TED2011
Aaron Koblin: Visualizing ourselves ... with crowd-sourced data
Aaron Koblin: um olhar artístico da humanidade
Filmed:
Readability: 4.2
1,731,467 views
O artista Aaron Koblin peda numa grande quantidade de dados - e às vezes de pessoas - e transforma-os em imagens impressionantes. Desde linhas que desenham os trajectos dos aviões, a paisagens de dados de telecomunicações, desde um video de Johnny Cash construído a partir de desenhos feitos por várias pessoas até ao video "Wilderness Downtown", personalizado para cada utilizador, o seu trabalho explora de uma forma brilhante como a tecnologia moderna nos pode tornar 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
Acho que os dados podem realmente tornar-nos mais humanos.
00:19
We're collecting and creating all kinds of data about how we're living our lives,
1
4000
3000
Estamos a recolher e a criar todo o tipo de dados sobre como estamos a viver as nossas vidas,
00:22
and it's enabling us to tell some amazing stories.
2
7000
2000
e isso permite-nos contar algumas histórias fascinantes.
00:24
Recently, a wise media theorist Tweeted,
3
9000
3000
Recentemente, um sábio teórico dos meios de comunicação "twittou",
00:27
"The 19th century culture was defined by the novel,
4
12000
2000
"A cultura do século XIX foi definida pelo romance,
00:29
the 20th century culture was defined by the cinema,
5
14000
2000
a cultura do século XX foi definida pelo cinema,
00:31
and the culture of the 21st century
6
16000
2000
e a cultura do século XXI
00:33
will be defined by the interface."
7
18000
2000
vai ser definida pela interface."
00:35
And I believe this is going to prove true.
8
20000
2000
Acredito que isto vai ser verdade.
00:37
Our lives are being driven by data,
9
22000
2000
As nossas vidas estão a ser guiadas 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 criarmos interfaces extraordinárias que contam grandes histórias.
00:43
So I'm going to show you a few of the projects
12
28000
2000
Vou mostrar-vos alguns dos projectos
00:45
that I've been working on over the last couple years
13
30000
2000
em que tenho trabalhado nos últimos anos
00:47
that reflect on our lives and our systems.
14
32000
2000
que se reflectem nas nossas vidas e nos nossos sistemas.
00:49
This is a project called Flight Patterns.
15
34000
2000
Este é um projecto chamado Flight Patterns.
00:51
What you're looking at is airplane traffic
16
36000
2000
O que estão a ver é o tráfego aéreo
00:53
over North America for a 24-hour period.
17
38000
3000
sobre a América do Norte num período de 24 horas.
00:56
As you see, everything starts to fade to black,
18
41000
2000
Como podem ver, começa tudo a escurecer
00:58
and you see people going to sleep.
19
43000
2000
e vêem pessoas a irem dormir.
01:00
Followed by that, you see on the West coast
20
45000
2000
Seguindo isso, vêem na costa oeste
01:02
planes moving across, the red-eye flights to the East coast.
21
47000
3000
os aviões a deslocarem-se para a costa este, são voos nocturnos.
01:05
And you'll see everybody waking up on the East coast,
22
50000
3000
E vêem as pessoas a acordar na costa este,
01:08
followed by European flights coming in the upper right-hand corner.
23
53000
3000
e de seguida a chegada de voos europeus, no canto superior direito.
01:11
Everybody's moving from the East coast to the West coast.
24
56000
3000
As pessoas estão a mover-se da costa este para a costa oeste.
01:14
You see San Francisco and Los Angeles
25
59000
2000
Vêem San Francisco e Los Angeles
01:16
start to make their journeys down to Hawaii in the lower left-hand corner.
26
61000
3000
a começarem as suas viagens até ao Hawai no canto inferior esquerdo.
01:19
I think it's one thing to say there's 140,000 planes
27
64000
2000
Acho que uma coisa é dizer que 140.000 aviões
01:21
being monitored by the federal government at any one time,
28
66000
3000
estão a ser monitorizados pelo governo federal num dado momento,
01:24
and it's another thing to see that system as it ebbs and flows.
29
69000
3000
e outra coisa é observar esse sistema a desenvolver-se.
01:29
This is a time-lapse image of that exact same data,
30
74000
2000
Isto é uma imagem num hiato de tempo destes mesmos dados,
01:31
but I've color-coded it by type,
31
76000
2000
mas eu codifiquei-os com cores por tipo,
01:33
so you can see the diversity of aircraft that are in the skies above us.
32
78000
3000
e assim podem ver a diversidade de aviões que voam sobre nós.
01:36
And I started making these, and I put them into Google Maps
33
81000
3000
Comecei a fazer isto e depois coloquei no Google Maps
01:39
and allow you to zoom in and see individual airports
34
84000
2000
dando a possibilidade de fazer zoom e observar os aeroportos individualmente
01:41
and the patterns that are occurring there.
35
86000
2000
assim como os padrões que estão a ocorrer.
01:43
So here we can see the white represents low altitudes,
36
88000
3000
Aqui podemos ver que o branco representa baixas altitudes,
01:46
and the blue are higher altitudes.
37
91000
2000
e o azul representa altas altitudes.
01:48
And you can zoom in. This is taking a look at Atlanta.
38
93000
2000
E podem fazer zoom. Aqui estamos a observar Atlanta.
01:50
You can see this is a major shipping airport,
39
95000
2000
Podem ver que se trata de um aeroporto de carga,
01:52
and there's all kinds of activity there.
