켓마스터도 업그레이드 했는데 그래서 거기서
04:59
So every time you buy tickets on Ticketmaster, you help to digitize a book.
126
284000
3000
표를 살때마다 여러분은 책을 디지털화하는데 도움을 주게됩니다.
05:02
Facebook: Every time you add a friend or poke somebody,
127
287000
2000
페이스북에서는 친구를 추가하거나 누군가를 찜할때 마다
05:04
you help to digitize a book.
128
289000
2000
책을 디지털화하는데 도움을 주게 됩니다.
05:06
Twitter and about 350,000 other sites are all using reCAPTCHA.
129
291000
3000
트위터와 약 35만개의 다른 사이트들도 신형 리캡차를 사용합니다.
05:09
And in fact, the number of sites that are using reCAPTCHA is so high
130
294000
2000
사실 리캡차 서비스를 이용하는 사이트가 많아서
05:11
that the number of words that we're digitizing per day is really, really large.
131
296000
3000
매일 디지털화되는 단어 수는 정말 엄청나게 많습니다.
05:14
It's about 100 million a day,
132
299000
2000
일일 대략 1억개 정도가 되는데
05:16
which is the equivalent of about two and a half million books a year.
133
301000
4000
이 숫자는 연간 250만권의 책들에 해당하는 숫자이죠.
05:20
And this is all being done one word at a time
134
305000
2000
이건 단순히 사람들이 인터넷상에서 리캡차 단어를
05:22
by just people typing CAPTCHAs on the Internet.
135
307000
2000
하나씩 입력해서 가능하게 된 것입니다.
05:24
(Applause)
136
309000
8000
(박수)
05:32
Now of course,
137
317000
2000
물론,
05:34
since we're doing so many words per day,
138
319000
2000
우리가 매일 수많은 단어를 다루기 때문에
05:36
funny things can happen.
139
321000
2000
재미있는 일들이 벌어 질수도 있습니다.
05:38
And this is especially true because now we're giving people
140
323000
2000
그런데 지금은 무작위로 선택된
05:40
two randomly chosen English words next to each other.
141
325000
2000
영어 단어를 두개 나란히 보여주기 때문에
05:42
So funny things can happen.
142
327000
2000
재미있는 일들이 발생 할 수 있죠.
05:44
For example, we presented this word.
143
329000
2000
그 일례로, 우리가 이 단어를 보여줬지요.
05:46
It's the word "Christians"; there's nothing wrong with it.
144
331000
2000
"Christians" 이라는 단어에는 전혀 문제가 없지요.
05:48
But if you present it along with another randomly chosen word,
145
333000
3000
그런데 다른 무작위로 선택된 다른 단어를 보여줄때
05:51
bad things can happen.
146
336000
2000
좋지 않은 일이 발생할 수 있지요.
05:53
So we get this. (Text: bad christians)
147
338000
2000
이런거죠. "나쁜 기독교인"
05:55
But it's even worse, because the particular website where we showed this
148
340000
3000
더 나쁜 상황은 이 단어가
05:58
actually happened to be called The Embassy of the Kingdom of God.
149
343000
3000
하나님의 왕국 단체라고 불리는 사이트에서 보여 줬다는거죠.
06:01
(Laughter)
150
346000
2000
(웃음)
06:03
Oops.
151
348000
2000
이런..
06:05
(Laughter)
152
350000
3000
(웃음)
06:08
Here's another really bad one.
153
353000
2000
여기 또다른 나쁜예가 있습니다.
06:10
JohnEdwards.com
154
355000
2000
JohnEdwards.com
06:12
(Text: Damn liberal)
155
357000
3000
(텍스트: 젠장할 자유당)
06:15
(Laughter)
156
360000
2000
(웃음)
06:17
So we keep on insulting people left and right everyday.
157
362000
3000
그래서 우리는 매일 사람들에게 모욕을 줍니다.
06:20
Now, of course, we're not just insulting people.
158
365000
2000
물론 모욕만 하는것은 아니죠.
06:22
See here's the thing, since we're presenting two randomly chosen words,
159
367000
3000
캡차는 무작위로 선택된 두 개의 단어를 보여 주기 때문에
06:25
interesting things can happen.
160
370000
2000
재미있는 일도 벌어집니다.
06:27
So this actually has given rise
161
372000
2000
리캡차는 수만명의 사람들이
06:29
to a really big Internet meme
162
374000
3000
즐기는 캡차 아트라고 하는
06:32
that tens of thousands of people have participated in,
163
377000
2000
매우 인기있는
06:34
which is called CAPTCHA art.
