TED2010
Gary Flake: Is Pivot a turning point for web exploration?
게리 플레이크: '피봇'이 웹 탑색의 전환점이 될 수 있을까요?
Filmed:
Readability: 3.8
751,479 views
게리 플레이크가 온라인 상의 방대한 이미지들과 자료들을 탐색하고 정렬할 수 있는 새로운 방법인 '피봇'에 대해 시연합니다. 씨드래곤 기술에 기반한 피봇은, 웹 데이터베이스들과 기존의 웹 탐색에서는 찾을 수 없던 패턴들을 극적인 줌인/줌아웃 효과를 통해서 살펴볼 수 있게 합니다.
Gary Flake - Technologist
Gary Flake is a Technical Fellow at Microsoft, and the founder and director of Live Labs. Full bio
Gary Flake is a Technical Fellow at Microsoft, and the founder and director of Live Labs. Full bio
Double-click the English transcript below to play the video.
00:16
If I can leave you with one big idea today,
0
1000
2000
오늘 제가 여러분에게 오직 한가지 아이디어만을 전해야한다면,
00:18
it's that the whole of the data
1
3000
2000
그것은 우리가 소비하는
00:20
in which we consume
2
5000
2000
모든 데이터 전체가 그들의 부분합보다
00:22
is greater that the sum of the parts,
3
7000
2000
크다는 것을 알리고 싶습니다.
00:24
and instead of thinking about information overload,
4
9000
3000
그리고, 정보의 홍수 속에서 고민하기보다는
00:27
what I'd like you to think about is how
5
12000
2000
저는 여러분이 이러한 정보들을 어떻게 이용해,
00:29
we can use information so that patterns pop
6
14000
3000
그 안에 나타나는 패턴들을 찾아내고
00:32
and we can see trends that would otherwise be invisible.
7
17000
3000
숨겨져있는 흐름들을 볼 수 있을지에 대해서 생각하기를 바랍니다.
00:35
So what we're looking at right here is a typical mortality chart
8
20000
3000
지금 여기서 보는 것은 연령대에 대한
00:38
organized by age.
9
23000
2000
일반적인 사망율표 입니다.
00:40
This tool that I'm using here is a little experiment.
10
25000
2000
제가 사용하고 있는 이 도구는 작은 실험의 하나로,
00:42
It's called Pivot, and with Pivot what I can do
11
27000
3000
"피봇(Pivot)"이라 부릅니다. 저는 이 피봇을 통해
00:45
is I can choose to filter in one particular cause of deaths -- say, accidents.
12
30000
4000
특정 사망원인에 대해 살펴볼 수 있습니다. 여기서는 "사고"가 되겠죠.
00:49
And, right away, I see there's a different pattern that emerges.
13
34000
3000
바로, 새로운 패턴이 나타납니다.
00:52
This is because, in the mid-area here,
14
37000
2000
이곳 중간 구역은 대부분의 사람들이
00:54
people are at their most active,
15
39000
2000
가장 활발히 활동하는 연령대이기 때문이고,
00:56
and over here they're at their most frail.
16
41000
2000
이곳은 다수가 가장 노쇠한 연령대이기 때문입니다.
00:58
We can step back out again
17
43000
2000
우리는 여기서 한발 더 뒤로 물러서
01:00
and then reorganize the data by cause of death,
18
45000
2000
사망 원인에 따라 자료들을 재정리할 수도 있습니다.
01:02
seeing that circulatory diseases and cancer
19
47000
3000
순환계 질병들과 암이 가장 일반적인 사망 원인으로
01:05
are the usual suspects, but not for everyone.
20
50000
3000
나타나는군요. 하지만 모두에게 그런 것은 아닙니다.
01:08
If we go ahead and we filter by age --
21
53000
3000
우리가 연령대로 자료를 정렬하고,
01:11
say 40 years or less --
22
56000
2000
40대 이하에 대해 살펴보면,
01:13
we see that accidents are actually
23
58000
2000
우리는 '사고'가 사람들이 가장 조심해야하는
01:15
the greatest cause that people have to be worried about.
