TED2011
Aaron Koblin: Visualizing ourselves ... with crowd-sourced data
Aaron Koblin: Umělecké zobrazení lidstva
Filmed:
Readability: 4.2
1,731,467 views
Umělec Aaron Koblin bere velká množství dat -- a tím i velké množství lidí -- a přetváří je do úžasných vizualizací. Od elegantních čar sledujících trasy letadel po krajiny pokryté daty o mobilních telefonech, od videa Johnnyho Cashe vytvořeného z různých kreseb po video "Centrum divočiny", které se přizpůsobuje uživateli, jeho práce nádherně ukazuje, jak nás může moderní technologie učinit lidštější.
Aaron Koblin - Data artist
Aaron Koblin is an artist specializing in data and digital technologies. His work takes real world and community-generated data and uses it to reflect on cultural trends and the changing relationship between humans and technology. Full bio
Aaron Koblin is an artist specializing in data and digital technologies. His work takes real world and community-generated data and uses it to reflect on cultural trends and the changing relationship between humans and technology. Full bio
Double-click the English transcript below to play the video.
00:15
So I think data can actually make us more human.
0
0
4000
Myslím si, že nás data mohou učinit lidštějšími.
00:19
We're collecting and creating all kinds of data about how we're living our lives,
1
4000
3000
Sbíráme a vytváříme různé druhy dat o tom, jak žijeme své životy,
00:22
and it's enabling us to tell some amazing stories.
2
7000
2000
a to nám umožňuje vyprávět úžasné příběhy.
00:24
Recently, a wise media theorist Tweeted,
3
9000
3000
Nedávno jeden moudrý teoretik médií napsal:
00:27
"The 19th century culture was defined by the novel,
4
12000
2000
"Kultura 19. století byla definována románem,
00:29
the 20th century culture was defined by the cinema,
5
14000
2000
kultura 20. století kinem
00:31
and the culture of the 21st century
6
16000
2000
a kultura 21. století
00:33
will be defined by the interface."
7
18000
2000
bude definována rozhraním.
00:35
And I believe this is going to prove true.
8
20000
2000
A já věřím, že se to tak stane.
00:37
Our lives are being driven by data,
9
22000
2000
Naše životy jsou řízeny daty
00:39
and the presentation of that data is an opportunity
10
24000
2000
a prezentace těchto dat je příležitost,
00:41
for us to make some amazing interfaces that tell great stories.
11
26000
2000
jak můžeme vytvořit úžasná rozhraní vyprávějící velké příběhy.
00:43
So I'm going to show you a few of the projects
12
28000
2000
Ukážu vám tedy několik projektů,
00:45
that I've been working on over the last couple years
13
30000
2000
na kterých jsem během posledních let pracoval
00:47
that reflect on our lives and our systems.
14
32000
2000
a které reflektují naše životy a naše systémy.
00:49
This is a project called Flight Patterns.
15
34000
2000
Tento projekt se nazývá Vzory létání.
00:51
What you're looking at is airplane traffic
16
36000
2000
Díváte se na letový provoz
00:53
over North America for a 24-hour period.
17
38000
3000
nad severní Amerikou během 24 hodin.
00:56
As you see, everything starts to fade to black,
18
41000
2000
Jak vidíte, všechno se ztmavuje
00:58
and you see people going to sleep.
19
43000
2000
a lidé jdou spát.
01:00
Followed by that, you see on the West coast
20
45000
2000
Následně vidíte, jak se nad západním pobřežím
01:02
planes moving across, the red-eye flights to the East coast.
21
47000
3000
pohybují letadla, tyto noční lety míří na východní pobřeží.
01:05
And you'll see everybody waking up on the East coast,
22
50000
3000
A vidíte, jak všichni na východním pobřeží vstávají
01:08
followed by European flights coming in the upper right-hand corner.
23
53000
3000
a následně letadla z Evropy, která přilétají v pravém horním rohu.
01:11
Everybody's moving from the East coast to the West coast.
24
56000
3000
Všichni se pohybují z východního pobřeží na západní.
01:14
You see San Francisco and Los Angeles
25
59000
2000
Vidíte, jak ze San Francisca a Los Angeles
01:16
start to make their journeys down to Hawaii in the lower left-hand corner.
26
61000
3000
vylétají směrem na Havaj v levém dolním rohu.
01:19
I think it's one thing to say there's 140,000 planes
27
64000
2000
Řekl bych, že je jedna věc, že je 140 tisíc letadel
01:21
being monitored by the federal government at any one time,
28
66000
3000
sledováno federální vládou v každém okamžiku,
01:24
and it's another thing to see that system as it ebbs and flows.
29
69000
3000
a něco jiného je, když vidíte systém, jak se odlétá a přilétá.
01:29
This is a time-lapse image of that exact same data,
30
74000
2000
Toto je časosběrný snímek těch samých dat,
01:31
but I've color-coded it by type,
31
76000
2000
ale obarvil jsem jej podle typu,
01:33
so you can see the diversity of aircraft that are in the skies above us.
32
78000
3000
takže můžete vidět různorodost letadel, která jsou na obloze nad námi.
01:36
And I started making these, and I put them into Google Maps
33
81000
3000
Začal jsem tohle vytvářet, dal jsem to na Google Maps
01:39
and allow you to zoom in and see individual airports
34
84000
2000
a přidal možnost přiblížit a vidět jednotlivá letiště
01:41
and the patterns that are occurring there.
35
86000
2000
a vzory, které se tam vyskytují.
01:43
So here we can see the white represents low altitudes,
36
88000
3000
Tady můžeme vidět, jak bílá reprezentuje nízké výšky
01:46
and the blue are higher altitudes.
37
91000
2000
a modrá vysoké výšky.
01:48
And you can zoom in. This is taking a look at Atlanta.
38
93000
2000
A můžete přibližovat. Tímto se díváme na Atlantu.
01:50
You can see this is a major shipping airport,
39
95000
2000
Můžete vidět toto velké přepravní letiště,
01:52
and there's all kinds of activity there.
40
97000
2000
kde se děje spousta věcí.
01:54
You can also toggle between altitude
41
99000
3000
Můžete také přepínat mezi výškou,
01:57
for model and manufacturer.
42
102000
2000
typem letadla a výrobcem.
01:59
See again, the diversity.
43
104000
2000
Opět zde vidíte tu různorodost.
02:01
And you can scroll around and see
44
106000
2000
A můžete se pohybovat po mapě a vidět
02:03
some of the different airports and the different patterns that they have.
45
108000
3000
některá další letiště a různé dráhy, které mají.
02:06
This is scrolling up the East coast.
46
111000
2000
Teď přejíždíme nad východní pobřeží.
