TED2003
Steven Johnson: The Web as a city
Steven Johnson: Sieć jako miasto
Filmed:
Readability: 3.9
395,928 views
Steven Johnson z Outside.in twierdzi, że sieć www jest jak miasto: zbudowało ją wielu ludzi, ale żadna konkretna osoba nie sprawuje totalnej kontroli. Jest złożona z wielu współzależnych części, które jednak funkcjonują niezależnie od siebie. Kiedy w jednym miejscu wydarza się tragedia, gdzie indziej życie toczy się dalej.
Steven Johnson - Writer
Steven Berlin Johnson examines the intersection of science, technology and personal experience. Full bio
Steven Berlin Johnson examines the intersection of science, technology and personal experience. Full bio
Double-click the English transcript below to play the video.
00:18
I want to take you back basically to my hometown,
0
0
3000
Zabiorę was do mojego rodzinnego miasta
00:21
and to a picture of my hometown of the week
1
3000
2000
do obrazu mojego rodzinnego miasta z czasu
00:23
that "Emergence" came out.
2
5000
2000
gdy ukazała się "Emergence".
00:25
And it's a picture we've seen several times.
3
7000
3000
Jest to obraz, który widzieliśmy już kilkakrotnie.
00:33
Basically, "Emergence" was published on 9/11.
4
15000
3000
"Emergence" opublikowano 11 września 2001.
00:36
I live right there in the West Village,
5
18000
5000
Żyję tu, w West Village.
00:41
so the plume was luckily blowing west, away from us.
6
23000
5000
Wiatr przegonił dym na zachód, daleko od nas.
00:46
We had a two-and-a-half-day-old baby in the house that was ours --
7
28000
7000
Mieliśmy w domu dwuipółmiesięczne dziecko. Było nasze,
00:53
we hadn't taken it from somebody else.
8
35000
2000
nie zabraliśmy go nikomu.
00:55
(Laughter)
9
37000
2000
(Śmiech)
00:57
And one of the thoughts that I had dealing with these two separate emergences
10
39000
7000
Kiedy dziecko i książka pojawiły się,
01:04
of a book and a baby, and having this event happen so close --
11
46000
4000
obie w tak niedługim czasie,
01:08
that my first thought, when I was still kind of in the apartment looking out at it all
12
50000
4000
jedną z moich pierwszych myśli, kiedy patrzyłem na to wszytko,
01:12
or walking out on the street and looking out on it just in front of our building,
13
54000
3000
kiedy szedłem chodnikiem i obserwowałem to wszytko przed budynkiem,
01:15
was that I'd made a terrible miscalculation in the book that I'd just written.
14
57000
5000
było, że pomyliłem się ogromnie w mojej książce.
01:20
Because so much of that book was a celebration of the power
15
62000
4000
Ogromna jej część była celebracją siły
01:24
and creative potential of density, of largely urban density,
16
66000
4000
i kreatywnego potencjału jakie daje wysoka gęstość zaludnienia,
01:28
of connecting people and putting them together in one place,
17
70000
3000
siły łączenia ludzi i gromadzenia ich w jednym miejscu
01:31
and putting them on sidewalks together and having them share ideas
18
73000
3000
wypędzania ich na ulice i sprawiania, że łączą ich idee
01:34
and share physical space together.
19
76000
2000
i że dzielą wspólną przestrzeń.
01:36
And it seemed to me looking at that -- that tower burning and then falling,
20
78000
3000
Wydawało mi się, kiedy na to patrzyłem, na te płonące wieże,
01:39
those towers burning and falling -- that in fact, one of the lessons
21
81000
2000
że w zasadzie nauczyło to nas,
01:41
here was that density kills.
22
83000
2000
że gęstość zabija.
01:43
And that of all the technologies that were exploited
23
85000
3000
I że spośród wszystkich technologii użytych,
01:46
to make that carnage come into being,
24
88000
4000
w tym masowym morderstwie,
01:51
probably the single group of technologies that cost the most lives
25
93000
6000
być może tymi, które kosztowały nas najwięcej istnień
01:57
were those that enable 50,000 people to live in two buildings
26
99000
4000
były te, które pozwoliły 50.000 ludziom żyć w dwóch budynkach,
02:01
110 stories above the ground.
27
103000
2000
110 pięter nad ziemią.
02:03
If they hadn't been crowded --
28
105000
2000
Jeśli nie tłoczyliby się --
02:05
you compare the loss of life at the Pentagon to the Twin Towers,
29
107000
2000
jeśli porównać liczbę zabitych z Pentagonu i z WTC,
02:08
and you can see that very powerfully.
30
110000
2000
widać to bardzo wyraźnie.
02:10
And so I started to think, well, you know, density, density --
31
112000
3000
Zacząłem myśleć: gęstość, gęstość --
02:13
I'm not sure if, you know, this was the right call.
32
115000
3000
nie byłem pewien, ale to było to.
02:17
And I kind of ruminated on that for a couple of days.
33
119000
3000
Myślałem o tym kilka dni.
02:20
And then about two days later, the wind started to change a little bit,
34
122000
4000
Jakieś dwa dni później wiatr zaczął się zmieniać,
02:24
and you could sense that the air was not healthy.
35
126000
3000
i powietrze stało się niezdrowe.
02:27
And so even though there were no cars still in the West Village
36
129000
4000
Choć w West Village wciąż nie było samochodów,
02:31
where we lived, my wife sent me out to buy a, you know,
37
133000
3000
żona wysłała mnie
02:34
a large air filter at the Bed Bath and Beyond,
38
136000
4000
po duży filtr powietrza,
02:38
which was located about 20 blocks away, north.
