ABOUT THE SPEAKER
Eli Pariser - Organizer and author
Pioneering online organizer Eli Pariser is the author of "The Filter Bubble," about how personalized search might be narrowing our worldview.

Why you should listen

Shortly after the September 11, 2001, attacks, Eli Pariser created a website calling for a multilateral approach to fighting terrorism. In the following weeks, over half a million people from 192 countries signed on, and Pariser rather unexpectedly became an online organizer. The website merged with MoveOn.org in November 2001, and Pariser -- then 20 years old -- joined the group to direct its foreign policy campaigns. He led what the New York Times Magazine called the "mainstream arm of the peace movement" -- tripling MoveOn's member base and demonstrating how large numbers of small donations could be mobilized through online engagement.

In 2004, Pariser became executive director of MoveOn. Under his leadership, MoveOn.org Political Action has grown to 5 million members and raised over $120 million from millions of small donors to support advocacy campaigns and political candidates. Pariser focused MoveOn on online-to-offline organizing, developing phone-banking tools and precinct programs in 2004 and 2006 that laid the groundwork for Barack Obama's extraordinary web-powered campaign. In 2008, Pariser transitioned the Executive Director role at MoveOn to Justin Ruben and became President of MoveOn’s board; he's now a senior fellow at the Roosevelt Institute.

His book The Filter Bubble is set for release May 12, 2011. In it, he asks how modern search tools -- the filter by which many of see the wider world -- are getting better and better and screening the wider world from us, by returning only the search results it "thinks" we want to see.

More profile about the speaker
Eli Pariser | Speaker | TED.com
TED2011

Eli Pariser: Beware online "filter bubbles"

एली पॅरिसर : ऑनलाईन "संगणकीय पिंजऱ्या"पासून सावध व्हा.

Filmed:
5,309,238 views

जसजसे वेब कंपन्या प्रत्येकाच्या आवडीनुसार त्यांच्या सेवांचे (बातम्या आणि सर्चचे निकाल) वैयक्तीकरण करत आहेत, त्यातून एक धोकादायक अनपेक्षित परिणाम होत आहे : आपण एका संगणकीय पिंजऱ्यात अडकले जातो आणि अशा माहितीपासून वंचित राहतो ज्यामुळे विश्वकल्पनेबद्दलच्या विचारांना आवाहन मिळेल किंवा त्यांचा विस्तार होऊ शकेल. एली पॅरिसर एक समर्थ युक्तीवाद करतात की शेवटी हे आपल्यासाठी आणि लोकसत्तेसाठी अपायकारक आहे.
- Organizer and author
Pioneering online organizer Eli Pariser is the author of "The Filter Bubble," about how personalized search might be narrowing our worldview. Full bio

Double-click the English transcript below to play the video.

