TED2011
Aaron Koblin: Visualizing ourselves ... with crowd-sourced data
Aaron Koblin: Kunstig onze menselijkheid visualiseren
Filmed:
Readability: 4.2
1,731,467 views
Kunstenaar Aaron Koblin neemt omvangrijke hoeveelheden data -- en zo nu en dan omvrangrijke hoeveelheden mensen -- en verwerkt ze in verbluffende visualisaties. Van elegante lijnen die vluchten van vliegtuigmaatschappijen optekenen tot landschappen van mobiele telefoondata, van een Johnny Cash video in elkaar gezet met crowd-sourced tekeningen tot de "Wilderness Downtown"-video die zich aanpast aan de gebruiker -- zijn werk verkent op briljante wijze hoe moderne technologie ons menselijker kan maken.
Aaron Koblin - Data artist
Aaron Koblin is an artist specializing in data and digital technologies. His work takes real world and community-generated data and uses it to reflect on cultural trends and the changing relationship between humans and technology. Full bio
Aaron Koblin is an artist specializing in data and digital technologies. His work takes real world and community-generated data and uses it to reflect on cultural trends and the changing relationship between humans and technology. Full bio
Double-click the English transcript below to play the video.
00:15
So I think data can actually make us more human.
0
0
4000
Ik denk dat data ons menselijker kunnen maken.
00:19
We're collecting and creating all kinds of data about how we're living our lives,
1
4000
3000
We verzamelen en creëren allerlei soorten data over hoe we onze levens leiden,
00:22
and it's enabling us to tell some amazing stories.
2
7000
2000
en dat stelt ons in staat om enkele geweldige verhalen te vertellen.
00:24
Recently, a wise media theorist Tweeted,
3
9000
3000
Een wijze mediatheoreticus Twitterde onlangs,
00:27
"The 19th century culture was defined by the novel,
4
12000
2000
"De 19e-eeuwse cultuur werd gedefinieerd door de roman,
00:29
the 20th century culture was defined by the cinema,
5
14000
2000
De 20e-eeuwse cultuur werd gedefinieerd door de film,
00:31
and the culture of the 21st century
6
16000
2000
en de cultuur van de 21e eeuw
00:33
will be defined by the interface."
7
18000
2000
zal gedefinieerd worden door de interface."
00:35
And I believe this is going to prove true.
8
20000
2000
En ik geloof dat dit zal blijken te kloppen.
00:37
Our lives are being driven by data,
9
22000
2000
Onze levens worden gestuurd door data,
00:39
and the presentation of that data is an opportunity
10
24000
2000
en de presentatie van die data is een mogelijkheid
00:41
for us to make some amazing interfaces that tell great stories.
11
26000
2000
om interfaces te maken, die prachtige verhalen vertellen.
00:43
So I'm going to show you a few of the projects
12
28000
2000
Ik ga jullie een aantal van de projecten laten zien,
00:45
that I've been working on over the last couple years
13
30000
2000
waar ik aan heb gewerkt de afgelopen jaren
00:47
that reflect on our lives and our systems.
14
32000
2000
en die terugslaan op onze levens en onze systemen.
00:49
This is a project called Flight Patterns.
15
34000
2000
Dit is een project genaamd vluchtpatronen.
00:51
What you're looking at is airplane traffic
16
36000
2000
Wat jullie zien is vliegtuigverkeer
00:53
over North America for a 24-hour period.
17
38000
3000
over Noord-Amerika gedurende een periode van 24 uur.
00:56
As you see, everything starts to fade to black,
18
41000
2000
Zoals jullie zien, begint alles donker te worden,
00:58
and you see people going to sleep.
19
43000
2000
en je ziet mensen naar bed gaan.
01:00
Followed by that, you see on the West coast
20
45000
2000
Daarop volgend zie je aan de Westkust
01:02
planes moving across, the red-eye flights to the East coast.
21
47000
3000
vliegtuigen over en weer gaan; de nachtvluchten naar de Oostkust.
01:05
And you'll see everybody waking up on the East coast,
22
50000
3000
Je zal iedereen wakker zien worden aan de Oostkust,
01:08
followed by European flights coming in the upper right-hand corner.
23
53000
3000
gevolgd door Europese vluchten die in de rechterbovenhoek binnenkomen.
01:11
Everybody's moving from the East coast to the West coast.
24
56000
3000
Iedereen gaat van de Oostkust naar de Westkust.
01:14
You see San Francisco and Los Angeles
25
59000
2000
Je ziet San Francisco en Los Angeles
01:16
start to make their journeys down to Hawaii in the lower left-hand corner.
26
61000
3000
hun reizen naar Hawaï beginnen te maken in de linkerbenedenhoek.
01:19
I think it's one thing to say there's 140,000 planes
27
64000
2000
Het is één ding om te zeggen dat 140.000 vliegtuigen
01:21
being monitored by the federal government at any one time,
28
66000
3000
op elk gegeven moment worden gemonitord door de federale overheid,
01:24
and it's another thing to see that system as it ebbs and flows.
29
69000
3000
en heel wat anders om dat systeem in beweging te zien.
01:29
This is a time-lapse image of that exact same data,
30
74000
2000
Dit is een time-lapse beeld van exact dezelfde data,
01:31
but I've color-coded it by type,
31
76000
2000
maar ik heb heb het met kleur gecodeerd per type,
01:33
so you can see the diversity of aircraft that are in the skies above us.
32
78000
3000
zodat je de diversiteit aan vliegtuigen in de lucht kunt zien.
01:36
And I started making these, and I put them into Google Maps
33
81000
3000
Ik begon met het maken van deze beelden, zette ze op Google Maps
01:39
and allow you to zoom in and see individual airports
34
84000
2000
en liet je inzoomen om de individuele vliegvelden te zien
01:41
and the patterns that are occurring there.
35
86000
2000
en de patronen die zich daar voltrekken.
01:43
So here we can see the white represents low altitudes,
36
88000
3000
Hier zien we dat het witte de lage hoogtes voorstelt
01:46
and the blue are higher altitudes.
37
91000
2000
en het blauwe de hogere hoogtes.
01:48
And you can zoom in. This is taking a look at Atlanta.
38
93000
2000
Je kan inzoomen. Hier kijken we naar Atlanta.
01:50
You can see this is a major shipping airport,
39
95000
2000
Je kan zien dat dit een groot goederenvliegveld is,
01:52
and there's all kinds of activity there.
40
97000
2000
en er is allerlei activiteit daar.
01:54
You can also toggle between altitude
41
99000
3000
Je kan ook wisselen van hoogte
01:57
for model and manufacturer.
42
102000
2000
naar model en fabrikant.
01:59
See again, the diversity.
43
104000
2000
Zie hier opnieuw de diversiteit.
