TED2010
Gary Flake: Is Pivot a turning point for web exploration?
Gary Flake: ist Pivot ein Wendepunkt im Bereich der Web-Erkundung?
Filmed:
Readability: 3.8
751,479 views
Gary Flake präsentiert Pivot, eine neue Art eine Vielzahl von Bildern und Daten online zu durchsuchen und zu arangieren. Basierend auf der bahnbrechenden Seadragon-Technologie, ermöglicht es faszinierende Zooms in und aus webbasierten Daten und ermöglicht somit das Erkennen von Mustern und Links, die mit normalen Browsern nicht zu erkennen sind.
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
Falls ich Ihnen heute eine Sache näherbringen möchte
00:18
it's that the whole of the data
1
3000
2000
ist es, dass die Gesamtheit der Daten,
00:20
in which we consume
2
5000
2000
die wir konsumieren,
00:22
is greater that the sum of the parts,
3
7000
2000
größer ist als die Summe ihrer Einzelteile
00:24
and instead of thinking about information overload,
4
9000
3000
und anstatt dabei an Informationsüberladung zu denken
00:27
what I'd like you to think about is how
5
12000
2000
möchte ich, dass Sie darüber nachdenken wie
00:29
we can use information so that patterns pop
6
14000
3000
wir Information so nutzen können, dass sich Muster ergeben
00:32
and we can see trends that would otherwise be invisible.
7
17000
3000
und wir so Trends erkennen, die ansonsten nicht sichtbar geworden wären.
00:35
So what we're looking at right here is a typical mortality chart
8
20000
3000
So, was wir hier sehen ist ein typisches Sterbediagramm
00:38
organized by age.
9
23000
2000
nach Alter angeordnet.
00:40
This tool that I'm using here is a little experiment.
10
25000
2000
Das Programm, das ich hier benutze, ist ein kleines Experiment.
00:42
It's called Pivot, and with Pivot what I can do
11
27000
3000
Es heißt Pivot und was ich mit Pivot machen kann
00:45
is I can choose to filter in one particular cause of deaths -- say, accidents.
12
30000
4000
ist, dass ich nach einer bestimmten Todesursache filtern kann, sagen wir Unfälle.
00:49
And, right away, I see there's a different pattern that emerges.
13
34000
3000
Und sofort sehe ich ein anderes Muster, das sich ergibt.
00:52
This is because, in the mid-area here,
14
37000
2000
Und zwar, weil im Mittelbereich hier
00:54
people are at their most active,
15
39000
2000
die Menschen am aktivsten sind
00:56
and over here they're at their most frail.
16
41000
2000
und sie hier drüben am gebrechlichsten sind.
00:58
We can step back out again
17
43000
2000
Wir können einen Schritt weiter rausgehen
01:00
and then reorganize the data by cause of death,
18
45000
2000
und ordnen die Daten dann neu
01:02
seeing that circulatory diseases and cancer
19
47000
3000
und sehen, dass Kreislauferkrankungen und Krebs
01:05
are the usual suspects, but not for everyone.
20
50000
3000
die üblichen Verdächtigen sind, jedoch nicht für jeden.
01:08
If we go ahead and we filter by age --
21
53000
3000
Wenn wir nun weitergehen und nach Alter sortieren,
01:11
say 40 years or less --
22
56000
2000
sagen wir 40 Jahre oder jünger
01:13
we see that accidents are actually
23
58000
2000
sehen wir, dass Unfälle sogar
01:15
the greatest cause that people have to be worried about.
24
60000
3000
die Hauptursache ist über die sich die Menschen Sorgen machen sollten.
01:18
And if you drill into that, it's especially the case for men.
25
63000
3000
Und wer weiterforscht sieht, dass ist dies besonders bei Männern zutrifft.
01:21
So you get the idea
26
66000
2000
Sie erkennen also,
01:23
that viewing information, viewing data in this way,
27
68000
3000
dass das Ansehen von Informationen und Daten in dieser Weise
01:26
is a lot like swimming
28
71000
2000
sehr an Schwimmen in einer
01:28
in a living information info-graphic.
29
73000
3000
lebendigen Informationsgrafik erinnert.
01:31
And if we can do this for raw data,
30
76000
2000
Und wenn wir dies für Rohdaten machen können
01:33
why not do it for content as well?
31
78000
3000
warum nicht auch für Inhalte selbst?
