TED2010
Gary Flake: Is Pivot a turning point for web exploration?
ゲリー・フレーク 「Pivotはウェブ探索における分岐点となるか？」
Filmed:
Readability: 3.8
751,479 views
ゲリー・フレークがPivotのデモをお見せします。Pivotはネットにある膨大な画像やデータを整理し閲覧するためのソフトで、革新的技術Seadragonを基盤にしており、ウェブデータベースに自在にズームイン・ズームアウトして、通常のウェブブラウジングでは見えないパターンや関連の発見を可能にします
Gary Flake - Technologist
Gary Flake is a Technical Fellow at Microsoft, and the founder and director of Live Labs. Full bio
Gary Flake is a Technical Fellow at Microsoft, and the founder and director of Live Labs. Full bio
Double-click the English transcript below to play the video.
00:16
If I can leave you with one big idea today,
0
1000
2000
今日私が大きなアイデアを一つだけ
00:18
it's that the whole of the data
1
3000
2000
お伝えできるとしたら、それは
00:20
in which we consume
2
5000
2000
データの全体から我々が得られるものは、
00:22
is greater that the sum of the parts,
3
7000
2000
部分の和よりも大きいということです。
00:24
and instead of thinking about information overload,
4
9000
3000
情報過多ではなく、どうすれば
00:27
what I'd like you to think about is how
5
12000
2000
通常見えていないパターン、
00:29
we can use information so that patterns pop
6
14000
3000
傾向を見つけることが出来るのか
00:32
and we can see trends that would otherwise be invisible.
7
17000
3000
考えてみて下さい。
00:35
So what we're looking at right here is a typical mortality chart
8
20000
3000
今ご覧頂いているのは典型的な
00:38
organized by age.
9
23000
2000
年齢別死亡率のグラフです。
00:40
This tool that I'm using here is a little experiment.
10
25000
2000
今使っているツールは実験段階のもので、
00:42
It's called Pivot, and with Pivot what I can do
11
27000
3000
Pivotです。これを使えばある特定の
00:45
is I can choose to filter in one particular cause of deaths -- say, accidents.
12
30000
4000
死因のデータだけ抽出することができます。例えば事故。
00:49
And, right away, I see there's a different pattern that emerges.
13
34000
3000
そしてすぐ別の傾向があることを確認できます。
00:52
This is because, in the mid-area here,
14
37000
2000
理由はここ、中ほどでは
00:54
people are at their most active,
15
39000
2000
人々は最も活動的で、次に
00:56
and over here they're at their most frail.
16
41000
2000
こちら側では最も体が弱いからです。
00:58
We can step back out again
17
43000
2000
前に戻って
01:00
and then reorganize the data by cause of death,
18
45000
2000
データを死因で並べなおすこともできます
01:02
seeing that circulatory diseases and cancer
19
47000
3000
循環器系疾患とガンが最も高いですが
01:05
are the usual suspects, but not for everyone.
20
50000
3000
全員に対してというわけではありません。
01:08
If we go ahead and we filter by age --
21
53000
3000
さらに年齢で絞って
01:11
say 40 years or less --
22
56000
2000
40歳以下を見てみましょう
01:13
we see that accidents are actually
23
58000
2000
事故がその年代の人々にとって
01:15
the greatest cause that people have to be worried about.
24
60000
3000
最も注意すべき死因だとわかりますね。
01:18
And if you drill into that, it's especially the case for men.
25
63000
3000
特に男性が要注意であることもわかります。
01:21
So you get the idea
26
66000
2000
さて皆さんお分かりいただけたと思います
01:23
that viewing information, viewing data in this way,
27
68000
3000
情報やデータをこの様に眺めるのは
01:26
is a lot like swimming
28
71000
2000
画像主体の情報の中を
01:28
in a living information info-graphic.
29
73000
3000
泳いでいるみたいでしょ。
01:31
And if we can do this for raw data,
30
76000
2000
そして生のデータにこんなことができるなら
01:33
why not do it for content as well?