02:01
And you can scroll around and see
44
106000
2000
Je kan rondscrollen en
02:03
some of the different airports and the different patterns that they have.
45
108000
3000
enkele verschillende vliegvelden zien, en de verschillende patronen die ze hebben.
02:06
This is scrolling up the East coast.
46
111000
2000
Hier scrollen we omhoog langs de Oostkust.
02:08
You can see some of the chaos that's happening in New York
47
113000
2000
Je kan iets van de chaos zien die in New York plaatsvindt
02:10
with the air traffic controllers
48
115000
2000
waar de luchtverkeersleiders
02:12
having to deal with all those major airports next to each other.
49
117000
4000
met grote vliegvelden naast elkaar te maken hebben.
02:17
So zooming back out real quick,
50
122000
2000
We zoomen snel uit
02:19
we see, again, the U.S. -- you get Florida down in the right-hand corner.
51
124000
3000
en zien opnieuw de VS -- met Florida in de rechterbenedenhoek.
02:22
Moving across to the West coast,
52
127000
2000
Als je langs de Westkust beweegt,
02:24
you see San Francisco and Los Angeles --
53
129000
2000
zie je San Francisco en Los Angeles --
02:26
big low-traffic zones
54
131000
2000
grote laag-verkeerszones
02:28
across Nevada and Arizona.
55
133000
2000
over Nevada en Arizona.
02:30
And that's us down there in L.A. and Long Beach on the bottom.
56
135000
4000
En dat daar onderaan zijn wij, hier beneden in L.A. en Long Beach.
02:36
I started taking a look as well at different perimeters,
57
141000
2000
Ik begon ook te kijken naar andere variabelen,
02:38
because you can choose what you want to pull out from the data.
58
143000
2000
omdat je kan kiezen wat je uit de data wilt pikken.
02:40
This is looking at ascending versus descending flights.
59
145000
3000
Hier zien we dalende tegenover opstijgende vluchten.
02:43
And you can see, over time, the ways the airports change.
60
148000
2000
Je ziet dat de vliegvelden mettertijd veranderen.
02:45
You see the holding patterns that start to develop
61
150000
2000
Je ziet holdingpatronen die zich ontwikkelen
02:47
in the bottom of the screen.
62
152000
2000
beneden in het scherm.
02:49
And you can see, eventually the airport actually flips directions.
63
154000
3000
En zoals je ziet, verandert het vliegveld uiteindelijk van richting.
02:53
So this is another project that I worked on with the Sensible Cities Lab at MIT.
64
158000
3000
Dit is een ander project waar ik aan gewerkt heb met het Sensible Cities lab aan MIT.
02:56
This is visualizing international communications.
65
161000
2000
Dit visualiseert internationale communicatie.
02:58
So it's how New York communicates
66
163000
2000
Dus dit is hoe New York communiceert
03:00
with other international cities.
67
165000
2000
met andere internationale steden.
03:02
And we set this up as a live globe in the Museum of Modern Art in New York
68
167000
3000
We hebben dit opgezet als een live aardbol in het Museum der Moderne Kunsten in New York
03:05
for the Design the Elastic Mind exhibition.
69
170000
2000
voor de 'Design the Elastic Mind'-expositie.
03:07
And it had a live feed with a 24-hour offset,
70
172000
2000
Het had een live toevoer met een 24-uurscompensatie,
03:09
so you could see the changing relationship
71
174000
2000
zodat je de veranderende relaties kon zien,
03:11
and some demographic info
72
176000
2000
en wat demografische informatie
03:13
coming through AT&T's data and revealing itself.
73
178000
3000
die door AT&T's data onthuld werd.
03:16
This is another project I worked on with Sensible Cities Lab
74
181000
2000
Dit is een ander project samen met Sensible Cities Lab
03:18
and CurrentCity.org.
75
183000
2000
en CurrentCity.org.
03:20
And it's visualizing SMS messages being sent in the city of Amsterdam.
76
185000
3000
Het visualiseert sms-berichten die worden verstuurd in Amsterdam.
03:23
So you're seeing the daily ebb and flow
77
188000
2000
Je ziet dus de dagelijkse af- en toename
03:25
of people sending SMS messages from different parts of the city,
78
190000
2000
van mensen die sms-berichten sturen vanuit verschillende delen van de stad,
03:27
until we approach New Year's Eve, where everybody says, "Happy New Year!"
79
192000
3000
tot we bij Oud en Nieuw komen, wanneer iedereen "Gelukkig Nieuwjaar!" zegt.
03:30
(Laughter)
80
195000
2000
(Gelach)
03:32
So this is an interactive tool
81
197000
2000
Dit is dus een interactief middel
03:34
that you can move around and see different parts of the city.
82
199000
3000
dat je kan bewegen om verschillende delen van de stad te zien.
03:37
This is looking at another event. This is called Queen's Day.
83
202000
3000
Hier zien we een ander evenement. Dit is Koninginnedag.
03:40
So again, you get this daily ebb and flow
84
205000
2000
Dus opnieuw krijg je die dagelijkse af- en toename
03:42
of people sending SMS messages from different parts of the city.
85
207000
3000
van mensen die sms-berichten sturen vanuit verschillende delen van de stad.
03:45
And then you're going to see people start to gather in the center of the city
86
210000
2000
Je zal zien dat mensen zich gaan verzamelen in het centrum van de stad
03:47
to celebrate the night before,
87
212000
2000
om de nacht van tevoren feest te vieren,
03:49
which happens right here.
88
214000
2000
wat op dit moment gebeurt.
03:51
And then you can see people celebrating the next day.
89
216000
2000
En je kan de mensen de volgende dag feest zien vieren.
03:53
And you can pause it and step back and forth and see different phases.
90
218000
3000
Je kan pauzeren en heen en weer gaan om verschillende fasen te zien.
03:56
So now on to something completely different.
91
221000
2000
En nu naar iets compleet anders.
03:58
Some of you may recognize this.
92
223000
2000
Sommigen van jullie herkennen dit misschien.
04:00
This is Baron Wolfgang von Kempelen's mechanical chess playing machine.
93
225000
3000
Dit is Baron Wolfgang von Kempelens mechanische schaakmachine.
04:03
And it's this amazing robot that plays chess extremely well,
94
228000
2000
Deze geweldige robot kan ontzettend goed schaken,
04:05
except for one thing: it's not a robot at all.
95
230000
3000
op een ding na: het is helemaal geen robot.
04:08
There's actually a legless man that sits in that box
96
233000
2000
Er zit eigenlijk een man zonder benen in die kist
04:10
and controls this chess player.
97
235000
2000
die de schaakspeler bestuurt.
