TED2011
Aaron Koblin: Visualizing ourselves ... with crowd-sourced data
Aaron Koblin : voir notre humanité avec un oeil d'artiste
Filmed:
Readability: 4.2
1,731,467 views
L'artiste Aaron Koblin prend des quantités de données -- et parfois un grand nombre de personnes -- et les réunit pour en faire de splendides visualisations. Des élégantes lignes traçant les vols d'avion aux paysages de données de téléphones cellulaires, d'une vidéo de Johnny Cash composée de de dessins du grand public à la vidéo "Wilderness Downtown" qui se personnalise pour l'utilisateur, ses travaux explorent avec brio comment la technologie moderne peut nous rendre plus humains.
Aaron Koblin - Data artist
Aaron Koblin is an artist specializing in data and digital technologies. His work takes real world and community-generated data and uses it to reflect on cultural trends and the changing relationship between humans and technology. Full bio
Aaron Koblin is an artist specializing in data and digital technologies. His work takes real world and community-generated data and uses it to reflect on cultural trends and the changing relationship between humans and technology. Full bio
Double-click the English transcript below to play the video.
00:15
So I think data can actually make us more human.
0
0
4000
Moi je pense que les données peuvent en fait nous rendre plus humains.
00:19
We're collecting and creating all kinds of data about how we're living our lives,
1
4000
3000
Nous récoltons et créons toutes sortes de données sur notre environnement de vie,
00:22
and it's enabling us to tell some amazing stories.
2
7000
2000
et cela nous permet de raconter des histoires étonnantes.
00:24
Recently, a wise media theorist Tweeted,
3
9000
3000
Récemment, un sage théoricien des medias a tweeté,
00:27
"The 19th century culture was defined by the novel,
4
12000
2000
"La culture du 19ème siècle était définie par le roman,
00:29
the 20th century culture was defined by the cinema,
5
14000
2000
la culture du 20ème siècle était définie par le cinéma,
00:31
and the culture of the 21st century
6
16000
2000
et la culture du 21ème siècle
00:33
will be defined by the interface."
7
18000
2000
sera définie par l'interface."
00:35
And I believe this is going to prove true.
8
20000
2000
Et je crois que cela va se vérifier.
00:37
Our lives are being driven by data,
9
22000
2000
Nos vies sont pilotées par les données,
00:39
and the presentation of that data is an opportunity
10
24000
2000
et la présentation des ces données est pour nous une opportunité
00:41
for us to make some amazing interfaces that tell great stories.
11
26000
2000
de créer des interfaces étonnantes qui racontent de grandes histoires.
00:43
So I'm going to show you a few of the projects
12
28000
2000
Je vais donc vous montrer quelques-uns des projets
00:45
that I've been working on over the last couple years
13
30000
2000
sur lesquels j'ai travaillé ces deux dernières années
00:47
that reflect on our lives and our systems.
14
32000
2000
et qui reflètent nos vies et nos systèmes.
00:49
This is a project called Flight Patterns.
15
34000
2000
Voici un projet nommé Flight Patterns.
00:51
What you're looking at is airplane traffic
16
36000
2000
Ce que vous voyez là est le trafic aérien
00:53
over North America for a 24-hour period.
17
38000
3000
au-dessus de l'Amérique du Nord pendant 24h.
00:56
As you see, everything starts to fade to black,
18
41000
2000
Comme vous voyez, tout se fond jusqu'à devenir noir,
00:58
and you see people going to sleep.
19
43000
2000
et vous voyez les gens s'endormir.
01:00
Followed by that, you see on the West coast
20
45000
2000
Après ça, vous voyez sur la côte Ouest
01:02
planes moving across, the red-eye flights to the East coast.
21
47000
3000
des avions qui traversent, les vols à l'oeil rouge vers la côte Est.
01:05
And you'll see everybody waking up on the East coast,
22
50000
3000
Et vous allez voir tout le monde s'éveiller sur la côte Est,
01:08
followed by European flights coming in the upper right-hand corner.
23
53000
3000
suivis par les vols européens qui arrivent dans le coin en haut à droite.
01:11
Everybody's moving from the East coast to the West coast.
24
56000
3000
Tout le monde migre de la côte Est à la côte Ouest.
01:14
You see San Francisco and Los Angeles
25
59000
2000
Vous voyez San Francisco et Los Angeles
01:16
start to make their journeys down to Hawaii in the lower left-hand corner.
26
61000
3000
commencer leur voyage vers Hawaii dans le coin en bas à gauche.
01:19
I think it's one thing to say there's 140,000 planes
27
64000
2000
Je pense que c'est une chose de dire qu'il y a 140 000 avions
01:21
being monitored by the federal government at any one time,
28
66000
3000
suivis par le gouvernement fédéral à un instant donné,
01:24
and it's another thing to see that system as it ebbs and flows.
29
69000
3000
et c'est une autre chose de voir ce système dans son flux et reflux.
01:29
This is a time-lapse image of that exact same data,
30
74000
2000
C'est une prise de vue accélérée de l'exacte même donnée,
01:31
but I've color-coded it by type,
31
76000
2000
mais je l'ai codée en couleur par type,
01:33
so you can see the diversity of aircraft that are in the skies above us.
32
78000
3000
pour que l'on puisse voir la diversité des avions dans le ciel au-dessus de nos têtes.
01:36
And I started making these, and I put them into Google Maps
33
81000
3000
Et j'ai commencé à faire ces vues et je les ai intégrées à Google Maps
01:39
and allow you to zoom in and see individual airports
34
84000
2000
vous pouvez zoomer et voir chaque aéroport
01:41
and the patterns that are occurring there.
35
86000
2000
et les motifs qui se dessinent.
01:43
So here we can see the white represents low altitudes,
36
88000
3000
Ici nous voyons que le blanc représente les basses altitudes,
01:46
and the blue are higher altitudes.
37
91000
2000
et le bleu ce sont les altitudes plus élevées.
01:48
And you can zoom in. This is taking a look at Atlanta.
38
93000
2000
Et vous pouvez zoomer. Là, c'est une vue d'Atlanta.
01:50
You can see this is a major shipping airport,
39
95000
2000
Vous pouvez voir ici un important aéroport de fret,
01:52
and there's all kinds of activity there.
40
97000
2000
et il y a toutes sortes d'activités là-bas.
01:54
You can also toggle between altitude
41
99000
3000
Vous pouvez aussi basculer d'une altitude à l'autre
01:57
for model and manufacturer.
42
102000
2000
par modèle et fabricant.
01:59
See again, the diversity.
43
104000
2000
Voyez, encore, la diversité.