24
60000
3000
사망 원인임을 알수 있습니다.
01:18
And if you drill into that, it's especially the case for men.
25
63000
3000
그리고 조금 더 자세히 살펴보면 특히나 남성에게 해당됨을 알 수 있죠.
01:21
So you get the idea
26
66000
2000
결국 여러분들은,
01:23
that viewing information, viewing data in this way,
27
68000
3000
정보를 보거나 이런 방법으로 자료들을 볾으로써,
01:26
is a lot like swimming
28
71000
2000
마치 살아있는 정보들 즉, 인포그래픽 안에서
01:28
in a living information info-graphic.
29
73000
3000
유영하듯 유기적 아이디어를 얻을 수 있습니다.
01:31
And if we can do this for raw data,
30
76000
2000
그럼 우리가 미가공 데이터에 대해 이렇게 할 수 있다면,
01:33
why not do it for content as well?
31
78000
3000
가공된 자료, "컨텐츠"에 대해서도 못할 이유가 없겠죠?
01:36
So what we have right here
32
81000
2000
그래서 우리가 지금 여기서 보여드릴 것은
01:38
is the cover of every single Sports Illustrated
33
83000
3000
지금까지 출판되었던 스포츠 일러스트레이티드 잡지의
01:41
ever produced.
34
86000
2000
모든 첫페이지입니다.
01:43
It's all here; it's all on the web.
35
88000
2000
모두 여기있습니다. 모두 웹상에 존재하는 것들이죠.
01:45
You can go back to your rooms and try this after my talk.
36
90000
3000
제 이야기가 끝난 후에, 여러분의 방에서도 모두 해 보실 수 있습니다.
01:48
With Pivot, you can drill into a decade.
37
93000
3000
피봇을 이용해 10년 동안의 첫페이지들이나
01:51
You can drill into a particular year.
38
96000
2000
특정 연도의 첫페이지들에 대해서 자세히 살펴볼 수 있습니다.
01:53
You can jump right into a specific issue.
39
98000
3000
특정 호에 대해서 바로 살펴볼 수도 있습니다.
01:56
So I'm looking at this; I see the athletes
40
101000
2000
자, 그럼 저는 이것을 살펴보기로 하죠.
01:58
that have appeared in this issue, the sports.
41
103000
2000
이번 호에 나온 운동 선수들에 대해 살펴보겠습니다.
02:00
I'm a Lance Armstrong fan, so I'll go ahead and I'll click on that,
42
105000
3000
저는 랜스 암스트롱의 팬입니다. 그러니 이것을 클릭해보겠습니다.
02:03
which reveals, for me, all the issues
43
108000
2000
랜스 암스트롱의 사진이 실렸던
02:05
in which Lance Armstrong's been a part of.
44
110000
2000
모든 호들이 화면에 나타납니다.
02:07
(Applause)
45
112000
3000
(박수)
02:10
Now, if I want to just kind of take a peek at these,
46
115000
3000
자, 제가 이중에서 유독 눈에 띄는 것,
02:13
I might think,
47
118000
2000
아마도 이렇게,
02:15
"Well, what about taking a look at all of cycling?"
48
120000
2000
"모든 싸이클링에 대해 살펴보면 어떨까?"라 생각한다면,
02:17
So I can step back, and expand on that.
49
122000
2000
저는 한발 물러나서, 그것을 펼쳐볼 수 있습니다
02:19
And I see Greg LeMond now.
50
124000
2000
이제 그래그 레몬을 볼 수 있군요.
02:21
And so you get the idea that when you
51
126000
2000
자 이제 이것이 어떤 것인지 알 수 있겠지요.
02:23
navigate over information this way --
52
128000
2000
이런 방식으로 정보들 속을 항해해나갈 때,
02:25
going narrower, broader,
53
130000
2000
깊이 들어가기도하고, 넓게 보기도 하고,
02:27
backing in, backing out --
54
132000
2000
들어갔다가, 나왔다가 하기도 하면서
02:29
you're not searching, you're not browsing.
