TED2007
Jonathan Harris: The Web's secret stories
Jonathan Harris: As histórias secretas da Web
Filmed:
Readability: 3.9
1,153,906 views
Jonathan Harris quer dar sentido ao mundo emocional da Web. Com profunda compaixão pela condição humana, os seus projetos percorrem a Internet para encontrar o que todos estamos a sentir e procurar.
Jonathan Harris - Artist, storyteller, Internet anthropologist
Artist and computer scientist Jonathan Harris makes online art that captures the world's expression -- and gives us a glimpse of the soul of the Internet. Full bio
Artist and computer scientist Jonathan Harris makes online art that captures the world's expression -- and gives us a glimpse of the soul of the Internet. Full bio
Double-click the English transcript below to play the video.
00:25
So I really consider myself a storyteller.
0
0
4000
Eu considero-me um contador de histórias.
00:29
But I don't really tell stories in the usual way,
1
4000
4000
Mas não conto histórias da forma habitual,
00:33
in the sense that I don't usually tell my own stories.
2
8000
3000
no sentido em que não conto
as minhas próprias histórias.
as minhas próprias histórias.
00:37
Instead, I'm really interested in building tools that allow
3
12000
2000
Em vez disso, estou interessado em
construir ferramentas que permitam
construir ferramentas que permitam
00:39
large numbers of other people to tell their stories,
4
14000
4000
a um grande número de outras pessoas
contarem as suas histórias,
contarem as suas histórias,
00:43
people all around the world.
5
18000
1000
pessoas de todo o mundo.
00:45
I do this because I think that people actually have a lot in common.
6
20000
4000
Eu faço-o porque acho que as pessoas
têm muito em comum.
têm muito em comum.
00:49
I think people are very similar,
7
24000
1000
Acho que as pessoas são muito parecidas,
00:51
but I also think that we have trouble seeing that.
8
26000
2000
mas também acho
que temos dificuldades em ver isso.
que temos dificuldades em ver isso.
00:54
You know, as I look around the world I see a lot of gaps,
9
29000
3000
À medida que olho para o mundo,
vejo muitas diferenças,
vejo muitas diferenças,
00:57
and I think we all see a lot of gaps.
10
32000
1000
e acho que todos vemos muitas diferenças.
00:59
And we define ourselves by our gaps.
11
34000
2000
E definimo-nos pelas nossas diferenças.
01:02
There's language gaps,
12
37000
1000
Há diferenças na linguagem,
01:04
there's ethnicity and racial gaps, there's age gaps,
13
39000
4000
há diferenças étnicas e raciais,
diferenças etárias,
diferenças etárias,
01:08
there's gender gaps, there's sexuality gaps,
14
43000
5000
há diferenças entre os dois sexos,
diferenças de sexualidade,
diferenças de sexualidade,
01:13
there's wealth and money gaps, there's education gaps,
15
48000
4000
diferenças na riqueza e no dinheiro,
diferenças na educação,
diferenças na educação,
01:18
there's also religious gaps.
16
53000
2000
também há diferenças religiosas.
01:20
You know, we have all these gaps and I think we like our gaps
17
55000
2000
Temos todas estas diferenças
e acho que gostamos delas
e acho que gostamos delas
01:22
because they make us feel like we identify with something,
18
57000
3000
porque nos fazem sentir
identificados com algo,
identificados com algo,
01:25
some smaller community.
19
60000
1000
uma comunidade mais pequena.
01:26
But I think that actually, despite our gaps,
20
61000
2000
Mas acho que,
apesar das nossas diferenças,
apesar das nossas diferenças,
01:29
we really have a lot in common.
21
64000
1000
temos muito em comum.
01:30
And I think one thing we have in common is a very deep need
22
65000
4000
Uma das coisas que acho que temos
em comum é a grande necessidade
em comum é a grande necessidade
de nos exprimirmos.
01:35
to express ourselves.
23
70000
1000
01:36
I think this is a very old human desire. It's nothing new.
24
71000
5000
Acho que é um desejo humano muito antigo.
Não é nada de novo.
Não é nada de novo.
01:42
But the thing about self-expression
25
77000
1000
Mas acontece que a autoexpressão
01:43
is that there's traditionally been this imbalance
26
78000
2000
é normalmente afetada de um desequilíbrio
01:45
between the desire that we have to express ourselves
27
80000
3000
entre o desejo que temos
de nos exprimirmos
de nos exprimirmos
01:48
and the number of sympathetic friends
28
83000
2000
e o número de amigos compreensivos
01:50
who are willing to stand around and listen.
29
85000
2000
que estão dispostos a ouvir-nos.
01:52
(Laughter)
30
87000
1000
(Risos)
01:54
This, also, is nothing new.
31
89000
2000
Isto também não é nada de novo.
01:56
Since the dawn of human history, we've tried to rectify this imbalance
32
91000
3000
Desde os primórdios da história humana
que tentamos retificar este desequilíbrio
que tentamos retificar este desequilíbrio
01:59
by making art, writing poems, singing songs,
33
94000
4000
fazendo arte, escrevendo poemas,
cantando canções,
cantando canções,
02:03
scripting editorials and sending them in to a newspaper,
34
98000
3000
escrevendo editoriais
e enviando-os para um jornal,
e enviando-os para um jornal,
02:06
gossiping with friends. This is nothing new.
35
101000
2000
bisbilhotando com amigos,
não é nada de novo.
não é nada de novo.
02:08
What's new is that in the last several years
36
103000
2000
O que é novo é que, nos últimos anos,
02:10
a lot of these very traditional physical human activities,
37
105000
3000
muitas destas tradicionais
atividades físicas humanas,
atividades físicas humanas,
02:13
these acts of self-expression, have been moving onto the Internet.
38
108000
2000
estes atos de autoexpressão,
se têm transferido para a Internet.
se têm transferido para a Internet.
02:16
And as that's happened, people have been leaving behind footprints,
39
111000
3000
À medida que isso aconteceu,
as pessoas têm deixado pegadas,
as pessoas têm deixado pegadas,
02:20
footprints that tell stories of their moments of self-expression.
40
115000
3000
pegadas que contam histórias
dos seus momentos de autoexpressão.
dos seus momentos de autoexpressão.
