TED2011
Aaron Koblin: Visualizing ourselves ... with crowd-sourced data
Aaron Koblin: Artystycznie wizualizując nasze człowieczeństwo
Filmed:
Readability: 4.2
1,731,467 views
Artysta Aaron Koblin bierze ogromne ilości danych, a czasami wielkie ilości ludzi, i przekształca je w zapierające dech wizualizacje. Od eleganckich linii śledzących loty rejsowe do krajobrazów z danych sieci komórkowych, od teledysku Johnny'ego Cashe'a złożonego z rysunków wykonanych metodą crowd sourcingu do "Wilderness Downtown", teledysku który dopasowuje się do użytkownika. Jego prace genialnie ukazują jak nowoczesna technologia może uczynić nas bardziej ludzkimi.
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
Myślę, że dane mogą uczynić nas bardziej ludzkimi.
00:19
We're collecting and creating all kinds of data about how we're living our lives,
1
4000
3000
Zbieramy i tworzymy wszystkie rodzaje danych o tym jak przeżywamy nasze życia,
00:22
and it's enabling us to tell some amazing stories.
2
7000
2000
i to pozwala nam na opowiedzenie niesamowitych historii.
00:24
Recently, a wise media theorist Tweeted,
3
9000
3000
Niedawno, mądry teoretyk mediów napisał na Twitterze,
00:27
"The 19th century culture was defined by the novel,
4
12000
2000
"Kultura 19-tego wieku została zdefiniowana przez powieść,
00:29
the 20th century culture was defined by the cinema,
5
14000
2000
kultura 20-tego wieku została zdefiniowana przez kino,
00:31
and the culture of the 21st century
6
16000
2000
a kultura 21-ego wieku
00:33
will be defined by the interface."
7
18000
2000
zostanie zdefiniowana przez interfejs".
00:35
And I believe this is going to prove true.
8
20000
2000
I wierzę, że to okaże się prawdą.
00:37
Our lives are being driven by data,
9
22000
2000
Nasze życia są kierowane danymi,
00:39
and the presentation of that data is an opportunity
10
24000
2000
a prezentacja tych danych jest dla nas szansą,
00:41
for us to make some amazing interfaces that tell great stories.
11
26000
2000
by stworzyć niesamowite interfejsy, które opowiedzą wspaniałe historie.
00:43
So I'm going to show you a few of the projects
12
28000
2000
Pokaże wam więc parę projektów,
00:45
that I've been working on over the last couple years
13
30000
2000
nad którymi pracowałem przez parę ostatnich lat,
00:47
that reflect on our lives and our systems.
14
32000
2000
które odzwierciedlają nasze życia i nasze systemy.
00:49
This is a project called Flight Patterns.
15
34000
2000
To jest projekt nazwany Wzory Lotów.
00:51
What you're looking at is airplane traffic
16
36000
2000
To co widzicie, to ruch lotniczy
00:53
over North America for a 24-hour period.
17
38000
3000
nad Ameryką Północną w ciągu doby.
00:56
As you see, everything starts to fade to black,
18
41000
2000
Jak widzicie, wszystko zaczyna się ściemniać,
00:58
and you see people going to sleep.
19
43000
2000
widzicie ludzi idących spać.
01:00
Followed by that, you see on the West coast
20
45000
2000
Następnie, widzicie zachodnie wybrzeże,
01:02
planes moving across, the red-eye flights to the East coast.
21
47000
3000
samoloty lecące w poprzek, nocne loty na wschodnie wybrzeże.
01:05
And you'll see everybody waking up on the East coast,
22
50000
3000
I zobaczycie jak wszyscy się budzą na wschodnim wybrzeżu,
01:08
followed by European flights coming in the upper right-hand corner.
23
53000
3000
następnie nadchodzące loty z Europy, w prawym górnym rogu.
01:11
Everybody's moving from the East coast to the West coast.
24
56000
3000
Wszyscy przenoszą się ze wschodniego na zachodnie wybrzeże.
01:14
You see San Francisco and Los Angeles
25
59000
2000
Widzicie San Francisco i Los Angeles
01:16
start to make their journeys down to Hawaii in the lower left-hand corner.
26
61000
3000
rozpoczynające swoje podróże na Hawaje, w lewym dolnym rogu.
01:19
I think it's one thing to say there's 140,000 planes
27
64000
2000
Myślę, że jedna rzecz to powiedzieć, że 140 000 samolotów
01:21
being monitored by the federal government at any one time,
28
66000
3000
jest monitorowanych przez rząd w każdym momencie,
01:24
and it's another thing to see that system as it ebbs and flows.
29
69000
3000
a co innego zobaczyć ten system w jego odpływach i przypływach.
01:29
This is a time-lapse image of that exact same data,
30
74000
2000
To jest stopklatka z tych samych danych,
01:31
but I've color-coded it by type,
31
76000
2000
ale pokolorowałem ją względem typów,
01:33
so you can see the diversity of aircraft that are in the skies above us.
32
78000
3000
możecie więc zobaczyć różnorodność samolotów na niebie nad nami.
01:36
And I started making these, and I put them into Google Maps
33
81000
3000
Zacząłem je tworzyć i nałożyłem je na Google Maps,
01:39
and allow you to zoom in and see individual airports
34
84000
2000
co pozwoli wam na przybliżanie i ujrzenie indywidualnych lotnisk
01:41
and the patterns that are occurring there.
35
86000
2000
oraz wzorów, które tu występują.
01:43
So here we can see the white represents low altitudes,
36
88000
3000
Możemy więc zaobserwować, że biały reprezentuje niskie wysokości,
01:46
and the blue are higher altitudes.
37
91000
2000
a niebieski wyższe.
01:48
And you can zoom in. This is taking a look at Atlanta.
38
93000
2000
I możecie przybliżyć. Ten ukazuje Atlantę.
01:50
You can see this is a major shipping airport,
39
95000
2000
Możecie zobaczyć, że jest to główne lotnisko dostawcze
01:52
and there's all kinds of activity there.
40
97000
2000
i występują tu wszystkie rodzaje aktywności.
01:54
You can also toggle between altitude
41
99000
3000
Możecie się również przełączać pomiędzy wysokościami
01:57
for model and manufacturer.
42
102000
2000
względem modelu i producenta.
01:59
See again, the diversity.
43
104000
2000
Zwróćcie ponownie uwagę na różnorodność.
02:01
And you can scroll around and see
44
106000
2000
Możecie też przesuwać obraz i zobaczyć
02:03
some of the different airports and the different patterns that they have.
45
108000
3000
różne lotniska i różne wzory, które tam występują.
02:06
This is scrolling up the East coast.
46
111000
2000
To jest przesuwanie po wschodnim wybrzeżu.
