ABOUT THE SPEAKER
Gary Flake - Technologist
Gary 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.

More profile about the speaker
Gary Flake | Speaker | TED.com
TED2010

Gary Flake: Is Pivot a turning point for web exploration?

Гари Флейк: Дали "Пайвът" е повратна точка за уеб изследователството?

Filmed:
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.
- Technologist
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 leaveоставям you with one bigголям ideaидея todayднес,
0
1000
2000
Ако мога да ви оставя с една голяма идея днес,
00:18
it's that the wholeцяло of the dataданни
1
3000
2000
това е идеята, че целостта от данни,
00:20
in whichкойто we consumeконсумираме
2
5000
2000
в която консумираме,
00:22
is greaterпо-голяма that the sumсума of the partsчасти,
3
7000
2000
е далеч по-голяма от сумата от частите,
00:24
and insteadвместо of thinkingмислене about informationинформация overloadсвръхтовар,
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 informationинформация so that patternsмодели popпоп
6
14000
3000
можем да използваме информацията, така че да изскочат схеми
00:32
and we can see trendsтенденции that would otherwiseв противен случай be invisibleневидим.
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 typicalтипичен mortalityсмъртност chartдиаграма
8
20000
3000
Онова, което разглеждаме тук, е типична графика на смъртността,
00:38
organizedорганизиран by ageвъзраст.
9
23000
2000
подредена по възраст.
00:40
This toolинструмент that I'm usingизползвайки here is a little experimentексперимент.
10
25000
2000
Инструментът, който използвам тук, е малък експеримент.
00:42
It's calledНаречен PivotОбобщена таблица, and with PivotОбобщена таблица what I can do
11
27000
3000
Нарича се "Пайвът" - ето какво може да прави "Пайвът":
00:45
is I can chooseизбирам to filterфилтър in one particularособен causeкауза of deathsсмъртни случаи -- say, accidentsзлополуки.
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 differentразличен patternмодел that emergesсе очертава.
13
34000
3000
И веднага виждам, че се появява различна схема.
00:52
This is because, in the mid-areaСредна зона here,
14
37000
2000
Това е, защото, тук в средата
00:54
people are at theirтехен mostнай-много activeактивен,
15
39000
2000
хората са най-активни,
00:56
and over here they're at theirтехен mostнай-много frailкрехък.
16
41000
2000
а тук долу са най-крехки.
00:58
We can stepстъпка back out again
17
43000
2000
Можем отново да отстъпим назад,
01:00
and then reorganizeреорганизирате the dataданни by causeкауза of deathсмърт,
18
45000
2000
а после да преподредим данните по причина на смърт,
01:02
seeingвиждане that circulatoryкръвообращението diseasesзаболявания and cancerрак
19
47000
3000
и виждаме, че свързаните с циркулацията болести и ракът
01:05
are the usualобичаен suspectsзаподозрени, but not for everyoneвсеки.
20
50000
3000
са обичайните заподозрени, но не за всеки.
01:08
If we go aheadнапред and we filterфилтър by ageвъзраст --
21
53000
3000
Ако продължим и филтрираме по възраст -
01:11
say 40 yearsгодини or lessпо-малко --
22
56000
2000
да кажем, 40 години или по-малко,
01:13
we see that accidentsзлополуки are actuallyвсъщност
23
58000
2000
виждаме, че инцидентите всъщност
01:15
the greatestнай велик causeкауза that people have to be worriedразтревожен about.
24
60000
3000
са най-голямата причина, за която хората трябва да се притесняват.
01:18
And if you drillпробивна машина into that, it's especiallyособено the caseслучай for menхора.
25
63000
3000
А ако се задълбае в това, става дума особено за мъжете.
01:21
So you get the ideaидея
26
66000
2000
И така, схващате идеята,
01:23
that viewingгледане informationинформация, viewingгледане dataданни in this way,
27
68000
3000
че разглеждането на информацията, разглеждането на данните по този начин
01:26
is a lot like swimmingплуване
28
71000
2000
доста прилича на плуване
01:28
in a livingжив informationинформация info-graphicИнфо-графика.
29
73000
3000
в една жива информационна инфо-графика.
01:31
And if we can do this for rawсуров dataданни,
30
76000
2000
А ако можем да правим това за необработени данни,
01:33
why not do it for contentсъдържание 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 coverПокрийте of everyвсеки singleединичен SportsСпорт IllustratedИлюстрирана
33
83000
3000
