TEDGlobal 2005
Clay Shirky: Institutions vs. collaboration
Clay Shirky: intézmény vagy együttműködés
Filmed:
Readability: 4.4
1,321,687 views
Clay Shirky 2005-ös beszédében előre látta, hogy a zárt csoportokat és cégeket le fogják váltani lazább szerveződésű hálózatok, amikben bármilyen kis hozzájárulás értékes, és a természetes együttműködés helyettesíti a rigorózus tervezést.
Clay Shirky - Social Media Theorist
Clay Shirky argues that the history of the modern world could be rendered as the history of ways of arguing, where changes in media change what sort of arguments are possible -- with deep social and political implications. Full bio
Clay Shirky argues that the history of the modern world could be rendered as the history of ways of arguing, where changes in media change what sort of arguments are possible -- with deep social and political implications. Full bio
Double-click the English transcript below to play the video.
00:12
How do groups get anything done? Right?
0
0
3000
Mitől működnek a csoportok? Hm?
00:15
How do you organize a group of individuals
1
3000
2000
Hogy szervezel meg önálló egyéneket,
00:17
so that the output of the group
2
5000
2000
hogy csoportként koherens eredményt
00:19
is something coherent and of lasting value,
3
7000
2000
legyenek képes előállítani,
00:21
instead of just being chaos?
4
9000
2000
és nem csak valami káoszt?
00:23
And the economic framing of that problem
5
11000
3000
Ennek a problémának a gazdaságtani megközelítése
00:26
is called coordination costs.
6
14000
2000
az úgynevezett koordinációs költség.
00:28
And a coordination cost is essentially all of the financial
7
16000
4000
A koordinációs költség lényegében minden anyagi
00:32
or institutional difficulties in arranging group output.
8
20000
4000
és szervezeti nehézség, ami a csoport szervezése közben felmerül.
00:36
And we've had a classic answer for coordination costs,
9
24000
3000
A klasszikus válasz a koordinációs problmémára az,
00:39
which is, if you want to coordinate the work of a group of people,
10
27000
3000
hogy ha egy bizonyos munkát akarunk végeztetni egy csoporttal,
00:42
you start an institution, right? You raise some resources.
11
30000
2000
létrehozunk egy intézményt. Szerzünk némi erőforrást,
00:44
You found something. It can be private or public.
12
32000
3000
alapítunk egy szervezetet. Köz- vagy magánintézményt.
00:47
It can be for profit or not profit. It can be large or small.
13
35000
3000
Piacit vagy nonprofitot. Kicsit vagy nagyot.
00:50
But you get these resources together.
14
38000
2000
De mindenképp össze kell szedni az erőforrásokat.
00:52
You found an institution, and you use the institution
15
40000
3000
Létrehozni a szervezetet, és aztán felhasználni arra,
00:55
to coordinate the activities of the group.
16
43000
2000
hogy a csoport tevékenységét megszervezze.
00:57
More recently, because the cost of letting groups
17
45000
4000
De legújabban, amióta a kommunikációs költségek
01:01
communicate with each other has fallen through the floor --
18
49000
3000
lezuhantak a pincébe, és mivel
01:04
and communication costs are one of the big
19
52000
2000
a kommunikációs költség egy komoly tétel,
01:06
inputs to coordination -- there has been a second answer,
20
54000
4000
született egy másik válasz is.
01:10
which is to put the cooperation into the infrastructure,
21
58000
4000
Az, hogy a kooperációt belekódoljuk a rendszerbe.
01:14
to design systems that coordinate the output
22
62000
3000
A rendszer maga koordinálja a csoport tevékenységét,
01:17
of the group as a by-product of the operating of the system,
23
65000
3000
az eredmény a rendszer üzemeltetése során jön létre,
01:20
without regard to institutional models.
24
68000
3000
intézményi modell nélkül.
01:23
So, that's what I want to talk about today.
25
71000
2000
Erről fogok most beszélni.
01:25
I'm going to illustrate it with some fairly concrete examples,
26
73000
2000
Konkrét példákon fogom bemutatni,
01:27
but always pointing to the broader themes.
27
75000
4000
de észben tartva teljes képet.
01:31
So, I'm going to start by trying to answer a question
28
79000
2000
Próbáljunk meg kezdésnek megválaszolni egy kérdést,
01:33
that I know each of you will have asked yourself at some point or other,
29
81000
2000
amit, gondolom, mindnyájan feltettek maguknak egyszer,
01:35
and which the Internet is purpose-built to answer,
30
83000
2000
és amire választ adni az internet kimondott célja:
01:37
which is, where can I get a picture of a roller-skating mermaid?
31
85000
4000
Hogy szerezhetnék egy képet görkorcsolyázó hableányról?
01:41
So, in New York City, on the first Saturday of every summer,
32
89000
4000
Minden nyár első szombatján, New Yorkban,
01:45
Coney Island, our local, charmingly run-down amusement park,
33
93000
3000
a Coney Island-on, a kissé kopott helyi vidámparkban
01:48
hosts the Mermaid Parade. It's an amateur parade;
34
96000
3000
megrendezik a Hableány Fesztivált. Ez egy amatőr felvonulás,
01:51
people come from all over the city; people get all dressed up.
35
99000
3000
az egész városból jönnek emberek, beöltözve.
01:54
Some people get less dressed up.
36
102000
2000
Néhányan kevésbé beöltözve.
01:56
Young and old, dancing in the streets.
37
104000
3000
Fiatal és öreg táncol az utcán.
01:59
Colorful characters, and a good time is had by all.
38
107000
3000
Mindenféle szines alakok, és mindenki jól érzi magát.
02:02
And what I want to call your attention to is not the Mermaid Parade itself,
39
110000
2000
Amire felhívnám a figyelmet, az nem a Hableány Fesztivál,
02:04
charming though it is, but rather to these photos.
40
112000
3000
mégoly bájos is, hanem a fényképek.
02:07
I didn't take them. How did I get them?
41
115000
3000
Nem én készítettem őket. Honnan vannak?
02:10
And the answer is: I got them from Flickr.
42
118000
2000
A válasz: a Flickr-ről.
02:12
Flickr is a photo-sharing service
43
120000
3000
A Flickr egy képmegosztó oldal,
02:15
that allows people to take photos, upload them,
44
123000
2000
ahova bárki feltöltheti a saját fényképeit,
02:17
share them over the Web and so forth.
45
125000
1000
és megoszthatja őket.
02:18
Recently, Flickr has added an additional function called tagging.
46
126000
4000
Újabban a Flickr egy új szolgáltatást vezetett be, a cimkézést.
02:22
Tagging was pioneered by Delicious and Joshua Schachter.
47
130000
3000
A cimkézést a Del.icio.us illetve Joshua Schachter kezdte.