02:01
And you can scroll around and see
44
106000
2000
Et vous pouvez faire défiler l'ensemble et voir
02:03
some of the different airports and the different patterns that they have.
45
108000
3000
quelques-uns des différents aéroports et leurs différents motifs.
02:06
This is scrolling up the East coast.
46
111000
2000
Voilà une vue en remontant la côte Est.
02:08
You can see some of the chaos that's happening in New York
47
113000
2000
Vous voyez un peu du chaos qui anime New York
02:10
with the air traffic controllers
48
115000
2000
avec les contrôleurs aériens
02:12
having to deal with all those major airports next to each other.
49
117000
4000
qui doivent gérer tous ces aéroports majeurs proches les uns des autres.
02:17
So zooming back out real quick,
50
122000
2000
En dézoomant très vite
02:19
we see, again, the U.S. -- you get Florida down in the right-hand corner.
51
124000
3000
nous voyons, à nouveau, les Etats-Unis -- vous avez la Floride en bas à droite.
02:22
Moving across to the West coast,
52
127000
2000
En se déplaçant jusqu'à la côte Ouest,
02:24
you see San Francisco and Los Angeles --
53
129000
2000
vous voyez San Francisco et Los Angeles --
02:26
big low-traffic zones
54
131000
2000
de grandes zones à faible trafic
02:28
across Nevada and Arizona.
55
133000
2000
le long du Nevada et de l'Arizona.
02:30
And that's us down there in L.A. and Long Beach on the bottom.
56
135000
4000
Et nous voici là, à Los Angeles et Long Beach en bas.
02:36
I started taking a look as well at different perimeters,
57
141000
2000
J'ai aussi commencé jeter un oeil aux différents paramètres,
02:38
because you can choose what you want to pull out from the data.
58
143000
2000
car on peut choisir ce que l'on veut extraire des données.
02:40
This is looking at ascending versus descending flights.
59
145000
3000
Voilà une vue comparant les vols ascendants et descendants.
02:43
And you can see, over time, the ways the airports change.
60
148000
2000
Et vous voyez, dans le temps, comment les aéroports changent.
02:45
You see the holding patterns that start to develop
61
150000
2000
Vous voyez les motifs persistants qui commencent à se développer
02:47
in the bottom of the screen.
62
152000
2000
en bas de l'écran.
02:49
And you can see, eventually the airport actually flips directions.
63
154000
3000
Et vous voyez finalement l'aéroport qui change vraiment de directions.
02:53
So this is another project that I worked on with the Sensible Cities Lab at MIT.
64
158000
3000
Voilà un autre projet sur lequel j'ai travaillé avec le Sensible Cities Lab du MIT.
02:56
This is visualizing international communications.
65
161000
2000
Voilà une vue des communications internationales.
02:58
So it's how New York communicates
66
163000
2000
Et voilà comment New York communique
03:00
with other international cities.
67
165000
2000
avec d'autres villes internationales.
03:02
And we set this up as a live globe in the Museum of Modern Art in New York
68
167000
3000
Et nous avons mis cela en place comme un globe en live au Musée d'Art Moderne de New York
03:05
for the Design the Elastic Mind exhibition.
69
170000
2000
à l'occasion de l'exposition Design The Elastic Mind.
03:07
And it had a live feed with a 24-hour offset,
70
172000
2000
Et il a été alimenté par un flux pendant 24h,
03:09
so you could see the changing relationship
71
174000
2000
donc on pouvait voir la relation évoluer,
03:11
and some demographic info
72
176000
2000
et des infos démographiques
03:13
coming through AT&T's data and revealing itself.
73
178000
3000
qui provenaient des données AT&T et se révélaient.
03:16
This is another project I worked on with Sensible Cities Lab
74
181000
2000
Voici un autre projet sur lequel j'ai travaillé avec le Sensible Cities Lab
03:18
and CurrentCity.org.
75
183000
2000
et CurrentCity.org.
03:20
And it's visualizing SMS messages being sent in the city of Amsterdam.
76
185000
3000
Et cela montre des SMS envoyés dans la ville d'Amsterdam.
03:23
So you're seeing the daily ebb and flow
77
188000
2000
Vous voyez le flux et reflux quotidien
03:25
of people sending SMS messages from different parts of the city,
78
190000
2000
des gens qui envoient des SMS des différentes parties de la ville
03:27
until we approach New Year's Eve, where everybody says, "Happy New Year!"
79
192000
3000
jusqu'à l'approche du Nouvel An où tout le monde dit "Bonne année !"
03:30
(Laughter)
80
195000
2000
(Rires)
03:32
So this is an interactive tool
81
197000
2000
Donc c'est un outil interactif
03:34
that you can move around and see different parts of the city.
82
199000
3000
que vous pouvez déplacer partout, pour voir différentes parties de la ville.
03:37
This is looking at another event. This is called Queen's Day.
83
202000
3000
Ici nous observons un autre événement. On l'appelle le Jour de la Reine.
03:40
So again, you get this daily ebb and flow
84
205000
2000
Là encore, vous avez ce flux et reflux quotidien
03:42
of people sending SMS messages from different parts of the city.
85
207000
3000
des gens qui envoient des SMS des différentes parties de la ville.
03:45
And then you're going to see people start to gather in the center of the city
86
210000
2000
Et vous allez voir des gens se rassembler dans le centre-ville
03:47
to celebrate the night before,
87
212000
2000
pour faire la fête la veille
03:49
which happens right here.
88
214000
2000
comme ça se passe juste là.
03:51
And then you can see people celebrating the next day.
89
216000
2000
Ensuite vous voyez les gens faire la fête le lendemain.
03:53
And you can pause it and step back and forth and see different phases.
90
218000
3000
Et vous pouvez faire pause et avancer et reculer pour voir différentes phases.
03:56
So now on to something completely different.
91
221000
2000
Passons maintenant à quelque chose de totalement différent.
03:58
Some of you may recognize this.
92
223000
2000
Certains d'entre vous connaissent peut-être.
04:00
This is Baron Wolfgang von Kempelen's mechanical chess playing machine.
93
225000
3000
Voici la machine à jouer aux échecs du baron Wolfgang von Kempelen.
04:03
And it's this amazing robot that plays chess extremely well,
94
228000
2000
C'est un robot étonnant qui joue très bien aux échecs,
04:05
except for one thing: it's not a robot at all.
95
230000
3000
sauf pour un détail : ce n'est pas du tout un robot.
04:08
There's actually a legless man that sits in that box
96
233000
2000
C'est en fait un homme sans jambes qui est assis dans cette boite
04:10
and controls this chess player.
97
235000
2000
et contrôle ce joueur d'échecs.
04:12
This was the inspiration for a web service by Amazon
98
237000
2000
Cela a inspiré un web service d'Amazon
04:14
called the Mechanical Turk -- named after this guy.
