TED2016
R. Luke DuBois: Insightful human portraits made from data
R. Luke DuBois: Adatokból készült beható emberi portrék
Filmed:
Readability: 3.9
1,338,549 views
R. Luke DuBois művész adatokból és jellemből egyedi portrékat készít elnökökről, városokról, saját magáról, sőt még Britney Spearsről is. Előadásában megosztja velünk kilenc projektjét – a milliónyi társkereső adatlapból megalkotott országtérképtől attól a pisztolyig, amely minden egyes New Orleansben jelentett lövöldözésre vaktöltényeket lő ki. Álláspontja szerint technológiahasználatunk módja saját magunkat és kultúránkat tükrözi, és ha másokat adatokká zsugorítunk össze, az a végünket jelentheti.
R. Luke DuBois - Artist, composer, engineer
R. Luke DuBois weaves information from a multitude of sources into art and music exploring the tensions between algorithms, portraiture and temporal space. Full bio
R. Luke DuBois weaves information from a multitude of sources into art and music exploring the tensions between algorithms, portraiture and temporal space. Full bio
Double-click the English transcript below to play the video.
00:12
So I'm an artist,
0
884
1748
Művész vagyok,
00:14
but a little bit of a peculiar one.
1
2656
1706
de a kissé furcsa fajtából.
00:16
I don't paint.
2
4386
1483
Nem festek.
00:18
I can't draw.
3
6434
1284
Rajzolni sem tudok.
00:20
My shop teacher in high school
wrote that I was a menace
wrote that I was a menace
4
8153
3100
Főiskolában a műhelytanárom
azt írta bizonyítványomba:
azt írta bizonyítványomba:
veszélyes vagyok.
00:24
on my report card.
5
12122
1321
00:25
You probably don't really
want to see my photographs.
want to see my photographs.
6
13953
3599
Nem hinném, hogy látni szeretnék fotóim.
00:29
But there is one thing I know how to do:
7
17991
1965
Egy dologhoz viszont értek:
00:31
I know how to program a computer.
8
19980
1659
a számítógép-programozáshoz.
00:33
I can code.
9
21663
1212
Tudok kódolni.
00:34
And people will tell me
that 100 years ago,
that 100 years ago,
10
22899
3273
Mondják nekem, hogy száz évvel
ezelőtt nem léteztek,
ezelőtt nem léteztek,
00:38
folks like me didn't exist,
11
26196
1350
olyan fickók, mint én,
00:39
that it was impossible,
12
27570
2090
lehetetlen volt;
00:41
that art made with data is a new thing,
13
29684
2950
adatokból művészetet létrehozni új dolog,
00:44
it's a product of our age,
14
32658
2142
ez korunk terméke,
00:46
it's something that's really important
15
34824
1887
valami, amit nagyon fontos,
00:48
to think of as something
that's very "now."
that's very "now."
16
36735
2078
hogy úgy fogjunk fel, ami nagyon "mai".
00:50
And that's true.
17
38837
1168
Ez igaz is.
00:52
But there is an art form
that's been around for a very long time
that's been around for a very long time
18
40029
4110
De van egy művészeti ág,
ami nagyon régóta jelen van,
ami nagyon régóta jelen van,
00:56
that's really about using information,
19
44163
1871
ami pusztán információkat használ,
00:58
abstract information,
20
46058
2086
elvont információkat
01:00
to make emotionally resonant pieces.
21
48168
2539
érzelmekre ható alkotásokhoz.
01:03
And it's called music.
22
51080
1408
Zenének hívják.
01:05
We've been making music
for tens of thousands of years, right?
for tens of thousands of years, right?
23
53632
3872
Évezredek óta szerzünk zenét, ugye?
01:09
And if you think about what music is --
24
57528
1960
Ha pedig belegondolunk, mi is a zene –
01:11
notes and chords and keys
and harmonies and melodies --
and harmonies and melodies --
25
59512
2824
kották, akkordok, hangnemek,
harmóniák és dallamok;
harmóniák és dallamok;
01:14
these things are algorithms.
26
62360
1406
ezek algoritmusok.
01:15
These things are systems
27
63790
1827
Ezek tervezett rendszerek,
01:17
that are designed to unfold over time,
28
65641
2384
melyek időben kibontakoznak,
01:20
to make us feel.
29
68049
1457
hogy érzelmeket keltsenek.
01:22
I came to the arts through music.
30
70195
1612
A zenéről tértem át művészetekre.
01:23
I was trained as a composer,
31
71831
1388
Zeneszerzőnek tanultam,
01:25
and about 15 years ago,
I started making pieces
I started making pieces
32
73243
3282
és kb. 15 évvel ezelőtt
elkezdtem alkotásokat létrehozni,
elkezdtem alkotásokat létrehozni,
01:28
that were designed to look
at the intersection
at the intersection
33
76549
2535
hogy a hang és a kép közötti
01:31
between sound and image,
34
79108
1904
kapcsolódási pontokat tárjak fel,
01:33
to use an image to unveil
a musical structure
a musical structure
35
81036
2832
hogy képek által leplezzem le
a zenei szerkezetet,
a zenei szerkezetet,
01:35
or to use a sound to show you
something interesting
something interesting
36
83892
2864
hogy hang által valami
érdekessel álljak elő,
érdekessel álljak elő,
01:38
about something that's usually pictorial.
