TED2010
Gary Flake: Is Pivot a turning point for web exploration?
Гари Флейк: Дали "Пайвът" е повратна точка за уеб изследователството?
Filmed:
Readability: 3.8
751,479 views
Гари Флейк демонстрира "Пайвът" - нов начин за търсене и подреждане на масивни количества изображения и данни онлайн. Изграден върху революционната технология "Сийдрагън", той дава възможност за зрелищни увеличения и намаления в уеб бази данни, както и за откриване на схеми и връзки, невидими при стандартното уеб търсене.
Gary Flake - Technologist
Gary Flake is a Technical Fellow at Microsoft, and the founder and director of Live Labs. Full bio
Gary Flake is a Technical Fellow at Microsoft, and the founder and director of Live Labs. Full bio
Double-click the English transcript below to play the video.
00:16
If I can leave you with one big idea today,
0
1000
2000
Ако мога да ви оставя с една голяма идея днес,
00:18
it's that the whole of the data
1
3000
2000
това е идеята, че целостта от данни,
00:20
in which we consume
2
5000
2000
в която консумираме,
00:22
is greater that the sum of the parts,
3
7000
2000
е далеч по-голяма от сумата от частите,
00:24
and instead of thinking about information overload,
4
9000
3000
и вместо да мислим за информационно претоварване,
00:27
what I'd like you to think about is how
5
12000
2000
бих искал да мислите как
00:29
we can use information so that patterns pop
6
14000
3000
можем да използваме информацията, така че да изскочат схеми
00:32
and we can see trends that would otherwise be invisible.
7
17000
3000
и да можем да видим тенденции, които иначе биха били невидими.
00:35
So what we're looking at right here is a typical mortality chart
8
20000
3000
Онова, което разглеждаме тук, е типична графика на смъртността,
00:38
organized by age.
9
23000
2000
подредена по възраст.
00:40
This tool that I'm using here is a little experiment.
10
25000
2000
Инструментът, който използвам тук, е малък експеримент.
00:42
It's called Pivot, and with Pivot what I can do
11
27000
3000
Нарича се "Пайвът" - ето какво може да прави "Пайвът":
00:45
is I can choose to filter in one particular cause of deaths -- say, accidents.
12
30000
4000
мога да реша да филтрирам по определена причина на смъртта, например инциденти.
00:49
And, right away, I see there's a different pattern that emerges.
13
34000
3000
И веднага виждам, че се появява различна схема.
00:52
This is because, in the mid-area here,
14
37000
2000
Това е, защото, тук в средата
00:54
people are at their most active,
15
39000
2000
хората са най-активни,
00:56
and over here they're at their most frail.
16
41000
2000
а тук долу са най-крехки.
00:58
We can step back out again
17
43000
2000
Можем отново да отстъпим назад,
01:00
and then reorganize the data by cause of death,
18
45000
2000
а после да преподредим данните по причина на смърт,
01:02
seeing that circulatory diseases and cancer
19
47000
3000
и виждаме, че свързаните с циркулацията болести и ракът
01:05
are the usual suspects, but not for everyone.
20
50000
3000
са обичайните заподозрени, но не за всеки.
01:08
If we go ahead and we filter by age --
21
53000
3000
Ако продължим и филтрираме по възраст -
01:11
say 40 years or less --
22
56000
2000
да кажем, 40 години или по-малко,
01:13
we see that accidents are actually
23
58000
2000
виждаме, че инцидентите всъщност
01:15
the greatest cause that people have to be worried about.
24
60000
3000
са най-голямата причина, за която хората трябва да се притесняват.
01:18
And if you drill into that, it's especially the case for men.
25
63000
3000
А ако се задълбае в това, става дума особено за мъжете.
01:21
So you get the idea
26
66000
2000
И така, схващате идеята,
01:23
that viewing information, viewing data in this way,
27
68000
3000
че разглеждането на информацията, разглеждането на данните по този начин
01:26
is a lot like swimming
28
71000
2000
доста прилича на плуване
01:28
in a living information info-graphic.
29
73000
3000
в една жива информационна инфо-графика.
01:31
And if we can do this for raw data,
30
76000
2000
А ако можем да правим това за необработени данни,
01:33
why not do it for content as well?