02:08
You can see some of the chaos that's happening in New York
47
113000
2000
Możecie zobaczyć jaki chaos panuje w Nowym Jorku,
02:10
with the air traffic controllers
48
115000
2000
gdzie kontrolerzy lotów,
02:12
having to deal with all those major airports next to each other.
49
117000
4000
muszą sobie radzić z wszystkim tymi sąsiadującymi głównymi lotniskami.
02:17
So zooming back out real quick,
50
122000
2000
Oddalając się bardzo szybko,
02:19
we see, again, the U.S. -- you get Florida down in the right-hand corner.
51
124000
3000
zobaczymy, znowu, USA. Widzicie Florydę w prawym dolnym rogu.
02:22
Moving across to the West coast,
52
127000
2000
Przesuwając się w poprzek do zachodniego wybrzeża,
02:24
you see San Francisco and Los Angeles --
53
129000
2000
widzicie San Francisco i Los Angeles,
02:26
big low-traffic zones
54
131000
2000
duże strefy niskiego ruchu
02:28
across Nevada and Arizona.
55
133000
2000
nad Nevadą i Arizoną.
02:30
And that's us down there in L.A. and Long Beach on the bottom.
56
135000
4000
A to my tutaj w L. A. i Long Beach na dole.
02:36
I started taking a look as well at different perimeters,
57
141000
2000
Zacząłem się także przyglądać innym granicom,
02:38
because you can choose what you want to pull out from the data.
58
143000
2000
ponieważ możecie wybrać co chcecie wyciągnąć z danych.
02:40
This is looking at ascending versus descending flights.
59
145000
3000
To jest spojrzenie na wznoszące kontra opadające loty.
02:43
And you can see, over time, the ways the airports change.
60
148000
2000
I możecie zobaczyć jak zmieniają się lotniska w czasie.
02:45
You see the holding patterns that start to develop
61
150000
2000
Widzicie utrzymujące się wzory, które zaczynają się rozwijać
02:47
in the bottom of the screen.
62
152000
2000
na dole ekranu.
02:49
And you can see, eventually the airport actually flips directions.
63
154000
3000
I możecie zaobserwować, że ostatecznie lotnisko zmienia kierunki.
02:53
So this is another project that I worked on with the Sensible Cities Lab at MIT.
64
158000
3000
A to jest kolejny projekt, nad którym pracowałem z Sensible Cities Lab na MIT.
02:56
This is visualizing international communications.
65
161000
2000
Jest to wizualizacja międzynarodowej komunikacji.
02:58
So it's how New York communicates
66
163000
2000
Jak Nowy Jork komunikuje się
03:00
with other international cities.
67
165000
2000
z innymi międzynarodowymi miastami.
03:02
And we set this up as a live globe in the Museum of Modern Art in New York
68
167000
3000
Ustawiliśmy to jako żywy glob w Muzeum Sztuki Nowoczesnej w Nowym Jorku
03:05
for the Design the Elastic Mind exhibition.
69
170000
2000
na wystawę Projekt elastycznego umysłu.
03:07
And it had a live feed with a 24-hour offset,
70
172000
2000
Odbierało to dane na żywo z 24-o godzinnym offsetem,
03:09
so you could see the changing relationship
71
174000
2000
więc można było zaobserwować zmieniające się relacje
03:11
and some demographic info
72
176000
2000
i pewne demograficzne informacje
03:13
coming through AT&T's data and revealing itself.
73
178000
3000
przechodzące przez dane AT&T i ukazujące się.
03:16
This is another project I worked on with Sensible Cities Lab
74
181000
2000
A to kolejny projekt, nad którym pracowałem z Sensible Cities Lab
03:18
and CurrentCity.org.
75
183000
2000
i CurrentCity.org.
03:20
And it's visualizing SMS messages being sent in the city of Amsterdam.
76
185000
3000
A jest to wizualizacja wiadomości SMS wysyłanych w Amsterdamie.
03:23
So you're seeing the daily ebb and flow
77
188000
2000
Widzicie więc dzienny odpływ i przypływ
03:25
of people sending SMS messages from different parts of the city,
78
190000
2000
ludzi wysyłających wiadomości SMS z różnych części miasta,
03:27
until we approach New Year's Eve, where everybody says, "Happy New Year!"
79
192000
3000
aż dochodzimy do Sylwestra, gdy wszyscy mówią "Szczęśliwego Nowego Roku!".
03:30
(Laughter)
80
195000
2000
(Śmiech)
03:32
So this is an interactive tool
81
197000
2000
Jest to narzędzie interaktywne,
03:34
that you can move around and see different parts of the city.
82
199000
3000
w którym możesz się przesuwać i obserwować różne części miasta.
03:37
This is looking at another event. This is called Queen's Day.
83
202000
3000
To jest spojrzenie na inne wydarzenie. Nazywa się to Dzień Królowej.
03:40
So again, you get this daily ebb and flow
84
205000
2000
Znowu otrzymujecie dzienny odpływ i przypływ
03:42
of people sending SMS messages from different parts of the city.
85
207000
3000
ludzi wysyłających wiadomości SMS z różnych części miasta.
03:45
And then you're going to see people start to gather in the center of the city
86
210000
2000
Następnie zaobserwujecie ludzi zaczynających zbierać się w centrum
03:47
to celebrate the night before,
87
212000
2000
aby świętować poprzedzającą to noc,
03:49
which happens right here.
88
214000
2000
co dzieje się tutaj.
03:51
And then you can see people celebrating the next day.
89
216000
2000
Następnie możecie zobaczyć ludzi świętujących następnego dnia.
03:53
And you can pause it and step back and forth and see different phases.
90
218000
3000
I możecie to zatrzymać i poruszać się w przód i w tył, aby zobaczyć różne fazy.
03:56
So now on to something completely different.
91
221000
2000
A teraz coś kompletnie innego.
03:58
Some of you may recognize this.
92
223000
2000
Niektórzy z was mogą to rozpoznać.
04:00
This is Baron Wolfgang von Kempelen's mechanical chess playing machine.
93
225000
3000
To jest maszyna do gry w szachy barona Wolfganga von Kempelena.
04:03
And it's this amazing robot that plays chess extremely well,
94
228000
2000
Jest to niesamowity robot, który bardzo dobrze gra w szachy,
04:05
except for one thing: it's not a robot at all.
95
230000
3000
z jednym wyjątkiem, to nie jest wcale robot.
04:08
There's actually a legless man that sits in that box
96
233000
2000
W rzeczywistości w pudle siedzi beznogi człowiek
04:10
and controls this chess player.
97
235000
2000
i kontroluje tego gracza.