37
86780
2000
ami rendszerint képszerű.
01:40
So what you're seeing on the screen
is literally being drawn
is literally being drawn
38
88804
3467
Amit most a képernyőn látnak,
azt szó szerint "rajzolja"
azt szó szerint "rajzolja"
01:44
by the musical structure
of the musicians onstage,
of the musicians onstage,
39
92295
2942
a színpadon lévő muzsikusok
zenei kompozíciójának szerkezete,
zenei kompozíciójának szerkezete,
és nem véletlen, hogy növénynek néz ki,
01:47
and there's no accident
that it looks like a plant,
that it looks like a plant,
40
95261
2532
01:49
because the underlying
algorithmic biology of the plant
algorithmic biology of the plant
41
97817
3339
hiszen mindenekelőtt a növény
alapvető algoritmikus biológiája
alapvető algoritmikus biológiája
01:53
is what informed the musical structure
in the first place.
in the first place.
42
101180
3311
szolgáltatja a zenei szerkezetet.
01:56
So once you know how to do this,
once you know how to code with media,
once you know how to code with media,
43
104515
3404
Ha tudják, hogy kell ezt csinálni,
hogy kell médiumot kódolni,
hogy kell médiumot kódolni,
01:59
you can do some pretty cool stuff.
44
107943
2088
jó pár menő dolgot tehetnek.
02:02
This is a project I did
for the Sundance Film Festival.
for the Sundance Film Festival.
45
110055
3477
A Sundance Filmfesztiválra
készítettem ezt a projektet.
készítettem ezt a projektet.
02:05
Really simple idea: you take
every Academy Award Best Picture,
every Academy Award Best Picture,
46
113905
4004
Nagyon egyszerű ötlet:
az összes Oscar-díjas filmet
az összes Oscar-díjas filmet
02:11
you speed it up to one minute each
47
119178
2361
felpörgetjük egyenként egypercesre,
02:13
and string them all together.
48
121563
1581
és összefűzzük őket.
02:15
And so in 75 minutes, I can show you
the history of Hollywood cinema.
the history of Hollywood cinema.
49
123168
3911
Íme 75 percben a hollywoodi filmtörténet.
02:19
And what it really shows you
is the history of editing
is the history of editing
50
127592
2979
De igazából a vágás történetét mutatja be
02:22
in Hollywood cinema.
51
130595
1181
a hollywoodi filmekben.
02:23
So on the left, we've got Casablanca;
on the right, we've got Chicago.
on the right, we've got Chicago.
52
131800
4148
A bal oldalon van a Casablanca,
a jobbon a Chicago.
a jobbon a Chicago.
02:27
And you can see that Casablanca
is a little easier to read.
is a little easier to read.
53
135972
2924
Lehet látni, hogy a Casablanca
jobban követhető,
jobban követhető,
02:30
That's because the average length
of a cinematic shot in the 1940s
of a cinematic shot in the 1940s
54
138920
3332
ami azért van, mert a snitthossz
az 1940-es években általában
az 1940-es években általában
02:34
was 26 seconds,
55
142276
1639
26 másodperc volt,
02:35
and now it's around six seconds.
56
143939
2028
ami most kb. hat másodperc.
02:38
This is a project that was inspired
57
146999
1744
Ezt a projektet
az USA szövetségi kormánya által
a kétezres évek elején támogatott
a kétezres évek elején támogatott
02:40
by some work that was funded
by the US Federal Government
by the US Federal Government
58
148767
2944
02:43
in the early 2000s,
59
151735
1169
néhány munka ösztönözte,
02:44
to look at video footage and find
a specific actor in any video.
a specific actor in any video.
60
152928
5828
melyekben videofelvételeken
bizonyos színészeket kerestek.
bizonyos színészeket kerestek.
02:51
And so I repurposed this code
to train a system on one person
to train a system on one person
61
159605
4676
Én pedig átírtam a kódot,
hogy a rendszer egyvalakit keressen
hogy a rendszer egyvalakit keressen
02:56
in our culture who would never need
to be surveilled in that manner,
to be surveilled in that manner,
62
164305
3847
a mi kultúránkban, akit ezen a módon
semmiképp sem kell megfigyelni.
semmiképp sem kell megfigyelni.
03:00
which is Britney Spears.
63
168176
1527
Ez pedig Britney Spears.
03:01
I downloaded 2,000 paparazzi
photos of Britney Spears
photos of Britney Spears
64
169727
3492
Letöltöttem 2 000 lesifotót
Brintey Spearsről,
Brintey Spearsről,
03:05
and trained my computer to find her face
65
173243
2476
és beprogramoztam a gépem,
hogy az arcát, csak az arcát keresse.
03:07
and her face alone.
66
175743
1381
03:09
I can run any footage of her through it
and will center her eyes in the frame,
and will center her eyes in the frame,
67
177148
4276
Lejátszhatom bármely felvételt,
a szeme lesz a középpontban.
a szeme lesz a középpontban.
03:13
and this sort of is a little
double commentary
double commentary
68
181448
2176
Egyfajta kettős kommentár
03:15
about surveillance in our society.
69
183648
2024
társadalmunk megfigyeléséről.
