TEDxCMU
Luis von Ahn: Massive-scale online collaboration
لويس فون أهن: التعاون عبر الانترنت على مستوى واسع
Filmed:
Readability: 3.8
1,740,008 views
بعد إعادة تطوير "الكابتشا- CAPTCHA" بحيث تساعد كل كلمة يكتبها الإنسان فى رقمنة الكتب ( تحويلها إلى مستندات رقمية)، تساءل لويس فون أهن عن طرق أخرى لتطويع مساهمات صغيرة من العديد من مستخدمي الإنترنت من أجل مصلحة أكبر. في مؤتمر تيدأكس جامعة كارينجي ميلون، يطلعنا لويس على الكيفية التي سيساعد بها مشروعه الطموح "دوولينجو- Duolingo" الملايين على تعلم لغة جديدة بينما يقومون بترجمة الويب بسرعة وبدقة -- وكل هذا مجاناً.
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
كم واحداً منكم احتاج إلى ملء نموذج بيانات على الويب
00:17
where you've been asked to read a distorted sequence of characters like this?
1
2000
2000
حيث طُلب منك أن تقرأ سلسلة من الحروف المشوهة كهذه ؟
00:19
How many of you found it really, really annoying?
2
4000
2000
كم واحداً منكم وجد هذا مزعجاً بحق ؟
00:21
Okay, outstanding. So I invented that.
3
6000
3000
حسنا، عدد هائل. أنا من اخترع هذا.
00:24
(Laughter)
4
9000
2000
(ضحك)
00:26
Or I was one of the people who did it.
5
11000
2000
أو بالأحرى كنت واحداً من الذين قاموا به.
00:28
That thing is called a CAPTCHA.
6
13000
2000
وهذا الشىء يُدعى " كابتشا "
00:30
And the reason it is there is to make sure you, the entity filling out the form,
7
15000
2000
و السبب وراء وضعه هناك هو التأكد من أنك - الشخص الذى يقوم بملء النموذج -
00:32
are actually a human and not some sort of computer program
8
17000
3000
هو في الحقيقة بشر وليس برنامج كمبيوتر.
00:35
that was written to submit the form millions and millions of times.
9
20000
2000
تمت كتابته لإرسال النماذج ملايين و ملايين المرات.
00:37
The reason it works is because humans,
10
22000
2000
والسبب في أنه يعمل هو أن البشر،
00:39
at least non-visually-impaired humans,
11
24000
2000
أو على الأقل هؤلاء الذين لا يعانون من إعاقة بصرية،
00:41
have no trouble reading these distorted squiggly characters,
12
26000
2000
لا يجدون صعوبة في قراءة تلك الأحرف المشوهة المتعرجة،
00:43
whereas computer programs simply can't do it as well yet.
13
28000
3000
بينما برامج الكمبيوتر ببساطة لا تستطيع ذلك بنفس الكفاءة حتى الآن.
00:46
So for example, in the case of Ticketmaster,
14
31000
2000
على سبيل المثال في موقع تيكيت - ماستر،
00:48
the reason you have to type these distorted characters
15
33000
2000
الهدف من كتابتك لهذه الأحرف المشوهة
00:50
is to prevent scalpers from writing a program
16
35000
2000
هو منع الانتهازيين من كتابة برنامج كمبيوتر
00:52
that can buy millions of tickets, two at a time.
17
37000
2000
يمكنه شراء ملايين التذاكر، اثنتان في كل مرة (لبيعها لاحقا في السوق السوداء).
00:54
CAPTCHAs are used all over the Internet.
18
39000
2000
تستخدم الكابتشا في كل أنحاء الإنترنت.
00:56
And since they're used so often,
19
41000
2000
ولأنها تستخدم بشكل متكرر جداً،
00:58
a lot of times the precise sequence of random characters that is shown to the user
20
43000
2000
كثيراً ما يكون تسلسل الأحرف العشوائية الذي يظهر للمستخدم
01:00
is not so fortunate.
21
45000
2000
ليس موفقاً.
01:02
So this is an example from the Yahoo registration page.
22
47000
3000
وهذا مثال من صفحة الاشتراك في ياهو.
01:05
The random characters that happened to be shown to the user
23
50000
2000
فالأحرف العشوائية التي تصادف عرضها للمستخدم
01:07
were W, A, I, T, which, of course, spell a word.
24
52000
3000
كانت W ،A ، I، T وهذا يصنع كلمة (انتظر)
01:10
But the best part is the message
25
55000
3000
وأفضل جزء في الموضوع هي الرسالة
01:13
that the Yahoo help desk got about 20 minutes later.
26
58000
3000
التي تلقاها مكتب المساعدة بعدها بعشرين دقيقة.
01:16
Text: "Help! I've been waiting for over 20 minutes, and nothing happens."
27
61000
3000
النص: "أرجو المساعدة! لقد انتظرت أكثر من 20 دقيقة ولم يحدث شيء".
01:19
(Laughter)
28
64000
4000
(ضحك)
01:23
This person thought they needed to wait.
29
68000
2000
هذا الشخص ظن أن عليه الانتظار.
01:25
This of course, is not as bad as this poor person.
30
70000
3000
لكن هذا بالطبع ليس سيئاً مقارنة بهذا المسكين. (النص: أعد التشغيل)
01:28
(Laughter)
31
73000
2000
(ضحك)
01:30
CAPTCHA Project is something that we did here at Carnegie Melllon over 10 years ago,
32
75000
3000
مشروع الكابتشا أمر قمنا به هنا فى كارنيجي ميلون منذ ما يزيد على 10 سنوات،
01:33
and it's been used everywhere.
33
78000
2000
وقد استُخدم في كل مكان.
01:35
Let me now tell you about a project that we did a few years later,
34
80000
2000
دعوني أحدثكم الآن عن مشروع قمنا به بعدها ببضع سنوات،
01:37
which is sort of the next evolution of CAPTCHA.
35
82000
3000
والذي كان بمثابة التطور الطبيعي للكابتشا.
01:40
This is a project that we call reCAPTCHA,
36
85000
2000
هذا مشروع ندعوه " ريكابتشا "
01:42
which is something that we started here at Carnegie Mellon,
37
87000
2000
وهو أمر بدأناه هنا في كارنيجي ميلون،
01:44
then we turned it into a startup company.
38
89000
2000
ثم حولناه إلى شركة صغيرة مبتدئة.
01:46
And then about a year and a half ago,
39
91000
2000
ومنذ حوالي سنة ونصف،
01:48
Google actually acquired this company.
40
93000
2000
اشترت جوجل تلك الشركة.
01:50
So let me tell you what this project started.
41
95000
2000
لذا دعوني أحدثكم عن كيف بدأ هذا المشروع.
01:52
So this project started from the following realization:
42
97000
3000
بدأ ذلك المشروع بالاستنتاج التالي :
01:55
It turns out that approximately 200 million CAPTCHAs
43
100000
2000
تبين أن ما يقرب من مائتي مليون كابتشا
01:57
are typed everyday by people around the world.