99
239000
3000
appelé le Turc Mécanique -- d'après le nom de ce type.
04:17
And it's based on the premise that there are certain things
100
242000
2000
Et c'est basé sur le postulat que certaines choses
04:19
that are easy for people, but really difficult for computers.
101
244000
2000
sont faciles pour les gens, mais vraiment compliquées pour les ordinateurs.
04:21
So they made this web service and said,
102
246000
2000
Alors ils ont fait ce web service et dit
04:23
"Any programmer can write a piece of software
103
248000
2000
"N'importe quel programmeur peut écrire un bout de code
04:25
and tap into the minds of thousands of people."
104
250000
2000
et puiser dans les esprits de milliers de gens."
04:27
The nerdy side of me thought, "Wow, this is amazing.
105
252000
2000
Mon côté nerd a pensé "Wahou, c'est fou.
04:29
I can tap into thousands of people's minds."
106
254000
2000
Je peux puiser dans les esprits de milliers de gens."
04:31
And the other nerdy side of me thought,
107
256000
2000
Et mon autre côté nerd a pensé
04:33
"This is horrible. This is completely bizarre.
108
258000
3000
"C'est horrible. C'est totalement bizarre.
04:36
What does this mean for the future of mankind,
109
261000
2000
Qu'est-ce que ça implique pour le futur de l'humanité,
04:38
where we're all plugged into this borg?"
110
263000
2000
que nous sommes tous branchés à ce borg ?"
04:40
I was probably being a little extreme.
111
265000
2000
J'étais sans doute un peu extrême.
04:42
But what does this mean when we have no context for what it is that we're working on,
112
267000
2000
Mais qu'est-ce que ça veut dire quand nous n'avons pas le contexte pour ce sur quoi nous travaillons
04:44
and we're just doing these little labors?
113
269000
2000
et nous faisons juste ces petites tâches.
04:46
So I created this drawing tool.
114
271000
2000
Alors j'ai créé cet outil pour dessiner.
04:48
I asked people to draw a sheep facing to the left.
115
273000
2000
J'ai demandé aux gens de dessiner un mouton qui regarde à gauche.
04:50
And I said, "I'll pay you two cents for your contribution."
116
275000
2000
Et j'ai dit "Je vous payerai 2 cents pour votre contribution."
04:52
And I started collecting sheep.
117
277000
3000
Et j'ai commencé à collectionner les moutons.
04:55
And I collected a lot, a lot of different sheep.
118
280000
3000
J'ai réuni beaucoup, beaucoup de moutons différents.
04:59
Lots of sheep.
119
284000
2000
Des tas de moutons.
05:01
I took the first 10,000 sheep that I collected,
120
286000
2000
J'ai pris les premiers 10 000 moutons que j'avais réunis,
05:03
and I put them on a website called TheSheepMarket.com
121
288000
3000
et je les ai mis sur un site appelé TheSheepMarket.com
05:06
where you can actually buy collections of 20 sheep.
122
291000
3000
où vous pouvez en fait acheter des collections de 20 moutons.
05:09
You can't pick individual sheep,
123
294000
2000
Vous ne pouvez pas choisir un mouton à l'unité
05:11
but you can buy a single plate block of stamps as a commodity.
124
296000
4000
mais vous pouvez acheter un block de vignettes comme matière première.
05:15
And juxtaposed against this grid,
125
300000
2000
Et juxtaposée à la grille
05:17
you see actually, by rolling over each individual one,
126
302000
2000
vous pouvez vous en passant la souris sur chaque mouton,
05:19
the humanity behind this hugely mechanical process.
127
304000
3000
l'humanité derrière cet immense processus mécanique.
05:22
I think there's something really interesting
128
307000
2000
Je pense qu'il y a quelque chose de vraiment intéressant
05:24
to watching people as they go through this creative toil --
129
309000
3000
à regarder les gens passer par ce labeur créatif --
05:27
something we can all relate to,
130
312000
2000
quelque chose qui nous parle à tous,
05:29
this creative process of trying to come up with something from nothing.
131
314000
3000
ce processus créatif d'essayer d'inventer quelque chose à partir de rien.
05:32
I think it was really interesting to juxtapose this humanity
132
317000
2000
Je trouve que c'était vraiment intéressant de mettre en regard cette humanité
05:34
versus this massive distributed grid.
133
319000
2000
avec cette grille massive et disséminée.
05:36
Kind of amazing what some people did.
134
321000
3000
C'est assez étonnant ce que certaines personnes ont fait.
05:39
So here's a few statistics from the project.
135
324000
2000
Voici quelques statistiques sur le projet.
05:41
Approximate collection rate of 11 sheep per hour,
136
326000
2000
Un taux d'ajout de 11 moutons par jour
05:43
which would make a working wage of 69 cents per hour.
137
328000
3000
ce que représente un salaire de 69 cents par heure.
05:46
There were 662 rejected sheep
138
331000
2000
662 moutons ont été rejetés
05:48
that didn't meet "sheep-like" criteria and were thrown out of the flock.
139
333000
3000
car ils n'entraient pas dans les critères et on les a sortis du troupeau.
05:51
(Laughter)
140
336000
2000
(Rires)
05:53
The amount of time spent drawing ranged from four seconds to 46 minutes.
141
338000
3000
Le temps passé à dessiner allait de 4 secondes à 46 minutes.
05:56
That gives you an idea of the different types of motivations and dedication.
142
341000
3000
Cela vous donne une idée des différents types de motivations et d'engagement.
05:59
And there were 7,599 people that contributed to the project,
143
344000
3000
Et il y a eu 7 599 contributeurs au projet,
06:02
or were unique IP addresses --
144
347000
2000
en tout cas qui avaient une adresse IP unique --
06:04
so about how many people contributed.
145
349000
2000
ça représente à peu près le nombre de personnes qui ont contribué.
06:06
But only one of them out of the 7,599 said this.
146
351000
4000
Mais un seul de ces 7 599 personnes a dit ceci.
06:10
(Laughter)
147
355000
4000
(Rires)
06:14
Which I was pretty surprised by.
148
359000
2000
Ce qui m'a plutôt surpris.
06:16
I expected people to be wondering, "Why did I draw a sheep?"
149
361000
3000
Je m'attendais à ce que les gens se demandent "Pourquoi j'ai choisi un mouton?"
06:19
And I think it's a pretty valid question.
150
364000
2000
Et je trouve que c'est une question plutôt pertinente.
06:21
And there's a lot of reasons why I chose sheep.
151
366000
2000
Et il y a beaucoup de raisons pour lesquelles j'ai choisi un mouton.
