TEDxCMU
Luis von Ahn: Massive-scale online collaboration
لویس:همکاری آنلاین در مقیاس بسیار وسیع
Filmed:
Readability: 3.8
1,740,008 views
بعد از گفتن اهداف مجدد از ایجاد فایلهای کپچا که چگونه انسانها به کمک هم در حال الکترونیکی کردن کتابها هستند ، لویس پروژه جدید خود را در مورد وب سایت دولینگو ارائه میکنه که چطور به انسانها کمک میکنه تا یک زبان رو یاد بگیرند زمانی که در حال ترجمه یک وب سایت به صورت صحیح و سریع هستند - آن هم به صورت رایگان .
Luis von Ahn - Computer scientist
Luis von Ahn builds systems that combine humans and computers to solve large-scale problems that neither can solve alone. Full bio
Luis von Ahn builds systems that combine humans and computers to solve large-scale problems that neither can solve alone. Full bio
Double-click the English transcript below to play the video.
00:15
How many of you had to fill out some sort of web form
0
0
2000
چند نفر از شما تاکنون فرمهای اینترنتی رو پر کردید
00:17
where you've been asked to read a distorted sequence of characters like this?
1
2000
2000
وقتی که از شما خواسته میشه کاراکترهای بهم ریخته ای مثل این رو بخونید
00:19
How many of you found it really, really annoying?
2
4000
2000
چه تعداد از شما اون رو ناراحت کننده یافتید
00:21
Okay, outstanding. So I invented that.
3
6000
3000
بسیار خوب من اون رو اختراع کردم
00:24
(Laughter)
4
9000
2000
خنده حضار
00:26
Or I was one of the people who did it.
5
11000
2000
ویا من جزو افرادی بودم که این کار رو انجام دادن
00:28
That thing is called a CAPTCHA.
6
13000
2000
که با نام فایل (کپچا) میشناسیم
00:30
And the reason it is there is to make sure you, the entity filling out the form,
7
15000
2000
و دلیل اون اینکه مطمئین شوند کسی که فرم رو پر میکنه
00:32
are actually a human and not some sort of computer program
8
17000
3000
واقعا یک انسانه و نه یک نوع برنامه کامپیوتری
00:35
that was written to submit the form millions and millions of times.
9
20000
2000
که برای ارسال فرم میلیون ها و میلیون ها بار نوشته شده بود.
00:37
The reason it works is because humans,
10
22000
2000
دلیل کار اون به خاطر انسانهاست
00:39
at least non-visually-impaired humans,
11
24000
2000
حداقل انسانها بدون مشکل
00:41
have no trouble reading these distorted squiggly characters,
12
26000
2000
میتوانند کلمات متوالی بهم ریخته را بخوانند
00:43
whereas computer programs simply can't do it as well yet.
13
28000
3000
و از آنجا که برنامه ها ی کامپیوتری هنوز نمیتوانند آن را به خوبی بخوانند
00:46
So for example, in the case of Ticketmaster,
14
31000
2000
برای مثال ، در این وب سایت فروش بلیط
00:48
the reason you have to type these distorted characters
15
33000
2000
دلیل نوشتن این کلمات بهم ریخته
00:50
is to prevent scalpers from writing a program
16
35000
2000
ممانعت سارقان از نوشتن برنامه هایی است که
00:52
that can buy millions of tickets, two at a time.
17
37000
2000
میتونن میلیونها بلیط رو در یک لحظه خرید کنند .
00:54
CAPTCHAs are used all over the Internet.
18
39000
2000
کپچا در تمامی صفحات وب استفاده میشود
00:56
And since they're used so often,
19
41000
2000
بنابراین اغلب از آنها استفاده میشود
00:58
a lot of times the precise sequence of random characters that is shown to the user
20
43000
2000
به صورت توالی دقیقی از کاراکترها به صورت تصادفی که به کاربر نشان داده میشوند
01:00
is not so fortunate.
21
45000
2000
که بسیار هم خوب نیست
01:02
So this is an example from the Yahoo registration page.
22
47000
3000
این یک مثالی است از صفحه ثبت نام یاهو
01:05
The random characters that happened to be shown to the user
23
50000
2000
کاراکترهای تصادفی که به کاربر نشون داده میشه
01:07
were W, A, I, T, which, of course, spell a word.
24
52000
3000
-W,A.I,T-است که به معنی منظر باش میباشد
01:10
But the best part is the message
25
55000
3000
اما بخش خوب این پیام
01:13
that the Yahoo help desk got about 20 minutes later.
26
58000
3000
اینه که بعد 20 دقیقه کمک یاهو فعال میشه
01:16
Text: "Help! I've been waiting for over 20 minutes, and nothing happens."
27
61000
3000
متن:کمک کنید من 20 دقیقه است که منتظرم ولی اتفاقی نمی افتد
01:19
(Laughter)
28
64000
4000
خنده حضار
01:23
This person thought they needed to wait.
29
68000
2000
این شخص فکر میکنه که باید منتظر باشه
01:25
This of course, is not as bad as this poor person.
30
70000
3000
البته این یکی به بدی این شخص بیچاره هم نیست
01:28
(Laughter)
31
73000
2000
خنده حضار
01:30
CAPTCHA Project is something that we did here at Carnegie Melllon over 10 years ago,
32
75000
3000
پروژه کپچا چیری است که ما انجام میدهیم در کارنگی میلون در این 10 سال گذشته
01:33
and it's been used everywhere.
33
78000
2000
و این استفاده میشود در همه جا
01:35
Let me now tell you about a project that we did a few years later,
34
80000
2000
حالا اجازه بدید در مورد پروژه ای بگم که در چند سال گذشته شروع کردیم
01:37
which is sort of the next evolution of CAPTCHA.
35
82000
3000
که نوعی از انقلاب در کپچا به حساب می اید
01:40
This is a project that we call reCAPTCHA,
36
85000
2000
این پروزه به اسم ری کپچای است
01:42
which is something that we started here at Carnegie Mellon,
37
87000
2000
که ما در کارنگی ملون شروع کرده اییم
01:44
then we turned it into a startup company.
38
89000
2000
وسپس آن را به عنوان یک شرکت شروع کردیم
01:46
And then about a year and a half ago,
39
91000
2000
و حدود یکسال ونیم گذشته
01:48
Google actually acquired this company.
40
93000
2000
شرکت گوگل مالک آن شد
01:50
So let me tell you what this project started.
41
95000
2000
حالا به من اجاز بدهید این پروژه چگونه شروع شد
01:52
So this project started from the following realization:
42
97000
3000
این پروژه از تحقیق زیر شروع شد
01:55
It turns out that approximately 200 million CAPTCHAs
43
100000
2000
به نظر میرسه که حدود 200 میلویون کپچا داشته باشیم
01:57
are typed everyday by people around the world.
44
102000
3000
که روزانه توسط مردم نوشته میشوند
02:00
When I first heard this, I was quite proud of myself.
45
105000
2000
زمانی که من این رو شنیدم ، به خودم افتخار کردم
02:02
I thought, look at the impact that my research has had.
