TEDxCaFoscariU
Frederic Kaplan: How to build an information time machine
فردریک کاپلان: چگونه من یک ماشین زمان اطلاعاتی ساختم
Filmed:
Readability: 4.5
1,238,053 views
فرض کنید می توانستید از قرون وسطی در فیسبوک گشت بزنید. ممکن است در حدی که به نظر می رسد دور نباشد. در یک صحبت جالب و خوش، مهندس محقق فردریک کاپلان ماشین زمان ونیز را به نمایش می گذارد. پروژه ای که ۸۰ کیلومتر کتاب ها را دیجیتال کرده و تبدیل به یک شبیه سازی تاریخی و جغرافیایی شهر ونیز با بیش از ۱۰۰۰ سال کرده است.
Frederic Kaplan - Digital humanities researcher
Frederic Kaplan seeks to digitize vast archives of historical information to make maps that move -- through time. Full bio
Frederic Kaplan seeks to digitize vast archives of historical information to make maps that move -- through time. Full bio
Double-click the English transcript below to play the video.
00:12
This is an image of the planet Earth.
0
285
2893
این تصویری است از سیاره زمین
00:15
It looks very much like the Apollo pictures
1
3178
3093
که شباهت زیادی به تصاویر آپولو دارد
00:18
that are very well known.
2
6271
1611
تصاویری که شهرت زیادی دارند
00:19
There is something different;
3
7882
2070
ولی تفاوتی وجود دارد
00:21
you can click on it,
4
9952
1447
روی این تصویر می‌توان کلیک کرد
00:23
and if you click on it,
5
11399
1198
و اگر روی آن کلیک کنید
00:24
you can zoom in on almost any place on the Earth.
6
12597
3072
میتوانید تقریبا روی هر نقطه‌ای از کره زمین زوم کنید
00:27
For instance, this is a bird's-eye view
7
15669
1999
به عنوان مثال این نمای هوایی است
00:29
of the EPFL campus.
8
17668
2666
از فضای دانشگاه پلی تکنیک فدرال در لوزان (EPFL)
00:32
In many cases, you can also see
9
20334
2108
در بسیاری از موارد حتی میتوانید ببینید
00:34
how a building looks from a nearby street.
10
22442
3740
که یک ساختمان از خیابان مجاور چطور به نظر می‌رسد
00:38
This is pretty amazing.
11
26182
1422
این فوق‌العاده است.
00:39
But there's something missing in this wonderful tour:
12
27604
3427
اما این ماجرای شفگت‌انگیز یک چیز کم دارد
00:43
It's time.
13
31031
2188
و آن زمان است
00:45
i'm not really sure when this picture was taken.
14
33219
3070
مطمئن نیستم که این تصویر چه زمانی گرفته شده
00:48
I'm not even sure it was taken
15
36289
1412
حتی با اطمینان نمی‌توانم بگویم که آیا این عکس
00:49
at the same moment as the bird's-eye view.
16
37701
6083
به شکل هوایی ثبت شده است.
00:55
In my lab, we develop tools
17
43784
2209
در آزمایشگاه من، ما ابزارهایی را تهیه می‌کنیم
00:57
to travel not only in space
18
45993
1764
برای سفر کردن، نه تنها در فضا
00:59
but also through time.
19
47757
2558
بلکه در زمان
01:02
The kind of question we're asking is
20
50315
1870
پرسش‌هایی که می‌پرسیم از این قبیل است که
01:04
Is it possible to build something
21
52185
1393
آیا ممکن است چیزی بسازیم
01:05
like Google Maps of the past?
22
53578
2178
که شبیه نقشه گوگل از گذشته باشد؟
01:07
Can I add a slider on top of Google Maps
23
55756
3310
آیا میتوانم اسلایدری در بالای نقشه‌های گوگل اضافه کنم
01:11
and just change the year,
24
59066
1803
تا فقط با تغییر سال،
01:12
seeing how it was 100 years before,
25
60869
1791
ببینم آن مکان خاص صد سال پیش چه شکلی بوده
01:14
1,000 years before?
26
62660
1669
یا هزار سال پیش؟
01:16
Is that possible?
27
64329
2123
آیا چنین چیزی ممکن دارد؟
01:18
Can I reconstruct social networks of the past?
28
66452
2252
آیا میتوانم شبکه‌های اجتماعی گذشته را بازسازی کنم؟
01:20
Can I make a Facebook of the Middle Ages?