04:12
This was the inspiration for a web service by Amazon
98
237000
2000
Było to inspiracją dla Amazonu do stworzenia usługi sieciowej
04:14
called the Mechanical Turk -- named after this guy.
99
239000
3000
zwanej Mechanical Turk, po tym właśnie facecie.
04:17
And it's based on the premise that there are certain things
100
242000
2000
I bazuje ona na założeniu, iż istnieją pewne rzeczy,
04:19
that are easy for people, but really difficult for computers.
101
244000
2000
które są łatwe dla ludzi, ale naprawdę trudne dla komputerów.
04:21
So they made this web service and said,
102
246000
2000
Stworzyli więc tą usługę sieciową i powiedzieli,
04:23
"Any programmer can write a piece of software
103
248000
2000
"Każdy programista może napisać program
04:25
and tap into the minds of thousands of people."
104
250000
2000
i dotrzeć do umysłów tysięcy ludzi".
04:27
The nerdy side of me thought, "Wow, this is amazing.
105
252000
2000
Kujońska część mnie pomyślała, "Wow, to jest niesamowite.
04:29
I can tap into thousands of people's minds."
106
254000
2000
Mogę dotrzeć do tysięcy ludzkich umysłów".
04:31
And the other nerdy side of me thought,
107
256000
2000
A druga kujońska część mnie pomyślała,
04:33
"This is horrible. This is completely bizarre.
108
258000
3000
"To jest okropne. To jest kompletnie dziwaczne.
04:36
What does this mean for the future of mankind,
109
261000
2000
Co to oznacza dla przyszłości ludzkości,
04:38
where we're all plugged into this borg?"
110
263000
2000
gdzie wszyscy jesteśmy wpięci do tego wieprza?".
04:40
I was probably being a little extreme.
111
265000
2000
Z pewnością trochę przesadzałem.
04:42
But what does this mean when we have no context for what it is that we're working on,
112
267000
2000
Ale co to oznacza kiedy brak nam kontekstu dla tego nad czym pracujemy,
04:44
and we're just doing these little labors?
113
269000
2000
i po prostu wykonujemy te małe prace?
04:46
So I created this drawing tool.
114
271000
2000
Stworzyłem więc narzędzie do rysowania.
04:48
I asked people to draw a sheep facing to the left.
115
273000
2000
I poprosiłem ludzi o narysowanie owcy skierowanej w lewo.
04:50
And I said, "I'll pay you two cents for your contribution."
116
275000
2000
I powiedziałem, "zapłacę dwa centy za wasz wkład".
04:52
And I started collecting sheep.
117
277000
3000
I zacząłem zbierać owce.
04:55
And I collected a lot, a lot of different sheep.
118
280000
3000
Zebrałem dużo, dużo różnych owiec.
04:59
Lots of sheep.
119
284000
2000
Dużo owiec.
05:01
I took the first 10,000 sheep that I collected,
120
286000
2000
Wziąłem pierwszych zebranych 10 000 owiec
05:03
and I put them on a website called TheSheepMarket.com
121
288000
3000
i umieściłem je na stronie zwanej TheSheepMarket.com,
05:06
where you can actually buy collections of 20 sheep.
122
291000
3000
gdzie możecie kupić kolekcje 20-stu owiec.
05:09
You can't pick individual sheep,
123
294000
2000
Nie możecie wybrać indywidualnej owcy,
05:11
but you can buy a single plate block of stamps as a commodity.
124
296000
4000
ale możecie kupić blok znaczków jako artykuł.
05:15
And juxtaposed against this grid,
125
300000
2000
I przyrównane do tej matrycy
05:17
you see actually, by rolling over each individual one,
126
302000
2000
możecie zobaczyć, poprzez najechanie na każdą z osobna,
05:19
the humanity behind this hugely mechanical process.
127
304000
3000
ludzkość stojącą za tym wielce mechanicznym procesem.
05:22
I think there's something really interesting
128
307000
2000
Myślę, że jest coś naprawdę interesującego
05:24
to watching people as they go through this creative toil --
129
309000
3000
w przyglądaniu się ludziom jak przechodzą ten kreatywny znój,
05:27
something we can all relate to,
130
312000
2000
coś do czego możemy się wszyscy odnieść,
05:29
this creative process of trying to come up with something from nothing.
131
314000
3000
ten kreatywny proces próby stworzenia czegoś z niczego.
05:32
I think it was really interesting to juxtapose this humanity
132
317000
2000
Myślę, że było bardzo interesujące móc porównać ludzkość
05:34
versus this massive distributed grid.
133
319000
2000
do tej masowo rozproszonej sieci.
05:36
Kind of amazing what some people did.
134
321000
3000
Niesamowite co niektórzy ludzie stworzyli.
05:39
So here's a few statistics from the project.
135
324000
2000
Tutaj mamy trochę statystyki z projektu.
05:41
Approximate collection rate of 11 sheep per hour,
136
326000
2000
Przybliżone tempo zbierania wyniosło 11 owiec na godzinę,
05:43
which would make a working wage of 69 cents per hour.
137
328000
3000
co daje nam stawkę 69 centów za godzinę pracy.
05:46
There were 662 rejected sheep
138
331000
2000
Było 662 odrzuconych owiec,
05:48
that didn't meet "sheep-like" criteria and were thrown out of the flock.
139
333000
3000
które nie spełniły kryterium przypominania owcy i zostały wyrzucone ze stada.
05:51
(Laughter)
140
336000
2000
(Śmiech)
05:53
The amount of time spent drawing ranged from four seconds to 46 minutes.
141
338000
3000
Ilość czasu spędzona na rysowaniu rozciągała się od 4 sekund do 46 minut.
05:56
That gives you an idea of the different types of motivations and dedication.
142
341000
3000
To da wam pojęcie o różnych typach motywacji i poświęcenia.
05:59
And there were 7,599 people that contributed to the project,
143
344000
3000
Było 7599 ludzi, którzy uczestniczyli w projekcie,
06:02
or were unique IP addresses --
144
347000
2000
tudzież tyle unikalnych adresów IP,
06:04
so about how many people contributed.
145
349000
2000
więc mniej więcej tyle ludzi wzięło udział.
06:06
But only one of them out of the 7,599 said this.
146
351000
4000
Ale tylko jeden z tych 7599 powiedział to.
06:10
(Laughter)
147
355000
4000
(Śmiech)
06:14
Which I was pretty surprised by.
148
359000
2000
Czym byłem całkiem zaskoczony.
06:16
I expected people to be wondering, "Why did I draw a sheep?"
149
361000
3000
Oczekiwałem, że ludzie będą się zastanawiać "Dlaczego mam narysować owcę?".
06:19
And I think it's a pretty valid question.