04:12
This was the inspiration for a web service by Amazon
98
237000
2000
Dit was de inspiratie voor een webservice van Amazon
04:14
called the Mechanical Turk -- named after this guy.
99
239000
3000
genaamd Mechanische Turk -- vernoemd naar deze vent.
04:17
And it's based on the premise that there are certain things
100
242000
2000
Het is gebaseerd op de aanname dat sommige dingen
04:19
that are easy for people, but really difficult for computers.
101
244000
2000
makkelijk zijn voor mensen, maar erg moeilijk voor computers.
04:21
So they made this web service and said,
102
246000
2000
Dus maakten zij deze webservice en zeiden,
04:23
"Any programmer can write a piece of software
103
248000
2000
"Elke programmeur kan een stuk software schrijven
04:25
and tap into the minds of thousands of people."
104
250000
2000
en gebruik maken van het verstand van duizenden mensen."
04:27
The nerdy side of me thought, "Wow, this is amazing.
105
252000
2000
De nerd in mij dacht: "Wow, dit is geweldig.
04:29
I can tap into thousands of people's minds."
106
254000
2000
Ik kan gebruik maken van het verstand van duizenden mensen."
04:31
And the other nerdy side of me thought,
107
256000
2000
En de andere nerd in me dacht:
04:33
"This is horrible. This is completely bizarre.
108
258000
3000
"Dit is verschrikkelijk. Dit is volkomen bizar.
04:36
What does this mean for the future of mankind,
109
261000
2000
Wat betekent dit voor de toekomst van de mensheid,
04:38
where we're all plugged into this borg?"
110
263000
2000
waar we allemaal ingeplugd zijn in deze borg?"
04:40
I was probably being a little extreme.
111
265000
2000
Ik was waarschijnlijk wat extreem bezig.
04:42
But what does this mean when we have no context for what it is that we're working on,
112
267000
2000
Maar wat betekent het, wanneer ons werk niet langer een context heeft,
04:44
and we're just doing these little labors?
113
269000
2000
en we slecht kleine taakjes verrichten?
04:46
So I created this drawing tool.
114
271000
2000
Dus creëerde ik dit tekenhulpmiddel.
04:48
I asked people to draw a sheep facing to the left.
115
273000
2000
Ik vroeg mensen om een schaap dat naar links kijkt te tekenen.
04:50
And I said, "I'll pay you two cents for your contribution."
116
275000
2000
Ik zei: "Ik betaal je twee cent voor je bijdrage."
04:52
And I started collecting sheep.
117
277000
3000
En ik begon schapen te verzamelen.
04:55
And I collected a lot, a lot of different sheep.
118
280000
3000
Ik verzamelde heel, heel erg veel verschillende schapen.
04:59
Lots of sheep.
119
284000
2000
Heel veel schapen.
05:01
I took the first 10,000 sheep that I collected,
120
286000
2000
Ik nam de eerste 10.000 schapen die ik inzamelde,
05:03
and I put them on a website called TheSheepMarket.com
121
288000
3000
en zette ze op een website genaamd TheSheepMarket.com
05:06
where you can actually buy collections of 20 sheep.
122
291000
3000
waar je collecties van 20 schapen kan kopen.
05:09
You can't pick individual sheep,
123
294000
2000
Je kan geen individuele schapen uitkiezen,
05:11
but you can buy a single plate block of stamps as a commodity.
124
296000
4000
maar je kan een enkel postzegelblok as artikel kopen.
05:15
And juxtaposed against this grid,
125
300000
2000
En tegenovergesteld aan dit rooster,
05:17
you see actually, by rolling over each individual one,
126
302000
2000
zie je door over elk individueel schaap te rollen,
05:19
the humanity behind this hugely mechanical process.
127
304000
3000
de menselijkheid achter dit ontzettend mechanische proces.
05:22
I think there's something really interesting
128
307000
2000
Ik vind het ontzettend interessant om
05:24
to watching people as they go through this creative toil --
129
309000
3000
te kijken naar mensen als zij die creatieve inspanning doen --
05:27
something we can all relate to,
130
312000
2000
iets waar iedereen zich mee kan identificeren,
05:29
this creative process of trying to come up with something from nothing.
131
314000
3000
dat creatieve proces waarin je probeert om iets uit niets te maken.
05:32
I think it was really interesting to juxtapose this humanity
132
317000
2000
Ik vond het interessant om die menselijkheid tegenover
05:34
versus this massive distributed grid.
133
319000
2000
dat gigantische rooster te stellen.
05:36
Kind of amazing what some people did.
134
321000
3000
Best verbazingwekkend wat sommige mensen deden.
05:39
So here's a few statistics from the project.
135
324000
2000
Hier zijn enkele statistieken van het project.
05:41
Approximate collection rate of 11 sheep per hour,
136
326000
2000
Inzamelsnelheid ongeveer 11 schapen per uur,
05:43
which would make a working wage of 69 cents per hour.
137
328000
3000
wat neerkomt op een salaris van 69 cent per uur.
05:46
There were 662 rejected sheep
138
331000
2000
Er waren 662 afgekeurde schapen
05:48
that didn't meet "sheep-like" criteria and were thrown out of the flock.
139
333000
3000
die niet aan de schaapachtige criteria voldeden en uit de kudde zijn gegooid.
05:51
(Laughter)
140
336000
2000
(Gelach)
05:53
The amount of time spent drawing ranged from four seconds to 46 minutes.
141
338000
3000
De tijd besteed aan het tekenen varieerde van 4 seconden tot 46 minuten.
05:56
That gives you an idea of the different types of motivations and dedication.
142
341000
3000
Dat geeft je een idee van de verschillende soorten motivatie en toewijding.
05:59
And there were 7,599 people that contributed to the project,
143
344000
3000
Er waren 7.599 mensen die bijdroegen aan het project,
06:02
or were unique IP addresses --
144
347000
2000
of waren unieke IP-adressen --
06:04
so about how many people contributed.
145
349000
2000
dus ongeveer zoveel mensen droegen wat bij.
06:06
But only one of them out of the 7,599 said this.
146
351000
4000
Maar slechts een van de 7.599 zei dit.
06:10
(Laughter)
147
355000
4000
(Gelach)
06:14
Which I was pretty surprised by.
148
359000
2000
Waar ik best door verrast was.
06:16
I expected people to be wondering, "Why did I draw a sheep?"
149
361000
3000
Ik verwachtte dat mensen zich zouden afvragen: "Waarom heb ik een schaap getekend?"
06:19
And I think it's a pretty valid question.
150
364000
2000
Ik denk dat het een vrij valide vraag is.
06:21
And there's a lot of reasons why I chose sheep.
151
366000
2000
Er zijn een heleboel redenen waarom ik schapen gekozen heb.