02:08
You can see some of the chaos that's happening in New York
47
113000
2000
Můžete vidět ten chaos na New Yorkem,
02:10
with the air traffic controllers
48
115000
2000
kde se letečtí dispečeři
02:12
having to deal with all those major airports next to each other.
49
117000
4000
musí vypořádat se všemi velkými letišti tak blízko sebe.
02:17
So zooming back out real quick,
50
122000
2000
Pokud se v rychlosti oddálíme,
02:19
we see, again, the U.S. -- you get Florida down in the right-hand corner.
51
124000
3000
můžeme opět vidět USA -- máte Floridu v pravém dolním rohu.
02:22
Moving across to the West coast,
52
127000
2000
Přesuneme-li se nad západní pobřeží,
02:24
you see San Francisco and Los Angeles --
53
129000
2000
vidíte San Francisco a Los Angeles --
02:26
big low-traffic zones
54
131000
2000
a velké bezletové zóny
02:28
across Nevada and Arizona.
55
133000
2000
napříč Nevadou a Arizonou.
02:30
And that's us down there in L.A. and Long Beach on the bottom.
56
135000
4000
A tady jsme my v L.A. a dole v Long Beach.
02:36
I started taking a look as well at different perimeters,
57
141000
2000
Začal jsem si též všímat různých parametrů,
02:38
because you can choose what you want to pull out from the data.
58
143000
2000
protože si můžete vybrat, co chcete z dat získat.
02:40
This is looking at ascending versus descending flights.
59
145000
3000
Tady se díváme na stoupající lety vůči klesajícím.
02:43
And you can see, over time, the ways the airports change.
60
148000
2000
A můžete vidět, jak se v průběhu času letiště mění.
02:45
You see the holding patterns that start to develop
61
150000
2000
Vidíte určité vzory, které se začínají objevovat
02:47
in the bottom of the screen.
62
152000
2000
na spodu obrazovky.
02:49
And you can see, eventually the airport actually flips directions.
63
154000
3000
A můžete vidět, jak letiště v určitý moment vlastně změní směry.
02:53
So this is another project that I worked on with the Sensible Cities Lab at MIT.
64
158000
3000
Tohle je další projekt, na kterém jsem pracoval v laboratoři pro sledování měst na MIT.
02:56
This is visualizing international communications.
65
161000
2000
Tohle zobrazuje mezinárodní komunikaci.
02:58
So it's how New York communicates
66
163000
2000
Takto New York komunikuje
03:00
with other international cities.
67
165000
2000
s dalšími mezinárodními městy.
03:02
And we set this up as a live globe in the Museum of Modern Art in New York
68
167000
3000
Vystavili jsme tohle jako živý glóbus v Muzeu moderních umění v New Yorku
03:05
for the Design the Elastic Mind exhibition.
69
170000
2000
na výstavu Návrh elastické mysli.
03:07
And it had a live feed with a 24-hour offset,
70
172000
2000
A mělo to živá data s 24 hodinových rozsahem,
03:09
so you could see the changing relationship
71
174000
2000
takže jste mohli vidět měnící se průběh
03:11
and some demographic info
72
176000
2000
a nějaké demografické informace
03:13
coming through AT&T's data and revealing itself.
73
178000
3000
přicházející z dat AT&T.
03:16
This is another project I worked on with Sensible Cities Lab
74
181000
2000
Tohle je další projekt, na kterém jsem spolupracoval s laboratoří pro sledování měst
03:18
and CurrentCity.org.
75
183000
2000
a CurrentCity.org.
03:20
And it's visualizing SMS messages being sent in the city of Amsterdam.
76
185000
3000
Je to vizualizace poslaných SMS zpráv ve městě Amsterdam.
03:23
So you're seeing the daily ebb and flow
77
188000
2000
Vidíte tady denní výkyvy
03:25
of people sending SMS messages from different parts of the city,
78
190000
2000
lidí posílajících SMS zprávy z různých částí města,
03:27
until we approach New Year's Eve, where everybody says, "Happy New Year!"
79
192000
3000
než se přiblížíme k silvestrovské půlnoci, kdy všichni posílají "Šťastný nový rok!"
03:30
(Laughter)
80
195000
2000
(Smích)
03:32
So this is an interactive tool
81
197000
2000
Tohle je interaktivní nástroj,
03:34
that you can move around and see different parts of the city.
82
199000
3000
kterým můžete pohybovat a sledovat různé části města.
03:37
This is looking at another event. This is called Queen's Day.
83
202000
3000
Tady se díváme na jinou událost, Den královny.
03:40
So again, you get this daily ebb and flow
84
205000
2000
A opět zde vidíte denní průtoky
03:42
of people sending SMS messages from different parts of the city.
85
207000
3000
lidí posílajících SMS zprávy z různých částí města.
03:45
And then you're going to see people start to gather in the center of the city
86
210000
2000
A pak vidíte, jak se lidé začnou scházet uprostřed města,
03:47
to celebrate the night before,
87
212000
2000
aby oslavili noc před tímto dnem,
03:49
which happens right here.
88
214000
2000
což se děje přímo tady.
03:51
And then you can see people celebrating the next day.
89
216000
2000
A pak můžete vidět, jak lidi slaví následující den.
03:53
And you can pause it and step back and forth and see different phases.
90
218000
3000
A můžete si to zastavit a posunovat čas, abyste viděli různé fáze.
03:56
So now on to something completely different.
91
221000
2000
Teď se podíváme na něco úplně jiného.
03:58
Some of you may recognize this.
92
223000
2000
Někteří z vás to možná poznají.
04:00
This is Baron Wolfgang von Kempelen's mechanical chess playing machine.
93
225000
3000
Tohle je mechanický stroj na hraní šachu barona Wolfganga von Kempelena.
04:03
And it's this amazing robot that plays chess extremely well,
94
228000
2000
A je to tento úžasný robot, který hraje výborně šachy,
04:05
except for one thing: it's not a robot at all.
95
230000
3000
s jednou výjimkou: ve skutečnosti to robot není.
04:08
There's actually a legless man that sits in that box
96
233000
2000
V té krabici totiž sedí beznohý člověk
04:10
and controls this chess player.
97
235000
2000
a ovládá hráče šachu.
04:12
This was the inspiration for a web service by Amazon
98
237000
2000
To bylo inspirací pro webovou službu Amazonu
04:14
called the Mechanical Turk -- named after this guy.
99
239000
3000
nazvanou Mechanický Turek -- pojmenovanou podle tohoto chlápka.
04:17
And it's based on the premise that there are certain things
100
242000
2000
Je to založeno na předpokladu, že existují určité věci,
04:19
that are easy for people, but really difficult for computers.
