TED2010
Gary Flake: Is Pivot a turning point for web exploration?
Gary Flake: czy Pivot to punkt zwrotny w dziedzinie eksploracji sieci WWW?
Filmed:
Readability: 3.8
751,479 views
Gary Flake prezentuje Pivot (ang. obracać wokół, oś, sedno sprawy): nowy sposób przeglądania i organizowania olbrzymich zbiorów obrazów i danych z Internetu. Został stworzony na bazie przełomowej technologii Seadragon i umożliwia oszałamiające możliwości zmiany skalowania widoku Internetowych baz danych oraz odkrywania wzorców i powiązań niewidocznych podczas zwyczajnego przeglądania WWW.
Gary Flake - Technologist
Gary Flake is a Technical Fellow at Microsoft, and the founder and director of Live Labs. Full bio
Gary Flake is a Technical Fellow at Microsoft, and the founder and director of Live Labs. Full bio
Double-click the English transcript below to play the video.
00:16
If I can leave you with one big idea today,
0
1000
2000
Chciałbym przekonać Was dziś do jednej ważnej myśli:
00:18
it's that the whole of the data
1
3000
2000
że całość danych,
00:20
in which we consume
2
5000
2000
które przyswajamy,
00:22
is greater that the sum of the parts,
3
7000
2000
jest większa niż suma ich części,
00:24
and instead of thinking about information overload,
4
9000
3000
a zamiast myśleć o przeciążeniu informacjami,
00:27
what I'd like you to think about is how
5
12000
2000
chciałbym żebyście wyobrazili sobie możliwości
00:29
we can use information so that patterns pop
6
14000
3000
wykorzystywania informacji, dzięki którym wyłaniają się wzorce,
00:32
and we can see trends that would otherwise be invisible.
7
17000
3000
a my dostrzegamy tendencje, które bez tego byłyby niewidoczne.
00:35
So what we're looking at right here is a typical mortality chart
8
20000
3000
Widzicie tu typowy wykres umieralności
00:38
organized by age.
9
23000
2000
w zależności od wieku.
00:40
This tool that I'm using here is a little experiment.
10
25000
2000
Narzędzie, którego używam, to mały eksperyment.
00:42
It's called Pivot, and with Pivot what I can do
11
27000
3000
Nazywa się Pivot i dzięki niemu mogę
00:45
is I can choose to filter in one particular cause of deaths -- say, accidents.
12
30000
4000
przefiltrować według konkretnej przyczyny śmierci – na przykład wypadków.
00:49
And, right away, I see there's a different pattern that emerges.
13
34000
3000
I od razu widzę, że teraz wyłania się inny wzorzec.
00:52
This is because, in the mid-area here,
14
37000
2000
Jest tak, ponieważ tutaj pośrodku
00:54
people are at their most active,
15
39000
2000
są ludzie w wieku największej aktywności życiowej
00:56
and over here they're at their most frail.
16
41000
2000
a tam najsłabsi.
00:58
We can step back out again
17
43000
2000
Możemy cofnąć się
01:00
and then reorganize the data by cause of death,
18
45000
2000
i uporządkować dane według przyczyn śmierci
01:02
seeing that circulatory diseases and cancer
19
47000
3000
i widzimy, że to choroby układu krążenia i rak
01:05
are the usual suspects, but not for everyone.
20
50000
3000
są typowymi przyczynami – ale nie w każdym przypadku.
01:08
If we go ahead and we filter by age --
21
53000
3000
Jeśli teraz jeszcze przefiltrujemy według wieku,
01:11
say 40 years or less --
22
56000
2000
na przykład: do 40 roku życia,
01:13
we see that accidents are actually
23
58000
2000
widzimy, że to wypadki są faktycznie
01:15
the greatest cause that people have to be worried about.
24
60000
3000
głównym zagrożeniem.
01:18
And if you drill into that, it's especially the case for men.
25
63000
3000
Zagłębiając się w to, widzimy że dotyczy to zwłaszcza mężczyzn.
01:21
So you get the idea
26
66000
2000
Widzicie teraz,
01:23
that viewing information, viewing data in this way,
27
68000
3000
że przeglądanie informacji, przeglądanie danych w ten sposób
01:26
is a lot like swimming
28
71000
2000
przypomina pływanie
01:28
in a living information info-graphic.
29
73000
3000
w żywej infografice, grafice informacyjnej.
01:31
And if we can do this for raw data,
30
76000
2000
A skoro możemy zrobić to z danymi liczbowymi,
01:33
why not do it for content as well?
