TED2011
Aaron Koblin: Visualizing ourselves ... with crowd-sourced data
Аарон Коблин: Искусно визуализируя человечество
Filmed:
Readability: 4.2
1,731,467 views
Художник Аарон Коблин собирает огромные количества информации – а иногда и огромные количества людей – и соединяет их в ошеломляющие зрительные образы. От изящно очерченных путей полётов самолётов до панорамного представления информации о мобильных разговорах, от клипа Джонни Кэша, смонтированного из рисунков множества людей, до видео «Пустынный центр города», которое подстраивается под пользователя – во всём его работы исследуют, как с помощью современных технологий лучше проявить присущие нам качества.
Aaron Koblin - Data artist
Aaron Koblin is an artist specializing in data and digital technologies. His work takes real world and community-generated data and uses it to reflect on cultural trends and the changing relationship between humans and technology. Full bio
Aaron Koblin is an artist specializing in data and digital technologies. His work takes real world and community-generated data and uses it to reflect on cultural trends and the changing relationship between humans and technology. Full bio
Double-click the English transcript below to play the video.
00:15
So I think data can actually make us more human.
0
0
4000
Я думаю, что информация может сделать нас более человечными.
00:19
We're collecting and creating all kinds of data about how we're living our lives,
1
4000
3000
Мы собираем и создаем все типы информации про то, как мы живем,
00:22
and it's enabling us to tell some amazing stories.
2
7000
2000
и это даёт нам возможность рассказывать поразительные истории.
00:24
Recently, a wise media theorist Tweeted,
3
9000
3000
Недавно, один мудрый медиа теоретик написал в Twitter:
00:27
"The 19th century culture was defined by the novel,
4
12000
2000
«Культура 19-ого века определялась романом,
00:29
the 20th century culture was defined by the cinema,
5
14000
2000
культура 20-ого века определялась кино,
00:31
and the culture of the 21st century
6
16000
2000
а культура 21-ого
00:33
will be defined by the interface."
7
18000
2000
будет определяться интерфейсом».
00:35
And I believe this is going to prove true.
8
20000
2000
И я уверен, что это подтвердится.
00:37
Our lives are being driven by data,
9
22000
2000
Нашими жизнями управляет информация,
00:39
and the presentation of that data is an opportunity
10
24000
2000
и способ её подачи – это возможность
00:41
for us to make some amazing interfaces that tell great stories.
11
26000
2000
для нас создать необычные интерфейсы, которые рассказывают удивительные истории
00:43
So I'm going to show you a few of the projects
12
28000
2000
Я покажу вам несколько проектов,
00:45
that I've been working on over the last couple years
13
30000
2000
над которыми я работал последние два года.
00:47
that reflect on our lives and our systems.
14
32000
2000
Эти проекты отражают нашу жизнь и системы.
00:49
This is a project called Flight Patterns.
15
34000
2000
Этот проект называется «Модели полётов».
00:51
What you're looking at is airplane traffic
16
36000
2000
Вы видите движение самолётов
00:53
over North America for a 24-hour period.
17
38000
3000
над Северной Америкой за 24 часа.
00:56
As you see, everything starts to fade to black,
18
41000
2000
Вот всё начинает темнеть
00:58
and you see people going to sleep.
19
43000
2000
– это люди отходят ко сну.
01:00
Followed by that, you see on the West coast
20
45000
2000
Далее, самолёты, устремлённые с Западного побережья
01:02
planes moving across, the red-eye flights to the East coast.
21
47000
3000
на Восточное, – это ночные рейсы.
01:05
And you'll see everybody waking up on the East coast,
22
50000
3000
А вот видно, как просыпается Восточное побережье,
01:08
followed by European flights coming in the upper right-hand corner.
23
53000
3000
после чего в правом верхнем углу наблюдаются рейсы в Европу.
01:11
Everybody's moving from the East coast to the West coast.
24
56000
3000
Все движутся с Восточного побережья на Западное.
01:14
You see San Francisco and Los Angeles
25
59000
2000
Из Сан-Франциско и Лос-Анджелеса
01:16
start to make their journeys down to Hawaii in the lower left-hand corner.
26
61000
3000
устремляются вниз, на Гавайи, в левом нижнем углу.
01:19
I think it's one thing to say there's 140,000 planes
27
64000
2000
Одно дело – сказать, что здесь 140 000 самолётов,
01:21
being monitored by the federal government at any one time,
28
66000
3000
постоянно контролируемых правительством США,
01:24
and it's another thing to see that system as it ebbs and flows.
29
69000
3000
и совсем другое дело – увидеть саму систему со всеми её быстрыми изменениями.
01:29
This is a time-lapse image of that exact same data,
30
74000
2000
Это изображение тех же данных за некоторое время,
01:31
but I've color-coded it by type,
31
76000
2000
но я промаркировал их разными цветами,
01:33
so you can see the diversity of aircraft that are in the skies above us.
32
78000
3000
чтобы вы могли увидеть многообразие самолётов в небе над нами.
01:36
And I started making these, and I put them into Google Maps
33
81000
3000
Я начал делать это и наложил на Google Maps [Карты Google],
01:39
and allow you to zoom in and see individual airports
34
84000
2000
чтобы можно было приближать отдельные аэропорты
01:41
and the patterns that are occurring there.
35
86000
2000
и наблюдать происходящие там модели [полётов].
01:43
So here we can see the white represents low altitudes,
36
88000
3000
Здесь белым цветом обозначены низкие высоты,
01:46
and the blue are higher altitudes.
37
91000
2000
голубым – высокие.
01:48
And you can zoom in. This is taking a look at Atlanta.
38
93000
2000
Карту можно приблизить. Это – Атланта.
01:50
You can see this is a major shipping airport,
39
95000
2000
Это огромный транспортный аэропорт,
01:52
and there's all kinds of activity there.
40
97000
2000
где происходят различные виды деятельности.
01:54
You can also toggle between altitude
41
99000
3000
Вы также можете переключаться между высотами
01:57
for model and manufacturer.
42
102000
2000
для модели и производителя.
01:59
See again, the diversity.
43
104000
2000
Взгляните ещё раз на это многообразие.
02:01
And you can scroll around and see
44
106000
2000
Картинку можно прокручивать и просматривать
02:03
some of the different airports and the different patterns that they have.