40
97000
2000
e que há todo o tipo de actividade aqui.
01:54
You can also toggle between altitude
41
99000
3000
É possível também distinguir a partir da altitude
01:57
for model and manufacturer.
42
102000
2000
por modelo e fabricante.
01:59
See again, the diversity.
43
104000
2000
De novo, a diversidade.
02:01
And you can scroll around and see
44
106000
2000
E podem explorar e ver
02:03
some of the different airports and the different patterns that they have.
45
108000
3000
alguns dos aeroportos e os seus diferentes padrões.
02:06
This is scrolling up the East coast.
46
111000
2000
Aqui estamos sobre a costa este.
02:08
You can see some of the chaos that's happening in New York
47
113000
2000
Podem ver um pouco do caos que está a acontecer em Nova Yorque
02:10
with the air traffic controllers
48
115000
2000
com os controladores aéreos
02:12
having to deal with all those major airports next to each other.
49
117000
4000
a terem de lidar com todos os principais aeroportos próximos uns dos outros.
02:17
So zooming back out real quick,
50
122000
2000
Voltando atrás,
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 Florida está no canto inferior 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
conseguem ver San Francisco e Los Angeles -
02:26
big low-traffic zones
54
131000
2000
grandes zonas de tráfego baixo
02:28
across Nevada and Arizona.
55
133000
2000
pelo Nevada e Arizona.
02:30
And that's us down there in L.A. and Long Beach on the bottom.
56
135000
4000
E estes somos nós em L.A. e Long Beach no fundo.
02:36
I started taking a look as well at different perimeters,
57
141000
2000
Comecei por olhar para parâmetros diferentes,
02:38
because you can choose what you want to pull out from the data.
58
143000
2000
pois vocês podem escolher o que querem retirar dos dados.
02:40
This is looking at ascending versus descending flights.
59
145000
3000
Aqui estamos a ver as descolagens versus aterragens.
02:43
And you can see, over time, the ways the airports change.
60
148000
2000
E podem ver como, com o tempo, os aeroportos mudam.
02:45
You see the holding patterns that start to develop
61
150000
2000
Podem ver os padrões que se começam a desenvolver
02:47
in the bottom of the screen.
62
152000
2000
no fundo do ecrã.
02:49
And you can see, eventually the airport actually flips directions.
63
154000
3000
E podem ver que, eventualmente, o aeroporto muda a direcção.
02:53
So this is another project that I worked on with the Sensible Cities Lab at MIT.
64
158000
3000
Aqui está outro projecto em que trabalhei com as Sensible Cities Lab no MIT.
02:56
This is visualizing international communications.
65
161000
2000
Isto é a visualização de comunicações internacionais.
02:58
So it's how New York communicates
66
163000
2000
Isto é como Nova Yorque 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
Nós configurámos isto no formato de um globo ao vivo, no Museu de Arte Moderna em Nova Yorque
03:05
for the Design the Elastic Mind exhibition.
69
170000
2000
para a exposição "Design the Elastic Mind".
03:07
And it had a live feed with a 24-hour offset,
70
172000
2000
Teve uma transmissão ao vivo durante 24h
03:09
so you could see the changing relationship
71
174000
2000
e era possível ver o desenrolar da relação
03:11
and some demographic info
72
176000
2000
e alguma informação demográfica
03:13
coming through AT&T's data and revealing itself.
73
178000
3000
vinda através dos dados da AT&T e revelando-se.
03:16
This is another project I worked on with Sensible Cities Lab
74
181000
2000
Este é outro projecto em que trabalhei com 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
Estamos a visualizar a quantidade de SMS que estão a ser enviadas na cidade de Amesterdão.
03:23
So you're seeing the daily ebb and flow
77
188000
2000
Estão assim a ver o fluxo diário
03:25
of people sending SMS messages from different parts of the city,
78
190000
2000
de pessoas a enviar mensagens de diferentes partes da cidade,
03:27
until we approach New Year's Eve, where everybody says, "Happy New Year!"
79
192000
3000
até chegarmos à noite de Ano Novo, em que toda a gente 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 interactiva
03:34
that you can move around and see different parts of the city.
82
199000
3000
que podem movimentar e ver diferentes partes da cidade.
03:37
This is looking at another event. This is called Queen's Day.
83
202000
3000
Aqui estamos a ver outro acontecimentos. Este é chamado o Dia da Rainha.
03:40
So again, you get this daily ebb and flow
84
205000
2000
E de novo, temos o fluxo diário
03:42
of people sending SMS messages from different parts of the city.
85
207000
3000
de pessoas a enviar mensagens SMS de diferentes partes da cidade.
03:45
And then you're going to see people start to gather in the center of the city
86
210000
2000
Agora vão ver pessoas a reunir-se no centro da cidade
03:47
to celebrate the night before,
87
212000
2000
para celebrar a noite anterior,
03:49
which happens right here.
88
214000
2000
o que acontece exactamente aqui.
03:51
And then you can see people celebrating the next day.
89
216000
2000
E depois podem ver as pessoas a celebrarem o dia seguinte.
03:53
And you can pause it and step back and forth and see different phases.
90
218000
3000
Podem pausar e voltar para a frente e para trás e ver fases diferentes.
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 isto.
04:00
This is Baron Wolfgang von Kempelen's mechanical chess playing machine.
93
225000
3000
Isto é a máquina mecânica de jogar xadrez de Baron Wolfgang von Kempelen's.