02:25
Delicious is a social bookmarking service.
48
133000
2000
A Del.icio.us egy közösségi könyvjelző szolgáltatás.
02:27
Tagging is a cooperative infrastructure answer to classification.
49
135000
5000
A cimkézés egy kooperatív infrastruktúra, ami osztályozásra való.
02:32
Right? If I had given this talk last year,
50
140000
3000
Ha ezt a beszédet tavaly mondom el,
02:35
I couldn't do what I just did,
51
143000
2000
nem tudtam volna ezt megtenni,
02:37
because I couldn't have found those photos.
52
145000
2000
nem tudtam volna ezeket a képeket beszerezni.
02:39
But instead of saying,
53
147000
2000
Ahelyett, hogy
02:41
we need to hire a professional class of librarians
54
149000
2000
felvett volna egy csapat könyvtárost,
02:43
to organize these photos once they're uploaded,
55
151000
2000
akik osztályozzák a feltöltött képeket,
02:45
Flickr simply turned over to the users
56
153000
3000
a Flickr a felhasználóknak adta meg
02:48
the ability to characterize the photos.
57
156000
2000
a lehetőséget a kategorizálásra.
02:50
So, I was able to go in and draw down photos that had been tagged
58
158000
3000
Tehát le tudtam keresni azokat a képeket, amikhez megadták a
02:53
"Mermaid Parade." There were 3,100 photos taken by 118 photographers,
59
161000
6000
"Hableány Fesztivál" cimkét. 3100 ilyet találtam, 118 fotóstól,
02:59
all aggregated and then put under this nice, neat name,
60
167000
3000
csináltam belőlük egy gyűjteményt, adtam neki egy szép nevet,
03:02
shown in reverse chronological order.
61
170000
2000
és időben visszafelé rendeztem el.
03:04
And I was then able to go and retrieve them
62
172000
2000
Aztán le tudtam tölteni, hogy ezt a kis
03:06
to give you that little slideshow.
63
174000
2000
diavetítést csináljam belőle.
03:08
Now, what hard problem is being solved here?
64
176000
3000
Milyen problémát kellett itt megoldani?
03:11
And it's -- in the most schematic possible view,
65
179000
2000
Erősen leegyszerüsített ábrázolásban
03:13
it's a coordination problem, right?
66
181000
2000
ez egy koordinációs probléma.
03:15
There are a large number of people on the Internet,
67
183000
2000
Rengeteg ember van az interneten,
03:17
a very small fraction of them have photos of the Mermaid Parade.
68
185000
4000
de csak kis részüknek van fotója a Hableány Fesztiválról.
03:21
How do we get those people together to contribute that work?
69
189000
4000
Hogy tudom ezeket az embereket rávenni, hogy közreműködjenek?
03:25
The classic answer is to form an institution, right?
70
193000
3000
A klasszikus válasz szerint létrehozunk egy intézményt.
03:28
To draw those people into some prearranged structure
71
196000
4000
Bevonjuk azokat az embereket egy megtervezett struktúrába,
03:32
that has explicit goals.
72
200000
2000
amielynek kitűzött céljai vannak.
03:34
And I want to call your attention to
73
202000
2000
Azt kérem, vegyék észre
03:36
some of the side effects of going the institutional route.
74
204000
5000
az intézményes megoldás néhány mellékhatását.
03:41
First of all, when you form an institution,
75
209000
2000
Először is, amikor léthehozunk egy intézményt,
03:43
you take on a management problem, right?
76
211000
2000
szembenézünk az irányítás problémájával.
03:45
No good just hiring employees,
77
213000
2000
Nem csak dolgozókra van szükség,
03:47
you also have to hire other employees to manage those employees
78
215000
3000
hanem olyan dolgozókra is, akik más dolgozókat irányítanak,
03:50
and to enforce the goals of the institution and so forth.
79
218000
3000
hogy érvényre juttassák az intézmény célkitűzéseit.
03:53
Secondly, you have to bring structure into place.
80
221000
3000
Másodszor, struktúrákat kell létrehozni.
03:56
Right? You have to have economic structure.
81
224000
2000
Gazdasági struktúrát.
03:58
You have to have legal structure.
82
226000
2000
Jogi struktúrát.
04:00
You have to have physical structure.
83
228000
1000
Fizikai struktúrát.
04:01
And that creates additional costs.
84
229000
3000
És ez pluszköltséget okoz.
04:04
Third, forming an institution is inherently exclusionary.
85
232000
4000
Harmadszor, az intézmény szükségképpen kirekeszt.
04:08
You notice we haven't got everybody who has a photo.
86
236000
4000
Vegyék észre, hogy nem mindeki vesz részt benne.
04:12
You can't hire everyone in a company, right?
87
240000
3000
Nem vehetünk fel mindenkit, igaz?
04:15
You can't recruit everyone into a governmental organization.
88
243000
3000
Nem vehetünk fel mindenkit egy állami szervezetbe.
04:18
You have to exclude some people.
89
246000
2000
Néhányakat ki kell hagyni.
04:20
And fourth, as a result of that exclusion,
90
248000
2000
És negyedszer, a kirekesztés következtében,
04:22
you end up with a professional class. Look at the change here.
91
250000
4000
végül egy hivatásos osztályt kapunk. Most lássuk a változást.
04:26
We've gone from people with photos to photographers.
92
254000
3000
Fényképező emberekből fényképészek lettek.
04:29
Right? We've created a professional class of photographers
93
257000
4000
Létrehoztunk egy hivatásos fényképész szakmát,
04:33
whose goal is to go out and photograph the Mermaid Parade,
94
261000
2000
aminek feladata, hogy fotókat készítsen a Hableány Fesztiválról,
04:35
or whatever else they're sent out to photograph.
95
263000
5000
vagy bármi más dologról, ami éppen a téma.
04:40
When you build cooperation into the infrastructure,
96
268000
3000
Ha viszont a rendszerbe építjük bele a kooperációt,
04:43
which is the Flickr answer,
97
271000
3000
ami a Flickr megoldás,
04:46
you can leave the people where they are
98
274000
2000
az emberek helyben maradnak,
04:48
and you take the problem to the individuals, rather than
99
276000
4000
és a problémát visszük hozzájuk, ahelyett, hogy
04:52
moving the individuals to the problem.
100
280000
1000
az egyént vinnénk a problémához.
04:53
You arrange the coordination in the group, and by doing that
101
281000
7000
Megszervezzük a csoporton belüli koordinációt, és ezzel
05:00
you get the same outcome, without the institutional difficulties.
102
288000
4000
ugyanazt az eredményt érjük el az intézmények hátrányai nélkül.
05:04
You lose the institutional imperative.