39
140000
3000
do sklepu jakieś 20 przecznic na północ.
02:41
And so I went out.
40
143000
2000
A więc poszedłem.
02:43
And obviously I'm physically a very strong person, as you can tell -- (Laughter) --
41
145000
3000
Jak widzicie jestem bardzo silny, nie przejąłem się więc
02:47
so I wasn't worried about carrying this thing 20 blocks.
42
149000
3000
perspektywą taszczenia tego filtra 20 przecznic.
02:50
And I walked out, and this really miraculous thing happened to me
43
152000
4000
Kiedy wyszedłem, stało się coś niezwykłego,
02:54
as I was walking north to buy this air filter,
44
156000
3000
Kiedy wyszedłem, stało się coś niezwykłego,
02:57
which was that the streets were completely alive with people.
45
159000
4000
zobaczyłem, że wszystkie ulice były pełne ludzi.
03:02
There was an incredible -- it was, you know, a beautiful day,
46
164000
3000
To było coś niesamowitego -- był to, jak wiecie, piękny dzień,
03:05
as it was for about a week after,
47
167000
2000
jak cały tydzień zresztą,
03:07
and the West Village had never seemed more lively.
48
169000
3000
i West Village była wyjątkowo pełna życia.
03:10
I walked up along Hudson Street --
49
172000
2000
Szedłem wzdłuż Hudson Street,
03:12
where Jane Jacobs had lived and written her great book
50
174000
2000
gdzie Jane Jacobs żyła i napisała swoją świetną książkę,
03:14
that so influenced what I was writing in "Emergence" --
51
176000
2000
która tak wpłynęła na moją "Emergence,"
03:16
past the White Horse Tavern,
52
178000
2000
minąłem White Horse Tavern,
03:18
that great old bar where Dylan Thomas drank himself to death,
53
180000
3000
ten stary pub, gdzie Dylan Thomas zapił się na śmierć,
03:21
and the Bleecker Street playground was filled with kids.
54
183000
3000
a plac zabaw na Bleecker Street pełen był dzieci.
03:24
And all the people who lived in the neighborhood,
55
186000
2000
Wszyscy z sąsiedzctwa,
03:26
who owned restaurants and bars in the neighborhood,
56
188000
2000
właściciele restauracji i barów,
03:28
were all out there -- had them all open.
57
190000
2000
byli tam - wszystko było otwarte.
03:30
People were out.
58
192000
2000
Wszyscy wyszli na ulice.
03:32
There were no cars, so it seemed even better, in some ways.
59
194000
2000
Nie było samochodów, co było w pewnym sensie lepsze.
03:34
And it was a beautiful urban day,
60
196000
3000
I był to piękny miejski dzień,
03:37
and the incredible thing about it was that the city was working.
61
199000
4000
i niezwykłe było to, że miasto wciąż pracowało.
03:41
The city was there.
62
203000
2000
Było obecne.
03:43
All the things that make a great city successful
63
205000
2000
Wszystko, co czyni miasto miejscem sukcesu,
03:45
and all the things that make a great city stimulating --
64
207000
2000
wszystko co sprawia, że miasto inspiruje --
03:47
they were all on display there on those streets.
65
209000
2000
wszystko było tam, na ulicach.
03:49
And I thought, well, this is the power of a city.
66
211000
4000
Pomyślałem, że w tym tkwi siła miasta.
03:53
I mean, the power of the city --
67
215000
2000
Siła miasta --
03:55
we talked about cities as being centralized in space,
68
217000
2000
mówiliśmy, że miasta są scentralizowane w przestrzeni,
03:57
but what makes them so strong most of the time
69
219000
2000
jednak to, co je wzmacnia to zwłaszcza fakt,
03:59
is they're decentralized in function.
70
221000
2000
że są zdecentralizowane w funkcji.
04:01
They don't have a center executive branch that you can take out
71
223000
2000
Nie ma centralnego organu, który można wyłączyć,
04:03
and cause the whole thing to fail.
72
225000
2000
by sprawić, że wszytko upadnie.
04:05
If they did, it probably was right there at Ground Zero.
73
227000
3000
Gdyby było, znajdowało by się pewnie w Ground Zero.
04:08
I mean, you know, the emergency bunker was right there,
74
230000
2000
Wiecie, że bunkier, który był właśnie tam,
04:10
was destroyed by the attacks,
75
232000
2000
został zniszczony w czasie ataków,
04:12
and obviously the damage done to the building and the lives.
76
234000
2000
zginęło wielu ludzi, a wiele budynków uległo zniszczeniu.
04:14
But nonetheless, just 20 blocks north, two days later,
77
236000
4000
Mimo wszystko, 20 przecznic na północ, dwa dni później,
04:18
the city had never looked more alive.
78
240000
3000
miasto nigdy nie było bardziej żywe.
04:21
If you'd gone into the minds of the people,
79
243000
2000
W ludzkich myślach,
04:23
well, you would have seen a lot of trauma,
80
245000
2000
było wtedy wiele traumy,
04:25
and you would have seen a lot of heartache,
81
247000
2000
serca ich były w bólu,
04:27
and you would have seen a lot of things that would take a long time to recover.
82
249000
3000
i potrzeba by wiele czasu, by ukoić te rany.
04:30
But the system itself of this city was thriving.
83
252000
2000
Jednak miasto, jako system, żyło.
04:33
So I took heart in seeing that.
84
255000
3000
Ucieszył mnie ten widok.
04:36
So I wanted to talk a little bit about the reasons why that works so well,
85
258000
6000
Chcę opowiedzieć o tym, dlaczego tak dobrze to działa,
04:42
and how some of those reasons kind of map
86
264000
2000
i jak w pewnym stopniu znajduje to analogię
04:44
on to where the Web is going right now.