164
379000
2000
인터넷 밈을 창출했지요.
06:36
I'm sure some of you have heard about it.
165
381000
2000
캡차아트에 대해 들어보신 분들이 계시겠지요.
06:38
Here's how it works.
166
383000
2000
어떻게 하는건지 말씀드리죠.
06:40
Imagine you're using the Internet and you see a CAPTCHA
167
385000
2000
여러분이 인터넷을 사용하다가
06:42
that you think is somewhat peculiar,
168
387000
2000
흥미있는 캡차 문자를 보면
06:44
like this CAPTCHA. (Text: invisible toaster)
169
389000
2000
이런 캡챠 말입니다 (텍스트: 보이지 않은 토스터)
06:46
Then what you're supposed to do is you take a screen shot of it.
170
391000
2000
그 화면을 캡쳐하는것입니다.
06:48
Then of course, you fill out the CAPTCHA
171
393000
2000
그리고는 물론 캡챠 문자도 입력합니다.
06:50
because you help us digitize a book.
172
395000
2000
왜냐하면 책을 디지털화하는 것을 도와야 하니까요.
06:52
But then, first you take a screen shot,
173
397000
2000
그리구 나서 앞서 포착한 스크린 숏에
06:54
and then you draw something that is related to it.
174
399000
2000
관련되는 그림을 그리는 거죠.
06:56
(Laughter)
175
401000
2000
(웃음)
06:58
That's how it works.
176
403000
3000
이렇게 작동하는 거죠.
07:01
There are tens of thousands of these.
177
406000
3000
수만개의 이런 캡처가 있죠.
07:04
Some of them are very cute. (Text: clenched it)
178
409000
2000
어떤 것은 귀엽죠. (텍스트: 꽉 잡아)
07:06
(Laughter)
179
411000
2000
(웃음)
07:08
Some of them are funnier.
180
413000
2000
어떤것은 더 재밌습니다.
07:10
(Text: stoned founders)
181
415000
3000
"취한 설립자들"
07:13
(Laughter)
182
418000
3000
(웃음)
07:16
And some of them,
183
421000
2000
그리고
07:18
like paleontological shvisle,
184
423000
3000
"paleontological shvisle" 같은 것에는
07:21
they contain Snoop Dogg.
185
426000
2000
Snoop Dogg의 사진이 나타나기도 합니다.
07:23
(Laughter)
186
428000
3000
(웃음)
07:26
Okay, so this is my favorite number of reCAPTCHA.
187
431000
2000
자, 이것은 제가 좋아하는 리캡차 숫자입니다.
07:28
So this is the favorite thing that I like about this whole project.
188
433000
3000
이것은 전 프로젝에서 제가 좋아하는 부분입니다.
07:31
This is the number of distinct people
189
436000
2000
이 숫자는 리캡차를 통해 최소한 한개의 단어라도
07:33
that have helped us digitize at least one word out of a book through reCAPTCHA:
190
438000
3000
디지털화하도록 도와준 각 사람들의 총 숫자입니다.
07:36
750 million,
191
441000
2000
전 세계 인구의 10%가 약간 넘는
07:38
which is a little over 10 percent of the world's population,
192
443000
2000
7억 5천만명이 인간의 지식을
07:40
has helped us digitize human knowledge.
193
445000
2000
디지털화할 수 있게 우리를 도와주었습니다.
07:42
And it is numbers like these that motivate my research agenda.
194
447000
3000
이와같은 거창한 숫자는 저를 격려해 줍니다.
07:45
So the question that motivates my research is the following:
195
450000
3000
이 숫자가 제 연구에 용기를 주는 이유는 다음과 같습니다.
07:48
If you look at humanity's large-scale achievements,
196
453000
2000
인류 역사상 대규모의 사람들이
07:50
these really big things
197
455000
2000
협력하여 지금까지 성취한
07:52
that humanity has gotten together and done historically --
198
457000
3000
거창한 업적들을 살펴보면 --
07:55
like for example, building the pyramids of Egypt
199
460000
2000
예를들면, 이집트의 피라미드,
07:57
or the Panama Canal
200
462000
2000
파나마 운하,
07:59
or putting a man on the Moon --
201
464000
2000
또는 인류의 달착륙 등을 보면
08:01
there is a curious fact about them,
202
466000
2000
특이한 공통된 사실이 하나 있는데 그것은
08:03
and it is that they were all done with about the same number off people.
203
468000
2000
모두 비슷한 수의 사람들이 협력해서 달성했다는 겁니다.