101
244000
2000
které jsou snadné pro člověka, ale opravdu obtížné pro počítač.
04:21
So they made this web service and said,
102
246000
2000
Vytvořili tedy tuto webovou službu a řekli:
04:23
"Any programmer can write a piece of software
103
248000
2000
"Každý programátor může napsat kousek kódu
04:25
and tap into the minds of thousands of people."
104
250000
2000
a nabourat se do myslí tisíců lidí."
04:27
The nerdy side of me thought, "Wow, this is amazing.
105
252000
2000
Mé vědátorské já si pomyslelo: "Wow, to je úžasné.
04:29
I can tap into thousands of people's minds."
106
254000
2000
Můžu se nabourat do myslí tisíců lidí."
04:31
And the other nerdy side of me thought,
107
256000
2000
Ale moje druhé já si pomyslelo:
04:33
"This is horrible. This is completely bizarre.
108
258000
3000
"To je strašné. To je úplně bizarní.
04:36
What does this mean for the future of mankind,
109
261000
2000
Co tohle znamená pro budoucnost lidstva,
04:38
where we're all plugged into this borg?"
110
263000
2000
kde jsme všichni napojeni na tohoto borga?"
04:40
I was probably being a little extreme.
111
265000
2000
Možná jsem byl příliš extrémní.
04:42
But what does this mean when we have no context for what it is that we're working on,
112
267000
2000
Ale co to znamená, když nemáme kontext toho, na čem pracujeme,
04:44
and we're just doing these little labors?
113
269000
2000
a pracujeme jenom na těchto dílčích částech?
04:46
So I created this drawing tool.
114
271000
2000
Vytvořil jsem tedy tento kreslící nástroj.
04:48
I asked people to draw a sheep facing to the left.
115
273000
2000
Požádal jsem lidi, ať nakreslí ovečku, která se dívá vlevo.
04:50
And I said, "I'll pay you two cents for your contribution."
116
275000
2000
A řekl jsem: "Zaplatím vám za váš příspěvek dva centy."
04:52
And I started collecting sheep.
117
277000
3000
A začal jsem sbírat ovečky.
04:55
And I collected a lot, a lot of different sheep.
118
280000
3000
A nasbíral jsem mnoho různých ovcí.
04:59
Lots of sheep.
119
284000
2000
Opravdu mnoho ovcí.
05:01
I took the first 10,000 sheep that I collected,
120
286000
2000
Vzal jsem prvních 10 tisíc ovcí, které jsem posbíral,
05:03
and I put them on a website called TheSheepMarket.com
121
288000
3000
a dal jsem je na stránku TheSheepMarket.com,
05:06
where you can actually buy collections of 20 sheep.
122
291000
3000
kde si můžete koupit sbírku 20 ovcí.
05:09
You can't pick individual sheep,
123
294000
2000
Nemůžete si vybrat jednotlivou ovci,
05:11
but you can buy a single plate block of stamps as a commodity.
124
296000
4000
ale můžete si koupit blok známek jako komoditu.
05:15
And juxtaposed against this grid,
125
300000
2000
A když se podíváte na celou mřížku,
05:17
you see actually, by rolling over each individual one,
126
302000
2000
vidíte vlastně, když sledujete každou jednotlivou ovci,
05:19
the humanity behind this hugely mechanical process.
127
304000
3000
to lidství za tímto obrovsky mechanickým procesem.
05:22
I think there's something really interesting
128
307000
2000
Myslím si, že je opravdu zajímavé
05:24
to watching people as they go through this creative toil --
129
309000
3000
sledovat lidi, jak prochází touto kreativní dřinou --
05:27
something we can all relate to,
130
312000
2000
něco, s čím se všichni můžeme ztotožnit,
05:29
this creative process of trying to come up with something from nothing.
131
314000
3000
tento kreativní proces, kdy se snažíte vymyslet něco z ničeho.
05:32
I think it was really interesting to juxtapose this humanity
132
317000
2000
Myslím si, že bylo opravdu zajímavé porovnávat lidství
05:34
versus this massive distributed grid.
133
319000
2000
vůči této masivní rozdělené mřížce.
05:36
Kind of amazing what some people did.
134
321000
3000
Opravdu úžasné, co někteří lidi udělali.
05:39
So here's a few statistics from the project.
135
324000
2000
Mám tady několik statistik o projektu.
05:41
Approximate collection rate of 11 sheep per hour,
136
326000
2000
Průměrná rychlost 11 ovcí za hodinu,
05:43
which would make a working wage of 69 cents per hour.
137
328000
3000
což by znamenalo plat 69 centů na hodinu.
05:46
There were 662 rejected sheep
138
331000
2000
Zamítli jsme 662 ovcí,
05:48
that didn't meet "sheep-like" criteria and were thrown out of the flock.
139
333000
3000
které nevypadaly jako ovce a byly tudíž vyloučeny ze stáda.
05:51
(Laughter)
140
336000
2000
(Smích)
05:53
The amount of time spent drawing ranged from four seconds to 46 minutes.
141
338000
3000
Čas strávený kreslením se pohyboval od 4 vteřin do 46 minut.
05:56
That gives you an idea of the different types of motivations and dedication.
142
341000
3000
To vám dává představu o různých druzích motivace a odhodlání.
05:59
And there were 7,599 people that contributed to the project,
143
344000
3000
Celkem do projektu přispělo 7599 lidí,
06:02
or were unique IP addresses --
144
347000
2000
tedy unikátních IP adres --
06:04
so about how many people contributed.
145
349000
2000
takže zhruba tolik lidí přispělo.
06:06
But only one of them out of the 7,599 said this.
146
351000
4000
Ale jenom jeden z těch 7599 napsal tohle.
06:10
(Laughter)
147
355000
4000
[Proč? Proč tohle děláš?]
06:14
Which I was pretty surprised by.
148
359000
2000
Což mě docela překvapilo.
06:16
I expected people to be wondering, "Why did I draw a sheep?"
149
361000
3000
Čekal jsem, že se lidé budou zajímat "Proč jsem nakreslil ovci?"
06:19
And I think it's a pretty valid question.
150
364000
2000
A to je, myslím si, docela logická otázka.
06:21
And there's a lot of reasons why I chose sheep.
151
366000
2000
Je mnoho důvodů, proč jsem vybral ovce.
06:23
Sheep were the first animal
152
368000
2000
Ovce byly první zvířata,
06:25
to be raised from mechanically processed byproducts,
153
370000
2000
které byly krmeny mechanicky zpracovanými vedlejšími produkty,
06:27
the first to be selectively bred for production traits,
154
372000
2000
první, které byly výběrově chovány kvůli produktovým značkám,
06:29
the first animal to be cloned.
