TED2011
Aaron Koblin: Visualizing ourselves ... with crowd-sourced data
Aaron Koblin: Visualizando nossa humanidade artisticamente
Filmed:
Readability: 4.2
1,731,467 views
Artista Aaron Koblin pega enormes quantidades de dados - e algumas vezes enormes quantidades de pessoas - e os tece em incríveis visualizações. De linhas elegantes taçando voos de aviões até paisagens de dados de telefones celulares, de un vídeo de Jonny Cash produzido com desenhos de várias pessoas até o vídeo "Wilderness Downtown", que se customiza para o usuário, seus trabalhos exploram brilhantemente como a tecnologia moderna pode nos fazer mais humanos.
Aaron Koblin - Data artist
Aaron Koblin is an artist specializing in data and digital technologies. His work takes real world and community-generated data and uses it to reflect on cultural trends and the changing relationship between humans and technology. Full bio
Aaron Koblin is an artist specializing in data and digital technologies. His work takes real world and community-generated data and uses it to reflect on cultural trends and the changing relationship between humans and technology. Full bio
Double-click the English transcript below to play the video.
00:15
So I think data can actually make us more human.
0
0
4000
Eu acho que dados podem realmente nos fazer mais humanos.
00:19
We're collecting and creating all kinds of data about how we're living our lives,
1
4000
3000
Estamos coletando e criando todos os tipos de dados sobre como vivemos nossas vidas,
00:22
and it's enabling us to tell some amazing stories.
2
7000
2000
e isso nos permite contar histórias fascinates.
00:24
Recently, a wise media theorist Tweeted,
3
9000
3000
Recentemente, um sábio teórico de mídia tuitou:
00:27
"The 19th century culture was defined by the novel,
4
12000
2000
"A cultura do século 19 foi definida pelo Romance,
00:29
the 20th century culture was defined by the cinema,
5
14000
2000
a cultura do século 20 foi definida pelo cinema,
00:31
and the culture of the 21st century
6
16000
2000
e a cultura do século 21
00:33
will be defined by the interface."
7
18000
2000
será definida pela interface."
00:35
And I believe this is going to prove true.
8
20000
2000
E eu acredito que isso será verdade.
00:37
Our lives are being driven by data,
9
22000
2000
Nossas vidas são conduzidas por dados,
00:39
and the presentation of that data is an opportunity
10
24000
2000
e a apresentação desses dados é uma oportunidade
00:41
for us to make some amazing interfaces that tell great stories.
11
26000
2000
de fazermos incríveis interfaces que contam ótimas histórias.
00:43
So I'm going to show you a few of the projects
12
28000
2000
Eu vou mostrar alguns dos projetos nos quais
00:45
that I've been working on over the last couple years
13
30000
2000
eu tenho trabalhado nos últimos anos
00:47
that reflect on our lives and our systems.
14
32000
2000
que refletem sobre nossas vidas e nossos sistemas.
00:49
This is a project called Flight Patterns.
15
34000
2000
Este é o projeto chamado "Padrões de Voo."
00:51
What you're looking at is airplane traffic
16
36000
2000
Vocês estão olhando o tráfego aéreo
00:53
over North America for a 24-hour period.
17
38000
3000
sobre a América do Norte em um período de 24 horas.
00:56
As you see, everything starts to fade to black,
18
41000
2000
Como podem ver, tudo começa a ficar preto,
00:58
and you see people going to sleep.
19
43000
2000
e podem ver pessoas indo dormir.
01:00
Followed by that, you see on the West coast
20
45000
2000
Em seguida, vocês veem os aviões se movendo
01:02
planes moving across, the red-eye flights to the East coast.
21
47000
3000
pela costa oeste, os voos da madrugada da costa leste.
01:05
And you'll see everybody waking up on the East coast,
22
50000
3000
E verão todo mundo acordando na costa leste,
01:08
followed by European flights coming in the upper right-hand corner.
23
53000
3000
seguido dos voos europeus vindos do canto direito superior.
01:11
Everybody's moving from the East coast to the West coast.
24
56000
3000
Todo mundo está indo da costa leste para a costa oeste.
01:14
You see San Francisco and Los Angeles
25
59000
2000
Vocês veem São Francisco e Los Angeles
01:16
start to make their journeys down to Hawaii in the lower left-hand corner.
26
61000
3000
começando as suas jornadas para o Havaí no canto esquerdo inferior.
01:19
I think it's one thing to say there's 140,000 planes
27
64000
2000
Uma coisa é dizer que existem 140 mil aviões
01:21
being monitored by the federal government at any one time,
28
66000
3000
sendo monitorados pelo governo federal a todo o momento,
01:24
and it's another thing to see that system as it ebbs and flows.
29
69000
3000
e outra coisa é ver este sistema indo e vindo.
01:29
This is a time-lapse image of that exact same data,
30
74000
2000
Esta é uma imagem acelerada dos mesmos dados,
01:31
but I've color-coded it by type,
31
76000
2000
mas eu codifiquei em cores de acordo com o tipo,
01:33
so you can see the diversity of aircraft that are in the skies above us.
32
78000
3000
então vocês podem ver a diversidade dos aviões que estão acima de nós.
01:36
And I started making these, and I put them into Google Maps
33
81000
3000
Comecei a fazer isso e coloquei tudo no Google Maps
01:39
and allow you to zoom in and see individual airports
34
84000
2000
e vocês podem dar um zoom e ver cada aeroporto
01:41
and the patterns that are occurring there.
35
86000
2000
e os padrões que ocorrem por lá.
01:43
So here we can see the white represents low altitudes,
36
88000
3000
Aqui vemos que o branco representa baixas altitudes,
01:46
and the blue are higher altitudes.
37
91000
2000
e o azul significa altitudes maiores.
01:48
And you can zoom in. This is taking a look at Atlanta.
38
93000
2000
E é possível dar um zoom. Aqui estamos vendo Atlanta.
01:50
You can see this is a major shipping airport,
39
95000
2000
Vocês podem ver que é um grande aeroporto de carga,
01:52
and there's all kinds of activity there.
40
97000
2000
e há todo tipo de atividades acontecendo.
01:54
You can also toggle between altitude
41
99000
3000
É possível variar entre altitudes
01:57
for model and manufacturer.
42
102000
2000
para saber os modelos e fabricantes.
01:59
See again, the diversity.
43
104000
2000
Vejam, de novo, a diversidade.
02:01
And you can scroll around and see
44
106000
2000
E é possível mudar a posição e ver
02:03
some of the different airports and the different patterns that they have.