01:36
So what we have right here
32
81000
2000
Was wir nun hier haben
01:38
is the cover of every single Sports Illustrated
33
83000
3000
sind die Titelbilder jeder einzelnen "Sports Illustrated",
01:41
ever produced.
34
86000
2000
die jemals gedruckt wurden.
01:43
It's all here; it's all on the web.
35
88000
2000
Es ist alles hier. Es ist alles online.
01:45
You can go back to your rooms and try this after my talk.
36
90000
3000
Sie können es gerne nach meinem Vortrag in Ihren Zimmern testen.
01:48
With Pivot, you can drill into a decade.
37
93000
3000
Mit Pivot können sie eintauchen in ein Jahrzehnt.
01:51
You can drill into a particular year.
38
96000
2000
Sie können eintauchen in ein bestimmtes Jahr.
01:53
You can jump right into a specific issue.
39
98000
3000
Sie können direkt zu einer bestimmten Ausgabe springen.
01:56
So I'm looking at this; I see the athletes
40
101000
2000
Wenn ich nun hier schaue, sehe ich die Athleten,
01:58
that have appeared in this issue, the sports.
41
103000
2000
die in dieser Ausgabe erscheinen und die Sportarten.
02:00
I'm a Lance Armstrong fan, so I'll go ahead and I'll click on that,
42
105000
3000
Ich bin ein Lance Armstrong Fan, also klicke ich hierhin
02:03
which reveals, for me, all the issues
43
108000
2000
wodurch sich mir alle Ausgaben zeigen
02:05
in which Lance Armstrong's been a part of.
44
110000
2000
in denen Lance Armstrong erwähnt wird.
02:07
(Applause)
45
112000
3000
(Applaus)
02:10
Now, if I want to just kind of take a peek at these,
46
115000
3000
Jetzt, wenn ich nur einen gröberen Überblick bekommen möchte,
02:13
I might think,
47
118000
2000
könnte ich denken
02:15
"Well, what about taking a look at all of cycling?"
48
120000
2000
"Ok, was wenn ich mir alles mit dem Thema Fahrradfahren ansehe?"
02:17
So I can step back, and expand on that.
49
122000
2000
Also gehe ich einen Schritt zurück und erweitere die Sichtweise.
02:19
And I see Greg LeMond now.
50
124000
2000
Nun sehe ich Greg Lemond.
02:21
And so you get the idea that when you
51
126000
2000
Und so bekommt man eine Idee davon, dass wenn man
02:23
navigate over information this way --
52
128000
2000
auf diese Art Informationen durchsucht,
02:25
going narrower, broader,
53
130000
2000
gezielter, breiter,
02:27
backing in, backing out --
54
132000
2000
reinzoomen, rauszoomen,
02:29
you're not searching, you're not browsing.
55
134000
2000
dann sucht man nicht oder surft nicht einfach nur.
02:31
You're doing something that's actually a little bit different.
56
136000
2000
Man macht etwas, das eigentlich ein wenig anders ist.
02:33
It's in between, and we think it changes
57
138000
3000
Es ist etwas dazwischen und wir denken es ändert
02:36
the way information can be used.
58
141000
2000
die Art und Weise wie Informationen genutzt werden können.
02:38
So I want to extrapolate on this idea a bit
59
143000
2000
Ich möchte diese Idee nun ein bisschen weiter ausführen
02:40
with something that's a little bit crazy.
60
145000
2000
mit etwa was ein bisschen verrückt ist.
02:42
What we're done here is we've taken every single Wikipedia page
61
147000
3000
Was wir hier gemacht haben ist, wir haben jede einzelne Wikipediaseite genommen
02:45
and we reduced it down to a little summary.
62
150000
3000
und sie auf eine kleine Zusammenfassung reduziert.
02:48
So the summary consists of just a little synopsis
63
153000
3000
Die Zusammenfassung enthält eine kurze Übersicht
02:51
and an icon to indicate the topical area that it comes from.
64
156000
3000
und ein Symbol für den Bereich aus dem sie kommt.
02:54
I'm only showing the top 500
65
159000
3000
Ich zeige nur mal die Top 500
02:57
most popular Wikipedia pages right here.
66
162000
2000
der populärsten Wikipediaseiten.