46
107000
2000
من فکر کردم ،به تاثیر تحقیقات من نگاه کن
02:04
But then I started feeling bad.
47
109000
2000
اما بعد احساس بدی داشتم
02:06
See here's the thing, each time you type a CAPTCHA,
48
111000
2000
به این نگاه کن ، هر زمان که شما یک کپچا رو مینویسید
02:08
essentially you waste 10 seconds of your time.
49
113000
3000
حداقل 10 ثانیه زمان صرف میکنید
02:11
And if you multiply that by 200 million,
50
116000
2000
و اگه شما اونو ضرب در 200 میلیون کنید
02:13
you get that humanity as a whole is wasting about 500,000 hours every day
51
118000
3000
500000 ساعت نفر در روز زمان از دست رفته داریم
02:16
typing these annoying CAPTCHAs.
52
121000
2000
تایپ این کپچای آزار دهنده است
02:18
So then I started feeling bad.
53
123000
2000
بنابر این من حس خوبی نداشتم
02:20
(Laughter)
54
125000
2000
خنده حضار
02:22
And then I started thinking, well, of course, we can't just get rid of CAPTCHAs,
55
127000
3000
و من شروع به فکر کردن کردم ، خوب ، البته ، ما نمیتونیم از شر کپچا خلاص شویم
02:25
because the security of the Web sort of depends on them.
56
130000
2000
برای اینکه امنیت بخشی از وب سایت به او نبستگی داره
02:27
But then I started thinking, is there any way we can use this effort
57
132000
3000
اما سپس شروع به فکر کردن کردم ، آیا راهی وجود داره که بتونیم از این حرکت استفاده کنیم
02:30
for something that is good for humanity?
58
135000
2000
چیری که برای بشریت مفید باشد ؟
02:32
So see, here's the thing.
59
137000
2000
پس ببینید این اون چیز است
02:34
While you're typing a CAPTCHA, during those 10 seconds,
60
139000
2000
زمانی که شما یک فایل کپچا رو مینویسید در زمان 10 ثانیه
02:36
your brain is doing something amazing.
61
141000
2000
مغز شما کار جالبی انجام میده
02:38
Your brain is doing something that computers cannot yet do.
62
143000
2000
مغز شما کاری رو انجام میده که هنوز هیچ رایانه ای قادر به انجام اون نیست
02:40
So can we get you to do useful work for those 10 seconds?
63
145000
3000
پس ما کاری میکنیم که درون این 10 ثانیه کار مفیدی انجام بشه
02:43
Another way of putting it is,
64
148000
2000
چیزی که قرار دادیم
02:45
is there some humongous problem that we cannot yet get computers to solve,
65
150000
2000
مشکل بسیار بزرگی است که هنوز هیچ رایانه ای قادر به حل مشکل نشده
02:47
yet we can split into tiny 10-second chunks
66
152000
3000
ما میتونیم 10 ثانیه رو به دوقسمت تقسیم کنیم
02:50
such that each time somebody solves a CAPTCHA
67
155000
2000
زمانی که هر شخص زمانی رو برای حل کپچا انجام میده
02:52
they solve a little bit of this problem?
68
157000
2000
آنها درارند بخشی از این مشکل رو حل میکنند
02:54
And the answer to that is "yes," and this is what we're doing now.
69
159000
2000
و جواب اون ، بله است ، واین چیزی است که ما داریم انجام میدهیم
02:56
So what you may not know is that nowadays while you're typing a CAPTCHA,
70
161000
3000
بنابر این اون چیزی که ممکنه شما تا حالا ندونید اینه که زمانی که شما کپچا رو مینویسید
02:59
not only are you authenticating yourself as a human,
71
164000
2000
فقط شما خودتون رو به عنوان یک انسان معرفی نمیکنید
03:01
but in addition you're actually helping us to digitize books.
72
166000
2000
بلکه شما کمک میکنید تا ما کتابها رو الکترونیکی کنیم
03:03
So let me explain how this works.
73
168000
2000
اجازه بدبد توضیح بدم
03:05
So there's a lot of projects out there trying to digitize books.
74
170000
2000
تا حالا پروژه های زیادی وجود داشته که جهت الکترونیکی کردن کتابها بوده
03:07
Google has one. The Internet Archive has one.
75
172000
3000
گوگل یکی از اونها بود.بایگانی اینترنتی یکی دیگر
03:10
Amazon, now with the Kindle, is trying to digitize books.
76
175000
2000
آمازو ن با کیندل(kindle) سعی در الکترونیکی کردن کتابها داره
03:12
Basically the way this works
77
177000
2000
اساسا راهی که این ،کار میکنه
03:14
is you start with an old book.
78
179000
2000
اینکه شما با یک کتاب قدیمی شروع میکنید
03:16
You've seen those things, right? Like a book?
79
181000
2000
شما اونو دیدید ، درسته ؟ شبیه یه کتاب قدیمی
03:18
(Laughter)
80
183000
2000
خنده حضار
03:20
So you start with a book, and then you scan it.
81
185000
2000
بنابر این شما با یک کتاب شروع میکنید ،و شما اونو اسکن میکنید
03:22
Now scanning a book
82
187000
2000
حالا شروع به اسکن کتاب کنید
03:24
is like taking a digital photograph of every page of the book.
83
189000
2000
که شبیه یک عکس دیجیتالی از هر صفحه از کتاب است .
03:26
It gives you an image for every page of the book.
84
191000
2000
اون به شما دیدیگاه میده از هر صفحه از کتاب
03:28
This is an image with text for every page of the book.
85
193000
2000
این یک تصویر از متن هر صفحه از کتابه
03:30
The next step in the process
86
195000
2000
مرحله بعد پردازش داده ها است
03:32
is that the computer needs to be able to decipher all of the words in this image.
87
197000
3000
که کامپیوتر نیاز داردبه اینکه قادر باشد هر کلمه رو تشخیص بدهد
03:35
That's using a technology called OCR,
88
200000
2000
این تکنولوژی رو ocr میگویند
03:37
for optical character recognition,
89
202000
2000
جهت تشخیص نوری کاراکترها
03:39
which takes a picture of text
90
204000
2000
که از متن عکس گرفته شده است
03:41
and tries to figure out what text is in there.
91
206000
2000
و سعی میکنه شکل متن رو تشخیص بده
03:43
Now the problem is that OCR is not perfect.
92
208000
2000
حالا مشکل اینه که ocr ها عالی عمل نمیکنند
03:45
Especially for older books
93
210000
2000
خصوصا برای کتابهای قدیمی
03:47
where the ink has faded and the pages have turned yellow,
94
212000
3000
جایی که جوهر کمرنگ شده و صفحات زرد است
03:50
OCR cannot recognize a lot of the words.
95
215000
2000
ocr نمیتونه خیلی از این کلمات رو تشخیص بدهد
03:52
For example, for things that were written more than 50 years ago,
96
217000
2000
برای مثال، برای چیزی که ما 50 سال گذشته نوشتیم
03:54
the computer cannot recognize about 30 percent of the words.
