TED2004
Sergey Brin + Larry Page: The genesis of Google
เซอร์เก บริน และ ลาร์รี เพจ: แนวคิดของกูเกิล
Filmed:
Readability: 3.1
1,819,827 views
ผู้ร่วมก่อตั้งกูเกิล ลาร์รี เพจ และ เซอร์เก บริน เผยเบื้องหลังเครื่องจักรกูเกิล แบ่งปันเกร็ดเกี่ยวกับรูปแบบคำค้นนานาชาติ มูลนิธิกูเกิลที่เอื้อเฟื้อ และการทุ่มเทให้กับนวัตกรรมและความสุขของพนักงาน
Double-click the English transcript below to play the video.
00:26
Sergey Brin: I want to discuss a question
0
1000
2000
เซอร์เก บริน: ผมอยากพูดถึงคำถามหนึ่ง
00:28
I know that's been pressing on many of your minds.
1
3000
2000
ผมรู้ว่าคำถามนั้นรบกวนจิตใจพวกคุณหลายคน
00:30
We spoke to you last several years ago.
2
5000
3000
เราได้คุยเรื่องนี้กับคุณเมื่อหลายปีก่อน
00:33
And before I get started today,
3
8000
2000
และก่อนที่ผมจะเริ่มพูดวันนี้
00:35
since many of you are wondering,
4
10000
3000
เพราะว่าคุณหลายคนกำลังสงสัย
00:38
I just wanted to get it out of the way.
5
13000
2000
ผมแค่อยากตอบให้มันจบไป
00:40
The answer is boxers.
6
15000
3000
คำตอบคือ กางเกงใน
00:52
Now I hope all of you feel better.
7
27000
2000
ตอนนี้ผมหวังว่าคุณคงรู้สึกดีขึ้นแล้ว
00:54
Do you know what this might be? Does anyone know what that is?
8
29000
3000
พวกคุณรู้ไหมว่านี่มันน่าจะเป็นอะไร?
มีใครรู้บ้างว่านี่คืออะไร?
มีใครรู้บ้างว่านี่คืออะไร?
00:57
Audience: Yes.
9
32000
1000
ผู้ฟัง: รู้
00:58
SB: What is it?
10
33000
2000
เซอร์เก บริน: มันคืออะไรหละ?
01:00
Audience: It's people logging on to Google around the world.
11
35000
2000
ผู้ฟัง: ผู้คนกำลังใช้งานกูเกิลจากทั่วโลก
01:02
SB: Wow, OK. I didn't really realize what it was when I first saw it.
12
37000
3000
เซอร์เก บริน: ว้าว
ครั้งแรกที่เห็นมัน ผมไม่รู้ว่ามันคืออะไร
ครั้งแรกที่เห็นมัน ผมไม่รู้ว่ามันคืออะไร
01:05
But this is what helped me see it.
13
40000
3000
แต่นี่ช่วยให้ผมมองเห็น
01:08
This is what we run at the office, that actually runs real time.
14
43000
3000
นี่คือโปรแกรมเราเปิดไว้ที่ออฟฟิศ
แสดงผลตามเวลาจริง
แสดงผลตามเวลาจริง
01:11
Here it's slightly logged.
15
46000
2000
ตรงนี้มีคนเข้าใช้งานนิดหน่อย
01:13
But here you can see around the world
16
48000
2000
แต่ที่นี่คุณสามารถเห็นทั้งโลก
01:15
how people are using Google.
17
50000
3000
ผู้คนใช้งานกูเกิลกันยังไง
01:18
And every one of those rising dots
18
53000
2000
และแต่ละจุดแสง
01:20
represents probably about 20, 30 searches,
19
55000
3000
เป็นสัญลักษณ์แทนการค้นหา 20-30 ครั้ง
01:23
or something like that.
20
58000
2000
ราวๆนั้น
01:25
And they're labeled by color right now, by language.
21
60000
4000
และจุดแสงแสดงสีสันแยกตามภาษา
01:29
So you can see: here we are in the U.S.,
22
64000
2000
ดังนั้นคุณจะเห็นว่าพวกเราอยู่ที่นี่ในสหรัฐ
01:31
and they're all coming up red.
23
66000
2000
จุดแสงแสดงเป็นสีแดงทั้งหมด
01:33
There we are in Monterey -- hopefully I can get it right.
24
68000
2000
เราอยู่ที่มอนเทอเรย์ หวังว่าผมชี้ถูกนะ
01:35
You can see that Japan is busy at night,
25
70000
3000
คุณจะเห็นว่าญี่ปุ่นกำลังคึกคักช่วงกลางคืน
01:38
right there.
26
73000
2000
ตรงโน้น
01:40
We have Tokyo coming in in Japanese.
27
75000
3000
ที่โตเกียวใช้ภาษาญี่ปุ่นในการค้นหา
01:43
There's a lot of activity in China.
28
78000
2000
มีความเคลื่อนไหวมากมายในจีน
01:45
There's a lot of activity in India.
29
80000
3000
มีความเคลื่อนไหวมากมายในอินเดีย
01:48
There's some in the Middle East, the little pockets.
30
83000
4000
มีบ้างมาจากตะวันออกกลาง ตรงแถบเล็กๆนี่
01:52
And Europe, which is right now in the middle of the day,
31
87000
3000
และยุโรป ซึ่งตอนนี้เป็นช่วงกลางวัน
01:55
is going really strong with a whole wide variety of languages.
32
90000
4000
กำลังคึกคักมากด้วยสารพัดภาษา
02:06
Now you can also see, if I turn this around here --
33
101000
6000
ตอนนี้คุณจะได้เห็นด้วยว่า
ถ้าผมหมุนมันตรงนี้
ถ้าผมหมุนมันตรงนี้
02:14
hopefully I won't shake the world too much.
34
109000
3000
หวังว่าผมไม่ได้เขย่าโลกแรงไปนะ
02:17
But you can also see, there are places where there's not so much.
35
112000
3000
แต่คุณจะได้เห็นด้วยว่า
มีหลายๆแห่งที่ไม่มีอะไรมากนัก
มีหลายๆแห่งที่ไม่มีอะไรมากนัก
02:20
Australia, because there just aren't very many people there.
36
115000
3000
ออสเตรเลีย เพราะไม่มีคนอยู่ที่นั่นมากนัก
02:23
And this is something that we should really work on,
37
118000
3000
และนี่เป็นที่ๆเราน่าจะลงไปทำงานด้วยจริงๆ
02:26
which is Africa, which is just a few trickles,
38
121000
4000
คือทวีปแอฟริกานี่
ซึ่งมีอยู่แค่สองสามจุดแสง
ซึ่งมีอยู่แค่สองสามจุดแสง
02:30
basically in South Africa and a few other urban cities.
39
125000
3000
หลักๆแล้วอยู่ในแอฟริกาใต้
และเมืองใหญ่สองสามแห่ง
และเมืองใหญ่สองสามแห่ง
02:33
But basically, what we've noticed is these queries,
40
128000
4000
แต่หลักๆแล้ว เราสังเกตว่าคำค้นเหล่านี้
02:37
which come in at thousands per second,
41
132000
2000
ซึ่งส่งเข้ามาหลายพันครั้งต่อวินาที
02:39
are available everywhere there is power.
42
134000
3000
มาจากทุกๆแห่งที่มีไฟฟ้า
02:42
And pretty much everywhere there is power, there is the Internet.
43
137000
3000
และแทบทุกแห่งที่มีไฟฟ้า
ก็จะมีอินเทอร์เน็ตที่นั่น
ก็จะมีอินเทอร์เน็ตที่นั่น
02:46
And even in Antarctica -- well, at least this time of year --
44
141000
5000
และแม้แต่ในทวีปแอนตาร์กติกา
อย่างน้อยก็ในช่วงนี้ของปี
อย่างน้อยก็ในช่วงนี้ของปี
02:51
we from time to time will see a query rising up.
45
146000
2000
ที่เราจะมีโอกาสได้เห็นคำค้นส่งเข้ามาบ้าง
02:53
And if we had it plotted correctly,
46
148000
2000
และถ้าเราวาดผังลูกโลกได้ถูกต้อง
02:55
I think the International Space Station would have it, too.
47
150000
3000
ผมคิดว่าสถานีอวกาศนานาชาติ
ก็จะอยู่ในนี้ด้วย
ก็จะอยู่ในนี้ด้วย
03:06
So this is
48
161000
2000
และนี่คือ
03:09
some of the challenge that we have here,
49
164000
4000
ความท้าทายบางส่วนที่เราเจอที่นี่
03:13
is you can see that it's actually kind of hard to get the --
50
168000
4000
คือคุณคงเห็นได้ว่ามันค่อนข้างยากที่จะทำให้
03:22
there we go.
51
177000
2000
ไปละ
03:24
This is how we have to move the bits around
52
179000
1000
นี่คือวิธีที่เราใช้
03:25
to actually get the people the answers to their questions.
53
180000
2000
เพื่อให้ผู้คนได้คำตอบสำหรับคำถามของพวกเขา
03:27
You can see that there's a lot of data running around.