06:23
Sheep were the first animal
152
368000
2000
Le mouton a été le premier animal
06:25
to be raised from mechanically processed byproducts,
153
370000
2000
qui a été élevé avec des produits dérivés produits mécaniquement,
06:27
the first to be selectively bred for production traits,
154
372000
2000
le premier qui a été sélectionné pour ses caractéristiques de reproduction,
06:29
the first animal to be cloned.
155
374000
2000
le premier qui a été cloné.
06:31
Obviously, we think of sheep as followers.
156
376000
2000
Manifestement nous voyons les moutons comme des suiveurs.
06:33
And there's this reference to "Le Petit Prince"
157
378000
2000
Ensuite il y a la référence au "Petit Prince"
06:35
where the narrator asks the prince to draw a sheep.
158
380000
2000
où le narrateur demande au prince de dessiner un mouton.
06:37
He draws sheep after sheep.
159
382000
2000
Il dessine un mouton après l'autre.
06:39
The narrator's only appeased when he draws a box.
160
384000
2000
Le narrateur ne s'apaise que quand il dessine une boite.
06:41
And he says, "It's not about a scientific rendering of a sheep.
161
386000
2000
Et il dit "Tu n'as pas besoin de dessiner un mouton scientifiquement exact.
06:43
It's about your own interpretation and doing something different."
162
388000
3000
Ce qui compte c'est ton interprétation et faire quelque chose de différent."
06:46
And I like that.
163
391000
2000
Et j'aime ça.
06:48
So this is a clip from Charlie Chaplin's "Modern Times."
164
393000
2000
Voici un extrait des Temps Modernes de Charlie Chaplin.
06:50
It's showing Charlie Chaplin dealing with some of the major changes
165
395000
3000
Cela montre Charlie Chaplin aux prises avec quelques changements majeurs
06:53
during the Industrial Revolution.
166
398000
2000
pendant la révolution industrielle.
06:55
So there were no longer shoe makers,
167
400000
2000
Il n'y avait plus de fabricants de chaussures,
06:57
but now there are people slapping soles on people's shoes.
168
402000
2000
mais il y avait des gens qui flanquaient des semelles sur les chaussures.
06:59
And the whole idea of one's relationship to their work changed a lot.
169
404000
3000
Et l'idée globale de la relation de chacun à son travail, avait beaucoup changé.
07:02
So I thought this was an interesting clip
170
407000
2000
Alors j'ai pensé que c'était une vidéo intéressante
07:04
to divide into 16 pieces
171
409000
2000
qu'on pouvait découper en 16 morceaux
07:06
and feed into the Mechanical Turk with a drawing tool.
172
411000
3000
et je les ai injectés dans le Turc mécanique avec un outil de dessin.
07:09
This basically allowed -- what you see on the left side is the original frame,
173
414000
3000
Cela a permis en fait -- ce que vous voyez à gauche est l'image originale,
07:12
and on the right side you see that frame
174
417000
2000
et à droite vous voyez cette image
07:14
as interpreted by 16 people
175
419000
2000
interprétée par 16 personnes
07:16
who have no idea what it is they're doing.
176
421000
2000
qui n'avaient aucune idée de ce qu'ils étaient en train de faire.
07:18
And this was the inspiration for a project
177
423000
2000
Et ça a été l'inspiration pour un projet
07:20
that I worked on with my friend Takashi Kawashima.
178
425000
2000
sur lequel j'ai travaillé avec mon ami Takashi Kawashima.
07:22
We decided to use the Mechanical Turk for exactly what it was meant for,
179
427000
2000
Nous avons décidé d'utiliser le Turc mécanique pour sa raison d'être précise,
07:24
which is making money.
180
429000
2000
qui était de rapporter de l'argent.
07:26
So we took a hundred dollar bill and divided it into 10,000 teeny pieces,
181
431000
3000
Alors nous avons pris une centaine de dollars et les avons divisé en 10 000 morceaux minuscules
07:29
and we fed those into the Mechanical Turk.
182
434000
2000
et nous les avons placés dans le Turc Mécanique.
07:31
We asked people to draw what it was that they saw.
183
436000
2000
Nous avons demandé aux gens dire ce qu'ils voyaient.
07:33
But here there was no sheep-like criteria.
184
438000
2000
Mais là il n'y avait pas de critère de "mouton ressemblant".
07:35
People, if they drew a stick figure or a smiley face,
185
440000
3000
Les gens, s'ils tiraient un personnage en bâtons ou un smiley,
07:38
it actually made it into the bill.
186
443000
2000
ça entrait dans le billet.
07:40
So what you see is actually a representation of how well people did
187
445000
2000
Donc ce que vous voyez est vraiment une représentation de la manière dont
07:42
what it was they were asked to do.
188
447000
2000
les gens ont bien fait ce qui leur était demandé.
07:44
So we took these hundred dollar bills,
189
449000
2000
Nous avons donc pris ces cent billets d'un dollar,
07:46
and we put them on a website called TenThousandsCents.com,
190
451000
2000
et nous les avons mis sur un site appelé TenThousandsCents.com,
07:48
where you can browse through and see all the individual contributions.
191
453000
3000
où vous pouvez passer en revue toutes les contributions individuelles.
07:51
And you can also trade real hundred-dollar bills for fake hundred-dollar bills
192
456000
3000
Et vous pouvez aussi échanger des vrais billets de cent dollars contre des faux billets de cent dollars
07:54
and make a donation to the Hundred Dollar Laptop Project,
193
459000
3000
et faire un don au projet Hundred Dollar Laptop,
07:57
which is now known as One Laptop Per Child.
194
462000
3000
qui est aussi connu désormais sous le nom Un Laptop par enfant.
08:00
This is again showing all the different contributions.
195
465000
2000
Voilà encore toutes les différentes contributions.
08:02
You see some people did beautiful stipple renderings,
196
467000
2000
Vous voyez que certains ont fait de très beaux rendus pointillés
08:04
like this one on top --
197
469000
2000
comme celui-ci en haut --
08:06
spent a long time making realistic versions.
198
471000
3000
ils ont passé du temps à faire des versions réalistes.
08:09
And other people would draw stick figures or smiley faces.
199
474000
3000
Et d'autres ont dessiné des personnages en bâtons ou des smileys.
08:12
Here on the right-hand side in the middle
200
477000
2000
Ici à droite au milieu
08:14
you see this one guy writing, "$0.01!!! Really?"
201
479000
3000
vous voyez le type qui écrit "$0.01!!! Really?"
08:17
That's all I'm getting paid for this?
202
482000
4000
C'est tout ce que vous me donnez pour ça ?