31
78000
3000
コンテンツにもやってみませんか？
01:36
So what we have right here
32
81000
2000
そこでここにあるのは
01:38
is the cover of every single Sports Illustrated
33
83000
3000
今までに作られてきた
01:41
ever produced.
34
86000
2000
スポーツ イラストレイテッド誌の表紙です。
01:43
It's all here; it's all on the web.
35
88000
2000
すべてがここウェブ上にあります。
01:45
You can go back to your rooms and try this after my talk.
36
90000
3000
公演後皆さんの部屋でも同じことは出来ます。
01:48
With Pivot, you can drill into a decade.
37
93000
3000
Pivotで特定の10年分に絞り込むことができます。
01:51
You can drill into a particular year.
38
96000
2000
ある1年に絞り込むこともできます。
01:53
You can jump right into a specific issue.
39
98000
3000
あらゆる巻に即座に戻れます。
01:56
So I'm looking at this; I see the athletes
40
101000
2000
これを見てみましょう。この号に
01:58
that have appeared in this issue, the sports.
41
103000
2000
掲載のあったアスリートが全部表示されています。
02:00
I'm a Lance Armstrong fan, so I'll go ahead and I'll click on that,
42
105000
3000
ランス アームストロングのファンなのでこれをクリックしてみましょう。
02:03
which reveals, for me, all the issues
43
108000
2000
するとこの様にランス アームストロングが
02:05
in which Lance Armstrong's been a part of.
44
110000
2000
取り上げられた全ての号が抽出されます。
02:07
(Applause)
45
112000
3000
（拍手）
02:10
Now, if I want to just kind of take a peek at these,
46
115000
3000
ちょっと上の方を眺めてみたくなったとしましょう
02:13
I might think,
47
118000
2000
「サイクリングについての記事を見てみようかな」
02:15
"Well, what about taking a look at all of cycling?"
48
120000
2000
と思うかもしれません。
02:17
So I can step back, and expand on that.
49
122000
2000
一歩下がって拡大しましょう。
02:19
And I see Greg LeMond now.
50
124000
2000
するとグレッグ レモンが出てきます。
02:21
And so you get the idea that when you
51
126000
2000
この様に情報を絞り込んだり
02:23
navigate over information this way --
52
128000
2000
広げたり、戻ったりと情報を
02:25
going narrower, broader,
53
130000
2000
自由に操作することは、単なる
02:27
backing in, backing out --
54
132000
2000
検索やブラウジングではないと
02:29
you're not searching, you're not browsing.
55
134000
2000
お分かり頂けたと思います。
02:31
You're doing something that's actually a little bit different.
56
136000
2000
これは実際少し異なるものなんです。
02:33
It's in between, and we think it changes
57
138000
3000
これは検索と閲覧の中間で、我々の
02:36
the way information can be used.
58
141000
2000
情報の利用方を変えてくれると思っています。
02:38
So I want to extrapolate on this idea a bit
59
143000
2000
このアイデアを拡張して
02:40
with something that's a little bit crazy.
60
145000
2000
ちょっと極端なことをやってみましょう。
02:42
What we're done here is we've taken every single Wikipedia page
61
147000
3000
私たちはウィキペディアの全てのページを
02:45
and we reduced it down to a little summary.
62
150000
3000
それぞれ小さな要約にまとめました。
02:48
So the summary consists of just a little synopsis
63
153000
3000
要約は短い概要と、それが属する
02:51
and an icon to indicate the topical area that it comes from.
64
156000
3000
トピックを表すアイコンからなっています。
02:54
I'm only showing the top 500
65
159000
3000
今ここでは最も人気のある
02:57
most popular Wikipedia pages right here.
66
162000
2000
500ページしか載せていません。
02:59
But even in this limited view,
67
164000
2000
しかしこの限られた範囲でも、
03:01
we can do a lot of things.
68
166000
2000
色々なことが出来ます。
03:03
Right away, we get a sense of what are the topical domains
69
168000
2000
直ぐに、ウィキペディア上で人気のある
03:05
that are most popular on Wikipedia.
70
170000
2000
トピックを把握することができますね。
03:07
I'm going to go ahead and select government.
