TEDxCMU
Luis von Ahn: Massive-scale online collaboration
Luis von Ahn: Online spolupráca obrovských rozmerov
Filmed:
Readability: 3.8
1,740,008 views
Luis von Ahn najprv zmenil CAPTCHA, aby pri každom vyplnení pomáhala digitalizovať knihy, a potom hľadal ďalšie spôsoby, ako využiť malé príspevky mnohých ľudí na internete na všeobecný osoh. Na TEDxCMU porozprával o svojom novom ambicióznom projekte Duolingo, ktorý má miliónom ľudí pomôcť učiť sa cudzie jazyky a zároveň rýchlo a presne prekladať internet - a to zadarmo.
Luis von Ahn - Computer scientist
Luis von Ahn builds systems that combine humans and computers to solve large-scale problems that neither can solve alone. Full bio
Luis von Ahn builds systems that combine humans and computers to solve large-scale problems that neither can solve alone. Full bio
Double-click the English transcript below to play the video.
00:15
How many of you had to fill out some sort of web form
0
0
2000
Koľkí z vás už vypĺňali formulár na internete
00:17
where you've been asked to read a distorted sequence of characters like this?
1
2000
2000
a museli ste prečítať takýto
zdeformovaný riadok znakov?
zdeformovaný riadok znakov?
00:19
How many of you found it really, really annoying?
2
4000
2000
Koľkí z vás to považovali za naozaj otravné?
00:21
Okay, outstanding. So I invented that.
3
6000
3000
OK, výborne. Tak to som vynašiel ja.
00:24
(Laughter)
4
9000
2000
(Smiech)
00:26
Or I was one of the people who did it.
5
11000
2000
Alebo som jedným z ľudí, ktorí to vymysleli.
00:28
That thing is called a CAPTCHA.
6
13000
2000
Volá sa to CAPTCHA.
00:30
And the reason it is there is to make sure you, the entity filling out the form,
7
15000
2000
Zabezpečuje, aby formuláre vypĺňali ľudia
00:32
are actually a human and not some sort of computer program
8
17000
3000
a nie počítačové programy,
00:35
that was written to submit the form millions and millions of times.
9
20000
2000
schopné odoslať formulár miliónkrát.
00:37
The reason it works is because humans,
10
22000
2000
Funguje to, pretože ľudia,
00:39
at least non-visually-impaired humans,
11
24000
2000
aspoň tí, ktorí vidia,
00:41
have no trouble reading these distorted squiggly characters,
12
26000
2000
tieto zdeformované znaky ľahko prečítajú.
00:43
whereas computer programs simply can't do it as well yet.
13
28000
3000
Počítačové programy to zatiaľ nedokážu.
00:46
So for example, in the case of Ticketmaster,
14
31000
2000
Napríklad, stránka Ticketmaster
00:48
the reason you have to type these distorted characters
15
33000
2000
používa zdeformované znaky
00:50
is to prevent scalpers from writing a program
16
35000
2000
ako ochranu pred priekupníkmi,
00:52
that can buy millions of tickets, two at a time.
17
37000
2000
ktorí by pomocou softvéru mohli kúpiť milióny lístkov, vždy po dvoch kusoch.
00:54
CAPTCHAs are used all over the Internet.
18
39000
2000
CAPTCHA sa používa všade na internete.
00:56
And since they're used so often,
19
41000
2000
Keďže je taká rozšírená, často sa stáva,
00:58
a lot of times the precise sequence of random characters that is shown to the user
20
43000
2000
že zobrazený sled náhodných znakov
01:00
is not so fortunate.
21
45000
2000
nie je práve najšťastnejší.
01:02
So this is an example from the Yahoo registration page.
22
47000
3000
Toto je príklad z registračnej stránky Yahoo.
01:05
The random characters that happened to be shown to the user
23
50000
2000
Zobrazené náhodné znaky
01:07
were W, A, I, T, which, of course, spell a word.
24
52000
3000
boli W, A, I, T, čiže ČAKAJTE.
01:10
But the best part is the message
25
55000
3000
Najlepšia bola správa,
01:13
that the Yahoo help desk got about 20 minutes later.
26
58000
3000
ktorú o 20 minút dostali v Yahoo.
01:16
Text: "Help! I've been waiting for over 20 minutes, and nothing happens."
27
61000
3000
Text:"Pomoc! Čakám už 20 minút a nič sa nedeje."
01:19
(Laughter)
28
64000
4000
(Smiech)
01:23
This person thought they needed to wait.
29
68000
2000
Tento človek si myslel, že má čakať.
01:25
This of course, is not as bad as this poor person.
30
70000
3000
Stále lepšie, ako tento úbožiak.
01:28
(Laughter)
31
73000
2000
(Smiech)
01:30
CAPTCHA Project is something that we did here at Carnegie Melllon over 10 years ago,
32
75000
3000
Na projekte CAPTCHA sme pracovali na Carnegie Mellon pred 10 rokmi.
01:33
and it's been used everywhere.
33
78000
2000
Dnes sa používa všade.
01:35
Let me now tell you about a project that we did a few years later,
34
80000
2000
Teraz vám poviem o projekte, ktorý je o pár rokov mladší,
01:37
which is sort of the next evolution of CAPTCHA.
35
82000
3000
ďalšia evolúcia CAPTCHA.
01:40
This is a project that we call reCAPTCHA,
36
85000
2000
Nazývame ho reCAPTCHA.
01:42
which is something that we started here at Carnegie Mellon,
37
87000
2000
Začali sme s ním na Carnegie Mellon
01:44
then we turned it into a startup company.
38
89000
2000
a potom ho zmenili na startupovú spoločnosť.
01:46
And then about a year and a half ago,
39
91000
2000
Asi o rok a pol
01:48
Google actually acquired this company.
40
93000
2000
túto spoločnosť kúpil Google.
01:50
So let me tell you what this project started.
41
95000
2000
Poviem vám, čo tento projekt naštartovalo.
01:52
So this project started from the following realization:
42
97000
3000
Uvedomili sme si,
01:55
It turns out that approximately 200 million CAPTCHAs
43
100000
2000
že každý deň ľudia z celého sveta napíšu
01:57
are typed everyday by people around the world.