корицата на всеки един брой на "Спортс Илюстрейтед",
01:41
ever producedпроизведена.
34
86000
2000
издаван някога.
01:43
It's all here; it's all on the webмрежа.
35
88000
2000
Всичко е тук. Всичко е в мрежата.
01:45
You can go back to your roomsстаи 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 PivotОбобщена таблица, you can drillпробивна машина into a decadeдесетилетие.
37
93000
3000
С "Пайвът" можете да задълбаете в дадено десетилетие.
01:51
You can drillпробивна машина into a particularособен yearгодина.
38
96000
2000
Можете да задълбаете в определена година.
01:53
You can jumpскок right into a specificспецифичен issueпроблем.
39
98000
3000
Можете да скочите направо на определен брой.
01:56
So I'm looking at this; I see the athletesатлети
40
101000
2000
Разглеждам това; виждам атлетите,
01:58
that have appearedсе появява in this issueпроблем, the sportsспортен.
41
103000
2000
които са се появили в този брой, спортовете.
02:00
I'm a LanceЛанс ArmstrongАрмстронг fanфен, so I'll go aheadнапред and I'll clickкликване on that,
42
105000
3000
Почитател съм на Ланс Армстронг, затова ще кликна върху това,
02:03
whichкойто revealsразкрива, for me, all the issuesвъпроси
43
108000
2000
което разкрива за мен всички броеве,
02:05
in whichкойто LanceЛанс Armstrong'sАрмстронг been a partчаст of.
44
110000
2000
от които е бил част Ланс Армстронг.
02:07
(ApplauseАплодисменти)
45
112000
3000
(Аплодисменти)
02:10
Now, if I want to just kindмил of take a peekPeek at these,
46
115000
3000
Ако искам просто да надникна в тези,
02:13
I mightбиха могли, може think,
47
118000
2000
може да си помисля:
02:15
"Well, what about takingприемате a look at all of cyclingКолоездене?"
48
120000
2000
"Ами ако искам да разгледам цялото колоездене?"
02:17
So I can stepстъпка back, and expandразширят on that.
49
122000
2000
Мога да се върна стъпка назад и да разширя това.
02:19
And I see GregГрег LeMondLeMond now.
50
124000
2000
И сега виждам Грег Лемонд.
02:21
And so you get the ideaидея that when you
51
126000
2000
И така, схващате идеята, че когато
02:23
navigateнавигирате over informationинформация this way --
52
128000
2000
навигирате през информацията по този начин,
02:25
going narrower-тесен, broaderпо-широк,
53
130000
2000
стеснявате, разширявате,
02:27
backingподкрепа in, backingподкрепа out --
54
132000
2000
влизате, излизате,
02:29
you're not searchingтърсене, you're not browsingсърфиране.
55
134000
2000
вие не търсите, не разглеждате.
02:31
You're doing something that's actuallyвсъщност a little bitмалко differentразличен.
56
136000
2000
Всъщност правите нещо малко по-различно.
02:33
It's in betweenмежду, and we think it changesпромени
57
138000
3000
То е помежду, и според нас променя
02:36
the way informationинформация can be used.
58
141000
2000
начина, по който може да се използва информацията.
02:38
So I want to extrapolateекстраполира on this ideaидея a bitмалко
59
143000
2000
И така, искам да екстраполирам малко върху тази идея,
02:40
with something that's a little bitмалко crazyлуд.
60
145000
2000
нещо малко налудничаво.
02:42
What we're doneСвършен here is we'veние имаме takenвзета everyвсеки singleединичен WikipediaУикипедия pageстраница
61
147000
3000
Онова, което сме направили тук е, че сме взели всяка една страница от Уикипедия
02:45
and we reducedнамален it down to a little summaryРезюме.
62
150000
3000
и сме я намалили до кратко резюме.
02:48
So the summaryРезюме consistsсъстои се of just a little synopsisкратък обзор
63
153000
3000
Резюмето се състоеше само от малък синопсис
02:51
and an iconикона to indicateпосочат the topicalлокален area■ площ that it comesидва from.
64
156000
3000
и една иконка, сочеща тематичната област, от която идва.
02:54
I'm only showingпоказване the topвръх 500
65
159000
3000
Показвам само първите 500
02:57
mostнай-много popularпопулярен WikipediaУикипедия pagesстраници right here.
66
162000
2000
най-популярни страници в Уикипедия ето тук.
02:59
But even in this limitedограничен viewизглед,
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 senseсмисъл of what are the topicalлокален domainsдомейни
69
168000
2000
Веднага получаваме усет за това какви са тематичните области,
03:05
that are mostнай-много popularпопулярен on WikipediaУикипедия.
70
170000
2000
най-популярни в Уикипедия.
03:07
I'm going to go aheadнапред and selectизберете governmentправителство.