44
102000
3000
تتم كتابتها بواسطة أناس حول العالم كل يوم.
02:00
When I first heard this, I was quite proud of myself.
45
105000
2000
وعندما عرفت ذلك لأول مرة، شعرت بالفخر بنفسي إلى حد ما.
02:02
I thought, look at the impact that my research has had.
46
107000
2000
فقد فكرت : أنظر إلى حجم التأثير الذي صنعته أبحاثي.
02:04
But then I started feeling bad.
47
109000
2000
لكنني بعد ذلك بدأت أشعر شعورا سيئاً.
02:06
See here's the thing, each time you type a CAPTCHA,
48
111000
2000
فالفكرة أنك في كل مرة تكتب كابتشا،
02:08
essentially you waste 10 seconds of your time.
49
113000
3000
فأنت بالضرورة تضيع عشر ثوانٍ من وقتك.
02:11
And if you multiply that by 200 million,
50
116000
2000
و لو أنك ضربت هذا الرقم في مائتي مليون مرة،
02:13
you get that humanity as a whole is wasting about 500,000 hours every day
51
118000
3000
لوجدت أن البشرية ككل تهدر حوالي 500,000 ساعة كل يوم
02:16
typing these annoying CAPTCHAs.
52
121000
2000
في كتابة تلك الكابتشا المزعجة.
02:18
So then I started feeling bad.
53
123000
2000
لذا بدأت أشعر بالذنب.
02:20
(Laughter)
54
125000
2000
(ضحك)
02:22
And then I started thinking, well, of course, we can't just get rid of CAPTCHAs,
55
127000
3000
ثم بدأت أفكر، حسناً بالطبع لا يمكننا التخلص من الكابتشا بهذه البساطة،
02:25
because the security of the Web sort of depends on them.
56
130000
2000
لأن أمن الويب معتمد عليها نوعاً ما.
02:27
But then I started thinking, is there any way we can use this effort
57
132000
3000
لكنني بدأت أفكر، هل ثمة طريقة يمكننا بها تطويع هذا الجهد
02:30
for something that is good for humanity?
58
135000
2000
في أمر يفيد البشرية ؟
02:32
So see, here's the thing.
59
137000
2000
حسناً، الفكرة هي كالآتي.
02:34
While you're typing a CAPTCHA, during those 10 seconds,
60
139000
2000
بينما تقوم بكتابة الكابتشا، وخلال تلك الثواني العشر،
02:36
your brain is doing something amazing.
61
141000
2000
فإن دماغك يقوم بأمر مذهل.
02:38
Your brain is doing something that computers cannot yet do.
62
143000
2000
يقوم دماغك بأمر لا تستطيع الحواسيب إلى الآن القيام به.
02:40
So can we get you to do useful work for those 10 seconds?
63
145000
3000
فهل نستطيع دفعك إلى عمل شيء مفيد خلال تلك الثواني العشر ؟
02:43
Another way of putting it is,
64
148000
2000
أو بطريقة أخرى،
02:45
is there some humongous problem that we cannot yet get computers to solve,
65
150000
2000
هل ثمة مشكلة عملاقة لا نستطيع حتى الآن استخدام الحواسيب لحلها،
02:47
yet we can split into tiny 10-second chunks
66
152000
3000
ولكن نستطيع تقسيمها إلى أجزاء دقيقة تُحل في 10 ثوانٍ
02:50
such that each time somebody solves a CAPTCHA
67
155000
2000
بحيث في كل مرة يقوم أحد بحل كابتشا
02:52
they solve a little bit of this problem?
68
157000
2000
فهو يحل جزءً صغيراً من المشكلة العملاقة ؟
02:54
And the answer to that is "yes," and this is what we're doing now.
69
159000
2000
والإجابة هي "نعم" ، وهذا ما نقوم به الآن.
02:56
So what you may not know is that nowadays while you're typing a CAPTCHA,
70
161000
3000
لذا فما قد لا تعرفونه أنكم اليوم بينما تكتبون كابتشا،
02:59
not only are you authenticating yourself as a human,
71
164000
2000
فأنتم لا تثبتون هويتكم البشرية فحسب،
03:01
but in addition you're actually helping us to digitize books.
72
166000
2000
بل بالإضافة إلى ذلك، تساعدوننا في تحويل الكتب إلى مستندات رقمية.
03:03
So let me explain how this works.
73
168000
2000
دعونى أشرح كيف يعمل هذا.
03:05
So there's a lot of projects out there trying to digitize books.
74
170000
2000
هناك الكثير من المشاريع تحاول رقمنة الكتب.
03:07
Google has one. The Internet Archive has one.
75
172000
3000
جوجل لديها واحد، أرشيف الإنترنت لديه واحد.
03:10
Amazon, now with the Kindle, is trying to digitize books.
76
175000
2000
أمازون - الآن مع جهاز كيندل - تحاول رقمنة الكتب.
03:12
Basically the way this works
77
177000
2000
الفكرة الأساسية في كيفية عمل ذلك
03:14
is you start with an old book.
78
179000
2000
هي أنك تبدأ بكتاب قديم.
03:16
You've seen those things, right? Like a book?
79
181000
2000
لقد رأيتم تلك الأشياء في حياتكم، أليس كذلك ؟ كتاب؟
03:18
(Laughter)
80
183000
2000
(ضحك)
03:20
So you start with a book, and then you scan it.
81
185000
2000
إذن يبدأ الأمر بكتاب، ثم تقوم بمسحه وإدخاله.
03:22
Now scanning a book
82
187000
2000
وعملية مسح الكتاب ضوئياً
03:24
is like taking a digital photograph of every page of the book.
83
189000
2000
هي أشبه بالتقاط صورة فوتوغرافية لكل صفحة من الكتاب.
03:26
It gives you an image for every page of the book.
84
191000
2000
فهي تعطيك صورة لكل صفحة من الكتاب.
03:28
This is an image with text for every page of the book.
85
193000
2000
وهي صورة بها نص لكل صفحة من الكتاب.
03:30
The next step in the process
86
195000
2000
الخطوة التالية من العملية
03:32
is that the computer needs to be able to decipher all of the words in this image.
87
197000
3000
هي أن الحاسوب يجب أن يفك شفرة كل الكلمات في تلك الصورة.
03:35
That's using a technology called OCR,
88
200000
2000
وتستخدم لذلك تقنية تدعى أو - سى - آر
03:37
for optical character recognition,
89
202000
2000
أي التعرف الضوئي على الحروف،
03:39
which takes a picture of text
90
204000
2000
والتي تأخذ صورة من النص
03:41
and tries to figure out what text is in there.
91
206000
2000
وتحاول اكتشاف النص الموجود فيها.
03:43
Now the problem is that OCR is not perfect.