44
102000
3000
asi 200 miliónov CAPTCHA.
02:00
When I first heard this, I was quite proud of myself.
45
105000
2000
Keď som to počul prvýkrát, bol som na seba hrdý.
02:02
I thought, look at the impact that my research has had.
46
107000
2000
Pomyslel som si: Pozri aký dopad má tvoj výskum.
02:04
But then I started feeling bad.
47
109000
2000
Ale potom som sa začal cítiť zle.
02:06
See here's the thing, each time you type a CAPTCHA,
48
111000
2000
Pretože vždy, keď napíšete CAPTCHA,
02:08
essentially you waste 10 seconds of your time.
49
113000
3000
premrháte 10 sekúnd vášho času.
02:11
And if you multiply that by 200 million,
50
116000
2000
Vynásobte to 200 miliónmi a zistíte,
02:13
you get that humanity as a whole is wasting about 500,000 hours every day
51
118000
3000
že ľudstvo každý deň premrhá 500 000 hodín
02:16
typing these annoying CAPTCHAs.
52
121000
2000
písaním otravných CAPTCHA.
02:18
So then I started feeling bad.
53
123000
2000
Preto som sa cítil zle.
02:20
(Laughter)
54
125000
2000
(Smiech)
02:22
And then I started thinking, well, of course, we can't just get rid of CAPTCHAs,
55
127000
3000
Ale CAPTCHA sa nemôžeme len tak zbaviť,
02:25
because the security of the Web sort of depends on them.
56
130000
2000
pretože na nich záleží bezpečnosť internetu.
02:27
But then I started thinking, is there any way we can use this effort
57
132000
3000
Uvažoval som, či je spôsob, ako ich
02:30
for something that is good for humanity?
58
135000
2000
využiť na niečo osožné pre ľudstvo.
02:32
So see, here's the thing.
59
137000
2000
Vec sa má takto:
02:34
While you're typing a CAPTCHA, during those 10 seconds,
60
139000
2000
Počas 10 sekúnd, keď píšete CAPTCHA,
02:36
your brain is doing something amazing.
61
141000
2000
váš mozog robí niečo úžasné.
02:38
Your brain is doing something that computers cannot yet do.
62
143000
2000
Niečo, čo ešte počítače nedokážu.
02:40
So can we get you to do useful work for those 10 seconds?
63
145000
3000
Dokážeme tých 10 sekúnd robiť niečo užitočné?
02:43
Another way of putting it is,
64
148000
2000
Inými slovami,
02:45
is there some humongous problem that we cannot yet get computers to solve,
65
150000
2000
jestvuje problém, ktorý počítače nevedia vyriešiť,
02:47
yet we can split into tiny 10-second chunks
66
152000
3000
a ktorý sa dá rozložiť na 10-sekundové kúsky,
02:50
such that each time somebody solves a CAPTCHA
67
155000
2000
aby sa pri každom vyriešení CAPTCHA
02:52
they solve a little bit of this problem?
68
157000
2000
vyriešil kúsok tohto problému?
02:54
And the answer to that is "yes," and this is what we're doing now.
69
159000
2000
Odpoveď je áno, a to práve robíme.
02:56
So what you may not know is that nowadays while you're typing a CAPTCHA,
70
161000
3000
Možno neviete, že keď dnes napíšete CAPTCHA,
02:59
not only are you authenticating yourself as a human,
71
164000
2000
okrem overenia, že ste človek
03:01
but in addition you're actually helping us to digitize books.
72
166000
2000
nám pomáhate digitalizovať knihy.
03:03
So let me explain how this works.
73
168000
2000
Vysvetlím, ako to funguje.
03:05
So there's a lot of projects out there trying to digitize books.
74
170000
2000
Je mnoho projektov, ktorí sa snažia digitalizovať knihy.
03:07
Google has one. The Internet Archive has one.
75
172000
3000
Jeden má Google. Internet Archive má druhý.
03:10
Amazon, now with the Kindle, is trying to digitize books.
76
175000
2000
Aj Amazon s Kindle sa pokúša digitalizovať knihy.
03:12
Basically the way this works
77
177000
2000
Na začiatku máte
03:14
is you start with an old book.
78
179000
2000
starú knihu.
03:16
You've seen those things, right? Like a book?
79
181000
2000
Poznáte to, však? Kniha?
03:18
(Laughter)
80
183000
2000
(Smiech)
03:20
So you start with a book, and then you scan it.
81
185000
2000
Túto knihu zoskenujete.
03:22
Now scanning a book
82
187000
2000
Skenovaním knihy sa vytvorí
03:24
is like taking a digital photograph of every page of the book.
83
189000
2000
digitálna fotografia každej strany.
03:26
It gives you an image for every page of the book.
84
191000
2000
Máte obrázok každej strany knihy.
03:28
This is an image with text for every page of the book.
85
193000
2000
Obrázok s textom.
03:30
The next step in the process
86
195000
2000
V ďalšom kroku
03:32
is that the computer needs to be able to decipher all of the words in this image.
87
197000
3000
musí počítač rozlúštiť všetky slová na tomto obrázku.
03:35
That's using a technology called OCR,
88
200000
2000
Používa technológiu OCR,
03:37
for optical character recognition,
89
202000
2000
optické rozlišovanie znakov,
03:39
which takes a picture of text
90
204000
2000
ktorá z obrázku textu
03:41
and tries to figure out what text is in there.
91
206000
2000
skúša zistiť text.
03:43
Now the problem is that OCR is not perfect.
92
208000
2000
Ale OCR nie je dokonalá.
03:45
Especially for older books
93
210000
2000
Najmä pri starších knihách
03:47
where the ink has faded and the pages have turned yellow,
94
212000
3000
s vyblednutým atramentom a zožltnutými stranami
03:50
OCR cannot recognize a lot of the words.
95
215000
2000
OCR nedokáže mnohé slová rozlíšiť.
03:52
For example, for things that were written more than 50 years ago,
96
217000
2000
Napríklad, pri veciach starších ako 50 rokov
03:54
the computer cannot recognize about 30 percent of the words.
97
219000
3000
počítač nerozlíši asi 30 percent slov.