02:24
And so what I do is, I write computer programs
41
119000
3000
Então, eu escrevo programas de computador
02:27
that study very large sets of these footprints,
42
122000
3000
que estudam grandes conjuntos
destas pegadas,
destas pegadas,
02:30
and then try to draw conclusions about the people who left them --
43
125000
3000
e tentam tirar conclusões
sobre as pessoas que as deixaram,
sobre as pessoas que as deixaram,
02:34
what they feel, what they think,
44
129000
1000
o que elas sentem, o que pensam,
02:36
what's different in the world today than usual,
45
131000
2000
o que há hoje de diferente no mundo.
02:39
these sorts of questions.
46
134000
1000
Este tipo de questões.
02:41
One project that explores these ideas,
47
136000
1000
Um projeto que explora estas ideias,
que foi feito há cerca de um ano,
02:43
which was made about a year ago,
48
138000
1000
02:44
is a piece called We Feel Fine.
49
139000
1000
é uma peça chamada "Sentimo-nos Bem",
02:45
This is a piece that every two or three minutes
50
140000
3000
É uma peça que, a cada 2 ou 3 minutos,
02:48
scans the world's newly-posted blog entries
51
143000
2000
procura nas novas entradas
nos blogues do mundo inteiro
nos blogues do mundo inteiro
02:50
for occurrences of the phrases "I feel" or "I am feeling."
52
145000
5000
a ocorrência das frases
"Eu sinto" ou "Estou a sentir".
"Eu sinto" ou "Estou a sentir".
02:55
And when it finds one of those phrases,
53
150000
1000
Quando encontra uma dessas frases,
02:56
it grabs the sentence up to the period,
54
151000
2000
guarda a frase até ao ponto final,
02:58
and then automatically tries to deduce the age, gender
55
153000
3000
e automaticamente tenta deduzir
a idade, o sexo
a idade, o sexo
03:01
and geographical location of the person that wrote that sentence.
56
156000
3000
e a localização geográfica da pessoa
que escreveu a frase.
que escreveu a frase.
03:05
Then, knowing the geographical location and the time,
57
160000
2000
Então, sabendo a localização
geográfica e a data,
geográfica e a data,
03:07
we can also then figure out the weather
58
162000
1000
conseguimos descobrir o tempo que fazia
03:08
when that person wrote the sentence.
59
163000
2000
quando a pessoa escreveu a frase.
03:11
All of this information is saved in a database
60
166000
2000
Toda esta informação
é guardada numa base de dados
é guardada numa base de dados
03:13
that collects about 20,000 feelings a day.
61
168000
2000
que recolhe
uns 20 000 sentimentos por dia.
uns 20 000 sentimentos por dia.
03:15
It's been running for about a year and a half.
62
170000
2000
Está a correr há cerca de ano e meio.
03:17
It's reached about seven-and-a-half million human feelings now.
63
172000
3000
Atingiu cerca de 7,5 milhões
de sentimentos humanos,
de sentimentos humanos,
03:20
And I'll show you a glimpse
64
175000
1000
e vou mostrar-vos um vislumbre
03:21
of how this information is then visualized. So this is We Feel Fine.
65
176000
5000
de como esta informação é visualizada.
Isto é o "Sentimo-nos Bem".
03:27
What you see here is a madly swarming mass of particles,
66
182000
4000
Vemos aqui uma massa
de partículas num enxame,
de partículas num enxame,
03:31
each of which represents a single human feeling
67
186000
2000
cada uma delas representa
um único sentimento humano
um único sentimento humano
03:33
that was stated in the last few hours.
68
188000
2000
que foi afirmado nas últimas horas.
03:36
The color of each particle corresponds to the type of feeling inside --
69
191000
3000
A cor de cada partícula corresponde
ao tipo de sentimento que contém.
ao tipo de sentimento que contém.
03:39
so that happy, positive feelings are brightly colored.
70
194000
2000
Sentimentos felizes e positivos
têm cores claras.
têm cores claras.
03:42
And sad, negative feelings are darkly colored.
71
197000
2000
Sentimentos tristes e negativos,
cores escuras.
cores escuras.
03:44
The diameter of each dot
72
199000
2000
O diâmetro de cada ponto
03:46
represents the length of the sentence inside,
73
201000
2000
representa o tamanho da frase que contém,
03:48
so that the large dots contain large sentences,
74
203000
2000
ou seja, os pontos maiores
contêm frases maiores,
contêm frases maiores,
03:50
and the small dots contain small sentences.
75
205000
2000
e os pequenos contêm frases pequenas.
03:52
Any dot can be clicked and expanded. And we see here,
76
207000
3000
Podemos clicar e expandir qualquer ponto.
Vemos aqui, "Sentir-me-ia muito melhor
03:56
"I would just feel so much better
77
211000
1000
03:57
if I could curl up in his arms right now and feel his affection for me
78
212000
3000
"se me pudesse enrolar nos braços dele
e sentir o seu afeto por mim
e sentir o seu afeto por mim
04:00
in the embrace of his body and the tenderness of his lips."
79
215000
3000
"no seu abraço e na ternura
dos seus lábios".
dos seus lábios".
04:03
So it gets pretty hot and steamy sometimes
80
218000
2000
Fica bastante quente
e fumegante, por vezes,
e fumegante, por vezes,
04:05
in the world of human emotions.
81
220000
2000
no mundo das emoções humanas.
04:07
And all of these are stated by people:
82
222000
3000
Tudo isto é dito por pessoas.
04:10
"I know that objectively it really doesn't mean much,
83
225000
2000
"Eu sei que objetivamente
não significa muito,
não significa muito,
04:12
but after spending so many years as a small fish in a big pond,
84
227000
3000
"mas ao fim de tantos anos
como um peixe pequeno num lago grande,
como um peixe pequeno num lago grande,
04:15
it's nice to feel bigger again."
85
230000
2000
"é bom sentir-me maior novamente".
04:17
The dots exhibit human qualities. They kind of have their own physics,
86
232000
3000
Os pontos exibem qualidades humanas.
Têm a sua própria física.
Têm a sua própria física.
04:20
and they swarm wildly around, kind of exploring the world of life.
87
235000
4000
Criam enxames como loucos,
como que a explorar o mundo da vida.
como que a explorar o mundo da vida.
04:25
And then they also exhibit curiosity.
88
240000
1000
Também exibem curiosidade.
04:26
You can see a few of them are swarming around the cursor right now.
89
241000
3000
Vemos alguns a enxamear
à volta do cursor, neste momento.
à volta do cursor, neste momento.
