TEDIndia 2009
Lalitesh Katragadda: Making maps to fight disaster, build economies
Lalitesh Katragadda: Kartografie um Katastrophen zu bekämpfen und Wirtschaften aufzubauen
Filmed:
Readability: 4.5
405,132 views
Bis 2005 waren nur 15 Prozent der Erde kartografiert. Das verlangsamt die Durchführung von Krisenhilfe nach einer Katastrophe - und versteckt das wirtschaftliche Potential von ungenutztem Land und unbekannten Strassen. In dieser kurzen Rede stellt Google's Lalitesh Katragadda "Map Maker" vor, ein Gruppen-Kartografierungswerkzeug, das Menschen überall auf der Erde benutzen, um ihre Welt zu kartografieren.
Lalitesh Katragadda - Engineer
Lalitesh Katragadda builds tools that help groups of people compile information to build something greater than the sum of its parts. His latest fascination: collaborative maps. Full bio
Lalitesh Katragadda builds tools that help groups of people compile information to build something greater than the sum of its parts. His latest fascination: collaborative maps. Full bio
Double-click the English transcript below to play the video.
00:16
In 2008, Cyclone Nargis devastated Myanmar.
0
1000
5000
2008 verwüstete der Zyklon Nargis Myanmar.
00:21
Millions of people were in severe need of help.
1
6000
4000
Millionen von Menschen brauchten dringend Hilfe.
00:25
The U.N. wanted to rush people and supplies to the area.
2
10000
4000
Die U.N. wollte Menschen und Hilfsmittel in die Region bringen.
00:29
But there were no maps, no maps of roads,
3
14000
3000
Aber es gab keine Karten, keine Karten von Strassen,
00:32
no maps showing hospitals, no way for help to reach the cyclone victims.
4
17000
5000
keine Karten mit Krankenhäusern, keine Möglichkeit für Helfende, die Zyklonopfer zu erreichen.
00:37
When we look at a map of Los Angeles or London,
5
22000
3000
Wenn wir uns eine Karte von Los Angeles oder London ansehen,
00:40
it is hard to believe
6
25000
3000
fällt es schwer zu glauben,
00:43
that as of 2005, only 15 percent of the world
7
28000
3000
dass bis 2005 nur 15 Prozent der Welt
00:46
was mapped to a geo-codable level of detail.
8
31000
3000
bis zu einem geo-codierbaren Detailgrad kartografiert war.
00:49
The U.N. ran headfirst into a problem
9
34000
3000
Die U.N. sah sich urplötzlich mit einem Problem konfrontiert,
00:52
that the majority of the world's populous faces:
10
37000
2000
dem auch die Mehrheit der Weltbevölkerung gegenübersteht:
00:54
not having detailed maps.
11
39000
2000
keine detaillierten Karten zu haben.
00:56
But help was coming.
12
41000
2000
Aber Hilfe war bereits auf dem Weg.
00:58
At Google, 40 volunteers
13
43000
2000
Bei Google nutzten 40 Freiwillige
01:00
used a new software
14
45000
3000
eine neue Software,
01:03
to map 120,000 kilometers of roads,
15
48000
3000
um 120.000 Kilometer Strassen,
01:06
3,000 hospitals, logistics and relief points.
16
51000
3000
3.000 Krankenhäuser, sowie Logistik- und Evakuierungspunkte zu kartografieren.
01:09
And it took them four days.
17
54000
2000
Dazu brauchten sie nur vier Tage.
01:11
The new software they used? Google Mapmaker.
18
56000
3000
Welche neue Software sie benutzten? Google Mapmaker.
01:14
Google Mapmaker is a technology that empowers each of us
19
59000
3000
Google Mapmaker ist eine Methode, die es jedem von uns ermöglicht,
01:17
to map what we know locally.
20
62000
3000
all das zu kartografieren, was wir in unserem engeren Umkreis kennen.
01:20
People have used this software
21
65000
2000
Man hat diese Software bisher benutzt,
01:22
to map everything from roads to rivers,
22
67000
2000
um alles Mögliche zu kartografieren, angefangen von Straßen bis hin zu Flüssen,
01:24
from schools to local businesses,
23
69000
3000
von Schulen bis zu lokalen Geschäften
01:27
and video stores to the corner store.