92
208000
2000
والمشكلة هنا أن ال أو- سى- آر ليس مثالياً.
03:45
Especially for older books
93
210000
2000
خاصة مع الكتب القديمة
03:47
where the ink has faded and the pages have turned yellow,
94
212000
3000
حيث بهت الحبر واصفرت الأوراق،
03:50
OCR cannot recognize a lot of the words.
95
215000
2000
يعجز ال أو - سى - آر عن التعرف على الكثير من الكلمات.
03:52
For example, for things that were written more than 50 years ago,
96
217000
2000
مثلا، في النصوص التي كُتبت منذ أكثر من خمسين عاما،
03:54
the computer cannot recognize about 30 percent of the words.
97
219000
3000
يعجز الحاسوب عن تحديد حوالى 30 بالمائة من الكلمات.
03:57
So what we're doing now
98
222000
2000
لذا فما نقوم به الآن
03:59
is we're taking all of the words that the computer cannot recognize
99
224000
2000
هو أننا نأخذ كل الكلمات التي لا يستطيع الحاسوب التعرف عليها
04:01
and we're getting people to read them for us
100
226000
2000
ونجعل الناس تقرأها لنا
04:03
while they're typing a CAPTCHA on the Internet.
101
228000
2000
بينما يكتبون كابتشا على الإنترنت.
04:05
So the next time you type a CAPTCHA, these words that you're typing
102
230000
3000
لذا في المرة المقبلة التي تكتب فيها كابتشا، هذه الكلمات التي تكتبها
04:08
are actually words that are coming from books that are being digitized
103
233000
3000
هي في الحقيقة كلمات مأخوذة من كتب تتم رقمنتها
04:11
that the computer could not recognize.
104
236000
2000
ولا يستطيع الحاسوب التعرف عليها.
04:13
And now the reason we have two words nowadays instead of one
105
238000
2000
والسبب في أن لدينا كلمتان الآن بدلاً من واحدة
04:15
is because, you see, one of the words
106
240000
2000
هو في الحقيقة أن إحدى الكلمتين
04:17
is a word that the system just got out of a book,
107
242000
2000
هي كلمة أخذها برنامج الكابتشا من كتاب ما،
04:19
it didn't know what it was, and it's going to present it to you.
108
244000
3000
لم يستطع التعرف عليها، وسيقدمها إليك.
04:22
But since it doesn't know the answer for it, it cannot grade it for you.
109
247000
3000
ولكن لأن البرنامج لا يعرف الإجابة لتلك الكلمة، فلا يمكنه تقييمك بناء عليها.
04:25
So what we do is we give you another word,
110
250000
2000
لذا فما نفعله هو إعطاؤك كلمة أخرى،
04:27
one for which the system does know the answer.
111
252000
2000
كلمةً يعرف البرنامج إجابتها.
04:29
We don't tell you which one's which, and we say, please type both.
112
254000
2000
ولا نخبرك أي منهما هي المعلومة، بل نقول : فضلا اكتب كلا الكلمتين.
04:31
And if you type the correct word
113
256000
2000
وإذا كتبت الكلمة الصحيحة
04:33
for the one for which the system already knows the answer,
114
258000
2000
للكلمة التى يعرف البرنامج إجابتها،
04:35
it assumes you are human,
115
260000
2000
فهو يفترض أنك بشري،
04:37
and it also gets some confidence that you typed the other word correctly.
116
262000
2000
كما يكون واثقاً إلى حدٍ ما أنك كتبت الكلمة الأخرى بشكل صحيح.
04:39
And if we repeat this process to like 10 different people
117
264000
3000
ولو كررنا تلك العملية مع 10 أشخاص مختلفين مثلا
04:42
and all of them agree on what the new word is,
118
267000
2000
واتفقوا جميعاً فى كتابة الكلمة الجديدة،
04:44
then we get one more word digitized accurately.
119
269000
2000
نحصل على كلمة جديدة تمت رقمنتها بدقة.
04:46
So this is how the system works.
120
271000
2000
وهكذا يعمل النظام.
04:48
And basically, since we released it about three or four years ago,
121
273000
3000
و منذ بدأ تفعيله من ثلاث أو أربع سنوات،
04:51
a lot of websites have started switching
122
276000
2000
بدأت العديد من المواقع بالتحول
04:53
from the old CAPTCHA where people wasted their time
123
278000
2000
من استخدام الكابتشا القديم حيث يضيع الناس وقتهم
04:55
to the new CAPTCHA where people are helping to digitize books.
124
280000
2000
إلى الكابتشا الجديد حيث يساعد الناسُ في رقمنة الكتب.
04:57
So for example, Ticketmaster.
125
282000
2000
كموقع تيكيت ماستر على سبيل المثال.
04:59
So every time you buy tickets on Ticketmaster, you help to digitize a book.
126
284000
3000
إذن ففي كل مرة تشتري تذكرة على تيكيت ماستر، تساعد في رقمنة كتاب ما.
05:02
Facebook: Every time you add a friend or poke somebody,
127
287000
2000
فيسبوك: في كل مرة تضيف صديقاً أو تلكز شخصاً،
05:04
you help to digitize a book.
128
289000
2000
تساعد في رقمنة كتاب ما.
05:06
Twitter and about 350,000 other sites are all using reCAPTCHA.
129
291000
3000
تويتر و حوالي 350,000 موقع آخر كلها تستخدم ريكابتشا.
05:09
And in fact, the number of sites that are using reCAPTCHA is so high
130
294000
2000
وفي الحقيقة فإن عدد المواقع التي تستخدم ريكابتشا كبير للغاية
05:11
that the number of words that we're digitizing per day is really, really large.
131
296000
3000
حتى أن عدد الكلمات التي تتم رقمنتها في اليوم عدد ضخم جدا.
05:14
It's about 100 million a day,
132
299000
2000
إنه حوالي مائة مليون في اليوم،
05:16
which is the equivalent of about two and a half million books a year.
133
301000
4000
وهو ما يكافئ حوالي اثنان ونصف مليون كتاب سنويا.
05:20
And this is all being done one word at a time
134
305000
2000
وكل هذا يتم بحل كلمة واحدة كل مرة
05:22
by just people typing CAPTCHAs on the Internet.
135
307000
2000
بواسطة أناس يكتبون الكابتشا على الإنترنت.
05:24
(Applause)
136
309000
8000
(تصفيق)
05:32
Now of course,
137
317000
2000
والآن بالطبع،
05:34
since we're doing so many words per day,
138
319000
2000
بما أننا نقوم بحل الكثير من الكلمات يومياً،
05:36
funny things can happen.
139
321000
2000
فإن أموراً مضحكة قد تحدث.
05:38
And this is especially true because now we're giving people
140
323000
2000
خاصة وأننا الآن نقدم للناس
05:40
two randomly chosen English words next to each other.