55
134000
2000
단순히 검색을 하거나, 웹 브라우징을 하는 것이 아닌
02:31
You're doing something that's actually a little bit different.
56
136000
2000
실제로는 기존과 약간 다른 무언가를 하게됩니다.
02:33
It's in between, and we think it changes
57
138000
3000
이는 검색과 웹브라우징의 중간쯤이며, 우리는
02:36
the way information can be used.
58
141000
2000
이것이 정보가 사용되는 방식을 바꿀 것이라 생각합니다.
02:38
So I want to extrapolate on this idea a bit
59
143000
2000
저는 이 아이디어를 조금 더 특이한 무언가에
02:40
with something that's a little bit crazy.
60
145000
2000
대해서 적용시켜보고자 합니다.
02:42
What we're done here is we've taken every single Wikipedia page
61
147000
3000
우리는 모든 위키피디아 페이지를 가지고 와서
02:45
and we reduced it down to a little summary.
62
150000
3000
그것들을 작은 요약 페이지들로 줄여두었습니다.
02:48
So the summary consists of just a little synopsis
63
153000
3000
따라서 요약 페이지들은 짧은 줄거리로 구성되어 있고
02:51
and an icon to indicate the topical area that it comes from.
64
156000
3000
아이콘들은 그 페이지가 실려있는 영역을 나타내고 있습니다.
02:54
I'm only showing the top 500
65
159000
3000
저는 최상위 500개의
02:57
most popular Wikipedia pages right here.
66
162000
2000
가장 유명한 위키피디아 페이지들을 지금 보여드리고 있습니다.
02:59
But even in this limited view,
67
164000
2000
이러한 제한적인 것들으로도
03:01
we can do a lot of things.
68
166000
2000
우리는 많은 것들을 할 수 있습니다.
03:03
Right away, we get a sense of what are the topical domains
69
168000
2000
지금 당장, 우리는 위키피디아에서
03:05
that are most popular on Wikipedia.
70
170000
2000
가장 유명한 세부 항목들이 어떤 것들인지를 알 수 있죠.
03:07
I'm going to go ahead and select government.
71
172000
2000
계속해서 이제 정부를 선택해보겠습니다.
03:09
Now, having selected government,
72
174000
3000
자, 이제 정부를 선택했고,
03:12
I can now see that the Wikipedia categories
73
177000
2000
정부와 가장 빈번하게 관련되는
03:14
that most frequently correspond to that
74
179000
2000
위키피디아의 카테고리가
03:16
are Time magazine People of the Year.
75
181000
3000
타임지의 "올해의 사람들"임을 알 수 있습니다.
03:19
So this is really important because this is an insight
76
184000
3000
이러한 통찰은 위키피디아안의 어떤 페이지에도
03:22
that was not contained within any one Wikipedia page.
77
187000
3000
속해 있지 않은 것이기 때문에 굉장히 중요합니다.
03:25
It's only possible to see that insight
78
190000
2000
한걸음 뒤로 물러서서 전체를 볼 수 있을 때에만
03:27
when you step back and look at all of them.
79
192000
3000
이러한 통찰력을 가질 수 있습니다.
03:30
Looking at one of these particular summaries,
80
195000
2000
이런 특별한 요약들 중의 하나를 살펴보면서,
03:32
I can then drill into the concept of
81
197000
3000
저는 타임지의 "올해의 사람들"에 대해서
03:35
Time magazine Person of the Year,
82
200000
2000
보다 자세히 알아 볼 수 있고,
03:37
bringing up all of them.
83
202000
2000
그것들 모두를 불러올 수 있습니다.
03:39
So looking at these people,
84
204000
2000
이 사람들을 살펴보면,
03:41
I can see that the majority come from government;
85
206000
3000
저는 대부분의 사람들이 "정부"와 관련된 것임을 알 수 있습니다.
03:45
some have come from natural sciences;
86
210000
3000
몇몇은 자연과학과 관련이 있네요.