29
68704
3049
آیا میتوانم فیسبوکی از قرون وسطی را بسازم؟
01:23
So, can I build time machines?
30
71753
3776
بنابراین، آیا میتونم ماشین زمان درست کنم؟
01:27
Maybe we can just say, "No, it's not possible."
31
75529
2565
میشود صرفا بگوییم: «نه، این امکان ندارد.»
01:30
Or, maybe, we can think of it from an information point of view.
32
78094
3810
یا، شاید، بتوانیم از منظر اطلاعاتی به آن نگاه کنیم.
01:33
This is what I call the information mushroom.
33
81904
3190
این همان چیزی است که من اسمش را قارچ اطلاعات گذاشته‌ام.
01:37
Vertically, you have the time.
34
85094
1583
خط عمودی، زمان است.
01:38
and horizontally, the amount of digital information available.
35
86677
2740
و خط افقی، میزان اطلاعات دیجیتالی موجود را نشان می‌دهد.
01:41
Obviously, in the last 10 years, we have much information.
36
89417
3482
مشخص است که در ده سال گذشته، ما اطلاعات فراوانی بدست آورده‌ایم.
01:44
And obviously the more we go in the past, the less information we have.
37
92899
3548
و قطعا، هرچه بیشتر به گذشته برویم، اطلاعات کمتر میشود.
01:48
If we want to build something like Google Maps of the past,
38
96447
2318
اگر بخواهیم چیزی شبیه به نقشه گوگل گذشته
01:50
or Facebook of the past,
39
98765
1494
یا فیسبوک گذشته ایجاد کنیم،
01:52
we need to enlarge this space,
40
100259
1574
باید این فضا را بزرگ کنیم،
01:53
we need to make that like a rectangle.
41
101833
1938
باید آن را شبیه به یک مستطیل کنیم.
01:55
How do we do that?
42
103771
1510
چطورمی‌توانیم این کار را بکنیم؟
01:57
One way is digitization.
43
105281
2098
یک راه دیجیتال کردن است.
01:59
There's a lot of material available --
44
107395
1779
مواد خام زیادی موجود است
02:01
newspaper, printed books, thousands of printed books.
45
109190
6270
روزنامه، هزاران کتاب چاپی
02:07
I can digitize all these.
46
115460
1768
میتوانم همه این‌ها را دیجیتال کنم.
02:09
I can extract information from these.
47
117228
2737
میتوانم از همه این‌ها اطلاعات استخراج کنم.
02:11
Of course, the more you go in the past,
the less information you will have.
the less information you will have.
48
119965
3543
البته هر چه بیشتر به گذشته برمی‌گردیم، اطلاعات کمتری بدست می‌آوریم.
02:15
So, it might not be enough.
49
123508
2646
پس شاید این به تنهایی کافی نباشد.
02:18
So, I can do what historians do.
50
126154
2408
بنابراین، میشود همان کاری را که مورخان انجام میدهند بکنیم.
02:20
I can extrapolate.
51
128562
1524
میتوانم تخمین بزنم.
02:22
This is what we call, in computer science, simulation.
52
130086
4470
این همان چیزی هست که، در علوم کامپیوتر، به آن شبیه‌سازی می‌گوییم.
02:26
If I take a log book,
53
134556
1751
اگر یک کتاب مربوط به سفرنامه حرکت کشتی را بردارم،
02:28
I can consider, it's not just a log book
54
136307
2404
میتوانم در نظر بگیرم که این فقط یک کتاب ثبت حرکت کشتی
02:30
of a Venetian captain going to a particular journey.
55
138711
2972
متعلق به یک کاپیتان ونیزی در یک سفر خاص نیست.
02:33
I can consider it is actually a log book
56
141683
1643
میتوانم بگویم که این در واقع کتاب ثبتی است
02:35
which is representative of
many journeys of that period.
many journeys of that period.
57
143326
2582
که نماینده سفرهای زیادی از آن دوره است.
02:37
I'm extrapolating.
58
145908
2245
عملا دارم تخمین می‌زنم.
02:40
If I have a painting of a facade,
59
148153
2038
اگر یک نقاشی از نمای خارجی ساختمانی داشته باشم،
02:42
I can consider it's not just that particular building,
60
150191
2751
میتوانم در نظر بگیرم که این فقط نمایی از آن ساختمان خاص نیست.