141
325000
2000
كلمتين عشوائيتين بالإنجليزية جنبا إلى جنب.
05:42
So funny things can happen.
142
327000
2000
لذا فإن أموراً مضحكة قد تحدث.
05:44
For example, we presented this word.
143
329000
2000
مثلاً، قدمنا هذه الكلمة.
05:46
It's the word "Christians"; there's nothing wrong with it.
144
331000
2000
إنها كلمة "مسيحيون"، ولا بأس بها.
05:48
But if you present it along with another randomly chosen word,
145
333000
3000
لكن إذا قدمتها بجانب كلمة أخرى عشوائية،
05:51
bad things can happen.
146
336000
2000
فقد تحدث أمور سيئة.
05:53
So we get this. (Text: bad christians)
147
338000
2000
فنحصل على هذا. (النص: مسيحيون سيئون)
05:55
But it's even worse, because the particular website where we showed this
148
340000
3000
لكن الأمر أسوأ من ذلك، فالموقع الذي أظهرنا عليه تلك الكلمات تحديداً
05:58
actually happened to be called The Embassy of the Kingdom of God.
149
343000
3000
تصادف أنه يُدعى "سفارة مملكة الرب"
06:01
(Laughter)
150
346000
2000
(ضحك)
06:03
Oops.
151
348000
2000
أوبس.
06:05
(Laughter)
152
350000
3000
(ضحك)
06:08
Here's another really bad one.
153
353000
2000
وهذه واحدة أخرى سيئة فعلاً.
06:10
JohnEdwards.com
154
355000
2000
جون إدواردز دوت كوم
06:12
(Text: Damn liberal)
155
357000
3000
(النص: سحقاً للليبرالية)
06:15
(Laughter)
156
360000
2000
(ضحك)
06:17
So we keep on insulting people left and right everyday.
157
362000
3000
وما زلنا نلقي بالإهانات على الناس يميناً ويساراً كل يوم.
06:20
Now, of course, we're not just insulting people.
158
365000
2000
لكن بالطبع نحن لا نقوم فقط بإهانة الناس.
06:22
See here's the thing, since we're presenting two randomly chosen words,
159
367000
3000
الفكرة كالآتي، بما أننا نختار كلمتين بطريقة عشوائية،
06:25
interesting things can happen.
160
370000
2000
فقد تحدث أمور مثيرة للاهتمام.
06:27
So this actually has given rise
161
372000
2000
وهذا في الحقيقة فتح الباب
06:29
to a really big Internet meme
162
374000
3000
لانتشار فكرة بشكل واسع للغاية عبر الإنترنت
06:32
that tens of thousands of people have participated in,
163
377000
2000
شارك فيها عشرات الآلاف من الناس،
06:34
which is called CAPTCHA art.
164
379000
2000
وتُدعى "فن الكابتشا"
06:36
I'm sure some of you have heard about it.
165
381000
2000
أنا واثق أن البعض منكم قد سمع بها.
06:38
Here's how it works.
166
383000
2000
الفكرة كالآتي.
06:40
Imagine you're using the Internet and you see a CAPTCHA
167
385000
2000
تخيل أنك تستخدم الإنترنت ثم ظهرت لك كابتشا
06:42
that you think is somewhat peculiar,
168
387000
2000
تعتقد أنها فريدة على نحو ما،
06:44
like this CAPTCHA. (Text: invisible toaster)
169
389000
2000
كهذه الكابتشا. (النص: محمصة خبز خفية)
06:46
Then what you're supposed to do is you take a screen shot of it.
170
391000
2000
إذن ما عليك القيام به هو أن تأخذ لقطة لشاشتك
06:48
Then of course, you fill out the CAPTCHA
171
393000
2000
ثم بالطبع تقوم بملأ الكابتشا
06:50
because you help us digitize a book.
172
395000
2000
لأنك تساعدنا بذلك في رقمنة كتاب.
06:52
But then, first you take a screen shot,
173
397000
2000
لكن قبل ذلك تأخذ لقطة لشاشتك،
06:54
and then you draw something that is related to it.
174
399000
2000
ثم ترسم شيئا له علاقة بالكابتشا.
06:56
(Laughter)
175
401000
2000
(ضحك)
06:58
That's how it works.
176
403000
3000
هكذا يسير الأمر.
07:01
There are tens of thousands of these.
177
406000
3000
هناك عشرات الآلاف من هذا.
07:04
Some of them are very cute. (Text: clenched it)
178
409000
2000
وبعضها لطيف للغاية. (النص: قمتُ بسحقها)
07:06
(Laughter)
179
411000
2000
(ضحك)
07:08
Some of them are funnier.
180
413000
2000
وبعضها مضحك أكثر.
07:10
(Text: stoned founders)
181
415000
3000
(النص: مؤسسون ثملون)
07:13
(Laughter)
182
418000
3000
(ضحك)
07:16
And some of them,
183
421000
2000
وبعضها
07:18
like paleontological shvisle,
184
423000
3000
مثل "شفيزل ما قبل التاريخ"
07:21
they contain Snoop Dogg.
185
426000
2000
تحتوى على سنوب دوج.
07:23
(Laughter)
186
428000
3000
(ضحك)
07:26
Okay, so this is my favorite number of reCAPTCHA.
187
431000
2000
حسنا، وهذا هو الرقم المفضل لدي فيما يتعلق بالريكابتشا.
07:28
So this is the favorite thing that I like about this whole project.
188
433000
3000
وهو الأمر المفضل لديّ في هذا المشروع بأكمله.
07:31
This is the number of distinct people
189
436000
2000
هذا هو عدد الاشخاص
07:33
that have helped us digitize at least one word out of a book through reCAPTCHA:
190
438000
3000
الذين ساعدونا في رقمنة كلمة واحدة على الاقل من الكتب من خلال ريكابتشا
07:36
750 million,
191
441000
2000
750 مليون
07:38
which is a little over 10 percent of the world's population,
192
443000
2000
وهو يمثل اكثر من عشرة بالمائة من تعداد السكان في العالم
07:40
has helped us digitize human knowledge.
193
445000
2000
ساعدونا في رقمنة المعرفة الانسانية
07:42
And it is numbers like these that motivate my research agenda.
194
447000
3000
وهذه النوعية من الارقام تحفز جدول اعمالي البحثي
07:45
So the question that motivates my research is the following:
195
450000
3000
فالسؤال الذي يحفز بحثي هو الاَتي
07:48
If you look at humanity's large-scale achievements,
196
453000
2000
اذا نظرتم الى مكتسبات البشرية على نطاق واسع
07:50
these really big things
197
455000
2000
تلك الاشياء الكبيرة حقا
07:52
that humanity has gotten together and done historically --
198
457000
3000
التي انجزتها البشرية مجتمعة في التاريخ
07:55
like for example, building the pyramids of Egypt
199
460000
2000
على سبيل المثال ,بناء اهرامات مصر
07:57
or the Panama Canal
200
462000
2000
او قناة بنما
07:59
or putting a man on the Moon --
201
464000
2000
او هبوط الانسان على القمر
08:01
there is a curious fact about them,
202
466000
2000
توجد حقيقة طريفة حولهم
08:03
and it is that they were all done with about the same number off people.