87
266000
2000
w obecnym kształcie sieci WWW.
04:47
The question that I found myself asking to people
88
269000
2000
Wielu ludziom zadawałem takie pytanie,
04:49
when I was talking about the book afterwards is --
89
271000
2000
gdy opowiadałem o mojej książce...
04:51
when you've talked about emergent behavior,
90
273000
2000
kiedy rozmawia się o zachowaniach emergentnych,
04:53
when you've talked about collective intelligence,
91
275000
2000
o kolektywnej inteligencji,
04:55
the best way to get people to kind of wrap their heads around that
92
277000
2000
najlepszym sposobem na przybliżenie tematu to zapytać:
04:57
is to ask, who builds a neighborhood?
93
279000
3000
co buduje sąsiedztwo?
05:00
Who decides that Soho should have this personality
94
282000
3000
Kto decyduje o tym, jaką osobowość powinny mieć Soho lub Dzielnica Łacińska?
05:03
and that the Latin Quarter should have this personality?
95
285000
2000
Kto decyduje o tym, jaką osobowość powinny mieć Soho lub Dzielnica Łacińska?
05:05
Well, there are some kind of executive decisions,
96
287000
2000
Są pewne czynniki administracyjne,
05:07
but mostly the answer is -- everybody and nobody.
97
289000
2000
ale prawdziwa odpowiedź to -- wszyscy i nikt.
05:09
Everybody contributes a little bit.
98
291000
2000
Wszyscy wnoszą coś od siebie.
05:11
No single person is really the ultimate actor
99
293000
4000
Nie ma pojedynczego sprawcy, który stałby
05:15
behind the personality of a neighborhood.
100
297000
2000
za osobowością sąsiedztwa.
05:17
Same thing to the question of, who was keeping the streets alive
101
299000
3000
To samo tyczy się kwestii tego, kto utrzymywał ulice przy życiu
05:20
post-9/11 in my neighborhood?
102
302000
2000
po wrześniowych zamachach.
05:22
Well, it was the whole city.
103
304000
2000
Było to całe miasto.
05:24
The whole system kind of working on it,
104
306000
2000
Cały system na to pracował
05:26
and everybody contributing a small little part.
105
308000
2000
i każdy wnosił coś od siebie.
05:28
And this is increasingly what we're starting to see on the Web
106
310000
3000
Podobny model obserwujemy obecnie w sieci --
05:31
in a bunch of interesting ways --
107
313000
2000
a w zasadzie wiele podobnych modeli.
05:33
most of which weren't around, actually,
108
315000
2000
W większości nie były jeszcze widoczne,
05:35
except in very experimental things,
109
317000
2000
a najwyżej w stadiach experymentalnych,
05:37
when I was writing "Emergence" and when the book came out.
110
319000
2000
kiedy pisałem "Emergence" i kiedy została opublikowana.
05:39
So it's been a very optimistic time, I think,
111
321000
2000
Był to więc optymistyczny czas.
05:41
and I want to just talk about a few of those things.
112
323000
2000
Chcę opowiedzieć o paru z tych rzeczy.
05:43
I think that there is effectively a new kind of model of interactivity
113
325000
4000
Sądzę, że nowy model interaktywności
05:47
that's starting to emerge online right now.
114
329000
2000
właśnie teraz pojawia się w sieci.
05:49
And the old one looked like this.
115
331000
3000
Stary wyglądał tak:
05:54
This is not the future King of England, although it looks like it.
116
336000
4000
(to nie jest przyszły król Anglii, choć go przypomina)
05:58
It's some guy, it's a GeoCities homepage of some guy that I found online
117
340000
3000
to przypadkowy facet i przypadkowa strona domowa GeoCities.
06:01
who's interested, if you look at the bottom, in soccer and Jesus
118
343000
3000
Do zainteresowań właściciela należą piłka nożna i Jezus,
06:04
and Garth Brooks and Clint Beckham and "my hometown" -- those are his links.
119
346000
3000
Garth Brooks i Clint Beckham, rodzinne miasteczko -- to jego linki.
06:07
But nothing really says
120
349000
2000
Nic jednak nie wyraża
06:09
this model of interactivity -- which was so exciting and captures the real,
121
351000
4000
tego modelu, który był tak ekscytujący i dotykał sedna,
06:13
the Web Zeitgeist of 1995 -- than
122
355000
3000
swoistego ducha czasu roku 1995,
06:16
"Click here for a picture of my dog."
123
358000
2000
niż "Zobacz tutaj zdjęcie mojego psa."
06:18
That is -- you know, there's no sentence
124
360000
2000
Jak sądzę, nie istnieje zdanie,
06:20
that kind of conjures up that period better than that, I think,
125
362000
3000
które lepiej przywołuje ten czas niż to.
06:24
which is that you suddenly have the power to put up a picture of your dog
126
366000
3000
To, że możemy umieścić w sieci zdjęcie swojego psa,
06:27
and link to it, and somebody reading the page
127
369000
3000
umieścić do niego link, a ktoś, kto ogląda tą strone
06:30
has the power to click on that link or not click on that link.
128
372000
3000
ma wybór: albo podąży za tym linkiem albo nie.
