TEDxVancouver
Jer Thorp: Make data more human
Filmed:
Readability: 4.1
300,699 views
Jer Thorp creates beautiful data visualizations to put abstract data into a human context. At TEDxVancouver, he shares his moving projects, from graphing an entire year’s news cycle, to mapping the way people share articles across the internet.
(Filmed at TEDxVancouver.)
Jer Thorp - Data artist
Jer Thorp’s work focuses on adding meaning and narrative to huge amounts of data as a way to help people take control of the information that surrounds them. Full bio
Jer Thorp’s work focuses on adding meaning and narrative to huge amounts of data as a way to help people take control of the information that surrounds them. Full bio
Double-click the English transcript below to play the video.
00:10
I want to talk to you about two
of the most exciting possible things.
of the most exciting possible things.
0
1674
6250
Я хочу поговорить о двух
наиболее волнующих возможных событиях.
наиболее волнующих возможных событиях.
00:16
You've probably guessed what they are --
1
7948
1949
Вы, возможно, догадались,
что речь пойдёт...
что речь пойдёт...
00:18
data and history.
2
9921
2319
что речь пойдёт о данных и истории.
00:21
Right?
3
13211
1171
Правильно?
00:24
So, I'm not a historian.
4
15871
1982
Я не историк.
00:26
I'm not going to give you
a definition of history.
a definition of history.
5
17877
2728
Я не собираюсь говорить,
что такое история.
что такое история.
00:29
But let's think instead
of history within a framework.
of history within a framework.
6
20629
3113
Давайте вместо этого подумаем
об истории в следующем ключе.
об истории в следующем ключе.
00:32
So, when we're making history,
7
23766
1611
Когда мы вершим историю
00:33
or when we're creating
historical documents,
historical documents,
8
25401
2892
или когда мы создаём
исторический документ,
исторический документ,
00:36
we're taking things
that have happened in the past,
that have happened in the past,
9
28317
2428
мы учитываем то, что случилось в прошлом,
00:39
and we're stitching them
together into a story.
together into a story.
10
30769
2552
и мы связываем это в историю.
00:41
So let me start with a little bit
of my own story.
of my own story.
11
33345
2530
Позвольте начать с моей личной истории.
00:44
Like anybody my age
who works creatively with computers,
who works creatively with computers,
12
35899
3678
Как все люди моего возраста,
имеющие дело с компьютерами,
имеющие дело с компьютерами,
00:48
I was a popular, socially
well-adjusted young man --
well-adjusted young man --
13
39601
4456
я был популярным,
социально-приспособленным парнем...
социально-приспособленным парнем...
00:52
(Laughter)
14
44081
1122
(Смех)
00:53
And sporty!
15
45227
2541
и спортивным!
00:56
Sporty young man.
16
47792
1733
Спортивный молодой парень.
00:58
And like a lot of people my age
in the type of business that I'm in,
in the type of business that I'm in,
17
50075
5353
Как и на многих людей моего возраста,
занимающихся аналогичным делом,
занимающихся аналогичным делом,
01:03
I was influenced tremendously by Apple.
18
55452
2645
на меня грандиозное влияние оказала Apple.
01:07
But notice my choice of logo here, right?
19
58635
3722
Обратите внимание на то,
какой логотип я выбрал?
какой логотип я выбрал?
01:10
The Apple on the left,
not the Apple on the right.
not the Apple on the right.
20
62381
3585
Apple слева не то же самое,
что Apple справа.
что Apple справа.
01:15
I'm influenced as much
by the Apple on the right
by the Apple on the right
21
66621
2293
На меня так же повлияла Apple справа,
01:17
as the next person,
22
68938
2083
как и на любого другого,
01:19
but the Apple on the left --
I mean, look at that logo!
I mean, look at that logo!
23
71045
2633
но Apple слева…
просто посмотрите на этот логотип!
просто посмотрите на этот логотип!
01:22
It's a rainbow.
It's not even in the right order!
It's not even in the right order!
24
73702
2397
Это радуга. Да в ней цвета
расположены неправильно!
расположены неправильно!
01:24
(Laughter)
25
76123
1134
(Смех)
01:25
That's how crazy Apple was.
26
77281
2273
Именно такой сумасшедшей была Apple.
01:28
(Laughter)
27
79578
1037
(Смех)
01:29
But I don't want to talk too much
about the company.
about the company.
28
80639
2945
Но я не хочу говорить
слишком много о компании.
слишком много о компании.
01:32
I'll start talking about
a machine, though.
a machine, though.
29
83608
2177
Я лучше поговорю об устройствах.
01:34
How amazing it is to think about this.
I go back and I think about this.
I go back and I think about this.
30
85809
4127
Как же восхитительно думать об этом.
Я вспоминаю и думаю об этом.
Я вспоминаю и думаю об этом.
01:38
Wednesday -- one Wednesday,
when I was about 12 years old,
when I was about 12 years old,
31
89960
3314
Среда… та среда,
когда мне было около 12 лет,
когда мне было около 12 лет,
01:41
I didn't have a computer.
32
93298
2111
у меня не было компьютера.
01:44
On Thursday, I had a computer.
33
96034
2779
В четверг он появился.
01:48
Can you imagine that change?
34
99965
1999
Вы можете представить изменения?
01:50
It's so drastic.
35
102417
1681
Они радкальны.
01:52
I can't even think about anything
that could change our lives that way.
that could change our lives that way.
36
104122
3451
Я даже не могу придумать ничего,
настолько изменившего нашу жизнь.
настолько изменившего нашу жизнь.
01:56
But I'm actually not even going
to talk about the computer.
to talk about the computer.
37
107597
2767
На самом деле я не собираюсь
говорить о компьютерах.
говорить о компьютерах.
01:58
I'm going to talk about a program
that came loaded on that computer.
that came loaded on that computer.
38
110388
3230
Я расскажу о программе, которая
была установлена на том компьютере.
была установлена на том компьютере.
02:02
And it was build by,
not the guy on the left,
not the guy on the left,
39
113642
2272
И она была написана не парнем слева,
02:04
but the guy on the right.
40
115938
1435
а парнем справа.
02:05
Does anybody know
who the guy on the right is?
who the guy on the right is?