02:44
but probably it also shares the same grammar
61
152942
3932
بلکه احتمالا مشخصاتی دارد که
02:48
of buildings where we lost any information.
62
156874
4041
که ساختمان‌های دیگری که اطلاعاتی از آنها نداریم نیز دارند.
02:52
So if we want to construct a time machine,
63
160915
2858
بنابراین اگر بخواهیم یک ماشین زمان ایجاد کنیم
02:55
we need two things.
64
163773
1339
به دو چیز احتیاج داریم.
02:57
We need very large archives,
65
165112
2234
آرشیوهای بسیار بزرگ،
02:59
and we need excellent specialists.
66
167346
2742
و متخصصان درجه یک.
03:02
The Venice Time Machine,
67
170088
1874
ماشین زمان ونیز،
03:03
the project I'm going to talk to you about,
68
171962
1805
پروژه‌ای که می‌خواهم درباره‌ش برایتان صحبت کنم،
03:05
is a joint project between the EPFL
69
173767
3020
پروژه‌ای است مشترک بین دانشگاه پلی تکنیک فدرال لوزان EPFL
03:08
and the University of Venice Ca'Foscari.
70
176787
2978
و دانشگاه کافوسکاری در ونیز.
03:11
There's something very peculiar about Venice,
71
179765
2165
نکته خیلی مخصوص درباره ونیز این است که،
03:13
that its administration has been
72
181930
2674
دولت‌هایش
03:16
very, very bureaucratic.
73
184604
2194
بسیار بسیار بروکراتیک عمل کرده‌اند.
03:18
They've been keeping track of everything,
74
186798
2193
آنها همه چیز را ثبت کرده‌اند.
03:20
almost like Google today.
75
188991
2915
تقریبا شبیه همان کاری که امروز گوگل انجام می‌دهد.
03:23
At the Archivio di Stato,
76
191906
1514
در مرکز آرشیو دی استاتو،
03:25
you have 80 kilometers of archives
77
193420
1764
تا ۸۰ کیلومتر آرشیو وجود دارد
03:27
documenting every aspect
78
195184
2009
که همه جوانب را مو به مو ثبت کرده
03:29
of the life of Venice over
more than 1,000 years.
more than 1,000 years.
79
197193
2246
از زندگی ونیز در بیش از هزار سال گذشته.
03:31
You have every boat that goes out,
80
199439
1920
اطلاعات تمام کشتی‌هایی که ونیز را ترک کرده،
03:33
every boat that comes in.
81
201359
1076
و تمام کشتی‌هایی که به ونیز آمده‌اند.
03:34
You have every change that was made in the city.
82
202435
2797
اطلاعات تمامی تغییرات ایجاد شده در شهر را دارید.
03:37
This is all there.
83
205232
3291
همه چیز آنجا هست
03:40
We are setting up a 10-year digitization program
84
208523
3908
ما داریم یک برنامه ده ساله دیجیتالی کردن احداث می‌کنیم
03:44
which has the objective of transforming
85
212431
1677
که هدفش انتقال
03:46
this immense archive
86
214108
1384
این آرشیو بزرگ
03:47
into a giant information system.
87
215492
2426
به یک سیستم اطلاعات عظیم است.
03:49
The type of objective we want to reach
88
217918
1857
چیزی که می‌خواهیم به آن برسیم
03:51
is 450 books a day that can be digitized.
89
219775
4726
دیجیتال کردن روزانه ۴۵۰ کتاب است.
03:56
Of course, when you digitize, that's not enough,
90
224501
2247
البته، صرفا دیجیتال کردن کافی نیست،
03:58
because these documents,
91
226748
1287
زیرا این اسناد،
04:00
most of them are in Latin, in Tuscan,
92
228035
2639
بسیاری‌شان به زبان لاتین، توسکان،
04:02
in Venetian dialect,
93
230689
1515
یا گویش ونیزی هستند،
04:04
so you need to transcribe them,
94
232204
1675
باید رونویسی شوند
04:05
to translate them in some cases,
95
233879
1681
یا در برخی موارد ترجمه شوند،
04:07
to index them,
96
235560
1120
تا بایگانی شوند.
04:08
and this is obviously not easy.
97
236680
2164
و این قطعا کار آسانی نیست.