203
468000
2000
وهي ان جميعها أُنجزت تقريباً بنفس العدد من الأشخاص..
08:05
It's weird; they were all done with about 100,000 people.
204
470000
3000
شيء غريب,جميعها أُنجزت بواسطة 100,000 شخص.
08:08
And the reason for that is because, before the Internet,
205
473000
3000
والسبب وراء ذلك أنه قبل الانترنت.
08:11
coordinating more than 100,000 people,
206
476000
2000
التنسيق بين اكثر من 100,000 شخص,
08:13
let alone paying them, was essentially impossible.
207
478000
3000
لو اخذنا فقط عملية الدفع لهم, كان ذلك امراً مستحيلاً
08:16
But now with the Internet, I've just shown you a project
208
481000
2000
لكن الاَن ومع وجود الانترنت,عرضت عليكم للتو مشروعاً
08:18
where we've gotten 750 million people
209
483000
2000
اشترك فيه 750 مليون شخص
08:20
to help us digitize human knowledge.
210
485000
2000
ليساعدونا في رقمنة المعرفة الأنسانية.
08:22
So the question that motivates my research is,
211
487000
2000
اذاً السؤال الذي يحفز بحثي هو,
08:24
if we can put a man on the Moon with 100,000,
212
489000
3000
اذا كنا نستطيع وضع انسان على القمر بواسطة 100,000
08:27
what can we do with 100 million?
213
492000
2000
ماذا يمكننا أن نعمل بواسطة 100 مليون
08:29
So based on this question,
214
494000
2000
وبناءً على هذا السؤال,
08:31
we've had a lot of different projects that we've been working on.
215
496000
2000
كان لدينا العديد من المشاريع المختلفة التي كنا نعمل عليها
08:33
Let me tell you about one that I'm most excited about.
216
498000
3000
دعوني اخبركم عن احدها والذي انا متحمس له جداً
08:36
This is something that we've been semi-quietly working on
217
501000
2000
هذا الشيء الذي نعمل عليه في صمت
08:38
for the last year and a half or so.
218
503000
2000
طوال العام والنصف الماضيين
08:40
It hasn't yet been launched. It's called Duolingo.
219
505000
2000
لم يتم اطلاقه حتى الاَن. اسمه دولينجو
08:42
Since it hasn't been launched, shhhhh!
220
507000
2000
بما انه لم يتم اطلاقه حتى الان ,اخفضو اصواتكم
08:44
(Laughter)
221
509000
2000
(ضحك)
08:46
Yeah, I can trust you'll do that.
222
511000
2000
نعم ,انني اثق انكم سوف تحفظون السر
08:48
So this is the project. Here's how it started.
223
513000
2000
هذا هو المشروع. وهكذا بدأ
08:50
It started with me posing a question to my graduate student,
224
515000
2000
بدأ بسؤالي لطالبي المتخرج
08:52
Severin Hacker.
225
517000
2000
سيفرين هاكر
08:54
Okay, that's Severin Hacker.
226
519000
2000
حسناً, هذا هو سيفرين هاكر.
08:56
So I posed the question to my graduate student.
227
521000
2000
طرحت السؤال على طالبي المتخرج
08:58
By the way, you did hear me correctly;
228
523000
2000
بالمناسبة,انتم لم تسمعوني بشكل صحيح
09:00
his last name is Hacker.
229
525000
2000
اسمه الاخير هاكر (يعني مخترق الشبكات )
09:02
So I posed this question to him:
230
527000
2000
طرحت عليه هذا السؤال
09:04
How can we get 100 million people
231
529000
2000
كيف يمكننا جعل 100 مليون شخص
09:06
translating the Web into every major language for free?
232
531000
3000
يترجمون مواقع الانترنت الى اللغات الرئيسية مجاناً ؟
09:09
Okay, so there's a lot of things to say about this question.
233
534000
2000
هناك الكثير ليقال حول هذا السؤال .
09:11
First of all, translating the Web.
234
536000
2000
اولا,ترجمة مواقع الانترنت
09:13
So right now the Web is partitioned into multiple languages.
235
538000
3000
حالياً مواقع الانترنت مقسمة الى عدة لغات.
09:16
A large fraction of it is in English.
236
541000
2000
جزء كبير منها بالانجليزية.
09:18
If you don't know any English, you can't access it.
237
543000
2000
اذا لم تكن تعرف الانجليزية , لا تستطيع تصفحها.
09:20
But there's large fractions in other different languages,
238
545000
2000
لكن هناك اجزاء كبيرة بلغات اخرى
09:22
and if you don't know those languages, you can't access it.
239
547000
3000
وذا لم تكن تعرف تلك اللغات ,لن تستطيع تصفحه.
09:25
So I would like to translate all of the Web, or at least most of the Web,
240
550000
3000
اذااً أُريد ترجمة جميع مواقع الانترنت او على الأقل معظم مواقع الانترنت
09:28
into every major language.
241
553000
2000
الى جميع اللغات الرئيسية.
09:30
So that's what I would like to do.
242
555000
2000
اذاً هذا ما أريد فعله.
09:32
Now some of you may say, why can't we use computers to translate?
243
557000
3000
الاَن بعضكم سوف يقول ,لماذا لا نستخدم الترجمة الالية؟
09:35
Why can't we use machine translation?
244
560000
2000
لماذا لانستخدم الترجمة الالية؟
09:37
Machine translation nowadays is starting to translate some sentences here and there.
245
562000
2000
الترجمة الالية هذه الأيام ,بدأت في ترجمة بعض الجمل هنا وهناك
09:39
Why can't we use it to translate the whole Web?
246
564000
2000
لماذا لا نستخدمها لترجمة جميع مواقع الانترنت؟
09:41
Well the problem with that is that it's not yet good enough
247
566000
2000
المشكلة المتعلقه بهذا أنها ليست جيدة بما فيه الكفاية
09:43
and it probably won't be for the next 15 to 20 years.
248
568000
2000
وربما لن يتغير الامر على مدى 15 الى 20 سنة القادمة
09:45
It makes a lot of mistakes.
249
570000
2000
تقوم بالعديد من الأخطاء
09:47
Even when it doesn't make a mistake,
250
572000
2000
حتى في حال لم تقم بخطأ
09:49
since it makes so many mistakes, you don't know whether to trust it or not.
251
574000
3000
بما أنها تقوم بالعديد من الاخطاء ,لا تستطيع الجزم هل تثق فيها او لا
09:52
So let me show you an example
252
577000
2000
دعوني اريكم مثالاً
09:54
of something that was translated with a machine.