41
117397
2144
Кто-нибудь знает, кто этот парень справа?
02:09
Nobody ever knows the answer
to this question.
to this question.
42
121161
2410
Никто не знает ответ.
02:12
This is Bill Atkinson.
43
123595
1686
Это Билл Аткинсон.
02:13
And Bill Atkinson was responsible
for tons of things
for tons of things
44
125305
3107
Билл Актинсон отвечал за множество вещей,
02:16
that you see on your computer every day.
45
128436
2482
которые вы каждый день
видите на своём компьютере.
видите на своём компьютере.
02:19
But I want to talk about one program
that Bill Atkinson wrote,
that Bill Atkinson wrote,
46
130942
3107
Я хочу рассказать о программе,
написанной Биллом Аткинсоном,
написанной Биллом Аткинсоном,
02:22
called HyperCard.
47
134073
1500
под названием HyperCard.
02:25
Someone's cheering over there.
48
137025
2160
Слышу одобрительные возласы.
02:27
(Laughter)
49
139209
1205
(Смех)
02:28
HyperCard was a program
that shipped with the Mac,
that shipped with the Mac,
50
140438
2602
HyperCard — это программа,
которая шла вместе с Mac,
которая шла вместе с Mac,
02:31
and it was designed
for users of the computer
for users of the computer
51
143064
2569
она была разработана
для пользователей компьютера,
для пользователей компьютера,
02:34
to make programs on their computers.
52
145657
3197
чтобы писать программы.
02:38
Crazy idea today.
53
149505
1597
Безумная идея на сегодня.
02:39
And these programs were not the apps
that we think about today,
that we think about today,
54
151126
2973
Эти программы — это не приложения,
которые мы знаем сегодня
которые мы знаем сегодня
02:42
with their large budgets
and their big distribution.
and their big distribution.
55
154123
2449
с их огромным бюджетом
и широким распространением.
и широким распространением.
02:45
These were small things,
56
156596
1189
Это простые программы,
02:46
people making applications to keep track
of their local basketball team scores
of their local basketball team scores
57
157809
3882
чтобы люди следили за счётом
своей любимой баскетбольной команды
своей любимой баскетбольной команды
02:50
or to organize their research
58
161715
2825
или организовали своё исследование,
02:53
or to teach people about classical music
59
164564
3016
или обучали классической музыке,
02:56
or to calculate weird astronomical dates.
60
167604
4095
или вели странный
астрономический календарь.
астрономический календарь.
03:00
And then, of course,
there were some art projects.
there were some art projects.
61
171723
2381
Конечно, далее пошли
несколько творческих проектов.
несколько творческих проектов.
03:02
This is my favorite one.
62
174128
1220
Этот — мой любимый.
03:03
It's called "If Monks Had Macs,"
63
175372
2089
Он называется «Если бы у монахов был Mac»,
03:05
and it's a nonlinear
kind of exploratory environment.
kind of exploratory environment.
64
177485
4534
это нелинейная исследовательская среда.
03:10
I thank the stars for HyperCard
all of the time.
all of the time.
65
182043
5573
Я всё время благодарю судьбу
за HyperCard.
за HyperCard.
03:16
And I thank the stars
for putting me in this era
for putting me in this era
66
187640
2447
И я благодарен судьбе за то,
что родился в то время,
что родился в то время,
03:18
where I got to use HyperCard.
67
190111
2300
когда я мог использовать HyperCard.
03:20
HyperCard was the last program to ship
on a public computer
on a public computer
68
192435
4640
HyperCard была последней программой,
установленной на общедоступный компьютер,
установленной на общедоступный компьютер,
03:25
that was designed for the users
of the computer to make programs with it.
of the computer to make programs with it.
69
197099
5129
которая была разработана для того,
чтобы пользователи писали программы.
чтобы пользователи писали программы.
03:30
If you talked to the people
who invented the computer
who invented the computer
70
202252
2705
Если бы вы сказали людям,
которые изобрели компьютер,
которые изобрели компьютер,
03:33
and you told them there would be
a day, a magical day,
a day, a magical day,
71
204981
2749
что однажды наступит день,
волшебный день,
волшебный день,
03:36
when everybody had a computer
but none of them knew how to program,
but none of them knew how to program,
72
207754
5062
когда у каждого будет компьютер, но никто
не будет знакóм с программированием,
не будет знакóм с программированием,
03:41
they would think you were crazy.
73
212840
1811
они бы подумали, что вы сошли с ума.
03:43
So let's skip forward a few years.
74
215486
1664
Перейдём на пару лет вперёд.
03:45
I'm starting my career as an artist,
75
217174
2588
Я начинаю карьеру художника,
03:48
and I'm building things
with my computer, small-scale things,
with my computer, small-scale things,
76
219786
3962
я рисую на компьютере: мелкие детали,
03:52
investigating things like
the growth systems of plants.
the growth systems of plants.
77
223772
3603
изучаю рост системы растений.
03:55
Or, in this example, I'm building
a simulated economy
a simulated economy
78
227399
2999
А здесь я построил модель экономики,
03:58
in which pixels are trading color
with one another,
with one another,
79
230422
3961
в которой пиксели обмениваются
цветом друг с другом,
цветом друг с другом,
04:02
trying to investigate how
these types of systems work,
these types of systems work,
80
234407
2575
пытаясь понять,
как функционируют эти системы,
как функционируют эти системы,
04:05
and just kind of having fun.
81
237006
1402
и просто веселюсь.
04:06
And then this project led me
to start working with data.
to start working with data.
82
238432
2628
Позже этот проект привёл меня
к работе с данными.
к работе с данными.
04:09
So I'm building graphics like this,
83
241084
2989
Я строю графики, подобные этому,
04:12
which compare "communism" --
84
244097
2594
которые сравнивают «коммунизм»,
04:15
the frequency of usage of the word
"communism" in the New York Times --
"communism" in the New York Times --
85
246715
3395
частоту использования термина
«коммунизм» в газете The New York Times,
«коммунизм» в газете The New York Times,
04:18
to "terrorism," at the top.
86
250134
1937
и «терроризм» наверху.
