TED2010
Gary Flake: Is Pivot a turning point for web exploration?
Pivot, internet keşfinde bir dönüm noktası mıdır?
Filmed:
Readability: 3.8
751,479 views
Gary Flake, netteki muazzam miktarda resim ve verinin düzenlenmesi ve keşfedilmesi için yeni bir yol olan Pivot uygulamasını tanıtıyor. Çığır açan Seadragon teknolojisi üzerine kurulan uygulama, ağ veritabanları üzerinde muhteşem yakınlaşma, uzaklaşma efektleri ve standart internet taramalarında görülemeyecek türden kalıpların ve bağıntıların keşfini sağlıyor.
Gary Flake - Technologist
Gary Flake is a Technical Fellow at Microsoft, and the founder and director of Live Labs. Full bio
Gary Flake is a Technical Fellow at Microsoft, and the founder and director of Live Labs. Full bio
Double-click the English transcript below to play the video.
00:16
If I can leave you with one big idea today,
0
1000
2000
Bugün size büyük bir fikir verecek olursam,
00:18
it's that the whole of the data
1
3000
2000
o fikir, tükettiğimiz tüm
00:20
in which we consume
2
5000
2000
verilerin, kendilerini
00:22
is greater that the sum of the parts,
3
7000
2000
oluşturan parçalardan büyük olduğudur,
00:24
and instead of thinking about information overload,
4
9000
3000
ve düşünmenizi istediğim, bunu bilgi bombardımanı
00:27
what I'd like you to think about is how
5
12000
2000
olarak görmektense, normalde
00:29
we can use information so that patterns pop
6
14000
3000
bu bilgiye bakarak görülemeyecek model
00:32
and we can see trends that would otherwise be invisible.
7
17000
3000
ve akımları ortaya çıkarmak için kullanılabileceğidir.
00:35
So what we're looking at right here is a typical mortality chart
8
20000
3000
Burada gördüğümüz, yaşa göre sıralanmış tipik bir
00:38
organized by age.
9
23000
2000
ölüm oranı tablosudur.
00:40
This tool that I'm using here is a little experiment.
10
25000
2000
Bu kullandığım araç ise küçük bir deney.
00:42
It's called Pivot, and with Pivot what I can do
11
27000
3000
Adı Pivot ve Pivot ile bu ölümleri
00:45
is I can choose to filter in one particular cause of deaths -- say, accidents.
12
30000
4000
atıyorum kazalar gibi tek bir sebepe göre filtreleyebilirim.
00:49
And, right away, I see there's a different pattern that emerges.
13
34000
3000
Ve, anında, farklı bir şablonun ortaya çıktığını görüyorum.
00:52
This is because, in the mid-area here,
14
37000
2000
Çünkü, bu orta alanda,
00:54
people are at their most active,
15
39000
2000
insanlar en aktif çağlarındalar,
00:56
and over here they're at their most frail.
16
41000
2000
ve burada en narin dönemlerindeler.
00:58
We can step back out again
17
43000
2000
Tekrar bir adım geriye gidebilir
01:00
and then reorganize the data by cause of death,
18
45000
2000
ve verileri ölüm sebeplerine göre yeniden düzenleyebiliriz,
01:02
seeing that circulatory diseases and cancer
19
47000
3000
görüyoruz ki dolaşımla ilgili hastalıklar ve kanser
01:05
are the usual suspects, but not for everyone.
20
50000
3000
olağan şüphelilerdir fakat herkes için değil.
01:08
If we go ahead and we filter by age --
21
53000
3000
Öne gidip yaşa göre filtrelersek,
01:11
say 40 years or less --
22
56000
2000
atıyorum 40 yaş ve altı
01:13
we see that accidents are actually
23
58000
2000
görüyoruz ki kazalar aslında
01:15
the greatest cause that people have to be worried about.
24
60000
3000
insanların en çok endişe etmesi gereken nedendir.
01:18
And if you drill into that, it's especially the case for men.
25
63000
3000
Ve daha derine inerseniz, bu durum özellikle erkekler için geçerlidir.
01:21
So you get the idea
26
66000
2000
Bilgiyi ve verileri
01:23
that viewing information, viewing data in this way,
27
68000
3000
bu şekilde görüntülemenin tıpkı canlı bir
01:26
is a lot like swimming
28
71000
2000
bilgi denizinde yüzmek
01:28
in a living information info-graphic.
29
73000
3000
gibi olduğunu anladınız.