08:05
It's weird; they were all done with about 100,000 people.
204
470000
3000
그런데 각 경우에 약 10만 명이 일했다는 것은 참 신기합니다.
08:08
And the reason for that is because, before the Internet,
205
473000
3000
인터넷 시대 이전에는 10만 명 이상의 임금을 지불하는 것은
08:11
coordinating more than 100,000 people,
206
476000
2000
고사하고 그들을 관리하는 것이
08:13
let alone paying them, was essentially impossible.
207
478000
3000
사실상 불가능했지요.
08:16
But now with the Internet, I've just shown you a project
208
481000
2000
하지만 지금은 인터넷을 사용해 제가 보여드린 것처럼
08:18
where we've gotten 750 million people
209
483000
2000
7억5천만 명의 사람들이 인간의 지식을
08:20
to help us digitize human knowledge.
210
485000
2000
디지털화하기 위해서 저희를 돕고 있습니다.
08:22
So the question that motivates my research is,
211
487000
2000
그래서 제 연구에 용기를 주는 것은
08:24
if we can put a man on the Moon with 100,000,
212
489000
3000
우리가 10만 명의 노력으로 사람을 달에 보낼 수 있다면,
08:27
what can we do with 100 million?
213
492000
2000
1억명의 사람으로는 무엇이 가능하겠냐는 것이죠.
08:29
So based on this question,
214
494000
2000
그래서 이 질문을 기반으로,
08:31
we've had a lot of different projects that we've been working on.
215
496000
2000
저희는 여러 가지 프로젝트를 진행하고 있습니다.
08:33
Let me tell you about one that I'm most excited about.
216
498000
3000
그중 제가 가장 좋아하는 프로젝트에 대해 말씀드리지요.
08:36
This is something that we've been semi-quietly working on
217
501000
2000
지난 일년반 동안 저희들이
08:38
for the last year and a half or so.
218
503000
2000
조용히 진행해 온 일입니다.
08:40
It hasn't yet been launched. It's called Duolingo.
219
505000
2000
아직 공식적으로 발표되지 않은 듀오링고라는 프로젝트죠.
08:42
Since it hasn't been launched, shhhhh!
220
507000
2000
아직 공개되지 않았으니.. 쉬~~ 비밀입니다.
08:44
(Laughter)
221
509000
2000
(웃음)
08:46
Yeah, I can trust you'll do that.
222
511000
2000
저는 여러분이 비밀을 지켜주리라 믿습니다.
08:48
So this is the project. Here's how it started.
223
513000
2000
이프로젝트는 다음과 같이 시직됐지요.
08:50
It started with me posing a question to my graduate student,
224
515000
2000
이 프로젝트는 제가 세버린 해커라는 제 대학원 학생에게 던진
08:52
Severin Hacker.
225
517000
2000
질문으로 부터 시작했지요.
08:54
Okay, that's Severin Hacker.
226
519000
2000
그래요. 이게 세버린 해커입니다.
08:56
So I posed the question to my graduate student.
227
521000
2000
제가 그 학생에게 그 질문을 던졌죠.
08:58
By the way, you did hear me correctly;
228
523000
2000
녜, 여러분이 제말을 옳게 들으셨어요.
09:00
his last name is Hacker.
229
525000
2000
이 학생의 성이 정말로 해커(Hacker) 예요.
09:02
So I posed this question to him:
230
527000
2000
하여튼 제가 그에게 질문을 던졌지요.
09:04
How can we get 100 million people
231
529000
2000
어떻게하면 1억명의 사람이 모든 웹페이지를 모든 주요 언어로,
09:06
translating the Web into every major language for free?
232
531000
3000
그리고 무료로 번역을 하도록 만들 수 있을까?
09:09
Okay, so there's a lot of things to say about this question.
233
534000
2000
자, 이 질문에 대해서 할 말들이 많이 있습니다.
09:11
First of all, translating the Web.
234
536000
2000
현재 웹은
09:13
So right now the Web is partitioned into multiple languages.
235
538000
3000
여러 언어로 갈려져 있습니다.
09:16
A large fraction of it is in English.
236
541000
2000
대부분의 페이지는 영어로 되어 있구요.
09:18
If you don't know any English, you can't access it.
237
543000
2000
영어를 모르면 영어 페이지에 접할 수가 없지요.
09:20
But there's large fractions in other different languages,
238
545000
2000
하지만 다른 언어로된 웹페이지도 많이 있지요.
09:22
and if you don't know those languages, you can't access it.
239
547000
3000
물론 그 언어를 모르면 그 웹페이지를 읽을 수 없지요.