08:21
(Laughter)
203
486000
2000
(Rires)
08:23
So the last Mechanical Turk project I'm going to talk to you about
204
488000
2000
Bon, le dernier projet Turc mécanique dont je vais vous parler
08:25
is called Bicycle Built for 2000.
205
490000
2000
porte le nom de Bicyclette construite pour 2000.
08:27
This is a collaboration with my friend Daniel Massey.
206
492000
2000
C'est une collaboration avec mon ami Daniel Massey.
08:29
You may recognize these two guys.
207
494000
2000
Vous reconnaîtrez peut-être ces deux types.
08:31
This is Max Mathews and John Kelly from Bell Labs in the '60s,
208
496000
3000
Ce sont Max Mathews et John Kelly du Bell Labs dans les années 60
08:34
where they created the song "Daisy Bell,"
209
499000
2000
où ils ont créé la chanson "Daisy Bell",
08:36
which was the world's first singing computer.
210
501000
2000
qui a été le premier ordinateur chantant au monde.
08:38
You may recognize it from "2001: A Space Odyssey."
211
503000
2000
Vous reconnaîtrez peut-être dans "2001 : l'Odyssée de l'espace"
08:40
When HAL's dying at the end of the film he starts singing this song,
212
505000
3000
quand HAL est en train de mourir à la fin et commence à chanter cette chanson
08:43
as a reference to when computers became human.
213
508000
3000
comme une référence au moment où les ordinateurs sont devenus humains.
08:46
So we resynthesized this song.
214
511000
2000
Donc nous avons reproduit cette chanson.
08:48
This is what that sounded like.
215
513000
2000
Voilà à quoi ça ressemblait.
08:50
We broke down all the individual notes
216
515000
2000
Nous avons décomposé toutes les notes
08:52
in the singing as well as the phonemes in the singing.
217
517000
3000
et les phonèmes dans la chanson.
08:55
Daisy Bell: ♫ Daisy, Daisy ... ♫
218
520000
4000
Daisy Bell: ♫ Daisy, Daisy ... ♫
08:59
Aaron Koblin: And we took all of those individual pieces,
219
524000
2000
Aaron Koblin: Et nous avons pris toutes les pièces unitaires,
09:01
and we fed them into another Turk request.
220
526000
2000
et nous les avons entrées dans une autre requête Turc.
09:03
This is what it would look like if you went to the site.
221
528000
2000
Voici à quoi ça ressemblerait si vous alliez sur le site.
09:05
You type in your code,
222
530000
2000
Vous tapez votre code,
09:07
but you first test your mic.
223
532000
2000
et testez d'abord votre micro.
09:09
You'd be fed a simple audio clip.
224
534000
2000
On vous fournirait un simple clip audio.
09:11
(Honk)
225
536000
2000
(Klaxon)
09:13
And then you'd do your best to recreate that with your own voice.
226
538000
3000
Et alors vous feriez de votre mieux pour le recréer avec votre propre voix.
09:22
After previewing it and confirming it's what you submitted,
227
547000
3000
Après l'avoir visualisé et confirmé comme votre contribution,
09:25
you could submit it into the Mechanical Turk with no other context.
228
550000
3000
vous pourriez le soumettre au Turc mécanique sans aucun contexte additionnel.
09:28
And this is what we first got back from the very first set of submissions.
229
553000
3000
Et voici ce que nous avons reçu du tout premier jeu de soumissions.
09:31
Recording: ♫ Daisy, Daisy ♫
230
556000
5000
Enregistrement en cours : ♫ Daisy, Daisy ♫
09:36
♫ give me your answer do ♫
231
561000
5000
♫ give me your answer do ♫
09:41
♫ I'm half crazy ♫
232
566000
4000
♫ I'm half crazy ♫
09:45
♫ all for the love of you ♫
233
570000
5000
♫ all for the love of you ♫
09:50
♫ It can't be a stylish marriage ♫
234
575000
5000
♫ It can't be a stylish marriage ♫
09:55
♫ I can't afford a carriage ♫
235
580000
4000
♫ I can't afford a carriage ♫
09:59
♫ But you'll look sweet upon the seat ♫
236
584000
5000
♫ But you'll look sweet upon the seat ♫
10:04
♫ of a bicycle built for two ♫
237
589000
5000
♫ of a bicycle built for two ♫
10:09
AK: So James Surowieki has this idea of the wisdom of crowds,
238
594000
3000
AK : Alors James Surowieki a cette idée de la sagesse des foules,
10:12
that says that a whole bunch of people are smarter than any individual.
239
597000
3000
qui dit qu'un groupe de gens est plus intelligent que n'importe quel individu.
10:15
We wanted to see how this applies to collaborative, distributed music making,
240
600000
3000
Nous voulions voir comment ceci s'applique au collboratif, à la création de musique distribuée,
10:18
where nobody has any idea what it is they're working on.
241
603000
3000
où personne n'a la moindre idée de ce sur quoi il travaille.
10:21
So if you go to the BicycleBuiltforTwoThousand.com
242
606000
2000
Donc si vous allez sur BicycleBuiltforTwoThousand.com
10:23
you can actually hear what all this sounds like together.
243
608000
2000
vous pouvez vraiment entendre ce que ça donne tout ensemble.
10:25
I'm sorry for this.
244
610000
2000
Désolé pour ça.
10:27
(Noise)
245
612000
5000
(Bruit)
10:32
Chorus: ♫ Daisy, Daisy ♫
246
617000
4000
Chorus: ♫ Daisy, Daisy ♫
10:36
♫ Give me your answer do ♫
247
621000
5000
♫ Give me your answer do ♫
10:41
♫ I'm half crazy ♫
248
626000
5000
♫ I'm half crazy ♫
10:46
♫ all for the love of you ♫
249
631000
4000
♫ all for the love of you ♫
10:50
♫ It can't be a stylish marriage ♫
250
635000
5000
♫ It can't be a stylish marriage ♫
10:55
♫ I can't afford a carriage ♫
251
640000
4000
♫ I can't afford a carriage ♫
10:59
♫ But you'd look sweet upon the seat ♫
252
644000
5000
♫ But you'd look sweet upon the seat ♫
11:04
♫ of a bicycle built for two ♫
253
649000
6000
♫ of a bicycle built for two ♫
11:10
AK: So stepping back for a quick second,
254
655000
3000
AK : alors en revenant en arrière un instant,
11:13
when I was at UCLA going to grad school,
255
658000
2000
quand j'étais à UCLA à l'université,
11:15
I was also working at a place called the Center for Embedded Network Sensing.
256
660000
3000
je travaillais aussi au Center for Embedded Network Sensing.
11:18
And I was writing software to visualize laser scanners.
257
663000
3000
Et je codais un logiciel pour les scanners à laser visuel.