45
108000
3000
некоторые аэропорты и их разнообразные модели.
02:06
This is scrolling up the East coast.
46
111000
2000
Прокрутим вверх по Восточному побережью.
02:08
You can see some of the chaos that's happening in New York
47
113000
2000
Здесь видно хаос, творящийся в Нью-Йорке
02:10
with the air traffic controllers
48
115000
2000
у авиадиспетчеров,
02:12
having to deal with all those major airports next to each other.
49
117000
4000
вынужденных работать с крупнейшими аэропортами.
02:17
So zooming back out real quick,
50
122000
2000
Быстро уменьшим масштаб –
02:19
we see, again, the U.S. -- you get Florida down in the right-hand corner.
51
124000
3000
и вновь видим США, Флориду, в правом нижнем углу.
02:22
Moving across to the West coast,
52
127000
2000
Передвинемся на Западное побережье –
02:24
you see San Francisco and Los Angeles --
53
129000
2000
вот Сан-Франциско и Лос-Анджелес,
02:26
big low-traffic zones
54
131000
2000
большие зоны с малым трафиком
02:28
across Nevada and Arizona.
55
133000
2000
через Неваду и Аризону.
02:30
And that's us down there in L.A. and Long Beach on the bottom.
56
135000
4000
А здесь внизу – это мы, в Лонг-Бич, Лос-Анджелес.
02:36
I started taking a look as well at different perimeters,
57
141000
2000
Я начал смотреть также под разными периметрами,
02:38
because you can choose what you want to pull out from the data.
58
143000
2000
так как можно выбрать нужную вам часть данных.
02:40
This is looking at ascending versus descending flights.
59
145000
3000
Это взлетающие и приземляющиеся самолёты.
02:43
And you can see, over time, the ways the airports change.
60
148000
2000
Можно заметить, что со временем пути и аэропорты меняются.
02:45
You see the holding patterns that start to develop
61
150000
2000
А это – модели задержек, которые растут
02:47
in the bottom of the screen.
62
152000
2000
внизу экрана.
02:49
And you can see, eventually the airport actually flips directions.
63
154000
3000
И в результате, аэропорт меняет направления на противоположные.
02:53
So this is another project that I worked on with the Sensible Cities Lab at MIT.
64
158000
3000
Это другой проект, разработанный мною совместно с лабораторией Sensible Cities Lab Массачусетского технологического института.
02:56
This is visualizing international communications.
65
161000
2000
Это визуализация международных коммуникаций –
02:58
So it's how New York communicates
66
163000
2000
вот как Нью-Йорк сообщается
03:00
with other international cities.
67
165000
2000
с другими городами мира.
03:02
And we set this up as a live globe in the Museum of Modern Art in New York
68
167000
3000
Такой «живой» глобус мы представили в музее современного искусства в Нью-Йорке
03:05
for the Design the Elastic Mind exhibition.
69
170000
2000
на выставке «Дизайн и Гибкий Ум».
03:07
And it had a live feed with a 24-hour offset,
70
172000
2000
Он показывал в [данные] реальном времени,
03:09
so you could see the changing relationship
71
174000
2000
и можно было наблюдать за изменением взаимосвязей
03:11
and some demographic info
72
176000
2000
и демографической информации,
03:13
coming through AT&T's data and revealing itself.
73
178000
3000
поступающей от AT&T.
03:16
This is another project I worked on with Sensible Cities Lab
74
181000
2000
Это еще один проект, над которым я работал с лабораторией Sensible Cities Lab
03:18
and CurrentCity.org.
75
183000
2000
и CurrentCity.org.
03:20
And it's visualizing SMS messages being sent in the city of Amsterdam.
76
185000
3000
Это визуализация СМС-сообщений в Амстердаме.
03:23
So you're seeing the daily ebb and flow
77
188000
2000
Вы видите увеличивающиеся и уменьшающиеся потоки
03:25
of people sending SMS messages from different parts of the city,
78
190000
2000
отправляемых СМС из разных частей города,
03:27
until we approach New Year's Eve, where everybody says, "Happy New Year!"
79
192000
3000
и вот – Новый Год, когда все посылают «С Новым Годом!»
03:30
(Laughter)
80
195000
2000
(Смех)
03:32
So this is an interactive tool
81
197000
2000
Это интерактивный инструмент,
03:34
that you can move around and see different parts of the city.
82
199000
3000
можно перемещаться, чтобы увидеть разные части города.
03:37
This is looking at another event. This is called Queen's Day.
83
202000
3000
Посмотрим на другое событие. Это День Королевы.
03:40
So again, you get this daily ebb and flow
84
205000
2000
Здесь опять наблюдаются увеличивающиеся и уменьшающиеся потоки
03:42
of people sending SMS messages from different parts of the city.
85
207000
3000
отправляемых из разных частей города СМС.
03:45
And then you're going to see people start to gather in the center of the city
86
210000
2000
Потом люди начинают собираться в центре города,
03:47
to celebrate the night before,
87
212000
2000
чтобы погулять ночью накануне.
03:49
which happens right here.
88
214000
2000
Это происходит здесь.
03:51
And then you can see people celebrating the next day.
89
216000
2000
А это – люди, празднующие на следующий день.
03:53
And you can pause it and step back and forth and see different phases.
90
218000
3000
Можно поставить на паузу и прокрутить назад или вперёд, чтобы увидеть различные фазы.
03:56
So now on to something completely different.
91
221000
2000
Теперь поговорим о совершенно ином.
03:58
Some of you may recognize this.
92
223000
2000
Некоторые из вас могут узнать это.
04:00
This is Baron Wolfgang von Kempelen's mechanical chess playing machine.
93
225000
3000
Это механическая машина для игры в шахматы барона Вольфганга фон Кемпелена.
04:03
And it's this amazing robot that plays chess extremely well,
94
228000
2000
И это удивительный робот, который играет в шахматы чрезвычайно хорошо,
04:05
except for one thing: it's not a robot at all.
95
230000
3000
если бы не одно «но»: это не робот.
04:08
There's actually a legless man that sits in that box
96
233000
2000
На самом деле в коробке сидит безногий человек
04:10
and controls this chess player.
97
235000
2000
и играет за робота.
04:12
This was the inspiration for a web service by Amazon
98
237000
2000
Это вдохновило Amazon на создание программы
04:14
called the Mechanical Turk -- named after this guy.