06:23
Sheep were the first animal
152
368000
2000
Schapen waren de eerste dieren
06:25
to be raised from mechanically processed byproducts,
153
370000
2000
die grootgebracht werden met mechanisch verwerkte bijproducten,
06:27
the first to be selectively bred for production traits,
154
372000
2000
de eerste die selectief gefokt werden om hun producteigenschappen,
06:29
the first animal to be cloned.
155
374000
2000
het eerste dier dat werd gekloond.
06:31
Obviously, we think of sheep as followers.
156
376000
2000
Uiteraard denken wij aan schapen als volgers.
06:33
And there's this reference to "Le Petit Prince"
157
378000
2000
Er is een referentie aan "De Kleine Prins"
06:35
where the narrator asks the prince to draw a sheep.
158
380000
2000
waar de verteller de prins vraagt om een schaap te tekenen.
06:37
He draws sheep after sheep.
159
382000
2000
Hij tekent schaap na schaap.
06:39
The narrator's only appeased when he draws a box.
160
384000
2000
De verteller is pas tevreden als hij een doos tekent.
06:41
And he says, "It's not about a scientific rendering of a sheep.
161
386000
2000
En hij zegt: "Het gaat niet om de wetenschappelijke weergave van een schaap.
06:43
It's about your own interpretation and doing something different."
162
388000
3000
Het gaat om jouw eigen interpretatie en het anders doen."
06:46
And I like that.
163
391000
2000
Dat vind ik mooi.
06:48
So this is a clip from Charlie Chaplin's "Modern Times."
164
393000
2000
Dit is een clip van Charlie Chaplins "Modern Times."
06:50
It's showing Charlie Chaplin dealing with some of the major changes
165
395000
3000
Het toont Charlie Chaplin die omgaat met een aantal grote veranderingen
06:53
during the Industrial Revolution.
166
398000
2000
tijdens de Industriële Revolutie.
06:55
So there were no longer shoe makers,
167
400000
2000
Er waren geen schoenenmakers meer,
06:57
but now there are people slapping soles on people's shoes.
168
402000
2000
maar nu zijn er mensen die zolen op de schoenen van mensen knallen.
06:59
And the whole idea of one's relationship to their work changed a lot.
169
404000
3000
Wat iemands relatie tot zijn werk erg veranderde.
07:02
So I thought this was an interesting clip
170
407000
2000
Dus dacht ik dat dit een interessante clip was
07:04
to divide into 16 pieces
171
409000
2000
om in 16 delen te verdelen
07:06
and feed into the Mechanical Turk with a drawing tool.
172
411000
3000
en in te voeren in de Mechanische Turk met een tekenhulpmiddel.
07:09
This basically allowed -- what you see on the left side is the original frame,
173
414000
3000
Dit gaf de mogelijkheid om -- wat je aan de linkerkant ziet is het originele beeldje,
07:12
and on the right side you see that frame
174
417000
2000
en aan de rechterkant zie je dat beeldje
07:14
as interpreted by 16 people
175
419000
2000
zoals geïnterpreteerd door 16 mensen
07:16
who have no idea what it is they're doing.
176
421000
2000
die geen idee hebben waar ze mee bezig zijn.
07:18
And this was the inspiration for a project
177
423000
2000
En dit was de inspiratie voor een project
07:20
that I worked on with my friend Takashi Kawashima.
178
425000
2000
waar ik aan heb gewerkt met mijn vriend Takashi Kawashima.
07:22
We decided to use the Mechanical Turk for exactly what it was meant for,
179
427000
2000
We besloten de Mechanische Turk te gebruiken waar hij voor bedoeld is,
07:24
which is making money.
180
429000
2000
namelijk geld verdienen.
07:26
So we took a hundred dollar bill and divided it into 10,000 teeny pieces,
181
431000
3000
Dus namen we een biljet van honderd dollar en verdeelden het in 10.000 piepkleine stukjes,
07:29
and we fed those into the Mechanical Turk.
182
434000
2000
en die voerden we in in de Mechanische Turk.
07:31
We asked people to draw what it was that they saw.
183
436000
2000
We vroegen mensen om te tekenen wat ze zagen.
07:33
But here there was no sheep-like criteria.
184
438000
2000
Maar er waren geen schaapachtige criteria.
07:35
People, if they drew a stick figure or a smiley face,
185
440000
3000
Of ze nu een stokfiguur tekenden of een smileyface,
07:38
it actually made it into the bill.
186
443000
2000
het werd allemaal geaccepteerd.
07:40
So what you see is actually a representation of how well people did
187
445000
2000
Wat je ziet is dus eigenlijk een representatie van hoe goed mensen
07:42
what it was they were asked to do.
188
447000
2000
deden wat ze gevraagd werd te doen.
07:44
So we took these hundred dollar bills,
189
449000
2000
We namen deze biljetten van honderd dollar,
07:46
and we put them on a website called TenThousandsCents.com,
190
451000
2000
en we zetten ze op een website genaamd TenThousandsCents.com
07:48
where you can browse through and see all the individual contributions.
191
453000
3000
waar je ze kan doorbladeren en alle individuele bijdragen kan zien.
07:51
And you can also trade real hundred-dollar bills for fake hundred-dollar bills
192
456000
3000
Je kan ook echte biljetten van honderd dollar ruilen voor nepbiljetten van honderd dollar
07:54
and make a donation to the Hundred Dollar Laptop Project,
193
459000
3000
en een donatie doen aan het Hundred Dollar Laptop Project,
07:57
which is now known as One Laptop Per Child.
194
462000
3000
wat nu bekend is als One Laptop Per Child.
08:00
This is again showing all the different contributions.
195
465000
2000
Dit laat opnieuw alle verschillende bijdragen zien.
08:02
You see some people did beautiful stipple renderings,
196
467000
2000
Je ziet dat sommige mensen prachtige stippelweergaven maakten
08:04
like this one on top --
197
469000
2000
zoals deze bovenaan --
08:06
spent a long time making realistic versions.
198
471000
3000
besteedden een lange tijd aan het maken van realistische versies.
08:09
And other people would draw stick figures or smiley faces.
199
474000
3000
Andere mensen tekenden stokfiguren of smileys.
08:12
Here on the right-hand side in the middle
200
477000
2000
Hier aan de rechterkant in het midden
08:14
you see this one guy writing, "$0.01!!! Really?"
201
479000
3000
zie je een jongen schrijven: "$0,01!!! Echt?
08:17
That's all I'm getting paid for this?
202
482000
4000
Dat is alles wat ik hiervoor betaald krijg?"
08:21
(Laughter)
203
486000
2000
(Gelach)
08:23
So the last Mechanical Turk project I'm going to talk to you about
204
488000
2000
En het laatste Mechanische Turk-project waar ik met jullie over ga praten,
08:25
is called Bicycle Built for 2000.