04:29
You can see some other ones
90
244000
1000
Podemos ver outros
04:31
are swarming around the bottom left corner of the screen
91
246000
1000
a enxamear em baixo à esquerda,
à volta de 6 palavras.
à volta de 6 palavras.
04:33
around six words. Those six words represent the six movements
92
248000
3000
Essas 6 palavras representam 6 movimentos
de "Sentimo-nos Bem".
de "Sentimo-nos Bem".
04:36
of We Feel Fine. We're currently seeing Madness.
93
251000
3000
Neste momento vemos a Loucura.
04:39
There's also Murmurs, Montage, Mobs, Metrics and Mounds.
94
254000
4000
Há Murmúrios, Montagem,
Multidões, Métricas e Montes.
Multidões, Métricas e Montes.
04:43
And I'll walk you through a few of those now.
95
258000
2000
Vou apresentar-vos alguns deles.
04:45
Murmurs causes all of the feelings to fly to the ceiling.
96
260000
3000
Murmúrios faz todos os sentimentos
voar até ao teto.
voar até ao teto.
04:49
And then, one by one, in reverse chronological order,
97
264000
2000
Depois, um por um,
por ordem cronológica inversa,
por ordem cronológica inversa,
04:51
they excuse themselves, entering the scrolling list of feelings.
98
266000
3000
dispensam-se mutuamente
e entram na lista de sentimentos.
e entram na lista de sentimentos.
04:56
"I feel a bit better now."
99
271000
1000
"Sinto-me um pouco melhor agora".
04:57
(Laughter)
100
272000
2000
(Risos)
"Sinto-me confuso e inseguro
sobre o que raio quero fazer".
sobre o que raio quero fazer".
05:00
"I feel confused and unsure of what the hell I want to do."
101
275000
2000
05:03
"I feel gypped out of something awesome here."
102
278000
2000
"Sinto que fui enganado
por algo fantástico".
por algo fantástico".
05:06
"I feel so free; I feel so good."
103
281000
1000
"Sinto-me tão livre, sinto-me tão bem".
05:08
"I feel like I'm in this fog of depression that I can't get out of."
104
283000
3000
"Sinto que estou neste nevoeiro
de depressão de que não consigo sair".
de depressão de que não consigo sair".
05:11
And you can click any of these to go out and visit the blog
105
286000
2000
Podemos clicar em qualquer destes
e visitar o blogue onde foi recolhido.
e visitar o blogue onde foi recolhido.
05:13
from which it was collected. And in that way,
106
288000
2000
05:15
you can connect with the authors of these statements
107
290000
2000
Dessa forma, podemos ligar-nos
aos autores dessas frases,
aos autores dessas frases,
05:18
if you feel some degree of empathy.
108
293000
1000
se sentirmos algum tipo de empatia.
05:20
The next movement is called Montage.
109
295000
2000
O movimento seguinte chama-se Montagem.
05:22
Montage causes all of the feelings that contain photographs
110
297000
3000
Na Montagem, todos os sentimentos
que contenham fotografias
que contenham fotografias
05:25
to become extracted and display themselves in a grid.
111
300000
3000
saem e aparecem numa grelha.
05:29
This grid is then said to represent the picture of the world's feelings
112
304000
4000
Esta grelha representa uma imagem
dos sentimentos do mundo
dos sentimentos do mundo
nas últimas horas.
05:33
in the last few hours, if you will.
113
308000
1000
05:34
Each of these can be clicked and we can blow it up.
114
309000
3000
Podemos clicar e ampliar cada uma delas,
05:37
We see, "I just feel like I'm not going to have fun
115
312000
3000
"Sinto que não me vou divertir
se não formos os dois".
se não formos os dois".
05:40
if it's not the both of us." That was from someone in Michigan.
116
315000
4000
Isto é de alguém do Michigan.
05:46
We see, "I feel like I have been at a computer all day."
117
321000
4000
"Sinto que estive no computador
o dia inteiro".
o dia inteiro".
05:50
(Laughter)
118
325000
1000
(Risos)
05:53
These are automatically constructed using the found objects:
119
328000
3000
Estes são construídos automaticamente
usando os objetos encontrados:
usando os objetos encontrados:
05:56
"I think I feel a little full."
120
331000
2000
"Sinto-me um pouco cheio".
O próximo movimento chama-se Multidões.
06:00
The next movement is called mobs.
121
335000
1000
06:01
Mobs provides different statistical breakdowns
122
336000
2000
Multidões fornece
diferentes análises estatísticas
diferentes análises estatísticas
06:03
of the population of the world's feelings in the last few hours.
123
338000
3000
da população de sentimentos
nas últimas horas.
nas últimas horas.
06:06
We see that "better" is the most frequent feeling right now,
124
341000
2000
Vemos que, neste momento,
"melhor" é o sentimento mais frequente,
"melhor" é o sentimento mais frequente,
06:08
followed by "good," "bad," "guilty," "right," "down," "sick" and so on.
125
343000
4000
seguido de bem, mal, culpado,
certo, em baixo, doente, etc.
certo, em baixo, doente, etc.
06:13
We can also get a gender breakdown.
126
348000
1000
Também podemos ter separação por sexos.
06:14
And we see that women are slightly more prolific
127
349000
2000
As mulheres são ligeiramente
mais dadas a falar
mais dadas a falar
06:16
talking about their emotions in the last few hours than men.
128
351000
2000
sobre as suas emoções que os homens.
06:20
We can do an age breakdown, which gives us a histogram
129
355000
2000
Podemos separar por idade,
o que nos dá um histograma
o que nos dá um histograma
06:22
of the world's emotional distribution by age.
130
357000
2000
da distribuição emocional
do mundo por idade.
do mundo por idade.
06:25
We see people in their twenties are the most prolific,
131
360000
3000
Vemos que as pessoas na casa dos 20
são as mais expansivas,
são as mais expansivas,
06:28
followed by teenagers, and then people in their thirties,
132
363000
2000
depois os adolescentes
e as pessoas na casa dos 30
e as pessoas na casa dos 30
06:30
and it dies out very quickly from there.
133
365000
1000
e depois esmorece rapidamente.
06:32
In weather, the feelings assume the physical characteristics
134
367000
4000
No clima, os sentimentos assumem
as diferentes características físicas
as diferentes características físicas
06:36
of the weather that they represent,
135
371000
1000
do tempo que representam.
06:37
so that the ones collected on a sunny day
136
372000
2000
Os que foram recolhidos num dia de sol,
06:39
swirl around as if they're part of the sun.
