ABOUT THE SPEAKER
Gary Flake - Technologist
Gary 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.

More profile about the speaker
Gary Flake | Speaker | TED.com
TED2010

Gary Flake: Is Pivot a turning point for web exploration?

Gary Flake: czy Pivot to punkt zwrotny w dziedzinie eksploracji sieci WWW?

Filmed:
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.
- Technologist
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 leavepozostawiać you with one bigduży ideapomysł todaydzisiaj,
0
1000
2000
Chciałbym przekonać Was dziś do jednej ważnej myśli:
00:18
it's that the wholecały of the datadane
1
3000
2000
że całość danych,
00:20
in whichktóry we consumekonsumować
2
5000
2000
które przyswajamy,
00:22
is greaterwiększy that the sumsuma of the partsCzęści,
3
7000
2000
jest większa niż suma ich części,
00:24
and insteadzamiast of thinkingmyślący about informationInformacja overloadprzeciążać,
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 informationInformacja so that patternswzorce popmuzyka pop
6
14000
3000
wykorzystywania informacji, dzięki którym wyłaniają się wzorce,
00:32
and we can see trendstrendy that would otherwisew przeciwnym razie be invisibleniewidzialny.
7
17000
3000
a my dostrzegamy tendencje, które bez tego byłyby niewidoczne.
00:35
So what we're looking at right here is a typicaltypowy mortalityśmiertelność chartwykres
8
20000
3000
Widzicie tu typowy wykres umieralności
00:38
organizedzorganizowany by agewiek.
9
23000
2000
w zależności od wieku.
00:40
This toolnarzędzie that I'm usingza pomocą here is a little experimenteksperyment.
10
25000
2000
Narzędzie, którego używam, to mały eksperyment.
00:42
It's callednazywa PivotPivot, and with PivotPivot what I can do
11
27000
3000
Nazywa się Pivot i dzięki niemu mogę
00:45
is I can choosewybierać to filterfiltr in one particularszczególny causeprzyczyna of deathsśmierci -- say, accidentsWypadki.
12
30000
4000
przefiltrować według konkretnej przyczyny śmierci – na przykład wypadków.
00:49
And, right away, I see there's a differentróżne patternwzór that emergeswyłania się.
13
34000
3000
I od razu widzę, że teraz wyłania się inny wzorzec.
00:52
This is because, in the mid-areapołowie obszaru here,
14
37000
2000
Jest tak, ponieważ tutaj pośrodku
00:54
people are at theirich mostwiększość activeaktywny,
15
39000
2000
są ludzie w wieku największej aktywności życiowej
00:56
and over here they're at theirich mostwiększość frailwątły.
16
41000
2000
a tam najsłabsi.
00:58
We can stepkrok back out again
17
43000
2000
Możemy cofnąć się
01:00
and then reorganizeReorganizacja the datadane by causeprzyczyna of deathśmierć,
18
45000
2000
i uporządkować dane według przyczyn śmierci
01:02
seeingwidzenie that circulatoryukładu krążenia diseaseschoroby and cancernowotwór
19
47000
3000
i widzimy, że to choroby układu krążenia i rak
01:05
are the usualzwykły suspectspodejrzani, but not for everyonekażdy.
20
50000
3000
są typowymi przyczynami – ale nie w każdym przypadku.
01:08
If we go aheadprzed siebie and we filterfiltr by agewiek --
21
53000
3000
Jeśli teraz jeszcze przefiltrujemy według wieku,
01:11
say 40 yearslat or lessmniej --
22
56000
2000
na przykład: do 40 roku życia,
01:13
we see that accidentsWypadki are actuallytak właściwie
23
58000
2000
widzimy, że to wypadki są faktycznie
01:15
the greatestnajwiększy causeprzyczyna that people have to be worriedzmartwiony about.
24
60000
3000
głównym zagrożeniem.
01:18
And if you drillwiercić into that, it's especiallyszczególnie the casewalizka for menmężczyźni.
25
63000
3000
Zagłębiając się w to, widzimy że dotyczy to zwłaszcza mężczyzn.