00:15
Mark Zuckerberg,
0
0
2000
मार्क झुकरबर्गला
00:17
a journalist was asking him a question about the news feed.
1
2000
3000
एक पत्रकार न्यूज फीड बद्दल प्रश्न विचारत होता.
00:20
And the journalist was asking him,
2
5000
2000
पत्रकाराने विचारले,
00:22
"Why is this so important?"
3
7000
2000
"हे इतकं महत्वाचं का आहे?"
00:24
And Zuckerberg said,
4
9000
2000
आणि झुकरबर्गने उत्तर दिले,
00:26
"A squirrel dying in your front yard
5
11000
2000
"तुमच्या अंगणात मेलेल्या एका खारीबद्दल
00:28
may be more relevant to your interests right now
6
13000
3000
तुम्हाला नक्कीच जास्ती कुतूहल असणार,
00:31
than people dying in Africa."
7
16000
3000
अफ्रिकेत मृत्यू पावणाऱ्या लोकांपेक्षा"
00:34
And I want to talk about
8
19000
2000
आणि या विचारावर आधारलेलं
00:36
what a Web based on that idea of relevance might look like.
9
21000
3000
वेब कसं असेल ह्या बद्दल मला आज बोलायचं आहे.
00:40
So when I was growing up
10
25000
2000
मी जेव्हा मेन जवळच्या
00:42
in a really rural area in Maine,
11
27000
2000
एका ग्रामीण भागात मोठा होत होतो,
00:44
the Internet meant something very different to me.
12
29000
3000
माझ्यासाठी इंटरनेटचा अर्थ खूपच वेगळा होता.
00:47
It meant a connection to the world.
13
32000
2000
त्याचा अर्थ जगाशी संबंध साधणे असा होता.
00:49
It meant something that would connect us all together.
14
34000
3000
ज्यामुळे आपण सगळे जोडले जाऊ असा होता.
00:52
And I was sure that it was going to be great for democracy
15
37000
3000
आणि मला खात्री होती की हे लोकशाहीसाठी
00:55
and for our society.
16
40000
3000
आणि समाजासाठी उज्ज्वल असणार आहे.
00:58
But there's this shift
17
43000
2000
पण इंटरनेटवरील माहितीच्या
01:00
in how information is flowing online,
18
45000
2000
प्रवाहामध्ये बदल झाला आहे,
01:02
and it's invisible.
19
47000
3000
आणि तो दिसून येत नाही.
01:05
And if we don't pay attention to it,
20
50000
2000
आणि जर आपण त्याकडे लक्ष दिले नाही,
01:07
it could be a real problem.
21
52000
3000
तर ती एक गंभीर समस्या होऊन बसेल.
01:10
So I first noticed this in a place I spend a lot of time --
22
55000
3000
माझ्या हे पहिल्यांदा लक्षात आलं ते अशा ठिकाणी जिथे मी खूप वेळ असतो --
01:13
my Facebook page.
23
58000
2000
माझं फेसबुक पेज.
01:15
I'm progressive, politically -- big surprise --
24
60000
3000
राजकीयदृष्ट्या मी पुरोगामी आहे -- आश्चर्यकारक --
01:18
but I've always gone out of my way to meet conservatives.
25
63000
2000
पण मी कायमच महत्प्रयत्न करून पुराणमतवाद्यांना भेटतो.
01:20
I like hearing what they're thinking about;
26
65000
2000
ते काय विचार करत आहेत हे ऐकायला मला आवडतं;
01:22
I like seeing what they link to;
27
67000
2000
मला जाणून घ्यायचं असतं त्यांना कशात रस आहे;
01:24
I like learning a thing or two.
28
69000
2000
मला पण आवडतं दोन चार गोष्टी शिकायला.
01:26
And so I was surprised when I noticed one day
29
71000
3000
आणि म्हणूनच एके दिवशी जेव्हा माझ्या फेसबूक पेज वरून
01:29
that the conservatives had disappeared from my Facebook feed.
30
74000
3000
पुराणमतवादी अदृष्य झाल्याचे लक्षात आले तेव्हा मी चकित झालो.
01:33
And what it turned out was going on
31
78000
2000
मग असं लक्षात आलं की
01:35
was that Facebook was looking at which links I clicked on,
32
80000
4000
फेसबूक मी क्लिक करत असलेल्या लिंक्सची नोंद करत होतं,
01:39
and it was noticing that, actually,
33
84000
2000
आणि हे टिपत होतं की
01:41
I was clicking more on my liberal friends' links
34
86000
2000
मी माझ्या पुराणमतवादी मित्रांच्या लिंक्सपेक्षा,
01:43
than on my conservative friends' links.
35
88000
3000
उदारमतवादी मित्रांच्या लिंक्स जास्ती क्लिक करत होतो.
01:46
And without consulting me about it,
36
91000
2000
आणि माझी परवानगी न घेता,
01:48
it had edited them out.
37
93000
2000
फेसबूकने त्यांना काढून टाकलं होतं.
01:50
They disappeared.
38
95000
3000
ते नाहीसे झाले होते.
01:54
So Facebook isn't the only place
39
99000
2000
वेबवर हे असे अदृष्य आणि पध्दतशीर रीतीने
01:56
that's doing this kind of invisible, algorithmic
40
101000
2000
बदल करणारी फेसबूक
