TED Residency
Jeff Kirschner: This app makes it fun to pick up litter
Jeff Kirschner: Ezzel az alkalmazással élmény szemetet szedni
Filmed:
Readability: 4.2
1,385,758 views
A Föld óriási hely ahhoz, hogy tisztán lehessen tartani. A Litterati alkalmazással – amelynek segítségével a felhasználók rendszerezik, gyűjtik és geotaggel látják el a bolygón felgyülemlő szemetet – Jeff Kirschner TED rezidens útjára indított egy közösséget, amely önkéntes takarítással igyekszik megtisztítani a bolygót. Már több mint 100 országban végeztek szemétfelderítést, és Kirschner bízik benne, hogy az összegyűjtött adatok felhasználása segít abban, hogy a különböző cégekkel és szervezetekkel együttműködve a jövőben ne kelljen felesleges szemetet kidobnunk.
Jeff Kirschner - Entrepreneur
Jeff Kirschner created a global community that's eradicating litter one piece at a time. Full bio
Jeff Kirschner created a global community that's eradicating litter one piece at a time. Full bio
Double-click the English transcript below to play the video.
00:13
This story starts with these two --
0
1015
2993
Velük kezdődött ez a történet:
00:16
my kids.
1
4032
1258
a két gyermekem.
00:17
We were hiking in the Oakland woods
2
5314
1682
Az oaklandi erdőben túráztunk,
00:19
when my daughter noticed
a plastic tub of cat litter in a creek.
a plastic tub of cat litter in a creek.
3
7020
4134
amikor a lányom meglátott egy
műanyag macskaalom-tálcát egy patakban.
műanyag macskaalom-tálcát egy patakban.
00:23
She looked at me and said,
4
11647
1662
Rám nézett csodálkozva:
00:25
"Daddy?
5
13333
2507
"Apa!
00:27
That doesn't go there."
6
15864
1650
Ez mit keres itt?"
Ahogy ezt kimondta,
felderengett előttem a nyári tábor.
felderengett előttem a nyári tábor.
00:29
When she said that,
it reminded me of summer camp.
it reminded me of summer camp.
7
17538
2422
00:31
On the morning of visiting day,
8
19984
1498
A látogatási nap reggelén,
00:33
right before they'd let our anxious
parents come barreling through the gates,
parents come barreling through the gates,
9
21506
3663
mielőtt az izgatott szülők
betódultak volna a kapun,
betódultak volna a kapun,
a táborvezető így szólt:
00:37
our camp director would say,
10
25193
1369
"Gyerünk! Mindenki szedjen fel
öt darab szemetet!"
öt darab szemetet!"
00:38
"Quick! Everyone pick up
five pieces of litter."
five pieces of litter."
11
26586
2309
00:40
You get a couple hundred kids
each picking up five pieces,
each picking up five pieces,
12
28919
3040
Ha van pár száz gyerek,
és mindenki felvesz öt darab szemetet,
és mindenki felvesz öt darab szemetet,
00:43
and pretty soon, you've got
a much cleaner camp.
a much cleaner camp.
13
31983
2573
máris sokkal tisztább lesz a tábor.
00:46
So I thought,
14
34580
1159
Úgyhogy arra gondoltam,
00:47
why not apply that crowdsourced
cleanup model to the entire planet?
cleanup model to the entire planet?
15
35763
4537
miért ne alkalmazhatnánk ezt a fajta
közösségi takarítást az egész bolygóra.
közösségi takarítást az egész bolygóra.
00:52
And that was the inspiration
for Litterati.
for Litterati.
16
40324
2951
Így született meg a Litterati.
00:55
The vision is to create
a litter-free world.
a litter-free world.
17
43299
3349
Célunk, hogy szemétmentes
környezetet teremtsünk.
környezetet teremtsünk.
00:58
Let me show you how it started.
18
46672
1508
Hadd idézzem fel a kezdeteket:
01:00
I took a picture of a cigarette
using Instagram.
using Instagram.