06:33
And, you know, I don't want to belittle that. That, in a sense --
129
375000
3000
Nie chcę umniejszać znaczenia tego wyboru, tej władzy,
06:36
to reference what Jeff was talking about yesterday --
130
378000
3000
tego, o czym Jeff mówił wczoraj,
06:39
that was, in a sense, the kind of interface electricity that
131
381000
2000
a co jest niejako motorem napędowym
06:41
powered a lot of the explosion of interest in the Web:
132
383000
3000
rosnącego zainteresowania siecią --
06:44
that you could put up a link, and somebody could click on it,
133
386000
2000
że można umieścić link, że ktoś może na niego kliknąć,
06:46
and it could take you anywhere you wanted to go.
134
388000
2000
a on zabierze nas dokąd tylko chcemy.
06:48
But it's still a very one-to-one kind of relationship.
135
390000
2000
Jest to jednak wciąż relacja jeden do jednego.
06:50
There's one person putting up the link, and there's another person
136
392000
2000
Jedna osoba umieszcza link, a druga,
06:52
on the other end trying to decide whether to click on it or not.
137
394000
4000
na drugim końcu, zastanawia się czy go kliknąć.
06:57
The new model is much more like this,
138
399000
2000
Nowy model wygląda raczej tak --
06:59
and we've already seen a couple of references to this.
139
401000
2000
widzieliśmy już kilka nawiązań do tego.
07:01
This is what happens when you search "Steven Johnson" on Google.
140
403000
4000
To są wyniki wyszukiwania "Steve Johnson" w Google Search.
07:05
About two months ago, I had the great breakthrough --
141
407000
4000
Jakieś dwa miesiące temu miałem przełom,
07:09
one of my great, kind of shining achievements --
142
411000
3000
jedno z moich wyjątkowych osiągnięć.
07:12
which is that my website finally became a top result for "Steven Johnson."
143
414000
3000
Moja strona została najwyższym wynikiem dla zapytania "Steven Johnson."
07:15
There's some theoretical physicist at MIT named Steven Johnson
144
417000
6000
Jest jakiś fizyk teoretyczny z MIT o nazwisku Steven Johnson,
07:21
who has dropped two spots, I'm happy to say.
145
423000
3000
który, miło mi ogłosić, spadł o dwa miejsca.
07:24
(Laughter)
146
426000
1000
(Śmiech)
07:25
And, you know, I mean, I'll look at a couple of things like this,
147
427000
4000
Przyjrzę się jeszcze paru podobnym rzeczom,
07:29
but Google is obviously the greatest technology ever invented for navel gazing.
148
431000
4000
choć Google jest cudowną technologią dla narcyzów.
07:33
It's just that there are so many other people in your navel when you gaze.
149
435000
3000
Niestety - w lustrze jest razem z tobą tyle innych ludzi.
07:36
Because effectively, what's happening here,
150
438000
4000
Koniec końców, co się tu dzieje,
07:41
what's creating this page, obviously -- and we all know this,
151
443000
2000
co tworzy tą stronę, oczywiście -- jak wszyscy wiemy,
07:43
but it's worth just thinking about it --
152
445000
2000
choć warto się nad tym zastanowić --
07:45
is not some person deciding that I am the number one answer for Steven Johnson,
153
447000
4000
to nie jedna osoba, która decyduje, że jestem pierwszym wynikiem dla Steven Johnson, ale cała sieć ludzi,
07:49
but rather somehow the entire web of people
154
451000
4000
to nie jedna osoba, która decyduje, że jestem pierwszym wynikiem dla Steven Johnson, ale cała sieć ludzi,
07:53
putting up pages and deciding to link to my page or not link to it,
155
455000
3000
którzy mają swoje strony i linkują do mojej lub nie,
07:56
and Google just sitting there and running the numbers.
156
458000
3000
a Google tylko siedzi z kalkulatorem.
07:59
So there's this collective decision-making that's going on.
157
461000
4000
Jest to więc kolektywna siła decyzyjna.
08:03
This page is effectively, collectively authored by the Web,
158
465000
3000
Tą stronę dynamicznie tworzy cała sieć,
08:06
and Google is just helping us
159
468000
2000
a Google tylko nam pomaga
08:08
kind of to put the authorship in one kind of coherent place.
160
470000
3000
umieścić ten twór w jednym miejscu.
08:11
Now, they're more innovative -- well, Google's pretty innovative --
161
473000
3000
Są też nowe rozwiązania -- Google jest bardzo innowacyjny,
08:14
but there are some new twists on this.
162
476000
2000
ale są też inne pomysły.
08:17
There's this incredibly interesting new site -- Technorati --
163
479000
2000
Na przykład ta niezwykle ciekawa strona -- Technorati --
08:19
that's filled with lots of little widgets that are expanding on these.
164
481000
4000
pełna małych, prostych widgetów, które to wykorzystują.
08:23
And these are looking in the blog world and the world of weblogs.
165
485000
4000
I przyglądają się światu blogów i weblogów.
08:27
He's analyzed basically all the weblogs out there that he's tracking.
166
489000
4000
Technorati przeanalizował wszystkie weblogi
08:31
And he's tracking how many other weblogs linked to those weblogs,
167
493000
3000
i jak są połączone z innymi weblogami,
08:34
and so you have kind of an authority --
168
496000
2000
jest to więc pewna hierarchia --
08:36
a weblog that has a lot of links to it
169
498000
2000
weblog, do którego wiele linkuje,
08:38
is more authoritative than a weblog that has few links to it.
170
500000
4000
ma większy autorytet niż taki, do którego linkuje niewiele.
08:43
And so at any given time, on any given page on the Web, actually,
171
505000
2000
I w dowolnej chwili, dla dowolnej witryny
08:45
you can say, what does the weblog community think about this page?
172
507000
3000
można określić, co sądzi o niej społeczność blogerów.
08:48
And you can get a list.
173
510000
2000
Można stworzyć listę.