99
239000
3000
«Механический Турок», названной в честь того человека.
04:17
And it's based on the premise that there are certain things
100
242000
2000
Она основана на том, что определённые вещи
04:19
that are easy for people, but really difficult for computers.
101
244000
2000
легко могут быть выполнены людьми, но весьма тяжело – компьютерами.
04:21
So they made this web service and said,
102
246000
2000
Компания создала этот веб-сервис и заявила, что
04:23
"Any programmer can write a piece of software
103
248000
2000
"Любой программист может написать часть программы
04:25
and tap into the minds of thousands of people."
104
250000
2000
и подключиться к умам тысяч людей".
04:27
The nerdy side of me thought, "Wow, this is amazing.
105
252000
2000
Занудная сторона меня подумала: "Ух ты, это поразительно.
04:29
I can tap into thousands of people's minds."
106
254000
2000
Я могу подключится к уму тысяч людей."
04:31
And the other nerdy side of me thought,
107
256000
2000
А другая занудная сторона меня подумала:
04:33
"This is horrible. This is completely bizarre.
108
258000
3000
"Это ужасно. Это совершенно ненормально.
04:36
What does this mean for the future of mankind,
109
261000
2000
Что это принесёт будущему человечества,
04:38
where we're all plugged into this borg?"
110
263000
2000
когда все мы подключимся к этому киборгу?»
04:40
I was probably being a little extreme.
111
265000
2000
Я наверно ударился в крайности.
04:42
But what does this mean when we have no context for what it is that we're working on,
112
267000
2000
Но что это значит, если мы работаем безо всякой связи,
04:44
and we're just doing these little labors?
113
269000
2000
просто выполняем свои маленькие задания?
04:46
So I created this drawing tool.
114
271000
2000
И я создал эту программу для рисования.
04:48
I asked people to draw a sheep facing to the left.
115
273000
2000
Я просил людей нарисовать овцу, смотрящую налево.
04:50
And I said, "I'll pay you two cents for your contribution."
116
275000
2000
Я сказал, что заплачу им 2 цента [60 коп.] за вклад
04:52
And I started collecting sheep.
117
277000
3000
и стал коллекционировать овец.
04:55
And I collected a lot, a lot of different sheep.
118
280000
3000
И я собрал много, много разных овец.
04:59
Lots of sheep.
119
284000
2000
Стада овец.
05:01
I took the first 10,000 sheep that I collected,
120
286000
2000
Выбрав первые 10 тысяч овец,
05:03
and I put them on a website called TheSheepMarket.com
121
288000
3000
я разместил их на сайте TheSheepMarket.com [Рынок овец],
05:06
where you can actually buy collections of 20 sheep.
122
291000
3000
где можно купить коллекцию из 20 овец.
05:09
You can't pick individual sheep,
123
294000
2000
Нельзя купить одну овцу,
05:11
but you can buy a single plate block of stamps as a commodity.
124
296000
4000
а только целый блок.
05:15
And juxtaposed against this grid,
125
300000
2000
Если же рассмотреть каждый рисунок,
05:17
you see actually, by rolling over each individual one,
126
302000
2000
но становится понятно, что
05:19
the humanity behind this hugely mechanical process.
127
304000
3000
за всем этим огромным механическим процессом стоят люди.
05:22
I think there's something really interesting
128
307000
2000
Я думаю, действительно интересно
05:24
to watching people as they go through this creative toil --
129
309000
3000
наблюдать за тем, как люди проходят через этот созидательный труд –
05:27
something we can all relate to,
130
312000
2000
к чему все мы имеем отношение –
05:29
this creative process of trying to come up with something from nothing.
131
314000
3000
процесс создания нечто из ничего.
05:32
I think it was really interesting to juxtapose this humanity
132
317000
2000
Мне кажется, действительно интересно было сопоставить присущие человеку черты
05:34
versus this massive distributed grid.
133
319000
2000
и эту массивную распределённую сеть.
05:36
Kind of amazing what some people did.
134
321000
3000
Поразительно, что сделали некоторые люди.
05:39
So here's a few statistics from the project.
135
324000
2000
Вот немного статистики проекта.
05:41
Approximate collection rate of 11 sheep per hour,
136
326000
2000
Примерная скорость собирания – 11 овец в час,
05:43
which would make a working wage of 69 cents per hour.
137
328000
3000
что дает зарплату в 69 центов [21 руб.]в час.
05:46
There were 662 rejected sheep
138
331000
2000
Было 662 отвергнутые овцы,
05:48
that didn't meet "sheep-like" criteria and were thrown out of the flock.
139
333000
3000
которые не подходили под критерий похожести на овцу и были выброшены из стада.
05:51
(Laughter)
140
336000
2000
(Смех)
05:53
The amount of time spent drawing ranged from four seconds to 46 minutes.
141
338000
3000
Количество времени, потраченного на рисование, варьировалось от 4 секунд до 46 минут.
05:56
That gives you an idea of the different types of motivations and dedication.
142
341000
3000
Это даёт представление о разных типах мотивации и приверженности.
05:59
And there were 7,599 people that contributed to the project,
143
344000
3000
Проекту содействовали 7 599 человек,
06:02
or were unique IP addresses --
144
347000
2000
или уникальных IP адресов,
06:04
so about how many people contributed.
145
349000
2000
за которыми могло быть и больше человек.
06:06
But only one of them out of the 7,599 said this.
146
351000
4000
И только один из них написал: «Зачем? Зачем ты это делаешь?»
06:10
(Laughter)
147
355000
4000
(Смех)
06:14
Which I was pretty surprised by.
148
359000
2000
Чем я был довольно удивлён.
06:16
I expected people to be wondering, "Why did I draw a sheep?"
149
361000
3000
Я ожидал, что люди зададутся вопросом «Зачем я нарисовал овцу?»
06:19
And I think it's a pretty valid question.
150
364000
2000
Думаю, это вполне справедливый вопрос.
06:21
And there's a lot of reasons why I chose sheep.
151
366000
2000
Есть много причин, по которым я выбрал овец.
06:23
Sheep were the first animal
152
368000
2000
Овцы были первыми животными,
06:25
to be raised from mechanically processed byproducts,
153
370000
2000
выращенными с помощью механически обработанных субпродуктов,
06:27
the first to be selectively bred for production traits,
154
372000
2000
первыми животными, селективно выведенными для производственных целей,
06:29
the first animal to be cloned.