19
48204
3386
Készítettem egy fotót
egy cigarettacsikkről az Instagramon.
egy cigarettacsikkről az Instagramon.
01:04
Then I took another photo ...
20
52222
1867
Aztán egy másik fotót...
01:06
and another photo ...
21
54113
1557
meg még egy egyet...
01:07
and another photo.
22
55694
1167
és még egyet.
01:08
And I noticed two things:
23
56885
1286
Két dolgot vettem észre.
01:10
one, litter became artistic
and approachable;
and approachable;
24
58195
3472
Egy: a szemét művészet
és megfigyelés tárgya lett;
és megfigyelés tárgya lett;
01:14
and two,
25
62244
1151
kettő:
01:15
at the end of a few days,
I had 50 photos on my phone
I had 50 photos on my phone
26
63419
2515
pár nap elteltével
50 kép volt a telefonomon,
50 kép volt a telefonomon,
01:17
and I had picked up each piece,
27
65958
1587
ennyi szemetet szedtem fel,
01:19
and I realized that I was keeping a record
28
67569
2385
és azon vettem észre magam,
hogy összegyűjtöm,
hogy összegyűjtöm,
01:21
of the positive impact
I was having on the planet.
I was having on the planet.
29
69978
3151
mivel járulok hozzá
a bolygó jobbá tételéhez.
a bolygó jobbá tételéhez.
01:25
That's 50 less things that you might see,
30
73153
2188
Tehát 50 aprósággal kevesebb,
ami szemet szúr,
ami szemet szúr,
01:27
or you might step on,
31
75365
1243
vagy belebotlunk,
01:28
or some bird might eat.
32
76632
1458
vagy amit egy madár megehet.
01:30
So I started telling people
what I was doing,
what I was doing,
33
78769
2652
Elkezdtem mesélni erről másoknak,
01:33
and they started participating.
34
81445
2356
akik elkezdtek csatlakozni.
01:36
One day,
35
84831
1693
Egyik nap
01:38
this photo showed up from China.
36
86548
2528
ez a kép jött Kínából.
01:42
And that's when I realized
37
90039
1271
Akkor megértettem,
01:43
that Litterati was more
than just pretty pictures;
than just pretty pictures;
38
91334
3266
a Litterati nemcsak jó képekből áll,
01:46
we were becoming a community
that was collecting data.
that was collecting data.
39
94624
3369
hanem olyan közösséggé váltunk,
amely adatokat gyűjt.
amely adatokat gyűjt.
01:50
Each photo tells a story.
40
98869
1890
Minden kép egy történet.
01:53
It tells us who picked up what,
41
101279
2193
Elmondja, hogy ki mit szedett össze,
01:55
a geotag tells us where
42
103496
2011
a geotag a helyszínről,
01:57
and a time stamp tells us when.
43
105531
2030
az időbélyeg az időpontról tájékoztat.
02:00
So I built a Google map,
44
108006
2429
Készítettem egy saját Google-térképet,
02:02
and started plotting the points
where pieces were being picked up.
where pieces were being picked up.
45
110459
4053
és elkezdtem bejelölni azokat a pontokat,
ahol szemetet szedtünk fel.
ahol szemetet szedtünk fel.
02:06
And through that process,
the community grew
the community grew
46
114536
3918
Eközben a közösség egyre nagyobb lett,
02:10
and the data grew.
47
118478
1639
az adatok pedig gyarapodtak.
02:12
My two kids go to school
right in that bullseye.
right in that bullseye.
48
120806
3461
A két gyerekem is ezzel a mottóval
megy iskolába.
megy iskolába.
02:17
Litter:
49
125125
1211
Szemét:
02:18
it's blending into
the background of our lives.
the background of our lives.
50
126360
2704
háttérbe szorul a mindennapjainkban,
02:21
But what if we brought it
to the forefront?
to the forefront?
51
129088
2099
de mi lenne, ha előtérbe kerülne?