01:31
And if we can do this for raw data,
30
76000
2000
Ve eğer bunu ham veriler için yapabiliyorsak,
01:33
why not do it for content as well?
31
78000
3000
neden içerik için de yapmalıyım?
01:36
So what we have right here
32
81000
2000
Burada gördüğümüz,
01:38
is the cover of every single Sports Illustrated
33
83000
3000
şimdiye kadarki tüm Sports Illustrated dergilerinin
01:41
ever produced.
34
86000
2000
kapaklarıdır.
01:43
It's all here; it's all on the web.
35
88000
2000
Hepsi burda, hepsi internette.
01:45
You can go back to your rooms and try this after my talk.
36
90000
3000
Konuşmamdan sonra eve gidip kendiniz deneyebilirsiniz.
01:48
With Pivot, you can drill into a decade.
37
93000
3000
Pivot ile, on yıllık ayrıntılara inebilirsiniz.
01:51
You can drill into a particular year.
38
96000
2000
Belli bir yıla inebilirsiniz.
01:53
You can jump right into a specific issue.
39
98000
3000
Doğrudan bir sayıya atlayabilirsiniz.
01:56
So I'm looking at this; I see the athletes
40
101000
2000
Buna bakıyorum, bu sayıda görünen
01:58
that have appeared in this issue, the sports.
41
103000
2000
atletlere bakıyorum, spor dalları.
02:00
I'm a Lance Armstrong fan, so I'll go ahead and I'll click on that,
42
105000
3000
Ben Lance Armstrong'un hayranıyım, o yüzden buna tıklayacağım
02:03
which reveals, for me, all the issues
43
108000
2000
bu da bana Lance Armstrong'un
02:05
in which Lance Armstrong's been a part of.
44
110000
2000
geçtiği tüm sayıları ortaya çıkarıyor.
02:07
(Applause)
45
112000
3000
(Alkış)
02:10
Now, if I want to just kind of take a peek at these,
46
115000
3000
Eğer bunlara bir göz atmak istersem,
02:13
I might think,
47
118000
2000
Şöyle düşünebilirim,
02:15
"Well, what about taking a look at all of cycling?"
48
120000
2000
"Bisiklete binme ile ilgili sayılara baksam mı?"
02:17
So I can step back, and expand on that.
49
122000
2000
Bir adım geriye gider ve bunu açarım.
02:19
And I see Greg LeMond now.
50
124000
2000
Ve şimdi Greg Lemond'u görürüm.
02:21
And so you get the idea that when you
51
126000
2000
Anlıyorsunuz ki; bilgi üzerinde
02:23
navigate over information this way --
52
128000
2000
bu şekilde gidip gelerek,
02:25
going narrower, broader,
53
130000
2000
daha dar, daha genişe,
02:27
backing in, backing out --
54
132000
2000
daha öne, daha geriye
02:29
you're not searching, you're not browsing.
55
134000
2000
gitmekle, bir şey aramıyorsunuz, gezinmiyorsunuz.
02:31
You're doing something that's actually a little bit different.
56
136000
2000
Aslında biraz daha farklı olan bir şey yapıyorsunuz.
02:33
It's in between, and we think it changes
57
138000
3000
Arada bir şeydir ve bunun bilgiyi kullanma
02:36
the way information can be used.
58
141000
2000
şeklini değiştireceğini düşünüyoruz.
02:38
So I want to extrapolate on this idea a bit
59
143000
2000
Bu fikri bir sonuca bağlamak istiyorum
02:40
with something that's a little bit crazy.
60
145000
2000
biraz çılgınca bir şey.
02:42
What we're done here is we've taken every single Wikipedia page
61
147000
3000
Burada yaptığımız şey, tüm Vikipedi sayfalarını aldık
02:45
and we reduced it down to a little summary.
62
150000
3000
ve azıcık bir kısaltmaya indirgedik.
02:48
So the summary consists of just a little synopsis
63
153000
3000
Kısaltma, ufak bir özetten
02:51
and an icon to indicate the topical area that it comes from.
64
156000
3000
ve hangi konudan geldiğini belirten bir ikondan oluşuyor.
02:54
I'm only showing the top 500
65
159000
3000
Size burada sadece en popüler
02:57
most popular Wikipedia pages right here.
66
162000
2000
500 Vikipedi sayfasını gösteriyorum.
02:59
But even in this limited view,
67
164000
2000
Fakat bu kısıtlı görüntüyle bile,
03:01
we can do a lot of things.
