TEDxCaFoscariU
Frederic Kaplan: How to build an information time machine
Frederic Kaplan: Hogyan építettem egy információs időgépet?
Filmed:
Readability: 4.5
1,238,053 views
Képzeljék, hogy a Facebookon szörfölnek ... a középkorban. És ez nem is annyira távoli, mint ahogy elsőre hangzik! Szórakoztató és érdekes előadásában a kutató és mérnök Frederic Kaplan bemutatja a Velencei Időgépet, egy projektet, amely 80 kilométernyi írásos feljegyzés digitalizálásával elkészíti Velence 1000 éves történetének történelmi és földrajzi szimulációs modelljét. (TEDxCaFoscariU felvétele.)
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
Ez itt egy kép a Földről.
00:15
It looks very much like the Apollo pictures
1
3178
3093
Nagyon hasonlít ahhoz, amit a jól ismert
00:18
that are very well known.
2
6271
1611
Apollo-képeken láthatunk.
00:19
There is something different;
3
7882
2070
De ez itt valami más;
00:21
you can click on it,
4
9952
1447
rá lehet kattintani,
00:23
and if you click on it,
5
11399
1198
és ha rákattintunk,
00:24
you can zoom in on almost any place on the Earth.
6
12597
3072
a Föld bármelyik helyére ráközelíthetünk.
00:27
For instance, this is a bird's-eye view
7
15669
1999
Ez például az EPFL egyetem [Lausanne, Svájc]
00:29
of the EPFL campus.
8
17668
2666
madártávlatból.
00:32
In many cases, you can also see
9
20334
2108
Sokszor még azt is megnézhetjük,
00:34
how a building looks from a nearby street.
10
22442
3740
hogy festenek az épületek a szomszédos utcából.
00:38
This is pretty amazing.
11
26182
1422
Lenyűgöző!
00:39
But there's something missing in this wonderful tour:
12
27604
3427
De valami mégis hiányzik ebből a csodálatos utazásból.
00:43
It's time.
13
31031
2188
Ez a valami: az idő.
00:45
i'm not really sure when this picture was taken.
14
33219
3070
Nem tudhatjuk, mikor készült ez a felvétel.
00:48
I'm not even sure it was taken
15
36289
1412
Még abban sem lehetünk biztosak, hogy ugyanakkor,
00:49
at the same moment as the bird's-eye view.
16
37701
6083
amikor a madártávlati kép.
00:55
In my lab, we develop tools
17
43784
2209
Mi, a laboratóriumunkban olyan eszközöket fejlesztünk,
00:57
to travel not only in space
18
45993
1764
melyekkel nem csak a térben,
00:59
but also through time.
19
47757
2558
de az időben is barangolhatunk.
01:02
The kind of question we're asking is
20
50315
1870
Olyan kérdésekre keressük a választ, mint:
01:04
Is it possible to build something
21
52185
1393
Lehetne-e olyasvalamit építeni,
01:05
like Google Maps of the past?
22
53578
2178
mint mondjuk egy múltbeli Google Maps?
01:07
Can I add a slider on top of Google Maps
23
55756
3310
Lehetne egy csúszkát tenni a Google Maps-re,
01:11
and just change the year,
24
59066
1803
amivel az évszámot változtatva
01:12
seeing how it was 100 years before,
25
60869
1791
láthatnánk, hogy nézett ki a terület 100 évvel,
01:14
1,000 years before?
26
62660
1669
1000 évvel ezelőtt?
01:16
Is that possible?
27
64329
2123
Lehetséges ez?
01:18
Can I reconstruct social networks of the past?
28
66452
2252
Lehetne rekonstruálni a múlt közösségi hálózatait?
01:20
Can I make a Facebook of the Middle Ages?
29
68704
3049
Tudnánk egy középkori Facebookot készíteni?
01:23
So, can I build time machines?
30
71753
3776
Vagyis: tudnánk-e időgépeket építeni?
01:27
Maybe we can just say, "No, it's not possible."