03:17
We are very fraught with anxiety
about being watched,
about being watched,
70
185696
2992
Szorongással telve vagyunk,
ha néznek minket,
ha néznek minket,
03:20
but then we obsess over celebrity.
71
188712
2599
de hírességek megszállottjai vagyunk.
03:24
What you're seeing on the screen here
is a collaboration I did
is a collaboration I did
72
192219
3730
Amit itt a képernyőn látnak most,
03:27
with an artist named Lián Amaris.
73
195973
2556
azt egy Lián Amaris nevű művésszel
közösen csináltam.
közösen csináltam.
03:30
What she did is very simple
to explain and describe,
to explain and describe,
74
198553
3874
Nagyon egyszerű leírni
és elmagyarázni, mit is csinált,
és elmagyarázni, mit is csinált,
03:34
but very hard to do.
75
202451
1232
de kivitelezni nehéz.
03:35
She took 72 minutes of activity,
76
203707
2851
Kiválasztott 72 pernyi tevékenységet,
03:39
getting ready for a night out on the town,
77
207208
2573
a városi mulatozásra való készülődést,
03:41
and stretched it over three days
78
209805
2089
amit elnyújtott három napra,
03:43
and performed it on a traffic island
in slow motion in New York City.
in slow motion in New York City.
79
211918
3588
és lejátszotta lassítottan
egy New York-i járdaszigeten.
egy New York-i járdaszigeten.
03:47
I was there, too, with a film crew.
80
215949
2219
Ott voltam én is a stábbal együtt.
Lefilmeztük az egészet,
03:50
We filmed the whole thing,
81
218192
1252
aztán megfordítottuk a folyamatot,
visszagyorsítottuk 72 percesre,
visszagyorsítottuk 72 percesre,
03:51
and then we reversed the process,
speeding it up to 72 minutes again,
speeding it up to 72 minutes again,
82
219468
3401
03:54
so it looks like she's moving normally
83
222893
1894
hogy a lány természetesen mozogjon,
03:56
and the whole world is flying by.
84
224811
1832
az egész világ pedig elsuhan mellette.
03:59
At a certain point, I figured out
85
227091
2576
Egy ponton rájöttem,
04:01
that what I was doing
was making portraits.
was making portraits.
86
229691
2667
hogy valójában portrékat készítek.
04:05
When you think about portraiture,
you tend to think about stuff like this.
you tend to think about stuff like this.
87
233500
3562
Portrézásra gondolva
effélék jutnak eszünkbe.
effélék jutnak eszünkbe.
A bal oldali fickó Gilbert Stuart.
04:09
The guy on the left
is named Gilbert Stuart.
is named Gilbert Stuart.
88
237086
2063
Ő volt az első igazi
portrékészítő az USA-ban.
portrékészítő az USA-ban.
04:11
He's sort of the first real portraitist
of the United States.
of the United States.
89
239173
3064
04:14
And on the right is his portrait
of George Washington from 1796.
of George Washington from 1796.
90
242261
3225
Jobb oldalon pedig 1796-ból
az ő portréja George Washingtonról.
az ő portréja George Washingtonról.
04:17
This is the so-called Lansdowne portrait.
91
245510
2198
Ez a híres Lansdowne portrait.
04:19
And if you look at this painting,
there's a lot of symbolism, right?
there's a lot of symbolism, right?
92
247732
3240
A festmény pedig tele van
szimbólumokkal, ugye?
szimbólumokkal, ugye?
04:22
We've got a rainbow out the window.
We've got a sword.
We've got a sword.
93
250996
2660
Szivárvány az ablakban, kard.
04:25
We've got a quill on the desk.
94
253680
1455
Tollszár az asztalon.
Mindezek arra hivatottak,
04:27
All of these things are meant to evoke
95
255159
1849
hogy George Washingtont
a nemzet atyjaként mutassák be.
a nemzet atyjaként mutassák be.
04:29
George Washington
as the father of the nation.
as the father of the nation.
96
257032
2448
04:31
This is my portrait of George Washington.
97
259832
2770
Ez az én portrém Washingtonról.
04:35
And this is an eye chart,
98
263776
3009
Egy látásvizsgáló-tábla,
04:38
only instead of letters, they're words.
99
266809
2174
csak betűk helyett szavak vannak.
04:41
And what the words are is the 66 words
100
269713
2702
A szavak pedig George Washington
04:44
in George Washington's
State of the Union addresses
State of the Union addresses
101
272439
2460
évértékelő beszédének 66 szavát jelentik.
04:46
that he uses more
than any other president.
than any other president.
102
274923
2371
Ő a legtöbb szót használt elnök.
04:50
So "gentlemen" has its own symbolism
and its own rhetoric.
and its own rhetoric.
103
278020
4202
Az "uraim"-nak saját szimbolikája,
saját retorikája van.
saját retorikája van.
04:54
And it's really kind of significant
that that's the word he used the most.
that that's the word he used the most.
104
282246
4592
Nagy jelentőséggel bír,
hiszen ezt a szót használta legtöbbször.
hiszen ezt a szót használta legtöbbször.
04:58
This is the eye chart for George W. Bush,
105
286862
2119
Ez pedig George W. Bush-nak a táblája.