97
219000
3000
کامپیوتر نمی تونه 30 درصد اونارو تشخیص بدهد
03:57
So what we're doing now
98
222000
2000
پس ما باید چکار کنیم
03:59
is we're taking all of the words that the computer cannot recognize
99
224000
2000
آیا غیر از اینه که ما میتونیم کلماتی رو تشخیص بدیم که کامپیوتر نمیتونه
04:01
and we're getting people to read them for us
100
226000
2000
و ما از انسانها استفاده میکنیم تا انها رو برای ما بخونن
04:03
while they're typing a CAPTCHA on the Internet.
101
228000
2000
زمانی که اونها یک فایل کپچا رو در اینترنت مینویسن.
04:05
So the next time you type a CAPTCHA, these words that you're typing
102
230000
3000
پس زمانی که شما یک فایل کپچا رو مینویسید ، این کلمه که شما مینویسید
04:08
are actually words that are coming from books that are being digitized
103
233000
3000
واقعا بخشی از یک کتاب هستند که در حال الکترونیکی شدن هستند
04:11
that the computer could not recognize.
104
236000
2000
و کامپیوترها هم قادر به تشخیص اون نیستند
04:13
And now the reason we have two words nowadays instead of one
105
238000
2000
و دلیل اینکه ما دو کلمه رو کنار هم به جای یک کلمه قرار میدیم
04:15
is because, you see, one of the words
106
240000
2000
اینکه ، همانطور که میبینید ، یک کلمه
04:17
is a word that the system just got out of a book,
107
242000
2000
کلمه ای است که کامپیوتر از کتاب بدست آورده
04:19
it didn't know what it was, and it's going to present it to you.
108
244000
3000
اون نمیدونه که کلمه چیه و اون و به شما ارائه کرده
04:22
But since it doesn't know the answer for it, it cannot grade it for you.
109
247000
3000
اما زمانی که اون جواب رو نمیدونه ، نمیتونه به شما امتیاز بده
04:25
So what we do is we give you another word,
110
250000
2000
پس ما یک کلمه دیگر رو در اختیار شما قرار میدیم
04:27
one for which the system does know the answer.
111
252000
2000
کلمه ای که سیستم جواب اونو میدونه
04:29
We don't tell you which one's which, and we say, please type both.
112
254000
2000
ما به شما نمیگیم که این کلمه دوم کدومه ، م میگیم ، لطفا هر دو را بنویسید
04:31
And if you type the correct word
113
256000
2000
و زمانی که شما کلمه صحیح رو بنویسید
04:33
for the one for which the system already knows the answer,
114
258000
2000
برای کلمه ایی که کامپیوتر جواب اونو میدونه
04:35
it assumes you are human,
115
260000
2000
به نظر میرسه که شما یک انسانید
04:37
and it also gets some confidence that you typed the other word correctly.
116
262000
2000
همچنین سردرگمی خواهد بود برای کلمه دوم که شما اونو نوشتید
04:39
And if we repeat this process to like 10 different people
117
264000
3000
و اگه ما اینو برای 10 شخص دیگه بفرستیم
04:42
and all of them agree on what the new word is,
118
267000
2000
و تمامی اونا توافق داشته باشن بر روی اینکه اون کلمه چیست
04:44
then we get one more word digitized accurately.
119
269000
2000
پس ما تونستیم به طور صحیحی یک کتاب رو دیجیتالی کنیم
04:46
So this is how the system works.
120
271000
2000
پس این روشی است که سیستم کار میکنه
04:48
And basically, since we released it about three or four years ago,
121
273000
3000
و به صورت اولیه ، زمانی که ما اونو از سه یا چهار سال پیش عرضه کردیم
04:51
a lot of websites have started switching
122
276000
2000
خیلی از وبسایتها کپچای خودشونو به این سیستم تغییر دادند
04:53
from the old CAPTCHA where people wasted their time
123
278000
2000
از کپچایی قدیمی که مردم وقت خودشونو بیهوده صرف میکردند
04:55
to the new CAPTCHA where people are helping to digitize books.
124
280000
2000
به کپچای جدیدی که مردم کمک میکنند به الکترونیکی کردن کتابها
04:57
So for example, Ticketmaster.
125
282000
2000
برای مثال سایت فروش بلیط
04:59
So every time you buy tickets on Ticketmaster, you help to digitize a book.
126
284000
3000
زمانی که شما یک بلیط میخرید کمک میکنید تا یک کتاب دیجیتالی شود
05:02
Facebook: Every time you add a friend or poke somebody,
127
287000
2000
فیس بوک:زمانی که شما یک دوستو ادد میکنید یا به دوستتون اشاره میکنید(poke)
05:04
you help to digitize a book.
128
289000
2000
شما دارید به دیجیتالی کردن یک کتاب کمک میکنید
05:06
Twitter and about 350,000 other sites are all using reCAPTCHA.
129
291000
3000
تویتر و حدود 350000 از سایتهای دیگر در حال استفاده ازری کپچا هستند
05:09
And in fact, the number of sites that are using reCAPTCHA is so high
130
294000
2000
در واقع تعداد سایتهای که از ری کپچا استفاده میکنند بسیار بالاست
05:11
that the number of words that we're digitizing per day is really, really large.
131
296000
3000
که تعداد کلملتی که ما در حال دیجیتالی کردن هستیم در هر روز بسیار ، بسیار بالاست
05:14
It's about 100 million a day,
132
299000
2000
چیزی در حدود 100 میلیون در روز
05:16
which is the equivalent of about two and a half million books a year.
133
301000
4000
که برابر چیزی حدود دو ونیم میلیون کتاب در سال
05:20
And this is all being done one word at a time
134
305000
2000
و تمامی این زمانی انجام میشه که یک کلمه نوشته میشه
05:22
by just people typing CAPTCHAs on the Internet.
135
307000
2000
زمانی که مردم یک کپچا رو تایپ میکنن در اینترنت.
05:24
(Applause)
136
309000
8000
تشویق حضار
05:32
Now of course,
137
317000
2000
البته
05:34
since we're doing so many words per day,
138
319000
2000
چونکه ما تعداد زیادی از کلمات را هر روز بکار میبریم
05:36
funny things can happen.
139
321000
2000
اتفاق خنده داری میتونه بیوفته.
05:38
And this is especially true because now we're giving people
140
323000
2000
و این درسته زیرا ما به مردم
05:40
two randomly chosen English words next to each other.
141
325000
2000
دو انتخاب تصادفی از کلمات نزدیک به هم را در انگلیسی انتخاب میکنیم.
05:42
So funny things can happen.
142
327000
2000
خُب اتفاق خنده داری میتونه بیفته.
05:44
For example, we presented this word.
143
329000
2000
برای مثال ما این دو کلمه رو میدیم
05:46
It's the word "Christians"; there's nothing wrong with it.
144
331000
2000
کلمه کریستین که مشکلی در اون نیست
05:48
But if you present it along with another randomly chosen word,
145
333000
3000
اما اگه شما یک کلمه تصادفی دیگه رو بدید
05:51
bad things can happen.