71
172000
2000
今から「政治」を選んでみます。
03:09
Now, having selected government,
72
174000
3000
さて「政治」を選んでみると、
03:12
I can now see that the Wikipedia categories
73
177000
2000
この様にウィキペディアのカテゴリーで
03:14
that most frequently correspond to that
74
179000
2000
最も多く一致するのは雑誌Timeの
03:16
are Time magazine People of the Year.
75
181000
3000
Person of the Yearであると分かります。
03:19
So this is really important because this is an insight
76
184000
3000
これはウィキペディアのどのページにも含まれていない
03:22
that was not contained within any one Wikipedia page.
77
187000
3000
情報ですから、とても重要なのです。
03:25
It's only possible to see that insight
78
190000
2000
一歩下がって全てを見渡してみた時
03:27
when you step back and look at all of them.
79
192000
3000
初めてこの様な見方が可能となるのです。
03:30
Looking at one of these particular summaries,
80
195000
2000
要約の1つを見てみましょう
03:32
I can then drill into the concept of
81
197000
3000
そこからPerson of the Yearの
03:35
Time magazine Person of the Year,
82
200000
2000
カテゴリに進み、それに
03:37
bringing up all of them.
83
202000
2000
属するもの全てを表示できます。
03:39
So looking at these people,
84
204000
2000
そこで彼らを見てみて下さい、
03:41
I can see that the majority come from government;
85
206000
3000
多くの人は政治関係だとわかりますね。
03:45
some have come from natural sciences;
86
210000
3000
何人かは自然科学関係ですね。
03:49
some, fewer still, have come from business --
87
214000
3000
さらに少ないですが、ビジネス関係の人もいます。
03:53
there's my boss --
88
218000
2000
私のボスもいます。
03:55
and one has come from music.
89
220000
5000
それから音楽方面の人が1人います。
04:00
And interestingly enough,
90
225000
2000
そして面白いことに、ボノは
04:02
Bono is also a TED Prize winner.
91
227000
3000
TED Prize受賞者でもあります。この様に
04:05
So we can go, jump, and take a look at all the TED Prize winners.
92
230000
3000
自由にTED Prize受賞者を全員見渡せます。
04:08
So you see, we're navigating the web for the first time
93
233000
3000
ご覧頂いたように、我々は初めてwebを
04:11
as if it's actually a web, not from page-to-page,
94
236000
3000
ページからページではなく、一つのwebとして
04:14
but at a higher level of abstraction.
95
239000
2000
高い抽象レベルでナビゲートしているのです。
04:16
And so I want to show you one other thing
96
241000
2000
そこでもう一つ 皆さんが
04:18
that may catch you a little bit by surprise.
97
243000
3000
驚くだろうものを お見せしたいと思います。
04:21
I'm just showing the New York Times website here.
98
246000
3000
ここにNew York Timesのホームページがあります。
04:24
So Pivot, this application --
99
249000
2000
そこでこのアプリケーションPivot--これを
04:26
I don't want to call it a browser; it's really not a browser,
100
251000
2000
ブラウザーとは呼びたくないです。違いますから。
04:28
but you can view web pages with it --
101
253000
3000
しかし勿論ウェブの閲覧は可能ですけど--
04:31
and we bring that zoomable technology
102
256000
2000
私たちはこの様にズーム技術をそれぞれの
04:33
to every single web page like this.
103
258000
3000
webページに使えるようにしました。
04:36
So I can step back,
104
261000
3000
一歩下がって眺め、目的の部分に
04:39
pop right back into a specific section.
105
264000
2000
飛び込むことができます。
04:41
Now the reason why this is important is because,
106
266000
2000
さてこれが重要な理由としては、
04:43
by virtue of just viewing web pages in this way,
107
268000
3000
この様にウェブを閲覧することによって
04:46
I can look at my entire browsing history
108
271000
2000
閲覧履歴全体を全く同じように
04:48
in the exact same way.
109
273000
2000
見ることができるからです。
04:50
So I can drill into what I've done
110
275000
2000
だから特定の時間帯にしたことを
04:52
over specific time frames.