04:10
In particular, traditional optical
character recognition method
character recognition method
98
238844
3844
بخصوص این که، روش سنتی حروف‌یابی چشمی
04:14
that can be used for printed manuscripts,
99
242688
1424
که می‌تواند برای نسخه‌های چاپی استفاده شود،
04:16
they do not work well on the handwritten document.
100
244112
4004
برای اسناد خطی مناسب نیستند.
04:20
So the solution is actually to take inspiration
101
248116
2130
بنابراین، راه حل، الهام‌گیری
04:22
from another domain: speech recognition.
102
250246
2901
از یک حوزه دیگر است: شناسایی صوت.
04:25
This is a domain of something
that seems impossible,
that seems impossible,
103
253147
2055
این حوزه‌ای است که به نظر غیرممکن می‌رسد،
04:27
which can actually be done,
104
255202
2537
که در واقع تنها از طریق قرار دادن محدودیت های
04:29
simply by putting additional constraints.
105
257739
2194
بیشتر قابل انجام است
04:31
If you have a very good model
106
259933
1586
اگر یک مدل خیلی خوب
04:33
of a language which is used,
107
261519
1526
از یک زبان کاربردی را در اختیار داشته باشید،
04:35
if you have a very good model of a document,
108
263045
2086
اگر یک مدل خیلی خوب از سندی داشته باشید،
04:37
how well they are structured.
109
265131
1432
که خیلی خوب ساختاربندی شده است.
04:38
And these are administrative documents.
110
266563
1353
و این‌ها اسناد دولتی هستند.
04:39
They are well structured in many cases.
111
267931
2132
این‌ها از بسیاری جهات خیلی خوب ساختاربندی شده‌اند.
04:42
If you divide this huge archive into smaller subsets
112
270063
3308
اگر این آرشیو عظیم را به زیرمجموعه‌های کوچک تقسیم کنید
04:45
where a smaller subset
actually shares similar features,
actually shares similar features,
113
273371
2877
که هر زیرمجموعه‌ای مشخصات مشابه داشته باشد،
04:48
then there's a chance of success.
114
276248
4031
آن موقع شانس موفقیت وجود دارد.
04:54
If we reach that stage, then there's something else:
115
282761
2435
اگر به آن مرحله برسید، یک چیز دیگر هم وجود دارد:
04:57
we can extract from this document events.
116
285196
3522
می‌توانیم از این سند وقایع را استخراج کنیم.
05:00
Actually probably 10 billion events
117
288718
2298
احتمالا ده میلیارد واقعه را
05:03
can be extracted from this archive.
118
291016
1931
می‌توان از این آرشیو استخراج کرد.
05:04
And this giant information system
119
292947
1724
و این نظام عظیم اطلاعات
05:06
can be searched in many ways.
120
294671
1816
از راه‌های مختلفی قابل جست‌وجو است.
05:08
You can ask questions like,
121
296487
1368
میشود سوالاتی از این قبیل مطرح کرد،
05:09
"Who lived in this palazzo in 1323?"
122
297855
2760
«در ۱۳۲۳ چه کسی در این ساختمان زندگی می‌کرد؟»
05:12
"How much cost a sea bream at the Realto market
123
300615
2222
«قیمت ماهی «سی بریم» در بازار «رآلتو»
05:14
in 1434?"
124
302837
1724
در سال ۱۴۳۴ چند بود؟»
05:16
"What was the salary
125
304561
1460
درآمد یک شیشه‌گر در
05:18
of a glass maker in Murano
126
306021
2045
در مثلا یک دهه
05:20
maybe over a decade?"
127
308066
1406
چقدر بوده؟
05:21
You can ask even bigger questions
128
309472
1422
حتی می‌توان سوالات بزرگترتری پرسید
05:22
because it will be semantically coded.
129
310894
2738
چرا که رمزگذاری معنایی در اینجا وجود خواهد داشت.
05:25
And then what you can do is put that in space,
130
313632
2140
بعد کاری که میشود کرد این است که این‌ها را در فضا قرار دهیم،
05:27
because much of this information is spatial.
131
315772
2173
زیرا بیشتر این اطلاعات فضایی است.
05:29
And from that, you can do things like
132
317945
1935
و از آنجا، می‌توان کارهایی کرد مثل
05:31
reconstructing this extraordinary journey
133
319880
2113
بازسازی سیر فوق‌العاده ای از
05:33
of that city that managed to
have a sustainable development
have a sustainable development
134
321993
3356
شهری که توانست طی هزاران سال
05:37
over a thousand years,
135
325349
2126
توسعه پایدار داشته باشد،
05:39
managing to have all the time
136
327475
1620
توانست همواره
05:41
a form of equilibrium with its environment.