45
108000
3000
alguns dos diferentes aeroportos e os diferentes padrões que eles têm.
02:06
This is scrolling up the East coast.
46
111000
2000
Estamos indo para a costa leste.
02:08
You can see some of the chaos that's happening in New York
47
113000
2000
Vocês podem ver o caos que está acontecendo em Nova York
02:10
with the air traffic controllers
48
115000
2000
com os controladores de voo
02:12
having to deal with all those major airports next to each other.
49
117000
4000
tendo que lidar com aqueles grandes aeroportos próximos uns aos outros.
02:17
So zooming back out real quick,
50
122000
2000
Revertendo o zoom bem rápido,
02:19
we see, again, the U.S. -- you get Florida down in the right-hand corner.
51
124000
3000
vemos, de novo, os EUA - a Flórida embaixo no canto direito.
02:22
Moving across to the West coast,
52
127000
2000
Movendo para a costa oeste,
02:24
you see San Francisco and Los Angeles --
53
129000
2000
vemos São Francisco e Los Angeles --
02:26
big low-traffic zones
54
131000
2000
grandes áreas de baixo tráfego
02:28
across Nevada and Arizona.
55
133000
2000
por Nevada e Arizona.
02:30
And that's us down there in L.A. and Long Beach on the bottom.
56
135000
4000
Aqui estamos em Los Angeles e Long Beach embaixo.
02:36
I started taking a look as well at different perimeters,
57
141000
2000
Eu também comecei a olhar para perímetros diferentes,
02:38
because you can choose what you want to pull out from the data.
58
143000
2000
pois é possível escolher o que queremos tirar dos dados.
02:40
This is looking at ascending versus descending flights.
59
145000
3000
Aqui vemos voos ascendentes contra voos decententes.
02:43
And you can see, over time, the ways the airports change.
60
148000
2000
E podem ver, com o tempo, a maneira como os aeroportos mudam.
02:45
You see the holding patterns that start to develop
61
150000
2000
Vocês veem os padrões que se desenvolvem
02:47
in the bottom of the screen.
62
152000
2000
embaixo na tela.
02:49
And you can see, eventually the airport actually flips directions.
63
154000
3000
E veem que a certo ponto o aeroporto muda direções.
02:53
So this is another project that I worked on with the Sensible Cities Lab at MIT.
64
158000
3000
Este é outro projeto no qual eu trabalhei com o Sensible Cities Lab no MIT.
02:56
This is visualizing international communications.
65
161000
2000
Estamos visualizando comunicações internacionais.
02:58
So it's how New York communicates
66
163000
2000
É como Nova York se comunica
03:00
with other international cities.
67
165000
2000
com outras cidades internacionais.
03:02
And we set this up as a live globe in the Museum of Modern Art in New York
68
167000
3000
E montamos um globo "ao vivo" no Museu de Arte Moderna de Nova York
03:05
for the Design the Elastic Mind exhibition.
69
170000
2000
para a exibição "Projete a Mente Elástica."
03:07
And it had a live feed with a 24-hour offset,
70
172000
2000
E tinha um feed 24 horas, ao vivo,
03:09
so you could see the changing relationship
71
174000
2000
e era possível ver a relação mutante
03:11
and some demographic info
72
176000
2000
e algumas informações demográficas
03:13
coming through AT&T's data and revealing itself.
73
178000
3000
vindo através da AT&T e se revelando.
03:16
This is another project I worked on with Sensible Cities Lab
74
181000
2000
Este foi outro projeto no qual eu trabalhei com a Sensible Cities Lab
03:18
and CurrentCity.org.
75
183000
2000
e CurrentCity.org.
03:20
And it's visualizing SMS messages being sent in the city of Amsterdam.
76
185000
3000
Visualiza mensagens de texto sendo enviadas em Amsterdã.
03:23
So you're seeing the daily ebb and flow
77
188000
2000
Vocês estão vendo o ir e vir diário
03:25
of people sending SMS messages from different parts of the city,
78
190000
2000
de pessoas enviando mensagens de texto de partes diferentes da cidade,
03:27
until we approach New Year's Eve, where everybody says, "Happy New Year!"
79
192000
3000
até chegarmos à véspera de Ano Novo, onde todo mundo diz: "Feliz Ano Novo!"
03:30
(Laughter)
80
195000
2000
(Risos)
03:32
So this is an interactive tool
81
197000
2000
Esta é uma ferramenta interativa que pode
03:34
that you can move around and see different parts of the city.
82
199000
3000
ser movida e permite ver diferentes partes da cidade.
03:37
This is looking at another event. This is called Queen's Day.
83
202000
3000
Aqui é outro evento. É chamado de "Dia da Rainha."
03:40
So again, you get this daily ebb and flow
84
205000
2000
De novo, podemos ver o ir e vir diário
03:42
of people sending SMS messages from different parts of the city.
85
207000
3000
de pessoas enviando mensagens de texto de partes diferentes da cidade.
03:45
And then you're going to see people start to gather in the center of the city
86
210000
2000
Então veremos pessoas se reunindo no centro da cidade
03:47
to celebrate the night before,
87
212000
2000
para celebrar na noite anterior,
03:49
which happens right here.
88
214000
2000
o que acontece bem aqui.
03:51
And then you can see people celebrating the next day.
89
216000
2000
E então vemos pessoas celebrando no dia seguinte.
03:53
And you can pause it and step back and forth and see different phases.
90
218000
3000
E podemos pausar e ir para frente e para trás e ver diferentes fases.
03:56
So now on to something completely different.
91
221000
2000
Agora, algo completamente diferente.
03:58
Some of you may recognize this.
92
223000
2000
Alguns de vocês talvez reconheçam isso.
04:00
This is Baron Wolfgang von Kempelen's mechanical chess playing machine.
93
225000
3000
Esta é a máquina de jogar xadrez do Barão Wolfgang von Kempelen.
04:03
And it's this amazing robot that plays chess extremely well,
94
228000
2000
É um robô incrível que joga xadrez extremamente bem,
04:05
except for one thing: it's not a robot at all.
95
230000
3000
exceto por uma coisa: não é um robô.
04:08
There's actually a legless man that sits in that box
96
233000
2000
Na verdade, há um homem sem pernas dentro do robô
04:10
and controls this chess player.
97
235000
2000
que controla este jogador de xadrez.