71
172000
2000
Ще продължа с избор на правителство.
03:09
Now, havingкато selectedподбран governmentправителство,
72
174000
3000
Сега, като избрах правителство,
03:12
I can now see that the WikipediaУикипедия categoriesкатегории
73
177000
2000
виждам, че категориите на Уикипедия,
03:14
that mostнай-много frequentlyчесто correspondсъответстват to that
74
179000
2000
които най-често отговарят на това,
03:16
are Time magazineсписание People of the YearГодина.
75
181000
3000
са "Хора на годината" на списание "Тайм".
03:19
So this is really importantважно because this is an insightпрозрение
76
184000
3000
Това е наистина важно, защото това е прозрение,
03:22
that was not containedсъдържаща се withinв рамките на any one WikipediaУикипедия pageстраница.
77
187000
3000
което не се съдържа в никоя страница от "Уикипедия".
03:25
It's only possibleвъзможен to see that insightпрозрение
78
190000
2000
Това прозрение е възможно да се случи,
03:27
when you stepстъпка 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 particularособен summariesрезюмета,
80
195000
2000
Като гледам едно от тези определени резюмета,
03:32
I can then drillпробивна машина into the conceptпонятие of
81
197000
3000
после мога да задълбая в концепцията
03:35
Time magazineсписание PersonЛице of the YearГодина,
82
200000
2000
на "Човек на годината" на списание "Тайм",
03:37
bringingпривеждане 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 majorityмнозинство come from governmentправителство;
85
206000
3000
виждам, че болшинството идват от правителството.
03:45
some have come from naturalестествен sciencesнауки;
86
210000
3000
Някои идват от природните науки.
03:49
some, fewerпо-малко still, have come from businessбизнес --
87
214000
3000
Някои, по-малко, са дошли от бизнеса.
03:53
there's my bossшеф --
88
218000
2000
Ето го моят шеф.
03:55
and one has come from musicмузика.
89
220000
5000
И един е дошъл от музиката.
04:00
And interestinglyинтересното enoughдостатъчно,
90
225000
2000
Доста интересно,
04:02
BonoБоно is alsoсъщо a TEDТЕД PrizeНаграда winnerпобедител.
91
227000
3000
Боно е също и лауреат на Наградата ТЕД.
04:05
So we can go, jumpскок, and take a look at all the TEDТЕД PrizeНаграда winnersпобедители.
92
230000
3000
Можем да отидем, да прескочим и да видим всички лауреати на Наградата ТЕД.
04:08
So you see, we're navigatingнавигацията the webмрежа for the first time
93
233000
3000
И така, виждате, навигираме из мрежата за пръв път,
04:11
as if it's actuallyвсъщност a webмрежа, not from page-to-pageстраница на страница,
94
236000
3000
като че ли наистина е мрежа - не страница по страница,
04:14
but at a higherпо-висок levelниво of abstractionабстракция.
95
239000
2000
а на едно по-високо ниво на абстракция.
04:16
And so I want to showшоу you one other thing
96
241000
2000
Искам да ви покажа нещо друго,
04:18
that mayможе catchулов you a little bitмалко by surpriseизненада.
97
243000
3000
което може да ви изненада малко.
04:21
I'm just showingпоказване the NewНов YorkЙорк TimesПъти websiteуебсайт here.
98
246000
3000
Тук показвам просто уебсайта на "Ню Йорк Таймс".
04:24
So PivotОбобщена таблица, this applicationприложение --
99
249000
2000
И така, "Пайвът", това приложение...
04:26
I don't want to call it a browserбраузър; it's really not a browserбраузър,
100
251000
2000
не искам да го наричам браузър; всъщност не е браузър,
04:28
but you can viewизглед webмрежа pagesстраници with it --
101
253000
3000
но с него могат да се разглеждат уеб страници...
04:31
and we bringвъвеждат that zoomablezoomable technologyтехнология
102
256000
2000
и внасяме тази приближаема технология
04:33
to everyвсеки singleединичен webмрежа pageстраница like this.
103
258000
3000
във всяка една уеб страница като тази.
04:36
So I can stepстъпка back,
104
261000
3000
Така че мога да направя стъпка назад
04:39
popпоп right back into a specificспецифичен sectionраздел.
105
264000
2000
и да попадна отново в определена секция.
04:41
Now the reasonпричина why this is importantважно is because,
106
266000
2000
Причаната това да е важно е, че
04:43
by virtueдобродетелта of just viewingгледане webмрежа pagesстраници in this way,
107
268000
3000
благодарение само на разглеждането на уеб страници по този начин,
04:46
I can look at my entireцял browsingсърфиране historyистория