146
336000
2000
اتفاق بد خواهد افتاد
05:53
So we get this. (Text: bad christians)
147
338000
2000
ما اینو بدست میاریم ، کریستین بد.
05:55
But it's even worse, because the particular website where we showed this
148
340000
3000
اما بدتره ، به دلیل اینکه برخی وب سایتها که نشون دادیم
05:58
actually happened to be called The Embassy of the Kingdom of God.
149
343000
3000
اتفاق افتاده به عنوان سفارت شاهان خدایی
06:01
(Laughter)
150
346000
2000
خنده حضار
06:03
Oops.
151
348000
2000
وای
06:05
(Laughter)
152
350000
3000
خنده حضار
06:08
Here's another really bad one.
153
353000
2000
حالا یه مورد بد دیگه
06:10
JohnEdwards.com
154
355000
2000
JohnEdwards.com
06:12
(Text: Damn liberal)
155
357000
3000
لیبرال لعنتی
06:15
(Laughter)
156
360000
2000
خنده حضار
06:17
So we keep on insulting people left and right everyday.
157
362000
3000
پس ما داریم چپ و راست به مردم توهین میکنیم
06:20
Now, of course, we're not just insulting people.
158
365000
2000
البته ،ما به مردم توهین نمیکنیم
06:22
See here's the thing, since we're presenting two randomly chosen words,
159
367000
3000
اینو ببینید ، زمانی که ما دو حرف تصادفی را انتخاب میکنیم
06:25
interesting things can happen.
160
370000
2000
یه چیز جالب اتفاق می افته
06:27
So this actually has given rise
161
372000
2000
خُب در واقع این
06:29
to a really big Internet meme
162
374000
3000
به عنوان یک مشارکت بزرگ در اینترنت
06:32
that tens of thousands of people have participated in,
163
377000
2000
که هزاران انسان در آن مشارکت دارند
06:34
which is called CAPTCHA art.
164
379000
2000
که به عنوان هنر کپچا معروف است، افزایش یافته است
06:36
I'm sure some of you have heard about it.
165
381000
2000
من مطمئین هستم برخی از شما در مورد آن شنیده اید
06:38
Here's how it works.
166
383000
2000
بدین صورت کار میکند
06:40
Imagine you're using the Internet and you see a CAPTCHA
167
385000
2000
تصور کنید شما از اینترنت استفاده میکنید و یک کپچا میبینید
06:42
that you think is somewhat peculiar,
168
387000
2000
که فکر میکنید تا حدی عجیب و غریب است
06:44
like this CAPTCHA. (Text: invisible toaster)
169
389000
2000
مانند این کپچا : توستر نامرئی
06:46
Then what you're supposed to do is you take a screen shot of it.
170
391000
2000
بعد شما باید چکار کنید ، آنچه که باید انجام دهید این است که یک تصویر از آن داشته باشید
06:48
Then of course, you fill out the CAPTCHA
171
393000
2000
و البته فایل کپچا را پر کنید
06:50
because you help us digitize a book.
172
395000
2000
برای اینکه شما کمک میکنید به ما جهت الکترونیکی کردن کتاب
06:52
But then, first you take a screen shot,
173
397000
2000
اما سپس ، اول شما یک عکس از آن میگیرید
06:54
and then you draw something that is related to it.
174
399000
2000
و چیزی را که به اون مرتبط است را رسم میکنید.
06:56
(Laughter)
175
401000
2000
خنده حضار
06:58
That's how it works.
176
403000
3000
که چگونه آن کار میکند
07:01
There are tens of thousands of these.
177
406000
3000
هزاران مورد از این وجود دارد
07:04
Some of them are very cute. (Text: clenched it)
178
409000
2000
برخی از آنها بسیار زیبا هستند متن : اونو گره بزن
07:06
(Laughter)
179
411000
2000
خنده حضار
07:08
Some of them are funnier.
180
413000
2000
برخی هم سرگرم کننده
07:10
(Text: stoned founders)
181
415000
3000
بنیانگذاران سنگسار شده
07:13
(Laughter)
182
418000
3000
خنده حضار
07:16
And some of them,
183
421000
2000
و برخی ازآنها
07:18
like paleontological shvisle,
184
423000
3000
مانندpaleontological shvisle
07:21
they contain Snoop Dogg.
185
426000
2000
حاوی Snoop Dogg هستند
07:23
(Laughter)
186
428000
3000
خنده حضار
07:26
Okay, so this is my favorite number of reCAPTCHA.
187
431000
2000
بسیار خوب این عدد مورد علاقه من در باز نویسی کپچاست
07:28
So this is the favorite thing that I like about this whole project.
188
433000
3000
این چیز مورد علاقه ام در کل پروژه است
07:31
This is the number of distinct people
189
436000
2000
این تعداد مردم متمایز از هم است
07:33
that have helped us digitize at least one word out of a book through reCAPTCHA:
190
438000
3000
که دارند به ما کمک میکنند در الکترونیکی کردن کتابها توسط ری کپچا
07:36
750 million,
191
441000
2000
750 میلیون انسان
07:38
which is a little over 10 percent of the world's population,
192
443000
2000
چیزی کمی بیشتر از 10 درصد جمعیت جهان
07:40
has helped us digitize human knowledge.
193
445000
2000
که دارند کمک میکنند به ما برای الکترونیکی کردن دانش انسانها
07:42
And it is numbers like these that motivate my research agenda.
194
447000
3000
و این عددی است که در راس تحقیقات موجب افزایش انگیزه من است
07:45
So the question that motivates my research is the following:
195
450000
3000
سوالی که باعث برانگیختن تحقیق من شده اینه :
07:48
If you look at humanity's large-scale achievements,
196
453000
2000
اگر شما نگاهی به دستاوردهای بشریت در مقیاس بزرگ کنید
07:50
these really big things
197
455000
2000
این دستاوردهای بسیار بزرگ
07:52
that humanity has gotten together and done historically --
198
457000
3000
که بشریت با کمک هم و در طول تاریخ بدست آورده اند
07:55
like for example, building the pyramids of Egypt
199
460000
2000
مانند ساخت اهرام مصر
07:57
or the Panama Canal
200
462000
2000
ویا کانال پاناما
07:59
or putting a man on the Moon --
201
464000
2000
ویا فرستادن انسان به ماه
08:01
there is a curious fact about them,
202
466000
2000
واقعیت جالبی در مورد آنها وجود دارد
08:03
and it is that they were all done with about the same number off people.
203
468000
2000
و آن این است که تمامی آنها به همان تعداد از انسانها انجام شده
08:05
It's weird; they were all done with about 100,000 people.
204
470000
3000
خیلی عجیبه ، تمامی آنها توسط 100000 انسان انجام شده
08:08
And the reason for that is because, before the Internet,
205
473000
3000
و دلیل اون اینکه ، قبل از اینترنت
08:11
coordinating more than 100,000 people,
206
476000
2000
هماهنگی بین بیش از 100000 نفر
08:13
let alone paying them, was essentially impossible.