150
364000
2000
I myślę, że jest to bardzo dobre pytanie.
06:21
And there's a lot of reasons why I chose sheep.
151
366000
2000
Jest wiele powodów dla których wybrałem owce.
06:23
Sheep were the first animal
152
368000
2000
Owce były pierwszymi zwierzętami,
06:25
to be raised from mechanically processed byproducts,
153
370000
2000
które były wyhodowane z mechanicznie przetworzonych produktów ubocznych,
06:27
the first to be selectively bred for production traits,
154
372000
2000
pierwszymi, które były selektywnie hodowane dla cech produkcyjnych,
06:29
the first animal to be cloned.
155
374000
2000
pierwszymi sklonowanymi zwierzętami.
06:31
Obviously, we think of sheep as followers.
156
376000
2000
Oczywistym jest, ze myślimy o owcach jako podążających.
06:33
And there's this reference to "Le Petit Prince"
157
378000
2000
I jest odniesienie do "Le Petit Prince"
06:35
where the narrator asks the prince to draw a sheep.
158
380000
2000
gdzie narrator prosi księcia, by narysował owcę.
06:37
He draws sheep after sheep.
159
382000
2000
Rysuje on owcę za owcą.
06:39
The narrator's only appeased when he draws a box.
160
384000
2000
Narrator zostaje zaspokojony dopiero gdy rysuje pudełko.
06:41
And he says, "It's not about a scientific rendering of a sheep.
161
386000
2000
I mówi "Nie chodzi tu o naukowe wyobrażenie owcy.
06:43
It's about your own interpretation and doing something different."
162
388000
3000
Chodzi o twoją interpretację i zrobienie czegoś innego".
06:46
And I like that.
163
391000
2000
I mnie się to podoba.
06:48
So this is a clip from Charlie Chaplin's "Modern Times."
164
393000
2000
To jest urywek z filmu Charliego Chaplina "Dzisiejsze czasy".
06:50
It's showing Charlie Chaplin dealing with some of the major changes
165
395000
3000
Ukazuje Charliego Chaplina radzącego sobie z poważnymi zmianami
06:53
during the Industrial Revolution.
166
398000
2000
podczas Rewolucji Przemysłowej.
06:55
So there were no longer shoe makers,
167
400000
2000
Nie było więc już szewców,
06:57
but now there are people slapping soles on people's shoes.
168
402000
2000
teraz są ludzie przybijający podeszwy do butów.
06:59
And the whole idea of one's relationship to their work changed a lot.
169
404000
3000
I cała idea relacji jednostki do swojej pracy bardzo się zmieniła.
07:02
So I thought this was an interesting clip
170
407000
2000
Pomyślałem, że jest to interesujący urywek,
07:04
to divide into 16 pieces
171
409000
2000
aby go podzielić na 16 kawałków
07:06
and feed into the Mechanical Turk with a drawing tool.
172
411000
3000
i zamieścić na Mechanical Turk z narzędziem do rysowania.
07:09
This basically allowed -- what you see on the left side is the original frame,
173
414000
3000
To zasadniczo pozwoliło, po lewej stronie widzicie oryginalną klatkę,
07:12
and on the right side you see that frame
174
417000
2000
a po prawej tą klatkę w interpretacji
07:14
as interpreted by 16 people
175
419000
2000
16 ludzi,
07:16
who have no idea what it is they're doing.
176
421000
2000
którzy nie mają pojęcia co robią.
07:18
And this was the inspiration for a project
177
423000
2000
I to było inspiracją dla projektu,
07:20
that I worked on with my friend Takashi Kawashima.
178
425000
2000
nad którym pracowałem z moim przyjacielem Takashi Kawashima.
07:22
We decided to use the Mechanical Turk for exactly what it was meant for,
179
427000
2000
Zdecydowaliśmy się na użycie Mechanical Turk dokładnie do czego został stworzony,
07:24
which is making money.
180
429000
2000
czyli robienia pieniędzy.
07:26
So we took a hundred dollar bill and divided it into 10,000 teeny pieces,
181
431000
3000
Wzięliśmy więc banknot stu dolarowy i podzieliliśmy go na 10 000 małych kawałków,
07:29
and we fed those into the Mechanical Turk.
182
434000
2000
i umieściliśmy to na Mechanical Turk.
07:31
We asked people to draw what it was that they saw.
183
436000
2000
Poprosiliśmy ludzi, by narysowali to co widzą.
07:33
But here there was no sheep-like criteria.
184
438000
2000
Ale nie było kryterium jak przy owcach.
07:35
People, if they drew a stick figure or a smiley face,
185
440000
3000
Jeśli ludzie narysowali figurkę z patyków albo uśmieszek,
07:38
it actually made it into the bill.
186
443000
2000
to trafiało to na banknot.
07:40
So what you see is actually a representation of how well people did
187
445000
2000
To co więc widzicie, to reprezentacja jak ludzie poradzili sobie
07:42
what it was they were asked to do.
188
447000
2000
z tym o co ich poproszono.
07:44
So we took these hundred dollar bills,
189
449000
2000
Wzięliśmy więc te stu dolarowe banknoty
07:46
and we put them on a website called TenThousandsCents.com,
190
451000
2000
i umieściliśmy je na stronie TenThousandsCents.com,
07:48
where you can browse through and see all the individual contributions.
191
453000
3000
gdzie możecie przeglądać wszystkie indywidualne kontrybucje.
07:51
And you can also trade real hundred-dollar bills for fake hundred-dollar bills
192
456000
3000
Możecie też wymienić prawdziwe banknoty stu dolarowe na te fałszywe
07:54
and make a donation to the Hundred Dollar Laptop Project,
193
459000
3000
i wspomóc projekt Laptop za sto dolarów,
07:57
which is now known as One Laptop Per Child.
194
462000
3000
który jest znany jako Jeden laptop na dziecko.
08:00
This is again showing all the different contributions.
195
465000
2000
To ponownie pokazuje różne kontrybucje.
08:02
You see some people did beautiful stipple renderings,
196
467000
2000
Widzicie, że niektórzy ludzie zrobili piękne punktowe rysunki,
08:04
like this one on top --
197
469000
2000
jak ten na górze -
08:06
spent a long time making realistic versions.
198
471000
3000
spędzili dużo czasu tworząc realistyczne wersje.
08:09
And other people would draw stick figures or smiley faces.
199
474000
3000
A inni narysowali figurki z patyków albo uśmieszki.
08:12
Here on the right-hand side in the middle
200
477000
2000
Tu na środku, po prawej widzicie,
08:14
you see this one guy writing, "$0.01!!! Really?"
201
479000
3000
że jeden gość napisał "1 cent!!! Doprawdy?"