01:21
So you get the ideapomysł
26
66000
2000
Widzicie teraz,
01:23
that viewingoglądanie informationInformacja, viewingoglądanie datadane in this way,
27
68000
3000
że przeglądanie informacji, przeglądanie danych w ten sposób
01:26
is a lot like swimmingpływanie
28
71000
2000
przypomina pływanie
01:28
in a livingżycie informationInformacja info-graphicinformacje w formie graficznej.
29
73000
3000
w żywej infografice, grafice informacyjnej.
01:31
And if we can do this for rawsurowy datadane,
30
76000
2000
A skoro możemy zrobić to z danymi liczbowymi,
01:33
why not do it for contentzadowolony 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 coverpokrywa of everykażdy singlepojedynczy SportsSportowe IllustratedIlustrowane
33
83000
3000
okładki wszystkich numerów "Sports Illustrated",
01:41
ever producedwytworzony.
34
86000
2000
jakie wydano.
01:43
It's all here; it's all on the websieć.
35
88000
2000
Wszystkie dostępne na WWW.
01:45
You can go back to your roomspokoje and try this after my talk.
36
90000
3000
Po mojej prezentacji możecie sprawdzić to samemu.
01:48
With PivotPivot, you can drillwiercić into a decadedekada.
37
93000
3000
Korzystając z Pivota, możemy zagłębić się w daną dekadę.
01:51
You can drillwiercić into a particularszczególny yearrok.
38
96000
2000
Możemy zagłębić się w konkretny rok.
01:53
You can jumpskok right into a specifickonkretny issuekwestia.
39
98000
3000
Możemy przejść prosto do określonego numeru.
01:56
So I'm looking at this; I see the athletessportowcy
40
101000
2000
A więc oglądam to, widzę sportowców,
01:58
that have appearedpojawił się in this issuekwestia, the sportsSport.
41
103000
2000
którzy pojawili się w tym numerze... dyscypliny.
02:00
I'm a LanceLance ArmstrongArmstrong fanwentylator, so I'll go aheadprzed siebie and I'll clickKliknij on that,
42
105000
3000
Jestem fanem Lance'a Armstronga, więc kliknę tutaj
02:03
whichktóry revealsujawnia, for me, all the issuesproblemy
43
108000
2000
i zobaczę wszystkie numery,
02:05
in whichktóry LanceLance Armstrong'sArmstrong's been a partczęść of.
44
110000
2000
w których pojawił się Lance Armstrong.
02:07
(ApplauseAplauz)
45
112000
3000
(Oklaski)
02:10
Now, if I want to just kinduprzejmy of take a peekPeek at these,
46
115000
3000
Jeśli chciałbym tylko rzucić okiem na to wszystko,
02:13
I mightmoc think,
47
118000
2000
mogę stwierdzić:
02:15
"Well, what about takingnabierający a look at all of cyclingjazda na rowerze?"
48
120000
2000
A może spojrzeć na wszystko związane z kolarstwem?
02:17
So I can stepkrok back, and expandrozszerzać on that.
49
122000
2000
Więc cofnę się i rozwinę to.
02:19
And I see GregGreg LeMondLeMond now.
50
124000
2000
I teraz widzę Grega Lemonda.
02:21
And so you get the ideapomysł that when you
51
126000
2000
Teraz powinniście dostrzegać, że gdy
02:23
navigatenawigować over informationInformacja this way --
52
128000
2000
nawigujemy w ten sposób wśród informacji,
02:25
going narrowerwęższy, broaderszerszy,
53
130000
2000
zawężając, poszerzając,
02:27
backingpoparcie in, backingpoparcie out --
54
132000
2000
zbliżając, oddalając,
02:29
you're not searchingbadawczy, you're not browsingprzeglądanie stron.
55
134000
2000
nie wyszukujemy ani nie przeglądamy.
02:31
You're doing something that's actuallytak właściwie a little bitkawałek differentróżne.
56
136000
2000
Robimy naprawdę coś trochę innego.