103
292000
2000
Ezzel elvesztjük a kezdeményezést.
05:06
You lose the right to shape people's work when it's volunteer effort,
104
294000
3000
Nem tudjuk alakítani az emberek tevékenységét, mivel önkéntes,
05:09
but you also shed the institutional cost,
105
297000
3000
de ezzel együtt megszabadultunk a költségtől is,
05:12
which gives you greater flexibility.
106
300000
2000
ami nagyobb rugalmasságot ad.
05:14
What Flickr does is it replaces planning with coordination.
107
302000
5000
A Flickr koordinációval helyettesíti a tervezést.
05:19
And this is a general aspect of these cooperative systems.
108
307000
3000
Ez általános jellemzője ezeknek a kooperatív rendszereknek.
05:22
Right. You'll have experienced this in your life
109
310000
3000
Egyébként önök is megtapasztalták már,
05:25
whenever you bought your first mobile phone,
110
313000
2000
amikor megvették az első mobiljukat,
05:27
and you stopped making plans.
111
315000
2000
és többé nem tervezték meg a dolgokat.
05:29
You just said, "I'll call you when I get there."
112
317000
2000
Majd hívlak, ha odaérek, mondják.
05:31
"Call me when you get off work." Right?
113
319000
2000
Csörrenj rám, ha végzel, oké?
05:33
That is a point-to-point replacement of coordination with planning.
114
321000
5000
A tervezést a személyes egyeztetés veszi át.
05:38
Right. We're now able to do that kind of thing with groups.
115
326000
4000
Tehát ma már képesek vagyunk ilyesmit csinálni egy csoportban.
05:42
To say instead of, we must make an advance plan,
116
330000
3000
Ahelyett, hogy lenne egy fejlődési tervünk,
05:45
we must have a five-year projection
117
333000
1000
hogy ötéves előrejelzést készítenénk,
05:46
of where the Wikipedia is going to be, or whatever,
118
334000
3000
hogy hol áll majd a Wikipédia vagy bármi más,
05:49
you can just say, let's coordinate the group effort,
119
337000
3000
csak annyit teszünk, hogy koordináljuk a csoport erőfeszítéseit,
05:52
and let's deal with it as we go,
120
340000
2000
és majd foglalkozunk vele, miközben alakul,
05:54
because we're now well-enough coordinated
121
342000
1000
mivel a csoport elég jól koordinált,
05:55
that we don't have to take on the problems of deciding in advance what to do.
122
343000
5000
nem szükséges az egyes problémákkal idejekorán foglalkozni.
06:00
So here's another example. This one's somewhat more somber.
123
348000
3000
Itt van egy másik példa, kissé komorabb.
06:03
These are photos on Flickr tagged "Iraq."
124
351000
2000
Ezek a képek kaptak a Flickr-en "Iraq" cimkét.
06:09
And everything that was hard about the coordination cost
125
357000
3000
Mindazok a költségek, amik a Hableány Fesztiválnál
06:12
with the Mermaid Parade is even harder here.
126
360000
3000
fennáltak, itt még erősebben jelentkeznek.
06:15
There are more pictures. There are more photographers.
127
363000
3000
Sokkal több a kép. Több a fotós.
06:18
It's taken over a wider geographic area.
128
366000
4000
Nagyobb területről van szó.
06:22
The photos are spread out over a longer period of time.
129
370000
2000
Hosszabb időszak alatt készültek a képek.
06:24
And worst of all, that figure at the bottom,
130
372000
4000
A legrosszabb az, hogy a szám alul,
06:28
approximately ten photos per photographer, is a lie.
131
376000
4000
a körülbelül tíz fotó per fotós, az nem igaz.
06:32
It's mathematically true,
132
380000
2000
Matematikailag igaz,
06:34
but it doesn't really talk about anything important --
133
382000
2000
de nem mond semmi lényegeset a valóságról,
06:36
because in these systems, the average isn't really what matters.
134
384000
5000
mivel egy ilyen rendszerben az átlag nem igazán számít.
06:41
What matters is this.
135
389000
2000
Ami számít, az a következő.
06:43
This is a graph of photographs tagged Iraq
136
391000
5000
Ez a grafikon mutatja az "Irak" cimkés fotókat,
06:48
as taken by the 529 photographers who contributed the 5,445 photos.
137
396000
6000
529 fotós munkáját, akik összesen 5445 képet készítettek.
06:54
And it's ranked in order of number of photos taken per photographer.
138
402000
5000
Sorba van rendezve aszerint, hogy hány fotót csinált az adott személy.
06:59
You can see here, over at the end,
139
407000
2000
Láthatjuk, hogy ezen a szélén
07:01
our most prolific photographer has taken around 350 photos,
140
409000
4000
a legszorgosabb fotós van 350 képpel.
07:05
and you can see there's a few people who have taken hundreds of photos.
141
413000
4000
Látható néhány ember, akik párszáz képet csináltak.
07:09
Then there's dozens of people who've taken dozens of photos.
142
417000
3000
Pár tucat ember csinált pár tucat képet.
07:12
And by the time we get around here,
143
420000
2000
És ettől a ponttól kezdve,
07:14
we get ten or fewer photos, and then there's this long, flat tail.
144
422000
4000
tíz vagy kevesebb kép, majd egy hosszú, lapos farok.
07:18
And by the time you get to the middle,
145
426000
2000
Nagyjából a felétől kezdve
07:20
you've got hundreds of people
146
428000
2000
több százan következnek,
07:22
who have contributed only one photo each.
147
430000
3000
akik egyetlen képet töltöttek fel.
07:25
This is called a power-law distribution.
148
433000
2000
Ez a hatványfüggvényeloszlás.
07:27
It appears often in unconstrained social systems
149
435000
5000
Ez látható minden kötöttség nélküli közösségi rendszerben.
07:32
where people are allowed to contribute as much or as little as they like --
150
440000
4000
Ha a tagok annyit tesznek a közösbe, amennyit akarnak,
07:36
this is often what you get. Right?
151
444000
2000
gyakran kapjuk ezt.
07:38
The math behind the power-law distribution is that whatever's in the nth position
152
446000
4000
A matematikája az a hatványfüggvényeloszlásnak, hogy az n-edik helyezett
07:42
is doing about one-nth of whatever's being measured,
153
450000
3000
körülbelül n-ned annyit ad a közösbe,
07:45
relative to the person in the first position.
154
453000
2000
mint az első helyezett.
07:47
So, we'd expect the tenth most prolific photographer
155
455000
2000
Tehát mondjuk a tizedik legtermékenyebb fotós
07:49
to have contributed about a tenth of the photos,
156
457000
3000
tizedannyi fotót tett fel,
07:52
and the hundredth most prolific photographer
157
460000
2000
és a századik legtermékenyebb pedig
07:54
to have contributed only about a hundred as many photos
158
462000
3000
századannyi fotót tett fel,
07:57
as the most prolific photographer did.