01:58
editing of the Web.
41
103000
3000
ही एकमेव जागा नव्हे.
02:01
Google's doing it too.
42
106000
2000
गुगल सुध्दा हेच करतं.
02:03
If I search for something, and you search for something,
43
108000
3000
समजा मी काही सर्च केलं आणि तुम्ही काही सर्च केलं,
02:06
even right now at the very same time,
44
111000
2000
आत्ता या क्षणाला,
02:08
we may get very different search results.
45
113000
3000
तर आपल्याला वेगळे निकाल दिसू शकतात.
02:11
Even if you're logged out, one engineer told me,
46
116000
3000
मला एका अभियंत्याने सांगितलं की तुम्ही लॉग आउट केलं असेल तरी,
02:14
there are 57 signals
47
119000
2000
असे ५७ संकेत असतात
02:16
that Google looks at --
48
121000
3000
जे गुगल बघतं -
02:19
everything from what kind of computer you're on
49
124000
3000
अगदी तुम्ही कुठला कॉम्पुटर वापरत आहात,
02:22
to what kind of browser you're using
50
127000
2000
तुम्ही कुठला ब्राउझर वापरत आहात
02:24
to where you're located --
51
129000
2000
ह्या पासून ते तुम्ही कुठे आहात --
02:26
that it uses to personally tailor your query results.
52
131000
3000
या सारख्या गोष्टी वापरून दिसणारे निकाल खास तुमच्यासाठी बनवले जातात.
02:29
Think about it for a second:
53
134000
2000
ह्या गोष्टीचा क्षणभर विचार करा :
02:31
there is no standard Google anymore.
54
136000
4000
एक प्रमाण गुगल उरलंच नाहीये.
02:35
And you know, the funny thing about this is that it's hard to see.
55
140000
3000
आणि मजेदार गोष्ट अशी की हे लगेच दिसून येत नाही.
02:38
You can't see how different your search results are
56
143000
2000
तुम्हाला पट्कन कळत नाही की तुम्हाला दिसणारे निकाल
02:40
from anyone else's.
57
145000
2000
इतरांपेक्षा किती वेगळे आहेत ते.
02:42
But a couple of weeks ago,
58
147000
2000
काही आठवड्यांपूर्वी,
02:44
I asked a bunch of friends to Google "Egypt"
59
149000
3000
मी काही मित्रांना "इजिप्त" गुगल करून,
02:47
and to send me screen shots of what they got.
60
152000
3000
मिळणारे निकाल मला पाठवायला सांगितले.
02:50
So here's my friend Scott's screen shot.
61
155000
3000
तर माझा मित्र स्कॉटला हे निकाल मिळाले.
02:54
And here's my friend Daniel's screen shot.
62
159000
3000
आणि डॅनिएलला हे मिळाले.
02:57
When you put them side-by-side,
63
162000
2000
आपण जर, हे शेजारी ठेवून बघितले
02:59
you don't even have to read the links
64
164000
2000
तर वाचायची पण गरज भासणार नाही
03:01
to see how different these two pages are.
65
166000
2000
हे समजायला की ते किती वेगळे आहेत.
03:03
But when you do read the links,
66
168000
2000
पण जर तुम्ही खरंच निरखून बघितलं
03:05
it's really quite remarkable.
67
170000
3000
तर तुम्हाला आश्चर्य वाटेल.
03:09
Daniel didn't get anything about the protests in Egypt at all
68
174000
3000
गुगल ने दिलेल्या पहिल्या पानावर
03:12
in his first page of Google results.
69
177000
2000
डॅनिएलला इजिप्त मध्ये चाललेल्या संघर्षाबद्दल काहीच दिसले नाही.
03:14
Scott's results were full of them.
70
179000
2000
स्कॉट ला मिळणारे निकाल ह्या विषयाने भरले होते.
03:16
And this was the big story of the day at that time.
71
181000
2000
आणि ही त्या दिवसाची मोठी बातमी होती.
03:18
That's how different these results are becoming.
72
183000
3000
मिळणाऱ्या निकालांमध्ये असलेली तफावत ही इतकी मोठी आहे.
03:21
So it's not just Google and Facebook either.
73
186000
3000
तर हे फक्त गुगल आणि फेसबूक नाही करत.
03:24
This is something that's sweeping the Web.
74
189000
2000
हे साऱ्या वेब वर चालू आहे.
03:26
There are a whole host of companies that are doing this kind of personalization.
75
191000
3000
असे वैयक्तीकरण करणाऱ्या अनेक कंपन्या आहेत.
03:29
Yahoo News, the biggest news site on the Internet,
76
194000
3000
याहू न्यूज, इंटरनेटवरील बातम्यांचे सर्वात मोठे संकेतस्थळ,
03:32
is now personalized -- different people get different things.
77
197000
3000
वैयक्तीकरण करतात -- वेगवेगळ्या लोकांना वेगवेगळ्या गोष्टी दिसतात.
03:36
Huffington Post, the Washington Post, the New York Times --
78
201000
3000
हफिंगटन पोस्ट, द वॉशिंग्टन पोस्ट, द न्यूयॉर्क टाईम्स --