02:33
It's in betweenpomiędzy, and we think it changeszmiany
57
138000
3000
To coś pośredniego i sądzimy, że jest to zmiana
02:36
the way informationInformacja can be used.
58
141000
2000
możliwości wykorzystania informacji.
02:38
So I want to extrapolateekstrapolacji on this ideapomysł a bitkawałek
59
143000
2000
Chciałbym dokonać małej ekstrapolacji tego pomysłu,
02:40
with something that's a little bitkawałek crazyzwariowany.
60
145000
2000
zrobić coś trochę szalonego.
02:42
What we're doneGotowe here is we'vemamy takenwzięty everykażdy singlepojedynczy WikipediaWikipedia pagestrona
61
147000
3000
Otóż wzięliśmy wszystkie strony Wikipedii
02:45
and we reducedzredukowany it down to a little summaryKrótki opis.
62
150000
3000
i każdą z nich zredukowaliśmy do krótkiego abstraktu.
02:48
So the summaryKrótki opis consistsskłada się of just a little synopsisstreszczenie
63
153000
3000
Tak więc nasz abstrakt składa się z króciutkiego streszczenia
02:51
and an iconIkona to indicatewskazać the topicalaktualny areapowierzchnia that it comespochodzi from.
64
156000
3000
oraz ikony wskazującej dziedzinę, do której należy.
02:54
I'm only showingseans the topTop 500
65
159000
3000
Widzicie teraz tylko 500 najpopularniejszych
02:57
mostwiększość popularpopularny WikipediaWikipedia pagesstrony right here.
66
162000
2000
stron Wikipedii.
02:59
But even in this limitedograniczony viewwidok,
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 sensesens of what are the topicalaktualny domainsdomeny
69
168000
2000
Od razu możemy dostrzec, jakie dziedziny
03:05
that are mostwiększość popularpopularny on WikipediaWikipedia.
70
170000
2000
są najpopularniejsze w Wikipedii.
03:07
I'm going to go aheadprzed siebie and selectWybierz governmentrząd.
71
172000
2000
Następnie wybiorę kategorię Rządy.
03:09
Now, havingmający selectedwybrany governmentrząd,
72
174000
3000
Teraz, po wybraniu kategorii Rządy
03:12
I can now see that the WikipediaWikipedia categorieskategorie
73
177000
2000
widzę, że w Wikipedii
03:14
that mostwiększość frequentlyczęsto correspondodpowiadać to that
74
179000
2000
najmocniej koresponduje ona
03:16
are Time magazineczasopismo People of the YearRok.
75
181000
3000
z kategorią Człowiek Roku tygodnika Time.
03:19
So this is really importantważny because this is an insightwgląd
76
184000
3000
To bardzo ważny przykład, ponieważ ta informacja
03:22
that was not containedzawarte withinw ciągu any one WikipediaWikipedia pagestrona.
77
187000
3000
nie znajduje się na żadnej konkretnej stronie Wikipedii.
03:25
It's only possiblemożliwy to see that insightwgląd
78
190000
2000
Możemy się tego dowiedzieć, tylko jeśli
03:27
when you stepkrok back and look at all of them.
79
192000
3000
odsuniemy się i obejmiemy wzrokiem je wszystkie.
03:30
Looking at one of these particularszczególny summariesstreszczenia,
80
195000
2000
Zapoznając się z jednym z tych abstraktów,
03:32
I can then drillwiercić into the conceptpojęcie of
81
197000
3000
mogę zagłębić się w pojęcie
03:35
Time magazineczasopismo PersonOsoba of the YearRok,
82
200000
2000
„Człowiek Roku tygodnika Time”
03:37
bringingprzynoszący 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 majoritywiększość come from governmentrząd;
85
206000
3000
widzę, że większość jest związana ze sferami rządowymi.
03:45
some have come from naturalnaturalny sciencesnauki;
86
210000
3000
Niektóre ze sferą nauk przyrodniczych.
03:49
some, fewermniej still, have come from businessbiznes --
87
214000
3000
Niektóre, jeszcze mniejsza liczba, z biznesem.