68
166000
2000
birçok şey yapabiliriz.
03:03
Right away, we get a sense of what are the topical domains
69
168000
2000
Anında, Vikipedi'deki en popüler konuların ne olduğununa
03:05
that are most popular on Wikipedia.
70
170000
2000
dair bir fikir edinebiliriz.
03:07
I'm going to go ahead and select government.
71
172000
2000
Devam edeceğim ve devlet konusunu seçeceğim.
03:09
Now, having selected government,
72
174000
3000
Şimdi, devlet konusunu seçerek,
03:12
I can now see that the Wikipedia categories
73
177000
2000
bu konuyla en fazla ilgili olan olan kategorilerin
03:14
that most frequently correspond to that
74
179000
2000
Time Dergisi Yılın İnsanları
03:16
are Time magazine People of the Year.
75
181000
3000
olduğunu görebilirim.
03:19
So this is really important because this is an insight
76
184000
3000
Bu gerçekten çok önemli çünkü bu tek başına
03:22
that was not contained within any one Wikipedia page.
77
187000
3000
hiçbir Vikipedi sayfasında yer almayan bir kavramadır.
03:25
It's only possible to see that insight
78
190000
2000
Bu kavramayı sadece geri gidip
03:27
when you step back and look at all of them.
79
192000
3000
hepsine bakınca görmek mümkündür.
03:30
Looking at one of these particular summaries,
80
195000
2000
Bu özel özetlerin birine bakınca
03:32
I can then drill into the concept of
81
197000
3000
Time Dergisi Yılın İnsanı konseptine
03:35
Time magazine Person of the Year,
82
200000
2000
inebilir ve hepsini bir araya
03:37
bringing up all of them.
83
202000
2000
getirebilirim.
03:39
So looking at these people,
84
204000
2000
Bu insanlara bakınca
03:41
I can see that the majority come from government;
85
206000
3000
çoğunluğun devlet yönetiminden geldiğini görebilirim.
03:45
some have come from natural sciences;
86
210000
3000
Bazıları doğa bilimlerinden gelme.
03:49
some, fewer still, have come from business --
87
214000
3000
Bazıları, az da olsa, iş dünyasından geliyor.
03:53
there's my boss --
88
218000
2000
Bu benim patronum.
03:55
and one has come from music.
89
220000
5000
Ve bir tanesi müzikten geliyor.
04:00
And interestingly enough,
90
225000
2000
İlginç ama şarkıcı Bono
04:02
Bono is also a TED Prize winner.
91
227000
3000
aynı zamanda TED Ödülü sahibidir.
04:05
So we can go, jump, and take a look at all the TED Prize winners.
92
230000
3000
Bu sayede gidip, atlayıp, tüm TED Ödülü kazananlara bakabiliriz.
04:08
So you see, we're navigating the web for the first time
93
233000
3000
Görüyorsunuz ki, interneti sanki ilk kez gerçekten
04:11
as if it's actually a web, not from page-to-page,
94
236000
3000
bir ağmış gibi, sayfa sayfa değil de,
04:14
but at a higher level of abstraction.
95
239000
2000
daha üst seviyede bir soyutlama ile geziyoruz.
04:16
And so I want to show you one other thing
96
241000
2000
Size sürpriz gelebilecek başka bir şey
04:18
that may catch you a little bit by surprise.
97
243000
3000
daha göstermek istiyorum.
04:21
I'm just showing the New York Times website here.
98
246000
3000
Burada gördüğünüz New York Times'ın sitesi.
04:24
So Pivot, this application --
99
249000
2000
Pivot, bu uygulama,
04:26
I don't want to call it a browser; it's really not a browser,
100
251000
2000
tarayıcı demek istemiyorum, gerçekten bir tarayıcı değil,
04:28
but you can view web pages with it --
101
253000
3000
fakat onunla sayfaları görüntüleyebilirsiniz --
04:31
and we bring that zoomable technology
102
256000
2000
ve bu yakınlaşma-uzaklaşma teknolojisini
04:33
to every single web page like this.
103
258000
3000
bunun gibi her siteye getiriyoruz.
04:36
So I can step back,
104
261000
3000
Bir adım geri gidebilirim,
04:39
pop right back into a specific section.
105
264000
2000
belli bir kısma tekrar dönebilirim.