253
579000
2000
على شيء تمت ترجمته باستخدام اَلة ترجمة
09:56
Actually it was a forum post.
254
581000
2000
هي عبارة عن مشاركة في منتدى
09:58
It was somebody who was trying to ask a question about JavaScript.
255
583000
3000
كان احد الاشخاص يحاول السؤال عن لغة البرمجة جافا سكريبت
10:01
It was translated from Japanese into English.
256
586000
3000
تم ترجمته من اليابانية الى الانجليزية
10:04
So I'll just let you read.
257
589000
2000
سأترككم تقرأون
10:06
This person starts apologizing
258
591000
2000
بدا الشخص بالإعتذار
10:08
for the fact that it's translated with a computer.
259
593000
2000
لحقيقة كون الترجمة تمت بإستخدام الحاسب الاَلي
10:10
So the next sentence is is going to be the preamble to the question.
260
595000
3000
اذاً الجملة التالية سوف تكون مقدمة للسؤال.
10:13
So he's just explaining something.
261
598000
2000
كان يشرح شيئاً ما
10:15
Remember, it's a question about JavaScript.
262
600000
3000
تذكروا ,كان سؤالاً عن جافا سكريبت
10:19
(Text: At often, the goat-time install a error is vomit.)
263
604000
4000
(النص: في احيان, وقت-الماعز يثبت خطأ تقيؤ.)
10:23
(Laughter)
264
608000
4000
(ضحك)
10:27
Then comes the first part of the question.
265
612000
3000
ثم يأتي الجزء الاول من السؤال.
10:30
(Text: How many times like the wind, a pole, and the dragon?)
266
615000
4000
(النص:كم مرة مثل الريح, القطب,والتنين؟)
10:34
(Laughter)
267
619000
2000
(ضحك)
10:36
Then comes my favorite part of the question.
268
621000
3000
وثم يأتي الجزء المفضل بالنسبة لي من السؤال.
10:39
(Text: This insult to father's stones?)
269
624000
3000
(النص :هذه اهانة لأحجار الأب؟)
10:42
(Laughter)
270
627000
2000
(ضحك)
10:44
And then comes the ending, which is my favorite part of the whole thing.
271
629000
3000
وثم تأتي الخاتمة وهي جزئي المفضل في كامل الموضوع.
10:47
(Text: Please apologize for your stupidity. There are a many thank you.)
272
632000
4000
(النص: ارجو الاعتذار لغبائكم. يوجد الكثير شكراً لكم)
10:51
(Laughter)
273
636000
2000
(ضحك)
10:53
Okay, so computer translation, not yet good enough.
274
638000
2000
حسنا,اذاً ترجمة الحاسب الاَلي ليست جيدة بما فيه الكفاية
10:55
So back to the question.
275
640000
2000
نعود للسؤال.
10:57
So we need people to translate the whole Web.
276
642000
3000
نحتاج اشخاص يترجمون جميع مواقع الانترنت
11:00
So now the next question you may have is,
277
645000
2000
السؤال التالي الذي ربما تطرحونه هو,
11:02
well why can't we just pay people to do this?
278
647000
2000
لمذا لا يمكننا الدفع لاشخاص ليقوموا بهذا؟
11:04
We could pay professional language translators to translate the whole Web.
279
649000
3000
يمكننا الدفع الى مترجمين محترفين لترجمة كافة مواقع الانترنت.
11:07
We could do that.
280
652000
2000
يمكننا عمل ذلك
11:09
Unfortunately, it would be extremely expensive.
281
654000
2000
لكن مع الاسف سوف يكون ذلك باهظ الثمن
11:11
For example, translating a tiny, tiny fraction of the whole Web, Wikipedia,
282
656000
3000
على سبيل المثال ,ترجمة جزء ضئيل جداً جداً من الانترنت ,موقع ويكيبيديا,
11:14
into one other language, Spanish.
283
659000
3000
الى لغة اخرى, وهي الاسبانية
11:17
Wikipedia exists in Spanish,
284
662000
2000
توجد نسخة من موقع ويكيبيديا بالاسبانية
11:19
but it's very small compared to the size of English.
285
664000
2000
لكنه صغير مقارنة بحجم النسخة الانجليزية
11:21
It's about 20 percent of the size of English.
286
666000
2000
حوالي 20 في المئة من حجم النسخة الانجليزية
11:23
If we wanted to translate the other 80 percent into Spanish,
287
668000
3000
اذا رغبنا في ترجمة ال 80 في المئة الاخرى الى الاسبانية
11:26
it would cost at least 50 million dollars --
288
671000
2000
سوف يكلف حوالي 50 مليون دولار --
11:28
and this is at even the most exploited, outsourcing country out there.
289
673000
3000
وهذا في احد اكثر الدول استغلالية للايدي العاملة
11:31
So it would be very expensive.
290
676000
2000
سوف يكون باهظ التكلفة
11:33
So what we want to do is we want to get 100 million people
291
678000
2000
ما نريد فعله هو جعل 100 مليون شخص
11:35
translating the Web into every major language
292
680000
2000
يترجمون مواقع الانترنت الى اللغات الاساسية
11:37
for free.
293
682000
2000
بالمجان.
11:39
Now if this is what you want to do,
294
684000
2000
لو كان هذا ما تريد القيام به
11:41
you pretty quickly realize you're going to run into two pretty big hurdles,
295
686000
2000
سوف تدرك فورا انك سوف تواجه عقبتان كبيرتان
11:43
two big obstacles.
296
688000
2000
عقبتان كبيرتان
11:45
The first one is a lack of bilinguals.
297
690000
3000
الاولى هي ندرة متحدثي أكثر من لغة
11:48
So I don't even know
298
693000
2000
لا استطيع الجزم
11:50
if there exists 100 million people out there using the Web
299
695000
3000
اذا كان هناك 100 مليون شخص من مستخدمي الانترنت
11:53
who are bilingual enough to help us translate.
300
698000
2000
ممن لديهم اكثر من لغة قادرة على مساعدتنا في الترجمة
11:55
That's a big problem.
301
700000
2000
هذه مشكلة كبيرة
11:57
The other problem you're going to run into is a lack of motivation.
302
702000
2000
المشكلة الأخرى التي سوف تواجهها هي عدم وجود الحافز
11:59
How are we going to motivate people
303
704000
2000
كيف سوف نقوم بتحفيز الناس
12:01
to actually translate the Web for free?
304
706000
2000
ليترجموا مواقع الانترنت بالمجان؟
12:03
Normally, you have to pay people to do this.
305
708000
3000
في العادة تدفع للناس للقيام بهذا
12:06
So how are we going to motivate them to do it for free?
306
711000
2000
اذاً كيف سوف نحفزهم لعمل بذلك بالمجان؟
12:08
Now when we were starting to think about this, we were blocked by these two things.