207
478000
3000
عملا غیر ممکن بود
08:16
But now with the Internet, I've just shown you a project
208
481000
2000
اما الان با اینترنت ،فقط به شما یه پروژه نشان دادم
08:18
where we've gotten 750 million people
209
483000
2000
ما تونستیم از همکاری 750 میلیون انسان استفاده کنیم
08:20
to help us digitize human knowledge.
210
485000
2000
برای کمک به ما برای الکترونیکی کردن دانش بشر
08:22
So the question that motivates my research is,
211
487000
2000
پس سوالی که باعث تحقیقات من شد اینه که
08:24
if we can put a man on the Moon with 100,000,
212
489000
3000
اگه ما میتونیم یک انسان رو به کمک 100000 نفر به ماه بفرستیم
08:27
what can we do with 100 million?
213
492000
2000
با 100 میلیون چکاری میتوانیم بکنیم
08:29
So based on this question,
214
494000
2000
پس بر پایه این سوال
08:31
we've had a lot of different projects that we've been working on.
215
496000
2000
ما پروژه های زیادی خواهیم داشت که میتوانیم بر روی ان کار کنیم
08:33
Let me tell you about one that I'm most excited about.
216
498000
3000
اجازه بدید در باره چیزی حرف بزنم که برام خیلی جالب بود
08:36
This is something that we've been semi-quietly working on
217
501000
2000
این چیزی است که به صورت نیمه ساکت بر روی آن داریم کار میکنیم
08:38
for the last year and a half or so.
218
503000
2000
برای یک سال و نیم گذشته ویا بیشتر
08:40
It hasn't yet been launched. It's called Duolingo.
219
505000
2000
در حال حاضر ارائه نشده،پروژه ای است به نام دولینگو
08:42
Since it hasn't been launched, shhhhh!
220
507000
2000
از زمانی که هنوز انتشار نیافته
08:44
(Laughter)
221
509000
2000
خنده حضار
08:46
Yeah, I can trust you'll do that.
222
511000
2000
بله من مطمئن هستم که شما میتونید اونو انجام بدید
08:48
So this is the project. Here's how it started.
223
513000
2000
و این اون پروژه است ،و توضیح خواهم داد
08:50
It started with me posing a question to my graduate student,
224
515000
2000
شروع شد با طرح سوال به دانشجوی کارشناسی ارشدم
08:52
Severin Hacker.
225
517000
2000
استیو هاکر Severin Hacker
08:54
Okay, that's Severin Hacker.
226
519000
2000
بسیار خوب سوالم را به استیو هکر فرستادم.
08:56
So I posed the question to my graduate student.
227
521000
2000
بسیار خوب سوالم را به استیو هکر فرستادم.
08:58
By the way, you did hear me correctly;
228
523000
2000
ضمنا ، شما به حرف اسمی که گفتم توجه کردید
09:00
his last name is Hacker.
229
525000
2000
فامیلیش هکر بود
09:02
So I posed this question to him:
230
527000
2000
این سوالو برای اون ارسال کردم
09:04
How can we get 100 million people
231
529000
2000
ما چطوری میتونیم به 100 میلیون انسان دسترسی داشته باشیم
09:06
translating the Web into every major language for free?
232
531000
3000
ترجمه وب به مهمترین زبانها به صورت رایگان
09:09
Okay, so there's a lot of things to say about this question.
233
534000
2000
بسیار خوب ، چیزای زیادی وجود داره که در باره این سوال میشه گفت
09:11
First of all, translating the Web.
234
536000
2000
اول همه ، ترجمه وب
09:13
So right now the Web is partitioned into multiple languages.
235
538000
3000
همین الان بخشهای وب تقسیم شده به چندین زبان
09:16
A large fraction of it is in English.
236
541000
2000
بخش بزرگی از اون به زبان انگلیسی است
09:18
If you don't know any English, you can't access it.
237
543000
2000
اگه شما انگلیسی ندونید نمیتونید به او ن دسترسی پیدا کنید
09:20
But there's large fractions in other different languages,
238
545000
2000
اما بخش بزرگی نیز به سایر زبانها اختصاص داره
09:22
and if you don't know those languages, you can't access it.
239
547000
3000
اگه شما اون زبانها روندونید شما هم نمیتونید به اونها دسترسی داشته باشید
09:25
So I would like to translate all of the Web, or at least most of the Web,
240
550000
3000
بنابراین من دوست دارم تمامی وب رو ترجمه کنم ، یا حداقل بخشی از اونو
09:28
into every major language.
241
553000
2000
به هر یک از زبانهای مهم
09:30
So that's what I would like to do.
242
555000
2000
پس چه کاری من باید انجام بدم
09:32
Now some of you may say, why can't we use computers to translate?
243
557000
3000
ممکنه خیلی از شما بگید چرا از مترجم کامپیوتری استفاده نکنیم؟
09:35
Why can't we use machine translation?
244
560000
2000
چرا ما از ترجمه ماشینی استفاده نکنیم ؟
09:37
Machine translation nowadays is starting to translate some sentences here and there.
245
562000
2000
ترجمه ماشینی یک ترجمه جسته و گریخته است
09:39
Why can't we use it to translate the whole Web?
246
564000
2000
چرا ما نمیتونیم از اون برای ترجمه تمامی صفحات وب استفاده کنیم ؟
09:41
Well the problem with that is that it's not yet good enough
247
566000
2000
مشکل اینه که به اندازه کافی برای ترجمه وب مناسب نیستن
09:43
and it probably won't be for the next 15 to 20 years.
248
568000
2000
و احتمالان هم برای 15 تا 20 سال آینده استفاده نخواهند شد
09:45
It makes a lot of mistakes.
249
570000
2000
اون خیلی مشکلات داره
09:47
Even when it doesn't make a mistake,
250
572000
2000
زمانی که مشکلی کوچک ایجاد میشه
09:49
since it makes so many mistakes, you don't know whether to trust it or not.
251
574000
3000
تا مشکلات بزرگ، شما نمیدونید که آیا باید به اون اطمینان کنید یا نه
09:52
So let me show you an example
252
577000
2000
یه مثالی رای شما بیارم
09:54
of something that was translated with a machine.
253
579000
2000
شخصی که در حال ترجمه با یک کامپیوتر است
09:56
Actually it was a forum post.
254
581000
2000
و واقعا پستی بوده که در یکی از فرومهای گفتگو بوده
09:58
It was somebody who was trying to ask a question about JavaScript.
255
583000
3000
شخصی بود که در مورد جاوا اسکریپت سوالی داشته
10:01
It was translated from Japanese into English.
256
586000
3000
اون از زبان ژاپنی به انگلیسی ترجمه کرده بود
10:04
So I'll just let you read.
257
589000
2000
حالا میخوام که بخونید
10:06
This person starts apologizing
258
591000
2000
اون شخص عذر خواهی کرده بود
10:08
for the fact that it's translated with a computer.
259
593000
2000
برای ترجمه ای که توسط کامپیوتر صورت گرفته بوده
10:10
So the next sentence is is going to be the preamble to the question.