02:23
What if we understood exactly
what was on our streets,
what was on our streets,
52
131211
2912
Mi lenne, ha pontosan tudnánk,
hogy mi van az utcákon,
hogy mi van az utcákon,
02:26
our sidewalks
53
134147
1389
a járdákon,
02:27
and our school yards?
54
135560
1538
az iskolaudvarokon.
02:29
How might we use that data
to make a difference?
to make a difference?
55
137122
3247
Mi lenne, ha az adatok segítségével
tudnánk változást elérni?
tudnánk változást elérni?
02:33
Well, let me show you.
56
141189
1198
Hadd mutassam meg.
02:34
The first is with cities.
57
142411
1385
Először nézzük a városokat.
02:36
San Francisco wanted to understand
what percentage of litter was cigarettes.
what percentage of litter was cigarettes.
58
144418
4639
A San Franciscó-i vezetés tudni akarta,
a szemét hány százaléka cigarettacsikk.
a szemét hány százaléka cigarettacsikk.
02:41
Why?
59
149081
1162
Miért?
02:42
To create a tax.
60
150267
1209
Hogy adót vessenek ki rá.
02:44
So they put a couple of people
in the streets
in the streets
61
152073
2135
Néhány embert az utcára vezényeltek,
akik tollal és jegyzetfüzettel a kezükben
02:46
with pencils and clipboards,
62
154232
1361
02:47
who walked around collecting information
63
155617
2063
gyűjtötték az információkat.
02:49
which led to a 20-cent tax
on all cigarette sales.
on all cigarette sales.
64
157704
3111
Az eredmény: 20%-os adó bevezetése
a cigarettaértékesítésre.
a cigarettaértékesítésre.
02:53
And then they got sued
65
161787
2153
A nagy dohánygyárak
02:55
by big tobacco,
66
163964
1176
pert indítottak,
02:57
who claimed that collecting information
with pencils and clipboards
with pencils and clipboards
67
165164
3216
mondván, hogy tollal és jegyzetfüzettel
nem lehet
nem lehet
03:00
is neither precise nor provable.
68
168404
2331
pontos és megbízható
információt gyűjteni.
információt gyűjteni.
03:03
The city called me and asked
if our technology could help.
if our technology could help.
69
171454
3680
A városvezetés felhívott,
hogy a mi technológiánk tud-e segíteni.
hogy a mi technológiánk tud-e segíteni.
03:07
I'm not sure they realized
70
175158
1249
Nem igazán tudták,
03:08
that our technology
was my Instagram account --
was my Instagram account --
71
176431
2248
hogy a mi technológiánk
az én Instagram-fiókom volt.
az én Instagram-fiókom volt.
03:10
(Laughter)
72
178703
1039
(Nevetés)
03:11
But I said, "Yes, we can."
73
179766
1266
De azt mondtam: "Igen."
03:13
(Laughter)
74
181056
1016
(Nevetés)
03:14
"And we can tell you
if that's a Parliament or a Pall Mall.
if that's a Parliament or a Pall Mall.
75
182096
3908
"És meg tudjuk mondani, hogy a cigaretta
Parliament vagy Pall Mall.
Parliament vagy Pall Mall.
03:18
Plus, every photograph
is geotagged and time-stamped,
is geotagged and time-stamped,
76
186028
3425
Plusz, minden kép geotaggel
és időbélyegzővel van ellátva,
és időbélyegzővel van ellátva,
03:21
providing you with proof."
77
189477
1381
így bizonyítékul szolgálnak."
03:23
Four days and 5,000 pieces later,
78
191839
3220
Négy nap és 5000 cigarettacsikk után
03:27
our data was used in court
to not only defend but double the tax,
to not only defend but double the tax,
79
195083
4938
adataink a bíróságon nemcsak megvédték,
hanem megduplázták az adót,
hanem megduplázták az adót,
03:32
generating an annual recurring revenue
of four million dollars
of four million dollars
80
200045
4323
és évente négymillió dolláros
bevételt termelnek,
bevételt termelnek,
03:36
for San Francisco to clean itself up.
81
204392
2295
amiből a város megtisztíthatja magát.