03:57
So what we're doing now
98
222000
2000
My zbierame tie slová,
03:59
is we're taking all of the words that the computer cannot recognize
99
224000
2000
ktoré počítač neprečíta,
04:01
and we're getting people to read them for us
100
226000
2000
a posúvame ich ľuďom, aby ich prečítali,
04:03
while they're typing a CAPTCHA on the Internet.
101
228000
2000
keď na internete vypĺňajú CAPTCHA.
04:05
So the next time you type a CAPTCHA, these words that you're typing
102
230000
3000
Najbližšie, keď budete písať CAPTCHA,
04:08
are actually words that are coming from books that are being digitized
103
233000
3000
budete písať slová z kníh, ktoré sa digitalizujú
04:11
that the computer could not recognize.
104
236000
2000
a počítač ich nevedel rozpoznať.
04:13
And now the reason we have two words nowadays instead of one
105
238000
2000
Dôvod, prečo dnes máme dve slová miesto jedného je,
04:15
is because, you see, one of the words
106
240000
2000
že jedno z týchto slov
04:17
is a word that the system just got out of a book,
107
242000
2000
je slovo z knihy,
04:19
it didn't know what it was, and it's going to present it to you.
108
244000
3000
ktoré systém nepozná.
04:22
But since it doesn't know the answer for it, it cannot grade it for you.
109
247000
3000
Preto nemôže vašu odpoveď vyhodnotiť.
04:25
So what we do is we give you another word,
110
250000
2000
Preto vám dávame ešte jedno slovo,
04:27
one for which the system does know the answer.
111
252000
2000
ktoré systém pozná.
04:29
We don't tell you which one's which, and we say, please type both.
112
254000
2000
Nepovieme vám, ktoré je ktoré. Musíte napísať obidve.
04:31
And if you type the correct word
113
256000
2000
Ak napíšete to správne,
04:33
for the one for which the system already knows the answer,
114
258000
2000
ktoré systém pozná,
04:35
it assumes you are human,
115
260000
2000
bude predpokladať, že ste človek
04:37
and it also gets some confidence that you typed the other word correctly.
116
262000
2000
a tiež, že ste napísali správne aj druhé slovo.
04:39
And if we repeat this process to like 10 different people
117
264000
3000
Keď tento proces zopakujeme s 10 ľuďmi
04:42
and all of them agree on what the new word is,
118
267000
2000
a všetci sa na novom slove zhodnú,
04:44
then we get one more word digitized accurately.
119
269000
2000
máme o jedno správne digitalizované slovo viac.
04:46
So this is how the system works.
120
271000
2000
Takto náš systém funguje.
04:48
And basically, since we released it about three or four years ago,
121
273000
3000
Keďže sme ho spustili pred tromi či štyrmi rokmi,
04:51
a lot of websites have started switching
122
276000
2000
mnoho webstránok prechádza
04:53
from the old CAPTCHA where people wasted their time
123
278000
2000
zo starej CAPTCHA, ktorá mrhá časom,
04:55
to the new CAPTCHA where people are helping to digitize books.
124
280000
2000
na novú CAPTCHA, s ktorou ľudia pomáhajú digitalizovať knihy.
04:57
So for example, Ticketmaster.
125
282000
2000
Napríklad, Ticketmaster.
04:59
So every time you buy tickets on Ticketmaster, you help to digitize a book.
126
284000
3000
Vždy keď si kúpite na lístky cez Ticketmaster, pomôžete zdigitalizovať knihu.
05:02
Facebook: Every time you add a friend or poke somebody,
127
287000
2000
Facebook: Vždy, keď si pridáte priateľa, alebo niekoho šťuchnete,
05:04
you help to digitize a book.
128
289000
2000
pomáhate zdigitalizovať knihu.
05:06
Twitter and about 350,000 other sites are all using reCAPTCHA.
129
291000
3000
Twitter a ďalších 350 000 stránok používa reCAPTCHA.
05:09
And in fact, the number of sites that are using reCAPTCHA is so high
130
294000
2000
Stránok, ktoré reCAPTCHA používajú, je tak veľa,
05:11
that the number of words that we're digitizing per day is really, really large.
131
296000
3000
že počet digitalizovaných slov za deň je obrovský.
05:14
It's about 100 million a day,
132
299000
2000
Je ich asi 100 miliónov za deň,
05:16
which is the equivalent of about two and a half million books a year.
133
301000
4000
teda asi dva a pol milióna kníh za rok.
05:20
And this is all being done one word at a time
134
305000
2000
To všetko slovo po slove,
05:22
by just people typing CAPTCHAs on the Internet.
135
307000
2000
písaním CAPTCHA na internete.
05:24
(Applause)
136
309000
8000
(Potlesk)
05:32
Now of course,
137
317000
2000
Tým, že počet slov za deň
05:34
since we're doing so many words per day,
138
319000
2000
je taký veľký,
05:36
funny things can happen.
139
321000
2000
dejú sa zvláštne veci.
05:38
And this is especially true because now we're giving people
140
323000
2000
Najmä teraz, keď dávame ľuďom
05:40
two randomly chosen English words next to each other.
141
325000
2000
dve náhodné anglické slová vedľa seba.
05:42
So funny things can happen.
142
327000
2000
Dejú sa zaujímavé veci.
05:44
For example, we presented this word.
143
329000
2000
Napríklad, mali sme slovo "Kresťania",
05:46
It's the word "Christians"; there's nothing wrong with it.
144
331000
2000
čo je celkom v poriadku.
05:48
But if you present it along with another randomly chosen word,
145
333000
3000
Ale v spojení s iným náhodným slovom
05:51
bad things can happen.
146
336000
2000
sa môže stať všeličo.
05:53
So we get this. (Text: bad christians)
147
338000
2000
Napríklad toto. (Text: zlí kresťania)
05:55
But it's even worse, because the particular website where we showed this
148
340000
3000
Ešte horšie bolo, že stránka, na ktorej sa text ukázal,
05:58
actually happened to be called The Embassy of the Kingdom of God.
149
343000
3000
sa volala Ambasáda Božieho Kráľovstva.
06:01
(Laughter)
150
346000
2000
(Smiech)
06:03
Oops.
151
348000
2000
Ups.
06:05
(Laughter)
152
350000
3000
(Smiech)
06:08
Here's another really bad one.