137
374000
2000
rodopiam como se fossem parte do Sol.
06:41
The cloudy ones float along as if they're on a breeze.
138
376000
2000
Os mais enevoados flutuam
como se estivessem numa brisa.
como se estivessem numa brisa.
06:44
The rainy ones fall down as if they're in a rainstorm,
139
379000
2000
Os chuvosos caem como
se estivessem numa tempestade,
se estivessem numa tempestade,
06:46
and the snowy ones kind of flutter to the ground.
140
381000
2000
e os mas frios, vão caindo até ao chão.
06:49
Finally, location causes the feelings to move to their positions
141
384000
3000
Por fim, a localização faz com que
os sentimentos se movam
os sentimentos se movam
06:52
on a world map showing the geographical distribution of feelings.
142
387000
3000
para um mapa mundial mostrando
a distribuição geográfica dos sentimentos.
a distribuição geográfica dos sentimentos.
06:57
Metrics provides more numerical views on the data.
143
392000
2000
A Métrica dá-nos
vistas numéricas dos dados.
vistas numéricas dos dados.
06:59
We see that the world is feeling "used"
144
394000
1000
Vemos que o mundo está a sentir-se usado
07:00
at 3.3 times the normal level right now.
145
395000
3000
3,3 vezes mais que o normal.
07:03
(Laughter)
146
398000
3000
(Risos)
07:06
They're feeling "warm" at 2.9 times the normal level, and so on.
147
401000
4000
Estão a sentir-se aquecidos 2,9 vezes
mais que o normal, etc.
mais que o normal, etc.
07:10
Other views are also available.
148
405000
1000
Também podemos ver outras vistas:
07:11
Here are gender, age, weather, location.
149
406000
2000
sexo, idade, tempo, localização.
07:13
The final movement is called Mounds.
150
408000
2000
O último movimento chama-se Montes.
07:15
It's a bit different from the others.
151
410000
1000
É um pouco diferente dos outros.
07:16
Mounds visualizes the entire dataset as large, gelatinous blobs
152
411000
4000
Montes visualiza todo o conjunto de dados
como uma grande bolha gelatinosa
que treme.
que treme.
07:20
which kind of jiggle.
153
415000
1000
07:22
And if I hold down my cursor, they do a little dance.
154
417000
2000
Se eu pressionar o meu cursor,
fazem uma pequena dança.
fazem uma pequena dança.
07:25
We see "better" is the most frequent feeling, followed by "bad."
155
420000
3000
Vemos que "melhor" é o sentimento
mais frequente, seguido de "mal".
mais frequente, seguido de "mal".
07:28
And then if I go over here, the list begins to scroll,
156
423000
3000
Se formos aqui, a lista continua,
07:31
and there are actually thousands of feelings that have been collected.
157
426000
2000
e há milhares de sentimentos
que foram recolhidos.
que foram recolhidos.
07:33
You can see the little pink cursor moving along,
158
428000
2000
Podem ver o pequeno cursor rosa
a mover-se,
a mover-se,
07:35
representing our position.
159
430000
1000
a representar a nossa posição.
07:37
Here we see people that feel "slipping," "nauseous," "responsible."
160
432000
4000
Vemos aqui pessoas que se sentem
"a escorregar", "enjoados", "responsáveis".
"a escorregar", "enjoados", "responsáveis".
07:41
There's also a search capability,
161
436000
1000
Também podem pesquisar,
07:42
if you're interested in finding out about a certain population.
162
437000
2000
se quiserem descobrir
uma dada população.
uma dada população.
Por exemplo, podem encontrar mulheres
que se sentem "viciadas",
que se sentem "viciadas",
07:45
For instance, you could find women who feel "addicted"
163
440000
2000
07:47
in their 20s when it was cloudy in Bangladesh.
164
442000
4000
na casa dos 20, num dia enevoado
em Bangladesh.
em Bangladesh.
07:51
(Laughter)
165
446000
4000
(Risos)
07:55
But I'll spare you that.
166
450000
1000
Mas vou poupar-vos a isto.
07:56
So here are some of my favorite montages that have been collected:
167
451000
3000
Aqui estão algumas das montagens
recolhidas de que mais gosto:
recolhidas de que mais gosto:
08:00
"I feel so much of my dad alive in me that there isn't even room for me."
168
455000
3000
"Sinto tanto do meu pai ainda vivo em mim
que nem há espaço para mim".
que nem há espaço para mim".
08:05
"I feel very lonely."
169
460000
2000
"Sinto-me muito sozinha".
08:09
"I need to be in some backwoods redneck town
170
464000
2000
"Preciso de estar numa terriola de parolos
08:11
so that I can feel beautiful."
171
466000
2000
para me sentir bonita".
08:16
"I feel invisible to you."
172
471000
1000
"Sinto que sou invisível para ti".
08:19
"I wouldn't hide it if society didn't make me feel like I needed to."
173
474000
3000
"Não me esconderia se a sociedade
não me fizesse sentir que o devo fazer".
não me fizesse sentir que o devo fazer".
08:25
"I feel in love with Carolyn." "I feel so naughty."
174
480000
4000
"Sinto-me apaixonada pela Carolyn".
"Sinto-me tão atrevida".
08:32
"I feel these weirdoes are actually an asset to college life."
175
487000
3000
"Acho que estes anormais são um
ativo valioso na vida académica".
ativo valioso na vida académica".
08:35
(Laughter)
176
490000
4000
(Risos)
08:39
"I love how I feel today."
177
494000
1000
"Adoro como em sinto hoje".
Como podem ver "Sentimo-nos Bem"
usa uma técnica
usa uma técnica
08:42
So as you can see, We Feel Fine uses a technique
178
497000
2000
08:44
that I call "passive observation."
179
499000
1000
a que chamo "observação passiva".
08:45
What I mean by that is that it passively observes people
180
500000
3000
Ou seja, observa as pessoas passivamente
08:48
as they live their lives. It scans the world's blogs
181
503000
4000
à medida que vivem a sua vida.
Analisa os blogues do mundo
08:52
and looks at what people are writing,
182
507000
1000
e vê o que as pessoas estão a escrever.
08:53
and these people don't know they're being watched or interviewed.
183
508000
3000
As pessoas não sabem
que estão a ser observadas.
que estão a ser observadas.