04:12
This was the inspiration for a web service by Amazon
98
237000
2000
Esta foi a inspiração para um serviço da Amazon
04:14
called the Mechanical Turk -- named after this guy.
99
239000
3000
chamado "Turk Mecânico" - batizado com o nome do cara.
04:17
And it's based on the premise that there are certain things
100
242000
2000
E baseia-se na premissa que há certas coisas
04:19
that are easy for people, but really difficult for computers.
101
244000
2000
que são fáceis para as pessoas, mas muito difíceis para os computadores.
04:21
So they made this web service and said,
102
246000
2000
Então, fizeram esse serviço da web e disseram:
04:23
"Any programmer can write a piece of software
103
248000
2000
"Qualquer programador pode fazer um software
04:25
and tap into the minds of thousands of people."
104
250000
2000
e compreender as mentes de milhares de pessoas."
04:27
The nerdy side of me thought, "Wow, this is amazing.
105
252000
2000
O meu lado nerd pensou: "Uau, isto é incrível.
04:29
I can tap into thousands of people's minds."
106
254000
2000
Posso compreender as mentes de milhares de pessoas."
04:31
And the other nerdy side of me thought,
107
256000
2000
E o meu outro lado nerd pensou:
04:33
"This is horrible. This is completely bizarre.
108
258000
3000
"Isto é horrível. É completamente bizarro.
04:36
What does this mean for the future of mankind,
109
261000
2000
O que isso significa para o futuro da humanidade,
04:38
where we're all plugged into this borg?"
110
263000
2000
onde todos estaremos ligados a este ciborg?"
04:40
I was probably being a little extreme.
111
265000
2000
Provavelmente, eu estava sendo um pouco extremo.
04:42
But what does this mean when we have no context for what it is that we're working on,
112
267000
2000
Mas o que significa quando não temos contexto para as coisas com que trabalhamos,
04:44
and we're just doing these little labors?
113
269000
2000
e apenas fazemos esses pequenos trabalhos?
04:46
So I created this drawing tool.
114
271000
2000
Então eu criei esta ferramenta de desenho.
04:48
I asked people to draw a sheep facing to the left.
115
273000
2000
Eu pedi para pessoas desenharem uma ovelha olhando para a esquerda.
04:50
And I said, "I'll pay you two cents for your contribution."
116
275000
2000
E disse: "Eu vou pagar dois centavos por sua contribuição."
04:52
And I started collecting sheep.
117
277000
3000
E eu comecei a colecionar ovelhas.
04:55
And I collected a lot, a lot of different sheep.
118
280000
3000
E eu colecionei muitas ovelhas diferentes.
04:59
Lots of sheep.
119
284000
2000
Muitas ovelhas.
05:01
I took the first 10,000 sheep that I collected,
120
286000
2000
Eu peguei as primeiras 10 mil ovelhas,
05:03
and I put them on a website called TheSheepMarket.com
121
288000
3000
e coloquei todas em um site chamado TheSheepMarket.com
05:06
where you can actually buy collections of 20 sheep.
122
291000
3000
onde é possível comprar coleções de 20 ovelhas.
05:09
You can't pick individual sheep,
123
294000
2000
Você não pode escolher ovelhas individuais,
05:11
but you can buy a single plate block of stamps as a commodity.
124
296000
4000
mas pode comprar um bloco de selos como commodity.
05:15
And juxtaposed against this grid,
125
300000
2000
E, justaposta contra a grade,
05:17
you see actually, by rolling over each individual one,
126
302000
2000
é possível ver, ao passar por cada uma,
05:19
the humanity behind this hugely mechanical process.
127
304000
3000
a humanidade atrás desse enorme processo mecânico.
05:22
I think there's something really interesting
128
307000
2000
Acho que há algo muito interessante
05:24
to watching people as they go through this creative toil --
129
309000
3000
em observar pessoas em seu processo criativo --
05:27
something we can all relate to,
130
312000
2000
algo com que todos nós nos relacionamos,
05:29
this creative process of trying to come up with something from nothing.
131
314000
3000
esse processo criativo está tentando criar algo do nada.
05:32
I think it was really interesting to juxtapose this humanity
132
317000
2000
Acho que foi muito interessante justapor a humanidade
05:34
versus this massive distributed grid.
133
319000
2000
versus esta enorme grade.
05:36
Kind of amazing what some people did.
134
321000
3000
Incrível o que algumas pessoas fizeram.
05:39
So here's a few statistics from the project.
135
324000
2000
Aqui vão algumas estatísticas do projeto.
05:41
Approximate collection rate of 11 sheep per hour,
136
326000
2000
O número aproximado de ovelhas coletadas foi de 11 por hora,
05:43
which would make a working wage of 69 cents per hour.
137
328000
3000
o que teve um custo de trabalho de 69 centavos por hora.
05:46
There were 662 rejected sheep
138
331000
2000
Houve 662 ovelhas rejeitadas
05:48
that didn't meet "sheep-like" criteria and were thrown out of the flock.
139
333000
3000
pois não pareciam ovelhas e foram tiradas do rebanho.
05:51
(Laughter)
140
336000
2000
(Risos)
05:53
The amount of time spent drawing ranged from four seconds to 46 minutes.
141
338000
3000
A quantidade de tempo gasto desenhando foi entre 4 segundos e 46 minutos.
05:56
That gives you an idea of the different types of motivations and dedication.
142
341000
3000
Isso dá uma ideia dos diferentes tipos de motivação e dedicação.
05:59
And there were 7,599 people that contributed to the project,
143
344000
3000
E 7.599 pessoas contribuíram com o projeto,
06:02
or were unique IP addresses --
144
347000
2000
ou eram endereços de IP únicos -
06:04
so about how many people contributed.
145
349000
2000
enfim, mais ou menos o número de pessoas que contribuíram.
06:06
But only one of them out of the 7,599 said this.
146
351000
4000
Mas somente uma pessoa dentre as 7.599 disse isso.
06:10
(Laughter)
147
355000
4000
(Risos)
06:14
Which I was pretty surprised by.
148
359000
2000
Algo que me surpreendeu.
06:16
I expected people to be wondering, "Why did I draw a sheep?"
149
361000
3000
Eu esperava que as pessoas pensariam: "Por que eu desenhei uma ovelha?"
06:19
And I think it's a pretty valid question.
150
364000
2000
E eu acho uma questão muito válida.
06:21
And there's a lot of reasons why I chose sheep.
151
366000
2000
E há muitas razões por que eu escolhi ovelhas.
