TED Residency
Jeff Kirschner: This app makes it fun to pick up litter
Jeff Kirschner: Aplikacja zmieniająca zbieranie śmieci w zabawę
Filmed:
Readability: 4.2
1,385,758 views
Ziemia jest duża, kiedy trzeba ją posprzątać. Używając Litterati, aplikacji, której użytkownicy identyfikują, zbierają i geotagują śmieci na świecie, Rezydent TED, Jeff Kirschner stworzył społeczność, która razem sprząta planetę. Śledząc śmieci w ponad 100 krajach, Kirschner ma nadzieję na wykorzystanie zebranych danych do współpracy z markami i organizacjami w celu powstrzymania śmieci, zanim upadną na ziemię.
Jeff Kirschner - Entrepreneur
Jeff Kirschner created a global community that's eradicating litter one piece at a time. Full bio
Jeff Kirschner created a global community that's eradicating litter one piece at a time. Full bio
Double-click the English transcript below to play the video.
00:13
This story starts with these two --
0
1015
2993
Historia zaczyna się od tej dwójki,
00:16
my kids.
1
4032
1258
czyli moich dzieci.
00:17
We were hiking in the Oakland woods
2
5314
1682
Podróżowaliśmy przez lasy Oakland,
00:19
when my daughter noticed
a plastic tub of cat litter in a creek.
a plastic tub of cat litter in a creek.
3
7020
4134
kiedy moja córka zauważyła w rzece
plastikowy pojemnik ze żwirkiem dla kota.
plastikowy pojemnik ze żwirkiem dla kota.
00:23
She looked at me and said,
4
11647
1662
Spojrzała na mnie i powiedziała:
"Tatusiu?
00:25
"Daddy?
5
13333
2507
00:27
That doesn't go there."
6
15864
1650
To nie jest jego miejsce."
00:29
When she said that,
it reminded me of summer camp.
it reminded me of summer camp.
7
17538
2422
Mówiąc to, przypomniała mi obóz letni.
00:31
On the morning of visiting day,
8
19984
1498
Rano w dniu odwiedzin,
00:33
right before they'd let our anxious
parents come barreling through the gates,
parents come barreling through the gates,
9
21506
3663
tuż zanim nasi zatroskani rodzice
wbiegali przez bramę,
wbiegali przez bramę,
kierownik obozu mówił:
00:37
our camp director would say,
10
25193
1369
"Szybko, niech każdy
podniesie pięć śmieci.".
podniesie pięć śmieci.".
00:38
"Quick! Everyone pick up
five pieces of litter."
five pieces of litter."
11
26586
2309
00:40
You get a couple hundred kids
each picking up five pieces,
each picking up five pieces,
12
28919
3040
Kilkaset dzieci podnosi po pięć śmieci
00:43
and pretty soon, you've got
a much cleaner camp.
a much cleaner camp.
13
31983
2573
i obóz szybko staje się o wiele czystszy.
00:46
So I thought,
14
34580
1159
Pomyślałem więc,
czemu nie zastosować crowdsourcingowego
modelu sprzątania dla całej planety?
modelu sprzątania dla całej planety?
00:47
why not apply that crowdsourced
cleanup model to the entire planet?
cleanup model to the entire planet?
15
35763
4537
00:52
And that was the inspiration
for Litterati.
for Litterati.
16
40324
2951
To była inspiracja dla Litterati.
00:55
The vision is to create
a litter-free world.
a litter-free world.
17
43299
3349
Wizja to stworzenie świata bez śmieci.
00:58
Let me show you how it started.
18
46672
1508
Pokażę wam, jak to się zaczęło.
01:00
I took a picture of a cigarette
using Instagram.
using Instagram.
19
48204
3386
Zrobiłem zdjęcie papierosa
używając Instagramu.
używając Instagramu.
01:04
Then I took another photo ...
20
52222
1867
Potem zrobiłem kolejne zdjęcie...
01:06
and another photo ...
21
54113
1557
i następne...