205
490000
2000
heet Bicycle Built for 2000.
08:27
This is a collaboration with my friend Daniel Massey.
206
492000
2000
Dit is in samenwerking met mijn vriend Daniel Massey.
08:29
You may recognize these two guys.
207
494000
2000
Je zou deze 2 kerels kunnen herkennen.
08:31
This is Max Mathews and John Kelly from Bell Labs in the '60s,
208
496000
3000
Dit zijn Max Mathews en John Kelly van Bell Labs in de jaren '60,
08:34
where they created the song "Daisy Bell,"
209
499000
2000
toen zij het nummer "Daisy Bell" hebben gemaakt,
08:36
which was the world's first singing computer.
210
501000
2000
wat 's werelds eerste zingende computer was.
08:38
You may recognize it from "2001: A Space Odyssey."
211
503000
2000
Je zou het kunnen herkennen uit "2001: A Space Odyssey."
08:40
When HAL's dying at the end of the film he starts singing this song,
212
505000
3000
Wanneer HAL stervende is aan het eind van de film begint hij dit nummer te zingen,
08:43
as a reference to when computers became human.
213
508000
3000
verwijzend naar het moment dat computers menselijk werden.
08:46
So we resynthesized this song.
214
511000
2000
Wij synthetiseerden dit nummer opnieuw.
08:48
This is what that sounded like.
215
513000
2000
Dit is hoe dat klonk.
08:50
We broke down all the individual notes
216
515000
2000
We splitsten zowel alle individuele noten
08:52
in the singing as well as the phonemes in the singing.
217
517000
3000
in het gezang als alle fonemen in het gezang.
08:55
Daisy Bell: ♫ Daisy, Daisy ... ♫
218
520000
4000
Daisy Bell: ♫ Daisy, Saisy ... ♫
08:59
Aaron Koblin: And we took all of those individual pieces,
219
524000
2000
Aaron Koblin: We namen al die individuele stukken,
09:01
and we fed them into another Turk request.
220
526000
2000
en we voerden ze in bij een ander Turkverzoek.
09:03
This is what it would look like if you went to the site.
221
528000
2000
Dit is hoe het eruit zou zien als je naar de site ging.
09:05
You type in your code,
222
530000
2000
Je typt je code in,
09:07
but you first test your mic.
223
532000
2000
eerst test je je microfoon.
09:09
You'd be fed a simple audio clip.
224
534000
2000
Je zou een simpele audio clip voorgeschoteld krijgen.
09:11
(Honk)
225
536000
2000
(Toeter)
09:13
And then you'd do your best to recreate that with your own voice.
226
538000
3000
En dan zou je je best doen om dat te recreëren met je eigen stem.
09:22
After previewing it and confirming it's what you submitted,
227
547000
3000
Na het voorbeeld te beluisteren en bevestigen dat dat je inzending was,
09:25
you could submit it into the Mechanical Turk with no other context.
228
550000
3000
kon je het zonder verdere context in de Mechanische Turk invoeren.
09:28
And this is what we first got back from the very first set of submissions.
229
553000
3000
Dit is wat we terugkregen van de allereerste set inzendingen.
09:31
Recording: ♫ Daisy, Daisy ♫
230
556000
5000
Opname: ♫ Daisy, Daisy ♫
09:36
♫ give me your answer do ♫
231
561000
5000
♫ geef me je antwoord ♫
09:41
♫ I'm half crazy ♫
232
566000
4000
♫ Ik ben half gek ♫
09:45
♫ all for the love of you ♫
233
570000
5000
♫ van liefde voor jou ♫
09:50
♫ It can't be a stylish marriage ♫
234
575000
5000
♫ Het kan geen sjieke trouwpartij zijn ♫
09:55
♫ I can't afford a carriage ♫
235
580000
4000
♫ Ik kan me geen koets permitteren ♫
09:59
♫ But you'll look sweet upon the seat ♫
236
584000
5000
♫ Maar jij ziet er vast prima uit ♫
10:04
♫ of a bicycle built for two ♫
237
589000
5000
♫ op het zitje van een fiets voor twee ♫
10:09
AK: So James Surowieki has this idea of the wisdom of crowds,
238
594000
3000
AK: James Surowieki had een idee over de wijsheid der menigten;
10:12
that says that a whole bunch of people are smarter than any individual.
239
597000
3000
dat een hele hoop mensen slimmer zijn dan elk individu.
10:15
We wanted to see how this applies to collaborative, distributed music making,
240
600000
3000
We wilden zien hoe dit van toepassing is op het collaboratief, gedistribueerd maken van muziek,
10:18
where nobody has any idea what it is they're working on.
241
603000
3000
waar niemand enig idee heeft waar hij aan werkt.
10:21
So if you go to the BicycleBuiltforTwoThousand.com
242
606000
2000
Dus als je naar BicycleBuiltforTwoThousand.com gaat
10:23
you can actually hear what all this sounds like together.
243
608000
2000
kan je horen hoe dit allemaal samen klinkt.
10:25
I'm sorry for this.
244
610000
2000
Mijn excuses hiervoor.
10:27
(Noise)
245
612000
5000
(Herrie)
10:32
Chorus: ♫ Daisy, Daisy ♫
246
617000
4000
Refrein: ♫ Daisy, Daisy ♫
10:36
♫ Give me your answer do ♫
247
621000
5000
♫ geef me je antwoord ♫
10:41
♫ I'm half crazy ♫
248
626000
5000
♫ Ik ben half gek ♫
10:46
♫ all for the love of you ♫
249
631000
4000
♫ van liefde voor jou ♫
10:50
♫ It can't be a stylish marriage ♫
250
635000
5000
♫ Het kan geen sjieke trouwpartij zijn ♫
10:55
♫ I can't afford a carriage ♫
251
640000
4000
♫ Ik kan me geen koets permitteren ♫
10:59
♫ But you'd look sweet upon the seat ♫
252
644000
5000
♫ Maar jij ziet er vast prima uit ♫
11:04
♫ of a bicycle built for two ♫
253
649000
6000
♫ op het zitje van een fiets voor twee ♫
11:10
AK: So stepping back for a quick second,
254
655000
3000
AK: Als we even een stap terug doen,
11:13
when I was at UCLA going to grad school,
255
658000
2000
toen ik op UCLA aan het afstuderen was,
11:15
I was also working at a place called the Center for Embedded Network Sensing.
256
660000
3000
werkte ik ook op een plek genaamd het Centre for Embedded Network Sensing.
11:18
And I was writing software to visualize laser scanners.
257
663000
3000
Ik was software voor visuele laserscanners aan het schrijven.
11:21
So basically motion through 3D space.