08:17
That's all I'm getting paid for this?
202
482000
4000
To wszystko co za to dostanę?
08:21
(Laughter)
203
486000
2000
(Śmiech)
08:23
So the last Mechanical Turk project I'm going to talk to you about
204
488000
2000
Ostatni projekt na Mechanical Turk, o którym wam opowiem
08:25
is called Bicycle Built for 2000.
205
490000
2000
zwie się Rower zbudowany na rok 2000.
08:27
This is a collaboration with my friend Daniel Massey.
206
492000
2000
Jest to współpraca z moim przyjacielem Danielem Massey.
08:29
You may recognize these two guys.
207
494000
2000
Możecie rozpoznać tych dwóch gości.
08:31
This is Max Mathews and John Kelly from Bell Labs in the '60s,
208
496000
3000
Są to Max Mathews i John Kelly z laboratorium Bell w latach 60-tych,
08:34
where they created the song "Daisy Bell,"
209
499000
2000
gdzie stworzyli piosenkę "Daisy Bell",
08:36
which was the world's first singing computer.
210
501000
2000
co było pierwszym na świecie śpiewającym komputerem.
08:38
You may recognize it from "2001: A Space Odyssey."
211
503000
2000
Możecie to pamiętać z "2001: Odyseja kosmiczna".
08:40
When HAL's dying at the end of the film he starts singing this song,
212
505000
3000
Gdy HAL umiera na końcu filmu zaczyna śpiewać tą piosenkę,
08:43
as a reference to when computers became human.
213
508000
3000
jako odwołanie do komputerów stających się ludźmi.
08:46
So we resynthesized this song.
214
511000
2000
Zmieniliśmy więc tą piosenkę.
08:48
This is what that sounded like.
215
513000
2000
Oto jak brzmiała.
08:50
We broke down all the individual notes
216
515000
2000
Rozbiliśmy ją na indywidualne nuty
08:52
in the singing as well as the phonemes in the singing.
217
517000
3000
w śpiewie, jak i fonemy w śpiewie.
08:55
Daisy Bell: ♫ Daisy, Daisy ... ♫
218
520000
4000
Daisy Bell: ♫ Daisy, Daisy ... ♫
08:59
Aaron Koblin: And we took all of those individual pieces,
219
524000
2000
Aaron Koblin: Zebraliśmy wszystkie te indywidualne kawałki
09:01
and we fed them into another Turk request.
220
526000
2000
i umieściliśmy je w kolejnym zleceniu na Mechanical Turk.
09:03
This is what it would look like if you went to the site.
221
528000
2000
Tak to wyglądało jak wchodziłeś na stronę.
09:05
You type in your code,
222
530000
2000
Wpisywałeś swój kod,
09:07
but you first test your mic.
223
532000
2000
ale najpierw testowałeś mikrofon.
09:09
You'd be fed a simple audio clip.
224
534000
2000
Dostawałeś prosty klip audio.
09:11
(Honk)
225
536000
2000
(Klakson)
09:13
And then you'd do your best to recreate that with your own voice.
226
538000
3000
Następnie robiłeś co w twojej mocy, aby odtworzyć to swoim głosem.
09:22
After previewing it and confirming it's what you submitted,
227
547000
3000
Po sprawdzeniu i zatwierdzeniu tego co przesłałeś,
09:25
you could submit it into the Mechanical Turk with no other context.
228
550000
3000
mogłeś przekazać to do Mechanical Turk bez żadnego kontekstu.
09:28
And this is what we first got back from the very first set of submissions.
229
553000
3000
A to jest pierwsza rzecz, którą uzyskaliśmy z pierwszego zbioru kontrybucji.
09:31
Recording: ♫ Daisy, Daisy ♫
230
556000
5000
Nagrywanie: ♫ Daisy, Daisy ♫
09:36
♫ give me your answer do ♫
231
561000
5000
♫ give me your answer do ♫
09:41
♫ I'm half crazy ♫
232
566000
4000
♫ I'm half crazy ♫
09:45
♫ all for the love of you ♫
233
570000
5000
♫ all for the love of you ♫
09:50
♫ It can't be a stylish marriage ♫
234
575000
5000
♫ It can't be a stylish marriage ♫
09:55
♫ I can't afford a carriage ♫
235
580000
4000
♫ I can't afford a carriage ♫
09:59
♫ But you'll look sweet upon the seat ♫
236
584000
5000
♫ But you'll look sweet upon the seat ♫
10:04
♫ of a bicycle built for two ♫
237
589000
5000
♫ of a bicycle built for two ♫
10:09
AK: So James Surowieki has this idea of the wisdom of crowds,
238
594000
3000
AK: Tak więc James Surowieki ma teorię o mądrości tłumu,
10:12
that says that a whole bunch of people are smarter than any individual.
239
597000
3000
która głosi, że grupa ludzi jest mądrzejsza niż jednostka.
10:15
We wanted to see how this applies to collaborative, distributed music making,
240
600000
3000
Chcieliśmy zobaczyć jak to się odnosi do wspólnego, rozproszonego tworzenia muzyki,
10:18
where nobody has any idea what it is they're working on.
241
603000
3000
gdzie nikt nie ma pojęcia nad czym pracuje.
10:21
So if you go to the BicycleBuiltforTwoThousand.com
242
606000
2000
Jeśli więc wejdziecie na stronę BicycleBuiltforTwoThousand.com
10:23
you can actually hear what all this sounds like together.
243
608000
2000
będziecie mogli posłuchać jak te wszystkie dźwięki brzmią połączone.
10:25
I'm sorry for this.
244
610000
2000
Przepraszam za to.
10:27
(Noise)
245
612000
5000
(Hałas)
10:32
Chorus: ♫ Daisy, Daisy ♫
246
617000
4000
Chór: ♫ Daisy, Daisy ♫
10:36
♫ Give me your answer do ♫
247
621000
5000
♫ Give me your answer do ♫
10:41
♫ I'm half crazy ♫
248
626000
5000
♫ I'm half crazy ♫
10:46
♫ all for the love of you ♫
249
631000
4000
♫ all for the love of you ♫
10:50
♫ It can't be a stylish marriage ♫
250
635000
5000
♫ It can't be a stylish marriage ♫
10:55
♫ I can't afford a carriage ♫
251
640000
4000
♫ I can't afford a carriage ♫
10:59
♫ But you'd look sweet upon the seat ♫
252
644000
5000
♫ But you'd look sweet upon the seat ♫
11:04
♫ of a bicycle built for two ♫
253
649000
6000
♫ of a bicycle built for two ♫
11:10
AK: So stepping back for a quick second,
254
655000
3000
AK: Zróbmy na moment krok wstecz,
11:13
when I was at UCLA going to grad school,
255
658000
2000
gdy uczęszczałem na UCLA,
11:15
I was also working at a place called the Center for Embedded Network Sensing.