05:01
who was president when I made this piece.
106
289005
2980
Amikor ezt készítettem, ő volt az elnök.
05:04
And how you get there,
107
292009
1168
Ahogy pedig eljutunk
05:05
from "gentlemen" to "terror"
in 43 easy steps,
in 43 easy steps,
108
293201
3452
az "uraim"-tól a "terror"-ig
43 egyszerű lépésben,
43 egyszerű lépésben,
05:08
tells us a lot about American history,
109
296677
2060
sokat elmond az amerikai történelemről,
05:10
and gives you a different insight
110
298761
1587
és másfajta bepillantást kapunk,
05:12
than you would have
looking at a series of paintings.
looking at a series of paintings.
111
300372
2937
mintha csak festmények
sorozatát néznénk végig.
sorozatát néznénk végig.
05:15
These pieces provide a history lesson
of the United States
of the United States
112
303333
3934
Ezen alkotások a vezetők
politikai beszédein keresztül
politikai beszédein keresztül
05:19
through the political
rhetoric of its leaders.
rhetoric of its leaders.
113
307291
2256
történelemórát adnak az USA-ról.
05:21
Ronald Reagan spent a lot of time
talking about deficits.
talking about deficits.
114
309571
2964
Ronald Reagan sokat beszélt
költségvetési hiányról.
költségvetési hiányról.
05:25
Bill Clinton spent a lot of time
115
313135
1565
Bill Clinton pedig sokat arról országról,
05:26
talking about the century in which
he would no longer be president,
he would no longer be president,
116
314724
3284
amiben már nem ő az elnök,
de talán felesége az lesz.
05:30
but maybe his wife would be.
117
318032
1611
05:33
Lyndon Johnson was the first President
118
321148
2636
Lyndon Johnson volt az első elnök,
05:35
to give his State of the Union addresses
on prime-time television;
on prime-time television;
119
323808
3182
akinek évértékelő beszédét
főműsoridőben adták le;
főműsoridőben adták le;
minden bekezdést úgy kezd: "ma este".
05:39
he began every paragraph
with the word "tonight."
with the word "tonight."
120
327014
2340
Richard Nixon pedig,
vagy pontosabban szövegírója,
vagy pontosabban szövegírója,
05:41
And Richard Nixon,
or more accurately, his speechwriter,
or more accurately, his speechwriter,
121
329378
2666
05:44
a guy named William Safire,
122
332068
1328
azaz Willliam Safire,
05:45
spent a lot of time
thinking about language
thinking about language
123
333420
2048
sokat gondolkodott a nyelvezeten,
05:47
and making sure that his boss
portrayed a rhetoric of honesty.
portrayed a rhetoric of honesty.
124
335492
3933
és biztosra ment, hogy főnöke beszédjén
becsületesség tükröződjön.
becsületesség tükröződjön.
05:51
This project is shown
as a series of monolithic sculptures.
as a series of monolithic sculptures.
125
339449
2902
Ez a projekt monolitikus
szoborsorozatból áll.
szoborsorozatból áll.
05:54
It's an outdoor series of light boxes.
126
342375
2448
Kültéri világító táblák sorozatából.
05:56
And it's important to note
that they're to scale,
that they're to scale,
127
344847
2430
Fontos megemlíteni, hogy méretarányosak.
05:59
so if you stand 20 feet back and you can
read between those two black lines,
read between those two black lines,
128
347301
3614
Ha látjuk hat méterről
a két fekete vonal közti részt,
a két fekete vonal közti részt,
5/5-ös a látóélességünk.
06:02
you have 20/20 vision.
129
350939
1151
(Nevetés)
06:04
(Laughter)
130
352114
1038
Az egyik portré a sok közül.
06:05
This is a portrait.
And there's a lot of these.
And there's a lot of these.
131
353176
2305
06:07
There's a lot of ways
to do this with data.
to do this with data.
132
355505
3262
Sokféleképpen ki lehet hozni adatokból.
06:10
I started looking for a way
133
358791
1620
Elkezdtem keresni a módját,
06:12
to think about how I can do
a more democratic form of portraiture,
a more democratic form of portraiture,
134
360435
4705
hogyan érhetném el a portrézás
demokratikusabb formáit,
demokratikusabb formáit,
06:17
something that's more about
my country and how it works.
my country and how it works.
135
365164
4231
olyasmit, ami inkább országomról
és annak működéséről szól.
és annak működéséről szól.
06:21
Every 10 years, we make a census
in the United States.
in the United States.
136
369419
3801
Az USA-ban tízévente van népszámlálás.
06:25
We literally count people,
137
373244
1458
Szó szerint megszámoljuk az embereket,
06:27
find out who lives where,
what kind of jobs we've got,
what kind of jobs we've got,
138
375306
3144
ki hol lakik, milyen munkája van,
06:30
the language we speak at home.
139
378474
1477
milyen nyelven beszél otthon.
06:31
And this is important stuff --
really important stuff.
really important stuff.
140
379975
2571
Ezek fontos, nagyon fontos dolgok,
de nemigen jellemeznek minket.
06:34
But it doesn't really tell us who we are.
141
382570
2233
06:36
It doesn't tell us about our dreams
and our aspirations.
and our aspirations.
