TEDxCaFoscariU
Frederic Kaplan: How to build an information time machine
פרדריק קפלן: כיצד בניתי מכונת זמן של מידע
Filmed:
Readability: 4.5
1,238,053 views
דמיינו שהייתם גולשים בפייסבוק.... מימי-הביניים. זה לא הזוי כפי שזה נשמע. בהרצאה מעניינת ומשעשעת, החוקר והמהנדס פרדריק קפלן מציג לראווה מכונת זמן ונציאנית -- מיזם לדיגיטליזציה של ספרים שאורכם הכולל 80 ק"מ כדי ליצור הדמיה היסטורית וגאוגרפית של ונציה לאורך תקופה של 1,000 שנה. (צולם ב-TEDxCaFoscariU.)
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
זוהי תמונת כדור-הארץ.
00:15
It looks very much like the Apollo pictures
1
3178
3093
היא מאוד דומה לתמונות מהחללית אפולו
00:18
that are very well known.
2
6271
1611
המוכרות לכולם.
00:19
There is something different;
3
7882
2070
אבל יש הבדל;
00:21
you can click on it,
4
9952
1447
ניתן להקליק עליה,
00:23
and if you click on it,
5
11399
1198
ואם עושים זאת,
00:24
you can zoom in on almost any place on the Earth.
6
12597
3072
מקבלים זום על כמעט כל אזור בעולם.
00:27
For instance, this is a bird's-eye view
7
15669
1999
לדוגמא, זהו מבט ממעוף ציפור
00:29
of the EPFL campus.
8
17668
2666
על קמפוס ה- EPFL.
00:32
In many cases, you can also see
9
20334
2108
במקרים רבים, ניתן גם לראות
00:34
how a building looks from a nearby street.
10
22442
3740
כיצד בניין מסויים נראה מהרחוב ליד.
00:38
This is pretty amazing.
11
26182
1422
זה די מדהים.
00:39
But there's something missing in this wonderful tour:
12
27604
3427
אבל משהו חסר בסיור מופלא זה:
00:43
It's time.
13
31031
2188
הזמן חסר.
00:45
i'm not really sure when this picture was taken.
14
33219
3070
איני בטוח מתי תמונה זו צולמה.
00:48
I'm not even sure it was taken
15
36289
1412
איני אפילו בטוח
00:49
at the same moment as the bird's-eye view.
16
37701
6083
שהיא צולמה באותו זמן
של המבט ממעוף הציפור.
של המבט ממעוף הציפור.
00:55
In my lab, we develop tools
17
43784
2209
במעבדה שלנו, אנו מפתחים כלים
00:57
to travel not only in space
18
45993
1764
למסע לא רק במרחב
00:59
but also through time.
19
47757
2558
אלא גם בזמן.
01:02
The kind of question we're asking is
20
50315
1870
השאלה שאנו שואלים היא:
01:04
Is it possible to build something
21
52185
1393
האם ניתן לבנות משהו
01:05
like Google Maps of the past?
22
53578
2178
כמו מפות גוגל של העבר?
01:07
Can I add a slider on top of Google Maps
23
55756
3310
האם ניתן להוסיף כפתור בראש מפות גוגל
01:11
and just change the year,
24
59066
1803
ולשנות באמצעותו את השנה,
01:12
seeing how it was 100 years before,
25
60869
1791
כדי לראות כיצד זה היה לפני 100 שנה,
01:14
1,000 years before?
26
62660
1669
לפני 1,000 שנה?
01:16
Is that possible?
27
64329
2123
האם זה אפשרי?
01:18
Can I reconstruct social networks of the past?
28
66452
2252
האם ניתן לשחזר רשתות חברתיות מן העבר?
01:20
Can I make a Facebook of the Middle Ages?
29
68704
3049
האם ניתן ליצור פייסבוק של ימי-הביניים?
01:23
So, can I build time machines?
30
71753
3776
האם ניתן לבנות מכונות זמן?
01:27
Maybe we can just say, "No, it's not possible."
31
75529
2565
אולי אפשר פשוט לומר,
"לא, זה בלתי אפשרי."