03:53
there's my bossszef --
88
218000
2000
Tu jest mój szef.
03:55
and one has come from musicmuzyka.
89
220000
5000
A jedna osoba jest związana z muzyką.
04:00
And interestinglyco ciekawe enoughdość,
90
225000
2000
I co ciekawe,
04:02
BonoBono is alsorównież a TEDTED PrizeNagrody winnerzwycięzca.
91
227000
3000
Bono jest również laureatem nagrody TED Prize.
04:05
So we can go, jumpskok, and take a look at all the TEDTED PrizeNagrody winnerszwycięzcy.
92
230000
3000
Możemy więc teraz przeskoczyć do zestawienia wszystkich laureatów TED Prize.
04:08
So you see, we're navigatingNawigacja the websieć for the first time
93
233000
3000
Jak widzicie pierwszy raz nawigujemy w sieci WWW
04:11
as if it's actuallytak właściwie a websieć, not from page-to-pagedo strony,
94
236000
3000
jak w prawdziwej sieci – nie ze strony na stronę,
04:14
but at a higherwyższy levelpoziom of abstractionabstrakcja.
95
239000
2000
ale na wyższym poziomie abstrakcji.
04:16
And so I want to showpokazać you one other thing
96
241000
2000
Chcę pokazać jeszcze jedną rzecz,
04:18
that maymoże catchłapać you a little bitkawałek by surpriseniespodzianka.
97
243000
3000
która może Was trochę zaskoczyć.
04:21
I'm just showingseans the NewNowy YorkYork TimesRazy websitestronie internetowej here.
98
246000
3000
Widzicie tu witrynę New York Timesa.
04:24
So PivotPivot, this applicationpodanie --
99
249000
2000
Pivot, aplikacja ta –
04:26
I don't want to call it a browserPrzeglądarka; it's really not a browserPrzeglądarka,
100
251000
2000
nie będę jej nazywać przeglądarką, to nie jest przeglądarka,
04:28
but you can viewwidok websieć pagesstrony with it --
101
253000
3000
choć można w niej wyświetlać strony WWW –
04:31
and we bringprzynieść that zoomableZoomable technologytechnologia
102
256000
2000
ta technika zmiany powiększenia jest dostępna
04:33
to everykażdy singlepojedynczy websieć pagestrona like this.
103
258000
3000
dla każdej strony WWW.
04:36
So I can stepkrok back,
104
261000
3000
Mogę więc odsunąć się, żeby spojrzeć z dystansu
04:39
popmuzyka pop right back into a specifickonkretny sectionSekcja.
105
264000
2000
i wskoczyć prosto do określonej sekcji.
04:41
Now the reasonpowód why this is importantważny is because,
106
266000
2000
Jest to ważne, ponieważ
04:43
by virtueCnota of just viewingoglądanie websieć pagesstrony in this way,
107
268000
3000
dzięki możliwości wyświetlania stron WWW w ten sposób
04:46
I can look at my entireCały browsingprzeglądanie stron historyhistoria
108
271000
2000
mogę popatrzeć na całą moją historię przeglądania
04:48
in the exactdokładny samepodobnie way.
109
273000
2000
w dokładnie taki sam sposób.
04:50
So I can drillwiercić into what I've doneGotowe
110
275000
2000
Mogę więc zagłębić się w to, co robiłem
04:52
over specifickonkretny time framesramki.
111
277000
2000
w określonych przedziałach czasu.
04:54
Here, in factfakt, is the statestan
112
279000
2000
Tutaj jest zapis
04:56
of all the demodemo that I just gavedał.
113
281000
2000
całej mojej dzisiejszej demonstracji.
04:58
And I can sortsortować of replaypowtórka some stuffrzeczy that I was looking at earlierwcześniej todaydzisiaj.
114
283000
3000
Mogę też, w pewnym sensie, odtworzyć to, co oglądałem dziś wcześniej.