142
384827
2671
Nem az álmainkról, vágyainkról szólnak.
06:39
And so in 2010, I decided
to make my own census.
to make my own census.
143
387522
3390
Erre eldöntöttem, 2010-ben
saját népszámlálást végzek.
saját népszámlálást végzek.
06:42
And I started looking for a corpus of data
144
390936
3320
Elkezdtem adatállományok után kutatni,
06:46
that had a lot of descriptions
written by ordinary Americans.
written by ordinary Americans.
145
394280
3112
ami sok leírást tartalmaz
átlagos amerikaiak tollából.
átlagos amerikaiak tollából.
06:49
And it turns out
146
397416
1151
Mint kiderült,
létezik ilyen adatgyűjtemény,
06:50
that there is such a corpus of data
147
398591
1742
és csak arra vár, hogy feldolgozzák.
06:52
that's just sitting there for the taking.
148
400357
1984
Online társkeresés a neve.
06:54
It's called online dating.
149
402365
1326
06:56
So in 2010, I joined 21 different
online dating services,
online dating services,
150
404574
4946
Abban évben regisztráltam
21 különböző társkeresőre;
21 különböző társkeresőre;
07:01
as a gay man, a straight man,
a gay woman and a straight woman,
a gay woman and a straight woman,
151
409544
3100
meleg és hetero férfiként,
leszbikus és hetero nőként,
leszbikus és hetero nőként,
07:04
in every zip code in America
152
412668
1617
minden egyes irányítószámra,
07:06
and downloaded about
19 million people's dating profiles --
19 million people's dating profiles --
153
414309
3185
és letöltöttem kb. 19 millió
társkereső adatlapját –
társkereső adatlapját –
07:09
about 20 percent of the adult population
of the United States.
of the United States.
154
417518
3232
ez az USA felnőtt népességének
20 százalékát jelenti.
20 százalékát jelenti.
07:13
I have obsessive-compulsive disorder.
155
421241
1819
Kényszerbetegségem van.
07:15
This is going to become
really freaking obvious. Just go with me.
really freaking obvious. Just go with me.
156
423084
3101
Ez rohadtul világos lesz,
csak kövessenek.
csak kövessenek.
07:18
(Laughter)
157
426209
1142
(Nevetés)
07:19
So what I did was I sorted
all this stuff by zip code.
all this stuff by zip code.
158
427375
3039
Mindezt aztán irányítószám
szerint rendszereztem,
szerint rendszereztem,
07:23
And I looked at word analysis.
159
431922
1491
Majd rátértem a szóelemzésre.
07:25
These are some dating profiles from 2010
160
433437
2673
Néhány társkereső adatlap 2010-ből,
07:28
with the word "lonely" highlighted.
161
436134
2095
ahol kiemelt "magányos" szó.
07:30
If you look at these things
topographically,
topographically,
162
438253
2981
Ha földrajzi elhelyezkedést
nézünk, látható,
nézünk, látható,
07:33
if you imagine dark colors to light colors
are more use of the word,
are more use of the word,
163
441258
3500
hogy minél sötétebb a terület,
annál gyakoribb a szó használata.
annál gyakoribb a szó használata.
07:36
you can see that Appalachia
is a pretty lonely place.
is a pretty lonely place.
164
444782
4301
Elmondhatjuk, hogy Appalachia
igen magányos vidék.
igen magányos vidék.
07:41
You can also see
that Nebraska ain't that funny.
that Nebraska ain't that funny.
165
449979
4947
Nebraskáról pedig azt,
hogy nem annyira vicces.
hogy nem annyira vicces.
07:48
This is the kinky map,
so what this is showing you
so what this is showing you
166
456385
3655
Ez a nemi furcsaságok térképe,
ami azt mutatja,
ami azt mutatja,
hogy az alaszkai nőknek
07:54
is that the women in Alaska
need to get together
need to get together
167
462033
3103
a déli új-mexikói férfiakkal
kell összejönniük;
kell összejönniük;
07:57
with the men in southern New Mexico,
168
465160
1775
07:58
and have a good time.
169
466959
1340
így érzik jól magukat.
08:00
And I have this
at a pretty granular level,
at a pretty granular level,
170
468323
2866
Ez a legapróbb részletekig elmegy,
08:03
so I can tell you that the men
in the eastern half of Long Island
in the eastern half of Long Island
171
471213
3107
így elmondhatom,
hogy Long Island keleti felén
hogy Long Island keleti felén
08:06
are way more interested in being spanked
172
474344
1926
a férfiak szeretik, ha elfeneklik őket,
08:08
than men in the western half
of Long Island.
of Long Island.
173
476294
2225
míg a nyugati felén nem igazán.
08:11
This will be your one takeaway
from this whole conference.
from this whole conference.
174
479851
2850
Ez lesz egyik útravalójuk
erről a konferenciáról.
erről a konferenciáról.
08:14
You're going to remember
that fact for, like, 30 years.
that fact for, like, 30 years.
175
482725
2740
Erre emlékezni fognak vagy 30 évig.
08:17
(Laughter)
176
485489
2832
(Nevetés)
08:20
When you bring this down
to a cartographic level,
to a cartographic level,
177
488655
2423
Ha ezt térképekre bontjuk le,
08:23
you can make maps and do the same trick
I was doing with the eye charts.