258
666000
2000
In essentie beweging door 3D-ruimte.
11:23
And this was seen by a director in L.A. named James Frost
259
668000
2000
En dit werd gezien door een bestuurslid in L.A. genaamd James Frost
11:25
who said, "Wait a minute.
260
670000
2000
die zei: "Wacht eens even.
11:27
You mean we can shoot a music video without actually using any video?"
261
672000
2000
Bedoel je dat we een muziekvideo kunnen opnemen zonder daadwerkelijk enige videobeelden te gebruiken?"
11:29
So we did exactly that.
262
674000
2000
Dat hebben we toen gedaan.
11:31
We made a music video for one of my favorite bands, Radiohead.
263
676000
2000
We maakten een muziekvideo voor een van mijn favoriete bands, Radiohead.
11:33
And I think one of my favorite parts of this project
264
678000
2000
Ik denk dat een van mijn favoriete gedeelten van dit project
11:35
was not just shooting a video with lasers,
265
680000
2000
niet slechts het filmen van een video met lasers was,
11:37
but we also open sourced it,
266
682000
2000
maar we maakten het ook open source,
11:39
and we made it released as a Google Code project,
267
684000
2000
en lieten het uitbrengen als een Google Code-project,
11:41
where people could download a bunch of the data and some source code
268
686000
2000
waar mensen een stuk van de data en wat source code konden downloaden
11:43
to build their own versions of it.
269
688000
2000
om hun eigen versie ervan te bouwen.
11:45
And people were making some amazing things.
270
690000
2000
En mensen waren geweldige dingen aan het maken.
11:47
This is actually two of my favorites:
271
692000
2000
Dit zijn twee van mij favorieten:
11:49
the pin-board Thom Yorke and a LEGO Thom Yorke.
272
694000
2000
het prikbord van Thom Yorke en een LEGO Thom Yorke.
11:51
A whole YouTube channel of people submitting really interesting content.
273
696000
3000
Een heel YouTube-kanaal van mensen die ontzettend interessante inhoud insturen.
11:54
More recently, somebody even 3D-printed Thom Yorke's head,
274
699000
3000
Recenter heeft iemand zelfs Thom Yorke's hoofd in 3D geprint,
11:57
which is a little creepy, but pretty cool.
275
702000
3000
wat enigszins luguber is, maar best cool.
12:00
So with everybody making so much amazing stuff
276
705000
2000
Terwijl iedereen zulke geweldige dingen maakte
12:02
and actually understanding what it was they were working on,
277
707000
3000
en daadwerkelijk begreep waar ze aan werkten,
12:05
I was really interested in trying to make a collaborative project
278
710000
2000
was ik erg geïnteresseerd om te proberen een collaboratief project te maken
12:07
where people were working together to build something.
279
712000
2000
waar mensen samenwerkten om iets te bouwen.
12:09
And I met a music video director named Chris Milk.
280
714000
2000
Ik ontmoette een muziekvideoregisseur genaamd Chris Milk.
12:11
And we started bouncing around ideas
281
716000
2000
En we begonnen te brainstormen
12:13
to make a collaborative music video project.
282
718000
2000
voer het maken van een collaboratief muziekvideoproject.
12:15
But we knew we really needed the right person
283
720000
2000
Maar we wisten dat we de juiste persoon nodig hadden
12:17
to kind of rally behind and build something for.
284
722000
3000
om ons achter te scharen en iets voor te bouwen.
12:20
So we put the idea on the back burner for a few months.
285
725000
2000
Dus stond het idee een paar maanden op een laag pitje.
12:22
And he ended up talking to Rick Rubin,
286
727000
2000
Hij sprak uiteindelijk met Rick Rubin,
12:24
who was finishing up Johnny Cash's final album
287
729000
2000
die Johnny Cash zijn laatste album aan het afmaken was
12:26
called "Ain't No Grave."
288
731000
2000
genaamd "Ain't No Grave."
12:28
The lyrics to the leading track are "Ain't no grave can hold my body down."
289
733000
3000
De tekst van het titelnummer is: "Er is geen graf dat mijn lichaam kan houden."
12:31
So we thought this was the perfect
290
736000
2000
Dus wij vonden dit het perfecte
12:33
project to build a collaborative memorial
291
738000
2000
project om een collaboratief gedenkstuk
12:35
and a virtual resurrection for Johnny Cash.
292
740000
2000
en een virtuele herrijzenis voor Johnny Cash te maken.
12:37
So I teamed up with my good friend Ricardo Cabello, also known as Mr. doob,
293
742000
3000
Ik vormde een team met mijn goede vriend Ricardo Cabello, ook bekend als Mr. Doob,
12:40
who's a much better programmer than I am,
294
745000
2000
die een veel betere programmeur is dan ik,
12:42
and he made this amazing Flash drawing tool.
295
747000
2000
en hij maakte een geweldig Flash-hulpmiddel om te tekenen.
12:44
As you know,
296
749000
2000
Zoals jullie weten,
12:46
an animation is a series of images.
297
751000
2000
is een animatie een serie afbeeldingen.
12:48
So what we did was cross-cut a bunch of archival footage of Johnny Cash,
298
753000
3000
We crosscutten een hoop archiefbeelden van Johnny Cash,
12:51
and at eight frames a second,
299
756000
2000
en met 8 frames per seconde,
12:53
we allowed individuals to draw a single frame
300
758000
2000
lieten we individuen een enkel frame tekenen
12:55
that would get woven into
301
760000
2000
dat zou worden verwerkt in
12:57
this dynamically changing music video.
302
762000
2000
deze dynamisch veranderende muziekvideo.
12:59
So I don't have time to play the entire thing for you,
303
764000
2000
Ik heb geen tijd om het helemaal voor jullie af te spelen,
13:01
but I want to show you two short clips.
304
766000
2000
maar ik wil jullie twee korte clips laten zien.
13:03
One is the beginning of the music video.
305
768000
2000
Een is het begin van de muziekvideo.
13:05
And that's going to be followed by a short clip
306
770000
2000
En die wordt gevolgd door een korte clip
13:07
of people who have already contributed to the project
307
772000
2000
van mensen die al hebben bijgedragen aan het project
13:09
talking about it briefly.
308
774000
3000
en daar kort wat over zeggen.