155
374000
2000
первыми клонированными животными.
06:31
Obviously, we think of sheep as followers.
156
376000
2000
Очевидно, мы думаем об овцах как о ведомых.
06:33
And there's this reference to "Le Petit Prince"
157
378000
2000
Приведу пример из «Маленького Принца»,
06:35
where the narrator asks the prince to draw a sheep.
158
380000
2000
когда принц просит рассказчика нарисовать ему овцу.
06:37
He draws sheep after sheep.
159
382000
2000
Он рисует овцу за овцой.
06:39
The narrator's only appeased when he draws a box.
160
384000
2000
И принц успокоился только тогда, когда тот нарисовал коробку.
06:41
And he says, "It's not about a scientific rendering of a sheep.
161
386000
2000
Это не научное изображение овцы.
06:43
It's about your own interpretation and doing something different."
162
388000
3000
Это твоё истолкование и создание чего-то совершенно иного.
06:46
And I like that.
163
391000
2000
И мне нравится это.
06:48
So this is a clip from Charlie Chaplin's "Modern Times."
164
393000
2000
Это фрагмент из фильма Чарли Чаплина "Новые Времена".
06:50
It's showing Charlie Chaplin dealing with some of the major changes
165
395000
3000
Он показывает, как Чарли Чаплин обходится с некоторыми важными изменениями
06:53
during the Industrial Revolution.
166
398000
2000
во время индустриальной революции.
06:55
So there were no longer shoe makers,
167
400000
2000
Не было больше профессии чеботарь,
06:57
but now there are people slapping soles on people's shoes.
168
402000
2000
зато появилась профессия прибивальщика подошвы к обуви.
06:59
And the whole idea of one's relationship to their work changed a lot.
169
404000
3000
В целом, отношение людей к работе сильно изменилось.
07:02
So I thought this was an interesting clip
170
407000
2000
Мне показалось интересным
07:04
to divide into 16 pieces
171
409000
2000
разбить этот клип на 16 частей
07:06
and feed into the Mechanical Turk with a drawing tool.
172
411000
3000
и вставить в программу рисования по типу «Механического турка».
07:09
This basically allowed -- what you see on the left side is the original frame,
173
414000
3000
Слева вы видите оригинальный кадр,
07:12
and on the right side you see that frame
174
417000
2000
а справа – тот,
07:14
as interpreted by 16 people
175
419000
2000
что был трактован 16 людьми,
07:16
who have no idea what it is they're doing.
176
421000
2000
которые не имели представления о том, что делают.
07:18
And this was the inspiration for a project
177
423000
2000
Это послужило вдохновением проекта,
07:20
that I worked on with my friend Takashi Kawashima.
178
425000
2000
над которым я работал с моим другом Такаши Кавашима.
07:22
We decided to use the Mechanical Turk for exactly what it was meant for,
179
427000
2000
Мы решили использовать «Механического Турка» по его прямому назначению,
07:24
which is making money.
180
429000
2000
то есть для зарабатывания денег.
07:26
So we took a hundred dollar bill and divided it into 10,000 teeny pieces,
181
431000
3000
Мы взяли стодолларовую купюру и разделили ее на 10 тысяч маленьких кусочков
07:29
and we fed those into the Mechanical Turk.
182
434000
2000
и скормили их «Механическому Турку».
07:31
We asked people to draw what it was that they saw.
183
436000
2000
Мы просили нарисовать людей то, что они увидели,
07:33
But here there was no sheep-like criteria.
184
438000
2000
но не требовали, чтобы «овца походила на овцу».
07:35
People, if they drew a stick figure or a smiley face,
185
440000
3000
Люди могли нарисовать контур или рожицу –
07:38
it actually made it into the bill.
186
443000
2000
и всё это объединялось в купюру.
07:40
So what you see is actually a representation of how well people did
187
445000
2000
В итоге получилось изображение того, насколько хорошо люди исполнили то,
07:42
what it was they were asked to do.
188
447000
2000
что им было поручено.
07:44
So we took these hundred dollar bills,
189
449000
2000
Мы разместили эти стодолларовые купюры
07:46
and we put them on a website called TenThousandsCents.com,
190
451000
2000
на сайте TenThousandsCents.com,
07:48
where you can browse through and see all the individual contributions.
191
453000
3000
где можно просмотреть всю купюру и отдельные её части.
07:51
And you can also trade real hundred-dollar bills for fake hundred-dollar bills
192
456000
3000
На сайте также можно купить эту фальшивую купюру за реальные сто долларов,
07:54
and make a donation to the Hundred Dollar Laptop Project,
193
459000
3000
пожертвовав таким образом в проект «Ноутбук за сто долларов»,
07:57
which is now known as One Laptop Per Child.
194
462000
3000
сейчас известный как проект «Ноутбук каждому ребёнку».
08:00
This is again showing all the different contributions.
195
465000
2000
Это снова изображение отдельных частей.
08:02
You see some people did beautiful stipple renderings,
196
467000
2000
Некоторые люди создавали красивые точечные изображения,
08:04
like this one on top --
197
469000
2000
как это сверху,
08:06
spent a long time making realistic versions.
198
471000
3000
и потратили уйму времени, воссоздавая реалистичные версии.
08:09
And other people would draw stick figures or smiley faces.
199
474000
3000
Другие же рисовали контуры и смайлики.
08:12
Here on the right-hand side in the middle
200
477000
2000
А здесь, справа,
08:14
you see this one guy writing, "$0.01!!! Really?"
201
479000
3000
один парень написал в центре: «1 цент? Серьёзно?
08:17
That's all I'm getting paid for this?
202
482000
4000
Это всё, что я получу за это?»
08:21
(Laughter)
203
486000
2000
(Смех)
08:23
So the last Mechanical Turk project I'm going to talk to you about
204
488000
2000
И последний проект по типу «Механического турка», про который я хочу рассказать,
08:25
is called Bicycle Built for 2000.
205
490000
2000
называется Велосипед-2000.
08:27
This is a collaboration with my friend Daniel Massey.
206
492000
2000
Это совместная работа с моим другом Дэниэлом Мэсси.