09:25
So I would like to translate all of the Web, or at least most of the Web,
240
550000
3000
그래서 저는 웹의 전체 또는 최소한 일부라도
09:28
into every major language.
241
553000
2000
모든 주요 언어로 번역하고 싶습니다.
09:30
So that's what I would like to do.
242
555000
2000
바로 그게 제가 하고 싶은 일입니다.
09:32
Now some of you may say, why can't we use computers to translate?
243
557000
3000
어떤분은 왜 컴퓨터로 번역을 하지 못하냐고 물으실지 모르죠.
09:35
Why can't we use machine translation?
244
560000
2000
왜 기계번역을 사용 할 수 없을까요?
09:37
Machine translation nowadays is starting to translate some sentences here and there.
245
562000
2000
요즘 기계번역한 문장들이 가끔 눈에 뜨입니다.
09:39
Why can't we use it to translate the whole Web?
246
564000
2000
그런데 웹 전체를 기계로 번역할 수 있을가요?
09:41
Well the problem with that is that it's not yet good enough
247
566000
2000
문제는 아직도 기계번역의 질이 낮다는 것입니다.
09:43
and it probably won't be for the next 15 to 20 years.
248
568000
2000
아마 앞으로 15 내지 20년 까지는 그럴 겁니다.
09:45
It makes a lot of mistakes.
249
570000
2000
기계번역에는 오역이 많이 있습니다.
09:47
Even when it doesn't make a mistake,
250
572000
2000
기계가 한 번역이 오역이 아니더라도
09:49
since it makes so many mistakes, you don't know whether to trust it or not.
251
574000
3000
일반적으로 워낙 오역이 많기 때문에 믿지 못하죠.
09:52
So let me show you an example
252
577000
2000
기계번역의 일례를
09:54
of something that was translated with a machine.
253
579000
2000
보여드리죠.
09:56
Actually it was a forum post.
254
581000
2000
이 글은 어떤 포럼에 올라온 글입니다.
09:58
It was somebody who was trying to ask a question about JavaScript.
255
583000
3000
어떤분이 자바스크립트에 대해 질문하는 글이 었지요.
10:01
It was translated from Japanese into English.
256
586000
3000
일본어를 영어로 번역한 것입니다.
10:04
So I'll just let you read.
257
589000
2000
한번 읽어보세요.
10:06
This person starts apologizing
258
591000
2000
그는 질문을 하기에 앞서 그의 질문을
10:08
for the fact that it's translated with a computer.
259
593000
2000
컴퓨터로 번역한 것을 먼저 사과합니다.
10:10
So the next sentence is is going to be the preamble to the question.
260
595000
3000
그 다음 문장은 그의 질문의 서두니까
10:13
So he's just explaining something.
261
598000
2000
뭐를 설명하는 거죠.
10:15
Remember, it's a question about JavaScript.
262
600000
3000
이 질문은 자바스크립트에 대한 것이라것을 명심하세요.
10:19
(Text: At often, the goat-time install a error is vomit.)
263
604000
4000
(텍스트: 종종 염소시간에 에러를 설치하는것은 토하는것이다)
10:23
(Laughter)
264
608000
4000
(웃음)
10:27
Then comes the first part of the question.
265
612000
3000
그리고 질문의 첫번째 부분이 나옵니다.
10:30
(Text: How many times like the wind, a pole, and the dragon?)
266
615000
4000
(텍스트: 얼마나 자주 바람, 막대기, 용처럼 ?)
10:34
(Laughter)
267
619000
2000
(웃음)
10:36
Then comes my favorite part of the question.
268
621000
3000
그리고 이 질문 중 제가 좋아하는 부분이 나옵니다.
10:39
(Text: This insult to father's stones?)
269
624000
3000
(텍스트: 이것 아버지의 돌을 모욕한다?)
10:42
(Laughter)
270
627000
2000
(웃음)
10:44
And then comes the ending, which is my favorite part of the whole thing.
271
629000
3000
그리고 이 질문 전체중 제가 좋아하는 마지막 부분이 나옵니다.
10:47
(Text: Please apologize for your stupidity. There are a many thank you.)
272
632000
4000
(텍스트: 여러분의 어리석음을 사과하세요. 많이 감사드립니다.)
10:51
(Laughter)
273
636000
2000
(웃음)
10:53
Okay, so computer translation, not yet good enough.
274
638000
2000
자, 컴퓨터 번역은 아직 질이 문제입니다.
10:55
So back to the question.
275
640000
2000
이제 다시 원래 질문으로 돌아가죠.