54
182000
4000
คุณเห็นได้ว่ามีข้อมูลจำนวนมากกำลังวิ่งไปมา
03:31
It has to go all over the world: through fibers,
55
186000
3000
มันวิ่งไปทั่วโลกผ่านใยแก้วนำแสง
03:34
through satellites, through all kinds of connections.
56
189000
2000
ผ่านดาวเทียม ผ่านการเชื่อมต่อสารพัดชนิด
03:36
And it's pretty tricky for us to maintain the latencies
57
191000
5000
และมันค่อนข้างยุ่งยากสำหรับเรา
ที่จะดูแลเวลาตอบสนอง
ที่จะดูแลเวลาตอบสนอง
03:41
as low as we try to. Hopefully your experience is good.
58
196000
4000
ให้ได้เร็วอย่างที่เราพยายามอยู่
หวังว่าคุณคงมีประสบการณ์ใช้งานที่ดีนะ
หวังว่าคุณคงมีประสบการณ์ใช้งานที่ดีนะ
03:45
But you can see also, once again -- so some places are much more wired
59
200000
2000
และคุณคงเห็นว่า บางแห่งมีการเชื่อมโยง
03:47
than others, and you can see all the bandwidth across the U.S.,
60
202000
4000
มากกว่าอีกหลายแห่ง
และคุณคงได้เห็นแบนด์วิธทั้งหมดที่ผ่านสหรัฐ
และคุณคงได้เห็นแบนด์วิธทั้งหมดที่ผ่านสหรัฐ
03:51
going up over to Asia, Europe in the other direction, and so forth.
61
206000
5000
ไปทั่วเอเชีย และยุโรปในอีกทิศทางหนึ่ง
และอื่นๆอีก
และอื่นๆอีก
03:56
Now what I would like to do is just to show you
62
211000
3000
ตอนนี้ผมอยากจะให้คุณเห็นภาพ
03:59
what one second of this activity would look like.
63
214000
4000
หนึ่งวินาทีของกิจกรรมนี้
04:03
And if we can switch to slides --
64
218000
3000
เราจะย้ายไปที่อีกจอหนึ่ง
04:09
all right, here we go.
65
224000
2000
เอาหละ ไปกัน
04:11
So this is slowed down.
66
226000
3000
อันนี้ผมจะหน่วงเวลาช้าให้ลง
04:17
This is what one second looks like.
67
232000
3000
นี่คือภาพหนึ่งวินาทีที่เกิดขึ้น
04:20
And this is what we spend a lot of our time doing,
68
235000
2000
และนี่คือสิ่งที่เราทุ่มเทเวลามหาศาลของเรา
04:22
is just making sure that we can keep up
69
237000
2000
เพียงเพื่อให้แน่ใจว่า เราสามารถรองรับ
04:24
with this kind of traffic load.
70
239000
2000
ข้อมูลจำนวนมากนี้ได้
04:30
Now, each one of those queries
71
245000
2000
แต่ละคำค้นที่ส่งเข้ามา
04:32
has an interesting life and tale of its own.
72
247000
2000
มีเรื่องราวที่น่าสนใจเป็นของมันเอง
04:34
I mean, it could be somebody's health,
73
249000
2000
ผมหมายถึง มันอาจจะเป็นสุขภาพของใครสักคน
04:36
it could be somebody's career, something important to them.
74
251000
3000
มันอาจจะเป็นความก้าวหน้าในอาชีพ
บางสิ่งที่สำคัญกับพวกเขา
บางสิ่งที่สำคัญกับพวกเขา
04:39
And it could potentially be something
75
254000
4000
และมันอาจเป็นบางสิ่ง
04:43
as important as tomato sauce,
76
258000
5000
ที่สำคัญอย่างซอสมะเขือเทศ
04:48
or in this case, ketchup.
77
263000
3000
หรือในกรณีนี้ เค็ตชัพ
04:51
So this is a query that we had --
78
266000
2000
ดังนั้นนี่คือหนึ่งคำค้นที่เราได้รับ
04:54
I guess it's a popular band that was more popular in some parts of the world than others.
79
269000
3000
เดาว่ามันคงเป็นวงดนตรีดัง
ซึ่งนิยมในบางส่วนของโลกมากกว่าที่อื่นๆ
ซึ่งนิยมในบางส่วนของโลกมากกว่าที่อื่นๆ
04:57
You can see that it got started right here.
80
272000
3000
คุณเห็นได้ว่ามันเริ่มขึ้นจากตรงนี้
05:00
In the U.S. and Spain, it was popular at the same time.
81
275000
3000
ในสหรัฐและสเปน มันโด่งดังขึ้นมาพร้อมๆกัน
05:03
But it didn't have quite the same pickup in the U.S.
82
278000
2000
แต่มันก็ไม่ได้โด่งดังมากนักในสหรัฐ
05:05
as it did in Spain.
83
280000
2000
เมื่อเทียบกับในสเปน
05:07
And then from Spain, it went to Italy,
84
282000
2000
และจากสเปน มันลามไปอิตาลี
05:09
and then Germany got excited, and maybe right now the U.K. is enjoying it.
85
284000
4000
และเยอรมนีก็ตื่นเต้นขึ้นมา
และตอนนี้สหราชอาณาจักรอาจจะกำลังสนุกกับมัน
และตอนนี้สหราชอาณาจักรอาจจะกำลังสนุกกับมัน
05:13
And so I guess the U.S. finally,
86
288000
2000
และตอนนี้ผมเดาว่าในที่สุดสหรัฐ
05:15
finally started to like it, too.
87
290000
3000
ก็เริ่มที่จะชอบมันด้วย
05:18
And I just wanted to play it for you.
88
293000
3000
และผมอยากจะเล่นเพลงนี้ให้คุณฟัง
(เพลงอะเซเรเฮ)
ยังไงก็ตาม คุณสามารถเพลิดเพลินกับมันได้เอง
05:26
Anyway, you can all enjoy it for yourselves --
89
301000
2000
05:28
hopefully that search will work.
90
303000
3000
หวังว่าคำค้นนั้นคงทำงานได้นะ
05:31
As a part of --
91
306000
4000
ในฐานะส่วนหนึ่งของ...
05:35
you know, part of what we want to do to grow our company
92
310000
2000
สิ่งที่เราอยากทำเพื่อให้บริษัทของเราเติบโต
05:37
is to have more searches.
93
312000
2000
คือได้รับคำค้นมากครั้งขึ้น
05:39
And what that means is we want to have
94
314000
2000
และนั่นหมายความว่าเราต้องการมี
05:41
more people who are healthy and educated.
95
316000
5000
ผู้คนจำนวนมากขึ้น
ซึ่งเป็นคนที่สุขภาพดีและมีการศึกษา
ซึ่งเป็นคนที่สุขภาพดีและมีการศึกษา
05:46
More animals, if they start doing searches as well.
96
321000
4000
และสัตว์จำนวนมากขึ้น
ถ้าพวกมันเริ่มจะค้นข้อมูลเป็นนะ
ถ้าพวกมันเริ่มจะค้นข้อมูลเป็นนะ
05:50
But partly, we want to make the world a better place,
97
325000
5000
แต่ส่วนหนึ่งคือ เราอยากจะทำให้โลกดีขึ้น
05:55
and so one thing that we're embarking upon is the Google Foundation,
98
330000
5000
ดังนั้นสิ่งหนึ่่งที่เราเริ่มดำเนินการ
คือมูลนิธิกูเกิล
คือมูลนิธิกูเกิล
06:00
and we're in the process of setting that up.
99
335000
2000
และเราอยู่ในขั้นตอนการเตรียมการ
06:02
We also have a program already called Google Grants
100
337000
3000
และเรายังมีโครงการที่เรียกว่า กองทุนกูเกิล
06:05
that now serves over 150 different charities around the world,
101
340000
3000
ซึ่งสนับสนุนองค์กรการกุศล
กว่า 150 แห่งทั่วโลก
กว่า 150 แห่งทั่วโลก
06:08
and these are some of the charities that are on there.
102
343000
2000
และนี่คือส่วนหนึ่งขององค์กรการกุศลดังกล่าว
06:10
And it's something I'm very excited to be a part of.
103
345000
5000
และเป็นสิ่งผมรู้สึกตื่นเต้นที่ได้เข้าร่วม
06:15
In fact, many of the organizations that are here --
104
350000
2000
ที่จริงแล้ว องค์กรจำนวนมากที่อยู่ที่นี่
06:17
the Acumen Fund, I think ApproTEC we have running, I'm not sure if that one's up yet --
105
352000
4000
กองทุนอะคิวเมน และผมคิดว่าเรามีแอพโพรเท็ก
แต่ผมไม่แน่ใจว่ามันพร้อมใช้หรือยัง
แต่ผมไม่แน่ใจว่ามันพร้อมใช้หรือยัง
06:23
and many of the people who have presented here are running through Google Grants.