13:12
(Music)
309
777000
6000
(Muziek)
13:18
(Video) Johnny Cash: ♫ There ain't no grave ♫
310
783000
2000
(Video) Johnny Cash: ♫ Er is geen graf ♫
13:20
♫ can hold my body down ♫
311
785000
4000
♫ dat mijn lijf vast kan houden ♫
13:24
♫ There ain't no grave ♫
312
789000
2000
♫ Er is geen graf ♫
13:26
♫ can hold body down ♫
313
791000
3000
♫ dat mijn lijf vast kan houden ♫
13:30
♫ When I hear the trumpet sound ♫
314
795000
4000
♫ Als ik de trompet hoor spelen ♫
13:34
♫ I'm going to ride right out of the ground ♫
315
799000
2000
♫ Dan rijd ik recht de grond uit ♫
13:36
♫ Ain't no grave ♫
316
801000
3000
♫ Er is geen graf ♫
13:39
♫ can hold my body ... ♫
317
804000
3000
♫ dat mijn lichaam ... ♫
13:42
(Applause)
318
807000
2000
(Applaus)
13:44
AK: What better way to pay tribute to the man
319
809000
3000
AK: Er is geen betere manier om eer te bewijzen aan de man
13:47
than to make something for one of his songs.
320
812000
3000
dan om iets te maken voor een van zijn nummers.
13:50
Collaborator: I felt really sad when he died.
321
815000
2000
Medewerker: I was erg verdrietig toen hij stierf.
13:52
And I just thought it'd be wonderful,
322
817000
2000
En ik dacht dat het prachtig,
13:54
it'd be really nice to contribute something to his memory.
323
819000
3000
dat het erg mooi zou zijn om iets aan zijn nagedachtenis bij te dragen.
13:57
Collaborator Two: It really allows
324
822000
2000
Medewerker Twee: Hierdoor is
13:59
this last recording of his
325
824000
3000
deze laatste opname van hem
14:02
to be a living, breathing memorial.
326
827000
5000
echt een levend gedenkstuk.
14:07
Collaborator Three: For all of the frames to be drawn by fans,
327
832000
3000
Medewerker Drie: Dat al deze frames getekend zijn door fans,
14:10
each individual frame,
328
835000
2000
elk individueel frame,
14:12
it's got a very powerful feeling to it.
329
837000
2000
geeft het een ontzettend krachtig gevoel.
14:14
Collaborator Four: I've seen everybody
330
839000
2000
Medewerker Vier: Ik heb iedereen gezien
14:16
from Japan, Venezuela, to the States,
331
841000
2000
van Japan, Venezuela, tot de VS,
14:18
to Knoxville, Tennessee.
332
843000
2000
tot Knoxville, Tennessee.
14:20
Collaborator Five: As much as is different from frame to frame,
333
845000
3000
Medewerker Vijf: Zoveel verschil van frame tot frame,
14:23
it really is personal.
334
848000
2000
het is echt persoonlijk.
14:25
Collaborator Six: Watching the video in my room,
335
850000
2000
Medewerker Zes: Toen ik de video bekeek in mijn kamer,
14:27
I could see me not understanding at the beginning of it.
336
852000
3000
kon ik zien dat ik het in het begin niet begreep.
14:30
And I just worked and worked through problems,
337
855000
3000
En ik werkte probleem na probleem af,
14:33
until my little wee battles that I was fighting within the picture
338
858000
4000
totdat de kleine veldslagen die ik uitvocht met het plaatje
14:37
all began to resolve themselves.
339
862000
3000
zichzelf begonnen op te lossen.
14:40
You can actually see the point when I know what I'm doing,
340
865000
2000
Dus je kan daadwerkelijk het moment zien waarop ik weet waar ik mee bezig ben,
14:42
and a lot of light and dark comes into it.
341
867000
3000
en een hoop licht en donker erin komt.
14:45
And in a weird way,
342
870000
2000
En op een vreemde manier,
14:47
that's what I actually like about Johnny Cash's music as well.
343
872000
2000
is dat ook wat ik leuk vind aan Johnny Cash zijn muziek.
14:49
It's the sum total of his life,
344
874000
2000
Het is de optelsom van zijn leven,
14:51
all the things that had happened --
345
876000
2000
alle dingen die gebeurd zijn --
14:53
the bad things, the good things.
346
878000
2000
de slechte dingen, de goede dingen.
14:55
You're hearing a person's life.
347
880000
3000
Je hoort iemands leven.
15:01
AK: So if you go to the website JohnnyCashProject.com,
348
886000
2000
AK: Als je dus naar de website JohnnyCashProject.com gaat,
15:03
what you'll see is the video playing above.
349
888000
2000
zul je de video bovenaan zien afspelen.
15:05
And below it are all the individual frames
350
890000
2000
En daaronder staan al de individuele frames
15:07
that people have been submitting to the project.
351
892000
2000
die mensen hebben bijgedragen aan het project.
15:09
So this isn't finished at all,
352
894000
2000
Dit is dus helemaal nog niet af,
15:11
but it's an ongoing project where people can continue to collaborate.
353
896000
2000
maar het is een doorlopend project waar mensen kunnen blijven bijdragen.
15:13
If you roll over any one of those individual thumbnails,
354
898000
2000
Als je over een van die individuele thumbnails gaat,
15:15
you can see the person who drew that individual thumbnail
355
900000
2000
kan je de persoon zien die die individuele thumbnail heeft getekend
15:17
and where they were located.
356
902000
2000
en waar zij zich bevonden.
15:19
And if you find one that you're interested in,
357
904000
2000
En als je er eentje vindt waar je in geïnteresseerd bent,
15:21
you can actually click on it and open up an information panel
358
906000
2000
kan je ook erop klikken en een informatiepaneel openen
15:23
where you're able to rate that frame,
359
908000
2000
waar je dat frame een beoordeling kunt geven,
15:25
which helps it bubble up to the top.
360
910000
2000
die het verder naar de top helpt.
15:27
And you can also see the way that it was drawn.
361
912000
2000
En je kan ook de manier zien waarop het is getekend.
15:29
Again, you can get the playback and personal contribution.
362
914000
2000
Ook hier kan je de video en persoonlijke bijdrage zien.
15:31
In addition to that, it's listed, the artist's name, the location,
363
916000
3000
Als aanvulling daarop staat er de naam van de artiest, de locatie,
15:34
how long they spent drawing it.
364
919000
2000
hoe lang ze besteedden aan het tekenen ervan.
15:36
And you can pick a style. So this one was tagged "Abstract."
365
921000
3000
Je kan een stijl kiezen. Deze was dus getagd "Abstract."
15:39
But there's a bunch of different styles.
366
924000
2000
Maar er zijn een hele hoop verschillende stijlen.
15:41
And you can sort the video a number of different ways.
367
926000
2000
En je kan de video op een aantal manieren sorteren.
15:43
You can say, "I want to see the pointillist version
368
928000
2000
Je kan zeggen: "Ik wil de pointillistische versie
15:45
or the sketchy version or the realistic version.
369
930000
2000
of de geschetste versie of de realistische versie."
15:47
And then this is, again, the abstract version,
370
932000
2000
Dan is dit, wederom, de abstracte versie,
15:49
which ends up getting a little bit crazy.