11:21
So basically motion through 3D space.
258
666000
2000
Donc principalement du mouvement dans un espace 3D.
11:23
And this was seen by a director in L.A. named James Frost
259
668000
2000
Et un réalisateur de L.A. appelé James Frost l'a vu
11:25
who said, "Wait a minute.
260
670000
2000
et a dit "Attendez une minute.
11:27
You mean we can shoot a music video without actually using any video?"
261
672000
2000
Vous voulez dire qu'on peut tourner un clip musical sans utiliser de vidéo ?"
11:29
So we did exactly that.
262
674000
2000
Et on a fait exactement ça.
11:31
We made a music video for one of my favorite bands, Radiohead.
263
676000
2000
Nous avons fait une vidéo musicale d'un de mes groupes favoris, Radiohead.
11:33
And I think one of my favorite parts of this project
264
678000
2000
Et je crois qu'une de mes parties préférées du projet
11:35
was not just shooting a video with lasers,
265
680000
2000
ce n'était pas de tourner une vidéo avec des lasers,
11:37
but we also open sourced it,
266
682000
2000
mais le fait de le rendre Open Source,
11:39
and we made it released as a Google Code project,
267
684000
2000
et comment nous l'avons sorti en tant que projet Google Code
11:41
where people could download a bunch of the data and some source code
268
686000
2000
avec lequel les gens pouvaient télécharger un paquet de données et du code source
11:43
to build their own versions of it.
269
688000
2000
pour construire leur propre version.
11:45
And people were making some amazing things.
270
690000
2000
Et les gens ont fait des choses étonnantes.
11:47
This is actually two of my favorites:
271
692000
2000
Voici deux de mes préférées :
11:49
the pin-board Thom Yorke and a LEGO Thom Yorke.
272
694000
2000
le tableau d'affichage Thom Yorke et un LEGO Thom Yorke.
11:51
A whole YouTube channel of people submitting really interesting content.
273
696000
3000
Une chaîne Youtube entière où les gens postent des contenus vraiment intéressants.
11:54
More recently, somebody even 3D-printed Thom Yorke's head,
274
699000
3000
Plus récemment, quelqu'un a même imprimé en 3D la tête de Thom Yorke
11:57
which is a little creepy, but pretty cool.
275
702000
3000
qui fait un peu peur, mais est assez sympa.
12:00
So with everybody making so much amazing stuff
276
705000
2000
Alors avec tous ces gens qui produisent tant de choses étonnantes
12:02
and actually understanding what it was they were working on,
277
707000
3000
et comprennent vraiment ce sur quoi ils travaillaient
12:05
I was really interested in trying to make a collaborative project
278
710000
2000
j'avais vraiment envie d'essayer de faire un projet collaboratif
12:07
where people were working together to build something.
279
712000
2000
où les gens travailleraient ensemble pour construire quelque chose.
12:09
And I met a music video director named Chris Milk.
280
714000
2000
Et j'ai rencontré un réalisateur musical, Chris Milk.
12:11
And we started bouncing around ideas
281
716000
2000
Et nous avons commencé à lancer des idées
12:13
to make a collaborative music video project.
282
718000
2000
pour faire un projet de vidéo musicale collaborative.
12:15
But we knew we really needed the right person
283
720000
2000
Mais nous savions que nous avions vraiment besoin de la bonne personne
12:17
to kind of rally behind and build something for.
284
722000
3000
pour rallier tout le monde derrière elle et donner envie de construire.
12:20
So we put the idea on the back burner for a few months.
285
725000
2000
Alors nous avons mis l'idée en veilleuse quelques mois.
12:22
And he ended up talking to Rick Rubin,
286
727000
2000
Et il a fini par parler à Rick Rubin,
12:24
who was finishing up Johnny Cash's final album
287
729000
2000
qui terminait l'album de Johnny Cash
12:26
called "Ain't No Grave."
288
731000
2000
"Ain't No Grave."
12:28
The lyrics to the leading track are "Ain't no grave can hold my body down."
289
733000
3000
Les paroles du morceau principal sont "Aucune tombe ne peut plaquer mon corps au sol"
12:31
So we thought this was the perfect
290
736000
2000
Alors nous avons pensé que c'était le projet idéal
12:33
project to build a collaborative memorial
291
738000
2000
pour construire un mémorial collaboratif
12:35
and a virtual resurrection for Johnny Cash.
292
740000
2000
et une résurrection virtuelle pour Johnny Cash.
12:37
So I teamed up with my good friend Ricardo Cabello, also known as Mr. doob,
293
742000
3000
Alors j'ai fait équipe avec mon bon ami Ricardo Cabello aussi connu sous le nom de M. Doob,
12:40
who's a much better programmer than I am,
294
745000
2000
qui est un bien meilleur programmeur que moi,
12:42
and he made this amazing Flash drawing tool.
295
747000
2000
et il a fait cet étonnant outil de dessin en Flash.
12:44
As you know,
296
749000
2000
Comme vous le savez,
12:46
an animation is a series of images.
297
751000
2000
une animation est une série d'images.
12:48
So what we did was cross-cut a bunch of archival footage of Johnny Cash,
298
753000
3000
Et ce que nous avons fait c'est couper des séquences d'archives de Johnny Cash,
12:51
and at eight frames a second,
299
756000
2000
et à 8 images par seconde,
12:53
we allowed individuals to draw a single frame
300
758000
2000
nous avons permis à des gens de dessiner une image unique
12:55
that would get woven into
301
760000
2000
qui serait intégrée dans
12:57
this dynamically changing music video.
302
762000
2000
cette vidéo musicale qui change de façon dynamique.
12:59
So I don't have time to play the entire thing for you,
303
764000
2000
Bien, je n'ai pas le temps de vous le montrer en entier,
13:01
but I want to show you two short clips.
304
766000
2000
mais je voulais vous montrer deux courts extraits.
13:03
One is the beginning of the music video.
305
768000
2000
L'un est le début du clip vidéo.
13:05
And that's going to be followed by a short clip
306
770000
2000
Et juste après vous verrez un clip court
13:07
of people who have already contributed to the project
307
772000
2000
où des gens qui ont contribué au projet
13:09
talking about it briefly.
308
774000
3000
en parlent brièvement.