08:29
You may recognize these two guys.
207
494000
2000
Вы наверняка узнали двух этих мужчин.
08:31
This is Max Mathews and John Kelly from Bell Labs in the '60s,
208
496000
3000
Это Макс Мэтьюз и Джон Келли из лаборатории Bell Labs в 60-х,
08:34
where they created the song "Daisy Bell,"
209
499000
2000
где они создали песню "Daisy Bell",
08:36
which was the world's first singing computer.
210
501000
2000
ставшей первой песней, исполненной компьютером.
08:38
You may recognize it from "2001: A Space Odyssey."
211
503000
2000
Вы можете узнать ее в фильме "2001 год: Космическая Одиссея”.
08:40
When HAL's dying at the end of the film he starts singing this song,
212
505000
3000
В конце фильма умирающий ХЭЛ начинает петь эту песню,
08:43
as a reference to when computers became human.
213
508000
3000
в знак того, что компьютер становится человеком.
08:46
So we resynthesized this song.
214
511000
2000
Мы переделали эту песню.
08:48
This is what that sounded like.
215
513000
2000
Вот как она звучала.
08:50
We broke down all the individual notes
216
515000
2000
Мы разложили её по нотам
08:52
in the singing as well as the phonemes in the singing.
217
517000
3000
на отдельные партии голоса.
08:55
Daisy Bell: ♫ Daisy, Daisy ... ♫
218
520000
4000
♫ Дэйзи, Дэйзи ♫
08:59
Aaron Koblin: And we took all of those individual pieces,
219
524000
2000
Аарон Коблин: Получившиеся части
09:01
and we fed them into another Turk request.
220
526000
2000
мы заложили в очередную программу «Механический турок».
09:03
This is what it would look like if you went to the site.
221
528000
2000
Вот как выглядит сайт.
09:05
You type in your code,
222
530000
2000
Вы вводите свой код,
09:07
but you first test your mic.
223
532000
2000
но сначала тестируете микрофон.
09:09
You'd be fed a simple audio clip.
224
534000
2000
Вам даётся простенький аудио отрывок.
09:11
(Honk)
225
536000
2000
(Гудок)
09:13
And then you'd do your best to recreate that with your own voice.
226
538000
3000
И вы изо всех сил пытаетесь воспроизвести его своим голосом.
09:22
After previewing it and confirming it's what you submitted,
227
547000
3000
После предварительного прослушивания и подтверждения вашей записи,
09:25
you could submit it into the Mechanical Turk with no other context.
228
550000
3000
можно разместить её в программе без всякого контекста.
09:28
And this is what we first got back from the very first set of submissions.
229
553000
3000
Вот записи, которые мы получили в самом начале.
09:31
Recording: ♫ Daisy, Daisy ♫
230
556000
5000
Звукозапись: ♫ Дэйзи, Дэйзи ♫
09:36
♫ give me your answer do ♫
231
561000
5000
♫ Дай мне ответ, дай ♫
09:41
♫ I'm half crazy ♫
232
566000
4000
♫ Я почти сошёл с ума ♫
09:45
♫ all for the love of you ♫
233
570000
5000
♫ И всё из-за любви к тебе ♫
09:50
♫ It can't be a stylish marriage ♫
234
575000
5000
♫ У нас не будет модной свадьбы ♫
09:55
♫ I can't afford a carriage ♫
235
580000
4000
♫ У меня нет денег на карету ♫
09:59
♫ But you'll look sweet upon the seat ♫
236
584000
5000
♫ Но ты так хороша на сиденье ♫
10:04
♫ of a bicycle built for two ♫
237
589000
5000
♫ велосипеда для двоих ♫
10:09
AK: So James Surowieki has this idea of the wisdom of crowds,
238
594000
3000
АК: Джеймс Суровики как-то сказал о мудрости толпы,
10:12
that says that a whole bunch of people are smarter than any individual.
239
597000
3000
что группа людей «мудрее» отдельного человека.
10:15
We wanted to see how this applies to collaborative, distributed music making,
240
600000
3000
Нам захотелось применить это к совместному, распределённому созданию музыки,
10:18
where nobody has any idea what it is they're working on.
241
603000
3000
где никто не подозревает, над чем он работает.
10:21
So if you go to the BicycleBuiltforTwoThousand.com
242
606000
2000
Если вы зайдёте на сайт BicycleBuiltforTwoThousand.com,
10:23
you can actually hear what all this sounds like together.
243
608000
2000
то сможете послушать, как это звучит вместе.
10:25
I'm sorry for this.
244
610000
2000
Извините меня за это.
10:27
(Noise)
245
612000
5000
(Шум)
10:32
Chorus: ♫ Daisy, Daisy ♫
246
617000
4000
Хор: ♫ Дэйзи, Дэйзи ♫
10:36
♫ Give me your answer do ♫
247
621000
5000
♫ Дай мне ответ ♫
10:41
♫ I'm half crazy ♫
248
626000
5000
♫ Я почти сошёл с ума ♫
10:46
♫ all for the love of you ♫
249
631000
4000
♫ И всё из-за любви к тебе ♫
10:50
♫ It can't be a stylish marriage ♫
250
635000
5000
♫ У нас не будет модной свадьбы ♫
10:55
♫ I can't afford a carriage ♫
251
640000
4000
♫ У меня нет денег на карету ♫
10:59
♫ But you'd look sweet upon the seat ♫
252
644000
5000
♫ Но ты так хороша на сиденье ♫
11:04
♫ of a bicycle built for two ♫
253
649000
6000
♫ велосипеда для двоих ♫
11:10
AK: So stepping back for a quick second,
254
655000
3000
АК: Вернёмся назад на секунду.
11:13
when I was at UCLA going to grad school,
255
658000
2000
Когда я учился в Калифорнийском университете в Лос-Анджелесе на последнем курсе,
11:15
I was also working at a place called the Center for Embedded Network Sensing.
256
660000
3000
я параллельно работал в Центре встроенных сенсорных сетевых технологий.
11:18
And I was writing software to visualize laser scanners.
257
663000
3000
Я писал программы для лазерных сканеров,
11:21
So basically motion through 3D space.
258
666000
2000
в основном, для движения в 3D пространстве.
11:23
And this was seen by a director in L.A. named James Frost
259
668000
2000
[Мою работу] как-то увидел режиссёр клипов Джеймс Фрост.