10:57
So we need people to translate the whole Web.
276
642000
3000
우리는 웹 전체를 번역할 사람들이 필요합니다.
11:00
So now the next question you may have is,
277
645000
2000
그럼 여러분은 번역가에게 돈을 주고
11:02
well why can't we just pay people to do this?
278
647000
2000
번역을 시키면 되지 않겠냐고 물으실지 모르죠.
11:04
We could pay professional language translators to translate the whole Web.
279
649000
3000
전문 번역가에게 돈을 주고 웹 전체를 번역 할 수 있겠지요.
11:07
We could do that.
280
652000
2000
그렇게 할 수 있어요.
11:09
Unfortunately, it would be extremely expensive.
281
654000
2000
하지만 불행히도 비용이 무지막지하게 들어갑니다.
11:11
For example, translating a tiny, tiny fraction of the whole Web, Wikipedia,
282
656000
3000
예를들어, 위키피디아 같은 웹 전체의 아주 작은 부분을
11:14
into one other language, Spanish.
283
659000
3000
스페인어로 번역하려면,
11:17
Wikipedia exists in Spanish,
284
662000
2000
물론 스페인어 위키피디아가 있지만,
11:19
but it's very small compared to the size of English.
285
664000
2000
영어페이지에 비하면 매우 작은 분량입니다.
11:21
It's about 20 percent of the size of English.
286
666000
2000
영어판의 약 20% 정도지요.
11:23
If we wanted to translate the other 80 percent into Spanish,
287
668000
3000
나머지 80%를 스페인어로 번역을 하려면
11:26
it would cost at least 50 million dollars --
288
671000
2000
학대받는 정도로 임금이 저렴한 국가로
11:28
and this is at even the most exploited, outsourcing country out there.
289
673000
3000
아웃소싱하더라도 약 5천만달러가 들겁니다.
11:31
So it would be very expensive.
290
676000
2000
웹 전체를 번역하려면 엄청난 돈이 들겠지요.
11:33
So what we want to do is we want to get 100 million people
291
678000
2000
우리는 모든 웹페이지를 모든 주요 언어로,
11:35
translating the Web into every major language
292
680000
2000
그리고 무료로 번역해 줄
11:37
for free.
293
682000
2000
1억명 정도의 사람이 필요합니다.
11:39
Now if this is what you want to do,
294
684000
2000
자, 이런식으로 일을 하려면
11:41
you pretty quickly realize you're going to run into two pretty big hurdles,
295
686000
2000
두 개의 큰 문제가 있다는 것을
11:43
two big obstacles.
296
688000
2000
금방 알수 있습니다.
11:45
The first one is a lack of bilinguals.
297
690000
3000
첫번째는 이중언어 구사자들의 부족이죠.
11:48
So I don't even know
298
693000
2000
웹을 사용하는 사람중 우리의 번역을
11:50
if there exists 100 million people out there using the Web
299
695000
3000
도와줄 수 있을 정도로 이중언어를 잘아는 사람이
11:53
who are bilingual enough to help us translate.
300
698000
2000
1억명 정도가 되는가도 의문이죠.
11:55
That's a big problem.
301
700000
2000
이건 큰 문제입니다.
11:57
The other problem you're going to run into is a lack of motivation.
302
702000
2000
두번째는 동기와 의욕 문제입니다.
11:59
How are we going to motivate people
303
704000
2000
웹을 무료로 번역하도록 어떻게
12:01
to actually translate the Web for free?
304
706000
2000
사람들에게 동기와 의욕을 줄 수 있을까요?
12:03
Normally, you have to pay people to do this.
305
708000
3000
번역을 하려면 보통 돈을 지불해야 하죠.
12:06
So how are we going to motivate them to do it for free?
306
711000
2000
그런데 어떻게 하면 무료로 번역을 하게 만들 수 있을까요?
12:08
Now when we were starting to think about this, we were blocked by these two things.
307
713000
3000
애당초에 우리는 이 두가지 문제에 걸렸었지요.
12:11
But then we realized, there's actually a way
308
716000
2000
그런데 우리는 한가지 해결책으로
12:13
to solve both these problems with the same solution.
309
718000
2000
이 두 문제를 동시에 해결수 있다는 것을 깨달았지요.
12:15
There's a way to kill two birds with one stone.
310
720000
2000
일석이조의 방법을 찾은거죠.