307
713000
3000
عندما بدأنا في التفكير في هذا الموضوع , توقفنا عند هاتين المشكلتين.
12:11
But then we realized, there's actually a way
308
716000
2000
ثم ادركنا ان هناك طريقة
12:13
to solve both these problems with the same solution.
309
718000
2000
لحل كلتا المشكلتين بنفس الحل
12:15
There's a way to kill two birds with one stone.
310
720000
2000
هناك طريقة لقتل عصفورين بنفس الحجر
12:17
And that is to transform language translation
311
722000
3000
وهو تحويل عملية الترجمة
12:20
into something that millions of people want to do,
312
725000
3000
الى شيء يريد ملايين الناس القيام به
12:23
and that also helps with the problem of lack of bilinguals,
313
728000
3000
وذلك سوف يساعد بخصوص مشكلة ندرة متعددي اللغات
12:26
and that is language education.
314
731000
3000
وذلك عن طريق تدريس اللغة
12:29
So it turns out that today,
315
734000
2000
اتضح ان هذه الايام
12:31
there are over 1.2 billion people learning a foreign language.
316
736000
3000
هناك 1.2 بليون شخص يتعلمون لغات اجنبية
12:34
People really, really want to learn a foreign language.
317
739000
2000
اشخاص يرغبون وبشدة في تعلم لغات اخرى
12:36
And it's not just because they're being forced to do so in school.
318
741000
3000
وذلك ليس بسبب ارغامهم على القيام بذلك في المدرسة
12:39
For example, in the United States alone,
319
744000
2000
على سبيل المثال ,في الولايات المتحدة وحدها
12:41
there are over five million people who have paid over $500
320
746000
2000
هناك اكثر من خمسة ملايين شخص أنفقوا 500 دولار
12:43
for software to learn a new language.
321
748000
2000
على شراء برامج لتعلم لغات جديدة
12:45
So people really, really want to learn a new language.
322
750000
2000
اذا الناس يرغبون وبشدة في تعلم لغة جديدة
12:47
So what we've been working on for the last year and a half is a new website --
323
752000
3000
كنأ نعمل خلال السنة والنصف الماضية على انشاء موقع انترنت جديد --
12:50
it's called Duolingo --
324
755000
2000
اسمه ديولينجو--
12:52
where the basic idea is people learn a new language for free
325
757000
3000
حيث ان الفكرة الرئيسية هي تعلم الناس لغة جديدة بالمجان
12:55
while simultaneously translating the Web.
326
760000
2000
وفي نفس الوقت يقومون بترجمة مواقع الانترنت
12:57
And so basically they're learning by doing.
327
762000
2000
ويتم التعلم بشكل اساسي عن طريق الترجمة
12:59
So the way this works
328
764000
2000
طريقة عمل الموقع
13:01
is whenever you're a just a beginner, we give you very, very simple sentences.
329
766000
3000
اذا كنت مبتدئ, نعطيك جمل بسيطة جداً جداً
13:04
There's, of course, a lot of very simple sentences on the Web.
330
769000
2000
يوجد هناك بالطبع الكثير من الجمل البسيطة جدا في مواقع الانترنت
13:06
We give you very, very simple sentences
331
771000
2000
نعطيك جمل بسيطة جداً جداً
13:08
along with what each word means.
332
773000
2000
مرفق معها معاني الكلمات
13:10
And as you translate them, and as you see how other people translate them,
333
775000
3000
واثناء قيامك بترجمتها,واثناء رؤيتك لكيفية قيام الاخرين بترجمتها,
13:13
you start learning the language.
334
778000
2000
تبدأ في تعلم اللغة
13:15
And as you get more and more advanced,
335
780000
2000
وكلما اصبحت متقدماً اكثر
13:17
we give you more and more complex sentences to translate.
336
782000
2000
نعطيك جمل اكثر تعقيدً لتترجمها
13:19
But at all times, you're learning by doing.
337
784000
2000
لكن في جميع الاحوال انت تتعلم بالترجمة
13:21
Now the crazy thing about this method
338
786000
2000
الشيء الجنوني حول هذا الاسلوب
13:23
is that it actually really works.
339
788000
2000
انه يعمل حقاً
13:25
First of all, people are really, really learning a language.
340
790000
2000
اولا وقبل كل شيء, الناس حقاً حقاً يتعلمون لغة
13:27
We're mostly done building it, and now we're testing it.
341
792000
2000
نحن تقريبا انهينا بناءه, والان نحن نختبره
13:29
People really can learn a language with it.
342
794000
2000
الناس يستطيعون حقاً تعلم لغة بإستخدامه
13:31
And they learn it about as well as the leading language learning software.
343
796000
3000
ويتعلمونها بكفاءة تضاهي افضل برامج تعليم اللغة
13:34
So people really do learn a language.
344
799000
2000
الناس بالفعل يتعلمون لغة
13:36
And not only do they learn it as well,
345
801000
2000
وهم لا يتعلمون فقط,
13:38
but actually it's way more interesting.
346
803000
2000
ولكن يتعلمونها بطريقة اكثر متعة
13:40
Because you see with Duolingo, people are actually learning with real content.
347
805000
3000
لانك تلاحظ ان مستخدمي ديولينجو يتعلمون باستخدام محتوى حقيقي
13:43
As opposed to learning with made-up sentences,
348
808000
2000
على عكس التعلم بالجمل المعدة مسبقا
13:45
people are learning with real content, which is inherently interesting.
349
810000
3000
الناس يتعلمون باستخدام محتوى حقيقي وهو بطبيعته ممتع
13:48
So people really do learn a language.
350
813000
2000
اذاً الناس يتعلمون لغة.
13:50
But perhaps more surprisingly,
351
815000
2000
لكن ولربما بشكل مفاجئ
13:52
the translations that we get from people using the site,
352
817000
3000
الترجمة التي نحصل عليها من الاشخاص الذين يستخدمون هذا الموقع
13:55
even though they're just beginners,
353
820000
2000
وعلى الرغم من كونهم مبتدئين
13:57
the translations that we get are as accurate as those of professional language translators,
354
822000
3000
الترجمة التي نحصل عليها دقيقة بنفس مستوى المترجمين المحترفين
14:00
which is very surprising.
355
825000
2000
وهو شيئ مفاجئ
14:02
So let me show you one example.
356
827000
2000
دعوني اعرض عليكم مثالاً
14:04
This is a sentence that was translated from German into English.
357
829000
2000
هذه جملة تمت ترجمتها من الألمانية الى الانجليزية
14:06
The top is the German.
358
831000
2000
التي في الاعلى هي الالمانية
14:08
The middle is an English translation
359
833000
2000
في الوسط الترجمة الانجليزية
14:10
that was done by somebody who was a professional English translator
360
835000
2000
والتي تمت بوساطة مترجم لغة انجليزية محترف
14:12
who we paid 20 cents a word for this translation.