153
353000
2000
Tu je ďalší veľmi zlý.
06:10
JohnEdwards.com
154
355000
2000
JohnEdwards.com
06:12
(Text: Damn liberal)
155
357000
3000
(Text: Prekliaty liberál)
06:15
(Laughter)
156
360000
2000
(Smiech)
06:17
So we keep on insulting people left and right everyday.
157
362000
3000
Urážame ľudí napravo i naľavo.
06:20
Now, of course, we're not just insulting people.
158
365000
2000
Samozrejme, nerobíme len to.
06:22
See here's the thing, since we're presenting two randomly chosen words,
159
367000
3000
Tým, že prezentujeme dve náhodné slová,
06:25
interesting things can happen.
160
370000
2000
dejú sa zaujímavé veci.
06:27
So this actually has given rise
161
372000
2000
Naštartovali sme skutočne veľký
06:29
to a really big Internet meme
162
374000
3000
internetový meme,
06:32
that tens of thousands of people have participated in,
163
377000
2000
na ktorom sa podieľajú desiatky tisíc ľudí.
06:34
which is called CAPTCHA art.
164
379000
2000
Volá sa umenie CAPTCHA.
06:36
I'm sure some of you have heard about it.
165
381000
2000
Niektorí z vás o ňom iste počuli.
06:38
Here's how it works.
166
383000
2000
Takto funguje.
06:40
Imagine you're using the Internet and you see a CAPTCHA
167
385000
2000
Uvidíte na internete CAPTCHA,
06:42
that you think is somewhat peculiar,
168
387000
2000
ktorá je zvláštna,
06:44
like this CAPTCHA. (Text: invisible toaster)
169
389000
2000
ako táto (Text: neviditeľný hriankovač)
06:46
Then what you're supposed to do is you take a screen shot of it.
170
391000
2000
a urobíte z nej screenshot.
06:48
Then of course, you fill out the CAPTCHA
171
393000
2000
Potom CAPTCHA vyplníte,
06:50
because you help us digitize a book.
172
395000
2000
pretože nám pomáhate digitalizovať knihu.
06:52
But then, first you take a screen shot,
173
397000
2000
Potom, čo spravíte screenshot,
06:54
and then you draw something that is related to it.
174
399000
2000
k nemu niečo vhodné dokreslíte.
06:56
(Laughter)
175
401000
2000
(Smiech)
06:58
That's how it works.
176
403000
3000
Takto to funguje.
07:01
There are tens of thousands of these.
177
406000
3000
Sú ich desiatky tisíc.
07:04
Some of them are very cute. (Text: clenched it)
178
409000
2000
Niektoré si naozaj milé. (Text: Zaťal som)
07:06
(Laughter)
179
411000
2000
(Smiech)
07:08
Some of them are funnier.
180
413000
2000
Niektoré sú veselšie.
07:10
(Text: stoned founders)
181
415000
3000
(Text: zhúlení zakladatelia)
07:13
(Laughter)
182
418000
3000
(Smiech)
07:16
And some of them,
183
421000
2000
A niektoré,
07:18
like paleontological shvisle,
184
423000
3000
ako paleontologický švizl,
07:21
they contain Snoop Dogg.
185
426000
2000
obsahujú Snoop Dogga.
07:23
(Laughter)
186
428000
3000
(Smiech)
07:26
Okay, so this is my favorite number of reCAPTCHA.
187
431000
2000
Moje obľúbené číslo
07:28
So this is the favorite thing that I like about this whole project.
188
433000
3000
týkajúce sa reCAPTCHA
07:31
This is the number of distinct people
189
436000
2000
je počet ľudí, ktorí nám pomohli
07:33
that have helped us digitize at least one word out of a book through reCAPTCHA:
190
438000
3000
zdigitalizovať aspoň jedno slovo pomocou reCAPTCHA:
07:36
750 million,
191
441000
2000
750 miliónov,
07:38
which is a little over 10 percent of the world's population,
192
443000
2000
o niečo viac ako 10 percent svetovej populácie
07:40
has helped us digitize human knowledge.
193
445000
2000
nám pomohlo s digitalizáciou ľudských vedomostí.
07:42
And it is numbers like these that motivate my research agenda.
194
447000
3000
Takéto čísla ma motivujú pri výskume.
07:45
So the question that motivates my research is the following:
195
450000
3000
Otázka, ktorá ma motivuje, znie:
07:48
If you look at humanity's large-scale achievements,
196
453000
2000
Ak sa pozriete na veľké úspechy ľudstva,
07:50
these really big things
197
455000
2000
tie naozaj veľké veci,
07:52
that humanity has gotten together and done historically --
198
457000
3000
ktoré ľudstvo vytvorilo -
07:55
like for example, building the pyramids of Egypt
199
460000
2000
napríklad pyramídy v Egypte
07:57
or the Panama Canal
200
462000
2000
alebo Panamský prieplav,
07:59
or putting a man on the Moon --
201
464000
2000
či človek na Mesiaci -
08:01
there is a curious fact about them,
202
466000
2000
je na nich zaujímavé,
08:03
and it is that they were all done with about the same number off people.
203
468000
2000
že boli vykonané približne rovnakým počtom ľudí.
08:05
It's weird; they were all done with about 100,000 people.
204
470000
3000
Je to zvláštne; na každej z nich pracovalo asi 100 000 ľudí.
08:08
And the reason for that is because, before the Internet,
205
473000
3000
To preto, že pred nástupom internetu
08:11
coordinating more than 100,000 people,
206
476000
2000
bolo nemožné koordinovať viac ako 100 000 ľudí,
08:13
let alone paying them, was essentially impossible.
207
478000
3000
a už vôbec nie ich zaplatiť.
08:16
But now with the Internet, I've just shown you a project
208
481000
2000
Teraz, s internetom, ako som práve ukázal,
08:18
where we've gotten 750 million people
209
483000
2000
sme schopní spojiť 750 miliónov ľudí,
08:20
to help us digitize human knowledge.
210
485000
2000
aby nám pomohli digitalizovať ľudské vedomosti.