12:17
And that is to transform language translation
311
722000
3000
그것은 번역 작업을 수백만명의 사람들이
12:20
into something that millions of people want to do,
312
725000
3000
원하는 언어교육으로 탈바꿈 시키는 것인데
12:23
and that also helps with the problem of lack of bilinguals,
313
728000
3000
그렇게 하면 이중언어 구사자가 부족한 문제도
12:26
and that is language education.
314
731000
3000
해결할 수 있죠.
12:29
So it turns out that today,
315
734000
2000
현재 전세계에서 외국어를
12:31
there are over 1.2 billion people learning a foreign language.
316
736000
3000
배우고 있는 사람은 12억명이 넘습니다.
12:34
People really, really want to learn a foreign language.
317
739000
2000
사람들은 정말 외국어를 배우고 싶어합니다.
12:36
And it's not just because they're being forced to do so in school.
318
741000
3000
이것은 단순히 학교에서 배우라고 그래서가 아니지요.
12:39
For example, in the United States alone,
319
744000
2000
예를들어, 미국만 보더라도,
12:41
there are over five million people who have paid over $500
320
746000
2000
외국어 교육 소프트웨어에를 살려고 500달러 이상을
12:43
for software to learn a new language.
321
748000
2000
지불한 사람이 500만 명이 넘습니다.
12:45
So people really, really want to learn a new language.
322
750000
2000
사람들은 정말로 새로운 외국어를 배우기를 원합니다.
12:47
So what we've been working on for the last year and a half is a new website --
323
752000
3000
그래서 저희들은 지난 일년반 동안 듀오링고라는
12:50
it's called Duolingo --
324
755000
2000
웹사이트를 개발하고 있습니다.
12:52
where the basic idea is people learn a new language for free
325
757000
3000
우리의 기본 아이디어는 사람들이 웹을 번역하면서
12:55
while simultaneously translating the Web.
326
760000
2000
무료로 외국어를 배우게 하자는거죠.
12:57
And so basically they're learning by doing.
327
762000
2000
간단히 말하면 번역을 하며 외국어를 배우게 하는거죠.
12:59
So the way this works
328
764000
2000
우리는 초보자에게는
13:01
is whenever you're a just a beginner, we give you very, very simple sentences.
329
766000
3000
매우 간단한 문장을 주지요.
13:04
There's, of course, a lot of very simple sentences on the Web.
330
769000
2000
웹 페이지에는 물론 간단한 문장들이 많이 있지요.
13:06
We give you very, very simple sentences
331
771000
2000
우리는 매우 간단한 문장과
13:08
along with what each word means.
332
773000
2000
각 단어의 의미를 보여주지요.
13:10
And as you translate them, and as you see how other people translate them,
333
775000
3000
그러면 다른 사람들이 번역한 것을 보고 번역을 하면서
13:13
you start learning the language.
334
778000
2000
언어를 배울 수 있지요.
13:15
And as you get more and more advanced,
335
780000
2000
그리고 외국어 수준이 올라갈 수록
13:17
we give you more and more complex sentences to translate.
336
782000
2000
우리는 번역하기 더 복잡한 문장들을 보내죠.
13:19
But at all times, you're learning by doing.
337
784000
2000
계속해서 실지로 번역을 하면서 배우는 거죠.
13:21
Now the crazy thing about this method
338
786000
2000
그런데 히안한 것은 이 방법이 외국어를 배우는데
13:23
is that it actually really works.
339
788000
2000
매우 효과적이라는 겁니다.
13:25
First of all, people are really, really learning a language.
340
790000
2000
사람들이 이런 방법을 사용해서 정말로 외국어를 배웁니다.
13:27
We're mostly done building it, and now we're testing it.
341
792000
2000
우리는 이 시스템을 거의 완성했고 지금은 테스트중이죠.
13:29
People really can learn a language with it.
342
794000
2000
듀오링고를 통해 정말로 외국어를 배울 수 있습니다.
13:31
And they learn it about as well as the leading language learning software.
343
796000
3000
듀오링고의 성과는 일류 외국어 학습 소프트웨어와 비등합니다.
13:34
So people really do learn a language.
344
799000
2000
그래서 사람들은 정말로 언어를 배울 수 있죠.
13:36
And not only do they learn it as well,
345
801000
2000
듀오링고는 다른 방법에 못지 않게
13:38
but actually it's way more interesting.
346
803000
2000
외국어를 쉽게 배울 있수 있을 뿐만아니라
13:40
Because you see with Duolingo, people are actually learning with real content.
347
805000
3000
실제 컨텐츠를 사용하기 때문에 더 흥미가 있지요.
13:43
As opposed to learning with made-up sentences,
348
808000
2000
꾸며서 만든 문장과는 달리
13:45
people are learning with real content, which is inherently interesting.