106
358000
3000
และผู้คนจำนวนมากที่ปรากฏที่นี่
ก็ดำเนินงานผ่านกองทุนกูเกิล
ก็ดำเนินงานผ่านกองทุนกูเกิล
06:26
They run Google ads, and we just give them the ad credit
107
361000
3000
พวกเขาประชาสัมพันธ์ผ่านกูเกิล
ด้วยเครดิตโฆษณาฟรีที่เรามอบให้
ด้วยเครดิตโฆษณาฟรีที่เรามอบให้
06:29
so they can let organizations know.
108
364000
4000
เพื่อให้องค์กรข้างนอกรับรู้
06:33
One of the earlier results that we got --
109
368000
2000
หนึ่งในผลลัพธ์แรกๆที่เราทำได้คือ
06:35
we have a Singaporean businessman who is now sponsoring a village
110
370000
3000
เรามีนักธุรกิจสิงคโปร์ท่านหนึ่ง
ซึ่งสนับสนุนหมู่บ้านหนึ่ง
ซึ่งสนับสนุนหมู่บ้านหนึ่ง
06:38
of 25 Vietnamese girls for their education,
111
373000
4000
ให้เด็กหญิงชาวเวียดนาม 25 คนได้รับการศึกษา
06:42
and that was one of the earliest results. And as I said, now there have been
112
377000
3000
และนั่นเป็นหนึ่งในผลลัพธ์แรกๆ
และตามที่ผมได้พูดไว้ ตอนนี้เรามี
และตามที่ผมได้พูดไว้ ตอนนี้เรามี
06:45
many, many stories that have come in,
113
380000
2000
เรื่องราวมากมายหลั่งไหลเข้ามา
06:47
because we do have hundreds of charities in there,
114
382000
2000
เพราะว่าเรามีองค์กรการกุศลนับร้อยในนั้น
06:49
and the Google Foundation will be an even broader endeavor.
115
384000
4000
และมูลนิธิกูเกิลจะเป็นความพยายาม
ที่กว้างขวางยิ่งขึ้นไปอีก
ที่กว้างขวางยิ่งขึ้นไปอีก
06:54
Now does anybody know who this is?
116
389000
2000
เอาหละ ใครรู้บ้างว่าเขาคนนี้คือใคร?
07:00
A-ha!
117
395000
1000
เอ้า
07:01
Audience: Orkut.
118
396000
1000
ผู้ฟัง: ออกัต
07:02
SB: Yes! Somebody got it.
119
397000
2000
เซอร์เก บริน: ใช่ มีคนทายถูกแล้ว
07:04
This is Orkut. Is anybody here on Orkut?
120
399000
3000
นี่คือออกัต มีใครที่นี่บ้างใช้ออกัตอยู่?
07:07
Do we have any?
121
402000
2000
มีบ้างมั้ย?
07:09
Okay, not very many people know about it.
122
404000
1000
ไม่ค่อยมีใครรู้จักมัน
07:10
I'll explain it in a second.
123
405000
2000
อีกสักครู่ผมจะอธิบายให้ฟัง
07:12
This is one of our engineers.
124
407000
2000
เขาคือหนึ่งในวิศวกรของเรา
07:14
We find that they work better when they're submerged and covered with leaves.
125
409000
4000
เราพบว่าพวกเขาทำงานได้ดีขึ้น
ถ้าแช่พวกเขาในน้ำและคลุมด้วยใบไม้
ถ้าแช่พวกเขาในน้ำและคลุมด้วยใบไม้
07:19
That's how we churn those products out.
126
414000
3000
นั่นคือเคล็ดลับที่เราสร้าง
ผลิตภัณฑ์ใหม่ออกมาได้มากมาย
ผลิตภัณฑ์ใหม่ออกมาได้มากมาย
07:22
Orkut had a vision to create a social network.
127
417000
5000
ออกัตมีวิสัยทัศน์ว่าจะสร้างเครือข่ายสังคม
07:27
I know all of you are thinking, "Yet another social network."
128
422000
2000
ทุกคนคงคิดว่า "เครือข่ายสังคมอีกแล้วหรือ"
07:29
But it was a dream of his, and we, basically,
129
424000
3000
แต่มันเป็นความฝันของเขา และของเราด้วย
07:32
when people really want to do something, well, we generally let them.
130
427000
3000
เมื่อผู้คนต้องการทำบางสิ่งจริงๆ
โดยปกติแล้วเราก็ให้พวกเขาทำไป
โดยปกติแล้วเราก็ให้พวกเขาทำไป
07:35
So this is what he built.
131
430000
3000
ดังนั้นนี่คือสิ่งที่เขาสร้างขึ้น
07:38
We just released it in a test phase last month,
132
433000
4000
เราเพิ่งเปิดใช้งานมันในช่วงทดสอบ
เมื่อเดือนที่แล้ว
เมื่อเดือนที่แล้ว
07:42
and it's been taking off.
133
437000
2000
และมันเริ่มติดลมบน
07:44
This is our VP of Engineering.
134
439000
2000
นี่คือรองประธานด้านวิศวกรรมของเรา
07:46
You can see the red hair, and I don't know if you can see the nose ring there.
135
441000
5000
คุณคงเห็นผมสีแดง
แต่ผมไม่รู้ว่าคุณเห็นห่วงที่จมูกนั่นไหม
แต่ผมไม่รู้ว่าคุณเห็นห่วงที่จมูกนั่นไหม
07:51
And these are all of his friends.
136
446000
3000
และคนเหล่านี้คือเพื่อนทั้งหมดของเขา
07:54
So this is how -- we just deployed it --
137
449000
7000
และนี่คือผลลัพธ์หลังจากเราเปิดใช้งาน
08:01
we just decided that people would send each other invitations to get into the service,
138
456000
3000
เราเพิ่งตัดสินใจให้ผู้คนสามารถ
ส่งคำเชิญเพื่อนเข้าไปใช้บริการ
ส่งคำเชิญเพื่อนเข้าไปใช้บริการ
08:04
and so we just had the people in our company initially send them out.
139
459000
5000
และเราเพิ่งให้ผู้คนในบริษัทของเรา
ส่งคำเชิญช่วงต้นออกไป
ส่งคำเชิญช่วงต้นออกไป
08:09
And now we've grown to over 100,000 members.
140
464000
4000
และตอนนี้เราเติบโต
จนมีสมาชิกกว่า 100,000 คน
จนมีสมาชิกกว่า 100,000 คน
08:13
And they spread, actually, very quickly, even outside the U.S.
141
468000
3000
และพวกเขากระจายออกไป
อย่างรวดเร็วมากจริงๆ แม้แต่นอกสหรัฐ
อย่างรวดเร็วมากจริงๆ แม้แต่นอกสหรัฐ
08:16
You can see, even though the U.S. is still the majority here --
142
471000
3000
คุณคงเห็นว่า ถึงแม้สหรัฐ
จะยังเป็นคนหมู่มากที่นี่
จะยังเป็นคนหมู่มากที่นี่
08:19
though, by the way, search-wise, it's only about 30 percent of our traffic --
143
474000
4000
ถึงแม้ว่าในแง่ของการค้นหาแล้ว
มันเป็นแค่ 30% ของการจราจรทั้งหมด
มันเป็นแค่ 30% ของการจราจรทั้งหมด
08:23
but it's already going to Japan, and the U.K., and Europe,
144
478000
3000
แต่มันกำลังไปถึงญี่ปุ่น
สหราชอาณาจักร และยุโรปแล้ว
สหราชอาณาจักร และยุโรปแล้ว
08:26
and all the rest of the countries.
145
481000
2000
และไปยังประเทศที่เหลืออยู่ทั้งหมด
08:28
So it's a fun little project.
146
483000
2000
ดังนั้นมันเป็นโครงการเล็กที่สนุก
08:30
There are a variety of demographics. I won't bore you with these.
147
485000
3000
มีสถิติประชากรที่หลากหลาย
แต่ผมคงไม่เอามาพูดให้คุณเบื่อ
แต่ผมคงไม่เอามาพูดให้คุณเบื่อ
08:33
But it's just the kind of thing that we just try out for fun
148
488000
3000
แต่มันเป็นแค่สิ่งที่เราลองทำเพื่อความสนุก
08:36
and see where it goes.
149
491000
2000
และดูว่ามันไปได้ถึงไหน
08:38
And --
150
493000
2000
และ
08:40
well, I'll leave you in suspense.
151
495000
2000
เอาหละ ผมจะปล่อยให้คุณคาใจอย่างนี้
08:42
Larry, you can explain this one.
152
497000
2000
ลาร์รี คุณสามารถอธิบายเรื่องนี้ได้
08:44
Larry Page: Thank you, Sergey.
153
499000
3000
ลาร์รี เพจ: ขอบใจ เซอร์เก
08:47
So one of the things -- both Sergey and I
154
502000
2000
หนึ่งในหลายเรื่อง ทั้งเซอร์เกและผม
08:49
went to a Montessori school,
155
504000
2000
ได้เข้าโรงเรียนหลักสูตรมอนเตสซอรี
08:51
and I think, for some reason,
156
506000
3000
และผมคิดว่า ด้วยเหตุผลบางข้อ
08:54
this has been incorporated in Google.