371
934000
3000
Die uiteindelijk vrij bizar wordt.
15:54
So the last project I want to talk to you about is another collaboration with Chris Milk.
372
939000
3000
Het laatste project waar ik met jullie over wil praten, is nog een samenwerking met Chris Milk.
15:57
And this is called "The Wilderness Downtown."
373
942000
2000
En dat is genaamd "The Wilderness Downtown."
15:59
It's an online music video for the Arcade Fire.
374
944000
3000
Het is een online muziekvideo voor The Arcade Fire.
16:02
Chris and I were really amazed
375
947000
2000
Chris en ik stonden versteld
16:04
by the potential now with modern web browsers,
376
949000
2000
van het potentieel met moderne webbrowsers van nu,
16:06
where you have HTML5 audio and video
377
951000
2000
waar je HTML5 audio en video hebt
16:08
and the power of JavaScript to render amazingly fast.
378
953000
3000
en de kracht van JavaScript om alles ongelofelijk snel weer te geven.
16:11
And we wanted to push the idea of the music video that was meant for the Web
379
956000
3000
We wilden het idee van een muziekvideo die bedoeld was voor het web
16:14
beyond the four-by-three or sixteen-by-nine window
380
959000
3000
voorbij het vier bij drie of 16/9 venster duwen
16:17
and try to make it play out and choreograph throughout the screen.
381
962000
3000
en proberen om het over het hele scherm te choreograferen en laten spelen.
16:20
But most importantly, I think,
382
965000
2000
Maar als belangrijkste, denk ik,
16:22
we really wanted to make an experience that was unlike the Johnny Cash Project,
383
967000
3000
wilden we een ervaring maken die niet zoals het Johnny Cash-Project was,
16:25
where you had a small group of people spending a lot of time
384
970000
3000
waar je een kleine groep mensen had die veel tijd besteedden
16:28
to contribute something for everyone.
385
973000
2000
om iets bij te dragen voor iedereen.
16:30
What if we had a very low commitment,
386
975000
3000
Wat nou als we erg lage verplichtingen hadden,
16:33
but delivered something individually unique to each person who contributed?
387
978000
3000
maar iets unieks leverden aan elke persoon die bijdroeg?
16:36
So the project starts off by asking you to enter the address
388
981000
2000
Het project begint dus met je te vragen om je adres in te voeren
16:38
of the home where you grew up.
389
983000
2000
van het huis waar je opgroeide.
16:40
And you type in the address --
390
985000
2000
Je typt het adres in --
16:42
it actually creates a music video specifically for you,
391
987000
2000
het creëert een muziekvideo specifiek voor jou,
16:44
pulling in Google maps and Streetview images
392
989000
2000
door beelden van Google maps en Streetview op te nemen
16:46
into the experience itself.
393
991000
2000
in de ervaring zelf.
16:48
So this should really be seen at home with you typing in your own address,
394
993000
3000
Dit zou dus eigenlijk thuis moeten worden bekeken waar jij je eigen adres intypt,
16:51
but I'm going to give you a little preview of what you can expect.
395
996000
3000
maar ik ga jullie een kleine voorbeschouwing geven van wat je kan verwachten.
16:54
(Video) Win Butler: ♫ Now our lives are changing fast ♫
396
999000
4000
(Video) Win Butler: ♫ Onze levens veranderen snel ♫
16:58
♫ Now our lives are changing fast ♫
397
1003000
4000
♫ Onze levens veranderen snel ♫
17:02
♫ Hope that something pure can last ♫
398
1007000
3000
♫ Ik hoop dat iets puurs kan blijven ♫
17:06
♫ Hope that something pure can last ♫
399
1011000
4000
♫ Ik hoop dat iets puurs kan blijven ♫
17:13
♫ Ooh we used to wait ♫
400
1018000
4000
♫ Ooh wat wachtten we ♫
17:17
♫ Ooh we used to wait ♫
401
1022000
4000
♫ Ooh wat wachtten we ♫
17:21
♫ Ooh we used to wait ♫
402
1026000
3000
♫ Ooh wat wachtten we ♫
17:24
♫ Sometimes it never came ♫
403
1029000
3000
♫ Soms kwam het nooit ♫
17:27
♫ Sometimes it never came ♫
404
1032000
4000
♫ Soms kwam het nooit ♫
17:31
♫ Still moving through the pain ♫
405
1036000
3000
♫ Nog steeds is er die pijn ♫
17:34
♫ We used to wait for it ♫
406
1039000
4000
♫ We wachtten erop ♫
17:38
♫ We used to wait for it ♫
407
1043000
4000
♫ We wachtten erop ♫
17:42
♫ We used to wait for it ♫
408
1047000
4000
♫ We wachtten erop ♫
17:50
AK: So I think, if there's one thing to take away from my talk today,
409
1055000
3000
AK: Ik denk dat als er één ding is om mee te nemen van mijn praatje vandaag,
17:53
it's that an interface can be a powerful narrative device.
410
1058000
2000
het is dat een interface een krachtig verhalend apparaat kan zijn.
17:55
And as we collect more and more personally and socially relevant data,
411
1060000
4000
En naarmate we meer en meer persoonlijk en sociaal relevante data verzamelen,
17:59
we have an opportunity, and maybe even an obligation,
412
1064000
2000
hebben we een mogelijkheid, misschien zelfs een verplichting,
18:01
to maintain the humanity and tell some amazing stories
413
1066000
2000
om de menselijkheid te behouden en enkele fantastische verhalen te vertellen
18:03
as we explore and collaborate together.
414
1068000
2000
terwijl we samen ontdekken en samenwerken.
18:05
Thanks a lot.
415
1070000
2000
Ontzettend bedankt.
18:07
(Applause)
416
1072000
4000
(Applaus)
ABOUT THE SPEAKER
Aaron Koblin - Data artistAaron Koblin is an artist specializing in data and digital technologies. His work takes real world and community-generated data and uses it to reflect on cultural trends and the changing relationship between humans and technology.
Why you should listen
Aaron Koblin finds art through the unlikely confluence of massive data sets and personal intimacy. His work ranges from animating the paths of every North American airline flight, to using Amazon’s Mechanical Turk crowdsourcing platform to pay workers to “draw a sheep facing left,” which were then placed in "The Sheep Market."
Koblin was creative director for Johnny Cash's final music video, "Ain't No Grave," and worked on Radiohead’s video “House of Cards,” both of which received a Grammy nomination. He is now the Creative Director of the Data Arts team in Google's Creative Lab. His team collaborated with Arcade Fire to produce an online music video that allows viewers to incorporate images of their home neighborhood into the experience using Google Street View.
Aaron Koblin | Speaker | TED.com