08:56
And because of that,
184
511000
1000
Assim, acabamos por ter respostas
muito honestas, cândidas e sinceras
muito honestas, cândidas e sinceras
08:57
you end up getting very honest, candid, sincere responses
185
512000
3000
09:00
that are often very moving.
186
515000
1000
que por vezes são comoventes.
09:02
And this is a technique that I usually prefer in my work
187
517000
2000
Prefiro usar esta técnica no meu trabalho
09:04
because people don't know they're being interviewed.
188
519000
2000
porque as pessoas não sabem
que estão a ser entrevistadas.
que estão a ser entrevistadas.
09:06
They're just living life, and they end up just acting like that.
189
521000
3000
Estão apenas a viver a vida
e agem em conformidade.
e agem em conformidade.
09:10
Another technique is directly questioning people.
190
525000
2000
Outra técnica é questionar
diretamente as pessoas.
diretamente as pessoas.
09:12
And this is a technique that I explored in a different project,
191
527000
2000
Exploro essa técnica
num projeto diferente,
num projeto diferente,
09:14
the Yahoo! Time Capsule,
192
529000
1000
a Cápsula do Tempo Yahoo!,
09:15
which was designed to take a fingerprint of the world in 2006.
193
530000
4000
que foi projetada para tirar
uma impressão digital do mundo, em 2006.
uma impressão digital do mundo, em 2006.
09:20
It was divided into ten very simple themes --
194
535000
2000
Foi dividida em 10 temas muito simples,
09:22
love, anger, sadness and so on --
195
537000
2000
amor, raiva, tristeza, etc.,
09:24
each of which contained a single, very open-ended question
196
539000
2000
cada um contendo uma única questão
muito aberta colocada ao mundo:
muito aberta colocada ao mundo:
09:26
put to the world: What do you love? What makes you angry?
197
541000
3000
O que amas? O que te faz zangar?
09:29
What makes you sad? What do you believe in? And so on.
198
544000
2000
O que te entristece?
Em que acreditas? Etc.
Em que acreditas? Etc.
09:31
The time capsule was available for one month online,
199
546000
2000
A Cápsula do Tempo esteve
online durante um mês,
online durante um mês,
09:33
translated into 10 languages, and this is what it looked like.
200
548000
5000
traduzida em 10 línguas, e era assim.
09:38
It's a spinning globe,
201
553000
1000
É um globo giratório,
09:39
the surface of which is entirely composed of the pictures
202
554000
3000
cuja superfície é inteiramente
composta de imagens,
composta de imagens,
09:42
and words and drawings of people
203
557000
2000
palavras e desenhos de pessoas
09:44
that submitted to the time capsule.
204
559000
1000
que os submeteram para a Cápsula do Tempo.
09:46
The ten themes radiate out and orbit the time capsule.
205
561000
2000
Os 10 temas expandem-se
e orbitam a Cápsula do Tempo.
e orbitam a Cápsula do Tempo.
09:48
You can sift through this data and see what people have submitted.
206
563000
4000
Podem filtrar estes dados e ver
o que as pessoas submeteram.
o que as pessoas submeteram.
09:52
This is in response to, What's beautiful? "Miss World."
207
567000
2000
"O que é bonito?"
"A Miss Mundo".
"A Miss Mundo".
09:54
There are two modes to the time capsule.
208
569000
2000
Ha dois modos na Cápsula do Tempo.
09:56
There's One World, which presents the spinning globe,
209
571000
2000
O "Um Mundo", que mostra
o globo giratório,
o globo giratório,
09:58
and Many Voices, which splits the data out into film strips
210
573000
3000
e o "Muitas Vozes", que separa
os dados em filmes
os dados em filmes
10:02
and lets you sift through them one by one.
211
577000
1000
e deixa-vos filtrá-los um por um.
10:05
So this project was punctuated by a really amazing event,
212
580000
4000
Este projeto teve como destaque
um evento fantástico
um evento fantástico
10:09
which was held in the desert outside Albuquerque in New Mexico
213
584000
5000
que decorreu no deserto
ao largo de Albuquerque, no Novo México,
ao largo de Albuquerque, no Novo México,
10:14
at the Jemez Pueblo, where for three consecutive nights,
214
589000
2000
em Jemez Pueblo,
onde por 3 noites consecutivas,
onde por 3 noites consecutivas,
10:16
the contents of the capsule were projected onto the sides
215
591000
3000
os conteúdos da cápsula
foram projetados nas escarpas
foram projetados nas escarpas
10:19
of the ancient Red Rock Canyon walls,
216
594000
1000
do antigo desfiladeiro Red Rock,
10:21
which stand about 200 feet tall. It was really incredible.
217
596000
2000
que tem cerca de 60 metros de altura.
Foi incrível.
Foi incrível.
10:23
And we also projected the contents of the time capsule
218
598000
3000
Também projetámos para o espaço
os conteúdos da Cápsula do Tempo
os conteúdos da Cápsula do Tempo
10:26
as binary code using a 35-watt laser into outer space.
219
601000
3000
em código binário,
usando um laser de 35 watts.
usando um laser de 35 watts.
10:29
You can see the orange line leaving the desert floor
220
604000
3000
Podem ver a linha laranja
partindo do chão do deserto
partindo do chão do deserto
10:32
at about a 45 degree angle there. This was amazing
221
607000
2000
num ângulo de cerca de 45°.
10:34
because the first night I looked at all this information
222
609000
4000
Foi espetacular porque na primeira noite
em que vi toda esta informação,
em que vi toda esta informação,
10:38
and really started seeing the gaps that I talked about earlier --
223
613000
3000
comecei a ver
as diferenças de que falei antes,
as diferenças de que falei antes,
10:41
the differences in age, gender and wealth and so on.
224
616000
2000
as diferenças na idade,
sexo, riqueza, etc.
sexo, riqueza, etc.
10:44
But, you know, as I looked at this more and more and more,
225
619000
2000
Mas, à medida que ia olhando para isto
10:46
and saw these images go across the rocks,
226
621000
2000
e via estas imagens projetadas nas rochas,
10:48
I realized I was seeing the same archetypal events
227
623000
2000
percebi que estavam sempre a aparecer
10:50
depicted again and again and again.
228
625000
2000
os mesmos modelos de eventos.
10:52
You know: weddings, births, funerals, the first car, the first kiss,
229
627000
5000
Casamentos, nascimentos, funerais,
o primeiro carro, o primeiro beijo,
o primeiro carro, o primeiro beijo,
10:57
the first camel or horse -- depending on the culture.