06:23
Sheep were the first animal
152
368000
2000
A ovelha foi o primeiro animal
06:25
to be raised from mechanically processed byproducts,
153
370000
2000
a ser criado por subprodutos mecanicamente processados,
06:27
the first to be selectively bred for production traits,
154
372000
2000
o primeiro a ser seletivamente reproduzido para características de produção,
06:29
the first animal to be cloned.
155
374000
2000
o primeiro animal a ser clonado.
06:31
Obviously, we think of sheep as followers.
156
376000
2000
Obviamente, pensamos em ovelhas como seguidoras.
06:33
And there's this reference to "Le Petit Prince"
157
378000
2000
E há uma referência em "O Pequeno Príncipe"
06:35
where the narrator asks the prince to draw a sheep.
158
380000
2000
em que o narrador pede ao príncipe que desenhe uma ovelha.♫
06:37
He draws sheep after sheep.
159
382000
2000
Ele desenha ovelha atrás de ovelha.
06:39
The narrator's only appeased when he draws a box.
160
384000
2000
O narrador só sossega quando ele desenha uma caixa.
06:41
And he says, "It's not about a scientific rendering of a sheep.
161
386000
2000
E ele diz: "Não é para ser uma interpretação científica de uma ovelha.
06:43
It's about your own interpretation and doing something different."
162
388000
3000
A questão é ser sua própria interpretação e fazer algo diferente."
06:46
And I like that.
163
391000
2000
E eu gosto disso.
06:48
So this is a clip from Charlie Chaplin's "Modern Times."
164
393000
2000
Este é um trecho do filme de Charlie Chaplin "Tempos Modernos."
06:50
It's showing Charlie Chaplin dealing with some of the major changes
165
395000
3000
Mostra Charlie Chaplin lidando com algumas das grandes mudanças
06:53
during the Industrial Revolution.
166
398000
2000
durante a Revolução Industruial.
06:55
So there were no longer shoe makers,
167
400000
2000
Não havia mais sapateiros.
06:57
but now there are people slapping soles on people's shoes.
168
402000
2000
Agora, havia pessoas batendo nas solas dos sapatos.
06:59
And the whole idea of one's relationship to their work changed a lot.
169
404000
3000
E a ideia da relação de qualquer pessoa com o seu trabalho mudou muito.
07:02
So I thought this was an interesting clip
170
407000
2000
Então achei que esse seria um trecho interessante
07:04
to divide into 16 pieces
171
409000
2000
para dividir em 16 partes
07:06
and feed into the Mechanical Turk with a drawing tool.
172
411000
3000
e colocar no "Turk Mecânico" com uma ferramenta de desenho.
07:09
This basically allowed -- what you see on the left side is the original frame,
173
414000
3000
Isso permitiu - o que vocês veem no lado esquerdo é o frame original,
07:12
and on the right side you see that frame
174
417000
2000
e na direita está o frame
07:14
as interpreted by 16 people
175
419000
2000
interpretado por 16 pessoas
07:16
who have no idea what it is they're doing.
176
421000
2000
que não têm ideia do que estão fazendo.
07:18
And this was the inspiration for a project
177
423000
2000
E esta foi a inspiração para um projeto
07:20
that I worked on with my friend Takashi Kawashima.
178
425000
2000
no qual eu trabalhei com meu amigo Takashi Kawashima.
07:22
We decided to use the Mechanical Turk for exactly what it was meant for,
179
427000
2000
Decidimos usar o Turk Mecânico exatamente para o que foi criado,
07:24
which is making money.
180
429000
2000
que é fazer dinheiro.
07:26
So we took a hundred dollar bill and divided it into 10,000 teeny pieces,
181
431000
3000
Pegamos uma nota de cem dólares e dividimos em 10 mil pedacinhos,
07:29
and we fed those into the Mechanical Turk.
182
434000
2000
e colocamos tudo no Turk Mecânico.
07:31
We asked people to draw what it was that they saw.
183
436000
2000
Pedimos para as pessoas desenharem o que viam.
07:33
But here there was no sheep-like criteria.
184
438000
2000
Mas não havia critérios de semelhança com ovelha.
07:35
People, if they drew a stick figure or a smiley face,
185
440000
3000
Se desenhassem um boneco de palito, ou uma carinha sorridente,
07:38
it actually made it into the bill.
186
443000
2000
seria incorporado na nota.
07:40
So what you see is actually a representation of how well people did
187
445000
2000
O que vemos é uma representação do quão bem as pessoas fizeram
07:42
what it was they were asked to do.
188
447000
2000
o que lhes foi pedido para fazer.
07:44
So we took these hundred dollar bills,
189
449000
2000
Aí pegamos as notas de cem dólares
07:46
and we put them on a website called TenThousandsCents.com,
190
451000
2000
e as colocamos em um site chamado TenThousandCents.com,
07:48
where you can browse through and see all the individual contributions.
191
453000
3000
onde é possível ver todas as contribuições individuais.
07:51
And you can also trade real hundred-dollar bills for fake hundred-dollar bills
192
456000
3000
E é possível trocar notas reais de cem dólares por notas falsas de cem dólares
07:54
and make a donation to the Hundred Dollar Laptop Project,
193
459000
3000
e fazer uma doação para o "Projeto Laptop de Cem Dólares,"
07:57
which is now known as One Laptop Per Child.
194
462000
3000
que agora é conhecido como "Um Laptop Por Criança."
08:00
This is again showing all the different contributions.
195
465000
2000
De novo, vemos as diferentes contribuições.
08:02
You see some people did beautiful stipple renderings,
196
467000
2000
Vemos que alguns fizeram lindos pontilhados,
08:04
like this one on top --
197
469000
2000
como este aqui no topo.
08:06
spent a long time making realistic versions.
198
471000
3000
Passaram muito tempo fazendo versões realistas.
08:09
And other people would draw stick figures or smiley faces.
199
474000
3000
E outras pessoas desenharam figuras-palito ou caras sorridentes.
08:12
Here on the right-hand side in the middle
200
477000
2000
Aqui no lado direito, no meio,
08:14
you see this one guy writing, "$0.01!!! Really?"
201
479000
3000
vemos esse escrevendo: "$0,01!!! Sério?"
08:17
That's all I'm getting paid for this?
202
482000
4000
É tudo que me pagaram por isso?
08:21
(Laughter)
203
486000
2000
(Risos)
08:23
So the last Mechanical Turk project I'm going to talk to you about
204
488000
2000
O último projeto no Turk Mecânico do qual eu vou falar
08:25
is called Bicycle Built for 2000.