260
595000
3000
وقصد دارم مقدمه ای برای سوال باشه
10:13
So he's just explaining something.
261
598000
2000
اون فقط چیزی رو توصیف کرده بود
10:15
Remember, it's a question about JavaScript.
262
600000
3000
به یاد دارید اون سوالی رو در باره جاوا اسکریپت داشته
10:19
(Text: At often, the goat-time install a error is vomit.)
263
604000
4000
متن : اغلب ، خطا در زمان نصب یک بز تحوع آوره
10:23
(Laughter)
264
608000
4000
خنده حظار
10:27
Then comes the first part of the question.
265
612000
3000
حالا به بخش اول سوال میرسیم
10:30
(Text: How many times like the wind, a pole, and the dragon?)
266
615000
4000
چند بار شبیه باد ، قطب و اژدها بوده اید؟
10:34
(Laughter)
267
619000
2000
خنده حضار
10:36
Then comes my favorite part of the question.
268
621000
3000
حالا به بخش مورد علاقه سوالم میرسیم
10:39
(Text: This insult to father's stones?)
269
624000
3000
این توهین به سنگ پدران است ؟
10:42
(Laughter)
270
627000
2000
خنده حضار
10:44
And then comes the ending, which is my favorite part of the whole thing.
271
629000
3000
وبه پایان میرسیم ، که قسمت مورد علاقه من از همه چیز است.
10:47
(Text: Please apologize for your stupidity. There are a many thank you.)
272
632000
4000
متن :لطفا عذرخواهی کن برای احمقیت خودت .تشکرهای زیادی در این حالت وجود دارد.
10:51
(Laughter)
273
636000
2000
خنده حضار
10:53
Okay, so computer translation, not yet good enough.
274
638000
2000
بسیار خوب ، ترجمه های ماشینی زیاد خوب نیستن
10:55
So back to the question.
275
640000
2000
به سوال برمیگردیم
10:57
So we need people to translate the whole Web.
276
642000
3000
ما به مردمی نیاز داریم که همه وب رو ترجمه کنند
11:00
So now the next question you may have is,
277
645000
2000
بنابر این سوال بعدی شما اینه
11:02
well why can't we just pay people to do this?
278
647000
2000
چرا ما نمیتونیم حقوق مردم رو برای اینکار بپردازیم ؟
11:04
We could pay professional language translators to translate the whole Web.
279
649000
3000
ما میتونیم به حرفه ایها حقوق بدیم تا همه وب رو ترجمه کنن
11:07
We could do that.
280
652000
2000
ما میتونیم اینو انجام بدیم
11:09
Unfortunately, it would be extremely expensive.
281
654000
2000
متاسفانه این کار هزینه بالایی داره
11:11
For example, translating a tiny, tiny fraction of the whole Web, Wikipedia,
282
656000
3000
برای مثال ، ترجمه یه بخش خیلی ،خیلی کوچک از وب یعنی ویکیپدیا
11:14
into one other language, Spanish.
283
659000
3000
به زبان دیگری مثل اسپانیایی
11:17
Wikipedia exists in Spanish,
284
662000
2000
که ویکیپدیا به زبان اسپانیای هم وجود دارد
11:19
but it's very small compared to the size of English.
285
664000
2000
خیلی کوچیکه در مقایسه با زبان انگلیسی
11:21
It's about 20 percent of the size of English.
286
666000
2000
چیزی در حدود 20 درصد زبان انگلیسی
11:23
If we wanted to translate the other 80 percent into Spanish,
287
668000
3000
اگه ما بخواهیم ترجمه کنیم 80 درصد دیگه رو به اسپانیایی
11:26
it would cost at least 50 million dollars --
288
671000
2000
هزینه اون شامل 50 میلیون دولار خواهد بود
11:28
and this is at even the most exploited, outsourcing country out there.
289
673000
3000
و یک حالت استثماری برای برون سپاری کارها در یک کشور دیگه
11:31
So it would be very expensive.
290
676000
2000
پس هزینش خیلی بالاست
11:33
So what we want to do is we want to get 100 million people
291
678000
2000
پس کار ما اینجا استفاده از همون 100میلیون انسانه
11:35
translating the Web into every major language
292
680000
2000
برای ترجمه وب به هر زبان مهم دیگه
11:37
for free.
293
682000
2000
به صورت رایگان
11:39
Now if this is what you want to do,
294
684000
2000
حالا اگه این چیزی باشه که میخواهیم انجام بدیم
11:41
you pretty quickly realize you're going to run into two pretty big hurdles,
295
686000
2000
شما خیلی سریع دو مشکل خیلی بزرگ رو شناسایی خواهید کرد
11:43
two big obstacles.
296
688000
2000
دو مشکل بزرگ
11:45
The first one is a lack of bilinguals.
297
690000
3000
مشکل اول کمبود اشخاصی است که به دوزبان تسلط داشته باشن
11:48
So I don't even know
298
693000
2000
خُب حتی من هم نمیدونستم
11:50
if there exists 100 million people out there using the Web
299
695000
3000
اگر 100 میلیون انسانی که وجود دارند که از وب استفاده میکنند
11:53
who are bilingual enough to help us translate.
300
698000
2000
تسلط کامل به دو زبان را دارند که در کار ترجمه به ما کمک کنند
11:55
That's a big problem.
301
700000
2000
این یک مشکل بزرگ است
11:57
The other problem you're going to run into is a lack of motivation.
302
702000
2000
مشکل دوم کمبود انگیزه انجام این کار است
11:59
How are we going to motivate people
303
704000
2000
چگونه میتوانیم ایجاد انگیزه کنیم
12:01
to actually translate the Web for free?
304
706000
2000
تا به صورت رایگان وب را ترجمه کنند
12:03
Normally, you have to pay people to do this.
305
708000
3000
به صورت عادی باید هزینه این کار پرداخت شود
12:06
So how are we going to motivate them to do it for free?
306
711000
2000
پس ما چگونه باید این کار رو انجام بدیم
12:08
Now when we were starting to think about this, we were blocked by these two things.
307
713000
3000
زمانی که به این موضوع فکر کردیم به این دومانع برخورد کردیم
12:11
But then we realized, there's actually a way
308
716000
2000
اما ما فهمیدیم که راحی برای این کار وجود دارد
12:13
to solve both these problems with the same solution.
309
718000
2000
برای حل این دومشکل با یک راه حل
12:15
There's a way to kill two birds with one stone.
310
720000
2000
راهی که با یک تیر دونشون بزنیم
12:17
And that is to transform language translation
311
722000
3000
و اون انتقال زبان ترجمه
12:20
into something that millions of people want to do,
312
725000
3000
به چیزی است که میلیونها انسان میخواهند آن را نجام دهند
12:23
and that also helps with the problem of lack of bilinguals,
313
728000
3000
و اون همچنین کمک میکنه به کمبود دوزبانه ها
12:26
and that is language education.
314
731000
3000
و اون آموزش زبانه
12:29
So it turns out that today,
315
734000
2000
پس به نظر میرسه که امروز
12:31
there are over 1.2 billion people learning a foreign language.