157
509000
3000
สิ่งนี้กลายเป็นส่วนหนึ่งของกูเกิล
08:57
And Sergey mentioned Orkut, which is something that,
158
512000
3000
และเซอร์เกได้พูดถึงออกัต
ซึ่งเป็นบางสิ่งที่
ซึ่งเป็นบางสิ่งที่
09:00
you know, Orkut wanted to do in his time,
159
515000
3000
ออกัตอยากทำในเวลาของเขา
09:04
and we call this -- at Google, we've embodied this as "the 20 percent time,"
160
519000
3000
และที่กูเกิล เราเรียกสิ่งนี้ว่า "เวลา 20%"
09:07
and the idea is, for 20 percent of your time,
161
522000
3000
และแนวคิดคือ สำหรับ 20% ของเวลาของคุณ
09:10
if you're working at Google, you can do what you think is the best thing to do.
162
525000
3000
ถ้าคุณทำงานที่กูเกิล
คุณสามารถทำงานที่คุณคิดว่าเป็นสิ่งดีที่สุด
คุณสามารถทำงานที่คุณคิดว่าเป็นสิ่งดีที่สุด
09:13
And many, many things at Google have come out of that,
163
528000
3000
และหลายๆสิ่งที่กูเกิลก็เกิดจากแนวคิดนี้
09:17
such as Orkut and also Google News.
164
532000
3000
อย่างเช่น ออกัต และกูเกิลนิวส์ด้วย
09:20
And I think many other things in the world also have come out of this.
165
535000
4000
และผมคิดว่ามีอีกหลายๆสิ่งในโลก
ที่เกิดจากแนวคิดนี้
ที่เกิดจากแนวคิดนี้
09:24
Mendel, who was supposed to be teaching high-school students,
166
539000
3000
เมนเดล ซึ่งถูกคาดหวังให้
สอนนักเรียนมัธยมปลาย
สอนนักเรียนมัธยมปลาย
09:27
actually, you know, discovered the laws of genetics --
167
542000
3000
จริงๆแล้วได้ค้นพบกฏของพันธุศาสตร์
09:30
as a hobby, basically.
168
545000
2000
ในช่วงเวลาของงานอดิเรก
09:32
So many, many useful things come out of this.
169
547000
4000
ดังนั้นสิ่งที่มีประโยชน์มากมาย
เกิดจากแนวคิดนี้
เกิดจากแนวคิดนี้
09:36
And News, which I just mentioned,
170
551000
2000
และกูเกิลนิวส์ที่ผมเพิ่งพูดถึง
09:39
was started by a researcher.
171
554000
3000
เริ่มต้นโดยนักวิจัยคนหนึ่ง
09:42
And he just -- he -- after 9/11, he got really interested in the news.
172
557000
3000
หลังจากเหตุการณ์ 9/11
เขาสนใจติดตามข่าวสารมากจริงๆ
เขาสนใจติดตามข่าวสารมากจริงๆ
09:45
And he said, "Why don't I look at the news better?"
173
560000
5000
และเขาพูดว่า
"ทำไมผมไม่อ่านข่าวด้วยวิธีที่ดีกว่านี้?"
"ทำไมผมไม่อ่านข่าวด้วยวิธีที่ดีกว่านี้?"
09:50
And so he started clustering it by category,
174
565000
3000
และดังนั้นเขาก็เริ่ม
จัดกลุ่มข่าวสารแยกประเภท
จัดกลุ่มข่าวสารแยกประเภท
09:53
and then he started using it, and then his friends started using it.
175
568000
3000
และเขาก็เริ่มใช้งานมัน
และเพื่อนๆของเขาก็เริ่มใช้งานมัน
และเพื่อนๆของเขาก็เริ่มใช้งานมัน
09:56
And then, besides just looking cute on a baby's bottom,
176
571000
5000
ดังนั้น นอกจากจะดูน่ารักบนกางเกงทารกแล้ว
10:01
we made it a Googlette,
177
576000
2000
เราทำให้มันเป็นกูเกล็ต
10:03
which is basically a small project at Google.
178
578000
3000
ซึ่งหมายถึงโครงการขนาดเล็กที่กูเกิล
10:06
So it'd be like three people, or something like that,
179
581000
3000
ดังนั้นมันอาจจะมีกันแค่สามคน หรือราวๆนั้น
10:09
and they would try to make a product.
180
584000
2000
และพวกเขาก็พยายามจะสร้างผลิตภัณฑ์
10:11
And we wouldn't really be sure if it's going to work or not.
181
586000
2000
และเราก็ไม่มั่นใจหรอกว่า มันจะได้ผลไหม
10:13
And in News' case, you know, they had a couple of people
182
588000
4000
ในกรณีของกูเกิลนิวส์
ตอนแรกพวกเขามีกันแค่สองคน
ตอนแรกพวกเขามีกันแค่สองคน
10:17
working on it for a while, and then more and more people
183
592000
2000
ทำงานกันสักระยะ
แล้วก็มีผู้คนมากขึ้นเรื่อยๆ
แล้วก็มีผู้คนมากขึ้นเรื่อยๆ
10:19
started using it, and then we put it out on the Internet,
184
594000
2000
เริ่มใช้งานมัน แล้วเราก็เปิดใช้งานบนเน็ต
10:21
and more and more people started using it.
185
596000
2000
และก็มีผู้คนมากขึ้นเรื่อยๆเริ่มใช้งานมัน
10:23
And now it's a real, full-blown project with more people on it.
186
598000
3000
และตอนนี้มันกลายเป็นโครงการเต็มรูปแบบ
ซึ่งมีคนทำงานมากขึ้น
ซึ่งมีคนทำงานมากขึ้น
10:26
And this is how we keep our innovation running.
187
601000
3000
และนี่คือวิธีที่เราสร้าง
นวัตกรรมใหม่อย่างต่อเนื่อง
นวัตกรรมใหม่อย่างต่อเนื่อง
10:29
I think usually, as companies get bigger,
188
604000
3000
ผมคิดว่า โดยปกติแล้ว เมื่อบริษัทเติบโตขึ้น
10:32
they find it really hard to have small, innovative projects.
189
607000
3000
พวกเขาพบว่ามันยากมากจริงๆ
ที่จะมีโครงการนวัตกรรมขนาดเล็ก
ที่จะมีโครงการนวัตกรรมขนาดเล็ก
10:35
And we had this problem, too, for a while, and we said,
190
610000
3000
และเราก็เคยมีปัญหานี้อยู่ระยะหนึ่งเช่นกัน
และเราก็พูดว่า
และเราก็พูดว่า
10:38
"Oh, we really need a new concept."
191
613000
2000
"โอ เราจำเป็นต้องมีแนวคิดใหม่แล้วหละ"
10:40
You know, the Googlettes -- that's a small project that we're not quite sure if it's going to work or not,
192
615000
4000
กูเกล็ต นั่นคือโครงการขนาดเล็ก
ซึ่งเราก็ไม่มั่นใจว่ามันจะได้ผลไหม
ซึ่งเราก็ไม่มั่นใจว่ามันจะได้ผลไหม
10:44
but we hope it will, and if we do enough of them,
193
619000
3000
แต่เราก็หวังว่ามันจะได้ผลนะ
และถ้าเราทำพวกมันมากพอ
และถ้าเราทำพวกมันมากพอ
10:47
some of them will really work and turn out, such as News.
194
622000
4000
โครงการจำนวนหนึ่งอาจจะได้ผล
และออกมาดีมากๆอย่างกูเกิลนิวส์ก็ได้
และออกมาดีมากๆอย่างกูเกิลนิวส์ก็ได้
10:51
But then we had a problem because then we had over 100 projects.
195
626000
4000
แต่เราก็มีปัญหา เพราะตอนนั้น
เรามีมากกว่า 100 โครงการ
เรามีมากกว่า 100 โครงการ
10:55
And I don't know about all of you,
196
630000
2000
และผมก็ไม่รู้ว่าพวกคุณเป็นยังไง
10:57
but I have trouble keeping 100 things in my head at once.
197
632000
3000
แต่ผมค่อนข้างลำบากที่จะเก็บ 100 เรื่อง
ให้ได้พร้อมกันในหัวของผม
ให้ได้พร้อมกันในหัวของผม
11:00
And we found that if we just wrote all of them down
198
635000
4000
และเราก็พบว่าเราแค่เขียนพวกมันลงไปให้หมด
11:04
and ordered them -- and these are kind of made up.
199
639000
3000
และจัดลำดับพวกมัน
แต่พวกนี้เป็นตัวอย่างสมมตินะ
แต่พวกนี้เป็นตัวอย่างสมมตินะ
11:07
Don't really pay attention to them.
200
642000
2000
อย่าไปใส่ใจมันนะ
11:09
For example, the "Buy Iceland" was from a media article.
201
644000
3000
อย่างเช่น "ซื้อไอซ์แลนด์"
มาจากบทความหนึ่งในสื่อ
มาจากบทความหนึ่งในสื่อ
11:12
We would never do such a crazy thing, but --
202
647000
2000
เราคงไม่ทำอะไรบ้าบออย่างนั้นแน่ แต่...