31
78000
3000
czemu nie spróbować z zawartością Internetu?
01:36
So what we have right here
32
81000
2000
Tutaj mamy
01:38
is the cover of every single Sports Illustrated
33
83000
3000
okładki wszystkich numerów "Sports Illustrated",
01:41
ever produced.
34
86000
2000
jakie wydano.
01:43
It's all here; it's all on the web.
35
88000
2000
Wszystkie dostępne na WWW.
01:45
You can go back to your rooms and try this after my talk.
36
90000
3000
Po mojej prezentacji możecie sprawdzić to samemu.
01:48
With Pivot, you can drill into a decade.
37
93000
3000
Korzystając z Pivota, możemy zagłębić się w daną dekadę.
01:51
You can drill into a particular year.
38
96000
2000
Możemy zagłębić się w konkretny rok.
01:53
You can jump right into a specific issue.
39
98000
3000
Możemy przejść prosto do określonego numeru.
01:56
So I'm looking at this; I see the athletes
40
101000
2000
A więc oglądam to, widzę sportowców,
01:58
that have appeared in this issue, the sports.
41
103000
2000
którzy pojawili się w tym numerze... dyscypliny.
02:00
I'm a Lance Armstrong fan, so I'll go ahead and I'll click on that,
42
105000
3000
Jestem fanem Lance'a Armstronga, więc kliknę tutaj
02:03
which reveals, for me, all the issues
43
108000
2000
i zobaczę wszystkie numery,
02:05
in which Lance Armstrong's been a part of.
44
110000
2000
w których pojawił się Lance Armstrong.
02:07
(Applause)
45
112000
3000
(Oklaski)
02:10
Now, if I want to just kind of take a peek at these,
46
115000
3000
Jeśli chciałbym tylko rzucić okiem na to wszystko,
02:13
I might think,
47
118000
2000
mogę stwierdzić:
02:15
"Well, what about taking a look at all of cycling?"
48
120000
2000
A może spojrzeć na wszystko związane z kolarstwem?
02:17
So I can step back, and expand on that.
49
122000
2000
Więc cofnę się i rozwinę to.
02:19
And I see Greg LeMond now.
50
124000
2000
I teraz widzę Grega Lemonda.
02:21
And so you get the idea that when you
51
126000
2000
Teraz powinniście dostrzegać, że gdy
02:23
navigate over information this way --
52
128000
2000
nawigujemy w ten sposób wśród informacji,
02:25
going narrower, broader,
53
130000
2000
zawężając, poszerzając,
02:27
backing in, backing out --
54
132000
2000
zbliżając, oddalając,
02:29
you're not searching, you're not browsing.
55
134000
2000
nie wyszukujemy ani nie przeglądamy.
02:31
You're doing something that's actually a little bit different.
56
136000
2000
Robimy naprawdę coś trochę innego.
02:33
It's in between, and we think it changes
57
138000
3000
To coś pośredniego i sądzimy, że jest to zmiana
02:36
the way information can be used.
58
141000
2000
możliwości wykorzystania informacji.
02:38
So I want to extrapolate on this idea a bit
59
143000
2000
Chciałbym dokonać małej ekstrapolacji tego pomysłu,
02:40
with something that's a little bit crazy.
60
145000
2000
zrobić coś trochę szalonego.
02:42
What we're done here is we've taken every single Wikipedia page
61
147000
3000
Otóż wzięliśmy wszystkie strony Wikipedii
02:45
and we reduced it down to a little summary.
62
150000
3000
i każdą z nich zredukowaliśmy do krótkiego abstraktu.
02:48
So the summary consists of just a little synopsis
63
153000
3000
Tak więc nasz abstrakt składa się z króciutkiego streszczenia
02:51
and an icon to indicate the topical area that it comes from.
64
156000
3000
oraz ikony wskazującej dziedzinę, do której należy.
02:54
I'm only showing the top 500
65
159000
3000
Widzicie teraz tylko 500 najpopularniejszych
02:57
most popular Wikipedia pages right here.
66
162000
2000
stron Wikipedii.
02:59
But even in this limited view,
67
164000
2000
Ale nawet z tym ograniczonym zbiorem
03:01
we can do a lot of things.
68
166000
2000
możemy zrobić mnóstwo rzeczy.
03:03
Right away, we get a sense of what are the topical domains
69
168000
2000
Od razu możemy dostrzec, jakie dziedziny
03:05
that are most popular on Wikipedia.
70
170000
2000
są najpopularniejsze w Wikipedii.
03:07
I'm going to go ahead and select government.