108
271000
2000
мога да погледна цялата си история на браузване
04:48
in the exactточен sameедин и същ way.
109
273000
2000
по точно същия начин.
04:50
So I can drillпробивна машина into what I've doneСвършен
110
275000
2000
Така че мога да дълбая в онова, което съм правил
04:52
over specificспецифичен time framesрамки.
111
277000
2000
в определени периоди от време.
04:54
Here, in factфакт, is the stateсъстояние
112
279000
2000
Всъщност, тук е състоянието
04:56
of all the demoдемо that I just gaveдадох.
113
281000
2000
на цялата демонстрация, която току-що направих.
04:58
And I can sortвид of replayReplay some stuffматерия that I was looking at earlierпо-рано todayднес.
114
283000
3000
И мога да повторя някои неща, които разглеждах по-рано днес.
05:01
And, if I want to stepстъпка back and look at everything,
115
286000
3000
А ако искам да се върна стъпка назад и да разгледам всичко,
05:04
I can sliceфилия and diceзарове my historyистория,
116
289000
2000
мога да разгледам парче по парче историята си
05:06
perhapsможе би by my searchТърсене historyистория --
117
291000
2000
вероятно чрез историята на търсенето си.
05:08
here, I was doing some nepotisticпристрастно searchingтърсене,
118
293000
2000
Тук правех малко пристрастно търсене,
05:10
looking for BingБинг, over here for LiveНа живо LabsLabs PivotОбобщена таблица.
119
295000
3000
търсех "Бинг", а тук - "Лайв Лабс Пайвът".
05:13
And from these, I can drillпробивна машина into the webмрежа pageстраница
120
298000
2000
А от тях мога да задълбая в уеб страницата
05:15
and just launchхвърлям them again.
121
300000
2000
и просто да ги пусна отново.
05:17
It's one metaphorметафора repurposedrepurposed multipleмногократни timesпъти,
122
302000
3000
Това е една метафора, чието предназначение се променя множество пъти
05:20
and in eachвсеки caseслучай it makesправи the wholeцяло greaterпо-голяма
123
305000
2000
и във всеки случай прави цялото много по-голямо
05:22
than the sumсума of the partsчасти with the dataданни.
124
307000
2000
от сумата от частите с данните.
05:24
So right now, in this worldсвят,
125
309000
3000
И така, сега в този свят
05:27
we think about dataданни as beingсъщество this curseпроклятие.
126
312000
3000
мислим за данните като за проклятие.
05:30
We talk about the curseпроклятие of informationинформация overloadсвръхтовар.
127
315000
3000
Говорим за проклятието на информационното претоварване.
05:33
We talk about drowningудавяне in dataданни.
128
318000
3000
Говорим за давене в данни.
05:36
What if we can actuallyвсъщност turnзавой that upsideнаопаки down
129
321000
2000
Ами ако всъщност можем да обърнем това с главата надолу,
05:38
and turnзавой the webмрежа upsideнаопаки down,
130
323000
2000
да обърнем мрежата с главата надолу,
05:40
so that insteadвместо of navigatingнавигацията from one thing to the nextследващия,
131
325000
3000
така че вместо от едното към следващото
05:43
we get used to the habitнавик of beingсъщество ableспособен to go from manyмного things to manyмного things,
132
328000
3000
да свикнем с навика да можем да минаваме от много неща към много неща
05:46
and then beingсъщество ableспособен to see the patternsмодели
133
331000
2000
и тогава да можем да видим схемите,
05:48
that were otherwiseв противен случай hiddenскрит?
134
333000
2000
които иначе са били скрити?
05:50
If we can do that, then insteadвместо of beingсъщество trappedкапан in dataданни,
135
335000
5000
Ако можем да правим това, тогава, вместо да бъдем хванати в капана на данните,
05:55
we mightбиха могли, може actuallyвсъщност extractекстракт informationинформация.
136
340000
3000
може би наистина ще извличаме информация.
05:58
And, insteadвместо of dealingотношение just with informationинформация,
137
343000
2000
И вместо да се занимаваме само с информация,
06:00
we can teaseзакачка out knowledgeзнание.
138
345000
2000
можем да измъкваме знание.
06:02
And if we get the knowledgeзнание, then maybe even there's wisdomмъдрост to be foundнамерено.
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
(ApplauseАплодисменти)
141
352000
8000
(Аплодисменти)
Translated by MaYoMo com
Reviewed by Kaloyana Milinova

▲Back to top

ABOUT THE SPEAKER
Gary Flake - Technologist
Gary 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.

More profile about the speaker
Gary Flake | Speaker | TED.com