08:50
This is what they think about my site; it's ranked by blog authority.
174
512000
3000
Oto co sądzą o mojej stronie -- kolejność według autorytetu bloga.
08:53
You can also rank it by the latest posts.
175
515000
2000
Można je posortować według daty.
08:55
So when I was talking in "Emergence,"
176
517000
3000
W "Emergence"
08:58
I talked about the limitations of the one-way linking architecture
177
520000
2000
pisałem o ograniczeniach takiej jednostronnej architektury --
09:00
that, basically, you could link to somebody else
178
522000
2000
że można było podlinkować do kogoś
09:02
but they wouldn't necessarily know that you were pointing to them.
179
524000
2000
a ten ktoś mógł o tym nie wiedzieć.
09:04
And that was one of the reasons why the web
180
526000
3000
To jeden z powodów, dlaczego sieć
09:07
wasn't quite as emergent as it could be
181
529000
2000
nie była w pełni emergentna --
09:09
because you needed two-way linking, you needed that kind of feedback mechanism
182
531000
2000
ponieważ potrzebna była obustronna komunikacja, ten odzew,
09:11
to be able to really do interesting things.
183
533000
2000
by zrobić coś naprawdę ciekawego.
09:13
Well, something like Technorati is supplying that.
184
535000
3000
Technorati oferuje właśnie to.
09:16
Now what's interesting here is that this is a quote from Dave Weinberger,
185
538000
3000
To, co jest interesujące, to te słowa Dave Weinbergera,
09:19
where he talks about everything being purposive in the Web --
186
541000
4000
że w wszystko w sieci ma swój cel --
09:23
there's nothing artificial.
187
545000
2000
że nic nie jest przypadkowe.
09:25
He has this line where he says, you know, you're going to put up a link there,
188
547000
2000
Jest taki fragment, w którym mówi, że celem jest umieszczenie linka,
09:27
if you see a link, somebody decided to put it there.
189
549000
3000
jeśli go widzisz, ktoś go tam umieścił.
09:30
And he says, the link to one site didn't just grow on the other page "like a tree fungus."
190
552000
5000
I mówi, że link do jednej strony nie pojawił się na tej drugiej jak "grzyb na drzewie".
09:35
And in fact, I think that's not entirely true anymore.
191
557000
3000
Myślę, że to już niezupełnie prawda.
09:38
I could put up a feed of all those links generated by Technorati
192
560000
4000
Mogę umieścić linki generowane przez Technorati
09:42
on the right-hand side of my page,
193
564000
2000
w prawej kolumnie mojej strony,
09:44
and they would change as the overall ecology of the Web changes.
194
566000
3000
a one będą się zmieniać w miarę jak zmienia się sieć.
09:47
That little list there would change.
195
569000
2000
Ta krótka lista zmieniałaby się.
09:49
I wouldn't really be directly in control of it.
196
571000
2000
Nie miałbym nad nią zupełnej kontroli.
09:51
So it's much closer, in a way, to a data fungus, in a sense,
197
573000
3000
Jest to więc raczej grzyb danych,
09:54
wrapped around that page, than it is to a deliberate link that I've placed there.
198
576000
4000
który oplata tą stronę, niż link, który sam tam umieściłem.
10:00
Now, what you're having here is basically a global brain
199
582000
3000
To, co tu mamy, to w zasadzie globalny mózg
10:03
that you're able to do lots of kind of experiments on to see what it's thinking.
200
585000
3000
z którym można eksperymentować, by sprawdzić, o czym myśli.
10:06
And there are all these interesting tools.
201
588000
2000
I mamy te wszystkie narzędzia.
10:08
Google does the Google Zeitgeist,
202
590000
2000
Google ma Google Zeitgeist,
10:10
which looks at search requests to test what's going on, what people are interested in,
203
592000
5000
który analizuje zapytania by sprawdzić, co się dzieje, czego ludzie szukają,
10:15
and they publish it with lots of fun graphs.
204
597000
2000
i prezentuje wyniki na kolorowych wykresach.
10:17
And I'm saying a lot of nice things about Google,
205
599000
2000
Mówię dużo dobrego o Google,
10:19
so I'll be I'll be saying one little critical thing.
206
601000
1000
powiem więc też coś krytycznego.
10:20
There's a problem with the Google Zeitgeist,
207
602000
2000
Problem z Google Zeitgeist jest taki,
10:22
which is it often comes back with news that a lot of people are searching
208
604000
4000
że często ważną wiadomością okazuje się liczba ludzi szukających
10:26
for Britney Spears pictures, which is not necessarily news.
209
608000
4000
zdjęć Britney Spears, a to żadna wiadomość.
10:30
The Columbia blows up, suddenly there are a lot of searches on Columbia.
210
612000
4000
W Kolumbii robi się gorąco, nagle ludzie zaczynają szukać informacji.
10:34
Well, you know, we should expect to see that.
211
616000
2000
Cóż, to było do przewidzenia.
10:36
That's not necessarily something we didn't know already.
212
618000
2000
Nie jest to nic specjalnie nowego.
10:38
So the key thing in terms of these new tools
213
620000
2000
Kluczowym pytaniem odnośnie tych narzędzi,
10:40
that are kind of plumbing the depths of the global brain,
214
622000
3000
które penetrują głębiny globalnego mózgu,
10:43
that are sending kind of trace dyes through that whole bloodstream --
215
625000
4000
które wstrzykują kontrast to tego układu krwionośnego --
10:47
the question is, are you finding out something new?
216
629000
2000
kluczowym pytaniem jest: czy znaleźliśmy coś nowego?