11:17
in any case, we found if we just basically wrote them all down and ordered them,
203
652000
4000
อย่างไรก็ตาม เราพบว่าถ้าเราเพียงแค่
เขียนพวกมันลงไป และจัดลำดับพวกมัน
เขียนพวกมันลงไป และจัดลำดับพวกมัน
11:21
that most people would actually agree what the ordering should be.
204
656000
4000
คนส่วนใหญ่จะเห็นตรงกัน
ว่าควรจัดอันดับอย่างไร
ว่าควรจัดอันดับอย่างไร
11:25
And this was kind of a surprise to me, but
205
660000
2000
และนี่เป็นเรื่องที่น่าแปลกใจสำหรับผม แต่
11:27
we found that as long as you keep the 100 things in your head,
206
662000
3000
เราพบว่าตราบเท่าที่
คุณเก็บ 100 เรื่องในหัวของคุณ
คุณเก็บ 100 เรื่องในหัวของคุณ
11:30
which you did by writing them down,
207
665000
2000
ซึ่งคุณทำได้โดยการเขียนพวกมันลงไป
11:32
that you could do a pretty good job deciding what to do
208
667000
2000
คุณจะสามารถตัดสินใจได้อย่างดีว่าควรทำอะไร
11:34
and where to put your resources.
209
669000
3000
และจะจัดสรรทรัพยากรไปที่ไหน
11:37
And so that's basically what we've done
210
672000
2000
และนั่นก็คือสิ่งที่เราได้ทำไป
11:39
since we instituted that a few years ago, and I think it has really allowed us to be innovative
211
674000
4000
ตั้งแต่จัดตั้งระบบงานนี้เมื่อ 2-3 ปีก่อน
ผมคิดว่ามันช่วยให้เรามีนวัตกรรมต่อเนื่อง
ผมคิดว่ามันช่วยให้เรามีนวัตกรรมต่อเนื่อง
11:43
and still stay reasonably well-organized.
212
678000
3000
และขณะเดียวกันยังสามารถ
บริหารจัดการได้ดีพอสมควร
บริหารจัดการได้ดีพอสมควร
11:46
The other thing we discovered is that people like to work on things that are important,
213
681000
3000
อีกสิ่งหนึ่งที่เราค้นพบคือ
ผู้คนชอบทำงานที่สำคัญ
ผู้คนชอบทำงานที่สำคัญ
11:49
and so naturally,
214
684000
2000
และตามธรรมชาติแล้ว
11:51
people sort of migrate to the things that are high priorities.
215
686000
6000
ผู้คนก็จะขยับไปทำงาน
ที่มีลำดับความสำคัญสูงกว่า
ที่มีลำดับความสำคัญสูงกว่า
11:57
I just wanted to highlight a couple of things
216
692000
2000
ผมเพียงอยากจะเน้น 2-3 เรื่อง
11:59
that are new, or you might not know about.
217
694000
3000
ซึ่งเป็นเรื่องใหม่ หรือ
คุณอาจจะยังไม่เคยได้ยินมาก่อน
คุณอาจจะยังไม่เคยได้ยินมาก่อน
12:02
And the top thing, actually, is the Deskbar.
218
697000
3000
และเรื่องแรกเลยก็คือ เดสก์บาร์
12:05
So this is a new -- how many of you use the Google Toolbar?
219
700000
3000
นี่เป็นสิ่งใหม่
มีคุณกี่คนที่ใช้กูเกิลทูลบาร์?
มีคุณกี่คนที่ใช้กูเกิลทูลบาร์?
12:08
Raise your hands.
220
703000
2000
ช่วยยกมือหน่อย
12:10
How many of you use the Deskbar?
221
705000
3000
มีคุณกี่คนที่ใช้เดสก์บาร์?
12:13
All right, see? You guys should try it out.
222
708000
2000
เอาหละ เห็นไหม? พวกคุณน่าจะลองใช้มันดูนะ
12:15
But if you go to our site and search
223
710000
2000
แต่ถ้าคุณไปที่เว็บไซต์ของเราและค้นว่า
12:17
for "Deskbar," you'll get this.
224
712000
2000
"เดสก์บาร์" คุณจะได้แบบนี้
12:19
And the idea is, instead of a toolbar, it's just present all the time
225
714000
2000
แนวคิดคือ ใช้แทนทูลบาร์
มันจะปรากฏตลอดเวลา
มันจะปรากฏตลอดเวลา
12:21
on your screen on the bottom,
226
716000
2000
ที่ด้านล่างหน้าจอของคุณ
12:23
and you can do searches really easily.
227
718000
3000
และคุณสามารถส่งคำค้นได้ง่ายมากๆ
12:26
And it's sort of like a better version of the toolbar.
228
721000
2000
และมันเป็นเหมือนทูลบาร์ในแบบที่ดีกว่า
12:28
Thank you, Sergey.
229
723000
2000
ขอบใจ เซอร์เก
12:34
This is another example of a project that somebody at Google
230
729000
2000
นี่คืออีกโครงการที่ใครบางคนในกูเกิล
12:36
was really passionate about, and they just, they got going,
231
731000
3000
รู้สึกกระตือรือร้นอย่างมาก
และทำให้มันเกิดขึ้น
และทำให้มันเกิดขึ้น
12:39
and it's really, really a great product, and really taking off.
232
734000
3000
และมันเป็นผลิตภัณฑ์ที่ยอดเยี่ยมจริงๆ
และติดลมบนไปแล้ว
และติดลมบนไปแล้ว
12:42
Google Answers is something we started, which is really cool,
233
737000
4000
กูเกิลอานเซอร์เป็นสิ่งที่เราเริ่มไว้
และมันเจ๋งจริงๆ
และมันเจ๋งจริงๆ
12:46
which lets you -- for five to 100 dollars,
234
741000
3000
ด้วยเงิน 5-100 เหรียญ
12:49
you can type a question in,
235
744000
2000
คุณสามารถพิมพ์คำถามหนึ่งลงไป
12:51
and then there's a pool of researchers
236
746000
2000
แล้วจะมีกลุ่มนักวิจัย
12:53
that go out and research it for you, and it's guaranteed and all that,
237
748000
4000
ซึ่งออกไปค้นและวิจัยให้คุณ
และรับประกันผลงานให้ด้วย
และรับประกันผลงานให้ด้วย
12:57
and you can get actually very good answers to things
238
752000
2000
และคุณจะได้คำตอบที่ดีมากจริงๆในเรื่องต่างๆ
12:59
without spending all that time yourself.
239
754000
2000
โดยไม่ต้องใช้เวลาทั้งหมดนั้นด้วยตัวเอง
13:01
Froogle lets you search shopping information,
240
756000
3000
ฟรุกเกิลช่วยคุณหาข้อมูลสินค้า
13:04
and Blogger lets you publish things.
241
759000
2000
และบล็อกเกอร์ช่วยคุณเผยแพร่เรื่องราวต่างๆ
13:06
But all of these -- well, these were all sort of innovative things that we did that --
242
761000
4000
แต่ทั้งหมดนี้ คือนวัตกรรมที่เราทำไว้
13:10
you know, we try many, many different things
243
765000
3000
คุณรู้ไหมว่า เราได้ลองทำสิ่งที่แตกต่างกัน
มากมายเหลือเกิน
มากมายเหลือเกิน
13:13
in our company.
244
768000
1000
ในบริษัทของเรา
13:14
We also like to innovate in our physical space,
245
769000
2000
เรายังชอบสร้างนวัตกรรมในออฟฟิศของเราด้วย
13:16
and we noticed in meetings, you know, you have to wait a long time
246
771000
3000
เราสังเกตว่าในการประชุม
คุณต้องรอเป็นเวลานาน
คุณต้องรอเป็นเวลานาน
13:19
for projectors to turn on and off,
247
774000
3000
เพื่อเปิดและปิดเครื่องโปรเจคเตอร์
13:22
and they're noisy, so people shut them off.
248
777000
2000
มันส่งเสียงรบกวน ผู้คนมักจะปิดเครื่องทันที
13:24
And we didn't like that, so we actually,
249
779000
2000
และเราไม่ชอบอย่างนั้น ดังนั้นเราจึง
13:26
in maybe a couple of weeks, we built these little enclosures
250
781000
5000
อาจจะแค่ในราวๆ 2-3 สัปดาห์
เราได้สร้างกล่องปิดเล็กๆ
เราได้สร้างกล่องปิดเล็กๆ
13:31
that enclosed the projectors, and so we can leave them on all the time
251
786000
2000
เก็บโปรเจคเตอร์
เราสามารถเปิดเครื่องไว้ตลอด
เราสามารถเปิดเครื่องไว้ตลอด
13:33
and they're completely silent.