04:03
And it's this amazing robot that plays chess extremely well,
94
228000
2000
É este robot extraordinário que joga xadrez extremamente bem,
04:05
except for one thing: it's not a robot at all.
95
230000
3000
excepto numa coisa: não é um robot.
04:08
There's actually a legless man that sits in that box
96
233000
2000
É na verdade um homem sem pernas que se senta nessa caixa
04:10
and controls this chess player.
97
235000
2000
e 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 web da Amazon
04:14
called the Mechanical Turk -- named after this guy.
99
239000
3000
chamada Mechanical Turk - em homenagem a este homem.
04:17
And it's based on the premise that there are certain things
100
242000
2000
É baseada na premissa de que há certas coisas
04:19
that are easy for people, but really difficult for computers.
101
244000
2000
que são muito fáceis para as pessoas, mas muito difíceis para os computadores.
04:21
So they made this web service and said,
102
246000
2000
Então eles fizeram este serviço web e disseram,
04:23
"Any programmer can write a piece of software
103
248000
2000
"Qualquer programador pode escrever um pouco de software
04:25
and tap into the minds of thousands of people."
104
250000
2000
e colocá-lo na mente de milhares de pessoas."
04:27
The nerdy side of me thought, "Wow, this is amazing.
105
252000
2000
O meu lado nerd pensou "Wow, isto é extraordinário.
04:29
I can tap into thousands of people's minds."
106
254000
2000
Eu posso entrar na mente 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. Isto é completamente bizarro.
04:36
What does this mean for the future of mankind,
109
261000
2000
O que significa isto para o futuro da humanidade,
04:38
where we're all plugged into this borg?"
110
263000
2000
onde estamos todos ligados a este borg?"
04:40
I was probably being a little extreme.
111
265000
2000
Eu estava provavelmente a ser um pouco extremista.
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 quer isto dizer, quando não temos um contexto do que quer que seja que estajamos a trabalhar,
04:44
and we're just doing these little labors?
113
269000
2000
e fazemos apenas este pequenos trabalhos?
04:46
So I created this drawing tool.
114
271000
2000
Então criei esta ferramenta de desenho.
04:48
I asked people to draw a sheep facing to the left.
115
273000
2000
Pedi às pessoas que desenhassem uma ovelha virada para a esquerda.
04:50
And I said, "I'll pay you two cents for your contribution."
116
275000
2000
E disse: "Pago-te 2 cêntimos pela tua contribuição."
04:52
And I started collecting sheep.
117
277000
3000
E comecei a coleccionar ovelhas.
04:55
And I collected a lot, a lot of different sheep.
118
280000
3000
Coleccionei muitas, muitas ovelhas diferentes.
04:59
Lots of sheep.
119
284000
2000
Imensas ovelhas.
05:01
I took the first 10,000 sheep that I collected,
120
286000
2000
Peguei nas primeiras 10.000 ovelhas que recolhi,
05:03
and I put them on a website called TheSheepMarket.com
121
288000
3000
e coloquei-as num website chamado TheSheepMarket.com
05:06
where you can actually buy collections of 20 sheep.
122
291000
3000
onde podem comprar colecções de 20 ovelhas.
05:09
You can't pick individual sheep,
123
294000
2000
Não podem escolher ovelhas individuais,
05:11
but you can buy a single plate block of stamps as a commodity.
124
296000
4000
mas podem comprar um bloco de selos como um produto.
05:15
And juxtaposed against this grid,
125
300000
2000
Sobrepostos contra esta rede,
05:17
you see actually, by rolling over each individual one,
126
302000
2000
vêem na realidade, ao passar por cada uma individualmente,
05:19
the humanity behind this hugely mechanical process.
127
304000
3000
a humanidade por trás deste enorme processo mecânico.
05:22
I think there's something really interesting
128
307000
2000
Acho que há algo de realmente interessante
05:24
to watching people as they go through this creative toil --
129
309000
3000
em observar as pessoas à medida que usam esta ferramenta criativa -
05:27
something we can all relate to,
130
312000
2000
algo com que todos nos podemos relacionar,
05:29
this creative process of trying to come up with something from nothing.
131
314000
3000
este processo criativo de tentar fazer algo a partir do nada.
05:32
I think it was really interesting to juxtapose this humanity
132
317000
2000
Acho que foi realmente interessante sobrepor esta humanidade
05:34
versus this massive distributed grid.
133
319000
2000
contra esta rede de distribuição maciça.
05:36
Kind of amazing what some people did.
134
321000
3000
É incrível o que algumas pessoas fizeram.
05:39
So here's a few statistics from the project.
135
324000
2000
Aqui estão algumas estatísticas do projecto.
05:41
Approximate collection rate of 11 sheep per hour,
136
326000
2000
Uma recolha aproximada de 11 ovelhas por hora,
05:43
which would make a working wage of 69 cents per hour.
137
328000
3000
o que daria um custo de trabalho de 69 cêntimos por hora.
05:46
There were 662 rejected sheep
138
331000
2000
Foram rejeitadas 662 ovelhas
05:48
that didn't meet "sheep-like" criteria and were thrown out of the flock.
139
333000
3000
que não cumpriram os critérios e foram retiradas 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
O total de tempo gasto a desenhar variou de 4 segundos a 46 minutos.
05:56
That gives you an idea of the different types of motivations and dedication.
142
341000
3000
Isto dá-vos uma ideia das diferentes motivações e dedicações.
05:59
And there were 7,599 people that contributed to the project,
143
344000
3000
E foram 7.599 pessoas que contribuíram para o projecto -
06:02
or were unique IP addresses --
144
347000
2000
ou únicos endereços de IP -
06:04
so about how many people contributed.