I was doing with the eye charts.
178
491102
3454
ugyanazt a csavart érjük el velük,
mint látásvizsgáló-táblákkal.
mint látásvizsgáló-táblákkal.
Minden USA-beli városnév felcserélhető
08:26
You can replace the name
of every city in the United States
of every city in the United States
179
494580
2817
az ott legtöbbet használt szavakkal.
08:29
with the word people use more
in that city than anywhere else.
in that city than anywhere else.
180
497421
2992
Ha valaha randiztak valakivel
Seattle-ből, ez tiszta sor.
Seattle-ből, ez tiszta sor.
08:32
If you've ever dated anyone
from Seattle, this makes perfect sense.
from Seattle, this makes perfect sense.
181
500437
3229
08:35
You've got "pretty."
You've got "heartbreak."
You've got "heartbreak."
182
503690
2702
Van nekünk a "csinos"
és az "összetört szív".
és az "összetört szív".
08:38
You've got "gig." You've got "cigarette."
183
506416
2415
A "koncert" és a "cigaretta".
08:40
They play in a band and they smoke.
184
508855
2026
Bandában játszanak és dohányoznak.
08:43
And right above that you can see "email."
185
511604
1984
Felette máris azt lehet látni: "ímél".
08:45
That's Redmond, Washington,
186
513612
1306
Ez a washingtoni Redmond,
08:46
which is the headquarters
of the Microsoft Corporation.
of the Microsoft Corporation.
187
514942
2595
amely a Microsoft főhadiszállása.
Párat ki lehet találni:
Los Angelesi a "színészet",
Los Angelesi a "színészet",
08:49
Some of these you can guess --
so, Los Angeles is "acting"
so, Los Angeles is "acting"
188
517561
2824
08:52
and San Francisco is "gay."
189
520409
1618
San Franciscó-i a "meleg".
08:54
Some are a little bit more heartbreaking.
190
522051
1992
Néhányuk inkább szívszorító.
08:56
In Baton Rouge, they talk
about being curvy;
about being curvy;
191
524067
2081
Baton Rouge-ban molettségről beszélnek;
08:58
downstream in New Orleans,
they still talk about the flood.
they still talk about the flood.
192
526172
2887
a folyómentén New Orleansban
még mindig az áradásról.
még mindig az áradásról.
09:01
Folks in the American capital
will say they're interesting.
will say they're interesting.
193
529083
2805
A fővárosi társaság szerint ők érdekesek.
09:03
People in Baltimore, Maryland,
will say they're afraid.
will say they're afraid.
194
531912
2777
A baltimore-iak, marylandiek
szerint ők félnek.
szerint ők félnek.
09:06
This is New Jersey.
195
534713
1537
Ez New Jersey.
09:08
I grew up somewhere
between "annoying" and "cynical."
between "annoying" and "cynical."
196
536274
2689
Valahol a "bosszantó"
és a "cinikus" közt nőttem fel.
és a "cinikus" közt nőttem fel.
09:10
(Laughter) (Applause)
197
538987
4239
(Nevetés) (Taps)
09:15
And New York City's
number one word is "now,"
number one word is "now,"
198
543250
2657
New Yorkban az első számú szó a "most":
09:17
as in, "Now I'm working as a waiter,
but actually I'm an actor."
but actually I'm an actor."
199
545931
3246
"Most pincérként dolgozom,
de igazából színész vagyok".
de igazából színész vagyok".
09:21
(Laughter)
200
549201
1098
(Nevetés)
09:22
Or, "Now I'm a professor of engineering
at NYU, but actually I'm an artist."
at NYU, but actually I'm an artist."
201
550323
4295
Vagy: "Most mérnök-tanár vagyok
az NYU-n, de igazából művész."
az NYU-n, de igazából művész."
09:26
If you go upstate, you see "dinosaur."
202
554642
1925
A fenti részen "dinoszaurusz" látható.
09:28
That's Syracuse.
203
556591
1151
Ez a New York-i Syracuse.
09:29
The best place to eat
in Syracuse, New York,
in Syracuse, New York,
204
557766
2073
Itt lehet legjobbat enni:
09:31
is a Hell's Angels barbecue joint
called Dinosaur Barbecue.
called Dinosaur Barbecue.
205
559863
2794
a Hell's Angels-i bélszínsült.
a "Dinoszaurusz grill".
a "Dinoszaurusz grill".
09:34
That's where you would
take somebody on a date.
take somebody on a date.
206
562681
2222
A hely, ahová randira vinnénk valakit.
Valahol a "feltétlenül" és a "nyárközép"
között lakom a midtowni Manhattanben.
között lakom a midtowni Manhattanben.
09:36
I live somewhere between "unconditional"
and "midsummer," in Midtown Manhattan.
and "midsummer," in Midtown Manhattan.
207
564927
3806
09:40
And this is gentrified North Brooklyn,
208
568757
2047
Ez a följavított Észak-Brooklyn,
09:42
so you've got "DJ" and "glamorous"
and "hipsters" and "urbane."
and "hipsters" and "urbane."
209
570828
3196
tehát van "DJ", "elbűvölő",
"hipszterek" és "urbánus".
"hipszterek" és "urbánus".