252
788000
3000
และพวกมันก็เงียบสนิท
13:36
And as a result, we were able to build some software
253
791000
2000
ผลที่ตามมาคือ เราสามารถสร้างซอฟต์แวร์
13:38
that also lets us manage a meeting,
254
793000
2000
ซึ่งช่วยให้เราจัดการประชุม
13:40
so when you walk into a meeting room now,
255
795000
2000
ดังนั้นเมื่อคุณเดินเข้าห้องประชุมตอนนี้
13:42
it lists all the meetings that are happening,
256
797000
2000
มันแสดงรายการประชุมทั้งหมดที่กำลังเกิดขึ้น
13:44
you can very easily take notes, and they just get emailed automatically
257
799000
2000
คุณสามารถจดรายงานประชุมได้ง่าย
13:46
to all the people that were present in the meeting.
258
801000
3000
และรายงานถูกส่งอีเมล์อัตโนมัติ
ไปยังผู้คนที่อยู่ในการประชุม
ไปยังผู้คนที่อยู่ในการประชุม
13:49
And as we become more of a global company,
259
804000
3000
และขณะที่เรากลายเป็น
บริษัทที่ครอบคลุมทั่วโลก
บริษัทที่ครอบคลุมทั่วโลก
13:52
we find these things really affect us --
260
807000
2000
เราพบว่าสิ่งเหล่านี้ส่งผลกระทบเรา
13:54
you know, can we work effectively with people who aren't in the room?
261
809000
3000
เราจะทำงานอย่างมีประสิทธิภาพ
กับผู้คนที่ไม่ได้อยู่ในห้องได้ไหม?
กับผู้คนที่ไม่ได้อยู่ในห้องได้ไหม?
13:57
And things like that. And simple things like this can really make a big difference.
262
812000
3000
และสิ่งเล็กน้อยเหล่านี้สร้างความแตกต่างได้
14:01
We also have a lot of engineers in those meetings,
263
816000
5000
เรายังมีวิศวกรจำนวนมากในการประชุมเหล่านั้น
14:06
and they don't always do their laundry as much as they should.
264
821000
4000
และพวกเขาก็ไม่ได้ซักเสื้อผ้าบ่อยเท่าที่ควร
14:13
And so we found it was pretty helpful
265
828000
2000
และเราก็พบว่ามันช่วยได้มาก
14:15
to have laundry machines, for our younger employees especially, and ...
266
830000
4000
ที่จะมีเครื่องซักผ้า
สำหรับพนักงานหนุ่มๆของพวกเราโดยเฉพาะ
สำหรับพนักงานหนุ่มๆของพวกเราโดยเฉพาะ
14:22
we also allow dogs and things like that,
267
837000
3000
เรายังอนุญาตให้มีสุนัข
และอีกหลายๆสิ่งในบริษัท
และอีกหลายๆสิ่งในบริษัท
14:25
and we've had, I think, a really fun culture at our company,
268
840000
3000
และผมคิดว่าเราได้มีวัฒนธรรม
ที่สนุกในบริษัทของเรา
ที่สนุกในบริษัทของเรา
14:28
which helps people work and enjoy what they're doing.
269
843000
3000
ซึ่งช่วยให้คนทำงานและ
มีความสุขกับสิ่งที่พวกเขากำลังทำ
มีความสุขกับสิ่งที่พวกเขากำลังทำ
14:31
This is actually our "cult picture."
270
846000
2000
จริงๆแล้วนี่คือ "รูปลัทธิ" ของเรา
14:33
I just wanted to show quickly.
271
848000
2000
ผมแค่อยากให้คุณดูแบบเร็วๆ
14:38
We had this on our website for a while,
272
853000
2000
เรามีรูปนี้บนเว็บไซต์ของเราช่วงหนึ่ง
14:40
but we found that after we put it on our website,
273
855000
3000
แต่เราพบว่าหลังจากที่
เราวางมันบนเว็บไซต์ของเรา
เราวางมันบนเว็บไซต์ของเรา
14:43
we didn't get any job applications anymore.
274
858000
3000
เราไม่มีใบสมัครงานใหม่เข้ามาอีกต่อไป
14:48
But anyway, every year we've taken
275
863000
2000
แต่ยังไงก็ตาม ทุกๆปีเราจะพา
14:50
the whole company on a ski trip.
276
865000
2000
ทั้งบริษัทเดินทางไปเล่นสกี
14:52
A lot of work happens in companies from people knowing each other, and informally.
277
867000
4000
เนื้องานเกิดขึ้นมากมายในบริษัท
จากผู้คนที่สนิทสนมกัน
จากผู้คนที่สนิทสนมกัน
14:56
And I think we've done a good job encouraging that.
278
871000
3000
และผมคิดว่าเราได้ส่งเสริมเรื่องนั้นอย่างดี
15:00
It makes it a really fun place to work.
279
875000
2000
ทำให้ที่นี่ทำงานได้อย่างสนุก
15:02
Along with our logos, too, which I think really embody
280
877000
3000
เช่นเดียวกับโลโก้ของเรา
ซึ่งผมคิดว่ามันแสดง
ซึ่งผมคิดว่ามันแสดง
15:05
our culture when we change things.
281
880000
3000
วัฒนธรรมของเรา ที่เราเปลี่ยนแปลงสิ่งต่างๆ
15:08
In the early days, we were actually advised
282
883000
1000
ในช่วงแรก
15:09
we should never change our logo because
283
884000
3000
เราได้รับคำแนะนำว่า
เราไม่ควรเปลี่ยนโลโก้ของเราเด็ดขาด
เราไม่ควรเปลี่ยนโลโก้ของเราเด็ดขาด
15:13
we should establish our brand, you know,
284
888000
2000
เราควรตั้งมั่นแบรนด์ของเรา
15:15
because, you know, you'd never want to change your logo.
285
890000
2000
คุณไม่ควรเปลี่ยนโลโก้ของคุณเด็ดขาด
15:17
You want it to be consistent.
286
892000
2000
คุณต้องการให้มันคงเส้นคงวา
15:19
And we said, "Well, that doesn't sound so much fun.
287
894000
2000
และเราพูดว่า "อืม ฟังดูไม่น่าสนุกเท่าไรนะ"
15:21
Why don't we try changing it every day?"
288
896000
2000
ทำไมเราไม่เปลี่ยนมันทุกวันเลยหละ?"
15:26
One of the things that really excites me about what we're doing now
289
901000
3000
หนึ่งในหลายเรื่องที่เรากำลังทำ
และทำให้ผมรู้สึกตื่นเต้นจริงๆ
และทำให้ผมรู้สึกตื่นเต้นจริงๆ
15:29
is we have this thing called AdSense,
290
904000
2000
คือเรามีสิ่งนี้ที่เรียกว่า แอดเซนส์
15:31
and this is a little bit foreshadowing --
291
906000
4000
และมันมีส่วนของการทำนายล่วงหน้า
15:35
this is from before Dean dropped out.
292
910000
3000
และมันมีมาก่อนที่ ดีน กิลเบิร์ต ออกไป
15:38
But the idea is, like, on a newspaper, for example,
293
913000
2000
แต่แนวคิดก็คล้ายๆกับบนหนังสือพิมพ์
15:40
we show you relevant ads.
294
915000
2000
เราแสดงโฆษณาที่ตรงประเด็น
นี่อ่านยากหน่อย
นี่อ่านยากหน่อย
15:42
And this is hard to read, but this says "Battle for New Hampshire:
295
917000
2000
แต่มันเขียนว่า "ศึกชิงนิวแฮมป์เชียร์:
15:44
Howard Dean for President" -- articles on Howard Dean.
296
919000
4000
ฮาวเวิร์ด ดีน จะเป็นประธานาธิบดี"
เป็นบทความเกี่ยวกับฮาวเวิร์ด ดีน
เป็นบทความเกี่ยวกับฮาวเวิร์ด ดีน
15:48
And these ads are generated automatically --
297
923000
2000
และโฆษณาพวกนี้ถูกเลือกขึ้นมาโดยอัตโนมัติ
15:51
like in this case, on the Washington Post --
298
926000
1000
เช่นในตัวอย่างนี้
15:52
from the content on the site.
299
927000
2000
บนวอชิงตันโพสต์ จากเนื้อหาบนเว็บไซต์นั้น
15:54
And so we use our over 150,000 advertisers
300
929000
4000
และเรามีผู้โฆษณามากกว่า 150,000 ราย
15:58
and millions of advertisements, so we pick the one
301
933000
2000
และจากโฆษณานับล้านชิ้น
เราเลือกแค่หนึ่งชิ้น
เราเลือกแค่หนึ่งชิ้น
16:00
that's most relevant to what you're actually looking at,
302
935000
2000
ที่ตรงประเด็นที่สุด กับสิ่งที่คุณอ่านอยู่
16:02
much as we do on search.
303
937000
2000
ก็เหมือนกับที่เราค้นข้อมูลให้คุณ
16:04
So the idea is we can make advertising useful,
304
939000
3000
ดังนั้นแนวคิดคือเราสามารถ
ทำให้โฆษณามีประโยชน์ได้
ทำให้โฆษณามีประโยชน์ได้
16:07
not just annoying, right?
305
942000
2000
ไม่ใช่แค่น่ารำคาญ ถูกไหม?
