TED2010
Gary Flake: Is Pivot a turning point for web exploration?
Gary Flake: Es Pivot un eje de cambio para la exploracion web?
Filmed:
Readability: 3.8
751,479 views
Gary Flake hace una demostración de Pivot, una nueva forma de navegar y organizar grandes cantidades de imagenes y datos en linea. Construido con la novedosa tecnología Seadragon, permite acercamientos y panorámicas espectaculares de bases de datos en linea así como el descubrimiento de patrones y enlaces invisibles en la navegación web común.
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
Si puedo dejarlos este día con una sola gran idea,
00:18
it's that the whole of the data
1
3000
2000
es que el cúmulo de datos
00:20
in which we consume
2
5000
2000
que consumimos
00:22
is greater that the sum of the parts,
3
7000
2000
es mayor que la suma de las partes,
00:24
and instead of thinking about information overload,
4
9000
3000
y, en lugar de verlo como una sobrecarga de información,
00:27
what I'd like you to think about is how
5
12000
2000
Lo que quiero que piensen es en cómo
00:29
we can use information so that patterns pop
6
14000
3000
podemos utilizar esa información para resaltar patrones
00:32
and we can see trends that would otherwise be invisible.
7
17000
3000
y ver tendencias que de otro modo serian invisibles.
00:35
So what we're looking at right here is a typical mortality chart
8
20000
3000
Así que lo que estamos viendo aquí es una tabla típica de mortalidad
00:38
organized by age.
9
23000
2000
organizada por edad.
00:40
This tool that I'm using here is a little experiment.
10
25000
2000
Esta herramienta que uso es un pequeño experimento.
00:42
It's called Pivot, and with Pivot what I can do
11
27000
3000
Se llama Pivot, y con Pivot lo que puedo hacer
00:45
is I can choose to filter in one particular cause of deaths -- say, accidents.
12
30000
4000
es filtrar una causa en particular de muertes, digamos accidentes.
00:49
And, right away, I see there's a different pattern that emerges.
13
34000
3000
E inmediatamente vemos que se hace evidente un patrón diferente.
00:52
This is because, in the mid-area here,
14
37000
2000
Esto es porque, en la sección central aquí,
00:54
people are at their most active,
15
39000
2000
las personas están su etapa mas activa,
00:56
and over here they're at their most frail.
16
41000
2000
y aquí están en la mas frágil.
00:58
We can step back out again
17
43000
2000
Podemos nuevamente volver atrás
01:00
and then reorganize the data by cause of death,
18
45000
2000
y reorganizar los datos por causa de muerte,
01:02
seeing that circulatory diseases and cancer
19
47000
3000
viendo que las enfermedades circulatorias y el cáncer
01:05
are the usual suspects, but not for everyone.
20
50000
3000
son los sospechosos usuales, aunque no para todos.
01:08
If we go ahead and we filter by age --
21
53000
3000
Si filtramos por edad,
01:11
say 40 years or less --
22
56000
2000
digamos menores de 40 años,
01:13
we see that accidents are actually
23
58000
2000
vemos que los accidentes son realmente
01:15
the greatest cause that people have to be worried about.
24
60000
3000
la principal causa de la que la gente debe preocuparse.
01:18
And if you drill into that, it's especially the case for men.
25
63000
3000
Y si te adentras mas en eso, es mas común en el caso de los hombres.
01:21
So you get the idea
26
66000
2000
Así que entienden la idea
01:23
that viewing information, viewing data in this way,
27
68000
3000
de que ver la información y los datos en esta manera,
01:26
is a lot like swimming
28
71000
2000
es como nadar
01:28
in a living information info-graphic.
29
73000
3000
en una infografía viviente de información.
01:31
And if we can do this for raw data,
30
76000
2000
Y si podemos hacer esto con datos crudos,
01:33
why not do it for content as well?
31
78000
3000
¿Por qué no lo hacemos también para contenido?