155
374000
2000
první, které byly klonovány.
06:31
Obviously, we think of sheep as followers.
156
376000
2000
Zjevně bereme ovce jako následovníky.
06:33
And there's this reference to "Le Petit Prince"
157
378000
2000
A v knize "Malý princ" je tento odkaz,
06:35
where the narrator asks the prince to draw a sheep.
158
380000
2000
kdy princ požádá vypravěče, aby nakreslil beránka.
06:37
He draws sheep after sheep.
159
382000
2000
Kreslí jednoho beránka za druhým.
06:39
The narrator's only appeased when he draws a box.
160
384000
2000
Vypravěč ho ale uspokojí, až když nakreslí krabici.
06:41
And he says, "It's not about a scientific rendering of a sheep.
161
386000
2000
A řekne: "Není to o vědeckém vykreslení ovce.
06:43
It's about your own interpretation and doing something different."
162
388000
3000
Je to o naši vlastní interpretaci a vytvoření něčeho odlišného."
06:46
And I like that.
163
391000
2000
To se mi líbí.
06:48
So this is a clip from Charlie Chaplin's "Modern Times."
164
393000
2000
Tohle je klip z filmu Charlieho Chaplina "Moderní doba".
06:50
It's showing Charlie Chaplin dealing with some of the major changes
165
395000
3000
Ukazuje, jak se Charlie Chaplin vypořádává s velkými změnami,
06:53
during the Industrial Revolution.
166
398000
2000
které přinesla průmyslová revoluce.
06:55
So there were no longer shoe makers,
167
400000
2000
Takže už neexistovali ševci,
06:57
but now there are people slapping soles on people's shoes.
168
402000
2000
ale lidé přilepující podrážky na boty.
06:59
And the whole idea of one's relationship to their work changed a lot.
169
404000
3000
A celá idea vztahu člověka k práci se zásadně změnila.
07:02
So I thought this was an interesting clip
170
407000
2000
Napadlo mě, že by bylo zajímavé
07:04
to divide into 16 pieces
171
409000
2000
rozdělit tento klip na 16 dílků
07:06
and feed into the Mechanical Turk with a drawing tool.
172
411000
3000
a dát je Mechanickému Turkovi s kreslícím nástrojem.
07:09
This basically allowed -- what you see on the left side is the original frame,
173
414000
3000
To v podstatě umožnilo -- to, co vidíte nalevo, je původní snímek,
07:12
and on the right side you see that frame
174
417000
2000
a napravo vidíte, jak tento snímek
07:14
as interpreted by 16 people
175
419000
2000
překreslilo 16 lidí,
07:16
who have no idea what it is they're doing.
176
421000
2000
aniž by věděli, co dělají.
07:18
And this was the inspiration for a project
177
423000
2000
A to bylo inspirací pro projekt,
07:20
that I worked on with my friend Takashi Kawashima.
178
425000
2000
na kterém jsem pracoval s kamarádem Takashi Kawashimou.
07:22
We decided to use the Mechanical Turk for exactly what it was meant for,
179
427000
2000
Rozhodli jsme se využít Mechanického Turka přesně pro to, k čemu je určen,
07:24
which is making money.
180
429000
2000
tedy k vytváření peněz.
07:26
So we took a hundred dollar bill and divided it into 10,000 teeny pieces,
181
431000
3000
Vzali jsme tedy stodolarovou bankovku a rozdělili ji na 10 tisíc kousíčků
07:29
and we fed those into the Mechanical Turk.
182
434000
2000
a naplnili jsme jimi Mechanického Turka.
07:31
We asked people to draw what it was that they saw.
183
436000
2000
Požádali jsme lidi, aby nakreslili, co vidí.
07:33
But here there was no sheep-like criteria.
184
438000
2000
Ale nebylo žádné kritérium podobnosti k ovci.
07:35
People, if they drew a stick figure or a smiley face,
185
440000
3000
Lidé, ať kreslili hubenou postavu nebo usměvavou tvář,
07:38
it actually made it into the bill.
186
443000
2000
to vlastně nakreslili do bankovky.
07:40
So what you see is actually a representation of how well people did
187
445000
2000
Tady vidíte reprezentaci toho, jak dobře lidé udělali to,
07:42
what it was they were asked to do.
188
447000
2000
oč byli požádáni.
07:44
So we took these hundred dollar bills,
189
449000
2000
Vzali jsme tedy tyto stodolarové bankovky
07:46
and we put them on a website called TenThousandsCents.com,
190
451000
2000
a dali jsme je na stránku TenThousandCents.com,
07:48
where you can browse through and see all the individual contributions.
191
453000
3000
kde se můžete podívat na všechny jednotlivé příspěvky.
07:51
And you can also trade real hundred-dollar bills for fake hundred-dollar bills
192
456000
3000
Můžete také vyměnit skutečné stodolarovky za falešné
07:54
and make a donation to the Hundred Dollar Laptop Project,
193
459000
3000
a přispět tím na projekt počítače za sto dolarů,
07:57
which is now known as One Laptop Per Child.
194
462000
3000
který je též znám jako Notebook pro každé dítě (One Laptop Per Child).
08:00
This is again showing all the different contributions.
195
465000
2000
Tady jsou opět vidět všechny příspěvky.
08:02
You see some people did beautiful stipple renderings,
196
467000
2000
Jak vidíte, někteří lidé vytvořili nádherné bodové kresby
08:04
like this one on top --
197
469000
2000
jako tato nahoře --
08:06
spent a long time making realistic versions.
198
471000
3000
strávili spoustu času tvorbou realistických verzí.
08:09
And other people would draw stick figures or smiley faces.
199
474000
3000
A jiní lidé zase kreslili hubené postavy či smějící se tváře.
08:12
Here on the right-hand side in the middle
200
477000
2000
Tady napravo uprostřed
08:14
you see this one guy writing, "$0.01!!! Really?"
201
479000
3000
vidíte, jak někdo píše "$0.01!!! Opravdu?"
08:17
That's all I'm getting paid for this?
202
482000
4000
To je vše, co za tohle dostanu?
08:21
(Laughter)
203
486000
2000
(Smích)
08:23
So the last Mechanical Turk project I'm going to talk to you about
204
488000
2000
Poslední projekt typu Mechanický Turek, o kterém vám povím,
08:25
is called Bicycle Built for 2000.
205
490000
2000
se nazývá Kolo za dva tisíce.
08:27
This is a collaboration with my friend Daniel Massey.
206
492000
2000
Spolupracoval jsem na tom s Danielem Massey.