230
632000
3000
o primeiro camelo ou cavalo,
dependendo da cultura.
dependendo da cultura.
11:00
And it was really moving. And this picture here was taken
231
635000
4000
Era emocionante.
Esta fotografia foi tirada na última noite,
de um penhasco a 3 quilómetros,
de um penhasco a 3 quilómetros,
11:04
the final night from a distant cliff about two miles away,
232
639000
3000
onde os conteúdos da cápsula
estavam a ser enviados para o espaço.
estavam a ser enviados para o espaço.
11:07
where the contents of the capsule were being beamed into space.
233
642000
3000
11:10
And there was something very moving
234
645000
2000
Havia algo muito comovente
em todas estas expressões humanas
a serem enviadas para o céu noturno.
a serem enviadas para o céu noturno.
11:12
about all of this human expression being shot off into the night sky.
235
647000
3000
11:15
And it started to make me think a lot about the night sky,
236
650000
3000
Comecei a pensar no céu noturno,
e em como os humanos
sempre usaram o céu noturno
sempre usaram o céu noturno
11:18
and how humans have always used the night sky
237
653000
1000
11:19
to project their great stories.
238
654000
2000
para projetar as suas grandes histórias.
11:21
You know, as a child in Vermont, on a farm where I grew up,
239
656000
3000
Quando era criança, em Vermont,
na quinta onde cresci,
na quinta onde cresci,
11:24
I would often look up into the dark sky
240
659000
2000
olhava muitas vezes para céu escuro
11:26
and see the three star belt of Orion, the Hunter.
241
661000
2000
e via as três estrelas da cintura
de Orionte, o Caçador.
de Orionte, o Caçador.
11:29
And as an adult, I've been more aware
242
664000
2000
Depois de adulto, tornei-me mais ciente
11:31
of the great Greek myths playing out in the sky overhead every night.
243
666000
3000
dos grandes mitos gregos que decorriam
no céu acima, todas as noites.
no céu acima, todas as noites.
11:35
You know, Orion facing the roaring bull.
244
670000
2000
Orionte a enfrentar o touro enraivecido.
11:37
Perseus flying to the rescue of Andromeda.
245
672000
2000
Perseu a voar para salvar Andrómeda.
11:39
Zeus battling Chronos for control of Mount Olympus.
246
674000
3000
Zeus a lutar contra Cronos
pelo controlo do Monte Olimpo.
pelo controlo do Monte Olimpo.
11:42
I mean, these are the great tales of the Greeks.
247
677000
2000
Estas são as grandes histórias dos gregos.
11:44
And it caused me to wonder about our world today.
248
679000
2000
Isso fez-me pensar no mundo de hoje.
11:47
And it caused me to wonder specifically,
249
682000
2000
E fez com que indagasse especificamente
11:49
if we could make new constellations today,
250
684000
2000
se fosse possível fazer
novas constelações hoje.
novas constelações hoje.
11:52
what would those look like? What would those be?
251
687000
2000
Como seriam? Quais seriam?
11:54
If we could make new pictures in the sky, what would we draw?
252
689000
3000
Se pudéssemos fazer novas imagens no céu,
que desenharíamos?
que desenharíamos?
11:57
What are the great stories of today?
253
692000
1000
Quais são as grandes histórias de hoje?
11:58
And those are the questions that inspired my new project,
254
693000
4000
Foram essas as questões que inspiraram
o meu novo projeto,
o meu novo projeto,
12:02
which is debuting here today at TED.
255
697000
2000
que se estreia hoje aqui no TED.
12:04
Nobody's seen this yet, publicly.
256
699000
1000
Ainda ninguém viu isto em público.
12:06
It's called Universe: Revealing Our Modern Mythology.
257
701000
3000
Chama-se Universo,
e revela a nossa moderna mitologia.
e revela a nossa moderna mitologia.
12:10
And it uses this metaphor of an interactive night sky.
258
705000
3000
Usa a metáfora
de um céu noturno interativo.
de um céu noturno interativo.
12:13
So, it's my great pleasure now to show this to you.
259
708000
3000
É com enorme prazer que vos mostro isto.
12:16
So, Universe will open here.
260
711000
1000
O Universo abrir-se-á aqui.
12:17
And you'll see that it leads with a shifting star field,
261
712000
4000
Verão que se inicia
com um campo estelar em movimento,
com um campo estelar em movimento,
12:22
and there's an Aurora Borealis in the background,
262
717000
2000
e há uma Aurora Boreal como fundo,
como que a mudar de cor.
como que a mudar de cor.
12:24
kind of morphing with color. The color of the Aurora Borealis
263
719000
3000
A cor da Aurora Boreal
pode ser controlada
pode ser controlada
12:27
can be controlled using this single bar of color at the bottom,
264
722000
3000
com esta barra de cor no fundo.
12:31
and we'll put it down here to red.
265
726000
2000
Vamos colocá-la aqui a vermelho.
12:33
So you see this kind of -- these stars moving along.
266
728000
2000
Vemos estas estrelas a movimentar-se.
12:36
Now, these aren't just little points of light, little pixels.
267
731000
3000
Isto não apenas pontos de luz,
pequenos píxeis.
pequenos píxeis.
12:39
Each of those stars actually represents
268
734000
2000
Cada uma destas estrelas representa
um acontecimento do mundo real,
um acontecimento do mundo real,
12:41
a specific event in the real world --
269
736000
2000
uma frase dita por alguém, uma imagem,
12:44
a quote that was stated by somebody, an image,
270
739000
2000
12:47
a news story, a person, a company. You know,
271
742000
3000
uma notícia, uma pessoa, uma empresa.
12:50
some kind of heroic personality.
272
745000
2000
Algum tipo de personalidade heroica.
12:53
And you might notice that as the cursor begins
273
748000
2000
Reparem que, à medida que
o cursor começa a tocar
o cursor começa a tocar
12:55
to touch some of these stars, that shapes begin to emerge.
274
750000
4000
numa destas estrelas,
começam a surgir formas.
começam a surgir formas.
12:59
We see here there's a little man walking along, or maybe a woman.
275
754000
3000
Vemos que há um homem a andar,
ou talvez uma mulher.
ou talvez uma mulher.
13:02
And we see here a photograph with a head.
276
757000
4000
Vemos aqui uma fotografia com uma cabeça.
13:07
You can start to see words emerging here.
277
762000
2000
Podem ver palavras a surgir aqui.