31
75529
2565
Lehet, hogy elintézzük ennyivel: "Nem, ez lehetetlen."
01:30
Or, maybe, we can think of it from an information point of view.
32
78094
3810
De az is lehet, hogy megvizsgáljuk a kérdést az információ oldaláról.
01:33
This is what I call the information mushroom.
33
81904
3190
Itt van egy ábra, amit én csak
információs gombának nevezek.
információs gombának nevezek.
01:37
Vertically, you have the time.
34
85094
1583
A függőleges tengelyen az idő,
01:38
and horizontally, the amount of digital information available.
35
86677
2740
a vízszintesen pedig az elérhető
digitális információ mennyisége.
digitális információ mennyisége.
01:41
Obviously, in the last 10 years, we have much information.
36
89417
3482
Nyilvánvaló, hogy a legutóbbi 10 évből
rengeteg információval rendelkezünk.
rengeteg információval rendelkezünk.
01:44
And obviously the more we go in the past, the less information we have.
37
92899
3548
És nyilván, ahogy haladunk az időben visszafelé,
ez a mennyiség egyre csökken.
ez a mennyiség egyre csökken.
01:48
If we want to build something like Google Maps of the past,
38
96447
2318
Ha fel akarjuk építeni a letűnt korok Google Maps-ét
01:50
or Facebook of the past,
39
98765
1494
vagy Facebookját,
01:52
we need to enlarge this space,
40
100259
1574
akkor ezt a teret ki kell tágítanunk,
01:53
we need to make that like a rectangle.
41
101833
1938
egyre inkább téglalapszerűvé kell alakítanunk.
01:55
How do we do that?
42
103771
1510
Hogyan csináljuk ezt?
01:57
One way is digitization.
43
105281
2098
Az egyik módszer a digitalizálás.
01:59
There's a lot of material available --
44
107395
1779
Rengeteg anyag áll rendelkezésünkre --
02:01
newspaper, printed books, thousands of printed books.
45
109190
6270
újságok, sok ezernyi nyomtatott könyv.
02:07
I can digitize all these.
46
115460
1768
Én mindezeket digitalizálni tudjuk.
02:09
I can extract information from these.
47
117228
2737
Ki tudjuk vonni belőlük az információt.
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
Persze nyilván, minél messzebbre megyünk vissza,
annál kevesebb az információnk.
annál kevesebb az információnk.
02:15
So, it might not be enough.
49
123508
2646
Tehát lehet, hogy ez nem elégséges.
02:18
So, I can do what historians do.
50
126154
2408
De megtehetjük, amit a történészek is csinálnak.
02:20
I can extrapolate.
51
128562
1524
Bevethetjük az extrapolálás technikáját.
02:22
This is what we call, in computer science, simulation.
52
130086
4470
Ezt a számítástudományban szimulációnak nevezzük.
02:26
If I take a log book,
53
134556
1751
Ha nézünk például egy hajónaplót,
02:28
I can consider, it's not just a log book
54
136307
2404
akkor feltételezhetjük, hogy ez nem csak egy
02:30
of a Venetian captain going to a particular journey.
55
138711
2972
velencei kapitány naplója egy konkrét utazásról.
02:33
I can consider it is actually a log book
56
141683
1643
Tekinthetjük úgy is, hogy ez egy hajónapló,
02:35
which is representative of
many journeys of that period.
many journeys of that period.
57
143326
2582
ami az adott kor számos hajóútját reprezentálja.
02:37
I'm extrapolating.
58
145908
2245
Tehát extrapolálást végzünk.
02:40
If I have a painting of a facade,
59
148153
2038
Ha van egy festményünk egy épület homlokzatáról,
02:42
I can consider it's not just that particular building,
60
150191
2751
akkor úgy is tekinthetjük, hogy ez nem
csak egy bizonyos épület,
csak egy bizonyos épület,
02:44
but probably it also shares the same grammar
61
152942
3932
hanem valószínűleg magán viseli olyan
02:48
of buildings where we lost any information.
62
156874
4041
épületek jegyeit, amelyekről nincs információnk.