361
837000
2000
والذي تم دفع 20 سنت مقابل كل كلمة في هذه الترجمة
14:14
And the bottom is a translation by users of Duolingo,
362
839000
3000
وفي الاسفل ترجمة مستخدمي ديولينجو
14:17
none of whom knew any German
363
842000
2000
لا يعرف اياً منهم الألمانية
14:19
before they started using the site.
364
844000
2000
قبل ان يبدأوا في استخدام الموقع
14:21
You can see, it's pretty much perfect.
365
846000
2000
يمكن ملاحظة انها مثالية جداً
14:23
Now of course, we play a trick here
366
848000
2000
بالطبع عملنا خدعة هنا
14:25
to make the translations as good as professional language translators.
367
850000
2000
لجعل الترجمة جديدة تشابه المترجمين المحترفين
14:27
We combine the translations of multiple beginners
368
852000
3000
دمجنا ترجمة عدة مبتدئين
14:30
to get the quality of a single professional translator.
369
855000
3000
للحصول على جودة مترجم محترف واحد
14:33
Now even though we're combining the translations,
370
858000
5000
وبالرغم من اننا ندمج الترجمة
14:38
the site actually can translate pretty fast.
371
863000
2000
الموقع يمكنه الترجمة بشكل سريع
14:40
So let me show you,
372
865000
2000
دعوني اريكم
14:42
this is our estimates of how fast we could translate Wikipedia
373
867000
2000
هذا هو تقديرنا لسرعة مقدرتنا على ترجمة موقع ويكيبيديا
14:44
from English into Spanish.
374
869000
2000
من الانجليزية الى الاسبانية
14:46
Remember, this is 50 million dollars-worth of value.
375
871000
3000
تذكرون , انه يقدر ب 50 مليون دولار
14:49
So if we wanted to translate Wikipedia into Spanish,
376
874000
2000
فإذا اردنا ترجمة موقع ويكيبيديا الى الاسبانية
14:51
we could do it in five weeks with 100,000 active users.
377
876000
3000
يمكننا القيام بذلك خلال خمسة اسابيع عن طريق 100,000 مستخدم نشِط
14:54
And we could do it in about 80 hours with a million active users.
378
879000
3000
ويمكننا القيام بذلك خلال ثمانين ساعة عن طريق مليون مستخدم نشٍط.
14:57
Since all the projects that my group has worked on so far have gotten millions of users,
379
882000
3000
بما ان جميع المشاريع التي عملت فيها مجموعتي ,كان فيها مليون مستخدم,
15:00
we're hopeful that we'll be able to translate
380
885000
2000
نأمل ان نستطيع الترجمة
15:02
extremely fast with this project.
381
887000
2000
بشكل سريع جداً بهذا المشروع
15:04
Now the thing that I'm most excited about with Duolingo
382
889000
3000
الشيء الذي انا متحمس له بشدة في ديولينجو
15:07
is I think this provides a fair business model for language education.
383
892000
3000
انه يقدم نموذج عادل لنشاط تعليم اللغة
15:10
So here's the thing:
384
895000
2000
هذه هي المسألة
15:12
The current business model for language education
385
897000
2000
النموذج الحالي لنشاط تعليم اللغة
15:14
is the student pays,
386
899000
2000
يقوم الطالب بالدفع
15:16
and in particular, the student pays Rosetta Stone 500 dollars.
387
901000
2000
في الواقع,يدفع الطالب 500 دولا لبرنامج روسيتا ستون (Rosetta Stone)
15:18
(Laughter)
388
903000
2000
(ضحك)
15:20
That's the current business model.
389
905000
2000
هذا هو النموذج الحالي للنشاط
15:22
The problem with this business model
390
907000
2000
مشكلة هذا النموذج
15:24
is that 95 percent of the world's population doesn't have 500 dollars.
391
909000
3000
ان 95 في المئة من سكان العالم لا يمتلكون 500 دولار
15:27
So it's extremely unfair towards the poor.
392
912000
3000
اذا هو غير عادل بالنسبة للفقراء
15:30
This is totally biased towards the rich.
393
915000
2000
وهو منحاز للاغنياء
15:32
Now see, in Duolingo,
394
917000
2000
الان لاحظ في ديولينجو
15:34
because while you learn
395
919000
2000
لأنه اثناء تعلمك
15:36
you're actually creating value, you're translating stuff --
396
921000
3000
انت تُوجٍد قيمة ,انت تترجم اشياء--
15:39
which for example, we could charge somebody for translations.
397
924000
3000
والتي على سبيل المثال ,يمكننا الدفع لشخص ما للقيام بالترجمة
15:42
So this is how we could monetize this.
398
927000
2000
هكذا يمكننا تحويل ذلك الى نقد
15:44
Since people are creating value while they're learning,
399
929000
2000
بما ان الاشخاص يُنتٍجون قيمة اثناء تعلمهم,
15:46
they don't have to pay their money, they pay with their time.
400
931000
3000
لا يترتب عليهم الدفع من اموالهم, هم يدفعون من وقتهم
15:49
But the magical thing here is that they're paying with their time,
401
934000
3000
لكن الشيء السحري هنا ,أنهم يدفعون من وقتهم
15:52
but that is time that would have had to have been spent anyways
402
937000
2000
وهو الوقت الذي سوف يُمضونه على اية حال
15:54
learning the language.
403
939000
2000
في تعلُم اللغة
15:56
So the nice thing about Duolingo is I think it provides a fair business model --
404
941000
3000
اذا الشيء الجيد حول ديولينجو انه في اعتقادي يُقدم نموذج عادل للنشاط
15:59
one that doesn't discriminate against poor people.
405
944000
2000
وهو غير متحيز ضد الفقراء
16:01
So here's the site. Thank you.
406
946000
2000
هذا هو الموقع
16:03
(Applause)
407
948000
8000
(تصفيق)
16:11
So here's the site.
408
956000
2000
هذا هو الموقع
16:13
We haven't yet launched,
409
958000
2000
لم نطلقه حتى الاَن
16:15
but if you go there, you can sign up to be part of our private beta,
410
960000
3000
لكن اذا ذهبت الى هناك يمكنك التسجيل لتصبح جزءاً من النسخة التجريبية
16:18
which is probably going to start in about three or four weeks.
411
963000
2000
والتي يمكن ان تبدأ خلال ثلاثة او اربعة اسابيع
16:20
We haven't yet launched this Duolingo.
412
965000
2000
لم نطلق موقع ديولينجو بعد
16:22
By the way, I'm the one talking here,
413
967000
2000
بالمناسبة, انا من يتحدث هنا
16:24
but actually Duolingo is the work of a really awesome team, some of whom are here.
414
969000
3000
لكن في الواقع ديولينجو هو جهد فريق رائع البعض منهم موجود هنا
16:27
So thank you.
415
972000
2000
شكراً لكم
16:29
(Applause)
416
974000
4000
(تصفيق)
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