316
736000
3000
چیزی بیش از 1میلیارد و 200 میلیون انسان وجود داره برای یادگیری زبانهای خارجی
12:34
People really, really want to learn a foreign language.
317
739000
2000
مردمی که واقعا دوست دارند زبان خارجی رو یاد بگیرند
12:36
And it's not just because they're being forced to do so in school.
318
741000
3000
و این فقط به خاطر اینکه آنها مجبور به انجام این کار در مدرسه نیست.
12:39
For example, in the United States alone,
319
744000
2000
برای مثال فقط در امریکا
12:41
there are over five million people who have paid over $500
320
746000
2000
بیش از 5 میلیون نفر وجود دارند که رقمی حدود 500 دلار میپردازند
12:43
for software to learn a new language.
321
748000
2000
برای نرم افزارهایی برای یادگیری یک زبان جدید
12:45
So people really, really want to learn a new language.
322
750000
2000
خُب مردم واقعا دوست دارند که یه زبان دیگه رو یاد بگیرند
12:47
So what we've been working on for the last year and a half is a new website --
323
752000
3000
بنابراین اون چیزی که ما طی این یک سال و نیم بر روی ان کار میکنیم یک وب سایت است
12:50
it's called Duolingo --
324
755000
2000
با نام دولینگو Duolingo
12:52
where the basic idea is people learn a new language for free
325
757000
3000
یک ایده ساده جهت یادگیری رایگان زبان جدید
12:55
while simultaneously translating the Web.
326
760000
2000
زمانی که همزمان در حال ترجمه هستند
12:57
And so basically they're learning by doing.
327
762000
2000
توسط کاری که انجام میدهند آموزش هم میبینند
12:59
So the way this works
328
764000
2000
بنابراین راهی که این کار میکند
13:01
is whenever you're a just a beginner, we give you very, very simple sentences.
329
766000
3000
اینکه زمانی که شما یک مبتدی هستید ما به شما جمله های خیلی ، خیلی ساده میدهیم
13:04
There's, of course, a lot of very simple sentences on the Web.
330
769000
2000
البته مشخصه که خیلی از جمله های ساده موجود بر روی وب
13:06
We give you very, very simple sentences
331
771000
2000
ما به شما جملات بسیار ساده ای میدهیم
13:08
along with what each word means.
332
773000
2000
همراه با اینکه هر کلمه به چه معنی است
13:10
And as you translate them, and as you see how other people translate them,
333
775000
3000
و زمانی که شما اونارو ترجمه میکنید، و شما ترجمه سایرین رو همیبینید
13:13
you start learning the language.
334
778000
2000
شما شروع به یادگیری زبان میکنید
13:15
And as you get more and more advanced,
335
780000
2000
و زمانی که شما پیشرفت میکنید
13:17
we give you more and more complex sentences to translate.
336
782000
2000
ما به شما جملات پیچیده تری میدهیم
13:19
But at all times, you're learning by doing.
337
784000
2000
در تمام اوقات شما در حال یادگیری عملی زبان هستید
13:21
Now the crazy thing about this method
338
786000
2000
روش جالب در این روش
13:23
is that it actually really works.
339
788000
2000
اینه که این روش واقعا جواب میده
13:25
First of all, people are really, really learning a language.
340
790000
2000
اول از همه مردم واقعا یه زبان رو یاد میگیرن
13:27
We're mostly done building it, and now we're testing it.
341
792000
2000
ما تقریبا ساخت اون رو تموم کردیم،و در حال آزمایش اون هستیم
13:29
People really can learn a language with it.
342
794000
2000
مردم واقعا با اون میتونن زبان رو یاد میگیرن
13:31
And they learn it about as well as the leading language learning software.
343
796000
3000
و آنهایک زبان را یاد میگیرند از طریق یک نرم افزار پیشرو در زبان آموزی
13:34
So people really do learn a language.
344
799000
2000
پس مردم واقعا یک زبان رو یاد میگیرن
13:36
And not only do they learn it as well,
345
801000
2000
فقط این نیست که اونا یاد میگیرن
13:38
but actually it's way more interesting.
346
803000
2000
بلکه یک کار خیلی جالبه
13:40
Because you see with Duolingo, people are actually learning with real content.
347
805000
3000
برای اینکه در این وب سایت مردم با محتویات واقعی آموزش میبینند
13:43
As opposed to learning with made-up sentences,
348
808000
2000
در مقابل متنهایی که ساخته میشوند
13:45
people are learning with real content, which is inherently interesting.
349
810000
3000
مردم با محتویات واقعی یاد میگیرند ،که اساسا خیلی جالبه
13:48
So people really do learn a language.
350
813000
2000
پس مردم واقعا یک زبان رو یاد میگیرن
13:50
But perhaps more surprisingly,
351
815000
2000
اما شاید بیشتر نکته جالب
13:52
the translations that we get from people using the site,
352
817000
3000
ترجمه هایی که ما از مردم توسط وب سایت بدست می آوریم
13:55
even though they're just beginners,
353
820000
2000
حتی اگر آنها مبتدی باشند
13:57
the translations that we get are as accurate as those of professional language translators,
354
822000
3000
صحت ترجمه آنها مانند افراد حرفه ای است
14:00
which is very surprising.
355
825000
2000
که خیلی جالب توجه
14:02
So let me show you one example.
356
827000
2000
اجازه بدهید یه مثال به شما نشان بدهم
14:04
This is a sentence that was translated from German into English.
357
829000
2000
این متنی است که از آلمانی به انگلیسی برگردانیده شده است
14:06
The top is the German.
358
831000
2000
بالایی آلمانی است
14:08
The middle is an English translation
359
833000
2000
وسط ترجمه انگلیسی است
14:10
that was done by somebody who was a professional English translator
360
835000
2000
که توسط یک فرد حرفه ای انگلیسی زبان ترجمه شده است
14:12
who we paid 20 cents a word for this translation.
361
837000
2000
که ما 20 سنت برای ترجمه آن پرداخت کرده ایم
14:14
And the bottom is a translation by users of Duolingo,
362
839000
3000
و قسمت پائین ترجمه کاربر ما در وب سایت دولینگو Duolingo است
14:17
none of whom knew any German
363
842000
2000
هیچ یک از انها المانی نمیانستند
14:19
before they started using the site.
364
844000
2000
قبل از شروع استفاده ازاین وبسایت
14:21
You can see, it's pretty much perfect.
365
846000
2000
همانطور که میبینید یک ترجمه کامل است
14:23
Now of course, we play a trick here
366
848000
2000
البته ما یک ترفند بکار برده ایم
14:25
to make the translations as good as professional language translators.
367
850000
2000
برای انجام اینکه ترجمه ها به خوبی یک فرد حرفه ایی باشد
14:27
We combine the translations of multiple beginners
368
852000
3000
ما ترجمه های چند مبتدی رو با هم ترکیب کردیم
14:30
to get the quality of a single professional translator.
369
855000
3000
برای اینکه کیفیت یک مترجم حرفه ای رو بدست بیاوریم
14:33
Now even though we're combining the translations,
370
858000
5000
حالا هر موقع که ما ترجمه ها رو ترکیب میکنیم
14:38
the site actually can translate pretty fast.
