TED2010
Gary Flake: Is Pivot a turning point for web exploration?
Gary Flake: será a Pivot um ponto de viragem para a navegação na web?
Filmed:
Readability: 3.8
751,479 views
Gary Flake faz uma demonstração da Pivot: uma nova forma de navegar e organizar quantidades astronómicas de imagens e de dados online. Construída sobre a tecnologia de ponta Seadragon, a Pivot permite realizar zooms espectaculares em bases de dados online e descobrir padrões e dependências que seriam invisíveis na navegação tradicional na web.
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
Se puder deixar-vos com uma grande ideia hoje,
00:18
it's that the whole of the data
1
3000
2000
é a de que o total da informação
00:20
in which we consume
2
5000
2000
que nós consumimos
00:22
is greater that the sum of the parts,
3
7000
2000
é maior do que a soma das partes
00:24
and instead of thinking about information overload,
4
9000
3000
e, em vez de pensarem em sobrecarga de informação,
00:27
what I'd like you to think about is how
5
12000
2000
gostaria que pensassem sobre como é que
00:29
we can use information so that patterns pop
6
14000
3000
podemos usar a informação para que surjam padrões
00:32
and we can see trends that would otherwise be invisible.
7
17000
3000
e para que possamos ver tendências que de outra forma seriam invisíveis.
00:35
So what we're looking at right here is a typical mortality chart
8
20000
3000
O que estamos a ver aqui é um gráfico de mortalidade típico
00:38
organized by age.
9
23000
2000
organizado por idade.
00:40
This tool that I'm using here is a little experiment.
10
25000
2000
Esta ferramenta que estou a utilizar é uma pequena experiência.
00:42
It's called Pivot, and with Pivot what I can do
11
27000
3000
Chama-se Pivot e com ela o que posso fazer
00:45
is I can choose to filter in one particular cause of deaths -- say, accidents.
12
30000
4000
é optar por filtrar uma causa de morte em particular, por exemplo por acidentes.
00:49
And, right away, I see there's a different pattern that emerges.
13
34000
3000
E, imediatamente, vejo que é criado um padrão diferente.
00:52
This is because, in the mid-area here,
14
37000
2000
Isto porque, nesta área central,
00:54
people are at their most active,
15
39000
2000
as pessoas estão no pico da sua actividade
00:56
and over here they're at their most frail.
16
41000
2000
e aqui estão no pico da sua vulnerabilidade.
00:58
We can step back out again
17
43000
2000
Podemos voltar ao início
01:00
and then reorganize the data by cause of death,
18
45000
2000
e reorganizar a informação por causa de morte,
01:02
seeing that circulatory diseases and cancer
19
47000
3000
vendo que as doenças circulatórias e os cancros
01:05
are the usual suspects, but not for everyone.
20
50000
3000
são os suspeitos do costume, mas não para toda a gente.
01:08
If we go ahead and we filter by age --
21
53000
3000
Se seguirmos em frente e filtrarmos por idade,
01:11
say 40 years or less --
22
56000
2000
por exemplo por idade menor ou igual a 40 anos,
01:13
we see that accidents are actually
23
58000
2000
vemos que os acidentes são de facto
01:15
the greatest cause that people have to be worried about.
24
60000
3000
a causa de morte mais preocupante para as pessoas.
01:18
And if you drill into that, it's especially the case for men.
25
63000
3000
E analisando em detalhe, mais preocupante para os homens.
01:21
So you get the idea
26
66000
2000
Assim vocês percebem a ideia
01:23
that viewing information, viewing data in this way,
27
68000
3000
de que visualizar informação, visualizar dados desta forma
01:26
is a lot like swimming
28
71000
2000
é muito parecido a nadar
01:28
in a living information info-graphic.
29
73000
3000
num infográfico com informação viva.
01:31
And if we can do this for raw data,
30
76000
2000
E se podemos fazer isto para dados em bruto,
01:33
why not do it for content as well?
31
78000
3000
porque não fazê-lo para conteúdo também?