08:22
So the question that motivates my research is,
211
487000
2000
Takže otázka, ktorá motivuje môj výskum, je,
08:24
if we can put a man on the Moon with 100,000,
212
489000
3000
ak s 100 000 ľuďmi dostaneme človeka na Mesiac,
08:27
what can we do with 100 million?
213
492000
2000
čo dokážeme so 100 miliónmi?
08:29
So based on this question,
214
494000
2000
Na základe tejto otázky
08:31
we've had a lot of different projects that we've been working on.
215
496000
2000
sme rozpracovali viacero projektov.
08:33
Let me tell you about one that I'm most excited about.
216
498000
3000
Poviem vám o tom, ktorý ma nadchýna najviac.
08:36
This is something that we've been semi-quietly working on
217
501000
2000
Potichu na ňom pracujeme
08:38
for the last year and a half or so.
218
503000
2000
už asi rok a pol.
08:40
It hasn't yet been launched. It's called Duolingo.
219
505000
2000
Zatiaľ nebol spustený. Nazýva sa Duolingo.
08:42
Since it hasn't been launched, shhhhh!
220
507000
2000
Keďže nebol spustený, šššš!
08:44
(Laughter)
221
509000
2000
(Smiech)
08:46
Yeah, I can trust you'll do that.
222
511000
2000
Určite si to necháte pre seba.
08:48
So this is the project. Here's how it started.
223
513000
2000
Tento projekt začal otázkou,
08:50
It started with me posing a question to my graduate student,
224
515000
2000
ktorú som položil môjmu doktorandovi,
08:52
Severin Hacker.
225
517000
2000
Severinovi Hackerovi.
08:54
Okay, that's Severin Hacker.
226
519000
2000
Toto je Severin Hacker.
08:56
So I posed the question to my graduate student.
227
521000
2000
Položil som mu otázku.
08:58
By the way, you did hear me correctly;
228
523000
2000
Mimochodom, počujete správne;
09:00
his last name is Hacker.
229
525000
2000
jeho priezvisko je Hacker.
09:02
So I posed this question to him:
230
527000
2000
Opýtal som sa ho:
09:04
How can we get 100 million people
231
529000
2000
Ako môžeme primäť 100 miliónov ľudí,
09:06
translating the Web into every major language for free?
232
531000
3000
aby zadarmo prekladali internet do všetkých svetových jazykov?
09:09
Okay, so there's a lot of things to say about this question.
233
534000
2000
K tejto otázke je potrebné povedať viacero vecí.
09:11
First of all, translating the Web.
234
536000
2000
V prvom rade prekladanie internetu.
09:13
So right now the Web is partitioned into multiple languages.
235
538000
3000
Teraz je internet zložený z viacerých jazykov.
09:16
A large fraction of it is in English.
236
541000
2000
Z veľkej časti je v anglickom jazyku.
09:18
If you don't know any English, you can't access it.
237
543000
2000
Ak neviete po anglicky, nedostanete sa naň.
09:20
But there's large fractions in other different languages,
238
545000
2000
Ale veľké časti sú v iných jazykoch,
09:22
and if you don't know those languages, you can't access it.
239
547000
3000
a ak neviete tieto jazyky, nemáte doň prístup.
09:25
So I would like to translate all of the Web, or at least most of the Web,
240
550000
3000
Chcel by som preložiť celý, alebo aspoň väčšinu internetu
09:28
into every major language.
241
553000
2000
do všetkých svetových jazykov.
09:30
So that's what I would like to do.
242
555000
2000
To je môj cieľ.
09:32
Now some of you may say, why can't we use computers to translate?
243
557000
3000
Niekto sa môže opýtať,
prečo na to nepoužijeme počítače?
prečo na to nepoužijeme počítače?
09:35
Why can't we use machine translation?
244
560000
2000
Prečo nepoužijeme strojový preklad?
09:37
Machine translation nowadays is starting to translate some sentences here and there.
245
562000
2000
Strojový preklad sa dnes už používa
na rôznych miestach.
na rôznych miestach.
09:39
Why can't we use it to translate the whole Web?
246
564000
2000
Prečo ho nemôžeme použiť na preklad celého internetu?
09:41
Well the problem with that is that it's not yet good enough
247
566000
2000
Problém je, že ešte nie je dosť dobrý.
09:43
and it probably won't be for the next 15 to 20 years.
248
568000
2000
a pravdepodobne nebude najbližších 15 až 20 rokov.
09:45
It makes a lot of mistakes.
249
570000
2000
Robí veľa chýb.
09:47
Even when it doesn't make a mistake,
250
572000
2000
Dokonca aj keď neurobí chybu,
09:49
since it makes so many mistakes, you don't know whether to trust it or not.
251
574000
3000
nemôžete mu dôverovať, pretože robí toľko chýb.
09:52
So let me show you an example
252
577000
2000
Ukážem vám príklad
09:54
of something that was translated with a machine.
253
579000
2000
textu preloženého strojom.
09:56
Actually it was a forum post.
254
581000
2000
Je to otázka z fóra.
09:58
It was somebody who was trying to ask a question about JavaScript.
255
583000
3000
Niekto sa snažil položiť otázku ohľadom JavaScriptu.
10:01
It was translated from Japanese into English.
256
586000
3000
Bola preložená z japončiny do angličtiny.
10:04
So I'll just let you read.
257
589000
2000
Prečítajte si.
10:06
This person starts apologizing
258
591000
2000
Táto osoba začína ospravedlnením,
10:08
for the fact that it's translated with a computer.
259
593000
2000
za to, že otázka je preložená počítačom.
10:10
So the next sentence is is going to be the preamble to the question.
260
595000
3000
Ďalšia veta je úvod k otázke.
10:13
So he's just explaining something.
261
598000
2000
Niečo sa snaží vysvetliť.
10:15
Remember, it's a question about JavaScript.
262
600000
3000
Pamätajte, že je to otázka k JavaScriptu.
10:19
(Text: At often, the goat-time install a error is vomit.)
263
604000
4000
(Text: Na často kôz čas nainštalovať chybu je vývratku.)
10:23
(Laughter)
264
608000
4000
(Smiech)
10:27
Then comes the first part of the question.
265
612000
3000
Potom príde prvá časť otázky.
10:30
(Text: How many times like the wind, a pole, and the dragon?)
266
615000
4000
(Text: Koľkokrát ako vietor, pólovým a drak?)