13:12
(Music)
309
777000
6000
(Musique)
13:18
(Video) Johnny Cash: ♫ There ain't no grave ♫
310
783000
2000
(Vidéo) Johnny Cash: ♫ There ain't no grave ♫
13:20
♫ can hold my body down ♫
311
785000
4000
♫ can hold my body down ♫
13:24
♫ There ain't no grave ♫
312
789000
2000
♫ There ain't no grave ♫
13:26
♫ can hold body down ♫
313
791000
3000
♫ can hold body down ♫
13:30
♫ When I hear the trumpet sound ♫
314
795000
4000
♫ When I hear the trumpet sound ♫
13:34
♫ I'm going to ride right out of the ground ♫
315
799000
2000
♫ I'm going to ride right out of the ground ♫
13:36
♫ Ain't no grave ♫
316
801000
3000
♫ Ain't no grave ♫
13:39
♫ can hold my body ... ♫
317
804000
3000
♫ can hold my body ... ♫
13:42
(Applause)
318
807000
2000
(Applaudissements)
13:44
AK: What better way to pay tribute to the man
319
809000
3000
AK : Quelle meilleure manière de rendre hommage à l'homme
13:47
than to make something for one of his songs.
320
812000
3000
que de faire quelque chose pour une de ses chansons.
13:50
Collaborator: I felt really sad when he died.
321
815000
2000
Collaborateur : j'ai été vraiment triste quand il est mort.
13:52
And I just thought it'd be wonderful,
322
817000
2000
Et je me suis dit que ça serait merveilleux
13:54
it'd be really nice to contribute something to his memory.
323
819000
3000
ça serait vraiment super de faire quelque chose en sa mémoire.
13:57
Collaborator Two: It really allows
324
822000
2000
Collaborateur 2 : ça fait vraiment
13:59
this last recording of his
325
824000
3000
de son dernier enregistrement
14:02
to be a living, breathing memorial.
326
827000
5000
un mémorial vivant, qui respire.
14:07
Collaborator Three: For all of the frames to be drawn by fans,
327
832000
3000
Collabortateur 3 : Que toutes les images soient dessinées par des fans,
14:10
each individual frame,
328
835000
2000
chaque image individuelle,
14:12
it's got a very powerful feeling to it.
329
837000
2000
ça donne une impression très puissante à l'ensemble.
14:14
Collaborator Four: I've seen everybody
330
839000
2000
Collaborateur 4 : j'ai vu tout le monde
14:16
from Japan, Venezuela, to the States,
331
841000
2000
du Japon, du Venezuela, aux Etats-Unis,
14:18
to Knoxville, Tennessee.
332
843000
2000
à Knoxville, Tennessee.
14:20
Collaborator Five: As much as is different from frame to frame,
333
845000
3000
Collaborateur 5 : C'est tellement différent d'image en image,
14:23
it really is personal.
334
848000
2000
c'est vraiment personnel.
14:25
Collaborator Six: Watching the video in my room,
335
850000
2000
Collaborateur 6 : en regardant cette vidéo dans ma chambre,
14:27
I could see me not understanding at the beginning of it.
336
852000
3000
je me voyais dans l'incompréhension au début.
14:30
And I just worked and worked through problems,
337
855000
3000
Et j'ai travaillé et travaillé sur les problèmes,
14:33
until my little wee battles that I was fighting within the picture
338
858000
4000
jusqu'à ce que mes petites batailles de détails dans l'image
14:37
all began to resolve themselves.
339
862000
3000
commencent à toutes se résoudre.
14:40
You can actually see the point when I know what I'm doing,
340
865000
2000
Alors je vois le moment où je sais ce que je suis en train de faire,
14:42
and a lot of light and dark comes into it.
341
867000
3000
et beaucoup de lumière et d'ombre entre.
14:45
And in a weird way,
342
870000
2000
Et curieusement,
14:47
that's what I actually like about Johnny Cash's music as well.
343
872000
2000
c'est aussi ce que j'aime dans la musique de Johnny Cash.
14:49
It's the sum total of his life,
344
874000
2000
C'est la somme de sa vie,
14:51
all the things that had happened --
345
876000
2000
toutes les choses qui étaient arrivées --
14:53
the bad things, the good things.
346
878000
2000
les mauvaises, les bonnes.
14:55
You're hearing a person's life.
347
880000
3000
Vous entendez la vie d'une personne.
15:01
AK: So if you go to the website JohnnyCashProject.com,
348
886000
2000
AK : Si vous allez sur le site JohnnyCashProject.com,
15:03
what you'll see is the video playing above.
349
888000
2000
ce que vous verrez c'est la vidéo ci-dessus.
15:05
And below it are all the individual frames
350
890000
2000
Et en-dessous ce sont les images individuelles
15:07
that people have been submitting to the project.
351
892000
2000
que les gens ont postées pour le projet.
15:09
So this isn't finished at all,
352
894000
2000
Donc ce n'est pas du tout un travail fini,
15:11
but it's an ongoing project where people can continue to collaborate.
353
896000
2000
c'est un projet toujours ouvert auquel les gens peuvent continuer à collaborer.
15:13
If you roll over any one of those individual thumbnails,
354
898000
2000
Si vous passez la souris sur n'importe laquelle de ces vignettes individuelles,
15:15
you can see the person who drew that individual thumbnail
355
900000
2000
vous verrez la personne qui a dessiné cette image
15:17
and where they were located.
356
902000
2000
et où elle se trouve géographiquement.
15:19
And if you find one that you're interested in,
357
904000
2000
Et si vous en trouvez une qui vous intéresse,
15:21
you can actually click on it and open up an information panel
358
906000
2000
vous pouvez cliquer dessus et ouvrir une fiche d'information
15:23
where you're able to rate that frame,
359
908000
2000
où vous pouvez lui donner une note,
15:25
which helps it bubble up to the top.
360
910000
2000
ce l'aide à remonter dans la liste.
15:27
And you can also see the way that it was drawn.
361
912000
2000
Vous pouvez aussi voir comment elle a été dessinée.
15:29
Again, you can get the playback and personal contribution.
362
914000
2000
Là encore, vous pouvez jouer la vidéo et vous la contribution personnelle.
15:31
In addition to that, it's listed, the artist's name, the location,
363
916000
3000
En plus de ça, sont notés le nom de l'artiste, sa localisation,
15:34
how long they spent drawing it.
364
919000
2000
le temps qu'il a mis à dessiner l'image.
15:36
And you can pick a style. So this one was tagged "Abstract."
365
921000
3000
Et vous pouvez choisir un style. Celle-ci a été taguée "Asbtract."
15:39
But there's a bunch of different styles.
366
924000
2000
Il y a un tas de styles différents.
15:41
And you can sort the video a number of different ways.
367
926000
2000
Et vous pouvez arranger la vidéo de beaucoup de façons différentes.
15:43
You can say, "I want to see the pointillist version
368
928000
2000
Vous pouvez dire "je veux voir la version pointilliste
15:45
or the sketchy version or the realistic version.
369
930000
2000
ou la version schématique ou la version réaliste."