01:36
So what we have right here
32
81000
2000
Então, o que temos aqui mesmo,
01:38
is the cover of every single Sports Illustrated
33
83000
3000
é a capa de cada uma das edições da Sports Illustrated
01:41
ever produced.
34
86000
2000
alguma vez produzidas.
01:43
It's all here; it's all on the web.
35
88000
2000
Estão todas aqui. Está tudo na internet.
01:45
You can go back to your rooms and try this after my talk.
36
90000
3000
Podem voltar aos vossos quartos e experimentar isto depois da minha conversa.
01:48
With Pivot, you can drill into a decade.
37
93000
3000
Com a Pivot, podem analisar por década.
01:51
You can drill into a particular year.
38
96000
2000
Podem analisar por um ano em particular.
01:53
You can jump right into a specific issue.
39
98000
3000
Podem saltar logo para uma edição em específico.
01:56
So I'm looking at this; I see the athletes
40
101000
2000
Então, eu estou a ver esta: Vejo os atletas
01:58
that have appeared in this issue, the sports.
41
103000
2000
que aparecerem nesta edição, os desportos...
02:00
I'm a Lance Armstrong fan, so I'll go ahead and I'll click on that,
42
105000
3000
Sou um fã do Lance Armstrong, por isso vou seguir e clicar ali,
02:03
which reveals, for me, all the issues
43
108000
2000
o que me mostra todas as edições
02:05
in which Lance Armstrong's been a part of.
44
110000
2000
em que o Lance Armstrong apareceu.
02:07
(Applause)
45
112000
3000
(Aplausos)
02:10
Now, if I want to just kind of take a peek at these,
46
115000
3000
Agora, se eu quiser apenas espreitar estas edições,
02:13
I might think,
47
118000
2000
eu posso pensar,
02:15
"Well, what about taking a look at all of cycling?"
48
120000
2000
"Bem, que tal espreitar todas as edições de ciclismo?"
02:17
So I can step back, and expand on that.
49
122000
2000
Então eu posso voltar atrás e expandir essas edições.
02:19
And I see Greg LeMond now.
50
124000
2000
E vejo Gred Lemond agora.
02:21
And so you get the idea that when you
51
126000
2000
E assim vocês têm uma ideia de que quando
02:23
navigate over information this way --
52
128000
2000
navegam na informação desta forma,
02:25
going narrower, broader,
53
130000
2000
indo mais ao detalhe ou à superfície
02:27
backing in, backing out --
54
132000
2000
voltando atrás ou saindo da análise,
02:29
you're not searching, you're not browsing.
55
134000
2000
vocês não estão a procurar, não estão a navegar.
02:31
You're doing something that's actually a little bit different.
56
136000
2000
Estão a fazer algo que é na realidade um pouco diferente.
02:33
It's in between, and we think it changes
57
138000
3000
Está a meio termo e nós pensamos que isto muda
02:36
the way information can be used.
58
141000
2000
a forma como a informação pode ser usada.
02:38
So I want to extrapolate on this idea a bit
59
143000
2000
Por isso, eu quero extrapolar um pouco esta ideia
02:40
with something that's a little bit crazy.
60
145000
2000
usando algo que é um pouco louco.
02:42
What we're done here is we've taken every single Wikipedia page
61
147000
3000
E o que fizemos aqui foi pegar em cada página da Wikipedia
02:45
and we reduced it down to a little summary.
62
150000
3000
e reduzimo-la a um curto sumário.
02:48
So the summary consists of just a little synopsis
63
153000
3000
O sumário consistiu em apenas uma pequena sinopse
02:51
and an icon to indicate the topical area that it comes from.
64
156000
3000
e num ícone para indicar a categoria de origem.
02:54
I'm only showing the top 500
65
159000
3000
Estou apenas a mostrar as 500
02:57
most popular Wikipedia pages right here.
66
162000
2000
páginas mais populares da Wikipedia.
02:59
But even in this limited view,
67
164000
2000
Mas, mesmo nesta vista limitada,
03:01
we can do a lot of things.