01:36
So what we have right here
32
81000
2000
Así que lo que tenemos aquí,
01:38
is the cover of every single Sports Illustrated
33
83000
3000
es la portada de todas las Sports Illustrated
01:41
ever produced.
34
86000
2000
que se han producido.
01:43
It's all here; it's all on the web.
35
88000
2000
Todo esta aquí. En la web.
01:45
You can go back to your rooms and try this after my talk.
36
90000
3000
Pueden regresar a sus habitaciones e intentar esto después de mi platica.
01:48
With Pivot, you can drill into a decade.
37
93000
3000
Con Pivot pueden reducirlo a una década.
01:51
You can drill into a particular year.
38
96000
2000
O reducirlo a un año en particular.
01:53
You can jump right into a specific issue.
39
98000
3000
O puedes brincar directo a una edición en particular.
01:56
So I'm looking at this; I see the athletes
40
101000
2000
Asi que estoy viendo esto, veo atletas
01:58
that have appeared in this issue, the sports.
41
103000
2000
que han aparecido en esta edición, los deportes.
02:00
I'm a Lance Armstrong fan, so I'll go ahead and I'll click on that,
42
105000
3000
Soy un fan de Lance Armstrong, así que le daré clic a eso,
02:03
which reveals, for me, all the issues
43
108000
2000
que me revela, todas las ediciones
02:05
in which Lance Armstrong's been a part of.
44
110000
2000
en las que está Lance Armostrong.
02:07
(Applause)
45
112000
3000
(Aplausos)
02:10
Now, if I want to just kind of take a peek at these,
46
115000
3000
Ahora si solo quieren darle un vistazo a esto,
02:13
I might think,
47
118000
2000
podríamos pensar,
02:15
"Well, what about taking a look at all of cycling?"
48
120000
2000
"¿Qué tal si vemos todo lo relacionado con el ciclismo?"
02:17
So I can step back, and expand on that.
49
122000
2000
Así que puedo volver, y expandir eso.
02:19
And I see Greg LeMond now.
50
124000
2000
Y ahora veo a Greg Lemond.
02:21
And so you get the idea that when you
51
126000
2000
Así tienes una idea de que cuando
02:23
navigate over information this way --
52
128000
2000
navegas la información de esta manera,
02:25
going narrower, broader,
53
130000
2000
acotando, expandiendo,
02:27
backing in, backing out --
54
132000
2000
adentrándote, retirándote,
02:29
you're not searching, you're not browsing.
55
134000
2000
no estás buscando, no estás navegando.
02:31
You're doing something that's actually a little bit different.
56
136000
2000
Estas haciendo algo ligeramente distinto.
02:33
It's in between, and we think it changes
57
138000
3000
Es un intermedio, y pensamos que cambia
02:36
the way information can be used.
58
141000
2000
la forma en que se aprovecha la información.
02:38
So I want to extrapolate on this idea a bit
59
143000
2000
Así que quiero extrapolar un poco esta idea
02:40
with something that's a little bit crazy.
60
145000
2000
algo que es un poco loco.
02:42
What we're done here is we've taken every single Wikipedia page
61
147000
3000
Lo que hemos hecho es que hemos tomado todas las páginas de wikipedia
02:45
and we reduced it down to a little summary.
62
150000
3000
y las hemos reducido a un pequeño resumen.
02:48
So the summary consists of just a little synopsis
63
153000
3000
El resumen consiste en una pequeña sinopsis
02:51
and an icon to indicate the topical area that it comes from.
64
156000
3000
y un ícono que indica el área de tópicos de la que proviene.
02:54
I'm only showing the top 500
65
159000
3000
Solo estoy mostrando las 500
02:57
most popular Wikipedia pages right here.
66
162000
2000
páginas mas populares de Wikipedia.
02:59
But even in this limited view,
67
164000
2000
Pero aún en esta vista limitada,
03:01
we can do a lot of things.
68
166000
2000
podemos hacer muchas cosas.