349
810000
3000
실제 컨텐츠를 사용하니까 본질적으로 더 흥미가 있지요.
13:48
So people really do learn a language.
350
813000
2000
그래서 사람들은 정말로 외국어를 배우게 되지요.
13:50
But perhaps more surprisingly,
351
815000
2000
하지만 더욱 놀랄만한 것은,
13:52
the translations that we get from people using the site,
352
817000
3000
우리의 사이트에서 얻어낸 번역물들은
13:55
even though they're just beginners,
353
820000
2000
초보자의 번역도
13:57
the translations that we get are as accurate as those of professional language translators,
354
822000
3000
전문 번역가의 번역물 만큼
14:00
which is very surprising.
355
825000
2000
정확하다는 것입니다.
14:02
So let me show you one example.
356
827000
2000
한가지 예를 보여드리지요.
14:04
This is a sentence that was translated from German into English.
357
829000
2000
이 문장은 독일어를 영어로 번역한 것입니다.
14:06
The top is the German.
358
831000
2000
윗부분은 독일어입니다.
14:08
The middle is an English translation
359
833000
2000
중간 부분은 단어당 20센트를 받던
14:10
that was done by somebody who was a professional English translator
360
835000
2000
영문 전문 번역가가
14:12
who we paid 20 cents a word for this translation.
361
837000
2000
번역한 문장입니다.
14:14
And the bottom is a translation by users of Duolingo,
362
839000
3000
그리고 밑 부분은 듀오링고 서비스를
14:17
none of whom knew any German
363
842000
2000
사용하기 전에는 독일어를 전혀 몰랐던
14:19
before they started using the site.
364
844000
2000
듀오링고 사용자가 번역한 문장입니다.
14:21
You can see, it's pretty much perfect.
365
846000
2000
보시듯이 거의 완벽한 번역이라고 할 수 있죠.
14:23
Now of course, we play a trick here
366
848000
2000
물론 우리는 전문 번역가의 수준에
14:25
to make the translations as good as professional language translators.
367
850000
2000
도달하기 위해 약간의 속임수를 쓰죠.
14:27
We combine the translations of multiple beginners
368
852000
3000
우리는 전문 번역가 수준에 도달하도록
14:30
to get the quality of a single professional translator.
369
855000
3000
여러 초보자자들의 번역을 합치지요.
14:33
Now even though we're combining the translations,
370
858000
5000
우리가 여러 사람들의 번역을 합친다고 해도
14:38
the site actually can translate pretty fast.
371
863000
2000
듀오링고는 꽤 빨리 번역을 할 수 있습니다.
14:40
So let me show you,
372
865000
2000
제가 보여드리죠.
14:42
this is our estimates of how fast we could translate Wikipedia
373
867000
2000
이 슬라이드는 영문 위키피디아를 스페인어로
14:44
from English into Spanish.
374
869000
2000
얼마나 빨리 번역 할 수 있는지를 보여주는 예측 수치입니다.
14:46
Remember, this is 50 million dollars-worth of value.
375
871000
3000
이건 5천만달러에 해당하는 외국어 교육 시스템이라는 것을 기억하세요.
14:49
So if we wanted to translate Wikipedia into Spanish,
376
874000
2000
위키피디아를 스페인어로 번역한다면,
14:51
we could do it in five weeks with 100,000 active users.
377
876000
3000
듀오링고는 약 10만 명의 유저가 도와주면 5주 안에 할 수 있지요.
14:54
And we could do it in about 80 hours with a million active users.
378
879000
3000
그리고 백만 명이 도와주면 80시간 이내에 할 수 있습니다.
14:57
Since all the projects that my group has worked on so far have gotten millions of users,
379
882000
3000
저희가 지금까지 해온 모든 프로젝트에는 모두 수백만명의
15:00
we're hopeful that we'll be able to translate
380
885000
2000
유저가 있었으니까 듀오링고 프로젝트를 사용하면
15:02
extremely fast with this project.
381
887000
2000
정말로 빨리 번역을 할 수 있을 겁니다.
15:04
Now the thing that I'm most excited about with Duolingo
382
889000
3000
이제 제가 듀오링코에 대해 가장 기쁘게 생각하는 것은
15:07
is I think this provides a fair business model for language education.
383
892000
3000
언어교육에 대해 공정한 사업모델을 제공한다는 점입니다.
15:10
So here's the thing:
384
895000
2000
바로 이런것이죠.