01:07
and another photo.
22
55694
1167
i następne.
I zauważyłem dwie rzeczy.
01:08
And I noticed two things:
23
56885
1286
Po pierwsze, śmieci stały się
artystyczne i przystępne,
artystyczne i przystępne,
01:10
one, litter became artistic
and approachable;
and approachable;
24
58195
3472
01:14
and two,
25
62244
1151
a po drugie, po kilku dniach
miałem w telefonie 50 zdjęć
miałem w telefonie 50 zdjęć
01:15
at the end of a few days,
I had 50 photos on my phone
I had 50 photos on my phone
26
63419
2515
i podniosłem każdy ze śmieci,
01:17
and I had picked up each piece,
27
65958
1587
i zdałem sobie sprawę, że utrwalam
01:19
and I realized that I was keeping a record
28
67569
2385
01:21
of the positive impact
I was having on the planet.
I was having on the planet.
29
69978
3151
pozytywne skutki dla planety.
01:25
That's 50 less things that you might see,
30
73153
2188
To mniej o 50 rzeczy,
które możecie zobaczyć,
które możecie zobaczyć,
01:27
or you might step on,
31
75365
1243
w które możecie wdepnąć
01:28
or some bird might eat.
32
76632
1458
lub które może zjeść ptak.
01:30
So I started telling people
what I was doing,
what I was doing,
33
78769
2652
Zacząłem opowiadać ludziom, co robię,
01:33
and they started participating.
34
81445
2356
a oni zaczęli do mnie dołączać.
01:36
One day,
35
84831
1693
Pewnego dnia
01:38
this photo showed up from China.
36
86548
2528
otrzymałem to zdjęcie z Chin.
01:42
And that's when I realized
37
90039
1271
Wtedy zrozumiałem,
że Litterati to coś więcej
niż ładne zdjęcia,
niż ładne zdjęcia,
01:43
that Litterati was more
than just pretty pictures;
than just pretty pictures;
38
91334
3266
01:46
we were becoming a community
that was collecting data.
that was collecting data.
39
94624
3369
że stajemy się społecznością
gromadzącą dane.
gromadzącą dane.
01:50
Each photo tells a story.
40
98869
1890
Każde zdjęcie opowiada historię.
01:53
It tells us who picked up what,
41
101279
2193
Mówi nam o tym, kto i co podniósł,
01:55
a geotag tells us where
42
103496
2011
geotagowanie mówi nam gdzie,
01:57
and a time stamp tells us when.
43
105531
2030
a znacznik czasu mówi nam kiedy.
02:00
So I built a Google map,
44
108006
2429
Stworzyłem więc mapę Google
02:02
and started plotting the points
where pieces were being picked up.
where pieces were being picked up.
45
110459
4053
i zacząłem zaznaczać miejsca,
w których podniesiono śmieci.
w których podniesiono śmieci.
02:06
And through that process,
the community grew
the community grew
46
114536
3918
Dzięki temu procesowi powiększyła się
społeczność i zasób danych.
02:10
and the data grew.
47
118478
1639
02:12
My two kids go to school
right in that bullseye.
right in that bullseye.
48
120806
3461
Moje dzieci chodzą do szkoły w epicentrum.
02:17
Litter:
49
125125
1211
Śmieci
02:18
it's blending into
the background of our lives.
the background of our lives.
50
126360
2704
wtapiają się w tło naszego życia.
02:21
But what if we brought it
to the forefront?
to the forefront?
51
129088
2099
Co jeśli umieścimy je na pierwszym planie?
02:23
What if we understood exactly
what was on our streets,
what was on our streets,
52
131211
2912
Co jeśli zrozumiemy,
co dokładnie leży na ulicach,
co dokładnie leży na ulicach,
02:26
our sidewalks
53
134147
1389
na chodnikach
02:27
and our school yards?
54
135560
1538
i na szkolnych boiskach?
02:29
How might we use that data
to make a difference?
to make a difference?