145
349000
2000
enfim, foi mais ou menos esta a quantidade de pessoas que contribuíram.
06:06
But only one of them out of the 7,599 said this.
146
351000
4000
Mas apenas uma destas 7.599 pessoas disse...isto.
06:10
(Laughter)
147
355000
4000
(Risos)
06:14
Which I was pretty surprised by.
148
359000
2000
Com o que eu fiquei bastante surpreendido.
06:16
I expected people to be wondering, "Why did I draw a sheep?"
149
361000
3000
Esperava que as pessoas se perguntassem "Porque é que eu desenhei uma ovelha?"
06:19
And I think it's a pretty valid question.
150
364000
2000
E acho que é uma questão muito válida.
06:21
And there's a lot of reasons why I chose sheep.
151
366000
2000
Há uma série de razões pela qual escolhi uma ovelha.
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 a partir de subprodutos processados mecanicamente,
06:27
the first to be selectively bred for production traits,
154
372000
2000
a primeira a ser criada selectivamente 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, nós pensamos nas ovelhas como seguidoras.
06:33
And there's this reference to "Le Petit Prince"
157
378000
2000
E há esta referência ao "O Principezinho"
06:35
where the narrator asks the prince to draw a sheep.
158
380000
2000
em que o narrador pede ao príncipe para desenhar 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 apenas se apazigua 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 sobre a interpretação científica de uma ovelha.
06:43
It's about your own interpretation and doing something different."
162
388000
3000
É sobre a tua própria interpretação e fazeres algo diferente."
06:46
And I like that.
163
391000
2000
E eu gostei disso.
06:48
So this is a clip from Charlie Chaplin's "Modern Times."
164
393000
2000
Este é um clip do "Modern Times" de Charlie Chaplin.
06:50
It's showing Charlie Chaplin dealing with some of the major changes
165
395000
3000
Mostra Charlie Chaplin a lidar com algumas das maiores alterações
06:53
during the Industrial Revolution.
166
398000
2000
durante a Revolução Industrial.
06:55
So there were no longer shoe makers,
167
400000
2000
Não existiam mais sapateiros,
06:57
but now there are people slapping soles on people's shoes.
168
402000
2000
mas agora há pessoas a colocar solas no calçado das pessoas.
06:59
And the whole idea of one's relationship to their work changed a lot.
169
404000
3000
E toda a ideia de relação com o trabalho mudou imenso.
07:02
So I thought this was an interesting clip
170
407000
2000
E achei que este era um clip 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 colocá-las na Mechanical Turk com uma ferramenta de desenho.
07:09
This basically allowed -- what you see on the left side is the original frame,
173
414000
3000
Isto permitiu que - o que vêem no lado esquerdo é o frame original,
07:12
and on the right side you see that frame
174
417000
2000
e no lado direito vêem como esse frame
07:14
as interpreted by 16 people
175
419000
2000
foi interpretado por 16 pessoas
07:16
who have no idea what it is they're doing.
176
421000
2000
que não tinham qualquer ideia do que estavam a fazer.
07:18
And this was the inspiration for a project
177
423000
2000
E isto foi a inspiração para um projecto
07:20
that I worked on with my friend Takashi Kawashima.
178
425000
2000
em que trabalhei com o meu amigo Takashi Kawashima.
07:22
We decided to use the Mechanical Turk for exactly what it was meant for,
179
427000
2000
Nós decidimos usar a Mechanical Turk exactamente para aquilo que foi concebida,
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
E pegámos numa nota de 100 dólares e dividimo-la em 10.000 partes pequeninas,
07:29
and we fed those into the Mechanical Turk.
182
434000
2000
e introduzimo-las na Mechanical Turk.
07:31
We asked people to draw what it was that they saw.
183
436000
2000
Pedimos às pessoas que desenhassem o que viam.
07:33
But here there was no sheep-like criteria.
184
438000
2000
Mas não havia nenhum critério como nas ovelhas.
07:35
People, if they drew a stick figure or a smiley face,
185
440000
3000
As pessoas, se desenhassem um rabisco ou uma cara sorridente,
07:38
it actually made it into the bill.
186
443000
2000
isso era inserido na nota.
07:40
So what you see is actually a representation of how well people did
187
445000
2000
O que estão a ver é na verdade a representação de como as pessoas fizeram tão bem
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
Pegámos nestas notas de 100 dólares,
07:46
and we put them on a website called TenThousandsCents.com,
190
451000
2000
e colocámo-las num website chamado TenThousandsCents.com,
07:48
where you can browse through and see all the individual contributions.
191
453000
3000
onde podem navegar e ver todas as contribuições individuais.
07:51
And you can also trade real hundred-dollar bills for fake hundred-dollar bills
192
456000
3000
Na verdade podem trocar notas verdadeiras de 100 dólares por notas de 100 dólares falsas
07:54
and make a donation to the Hundred Dollar Laptop Project,
193
459000
3000
e fazer uma doação para o Hundred Dollar Laptop Project,
07:57
which is now known as One Laptop Per Child.
194
462000
3000
que é agora conhecido por One Laptop Per Child.
08:00
This is again showing all the different contributions.
195
465000
2000
Isto está de novo a mostrar todas as diferentes contribuições.
08:02
You see some people did beautiful stipple renderings,
196
467000
2000
Podem ver que houve pessoas que fizeram representações detalhadas.