256
660000
3000
pracowałem również w miejscu zwanym Centrum osadzonej sieci zmysłów.
11:18
And I was writing software to visualize laser scanners.
257
663000
3000
I pisałem oprogramowanie dla laserowych skanerów obrazu.
11:21
So basically motion through 3D space.
258
666000
2000
Zasadniczo ruch w trójwymiarowej przestrzeni.
11:23
And this was seen by a director in L.A. named James Frost
259
668000
2000
I zostało to zauważone przez dyrektora w L. A., Jamesa Frosta,
11:25
who said, "Wait a minute.
260
670000
2000
który powiedział "Poczekaj chwilę.
11:27
You mean we can shoot a music video without actually using any video?"
261
672000
2000
Mówisz, że możemy nakręcić teledysk bez używania jakichkolwiek filmów?".
11:29
So we did exactly that.
262
674000
2000
To właśnie zrobiliśmy.
11:31
We made a music video for one of my favorite bands, Radiohead.
263
676000
2000
Zrobiliśmy teledysk dla jednego z moich ulubionych zespołów, Radiohead.
11:33
And I think one of my favorite parts of this project
264
678000
2000
I myślę, że jedną z moich ulubionych części tego projektu
11:35
was not just shooting a video with lasers,
265
680000
2000
było nie samo kręcenie filmu z użyciem laserów,
11:37
but we also open sourced it,
266
682000
2000
ale to że otworzyliśmy go dla ludzi.
11:39
and we made it released as a Google Code project,
267
684000
2000
I umieściliśmy go jako projekt na Google Code,
11:41
where people could download a bunch of the data and some source code
268
686000
2000
gdzie ludzie mogli pobierać kawałek danych i trochę kodu źródłowego,
11:43
to build their own versions of it.
269
688000
2000
aby zbudować własne jego wersje.
11:45
And people were making some amazing things.
270
690000
2000
I ludzie tworzyli niesamowite rzeczy.
11:47
This is actually two of my favorites:
271
692000
2000
To są moje dwa ulubione:
11:49
the pin-board Thom Yorke and a LEGO Thom Yorke.
272
694000
2000
Thom Yorke z igieł i Thom Yorke z klocków lego.
11:51
A whole YouTube channel of people submitting really interesting content.
273
696000
3000
Cały kanał na YouTube, gdzie ludzie umieszczają naprawdę interesujące rzeczy.
11:54
More recently, somebody even 3D-printed Thom Yorke's head,
274
699000
3000
Ostatnio, ktoś nawet wydrukował w 3D głowę Thom Yorke'a,
11:57
which is a little creepy, but pretty cool.
275
702000
3000
co jest trochę przerażające, ale całkiem fajne.
12:00
So with everybody making so much amazing stuff
276
705000
2000
Tak więc widząc tych wszystkich, którzy robią tyle niesamowitych rzeczy
12:02
and actually understanding what it was they were working on,
277
707000
3000
i rzeczywiście rozumieją nad czym pracują,
12:05
I was really interested in trying to make a collaborative project
278
710000
2000
byłem naprawdę zainteresowany zrobieniem wspólnego projektu,
12:07
where people were working together to build something.
279
712000
2000
gdzie ludzi pracowaliby wspólnie, by coś zbudować.
12:09
And I met a music video director named Chris Milk.
280
714000
2000
Spotkałem reżysera teledysków, Chrisa Milka.
12:11
And we started bouncing around ideas
281
716000
2000
I zaczęliśmy żonglować pomysłami
12:13
to make a collaborative music video project.
282
718000
2000
o stworzeniu wspólnego teledysku.
12:15
But we knew we really needed the right person
283
720000
2000
Ale wiedzieliśmy, że naprawdę potrzebujemy odpowiedniej osoby,
12:17
to kind of rally behind and build something for.
284
722000
3000
która to wszystko zbierze i zbuduje całość.
12:20
So we put the idea on the back burner for a few months.
285
725000
2000
Odłożyliśmy więc pomysł na bok na kilka miesięcy.
12:22
And he ended up talking to Rick Rubin,
286
727000
2000
I skończyło się na rozmowach z Rickiem Rubinem,
12:24
who was finishing up Johnny Cash's final album
287
729000
2000
który wykańczał ostatni album Johnny'ego Casha
12:26
called "Ain't No Grave."
288
731000
2000
zatytułowany "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
Słowa na wiodącej ścieżce to "Żaden grób nie zatrzyma mego ciała".
12:31
So we thought this was the perfect
290
736000
2000
Pomyśleliśmy więc, że będzie to doskonały
12:33
project to build a collaborative memorial
291
738000
2000
projekt, aby zbudować wspólny pomnik
12:35
and a virtual resurrection for Johnny Cash.
292
740000
2000
i wirtualne wskrzeszenie dla Johnny'ego Casha.
12:37
So I teamed up with my good friend Ricardo Cabello, also known as Mr. doob,
293
742000
3000
Połączyłem więc siły z moim dobrym przyjacielem Ricardo Cabello, znanym jako Mr. doob,
12:40
who's a much better programmer than I am,
294
745000
2000
który jest o wiele lepszym programistą niż ja,
12:42
and he made this amazing Flash drawing tool.
295
747000
2000
i stworzył on to wspaniałe, flashowe narzędzie do rysowania.
12:44
As you know,
296
749000
2000
Jak wiecie,
12:46
an animation is a series of images.
297
751000
2000
animacja to seria rysunków.
12:48
So what we did was cross-cut a bunch of archival footage of Johnny Cash,
298
753000
3000
Co więc zrobiliśmy, to pocięcie zbioru archiwalnych zdjęć Johnny'ego Casha,
12:51
and at eight frames a second,
299
756000
2000
i przy ośmiu klatkach na sekundę,
12:53
we allowed individuals to draw a single frame
300
758000
2000
pozwoliliśmy ludziom narysować pojedynczą klatkę,
12:55
that would get woven into
301
760000
2000
która zostanie wpleciona w
12:57
this dynamically changing music video.
302
762000
2000
ten dynamicznie zmieniający się teledysk.
12:59
So I don't have time to play the entire thing for you,
303
764000
2000
Nie mam czasu na odtworzenie wam całości,
13:01
but I want to show you two short clips.
304
766000
2000
ale chce wam pokazać dwa krótkie urywki.
13:03
One is the beginning of the music video.
305
768000
2000
Jeden jest początkiem teledysku.
13:05
And that's going to be followed by a short clip
306
770000
2000
Następnie pojawi się urywek,
13:07
of people who have already contributed to the project
307
772000
2000
ukazujący ludzi, którzy przyczynili się dla projektu,
13:09
talking about it briefly.