68
166000
2000
podemos fazer imensas coisas.
03:03
Right away, we get a sense of what are the topical domains
69
168000
2000
Imediatamente, temos uma ideia dos principais tópicos
03:05
that are most popular on Wikipedia.
70
170000
2000
que são mais populares na Wikipedia.
03:07
I'm going to go ahead and select government.
71
172000
2000
Vou continuar e seleccionar "governo".
03:09
Now, having selected government,
72
174000
3000
Agora, depois de seleccionar "governo",
03:12
I can now see that the Wikipedia categories
73
177000
2000
posso ver que as categorias da Wikipedia
03:14
that most frequently correspond to that
74
179000
2000
que mais frequentemente lhes correspondem
03:16
are Time magazine People of the Year.
75
181000
3000
são a revista Time - Personalidades do Ano.
03:19
So this is really important because this is an insight
76
184000
3000
Então isto é realmente importante porque isto é um conhecimento
03:22
that was not contained within any one Wikipedia page.
77
187000
3000
que não está disponível numa só página da Wikipedia
03:25
It's only possible to see that insight
78
190000
2000
Só é possível ver esse conhecimento
03:27
when you step back and look at all of them.
79
192000
3000
quando nos distanciamos e olhamos para todas elas.
03:30
Looking at one of these particular summaries,
80
195000
2000
Olhando para um destes sumários em particular,
03:32
I can then drill into the concept of
81
197000
3000
posso depois ir ao detalhe da
03:35
Time magazine Person of the Year,
82
200000
2000
revista Time - Personalidade do Ano,
03:37
bringing up all of them.
83
202000
2000
e visualizar todas as Personalidades.
03:39
So looking at these people,
84
204000
2000
Assim, ao olhar para estas Personalidades,
03:41
I can see that the majority come from government;
85
206000
3000
posso ver que a maioria delas tem vêm do governo.
03:45
some have come from natural sciences;
86
210000
3000
Algumas vêm das ciências naturais.
03:49
some, fewer still, have come from business --
87
214000
3000
Algumas, ainda menos, vêm do mundo dos negócios.
03:53
there's my boss --
88
218000
2000
Aqui está o meu patrão.
03:55
and one has come from music.
89
220000
5000
E uma vem do mundo da música.
04:00
And interestingly enough,
90
225000
2000
E é bastante interessante porque
04:02
Bono is also a TED Prize winner.
91
227000
3000
o Bono também é um vencedor do TED Prize (Prémios TED).
04:05
So we can go, jump, and take a look at all the TED Prize winners.
92
230000
3000
Então podemos dar uma olhadela em todos os vencedores do TED Prize (Prémios TED).
04:08
So you see, we're navigating the web for the first time
93
233000
3000
Vocês vejam, nós estamos a navegar na internet pela primeira vez
04:11
as if it's actually a web, not from page-to-page,
94
236000
3000
como se fosse realmente uma rede, não página a página,
04:14
but at a higher level of abstraction.
95
239000
2000
mas num nível superior de abstracção.
04:16
And so I want to show you one other thing
96
241000
2000
E por isso eu quero mostrar-vos uma outra coisa
04:18
that may catch you a little bit by surprise.
97
243000
3000
que pode apanhar-vos um pouco de surpresa.
04:21
I'm just showing the New York Times website here.
98
246000
3000
Estou apenas aqui a mostrar o site do New York Times.
04:24
So Pivot, this application --
99
249000
2000
A Pivot, esta aplicação --
04:26
I don't want to call it a browser; it's really not a browser,
100
251000
2000
eu não quero chamar-lhe browser; não é bem um browser,
04:28
but you can view web pages with it --
101
253000
3000
mas podem ver páginas web com ela --
04:31
and we bring that zoomable technology
102
256000
2000
e nós trazemos essa tecnologia escalável
04:33
to every single web page like this.
103
258000
3000
para cada página web como esta.
04:36
So I can step back,
104
261000
3000
Agora posso fazer zoom out e
04:39
pop right back into a specific section.