10:34
(Laughter)
267
619000
2000
(Smiech)
10:36
Then comes my favorite part of the question.
268
621000
3000
Potom príde moja najobľúbenejšia časť otázky.
10:39
(Text: This insult to father's stones?)
269
624000
3000
(Text: Túto urážku na otec to kameňov?)
10:42
(Laughter)
270
627000
2000
(Smiech)
10:44
And then comes the ending, which is my favorite part of the whole thing.
271
629000
3000
A na záver prichádza moja najobľúbenejšia časť.
10:47
(Text: Please apologize for your stupidity. There are a many thank you.)
272
632000
4000
(Text: Prosím ospravedlňte sa za vašu hlúposť. Existuje mnoho ďakujem.)
10:51
(Laughter)
273
636000
2000
(Smiech)
10:53
Okay, so computer translation, not yet good enough.
274
638000
2000
Počítačový preklad teda ešte nie je dosť dobrý.
10:55
So back to the question.
275
640000
2000
Takže späť k otázke.
10:57
So we need people to translate the whole Web.
276
642000
3000
Potrebujeme ľudí, aby preložili celý internet.
11:00
So now the next question you may have is,
277
645000
2000
Takže ďalšia otázka môže byť,
11:02
well why can't we just pay people to do this?
278
647000
2000
prečo za to jednoducho nemôžeme ľuďom zaplatiť?
11:04
We could pay professional language translators to translate the whole Web.
279
649000
3000
Mohli by sme zaplatiť profesionálnym prekladateľom, aby internet preložili.
11:07
We could do that.
280
652000
2000
To by sme mohli.
11:09
Unfortunately, it would be extremely expensive.
281
654000
2000
Bohužiaľ, bolo by to veľmi nákladné.
11:11
For example, translating a tiny, tiny fraction of the whole Web, Wikipedia,
282
656000
3000
Napríklad, preklad maličkého zlomku celého internetu, Wikipedia,
11:14
into one other language, Spanish.
283
659000
3000
iba do jedného jazyka, španielčiny.
11:17
Wikipedia exists in Spanish,
284
662000
2000
Wikipedia existuje v španielčine,
11:19
but it's very small compared to the size of English.
285
664000
2000
ale je veľmi malá v porovnaní s angličtinou.
11:21
It's about 20 percent of the size of English.
286
666000
2000
Je to asi 20 percent veľkosti angličtiny.
11:23
If we wanted to translate the other 80 percent into Spanish,
287
668000
3000
Ak by sme chceli preložiť 80 percent do španielčiny,
11:26
it would cost at least 50 million dollars --
288
671000
2000
stálo by to najmenej 50 miliónov dolárov -
11:28
and this is at even the most exploited, outsourcing country out there.
289
673000
3000
aj to v tej najvyužívanejšej krajine,
kam by sa to dalo outsourcovať.
kam by sa to dalo outsourcovať.
11:31
So it would be very expensive.
290
676000
2000
Teda bolo by to veľmi drahé.
11:33
So what we want to do is we want to get 100 million people
291
678000
2000
Chceme teda primäť 100 miliónov ľudí,
11:35
translating the Web into every major language
292
680000
2000
aby prekladali internet do všetkých svetových jazykov
11:37
for free.
293
682000
2000
zadarmo.
11:39
Now if this is what you want to do,
294
684000
2000
S týmto cieľom
11:41
you pretty quickly realize you're going to run into two pretty big hurdles,
295
686000
2000
si rýchlo uvedomíte, že máte v ceste dve dosť veľké prekážky,
11:43
two big obstacles.
296
688000
2000
dva veľké problémy.
11:45
The first one is a lack of bilinguals.
297
690000
3000
Prvý je nedostatok ľudí hovoriacich dvoma jazykmi.
11:48
So I don't even know
298
693000
2000
Ani neviem,
11:50
if there exists 100 million people out there using the Web
299
695000
3000
či existuje 100 miliónov ľudí, ktorí používajú internet,
11:53
who are bilingual enough to help us translate.
300
698000
2000
ktorí sú dosť bilingválni,
aby nám pomáhali s prekladom.
aby nám pomáhali s prekladom.
11:55
That's a big problem.
301
700000
2000
To je veľký problém.
11:57
The other problem you're going to run into is a lack of motivation.
302
702000
2000
Ďalším problémom je nedostatok motivácie.
11:59
How are we going to motivate people
303
704000
2000
Ako budeme motivovať ľudí,
12:01
to actually translate the Web for free?
304
706000
2000
aby skutočne prekladali internet zadarmo?
12:03
Normally, you have to pay people to do this.
305
708000
3000
Väčšinou za niečo také musíte ľudom zaplatiť.
12:06
So how are we going to motivate them to do it for free?
306
711000
2000
Tak ako ich motivovať, aby to robili zadarmo?
12:08
Now when we were starting to think about this, we were blocked by these two things.
307
713000
3000
Tieto dve veci nás brzdili pri počiatočných úvahách.
12:11
But then we realized, there's actually a way
308
716000
2000
Ale potom sme si uvedomili, že je spôsob
12:13
to solve both these problems with the same solution.
309
718000
2000
ako vyriešiť oba problémy naraz.
12:15
There's a way to kill two birds with one stone.
310
720000
2000
Existuje spôsob, ako zabiť dve muchy jednou ranou.
12:17
And that is to transform language translation
311
722000
3000
A to je transformovať preklad
12:20
into something that millions of people want to do,
312
725000
3000
na niečo, čo milióny ľudí chcú urobiť,
12:23
and that also helps with the problem of lack of bilinguals,
313
728000
3000
a čo zároveň pomáha s problémom nedostatku dvojjazyčných ľudí,
12:26
and that is language education.
314
731000
3000
a to je jazykové vzdelávanie.
12:29
So it turns out that today,
315
734000
2000
Dnes máme
12:31
there are over 1.2 billion people learning a foreign language.
316
736000
3000
viac ako 1,2 miliardy ľudí, ktorí sa učia cudzí jazyk.
12:34
People really, really want to learn a foreign language.
317
739000
2000
Ľudia sa naozaj chcú učiť cudzie jazyky.
12:36
And it's not just because they're being forced to do so in school.