205
490000
2000
é chamado "Bicicleta Feita para 2000."
08:27
This is a collaboration with my friend Daniel Massey.
206
492000
2000
É uma colaboração com meu amigo Daniel Massey.
08:29
You may recognize these two guys.
207
494000
2000
Talvez reconheçam esses dois caras.
08:31
This is Max Mathews and John Kelly from Bell Labs in the '60s,
208
496000
3000
Estes são Max Mathews e John Kelly, do Bell Labs, nos anos 60,
08:34
where they created the song "Daisy Bell,"
209
499000
2000
onde criaram a canção "Daisy Bell,"
08:36
which was the world's first singing computer.
210
501000
2000
que o foi o primeiro computador que cantava do mundo.
08:38
You may recognize it from "2001: A Space Odyssey."
211
503000
2000
Talvez reconheçam do filme "2001: Uma Odisseia no Espaço."
08:40
When HAL's dying at the end of the film he starts singing this song,
212
505000
3000
Quando HAL está morrendo no final do filme, ele começa a cantar essa canção,
08:43
as a reference to when computers became human.
213
508000
3000
como uma referência a quando os computadores se tornaram humanos.
08:46
So we resynthesized this song.
214
511000
2000
Então ressintetizamos esta música.
08:48
This is what that sounded like.
215
513000
2000
Ela soava assim.
08:50
We broke down all the individual notes
216
515000
2000
Nós quebramos as notas individuais
08:52
in the singing as well as the phonemes in the singing.
217
517000
3000
na cantoria assim como os fonemas na cantoria.
08:55
Daisy Bell: ♫ Daisy, Daisy ... ♫
218
520000
4000
Daisy Bell: ♫ Daisy, Daisy...♫
08:59
Aaron Koblin: And we took all of those individual pieces,
219
524000
2000
Aaron Koblin: E pegamos todos os pedaços individuais,
09:01
and we fed them into another Turk request.
220
526000
2000
e colocamos no Turk novamente.
09:03
This is what it would look like if you went to the site.
221
528000
2000
Isso é como se pareceria se vocês fossem no site.
09:05
You type in your code,
222
530000
2000
Vocês colocarim o seu código,
09:07
but you first test your mic.
223
532000
2000
mas primeiro testarim o microfone.
09:09
You'd be fed a simple audio clip.
224
534000
2000
Vocês receberiam um trecho de áudio simples.
09:11
(Honk)
225
536000
2000
(Som)
09:13
And then you'd do your best to recreate that with your own voice.
226
538000
3000
E então fariam o melhor para recriá-lo com sua própria voz.
09:22
After previewing it and confirming it's what you submitted,
227
547000
3000
Depois de dar um preview e confirmar o envio,
09:25
you could submit it into the Mechanical Turk with no other context.
228
550000
3000
poderiam colocar no Turk Mecânico sem qualquer outro contexto.
09:28
And this is what we first got back from the very first set of submissions.
229
553000
3000
E isso foi o que recebemos do primeiro grupo de contribuições.
09:31
Recording: ♫ Daisy, Daisy ♫
230
556000
5000
Gravação: ♫ Daisy, Daisy ♫
09:36
♫ give me your answer do ♫
231
561000
5000
♫ me dê sua resposta, dê ♫
09:41
♫ I'm half crazy ♫
232
566000
4000
♫ Estou quase louco ♫
09:45
♫ all for the love of you ♫
233
570000
5000
♫ pelo seu amor ♫
09:50
♫ It can't be a stylish marriage ♫
234
575000
5000
♫ Não é possível um casamento estiloso ♫
09:55
♫ I can't afford a carriage ♫
235
580000
4000
♫ Não posso pagar uma carruagem ♫
09:59
♫ But you'll look sweet upon the seat ♫
236
584000
5000
♫ Mas você ficará linda no banco ♫
10:04
♫ of a bicycle built for two ♫
237
589000
5000
♫ de uma bicicleta feita para dois ♫
10:09
AK: So James Surowieki has this idea of the wisdom of crowds,
238
594000
3000
AK: James Surowieski tem essa ideia da sabedoria das multidões,
10:12
that says that a whole bunch of people are smarter than any individual.
239
597000
3000
que diz que um bando de pessoas é mais inteligente do que qualquer indivíduo.
10:15
We wanted to see how this applies to collaborative, distributed music making,
240
600000
3000
Queríamos ver como isso se aplicaria à composição musical colaborativa distribuída,
10:18
where nobody has any idea what it is they're working on.
241
603000
3000
em que ninguém tem ideia daquilo no qual está trabalhando.
10:21
So if you go to the BicycleBuiltforTwoThousand.com
242
606000
2000
Se vocês acessarem BicycleBuiltforTwoThousand.com,
10:23
you can actually hear what all this sounds like together.
243
608000
2000
vocês podem ouvir como isso soa.
10:25
I'm sorry for this.
244
610000
2000
Desculpem-me por isso.
10:27
(Noise)
245
612000
5000
(Barulho)
10:32
Chorus: ♫ Daisy, Daisy ♫
246
617000
4000
Refrão: ♫ Daisy, Daisy ♫
10:36
♫ Give me your answer do ♫
247
621000
5000
♫ Me dê sua resposta, dê ♫
10:41
♫ I'm half crazy ♫
248
626000
5000
♫ Estou quase louco ♫
10:46
♫ all for the love of you ♫
249
631000
4000
♫ pelo seu amor ♫
10:50
♫ It can't be a stylish marriage ♫
250
635000
5000
♫ Não é possível um casamento estiloso ♫
10:55
♫ I can't afford a carriage ♫
251
640000
4000
♫ Não posso pagar uma carruagem ♫
10:59
♫ But you'd look sweet upon the seat ♫
252
644000
5000
♫ Mas você ficaria linda no banco ♫
11:04
♫ of a bicycle built for two ♫
253
649000
6000
♫ de uma bicicleta feita para dois ♫
11:10
AK: So stepping back for a quick second,
254
655000
3000
AK: Então, parando por um segundo,
11:13
when I was at UCLA going to grad school,
255
658000
2000
quando eu estudava na UCLA,
11:15
I was also working at a place called the Center for Embedded Network Sensing.
256
660000
3000
trabalhava num lugar chamado Center fo Embedded Network Sensing.
11:18
And I was writing software to visualize laser scanners.
257
663000
3000
E fazia software para scaners de laser visuais.
11:21
So basically motion through 3D space.