15:12
The current business model for language education
385
897000
2000
현재의 언어교육 모델은
15:14
is the student pays,
386
899000
2000
학생이 비용을 지불하는 것인데,
15:16
and in particular, the student pays Rosetta Stone 500 dollars.
387
901000
2000
특히 학생들이 로제타스톤에 500달러를 주는 것이지요.
15:18
(Laughter)
388
903000
2000
(웃음)
15:20
That's the current business model.
389
905000
2000
그게 현재 사업모델이죠.
15:22
The problem with this business model
390
907000
2000
이런 사업모델의 문제점은
15:24
is that 95 percent of the world's population doesn't have 500 dollars.
391
909000
3000
전 세계 인구의 95%는 500달러를 가지고 있지 않다는 점입니다.
15:27
So it's extremely unfair towards the poor.
392
912000
3000
그래서 가난한 사람들에게는 매우 불공정한 모델입니다.
15:30
This is totally biased towards the rich.
393
915000
2000
이것은 부자들에게 편향된 사업모델이지요.
15:32
Now see, in Duolingo,
394
917000
2000
자 보시죠, 듀오링고에서는,
15:34
because while you learn
395
919000
2000
사용자들이 배우면서 번역이라는
15:36
you're actually creating value, you're translating stuff --
396
921000
3000
가치를 창조하게 됩니다.
15:39
which for example, we could charge somebody for translations.
397
924000
3000
예를들면, 누구에게 번역료를 과금할 수 도 있다는 것이죠.
15:42
So this is how we could monetize this.
398
927000
2000
즉, 이런식으로 돈을 벌 수도 있다는 말이지요.
15:44
Since people are creating value while they're learning,
399
929000
2000
듀오링고 유저들은 배우면서 가치를 창조하기 때문에
15:46
they don't have to pay their money, they pay with their time.
400
931000
3000
돈을 지불 할 필요가 없죠. 이미 시간으로 지불하니까요.
15:49
But the magical thing here is that they're paying with their time,
401
934000
3000
그런데 여기서 기가 막히게 좋은 것은 유저들이 시간으로
15:52
but that is time that would have had to have been spent anyways
402
937000
2000
교육비를 내지만 그시간은 어차피 언어를 배우는데
15:54
learning the language.
403
939000
2000
소비해야 하는 시간이라는 거죠.
15:56
So the nice thing about Duolingo is I think it provides a fair business model --
404
941000
3000
그래서 듀오링고의 정말로 좋은 점은 가난한 사람들을
15:59
one that doesn't discriminate against poor people.
405
944000
2000
차별하지 않는 공평한 사업모델을 제공한다는 것입니다.
16:01
So here's the site. Thank you.
406
946000
2000
이게 그 사이트입니다. 감사합니다.
16:03
(Applause)
407
948000
8000
(박수)
16:11
So here's the site.
408
956000
2000
이것이 듀오링고 사이트입니다.
16:13
We haven't yet launched,
409
958000
2000
아직 공식으로 발표하지는 않았지요.
16:15
but if you go there, you can sign up to be part of our private beta,
410
960000
3000
하지만 그 사이트에 가보면, 베타 서비스에 가입 할 수 있는데,
16:18
which is probably going to start in about three or four weeks.
411
963000
2000
이 사이트는 아마도 3, 4주내로 작업을 시작 할 것입니다.
16:20
We haven't yet launched this Duolingo.
412
965000
2000
듀오링고 사이트는 아직 공식으로 발표되지 않았습니다.
16:22
By the way, I'm the one talking here,
413
967000
2000
여기서 제가 혼자 듀오링고에 대해 말하고 있지만
16:24
but actually Duolingo is the work of a really awesome team, some of whom are here.
414
969000
3000
듀오링고는 다음을 포함한 정말로 훌륭한 팀의 협력작입니다.
16:27
So thank you.
415
972000
2000
감사합니다.
16:29
(Applause)
416
974000
4000
(박수)
ABOUT THE SPEAKER
Luis von Ahn - Computer scientistLuis von Ahn builds systems that combine humans and computers to solve large-scale problems that neither can solve alone.
Why you should listen
Louis von Ahn is an associate professor of Computer Science at Carnegie Mellon University, and he's at the forefront of the crowdsourcing craze. His work takes advantage of the evergrowing Web-connected population to acheive collaboration in unprecedented numbers. His projects aim to leverage the crowd for human good. His company reCAPTCHA, sold to Google in 2009, digitizes human knowledge (books), one word at a time. His new project is Duolingo, which aims to get 100 million people translating the Web in every major language.
Luis von Ahn | Speaker | TED.com