03:49
some, fewer still, have come from business --
87
214000
3000
몇몇은, 작은 숫자지만, 경영과 관련이 있습니다.
03:53
there's my boss --
88
218000
2000
여기 제 상사가 있군요.
03:55
and one has come from music.
89
220000
5000
그리고 몇몇은 음악과 관련이 있습니다.
04:00
And interestingly enough,
90
225000
2000
그리고 충분히 흥미롭게도,
04:02
Bono is also a TED Prize winner.
91
227000
3000
보노는 또한 TED Prize를 받은 사람 입니다.
04:05
So we can go, jump, and take a look at all the TED Prize winners.
92
230000
3000
그래서 우리는 TED Prize 를 받은 사람들을 모두 살펴볼 수 있습니다.
04:08
So you see, we're navigating the web for the first time
93
233000
3000
여러분이 보시는 것처럼, 우리는 웹을 페이지에서 페이지를 이동하는 것이 아닌,
04:11
as if it's actually a web, not from page-to-page,
94
236000
3000
최초로 마치 웹이 거미줄(web)인 것과 같이
04:14
but at a higher level of abstraction.
95
239000
2000
보다 상위의 개념에서 탐색하고 있습니다.
04:16
And so I want to show you one other thing
96
241000
2000
저는 이제 여러분이 조금 놀라실만한
04:18
that may catch you a little bit by surprise.
97
243000
3000
다른 것들을 보여드리고자 합니다.
04:21
I'm just showing the New York Times website here.
98
246000
3000
저는 지금 뉴욕 타임지의 웹사이트를 보고 있습니다.
04:24
So Pivot, this application --
99
249000
2000
이제 이 응용프로그램, 즉 피봇을 이용하면 -
04:26
I don't want to call it a browser; it's really not a browser,
100
251000
2000
저는 이것을 브라우져라고 부르고 싶지 않습니다; 사실 이것은 브라우져가 아닙니다.
04:28
but you can view web pages with it --
101
253000
3000
하지만 여러분은 이것을 이용해서 웹 페이지들을 볼 수 있고
04:31
and we bring that zoomable technology
102
256000
2000
우리는 확대/축소 기술을
04:33
to every single web page like this.
103
258000
3000
이와 같은 각각의 웹페이지에 적용할 수 있습니다.
04:36
So I can step back,
104
261000
3000
한 걸음 뒤로 물러났다가
04:39
pop right back into a specific section.
105
264000
2000
다시 특정 위치로 돌아갈 수 있습니다.
04:41
Now the reason why this is important is because,
106
266000
2000
이것이 중요한 이유는
04:43
by virtue of just viewing web pages in this way,
107
268000
3000
웹페이지들을 이렇게 볾으로써
04:46
I can look at my entire browsing history
108
271000
2000
나의 웹브라우징 히스토리들 역시 동일하게
04:48
in the exact same way.
109
273000
2000
볼 수 있기 때문입니다.
04:50
So I can drill into what I've done
110
275000
2000
즉, 제가 특정 시간 간격동안
04:52
over specific time frames.
111
277000
2000
무엇을 했는지를 자세히 살펴볼 수 있습니다
04:54
Here, in fact, is the state
112
279000
2000
여기에, 사실, 제가 그동안 했던
04:56
of all the demo that I just gave.
113
281000
2000
모든 데모들이 들어 있군요.
04:58
And I can sort of replay some stuff that I was looking at earlier today.
114
283000
3000
그리고 저는 제가 오늘 일찍이 했던 것들을 되풀이해볼 수 있습니다.
05:01
And, if I want to step back and look at everything,
115
286000
3000
그리고 만약 한걸음 물러서서 모든 것을 보고자 한다면
05:04
I can slice and dice my history,
116
289000
2000
저는 저의 기록들, 아마도 저의 검색 기록들을
05:06
perhaps by my search history --
117
291000
2000
샅샅히 찾아볼 수 있습니다.