08:04
like this one on top --
197
469000
2000
como esta aqui no topo -
08:06
spent a long time making realistic versions.
198
471000
3000
passaram muito tempo a fazerem versões realísticas.
08:09
And other people would draw stick figures or smiley faces.
199
474000
3000
E outras pessoas desenhavam rabiscos 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
vêem esta pessoa escrevendo "$0.01!!! A sério?"
08:17
That's all I'm getting paid for this?
202
482000
4000
É tudo o que vou receber por isto?
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 projecto Mechanical Turk de que vos vou falar
08:25
is called Bicycle Built for 2000.
205
490000
2000
é chamado Bicycle Built for 2000.
08:27
This is a collaboration with my friend Daniel Massey.
206
492000
2000
Esta é uma colaboração com o meu amigo Daniel Massey.
08:29
You may recognize these two guys.
207
494000
2000
Talvez reconheçam estes dois tipos.
08:31
This is Max Mathews and John Kelly from Bell Labs in the '60s,
208
496000
3000
Este é Max Mathews and 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 foi o primeiro computador cantor mundial.
08:38
You may recognize it from "2001: A Space Odyssey."
211
503000
2000
Talvez reconheçam isto de "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 a morrer no final do filme ele começa a cantar esta canção,
08:43
as a reference to when computers became human.
213
508000
3000
como referência a quando os computadores se tornaram humanos.
08:46
So we resynthesized this song.
214
511000
2000
E nós re-sintetizámos esta canção.
08:48
This is what that sounded like.
215
513000
2000
Isto é como soava no início.
08:50
We broke down all the individual notes
216
515000
2000
Nós decomposémos tudo em notas individuais
08:52
in the singing as well as the phonemes in the singing.
217
517000
3000
na canção assim como nos fonemas na canção.
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 nós pegámos em todas estas peças individuais,
09:01
and we fed them into another Turk request.
220
526000
2000
e colocámo-las em outro Turk.
09:03
This is what it would look like if you went to the site.
221
528000
2000
Isto é como parecerá se entrarem no site.
09:05
You type in your code,
222
530000
2000
Digitam o vosso código,
09:07
but you first test your mic.
223
532000
2000
mas primeiro devem testar o vosso microfone.
09:09
You'd be fed a simple audio clip.
224
534000
2000
Receberiam um clip de áudio muito simples.
09:11
(Honk)
225
536000
2000
(Buzina)
09:13
And then you'd do your best to recreate that with your own voice.
226
538000
3000
E depois dariam o vosso melhor para recrear isso com a vossa voz.
09:22
After previewing it and confirming it's what you submitted,
227
547000
3000
Depois de reverem e confirmarem e submeterem,
09:25
you could submit it into the Mechanical Turk with no other context.
228
550000
3000
podem submeter isso no Mechanical Turk sem mais nenhum contexto.
09:28
And this is what we first got back from the very first set of submissions.
229
553000
3000
E isto foi o que obtivemos com as primeiras submissões.
09:31
Recording: ♫ Daisy, Daisy ♫
230
556000
5000
Gravando: ♫ Daisy, Daisy ♫
09:36
♫ give me your answer do ♫
231
561000
5000
♫ dá-me a tua resposta ♫
09:41
♫ I'm half crazy ♫
232
566000
4000
♫ Estou meio louco ♫
09:45
♫ all for the love of you ♫
233
570000
5000
♫ pelo teu amor ♫
09:50
♫ It can't be a stylish marriage ♫
234
575000
5000
♫ Não pode ser um casamento elegante ♫
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 estarás linda sobre esse assento ♫
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 Surowieki teve esta 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 conjunto de pessoas é mais esperto do que uma individual.
10:15
We wanted to see how this applies to collaborative, distributed music making,
240
600000
3000
Queríamos ver como isto se aplicava à colaboração, a criação distribuída de música,
10:18
where nobody has any idea what it is they're working on.
241
603000
3000
onde ninguém sabia em que é que estava a trabalhar.
10:21
So if you go to the BicycleBuiltforTwoThousand.com
242
606000
2000
Por isso se forem ao BicycleBuiltforTwoThounsand.com
10:23
you can actually hear what all this sounds like together.
243
608000
2000
podem ouvir o que tudo isto soa em conjunto.
10:25
I'm sorry for this.
244
610000
2000
Desculpem-me por isto.
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
♫ Dá-me a tua resposta ♫
10:41
♫ I'm half crazy ♫
248
626000
5000
♫ Estou meio louco ♫
10:46
♫ all for the love of you ♫
249
631000
4000
♫ pelo teu amor ♫
10:50
♫ It can't be a stylish marriage ♫
250
635000
5000
♫ não pode ser um casamento elegante ♫
10:55
♫ I can't afford a carriage ♫
251
640000
4000
♫ não posso alugar uma carruagem ♫
10:59
♫ But you'd look sweet upon the seat ♫
252
644000
5000
♫ Mas estarás linda sobre esse assento ♫
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: Voltando atrás por um segundo,
11:13
when I was at UCLA going to grad school,
255
658000
2000
quando eu estava na UCLA indo para a universidade,
11:15
I was also working at a place called the Center for Embedded Network Sensing.
256
660000
3000
estava também a trabalhar num lugar chamado Center for Embedded Network Sensing.
11:18
And I was writing software to visualize laser scanners.
257
663000
3000
E estava a escrever software para scanners de laser visual.
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 isto foi visto por um director em LA chamado James Frost
11:25
who said, "Wait a minute.
260
670000
2000
que disse, "Espera aí.