10:49
And one of the things that I experimented with is this thing called Google Share
217
631000
3000
Jedno z narzędzi, z którymi eksperymentuję to Google Share.
10:52
which is basically, you take an abstract term,
218
634000
4000
Wystarczy wyszukać w Google
10:56
and you search Google for that term,
219
638000
3000
jakieś abstrakcyjne pojęcie,
10:59
and then you search the results that you get back for somebody's name.
220
641000
3000
a następnie w wynikach wyszukać czyjeś imię.
11:02
So basically, the number of pages that mention this term,
221
644000
4000
Liczba stron, które zawierają to pojęcie
11:06
that also mention this page, the percentage of those pages
222
648000
3000
i jednocześnie zawierają to imię, procent tych stron,
11:09
is that person's Google Share of that term.
223
651000
2000
to dla tej osoby Google Share tego pojęcia.
11:11
So you can do kind of interesting contests.
224
653000
2000
Można przeprowadzić zawody.
11:13
Like for instance, this is a Google Share of the TED Conference.
225
655000
4000
To jest Google Share dla TED Conference.
11:17
So Richard Saul Wurman
226
659000
3000
Richard Saul Wurman ma około 15% Google Share dla Ted Conference.
11:20
has about a 15 percent Google Share of the TED conference.
227
662000
4000
Richard Saul Wurman ma około 15% Google Share dla Ted Conference.
11:24
Our good friend Chris has about a six percent -- but with a bullet, I might add.
228
666000
5000
Nasz dobry znajomy Chris około 6% -- wciąż niezwyciężony.
11:29
(Laughter)
229
671000
2000
(Śmiech)
11:31
But the interesting thing is, you can broaden the search a little bit.
230
673000
3000
Ale co interesujące, można rozszerzyć nieco zakres,
11:34
And it turns out, actually, that 42 percent is the Mola mola fish.
231
676000
3000
i okazuje się, że 42% należy do ryby Mola Mola.
11:37
I had no idea.
232
679000
2000
Nie miałem pojęcia.
11:39
No, that's not true.
233
681000
1000
To tylko żart.
11:40
(Laughter)
234
682000
3000
(Śmiech)
11:43
I made that up because I just wanted to put up a slide
235
685000
2000
Zmyśliłem to, żeby pokazać wam zdjęcie
11:45
of the Mola mola fish.
236
687000
2000
ryby Mola Mola.
11:47
(Laughter)
237
689000
2000
(Śmiech)
11:49
I also did -- and I don't want to start a little fight in the next panel --
238
691000
3000
Zrobiłem też -- i nie chcę wywoływać konfliktu w następnym panelu --
11:52
but I did a Google Share analysis of evolution and natural selection.
239
694000
3000
zrobiłem Google Share dla ewolucji i doboru naturalnego.
11:55
So right here -- now this is a big category, you have smaller percentages,
240
697000
5000
Jest to ogromna dziedzina, więc procenty są mniejsze.
12:00
so this is 0.7 percent -- Dan Dennett, who'll be speaking shortly.
241
702000
5000
Tutaj mamy 7 promili - Dan Dennet, który będzie przemawiał wkrótce.
12:05
Right below him, 0.5 percent, Steven Pinker.
242
707000
4000
Zaraz poniżej, 5 promili, Steven Pinker.
12:10
So Dennett's in the lead a little bit there.
243
712000
2000
Dennett jest na prowadzeniu.
12:12
But what's interesting is you can then broaden the search
244
714000
2000
Ale jeśli rozszerzymy zakres
12:14
and actually see interesting things and get a sense of what else is out there.
245
716000
4000
zobaczymy fakty niejako spoza spodziewanego kanonu.
12:18
So Gary Bauer is not too far behind --
246
720000
3000
Jest tu więc Gary Bauer - nieco w tyle.
12:21
has slightly different theories about evolution and natural selection.
247
723000
5000
Ma trochę inny pogląd na ewolucję i dobór naturalny.
12:26
And right behind him is L. Ron Hubbard. So --
248
728000
3000
A zaraz zanim L. Ron Hubbard, więc...
12:29
(Laughter)
249
731000
2000
(Śmiech)
12:31
you can see we're in the ascot, which is always good.
250
733000
2000
jak widzicie ma apaszkę, to dobrze.
12:33
And by the way, Chris, that would've been a really good panel,
251
735000
2000
Nawiasem mówiąc, Chris, to byłby całkiem niezły panel,
12:35
I think, right there.
252
737000
1000
ta czwórka.
12:36
(Laughter)
253
738000
5000
(Śmiech)
12:41
Hubbard apparently started to reach, but besides that,
254
743000
2000
Hubbard nie jest łatwo dostępny, ale i tak
12:43
I think it would be good next year.
255
745000
2000
myślę, że to świetny pomysł.
12:45
Another quick thing -- this is a slightly different thing,
256
747000
2000
Kolejna dygresja -- coś trochę innego,
12:47
but this analysis some of you may have seen.
257
749000
2000
być może już to widzieliście.
12:49
It just came out. This is bursty words,
258
751000
2000
Pojawiło się niedawno. To wyskakujące słowa.
12:51
looking at the historical record of State of the Union Addresses.
259
753000
4000
Analiza tekstów orędzia noworocznego prezydenta USA.
12:56
So these are words that suddenly start to appear out of nowhere,
260
758000
4000
To są słowa, które pojawiają się nagle, znikąd,
13:00
so they're kind of, you know, memes that start taking off,
261
762000
2000
to niejako memy, które zaczynają się rozprzestrzeniać,
13:02
that didn't have a lot of historical precedent before.
262
764000
2000
a w zasadzie nie miały znaczenia wcześniej.