05:08
here, I was doing some nepotistic searching,
118
293000
2000
여기, 저는 저와 친밀한 것들을 검색했습니다
05:10
looking for Bing, over here for Live Labs Pivot.
119
295000
3000
Bing 검색엔진에서, 라이브랩 피봇에 관해서 검색했습니다.
05:13
And from these, I can drill into the web page
120
298000
2000
이것들을 통해서 저는 웹페이지를 살펴볼 수 있고
05:15
and just launch them again.
121
300000
2000
다시 그 페이지들을 열어볼 수도 있습니다.
05:17
It's one metaphor repurposed multiple times,
122
302000
3000
이것이 하나의 메타포가 목적에 따라 여러번 재생산된 것이고,
05:20
and in each case it makes the whole greater
123
305000
2000
각각의 경우에 대해 데이터 부분합보다
05:22
than the sum of the parts with the data.
124
307000
2000
전체 데이터가 더 큰 것임을 보여준 것입니다
05:24
So right now, in this world,
125
309000
3000
지금, 이 세계에서
05:27
we think about data as being this curse.
126
312000
3000
우리는 데이터를 골치거리로 생각합니다.
05:30
We talk about the curse of information overload.
127
315000
3000
우리는 정보 과다의 골치거리에 대해서 이야기하고
05:33
We talk about drowning in data.
128
318000
3000
너무도 많은 데이터에 허우적거리는 것을 이야기합니다.
05:36
What if we can actually turn that upside down
129
321000
2000
하지만 우리가 이를 뒤짚을 수 있다면, 그러니까
05:38
and turn the web upside down,
130
323000
2000
웹 자체를 뒤짚을 수 있다 생각한다면 어떨까요?
05:40
so that instead of navigating from one thing to the next,
131
325000
3000
하나에서 그 다음으로 가는 것이 아니라
05:43
we get used to the habit of being able to go from many things to many things,
132
328000
3000
여러개들로부터 또다른 여러개로 이동하는 것에 익숙해지고,
05:46
and then being able to see the patterns
133
331000
2000
기존에는 숨겨져 있던 특정 패턴들을
05:48
that were otherwise hidden?
134
333000
2000
볼 수 있다면 어떨까요?
05:50
If we can do that, then instead of being trapped in data,
135
335000
5000
만약 우리가 그것을 할 수 있다면, 우리는 자료들에 갖혀 있는 것이 아니라
05:55
we might actually extract information.
136
340000
3000
실제로 그 자료들로부터 정보를 끄집어 낼 수 있을 것 입니다.
05:58
And, instead of dealing just with information,
137
343000
2000
그리고, 단순히 정보를 다루는데에 그치는 것이 아니라,
06:00
we can tease out knowledge.
138
345000
2000
지식을 알아내려고 애쓸 수 있습니다.
06:02
And if we get the knowledge, then maybe even there's wisdom to be found.
139
347000
3000
우리가 만약 그 지식들을 알 수 있다면, 우리는 아마도 지혜를 찾아낼 수 있을 것 입니다.
06:05
So with that, I thank you.
140
350000
2000
감사합니다.
06:07
(Applause)
141
352000
8000
(박수)
ABOUT THE SPEAKER
Gary Flake - TechnologistGary Flake is a Technical Fellow at Microsoft, and the founder and director of Live Labs.
Why you should listen
Gary Flake is a Technical Fellow at Microsoft, where he focuses on Internet products and technologies including search, advertising, content, portals, community and application development. In this capacity, he helps define and evolve Microsoft's product vision, technical architecture and business strategy for online services. He is also the founder and director of Live Labs, a skunkworks that bridges research and development, and is widely recognized for inventing new best practices for catalyzing and managing innovation.
Prior to joining Microsoft, Flake founded Yahoo! Research Labs, ran Yahoo!'s corporate R&D activities and company-wide innovation effort, and was the Chief Science Officer of Overture, the company that invented the paid search business model. Flake also wrote the award-winning book The Computational Beauty of Nature, which is used in college courses worldwide.
Gary Flake | Speaker | TED.com