31
78000
3000
защо да не го правим и за съдържанието?
01:36
So what we have right here
32
81000
2000
Ето какво имаме тук -
01:38
is the cover of every single Sports Illustrated
33
83000
3000
корицата на всеки един брой на "Спортс Илюстрейтед",
01:41
ever produced.
34
86000
2000
издаван някога.
01:43
It's all here; it's all on the web.
35
88000
2000
Всичко е тук. Всичко е в мрежата.
01:45
You can go back to your rooms and try this after my talk.
36
90000
3000
Може да се върнете в стаите си и да опитате това след моя разговор.
01:48
With Pivot, you can drill into a decade.
37
93000
3000
С "Пайвът" можете да задълбаете в дадено десетилетие.
01:51
You can drill into a particular year.
38
96000
2000
Можете да задълбаете в определена година.
01:53
You can jump right into a specific issue.
39
98000
3000
Можете да скочите направо на определен брой.
01:56
So I'm looking at this; I see the athletes
40
101000
2000
Разглеждам това; виждам атлетите,
01:58
that have appeared in this issue, the sports.
41
103000
2000
които са се появили в този брой, спортовете.
02:00
I'm a Lance Armstrong fan, so I'll go ahead and I'll click on that,
42
105000
3000
Почитател съм на Ланс Армстронг, затова ще кликна върху това,
02:03
which reveals, for me, all the issues
43
108000
2000
което разкрива за мен всички броеве,
02:05
in which Lance Armstrong's been a part of.
44
110000
2000
от които е бил част Ланс Армстронг.
02:07
(Applause)
45
112000
3000
(Аплодисменти)
02:10
Now, if I want to just kind of take a peek at these,
46
115000
3000
Ако искам просто да надникна в тези,
02:13
I might think,
47
118000
2000
може да си помисля:
02:15
"Well, what about taking a look at all of cycling?"
48
120000
2000
"Ами ако искам да разгледам цялото колоездене?"
02:17
So I can step back, and expand on that.
49
122000
2000
Мога да се върна стъпка назад и да разширя това.
02:19
And I see Greg LeMond now.
50
124000
2000
И сега виждам Грег Лемонд.
02:21
And so you get the idea that when you
51
126000
2000
И така, схващате идеята, че когато
02:23
navigate over information this way --
52
128000
2000
навигирате през информацията по този начин,
02:25
going narrower, broader,
53
130000
2000
стеснявате, разширявате,
02:27
backing in, backing out --
54
132000
2000
влизате, излизате,
02:29
you're not searching, you're not browsing.
55
134000
2000
вие не търсите, не разглеждате.
02:31
You're doing something that's actually a little bit different.
56
136000
2000
Всъщност правите нещо малко по-различно.
02:33
It's in between, and we think it changes
57
138000
3000
То е помежду, и според нас променя
02:36
the way information can be used.
58
141000
2000
начина, по който може да се използва информацията.
02:38
So I want to extrapolate on this idea a bit
59
143000
2000
И така, искам да екстраполирам малко върху тази идея,
02:40
with something that's a little bit crazy.
60
145000
2000
нещо малко налудничаво.
02:42
What we're done here is we've taken every single Wikipedia page
61
147000
3000
Онова, което сме направили тук е, че сме взели всяка една страница от Уикипедия
02:45
and we reduced it down to a little summary.
62
150000
3000
и сме я намалили до кратко резюме.
02:48
So the summary consists of just a little synopsis
63
153000
3000
Резюмето се състоеше само от малък синопсис
02:51
and an icon to indicate the topical area that it comes from.
64
156000
3000
и една иконка, сочеща тематичната област, от която идва.
02:54
I'm only showing the top 500
65
159000
3000
Показвам само първите 500
02:57
most popular Wikipedia pages right here.
66
162000
2000
най-популярни страници в Уикипедия ето тук.
02:59
But even in this limited view,
67
164000
2000
Но дори при този ограничен изглед,
03:01
we can do a lot of things.
68
166000
2000
можем да правим доста неща.
03:03
Right away, we get a sense of what are the topical domains
69
168000
2000
Веднага получаваме усет за това какви са тематичните области,
03:05
that are most popular on Wikipedia.
70
170000
2000
най-популярни в Уикипедия.