02:52
So if we want to construct a time machine,
63
160915
2858
Ha tehát időgépet akarunk készíteni,
02:55
we need two things.
64
163773
1339
két dologra van szükségünk.
02:57
We need very large archives,
65
165112
2234
Hatalmas archívumokra,
02:59
and we need excellent specialists.
66
167346
2742
és kiváló szakemberekre.
03:02
The Venice Time Machine,
67
170088
1874
A Velencei Időgép projekt,
03:03
the project I'm going to talk to you about,
68
171962
1805
amiről beszélni fogok önöknek,
03:05
is a joint project between the EPFL
69
173767
3020
az EPFL és a velencei Ca'Foscari Egyetem
03:08
and the University of Venice Ca'Foscari.
70
176787
2978
közös projektje.
03:11
There's something very peculiar about Venice,
71
179765
2165
Velencének van egy különös sajátossága,
03:13
that its administration has been
72
181930
2674
mégpedig az, hogy város vezetése
03:16
very, very bureaucratic.
73
184604
2194
mindig rendkívül bürokratikus volt.
03:18
They've been keeping track of everything,
74
186798
2193
Mindenről nyilvántartást vezettek,
03:20
almost like Google today.
75
188991
2915
akárcsak a Google napjainkban.
03:23
At the Archivio di Stato,
76
191906
1514
Az Állami Levéltárban
03:25
you have 80 kilometers of archives
77
193420
1764
80 kilométernyi régi irat
03:27
documenting every aspect
78
195184
2009
dokumentálja a velencei élet
03:29
of the life of Venice over
more than 1,000 years.
more than 1,000 years.
79
197193
2246
több mint 1000 éves történetét.
03:31
You have every boat that goes out,
80
199439
1920
Nyoma van benne minden induló
03:33
every boat that comes in.
81
201359
1076
és minden érkező hajónak.
03:34
You have every change that was made in the city.
82
202435
2797
A városon végrehajtott minden változtatásnak
nyoma van itt.
nyoma van itt.
03:37
This is all there.
83
205232
3291
Ez mind, mind ott van.
03:40
We are setting up a 10-year digitization program
84
208523
3908
Most indítunk útjára egy 10 éves digitalizálási programot,
03:44
which has the objective of transforming
85
212431
1677
aminek a célja átalakítani
03:46
this immense archive
86
214108
1384
ezt a hatalmas archívumot
03:47
into a giant information system.
87
215492
2426
egy óriási információs rendszerbe.
03:49
The type of objective we want to reach
88
217918
1857
A cél eléréséhez naponta
03:51
is 450 books a day that can be digitized.
89
219775
4726
450 könyvet kell digitalizálnunk.
03:56
Of course, when you digitize, that's not enough,
90
224501
2247
A digitalizálás azonban természetesen nem elégséges,
03:58
because these documents,
91
226748
1287
mert ezeknek a dokumentumoknak
04:00
most of them are in Latin, in Tuscan,
92
228035
2639
a nagy része latin, toszkán,
04:02
in Venetian dialect,
93
230689
1515
vagy velencei dialektusban íródott,
04:04
so you need to transcribe them,
94
232204
1675
ezért bizonyos esetben át kell őket írni,
04:05
to translate them in some cases,
95
233879
1681
máskor fordításra,
04:07
to index them,
96
235560
1120
vagy indexelésre is szükség van,
04:08
and this is obviously not easy.
97
236680
2164
és ez nyilvánvalóan nem egyszerű feladat.
04:10
In particular, traditional optical
character recognition method
character recognition method
98
238844
3844
Például, egy hagyományos optikai
karakterfelismerő módszer,
karakterfelismerő módszer,
04:14
that can be used for printed manuscripts,
99
242688
1424
ami remekül működik nyomtatott iratok esetén,
04:16
they do not work well on the handwritten document.
100
244112
4004
az kézzel írott dokumentumokra nem igazán jó.
04:20
So the solution is actually to take inspiration
101
248116
2130
A probléma megoldásához egy másik tudományterületet,
04:22
from another domain: speech recognition.