"לא, זה בלתי אפשרי."
01:30
Or, maybe, we can think of it from an information point of view.
32
78094
3810
או שאולי ניתן לחשוב
על כך מנקודת מבט של מידע.
על כך מנקודת מבט של מידע.
01:33
This is what I call the information mushroom.
33
81904
3190
לזה אני קורא פטריית המידע.
01:37
Vertically, you have the time.
34
85094
1583
אנכית, זה הזמן.
01:38
and horizontally, the amount of digital information available.
35
86677
2740
אופקית, כמות המידע הדיגיטלי הזמין.
01:41
Obviously, in the last 10 years, we have much information.
36
89417
3482
ברור שב-10 השנים האחרונות,
יש לנו המון מידע.
יש לנו המון מידע.
01:44
And obviously the more we go in the past, the less information we have.
37
92899
3548
וברור שככל שאנו נעים אל העבר,
יש פחות מידע.
יש פחות מידע.
01:48
If we want to build something like Google Maps of the past,
38
96447
2318
אם ברצוננו לבנות משהו
כמו מפות גוגל של העבר,
כמו מפות גוגל של העבר,
01:50
or Facebook of the past,
39
98765
1494
או פייסבוק של העבר,
01:52
we need to enlarge this space,
40
100259
1574
עלינו להגדיל מרחב זה,
01:53
we need to make that like a rectangle.
41
101833
1938
עלינו להפכו לצורת מלבן.
01:55
How do we do that?
42
103771
1510
כיצד עושים זאת?
01:57
One way is digitization.
43
105281
2098
דרך אחת היא דיגיטליזציה.
01:59
There's a lot of material available --
44
107395
1779
יש המון חומר זמין --
02:01
newspaper, printed books, thousands of printed books.
45
109190
6270
עיתונים, ספרים,
אלפי ספרים.
אלפי ספרים.
02:07
I can digitize all these.
46
115460
1768
ניתן להפכם לדיגיטליים.
02:09
I can extract information from these.
47
117228
2737
ניתן לשלוף מהם מידע.
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
ברור שככל שנעים אל העבר,
נקבל פחות נתונים.
נקבל פחות נתונים.
02:15
So, it might not be enough.
49
123508
2646
לכן זה עלול שלא להספיק.
02:18
So, I can do what historians do.
50
126154
2408
אז אפשר לעשות מה שהיסטוריונים עושים.
02:20
I can extrapolate.
51
128562
1524
לעשות אקסטרפולציה.
02:22
This is what we call, in computer science, simulation.
52
130086
4470
לזה אנו קוראים, במדעי המחשב, הדמיה.
02:26
If I take a log book,
53
134556
1751
אם אני לוקח יומן,
02:28
I can consider, it's not just a log book
54
136307
2404
אני יכול להחשיבו לא רק בתור יומן
02:30
of a Venetian captain going to a particular journey.
55
138711
2972
של רב-חובל ונציאני המפליג למסע מסויים.
02:33
I can consider it is actually a log book
56
141683
1643
אני יכול להחשיבו בתור יומן
02:35
which is representative of
many journeys of that period.
many journeys of that period.
57
143326
2582
המייצג הרבה הפלגות של אותה תקופה.
02:37
I'm extrapolating.
58
145908
2245
אני עושה אקסטרפולציה.
02:40
If I have a painting of a facade,
59
148153
2038
אם יש ציור של חזית מבנה,
02:42
I can consider it's not just that particular building,
60
150191
2751
אני יכול להחשיבו לא רק ככזה השייך
02:44
but probably it also shares the same grammar
61
152942
3932
למבנה מסויים, אלא ככזה המייצג שיטת בניה
02:48
of buildings where we lost any information.
62
156874
4041
של מבנים אחרים שאין לנו מידע עליהם.
02:52
So if we want to construct a time machine,
63
160915
2858
לכן אם ברצוננו לבנות מכונת זמן,
02:55
we need two things.
64
163773
1339
דרושים לנו שני דברים.