318
741000
3000
A nie len preto, že sú k tomu nútení v škole.
12:39
For example, in the United States alone,
319
744000
2000
Napríklad, len v Spojených štátoch
12:41
there are over five million people who have paid over $500
320
746000
2000
je viac ako päť miliónov ľudí, ktorí zaplatili cez 500 dolárov
12:43
for software to learn a new language.
321
748000
2000
za softvér, s ktorým sa učia nový jazyk.
12:45
So people really, really want to learn a new language.
322
750000
2000
Takže ľudia sa naozaj chcú naučiť nový jazyk.
12:47
So what we've been working on for the last year and a half is a new website --
323
752000
3000
Posledný rok a pol sme pracovali na novej internetovej stránke.
12:50
it's called Duolingo --
324
755000
2000
Nazýva sa Duolingo.
12:52
where the basic idea is people learn a new language for free
325
757000
3000
Hlavná myšlienka je, že ľudia sa učia nový jazyk zadarmo
12:55
while simultaneously translating the Web.
326
760000
2000
zatiaľ čo súčasne prekladajú internet.
12:57
And so basically they're learning by doing.
327
762000
2000
A tým sa v podstate učia.
12:59
So the way this works
328
764000
2000
Funguje to tak,
13:01
is whenever you're a just a beginner, we give you very, very simple sentences.
329
766000
3000
že ak ste úplný začiatočník,
dáme vám celkom jednoduché vety.
dáme vám celkom jednoduché vety.
13:04
There's, of course, a lot of very simple sentences on the Web.
330
769000
2000
Internet je plný veľmi jednoduchých viet.
13:06
We give you very, very simple sentences
331
771000
2000
Dáme vám veľmi jednoduché vety
13:08
along with what each word means.
332
773000
2000
spolu s významom jednotlivých slov.
13:10
And as you translate them, and as you see how other people translate them,
333
775000
3000
Tým, že ich prekladáte a vidíte preklady iných,
13:13
you start learning the language.
334
778000
2000
sa začnete učiť jazyk.
13:15
And as you get more and more advanced,
335
780000
2000
Čím ste pokročilejší,
13:17
we give you more and more complex sentences to translate.
336
782000
2000
tým zložitejšie a komplexnejšie vety
dostanete na preloženie.
dostanete na preloženie.
13:19
But at all times, you're learning by doing.
337
784000
2000
Po celý čas sa práve tým učíte.
13:21
Now the crazy thing about this method
338
786000
2000
Bláznivé na tom je,
13:23
is that it actually really works.
339
788000
2000
že to naozaj funguje.
13:25
First of all, people are really, really learning a language.
340
790000
2000
Po prvé, ľudia sa naozaj učia jazyk.
13:27
We're mostly done building it, and now we're testing it.
341
792000
2000
S výstavbou sme takmer hotový a teraz to testujeme.
13:29
People really can learn a language with it.
342
794000
2000
Ľudia sa takto naozaj môžu naučiť jazyk.
13:31
And they learn it about as well as the leading language learning software.
343
796000
3000
Naučia sa ho rovnako dobre ako s najlepším jazykovým softvérom.
13:34
So people really do learn a language.
344
799000
2000
Takže ľudia sa naozaj učia jazyk.
13:36
And not only do they learn it as well,
345
801000
2000
A nielen, že sa ho učia dobre,
13:38
but actually it's way more interesting.
346
803000
2000
ale je to aj oveľa zaujímavejšie.
13:40
Because you see with Duolingo, people are actually learning with real content.
347
805000
3000
Pretože s Duolingom sa ľudia učia na skutočnom obsahu,
13:43
As opposed to learning with made-up sentences,
348
808000
2000
a nie na vymyslených vetách.
13:45
people are learning with real content, which is inherently interesting.
349
810000
3000
Učia sa na skutočnom obsahu,
ktorý je vo svojej podstate zaujímavý.
ktorý je vo svojej podstate zaujímavý.
13:48
So people really do learn a language.
350
813000
2000
Takže ľudia sa naozaj učia jazyk.
13:50
But perhaps more surprisingly,
351
815000
2000
Ešte prekvapivejšie je,
13:52
the translations that we get from people using the site,
352
817000
3000
že preklady, ktoré dostávame od používateľov stránky,
13:55
even though they're just beginners,
353
820000
2000
dokonca aj od úplných začiatočníkov,
13:57
the translations that we get are as accurate as those of professional language translators,
354
822000
3000
sú také presné ako od profesionálnych prekladateľov,
14:00
which is very surprising.
355
825000
2000
čo je veľmi prekvapujúce.
14:02
So let me show you one example.
356
827000
2000
Dovoľte mi ukázať vám jeden príklad.
14:04
This is a sentence that was translated from German into English.
357
829000
2000
Toto je veta, ktorá bola preložená z nemčiny do angličtiny.
14:06
The top is the German.
358
831000
2000
Hore je nemčina.
14:08
The middle is an English translation
359
833000
2000
V strede je anglický preklad
14:10
that was done by somebody who was a professional English translator
360
835000
2000
od profesionálneho prekladateľa,
14:12
who we paid 20 cents a word for this translation.
361
837000
2000
ktorý za tento preklad dostal 20 centov za slovo.
14:14
And the bottom is a translation by users of Duolingo,
362
839000
3000
Dole je preklad od užívateľov Duolingo,
14:17
none of whom knew any German
363
842000
2000
z ktorých nikto nevedel po nemecky,
14:19
before they started using the site.
364
844000
2000
predtým, ako začal stránku používať.
14:21
You can see, it's pretty much perfect.
365
846000
2000
Ako vidíte, je to vlastne dokonalé.
14:23
Now of course, we play a trick here
366
848000
2000
Samozrejme, aby boli naše preklady také dobré
14:25
to make the translations as good as professional language translators.
367
850000
2000
ako od profesionálnych prekladateľov,
používame trik.
používame trik.
14:27
We combine the translations of multiple beginners
368
852000
3000
Spájame preklady viacerých začiatočníkov,
14:30
to get the quality of a single professional translator.
369
855000
3000
aby sme získali kvalitu jedného profesionálneho prekladateľa.