02:59
But even in this limited view,
67
164000
2000
Aber sogar in dieser eingeschränkten Ansicht
03:01
we can do a lot of things.
68
166000
2000
können wir eine Menge Dinge tun.
03:03
Right away, we get a sense of what are the topical domains
69
168000
2000
Sofort bekommen wir einen Eindruck über die Themen,
03:05
that are most popular on Wikipedia.
70
170000
2000
die auf Wikipedia am populärsten sind.
03:07
I'm going to go ahead and select government.
71
172000
2000
Ich werde nun das Thema 'Regierung' wählen.
03:09
Now, having selected government,
72
174000
3000
Nun, nachdem ich 'Regierung' gewählt habe
03:12
I can now see that the Wikipedia categories
73
177000
2000
erkenne ich, dass die Wikipediakategorien,
03:14
that most frequently correspond to that
74
179000
2000
die sich am meisten damit decken
03:16
are Time magazine People of the Year.
75
181000
3000
Time Magazines "Menschen des Jahres" sind.
03:19
So this is really important because this is an insight
76
184000
3000
Dies ist wirklich wichtig, da dies eine Erkenntnis ist,
03:22
that was not contained within any one Wikipedia page.
77
187000
3000
die nicht in einer einzelnen Wikipediaseite steckt.
03:25
It's only possible to see that insight
78
190000
2000
Das ist nur zu erkennen
03:27
when you step back and look at all of them.
79
192000
3000
wenn man einen Schritt zurückgeht und das Ganze betrachtet.
03:30
Looking at one of these particular summaries,
80
195000
2000
Schauend auf eine bestimmte dieser Zusammenfassungen
03:32
I can then drill into the concept of
81
197000
3000
kann ich dann in das Thema
03:35
Time magazine Person of the Year,
82
200000
2000
Time Magazines "Menschen des Jahres" hinein gehen,
03:37
bringing up all of them.
83
202000
2000
und alle zusammen sehen.
03:39
So looking at these people,
84
204000
2000
Wenn ich nun all diese Personen betrachte
03:41
I can see that the majority come from government;
85
206000
3000
erkenne ich, dass die Mehrheit davon Regierungsbeamte sind.
03:45
some have come from natural sciences;
86
210000
3000
Manche kommen aus der Wissenschaft.
03:49
some, fewer still, have come from business --
87
214000
3000
Manche, noch weniger, kommen aus der Wirtschaft.
03:53
there's my boss --
88
218000
2000
Hier ist mein Chef.
03:55
and one has come from music.
89
220000
5000
Und einer kommt aus dem Musikbereich.
04:00
And interestingly enough,
90
225000
2000
Und interessanterweise
04:02
Bono is also a TED Prize winner.
91
227000
3000
ist Bono auch ein TED Prize Gewinner.
04:05
So we can go, jump, and take a look at all the TED Prize winners.
92
230000
3000
So können wir nun springen und einen Blick auf alle TED Prize Gewinner werfen.
04:08
So you see, we're navigating the web for the first time
93
233000
3000
Man sieht, wir surfen im Netz das erste Mal
04:11
as if it's actually a web, not from page-to-page,
94
236000
3000
als ob es auch wirklich ein Netz ist, nicht nur von Seite zu Seite,
04:14
but at a higher level of abstraction.
95
239000
2000
sondern viel abstrakter.
04:16
And so I want to show you one other thing
96
241000
2000
Und so möchte ich Ihnen was anderes zeigen
04:18
that may catch you a little bit by surprise.
97
243000
3000
was eine kleine Überraschung sein könnte.
04:21
I'm just showing the New York Times website here.
98
246000
3000
Ich zeige Ihnen hier einfach nur die New York Times Website.
04:24
So Pivot, this application --
99
249000
2000
Pivot, diese Anwendung --
04:26
I don't want to call it a browser; it's really not a browser,
100
251000
2000
Ich möchte es nicht einen Browser nennen; es ist wirklich kein Browser,
04:28
but you can view web pages with it --
101
253000
3000
aber man kann Webseiten damit ansehen --
04:31
and we bring that zoomable technology
102
256000
2000
und wir bringen diese Zoom-Technologie
04:33
to every single web page like this.
103
258000
3000
zu jeder einzelnen Webseite wie dieser.
04:36
So I can step back,
104
261000
3000
Ich kann also einen Schritt zurückgehen,
04:39
pop right back into a specific section.