258
666000
2000
Basicamente, movimento em espaço 3D.
11:23
And this was seen by a director in L.A. named James Frost
259
668000
2000
E isso foi visto por um diretor em Los Angeles chamado James Frost
11:25
who said, "Wait a minute.
260
670000
2000
que disse: "Só um pouquinho.
11:27
You mean we can shoot a music video without actually using any video?"
261
672000
2000
Quer dizer que podemos filmar um videoclipe sem usar vídeo?"
11:29
So we did exactly that.
262
674000
2000
Foi exatamente o que fizemos.
11:31
We made a music video for one of my favorite bands, Radiohead.
263
676000
2000
Fizemos um clipe para uma das minhas bandas favoritas, Radiohead.
11:33
And I think one of my favorite parts of this project
264
678000
2000
E acho que uma das melhores partes deste projeto
11:35
was not just shooting a video with lasers,
265
680000
2000
não foi só filmar um vídeo com lasers,
11:37
but we also open sourced it,
266
682000
2000
mas também o tornamos open source
11:39
and we made it released as a Google Code project,
267
684000
2000
e lançamos como um projeto do Google Code,
11:41
where people could download a bunch of the data and some source code
268
686000
2000
onde as pessoas poderiam baixar vários dados e algum código fonte
11:43
to build their own versions of it.
269
688000
2000
para fazer suas próprias versões.
11:45
And people were making some amazing things.
270
690000
2000
E as pessoas fizeram coisas incríveis.
11:47
This is actually two of my favorites:
271
692000
2000
Estes são dois dos meus favoritos:
11:49
the pin-board Thom Yorke and a LEGO Thom Yorke.
272
694000
2000
o Thom Yorke pin-board e um Thom Yorke em LEGO.
11:51
A whole YouTube channel of people submitting really interesting content.
273
696000
3000
Todo um canal do YouTube com pessoas enviando conteúdo bem interessante.
11:54
More recently, somebody even 3D-printed Thom Yorke's head,
274
699000
3000
Mais recentemente, alguém até imprimiu a cabeça do Thom Yorke em 3D,
11:57
which is a little creepy, but pretty cool.
275
702000
3000
o que é meio assustador, mas muito legal.
12:00
So with everybody making so much amazing stuff
276
705000
2000
Então, com todos fazendo coisas tão incríveis
12:02
and actually understanding what it was they were working on,
277
707000
3000
e entendendo no que eles estavam trabalhando,
12:05
I was really interested in trying to make a collaborative project
278
710000
2000
eu me interessei em fazer um projeto colaborativo
12:07
where people were working together to build something.
279
712000
2000
em que as pessoas trabalhassem juntas para criar algo.
12:09
And I met a music video director named Chris Milk.
280
714000
2000
E eu conheci um diretor de videoclipes chamado Chris Milk.
12:11
And we started bouncing around ideas
281
716000
2000
E começamos a discutir ideias
12:13
to make a collaborative music video project.
282
718000
2000
para fazer um projeto de videoclipe colaborativo.
12:15
But we knew we really needed the right person
283
720000
2000
Mas sabíamos que precisávamos da pessoa certa
12:17
to kind of rally behind and build something for.
284
722000
3000
para mobilzar e construir algo.
12:20
So we put the idea on the back burner for a few months.
285
725000
2000
Então deixamos a ideia amadurecer por alguns meses.
12:22
And he ended up talking to Rick Rubin,
286
727000
2000
E acabamos conversando com Rick Rubin,
12:24
who was finishing up Johnny Cash's final album
287
729000
2000
que estava terminando o último álbum do Johnny Cash
12:26
called "Ain't No Grave."
288
731000
2000
chamado "Ain't No Grave."
12:28
The lyrics to the leading track are "Ain't no grave can hold my body down."
289
733000
3000
A letra da faixa principal era "Nenhuma cova pode segurar meu corpo."
12:31
So we thought this was the perfect
290
736000
2000
Então pensamos que esse seria o projeto
12:33
project to build a collaborative memorial
291
738000
2000
perfeito para fazer uma homagem colaborativa
12:35
and a virtual resurrection for Johnny Cash.
292
740000
2000
e uma ressurreição virtual de Johnny Cash.
12:37
So I teamed up with my good friend Ricardo Cabello, also known as Mr. doob,
293
742000
3000
Juntei-me ao meu grande amigo Ricardo Cabello, também conhecido como Sr. baseado,
12:40
who's a much better programmer than I am,
294
745000
2000
que é um programador muito melhor do que eu,
12:42
and he made this amazing Flash drawing tool.
295
747000
2000
e ele fez essa incrível ferramenta de desenho em Flash.
12:44
As you know,
296
749000
2000
Como sabem,
12:46
an animation is a series of images.
297
751000
2000
uma animação é uma série de imagens.
12:48
So what we did was cross-cut a bunch of archival footage of Johnny Cash,
298
753000
3000
O que fizemos foi cortar várias imagens de arquivo de Johnny Cash,
12:51
and at eight frames a second,
299
756000
2000
e, a oito frames por segundo,
12:53
we allowed individuals to draw a single frame
300
758000
2000
permitimos que indivíduos desenhassem um único frame
12:55
that would get woven into
301
760000
2000
que seria entrelaçado neste
12:57
this dynamically changing music video.
302
762000
2000
videoclipe dinamicamente mutante.
12:59
So I don't have time to play the entire thing for you,
303
764000
2000
Eu não tenho tempo de mostrar todo ele para vocês,
13:01
but I want to show you two short clips.
304
766000
2000
mas quero mostrar dois trechos curtos.
13:03
One is the beginning of the music video.
305
768000
2000
Um é o começo do vídeo.
13:05
And that's going to be followed by a short clip
306
770000
2000
E vai ser seguido por um trechinho
13:07
of people who have already contributed to the project
307
772000
2000
de pessoas que já contribuíram com o projeto
13:09
talking about it briefly.
308
774000
3000
falando sobre ele.