159
465000
2000
mint a legtermékenyebb.
07:59
So, the head of the curve can be sharper or flatter.
160
467000
4000
A görbe lehet laposabb vagy meredekebb,
08:03
But that basic math accounts both for the steep slope
161
471000
2000
de ugyanaz a matematika van a felfutó rész mögött,
08:05
and for the long, flat tail.
162
473000
2000
és a hosszú farok mögött.
08:07
And curiously, in these systems, as they grow larger,
163
475000
3000
Érdekes módon ha a közösség mérete növekszik,
08:10
the systems don't converge; they diverge more.
164
478000
4000
az egyének nem közelednek egymáshoz, hanem éppen távolodnak.
08:14
In bigger systems, the head gets bigger
165
482000
1000
Nagyobb közösségben a fej is magasabb,
08:15
and the tail gets longer, so the imbalance increases.
166
483000
6000
a farok is hosszabb, az egyenlőtlenség növekszik.
08:21
You can see the curve is obviously heavily left-weighted. Here's how heavily:
167
489000
4000
Látható, hogy a görbe bal oldala túlsúlyos. Hogy mennyire?
08:25
if you take the top 10 percent of photographers contributing to this system,
168
493000
4000
Ha vesszük a fotósok felső tíz százalékát,
08:29
they account for three quarters of the photos taken --
169
497000
4000
ők töltötték fel a fotók háromnegyed részét.
08:33
just the top 10 percent most prolific photographers.
170
501000
3000
Csupán a legtermékenyebb tíz százalék.
08:36
If you go down to five percent,
171
504000
2000
Ha lemegyünk öt százalékra,
08:38
you're still accounting for 60 percent of the photos.
172
506000
3000
még mindig a képek hatvan százalékánál tartunk.
08:41
If you go down to one percent, exclude 99 percent of the group effort,
173
509000
6000
Egy százalék esetén, tehát a csoport 99%-ának kizárásával,
08:47
you're still accounting for almost a quarter of the photos.
174
515000
3000
még mindig majdnem a negyedrésze van meg a képeknek.
08:50
And because of this left weighting,
175
518000
2000
Emiatt a túlsúlyosság miatt
08:52
the average is actually here, way to the left.
176
520000
5000
az átlag itt van, messze balra.
08:57
And that sounds strange to our ears,
177
525000
2000
És ez talán furcsán hangzik,
08:59
but what ends up happening is that 80 percent of the contributors
178
527000
3000
de ez a helyzet, a tagok nyolcvan százaléka
09:02
have contributed a below-average amount.
179
530000
3000
átlag alatti mennyiséget töltött fel.
09:05
That sounds strange because we expect average and middle
180
533000
2000
Ez furcsán hangzik, mert azt várjuk, hogy az átlag és a közép
09:07
to be about the same, but they're not at all.
181
535000
3000
nagyjából ugyanaz legyen, de ez nem így van.
09:10
This is the math underlying the 80/20 rule. Right?
182
538000
4000
Ez tehát az elmélet a 80/20-as szabály mögött.
09:14
Whenever you hear anybody talking about the 80/20 rule,
183
542000
2000
Amikor valaki a 80/20-as szabályról beszél,
09:16
this is what's going on. Right?
184
544000
2000
erről van szó.
09:18
20 percent of the merchandise accounts for 80 percent of the revenue,
185
546000
4000
Az árucikkek 20 százaléka hozza a bevétel 80 százalékát,
09:22
20 percent of the users use 80 percent of the resources --
186
550000
2000
a felhasználók 20 százaléka használja az erőforrások 80 százalékát -
09:24
this is the shape people are talking about when that happens.
187
552000
5000
erről a görbéről van szó ezekben az esetekben.
09:29
Institutions only have two tools: carrots and sticks.
188
557000
3000
Az intézményeknek két eszközük van: kockacukor és ostor.
09:32
And the 80 percent zone is a no-carrot and no-stick zone.
189
560000
4000
És a 80 százalékos zóna a cukor- és ostormentes zóna.
09:36
The costs of running the institution mean that you cannot
190
564000
9000
Az intézmény futsási költsége azt eredményezi, hogy
09:45
take on the work of those people easily in an institutional frame.
191
573000
3000
ezt a 80 százalékot nem tudjuk bevonni az intézmény keretei közé.
09:48
The institutional model always pushes leftwards,
192
576000
4000
Az intézményi modell balra törekszik,
09:52
treating these people as employees.
193
580000
2000
ezeket az emberek foglalkoztatva.
09:54
The institutional response is,
194
582000
1000
Az intézményi stratégia az,
09:55
I can get 75 percent of the value for 10 percent of the hires -- great,
195
583000
5000
hogy ha megkaphatom az eredmény 75%-át a 10%-nyi embertől, szuper!
10:00
that's what I'll do.
196
588000
2000
Ezt fogom tenni.
10:02
The cooperative infrastructure model says,
197
590000
2000
A kooperatív rendszer modell pedig azt mondja,
10:04
why do you want to give up a quarter of the value?
198
592000
3000
miért hagynám veszni az eredmény egynegyedét?
10:07
If your system is designed
199
595000
2000
Ha a rendszered olyan, hogy
10:09
so that you have to give up a quarter of the value,
200
597000
3000
az érték negyedét veszni hagyja,
10:12
re-engineer the system.
201
600000
3000
ideje áttervezni a rendszert.
10:15
Don't take on the cost that prevents you
202
603000
2000
Ne bánkódj a költségen, ami miatt
10:17
from getting to the contributions of these people.
203
605000
2000
nem tudod bevonni ezen emberek munkáját.
10:19
Build the system so that anybody can contribute at any amount.
204
607000
5000
Inkább építs olyan rendszert, amibe bárki bármit beleadhat.
10:24
So the coordination response asks not,
205
612000
6000
A koordinációs stratégia nem azt kérdi,
10:30
how are these people as employees, but rather,
206
618000
3000
mennyire jók ezek az emberek alkalmazottnak,
10:33
what is their contribution like? Right?
207
621000
2000
hanem azt, hogy mi a hozzájárulásuk.
10:35
We have over here Psycho Milt, a Flickr user,
208
623000
3000
Itt látható Psycho Milt, egy Flickr felhasználó,
10:38
who has contributed one, and only one, photo titled "Iraq."
209
626000
5000
aki egyetlen képet töltött fel "Iraq" cimkével.
10:43
And here's the photo. Right. Labeled, "Bad Day at Work."
210
631000
4000
Ez az a fotó. A címe: egy pocsék nap a melóban.