03:07
I'm going to go ahead and select government.
71
172000
2000
Ще продължа с избор на правителство.
03:09
Now, having selected government,
72
174000
3000
Сега, като избрах правителство,
03:12
I can now see that the Wikipedia categories
73
177000
2000
виждам, че категориите на Уикипедия,
03:14
that most frequently correspond to that
74
179000
2000
които най-често отговарят на това,
03:16
are Time magazine People of the Year.
75
181000
3000
са "Хора на годината" на списание "Тайм".
03:19
So this is really important because this is an insight
76
184000
3000
Това е наистина важно, защото това е прозрение,
03:22
that was not contained within any one Wikipedia page.
77
187000
3000
което не се съдържа в никоя страница от "Уикипедия".
03:25
It's only possible to see that insight
78
190000
2000
Това прозрение е възможно да се случи,
03:27
when you step back and look at all of them.
79
192000
3000
като направиш стъпка назад и ги погледнеш всички.
03:30
Looking at one of these particular summaries,
80
195000
2000
Като гледам едно от тези определени резюмета,
03:32
I can then drill into the concept of
81
197000
3000
после мога да задълбая в концепцията
03:35
Time magazine Person of the Year,
82
200000
2000
на "Човек на годината" на списание "Тайм",
03:37
bringing up all of them.
83
202000
2000
като ги извадя всички.
03:39
So looking at these people,
84
204000
2000
Като гледам тези хора,
03:41
I can see that the majority come from government;
85
206000
3000
виждам, че болшинството идват от правителството.
03:45
some have come from natural sciences;
86
210000
3000
Някои идват от природните науки.
03:49
some, fewer still, have come from business --
87
214000
3000
Някои, по-малко, са дошли от бизнеса.
03:53
there's my boss --
88
218000
2000
Ето го моят шеф.
03:55
and one has come from music.
89
220000
5000
И един е дошъл от музиката.
04:00
And interestingly enough,
90
225000
2000
Доста интересно,
04:02
Bono is also a TED Prize winner.
91
227000
3000
Боно е също и лауреат на Наградата ТЕД.
04:05
So we can go, jump, and take a look at all the TED Prize winners.
92
230000
3000
Можем да отидем, да прескочим и да видим всички лауреати на Наградата ТЕД.
04:08
So you see, we're navigating the web for the first time
93
233000
3000
И така, виждате, навигираме из мрежата за пръв път,
04:11
as if it's actually a web, not from page-to-page,
94
236000
3000
като че ли наистина е мрежа - не страница по страница,
04:14
but at a higher level of abstraction.
95
239000
2000
а на едно по-високо ниво на абстракция.
04:16
And so I want to show you one other thing
96
241000
2000
Искам да ви покажа нещо друго,
04:18
that may catch you a little bit by surprise.
97
243000
3000
което може да ви изненада малко.
04:21
I'm just showing the New York Times website here.
98
246000
3000
Тук показвам просто уебсайта на "Ню Йорк Таймс".
04:24
So Pivot, this application --
99
249000
2000
И така, "Пайвът", това приложение...
04:26
I don't want to call it a browser; it's really not a browser,
100
251000
2000
не искам да го наричам браузър; всъщност не е браузър,
04:28
but you can view web pages with it --
101
253000
3000
но с него могат да се разглеждат уеб страници...
04:31
and we bring that zoomable technology
102
256000
2000
и внасяме тази приближаема технология
04:33
to every single web page like this.
103
258000
3000
във всяка една уеб страница като тази.
04:36
So I can step back,
104
261000
3000
Така че мога да направя стъпка назад
04:39
pop right back into a specific section.
105
264000
2000
и да попадна отново в определена секция.
04:41
Now the reason why this is important is because,
106
266000
2000
Причаната това да е важно е, че
04:43
by virtue of just viewing web pages in this way,
107
268000
3000
благодарение само на разглеждането на уеб страници по този начин,
04:46
I can look at my entire browsing history
108
271000
2000
мога да погледна цялата си история на браузване
04:48
in the exact same way.
109
273000
2000
по точно същия начин.
04:50
So I can drill into what I've done
110
275000
2000
Така че мога да дълбая в онова, което съм правил
04:52
over specific time frames.