24
72000
3000
und von Videogeschäften bis hin zu Tante-Emma-Läden.
01:30
Maps matter.
25
75000
2000
Karten sind wichtig.
01:32
Nobel Prize nominee Hernando De Soto
26
77000
2000
Nobelpreiskandidat Hernando De Soto
01:34
recognized that the key to economic liftoff
27
79000
2000
erkannte, dass der Schlüssel zum wirtschaftlichen Aufschwung
01:36
for most developing countries
28
81000
2000
für viele Entwicklungsländer darin besteht,
01:38
is to tap the vast amounts of uncapitalized land.
29
83000
3000
die gewaltigen Mengen von unerschlossenem Land anzuzapfen.
01:41
For example, a trillion dollars
30
86000
3000
Zum Beispiel bleiben allein in Indien
01:44
of real estate remains uncapitalized in India alone.
31
89000
3000
drei Billionen Dollar an Immobilienwerten ungenutzt.
01:47
In the last year alone,
32
92000
2000
Allein im letzten Jahr
01:49
thousands of users in 170 countries
33
94000
4000
kartografierten Tausende von Nutzern in 170 Ländern
01:53
have mapped millions of pieces of information,
34
98000
3000
Millionen von Informationen
01:56
and created a map of a level of detail never thought viable.
35
101000
3000
und schufen eine Karte von einer Genauigkeit, die bis dahin als unvorstellbar galt.
01:59
And this was made possible by
36
104000
2000
Dies wurde erst möglich durch die vereinte Kraft
02:01
the power of passionate users everywhere.
37
106000
4000
von passionierten Nutzern weltweit.
02:05
Let's look at some of the maps
38
110000
3000
Werfen wir einen Blick auf einige derjenigen Karten,
02:08
being created by users right now.
39
113000
3000
die zur Zeit gerade von Usern erstellt werden.
02:11
So, as we speak, people are mapping the world
40
116000
2000
Während wir uns hier gerade unterhalten, kartografieren also Menschen die Welt
02:13
in these 170 countries.
41
118000
2000
in diesen 170 Ländern.
02:15
You can see Bridget in Africa who just mapped a road in Senegal.
42
120000
6000
Sie können Bridget in Afrika sehen, die gerade eine Strasse in Senegal kartografiert hat.
02:21
And, closer to home, Chalua, an N.G. road in Bangalore.
43
126000
5000
Oder, näher bei uns, Chalua, die eine Schmalspurbahn in Bangalore kartografiert hat .
02:26
This is the result of computational geometry,
44
131000
3000
Dies ist das Resultat von numerischer Geometrie,
02:29
gesture recognition, and machine learning.
45
134000
3000
Gestenerkennung und maschinellem Lernen.
02:32
This is a victory of thousands of users,
46
137000
2000
Es ist der Sieg von Tausenden von Nutzern
02:34
in hundreds of cities,
47
139000
2000
in Hunderten von Städten,
02:36
one user, one edit at a time.
48
141000
2000
Nutzer für Nutzer, Bearbeitung für Bearbeitung.
02:38
This is an invitation to the 70 percent
49
143000
4000
Es ist eine Einladung an die 70 Prozent
02:42
of our unmapped planet.
50
147000
2000
unseres Planeten, die noch nicht kartografiert sind.
02:44
Welcome to the new world.
51
149000
2000
Willkommen in der neuen Welt.
02:46
(Applause)
52
151000
3000
(Applaus)
ABOUT THE SPEAKER
Lalitesh Katragadda - EngineerLalitesh Katragadda builds tools that help groups of people compile information to build something greater than the sum of its parts. His latest fascination: collaborative maps.
Why you should listen
Lalitesh Katragadda is a software engineer at Google, working on geo-data, machine vision, machine learning and space robotics. Before joining Google, Lalitesh founded a robotics startup that was acquired by Google. At Google, Lalitesh co-founded Google India and was its founding Joint Center Head for two years. He co-started several projects including Google Finance and Hindi Transliteration, and is now working on maps.
Lalitesh Katragadda | Speaker | TED.com