08:29
You may recognize these two guys.
207
494000
2000
Možná poznáte tyto dva chlápky.
08:31
This is Max Mathews and John Kelly from Bell Labs in the '60s,
208
496000
3000
To jsou Max Mathews a John Kelly z Bell Labs v 60. letech,
08:34
where they created the song "Daisy Bell,"
209
499000
2000
kdy vytvořili píseň "Daisy Bell,"
08:36
which was the world's first singing computer.
210
501000
2000
což byla první píseň zpívaná počítačem na světě.
08:38
You may recognize it from "2001: A Space Odyssey."
211
503000
2000
Můžete ji znát z filmu "2001: Vesmírná odysea."
08:40
When HAL's dying at the end of the film he starts singing this song,
212
505000
3000
Když na konci filmu HAL umírá, začne zpívat tuto píseň
08:43
as a reference to when computers became human.
213
508000
3000
jako odkaz na okamžik, kdy se počítače staly lidské.
08:46
So we resynthesized this song.
214
511000
2000
Tuto píseň jsem upravili.
08:48
This is what that sounded like.
215
513000
2000
Takto ten zvuk vypadal.
08:50
We broke down all the individual notes
216
515000
2000
Rozdělili jsme všechny jednotlivé noty
08:52
in the singing as well as the phonemes in the singing.
217
517000
3000
v písni a také všechny hlásky.
08:55
Daisy Bell: ♫ Daisy, Daisy ... ♫
218
520000
4000
Daisy Bell: ♫ Daisy, Daisy ... ♫
08:59
Aaron Koblin: And we took all of those individual pieces,
219
524000
2000
Pak jsem vzali všechny tyto jednotlivé kousky
09:01
and we fed them into another Turk request.
220
526000
2000
a zadali jsme je jako vstup do dalšího Turka.
09:03
This is what it would look like if you went to the site.
221
528000
2000
Takto to vypadalo, když jste přišli na stránku.
09:05
You type in your code,
222
530000
2000
Zadali jste svůj kód,
09:07
but you first test your mic.
223
532000
2000
nejprve otestovali mikrofon.
09:09
You'd be fed a simple audio clip.
224
534000
2000
Pak jste dostali jednoduchý zvukový klip.
09:11
(Honk)
225
536000
2000
(Troubení)
09:13
And then you'd do your best to recreate that with your own voice.
226
538000
3000
A pak jste se to snažili co nejlépe napodobit svým hlasem.
09:22
After previewing it and confirming it's what you submitted,
227
547000
3000
Po poslechnutí a ověření toho, co jste zadali,
09:25
you could submit it into the Mechanical Turk with no other context.
228
550000
3000
jste mohli bez dalších kroků výsledek odeslat do Mechanického Turka.
09:28
And this is what we first got back from the very first set of submissions.
229
553000
3000
Tohle jsme dostali zpátky z první sady nahrávek.
09:31
Recording: ♫ Daisy, Daisy ♫
230
556000
5000
Nahrávka: ♫ Daisy, Daisy ♫
09:36
♫ give me your answer do ♫
231
561000
5000
♫ řekni mi své ano ♫
09:41
♫ I'm half crazy ♫
232
566000
4000
♫ jsem už napůl šílený ♫
09:45
♫ all for the love of you ♫
233
570000
5000
♫ v lásce k tobě utopený ♫
09:50
♫ It can't be a stylish marriage ♫
234
575000
5000
♫ nebude to svatba se stylem ♫
09:55
♫ I can't afford a carriage ♫
235
580000
4000
♫ nemám na koně s kočárem ♫
09:59
♫ But you'll look sweet upon the seat ♫
236
584000
5000
♫ budeš ale sladká, větrem pocuchaná ♫
10:04
♫ of a bicycle built for two ♫
237
589000
5000
♫ na tandemu pro nás dva. ♫
10:09
AK: So James Surowieki has this idea of the wisdom of crowds,
238
594000
3000
James Surowieki měl tuhle myšlenku ohledně vědomí davů,
10:12
that says that a whole bunch of people are smarter than any individual.
239
597000
3000
která říká, že skupina lidí je chytřejší než libovolný jednotlivec.
10:15
We wanted to see how this applies to collaborative, distributed music making,
240
600000
3000
Chtěl jsme zjistit, jak se tohle projevuje při kolaborativní a distribuované tvorbě hudby,
10:18
where nobody has any idea what it is they're working on.
241
603000
3000
kdy nikdo netuší, na čem vlastně pracuje.
10:21
So if you go to the BicycleBuiltforTwoThousand.com
242
606000
2000
Pokud půjdete na BicycleBuiltforTwoThousand.com,
10:23
you can actually hear what all this sounds like together.
243
608000
2000
uslyšíte, jak všechny tyto zvuky zní dohromady.
10:25
I'm sorry for this.
244
610000
2000
Omlouvám se za tohle.
10:27
(Noise)
245
612000
5000
(Zvuk)
10:32
Chorus: ♫ Daisy, Daisy ♫
246
617000
4000
Sbor: ♫ Daisy, Daisy ♫
10:36
♫ Give me your answer do ♫
247
621000
5000
♫ řekni mi své ano ♫
10:41
♫ I'm half crazy ♫
248
626000
5000
♫ jsem už napůl šílený ♫
10:46
♫ all for the love of you ♫
249
631000
4000
♫ v lásce k tobě utopený ♫
10:50
♫ It can't be a stylish marriage ♫
250
635000
5000
♫ nebude to svatba se stylem ♫
10:55
♫ I can't afford a carriage ♫
251
640000
4000
♫ nemám na koně s kočárem ♫
10:59
♫ But you'd look sweet upon the seat ♫
252
644000
5000
♫ ale budeš sladká, větrem pocuchaná ♫
11:04
♫ of a bicycle built for two ♫
253
649000
6000
♫ na tandemu pro nás dva. ♫
11:10
AK: So stepping back for a quick second,
254
655000
3000
Když se na chvíli vrátíme zpět,
11:13
when I was at UCLA going to grad school,
255
658000
2000
do doby, kdy jsem studoval na UCLA,
11:15
I was also working at a place called the Center for Embedded Network Sensing.
256
660000
3000
pracoval jsem i na místě zvaném Centrum pro snímání vnitřních sítí. (CENS)
11:18
And I was writing software to visualize laser scanners.
257
663000
3000
A psal jsem program pro vizuální laserové skenery.
11:21
So basically motion through 3D space.
258
666000
2000
V podstatě pohyb v 3D prostoru.
11:23
And this was seen by a director in L.A. named James Frost
259
668000
2000
A to viděl režisér z Los Angeles, který se jmenuje James Frost,
11:25
who said, "Wait a minute.