11:25
who said, "Wait a minute.
260
670000
2000
«Подожди-ка, – сказал он. –
11:27
You mean we can shoot a music video without actually using any video?"
261
672000
2000
Получается, что возможно снять клип, не используя видеокамеру?»
11:29
So we did exactly that.
262
674000
2000
Так мы и сделали.
11:31
We made a music video for one of my favorite bands, Radiohead.
263
676000
2000
Мы создали клип для одной из моих любимых групп, Radiohead [Рэдиохэд].
11:33
And I think one of my favorite parts of this project
264
678000
2000
Но любимой частью проекта для меня
11:35
was not just shooting a video with lasers,
265
680000
2000
явилась не просто съёмка клипа с помощью лазеров,
11:37
but we also open sourced it,
266
682000
2000
а размещение его в открытом доступе,
11:39
and we made it released as a Google Code project,
267
684000
2000
в качестве проекта Google Code,
11:41
where people could download a bunch of the data and some source code
268
686000
2000
в котором можно скачивать блок данных и часть исходного кода,
11:43
to build their own versions of it.
269
688000
2000
чтобы сделать свои собственные версии клипа.
11:45
And people were making some amazing things.
270
690000
2000
И люди делали совершенно потрясающие вещи.
11:47
This is actually two of my favorites:
271
692000
2000
Вот две из моих излюбленных:
11:49
the pin-board Thom Yorke and a LEGO Thom Yorke.
272
694000
2000
Том Йорк на коммутационной доске и он же из Lego.
11:51
A whole YouTube channel of people submitting really interesting content.
273
696000
3000
Целый канал YouTube, где люди выкладывали очень интересные идеи.
11:54
More recently, somebody even 3D-printed Thom Yorke's head,
274
699000
3000
А совсем недавно кто-то даже напечатал голову Тома Йорка на 3D принтере.
11:57
which is a little creepy, but pretty cool.
275
702000
3000
Рисунок получился страшноватым, но всё же классным.
12:00
So with everybody making so much amazing stuff
276
705000
2000
[Когда я увидел], какие восхитительные вещи создают люди
12:02
and actually understanding what it was they were working on,
277
707000
3000
и при этом понимают, что делают,
12:05
I was really interested in trying to make a collaborative project
278
710000
2000
я весьма заинтересовался запустить совместный проект,
12:07
where people were working together to build something.
279
712000
2000
где люди совместно что-то создают.
12:09
And I met a music video director named Chris Milk.
280
714000
2000
Я встретил Криса Милка, режиссёра музыкальных клипов.
12:11
And we started bouncing around ideas
281
716000
2000
Мы начали живо обсуждать идеи
12:13
to make a collaborative music video project.
282
718000
2000
проекта совместно созданного музыкального клипа.
12:15
But we knew we really needed the right person
283
720000
2000
Но мы нуждались в правильном человеке,
12:17
to kind of rally behind and build something for.
284
722000
3000
ради которого можно объединиться и создавать.
12:20
So we put the idea on the back burner for a few months.
285
725000
2000
Поэтому идея была отложена на несколько месяцев.
12:22
And he ended up talking to Rick Rubin,
286
727000
2000
В итоге, Крис переговорил с Риком Рубином,
12:24
who was finishing up Johnny Cash's final album
287
729000
2000
который заканчивал работу над последним альбомом Джонни Кэша
12:26
called "Ain't No Grave."
288
731000
2000
"Ain't No Grave" [Нет могилы].
12:28
The lyrics to the leading track are "Ain't no grave can hold my body down."
289
733000
3000
Заглавный трек начинается со слов "Нет могилы, способной удержать моё тело".
12:31
So we thought this was the perfect
290
736000
2000
Мы решили, что это было идеальный
12:33
project to build a collaborative memorial
291
738000
2000
проект для создания совместного памятника
12:35
and a virtual resurrection for Johnny Cash.
292
740000
2000
и виртуального воскрешения Джонни Кэша.
12:37
So I teamed up with my good friend Ricardo Cabello, also known as Mr. doob,
293
742000
3000
И я объединился с моим хорошим другом Рикардо Кабелло, известным как Mr. doob [Мистер Дуб].
12:40
who's a much better programmer than I am,
294
745000
2000
Он более крутой программист, чем я,
12:42
and he made this amazing Flash drawing tool.
295
747000
2000
и это он является создателем инструментов рисования Flash.
12:44
As you know,
296
749000
2000
Как известно,
12:46
an animation is a series of images.
297
751000
2000
анимация – это серия картинок.
12:48
So what we did was cross-cut a bunch of archival footage of Johnny Cash,
298
753000
3000
Так что мы нарезали слайдов из архивных материалов о Джонни Кэше.
12:51
and at eight frames a second,
299
756000
2000
И, на скорости 8 кадров в секунду,
12:53
we allowed individuals to draw a single frame
300
758000
2000
люди могли рисовать отдельные кадры,
12:55
that would get woven into
301
760000
2000
которые соединяются в
12:57
this dynamically changing music video.
302
762000
2000
динамично сменяющееся музыкальное видео.
12:59
So I don't have time to play the entire thing for you,
303
764000
2000
Нет времени проигрывать весь ролик,
13:01
but I want to show you two short clips.
304
766000
2000
но я смогу показать вам два коротких отрывка.
13:03
One is the beginning of the music video.
305
768000
2000
Один – начало клипа.
13:05
And that's going to be followed by a short clip
306
770000
2000
За ним последует короткая запись
13:07
of people who have already contributed to the project
307
772000
2000
тех, кто уже внёс свой вклад в проект.
13:09
talking about it briefly.
308
774000
3000
Они кратко расскажут об этом.