13:12
(Music)
309
777000
6000
(Música)
13:18
(Video) Johnny Cash: ♫ There ain't no grave ♫
310
783000
2000
(Vídeo) Johnny Cash: ♫ Nenhuma cova ♫
13:20
♫ can hold my body down ♫
311
785000
4000
♫ pode segurar o meu corpo ♫
13:24
♫ There ain't no grave ♫
312
789000
2000
♫ Nenhuma cova ♫
13:26
♫ can hold body down ♫
313
791000
3000
♫ pode segurar o meu corpo ♫
13:30
♫ When I hear the trumpet sound ♫
314
795000
4000
♫ Quando ouço o som do trompete ♫
13:34
♫ I'm going to ride right out of the ground ♫
315
799000
2000
♫ Vou sair direto do chão ♫
13:36
♫ Ain't no grave ♫
316
801000
3000
♫ Nenhuma cova ♫
13:39
♫ can hold my body ... ♫
317
804000
3000
♫ pode segurar o meu corpo ... ♫
13:42
(Applause)
318
807000
2000
(Aplausos)
13:44
AK: What better way to pay tribute to the man
319
809000
3000
AK: Que maneira melhor de fazer um tributo para o homem
13:47
than to make something for one of his songs.
320
812000
3000
do que fazer algo para uma de suas músicas.
13:50
Collaborator: I felt really sad when he died.
321
815000
2000
Colaborador: Eu fiquei muito triste quando ele morreu.
13:52
And I just thought it'd be wonderful,
322
817000
2000
E pensei que seria ótimo,
13:54
it'd be really nice to contribute something to his memory.
323
819000
3000
que seria muito legal contribuir com algo em sua memória.
13:57
Collaborator Two: It really allows
324
822000
2000
Colaborador Dois: Isso permite
13:59
this last recording of his
325
824000
3000
que a sua última gravação
14:02
to be a living, breathing memorial.
326
827000
5000
seja uma lembrança viva, que respira.
14:07
Collaborator Three: For all of the frames to be drawn by fans,
327
832000
3000
Colaborador Três: Para todos os frames serem desenhados por fãs,
14:10
each individual frame,
328
835000
2000
cada único frame,
14:12
it's got a very powerful feeling to it.
329
837000
2000
há um sentimento muito poderoso.
14:14
Collaborator Four: I've seen everybody
330
839000
2000
Colaborador Quatro: Eu vi todo mundo
14:16
from Japan, Venezuela, to the States,
331
841000
2000
do Japão, Venezuela, aos EUA,
14:18
to Knoxville, Tennessee.
332
843000
2000
a Knoxville, Tennessee.
14:20
Collaborator Five: As much as is different from frame to frame,
333
845000
3000
Colaborador Cinco: Assim como é diferente a cada frame,
14:23
it really is personal.
334
848000
2000
é realmente pessoal.
14:25
Collaborator Six: Watching the video in my room,
335
850000
2000
Colaborador Seis: Olhando o vídeo em meu quarto,
14:27
I could see me not understanding at the beginning of it.
336
852000
3000
eu podia me ver não entendendo bem no início.
14:30
And I just worked and worked through problems,
337
855000
3000
E eu trabalhei os problemas, até que
14:33
until my little wee battles that I was fighting within the picture
338
858000
4000
as pequenas batalhas que eu travei com o filme
14:37
all began to resolve themselves.
339
862000
3000
começaram a se resolver sozinhas.
14:40
You can actually see the point when I know what I'm doing,
340
865000
2000
Então eu consigo ver o ponto quando eu sei o que estou fazendo,
14:42
and a lot of light and dark comes into it.
341
867000
3000
e muita luz e escuridão aparecem.
14:45
And in a weird way,
342
870000
2000
E, de uma maneira estranha,
14:47
that's what I actually like about Johnny Cash's music as well.
343
872000
2000
isso é o que eu gosto na música do Johnny Cash também.
14:49
It's the sum total of his life,
344
874000
2000
É a soma total de sua vida,
14:51
all the things that had happened --
345
876000
2000
todas as coisas que aconteceram -
14:53
the bad things, the good things.
346
878000
2000
as coisas boas e ruins.
14:55
You're hearing a person's life.
347
880000
3000
Você está ouvindo a vida de uma pessoa.
15:01
AK: So if you go to the website JohnnyCashProject.com,
348
886000
2000
AK: Se vocês forem ao website JohnnyCashProject.com,
15:03
what you'll see is the video playing above.
349
888000
2000
o que verão será o vídeo tocando acima.
15:05
And below it are all the individual frames
350
890000
2000
E abaixo estão os frames individuais
15:07
that people have been submitting to the project.
351
892000
2000
que as pessoas vêm colocando no projeto.
15:09
So this isn't finished at all,
352
894000
2000
Isso não está terminado,
15:11
but it's an ongoing project where people can continue to collaborate.
353
896000
2000
mas é um projeto contínuo no qual as pessoas podem seguir colaborando.
15:13
If you roll over any one of those individual thumbnails,
354
898000
2000
Se vocês passarem por quaisquer miniaturas individuais,
15:15
you can see the person who drew that individual thumbnail
355
900000
2000
podem ver a pessoa que desenhou aquilo
15:17
and where they were located.
356
902000
2000
e onde ela está.
15:19
And if you find one that you're interested in,
357
904000
2000
E, se acharem um que lhes interesse,
15:21
you can actually click on it and open up an information panel
358
906000
2000
vocês podem clicar nele e abrir um painel de informações
15:23
where you're able to rate that frame,
359
908000
2000
onde podem avaliar o frame,
15:25
which helps it bubble up to the top.
360
910000
2000
o que ajuda a empurrá-lo para o topo.
15:27
And you can also see the way that it was drawn.
361
912000
2000
E também podem ver a maneira como foi desenhado.
15:29
Again, you can get the playback and personal contribution.
362
914000
2000
De novo, vocês podem ver o playback e a contribuição pessoal.
15:31
In addition to that, it's listed, the artist's name, the location,
363
916000
3000
Além disso, está listado o nome do artista, o local,
15:34
how long they spent drawing it.
364
919000
2000
o tempo que passou desenhando.
15:36
And you can pick a style. So this one was tagged "Abstract."
365
921000
3000
E podem escolher um estilo. Este foi marcado como "Abstrato."
15:39
But there's a bunch of different styles.
366
924000
2000
Mas há muitos estilos diferentes.
15:41
And you can sort the video a number of different ways.
367
926000
2000
E vocês podem organizar o vídeo de maneiras diferentes.
15:43
You can say, "I want to see the pointillist version
368
928000
2000
Vocês podem dizer: "Eu quero ver a versão pontilhista
15:45
or the sketchy version or the realistic version.
369
930000
2000
ou a versão em esboço ou a versão realista.
15:47
And then this is, again, the abstract version,
370
932000
2000
E aqui, de novo, a versão abstrata,
15:49
which ends up getting a little bit crazy.
371
934000
3000
que acaba virando uma coisa meio louca.