137
329095
2861
نوعی تعادل را با محیطش حفظ کند.
05:43
You can reconstruct that journey,
138
331956
1248
میتوانید آن سیر و تحول را بازسازی کنید،
05:45
visualize it in many different ways.
139
333204
2896
و از طرق مختلف تصویرسازی کنید
05:48
But of course, you cannot understand
Venice if you just look at the city.
Venice if you just look at the city.
140
336100
2699
اما البته، نمی‌توان تنها با نگاه کردن به این شهر، ونیز را درک کرد.
05:50
You have to put it in a larger European context.
141
338799
2396
باید آن را در یک بستر بزرگتر اروپایی قرار دهید.
05:53
So the idea is also to document all the things
142
341195
2821
پس ایده کلی بررسی تمام اسناد و مدارکی است
05:56
that worked at the European level.
143
344016
2423
که در سطح اروپا وجود داشت.
05:58
We can reconstruct also the journey
144
346439
1964
حتی سیر و تحول امپراطوری دریایی ونیز
06:00
of the Venetian maritime empire,
145
348403
1990
را می توان بازسازی کرد
06:02
how it progressively controlled the Adriatic Sea,
146
350393
3166
این که چطور به روشی مترقی دریای آدریاتیک را کنترل کند،
06:05
how it became the most powerful medieval empire
147
353559
3746
چطور به قدرتمندترین امپراطوری قرون وسطی بدل شد
06:09
of its time,
148
357305
1561
در زمان خودش،
06:10
controlling most of the sea routes
149
358866
2172
بیشتر مسیرهای دریایی را کنترل کند
06:13
from the east to the south.
150
361038
2933
از شرق تا جنوب.
06:17
But you can even do other things,
151
365305
2316
اما حتی میشود کارهای دیگری هم کرد،
06:19
because in these maritime routes,
152
367621
2277
چرا که در این خطوط دریایی،
06:21
there are regular patterns.
153
369898
1975
یک سری الگوهای منظم وجود دارد.
06:23
You can go one step beyond
154
371889
2493
می‌توان یک قدم عقب رفت
06:26
and actually create a simulation system,
155
374382
2120
و یک سیستم شبیه‌سازی خلق کرد،
06:28
create a Mediterranean simulator
156
376502
2815
یک شبیه‌ساز مدیترانه‌ای
06:31
which is capable actually of reconstructing
157
379317
2593
که حتی بتواند بازسازی کند
06:33
even the information we are missing,
158
381910
2202
اطلاعاتی را که ما نداریم،
06:36
which would enable us to have
questions you could ask
questions you could ask
159
384112
2988
که ما را قادر سازد سوالاتی را مطرح کنیم که
06:39
like if you were using a route planner.
160
387100
2988
هنگام استفاده از دستگاه مسیریاب می‌پرسیم. مثلا
06:42
"If I am in Corfu in June 1323
161
390088
3071
«اگر در ژوئن ۱۳۲۳ در کورفو هستم،
06:45
and want to go to Constantinople,
162
393159
2526
و می‌خواهم به کنستانتینوپل (قسطنطنیه و نام سابق استانبول) بروم،
06:47
where can I take a boat?"
163
395685
2143
از کجا میتوانم کشتی سوار شوم؟»
06:49
Probably we can answer this question
164
397828
1367
احتمالا این پرسش را می‌توانیم جواب دهیم
06:51
with one or two or three days' precision.
165
399195
4473
پس از یک، یا دو یا سه روز بررسی.
06:55
"How much will it cost?"
166
403668
1607
«چقدر خرج دارد؟»
06:57
"What are the chance of encountering pirates?"
167
405275
3592
«احتمال برخورد با دزدان دریایی چقدر است؟»
07:00
Of course, you understand,
168
408867
1811
البته می‌دانید که،
07:02
the central scientific challenge
of a project like this one
of a project like this one
169
410678
2609
چالش علمی محوری یک چنین پروژه‌ای
07:05
is qualifying, quantifying and representing
170
413287
3729
ارزیابی کیفیت و کمیت و ارائه
07:09
uncertainty and inconsistency
at each step of this process.
at each step of this process.
171
417016
3330
موارد مورد شک و نامتداوم در هر یک از گام‌های این روند است.