111
277000
2000
掘り下げることができます。
04:54
Here, in fact, is the state
112
279000
2000
実際ここには今日実演してきた
04:56
of all the demo that I just gave.
113
281000
2000
ページの履歴が見えますね。
04:58
And I can sort of replay some stuff that I was looking at earlier today.
114
283000
3000
すると先ほどお見せしたものをリプレイすることもできます。
05:01
And, if I want to step back and look at everything,
115
286000
3000
一歩下がって全て見たいと思ったら、
05:04
I can slice and dice my history,
116
289000
2000
履歴をスライス&ダイスすることができ、
05:06
perhaps by my search history --
117
291000
2000
例えば検索履歴を取り出すことができます。
05:08
here, I was doing some nepotistic searching,
118
293000
2000
私は身内びいきの
05:10
looking for Bing, over here for Live Labs Pivot.
119
295000
3000
検索をしていますね。
05:13
And from these, I can drill into the web page
120
298000
2000
その履歴から、すぐに元をたどり
05:15
and just launch them again.
121
300000
2000
再起動することができます。
05:17
It's one metaphor repurposed multiple times,
122
302000
3000
１つのメタファが形を変えて何度も
05:20
and in each case it makes the whole greater
123
305000
2000
現れています。すなわち全体というのは
05:22
than the sum of the parts with the data.
124
307000
2000
部分の和よりも大きいということです。
05:24
So right now, in this world,
125
309000
3000
現在我々は世界に溢れかえるデータを
05:27
we think about data as being this curse.
126
312000
3000
悪と捉えています。
05:30
We talk about the curse of information overload.
127
315000
3000
情報過多は災いであり
05:33
We talk about drowning in data.
128
318000
3000
情報に溺れていると言われています。
05:36
What if we can actually turn that upside down
129
321000
2000
それをひっくり返せないでしょうか
05:38
and turn the web upside down,
130
323000
2000
webというものをひっくり返して
05:40
so that instead of navigating from one thing to the next,
131
325000
3000
一つの物から次の物への単純な移動ではなく
05:43
we get used to the habit of being able to go from many things to many things,
132
328000
3000
多くの情報から多くの情報へと行き来することに慣れたなら
05:46
and then being able to see the patterns
133
331000
2000
それまで見えなかったパターンを
05:48
that were otherwise hidden?
134
333000
2000
見いだせるようになるでしょう。
05:50
If we can do that, then instead of being trapped in data,
135
335000
5000
これが可能ならば、データに埋もれるのではなく
05:55
we might actually extract information.
136
340000
3000
適切な情報抽出が可能かもしれません。
05:58
And, instead of dealing just with information,
137
343000
2000
そうすれば単なる情報処理ではなく、
06:00
we can tease out knowledge.
138
345000
2000
知識を引き出すことができます。
06:02
And if we get the knowledge, then maybe even there's wisdom to be found.
139
347000
3000
その知識が引き出せるなら、知恵だって見いだせるかもしれません。
06:05
So with that, I thank you.
140
350000
2000
以上です。ありがとう。
06:07
(Applause)
141
352000
8000
（拍手）
ABOUT THE SPEAKER
Gary Flake - TechnologistGary Flake is a Technical Fellow at Microsoft, and the founder and director of Live Labs.
Why you should listen
Gary Flake is a Technical Fellow at Microsoft, where he focuses on Internet products and technologies including search, advertising, content, portals, community and application development. In this capacity, he helps define and evolve Microsoft's product vision, technical architecture and business strategy for online services. He is also the founder and director of Live Labs, a skunkworks that bridges research and development, and is widely recognized for inventing new best practices for catalyzing and managing innovation.
Prior to joining Microsoft, Flake founded Yahoo! Research Labs, ran Yahoo!'s corporate R&D activities and company-wide innovation effort, and was the Chief Science Officer of Overture, the company that invented the paid search business model. Flake also wrote the award-winning book The Computational Beauty of Nature, which is used in college courses worldwide.
Gary Flake | Speaker | TED.com