11:27
You mean we can shoot a music video without actually using any video?"
261
672000
2000
Quer dizer que nós podemos fazer um video de música sem usar na verdade um vídeo?"
11:29
So we did exactly that.
262
674000
2000
E nós fizemos exactamente isso.
11:31
We made a music video for one of my favorite bands, Radiohead.
263
676000
2000
Nós fizemos um video musical para uma das minhas bandas preferidas, Radiohead.
11:33
And I think one of my favorite parts of this project
264
678000
2000
E eu acho que uma das minhas partes preferidas do projecto
11:35
was not just shooting a video with lasers,
265
680000
2000
não foi apenas fazer um video com lasers,
11:37
but we also open sourced it,
266
682000
2000
mas também por ser de código aberto,
11:39
and we made it released as a Google Code project,
267
684000
2000
e nós lançamo-lo como um projecto Google Code,
11:41
where people could download a bunch of the data and some source code
268
686000
2000
onde as pessoas podiam fazer o download de uma série de dados e algum código de fonte
11:43
to build their own versions of it.
269
688000
2000
para construírem a sua própria versão.
11:45
And people were making some amazing things.
270
690000
2000
E as pessoas estavam a fazer coisas maravilhosas.
11:47
This is actually two of my favorites:
271
692000
2000
Estas são na verdade duas das minhas preferidas:
11:49
the pin-board Thom Yorke and a LEGO Thom Yorke.
272
694000
2000
a versão pin-boar de Thom Yorke e a versão LEGO de Thom Yorke.
11:51
A whole YouTube channel of people submitting really interesting content.
273
696000
3000
Imensas pessoas do canal YouTube a submeterem material muito interessante.
11:54
More recently, somebody even 3D-printed Thom Yorke's head,
274
699000
3000
Recentemente, alguém até imprimiu a cabeça de Thom Yorke em 3D,
11:57
which is a little creepy, but pretty cool.
275
702000
3000
o que é um pouco assustador, mas muito fixe.
12:00
So with everybody making so much amazing stuff
276
705000
2000
Com tantas pessoas a fazerem coisas tão interessantes
12:02
and actually understanding what it was they were working on,
277
707000
3000
e entendendo na verdade o que estavam a fazer,
12:05
I was really interested in trying to make a collaborative project
278
710000
2000
Estava realmente interessado em fazer um projeto colaborativo
12:07
where people were working together to build something.
279
712000
2000
onde as pessoas trabalhariam juntas para construir algo.
12:09
And I met a music video director named Chris Milk.
280
714000
2000
Conheci um director de vídeos de música chamado Chris Milk.
12:11
And we started bouncing around ideas
281
716000
2000
E começámos a saltar entre ideias
12:13
to make a collaborative music video project.
282
718000
2000
para fazer um projecto vídeo-musical colaborativo.
12:15
But we knew we really needed the right person
283
720000
2000
Mas nós sabíamos que precisávamos mesmo da pessoa certa
12:17
to kind of rally behind and build something for.
284
722000
3000
para nos suportar e contruir alguma coisa.
12:20
So we put the idea on the back burner for a few months.
285
725000
2000
Por isso deixámos a ideia em banho-maria por uns meses.
12:22
And he ended up talking to Rick Rubin,
286
727000
2000
E ele acabou por falar com Rick Rubin,
12:24
who was finishing up Johnny Cash's final album
287
729000
2000
que estava a terminar o ultimo álbum de 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 canção principal dizia "Nenhum túmulo pode manter o meu corpo em baixo."
12:31
So we thought this was the perfect
290
736000
2000
E nós pensámos que isto era perfeito
12:33
project to build a collaborative memorial
291
738000
2000
para construir um projecto memorial colaborativo
12:35
and a virtual resurrection for Johnny Cash.
292
740000
2000
e uma ressurreição virtual para Johnny Cash,
12:37
So I teamed up with my good friend Ricardo Cabello, also known as Mr. doob,
293
742000
3000
Por isso reuni-me com o meu bom amigo Ricardo Cabello, conhecido como Mr. doob,
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 esta ferramenta maravilhosa de desenho Flash.
12:44
As you know,
296
749000
2000
Como vocês 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
Por isso o que fizemos foi cortar uma série de imagens do arquivo de Johnny Cash,
12:51
and at eight frames a second,
299
756000
2000
e em oito frames por segundo,
12:53
we allowed individuals to draw a single frame
300
758000
2000
nós permitimos que individuos desenhassem um frame apenas
12:55
that would get woven into
301
760000
2000
que iria misturar-se com os outros
12:57
this dynamically changing music video.
302
762000
2000
nesta alteração dinâmica de video de música.
12:59
So I don't have time to play the entire thing for you,
303
764000
2000
Não tenho tempo de mostrar tudo,
13:01
but I want to show you two short clips.
304
766000
2000
mas quero mostrar-vos dois breves clips.
13:03
One is the beginning of the music video.
305
768000
2000
Um é o inicio do video de música.
13:05
And that's going to be followed by a short clip
306
770000
2000
E esse vai ser seguido por um breve clip
13:07
of people who have already contributed to the project
307
772000
2000
de pessoas que já contribuíram realmente para o projecto
13:09
talking about it briefly.
308
774000
3000
falando sobre isso brevemente.