71
172000
2000
Następnie wybiorę kategorię Rządy.
03:09
Now, having selected government,
72
174000
3000
Teraz, po wybraniu kategorii Rządy
03:12
I can now see that the Wikipedia categories
73
177000
2000
widzę, że w Wikipedii
03:14
that most frequently correspond to that
74
179000
2000
najmocniej koresponduje ona
03:16
are Time magazine People of the Year.
75
181000
3000
z kategorią Człowiek Roku tygodnika Time.
03:19
So this is really important because this is an insight
76
184000
3000
To bardzo ważny przykład, ponieważ ta informacja
03:22
that was not contained within any one Wikipedia page.
77
187000
3000
nie znajduje się na żadnej konkretnej stronie Wikipedii.
03:25
It's only possible to see that insight
78
190000
2000
Możemy się tego dowiedzieć, tylko jeśli
03:27
when you step back and look at all of them.
79
192000
3000
odsuniemy się i obejmiemy wzrokiem je wszystkie.
03:30
Looking at one of these particular summaries,
80
195000
2000
Zapoznając się z jednym z tych abstraktów,
03:32
I can then drill into the concept of
81
197000
3000
mogę zagłębić się w pojęcie
03:35
Time magazine Person of the Year,
82
200000
2000
„Człowiek Roku tygodnika Time”
03:37
bringing up all of them.
83
202000
2000
i przywołać informacje o tych wszystkich osobach.
03:39
So looking at these people,
84
204000
2000
Przyglądając się im,
03:41
I can see that the majority come from government;
85
206000
3000
widzę, że większość jest związana ze sferami rządowymi.
03:45
some have come from natural sciences;
86
210000
3000
Niektóre ze sferą nauk przyrodniczych.
03:49
some, fewer still, have come from business --
87
214000
3000
Niektóre, jeszcze mniejsza liczba, z biznesem.
03:53
there's my boss --
88
218000
2000
Tu jest mój szef.
03:55
and one has come from music.
89
220000
5000
A jedna osoba jest związana z muzyką.
04:00
And interestingly enough,
90
225000
2000
I co ciekawe,
04:02
Bono is also a TED Prize winner.
91
227000
3000
Bono jest również laureatem nagrody TED Prize.
04:05
So we can go, jump, and take a look at all the TED Prize winners.
92
230000
3000
Możemy więc teraz przeskoczyć do zestawienia wszystkich laureatów TED Prize.
04:08
So you see, we're navigating the web for the first time
93
233000
3000
Jak widzicie pierwszy raz nawigujemy w sieci WWW
04:11
as if it's actually a web, not from page-to-page,
94
236000
3000
jak w prawdziwej sieci – nie ze strony na stronę,
04:14
but at a higher level of abstraction.
95
239000
2000
ale na wyższym poziomie abstrakcji.
04:16
And so I want to show you one other thing
96
241000
2000
Chcę pokazać jeszcze jedną rzecz,
04:18
that may catch you a little bit by surprise.
97
243000
3000
która może Was trochę zaskoczyć.
04:21
I'm just showing the New York Times website here.
98
246000
3000
Widzicie tu witrynę New York Timesa.
04:24
So Pivot, this application --
99
249000
2000
Pivot, aplikacja ta –
04:26
I don't want to call it a browser; it's really not a browser,
100
251000
2000
nie będę jej nazywać przeglądarką, to nie jest przeglądarka,
04:28
but you can view web pages with it --
101
253000
3000
choć można w niej wyświetlać strony WWW –
04:31
and we bring that zoomable technology
102
256000
2000
ta technika zmiany powiększenia jest dostępna
04:33
to every single web page like this.
103
258000
3000
dla każdej strony WWW.
04:36
So I can step back,
104
261000
3000
Mogę więc odsunąć się, żeby spojrzeć z dystansu
04:39
pop right back into a specific section.
105
264000
2000
i wskoczyć prosto do określonej sekcji.
04:41
Now the reason why this is important is because,
106
266000
2000
Jest to ważne, ponieważ
04:43
by virtue of just viewing web pages in this way,
107
268000
3000
dzięki możliwości wyświetlania stron WWW w ten sposób
04:46
I can look at my entire browsing history
108
271000
2000
mogę popatrzeć na całą moją historię przeglądania
04:48
in the exact same way.
109
273000
2000
w dokładnie taki sam sposób.
04:50
So I can drill into what I've done
110
275000
2000
Mogę więc zagłębić się w to, co robiłem
04:52
over specific time frames.
111
277000
2000
w określonych przedziałach czasu.