308
774000
3000
mówiących o nim krótko.
13:12
(Music)
309
777000
6000
(Muzyka)
13:18
(Video) Johnny Cash: ♫ There ain't no grave ♫
310
783000
2000
(Teledysk) Johnny Cash: ♫ There ain't no grave ♫
13:20
♫ can hold my body down ♫
311
785000
4000
♫ can hold my body down ♫
13:24
♫ There ain't no grave ♫
312
789000
2000
♫ There ain't no grave ♫
13:26
♫ can hold body down ♫
313
791000
3000
♫ can hold body down ♫
13:30
♫ When I hear the trumpet sound ♫
314
795000
4000
♫ When I hear the trumpet sound ♫
13:34
♫ I'm going to ride right out of the ground ♫
315
799000
2000
♫ I'm going to ride right out of the ground ♫
13:36
♫ Ain't no grave ♫
316
801000
3000
♫ Ain't no grave ♫
13:39
♫ can hold my body ... ♫
317
804000
3000
♫ can hold my body ... ♫
13:42
(Applause)
318
807000
2000
(Brawa)
13:44
AK: What better way to pay tribute to the man
319
809000
3000
AK: Czy jest lepszy sposób na oddanie hołdu człowiekowi,
13:47
than to make something for one of his songs.
320
812000
3000
niż zrobienie czegoś dla jednej z jego piosenek.
13:50
Collaborator: I felt really sad when he died.
321
815000
2000
Współpracownik: Czułem prawdziwy smutek kiedy on umarł.
13:52
And I just thought it'd be wonderful,
322
817000
2000
Pomyślałem, że byłoby wspaniale,
13:54
it'd be really nice to contribute something to his memory.
323
819000
3000
byłoby naprawdę miło przyczynić się jakoś dla jego upamiętnienia.
13:57
Collaborator Two: It really allows
324
822000
2000
Drugi współpracownik: To naprawdę pozwala
13:59
this last recording of his
325
824000
3000
jego ostatniemu nagraniu,
14:02
to be a living, breathing memorial.
326
827000
5000
na bycie żywym, oddychającym pomnikiem.
14:07
Collaborator Three: For all of the frames to be drawn by fans,
327
832000
3000
Trzeci współpracownik: Z wszystkich klatek narysowanych przez fanów,
14:10
each individual frame,
328
835000
2000
każda jedna,
14:12
it's got a very powerful feeling to it.
329
837000
2000
zawiera bardzo potężne uczucie.
14:14
Collaborator Four: I've seen everybody
330
839000
2000
Czwarty współpracownik: Widziałem tu wszystkich
14:16
from Japan, Venezuela, to the States,
331
841000
2000
od Japonii, Wenezueli, po USA,
14:18
to Knoxville, Tennessee.
332
843000
2000
po Knoxville, Tennessee.
14:20
Collaborator Five: As much as is different from frame to frame,
333
845000
3000
Piąty współpracownik: Tak bardzo jak różni się klatka od klatki,
14:23
it really is personal.
334
848000
2000
to jest naprawdę osobiste.
14:25
Collaborator Six: Watching the video in my room,
335
850000
2000
Szósty współpracownik: Oglądając teledysk w moim pokoju,
14:27
I could see me not understanding at the beginning of it.
336
852000
3000
widziałem siebie nie rozumiejącego na początku,
14:30
And I just worked and worked through problems,
337
855000
3000
więc pracowałem ciężko nad problemami,
14:33
until my little wee battles that I was fighting within the picture
338
858000
4000
dopóki moje małe, maleńkie bitwy, które toczyłem przy tym obrazie,
14:37
all began to resolve themselves.
339
862000
3000
zaczęły same się rozwiązywać.
14:40
You can actually see the point when I know what I'm doing,
340
865000
2000
Mogę więc zobaczyć sens, kiedy wiem co robię,
14:42
and a lot of light and dark comes into it.
341
867000
3000
wiele światła i mroku wchodzi w to.
14:45
And in a weird way,
342
870000
2000
I w dziwny sposób,
14:47
that's what I actually like about Johnny Cash's music as well.
343
872000
2000
to jest to co naprawdę lubię w muzyce Johnny'ego Cash'a.
14:49
It's the sum total of his life,
344
874000
2000
Jest to całkowite podsumowanie jego życia,
14:51
all the things that had happened --
345
876000
2000
wszystkich rzeczy, które się wydarzyły,
14:53
the bad things, the good things.
346
878000
2000
złe i dobre rzeczy.
14:55
You're hearing a person's life.
347
880000
3000
Słyszysz życie człowieka.
15:01
AK: So if you go to the website JohnnyCashProject.com,
348
886000
2000
AK: Jeśli więc wejdziecie na stronę JohnnyCashProject.com,
15:03
what you'll see is the video playing above.
349
888000
2000
zobaczycie teledysk odtwarzany na górze.
15:05
And below it are all the individual frames
350
890000
2000
A pod nim indywidualne klatki,
15:07
that people have been submitting to the project.
351
892000
2000
które ludzie przysyłali do projektu.
15:09
So this isn't finished at all,
352
894000
2000
Nie jest to więc w ogóle skończone,
15:11
but it's an ongoing project where people can continue to collaborate.
353
896000
2000
jest to trwający projekt, gdzie ludzie mogą stale współpracować.
15:13
If you roll over any one of those individual thumbnails,
354
898000
2000
Jeśli najedziecie na którąkolwiek z tych indywidualnych miniaturek,
15:15
you can see the person who drew that individual thumbnail
355
900000
2000
zobaczycie osobę, która ją narysowała
15:17
and where they were located.
356
902000
2000
i gdzie się ona znajduje.
15:19
And if you find one that you're interested in,
357
904000
2000
A jeśli znajdziecie taką, która was interesuje,
15:21
you can actually click on it and open up an information panel
358
906000
2000
możecie na nią kliknąć i otworzyć panel informacyjny
15:23
where you're able to rate that frame,
359
908000
2000
gdzie możecie oceniać tą klatkę,
15:25
which helps it bubble up to the top.
360
910000
2000
co pomoże jej wybić się na szczyt.
15:27
And you can also see the way that it was drawn.
361
912000
2000
Możecie również zobaczyć sposób w jaki została narysowana.
15:29
Again, you can get the playback and personal contribution.
362
914000
2000
Ponownie, możecie skorzystać z odtwarzania i osobistej kontrybucji.
15:31
In addition to that, it's listed, the artist's name, the location,
363
916000
3000
Dodatkowo wymieniono: imię artysty, lokację,
15:34
how long they spent drawing it.