55
137122
3247
Jak możemy wykorzystać
te dane, żeby coś zmienić?
te dane, żeby coś zmienić?
02:33
Well, let me show you.
56
141189
1198
Pokażę wam.
Zaczniemy od miast.
02:34
The first is with cities.
57
142411
1385
02:36
San Francisco wanted to understand
what percentage of litter was cigarettes.
what percentage of litter was cigarettes.
58
144418
4639
W San Francisco chcieli wiedzieć,
ile procent śmieci stanowią papierosy.
ile procent śmieci stanowią papierosy.
02:41
Why?
59
149081
1162
Po co?
02:42
To create a tax.
60
150267
1209
Żeby wprowadzić podatek.
02:44
So they put a couple of people
in the streets
in the streets
61
152073
2135
Wysłali na ulice kilka osób
z ołówkami i notesami,
02:46
with pencils and clipboards,
62
154232
1361
żeby zbierały informacje,
02:47
who walked around collecting information
63
155617
2063
02:49
which led to a 20-cent tax
on all cigarette sales.
on all cigarette sales.
64
157704
3111
w wyniku czego wprowadzono
20-procentowy podatek na papierosy.
20-procentowy podatek na papierosy.
02:53
And then they got sued
65
161787
2153
Po czym zostali pozwani
02:55
by big tobacco,
66
163964
1176
przez koncerny tytoniowe twierdzące,
02:57
who claimed that collecting information
with pencils and clipboards
with pencils and clipboards
67
165164
3216
że zbieranie informacji
przy użyciu ołówków i notesów
przy użyciu ołówków i notesów
jest nieprecyzyjne i nie jest dowodem.
03:00
is neither precise nor provable.
68
168404
2331
03:03
The city called me and asked
if our technology could help.
if our technology could help.
69
171454
3680
Miasto zadzwoniło do mnie z pytaniem,
czy nasza technologia może pomóc.
czy nasza technologia może pomóc.
03:07
I'm not sure they realized
70
175158
1249
Chyba nie wiedzieli,
03:08
that our technology
was my Instagram account --
was my Instagram account --
71
176431
2248
że nasza technologia
to konto na Instagramie.
to konto na Instagramie.
03:10
(Laughter)
72
178703
1039
(Śmiech)
03:11
But I said, "Yes, we can."
73
179766
1266
Ale powiedziałem: "Tak".
03:13
(Laughter)
74
181056
1016
(Śmiech)
03:14
"And we can tell you
if that's a Parliament or a Pall Mall.
if that's a Parliament or a Pall Mall.
75
182096
3908
"I możemy stwierdzić, czy ten papieros
to Parliament, czy Pall Mall.
to Parliament, czy Pall Mall.
03:18
Plus, every photograph
is geotagged and time-stamped,
is geotagged and time-stamped,
76
186028
3425
Dodatkowo każde zdjęcie zawiera
geotagowanie i znacznik czasowy,
geotagowanie i znacznik czasowy,
03:21
providing you with proof."
77
189477
1381
dostarczając dowodów."
03:23
Four days and 5,000 pieces later,
78
191839
3220
Cztery dni i 5000 zdjęć później
03:27
our data was used in court
to not only defend but double the tax,
to not only defend but double the tax,
79
195083
4938
naszych danych użyto w sądzie, nie tylko
do obrony podatku, ale do jego podwojenia,
do obrony podatku, ale do jego podwojenia,
03:32
generating an annual recurring revenue
of four million dollars
of four million dollars
80
200045
4323
co przyniosło cztery miliony
corocznego dochodu,
corocznego dochodu,
03:36
for San Francisco to clean itself up.
81
204392
2295
który San Francisco
przeznacza na sprzątanie.
przeznacza na sprzątanie.
03:40
Now, during that process
I learned two things:
I learned two things:
82
208001
2235
Wtedy dowiedziałem się dwóch rzeczy.