07:12
There are errors everywhere,
172
420346
2712
اشتباه همه جا هست،
07:15
errors in the document, it's
the wrong name of the captain,
the wrong name of the captain,
173
423058
2489
اشتباه در اسناد، ممکن است اسم ناخدا اشتباه آمده باشد،
07:17
some of the boats never actually took to sea.
174
425547
3213
برخی کشتی‌ها در واقع هرگز راهی دریا نشدند.
07:20
There are errors in translation, interpretative biases,
175
428760
4857
در ترجمه اشتباهاتی هست، غرض‌ورزی‌های هنگام ترجمه همزمان،
07:25
and on top of that, if you add algorithmic processes,
176
433624
3466
و در صدر همه این‌ها، اگر فرایندهای الگوریتمی اضافه کنید،
07:29
you're going to have errors in recognition,
177
437090
2949
در شناسایی اشتباه خواهید داشت،
07:32
errors in extraction,
178
440039
1961
در استخراج،
07:34
so you have very, very uncertain data.
179
442000
4481
در نتیجه بانک داده‌های اطلاعاتی شما بسیار بسیار نامطمئن است.
07:38
So how can we detect and
correct these inconsistencies?
correct these inconsistencies?
180
446481
3757
پس چطور می‌توان این عدم تداوم را تصحیح کرد؟
07:42
How can we represent that form of uncertainty?
181
450238
3660
چطور می‌توانیم آن نوع از تردید را ارائه دهیم؟
07:45
It's difficult. One thing you can do
182
453898
2097
سخت است. یک کار که میتوانید بکنید
07:47
is document each step of the process,
183
455995
2226
ثبت هر گامی است که طی فرایند برداشته میشود،
07:50
not only coding the historical information
184
458221
2448
نه تنها ثبت اطلاعات تاریخی
07:52
but what we call the meta-historical information,
185
460669
2679
بلکه ثبت آن‌چه که به آن اطلاعات فرا-تاریخی می‌گوییم،
07:55
how is historical knowledge constructed,
186
463348
2663
این که دانش تاریخی چطور ساخته شده،
07:58
documenting each step.
187
466011
1998
با ثبت هر قدم.
08:00
That will not guarantee that we actually converge
188
468009
1645
این تضمین نمی‌کند که ما در واقع حرکت می‌کنیم
08:01
toward a single story of Venice,
189
469654
2450
به سوی یک داستان خاص از ونیز،
08:04
but probably we can actually reconstruct
190
472104
2138
بلکه شاید بتوانیم بازسازی کنیم
08:06
a fully documented potential story of Venice.
191
474242
3048
یک داستان کاملا به ثبت‌رسیده از ونیز را.
08:09
Maybe there's not a single map.
192
477290
1459
شاید یک نقشه نباشد.
08:10
Maybe there are several maps.
193
478749
2120
شاید چندین نقشه در دسترس باشد.
08:12
The system should allow for that,
194
480869
2216
سیستم باید همچین امکانی را فراهم کند
08:15
because we have to deal with
a new form of uncertainty,
a new form of uncertainty,
195
483085
2859
چون ما با یک نوع جدید تردید مواجه هستیم
08:17
which is really new for this type of giant databases.
196
485944
4641
که برای این نوع دیتابیس های عظیم جدید است
08:22
And how should we communicate
197
490585
2190
و چطور ما باید این تحقیق جدید
08:24
this new research to a large audience?
198
492790
3979
را به مخاطبان منتقل کنیم؟
08:28
Again, Venice is extraordinary for that.
199
496769
2663
دوباره، ونیز برای چنین چیزی فوق العاده است
08:31
With the millions of visitors that come every year,
200
499432
2171
با میلیون ها بازدید کننده سالیانه
08:33
it's actually one of the best places
201
501603
1763
در حقیقت یکی از بهترین مکان هایی است
08:35
to try to invent the museum of the future.
202
503366
2988
که می توان موزه آینده را ابداع کرد
08:38
Imagine, horizontally you see the reconstructed map
203
506354
3304
تصور کنید، به طور افقی بتوانید نقشه بازسازی شده
08:41
of a given year,
204
509658
1286
برای سال مشخصی را ببینید
08:42
and vertically, you see the document
205
510944
2958
و به صورت عمودی اسنادی را ببینید
08:45
that served the reconstruction,
206
513902
1511
که بازسازی را شکل دادند
08:47
paintings, for instance.
