TED@BCG Berlin
Daniele Quercia: Happy maps
Daniele Quercia: Szczęśliwe mapy
Filmed:
Readability: 3.9
2,410,100 views
Aplikacje z mapami pomagają nam odnaleźć najszybszą drogę do celu. Ale jeśli wolimy sobie pobłądzić? Badacz Daniele Quercia demonstruje "szczęśliwe mapy", które biorą pod uwagę nie tylko drogę, którą chcesz wybrać, ale również jak się czujesz, przemierzając ją.
Daniele Quercia - Map researcher
At Yahoo! Labs in Barcelona, Daniele Quercia and his colleagues imagine new ways to use online maps to improve our lives. Full bio
At Yahoo! Labs in Barcelona, Daniele Quercia and his colleagues imagine new ways to use online maps to improve our lives. Full bio
Double-click the English transcript below to play the video.
00:13
I have a confession to make.
0
1025
4408
Przyznam się do czegoś.
00:17
As a scientist and engineer,
I've focused on efficiency for many years.
I've focused on efficiency for many years.
1
5433
6160
Jako naukowiec i inżynier
od lat skupiam się na wydajności.
od lat skupiam się na wydajności.
00:25
But efficiency can be a cult,
2
13213
3817
Lecz wydajność może stać się kultem,
00:29
and today I'd like to tell you
about a journey
about a journey
3
17030
3200
a dziś opowiem o podróży,
która pozwoliła mi wrócić
która pozwoliła mi wrócić
00:32
that moved me out of the cult
and back to a far richer reality.
and back to a far richer reality.
4
20230
6825
do znacznie bogatszej rzeczywistości.
00:40
A few years ago, after finishing my Ph.D.
in London, I moved to Boston.
in London, I moved to Boston.
5
28091
5648
Kilka lat temu, po doktoracie w Londynie,
przeniosłem się do Bostonu,
przeniosłem się do Bostonu,
00:45
I lived in Boston and worked in Cambridge.
6
33739
3642
gdzie mieszkałem,
a pracowałem w Cambridge.
a pracowałem w Cambridge.
00:49
I bought a racing bicycle that summer,
7
37381
3195
W lecie kupiłem kolarzówkę
00:52
and I bicycled every day to work.
8
40576
2730
i codziennie jeździłem nią do pracy.
00:55
To find my way, I used my phone.
9
43306
2386
Do wyznaczenia trasy używałem telefonu.
00:57
It sent me over Mass. Ave.,
Massachusetts Avenue,
Massachusetts Avenue,
10
45692
3901
Kierował mnie przez Massachusetts Avenue,
01:01
the shortest route from
Boston to Cambridge.
Boston to Cambridge.
11
49593
4249
najkrótszą drogą z Bostonu do Cambridge.
01:05
But after a month
12
53842
2067
Lecz po miesiącu codziennej jazdy
01:07
that I was cycling every day
on the car-packed Mass. Ave.,
on the car-packed Mass. Ave.,
13
55909
4586
po zapchanej samochodami ulicy
01:12
I took a different route one day.
14
60495
3239
pewnego razu wybrałem inną trasę.
01:15
I'm not entirely sure why I took
a different route that day, a detour.
a different route that day, a detour.
15
63734
5061
Nie jestem pewien czemu
wybrałem wówczas ten objazd.
wybrałem wówczas ten objazd.
01:20
I just remember a feeling of surprise;
16
68795
4389
Pamiętam tylko uczucie zaskoczenia,
01:25
surprise at finding a street with no cars,
17
73184
4063
gdy nie było wokół mnie samochodów,
01:29
as opposed to the nearby
Mass. Ave. full of cars;
Mass. Ave. full of cars;
18
77247
3831
w odróżnieniu od zatłoczonej
Massachusetts Avenue.
Massachusetts Avenue.
01:33
surprise at finding a street
draped by leaves and surrounded by trees.
draped by leaves and surrounded by trees.
19
81078
5317
Zaskoczenia widokiem ulicy
zasłanej liśćmi i otoczonej drzewami.
zasłanej liśćmi i otoczonej drzewami.
01:38
But after the feeling
of surprise, I felt shame.
of surprise, I felt shame.
20
86395
5300
Potem zdziwienie
ustąpiło miejsca wstydowi.
ustąpiło miejsca wstydowi.
01:43
How could I have been so blind?
21
91695
3127
Jak mogłem być tak ślepy?
01:46
For an entire month,
22
94822
1906
Cały miesiąc
01:48
I was so trapped in my mobile app
23
96728
3088
byłem więźniem aplikacji w telefonie,
01:51
that a journey to work
became one thing only:
became one thing only:
24
99816
3506
która ograniczała mi
podróż do pracy do jednego:
podróż do pracy do jednego:
01:55
the shortest path.