13:05
So the first one is -- these are the bursty words around 1860s --
263
767000
3000
Pierwszy zestaw pochodzi z lat 1860:
13:08
slaves, emancipation, slavery, rebellion, Kansas.
264
770000
2000
"niewolnictwo, emancypacja, powstanie, Kansas".
13:11
That's Britney Spears. I mean, you know, OK, interesting.
265
773000
2000
To Britney Spears. Wiemy to. Interesujące.
13:13
They're talking about slavery in 1860.
266
775000
2000
Mówią o niewolnictwie w 1860.
13:15
1935 -- relief, depression, recovery banks.
267
777000
3000
1935 -- "zapomoga, kryzys, kredyty".
13:18
And OK, I didn't learn anything new there as well -- that's pretty obvious.
268
780000
3000
Ok, znowu nie dowiedziałem się nic nowego -- to wszystko już wiemy.
13:21
1985, right at the center of the Reagan years --
269
783000
3000
1985, środek kadencji Reagana --
13:25
that's, we're, there's, we've, it's.
270
787000
3000
"to, jesteśmy, jest, myśmy, tego".
13:28
(Laughter)
271
790000
2000
(Śmiech)
13:30
Now, there's one way to interpret this, which is to say that
272
792000
3000
Można to interpretować tak:
13:33
"emancipation" and "depression" and "recovery" all have a lot of syllables.
273
795000
3000
"emancypacja", "kryzys" czy "zapomoga" mają dużo sylab.
13:36
So you know, you can actually download -- it's hard to remember those.
274
798000
3000
Trudno je zapamiętać, ale można je skrócić.
13:41
But seriously, actually, what you can see there,
275
803000
2000
Ale naprawdę to, co tu widzimy,
13:43
in a way that would be very hard to detect otherwise,
276
805000
2000
a co inaczej byłoby niewidoczne,
13:45
is Reagan reinventing the political language of the country
277
807000
3000
to że Reagan zrewolucjonizował język polityki
13:48
and shifting to a much more intimate, much more folksy, much more telegenic --
278
810000
4000
kładąc nacisk na bardziej swobodny, prosty, telegeniczny język --
13:52
contracting all those verbs.
279
814000
2000
skracając czasowniki.
13:54
You know, 20 years before it was still, "Ask not what you can do,"
280
816000
2000
20 lat temu słyszeliśmy jeszcze: "Nie pytajcie, co kraj może zrobić dla was."
13:56
but with Reagan, it's, "that's where, there's Nancy and I," that kind of language.
281
818000
5000
A u Reagana: "to tutaj, to Nancy i ja," tego typu język.
14:01
And so something we kind of knew,
282
823000
3000
A więc coś, o czym niby wiedzieliśmy,
14:04
but you didn't actually notice syntactically what he was doing.
283
826000
2000
ale nie widzieliśmy składni tego, co robił.
14:06
I'll go very quickly.
284
828000
2000
Przyśpieszę trochę.
14:08
The question now -- and this is the really interesting question --
285
830000
2000
Pytanie -- a jest to bardzo interesująca kwestia -- to:
14:10
is, what kind of higher-level shape is emerging right now
286
832000
4000
jakiego rodzaju kształt rodzi się teraz
14:14
in the overall Web ecosystem -- and particularly in the ecosystem of the blogs
287
836000
4000
w ekosystemie sieci - zwłaszcza w środowisku blogów
14:18
because they are really kind of at the cutting edge.
288
840000
3000
gdyż to one są w tej chwili na przedzie.
14:21
And I think what happens there will also happen in the wider system.
289
843000
2000
Myślę, że to, co narodzi się tu, zaszczepi się szerzej.
14:23
Now there was a very interesting article by Clay Shirky
290
845000
3000
Jest interesujący artykuł Claya Shirky'ego
14:26
that got a lot of attention about a month ago,
291
848000
2000
wokół którego było głośno miesiąc temu.
14:28
and this is basically the distribution of links
292
850000
2000
To jest rozmieszczenie linków
14:30
on the web to all these various different blogs.
293
852000
3000
do tych różnych blogów.
14:35
It follows a power law, so that there are a few extremely well-linked to, popular blogs,
294
857000
5000
Zgodnie z prawem potęgowym, jest bardzo mało popularnych blogów
14:40
and a long tail of blogs with very few links.
295
862000
4000
i długi ogon z małą ilością linków.
14:44
So 20 percent of the blogs get 80 percent of the links.
296
866000
3000
20 procent blogów ma 80 procent linków.
14:47
Now this is a very interesting thing.
297
869000
2000
To bardzo interesujące
14:49
It's caused a lot of controversy
298
871000
2000
i wywołało nieco kontrowersji,
14:51
because people thought that this was the ultimate kind of one man,
299
873000
2000
gdyż wszyscy myśleli, że sieć jest tą nowoczesną,
14:53
one modem democracy, where anybody can get out there and get their voice heard.
300
875000
4000
ostateczną demokracją, gdzie każdy może się pokazać i wypowiedzieć.
14:57
And so the question is, "Why is this happening?"
301
879000
2000
Pytanie: "Dlaczego tak się dzieje?"
14:59
It's not being imposed by fiat from above.
302
881000
4000
Nie jest to narzucone z góry.
15:03
It's an emergent property of the blogosphere right now.
303
885000
3000
To emergentna właściwość blogosfery.
15:06
Now, what's great about it is that people are working on --
304
888000
3000
Niesamowite, ale ludzie już nad tym pracują --
15:09
within seconds of Clay publishing this piece, people started working on changing
305
891000
5000
w ciągu sekund od publikacji artykułu, ludzie zaczęli pracować nad zmianą
15:14
the underlying rules of the system so that a different shape would start appearing.