10:47
Right? So the question is,
211
635000
3000
A kérdés tehát,
10:50
do you want that photo? Yes or no.
212
638000
3000
kell neked ez a kép? Igen vagy nem?
10:53
The question is not, is Psycho Milt a good employee?
213
641000
4000
Nem pedig az, hogy Psycho Milt egy jó dolgozó-e.
10:57
And the tension here is between institution as enabler
214
645000
5000
A lényeges különbség aközött van, hogy az intézmény lehetővé tesz,
11:02
and institution as obstacle.
215
650000
2000
vagy akadályoz.
11:04
When you're dealing with the left-hand edge
216
652000
2000
Ha azokat az embereket nézzük,
11:06
of one of these distributions,
217
654000
2000
akik a görbe bal szélén vannak,
11:08
when you're dealing with the people who spend a lot of time
218
656000
2000
akik sok időt töltöttek azzal, hogy nagy mennyiséget
11:10
producing a lot of the material you want,
219
658000
2000
állítsanak elő a kivánt dologból,
11:12
that's an institution-as-enabler world.
220
660000
2000
akkor az intézmény lehetővé tesz.
11:14
You can hire those people as employees, you can coordinate their work
221
662000
3000
Fel tudod venni őket, meg tudod szervezni a munkájukat,
11:17
and you can get some output.
222
665000
2000
és megkapod az eredményt.
11:19
But when you're down here, where the Psycho Milts of the world
223
667000
2000
De ha ezt a részt nézzük itt lenn, ahol a Psycho Miltek vannak,
11:21
are adding one photo at a time,
224
669000
3000
akik egyetlen fotót adtak hozzá,
11:24
that's institution as obstacle.
225
672000
3000
akkor az intézmény akadályoz.
11:27
Institutions hate being told they're obstacles.
226
675000
4000
Az intézmények persze nem szeretik, ha akadálynak mondják őket.
11:31
One of the first things that happens
227
679000
2000
Amikor intézményi megoldást adsz egy problémára,
11:33
when you institutionalize a problem
228
681000
2000
az első dolog, ami történik, az az,
11:35
is that the first goal of the institution
229
683000
4000
hogy a intézmény elsődleges célja
11:39
immediately shifts from whatever the nominal goal was
230
687000
2000
az eredeti cél helyett rögtön eltolódik
11:41
to self-preservation.
231
689000
2000
az önfenntartás irányába.
11:43
And the actual goal of the institution goes to two through n.
232
691000
4000
Az igazi cél 2. vagy az n. helyre szorul vissza.
11:47
Right? So, when institutions are told they are obstacles,
233
695000
3000
Amikor szembesítesz egy intézmény azzal, hogy ő egy akadály,
11:50
and that there are other ways of coordinating the value,
234
698000
2000
és hogy másképpen is lehet értéket létrehozni,
11:52
they go through something a little bit like the Kubler-Ross stages --
235
700000
5000
a reakcióik a Kübler-Ross féle elfogadási fázisokra emlékeztetnek,
11:57
(Laughter)
236
705000
1000
(Nevetés)
11:58
-- of reaction, being told you have a fatal illness:
237
706000
2000
amik a halálos betegség elfogadását jellemzik:
12:00
denial, anger, bargaining, acceptance.
238
708000
4000
elutasítás, harag, alkudozás, beletörődés.
12:04
Most of the cooperative systems we've seen
239
712000
2000
Ezek a kooperatív rendszerek még nem elég régóta
12:06
haven't been around long enough
240
714000
1000
léteznek ahhoz, hogy az intézmények
12:07
to have gotten to the acceptance phase.
241
715000
3000
eljutottak volna az elfogadás fázisába.
12:10
Many, many institutions are still in denial,
242
718000
2000
A legtöbb intézmény még a tagadásnál tart,
12:12
but we're seeing recently a lot of both anger and bargaining.
243
720000
5000
de mostanában látni már haragot illetve alkudozást is.
12:17
There's a wonderful, small example going on right now.
244
725000
2000
Egy nagyon szép és aktuális példa:
12:19
In France, a bus company is suing people for forming a carpool,
245
727000
5000
egy francia tömegközlekedési cég pert indított autósok ellen,
12:24
right, because the fact that they have coordinated
246
732000
3000
akik együtt egy közös autóparkot hoztak létre,
12:27
themselves to create cooperative value is depriving them of revenue.
247
735000
6000
és ezzel a cég bevételtől esett el.
12:33
You can follow this in the Guardian.
248
741000
1000
Olvashatják a Guardian-ben.
12:34
It's actually quite entertaining.
249
742000
4000
Igazán szórakoztató eset.
12:38
The bigger question is,
250
746000
2000
Az igazi kérdés az,
12:40
what do you do about the value down here?
251
748000
3000
mit tehetünk az itt keletkező értékkel?
12:43
Right? How do you capture that?
252
751000
3000
Hogy lehet megfogni azt?
12:46
And institutions, as I've said, are prevented from capturing that.
253
754000
4000
Ahogy mondtam, az intézmények nem képesek rá.
12:50
Steve Ballmer, now CEO of Microsoft,
254
758000
2000
Steve Ballmer, a Microsoft jelenlegi elnöke
12:52
was criticizing Linux a couple of years ago, and he said,
255
760000
2000
pár éve kritizálta a Linuxot, mondván,
12:54
"Oh, this business of thousands of programmers
256
762000
2000
az egy legenda, hogy a Linuxnak
12:56
contributing to Linux, this is a myth.
257
764000
2000
többezer fejlesztője lenne.
12:58
We've looked at who's contributed to Linux,
258
766000
3000
Mivel megnéztük a hozzájárulásokat,
13:01
and most of the patches have been produced by programmers
259
769000
3000
és a legtöbb olyan programozóktól származott,
13:04
who've only done one thing." Right?
260
772000
4000
akik egyetlen változtatást csináltak.
13:08
You can hear this distribution under that complaint.
261
776000
4000
Szinte hallani ezt az eloszlást a panasz mögött.
13:12
And you can see why, from Ballmer's point of view,
262
780000
2000
És persze ez Ballmer szempontjából nézve
13:14
that's a bad idea, right?
263
782000
1000
nem tűnik jó ötletnek.
13:15
We hired this programmer, he came in, he drank our Cokes
264
783000
3000
Felvettük ezt az embert, issza a kólánkat,
13:18
and played Foosball for three years and he had one idea.
265
786000
2000
csocsózik három éven át, és ezalatt egyetlen ötlete van.
13:20
(Laughter)
266
788000
1000
(Nevetés)
13:21
Right? Bad hire. Right?
267
789000
3000
A fickó egy rossz választás volt.