05:01
And, if I want to stepkrok back and look at everything,
115
286000
3000
A jeśli chcę odsunąć się jeszcze bardziej i popatrzeć na wszystko,
05:04
I can sliceplasterek and dicekostka do gry my historyhistoria,
116
289000
2000
mogę przeanalizować ze wszystkich stron moją historię,
05:06
perhapsmoże by my searchszukanie historyhistoria --
117
291000
2000
może pod kątem mojej historii wyszukiwania.
05:08
here, I was doing some nepotisticnepotistic searchingbadawczy,
118
293000
2000
Tutaj uprawiałem trochę nepotyzmu podczas wyszukiwania,
05:10
looking for BingBing, over here for LiveNa żywo LabsLabs PivotPivot.
119
295000
3000
wyszukując Bing, a tutaj Live Labs Pivot.
05:13
And from these, I can drillwiercić into the websieć pagestrona
120
298000
2000
A stąd mogę się zagłębić w tę stronę WWW
05:15
and just launchuruchomić them again.
121
300000
2000
i po prostu otworzyć ją ponownie.
05:17
It's one metaphormetafora repurposedrepurposed multiplewielokrotność timesczasy,
122
302000
3000
To jedna metafora o wielu zastosowaniach,
05:20
and in eachkażdy casewalizka it makesczyni the wholecały greaterwiększy
123
305000
2000
a każde z nich daje nam całość większą
05:22
than the sumsuma of the partsCzęści with the datadane.
124
307000
2000
niż suma części zawierających dane.
05:24
So right now, in this worldświat,
125
309000
3000
Tak więc: teraz, w dzisiejszym świecie
05:27
we think about datadane as beingistota this curseprzekleństwo.
126
312000
3000
myślimy o danych jako klątwie.
05:30
We talk about the curseprzekleństwo of informationInformacja overloadprzeciążać.
127
315000
3000
Mówimy o klątwie przeciążenia informacjami.
05:33
We talk about drowningutonięcie in datadane.
128
318000
3000
Mówimy o tonięciu w danych.
05:36
What if we can actuallytak właściwie turnskręcać that upsidedo góry down
129
321000
2000
Co się stanie, jeśli odwrócimy to wszystko do góry nogami?
05:38
and turnskręcać the websieć upsidedo góry down,
130
323000
2000
Odwrócimy WWW do góry nogami
05:40
so that insteadzamiast of navigatingNawigacja from one thing to the nextNastępny,
131
325000
3000
i zamiast przechodzić od jednego elementu do drugiego
05:43
we get used to the habitnawyk of beingistota ablezdolny to go from manywiele things to manywiele things,
132
328000
3000
przyzwyczaimy się do możliwości przechodzenia od zbioru elementów do innego zbioru elementów,
05:46
and then beingistota ablezdolny to see the patternswzorce
133
331000
2000
dzięki czemu zobaczymy wzorce,
05:48
that were otherwisew przeciwnym razie hiddenukryty?
134
333000
2000
które w innej sytuacji byłyby ukryte?
05:50
If we can do that, then insteadzamiast of beingistota trappeduwięziony in datadane,
135
335000
5000
Jeśli uda nam się to, zamiast tkwić w pułapce danych,
05:55
we mightmoc actuallytak właściwie extractwyciąg informationInformacja.
136
340000
3000
moglibyśmy naprawdę wydobywać informacje.
05:58
And, insteadzamiast of dealingpostępowanie just with informationInformacja,
137
343000
2000
I zamiast zajmować się tylko informacjami
06:00
we can teasezłośliwiec out knowledgewiedza, umiejętności.
138
345000
2000
moglibyśmy wyłuskiwać wiedzę.
06:02
And if we get the knowledgewiedza, umiejętności, then maybe even there's wisdommądrość to be founduznany.
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
(ApplauseAplauz)
141
352000
8000
(Oklaski)
Translated by Marcin Krzaczkowski
Reviewed by Dawid Madon

▲Back to top

ABOUT THE SPEAKER
Gary Flake - Technologist
Gary 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.

More profile about the speaker
Gary Flake | Speaker | TED.com