364
919000
2000
jak długo trwało rysowanie.
15:36
And you can pick a style. So this one was tagged "Abstract."
365
921000
3000
Możecie też wybrać styl. Ten został oznaczony jako "Abstrakcja".
15:39
But there's a bunch of different styles.
366
924000
2000
Ale jest tu szereg innych stylów.
15:41
And you can sort the video a number of different ways.
367
926000
2000
Możecie też sortować teledyski na szereg różnych sposobów.
15:43
You can say, "I want to see the pointillist version
368
928000
2000
Możecie powiedzieć, "Chcę zobaczyć wersję pointylistyczną,
15:45
or the sketchy version or the realistic version.
369
930000
2000
albo szkicową, czy realistyczną".
15:47
And then this is, again, the abstract version,
370
932000
2000
Następnie jest, ponownie, wersja abstrakcyjna,
15:49
which ends up getting a little bit crazy.
371
934000
3000
która staje się pod koniec nieco zwariowana.
15:54
So the last project I want to talk to you about is another collaboration with Chris Milk.
372
939000
3000
Ostatnim projektem, o którym chce wam opowiedzieć jest kolejna współpraca z Chrisem Milkiem.
15:57
And this is called "The Wilderness Downtown."
373
942000
2000
Jest to "Dzicz w centrum".
15:59
It's an online music video for the Arcade Fire.
374
944000
3000
Jest to teledysk online dla The Arcade Fire.
16:02
Chris and I were really amazed
375
947000
2000
Chris i ja byliśmy zachwyceni,
16:04
by the potential now with modern web browsers,
376
949000
2000
potencjałem oferowanym przez nowoczesne przeglądarki,
16:06
where you have HTML5 audio and video
377
951000
2000
gdzie macie HTML5 dla audio i wideo,
16:08
and the power of JavaScript to render amazingly fast.
378
953000
3000
i moc JavaScriptu do niesamowicie szybkiego renderowania.
16:11
And we wanted to push the idea of the music video that was meant for the Web
379
956000
3000
Chcieliśmy przepchnąć ideę teledysku stworzonego dla Internetu,
16:14
beyond the four-by-three or sixteen-by-nine window
380
959000
3000
poza format cztery na trzy, czy okno 16/9,
16:17
and try to make it play out and choreograph throughout the screen.
381
962000
3000
i spróbować odtwarzać to i choreografować poprzez ekran.
16:20
But most importantly, I think,
382
965000
2000
Ale najważniejsze, moim zdaniem,
16:22
we really wanted to make an experience that was unlike the Johnny Cash Project,
383
967000
3000
to chcieliśmy stworzyć doświadczenie niepodobne do projektu Johnny Cash,
16:25
where you had a small group of people spending a lot of time
384
970000
3000
gdzie mieliście małą grupę ludzi poświęcających dużo czasu,
16:28
to contribute something for everyone.
385
973000
2000
by stworzyć coś dla wszystkich.
16:30
What if we had a very low commitment,
386
975000
3000
Co jeśli mielibyśmy bardzo małe poświęcenie,
16:33
but delivered something individually unique to each person who contributed?
387
978000
3000
ale dostarczyli coś indywidualnie unikalnego dla każdej osoby biorącej udział?
16:36
So the project starts off by asking you to enter the address
388
981000
2000
Projekt zaczyna się więc pytaniem o podanie adresu
16:38
of the home where you grew up.
389
983000
2000
domu, w którym dorastaliście.
16:40
And you type in the address --
390
985000
2000
Wpisujecie więc adres,
16:42
it actually creates a music video specifically for you,
391
987000
2000
a on tworzy teledysk specjalnie dla was,
16:44
pulling in Google maps and Streetview images
392
989000
2000
używając map z Google i obrazów ze Streetview
16:46
into the experience itself.
393
991000
2000
dla doświadczenia siebie.
16:48
So this should really be seen at home with you typing in your own address,
394
993000
3000
Powinno to więc być oglądane w domu, gdzie wy wpisalibyście swoje własne adresy,
16:51
but I'm going to give you a little preview of what you can expect.
395
996000
3000
ale dam wam podgląd tego czego możecie się spodziewać.
16:54
(Video) Win Butler: ♫ Now our lives are changing fast ♫
396
999000
4000
(Teledysk) Win Butler: ♫ Now our lives are changing fast ♫
16:58
♫ Now our lives are changing fast ♫
397
1003000
4000
♫ Now our lives are changing fast ♫
17:02
♫ Hope that something pure can last ♫
398
1007000
3000
♫ Hope that something pure can last ♫
17:06
♫ Hope that something pure can last ♫
399
1011000
4000
♫ Hope that something pure can last ♫
17:13
♫ Ooh we used to wait ♫
400
1018000
4000
♫ Ooh we used to wait ♫
17:17
♫ Ooh we used to wait ♫
401
1022000
4000
♫ Ooh we used to wait ♫
17:21
♫ Ooh we used to wait ♫
402
1026000
3000
♫ Ooh we used to wait ♫
17:24
♫ Sometimes it never came ♫
403
1029000
3000
♫ Sometimes it never came ♫
17:27
♫ Sometimes it never came ♫
404
1032000
4000
♫ Sometimes it never came ♫
17:31
♫ Still moving through the pain ♫
405
1036000
3000
♫ Still moving through the pain ♫
17:34
♫ We used to wait for it ♫
406
1039000
4000
♫ We used to wait for it ♫
17:38
♫ We used to wait for it ♫
407
1043000
4000
♫ We used to wait for it ♫
17:42
♫ We used to wait for it ♫
408
1047000
4000
♫ We used to wait for it ♫
17:50
AK: So I think, if there's one thing to take away from my talk today,
409
1055000
3000
AK: Myślę więc, że jeśli jest jedna rzecz, którą powinniście wynieść z dzisiejszego wykładu,
17:53
it's that an interface can be a powerful narrative device.
410
1058000
2000
to że interfejs może być potężnym narzędziem narracji.
17:55
And as we collect more and more personally and socially relevant data,
411
1060000
4000
I podczas gdy zbieramy coraz więcej osobistych i socjalnych danych,
17:59
we have an opportunity, and maybe even an obligation,
412
1064000
2000
mamy możliwość, a może nawet obowiązek,
18:01
to maintain the humanity and tell some amazing stories
413
1066000
2000
by zachować człowieczeństwo i opowiedzieć kilka niesamowitych historii,
18:03
as we explore and collaborate together.
414
1068000
2000
podczas gdy wzajemnie eksplorujemy i współpracujemy.
18:05
Thanks a lot.
415
1070000
2000
Dziękuję bardzo.
18:07
(Applause)
416
1072000
4000
(Brawa)
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