02:57
We need very large archives,
65
165112
2234
אנו זקוקים למאגרי נתונים מאוד גדולים,
02:59
and we need excellent specialists.
66
167346
2742
ואנו זקוקים למומחים מצטיינים.
03:02
The Venice Time Machine,
67
170088
1874
מכונת הזמן הונציאנית,
03:03
the project I'm going to talk to you about,
68
171962
1805
המיזם שאני עומד לדבר עליו,
03:05
is a joint project between the EPFL
69
173767
3020
הוא מיזם משותף בין ה-EPFL
03:08
and the University of Venice Ca'Foscari.
70
176787
2978
ואוניברסיטת Venice Ca'Foscari.
03:11
There's something very peculiar about Venice,
71
179765
2165
יש דבר אחד מאוד מיוחד בונציה,
03:13
that its administration has been
72
181930
2674
והוא שהממסד שם היה תמיד
03:16
very, very bureaucratic.
73
184604
2194
מאוד ייקה.
03:18
They've been keeping track of everything,
74
186798
2193
הם שמרו שם הכל,
03:20
almost like Google today.
75
188991
2915
כמעט כמו גוגל היום.
03:23
At the Archivio di Stato,
76
191906
1514
ב- Archivio di Stato,
03:25
you have 80 kilometers of archives
77
193420
1764
יש 80 ק"מ של ארכיונים
03:27
documenting every aspect
78
195184
2009
המתעדים כל אספקט של החיים
03:29
of the life of Venice over
more than 1,000 years.
more than 1,000 years.
79
197193
2246
בונציה במשך יותר מ-1,000 שנה.
03:31
You have every boat that goes out,
80
199439
1920
יש רישום של כל ספינה שהפליגה,
03:33
every boat that comes in.
81
201359
1076
כל ספינה שנכנסת.
03:34
You have every change that was made in the city.
82
202435
2797
של כל שינוי שבוצע בעיר.
03:37
This is all there.
83
205232
3291
הכל מתועד שם.
03:40
We are setting up a 10-year digitization program
84
208523
3908
אנו מתחילים מיזם דיגיטליזציה בן 10 שנים
03:44
which has the objective of transforming
85
212431
1677
שמטרתו להפוך את
03:46
this immense archive
86
214108
1384
הארכיון הכביר הזה
03:47
into a giant information system.
87
215492
2426
למאגר מידע ענקי.
03:49
The type of objective we want to reach
88
217918
1857
היעד שאנו רוצים
03:51
is 450 books a day that can be digitized.
89
219775
4726
להגיע אליו זה 450 ספרים
ביום שיעברו דיגיטליזציה.
ביום שיעברו דיגיטליזציה.
03:56
Of course, when you digitize, that's not enough,
90
224501
2247
אבל ברור שזה לא מספיק
לעשות דיגיטליזציה,
לעשות דיגיטליזציה,
03:58
because these documents,
91
226748
1287
כי מסמכים הללו,
04:00
most of them are in Latin, in Tuscan,
92
228035
2639
ברובם הם בלטינית, טוסקנית,
04:02
in Venetian dialect,
93
230689
1515
בניב ונציאני,
04:04
so you need to transcribe them,
94
232204
1675
לכן צריך לתעתק אותם,
04:05
to translate them in some cases,
95
233879
1681
לתרגמם במקרים מסויימים,
04:07
to index them,
96
235560
1120
למספר אותם,
04:08
and this is obviously not easy.
97
236680
2164
וברור שכל זה לא קל.
04:10
In particular, traditional optical
character recognition method
character recognition method
98
238844
3844
במיוחד, השיטה המסורתית לזיהוי
אופטי של אותיות, המשמשת
אופטי של אותיות, המשמשת
04:14
that can be used for printed manuscripts,
99
242688
1424
לכתבי-יד מודפסים,
04:16
they do not work well on the handwritten document.
100
244112
4004
אינה יעילה למסמכים הכתובים ביד.
04:20
So the solution is actually to take inspiration
101
248116
2130
הפיתרון לכך מגיע
04:22
from another domain: speech recognition.
102
250246
2901
מתחום אחר: זיהוי דיבור.