09:46
So that's maybe
a more democratic portrait.
a more democratic portrait.
210
574048
2422
Ez talán sokkal demokratikusabb portré.
09:48
And the idea was, what if we made
red-state and blue-state maps
red-state and blue-state maps
211
576494
3069
Az ötlet az volt, hogy piros és kék
államtérképeket készítünk az alapján,
államtérképeket készítünk az alapján,
09:51
based on what we want to do
on a Friday night?
on a Friday night?
212
579587
2169
hogy mivel töltjük a péntek estét.
09:53
This is a self-portrait.
213
581780
1507
Ez egy önarckép
09:55
This is based on my email,
214
583770
1257
a kb. 500 ezer ímél alapján,
09:57
about 500,000 emails sent over 20 years.
215
585051
2969
amit 20 év alatt küldtem.
10:00
You can think of this
as a quantified selfie.
as a quantified selfie.
216
588044
2953
Felfogható számszerűsített szelfiként.
10:03
So what I'm doing is running
a physics equation
a physics equation
217
591021
3094
Személyes adataimra épült
fizikai egyenletet futtatok le.
10:06
based on my personal data.
218
594139
1398
10:07
You have to imagine everybody
I've ever corresponded with.
I've ever corresponded with.
219
595561
2743
Képzeljenek el mindenkit,
akivel kapcsolatba léptem.
akivel kapcsolatba léptem.
10:10
It started out in the middle
and it exploded with a big bang.
and it exploded with a big bang.
220
598328
3399
A közepéből indul ki,
aztán nagy bummal robban szét.
aztán nagy bummal robban szét.
10:13
And everybody has gravity to one another,
221
601751
2178
Mindenki vonzerővel bír a másikra,
10:15
gravity based on how much
they've been emailing,
they've been emailing,
222
603953
2261
ami arra épül, mennyit íméleztek,
10:18
who they've been emailing with.
223
606238
1508
és kikkel íméleztek,
10:19
And it also does sentimental analysis,
224
607770
1832
és érzelemelemzést is végez.
10:21
so if I say "I love you,"
you're heavier to me.
you're heavier to me.
225
609626
2289
Akinek azt mondom: "szeretlek",
az erősebben hat rám,
az erősebben hat rám,
10:23
And you attract to my email
addresses in the middle,
addresses in the middle,
226
611939
2496
és ímélem középre vonzzák be,
10:26
which act like mainline stars.
227
614459
2095
ami központi csillagsorként viselkedik.
10:28
And all the names are handwritten.
228
616578
1785
Minden név kézzel írt.
10:30
Sometimes you do this data
and this work with real-time data
and this work with real-time data
229
618917
3708
Időnként ezeket az adatokat
valós idejű adatokkal hozzák össze,
valós idejű adatokkal hozzák össze,
10:34
to illuminate a specific problem
in a specific city.
in a specific city.
230
622649
2947
hogy adott városi problémát emeljenek ki.
10:38
This is a Walther PPK 9mm
semiautomatic handgun
semiautomatic handgun
231
626071
2676
Ez a Walther PPK 9 mm-es
félautomata pisztoly.
félautomata pisztoly.
10:40
that was used in a shooting
in the French Quarter of New Orleans
in the French Quarter of New Orleans
232
628771
3031
Ezt használták a French Quarter-i
lövöldözésben New Orleansban
lövöldözésben New Orleansban
10:43
about two years ago on Valentine's Day
in an argument over parking.
in an argument over parking.
233
631826
3309
két évvel ezelőtt Valentin-napon
egy parkolás miatti összetűzés során.
egy parkolás miatti összetűzés során.
10:47
Those are my cigarettes.
234
635159
1215
Azok a cigarettáim.
10:48
This is the house
where the shooting took place.
where the shooting took place.
235
636398
2275
Ennél a háznál történt a lövöldözés.
10:50
This project involved
a little bit of engineering.
a little bit of engineering.
236
638697
2374
A projekt kis mérnöki munkát vett igénybe.
10:53
I've got a bike chain
rigged up as a cam shaft,
rigged up as a cam shaft,
237
641095
2215
A bütykös tengelyhez biciklilánc kellett,
10:55
with a computer driving it.
238
643334
1316
amit számítógép vezérelt.
10:56
That computer and the mechanism
are buried in a box.
are buried in a box.
239
644674
2766
A gép és a mechanizmus
dobozba van elrejtve.
dobozba van elrejtve.
10:59
The gun's on top welded to a steel plate.
240
647464
2214
A pisztolyt felül acéllaphoz hegesztették.
11:01
There's a wire going
through to the trigger,
through to the trigger,
241
649702
2345
A ravaszon vezeték megy át,
11:04
and the computer in the box is online.
242
652071
2191
a gép pedig az internetre van rákötve.
11:06
It's listening to the 911 feed
of the New Orleans Police Department,
of the New Orleans Police Department,
243
654286
3233
Hallgatja a New Orleans-i rendőrség
911-es csatornáját,
911-es csatornáját,
11:09
so that anytime there's a shooting
reported in New Orleans,
reported in New Orleans,
244
657543
2877
és akárhányszor lövöldözést
jelentenek a városban,
jelentenek a városban,
11:12
(Gunshot sound)
245
660444
1001
(Pisztolylövés)
11:13
the gun fires.