13:12
(Music)
309
777000
6000
(Música)
13:18
(Video) Johnny Cash: ♫ There ain't no grave ♫
310
783000
2000
(Vídeo) Johnny Cash: ♫ Nenhuma sepultura ♫
13:20
♫ can hold my body down ♫
311
785000
4000
♫ pode prender o meu corpo em baixo ♫
13:24
♫ There ain't no grave ♫
312
789000
2000
♫ Nenhuma sepultura ♫
13:26
♫ can hold body down ♫
313
791000
3000
♫ pode prender o meu corpo em baixo ♫
13:30
♫ When I hear the trumpet sound ♫
314
795000
4000
♫ Quando eu ouço o som do trompete ♫
13:34
♫ I'm going to ride right out of the ground ♫
315
799000
2000
♫ Eu vou levantar-me do chão ♫
13:36
♫ Ain't no grave ♫
316
801000
3000
♫ Nenhuma sepultura ♫
13:39
♫ can hold my body ... ♫
317
804000
3000
♫ pode prender 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 melhor maneira de prestar tributo ao homem
13:47
than to make something for one of his songs.
320
812000
3000
do que fazer algo por uma das suas canções.
13:50
Collaborator: I felt really sad when he died.
321
815000
2000
Colaborador: Senti-me realmente triste quando ele morreu.
13:52
And I just thought it'd be wonderful,
322
817000
2000
Apenas pensei que isto seria maravilhoso,
13:54
it'd be really nice to contribute something to his memory.
323
819000
3000
seria realmente muito bom contribuir de algum modo para a sua memória.
13:57
Collaborator Two: It really allows
324
822000
2000
Colaborador dois: Isto realmente permite
13:59
this last recording of his
325
824000
3000
que esta última gravação
14:02
to be a living, breathing memorial.
326
827000
5000
seja uma memória viva, que respira.
14:07
Collaborator Three: For all of the frames to be drawn by fans,
327
832000
3000
Colaborador três: Cada frame desenhado pelos fãs,
14:10
each individual frame,
328
835000
2000
cada frame individual,
14:12
it's got a very powerful feeling to it.
329
837000
2000
tem um grande sentimento posto em si.
14:14
Collaborator Four: I've seen everybody
330
839000
2000
Colaborador quatro: Vi pessoas
14:16
from Japan, Venezuela, to the States,
331
841000
2000
do Japão, Venezuela, até aos EUA,
14:18
to Knoxville, Tennessee.
332
843000
2000
até Knoxville, Tennessee.
14:20
Collaborator Five: As much as is different from frame to frame,
333
845000
3000
Colaborador cinco: Na medida em que é diferente de frame para 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: Vendo o vídeo na minha sala,
14:27
I could see me not understanding at the beginning of it.
336
852000
3000
vi que não entendia isto no ínicio.
14:30
And I just worked and worked through problems,
337
855000
3000
Trabalhei e trabalhei no problema
14:33
until my little wee battles that I was fighting within the picture
338
858000
4000
até que todas as pequenas batalhas que eu estava a travar com a imagem
14:37
all began to resolve themselves.
339
862000
3000
começaram a resolver-se por si mesmas.
14:40
You can actually see the point when I know what I'm doing,
340
865000
2000
Posso realmente ver o sentido quando eu sei o que estou a fazer,
14:42
and a lot of light and dark comes into it.
341
867000
3000
e imensa luz e escuridão acaba por vir.
14:45
And in a weird way,
342
870000
2000
E, de uma forma estranha,
14:47
that's what I actually like about Johnny Cash's music as well.
343
872000
2000
é isso que eu gosto na música de Johnny Cash.
14:49
It's the sum total of his life,
344
874000
2000
É a soma total da 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 más, as coisas boas.
14:55
You're hearing a person's life.
347
880000
3000
Estamos a ouvir a vida de uma pessoa.
15:01
AK: So if you go to the website JohnnyCashProject.com,
348
886000
2000
AK: Se forem ao site JohnnyCashProject.com,
15:03
what you'll see is the video playing above.
349
888000
2000
o que vão ver é o vídeo que está a passar em cima.
15:05
And below it are all the individual frames
350
890000
2000
E em baixo todos os frames individuais
15:07
that people have been submitting to the project.
351
892000
2000
que as pessoas têm submetido para o projecto.
15:09
So this isn't finished at all,
352
894000
2000
Isto ainda não está terminado de todo,
15:11
but it's an ongoing project where people can continue to collaborate.
353
896000
2000
este é um projecto contínuo onde as pessoas podem continuar a colaborar.
15:13
If you roll over any one of those individual thumbnails,
354
898000
2000
Se passarem sobre qualquer uma destas miniaturas individuais,
15:15
you can see the person who drew that individual thumbnail
355
900000
2000
podem ver quem foi a pessoa que desenhou essa miniatura individual
15:17
and where they were located.
356
902000
2000
e onde elas se localizam.
15:19
And if you find one that you're interested in,
357
904000
2000
E se encontrarem uma que vos interesse,
15:21
you can actually click on it and open up an information panel
358
906000
2000
podem clicar nele e abrir um painel informativo
15:23
where you're able to rate that frame,
359
908000
2000
onde podem classificar o frame,
15:25
which helps it bubble up to the top.
360
910000
2000
o que o ajuda a subir ao topo
15:27
And you can also see the way that it was drawn.
361
912000
2000
Também podem ver a forma como foi desenhado.
15:29
Again, you can get the playback and personal contribution.
362
914000
2000
De novo, podem ver o contributo 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, a localização,
15:34
how long they spent drawing it.
364
919000
2000
quanto tempo levaram para desenhá-lo.
15:36
And you can pick a style. So this one was tagged "Abstract."