03:40
Now, during that process
I learned two things:
I learned two things:
82
208001
2235
A folyamat során két dolgot tanultam meg.
03:42
one, Instagram is not the right tool --
83
210260
2554
Egy: az Instagram nem a megfelelő eszköz,
03:44
(Laughter)
84
212838
1031
(Nevetés)
ezért kifejlesztettünk egy alkalmazást.
03:45
so we built an app.
85
213893
1503
03:47
And two, if you think about it,
86
215420
1633
Kettő: ha belegondolunk,
03:49
every city in the world
has a unique litter fingerprint,
has a unique litter fingerprint,
87
217077
3617
a világ minden városának
eltérő a szemétkibocsátása,
eltérő a szemétkibocsátása,
03:52
and that fingerprint provides
both the source of the problem
both the source of the problem
88
220718
3836
és ez a kibocsátás egyaránt jelenti
a probléma forrását
a probléma forrását
03:56
and the path to the solution.
89
224578
1921
és a megoldás útját.
03:59
If you could generate a revenue stream
90
227646
2378
Ha bevételi forrást lehet teremteni
04:02
just by understanding
the percentage of cigarettes,
the percentage of cigarettes,
91
230048
2463
a cigarettacsikkek százalékának
ismeretével,
ismeretével,
04:04
well, what about coffee cups
92
232535
2096
mi a helyzet a kávés csészék
04:06
or soda cans
93
234655
1706
üdítős dobozok,
04:08
or plastic bottles?
94
236385
1414
műanyag palackok esetében?
04:10
If you could fingerprint San Francisco,
well, how about Oakland
well, how about Oakland
95
238501
3201
Ha lehet mérni San Francisco
szemétkibocsátását, mi a helyzet
szemétkibocsátását, mi a helyzet
04:13
or Amsterdam
96
241726
1696
Oakland vagy Amsterdam esetében,
04:15
or somewhere much closer to home?
97
243446
2970
vagy az otthonunkhoz sokkal
közelebb eső helyen?
közelebb eső helyen?
04:19
And what about brands?
98
247408
1234
És a márkák?
04:20
How might they use this data
99
248666
1901
Hogyan hangolhatják össze
04:22
to align their environmental
and economic interests?
and economic interests?
100
250591
4212
környezeti és gazdasági érdekeiket
az adatok segítségével?
az adatok segítségével?
04:27
There's a block in downtown Oakland
that's covered in blight.
that's covered in blight.
101
255646
3212
Van Oakland belvárosában
egy lepusztult háztömb.
egy lepusztult háztömb.
04:31
The Litterati community got together
and picked up 1,500 pieces.
and picked up 1,500 pieces.
102
259325
4104
A Litterati közössége összefogott
és 1500 darab szemetet szedett fel.
és 1500 darab szemetet szedett fel.
04:35
And here's what we learned:
103
263812
1340
Megtudtuk,
04:37
most of that litter came
from a very well-known taco brand.
from a very well-known taco brand.
104
265176
3210
hogy a szemét nagy része
egy jól ismert taco márkától származik.
egy jól ismert taco márkától származik.
04:41
Most of that brand's litter
were their own hot sauce packets,
were their own hot sauce packets,
105
269738
3577
Ezen belül is a szemét nagy részét
a csípős szósz tasakjai tették ki,
a csípős szósz tasakjai tették ki,
04:46
and most of those hot sauce packets
hadn't even been opened.
hadn't even been opened.
106
274438
3626
amelyeket nagyrészt fel sem bontottak.
04:51
The problem and the path
to the solution --
to the solution --
107
279965
2715
A probléma és a megoldás kulcsa
04:54
well, maybe that brand only
gives out hot sauce upon request
gives out hot sauce upon request
108
282704
3961
talán az, hogy a cég
csak kérésre ad csípős szószt,
csak kérésre ad csípős szószt,
04:58
or installs bulk dispensers
109
286689
2009
vagy adagolókat helyez ki,
05:00
or comes up with more
sustainable packaging.
sustainable packaging.