306
896000
3000
podstawowych zasad systemu aby wywołać nieco inny kształt.
15:17
And basically, the shape appears
307
899000
2000
Zasadniczo, ten kształt pojawił się
15:19
largely because of a kind of a first-mover advantage.
308
901000
2000
gdyż działa zasada "kto pierwszy, ten lepszy".
15:21
if you're the first site there, everybody links to you.
309
903000
2000
Wszyscy linkują do tego, kto pierwszy coś opisze.
15:23
If you're the second site there, most people link to you.
310
905000
2000
Jesteś na drugim miejscu -- większość linkuje do ciebie.
15:25
And so very quickly you can accumulate a bunch of links,
311
907000
3000
Dzięki temu łatwo zgromadzić dużo linków,
15:28
and it makes it more likely for newcomers to link to you in the future,
312
910000
2000
a to sprawia, że nowi chętniej będą do ciebie linkować.
15:30
and then you get this kind of shape.
313
912000
2000
Stąd długi ogon.
15:32
And so what Dave Sifry at Technorati started working on,
314
914000
3000
Dave Sifry z Technorati zaczął pracę --
15:35
literally as Shirky started -- after he published his piece --
315
917000
3000
dosłownie w chwili gdy Shirky opublikował artykuł --
15:38
was something that basically just gave a new kind of priority to newcomers.
316
920000
4000
nad systemem, który nadawał pewien priorytet nowym blogom.
15:42
And he started looking at interesting newcomers that don't have a lot of links,
317
924000
3000
Przyglądał się interesującym blogom, które nie miały wielu linków,
15:45
that suddenly get a bunch of links in the last 24 hours.
318
927000
4000
ale dostały sporo linków w ciągu 24 godzin.
15:49
So in a sense, bursty weblogs coming from new voices.
319
931000
3000
To w pewnym sensie "wyskakujące" blogi, nowe głosy.
15:52
So he's working on a tool right there that can actually change the overall system.
320
934000
5000
Pracuje teraz nad narzędziem, które zmieni cały system.
15:57
And it creates a kind of planned emergence.
321
939000
2000
To niejako planowana emergencja.
15:59
You're not totally in control,
322
941000
2000
Nie masz totalnej kontroli,
16:01
but you're changing the underlying rules in interesting ways
323
943000
2000
ale zmieniasz zasady w interesujący sposób,
16:03
because you have an end result which is
324
945000
2000
gdyż masz na celu
16:05
maybe a more democratic spread of voices.
325
947000
2000
bardziej demokratyczne rozłożenie głosów.
16:07
So the most amazing thing about this -- and I'll end on this note --
326
949000
2000
Najbardziej niesamowite jest to -- i na tym skończę --
16:09
is, most emergent systems, most self-organizing systems
327
951000
3000
że większość systemów emergentnych, samo-organizujących,
16:12
are not made up of component parts that are capable of looking at the overall pattern
328
954000
5000
nie jest złożona z części, które mogą kontrolować cały system,
16:17
and changing their behavior based on whether they like the pattern or not.
329
959000
3000
zmieniać swoje zachowanie jeśli chcą zmienić system.
16:21
So the most wonderful thing, I think, about this whole debate
330
963000
2000
Cudowne w tej całej dyskusji
16:23
about power laws and software that could change it
331
965000
2000
o prawach potęgowych i narzędziach, które mogłyby je zmienić
16:25
is the fact that we're having the conversation.
332
967000
3000
jest to, że trwa rozmowa.
16:28
I hope it continues here.
333
970000
2000
Kontynuujmy ją tutaj.
16:30
Thanks a lot.
334
972000
1000
Ogromnie dziękuję.
ABOUT THE SPEAKER
Steven Johnson - WriterSteven Berlin Johnson examines the intersection of science, technology and personal experience.
Why you should listen
Steven Johnson is a leading light of today's interdisciplinary and collaborative approach to innovation. His writings have influenced everything from cutting-edge ideas in urban planning to the battle against 21st-century terrorism. Johnson was chosen by Prospect magazine as one of the top ten brains of the digital future, and The Wall Street Journal calls him "one of the most persuasive advocates for the role of collaboration in innovation."
Johnson's work on the history of innovation inspired the Emmy-nominated six-part series on PBS, "How We Got To Now with Steven Johnson," which aired in the fall of 2014. The book version of How We Got To Now was a finalist for the PEN/E.O. Wilson Literary Science Writing Award. His new book, Wonderland: How Play Made the Modern World, revolves around the creative power of play and delight: ideas and innovations that set into motion many momentous changes in science, technology, politics and society.
Johnson is also the author of the bestselling Where Good Ideas Come From: The Natural History of Innovation, one of his many books celebrating progress and innovation. Others include The Invention of Air and The Ghost Map. Everything Bad Is Good For You, one of the most discussed books of 2005, argued that the increasing complexity of modern media is training us to think in more complex ways. Emergence and Future Perfect explore the power of bottom-up intelligence in both nature and contemporary society.
An innovator himself, Johnson has co-created three influential sites: the pioneering online magazine FEED, the Webby-Award-winning community site, Plastic.com, and the hyperlocal media site outside.in, which was acquired by AOL in 2011.
Johnson is a regular contributor to WIRED magazine, as well as the New York Times, The Wall Street Journal and many other periodicals. He has appeared on many high-profile television programs, including "The Charlie Rose Show," "The Daily Show with Jon Stewart" and "The NewsHour with Jim Lehrer."
Steven Johnson | Speaker | TED.com