102
250246
2901
a beszédfelismerést hívtuk segítségül.
04:25
This is a domain of something
that seems impossible,
that seems impossible,
103
253147
2055
Ez egy olyan terület, ami lehetetlennek tűnik,
04:27
which can actually be done,
104
255202
2537
amelyen csak további korlátozások
04:29
simply by putting additional constraints.
105
257739
2194
árán juthatunk előre.
04:31
If you have a very good model
106
259933
1586
Fontos, hogy mennyire jó a modellünk
04:33
of a language which is used,
107
261519
1526
a használt nyelvről,
04:35
if you have a very good model of a document,
108
263045
2086
mennyire jól modelleztük a dokumentumot,
04:37
how well they are structured.
109
265131
1432
és mennyire jól strukturáltak a dokumentumok.
04:38
And these are administrative documents.
110
266563
1353
És ezek itt hivatali dokumentumok.
04:39
They are well structured in many cases.
111
267931
2132
Az esetek többségében jól strukturáltak.
04:42
If you divide this huge archive into smaller subsets
112
270063
3308
Ha ezt a hatalmas archívumot
kisebb halmazokra bontjuk,
kisebb halmazokra bontjuk,
04:45
where a smaller subset
actually shares similar features,
actually shares similar features,
113
273371
2877
ahol a halmazokat valami közös
tulajdonság fogja össze,
tulajdonság fogja össze,
04:48
then there's a chance of success.
114
276248
4031
akkor van remény a sikerre.
04:54
If we reach that stage, then there's something else:
115
282761
2435
Ha elértük ezt az állapotot, akkor jöhet
a következő lépés:
a következő lépés:
04:57
we can extract from this document events.
116
285196
3522
a dokumentumokból eseményeket tudunk kinyerni.
05:00
Actually probably 10 billion events
117
288718
2298
Legalább 10 milliárd esemény
05:03
can be extracted from this archive.
118
291016
1931
nyerhető ki ebből az archívumból.
05:04
And this giant information system
119
292947
1724
És ebben az óriási információs rendszerben
05:06
can be searched in many ways.
120
294671
1816
többféle módon lehet keresni.
05:08
You can ask questions like,
121
296487
1368
Feltehetünk olyan kérdéseket, hogy:
05:09
"Who lived in this palazzo in 1323?"
122
297855
2760
"Ki volt ennek a palotának a lakója 1323-ban?"
05:12
"How much cost a sea bream at the Realto market
123
300615
2222
"Mennyibe került a tengeri keszeg a Rialto piacon
05:14
in 1434?"
124
302837
1724
1434-ben?"
05:16
"What was the salary
125
304561
1460
"Mennyi volt a fizetése
05:18
of a glass maker in Murano
126
306021
2045
egy muranói üvegkészítőnek
05:20
maybe over a decade?"
127
308066
1406
mondjuk egy évtizeddel később?"
05:21
You can ask even bigger questions
128
309472
1422
De ennél bonyolultabb kérdéseket is feltehetünk,
05:22
because it will be semantically coded.
129
310894
2738
mert minden szemantikailag kódolva lesz az anyagban.
05:25
And then what you can do is put that in space,
130
313632
2140
Aztán mindezt elhelyezhetjük a térben,
05:27
because much of this information is spatial.
131
315772
2173
mert az információk nagy részének térbeli dimenziója is van.
05:29
And from that, you can do things like
132
317945
1935
Ezekből aztán képesek leszünk
05:31
reconstructing this extraordinary journey
133
319880
2113
rekonstruálni ennek a városnak a rendkívüli történetét,
05:33
of that city that managed to
have a sustainable development
have a sustainable development
134
321993
3356
amely képes volt több mint ezer éven keresztül
05:37
over a thousand years,
135
325349
2126
fenntartható módon fejlődni,
05:39
managing to have all the time
136
327475
1620
folyamatosan megőrizve az egyensúlyt
05:41
a form of equilibrium with its environment.