13:12
(Music)
309
777000
6000
(Музыка)
13:18
(Video) Johnny Cash: ♫ There ain't no grave ♫
310
783000
2000
♫ Нет могилы, ♫
13:20
♫ can hold my body down ♫
311
785000
4000
♫ способной удержать моё тело. ♫
13:24
♫ There ain't no grave ♫
312
789000
2000
♫ Нет могилы, ♫
13:26
♫ can hold body down ♫
313
791000
3000
♫ способной удержать моё тело. ♫
13:30
♫ When I hear the trumpet sound ♫
314
795000
4000
♫ Когда я услышу звук трубы, ♫
13:34
♫ I'm going to ride right out of the ground ♫
315
799000
2000
♫ я выскочу из-под земли. ♫
13:36
♫ Ain't no grave ♫
316
801000
3000
♫ Нет могилы, ♫
13:39
♫ can hold my body ... ♫
317
804000
3000
♫ способной удержать моё тело ♫
13:42
(Applause)
318
807000
2000
(Аплодисменты)
13:44
AK: What better way to pay tribute to the man
319
809000
3000
АК: Нет лучшего способа отдать дань уважения этому человеку,
13:47
than to make something for one of his songs.
320
812000
3000
чем сделать что-то для его песни.
13:50
Collaborator: I felt really sad when he died.
321
815000
2000
Соавтор: Я очень расстроился, когда он умер.
13:52
And I just thought it'd be wonderful,
322
817000
2000
И подумал, что будет здорово
13:54
it'd be really nice to contribute something to his memory.
323
819000
3000
и очень хорошо как-то почтить его память.
13:57
Collaborator Two: It really allows
324
822000
2000
Соавтор 2: Это действительно делает
13:59
this last recording of his
325
824000
3000
его последнюю запись
14:02
to be a living, breathing memorial.
326
827000
5000
живым, дышащим памятником.
14:07
Collaborator Three: For all of the frames to be drawn by fans,
327
832000
3000
Соавтор 3: Каждый кадр, нарисованный фанатами,
14:10
each individual frame,
328
835000
2000
каждый единый кадр,
14:12
it's got a very powerful feeling to it.
329
837000
2000
наполнен очень сильным чувством.
14:14
Collaborator Four: I've seen everybody
330
839000
2000
Соавтор 4: Я видел всех –
14:16
from Japan, Venezuela, to the States,
331
841000
2000
из Японии, Венесуэлы, США,
14:18
to Knoxville, Tennessee.
332
843000
2000
даже Ноксвилля, Теннесси.
14:20
Collaborator Five: As much as is different from frame to frame,
333
845000
3000
Соавтор 5: Насколько различны кадры,
14:23
it really is personal.
334
848000
2000
настолько каждый из них индивидуален.
14:25
Collaborator Six: Watching the video in my room,
335
850000
2000
Соавтор 6: Смотря видео в своей комнате,
14:27
I could see me not understanding at the beginning of it.
336
852000
3000
я поначалу не понимал.
14:30
And I just worked and worked through problems,
337
855000
3000
И я просто работал и работал, решая проблемы,
14:33
until my little wee battles that I was fighting within the picture
338
858000
4000
пока мои битвы, которые я вел внутри картины,
14:37
all began to resolve themselves.
339
862000
3000
не разрешились сами собой.
14:40
You can actually see the point when I know what I'm doing,
340
865000
2000
И я вижу смысл в том, что я сейчас делаю.
14:42
and a lot of light and dark comes into it.
341
867000
3000
Много света и тени привносится в рисунки.
14:45
And in a weird way,
342
870000
2000
Странно,
14:47
that's what I actually like about Johnny Cash's music as well.
343
872000
2000
но это я и люблю в музыке Джонни Кэша.
14:49
It's the sum total of his life,
344
874000
2000
Это сумма его жизни,
14:51
all the things that had happened --
345
876000
2000
всё, что произошло, –
14:53
the bad things, the good things.
346
878000
2000
плохое и хорошее.
14:55
You're hearing a person's life.
347
880000
3000
Вы слышите жизнь человека.
15:01
AK: So if you go to the website JohnnyCashProject.com,
348
886000
2000
АК: На сайте JohnnyCashProject.com
15:03
what you'll see is the video playing above.
349
888000
2000
вы увидите видео, играющее вверху.
15:05
And below it are all the individual frames
350
890000
2000
Под ним – отдельные кадры,
15:07
that people have been submitting to the project.
351
892000
2000
которые люди выкладывают для проекта.
15:09
So this isn't finished at all,
352
894000
2000
Проект ещё не закончен,
15:11
but it's an ongoing project where people can continue to collaborate.
353
896000
2000
в настоящее время он продолжается, и люди могут продолжить совместно работать.
15:13
If you roll over any one of those individual thumbnails,
354
898000
2000
Если вы перевернёте любой из этих отдельных рисунков,
15:15
you can see the person who drew that individual thumbnail
355
900000
2000
то увидите, кто его нарисовал
15:17
and where they were located.
356
902000
2000
и где рисунок расположен.
15:19
And if you find one that you're interested in,
357
904000
2000
Если вам заинтересует какой-либо рисунок,
15:21
you can actually click on it and open up an information panel
358
906000
2000
вы можете кликнуть по нему и открыть панель информации,
15:23
where you're able to rate that frame,
359
908000
2000
где можно дать оценку кадру,
15:25
which helps it bubble up to the top.
360
910000
2000
продвинув его в топ.
15:27
And you can also see the way that it was drawn.
361
912000
2000
Можно посмотреть, как он был нарисован.
15:29
Again, you can get the playback and personal contribution.
362
914000
2000
Можно проиграть кадры и посмотреть вклад [соавторов].
15:31
In addition to that, it's listed, the artist's name, the location,
363
916000
3000
Кроме того, указано имя соавтора, место его кадров в клипе,
15:34
how long they spent drawing it.
364
919000
2000
как долго он рисовал.
15:36
And you can pick a style. So this one was tagged "Abstract."
365
921000
3000
Можно выбрать стиль, например, этот – «Абстрактный».
15:39
But there's a bunch of different styles.
366
924000
2000
Здесь много разных стилей.
15:41
And you can sort the video a number of different ways.
367
926000
2000
Видео также можно отсортировать по-разному.
15:43
You can say, "I want to see the pointillist version
368
928000
2000
Скажем, вы хотите версию в стиле пуантилизма,
15:45
or the sketchy version or the realistic version.
369
930000
2000
или версию в стиле скетча, или реалистичную версию.
15:47
And then this is, again, the abstract version,
370
932000
2000
Это опять же абстрактная версия,
15:49
which ends up getting a little bit crazy.
371
934000
3000
с немного сумасшедшим финалом.
15:54
So the last project I want to talk to you about is another collaboration with Chris Milk.