Isto são as constelações,
13:10
And those are
278
765000
1000
13:12
the constellations of today.
279
767000
1000
são as constelações de hoje.
13:14
And I can turn them all on,
280
769000
1000
Posso ligá-las todas,
13:15
and you can see them moving across the sky now.
281
770000
2000
e podem vê-las moverem-se ao longo do céu.
13:18
This is the universe of 2007, the last two months.
282
773000
2000
Este é o universo de 2007,
nos últimos dois meses.
nos últimos dois meses.
13:21
The data from this is global news coverage
283
776000
2000
Os dados provêm dos noticiários globais
13:23
from thousands of news sources around the world.
284
778000
2000
de milhares de fontes de notícias
de todo o mundo.
de todo o mundo.
13:25
It's using the API of a really great company that I work with
285
780000
4000
Está a usar a API de uma companhia
fantástica com que trabalho
fantástica com que trabalho
13:29
in New York, actually, called Daylife.
286
784000
1000
em Nova Iorque, chamada Daylife.
13:31
And it's kind of the zeitgeist view at this level
287
786000
3000
É uma espécie de vista zeitgeist
[espírito do tempo]
[espírito do tempo]
13:34
of the world's current mythology over the last couple of months.
288
789000
4000
da mitologia mundial atual
ao longo dos últimos meses.
ao longo dos últimos meses.
13:38
So we can see where it's emerging here, like President Ford,
289
793000
3000
Podemos ver o que está a aparecer,
"presidente", "Ford", "Iraque", "Bush".
"presidente", "Ford", "Iraque", "Bush".
13:42
Iraq, Bush. And we can actually isolate just the words --
290
797000
3000
Podemos isolar apenas as palavras,
a que chamo "segredos",
a que chamo "segredos",
13:45
I call them secrets -- and we can cause them to form
291
800000
2000
e podemos fazer com que formem
listas alfabéticas.
listas alfabéticas.
13:47
an alphabetical list. And we see Anna Nicole Smith
292
802000
3000
Vemos que Anna Nicole Smith
teve um papel importante recentemente.
teve um papel importante recentemente.
13:51
playing a big role recently.
293
806000
2000
13:53
President Ford -- this is Gerald Ford's funeral.
294
808000
3000
O presidente Ford.
Este é o funeral de Gerald Ford.
Este é o funeral de Gerald Ford.
13:56
We can actually click anything in Universe
295
811000
3000
Podemos clicar em qualquer coisa
no Universo
no Universo
13:59
and have it become the center of the universe,
296
814000
1000
e torná-la no centro do universo,
14:00
and everything else will enter its orbit.
297
815000
2000
e tudo o resto entrará em órbita.
14:02
So, we'll click Ford, and now that becomes the center.
298
817000
3000
Clico em Ford,
que vai passar a ser o centro.
que vai passar a ser o centro.
14:05
And the things that relate to Ford enter its orbit
299
820000
3000
As coisas relacionadas com Ford
entram na sua órbita
entram na sua órbita
14:08
and swirl around it.
300
823000
1000
e rodam à sua volta.
14:10
We can isolate just the photographs, and we now see those.
301
825000
2000
Podemos isolar só as fotografias
e vemo-las agora.
e vemo-las agora.
14:13
We can click on one of those
302
828000
1000
Podemos clicar em qualquer delas
14:14
and have the photograph be the center of the universe.
303
829000
2000
e fazer da fotografia
o centro do universo.
o centro do universo.
14:17
Now the things that relate to it are swirling around.
304
832000
3000
Agora as coisas relacionadas
com ela orbitam-na.
com ela orbitam-na.
14:20
We can click on this and we see this iconic image
305
835000
3000
Podemos clicar nisto
e vemos esta imagem icónica
e vemos esta imagem icónica
14:23
of Betty Ford kissing her husband's coffin.
306
838000
3000
da Betty Ford a beijar
o caixão do marido.
o caixão do marido.
14:26
In Universe, there's kind of no end. It just goes infinitely,
307
841000
5000
No Universo, é como se não houvesse fim.
Continua infinitamente,
e podemos clicar nas coisas.
e podemos clicar nas coisas.
14:32
and you can just kind of click on stuff.
308
847000
1000
14:34
This is a photographic representation, called Snapshots.
309
849000
4000
Isto é uma representação fotográfica,
chamada Instantâneos.
chamada Instantâneos.
14:38
But we can actually be more specific in defining our universe.
310
853000
4000
Mas podemos ser mais específicos
na definição do nosso universo.
na definição do nosso universo.
14:42
So, if we want to,
311
857000
1000
Assim, se quisermos,
14:43
let's check out what Bill Clinton's universe looks like.
312
858000
3000
podemos ver como seria
o universo de Bill Clinton.
o universo de Bill Clinton.
14:46
And let's see, in the past week, what he's been up to.
313
861000
4000
Vejamos o que ele andou a fazer,
na semana passada, .
na semana passada, .
14:50
So now, we have a new universe, which is just constrained
314
865000
3000
Temos agora um novo universo,
que está restrito a tudo
relacionado com Bill Clinton.
relacionado com Bill Clinton.
14:53
to all things Bill Clinton.
315
868000
1000
14:55
We can have his constellations emerge here.
316
870000
2000
Podemos ver as suas constelações
a aparecer aqui.
a aparecer aqui.
14:58
We can pull out his secrets,
317
873000
1000
Podemos puxar os seus segredos,
14:59
and we see that it has a lot to do with candidates,
318
874000
3000
e vemos que tem muito a ver
com candidatos,
com candidatos,
15:02
Hillary, presidential, Barack Obama.
319
877000
3000
Hillary, presidencial, Barack Obama.
Podemos ver as notícias
15:06
We can see the stories
320
881000
1000
15:07
that Bill Clinton is taking part in right now.
321
882000
3000
de que Bill Clinton faz parte
neste momento.
neste momento.
15:10
Any of those can be opened up.
322
885000
2000
Podemos abrir uma qualquer.
15:12
So we see Obama and the Clintons meet in Alabama.
323
887000
2000
Vemos Obama e os Clinton
encontrarem-se no Alabama.
encontrarem-se no Alabama.
15:15
You can see that this is an important story;
324
890000
1000
Podem ver que é uma história importante,
15:16
there are a lot of things in its orbit. If we open this up,
325
891000
4000
há muitas coisas na sua órbita.
Se abrirmos isto, obtemos
perspetivas diferentes desta notícia.
perspetivas diferentes desta notícia.