246
661469
1220
a pisztoly elsül.
11:15
Now, there's a blank,
so there's no bullet.
so there's no bullet.
247
663300
2350
Csak vaktöltények vannak, semmi éles.
11:18
There's big light, big noise
248
666008
2074
Nagy fény, hang van,
11:20
and most importantly, there's a casing.
249
668106
2322
de fő, hogy burkolata van.
11:22
There's about five shootings
a day in New Orleans,
a day in New Orleans,
250
670452
2396
Kb. öt lövöldözés van
naponta New Orleansban.
naponta New Orleansban.
11:24
so over the four months
this piece was installed,
this piece was installed,
251
672872
2341
Mióta megvan, a négy hónap alatt
11:27
the case filled up with bullets.
252
675237
1611
az edény megtelt golyókkal.
11:29
You guys know what this is --
you call this "data visualization."
you call this "data visualization."
253
677642
3734
Ez pedig tudják, mi? Adatmegjelenítés.
11:34
When you do it right, it's illuminating.
254
682559
2008
Ha jól csinálják, felvilágosít.
11:36
When you do it wrong, it's anesthetizing.
255
684591
2436
Ha rosszul, akkor érzéstelenít.
11:39
It reduces people to numbers.
256
687656
1655
Embereket számokká zsugorít össze.
11:41
So watch out.
257
689335
1411
Vigyázzanak!
11:44
One last piece for you.
258
692654
1356
Még egy alkotás önöknek.
11:46
I spent the last summer
as the artist in residence
as the artist in residence
259
694466
2782
Múlt nyáron
a Time Square-i Artist-in-residence
program főszereplője voltam.
program főszereplője voltam.
11:49
for Times Square.
260
697272
1216
11:50
And Times Square in New York
is literally the crossroads of the world.
is literally the crossroads of the world.
261
698932
3643
A New York-i Times Square
pedig szó szerint a világ keresztútja.
pedig szó szerint a világ keresztútja.
11:54
One of the things
people don't notice about it
people don't notice about it
262
702599
2177
Az egyik dolog, amit nem vesznek észre,
11:56
is it's the most Instagrammed
place on Earth.
place on Earth.
263
704800
2547
hogy ez a legtöbbet
instagramozott hely a világon.
instagramozott hely a világon.
11:59
About every five seconds,
someone commits a selfie
someone commits a selfie
264
707903
2882
Minden ötödik másodpercben
valaki szelfizik egyet
valaki szelfizik egyet
12:02
in Times Square.
265
710809
1169
a Times Square-n.
12:04
That's 17,000 a day, and I have them all.
266
712424
3249
Az 17 ezer naponta, és nekem megvan mind.
12:07
(Laughter)
267
715697
1085
(Nevetés)
12:08
These are some of them
with their eyes centered.
with their eyes centered.
268
716806
2292
Néhányuk a szemet állítja középpontba.
12:11
Every civilization,
269
719122
1061
Minden civilizáció
12:12
will use the maximum level
of technology available to make art.
of technology available to make art.
270
720183
2925
a lehető legmagasabb fokú
technológiát vonja be művészetébe.
technológiát vonja be művészetébe.
12:15
And it's the responsibility
of the artist to ask questions
of the artist to ask questions
271
723132
2808
A művész feladata pedig, hogy rákérdezzen,
12:17
about what that technology means
272
725964
1631
mit jelent az a technológia,
12:19
and how it reflects our culture.
273
727619
2019
hogyan tükrözi kultúránk.
12:21
So I leave you with this:
we're more than numbers.
we're more than numbers.
274
729662
2486
Így ezzel búcsúznék:
többek vagyunk számoknál.
többek vagyunk számoknál.
12:24
We're people, and we have
dreams and ideas.
dreams and ideas.
275
732172
2001
Emberek, akiknek álmaik, ötleteik vannak.
12:26
And reducing us to statistics
is something that's done
is something that's done
276
734197
2799
Ha pedig statisztikává zsugorítanak össze,
az a végünket jelentheti.
12:29
at our peril.
277
737020
1251
12:30
Thank you very much.
278
738295
1178
Köszönöm szépen.
12:31
(Applause)
279
739497
10786
(Taps)
ABOUT THE SPEAKER
R. Luke DuBois - Artist, composer, engineerR. Luke DuBois weaves information from a multitude of sources into art and music exploring the tensions between algorithms, portraiture and temporal space.
Why you should listen
R. Luke DuBois is a multidisciplinary artist mining the intersection of art, culture and technology, often expanding or contracting perspectives or timespans to accentuate aspects of each work. As a musician, he has produced a spectrum of electro-acoustic works with a multitude of artists, including Bora Yoon, Bang on a Can and the Freight Elevator Quartet.
As an artist, DuBois focuses on exposing the long narratives created by arcs of data, in the same way that time-lapse photographs expose long swaths of motion in a single image. As a programmer, DuBois is co-author of Jitter, a software suite that allows real-time manipulation of video and 3D imagery.
DuBois teaches at New York University, where he co-directs the Integrated Digital Media program at the Tandon School of Engineering. His artwork is represented by bitforms gallery in New York City.
R. Luke DuBois | Speaker | TED.com