Po pierwsze, Instagram
nie jest właściwym narzędziem…
nie jest właściwym narzędziem…
03:42
one, Instagram is not the right tool --
83
210260
2554
03:44
(Laughter)
84
212838
1031
(Śmiech)
03:45
so we built an app.
85
213893
1503
Stworzyliśmy więc aplikację.
03:47
And two, if you think about it,
86
215420
1633
Po drugie, jeśli się zastanowić,
03:49
every city in the world
has a unique litter fingerprint,
has a unique litter fingerprint,
87
217077
3617
każde miasto na świecie
posiada unikalny śmieciowy "odcisk",
posiada unikalny śmieciowy "odcisk",
03:52
and that fingerprint provides
both the source of the problem
both the source of the problem
88
220718
3836
który stanowi zarówno źródło problemu,
03:56
and the path to the solution.
89
224578
1921
jak i drogę do rozwiązania.
03:59
If you could generate a revenue stream
90
227646
2378
Jeśli można stworzyć źródło dochodu
04:02
just by understanding
the percentage of cigarettes,
the percentage of cigarettes,
91
230048
2463
wyłącznie na podstawie odsetka papierosów,
04:04
well, what about coffee cups
92
232535
2096
co w takim razie z kubkami po kawie,
04:06
or soda cans
93
234655
1706
puszkami po napojach
04:08
or plastic bottles?
94
236385
1414
czy plastikowymi butelkami?
04:10
If you could fingerprint San Francisco,
well, how about Oakland
well, how about Oakland
95
238501
3201
Jeśli można zdjąć odcisk
San Francisco, co z Oakland
San Francisco, co z Oakland
04:13
or Amsterdam
96
241726
1696
albo Amsterdamem,
04:15
or somewhere much closer to home?
97
243446
2970
albo jakimś miejscem znacznie bliżej domu?
04:19
And what about brands?
98
247408
1234
I co z markami?
04:20
How might they use this data
99
248666
1901
Jak mogą wykorzystać te dane
04:22
to align their environmental
and economic interests?
and economic interests?
100
250591
4212
do połączenia ekologicznych
i ekonomicznych interesów?
i ekonomicznych interesów?
04:27
There's a block in downtown Oakland
that's covered in blight.
that's covered in blight.
101
255646
3212
W centrum Oakland
jest bardzo zaśmiecone miejsce.
jest bardzo zaśmiecone miejsce.
04:31
The Litterati community got together
and picked up 1,500 pieces.
and picked up 1,500 pieces.
102
259325
4104
Społeczność Litterati zadziałała
i zebrała 1500 śmieci.
i zebrała 1500 śmieci.
04:35
And here's what we learned:
103
263812
1340
Dowiedzieliśmy się,
04:37
most of that litter came
from a very well-known taco brand.
from a very well-known taco brand.
104
265176
3210
że większość z nich pochodziła
ze znanej firmy produkującej taco.
ze znanej firmy produkującej taco.
04:41
Most of that brand's litter
were their own hot sauce packets,
were their own hot sauce packets,
105
269738
3577
Większość śmieci tej firmy stanowiły
saszetki ich własnego sosu chilli,
saszetki ich własnego sosu chilli,
04:46
and most of those hot sauce packets
hadn't even been opened.
hadn't even been opened.
106
274438
3626
z których większość
nie została nawet otworzona.
nie została nawet otworzona.
04:51
The problem and the path
to the solution --
to the solution --
107
279965
2715
Problem i droga do rozwiązania...
04:54
well, maybe that brand only
gives out hot sauce upon request
gives out hot sauce upon request
108
282704
3961
Cóż, może ta firma mogłaby
dawać sos tylko na życzenie,
dawać sos tylko na życzenie,
04:58
or installs bulk dispensers
109
286689
2009
zainstalować dystrybutory
05:00
or comes up with more
sustainable packaging.
sustainable packaging.
110
288722
2552
lub stworzyć przyjaźniejsze
środowisku opakowania.
środowisku opakowania.