04:20
You see "terrorism" kind of appears
as "communism" is going away.
as "communism" is going away.
87
252095
4625
Как видите, термин «терроризм» появился,
когда «коммунизм» сошёл на нет.
когда «коммунизм» сошёл на нет.
04:25
And with these graphics, I was really
interested in the aesthetic of the graphs.
interested in the aesthetic of the graphs.
88
256744
3816
Занявшись графиками, я начал
интересоваться их эстетикой.
интересоваться их эстетикой.
04:29
This is Iran and Iraq.
89
260584
1150
Это Иран и Ирак.
04:30
It reads like a clock. It's called
a "timepiece graph."
a "timepiece graph."
90
261758
3910
График читается как часы.
Он называется «хронометрический график».
Он называется «хронометрический график».
04:34
This is another timepiece graph,
overlaying "despair" over "hope."
overlaying "despair" over "hope."
91
265692
5711
Это ещё один хронографик,
сравнивающий «отчаяние» и «надежду».
сравнивающий «отчаяние» и «надежду».
04:39
And there's only three times -- actually,
it's "crisis" over "hope" --
it's "crisis" over "hope" --
92
271427
3310
И только три раза,
вообще-то, это «кризис» и «надежда»,
вообще-то, это «кризис» и «надежда»,
04:43
there's only three times
when "crisis" eclipses "hope."
when "crisis" eclipses "hope."
93
274761
2609
только три раза «кризис»
превзошёл «надежду».
превзошёл «надежду».
04:45
We're in the middle
of one of them right now.
of one of them right now.
94
277394
2155
Мы в центре одного из них прямо сейчас.
04:48
But don't think about that too much.
95
279573
1772
Но не думайте об этом.
04:49
(Laughter)
96
281369
1888
(Смех)
04:51
And finally, the culmination of this work
with the New York Times data
with the New York Times data
97
283281
3780
Наконец, кульминация работы
с информацией в The New York TImes.
с информацией в The New York TImes.
04:55
a few years ago
98
287085
1202
Несколько лет назад
04:56
was the attempt to combine
an entire year's news cycle
an entire year's news cycle
99
288311
3176
была попытка соединить
весь цикл новостей за год
весь цикл новостей за год
05:00
into a single graphic.
100
291511
1313
в один график.
05:01
So these graphics actually show us
a full year of news, all the people,
a full year of news, all the people,
101
292848
4227
Эти графики отображают
все новости за год, всех личностей
все новости за год, всех личностей
05:05
and how they're connected
into a single graphic.
into a single graphic.
102
297099
2630
и что их объединяет в один график.
05:08
And from there, I started to be
interested again in more active systems.
interested again in more active systems.
103
299753
3938
С того момента я снова начал
интересоваться более активными системами.
интересоваться более активными системами.
05:12
Here's a project called "Just Landed,"
104
303715
2264
Этот проект называется
«Только приземлились»,
«Только приземлились»,
05:14
where I'm looking at people
tweeting on Twitter.
tweeting on Twitter.
105
306003
3151
мы просматривали сообщения в Твиттере.
05:17
"Hey! I just landed
in Hawaii!" -- you know,
in Hawaii!" -- you know,
106
309178
2060
«Привет! Я только что
прилетел на Гавайи!» —
прилетел на Гавайи!» —
05:19
how people just casually try to sneak
that into their Twitter conversation.
that into their Twitter conversation.
107
311262
3702
так люди невзначай
начинают беседу в Твиттере.
начинают беседу в Твиттере.
05:23
"I'm not showing off. Really.
But I did just land in Hawaii."
But I did just land in Hawaii."
108
314988
3117
«Я не хвастаюсь. Правда.
Но я только что прилетел на Гавайи».
Но я только что прилетел на Гавайи».
05:26
And then I'm plotting
those people's trips,
those people's trips,
109
318129
2743
Затем я связываю воедино
путешествия людей,
путешествия людей,
05:29
in the hopes that maybe
we can use social network
we can use social network
110
320896
3212
в надежде, что мы можем
использовать социальные сети
использовать социальные сети
05:32
and the data that it leaves behind
111
324132
1681
и информацию в них,
05:34
to provide a model of how people move,
112
325837
2199
чтобы построить модель передвижения людей,
05:36
which would be valuable
to epidemiologists, among other people.
to epidemiologists, among other people.
113
328060
2975
которая будет полезна
для эпидемиологов и других людей.
для эпидемиологов и других людей.
05:39
And, more fun -- this
is a similar project,
is a similar project,
114
331059
2579
Более весёлый подобный проект,
05:42
looking at people
saying "Good morning" to each other
saying "Good morning" to each other
115
333662
2491
отслеживающий пожелания
«С добрым утром!» друг другу
«С добрым утром!» друг другу
05:44
all around the world.
116
336177
1183
по всему миру.
05:45
Which taught me, by the way,
117
337384
1434
Кстати, мне стало известно,
05:47
that it is true that people in Vancouver
on the West Coast wake up much later
on the West Coast wake up much later
118
338842
4350
что люди в Ванкувере и на западном
побережье действительно просыпаются позже
побережье действительно просыпаются позже
05:51
and say "Good morning" much later
119
343216
1583
и желают доброго утра позже,
05:53
than the people on the East Coast,
120
344823
1861
чем на восточном побережье,
05:55
who are more adventurous.
121
346708
1799
где люди более предприимчивы.
05:57
Here's a more useful -- maybe -- project,
122
348531
1974
Это более полезный, наверное, проект,
05:59
where I took all the information
from the Kepler Project
from the Kepler Project
123
350529
3351
я взял всю информацию из проекта «Кеплер»
06:02
and tried to put it into some visual form
that made sense to me.
that made sense to me.
124
353904
3043
и попытался придать визуальную форму,
что для меня было логично.
что для меня было логично.
06:05
And I should say that everything
I've shown you up to now --
I've shown you up to now --
125
356971
2884
Должен сказать, что всё то,
что я вам сейчас показываю,
что я вам сейчас показываю,
06:08
these are all things
that I just did for fun.
that I just did for fun.
126
359879
2152
было сделано ради развлечения.
06:10
It may seem weird,
but this comes back from HyperCard.
but this comes back from HyperCard.