137
329095
2861
önmaga és környezete között.
05:43
You can reconstruct that journey,
138
331956
1248
Rekonstruálhatjuk ezt a történetet,
05:45
visualize it in many different ways.
139
333204
2896
és többféle módon is megjeleníthetjük.
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
De természetesen nem érthetjük meg Velencét,
ha csak magát a várost nézzük.
ha csak magát a várost nézzük.
05:50
You have to put it in a larger European context.
141
338799
2396
Mindezt egy tágabb, európai kontextusba kell helyezni.
05:53
So the idea is also to document all the things
142
341195
2821
A következő ötletünk, hogy az európai léptékben
05:56
that worked at the European level.
143
344016
2423
történt dolgokat is dokumentáljuk.
05:58
We can reconstruct also the journey
144
346439
1964
Azt is rekonstruálhatjuk,
06:00
of the Venetian maritime empire,
145
348403
1990
ahogy a velencei tengeri birodalom
06:02
how it progressively controlled the Adriatic Sea,
146
350393
3166
fokozatosan átvette az uralmat
az Adriai-tenger fölött,
az Adriai-tenger fölött,
06:05
how it became the most powerful medieval empire
147
353559
3746
és hogy vált korának legerősebb
06:09
of its time,
148
357305
1561
középkori birodalmává,
06:10
controlling most of the sea routes
149
358866
2172
amely ellenőrzése alatt tartotta
a keletről délre irányuló
a keletről délre irányuló
06:13
from the east to the south.
150
361038
2933
tengeri útvonalak többségét.
06:17
But you can even do other things,
151
365305
2316
De más dolgokra is lehetőségünk nyílik,
06:19
because in these maritime routes,
152
367621
2277
mert ezek a hajózási útvonalak
06:21
there are regular patterns.
153
369898
1975
szabályos mintákat követnek.
06:23
You can go one step beyond
154
371889
2493
Még egy lépéssel tovább mehetünk,
06:26
and actually create a simulation system,
155
374382
2120
és készíthetünk egy szimulációs rendszert,
06:28
create a Mediterranean simulator
156
376502
2815
egy földközi-tengeri szimulátort,
06:31
which is capable actually of reconstructing
157
379317
2593
ami képes rekonstruálni
06:33
even the information we are missing,
158
381910
2202
a még a hiányzó információt is,
06:36
which would enable us to have
questions you could ask
questions you could ask
159
384112
2988
és amivel olyan kérdésekre kaphatunk választ,
06:39
like if you were using a route planner.
160
387100
2988
mint ha volna egy korabeli útvonaltervezőnk.
06:42
"If I am in Corfu in June 1323
161
390088
3071
"Ha Korfun vagyok 1323 júniusában,
06:45
and want to go to Constantinople,
162
393159
2526
akkor hol találok egy hajót,
06:47
where can I take a boat?"
163
395685
2143
amivel Konstantinápolyba tudok utazni?
06:49
Probably we can answer this question
164
397828
1367
Ezt a kérdést valószínűleg két-három napos
06:51
with one or two or three days' precision.
165
399195
4473
pontossággal meg tudjuk válaszolni.
06:55
"How much will it cost?"
166
403668
1607
"Mennyibe fog ez kerülni?"
06:57
"What are the chance of encountering pirates?"
167
405275
3592
"Mi az esélye annak, hogy
kalózokkal találkozunk az úton?"
kalózokkal találkozunk az úton?"
07:00
Of course, you understand,
168
408867
1811
Természetesen, ahogy önök is láthatják,
07:02
the central scientific challenge
of a project like this one
of a project like this one
169
410678
2609
ezeknek a projekteknek az a legnagyobb tudományos kihívása,
07:05
is qualifying, quantifying and representing
170
413287
3729
hogy hogyan osztályozzuk, számszerűsítsük és jelenítsük meg
07:09
uncertainty and inconsistency
at each step of this process.
at each step of this process.
171
417016
3330
a folyamat lépéseinél a bizonytalanságot és következetlenségeket.