25
103322
2461
znaleźć najkrótszą trasę.
01:57
In this single journey,
there was no thought
there was no thought
26
105783
3093
Podczas jazdy nie myślałem
02:00
of enjoying the road,
27
108876
2631
o radowaniu się drogą,
02:03
no pleasure in connecting with nature,
28
111507
1952
przyjemności więzi z naturą
02:05
no possibility of looking
people in the eyes.
people in the eyes.
29
113459
3707
lub patrzenia ludziom w oczy.
02:09
And why?
30
117166
1785
Dlaczego?
02:10
Because I was saving a minute
out of my commute.
out of my commute.
31
118951
4449
By zyskać minutę na dojeździe.
02:16
Now let me ask you: Am I alone here?
32
124330
4069
Czy jestem odosobniony?
02:20
How many of you have never used
a mapping app for finding directions?
a mapping app for finding directions?
33
128399
5828
Ile z was nie używa elektronicznych map?
02:26
Most of you, if not all, have.
34
134227
1919
Większość z niej korzystała.
02:28
And don't get me wrong -- mapping apps
are the greatest game-changer
are the greatest game-changer
35
136146
5093
To nic złego, to rewolucyjne aplikacje,
02:33
for encouraging people
to explore the city.
to explore the city.
36
141239
2577
bo zachęcają ludzi do badania miasta.
02:35
You take your phone out
and you know immediately where to go.
and you know immediately where to go.
37
143816
4177
Wyjmujesz telefon
i od razu wiesz, dokąd iść.
i od razu wiesz, dokąd iść.
02:39
However, the app also assumes
38
147993
2911
Jednak aplikacje zakładają,
02:42
there are only a handful
of directions to the destination.
of directions to the destination.
39
150904
5404
że istnieje tylko kilka czynników
wyboru drogi do celu.
wyboru drogi do celu.
02:48
It has the power to make
those handful of directions
those handful of directions
40
156308
3808
Przetwarzają one te dane
02:52
the definitive direction
to that destination.
to that destination.
41
160116
4899
w jedną ostateczną drogę do celu.
02:57
After that experience, I changed.
42
165015
2670
Po moim doświadczeniu zmieniłem się.
02:59
I changed my research
from traditional data-mining
from traditional data-mining
43
167685
3367
Zmieniłem sposób prowadzenia badań
z tradycyjnej analizy danych
z tradycyjnej analizy danych
03:03
to understanding how people
experience the city.
experience the city.
44
171052
4272
na zrozumienie sposobu,
w jaki ludzie doświadczają miasta.
w jaki ludzie doświadczają miasta.
03:07
I used computer science tools
45
175324
2229
Użyłem narzędzi informatycznych
03:09
to replicate social science
experiments at scale, at web scale.
experiments at scale, at web scale.
46
177553
5443
do replikacji eksperymentów
socjologicznych w skali Internetu.
socjologicznych w skali Internetu.
03:14
I became captivated
by the beauty and genius
by the beauty and genius
47
182996
5122
Urzekło mnie piękno i geniusz
03:20
of traditional social science experiments
48
188118
2902
tradycyjnych socjologicznych eksperymentów
03:23
done by Jane Jacobs,
Stanley Milgram, Kevin Lynch.
Stanley Milgram, Kevin Lynch.
49
191020
4505
Jane Jacobs, Stanleya Milgrama
i Kevina Lyncha.
i Kevina Lyncha.
03:27
The result of that research
has been the creation of new maps,
has been the creation of new maps,
50
195525
4667
Rezultat ich badań
to stworzenie nowych map,
to stworzenie nowych map,
03:32
maps where you don't only find
the shortest path, the blue one,
the shortest path, the blue one,
51
200192
4829
które nie tylko wskazują
najkrótszą drogę, niebieską,
najkrótszą drogę, niebieską,
03:37
but also the most enjoyable path,
52
205021
3321
lecz też najprzyjemniejszą,
03:40
the red one.
53
208342
1718
czerwoną.
03:42
How was that possible?
54
210060
3602
Jak to możliwe?
03:45
Einstein once said,
55
213662
1851
Einstein powiedział kiedyś:
03:47
"Logic will get you from A to B.
56
215513
3486
"Logika zaprowadzi cię z punktu A do B.
03:50
Imagination will take you everywhere."
57
218999
2772
Wyobraźnia zaprowadzi cię wszędzie".
03:53
So with a bit of imagination,
58
221771
1918
Przy odrobinie wyobraźni
03:55
we needed to understand
59
223689
1881
musieliśmy zrozumieć,
03:57
which parts of the city
people find beautiful.
people find beautiful.
60
225570
4365
które części miasta są dla ludzi piękne.