03:39
all flirting with personalization in various ways.
79
204000
3000
सगळे अनेक पद्धतीने वैयक्तीकरणाच्या मागे लागले आहेत.
03:42
And this moves us very quickly
80
207000
3000
आणि हे सगळं आपल्याला
03:45
toward a world in which
81
210000
2000
एका अशा जगात घेउन जातं
03:47
the Internet is showing us what it thinks we want to see,
82
212000
4000
जिथे इंटरनेट आपल्याला त्या गोष्टी दाखवेल ज्या त्याला वाटतं आपण बघाव्यात,
03:51
but not necessarily what we need to see.
83
216000
3000
पण ज्या आपल्याला बघायच्याच आहेत असं नाही.
03:54
As Eric Schmidt said,
84
219000
3000
जसे एरिक श्मिट म्हणाले,
03:57
"It will be very hard for people to watch or consume something
85
222000
3000
"लोकांना अशा गोष्टी बघणं किंवा मिळणं
04:00
that has not in some sense
86
225000
2000
खूप अवघड होऊन बसेल ज्या
04:02
been tailored for them."
87
227000
3000
खास त्यांच्यासाठी बनल्या नाहीत."
04:05
So I do think this is a problem.
88
230000
2000
म्हणून ही एक समस्या आहे असं मला वाटतं.
04:07
And I think, if you take all of these filters together,
89
232000
3000
आणि जर हे सगळे नियम एकत्र केले,
04:10
you take all these algorithms,
90
235000
2000
या पद्धती एकत्र केल्या,
04:12
you get what I call a filter bubble.
91
237000
3000
तर आपल्याला मिळेल एक पिंजरा.
04:16
And your filter bubble is your own personal,
92
241000
3000
आणि तुमचा पिंजरा हे तुमचं स्वतःचं
04:19
unique universe of information
93
244000
2000
एकमेव ऑनलाईन विश्व असतं.
04:21
that you live in online.
94
246000
2000
ज्या मध्ये तुम्ही ऑनलाईन जगत असता.
04:23
And what's in your filter bubble
95
248000
3000
आणि तुम्ही कोण आहात आणि
04:26
depends on who you are, and it depends on what you do.
96
251000
3000
तुम्ही काय करता हे तुमच्या पिंजऱ्यात काय आहे त्यावरून ठरेल.
04:29
But the thing is that you don't decide what gets in.
97
254000
4000
पण ह्या पिंजऱ्यात काय आहे हे तुम्हाला ठरवता येत नाही.
04:33
And more importantly,
98
258000
2000
आणि सर्वात महत्त्वाची गोष्ट म्हणजे
04:35
you don't actually see what gets edited out.
99
260000
3000
ह्यात घडणारे बदल पण तुमच्या हातात नसतात.
04:38
So one of the problems with the filter bubble
100
263000
2000
म्हणून ह्या पिंजऱ्याशी निगडीत महत्व्हाचा प्रश्न
04:40
was discovered by some researchers at Netflix.
101
265000
3000
नेटफ्लिक्सने शोधला.
04:43
And they were looking at the Netflix queues, and they noticed something kind of funny
102
268000
3000
ते नेटफ्लिक्सच्या प्रतीक्षावलीकडे बघत होते, आणि त्यांना एक मजेशीर गोष्ट दिसून आली
04:46
that a lot of us probably have noticed,
103
271000
2000
जी आपल्यापैकी अनेकांना दिसली असेल
04:48
which is there are some movies
104
273000
2000
की काही चित्रपट
04:50
that just sort of zip right up and out to our houses.
105
275000
3000
ह्या रांगेतून वेगाने वर येतात, थेट आपल्या घरापर्यंत.
04:53
They enter the queue, they just zip right out.
106
278000
3000
ते रांगेत प्रवेश करतात आणि क्षणात सर्वात पुढे असतात.
04:56
So "Iron Man" zips right out,
107
281000
2000
मग "आयर्न मेन" वेगाने पुढे जातो,
04:58
and "Waiting for Superman"
108
283000
2000
आणि "वेटिंग फॉर सुपरमॅन"
05:00
can wait for a really long time.
109
285000
2000
ला खूप वेळ लागतो.
05:02
What they discovered
110
287000
2000
त्यांच्या लक्षात आले की
05:04
was that in our Netflix queues
111
289000
2000
आपल्या नेटफ्लिक्स प्रतीक्षावलीमध्ये
05:06
there's this epic struggle going on
112
291000
3000
सतत एक द्वंद्व चालू असतं,
05:09
between our future aspirational selves
113
294000
3000
भविष्यातील स्वतःच्या महत्वाकांक्षी व्यक्तीमत्वामध्ये
05:12
and our more impulsive present selves.
114
297000
3000
आणि वर्तमानातल्या अविचारी व्यक्तीमत्वामध्ये.
05:15
You know we all want to be someone
115
300000
2000
तुम्ही सगळे जाणता की आपल्यातील प्रत्येकालाच ती व्यक्ती बनायचं असतं
05:17
who has watched "Rashomon,"
116
302000
2000
ज्यांनी "राशोमान" बघितला आहे,
05:19
but right now
117
304000
2000
पण आत्ता
05:21
we want to watch "Ace Ventura" for the fourth time.
118