15:47
And then this is, again, the abstract version,
370
932000
2000
Et voici encore la version abstraite,
15:49
which ends up getting a little bit crazy.
371
934000
3000
qui finit de façon un peu folle.
15:54
So the last project I want to talk to you about is another collaboration with Chris Milk.
372
939000
3000
Bien. Le dernier projet dont je veux vous parler est une autre collaboration avec Chris Milk.
15:57
And this is called "The Wilderness Downtown."
373
942000
2000
Elle s'appelle "The Wilderness Downtown."
15:59
It's an online music video for the Arcade Fire.
374
944000
3000
C'est une vidéo musicale pour The Arcade Fire.
16:02
Chris and I were really amazed
375
947000
2000
Chris et moi-même étions très surpris
16:04
by the potential now with modern web browsers,
376
949000
2000
du potentiel actuel avec les navigateurs web modernes,
16:06
where you have HTML5 audio and video
377
951000
2000
avec l'HTML 5 audio et vidéo
16:08
and the power of JavaScript to render amazingly fast.
378
953000
3000
et la puissance du Javascript pour un rendu incroyablement rapide.
16:11
And we wanted to push the idea of the music video that was meant for the Web
379
956000
3000
Et nous voulions promouvoir l'idée d'une vidéo musicale faite pour le web
16:14
beyond the four-by-three or sixteen-by-nine window
380
959000
3000
au-delà de la fenêtre 4/3 ou 16/9
16:17
and try to make it play out and choreograph throughout the screen.
381
962000
3000
et essayer de la faire jouer et la chorégraphier partout dans l'écran.
16:20
But most importantly, I think,
382
965000
2000
Mais plus important encore, je pense,
16:22
we really wanted to make an experience that was unlike the Johnny Cash Project,
383
967000
3000
nous voulions vraiment faire une expérience différente du projet Johnny Cash,
16:25
where you had a small group of people spending a lot of time
384
970000
3000
où nous aurions un petit groupe de personnes passant beaucoup de temps
16:28
to contribute something for everyone.
385
973000
2000
pour produire quelque chose pour tous.
16:30
What if we had a very low commitment,
386
975000
3000
Et si nous avions un engagement très bas,
16:33
but delivered something individually unique to each person who contributed?
387
978000
3000
mais arrivions à créer quelque chose d'unique pour chaque contributeur ?
16:36
So the project starts off by asking you to enter the address
388
981000
2000
Le projet commence en vous demandant d'entrer l'adresse
16:38
of the home where you grew up.
389
983000
2000
où vous avez grandi.
16:40
And you type in the address --
390
985000
2000
Et vous tapez l'adresse --
16:42
it actually creates a music video specifically for you,
391
987000
2000
et ça crée une vidéo musicale spécialement pour vous,
16:44
pulling in Google maps and Streetview images
392
989000
2000
en intégrant des images de Google Maps et Streetview
16:46
into the experience itself.
393
991000
2000
dans l'expérience elle-même.
16:48
So this should really be seen at home with you typing in your own address,
394
993000
3000
Vous devriez vraiment voir ça chez vous en tapant votre propre adresse
16:51
but I'm going to give you a little preview of what you can expect.
395
996000
3000
mais je vais vous donner un petit aperçu de ce à quoi vous pouvez vous attendre.
16:54
(Video) Win Butler: ♫ Now our lives are changing fast ♫
396
999000
4000
(Vidéo) Win Butler : ♫Aujourd'hui nos vies changent vite♫
16:58
♫ Now our lives are changing fast ♫
397
1003000
4000
♫Aujourd'hui nos vies changent vite♫
17:02
♫ Hope that something pure can last ♫
398
1007000
3000
♫J'espère que quelque chose de pur peut durer♫
17:06
♫ Hope that something pure can last ♫
399
1011000
4000
♫J'espère que quelque chose de pur peut durer♫
17:13
♫ Ooh we used to wait ♫
400
1018000
4000
♫Ooh on attendait♫
17:17
♫ Ooh we used to wait ♫
401
1022000
4000
♫Ooh on attendait♫
17:21
♫ Ooh we used to wait ♫
402
1026000
3000
♫Ooh on attendait♫
17:24
♫ Sometimes it never came ♫
403
1029000
3000
♫Parfois ça n'arrivait jamais♫
17:27
♫ Sometimes it never came ♫
404
1032000
4000
♫Parfois ça n'arrivait jamais♫
17:31
♫ Still moving through the pain ♫
405
1036000
3000
Toujours à évoluer dans la douleur
17:34
♫ We used to wait for it ♫
406
1039000
4000
On l'attendait
17:38
♫ We used to wait for it ♫
407
1043000
4000
On l'attendait
17:42
♫ We used to wait for it ♫
408
1047000
4000
On l'attendait
17:50
AK: So I think, if there's one thing to take away from my talk today,
409
1055000
3000
AK : Alors je crois que s'il y a une chose à retenir de ma présentation d'aujourd'hui,
17:53
it's that an interface can be a powerful narrative device.
410
1058000
2000
c'est qu'une interface peut être un outil puissant de narration.
17:55
And as we collect more and more personally and socially relevant data,
411
1060000
4000
Et alors que nous collectons de plus en plus de données personnelles et sociales pertinentes
17:59
we have an opportunity, and maybe even an obligation,
412
1064000
2000
nous avons une opportunité, et peut-être même une obligation
18:01
to maintain the humanity and tell some amazing stories
413
1066000
2000
de maintenir l'humanité et de raconter des histoires étonnantes
18:03
as we explore and collaborate together.
414
1068000
2000
en explorant et en collaborant ensemble.
18:05
Thanks a lot.
415
1070000
2000
Merci beaucoup.
18:07
(Applause)
416
1072000
4000
(Applaudissements)
ABOUT THE SPEAKER
Aaron Koblin - Data artistAaron Koblin is an artist specializing in data and digital technologies. His work takes real world and community-generated data and uses it to reflect on cultural trends and the changing relationship between humans and technology.
Why you should listen
Aaron Koblin finds art through the unlikely confluence of massive data sets and personal intimacy. His work ranges from animating the paths of every North American airline flight, to using Amazon’s Mechanical Turk crowdsourcing platform to pay workers to “draw a sheep facing left,” which were then placed in "The Sheep Market."
Koblin was creative director for Johnny Cash's final music video, "Ain't No Grave," and worked on Radiohead’s video “House of Cards,” both of which received a Grammy nomination. He is now the Creative Director of the Data Arts team in Google's Creative Lab. His team collaborated with Arcade Fire to produce an online music video that allows viewers to incorporate images of their home neighborhood into the experience using Google Street View.
Aaron Koblin | Speaker | TED.com