15:20
we get different perspectives on this story.
326
895000
3000
15:23
You can click any of those to go out and read the article
327
898000
2000
Podem clicar num qualquer
para sair e ler o artigo na fonte.
para sair e ler o artigo na fonte.
15:25
at the source. This one's from Al Jazeera.
328
900000
2000
Este é da Al Jazeera.
15:28
We can also see the superstars. These would be the people
329
903000
4000
Também podemos ver as superestrelas.
Ou seja, pessoas que são
os eminentes heróis e heroínas
os eminentes heróis e heroínas
15:32
that are kind of the looming heroes and heroines
330
907000
3000
15:35
in the universe of Bill Clinton. So there's Bill Clinton, Hillary,
331
910000
3000
do universo de Bill Clinton.
Temos Bill Clinton, Hillary, Iraque,
George Bush, Barack Obama, Scooter Libby.
George Bush, Barack Obama, Scooter Libby.
15:38
Iraq, George Bush, Barack Obama, Scooter Libby --
332
913000
4000
15:42
these are kind of the people of Bill Clinton.
333
917000
2000
Estas são como que
as pessoas de Bill Clinton.
as pessoas de Bill Clinton.
15:45
We can also see a world map, so this shows us the geographic reach
334
920000
4000
Também podemos ver um mapa mundial,
que mostra o alcance geográfico
que mostra o alcance geográfico
de Bill Clinton na última semana.
15:49
of Bill Clinton in the last week or so.
335
924000
1000
15:50
We can see he's been focused in America
336
925000
2000
Podemos ver que tem estado
focado na América
focado na América
15:52
because he's been campaigning, probably,
337
927000
2000
talvez porque tem estado em campanha,
15:54
but a little bit of action over here in the Middle East.
338
929000
2000
mas também tem um bocadinho
aqui no Médio Oriente.
aqui no Médio Oriente.
15:56
And then we can also see a timeline.
339
931000
2000
E também vemos uma linha temporal.
15:58
So we see that he was a bit quiet on Saturday,
340
933000
3000
Vemos que esteve sossegado no sábado,
16:01
but he was back to work on Sunday morning,
341
936000
2000
mas que voltou ao trabalho
na manhã de domingo,
na manhã de domingo,
16:03
and actually been tapering off since then this week.
342
938000
3000
e tem vindo a diminuir
desde então, esta semana.
desde então, esta semana.
16:06
And it's not limited to just people or dates,
343
941000
2000
Isto não está limitado a pessoas ou datas,
16:08
but we can actually put in concepts also.
344
943000
2000
mas também podemos utilizar conceitos.
16:10
So if I put in climate change for all of 2006,
345
945000
3000
Se eu colocar mudanças climáticas em 2006
16:14
we'll see what that universe looks like.
346
949000
2000
vemos como será esse universo.
16:16
Here we have our star field. Here we have our shapes.
347
951000
3000
Temos aqui o nosso campo estelar,
as nossas formas,
as nossas formas,
16:19
Here we have our secrets.
348
954000
2000
os nossos segredos.
16:22
So we see again, climate change is large:
349
957000
2000
Vemos novamente,
a mudança climática é grande.
a mudança climática é grande.
16:24
Nairobi, global conference, environmental.
350
959000
3000
Nairobi, conferência global, ambiental.
16:27
And there are also quotes that you can see,
351
962000
2000
Também podem ver citações
sobre a mudança climática
sobre a mudança climática
16:29
if you're interested in reading about quotes on climate change.
352
964000
2000
se estiverem interessados em as ler.
16:31
You know, this is really an infinite thing.
353
966000
1000
Isto é uma coisa infinita.
16:33
The superstars of climate change in 2006:
354
968000
2000
As superestrelas
da mudança climática em 2006:
da mudança climática em 2006:
16:35
United States, Britain, China. You know,
355
970000
3000
Estados Unidos, Grã-Bretanha, China.
16:38
these are the towering countries that kind of define this concept.
356
973000
3000
Estes são os principais países
que definem este conceito.
que definem este conceito.
16:41
So this is a piece that demands exploration.
357
976000
3000
É uma coisa que deve ser explorada.
16:44
This will be online in several days, probably next Tuesday.
358
979000
4000
Isto vai estar online vários dias,
provavelmente na próxima terça-feira.
provavelmente na próxima terça-feira.
16:49
And you'll all be able to use it and kind of explore
359
984000
4000
Toda a gente pode usar e explorar
o que seria a vossa mitologia pessoal.
16:53
what your own personal mythology might be.
360
988000
2000
16:55
You'll notice that in Daylife -- rather, in Universe --
361
990000
3000
Vão reparar que o Universo
apoia-se, simultaneamente,
na noção de mitologia global,
na noção de mitologia global,
16:58
it supports both the notion of a global mythology,
362
993000
2000
17:00
which is represented by something as broad as, say, 2007,
363
995000
3000
que é representada por uma coisa
tão abrangente como 2007,
tão abrangente como 2007,
17:03
and also a personal mythology.
364
998000
2000
e na mitologia pessoal.
17:05
As you search for the things that are important to you in your world,
365
1000000
4000
Pois pesquisamos as coisas
que são importante no nosso mundo,
que são importante no nosso mundo,
17:09
and then see what the constellations of those might look like.
366
1004000
3000
e depois vemos como poderiam ser
as respetivas constelações.
as respetivas constelações.
17:13
So it's been a pleasure. Thank you very much.
367
1008000
3000
Foi um prazer. Muito obrigado.
17:16
(Applause)
368
1011000
3000
(Aplausos)
ABOUT THE SPEAKER
Jonathan Harris - Artist, storyteller, Internet anthropologistArtist and computer scientist Jonathan Harris makes online art that captures the world's expression -- and gives us a glimpse of the soul of the Internet.
Why you should listen
Brooklyn-based artist Jonathan Harris' work celebrates the world's diversity even as it illustrates the universal concerns of its occupants. His computer programs scour the Internet for unfiltered content, which his beautiful interfaces then organize to create coherence from the chaos.
His projects are both intensely personal (the "We Feel Fine" project, made with Sep Kanvar, which scans the world's blogs to collect snapshots of the writers' feelings) and entirely global (the new "Universe," which turns current events into constellations of words). But their effect is the same -- to show off a world that resonates with shared emotions, concerns, problems, triumphs and troubles.
Jonathan Harris | Speaker | TED.com