13:24
(Laughter)
268
792000
2000
(Nevetés)
13:26
The Psycho Milt question is, was it a good idea?
269
794000
5000
A Psycho Milt kérdés pedig: az ötlet maga jó volt?
13:31
What if it was a security patch?
270
799000
2000
Mi van ha ez egy biztonsági rés javítása volt?
13:33
What if it was a security patch for a buffer overflow exploit,
271
801000
4000
Egy puffertúlcsordulásos betörési lehetőségé,
13:37
of which Windows has not some, [but] several?
272
805000
2000
amiből a Windowsban nem kevés van.
13:39
Do you want that patch, right?
273
807000
4000
Kell ez a javítás?
13:43
The fact that a single programmer can,
274
811000
2000
Az, hogy egy magányos programozó,
13:45
without having to move into a professional relation
275
813000
3000
anélkül, hogy bármiféle hivatalos kapcsolatban lenne
13:48
to an institution, improve Linux once
276
816000
3000
a céggel, képes javítani a Linuxon egyetlen egyszer,
13:51
and never be seen from again, should terrify Ballmer.
277
819000
4000
és eltűnni örökre, meg kéne rémítse Ballmert.
13:55
Because this kind of value is unreachable in classic
278
823000
4000
Mert ez az érték elérhetetlen a klasszikus
13:59
institutional frameworks, but is part of cooperative
279
827000
2000
intézményi keretben. Ellenben természetes része
14:01
systems of open-source software, of file sharing,
280
829000
3000
nyíltforrású szoftvereknek, a fájlmegosztásnak,
14:04
of the Wikipedia. I've used a lot of examples from Flickr,
281
832000
3000
a Wikipédiának. Én a Flickr-t hoztam fel példának,
14:07
but there are actually stories about this from all over.
282
835000
3000
de valójában rengeteg hasonló van mindenfelé.
14:10
Meetup, a service founded so that users could find people
283
838000
3000
A Meetup egy olyan szolgáltatás, amivel hasonló
14:13
in their local area who share their interests and affinities
284
841000
2000
érteklődési területű emberek egymásra találhatnak,
14:15
and actually have a real-world meeting offline in a cafe
285
843000
4000
és aztán akár személyesen is találkozhatnak egy kávézóban,
14:19
or a pub or what have you.
286
847000
2000
bárban vagy akárhol.
14:21
When Scott Heiferman founded Meetup,
287
849000
2000
Amikor Scott Heiferman létrehozta a Meetupot,
14:23
he thought it would be used for, you know,
288
851000
2000
azt gondolta, hogy a fő felhasználók
14:25
train spotters and cat fanciers -- classic affinity groups.
289
853000
2000
vonatmániások és macskabarátok, azaz a szokásos baráti körök lesznek.
14:27
The inventors don't know what the invention is.
290
855000
3000
A feltalálók nem tudják, mi is a találmány valójában.
14:30
Number one group on Meetup right now,
291
858000
2000
Mi a Meetup legnagyobb csoportja ma,
14:32
most chapters in most cities with most members, most active?
292
860000
3000
a legtöbb helyi csoporttal, legtöbb taggal és aktivitással?
14:35
Stay-at-home moms. Right?
293
863000
2000
A nem dolgozó anyukák.
14:37
In the suburbanized, dual-income United States,
294
865000
3000
A külvárosi életet élő, kétkeresős Egyesült Államokban
14:40
stay-at-home moms are actually missing
295
868000
3000
a nemdolgozó anyukáknak nem áll rendelkezésére
14:43
the social infrastructure that comes from extended family
296
871000
3000
szociális infrastruktúra, ami a távolabbi családtagoktól,
14:46
and local, small-scale neighborhoods.
297
874000
3000
vagy a szomszédságból fakadna.
14:49
So they're reinventing it, using these tools.
298
877000
3000
Ezért megteremtik maguknak.
14:52
Meetup is the platform,
299
880000
1000
A Meetup az eszköz,
14:53
but the value here is in social infrastructure.
300
881000
3000
de az érték a szociális infrastruktúra.
14:56
If you want to know what technology is going to change the world,
301
884000
3000
Ha tudni akarod, hogy mely technológia fogja megváltoztatni a világot,
14:59
don't pay attention to 13-year-old boys --
302
887000
2000
ne a 13 éves kölykökre figyelj.
15:01
pay attention to young mothers,
303
889000
2000
Figyelj a fiatal anyukákra,
15:03
because they have got not an ounce of support for technology
304
891000
3000
mert ők fikarcnyit se támogatnak olyan technológiát,
15:06
that doesn't materially make their lives better.
305
894000
3000
ami nem teszi az életüket valóban jobbá.
15:09
This is so much more important than Xbox,
306
897000
2000
Ez sokkal fontosabb, mint az Xbox,
15:11
but it's a lot less glitzy.
307
899000
2000
csak nem annyira csillivilli.
15:13
I think this is a revolution.
308
901000
2000
Úgy gondolom, ez egy forradalom.
15:15
I think that this is a really profound change
309
903000
3000
Azt hiszem, hogy ez egy mélyreható változás
15:18
in the way human affairs are arranged.
310
906000
1000
az emberi kapcsolatok alakulásában.
15:19
And I use that word advisedly.
311
907000
2000
Nem véletlenül használom ezt a kifejezést.
15:21
It's a revolution in that it's a change in equilibrium.
312
909000
3000
Ez egy forradalom abban az értelemben, hogy megváltoztatja az egyensúlyt.
15:24
It's a whole new way of doing things, which includes new downsides.
313
912000
6000
Ez egy teljesen új út, és persze megvannak az árnyoldalai.
15:30
In the United States right now, a woman named Judith Miller
314
918000
3000
Az Egyesült Államokban, e pillanatban, egy Judith Miller nevű nő
15:33
is in jail for not having given to a Federal Grand Jury her sources --
315
921000
5000
börtönben ül, amiért nem adta ki a forrásait az igazságszolgáltatásnak
15:38
she's a reporter for the New York Times --
316
926000
1000
- ő egyébként a New York Times újságírója -
15:39
her sources, in a very abstract and hard-to-follow case.
317
927000
3000
egy szövevényes és elvont ügy kapcsán.
15:42
And journalists are in the street rallying to improve the shield laws.
318
930000
3000
Az újságírók az utcára vontultak, hogy a újságírói védelmet kiterjesszék.
15:45
The shield laws are our laws -- pretty much a patchwork of state laws --
319
933000
4000
Az újságírókat jelenleg a tagállami törvények rendszertelen szövevénye
15:49
that prevent a journalist from having to betray a source.
320
937000
3000
védi meg attól, hogy fel keljen fedniük a forrásaikat.
15:52
This is happening, however, against the background
321
940000
3000
Mindezen események szintere az egyre inkább
15:55
of the rise of Web logging.