04:25
This is a domain of something
that seems impossible,
that seems impossible,
103
253147
2055
זה משהו שנראה בלתי אפשרי,
04:27
which can actually be done,
104
255202
2537
אבל בעצם ניתן להוציאו לפועל,
04:29
simply by putting additional constraints.
105
257739
2194
פשוט על-ידי הוספת אילוצים.
04:31
If you have a very good model
106
259933
1586
אם יש לנו דוגמה טובה
04:33
of a language which is used,
107
261519
1526
של השפה שבשימוש,
04:35
if you have a very good model of a document,
108
263045
2086
אם יש לנו דוגמה טובה של מסמך,
04:37
how well they are structured.
109
265131
1432
כלומר, אם הוא בנוי כהלכה.
04:38
And these are administrative documents.
110
266563
1353
ואלה הם מסמכים מנהלתיים.
04:39
They are well structured in many cases.
111
267931
2132
ברוב המקרים הם בנויים כהלכה.
04:42
If you divide this huge archive into smaller subsets
112
270063
3308
אם מחלקים את הארכיון
הענקי הזה למרכיבי-משנה
הענקי הזה למרכיבי-משנה
04:45
where a smaller subset
actually shares similar features,
actually shares similar features,
113
273371
2877
בהם כל מרכיב כזה,
יש לו תכונות הדומות לאחרים,
יש לו תכונות הדומות לאחרים,
04:48
then there's a chance of success.
114
276248
4031
אז יש סיכוי להצליח.
04:54
If we reach that stage, then there's something else:
115
282761
2435
אם מגיעים לשלב הזה, נתקלים בעוד משהו:
04:57
we can extract from this document events.
116
285196
3522
ניתן לשלוף ממסמך כזה אירועים.
05:00
Actually probably 10 billion events
117
288718
2298
קרוב לודאי ניתן לשלוף 10 מיליארד
05:03
can be extracted from this archive.
118
291016
1931
אירועים מארכיון זה.
05:04
And this giant information system
119
292947
1724
ניתן לחפש בתוך מערכת מידע
05:06
can be searched in many ways.
120
294671
1816
ענקית כזו בהמון דרכים.
05:08
You can ask questions like,
121
296487
1368
ניתן לשאול שאלות כגון,
05:09
"Who lived in this palazzo in 1323?"
122
297855
2760
"מי חי במבנה מפואר זה ב-1,323?"
05:12
"How much cost a sea bream at the Realto market
123
300615
2222
"כמה עלה דג דניס בשוק של
05:14
in 1434?"
124
302837
1724
מחוז ריאלטו בשנת 1,434?"
05:16
"What was the salary
125
304561
1460
"מה היתה משכורתו
05:18
of a glass maker in Murano
126
306021
2045
של נפח זכוכית ב-Murano
05:20
maybe over a decade?"
127
308066
1406
במשך עשור?"
05:21
You can ask even bigger questions
128
309472
1422
אפשר אף לשאול שאלות
05:22
because it will be semantically coded.
129
310894
2738
יותר מורכבות כי המאגר יכיל הגדרות סמנטיות.
05:25
And then what you can do is put that in space,
130
313632
2140
ואז מה שניתן יהיה
לעשות זה לשים מידע במרחב,
לעשות זה לשים מידע במרחב,
05:27
because much of this information is spatial.
131
315772
2173
כי הרבה מהמידע הוא מרחבי.
05:29
And from that, you can do things like
132
317945
1935
ומזה, ניתן לעשות דברים כמו
05:31
reconstructing this extraordinary journey
133
319880
2113
לשחזר את המסע יוצא-הדופן
05:33
of that city that managed to
have a sustainable development
have a sustainable development
134
321993
3356
של עיר מסויימת שהיה בה פיתוח מתמשך
05:37
over a thousand years,
135
325349
2126
במשך 1,000 שנה,
05:39
managing to have all the time
136
327475
1620
ושהצליחה במשך כל
05:41
a form of equilibrium with its environment.
137
329095
2861
אותה תקופה לשמור על איזון עם סביבתה.