127
362055
2735
Это может казаться странным,
но это началось с HyperCard.
но это началось с HyperCard.
06:13
I'm building tools for myself.
128
364814
1830
Я пишу инструменты для себя.
06:15
I may share them with a few other people,
129
366668
1983
Я могу поделиться ими с парой человек,
06:17
but they're for fun, they're for me.
130
368675
2107
но они ради развлечения, для меня.
06:21
So, all these tools I show you
kind of occupy this weird space
kind of occupy this weird space
131
373341
3970
Я показываю вам эти инструменты,
чтобы заполнить пространство
между наукой, искусством и дизайном.
между наукой, искусством и дизайном.
06:25
somewhere between science, art and design.
132
377335
2544
06:28
That's where my practice lies.
133
379903
1805
Вот где находится то, что я делаю.
06:30
And still today,
from my experience with HyperCard,
from my experience with HyperCard,
134
381732
3156
До сих пор, начиная с работы с HyperCard,
06:33
what I'm doing is building visual tools
to help me understand systems.
to help me understand systems.
135
384912
4230
я занимаюсь тем, что создаю визуальные
инструменты, помогающие понять системы.
инструменты, помогающие понять системы.
Сегодня я работаю в The New York Times.
06:38
So today, I work at the New York Times.
136
390083
2221
Я художник новостей, временно
работающий в The New York Times.
работающий в The New York Times.
06:40
I'm the data artist in residence
at the New York Times.
at the New York Times.
137
392328
2873
06:43
And I've had an opportunity at the Times
138
395225
1933
В «Таймс» я получил возможность работать
06:45
to work on a variety
of really interesting projects,
of really interesting projects,
139
397182
2464
над множеством действительно
интересных проектов,
интересных проектов,
06:48
two of which I'm going
to share with you today.
to share with you today.
140
399670
2222
двумя из которых я собираюсь
поделиться с вами.
поделиться с вами.
06:50
The first one, I've been working on
in conjunction with Mark Hansen.
in conjunction with Mark Hansen.
141
401916
3202
Над первым я работал совместно
с Марком Хансеном.
с Марком Хансеном.
06:53
Mark Hansen is a professor of statistics
at UCLA. He's also a media artist.
at UCLA. He's also a media artist.
142
405142
5142
Марк Хансен — преподаватель статистики
в УКЛА. Также он медиахудожник.
в УКЛА. Также он медиахудожник.
06:58
And Mark came to the Times
with a very interesting question
with a very interesting question
143
410308
2786
Марк пришёл в «Таймс»
с очень интересным вопросом,
с очень интересным вопросом,
07:01
to what may seem like an obvious problem:
144
413118
2660
который может казаться очевидным:
07:04
When people share content on the internet,
145
415802
3151
когда люди делятся контентом в интернете,
07:07
how does that content get
from person A to person B?
from person A to person B?
146
418977
3615
как он попадает
от человека А к человеку Б?
от человека А к человеку Б?
07:11
Or maybe, person A to person B
to person C to person D?
to person C to person D?
147
423358
4724
Или от человека А к человеку Б,
человеку В, человеку Г?
человеку В, человеку Г?
07:16
We know that people share content
in the internet,
in the internet,
148
428106
2354
Понятно, что люди делятся
контентом в интернете,
контентом в интернете,
07:18
but what we don't know
is what happens in that gap
is what happens in that gap
149
430484
2358
но мы не знаем, что случается
в промежутке между одним
человеком и другим.
человеком и другим.
07:21
between one person to the other.
150
432866
1791
07:23
So we decided to build
the tool to explore that,
the tool to explore that,
151
434681
2356
Мы решили создать инструмент,
чтобы выяснить это,
чтобы выяснить это,
07:25
and this tool is called Cascade.
152
437061
1823
он называется Cascade.
07:27
If we look at these systems
153
439471
2595
Все эти системы
07:30
that start with one event
that leads to other events,
that leads to other events,
154
442090
4430
начинаются с одного события
и ведут к другому событию,
и ведут к другому событию,
07:35
we call that structure a cascade.
155
446544
2238
мы называем это каскадом.
07:37
And these cascades
actually happen over time.
actually happen over time.
156
448806
2409
Эти каскады появляются
через какое-то время.
через какое-то время.
07:39
So we can model these things over time.
157
451239
2020
Мы можем смоделировать
это в перспективе.
это в перспективе.
07:41
Now, the New York Times has
a lot of people who share our content,
a lot of people who share our content,
158
453283
4031
Сегодня многие люди делятся
контентом из The New York Times,
контентом из The New York Times,
07:45
so the cascades do not look like that one,
they look more like this.
they look more like this.
159
457338
3491
поэтому каскады не выглядят так,
они выглядят вот так.
они выглядят вот так.
07:49
Here's a typical cascade.
160
460853
1540
Это типичный каскад.
07:50
At the bottom left, the very first event.
161
462417
2714
В левом нижнем углу самое первое событие.
07:54
And then as people are sharing
the content from one person to another,
the content from one person to another,
162
466237
4272
Люди начинают делиться
этим контентом друг с другом,
этим контентом друг с другом,
07:59
we go up in the Y axis,
degrees of separation,
degrees of separation,
163
470533
3794
мы поднимаемся по оси y,
степени разделения,
степени разделения,
08:02
and over on the X axis, for time.
164
474351
2768
и по оси x — по времени.
08:05
So we're able to look at that conversation
in a couple of different views:
in a couple of different views:
165
477143
3501
Мы можем посмотреть на эти
обсуждения под разными углами:
обсуждения под разными углами:
08:09
this one, which shows us
the threads of conversation,
the threads of conversation,
166
480668
2615
это показывает тему обсуждения,
08:11
and this one, which combines
that stacked view
that stacked view
167
483307
3194
а это объединяет общий вид
08:15
with a view that lets us see the threads.
168
486525
2932
и вид на треды.
08:18
Now, the Times publishes
about 7,000 pieces of content
about 7,000 pieces of content
169
489924
3345
Сейчас «Таймс» публикует
около 7 000 статей
около 7 000 статей
08:21
every month.
170
493293
1210
каждый месяц.