105
264000
2000
voltar a seleccionar uma secção específica.
04:41
Now the reason why this is important is because,
106
266000
2000
A razão pela qual isto é importante é que,
04:43
by virtue of just viewing web pages in this way,
107
268000
3000
apenas visualizando as páginas web desta forma,
04:46
I can look at my entire browsing history
108
271000
2000
posso ver todo o meu histórico de navegação
04:48
in the exact same way.
109
273000
2000
exactamente da mesma forma.
04:50
So I can drill into what I've done
110
275000
2000
Então eu posso analisar o que eu já fiz
04:52
over specific time frames.
111
277000
2000
em determinadas alturas.
04:54
Here, in fact, is the state
112
279000
2000
Aqui, de facto, está o registo
04:56
of all the demo that I just gave.
113
281000
2000
de toda a demonstração que acabei de dar.
04:58
And I can sort of replay some stuff that I was looking at earlier today.
114
283000
3000
E eu posso reproduzir algumas coisas que estive a ver hoje.
05:01
And, if I want to step back and look at everything,
115
286000
3000
E, se eu quiser fazer zoom out e visualizar tudo,
05:04
I can slice and dice my history,
116
289000
2000
posso editar a minha história
05:06
perhaps by my search history --
117
291000
2000
talvez através do meu histórico de pesquisa.
05:08
here, I was doing some nepotistic searching,
118
293000
2000
Aqui, estava a fazer umas pesquisas,
05:10
looking for Bing, over here for Live Labs Pivot.
119
295000
3000
procurando no Bing por "Live Labs Pivot".
05:13
And from these, I can drill into the web page
120
298000
2000
E delas, posso analisar a página web
05:15
and just launch them again.
121
300000
2000
e lançar os resultados novamente.
05:17
It's one metaphor repurposed multiple times,
122
302000
3000
É uma metáfora reutilizada múltiplas vezes,
05:20
and in each case it makes the whole greater
123
305000
2000
e, em cada caso, torna o todo maior
05:22
than the sum of the parts with the data.
124
307000
2000
que a soma de todas as partes.
05:24
So right now, in this world,
125
309000
3000
Neste momento, neste mundo,
05:27
we think about data as being this curse.
126
312000
3000
nós pensamos sobre dados e informação como sendo uma maldição.
05:30
We talk about the curse of information overload.
127
315000
3000
Falamos sobre a maldição das quantidades astronómicas de informação.
05:33
We talk about drowning in data.
128
318000
3000
Falamos sobre afogarmo-nos em dados e informação.
05:36
What if we can actually turn that upside down
129
321000
2000
E se pudermos realmente alterar isso completamente
05:38
and turn the web upside down,
130
323000
2000
e alterar a internet completamente,
05:40
so that instead of navigating from one thing to the next,
131
325000
3000
de forma a que em vez de saltarmos de uma coisa para outra,
05:43
we get used to the habit of being able to go from many things to many things,
132
328000
3000
nos habituássemos a passar de muitas coisas para outras tantas,
05:46
and then being able to see the patterns
133
331000
2000
e assim podermos ver os padrões
05:48
that were otherwise hidden?
134
333000
2000
que estariam de outra forma escondidos?
05:50
If we can do that, then instead of being trapped in data,
135
335000
5000
Se conseguirmos fazer isso, então, em vez de estarmos encurralados em dados,
05:55
we might actually extract information.
136
340000
3000
talvez possamos na verdade extrair informação.
05:58
And, instead of dealing just with information,
137
343000
2000
E, em vez de lidarmos apenas com informação,
06:00
we can tease out knowledge.
138
345000
2000
podemos originar conhecimento.
06:02
And if we get the knowledge, then maybe even there's wisdom to be found.
139
347000
3000
E, se tivermos o conhecimento, então talvez ainda haja sabedoria por alcançar.
06:05
So with that, I thank you.
140
350000
2000
E com isto, agradeço-vos.
06:07
(Applause)
141
352000
8000
(Aplausos)
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