105
264000
2000
und direkt zu einer spezifischen Sektion springen.
04:41
Now the reason why this is important is because,
106
266000
2000
Das ist deshalb wichtig, weil man nur durch das
04:43
by virtue of just viewing web pages in this way,
107
268000
3000
Anschauen von Webseiten in dieser Art und Weise,
04:46
I can look at my entire browsing history
108
271000
2000
den ganzen Internet-Verlauf auf die gleiche
04:48
in the exact same way.
109
273000
2000
Art und Weise betrachten kann.
04:50
So I can drill into what I've done
110
275000
2000
Ich kann also in meinen Verlauf hineinzoomen
04:52
over specific time frames.
111
277000
2000
in einem bestimmten Zeitrahmen.
04:54
Here, in fact, is the state
112
279000
2000
Hier ist der Stand der gesamten Demonstration,
04:56
of all the demo that I just gave.
113
281000
2000
die ich bis hierhin gehalten habe.
04:58
And I can sort of replay some stuff that I was looking at earlier today.
114
283000
3000
Und ich kann sozusagen alles, was ich heute bisher angesehen habe, wieder zurückholen.
05:01
And, if I want to step back and look at everything,
115
286000
3000
Und, wenn ich wieder einen Schritt rausgehe und auf alles schaue,
05:04
I can slice and dice my history,
116
289000
2000
kann ich meinen Verlauf neu anordnen
05:06
perhaps by my search history --
117
291000
2000
vielleicht nach meiner Such-Vergangenheit.
05:08
here, I was doing some nepotistic searching,
118
293000
2000
Hier, habe ich nach 'nepotistisch' gesucht,
05:10
looking for Bing, over here for Live Labs Pivot.
119
295000
3000
hier nach Bing, oder hier nach Live Labs Pivot.
05:13
And from these, I can drill into the web page
120
298000
2000
Und von hier kann ich in die Seite hineingehen
05:15
and just launch them again.
121
300000
2000
und sie wieder aufrufen.
05:17
It's one metaphor repurposed multiple times,
122
302000
3000
Es ist eine Metapher, die immer wieder verwendet wird,
05:20
and in each case it makes the whole greater
123
305000
2000
und jedes Mal macht es das Gesamtbild
05:22
than the sum of the parts with the data.
124
307000
2000
größer als die Summe der Datenteile.
05:24
So right now, in this world,
125
309000
3000
Im Moment, in dieser Welt,
05:27
we think about data as being this curse.
126
312000
3000
denken wir, dass Daten ein Fluch sind.
05:30
We talk about the curse of information overload.
127
315000
3000
Wir reden von dem Fluch des Informationsüberflusses.
05:33
We talk about drowning in data.
128
318000
3000
Wir reden vom "Ertrinken in Informationen".
05:36
What if we can actually turn that upside down
129
321000
2000
Was, wenn wir diese Situation umdrehen könnten
05:38
and turn the web upside down,
130
323000
2000
und das Internet auf den Kopf stellen,
05:40
so that instead of navigating from one thing to the next,
131
325000
3000
so dass wir anstatt immer von einem zum anderen zu gehen,
05:43
we get used to the habit of being able to go from many things to many things,
132
328000
3000
beginnen von vielen Dingen zu vielen Dingen gehen zu können,
05:46
and then being able to see the patterns
133
331000
2000
und dadurch Muster erkennen,
05:48
that were otherwise hidden?
134
333000
2000
welche ansonsten verborgen geblieben wären?
05:50
If we can do that, then instead of being trapped in data,
135
335000
5000
Falls wir dies tun können, dann wird diese bisherige Datenfalle,
05:55
we might actually extract information.
136
340000
3000
vielleicht eine neue Quelle sinnvoller Informationen.
05:58
And, instead of dealing just with information,
137
343000
2000
Und, anstatt sich einfach nur in Informationen zu bewegen,
06:00
we can tease out knowledge.
138
345000
2000
können wir Wissen daraus bekommen.
06:02
And if we get the knowledge, then maybe even there's wisdom to be found.
139
347000
3000
Und wenn wir Wissen erfahren, dann können wir vielleicht sogar Weisheiten daraus ziehen.
06:05
So with that, I thank you.
140
350000
2000
Damit höre ich auf, vielen Dank.
06:07
(Applause)
141
352000
8000
(Applaus)
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