371
863000
2000
سایت واقعا میتونه سریع یک ترجمه رو انجام بدهد
14:40
So let me show you,
372
865000
2000
حالا اجازه بدهید به شما چیزی را نشان بدم
14:42
this is our estimates of how fast we could translate Wikipedia
373
867000
2000
این تخمین ماست که چقدر سریع میتونیم یه سایت مثل ویکیپدیا رو ترجمه کنیم
14:44
from English into Spanish.
374
869000
2000
از انگلیسی به اسپانیایی
14:46
Remember, this is 50 million dollars-worth of value.
375
871000
3000
به یاد داشته باشید ارزش این کار 50 میلیون دلار بود
14:49
So if we wanted to translate Wikipedia into Spanish,
376
874000
2000
پس اگر ما بخواهیم ویکیپدیا رو به اسپانیایی ترجمه کنیم
14:51
we could do it in five weeks with 100,000 active users.
377
876000
3000
ما میتونیم این کارو توسط100000کاربر فعال و طی 5 هفته انجام بدیم
14:54
And we could do it in about 80 hours with a million active users.
378
879000
3000
وما میتونیم این کارو توسط یک میلیون کاربر ظرف 80 ساعت انجام بدهیم
14:57
Since all the projects that my group has worked on so far have gotten millions of users,
379
882000
3000
از زمانی که پروژه رو شروع کردیم گروه ما چیزی در حدود یک میلیون کاربر را ثبت نام کرده است
15:00
we're hopeful that we'll be able to translate
380
885000
2000
ما امیدواریم که ما توانایی ترجمه
15:02
extremely fast with this project.
381
887000
2000
خیلی سریع با این پروژه را داشته باشیم
15:04
Now the thing that I'm most excited about with Duolingo
382
889000
3000
حالا چیزی که در دولینگو Duolingo مرا هیجان زده میکند
15:07
is I think this provides a fair business model for language education.
383
892000
3000
من فکر می کنم این مدل کسب و کار عادلانه ایی را برای آموزش زبان فراهم می کند
15:10
So here's the thing:
384
895000
2000
و اون اینه
15:12
The current business model for language education
385
897000
2000
مدلهای فعلی بتجاری رای آموزش زبان
15:14
is the student pays,
386
899000
2000
بر پایه پرداخت هزینه توسط دانشجو است .
15:16
and in particular, the student pays Rosetta Stone 500 dollars.
387
901000
2000
خصوصا ، دانشجویان برای Rosetta Stone(شرکت آموزش زبان) 500 دلار پرداخت میکنند
15:18
(Laughter)
388
903000
2000
خنده حضار
15:20
That's the current business model.
389
905000
2000
این مدل تجاری فعلی است
15:22
The problem with this business model
390
907000
2000
مشکل مدل تجاری فعلی
15:24
is that 95 percent of the world's population doesn't have 500 dollars.
391
909000
3000
اینه که 90 درصد جمعیت جهان 500 دلار ندارند
15:27
So it's extremely unfair towards the poor.
392
912000
3000
پس این در مورد افراد بی پول کاملا غیر عادلانه است
15:30
This is totally biased towards the rich.
393
915000
2000
این سیستم بر پایه افراد ثروتمند است
15:32
Now see, in Duolingo,
394
917000
2000
میبینیم که در وب سایت دولینگو ما
15:34
because while you learn
395
919000
2000
برای اینکه شما یاد میگیرید
15:36
you're actually creating value, you're translating stuff --
396
921000
3000
شما واقعا ایجاد ارزش میکنید شما چیزهای مختلفی رو ترجمه میکنید
15:39
which for example, we could charge somebody for translations.
397
924000
3000
که برای مثال ما میتونیم پرداختی داشته باشیم برای ترجمه های یک شخص
15:42
So this is how we could monetize this.
398
927000
2000
پس این چیزی است که ما میتونیم پولی کنیم
15:44
Since people are creating value while they're learning,
399
929000
2000
زمانی که مردم ایجاد ارزش میکنند در حین اینکه آموزش زبان میبینند
15:46
they don't have to pay their money, they pay with their time.
400
931000
3000
اونا با پول پرداخت نمیکنند بلکه از طریق صرف زمان هزینه رو پرداخت میکنند
15:49
But the magical thing here is that they're paying with their time,
401
934000
3000
کار جادوی در اینجا پرداخت هزینه با صرف زمان است
15:52
but that is time that would have had to have been spent anyways
402
937000
2000
به هر حال زمانی که در اینجا صرف میشه
15:54
learning the language.
403
939000
2000
یادگیری زبان است
15:56
So the nice thing about Duolingo is I think it provides a fair business model --
404
941000
3000
پس اتفاق خوب در مورد وب سایت دولینگو اینه که یک مدل تجاری عادلانه رو ایجاد میکنه
15:59
one that doesn't discriminate against poor people.
405
944000
2000
که در مورد مردم فقیر تبعیض قائل نیست
16:01
So here's the site. Thank you.
406
946000
2000
و این وب سایت ما است .با تشکر
16:03
(Applause)
407
948000
8000
تشویق حضار
16:11
So here's the site.
408
956000
2000
اینم وب سایت
16:13
We haven't yet launched,
409
958000
2000
ما هنوز اونو منتشر نکردیم
16:15
but if you go there, you can sign up to be part of our private beta,
410
960000
3000
اما اگه شما به این وب سایت مراجعه کنید میتونید به عنوان کاربر آزمایشی ثبت نام کنید
16:18
which is probably going to start in about three or four weeks.
411
963000
2000
که احتمالا ظرف یهیا چهار هفته آینده شروع به کار میکنه
16:20
We haven't yet launched this Duolingo.
412
965000
2000
ما هنوز سایت دولینگو را منتشر نکردیم
16:22
By the way, I'm the one talking here,
413
967000
2000
اما به هر حال من اولین کسی هستم که در مورد اون صحبت میکنه
16:24
but actually Duolingo is the work of a really awesome team, some of whom are here.
414
969000
3000
اما حقیقتا یک تیم کاملا خبره بر روی دولینگو کار میکنه که برخی از اونها هم اینجا هستن
16:27
So thank you.
415
972000
2000
از شما سپاس گذارم.
16:29
(Applause)
416
974000
4000
تشویق حضار
ABOUT THE SPEAKER
Luis von Ahn - Computer scientistLuis von Ahn builds systems that combine humans and computers to solve large-scale problems that neither can solve alone.
Why you should listen
Louis von Ahn is an associate professor of Computer Science at Carnegie Mellon University, and he's at the forefront of the crowdsourcing craze. His work takes advantage of the evergrowing Web-connected population to acheive collaboration in unprecedented numbers. His projects aim to leverage the crowd for human good. His company reCAPTCHA, sold to Google in 2009, digitizes human knowledge (books), one word at a time. His new project is Duolingo, which aims to get 100 million people translating the Web in every major language.
Luis von Ahn | Speaker | TED.com