05:43
You can reconstruct that journey,
138
331956
1248
ניתן לשחזר אותו מסע
05:45
visualize it in many different ways.
139
333204
2896
ולצפות בו באופנים שונים.
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
אבל ברור שלא ניתן להבין
את ונציה רק מתוך צפייה בעיר.
את ונציה רק מתוך צפייה בעיר.
05:50
You have to put it in a larger European context.
141
338799
2396
יש למקם אותה בהקשר אירופאי רחב.
05:53
So the idea is also to document all the things
142
341195
2821
לכן הרעיון הוא לתעד את כל הדברים
05:56
that worked at the European level.
143
344016
2423
שהצליחו ברמה האירופאית.
05:58
We can reconstruct also the journey
144
346439
1964
אנו יכולים לשחזר גם את תולדות
06:00
of the Venetian maritime empire,
145
348403
1990
האימפריה הימית של ונציה,
06:02
how it progressively controlled the Adriatic Sea,
146
350393
3166
כיצד היא הלכה והשתלטה
על אזור הים-האדריאטי,
על אזור הים-האדריאטי,
06:05
how it became the most powerful medieval empire
147
353559
3746
כיצד היא הפכה לאימפריה
הכי חזקה של ימי-הביניים
הכי חזקה של ימי-הביניים
06:09
of its time,
148
357305
1561
בתקופתה,
06:10
controlling most of the sea routes
149
358866
2172
שולטת על מרבית הנתיבים הימיים
06:13
from the east to the south.
150
361038
2933
מהמזרח דרומה.
06:17
But you can even do other things,
151
365305
2316
אבל ניתן לבצע עוד דברים אחרים,
06:19
because in these maritime routes,
152
367621
2277
כי בנתיבים הימיים הללו,
06:21
there are regular patterns.
153
369898
1975
יש תבניות קבועות.
06:23
You can go one step beyond
154
371889
2493
ניתן לעשות צעד נוסף
06:26
and actually create a simulation system,
155
374382
2120
וממש ליצור מערכת הדמיה,
06:28
create a Mediterranean simulator
156
376502
2815
ליצור סימולטור של הים-התיכון
06:31
which is capable actually of reconstructing
157
379317
2593
שיהיה מסוגל ממש לשחזר
06:33
even the information we are missing,
158
381910
2202
אפילו את המידע שחסר,
06:36
which would enable us to have
questions you could ask
questions you could ask
159
384112
2988
דבר שיאפשר לנו לשאול שאלות
06:39
like if you were using a route planner.
160
387100
2988
כאילו אנו משתמשים במתכנן מסלולי שיט.
06:42
"If I am in Corfu in June 1323
161
390088
3071
"אם אני נמצא בקורפו ביוני 1,323
06:45
and want to go to Constantinople,
162
393159
2526
ורוצה להגיע לקונסטנטינופוליס (היום איסטנבול),
06:47
where can I take a boat?"
163
395685
2143
היכן אוכל לעלות לספינה?"
06:49
Probably we can answer this question
164
397828
1367
כנראה שנוכל לענות
06:51
with one or two or three days' precision.
165
399195
4473
על השאלה בדיוק של
יום או יומיים או שלושה.
יום או יומיים או שלושה.
06:55
"How much will it cost?"
166
403668
1607
"כמה זה יעלה?"
06:57
"What are the chance of encountering pirates?"
167
405275
3592
"מה הסיכויים להיתקלות בשודדי-ים?"
07:00
Of course, you understand,
168
408867
1811
אתם בטח מבינים
07:02
the central scientific challenge
of a project like this one
of a project like this one
169
410678
2609
שהאתגר המדעי המרכזי במיזם כמו זה
07:05
is qualifying, quantifying and representing
170
413287
3729
הוא איפיון, כימות והצגה של אי-הודאות
07:09
uncertainty and inconsistency
at each step of this process.
at each step of this process.
171
417016
3330
וחוסר העקביות בכל שלב של התהליך.