372
939000
3000
Последний проект, которым я хочу поделиться с вами – ещё одна совместная работа с Крисом Милком,
15:57
And this is called "The Wilderness Downtown."
373
942000
2000
"The Wilderness Downtown" [Пустынный центр города].
15:59
It's an online music video for the Arcade Fire.
374
944000
3000
Это онлайн клип для музыкальной группы The Arcade Fire.
16:02
Chris and I were really amazed
375
947000
2000
Мы с Крисом были сильно удивлены
16:04
by the potential now with modern web browsers,
376
949000
2000
потенциалом современных веб-браузеров,
16:06
where you have HTML5 audio and video
377
951000
2000
где есть видео и аудио на языке HTML5,
16:08
and the power of JavaScript to render amazingly fast.
378
953000
3000
и мощью JavaScript для супербыстрого воспроизведения.
16:11
And we wanted to push the idea of the music video that was meant for the Web
379
956000
3000
Мы хотели раздвинуть границы музыкального видео, предназначенного для Web,
16:14
beyond the four-by-three or sixteen-by-nine window
380
959000
3000
за грань обычных соотношений сторон окна 4:3 или 16:9
16:17
and try to make it play out and choreograph throughout the screen.
381
962000
3000
и попробовать сделать так, чтобы видео перемещалось и играло по всему экрану.
16:20
But most importantly, I think,
382
965000
2000
Но самое важное, как мне кажется,
16:22
we really wanted to make an experience that was unlike the Johnny Cash Project,
383
967000
3000
мы хотели получить опыт, непохожий на опыт проекта с Джонни Кэшем,
16:25
where you had a small group of people spending a lot of time
384
970000
3000
где у нас была небольшая группа людей, тратящих много времени
16:28
to contribute something for everyone.
385
973000
2000
на создание общего вклада.
16:30
What if we had a very low commitment,
386
975000
3000
А что, если бы обязательства были ничтожно малы,
16:33
but delivered something individually unique to each person who contributed?
387
978000
3000
но при этом каждый получал бы что-то индивидуально уникальное за вклад?
16:36
So the project starts off by asking you to enter the address
388
981000
2000
Проект начинается с того, что вы вводите адрес
16:38
of the home where you grew up.
389
983000
2000
дома, в котором выросли.
16:40
And you type in the address --
390
985000
2000
И когда адрес введён,
16:42
it actually creates a music video specifically for you,
391
987000
2000
программа создаёт клип специально для вас,
16:44
pulling in Google maps and Streetview images
392
989000
2000
и с помощью карт Google и картинок Streetview
16:46
into the experience itself.
393
991000
2000
превращает это в личное переживание.
16:48
So this should really be seen at home with you typing in your own address,
394
993000
3000
Это стоит того, чтобы посмотреть одному дома,
16:51
but I'm going to give you a little preview of what you can expect.
395
996000
3000
сейчас я дам вам представление о том, что следует ожидать.
16:54
(Video) Win Butler: ♫ Now our lives are changing fast ♫
396
999000
4000
(Видео) Уин Батлер: ♫ Наши жизни сейчас быстро меняются ♫
16:58
♫ Now our lives are changing fast ♫
397
1003000
4000
♫ Наши жизни сейчас быстро меняются ♫
17:02
♫ Hope that something pure can last ♫
398
1007000
3000
♫ Надеюсь, что-нибудь настоящее останется ♫
17:06
♫ Hope that something pure can last ♫
399
1011000
4000
♫ Надеюсь, что-нибудь настоящее останется ♫
17:13
♫ Ooh we used to wait ♫
400
1018000
4000
♫ Мы ждали... ♫
17:17
♫ Ooh we used to wait ♫
401
1022000
4000
♫ Мы ждали... ♫
17:21
♫ Ooh we used to wait ♫
402
1026000
3000
♫ Мы ждали... ♫
17:24
♫ Sometimes it never came ♫
403
1029000
3000
♫ Иногда это не случалось ♫
17:27
♫ Sometimes it never came ♫
404
1032000
4000
♫ Иногда это не случалось ♫
17:31
♫ Still moving through the pain ♫
405
1036000
3000
♫ Всё ещё преодолеваю боль ♫
17:34
♫ We used to wait for it ♫
406
1039000
4000
♫ Мы ждали этого ♫
17:38
♫ We used to wait for it ♫
407
1043000
4000
♫ Мы ждали этого ♫
17:42
♫ We used to wait for it ♫
408
1047000
4000
♫ Мы ждали этого ♫
17:50
AK: So I think, if there's one thing to take away from my talk today,
409
1055000
3000
АК: Если вынести только одну главную мысль из моей речи,
17:53
it's that an interface can be a powerful narrative device.
410
1058000
2000
то она гласит, что интерфейс может быть мощным инструментом рассказа.
17:55
And as we collect more and more personally and socially relevant data,
411
1060000
4000
И так как мы собираем всё больше и больше персональной и социально значимой информации,
17:59
we have an opportunity, and maybe even an obligation,
412
1064000
2000
у нас есть возможность, или даже обязательство,
18:01
to maintain the humanity and tell some amazing stories
413
1066000
2000
сохранять присущие человеку качества и рассказывать удивительные истории,
18:03
as we explore and collaborate together.
414
1068000
2000
познавая и сотрудничая вместе.
18:05
Thanks a lot.
415
1070000
2000
Большое спасибо.
18:07
(Applause)
416
1072000
4000
(Аплодисменты)
ABOUT THE SPEAKER
Aaron Koblin - Data artistAaron Koblin is an artist specializing in data and digital technologies. His work takes real world and community-generated data and uses it to reflect on cultural trends and the changing relationship between humans and technology.
Why you should listen
Aaron Koblin finds art through the unlikely confluence of massive data sets and personal intimacy. His work ranges from animating the paths of every North American airline flight, to using Amazon’s Mechanical Turk crowdsourcing platform to pay workers to “draw a sheep facing left,” which were then placed in "The Sheep Market."
Koblin was creative director for Johnny Cash's final music video, "Ain't No Grave," and worked on Radiohead’s video “House of Cards,” both of which received a Grammy nomination. He is now the Creative Director of the Data Arts team in Google's Creative Lab. His team collaborated with Arcade Fire to produce an online music video that allows viewers to incorporate images of their home neighborhood into the experience using Google Street View.
Aaron Koblin | Speaker | TED.com