08:23
So it was important for us,
when we were building this tool,
when we were building this tool,
171
494527
2842
При создании этого инструмента
для нас было важно
для нас было важно
08:25
to make it an exploratory one,
172
497393
1633
сделать его исследовательским,
08:27
so that people could dig through
this vast terrain of data.
this vast terrain of data.
173
499050
4207
чтобы люди могли прорваться
через огромный массив данных.
через огромный массив данных.
08:31
I think of it as a vehicle
that we're giving people
that we're giving people
174
503281
2436
Я рассматриваю это как
транспорт, данный людям,
транспорт, данный людям,
08:34
to traverse this really big
terrain of data.
terrain of data.
175
505741
3473
чтобы продвигаться через
этот огромный массив данных.
этот огромный массив данных.
08:37
So here's what it really looks like,
176
509238
1718
Вот как это выглядит на самом деле,
08:39
and here's the cascade
playing in real time.
playing in real time.
177
510980
2740
вот как каскад действует
в режиме реального времени.
в режиме реального времени.
08:42
I have to say, this was
a tremendous moment.
a tremendous moment.
178
513744
2079
Должен сказать, что это было грандиозно.
08:44
We had been working with canned
data, fake data, for so long,
data, fake data, for so long,
179
515847
4017
Мы так долго работали с искусственными
данными, с фальшивыми данными,
данными, с фальшивыми данными,
08:48
that when we saw this
for the first moment,
for the first moment,
180
519888
2805
что когда мы увидели это впервые,
08:51
it was like an archaeologist who had
just dusted off these dinosaur bones.
just dusted off these dinosaur bones.
181
522717
4878
то выглядели как археологи, которые
только что обнаружили кости динозавра.
только что обнаружили кости динозавра.
08:56
We discovered this thing,
and we were seeing it for the first time,
and we were seeing it for the first time,
182
527619
3878
Мы сделали открытие,
мы видели это впервые,
мы видели это впервые,
09:00
these sharing structures
that underlie the internet.
that underlie the internet.
183
531521
3712
эти структуры обмена,
лежащие в основе интернета.
лежащие в основе интернета.
09:04
And maybe the dinosaur
analogy is a good one,
analogy is a good one,
184
536475
2105
Аналогия с динозаврами очень хороша,
09:07
because we're actually making
some probabilistic guesses
some probabilistic guesses
185
538604
3047
потому что мы лишь делаем
вероятные догадки о том,
вероятные догадки о том,
09:10
about how these things link.
186
541675
1359
как соединяются эти вещи.
09:11
We're looking at some of these
pieces and making some guesses,
pieces and making some guesses,
187
543058
2926
Мы смотрим на некоторые части
и выносим предположения,
и выносим предположения,
09:14
but we try to make sure that those
are as statistically rigorous as possible.
are as statistically rigorous as possible.
188
546008
3937
мы хотим убедиться, что всё статистически
строго, насколько это возможно.
строго, насколько это возможно.
09:19
Now tweets, in this case,
they become parts of stories.
they become parts of stories.
189
550720
4662
В данном случае твиты
становятся частью историй.
становятся частью историй.
09:23
They become parts of narratives.
190
555406
1925
Они становятся частью повествования.
09:25
So we are building histories here,
191
557355
2420
Здесь мы строим истории,
09:28
but they're very short-term histories.
192
559799
2175
но очень краткосрочные.
09:30
And sometimes these very large cascades
are the most interesting ones,
are the most interesting ones,
193
561998
3838
Иногда подобные огромные каскады
представляют наибольший интерес,
представляют наибольший интерес,
09:34
but sometimes the small ones
are also interesting.
are also interesting.
194
565860
3135
но иногда намного интереснее
те, что поменьше.
те, что поменьше.
09:37
This is one of my favorites.
We call this the "Rabbi Cascade."
We call this the "Rabbi Cascade."
195
569019
3525
Этот — один из моих любимых.
Мы называем его «Каскад раввинов».
Мы называем его «Каскад раввинов».
09:41
It's a conversation amongst rabbis
about this article in the New York Times,
about this article in the New York Times,
196
572568
5089
Это беседа раввинов
об этой статье в The New York Times
об этой статье в The New York Times
09:46
about the fact that religious workers
don't get a lot of time off.
don't get a lot of time off.
197
577681
3772
о том, что у религиозных служителей
мало свободного времени.
мало свободного времени.
09:49
I guess Saturdays and Sundays are bad days
for them to take off.
for them to take off.
198
581477
4035
Я полагаю, что субботы и воскресенья
для них не выходные.
для них не выходные.
09:54
So, in this cascade, there's a group
of rabbis having a conversation
of rabbis having a conversation
199
585536
3692
В этом каскаде видно,
что группа раввинов обсуждает
что группа раввинов обсуждает
09:57
about a New York Times story.
200
589252
1402
статью в The New York Times.
09:59
One of them has the best
Twitter name ever --
Twitter name ever --
201
590678
2124
У одного из них лучший
никнейм в Твиттере:
никнейм в Твиттере:
10:01
he's called "The Velveteen Rabbi."
202
592826
1855
«The Velveteen Rabbi».
10:03
(Laughter)
203
594705
2323
(Смех)
10:05
But we would have never found this
if it weren't for this exploratory tool.
if it weren't for this exploratory tool.
204
597052
4507
Но мы бы никогда не обнаружили это,
если бы не исследовательский инструмент.
если бы не исследовательский инструмент.
10:10
This would just be sitting somewhere,
205
601583
1802
Беседа бы происходила,
10:11
and we would have never
been able to see that.
been able to see that.
206
603409
2186
а мы бы никогда это не увидели.
10:14
But this exercise of taking
single pieces of information
single pieces of information
207
605619
4141
Но я нахожу крайне интересным
10:18
and building narrative structures,
building histories out of them,
building histories out of them,
208
609784
4221
построение повествовательных структур,
построение историй из них,
построение историй из них,
10:22
I find tremendously interesting.
209
614029
1925
имея крайне малое количество информации.
10:24
You know, I moved to New York
about two years ago.
about two years ago.
210
616319
2344
Знаете, я переехал в Нью-Йорк
два года назад.