260
670000
2000
a řekl: "Počkej,
11:27
You mean we can shoot a music video without actually using any video?"
261
672000
2000
myslíš, že můžeme natáčet hudební video, aniž bychom vlastně použili video?"
11:29
So we did exactly that.
262
674000
2000
Přesně to jsme udělali.
11:31
We made a music video for one of my favorite bands, Radiohead.
263
676000
2000
Vytvořili jsme hudební video pro jednu z mých oblíbených kapel, Radiohead.
11:33
And I think one of my favorite parts of this project
264
678000
2000
A myslím, že jedna z mých oblíbených částí tohoto projektu
11:35
was not just shooting a video with lasers,
265
680000
2000
nebylo jenom natáčet video pomocí laserů,
11:37
but we also open sourced it,
266
682000
2000
ale i to, že jsme pak otevřeli zdrojový kód
11:39
and we made it released as a Google Code project,
267
684000
2000
a zpřístupnili jsme ho v rámci Google Code,
11:41
where people could download a bunch of the data and some source code
268
686000
2000
kde si lidé mohou stáhnout nějaká data a zdrojový kód
11:43
to build their own versions of it.
269
688000
2000
a vytvořit si tím vlastní verzi.
11:45
And people were making some amazing things.
270
690000
2000
A lidé vytvářeli opravdu zajímavé věci.
11:47
This is actually two of my favorites:
271
692000
2000
Toto jsou dvě mé nejoblíbenější:
11:49
the pin-board Thom Yorke and a LEGO Thom Yorke.
272
694000
2000
Nástěnka Thom Yorke a LEGO Thom Yorke.
11:51
A whole YouTube channel of people submitting really interesting content.
273
696000
3000
Kanál YouTube plný lidí posílajících opravdu zajímavý obsah.
11:54
More recently, somebody even 3D-printed Thom Yorke's head,
274
699000
3000
Nedávno někdo dokonce vytiskl hlavu Thom Yorke trojrozměrně,
11:57
which is a little creepy, but pretty cool.
275
702000
3000
což je trošku děsivé, ale docela pěkné.
12:00
So with everybody making so much amazing stuff
276
705000
2000
A jak jsem tak viděl, jak všichni vytvářejí úžasné věci,
12:02
and actually understanding what it was they were working on,
277
707000
3000
a pochopil, na čem vlastně pracují,
12:05
I was really interested in trying to make a collaborative project
278
710000
2000
chtěl jsem se pokusit vytvořit kolaborativní projekt,
12:07
where people were working together to build something.
279
712000
2000
kde by lidé spolupracovali a něco vytvářeli.
12:09
And I met a music video director named Chris Milk.
280
714000
2000
Potkal jsem režiséra videoklipů, který se jmenuje Chris Milk.
12:11
And we started bouncing around ideas
281
716000
2000
Začali jsme si pohrávat s myšlenkami
12:13
to make a collaborative music video project.
282
718000
2000
na vytvoření kolaborativního projektu na hudební video.
12:15
But we knew we really needed the right person
283
720000
2000
Ale věděli jsme, že potřebujeme správnou osobu,
12:17
to kind of rally behind and build something for.
284
722000
3000
která by nás popoháněla, abychom něco vytvořili.
12:20
So we put the idea on the back burner for a few months.
285
725000
2000
Tak jsme ten nápad na pár měsíců nechali být.
12:22
And he ended up talking to Rick Rubin,
286
727000
2000
Nakonec si popovídal s Rickem Rubinem,
12:24
who was finishing up Johnny Cash's final album
287
729000
2000
který zrovna dokončoval poslední album Johnnyho Cashe
12:26
called "Ain't No Grave."
288
731000
2000
s názvem "Není žádný hrob." (Ain't No Grave)
12:28
The lyrics to the leading track are "Ain't no grave can hold my body down."
289
733000
3000
Slova k úvodní písni jsou "Není hrob, který může udržet mé tělo."
12:31
So we thought this was the perfect
290
736000
2000
Řekli jsme si, že tohle je ten správný
12:33
project to build a collaborative memorial
291
738000
2000
projekt, abychom vytvořili kolaborativní vzpomínku
12:35
and a virtual resurrection for Johnny Cash.
292
740000
2000
a virtuální oživení Johnnyho Cashe.
12:37
So I teamed up with my good friend Ricardo Cabello, also known as Mr. doob,
293
742000
3000
Spojil jsem se se svým dobrým kamarádem Ricardem Cabellem, známým též jako Mr. doob,
12:40
who's a much better programmer than I am,
294
745000
2000
který je o dost lepší programátor než já,
12:42
and he made this amazing Flash drawing tool.
295
747000
2000
a on vytvořil tento úžasný Flashový nástroj pro kreslení.
12:44
As you know,
296
749000
2000
Jak víte,
12:46
an animation is a series of images.
297
751000
2000
animace je série obrázků.
12:48
So what we did was cross-cut a bunch of archival footage of Johnny Cash,
298
753000
3000
Takže jsme prostříhali několik archivních záběrů Johnnyho Cashe
12:51
and at eight frames a second,
299
756000
2000
a při 8 snímcích za sekundu
12:53
we allowed individuals to draw a single frame
300
758000
2000
jsme lidem umožnili nakreslit snímek,
12:55
that would get woven into
301
760000
2000
který se proplete
12:57
this dynamically changing music video.
302
762000
2000
do tohoto dynamicky měnícího se hudebního videa.
12:59
So I don't have time to play the entire thing for you,
303
764000
2000
Nemáme teď čas, abych vám to pustil celé,
13:01
but I want to show you two short clips.
304
766000
2000
ale chci vám ukázat dvě krátké ukázky.
13:03
One is the beginning of the music video.
305
768000
2000
Jedna je na začátku toho videa.
13:05
And that's going to be followed by a short clip
306
770000
2000
Po ní následuje krátký klip,
13:07
of people who have already contributed to the project
307
772000
2000
ve kterém lidé, kteří se projektu zúčastnili,
13:09
talking about it briefly.
308
774000
3000
o něm krátce hovoří.