04:01
At the University of Cambridge,
with colleagues,
with colleagues,
61
229935
2647
Na Uniwersytecie Cambridge
myśleliśmy z kolegami
myśleliśmy z kolegami
04:04
we thought about this simple experiment.
62
232582
3158
nad prostym eksperymentem.
04:07
If I were to show you
these two urban scenes,
these two urban scenes,
63
235740
3158
Jeśli pokażę wam dwie miejskie scenerie
04:10
and I were to ask you
which one is more beautiful,
which one is more beautiful,
64
238898
2786
i poproszę o odpowiedź:
która z nich jest piękniejsza,
która z nich jest piękniejsza,
04:13
which one would you say?
65
241684
2692
co powiecie?
04:18
Don't be shy.
66
246096
3065
Nie wstydźcie się.
04:21
Who says A? Who says B?
67
249161
3250
Kto mówi A? A kto B?
04:24
Brilliant.
68
252411
1602
Wspaniale.
04:26
Based on that idea,
69
254013
1974
W oparciu o ten pomysł
04:27
we built a crowdsourcing platform,
70
255987
1812
powstała platforma crowdsourcingowa,
04:29
a web game.
71
257799
1114
gra sieciowa,
04:30
Players are shown pairs of urban scenes,
72
258913
2879
pokazująca graczom
alternatywy miejskich scenerii,
alternatywy miejskich scenerii,
04:33
and they're asked to choose which one
is more beautiful, quiet and happy.
is more beautiful, quiet and happy.
73
261792
6345
z których wybierają tę
piękniejszą, spokojniejszą i radosną.
piękniejszą, spokojniejszą i radosną.
04:40
Based on thousands of user votes,
74
268154
1950
W oparciu o tysiące głosów
04:42
then we are able to see
where consensus emerges.
where consensus emerges.
75
270104
3204
wyłania się konsensus.
04:45
We are able to see which
are the urban scenes
are the urban scenes
76
273308
3205
Widzimy, które miejsca sprawiają,
04:48
that make people happy.
77
276513
2763
że ludzie czują się szczęśliwi.
04:51
After that work, I joined Yahoo Labs,
78
279276
2949
Po ukończeniu projektu
przyłączyłem się do Yahoo Labs,
przyłączyłem się do Yahoo Labs,
04:54
and I teamed up with Luca and Rossano,
79
282225
2879
gdzie w zespole z Lucą i Rossano
04:57
and together, we aggregated
those winning locations in London
those winning locations in London
80
285104
3276
zebrałem najlepsze lokalizacje w Londynie,
05:00
to build a new map of the city,
81
288380
3346
aby stworzyć nową mapę miasta,
05:03
a cartography weighted for human emotions.
82
291726
4267
mapę ukierunkowaną na ludzkie emocje.
05:07
On this cartography, you're not only
able to see and connect
able to see and connect
83
295993
3832
Pozwala ona nie tylko zobaczyć i połączyć
05:11
from point A to point B
the shortest segments,
the shortest segments,
84
299825
4852
punkt A z punktem B najkrótszą linią,
05:16
but you're also able
to see the happy segment,
to see the happy segment,
85
304677
3135
lecz również radosne odcinki,
05:19
the beautiful path, the quiet path.
86
307812
3692
piękne i ciche trasy.
05:23
In tests, participants found the happy,
the beautiful, the quiet path
the beautiful, the quiet path
87
311504
4644
Uczestnicy testów odnajdywali
radosne, piękne i ciche trasy,
radosne, piękne i ciche trasy,
05:28
far more enjoyable than the shortest one,
88
316148
3575
znacznie przyjemniejsze
od tych najkrótszych,
od tych najkrótszych,
05:31
and that just by adding
a few minutes to travel time.
a few minutes to travel time.
89
319723
5805
a dodające zaledwie kilka minut
do czasu podróży.
do czasu podróży.
05:37
Participants also love to attach
memories to places.
memories to places.
90
325528
4249
Uczestnicy polubili również dodawanie
własnych doznań z danych miejsc.
własnych doznań z danych miejsc.
05:41
Shared memories --
that's where the old BBC building was;
that's where the old BBC building was;
91
329777
4899
Wspólnych -
tam stał kiedyś stary budynek BBC;
tam stał kiedyś stary budynek BBC;
05:46
and personal memories --
that's where I gave my first kiss.
that's where I gave my first kiss.
92
334676
4925
i osobistych -
tam miał miejsce mój pierwszy pocałunek.
tam miał miejsce mój pierwszy pocałunek.
05:51
They also recalled how some paths
smelled and sounded.
smelled and sounded.
93
339601
4433
Przypominali sobie też
ich zapachy i dźwięki.
ich zapachy i dźwięki.