два года назад.
10:27
And in New York, everybody has a story
211
618687
2720
В Нью-Йорке у каждого есть история,
10:29
that surrounds this
tremendously impactful event
tremendously impactful event
212
621431
2960
которая окружает столь значимое событие,
10:32
that happened on September 11 of 2001.
213
624415
2299
случившееся 11 сентября 2001 года.
10:35
And my own story with September 11
has really become a more intricate one,
has really become a more intricate one,
214
627373
6367
Моя личная история с 11 сентября
стала по-настоящему запутанной,
стала по-настоящему запутанной,
10:42
because I spent a great deal of time
215
633764
2064
потому что я провёл долгое время,
10:44
working on a piece
of the 9/11 Memorial in Manhattan.
of the 9/11 Memorial in Manhattan.
216
635852
4149
работая над частью
Мемориала 11 сентября на Манхэттене.
Мемориала 11 сентября на Манхэттене.
10:49
The central idea about the 9/11 Memorial
217
640530
2564
Главная идея Мемориала в том,
10:51
is that the names in the memorial
are not laid out in alphabetical order
are not laid out in alphabetical order
218
643118
4459
что имена располагаются
не в алфавитном порядке
не в алфавитном порядке
10:56
or chronological order,
219
647601
1685
или хронологическом,
10:57
but instead, they're laid out in a way
220
649310
1824
имена выложены в таком порядке,
10:59
in which the relationships
between the people who were killed
between the people who were killed
221
651158
3424
чтобы отразить взаимоотношения
11:03
are embodied in the memorial.
222
654606
1960
между погибшими людьми.
11:05
Brothers are placed next to brothers,
223
657153
2538
Брат рядом с братом,
11:08
coworkers are placed together.
224
659715
2185
коллеги расположены вместе.
11:10
So this memorial actually considers
all of these myriad connections
all of these myriad connections
225
661924
4665
Этот мемориал по своей сути
содержит бесконечное количество связей,
содержит бесконечное количество связей,
11:15
that were part of these people's lives.
226
666613
2421
которые были частью жизни людей.
11:18
I worked with a company
called Local Projects
called Local Projects
227
670310
3433
Я работал в компании Local Projects,
11:22
to work on an algorithm
and a software tool
and a software tool
228
673767
2674
разрабатывал алгоритм
и программный инструмент,
и программный инструмент,
11:24
to help the architects build
the layout for the memorial:
the layout for the memorial:
229
676465
3004
который помог архитекторам
сделать проект мемориала:
сделать проект мемориала:
11:28
almost 3,000 names
230
680331
1722
практически 3 000 имён
11:30
and almost 1,500 of these
adjacency requests,
adjacency requests,
231
682077
3627
и практически 1 500 запросов на смежность,
11:34
these requests for connection --
232
685728
1610
этих запросов на связь и родство,
11:35
so a very dense story,
a very dense narrative,
a very dense narrative,
233
687362
3386
очень концентрированная история,
очень плотное повествование
очень плотное повествование
11:39
that becomes an embodied part
of this memorial.
of this memorial.
234
690772
2816
были воплощены в мемориале.
11:42
Working with Jake Barton,
we produce the software tool,
we produce the software tool,
235
694195
3331
Мы с Джейком Бартоном разработали
программный инструмент,
программный инструмент,
11:46
which allows the architects to,
first of all, generate a layout
first of all, generate a layout
236
697550
4119
который помог архитекторам,
в первую очередь, создать проект,
в первую очередь, создать проект,
11:50
that satisfied all of those
adjacency requests,
adjacency requests,
237
701693
3129
который соответствовал всем
запросам на смежность,
запросам на смежность,
11:53
but then second, make little adjustments
where they needed to
where they needed to
238
704846
3033
а во-вторых, вносить небольшие
корректировки там,
корректировки там,
11:56
to tell the stories
that they wanted to tell.
that they wanted to tell.
239
707903
2348
где они хотели рассказать
определённую историю.
определённую историю.
11:59
So this memorial, I think,
has an incredibly timely concept
has an incredibly timely concept
240
711219
4135
Я считаю, что у этого мемориала
невероятно современная концепция
невероятно современная концепция
12:03
in our era of social networks,
241
715378
2990
для эпохи социальных сетей,
12:06
because these networks -- these real-life
networks that make up people's lives --
networks that make up people's lives --
242
718392
3975
потому что эти сети, эти реальные сети,
формирующие жизни людей,
формирующие жизни людей,
12:10
are actually embodied
inside of the memorial.
inside of the memorial.
243
722391
2432
отражены в идее мемориала.
12:13
And one of the most tremendously
moving experiences
moving experiences
244
725286
3471
Чтобы прочувствовать всю грандиозность,
12:17
is to go to the memorial
245
728781
1661
нужно прийти на мемориал
12:18
and see how these people
are placed next to each other,
are placed next to each other,
246
730466
4200
и увидеть, как расположены имена людей,
12:23
so that this memorial
is representing their own lives.
is representing their own lives.
247
734690
2862
мемориал будто олицетворяет их жизни.
12:27
How does this affect our lives?
248
738859
1687
Как это влияет на нашу жизнь?
12:29
Well, I don't know if you remember,
249
741133
1676
Если вы помните,
12:31
but in the spring,
there was a controversy,
there was a controversy,
250
742833
2713
весной сложилась противоречивая ситуация,
12:34
because it was discovered
that on the iPhone
that on the iPhone
251
745570
2198
было обнаружено, что iPhone
12:36
and, actually, on your computer,
252
747792
1606
и, как ни странно, компьютеры
12:37
we were storing a tremendous amount
of the location data.
of the location data.
253
749422
3315
запоминали огромное количество
сведений о местоположении.
сведений о местоположении.
12:41
So Apple responded, saying,
this was not location data about you,
this was not location data about you,
254
753173
3861
Apple ответили, что это не сведения
о вашем местоположении,
о вашем местоположении,
12:45
it was location data
about wireless networks
about wireless networks
255
757058
2805
а сведения о местоположении
беспроводных сетей,
беспроводных сетей,
12:48
that were in the area where you are.
256
759887
2287
которые находились рядом с вами.