07:12
There are errors everywhere,
172
420346
2712
Mindenfelé hibákba botlunk
07:15
errors in the document, it's
the wrong name of the captain,
the wrong name of the captain,
173
423058
2489
a dokumentumokban: hibás a kapitány neve,
07:17
some of the boats never actually took to sea.
174
425547
3213
egyes hajók soha nem hagyták el a kikötőt.
07:20
There are errors in translation, interpretative biases,
175
428760
4857
Vannak fordítási hibák, félreértelmezések,
07:25
and on top of that, if you add algorithmic processes,
176
433624
3466
és hogyha mindezt algoritmikus úton kezdjük feldolgozni,
07:29
you're going to have errors in recognition,
177
437090
2949
akkor újabb hibák jelennek meg a felismerésben,
07:32
errors in extraction,
178
440039
1961
a kivonatolásban.
07:34
so you have very, very uncertain data.
179
442000
4481
A végeredmény pedig:
nagyon-nagyon bizonytalan adatok.
nagyon-nagyon bizonytalan adatok.
07:38
So how can we detect and
correct these inconsistencies?
correct these inconsistencies?
180
446481
3757
De hogyan tudnánk felismerni és kijavítani
ezeket az inkonzisztenciákat?
ezeket az inkonzisztenciákat?
07:42
How can we represent that form of uncertainty?
181
450238
3660
Hogyan tudnánk valahogy ábrázolni
ezt a fajta bizonytalanságot?
ezt a fajta bizonytalanságot?
07:45
It's difficult. One thing you can do
182
453898
2097
Hát ez nem egyszerű. Az egyik megoldás,
07:47
is document each step of the process,
183
455995
2226
hogy a folyamat minden lépését dokumentáljuk,
07:50
not only coding the historical information
184
458221
2448
nem csak a történeti információ kódolását,
07:52
but what we call the meta-historical information,
185
460669
2679
hanem az ún. történeti meta-információkat is,
07:55
how is historical knowledge constructed,
186
463348
2663
vagyis azt, ahogy ezeket a történeti ismereteket felépítjük,
07:58
documenting each step.
187
466011
1998
dokumentálva minden lépést.
08:00
That will not guarantee that we actually converge
188
468009
1645
Ez nem garantálja, hogy valóban egy konkrét
08:01
toward a single story of Venice,
189
469654
2450
velencei történetet fogunk megtalálni,
08:04
but probably we can actually reconstruct
190
472104
2138
de valószínűleg képesek leszünk rekonstruálni
08:06
a fully documented potential story of Venice.
191
474242
3048
egy lehetséges, dokumentált velencei történetet.
08:09
Maybe there's not a single map.
192
477290
1459
Lehet, hogy nem létezik egyetlen konkrét térkép.
08:10
Maybe there are several maps.
193
478749
2120
Lehet, hogy több térkép van.
08:12
The system should allow for that,
194
480869
2216
A rendszernek meg kell engednie ezt,
08:15
because we have to deal with
a new form of uncertainty,
a new form of uncertainty,
195
483085
2859
mert itt egy újfajta bizonytalansággal állunk szemben,
08:17
which is really new for this type of giant databases.
196
485944
4641
ami egy új jelenség az ilyen giga-adatbázisok esetén.
08:22
And how should we communicate
197
490585
2190
De hogyan tudjuk eljuttatni ennek az új kutatásnak az eredményét
08:24
this new research to a large audience?
198
492790
3979
egy széles közönséghez?
08:28
Again, Venice is extraordinary for that.
199
496769
2663
Nos, Velence ebből a szempontból is különleges.
08:31
With the millions of visitors that come every year,
200
499432
2171
Az évente ide látogató sokmilliónyi turistával,
08:33
it's actually one of the best places
201
501603
1763
az egyik legkiválóbb hely arra,
08:35
to try to invent the museum of the future.
202
503366
2988
hogy megpróbáljuk megalkotni a jövő múzeumát.