13:12
(Music)
309
777000
6000
(Hudba)
13:18
(Video) Johnny Cash: ♫ There ain't no grave ♫
310
783000
2000
(Video) Johnny Cash: ♫ Není hrob, ♫
13:20
♫ can hold my body down ♫
311
785000
4000
♫ který může udržet mé tělo. ♫
13:24
♫ There ain't no grave ♫
312
789000
2000
♫ Není hrob, ♫
13:26
♫ can hold body down ♫
313
791000
3000
♫ který může udržet mé tělo. ♫
13:30
♫ When I hear the trumpet sound ♫
314
795000
4000
♫ Když slyším zvuk trumpet, ♫
13:34
♫ I'm going to ride right out of the ground ♫
315
799000
2000
♫ vylezu ven ze země. ♫
13:36
♫ Ain't no grave ♫
316
801000
3000
♫ Není hrob, ♫
13:39
♫ can hold my body ... ♫
317
804000
3000
♫ který může udržet mé tělo. ♫
13:42
(Applause)
318
807000
2000
(Potlesk)
13:44
AK: What better way to pay tribute to the man
319
809000
3000
Neznám lepší způsob, jak uctít tohoto muže,
13:47
than to make something for one of his songs.
320
812000
3000
než něco vytvořit pro jednu z jeho písní.
13:50
Collaborator: I felt really sad when he died.
321
815000
2000
Účastník 1: Byl jsem velmi smutný, když zemřel.
13:52
And I just thought it'd be wonderful,
322
817000
2000
A říkal jsem si, že by bylo úžasné,
13:54
it'd be really nice to contribute something to his memory.
323
819000
3000
opravdu úžasné přispět něčím k jeho památce.
13:57
Collaborator Two: It really allows
324
822000
2000
Účastník 2: Díky tomuhle může být
13:59
this last recording of his
325
824000
3000
jeho poslední nahrávka
14:02
to be a living, breathing memorial.
326
827000
5000
živoucí, dýchající vzpomínkou.
14:07
Collaborator Three: For all of the frames to be drawn by fans,
327
832000
3000
Účastník 3: V každém snímku, který nakreslili fanoušci,
14:10
each individual frame,
328
835000
2000
každém jednotlivém snímku
14:12
it's got a very powerful feeling to it.
329
837000
2000
je velmi silný cit.
14:14
Collaborator Four: I've seen everybody
330
839000
2000
Účastník 4: Viděl jsem je všechny,
14:16
from Japan, Venezuela, to the States,
331
841000
2000
z Japonska, Venezuely, USA,
14:18
to Knoxville, Tennessee.
332
843000
2000
od Knoxville až po Tennessee.
14:20
Collaborator Five: As much as is different from frame to frame,
333
845000
3000
Účastník 5: Tím, jak je každý snímek odlišný od jiného,
14:23
it really is personal.
334
848000
2000
je to velmi osobní.
14:25
Collaborator Six: Watching the video in my room,
335
850000
2000
Účastník 6: Když jsem se na to video díval ve svém pokoji,
14:27
I could see me not understanding at the beginning of it.
336
852000
3000
nějak jsem nechápal ten začátek.
14:30
And I just worked and worked through problems,
337
855000
3000
Ale pracoval jsem přes všechny problémy,
14:33
until my little wee battles that I was fighting within the picture
338
858000
4000
až se všechny mé souboje, které jsem bojoval uvnitř obrázku,
14:37
all began to resolve themselves.
339
862000
3000
začaly všechny samy vyjasňovat.
14:40
You can actually see the point when I know what I'm doing,
340
865000
2000
Takže když vím, co pak dělám, vidím ten smysl
14:42
and a lot of light and dark comes into it.
341
867000
3000
a přichází s ním plno světla a tmy.
14:45
And in a weird way,
342
870000
2000
A tato zvláštní cesta
14:47
that's what I actually like about Johnny Cash's music as well.
343
872000
2000
je to, co mám vlastně rád i na hudbě Johnnyho Cashe.
14:49
It's the sum total of his life,
344
874000
2000
Je to souhrn jeho celého života,
14:51
all the things that had happened --
345
876000
2000
všech věcí, které se staly --
14:53
the bad things, the good things.
346
878000
2000
dobrých i zlých.
14:55
You're hearing a person's life.
347
880000
3000
Posloucháte něčí životní příběh.
15:01
AK: So if you go to the website JohnnyCashProject.com,
348
886000
2000
AK: Když půjdete na stránku JohnnyCashProject.com,
15:03
what you'll see is the video playing above.
349
888000
2000
uvidíte nahoře přehrávat video.
15:05
And below it are all the individual frames
350
890000
2000
A pod ním jsou všechny jednotlivé rámečky,
15:07
that people have been submitting to the project.
351
892000
2000
které lidé do projektu přidali.
15:09
So this isn't finished at all,
352
894000
2000
Ještě to zdaleka není hotové,
15:11
but it's an ongoing project where people can continue to collaborate.
353
896000
2000
ale je to probíhající projekt, na kterém mohou lidé stále spolupracovat.
15:13
If you roll over any one of those individual thumbnails,
354
898000
2000
Pokud najedete na některý z těchto jednotlivých náhledů,
15:15
you can see the person who drew that individual thumbnail
355
900000
2000
uvidíte toho, kdo nakreslil daný náhled,
15:17
and where they were located.
356
902000
2000
a odkud pochází.
15:19
And if you find one that you're interested in,
357
904000
2000
A pokud najdete takový, který se vám líbí,
15:21
you can actually click on it and open up an information panel
358
906000
2000
můžete na něj kliknout a otevře se vám informační panel,
15:23
where you're able to rate that frame,
359
908000
2000
kde můžete hodnotit tento rámeček,
15:25
which helps it bubble up to the top.
360
910000
2000
což mu pomůže v cestě vzhůru.
15:27
And you can also see the way that it was drawn.
361
912000
2000
A také uvidíte, jakým způsobem byl nakreslen.
15:29
Again, you can get the playback and personal contribution.
362
914000
2000
Opět si to můžete přehrát a zobrazit příspěvek.
15:31
In addition to that, it's listed, the artist's name, the location,
363
916000
3000
Navíc je zde napsáno jméno umělce a jeho lokace,
15:34
how long they spent drawing it.
364
919000
2000
jak dlouho to kreslil.
15:36
And you can pick a style. So this one was tagged "Abstract."
365
921000
3000
Můžete také vybrat styl. Tento byl označen jako "Abstraktní".
15:39
But there's a bunch of different styles.
366
924000
2000
Ale je zde několik rozdílných stylů.
15:41
And you can sort the video a number of different ways.
367
926000
2000
Videa můžete setřídit několika různými způsoby.
15:43
You can say, "I want to see the pointillist version
368
928000
2000
Můžete říct: "Chci vidět tuto bodovou kresbu
15:45
or the sketchy version or the realistic version.
369
930000
2000
nebo skicovanou verzi nebo tu realistickou verzi.
15:47
And then this is, again, the abstract version,
370
932000
2000
A pak je to opět abstraktní verze,
15:49
which ends up getting a little bit crazy.
371
934000
3000
která je nakonec trošku bláznivá.