12:50
So it's not about you,
257
762198
1428
Речь не о вас,
12:52
but it's about where you are.
258
763650
1584
а о том, где вы находитесь.
12:53
(Laughter)
259
765258
1648
(Смех)
12:55
This is very valuable data.
260
766930
2808
Это очень ценная информация.
12:58
It's like gold to researchers,
this human-mobility data.
this human-mobility data.
261
769762
4625
Данные о человеческих передвижениях —
это золотая жила для исследователей.
это золотая жила для исследователей.
13:02
So we thought, "Man!
How many people have iPhones?"
How many people have iPhones?"
262
774411
3664
Мы подумали: «Чёрт побери! У скольких
людей есть iPhone?»
людей есть iPhone?»
13:06
How many of you have iPhones?
263
778099
1448
У скольких из вас есть iPhone?
13:09
So in this room, we have this tremendous
database of location data
database of location data
264
780608
5478
В этом зале находится огромная
база данных о местоположении,
база данных о местоположении,
13:14
that researchers
would really, really like.
would really, really like.
265
786110
3775
которая безумно
понравилась бы исследователям.
понравилась бы исследователям.
13:18
So we built this system called Open Paths,
266
789909
2031
Мы построили систему Open Paths,
13:20
which lets people upload their iPhone data
267
791964
2656
которая позволяет людям загружать
свои данные с iPhone,
свои данные с iPhone,
13:23
and broker relationships
with researchers to share that data,
with researchers to share that data,
268
794644
3796
выступая посредником
по отношению к исследователям,
по отношению к исследователям,
13:26
to donate that data to people
that can actually put it to use.
that can actually put it to use.
269
798464
3387
предоставляя данные тем людям,
которым она может пригодиться.
которым она может пригодиться.
13:30
Open Paths was a great
success as a prototype.
success as a prototype.
270
802256
2350
Open Paths стала успешной
прототипной разработкой.
прототипной разработкой.
13:33
We received thousands of data sets,
271
804630
3433
Мы получили тысячи комплектов данных,
13:36
and we built this interface
272
808087
1349
мы написали интерфейс,
13:37
which allows people to actually
see their lives unfolding
see their lives unfolding
273
809460
3318
позволяющий людям увидеть,
как разворачивается их жизнь
как разворачивается их жизнь
13:41
from these traces
that are left behind on your devices.
that are left behind on your devices.
274
812802
3156
в недрах вашего устройства.
13:45
Now, what we didn't expect
was how moving this experience would be.
was how moving this experience would be.
275
816593
5267
Но мы действительно не ожидали,
что это так трогательно.
что это так трогательно.
13:50
When I uploaded my data,
I thought, "Big deal.
I thought, "Big deal.
276
821884
2227
Я загрузил свои данные,
и подумал: «Тоже мне.
и подумал: «Тоже мне.
13:52
I know where I live. I know where I work.
What am I going to see here?"
What am I going to see here?"
277
824135
3416
Я знаю, где я живу. Где я работаю.
Что я могу здесь увидеть?»
Что я могу здесь увидеть?»
13:56
Well, it turns out, what I saw
was that moment I got off the plane
was that moment I got off the plane
278
827575
3501
Первое, что я увидел,
как я схожу с самолёта, чтобы начать
как я схожу с самолёта, чтобы начать
13:59
to start my new life in New York;
279
831100
1623
новую жизнь в Нью-Йорке;
14:02
the restaurant where I had Thai food
that first night,
that first night,
280
833588
2606
ресторан, где я в первый вечер
ел тайскую еду,
ел тайскую еду,
14:04
thinking about this new experience
of being in New York;
of being in New York;
281
836218
2953
думая о новом опыте в Нью-Йорке;
14:07
the day that I met my girlfriend.
282
839195
1623
день первой встречи с девушкой.
14:11
This is LaGuardia airport.
283
842587
2275
Аэропорт «Ла-Гуардия».
14:13
(Laughter)
284
844886
1487
(Смех)
14:14
This is this Thai restaurant
on Amsterdam Avenue.
on Amsterdam Avenue.
285
846397
3641
Это тайский ресторан на Амстердам Авеню.
14:19
This is the moment I met my girlfriend.
286
850559
2050
Это момент, когда я встретил свою девушку.
14:22
See how that changes the first time
I told you about those stories
I told you about those stories
287
854146
3451
Видите разницу между первым
способом рассказать истории
способом рассказать истории
14:26
and the second time I told
you about those stories?
you about those stories?
288
857621
2468
и вторым?
14:28
Because what we do
in the tool, inadvertently,
in the tool, inadvertently,
289
860113
3207
То, что делает этот инструмент,
самопроизвольно,
самопроизвольно,
14:31
is we put these pieces of data
into a human context.
into a human context.
290
863344
3115
это адаптирование элементов данных
под человеческий контекст.
под человеческий контекст.
14:35
And by placing data into a human context,
291
866935
2498
Имея человеческий контекст,
14:37
it gains meaning.
292
869457
1474
они начинают приобретать смысл.
14:39
And I think this is tremendously,
tremendously important,
tremendously important,
293
870955
3328
Я думаю, что это крайне и крайне важно,
14:42
because these are our histories
that are being stored on these devices.
that are being stored on these devices.
294
874307
4918
потому что наши устройства
хранят наши истории.
хранят наши истории.
14:49
And by thinking about them that way,
295
880809
1994
Если начать мыслить в этом ключе,
14:52
putting them in a human context --
296
883543
1902
помещая данные в человеческий контекст,
14:53
first of all, what we do with our own data
is get a better understanding
is get a better understanding
297
885469
3662
во-первых, мы начинаем лучше понимать,
14:57
of the type of information
that we're sharing.
that we're sharing.
298
889155
2479
какой именно информацией мы делимся.
15:00
But if we can do this with other data,
if we can put data into a human context,
if we can put data into a human context,
299
891658
4053
Если мы можем сделать то же самое,
но с другими данными,
но с другими данными,
15:04
I think we can change a lot of things,
300
895735
2918
я считаю, мы можем многое изменить,
15:07
because it builds, automatically, empathy
for the people involved in these systems.
for the people involved in these systems.