322
943000
2000
tért hódító blogolás.
15:57
Web logging is a classic example of mass amateurization.
323
945000
4000
A blogolás egy klasszikus példája a tömeges amatörizációnak.
16:01
It has de-professionalized publishing.
324
949000
2000
De-professzionalizálta a publikálást.
16:03
Want to publish globally anything you think today?
325
951000
3000
Szeretnél valamit világgá kürtölni?
16:06
It is a one-button operation that you can do for free.
326
954000
4000
Egyetlen gombnyomásra van szükség, és ingyen van.
16:10
That has sent the professional class of publishing down
327
958000
4000
Ez a folyamat a professzionális publikálást
16:14
into the ranks of mass amateurization.
328
962000
3000
levitte az amatőr tömegek szintjére.
16:17
And so the shield law, as much as we want it --
329
965000
4000
Az újságírói védelem, akármennyire is kívánatos,
16:21
we want a professional class of truth-tellers --
330
969000
2000
a hivatásos igazság-megmondók miatt,
16:23
it is becoming increasingly incoherent, because
331
971000
3000
egyre inkább inkoherenssé válik, mert
16:26
the institution is becoming incoherent.
332
974000
2000
maga a folyamat vált inkoherenssé.
16:28
There are people in the States right now
333
976000
2000
Pár ember az Egyesült Államokban
16:30
tying themselves into knots, trying to figure out
334
978000
3000
megfeszülve próbálja kitalálni,
16:33
whether or not bloggers are journalists.
335
981000
2000
hogy a bloggerek újságírók-e.
16:35
And the answer to that question is,
336
983000
2000
A válasz a kérdésre pedig az,
16:37
it doesn't matter, because that's not the right question.
337
985000
3000
hogy teljesen mindegy, mert ez nem a jó kérdés.
16:40
Journalism was an answer to an even more important question,
338
988000
4000
Az újságírás maga egy válasz, egy még fontosabb kérdésre,
16:44
which is, how will society be informed?
339
992000
2000
mégpedig, hogy hogyan lesz a társadalom jólinformált,
16:46
How will they share ideas and opinions?
340
994000
3000
hogy lehet ötleteket és véleményeket megosztani.
16:49
And if there is an answer to that that happens outside
341
997000
3000
És ha van erre a kérdésre egy olyan válasz, ami
16:52
the professional framework of journalism,
342
1000000
2000
kívül esik a hivatásos újságírás keretein,
16:54
it makes no sense to take a professional metaphor
343
1002000
4000
semmi értelme nincs a szakma elveit
16:58
and apply it to this distributed class.
344
1006000
4000
erre az elosztott formációra alkalmazni.
17:02
So as much as we want the shield laws,
345
1010000
2000
Tehát hiába akarjuk az újságírói védelmet,
17:04
the background -- the institution to which they were attached --
346
1012000
4000
a háttér, az intézmény, amihez kapcsolódik,
17:08
is becoming incoherent.
347
1016000
2000
inkoherenssé válik.
17:10
Here's another example.
348
1018000
2000
Egy másik példa.
17:12
Pro-ana, the pro-ana groups.
349
1020000
2000
Pro-ana csoportok.
17:14
These are groups of teenage girls
350
1022000
2000
Ezek tinilányok csoportjai,
17:16
who have taken on Web logs, bulletin boards,
351
1024000
3000
akik blogokat írnak, faliújságokon jelennek meg,
17:19
other kinds of cooperative infrastructure,
352
1027000
2000
mindenféle kooperatív infrastruktúrát használnak
17:21
and have used it to set up support groups for
353
1029000
2000
arra, hogy egymást segítsék abban,
17:23
remaining anorexic by choice.
354
1031000
2000
hogy anorexiásak maradjanak.
17:25
They post pictures of thin models, which they call "thinspiration."
355
1033000
3000
Képeket raknak fel vékony modellekről, ezt "fogyihletnek" nevezik.
17:28
They have little slogans, like "Salvation through Starvation."
356
1036000
3000
Vannak szlogenjeik, mint "megváltás éhezés által",
17:31
They even have Lance Armstrong-style bracelets,
357
1039000
2000
még Lance Armstrong-féle karkötőjük is van,
17:33
these red bracelets, which signify, in the small group,
358
1041000
3000
kis piros karkötő, amivel jelzik, hogy ők tagok,
17:36
I am trying to maintain my eating disorder.
359
1044000
3000
és ragaszkodnak a betegségükhöz.
17:39
They trade tips, like, if you feel like eating something,
360
1047000
2000
Ötleteket adnak egymásnak, például ha éhes vagy,
17:41
clean a toilet or the litter box. The feeling will pass.
361
1049000
5000
pucold ki a wc-t, vagy a szemetest. El fog múlni.
17:46
We're used to support groups being beneficial.
362
1054000
3000
Ahhoz vagyunk szokva, hogy az ilyen csoportok hasznosak.
17:49
We have an attitude that support groups are inherently beneficial.
363
1057000
3000
Úgy hisszül, hogy a terápiás csoportok automatikusan hasznot hoznak.
17:52
But it turns out that the logic of the support group is value neutral.
364
1060000
4000
De úgy tűnik, a csoport, mint eszköz értéksemleges.
17:56
A support group is simply a small group that wants to maintain
365
1064000
4000
A terápiás csoport nem más, mint egy kis csoport, ami a saját életmódját
18:00
a way of living in the context of a larger group.
366
1068000
3000
akarja fenntartani egy nagyobb csoporton belül.
18:03
Now, when the larger group is a bunch of drunks,
367
1071000
2000
És ha a nagyobb csoport egy rakás részeges alak,
18:05
and the small group wants to stay sober, then we think,
368
1073000
2000
a kisebb pedig megpróbál józan maradni, akkor úgy véljük,
18:07
that's a great support group.
369
1075000
2000
ez egy jó csoport.
18:09
But when the small group is teenage girls
370
1077000
2000
De ha a kis csoport olyan serdülő lányokból áll,
18:11
who want to stay anorexic by choice, then we're horrified.
371
1079000
4000
akik szándékosan anorexiásak akarnak maradni, megrémülünk.
18:15
What's happened is that the normative goals
372
1083000
3000
Az történt, hogy azokat a terápiás csoportokat,
18:18
of the support groups that we're used to,
373
1086000
2000
amiket eddig láttunk, intézmények hozták létre,
18:20
came from the institutions that were framing them,
374
1088000
3000
és az intézmények adták nekik a célokat,
18:23
and not from the infrastructure.
375
1091000
1000
nem maga a módszer.