16:09
And the nice thing about this,
306
944000
2000
และเรื่องดีเกี่ยวกับสิ่งนี้
16:11
we have a self-serve program,
307
946000
2000
เรามีโปรแกรมบริการตนเอง
16:13
and many thousands of websites have signed up,
308
948000
3000
และมีเว็บไซต์หลายพันแห่งสมัครเข้ามา
16:16
and this let's them really make money. And I --
309
951000
2000
และนี่ช่วยให้พวกเขาทำเงินได้ และผม...
16:18
you know, there's a number of people I met --
310
953000
2000
ผมได้พบผู้คนจำนวนหนึ่ง
16:20
I met this guy who runs a conservation site at a party,
311
955000
3000
ที่งานปาร์ตี้ ผมพบหนุ่มคนนี้
ที่ดูแลเว็บไซต์เกี่ยวกับการอนุรักษ์
ที่ดูแลเว็บไซต์เกี่ยวกับการอนุรักษ์
16:23
and he said, "You know, I wasn't making any money.
312
958000
2000
และเขาพูดว่า "ตอนนั้นผมทำเงินไม่ได้เลย
16:25
I just put this thing on my site and I'm making 10,000 dollars a month.
313
960000
4000
ผมแค่ติดตั้งอันนี้บนเว็บไซต์ของผม
และผมก็ทำเงินได้เดือนละ 10,000 ดอลลาร์
และผมก็ทำเงินได้เดือนละ 10,000 ดอลลาร์
16:29
And, you know, thank you.
314
964000
2000
และขอบคุณนะ
16:31
I don't have to do my other job now."
315
966000
2000
ตอนนี้ผมไม่ต้องทำงานอื่นแล้ว"
16:33
And I think this is really important for us, because it makes the Internet work better.
316
968000
3000
สิ่งนี้สำคัญกับเราจริงๆ
เพราะมันทำให้อินเทอร์เน็ตทำงานดีขึ้น
เพราะมันทำให้อินเทอร์เน็ตทำงานดีขึ้น
16:36
It makes content get better, it makes searching work better,
317
971000
3000
มันทำให้เนื้อหาดีขึ้น
มันทำให้การค้นหาทำงานดีขึ้น
มันทำให้การค้นหาทำงานดีขึ้น
16:39
when people can really make their livelihood
318
974000
2000
เมื่อผู้คนสามารถเลี้ยงชีพได้
16:41
from producing great content.
319
976000
3000
ด้วยการผลิตเนื้อหาที่ยอดเยี่ยม
16:46
So this session is supposed to be about the future,
320
981000
3000
หัวข้อวันนี้ถูกคาดหมายว่า
จะเกี่ยวข้องกับอนาคต
จะเกี่ยวข้องกับอนาคต
16:49
so I'd thought I'd talk at least briefly about it.
321
984000
3000
ผมคิดว่าอย่างน้อยผมจะพูดถึงมันสั้นๆ
16:52
And the idea behind this is to do the perfect job doing search,
322
987000
3000
และแนวคิดเบื้องหลังสิ่งนี้คือ
การค้นหาข้อมูลได้อย่างสมบูรณ์แบบ
การค้นหาข้อมูลได้อย่างสมบูรณ์แบบ
16:55
you really have to be smart.
323
990000
2000
คุณต้องเฉลียวฉลาดมากจริงๆ
16:57
Because you can type, you know, any kind of thing into Google,
324
992000
3000
เพราะคุณสามารถพิมพ์อะไรก็ได้ลงในกูเกิล
17:00
and you expect an answer back, right?
325
995000
3000
และคุณก็คาดหวังคำตอบกลับมา ใช่ไหม?
17:03
But finding things is tricky, and so you really want intelligence.
326
998000
4000
แต่การค้นหาสิ่งต่างๆนั้นเป็นเรื่องยาก
ดังนั้นคุณต้องการปัญญาประดิษฐ์
ดังนั้นคุณต้องการปัญญาประดิษฐ์
17:07
And in fact, the ultimate search engine would be smart.
327
1002000
3000
และในความเป็นจริง
เครื่องกลค้นหาจะต้องเฉลียวฉลาด
เครื่องกลค้นหาจะต้องเฉลียวฉลาด
17:10
It would be artificial intelligence.
328
1005000
2000
มันจะต้องเป็นปัญญาประดิษฐ์
17:12
And so that's something we work on,
329
1007000
2000
และนั่นเป็นสิ่งที่เรากำลังทำงานกันอยู่
17:14
and we even have some people who are excited enough
330
1009000
2000
และเรามีผู้คนที่ตื่นเต้นมากพอ
17:16
and crazy enough to work on it now,
331
1011000
2000
และบ้ามากพอที่จะทำงานนี้ในตอนนี้
17:18
and that's really their goal.
332
1013000
2000
และนั่นเป็นเป้าหมายของพวกเขา
17:20
So we always hope that Google will be smart,
333
1015000
2000
ดังนั้นเราคาดหวังเสมอว่า
กูเกิลจะต้องเฉลียวฉลาด
กูเกิลจะต้องเฉลียวฉลาด
17:22
but we're always surprised when other people think that it is.
334
1017000
3000
แต่เราก็ประหลาดใจเสมอ
เมื่อผู้คนคิดว่ากูเกิลเฉลียวฉลาดจริงๆ
เมื่อผู้คนคิดว่ากูเกิลเฉลียวฉลาดจริงๆ
17:25
And so I just wanted to give a funny example of this.
335
1020000
3000
และผมแค่อยากเล่าตัวอย่างสนุกๆในประเด็นนี้
17:28
This is a blog from Iraq,
336
1023000
2000
อันนี้คือบล็อกหนึ่งจากอิรัก
17:30
and it's not really what
337
1025000
2000
และนี่ไม่ใช่สิ่งที่ผมกำลังจะพูดถึง
17:32
I'm going to talk about, but I just wanted to show you an example.
338
1027000
2000
แต่ผมแค่อยากให้คุณเห็นตัวอย่างหนึ่ง
17:34
Maybe, Sergey, you can highlight this.
339
1029000
2000
เซอร์เก คุณช่วยชี้ตรงนี้หน่อย
17:36
So we decided --
340
1031000
2000
เราจึงตัดสินใ...
17:42
actually, the highlight's right there. Oh, thank you.
341
1037000
3000
จริงๆแล้วให้ชี้ไปตรงนั้น ขอบคุณ
17:47
So, "related searches," right there. You can't see it that well,
342
1042000
5000
"การค้นหาที่เกี่ยวข้อง" ตรงนั้น
คุณคงเห็นมันไม่ชัดมากนัก
คุณคงเห็นมันไม่ชัดมากนัก
17:52
but we decided we should put in this feature
343
1047000
2000
แต่เราตัดสินใจว่าจะเปิดใช้งานฟีเจอร์นี้
17:54
into our AdSense ads, called "related searches."
344
1049000
3000
ภายใต้แอดเซนส์ของเรา โดยเรียกมันว่า
"การค้นหาที่เกี่ยวข้อง"
"การค้นหาที่เกี่ยวข้อง"
17:57
And so we'd say, you know, "Did you mean 'search for'" -- what is this,
345
1052000
3000
และเราก็เขียนว่า
"คุณหมายถึง 'ค้นหา...' ใช่ไหม?"
"คุณหมายถึง 'ค้นหา...' ใช่ไหม?"
18:00
in this case, "Saddam Hussein," because this blog is about Iraq --
346
1055000
3000
ในกรณีนี้คือ "ซัดดัม ฮุสเซ็น"
เพราะบล็อกนี้เกี่ยวกับอิรัก
เพราะบล็อกนี้เกี่ยวกับอิรัก
18:03
and you know, in addition to the ads,
347
1058000
2000
เราใส่เพิ่มเข้ามา นอกเหนือจากส่วนของโฆษณา
18:05
and we thought this would be a great idea.
348
1060000
3000
และเราเข้าใจว่านี่เป็นความคิดที่ดี
18:08
And so there is this blog
349
1063000
2000
แล้วก็มีบล็อกอันนี้
18:10
of a young person who was kind of depressed, and he said,
350
1065000
5000
ของหนุ่มน้อยที่ซึมเศร้าคนหนึ่ง เขาพูดว่า
18:15
"You know, I'm sleeping a lot."
351
1070000
2000
"ช่วงนี้ฉันนอนหลับเยอะมาก"
18:17
He was just kind of writing about his life.
352
1072000
2000
เขาแค่เขียนเล่าเรื่องราวในชีวิตของเขา
18:19
And our algorithms -- not a person, of course,
353
1074000
3000
และอัลกอริธึมของเรา ซึ่งไม่ใช่มนุษย์นะ
18:22
but our algorithms, our computers --
354
1077000
2000
แต่อัลกอริธึมหรือคอมพิวเตอร์ของเรา
18:24
read his blog and decided that
355
1079000
2000
อ่านบล็อกของเขา และตัดสินว่า
18:26
the related search was, "I am bored."