04:54
Here, in fact, is the state
112
279000
2000
Tutaj jest zapis
04:56
of all the demo that I just gave.
113
281000
2000
całej mojej dzisiejszej demonstracji.
04:58
And I can sort of replay some stuff that I was looking at earlier today.
114
283000
3000
Mogę też, w pewnym sensie, odtworzyć to, co oglądałem dziś wcześniej.
05:01
And, if I want to step back and look at everything,
115
286000
3000
A jeśli chcę odsunąć się jeszcze bardziej i popatrzeć na wszystko,
05:04
I can slice and dice my history,
116
289000
2000
mogę przeanalizować ze wszystkich stron moją historię,
05:06
perhaps by my search history --
117
291000
2000
może pod kątem mojej historii wyszukiwania.
05:08
here, I was doing some nepotistic searching,
118
293000
2000
Tutaj uprawiałem trochę nepotyzmu podczas wyszukiwania,
05:10
looking for Bing, over here for Live Labs Pivot.
119
295000
3000
wyszukując Bing, a tutaj Live Labs Pivot.
05:13
And from these, I can drill into the web page
120
298000
2000
A stąd mogę się zagłębić w tę stronę WWW
05:15
and just launch them again.
121
300000
2000
i po prostu otworzyć ją ponownie.
05:17
It's one metaphor repurposed multiple times,
122
302000
3000
To jedna metafora o wielu zastosowaniach,
05:20
and in each case it makes the whole greater
123
305000
2000
a każde z nich daje nam całość większą
05:22
than the sum of the parts with the data.
124
307000
2000
niż suma części zawierających dane.
05:24
So right now, in this world,
125
309000
3000
Tak więc: teraz, w dzisiejszym świecie
05:27
we think about data as being this curse.
126
312000
3000
myślimy o danych jako klątwie.
05:30
We talk about the curse of information overload.
127
315000
3000
Mówimy o klątwie przeciążenia informacjami.
05:33
We talk about drowning in data.
128
318000
3000
Mówimy o tonięciu w danych.
05:36
What if we can actually turn that upside down
129
321000
2000
Co się stanie, jeśli odwrócimy to wszystko do góry nogami?
05:38
and turn the web upside down,
130
323000
2000
Odwrócimy WWW do góry nogami
05:40
so that instead of navigating from one thing to the next,
131
325000
3000
i zamiast przechodzić od jednego elementu do drugiego
05:43
we get used to the habit of being able to go from many things to many things,
132
328000
3000
przyzwyczaimy się do możliwości przechodzenia od zbioru elementów do innego zbioru elementów,
05:46
and then being able to see the patterns
133
331000
2000
dzięki czemu zobaczymy wzorce,
05:48
that were otherwise hidden?
134
333000
2000
które w innej sytuacji byłyby ukryte?
05:50
If we can do that, then instead of being trapped in data,
135
335000
5000
Jeśli uda nam się to, zamiast tkwić w pułapce danych,
05:55
we might actually extract information.
136
340000
3000
moglibyśmy naprawdę wydobywać informacje.
05:58
And, instead of dealing just with information,
137
343000
2000
I zamiast zajmować się tylko informacjami
06:00
we can tease out knowledge.
138
345000
2000
moglibyśmy wyłuskiwać wiedzę.
06:02
And if we get the knowledge, then maybe even there's wisdom to be found.
139
347000
3000
A gdy już będziemy mieć wiedzę, może nawet uda się odnaleźć mądrość.
06:05
So with that, I thank you.
140
350000
2000
Z taką nadzieją dziękuję za uwagę.
06:07
(Applause)
141
352000
8000
(Oklaski)
ABOUT THE SPEAKER
Gary Flake - TechnologistGary Flake is a Technical Fellow at Microsoft, and the founder and director of Live Labs.
Why you should listen
Gary Flake is a Technical Fellow at Microsoft, where he focuses on Internet products and technologies including search, advertising, content, portals, community and application development. In this capacity, he helps define and evolve Microsoft's product vision, technical architecture and business strategy for online services. He is also the founder and director of Live Labs, a skunkworks that bridges research and development, and is widely recognized for inventing new best practices for catalyzing and managing innovation.
Prior to joining Microsoft, Flake founded Yahoo! Research Labs, ran Yahoo!'s corporate R&D activities and company-wide innovation effort, and was the Chief Science Officer of Overture, the company that invented the paid search business model. Flake also wrote the award-winning book The Computational Beauty of Nature, which is used in college courses worldwide.
Gary Flake | Speaker | TED.com