110
288722
2552
vagy jobb minőségű csomagolást vezet be.
05:03
How does a brand take
an environmental hazard,
an environmental hazard,
111
291298
2969
Hogyan alakítja át a környezeti veszélyt
05:06
turn it into an economic engine
112
294291
2006
a gazdasági fejlődés motorjává,
05:08
and become an industry hero?
113
296321
1768
és hogyan lesz példakép egy cég?
05:11
If you really want to create change,
114
299292
2202
Ha tényleg változtatni akarunk,
05:13
there's no better place to start
than with our kids.
than with our kids.
115
301518
2874
a legjobb, ha a gyerekeinkkel kezdjük.
05:16
A group of fifth graders picked up
1,247 pieces of litter
1,247 pieces of litter
116
304416
3403
Ötödik osztályos gyerekek egy csoportja
1247 darab szemetet szedett fel
1247 darab szemetet szedett fel
05:19
just on their school yard.
117
307843
1848
csak az iskolájuk udvarán.
05:21
And they learned that the most
common type of litter
common type of litter
118
309715
2532
Mint megtudták, a leggyakoribb szemét
05:24
were the plastic straw wrappers
from their own cafeteria.
from their own cafeteria.
119
312271
3234
a műanyag szívószál tasakja volt
a saját büféjükből.
a saját büféjükből.
05:27
So these kids went
to their principal and asked,
to their principal and asked,
120
315947
2529
A gyerekek odamentek az igazgatóhoz
és megkérdezték:
és megkérdezték:
05:30
"Why are we still buying straws?"
121
318500
1660
"Miért veszünk mi szívószálat?"
05:33
And they stopped.
122
321166
1755
Többé nem vettek.
05:34
And they learned that individually
they could each make a difference,
they could each make a difference,
123
322945
3654
Megtanulták, hogy egyenként is
lehet változtatni,
lehet változtatni,
05:38
but together they created an impact.
124
326623
2338
de együtt hatást gyakoroltak
a környezetükre.
a környezetükre.
05:41
It doesn't matter
if you're a student or a scientist,
if you're a student or a scientist,
125
329503
4012
Nem számít, hogy valaki diák vagy tudós,
05:45
whether you live in Honolulu or Hanoi,
126
333539
3135
hogy Honoluluban vagy Hanoiban él,
05:48
this is a community for everyone.
127
336698
2441
ez a közösség mindenki számára nyitott.
05:51
It started because of two little kids
in the Northern California woods,
in the Northern California woods,
128
339974
4679
Két gyermekünkkel az észak-kaliforniai
erdőben történtek miatt jött létre,
erdőben történtek miatt jött létre,
05:56
and today it's spread across the world.
129
344677
2814
ma pedig az egész világot átszövi.
05:59
And you know how we're getting there?
130
347938
1783
És tudják, hogyan jutunk el céljainkhoz?
06:02
One piece at a time.
131
350067
1878
Apránként.
06:04
Thank you.
132
352508
1215
Köszönöm.
06:05
(Applause)
133
353747
3618
(Taps)
ABOUT THE SPEAKER
Jeff Kirschner - EntrepreneurJeff Kirschner created a global community that's eradicating litter one piece at a time.
Why you should listen
When his 4-year old daughter saw a plastic tub of cat litter in the woods, little did Jeff Kirschner realize that it would be the spark for creating Litterati -- a global movement that's "crowdsource-cleaning" the planet one piece of litter at a time.
Featured in National Geographic, Time Magazine, Fast Company and USA Today, Litterati has become a shining example of how communities are using technology and data to solve our world's most complex problems.
Kirschner has shared the Litterati story at Fortune 500 companies such as Google, Facebook and Uber, keynoted environmental summits at the Monterey Bay Aquarium and Keep America Beautiful, as well as leading schools including Stanford, MIT and the University of Michigan. He was recently a TED Resident, where he developed Litterati into an idea worth spreading.
Jeff Kirschner | Speaker | TED.com