306000
3000
आम्हाला "एस व्हेंचुरा" चौथ्यांदा बघायचा आहे.
05:24
(Laughter)
119
309000
3000
(हशा)
05:27
So the best editing gives us a bit of both.
120
312000
2000
म्हणून उत्कृष्ट संपादन आपल्याला दोन्ही देतं.
05:29
It gives us a little bit of Justin Bieber
121
314000
2000
थोडसं जस्टीन बीबर
05:31
and a little bit of Afghanistan.
122
316000
2000
आणि थोडं अफगाणिस्तान.
05:33
It gives us some information vegetables;
123
318000
2000
थोडी माहितीची भाजी;
05:35
it gives us some information dessert.
124
320000
3000
तर थोडी माहितीची मिठाई.
05:38
And the challenge with these kinds of algorithmic filters,
125
323000
2000
ह्या इंटरनेटमधल्या पद्धतीमध्ये,
05:40
these personalized filters,
126
325000
2000
ह्या वैयक्तीकरणाच्या नियमांमध्ये हीच गोम आहे,
05:42
is that, because they're mainly looking
127
327000
2000
कारण ते तुमच्या
05:44
at what you click on first,
128
329000
4000
प्रासंगिक क्लिक्स कडे बघतात,
05:48
it can throw off that balance.
129
333000
4000
ज्यामुळे तो समतोल बिघडू शकतो.
05:52
And instead of a balanced information diet,
130
337000
3000
आणि माहितीच्या संतुलित आहाराच्या ऐवजी,
05:55
you can end up surrounded
131
340000
2000
तुम्ही माहितीच्या
05:57
by information junk food.
132
342000
2000
"जंक फूड" ने तुम्ही घेरले जाता.
05:59
What this suggests
133
344000
2000
हे आपल्याला असं सुचवतं की
06:01
is actually that we may have the story about the Internet wrong.
134
346000
3000
आपले इंटरनेटबद्दलचे समज चुकीचे आहेत.
06:04
In a broadcast society --
135
349000
2000
एका प्रसारण माध्यमात --
06:06
this is how the founding mythology goes --
136
351000
2000
काही मूलभूत दंतकथा अशा आहेत --
06:08
in a broadcast society,
137
353000
2000
प्रसारण माध्यमात,
06:10
there were these gatekeepers, the editors,
138
355000
2000
काही वृत्त अनुज्ञापक होते, संपादक होते,
06:12
and they controlled the flows of information.
139
357000
3000
आणि ते माहितीचा प्रवाह नियंत्रित करत असत.
06:15
And along came the Internet and it swept them out of the way,
140
360000
3000
आणि मग इंटरनेट आले आणि त्यांना वाहून नेले,
06:18
and it allowed all of us to connect together,
141
363000
2000
ज्यामुळे आपण सगळे एकत्र आलो,
06:20
and it was awesome.
142
365000
2000
आणि हे सगळं फारच मस्त होतं.
06:22
But that's not actually what's happening right now.
143
367000
3000
पण आत्ता जे होत आहे, ते असं नाही आहे.
06:26
What we're seeing is more of a passing of the torch
144
371000
3000
आपण आत्ता बघत आहोत की
06:29
from human gatekeepers
145
374000
2000
मानवी वृत्त अनुज्ञापकांपासून वारसा
06:31
to algorithmic ones.
146
376000
3000
संगणकीय अनुज्ञापकांकडे जात आहे.
06:34
And the thing is that the algorithms
147
379000
3000
आणि वास्तव हे आहे की ह्या संगणकीय पद्धतींमध्ये
06:37
don't yet have the kind of embedded ethics
148
382000
3000
अजून मानवीय नीतिमत्ता नक्कीच आलेली नाही
06:40
that the editors did.
149
385000
3000
जी त्या संपादकांकडे होती.
06:43
So if algorithms are going to curate the world for us,
150
388000
3000
त्यामुळे जर ह्या पद्धती आपल्या जगाचे अभिरक्षण करणार असतील,
06:46
if they're going to decide what we get to see and what we don't get to see,
151
391000
3000
जर त्या ठरवणार असतील आपलयाला काय बघायला मिळेल आणि काय बघायला मिळणार नाही,
06:49
then we need to make sure
152
394000
2000
तर ह्याची खात्री केली पाहिजे की
06:51
that they're not just keyed to relevance.
153
396000
3000
त्या फक्त सुसंबंधतेनी संकुचित नाही आहेत.
06:54
We need to make sure that they also show us things
154
399000
2000
ह्याची खात्री केली पाहिजे की त्या आपल्याला अश्या गोष्टी पण दाखवतील
06:56
that are uncomfortable or challenging or important --
155
401000
3000
ज्यामुळे आपण अस्वस्थ होऊ, ज्या आव्हानात्मक आहेत किंवा महत्वाच्या आहेत --
06:59
this is what TED does --
156
404000
2000
टेड हेच तर करत आहे --
07:01
other points of view.
157
406000
2000
वेगळे दृष्टीकोन.
07:03
And the thing is, we've actually been here before
158
408000
2000
आणि महत्त्वाचं म्हणजे आपण समाज म्हणून ह्या गोष्टींना