08:38
Imagine, horizontally you see the reconstructed map
203
506354
3304
Képzeljük el, hogy vízszintesen látjuk egy
08:41
of a given year,
204
509658
1286
bizonyos év rekonstruált térképét,
08:42
and vertically, you see the document
205
510944
2958
függőlegesen pedig azt a dokumentumot,
08:45
that served the reconstruction,
206
513902
1511
ami a rekonstrukció alapjául szolgált,
08:47
paintings, for instance.
207
515413
3400
például festményeket.
08:50
Imagine an immersive system that permits
208
518813
2580
Képzeljünk el egy olyan fantasztikus rendszert, amivel
08:53
to go and dive and reconstruct
the Venice of a given year,
the Venice of a given year,
209
521393
3502
egy tetszőleges évbe visszautazva,
rekonstruálhatjuk az akkori Velencét.
rekonstruálhatjuk az akkori Velencét.
08:56
some experience you could share within a group.
210
524895
2715
és ezt az élményt meg tudjuk osztani egy csoporton belül.
08:59
On the contrary, imagine actually that you start
211
527610
2246
Vagy fordítva, képzeljük, hogy egy dokumentumtól,
09:01
from a document, a Venetian manuscript,
212
529856
2207
mondjuk egy velencei kézirattól elindulva,
09:04
and you show, actually, what
you can construct out of it,
you can construct out of it,
213
532063
3049
be tudjuk mutatni, mit tudunk felépíteni belőle,
09:07
how it is decoded,
214
535112
1772
hogyan fejtjük vissza,
09:08
how the context of that document can be recreated.
215
536884
2415
hogyan rekonstruáljuk keletkezésének környezetét.
09:11
This is an image from an exhibit
216
539299
1885
Ez itt egy kép egy kiállításról,
09:13
which is currently conducted in Geneva
217
541184
2276
amit Genfben építettünk fel
09:15
with that type of system.
218
543460
2354
ezzel a fajta rendszerrel.
09:17
So to conclude, we can say that
219
545814
2175
Összefoglalva tehát, elmondhatjuk,
09:19
research in the humanities is about to undergo
220
547989
3079
hogy a humán kutatások terén valami
09:23
an evolution which is maybe similar
221
551068
1802
olyan fejlődés előtt állunk, mint amilyennek
09:24
to what happened to life sciences 30 years ago.
222
552870
4582
az orvostudományban voltunk tanúi 30 évvel ezelőtt.
09:29
It's really a question of scale.
223
557452
4676
Csak a mértéke a kérdés.
09:34
We see projects which are
224
562130
3303
Olyan projektek jelennek meg, melyek mérete
09:37
much beyond any single research team can do,
225
565433
3843
messze meghaladja egyetlen kutatócsoport kapacitásait,
09:41
and this is really new for the humanities,
226
569276
2243
és ez új jelenség a humán tudományok számára,
09:43
which very often take the habit of working
227
571519
3869
amelyekre eddig inkább a kis, néhány fős
09:47
in small groups or only with a couple of researchers.
228
575388
4008
kutatócsoportokban végzett munka volt jellemző.
09:51
When you visit the Archivio di Stato,
229
579396
2118
Ha ellátogatnak az Állami Levéltárba, rájönnek,
09:53
you feel this is beyond what any single team can do,
230
581514
2822
hogy ez a munka messze túlmutat egyetlen csapat képességein,
09:56
and that should be a joint and common effort.
231
584336
3834
és hogy itt közös, összehangolt erőfeszítésre van szükség.
10:00
So what we must do for this paradigm shift
232
588170
3106
Tehát ennek a paradigmaváltásnak az előmozdítása érdekében
10:03
is actually foster a new generation
233
591276
1902
ösztönöznünk kell a "digitális humanisták"
10:05
of "digital humanists"
234
593178
1537
új generációjának kialakulását,
10:06
that are going to be ready for this shift.
235
594715
2090
akik készek lesznek erre a változásra.
10:08
I thank you very much.
236
596805
1959
Köszönöm a figyelmet!
10:10
(Applause)
237
598764
4000
(Taps)
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