18:24
Once the infrastructure becomes generically available,
376
1092000
4000
Amint a módszer elérhetővé válik mindenki számára,
18:28
the logic of the support group has been revealed to be
377
1096000
2000
bárki létrehozhat akármilyen csoportot,
18:30
accessible to anyone, including people pursuing these kinds of goals.
378
1098000
5000
akár ilyenfajta célok érdekében is.
18:35
So, there are significant downsides to these changes
379
1103000
2000
Tehát mindennek megvan az árnyoldala is
18:37
as well as upsides. And of course, in the current environment,
380
1105000
3000
a haszna mellett. És elkerülhetetlen, hogy a jelen helyzetben
18:40
one need allude only lightly to the work of non-state actors
381
1108000
5000
utaljunk azokra az államoktól független tényezőkre,
18:45
trying to influence global affairs, and taking advantage of these.
382
1113000
3000
akik globális ügyeket akarnak befolyásolni ilyen módon.
18:48
This is a social map of the hijackers and their associates
383
1116000
3000
Ez a WTC elleni terrortámadás résztvevőinek és kitervezőinek
18:51
who perpetrated the 9/11 attack.
384
1119000
4000
szociális kapcsolati hálója.
18:55
It was produced by analyzing their communications patterns
385
1123000
4000
A kommunikációs szokásaik vizsgálata alapján készült,
18:59
using a lot of these tools. And doubtless the intelligence communities of the world
386
1127000
3000
sok ilyen eszközt használtak. Kétségtelenül egy hasonlót készítenek most is
19:02
are doing the same work today for the attacks of last week.
387
1130000
4000
a múlt heti támadásokkal összefüggésben.
19:06
Now, this is the part of the talk where I tell you
388
1134000
2000
Most jön a beszédemnek az a része, amiben
19:08
what's going to come as a result of all of this,
389
1136000
2000
bemutatom, milyenné válik a világ mindemiatt,
19:10
but I'm running out of time, which is good,
390
1138000
3000
de erősen fogy az időm. Ami nagyon jó,
19:13
because I don't know.
391
1141000
2000
mert fogalmam sincs.
19:15
(Laughter)
392
1143000
2000
(Nevetés)
19:17
Right. As with the printing press, if it's really a revolution,
393
1145000
4000
Akárcsak a nyomtatott sajtó megjelenése, ez egy forradalom,
19:21
it doesn't take us from Point A to Point B.
394
1149000
2000
ami nem visz minket A pontból B pontba.
19:23
It takes us from Point A to chaos.
395
1151000
3000
Hanem A pontból a káoszba visz.
19:26
The printing press precipitated 200 years of chaos,
396
1154000
5000
A nyomtatott sajtó 200 éves káoszba taszított minket,
19:31
moving from a world where the Catholic Church
397
1159000
2000
abból a helyzetből, amikor a Katolikus Egyház
19:33
was the sort of organizing political force to the Treaty of Westphalia,
398
1161000
4000
volt a szervező erő a vesztfáliai béke után,
19:37
when we finally knew what the new unit was: the nation state.
399
1165000
3000
míg végül kialakult az új rend: a nemzetállamok.
19:40
Now, I'm not predicting 200 years of chaos as a result of this. 50.
400
1168000
5000
Nem állítom, hogy most is kétszáz évnyi káosz lesz. Ötven.
19:45
50 years in which loosely coordinated groups
401
1173000
4000
Ötven év, minek során lazán szervezett csoportok
19:49
are going to be given increasingly high leverage,
402
1177000
3000
egyre nagyobb befolyást nyernek,
19:52
and the more those groups forego traditional institutional imperatives --
403
1180000
4000
és minél jobban meghaladják az intézményi módszereket,
19:56
like deciding in advance what's going to happen,
404
1184000
3000
például azt, hogy előre eldöntsék, mit akarnak elérni,
19:59
or the profit motive -- the more leverage they'll get.
405
1187000
3000
vagy a profit elvét, annál nagyobb lesz a befolyásuk.
20:02
And institutions are going to come under
406
1190000
2000
Az intézményekre pedig egyre nagyobb
20:04
an increasing degree of pressure,
407
1192000
2000
nyomás fog nehezedni,
20:06
and the more rigidly managed, and the more they rely
408
1194000
2000
és minél merevebbek, minél jobban támaszkodnak
20:08
on information monopolies, the greater the pressure is going to be.
409
1196000
4000
információs monopóliumokra, annál nagyobb lesz a nyomás.
20:12
And that's going to happen one arena at a time,
410
1200000
2000
Ez szép sorjában meg fog történni az összes területen,
20:14
one institution at a time. The forces are general,
411
1202000
3000
az összes intézményi formával. A hatás ugyanaz,
20:17
but the results are going to be specific.
412
1205000
2000
az eredmény mindenütt más és más lesz.
20:19
And so the point here is not,
413
1207000
2000
Azt mondom, hogy nem lesz olyan sima,
20:21
"This is wonderful," or "We're going to see a transition
414
1209000
3000
hogy "ez csodálatos" vagy "láthatjuk az átmenetet
20:24
from only institutions to only cooperative framework."
415
1212000
3000
az intézményektől a tisztán kooperatív rendszerbe".
20:27
It's going to be much more complicated than that.
416
1215000
2000
Sokkal bonyolultabb lesz ennél.
20:29
But the point is that it's going to be a massive readjustment.
417
1217000
3000
A lényeg az, hogy hatalmas súlyponteltolódás lesz.
20:32
And since we can see it in advance and know it's coming,
418
1220000
2000
És mivel látjuk előre, hogy mi fog történni,
20:34
my argument is essentially: we might as well get good at it.
419
1222000
3000
azt mondom, hogy fel tudunk készülni rá.
20:37
Thank you very much.
420
1225000
2000
Köszönöm a figyelmet.
20:39
(Applause)
421
1227000
2000
(Taps)
ABOUT THE SPEAKER
Clay Shirky - Social Media TheoristClay Shirky argues that the history of the modern world could be rendered as the history of ways of arguing, where changes in media change what sort of arguments are possible -- with deep social and political implications.
Why you should listen
Clay Shirky's work focuses on the rising usefulness of networks -- using decentralized technologies such as peer-to-peer sharing, wireless, software for social creation, and open-source development. New technologies are enabling new kinds of cooperative structures to flourish as a way of getting things done in business, science, the arts and elsewhere, as an alternative to centralized and institutional structures, which he sees as self-limiting. In his writings and speeches he has argued that "a group is its own worst enemy."
Shirky is an adjunct professor in New York Universityʼs graduate Interactive Telecommunications Program, where he teaches a course named “Social Weather.” Heʼs the author of several books. This spring at the TED headquarters in New York, he gave an impassioned talk against SOPA/PIPA that saw 1 million views in 48 hours.
Clay Shirky | Speaker | TED.com