07:05
as a society.
159
410000
2000
पूर्वी सामोरी गेलो आहोत.
07:08
In 1915, it's not like newspapers were sweating a lot
160
413000
3000
१९१५ साली, वृत्तपत्र आपल्या नागरिक जबाबदा-यांबद्दल
07:11
about their civic responsibilities.
161
416000
3000
कुशल होते असे मुळीच नाही.
07:14
Then people noticed
162
419000
2000
मग लोकांच्या लक्षात आले की
07:16
that they were doing something really important.
163
421000
3000
ते करत असलेल्या गोष्टी खरच महत्त्वाच्या आहेत.
07:19
That, in fact, you couldn't have
164
424000
2000
आणि, खरं तर,
07:21
a functioning democracy
165
426000
2000
माहितीचा निखळ प्रवाह असल्या शिवाय
07:23
if citizens didn't get a good flow of information,
166
428000
4000
लोकशाही कार्यक्षम असू शकत नाही.
07:28
that the newspapers were critical because they were acting as the filter,
167
433000
3000
वृत्तपत्र समीक्षणात्मक होते, कारण ते माहिती नियंत्रित करत होते,
07:31
and then journalistic ethics developed.
168
436000
2000
आणि त्यातून पत्रकारितेतील नैतिकता निर्माण झाली.
07:33
It wasn't perfect,
169
438000
2000
ती निर्दोष नव्हती,
07:35
but it got us through the last century.
170
440000
3000
पण त्यातून आपण मागचे शतक तरलो.
07:38
And so now,
171
443000
2000
आणि त्यामुळे आता
07:40
we're kind of back in 1915 on the Web.
172
445000
3000
वेबवर आपण परत १९१५ मध्ये आलो आहोत.
07:44
And we need the new gatekeepers
173
449000
3000
आता गरज आहे ती नवीन अनुज्ञापकांची
07:47
to encode that kind of responsibility
174
452000
2000
जे ही जबाबदारी पेलतील
07:49
into the code that they're writing.
175
454000
2000
नवीन संगणकीय प्रणाली लिहिताना.
07:51
I know that there are a lot of people here from Facebook and from Google --
176
456000
3000
मला माहिती आहे, की फेसबूक आणि गुगल मधील अनेक लोक इथे आहेत --
07:54
Larry and Sergey --
177
459000
2000
लॅरी आणि सर्जी --
07:56
people who have helped build the Web as it is,
178
461000
2000
अशी लोकं ज्यांनी वेब आज जसे आहे ते उभारण्यात मदत केली,
07:58
and I'm grateful for that.
179
463000
2000
आणि त्यासाठी मी त्यांचा ऋणी आहे.
08:00
But we really need you to make sure
180
465000
3000
पण आज आम्हाला ह्याची खरच गरज आहे की
08:03
that these algorithms have encoded in them
181
468000
3000
तुम्ही लिहिलेल्या ह्या संगणकीय पद्धतीमध्ये
08:06
a sense of the public life, a sense of civic responsibility.
182
471000
3000
सार्वजनिक जीवनाची जाणीव आहे, एक नागरिक जबाबदारी आहे.
08:09
We need you to make sure that they're transparent enough
183
474000
3000
तुम्ही ह्याची खात्री केली पाहिजे की हे नियम पारदर्शक आहेत
08:12
that we can see what the rules are
184
477000
2000
जेणेकरून हे कळेल की कुठल्या नियमांमुळे
08:14
that determine what gets through our filters.
185
479000
3000
कुठली माहिती पोहोचते.
08:17
And we need you to give us some control
186
482000
2000
आणि तुम्ही आम्हाला ह्या नियमांवर थोडं नियंत्रण दिलं पाहिजे
08:19
so that we can decide
187
484000
2000
ज्यामुळे आम्हाला हे ठरवता येईल की,
08:21
what gets through and what doesn't.
188
486000
3000
कुठली माहिती पोहोचते आणि कुठली नाही.
08:24
Because I think
189
489000
2000
कारण मला असं खरच वाटतं की
08:26
we really need the Internet to be that thing
190
491000
2000
इंटरनेट तसच असलं पाहिजे जे
08:28
that we all dreamed of it being.
191
493000
2000
आपल्या सगळ्यांच्या स्वप्नात होतं.
08:30
We need it to connect us all together.
192
495000
3000
त्यामुळे आपण सगळे जोडले गेले आहोत.
08:33
We need it to introduce us to new ideas
193
498000
3000
त्यामुळे आपल्याला नवीन कल्पनांची,
08:36
and new people and different perspectives.
194
501000
3000
नवीन लोकांची आणि वेगवेगळ्या मतांची ओळख होते.
08:40
And it's not going to do that
195
505000
2000
आणि जर आपण एकाकी अश्या वेबमध्ये अडकलो
08:42
if it leaves us all isolated in a Web of one.
196
507000
3000
जे प्रत्येकालाच इतरांपासून दूर नेत असेल तर हे होणार नाही.
08:45
Thank you.
197
510000
2000
धन्यवाद .
08:47
(Applause)
198
512000
11000
(टाळ्या)
Translated by Chaitanya Shivade
Reviewed by Ajay Mulay