07:12
There are errors everywhere,
172
420346
2712
ישנן שגיאות בכל מקום,
07:15
errors in the document, it's
the wrong name of the captain,
the wrong name of the captain,
173
423058
2489
שגיאות במסמך,
שם לא נכון של רב-החובל,
שם לא נכון של רב-החובל,
07:17
some of the boats never actually took to sea.
174
425547
3213
חלק מהספינות כלל לא הפליגו בים.
07:20
There are errors in translation, interpretative biases,
175
428760
4857
יש שגיאות בתרגום,
הטיות בפרשנות,
הטיות בפרשנות,
07:25
and on top of that, if you add algorithmic processes,
176
433624
3466
ומעל הכל,
אם מוסיפים עיבוד נתונים אלגוריתמי ממוחשב,
אם מוסיפים עיבוד נתונים אלגוריתמי ממוחשב,
07:29
you're going to have errors in recognition,
177
437090
2949
יהיו שגיאות בזיהוי,
07:32
errors in extraction,
178
440039
1961
שגיאות בשליפת מידע,
07:34
so you have very, very uncertain data.
179
442000
4481
כך שהנתונים מאוד לא ודאיים.
07:38
So how can we detect and
correct these inconsistencies?
correct these inconsistencies?
180
446481
3757
אם כך, כיצד נוכל לאתר ולתקן אי-התאמות אלו?
07:42
How can we represent that form of uncertainty?
181
450238
3660
כיצד ניתן לבטא חוסר ודאות כזו?
07:45
It's difficult. One thing you can do
182
453898
2097
זה קשה. דבר אחד שאפשר לעשות
07:47
is document each step of the process,
183
455995
2226
זה לתעד כל צעד בתהליך,
07:50
not only coding the historical information
184
458221
2448
לא רק לתעד את המידע ההיסטורי,
07:52
but what we call the meta-historical information,
185
460669
2679
אלא את מה שאנו מכנים
נתוני המידע ההיסטורי,
נתוני המידע ההיסטורי,
07:55
how is historical knowledge constructed,
186
463348
2663
כלומר כיצד המידע ההיסטורי בנוי,
07:58
documenting each step.
187
466011
1998
תוך תיעוד כל שלב.
08:00
That will not guarantee that we actually converge
188
468009
1645
זה לא יבטיח שאנו
08:01
toward a single story of Venice,
189
469654
2450
מתכנסים לעבר סיפור אחד ויחיד של ונציה.
08:04
but probably we can actually reconstruct
190
472104
2138
אבל קרוב לודאי שנוכל לשחזר
08:06
a fully documented potential story of Venice.
191
474242
3048
סיפור מלא ומתועד אפשרי של ונציה.
08:09
Maybe there's not a single map.
192
477290
1459
אולי אין מפה אחת ויחידה.
08:10
Maybe there are several maps.
193
478749
2120
אולי ישנן כמה מפות.
08:12
The system should allow for that,
194
480869
2216
המערכת אמורה להרשות זאת,
08:15
because we have to deal with
a new form of uncertainty,
a new form of uncertainty,
195
483085
2859
מכיוון שעלינו להתמודד
עם צורה חדשה של אי-ודאות,
עם צורה חדשה של אי-ודאות,
08:17
which is really new for this type of giant databases.
196
485944
4641
שהיא באמת חדשה בסוג
כזה של בסיס נתונים ענקי.
כזה של בסיס נתונים ענקי.
08:22
And how should we communicate
197
490585
2190
וכיצד עלינו להציג
08:24
this new research to a large audience?
198
492790
3979
מחקר זה לקהל הרחב?
08:28
Again, Venice is extraordinary for that.
199
496769
2663
שוב, ונציה היא חריגה.
08:31
With the millions of visitors that come every year,
200
499432
2171
עם מיליוני מבקרים הבאים אליה כל שנה,
08:33
it's actually one of the best places
201
501603
1763
זהו בעצם אחד המקומות
08:35
to try to invent the museum of the future.
202
503366
2988
הטובים ביותר כדי לנסות
להמציא את מוזיאון העתיד.
להמציא את מוזיאון העתיד.