365
921000
3000
E podem escolher um estilo. Este aqui foi classificado como "Abstrato".
15:39
But there's a bunch of different styles.
366
924000
2000
Mas há toda uma série de estilos diferentes.
15:41
And you can sort the video a number of different ways.
367
926000
2000
E podem misturar o video de diferentes maneiras.
15:43
You can say, "I want to see the pointillist version
368
928000
2000
Vocês podem dizer, "Eu quero ver a versão em pontos
15:45
or the sketchy version or the realistic version.
369
930000
2000
ou a versão de esboço ou a versão real.
15:47
And then this is, again, the abstract version,
370
932000
2000
E aqui de novo, a versão abstracta,
15:49
which ends up getting a little bit crazy.
371
934000
3000
que acaba por se tornar um pouco maluca.
15:54
So the last project I want to talk to you about is another collaboration with Chris Milk.
372
939000
3000
A última colaboração de que vos quero falar é outra colaboração com Chris Milk.
15:57
And this is called "The Wilderness Downtown."
373
942000
2000
E é chamada "The Wilderness Downtown."
15:59
It's an online music video for the Arcade Fire.
374
944000
3000
É um vídeo de música online dos The Arcade Fire.
16:02
Chris and I were really amazed
375
947000
2000
Chris e eu estávamos realmente maravilhados
16:04
by the potential now with modern web browsers,
376
949000
2000
pelo potencial dos navegadores de web modernos,
16:06
where you have HTML5 audio and video
377
951000
2000
onde 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 para se tornar realmente rápido.
16:11
And we wanted to push the idea of the music video that was meant for the Web
379
956000
3000
Queríamos usar a ideia de video de música feito para a web
16:14
beyond the four-by-three or sixteen-by-nine window
380
959000
3000
para além da janela 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 tocar e coreografar através do ecrã.
16:20
But most importantly, I think,
382
965000
2000
Mas, mais importante, acho eu,
16:22
we really wanted to make an experience that was unlike the Johnny Cash Project,
383
967000
3000
queríamos mesmo fazer uma experiência que era diferente do projecto Johnny Cash,
16:25
where you had a small group of people spending a lot of time
384
970000
3000
onde tinhamos um grupo pequeno de pessoas a gastar imenso tempo
16:28
to contribute something for everyone.
385
973000
2000
para contribuir com algo para todos.
16:30
What if we had a very low commitment,
386
975000
3000
E se nós tivéssemos um compromisso muito baixo,
16:33
but delivered something individually unique to each person who contributed?
387
978000
3000
mas retribuíssemos com algo único e individual a cada pessoa que contribuiu?
16:36
So the project starts off by asking you to enter the address
388
981000
2000
Por isso o projecto começa por pedir para introduzirem o vosso endereço
16:38
of the home where you grew up.
389
983000
2000
ou da casa onde cresceram.
16:40
And you type in the address --
390
985000
2000
E vocês introduzem o endereço -
16:42
it actually creates a music video specifically for you,
391
987000
2000
na verdade isso cria um video de música especialmente para ti,
16:44
pulling in Google maps and Streetview images
392
989000
2000
extraindo imagens do Google Maps e imagens Streetview
16:46
into the experience itself.
393
991000
2000
na experiência em si mesmo.
16:48
So this should really be seen at home with you typing in your own address,
394
993000
3000
Por isso isto deve ser visto em casa com vocês introduzindo o vosso endereço,
16:51
but I'm going to give you a little preview of what you can expect.
395
996000
3000
mas vou mostrar-vos um pouco daquilo que podem esperar.
16:54
(Video) Win Butler: ♫ Now our lives are changing fast ♫
396
999000
4000
(Video) Win Butler: ♫ Agora as nossas vidas estão a mudar rapidamente ♫
16:58
♫ Now our lives are changing fast ♫
397
1003000
4000
♫ Agora as nossas vidas estão a mudar rapidamente ♫
17:02
♫ Hope that something pure can last ♫
398
1007000
3000
♫ Espero que algo puro possa durar ♫
17:06
♫ Hope that something pure can last ♫
399
1011000
4000
♫ Espero que algo puro possa durar ♫
17:13
♫ Ooh we used to wait ♫
400
1018000
4000
♫ Ooh nós costumávamos esperar ♫
17:17
♫ Ooh we used to wait ♫
401
1022000
4000
♫ Ooh nós costumávamos esperar ♫
17:21
♫ Ooh we used to wait ♫
402
1026000
3000
♫ Ooh nós costumávamos esperar ♫
17:24
♫ Sometimes it never came ♫
403
1029000
3000
♫ Ás vezes nunca vinha ♫
17:27
♫ Sometimes it never came ♫
404
1032000
4000
♫ Ás vezes nunca vinha ♫
17:31
♫ Still moving through the pain ♫
405
1036000
3000
♫ Ainda a movermo-nos 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: Acho que, se há alguma coisa para guardar da minha conversa de hoje,
17:53
it's that an interface can be a powerful narrative device.
410
1058000
2000
é que a interface pode ser um instrumento narrativo poderoso.
17:55
And as we collect more and more personally and socially relevant data,
411
1060000
4000
E à medida que recolhemos mais e mais dados pessoais e sociais relevantes,
17:59
we have an opportunity, and maybe even an obligation,
412
1064000
2000
temos a oportunidade e talvez até a obrigação,
18:01
to maintain the humanity and tell some amazing stories
413
1066000
2000
de preservar a humanidade e contar algumas histórias maravilhosas
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