111
277000
2000
в определени периоди от време.
04:54
Here, in fact, is the state
112
279000
2000
Всъщност, тук е състоянието
04:56
of all the demo that I just gave.
113
281000
2000
на цялата демонстрация, която току-що направих.
04:58
And I can sort of replay some stuff that I was looking at earlier today.
114
283000
3000
И мога да повторя някои неща, които разглеждах по-рано днес.
05:01
And, if I want to step back and look at everything,
115
286000
3000
А ако искам да се върна стъпка назад и да разгледам всичко,
05:04
I can slice and dice my history,
116
289000
2000
мога да разгледам парче по парче историята си
05:06
perhaps by my search history --
117
291000
2000
вероятно чрез историята на търсенето си.
05:08
here, I was doing some nepotistic searching,
118
293000
2000
Тук правех малко пристрастно търсене,
05:10
looking for Bing, over here for Live Labs Pivot.
119
295000
3000
търсех "Бинг", а тук - "Лайв Лабс Пайвът".
05:13
And from these, I can drill into the web page
120
298000
2000
А от тях мога да задълбая в уеб страницата
05:15
and just launch them again.
121
300000
2000
и просто да ги пусна отново.
05:17
It's one metaphor repurposed multiple times,
122
302000
3000
Това е една метафора, чието предназначение се променя множество пъти
05:20
and in each case it makes the whole greater
123
305000
2000
и във всеки случай прави цялото много по-голямо
05:22
than the sum of the parts with the data.
124
307000
2000
от сумата от частите с данните.
05:24
So right now, in this world,
125
309000
3000
И така, сега в този свят
05:27
we think about data as being this curse.
126
312000
3000
мислим за данните като за проклятие.
05:30
We talk about the curse of information overload.
127
315000
3000
Говорим за проклятието на информационното претоварване.
05:33
We talk about drowning in data.
128
318000
3000
Говорим за давене в данни.
05:36
What if we can actually turn that upside down
129
321000
2000
Ами ако всъщност можем да обърнем това с главата надолу,
05:38
and turn the web upside down,
130
323000
2000
да обърнем мрежата с главата надолу,
05:40
so that instead of navigating from one thing to the next,
131
325000
3000
така че вместо от едното към следващото
05:43
we get used to the habit of being able to go from many things to many things,
132
328000
3000
да свикнем с навика да можем да минаваме от много неща към много неща
05:46
and then being able to see the patterns
133
331000
2000
и тогава да можем да видим схемите,
05:48
that were otherwise hidden?
134
333000
2000
които иначе са били скрити?
05:50
If we can do that, then instead of being trapped in data,
135
335000
5000
Ако можем да правим това, тогава, вместо да бъдем хванати в капана на данните,
05:55
we might actually extract information.
136
340000
3000
може би наистина ще извличаме информация.
05:58
And, instead of dealing just with information,
137
343000
2000
И вместо да се занимаваме само с информация,
06:00
we can tease out knowledge.
138
345000
2000
можем да измъкваме знание.
06:02
And if we get the knowledge, then maybe even there's wisdom to be found.
139
347000
3000
А ако получаваме знанието, тогава може би дори има мъдрост за откриване.
06:05
So with that, I thank you.
140
350000
2000
С това, благодаря.
06:07
(Applause)
141
352000
8000
(Аплодисменти)
ABOUT THE SPEAKER
Gary Flake - TechnologistGary Flake is a Technical Fellow at Microsoft, and the founder and director of Live Labs.
Why you should listen
Gary Flake is a Technical Fellow at Microsoft, where he focuses on Internet products and technologies including search, advertising, content, portals, community and application development. In this capacity, he helps define and evolve Microsoft's product vision, technical architecture and business strategy for online services. He is also the founder and director of Live Labs, a skunkworks that bridges research and development, and is widely recognized for inventing new best practices for catalyzing and managing innovation.
Prior to joining Microsoft, Flake founded Yahoo! Research Labs, ran Yahoo!'s corporate R&D activities and company-wide innovation effort, and was the Chief Science Officer of Overture, the company that invented the paid search business model. Flake also wrote the award-winning book The Computational Beauty of Nature, which is used in college courses worldwide.
Gary Flake | Speaker | TED.com