356
1081000
2000
การค้นหาที่เกี่ยวข้อง คือ "ฉันรู้สึกเบื่อ"
18:28
And he read this, and he thought a person had decided
357
1083000
3000
และเขาได้อ่านข้อความนี้
และเขาคิดว่ามีคนตัดสินว่า
และเขาคิดว่ามีคนตัดสินว่า
18:31
that he was boring,
358
1086000
2000
เขาเป็นคนน่าเบื่อ
18:33
and it was very unfortunate,
359
1088000
3000
และมันเป็นเรื่องโชคร้ายมาก
18:36
and he said, "You know, what are these, you know, bastards at Google doing?
360
1091000
4000
และเขาพูดว่า "พวกนายรู้ไหมว่า
พวกบ้าที่กูเกิลกำลังทำอะไร?
พวกบ้าที่กูเกิลกำลังทำอะไร?
18:40
Why don't they like my blog?"
361
1095000
2000
ทำไมพวกเขาไม่ชอบบล็อกของฉัน?"
18:42
And so then we read his blog, which was getting -- you know,
362
1097000
2000
แล้วเราได้อ่านบล็อกของเขา ซึ่งเนื้อหา...
18:45
sort of going from bad to worse,
363
1100000
3000
เลวร้ายลงเรื่อยๆ และเราเขียนไปว่า
18:48
and we said the related search was, "Retards."
364
1103000
2000
การค้นหาที่เกี่ยวข้องคือ "เจ้าทึ่ม"
18:53
And then, you know, he got even more mad,
365
1108000
2000
และเขาก็ยิ่งโกรธมากขึ้นอีก
18:55
and he wrote -- like, started swearing and so on.
366
1110000
2000
และเขาก็เริ่มสบถ
18:57
And then we produced "You suck."
367
1112000
3000
และเราก็เขียนไปว่า "คุณห่วยแตก"
19:00
And finally, it ended with "Kiss my ass."
368
1115000
3000
และท้ายที่สุด มันจบลงว่า "มาดมก้นฉันนี่"
19:05
And so basically, he thought he was dealing with something smart,
369
1120000
2000
เขาเข้าใจว่า เขาโต้ตอบกับสิ่งที่เฉลียวฉลาด
19:07
and of course, you know,
370
1122000
2000
และแน่นอนว่าคุณรู้
19:09
we just sort of wrote this program and we tried it out,
371
1124000
2000
เราแค่เขียนโปรแกรมนี่ขึ้นมา และลองใช้งานดู
19:11
and it didn't quite work,
372
1126000
3000
แต่มันทำงานไม่ดีสักเท่าไหร่
19:14
and we don't have this feature anymore.
373
1129000
2000
และเราก็ยกเลิกฟีเจอร์นี้ไปแล้ว
19:18
So with that, maybe I can switch back to the world.
374
1133000
3000
เอาหละ เรากลับมาที่โลกกัน
19:21
I wanted to end just by saying that
375
1136000
2000
ผมอยากจะปิดสรุปว่า
19:23
there's a couple things that really make me excited
376
1138000
2000
มีสองสามเรื่องที่ทำให้ผมตื่นเต้น
19:25
to be involved with Google,
377
1140000
3000
ที่ได้ทำงานร่วมกับกูเกิล
19:28
and one of those is that we're able to make money
378
1143000
4000
และหนึ่งในนั้นคือเราสามารถทำเงินได้
19:32
largely through advertising, and one of the benefits that I didn't expect from that
379
1147000
3000
ด้วยการโฆษณาและหนึ่งในคุณประโยชน์
ที่ผมไม่ได้คาดหวังมาก่อน
ที่ผมไม่ได้คาดหวังมาก่อน
19:35
was that we're able to serve everyone in the world
380
1150000
3000
คือเราสามารถให้บริการทุกคนในโลก
19:38
without worrying about, you know, places that don't have as much money.
381
1153000
5000
โดยไม่ต้องกังวลว่า
มีบางประเทศที่ไม่ได้ร่ำรวยนัก
มีบางประเทศที่ไม่ได้ร่ำรวยนัก
19:43
So we don't have to worry about our products being sold,
382
1158000
3000
เราไม่ต้องกังวลกับ
ผลิตภัณฑ์ของเราที่ขายออกไป
ผลิตภัณฑ์ของเราที่ขายออกไป
19:46
for example, for less money in places that are poor,
383
1161000
3000
ด้วยราคาที่ถูกกว่าในประเทศยากจน
19:49
and then they get re-imported into the U.S. --
384
1164000
2000
และถูกนำกลับเข้ามาขายอีกครั้งในสหรัฐ
19:51
for example, with the drug industry.
385
1166000
2000
ยกตัวอย่างเช่น ในอุตสาหกรรมยา
19:53
And I think we're really lucky to have that kind of business model
386
1168000
3000
และผมรู้สึกว่าเราโชคดีมากจริงๆ
ที่มีโมเดลธุรกิจแบบนี้
ที่มีโมเดลธุรกิจแบบนี้
19:56
because everyone in the world has access to our search,
387
1171000
3000
เพราะว่าทุกคนในโลกสามารถ
เข้าถึงระบบค้นหาของเราได้
เข้าถึงระบบค้นหาของเราได้
19:59
and I think that's a tremendous, tremendous benefit.
388
1174000
3000
และผมคิดว่านั่นเป็น
คุณประโยชน์ที่ยิ่งใหญ่มาก
คุณประโยชน์ที่ยิ่งใหญ่มาก
20:02
The other thing I wanted to mention just briefly
389
1177000
3000
อีกสิ่งหนึ่งที่ผมต้องการพูดถึงสักหน่อย
20:05
is that we have a tremendous ability and responsibility
390
1180000
6000
คือเรามีความสามารถและ
ความรับผิดชอบที่ยิ่งใหญ่
ความรับผิดชอบที่ยิ่งใหญ่
20:11
to provide people the right information,
391
1186000
3000
ที่จะให้ผู้คนได้รับข้อมูลข่าวสารที่ถูกต้อง
20:14
and we view ourselves like a newspaper or a magazine --
392
1189000
2000
และเรามองตัวเองเป็นอย่าง
หนังสือพิมพ์หรือนิตยสาร
หนังสือพิมพ์หรือนิตยสาร
20:16
that we should provide very objective information.
393
1191000
3000
ว่าเราควรให้ข้อมูลที่เป็นข้อเท็จจริง
20:19
And so in our search results, we never accept payment for our search results.
394
1194000
3000
ดังนั้นในผลการค้นหาของเรา
เราไม่เคยรับเงินจากผลการค้นหาของเรา
เราไม่เคยรับเงินจากผลการค้นหาของเรา
20:22
We accept payment for advertising,
395
1197000
3000
แต่เรารับเงินจากการโฆษณา
20:25
and we mark it as such.
396
1200000
2000
และเราก็ระบุชัดเจนว่ามันเป็นโฆษณา
20:27
And that's unlike many of our competitors.
397
1202000
2000
และนั่นแตกต่างจากคู่แข่งหลายรายของเรา
20:29
And I think decisions we're able to make like that
398
1204000
3000
และผมคิดว่าการตัดสินใจของเรา
20:32
have a tremendous impact on the world,
399
1207000
2000
ส่งผลกระทบมหาศาลต่อโลก
20:34
and it makes me really proud to be involved with Google.
400
1209000
2000
และมันทำให้ผมภาคภูมิใจที่ได้ทำงานกับกูเกิล
20:36
So thank you.
401
1211000
2000
ขอบคุณครับ
Translated by Trinsit Wasinudomrod
ABOUT THE SPEAKERS
Sergey Brin - Computer scientist, entrepreneur and philanthropistSergey Brin is half of the team that founded Google.
Why you should listen
Sergey Brin and Larry Page met in grad school at Stanford in the mid-'90s, and in 1996 started working on a search technology based around a new idea: that relevant results come from context. Their technology analyzed the number of times a given website was linked to by other sites — assuming that the more links, the more relevant the site — and ranked sites accordingly. Despite being a late entrant to the search game, it now rules the web.
Brin and Page's innovation-friendly office culture has spun out lucrative new products including AdSense/AdWords, Google News, Google Maps, Google Earth, and Gmail, as well as the Android mobile operating system. Now, led by Brin, Google is pursuing problems beyond the page, like the driverless car and the digital eyewear known as Google Glass .
Sergey Brin | Speaker | TED.com
Larry Page - CEO of Google
Larry Page is the CEO and cofounder of Google, making him one of the ruling minds of the web.
Why you should listen
Larry Page and Sergey Brin met in grad school at Stanford in the mid-'90s, and in 1996 started working on a search technology based on a new idea: that relevant results come from context. Their technology analyzed the number of times a given website was linked to by other sites — assuming that the more links, the more relevant the site — and ranked sites accordingly. In 1998, they opened Google in a garage-office in Menlo Park. In 1999 their software left beta and started its steady rise to web domination.
Beyond the company's ubiquitous search, including AdSense/AdWords, Google Maps, Google Earth and the mighty Gmail. In 2011, Page stepped back into his original role of chief executive officer. He now leads Google with high aims and big thinking, and finds time to devote to his projects like Google X, the idea lab for the out-there experiments that keep Google pushing the limits.
Larry Page | Speaker | TED.com