05:03
How does a brand take
an environmental hazard,
an environmental hazard,
111
291298
2969
Jak marka może zmienić coś,
co jest zagrożeniem dla środowiska
co jest zagrożeniem dla środowiska
05:06
turn it into an economic engine
112
294291
2006
w ekonomiczną siłę napędową
05:08
and become an industry hero?
113
296321
1768
i stać się bohaterem swojej branży?
05:11
If you really want to create change,
114
299292
2202
Jeśli naprawdę chcesz coś zmienić,
05:13
there's no better place to start
than with our kids.
than with our kids.
115
301518
2874
najlepiej zacząć od dzieci.
05:16
A group of fifth graders picked up
1,247 pieces of litter
1,247 pieces of litter
116
304416
3403
Grupa piątoklasistów
sprzątnęła 1247 śmieci
sprzątnęła 1247 śmieci
05:19
just on their school yard.
117
307843
1848
tylko na własnym boisku szkolnym.
05:21
And they learned that the most
common type of litter
common type of litter
118
309715
2532
Uczniowie dowiedzieli się,
że najczęstszym rodzajem śmieci
że najczęstszym rodzajem śmieci
05:24
were the plastic straw wrappers
from their own cafeteria.
from their own cafeteria.
119
312271
3234
były plastikowe opakowania
słomek ze szkolnej stołówki.
słomek ze szkolnej stołówki.
05:27
So these kids went
to their principal and asked,
to their principal and asked,
120
315947
2529
Dzieci poszły do dyrektora i zapytały:
05:30
"Why are we still buying straws?"
121
318500
1660
"Dlaczego wciąż kupujemy słomki?".
05:33
And they stopped.
122
321166
1755
I szkoła przestała.
05:34
And they learned that individually
they could each make a difference,
they could each make a difference,
123
322945
3654
Zrozumiały też, że pojedynczo
każde z nich może coś zmienić,
każde z nich może coś zmienić,
05:38
but together they created an impact.
124
326623
2338
ale wspólnie mają siłę.
05:41
It doesn't matter
if you're a student or a scientist,
if you're a student or a scientist,
125
329503
4012
Nie ma znaczenia, czy jesteś
studentem, czy naukowcem,
studentem, czy naukowcem,
05:45
whether you live in Honolulu or Hanoi,
126
333539
3135
czy mieszkasz w Honolulu, czy w Hanoi,
05:48
this is a community for everyone.
127
336698
2441
ta społeczność jest dla każdego.
05:51
It started because of two little kids
in the Northern California woods,
in the Northern California woods,
128
339974
4679
Zaczęło się od dwójki małych dzieci
w lasach północnej Kalifornii,
w lasach północnej Kalifornii,
05:56
and today it's spread across the world.
129
344677
2814
a dziś rozprzestrzeniło się na cały świat.
05:59
And you know how we're getting there?
130
347938
1783
Wiecie, jak dotrzemy do celu?
06:02
One piece at a time.
131
350067
1878
Śmieć po śmieciu.
06:04
Thank you.
132
352508
1215
Dziękuję.
(Brawa)
06:05
(Applause)
133
353747
3618
ABOUT THE SPEAKER
Jeff Kirschner - EntrepreneurJeff Kirschner created a global community that's eradicating litter one piece at a time.
Why you should listen
When his 4-year old daughter saw a plastic tub of cat litter in the woods, little did Jeff Kirschner realize that it would be the spark for creating Litterati -- a global movement that's "crowdsource-cleaning" the planet one piece of litter at a time.
Featured in National Geographic, Time Magazine, Fast Company and USA Today, Litterati has become a shining example of how communities are using technology and data to solve our world's most complex problems.
Kirschner has shared the Litterati story at Fortune 500 companies such as Google, Facebook and Uber, keynoted environmental summits at the Monterey Bay Aquarium and Keep America Beautiful, as well as leading schools including Stanford, MIT and the University of Michigan. He was recently a TED Resident, where he developed Litterati into an idea worth spreading.
Jeff Kirschner | Speaker | TED.com