03:03
Right away, we get a sense of what are the topical domains
69
168000
2000
De inmediato, podemos tener un sentir de los topicos
03:05
that are most popular on Wikipedia.
70
170000
2000
más populares en Wikipedia.
03:07
I'm going to go ahead and select government.
71
172000
2000
Voy a aventurarme a seleccionar gobierno.
03:09
Now, having selected government,
72
174000
3000
Ahora, habiendo seleccionado gobierno,
03:12
I can now see that the Wikipedia categories
73
177000
2000
puedo ver que las categorías de Wikipedia
03:14
that most frequently correspond to that
74
179000
2000
que más frecuentemente corresponden a eso
03:16
are Time magazine People of the Year.
75
181000
3000
son la revista Time Personas del Año.
03:19
So this is really important because this is an insight
76
184000
3000
Esto es verdaderamente importante porque esto revela
03:22
that was not contained within any one Wikipedia page.
77
187000
3000
algo que no estaba contenido en ninguna página de Wikipedia.
03:25
It's only possible to see that insight
78
190000
2000
Solo es posible dar esa mirada
03:27
when you step back and look at all of them.
79
192000
3000
cuando das un paso atrás y lo ves todo.
03:30
Looking at one of these particular summaries,
80
195000
2000
Viendo uno de estos resúmenes en particular,
03:32
I can then drill into the concept of
81
197000
3000
Puedo entonces indagar en el concepto de
03:35
Time magazine Person of the Year,
82
200000
2000
la revista Time Personas del Año,
03:37
bringing up all of them.
83
202000
2000
y verlas todas.
03:39
So looking at these people,
84
204000
2000
Así que viendo a estas personas,
03:41
I can see that the majority come from government;
85
206000
3000
puedo ver que la mayoría de ellas viene del gobierno.
03:45
some have come from natural sciences;
86
210000
3000
Algunos vienen de ciencias naturales.
03:49
some, fewer still, have come from business --
87
214000
3000
Unos cuantos, vienen del mundo de los negocios.
03:53
there's my boss --
88
218000
2000
Ahí esta mi jefe.
03:55
and one has come from music.
89
220000
5000
Y uno de ellos viene de la música.
04:00
And interestingly enough,
90
225000
2000
Y de mayor interés,
04:02
Bono is also a TED Prize winner.
91
227000
3000
Bono también es un ganador del premio TED.
04:05
So we can go, jump, and take a look at all the TED Prize winners.
92
230000
3000
Así que podemos saltar y dar un vistazo a todos los ganadores del premio TED.
04:08
So you see, we're navigating the web for the first time
93
233000
3000
Como ven, estamos navegando la Web por primera vez
04:11
as if it's actually a web, not from page-to-page,
94
236000
3000
como si realmente fuera una red, no de página en página,
04:14
but at a higher level of abstraction.
95
239000
2000
sino a un nivel mayor de abstracción.
04:16
And so I want to show you one other thing
96
241000
2000
Quiero mostrarles una cosa más
04:18
that may catch you a little bit by surprise.
97
243000
3000
que pueda quizá sorprenderles un poco.
04:21
I'm just showing the New York Times website here.
98
246000
3000
Solo estoy mostrando aquí el sito del New York Times.
04:24
So Pivot, this application --
99
249000
2000
Y Pivot, esta herramienta --
04:26
I don't want to call it a browser; it's really not a browser,
100
251000
2000
No quiero llamarla un navegador; realmente no es un navegador,
04:28
but you can view web pages with it --
101
253000
3000
pero puedes ver paginas Web con ella --
04:31
and we bring that zoomable technology
102
256000
2000
y traemos la tecnología de acercamiento
04:33
to every single web page like this.
103
258000
3000
a cada página web como esta.
04:36
So I can step back,
104
261000
3000
Puedo regresar,
04:39
pop right back into a specific section.
105
264000
2000
dar un brinco atrás a una sección especifica.