15:54
So the last project I want to talk to you about is another collaboration with Chris Milk.
372
939000
3000
O último projeto do qual vou falar é outra colaboração com Chris Milk.
15:57
And this is called "The Wilderness Downtown."
373
942000
2000
E chama-se "The Wilderness Downtown."
15:59
It's an online music video for the Arcade Fire.
374
944000
3000
É um vídeo online do The Arcade Fire.
16:02
Chris and I were really amazed
375
947000
2000
O Chris e eu ficamos pasmos
16:04
by the potential now with modern web browsers,
376
949000
2000
pelo potencial atual dos browsers modernos,
16:06
where you have HTML5 audio and video
377
951000
2000
nos quais temos áudio e vídeo em HTML5,
16:08
and the power of JavaScript to render amazingly fast.
378
953000
3000
e o poder do JavaScript que torna tudo rápido.
16:11
And we wanted to push the idea of the music video that was meant for the Web
379
956000
3000
E queríamos avançar a ideia de um videoclipe feito para a web
16:14
beyond the four-by-three or sixteen-by-nine window
380
959000
3000
para além da tela quatro por três ou 16/9
16:17
and try to make it play out and choreograph throughout the screen.
381
962000
3000
e tentar fazer com que tocasse e fizesse coreografias pela tela.
16:20
But most importantly, I think,
382
965000
2000
Mas, mais que isso, acho que
16:22
we really wanted to make an experience that was unlike the Johnny Cash Project,
383
967000
3000
queríamos fazer uma experiência que não fosse igual à do Projeto Johnny Cash,
16:25
where you had a small group of people spending a lot of time
384
970000
3000
onde tínhamos um grupo pequeno de pessoas dedicando muito tempo
16:28
to contribute something for everyone.
385
973000
2000
para contribuir com algo para todo mundo.
16:30
What if we had a very low commitment,
386
975000
3000
E se tivéssemos um comprometimento muito pequeno,
16:33
but delivered something individually unique to each person who contributed?
387
978000
3000
mas déssemos algo individualmente único para cada pessoa que contribuísse?
16:36
So the project starts off by asking you to enter the address
388
981000
2000
Então o projeto começa pedindo que você dê o endereço
16:38
of the home where you grew up.
389
983000
2000
da casa onde você cresceu.
16:40
And you type in the address --
390
985000
2000
E você digita o endereço --
16:42
it actually creates a music video specifically for you,
391
987000
2000
na verdade, isso cria um videoclipe especificamente para você,
16:44
pulling in Google maps and Streetview images
392
989000
2000
colocando mapas do Google e imagens do Streetview
16:46
into the experience itself.
393
991000
2000
dentro da experiência.
16:48
So this should really be seen at home with you typing in your own address,
394
993000
3000
Isso deveria ser visto em casa com vocês digitando seus próprios endereços,
16:51
but I'm going to give you a little preview of what you can expect.
395
996000
3000
mas eu vou mostrar um pouco do que vocês podem esperar.
16:54
(Video) Win Butler: ♫ Now our lives are changing fast ♫
396
999000
4000
(Vídeo) Win Butler: ♫ Agora nossas vidas estão mudando rapidamente ♫
16:58
♫ Now our lives are changing fast ♫
397
1003000
4000
♫ Agora nossas vidas estão mudando rapidamente ♫
17:02
♫ Hope that something pure can last ♫
398
1007000
3000
♫ Espero que algo puro perdure ♫
17:06
♫ Hope that something pure can last ♫
399
1011000
4000
♫ Espero que algo puro perdure ♫
17:13
♫ Ooh we used to wait ♫
400
1018000
4000
♫ Ooh, costumávamos esperar ♫
17:17
♫ Ooh we used to wait ♫
401
1022000
4000
♫ Ooh, costumávamos esperar ♫
17:21
♫ Ooh we used to wait ♫
402
1026000
3000
♫ Ooh, costumávamos esperar ♫
17:24
♫ Sometimes it never came ♫
403
1029000
3000
♫ Às vezes nunca vinha ♫
17:27
♫ Sometimes it never came ♫
404
1032000
4000
♫ Às vezes nunca vinha ♫
17:31
♫ Still moving through the pain ♫
405
1036000
3000
♫ Ainda passando pela dor ♫
17:34
♫ We used to wait for it ♫
406
1039000
4000
♫ Costumávamos esperar por isso ♫
17:38
♫ We used to wait for it ♫
407
1043000
4000
♫ Costumávamos esperar por isso ♫
17:42
♫ We used to wait for it ♫
408
1047000
4000
♫ Costumávamos esperar por isso ♫
17:50
AK: So I think, if there's one thing to take away from my talk today,
409
1055000
3000
AK: Então acho que, se há algo para tirar da minha apresentação hoje,
17:53
it's that an interface can be a powerful narrative device.
410
1058000
2000
é que uma interface pode ser um meio para uma narrativa poderosa.
17:55
And as we collect more and more personally and socially relevant data,
411
1060000
4000
E, ao coletarmos cada vez mais dados pessoalmente e socialmente relevantes,
17:59
we have an opportunity, and maybe even an obligation,
412
1064000
2000
temos uma oportunidade, e talvez até uma obrigação,
18:01
to maintain the humanity and tell some amazing stories
413
1066000
2000
de manter a humanidade e contar histórias incríveis
18:03
as we explore and collaborate together.
414
1068000
2000
à medida que exploramos e colaboramos juntos.
18:05
Thanks a lot.
415
1070000
2000
Muito obrigado.
18:07
(Applause)
416
1072000
4000
(Aplausos)
ABOUT THE SPEAKER
Aaron Koblin - Data artistAaron Koblin is an artist specializing in data and digital technologies. His work takes real world and community-generated data and uses it to reflect on cultural trends and the changing relationship between humans and technology.
Why you should listen
Aaron Koblin finds art through the unlikely confluence of massive data sets and personal intimacy. His work ranges from animating the paths of every North American airline flight, to using Amazon’s Mechanical Turk crowdsourcing platform to pay workers to “draw a sheep facing left,” which were then placed in "The Sheep Market."
Koblin was creative director for Johnny Cash's final music video, "Ain't No Grave," and worked on Radiohead’s video “House of Cards,” both of which received a Grammy nomination. He is now the Creative Director of the Data Arts team in Google's Creative Lab. His team collaborated with Arcade Fire to produce an online music video that allows viewers to incorporate images of their home neighborhood into the experience using Google Street View.
Aaron Koblin | Speaker | TED.com