08:38
Imagine, horizontally you see the reconstructed map
203
506354
3304
דמיינו שרואים אופקית את המפה המשוחזרת
08:41
of a given year,
204
509658
1286
של שנה מסויימת,
08:42
and vertically, you see the document
205
510944
2958
ואנכית רואים את המסמך ששימש
08:45
that served the reconstruction,
206
513902
1511
לשיחזור,
08:47
paintings, for instance.
207
515413
3400
את האיורים, לדוגמא.
08:50
Imagine an immersive system that permits
208
518813
2580
דמיינו מערכת היקפית תלת-מימדית
08:53
to go and dive and reconstruct
the Venice of a given year,
the Venice of a given year,
209
521393
3502
המאפשרת לצלול פנימה ולשחזר
את ונציה של שנה מסויימת,
את ונציה של שנה מסויימת,
08:56
some experience you could share within a group.
210
524895
2715
חוויה כלשהי שניתן לשתף בקבוצה.
08:59
On the contrary, imagine actually that you start
211
527610
2246
ולהיפך, דמיינו שמתחילים
09:01
from a document, a Venetian manuscript,
212
529856
2207
ממסמך, כתב-יד ונציאני,
09:04
and you show, actually, what
you can construct out of it,
you can construct out of it,
213
532063
3049
ואתם מראים מה אפשר לבנות ממנו,
09:07
how it is decoded,
214
535112
1772
כיצד הוא מפוענח,
09:08
how the context of that document can be recreated.
215
536884
2415
כיצד ניתן לשחזר את ההקשרים שבמסמך.
09:11
This is an image from an exhibit
216
539299
1885
זוהי תמונה מתערוכה
09:13
which is currently conducted in Geneva
217
541184
2276
המתקיימת כעת בג'נבה
09:15
with that type of system.
218
543460
2354
בעזרת מערכת מהסוג הנ"ל.
09:17
So to conclude, we can say that
219
545814
2175
לסיום, אפשר לומר
09:19
research in the humanities is about to undergo
220
547989
3079
שהמחקר במדעי-הרוח עומד לעבור אבולוציה
09:23
an evolution which is maybe similar
221
551068
1802
שעשויה להידמות
09:24
to what happened to life sciences 30 years ago.
222
552870
4582
למה שקרה במדעי-החיים לפני 30 שנה.
09:29
It's really a question of scale.
223
557452
4676
זו רק שאלה של מידה.
09:34
We see projects which are
224
562130
3303
אנו רואים מיזמים שהם
09:37
much beyond any single research team can do,
225
565433
3843
מעבר ליכולת הביצוע של קבוצת מחקר בודדת,
09:41
and this is really new for the humanities,
226
569276
2243
וזה דבר באמת חדש בתחום של מדעי-הרוח,
09:43
which very often take the habit of working
227
571519
3869
שלעיתים קרובות
רגילים לעבוד בהם
רגילים לעבוד בהם
09:47
in small groups or only with a couple of researchers.
228
575388
4008
בקבוצות קטנות או רק עם
מס' חוקרים בודדים ביחד.
מס' חוקרים בודדים ביחד.
09:51
When you visit the Archivio di Stato,
229
579396
2118
כאשר מבקרים ב-Archivio di Stato,
09:53
you feel this is beyond what any single team can do,
230
581514
2822
חשים שזה משהו מעבר ליכולתה של קבוצה בודדת,
09:56
and that should be a joint and common effort.
231
584336
3834
ושצריך להתקיים מאמץ משותף.
10:00
So what we must do for this paradigm shift
232
588170
3106
לכן מה שעלינו לעשות
בשביל שינוי תפיסתי זה
בשביל שינוי תפיסתי זה
10:03
is actually foster a new generation
233
591276
1902
הוא לטפח דור חדש של
10:05
of "digital humanists"
234
593178
1537
"אנשי-רוח דיגיטליים"
10:06
that are going to be ready for this shift.
235
594715
2090
שיהיו מוכנים לשינוי זה.
10:08
I thank you very much.
236
596805
1959
אני מאוד מודה לכם.
10:10
(Applause)
237
598764
4000
(מחיאות כפיים)
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