15:54
So the last project I want to talk to you about is another collaboration with Chris Milk.
372
939000
3000
Poslední projekt, o kterém chci hovořit, vznikl opět ve spolupráci s Chrisem Milkem.
15:57
And this is called "The Wilderness Downtown."
373
942000
2000
Nazývá se "Centrum divočiny."
15:59
It's an online music video for the Arcade Fire.
374
944000
3000
Je to online hudební video pro skupinu Arcade Fire.
16:02
Chris and I were really amazed
375
947000
2000
Chris a já jsme okouzleni
16:04
by the potential now with modern web browsers,
376
949000
2000
potenciálem dnešních moderních webových prohlížečů,
16:06
where you have HTML5 audio and video
377
951000
2000
kde máte HTML5 audio a video
16:08
and the power of JavaScript to render amazingly fast.
378
953000
3000
a sílu JavaScriptu, který se vykresluje úžasně rychle.
16:11
And we wanted to push the idea of the music video that was meant for the Web
379
956000
3000
Chtěli jsme posunout myšlenku hudebního videa, které je určeno pro web,
16:14
beyond the four-by-three or sixteen-by-nine window
380
959000
3000
za hranici okna formátu 4:3 nebo 16:9
16:17
and try to make it play out and choreograph throughout the screen.
381
962000
3000
a pokusit se pohrát si s choreografií po celé obrazovce.
16:20
But most importantly, I think,
382
965000
2000
Ale především si myslím,
16:22
we really wanted to make an experience that was unlike the Johnny Cash Project,
383
967000
3000
že jsme chtěli vytvořit zážitek, který je naprosto odlišný od projektu Johnny Cash,
16:25
where you had a small group of people spending a lot of time
384
970000
3000
kde malá skupina lidí strávila spoustu času
16:28
to contribute something for everyone.
385
973000
2000
vytvářením něčeho pro všechny.
16:30
What if we had a very low commitment,
386
975000
3000
Co když se raději zapojíme málo,
16:33
but delivered something individually unique to each person who contributed?
387
978000
3000
ale dodáme něco, co je unikátní pro každého, kdo se zapojí?
16:36
So the project starts off by asking you to enter the address
388
981000
2000
Projekt začíná tím, že vás požádá o zadání adresy
16:38
of the home where you grew up.
389
983000
2000
domu, ve kterém jste vyrostli.
16:40
And you type in the address --
390
985000
2000
Zadáte tedy adresu --
16:42
it actually creates a music video specifically for you,
391
987000
2000
a to vlastně vytvoří hudební video specifické pro vás,
16:44
pulling in Google maps and Streetview images
392
989000
2000
přičemž použije Google mapy a Streetview obrázky
16:46
into the experience itself.
393
991000
2000
při tvorbě animace.
16:48
So this should really be seen at home with you typing in your own address,
394
993000
3000
Tohle byste tedy měli raději sledovat doma s vlastní adresou,
16:51
but I'm going to give you a little preview of what you can expect.
395
996000
3000
ale dám vám alespoň malou ukázku toho, co můžete očekávat.
16:54
(Video) Win Butler: ♫ Now our lives are changing fast ♫
396
999000
4000
(Video) Win Butler: ♫ Naše životy se rychle mění ♫
16:58
♫ Now our lives are changing fast ♫
397
1003000
4000
♫ Naše životy se rychle mění ♫
17:02
♫ Hope that something pure can last ♫
398
1007000
3000
♫ Doufaje, že něco čistého přetrvá ♫
17:06
♫ Hope that something pure can last ♫
399
1011000
4000
♫ Doufaje, že něco čistého přetrvá ♫
17:13
♫ Ooh we used to wait ♫
400
1018000
4000
♫ Ooh byli jsme zvyklí čekat ♫
17:17
♫ Ooh we used to wait ♫
401
1022000
4000
♫ Ooh byli jsme zvyklí čekat ♫
17:21
♫ Ooh we used to wait ♫
402
1026000
3000
♫ Ooh byli jsme zvyklí čekat ♫
17:24
♫ Sometimes it never came ♫
403
1029000
3000
♫ Někdy to vůbec nepřišlo ♫
17:27
♫ Sometimes it never came ♫
404
1032000
4000
♫ Někdy to vůbec nepřišlo ♫
17:31
♫ Still moving through the pain ♫
405
1036000
3000
♫ Pořád se zmítáme v bolesti ♫
17:34
♫ We used to wait for it ♫
406
1039000
4000
♫ Byli jsme zvyklí čekat ♫
17:38
♫ We used to wait for it ♫
407
1043000
4000
♫ Byli jsme zvyklí čekat ♫
17:42
♫ We used to wait for it ♫
408
1047000
4000
♫ Byli jsme zvyklí čekat ♫
17:50
AK: So I think, if there's one thing to take away from my talk today,
409
1055000
3000
Myslím si, že pokud je něco, co stojí z mého dnešního povídání za zmínku,
17:53
it's that an interface can be a powerful narrative device.
410
1058000
2000
je to, že prezentace může být silný nástroj na vyprávění.
17:55
And as we collect more and more personally and socially relevant data,
411
1060000
4000
A jak budeme získávat čím dál více osobně a sociálně relevantních dat,
17:59
we have an opportunity, and maybe even an obligation,
412
1064000
2000
budeme mít možnost, či možná dokonce povinnost,
18:01
to maintain the humanity and tell some amazing stories
413
1066000
2000
zachovat lidství a vyprávět úžasné příběhy
18:03
as we explore and collaborate together.
414
1068000
2000
při objevování a vzájemné spolupráci.
18:05
Thanks a lot.
415
1070000
2000
Děkuji mnohokrát.
18:07
(Applause)
416
1072000
4000
(Potlesk)
ABOUT THE SPEAKER
Aaron Koblin - Data artistAaron Koblin is an artist specializing in data and digital technologies. His work takes real world and community-generated data and uses it to reflect on cultural trends and the changing relationship between humans and technology.
Why you should listen
Aaron Koblin finds art through the unlikely confluence of massive data sets and personal intimacy. His work ranges from animating the paths of every North American airline flight, to using Amazon’s Mechanical Turk crowdsourcing platform to pay workers to “draw a sheep facing left,” which were then placed in "The Sheep Market."
Koblin was creative director for Johnny Cash's final music video, "Ain't No Grave," and worked on Radiohead’s video “House of Cards,” both of which received a Grammy nomination. He is now the Creative Director of the Data Arts team in Google's Creative Lab. His team collaborated with Arcade Fire to produce an online music video that allows viewers to incorporate images of their home neighborhood into the experience using Google Street View.
Aaron Koblin | Speaker | TED.com