04:41
Now the reason why this is important is because,
106
266000
2000
Ahora, la razón por lo que es importante es porque,
04:43
by virtue of just viewing web pages in this way,
107
268000
3000
por el hecho simple de ver páginas Web de esta manera,
04:46
I can look at my entire browsing history
108
271000
2000
puedo ver mi historial de navegación completo
04:48
in the exact same way.
109
273000
2000
exactamenrte en la misma manera.
04:50
So I can drill into what I've done
110
275000
2000
Y puedo adentrarme en lo que he hecho
04:52
over specific time frames.
111
277000
2000
en periodos de tiempo específicos.
04:54
Here, in fact, is the state
112
279000
2000
Aquí, de hecho, aparece el estado
04:56
of all the demo that I just gave.
113
281000
2000
de toda la demostración que acabo de dar.
04:58
And I can sort of replay some stuff that I was looking at earlier today.
114
283000
3000
Y puedo hacer una reproducción de algunas de las cosas que veía esta mañana.
05:01
And, if I want to step back and look at everything,
115
286000
3000
Y, si quiero regresar y ver todo,
05:04
I can slice and dice my history,
116
289000
2000
puedo rebanar y recortar mi historial
05:06
perhaps by my search history --
117
291000
2000
quizá por el historial de búsquedas.
05:08
here, I was doing some nepotistic searching,
118
293000
2000
Aquí, estaba haciendo un poco de búsqueda nepotista,
05:10
looking for Bing, over here for Live Labs Pivot.
119
295000
3000
buscando por Bing, por aquí los Live Labs Pivot.
05:13
And from these, I can drill into the web page
120
298000
2000
Y desde aquí puedo adentrarme a la página web
05:15
and just launch them again.
121
300000
2000
y volverlos a ejecutar.
05:17
It's one metaphor repurposed multiple times,
122
302000
3000
Es una metáfora que tiene un nuevo propósito cada vez,
05:20
and in each case it makes the whole greater
123
305000
2000
y en cada caso hace que la suma sea más grande
05:22
than the sum of the parts with the data.
124
307000
2000
que la suma de sus partes con los datos.
05:24
So right now, in this world,
125
309000
3000
Así que ahora, en este mundo,
05:27
we think about data as being this curse.
126
312000
3000
pensamos en los datos como una maldición.
05:30
We talk about the curse of information overload.
127
315000
3000
Hablamos acerca de la maldición de la sobrecarga de información.
05:33
We talk about drowning in data.
128
318000
3000
Hablamos acerca de ahogarnos en datos.
05:36
What if we can actually turn that upside down
129
321000
2000
¿Qué tal si le damos la vuelta a esto
05:38
and turn the web upside down,
130
323000
2000
y ponemos de cabeza la web,
05:40
so that instead of navigating from one thing to the next,
131
325000
3000
para que en lugar de ir de una cosa a la siguiente,
05:43
we get used to the habit of being able to go from many things to many things,
132
328000
3000
nos acostumbremos al hábito de poder ir de muchas cosas a muchas cosas,
05:46
and then being able to see the patterns
133
331000
2000
y luego poder ver los patrones
05:48
that were otherwise hidden?
134
333000
2000
que de otra manera estarían ocultos?
05:50
If we can do that, then instead of being trapped in data,
135
335000
5000
Si podemos hacer eso, entonces en vez de estar atrapados en datos,
05:55
we might actually extract information.
136
340000
3000
podremos realmente extraer información.
05:58
And, instead of dealing just with information,
137
343000
2000
Y si, en lugar de solo tratar con la información,
06:00
we can tease out knowledge.
138
345000
2000
podamos extraerle conocimiento,
06:02
And if we get the knowledge, then maybe even there's wisdom to be found.
139
347000
3000
y si tenemos el conocimiento, entonces quizá podamos encontrar sabiduría.
06:05
So with that, I thank you.
140
350000
2000
Así que con eso, les doy las gracias.
06:07
(Applause)
141
352000
8000
(Aplausos)
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