14:33
Now even though we're combining the translations,
370
858000
5000
Aj keď preklady kombinujeme,
14:38
the site actually can translate pretty fast.
371
863000
2000
stránka vie prekladať celkom rýchlo.
14:40
So let me show you,
372
865000
2000
Ukážem vám
14:42
this is our estimates of how fast we could translate Wikipedia
373
867000
2000
náš odhad, ako rýchlo by sme mohli preložiť Wikipediu
14:44
from English into Spanish.
374
869000
2000
z angličtiny do španielčiny.
14:46
Remember, this is 50 million dollars-worth of value.
375
871000
3000
Pamätajte si, že je to hodné 50 miliónov dolárov.
14:49
So if we wanted to translate Wikipedia into Spanish,
376
874000
2000
Na preklad Wikipédie do španielčiny,
14:51
we could do it in five weeks with 100,000 active users.
377
876000
3000
by sme potrebovali päť týždňov
so 100 000 aktívnymi užívateľmi.
so 100 000 aktívnymi užívateľmi.
14:54
And we could do it in about 80 hours with a million active users.
378
879000
3000
S miliónom aktívnych užívateľov
by sme to zvládli za asi 80 hodín.
by sme to zvládli za asi 80 hodín.
14:57
Since all the projects that my group has worked on so far have gotten millions of users,
379
882000
3000
Pretože všetky projekty, na ktorých moja skupina doteraz pracovala, získali milióny užívateľov,
15:00
we're hopeful that we'll be able to translate
380
885000
2000
veríme, že nám tento projekt umožní
15:02
extremely fast with this project.
381
887000
2000
prekladať extrémne rýchlo.
15:04
Now the thing that I'm most excited about with Duolingo
382
889000
3000
Pri Duolingo som najviac nadšený z toho,
15:07
is I think this provides a fair business model for language education.
383
892000
3000
že ho považujem za spravodlivý obchodný model jazykového vzdelávania.
15:10
So here's the thing:
384
895000
2000
Súčasný obchodný model
15:12
The current business model for language education
385
897000
2000
jazykového vzdelávania je,
15:14
is the student pays,
386
899000
2000
že študent platí,
15:16
and in particular, the student pays Rosetta Stone 500 dollars.
387
901000
2000
konkrétne za softvér Rosetta Stone zaplatí 500 dolárov.
15:18
(Laughter)
388
903000
2000
(Smiech)
15:20
That's the current business model.
389
905000
2000
To je súčasný obchodný model.
15:22
The problem with this business model
390
907000
2000
Problém s týmto obchodným modelom je,
15:24
is that 95 percent of the world's population doesn't have 500 dollars.
391
909000
3000
že 95 percent svetovej populácie nemá 500 dolárov.
15:27
So it's extremely unfair towards the poor.
392
912000
3000
K chudobným je extrémne nespravodlivý.
15:30
This is totally biased towards the rich.
393
915000
2000
Je nastavený pre bohatých.
15:32
Now see, in Duolingo,
394
917000
2000
V Duolingo
15:34
because while you learn
395
919000
2000
počas učenia
15:36
you're actually creating value, you're translating stuff --
396
921000
3000
vytvárate hodnotu, prekladáte -
15:39
which for example, we could charge somebody for translations.
397
924000
3000
za tie preklady by sme si mohli pýtať peniaze.
15:42
So this is how we could monetize this.
398
927000
2000
Mať z nich zisk.
15:44
Since people are creating value while they're learning,
399
929000
2000
Keďže ľudia v rámci učenia
vytvárajú hodnoty,
vytvárajú hodnoty,
15:46
they don't have to pay their money, they pay with their time.
400
931000
3000
nemusia platiť peniazmi,
platia svojim časom.
platia svojim časom.
15:49
But the magical thing here is that they're paying with their time,
401
934000
3000
To čarovné na to je,
že síce platia svojim časom
že síce platia svojim časom
15:52
but that is time that would have had to have been spent anyways
402
937000
2000
ale ten čas, by aj tak strávili
15:54
learning the language.
403
939000
2000
učením sa jazyka.
15:56
So the nice thing about Duolingo is I think it provides a fair business model --
404
941000
3000
To pekné na Duolingo je,
že poskytuje spravodlivý obchodný model -
že poskytuje spravodlivý obchodný model -
15:59
one that doesn't discriminate against poor people.
405
944000
2000
taký, ktorý nediskriminuje chudobných.
16:01
So here's the site. Thank you.
406
946000
2000
Tu je naša stránka. Ďakujem.
16:03
(Applause)
407
948000
8000
(Potlesk)
16:11
So here's the site.
408
956000
2000
Tu je naša stránka.
16:13
We haven't yet launched,
409
958000
2000
Ešte nie je spustená,
16:15
but if you go there, you can sign up to be part of our private beta,
410
960000
3000
ale môžete sa prihlásiť na testovanie,
16:18
which is probably going to start in about three or four weeks.
411
963000
2000
ktoré začne asi o tri alebo štyri týždne.
16:20
We haven't yet launched this Duolingo.
412
965000
2000
Duolingo sme ešte nespustili.
16:22
By the way, I'm the one talking here,
413
967000
2000
Mimochodom, ja som ten, ktorý tu hovorí,
16:24
but actually Duolingo is the work of a really awesome team, some of whom are here.
414
969000
3000
ale Duolingo je prácou naozaj úžasného tímu,
ktorého niektorí členovia sú tu.
ktorého niektorí členovia sú tu.
16:27
So thank you.
415
972000
2000
Ďakujeme.
16:29
(Applause)
416
974000
4000
(Potlesk)
ABOUT THE SPEAKER
Luis von Ahn - Computer scientistLuis von Ahn builds systems that combine humans and computers to solve large-scale problems that neither can solve alone.
Why you should listen
Louis von Ahn is an associate professor of Computer Science at Carnegie Mellon University, and he's at the forefront of the crowdsourcing craze. His work takes advantage of the evergrowing Web-connected population to acheive collaboration in unprecedented numbers. His projects aim to leverage the crowd for human good. His company reCAPTCHA, sold to Google in 2009, digitizes human knowledge (books), one word at a time. His new project is Duolingo, which aims to get 100 million people translating the Web in every major language.
Luis von Ahn | Speaker | TED.com