207
515413
3400
نقاشی ها، برای نمونه
08:50
Imagine an immersive system that permits
208
518813
2580
یک سیستم همه جانبه را تصور کنید که اجازه دهد
08:53
to go and dive and reconstruct
the Venice of a given year,
the Venice of a given year,
209
521393
3502
تا به بازسازی سال مشخصی از ونیز وارد شوید
08:56
some experience you could share within a group.
210
524895
2715
تجربه ای که می توانید داخل یک گروه به اشتراک گذارید
08:59
On the contrary, imagine actually that you start
211
527610
2246
در مقابل، تصور کنید که واقعا از یک سند
09:01
from a document, a Venetian manuscript,
212
529856
2207
نسخه خطی ونیزی، شروع کنید
09:04
and you show, actually, what
you can construct out of it,
you can construct out of it,
213
532063
3049
و نشان دهید که واقعا از آن چه چیزی بازسازی می شود
09:07
how it is decoded,
214
535112
1772
چگونه رمزگشایی می شود
09:08
how the context of that document can be recreated.
215
536884
2415
چگونه متن یک سند می تواند بازسازی شود
09:11
This is an image from an exhibit
216
539299
1885
این عکس از یک نمایشگاه است
09:13
which is currently conducted in Geneva
217
541184
2276
که هم اکنون در ژنو با چنین سیستمی
09:15
with that type of system.
218
543460
2354
برگزار می شود
09:17
So to conclude, we can say that
219
545814
2175
پس برای جمع بندی، می توانیم بگوییم
09:19
research in the humanities is about to undergo
220
547989
3079
تحقیق در علوم انسانی در حال
09:23
an evolution which is maybe similar
221
551068
1802
یک تغییر اساسی است که ممکن است
09:24
to what happened to life sciences 30 years ago.
222
552870
4582
شبیه تغیر علوم حیاتی ۳۰ سال پیش بود
09:29
It's really a question of scale.
223
557452
4676
در حقیقت این یک مساله مقیاس می باشد
09:34
We see projects which are
224
562130
3303
ما پروژه هایی می بینیم که فراتر
09:37
much beyond any single research team can do,
225
565433
3843
از ظرفیت های یک تیم منفرد هستند
09:41
and this is really new for the humanities,
226
569276
2243
و این مساله جدیدی برای علوم انسانی می باشد
09:43
which very often take the habit of working
227
571519
3869
که خیلی اغلب در گروه های کوچک با چندین محقق
09:47
in small groups or only with a couple of researchers.
228
575388
4008
رخ می دهد
09:51
When you visit the Archivio di Stato,
229
579396
2118
وقتی شما به آرکیویو دی استاتو سر می زنید
09:53
you feel this is beyond what any single team can do,
230
581514
2822
احساس می کنید که این بیش از طرفیت های هر تیم منفرد
09:56
and that should be a joint and common effort.
231
584336
3834
می باشد و باید یک تلاش مشترک باشد
10:00
So what we must do for this paradigm shift
232
588170
3106
پس چیزی که باید برای تغییر این نمونه انجام دهیم
10:03
is actually foster a new generation
233
591276
1902
این است که یک نسل جدید از
10:05
of "digital humanists"
234
593178
1537
ٰانسان های دیجیتال پرورش دهیم
10:06
that are going to be ready for this shift.
235
594715
2090
که برای این تغییر آماده خواهند بود.
10:08
I thank you very much.
236
596805
1959
بسیار ممنون از شما
10:10
(Applause)
237
598764
4000
(تشویق حاضرین)
ABOUT THE SPEAKER
Frederic Kaplan - Digital humanities researcherFrederic Kaplan seeks to digitize vast archives of historical information to make maps that move -- through time.
Why you should listen
Frederic Kaplan is the Digital Humanities Chair at Ecole Polytechnique Federale de Lausanne (EPFL) and the EPFL's Digital Humanities Lab Director. Kaplan leads the lab in applying computation to humanities research. His latest project is the Venice Time Machine, a collaborative work archiving 80 kilometers of books from throughout 1000 years of Venetician history. The goal of the time machine is to create an information system which can be searched and mapped. Think of it as a Google Maps for time.
Kaplan holds a PhD in artificial intelligence from the University Paris VI. He lives in Switzerland.
Frederic Kaplan | Speaker | TED.com