301
898677
6385
потому что у людей, вовлечённых в систему,
автоматически вырабатывается эмпатия.
автоматически вырабатывается эмпатия.
15:14
And that, in turn, results
in a fundamental respect,
in a fundamental respect,
302
905602
2953
Это, в свою очередь, приводит
к глубокому уважению,
к глубокому уважению,
15:17
which, I believe, is missing
in a large part of technology,
in a large part of technology,
303
908579
3163
которого не хватает
в большинстве технологий,
в большинстве технологий,
15:20
when we start to deal
with issues like privacy,
with issues like privacy,
304
912329
2938
когда мы имеем дело с такими
понятиями, как личная жизнь,
понятиями, как личная жизнь,
15:25
by understanding that these numbers
are not just numbers,
are not just numbers,
305
916765
2717
мы понимаем, что за всеми этими цифрами
15:28
but instead they're attached, tethered to,
pieces of the real world.
pieces of the real world.
306
919506
3619
кроются частички реального мира.
15:31
They carry weight.
307
923149
1506
Они имеют вес.
15:33
By understanding that,
the dialog becomes a lot different.
the dialog becomes a lot different.
308
924679
3332
Когда мы это понимаем,
диалог в корне меняется.
диалог в корне меняется.
15:38
How many of you have ever clicked a button
309
929595
2331
Сколько из вас хотя бы раз
нажимали на кнопку,
нажимали на кнопку,
15:40
that enables a third party to access
your location data on your phone?
your location data on your phone?
310
931950
4987
открывающую третьим лицам доступ
вашего местоположения с телефона?
вашего местоположения с телефона?
15:46
Lots of you.
311
937595
1555
Многие.
15:47
So the third party is the developer,
312
939174
2245
Третье лицо — это разработчик,
15:49
the second party is Apple.
313
941443
1801
другая сторона — Apple.
15:52
The only party that never gets access
to this information is the first party!
to this information is the first party!
314
943954
4823
Единственная сторона, у которой никогда не
будет доступа к этой информации, — первая!
будет доступа к этой информации, — первая!
15:58
And I think that's because we think
about these pieces of data
about these pieces of data
315
950198
3135
Я полагаю, потому что мы
не рассматриваем эти данные
не рассматриваем эти данные
16:01
in this stranded, abstract way.
316
953357
2055
в таком путаном, абстрактном ключе.
16:03
We don't put them into a context
317
955436
1897
Мы не рассматриваем их в контексте,
16:05
which, I think, makes them
a lot more important.
a lot more important.
318
957357
2309
который, по моему мнению,
придаёт им ценность.
придаёт им ценность.
16:08
So what I'm asking you
to do is really simple:
to do is really simple:
319
959690
2166
Я прошу вас сделать очень простую вещь:
16:10
start to think about data
in a human context.
in a human context.
320
961880
2323
начните придавать данным
человеческий контекст.
человеческий контекст.
16:13
It doesn't really take anything.
321
964918
1657
Это не требует больших усилий.
16:15
When you read stock prices,
think about them in a human context.
think about them in a human context.
322
966599
3359
Когда вы видите курс акций,
думайте о них в человеческом контексте.
думайте о них в человеческом контексте.
16:18
When you think about mortgage reports,
think about them in a human context.
think about them in a human context.
323
969982
3542
Когда вы читаете отчёты по ипотеке,
думайте о них в человеческом контексте.
думайте о них в человеческом контексте.
16:22
There's no doubt that big data
is big business.
is big business.
324
973548
3930
Без сомнения, это большие данные
и большой бизнес.
и большой бизнес.
16:26
There's an industry being developed here.
325
977502
3018
Развивается целая индустрия.
16:30
Think about how well we've done
326
981520
1501
Подумайте, как работают
предыдущие индустрии,
предыдущие индустрии,
16:31
in previous industries
that we've developed involving resources.
that we've developed involving resources.
327
983045
3369
ресурсодобывающие.
16:34
Not very well at all.
328
986438
1300
Не так хорошо, как хочется.
16:36
I think part of that problem is, we've had
a lack of participation in these dialogues
a lack of participation in these dialogues
329
987762
4522
Наверное, из-за недостаточного
участия в этих диалогах
участия в этих диалогах
16:40
from multiple pieces of human society.
330
992308
4428
с множеством элементов общества.
16:45
So the other thing that I'm asking for
331
996760
1992
Ещё я прошу
16:48
is an inclusion in this dialogue
from artists, from poets, from writers --
from artists, from poets, from writers --
332
999669
4378
присоединиться к диалогу всех:
художников, поэтов, писателей,
художников, поэтов, писателей,
16:52
from people who can bring a human element
into this discussion.
into this discussion.
333
1004071
4013
людей, которые могут привнести
человеческий элемент в разговор.
человеческий элемент в разговор.
16:57
Because I believe that this world of data
334
1008725
2356
Я верю, что мир данных
16:59
is going to be transformative for us.
335
1011105
3025
ведёт нас к большим переменам.
17:03
And unlike our attempts
with the resource industry
with the resource industry
336
1014687
3169
И в отличие от попыток в ресурсодобывающей
17:06
and our attempts
with the financial industry,
with the financial industry,
337
1017880
2153
и финансовой индустриях,
17:08
by bringing the human
element into this story,
element into this story,
338
1020057
2931
придав истории человеческий элемент,
17:11
I think we can take it
to tremendous places.
to tremendous places.
339
1023012
2178
мы сможем вывести её
на грандиозный уровень.
на грандиозный уровень.
17:14
Thank you.
340
1026203
1155
Спасибо.
17:15
(Applause)
341
1027382
4052
(Аплодисменты)
ABOUT THE SPEAKER
Jer Thorp - Data artistJer Thorp’s work focuses on adding meaning and narrative to huge amounts of data as a way to help people take control of the information that surrounds them.
Why you should listen
Currently the data artist in residence at the New York Times, Jer’s software-based art has been featured all over the world. His former career as a data artist explains why his art often brings big data sets to life and is deeply influenced by science. Originally from Vancouver, he lives in New York City, where, along with his work at the New York Times, he teaches in NYU’s ITP program.
Jer Thorp | Speaker | TED.com