▲Back to top

ABOUT THE SPEAKER
Eli Pariser - Organizer and author
Pioneering online organizer Eli Pariser is the author of "The Filter Bubble," about how personalized search might be narrowing our worldview.

Why you should listen

Shortly after the September 11, 2001, attacks, Eli Pariser created a website calling for a multilateral approach to fighting terrorism. In the following weeks, over half a million people from 192 countries signed on, and Pariser rather unexpectedly became an online organizer. The website merged with MoveOn.org in November 2001, and Pariser -- then 20 years old -- joined the group to direct its foreign policy campaigns. He led what the New York Times Magazine called the "mainstream arm of the peace movement" -- tripling MoveOn's member base and demonstrating how large numbers of small donations could be mobilized through online engagement.

In 2004, Pariser became executive director of MoveOn. Under his leadership, MoveOn.org Political Action has grown to 5 million members and raised over $120 million from millions of small donors to support advocacy campaigns and political candidates. Pariser focused MoveOn on online-to-offline organizing, developing phone-banking tools and precinct programs in 2004 and 2006 that laid the groundwork for Barack Obama's extraordinary web-powered campaign. In 2008, Pariser transitioned the Executive Director role at MoveOn to Justin Ruben and became President of MoveOn’s board; he's now a senior fellow at the Roosevelt Institute.

His book The Filter Bubble is set for release May 12, 2011. In it, he asks how modern search tools -- the filter by which many of see the wider world -- are getting better and better and screening the wider world from us, by returning only the search results it "thinks" we want to see.

More profile about the speaker
Eli Pariser | Speaker | TED.com

Data provided by TED.

This site was created in May 2015 and the last update was on January 12, 2020. It will no longer be updated.

We are currently creating a new site called "eng.lish.video" and would be grateful if you could access it.

If you have any questions or suggestions, please feel free to write comments in your language on the contact form.

Privacy Policy

Developer's Blog

Buy Me A Coffee