05:56
So what if we had a mapping tool
94
344034
3227
A gdybyśmy mieli takie mapy,
05:59
that would return
the most enjoyable routes
the most enjoyable routes
95
347261
2531
które by pokazywały
najprzyjemniejsze trasy
najprzyjemniejsze trasy
06:01
based not only on aesthetics
96
349792
2620
nie tylko w oparciu
o ich walory estetyczne,
o ich walory estetyczne,
06:04
but also based on smell, sound,
and memories?
and memories?
97
352412
3309
ale też zapachy, dźwięki i wspomnienia?
06:07
That's where our research
is going right now.
is going right now.
98
355721
4105
W tym kierunku idą obecnie nasze badania.
06:11
More generally, my research,
99
359826
2202
Ogólnie mówiąc, w moich badaniach
06:14
what it tries to do is avoid
the danger of the single path,
the danger of the single path,
100
362028
4598
staram się unikać
pułapki jednej jedynej trasy,
pułapki jednej jedynej trasy,
06:18
to avoid robbing people of fully
experiencing the city in which they live.
experiencing the city in which they live.
101
366626
5201
unikać pozbawienia ludzi pełnego
doświadczenia swojego miasta.
doświadczenia swojego miasta.
06:23
Walk the path through the park,
not through the car park,
not through the car park,
102
371827
3738
Wybierz drogę przez park, nie parking,
06:27
and you have an entirely different path.
103
375565
2392
a twoja droga będzie kompletnie inna.
06:29
Walk the path full of people you love
104
377957
2948
Wybierz drogę pośród ludzi,
których uwielbiasz,
których uwielbiasz,
06:32
and not full of cars,
105
380905
1316
a nie pośród samochodów,
06:34
and you have an entirely different path.
106
382221
1718
a trasa całkowicie się zmieni.
06:35
It's that simple.
107
383939
2453
To takie proste.
06:39
I would like to end with this thought:
108
387012
2810
Zakończę pewną myślą:
06:41
do you remember "The Truman Show?"
109
389822
2020
czy pamiętacie "Truman Show"?
06:43
It's a media satire in which a real person
110
391842
3018
To satyra na media, gdzie prawdziwa osoba
06:46
doesn't know he's living
in a fabricated world.
in a fabricated world.
111
394860
3553
nie wie, że żyje w zmyślonym świecie.
06:50
Perhaps we live in a world
fabricated for efficiency.
fabricated for efficiency.
112
398413
5154
Być może nasz świat został
spreparowany, by być wydajny.
spreparowany, by być wydajny.
06:55
Look at some of your daily habits,
113
403567
3506
Przyjrzyjcie się swoim nawykom
06:59
and as Truman did in the movie,
escape the fabricated world.
escape the fabricated world.
114
407073
6144
i, jak Truman w filmie,
uciekajcie ze zmyślonego świata.
uciekajcie ze zmyślonego świata.
07:05
Why?
115
413226
1510
Dlaczego?
07:06
Well, if you think that adventure
is dangerous, try routine. It's deadly.
is dangerous, try routine. It's deadly.
116
414736
6680
Jeśli myślicie, że przygoda
jest niebezpieczna,
jest niebezpieczna,
spróbujcie rutyny.
07:13
Thank you.
117
421416
1911
Jest zabójcza. Dziękuję.
07:15
(Applause)
118
423327
3970
(Brawa)
ABOUT THE SPEAKER
Daniele Quercia - Map researcherAt Yahoo! Labs in Barcelona, Daniele Quercia and his colleagues imagine new ways to use online maps to improve our lives.
Why you should listen
Daniele Quercia works in the area of social media at Yahoo Labs in Barcelona. Before that, he was a Horizon senior researcher at The Computer Laboratory of the University of Cambridge. He is interested in the relationship between online and offline worlds and his work has been focusing in the areas of data mining, computational social science, and urban informatics. His research has been published in leading venues including ICSE, Ubicomp, ICDM, CSCW, RecSys, WSDM, and WWW, received honorable mentions from AAAI ICWSM, and has been featured on La Repubblica, The Independent, New Scientist, Le Monde, and BBC. He spoke at TEDx Barcelona and Falling Walls Berlin, and wrote for BBC. He was Postdoctoral Associate at the Massachusetts Institute of Technology where he worked on social networks in a city context, and his PhD thesis at UC London was nominated for BCS Best British PhD dissertation in Computer Science. During his PhD, he was a Microsoft Research PhD Scholar and MBA Technology Fellow of London Business School, and he also interned at the National Research Council in Barcelona and at National Institute of Informatics in Tokyo. He studied at Politecnico di Torino (Italy), Karlsruhe Institute of Technology (Germany), and University of Illinois (USA).
Daniele Quercia | Speaker | TED.com