04:41
Now the reason why this is important is because,
106
266000
2000
Bunun önemli olmasının sebebi şudur:
04:43
by virtue of just viewing web pages in this way,
107
268000
3000
Sayfaları sadece bu şekilde görünteleyerek,
04:46
I can look at my entire browsing history
108
271000
2000
bütün bir tarama geçmişime aynı şekilde
04:48
in the exact same way.
109
273000
2000
göz atabilirim.
04:50
So I can drill into what I've done
110
275000
2000
Belirli zaman aralıklarında ne
04:52
over specific time frames.
111
277000
2000
yaptığıma bakabilirim.
04:54
Here, in fact, is the state
112
279000
2000
Bu kısım, aslında,
04:56
of all the demo that I just gave.
113
281000
2000
vermiş olduğum gösteridir.
04:58
And I can sort of replay some stuff that I was looking at earlier today.
114
283000
3000
Ve bu sabah bakmış olduğu şeyleri tekrar oynatabilirim.
05:01
And, if I want to step back and look at everything,
115
286000
3000
Ve geriye gidip bir şeye bakmak istiyorsam,
05:04
I can slice and dice my history,
116
289000
2000
geçmişimi belki de aramaya
05:06
perhaps by my search history --
117
291000
2000
göre parçalara bölebilirim.
05:08
here, I was doing some nepotistic searching,
118
293000
2000
Burada işimle ilgili olarak Bing ve
05:10
looking for Bing, over here for Live Labs Pivot.
119
295000
3000
Live Labs Pivot ile ilgili arama yapıyordum
05:13
And from these, I can drill into the web page
120
298000
2000
Ve bunlardan, web sayfasına gidebilir ve
05:15
and just launch them again.
121
300000
2000
ve tekrar başlatabilirim.
05:17
It's one metaphor repurposed multiple times,
122
302000
3000
Birçok defa yeniden amaçlanan bir mecaz,
05:20
and in each case it makes the whole greater
123
305000
2000
ve bu durumda bütünü parçalarının
05:22
than the sum of the parts with the data.
124
307000
2000
toplamından daha büyük yapıyor.
05:24
So right now, in this world,
125
309000
3000
Şu anda, bu dünyada,
05:27
we think about data as being this curse.
126
312000
3000
veriyi bir lanet olarak görüyoruz.
05:30
We talk about the curse of information overload.
127
315000
3000
Aşırı enformasyon lanetinden söz ediyoruz.
05:33
We talk about drowning in data.
128
318000
3000
Veriler içinde boğulmaktan söz ediyoruz.
05:36
What if we can actually turn that upside down
129
321000
2000
Peki ya bunu tersine çevirirsek
05:38
and turn the web upside down,
130
323000
2000
ve interneti tersine çevirirsek,
05:40
so that instead of navigating from one thing to the next,
131
325000
3000
bir şeyden bir başka şeye gitmektense,
05:43
we get used to the habit of being able to go from many things to many things,
132
328000
3000
birçok şeyden başka birçok şeye gitme alışkanlığını edinirsek,
05:46
and then being able to see the patterns
133
331000
2000
ve normalde saklı olan kalıpları
05:48
that were otherwise hidden?
134
333000
2000
görebilmeye başlarsak?
05:50
If we can do that, then instead of being trapped in data,
135
335000
5000
Eğer bunu yapabilirsek, veriler arasında hapsolmaktansa
05:55
we might actually extract information.
136
340000
3000
bunlardan bilgi çıkartabiliriz.
05:58
And, instead of dealing just with information,
137
343000
2000
Ve sadece bilgi ile uğraşmanın ötesinde
06:00
we can tease out knowledge.
138
345000
2000
bilgiyi didikleyebiliriz.
06:02
And if we get the knowledge, then maybe even there's wisdom to be found.
139
347000
3000
Ve bilgiyi elde edersek, belki bulunmayı bekleyen bilgelik de vardır.
06:05
So with that, I thank you.
140
350000
2000
Bununla, size teşekkür ediyorum.
06:07
(Applause)
141
352000
8000
(Alkış)
ABOUT THE SPEAKER
Gary Flake - TechnologistGary Flake is a Technical Fellow at Microsoft, and the founder and director of Live Labs.
Why you should listen
Gary Flake is a Technical Fellow at Microsoft, where he focuses on Internet products and technologies including search, advertising, content, portals, community and application development. In this capacity, he helps define and evolve Microsoft's product vision, technical architecture and business strategy for online services. He is also the founder and director of Live Labs, a skunkworks that bridges research and development, and is widely recognized for inventing new best practices for catalyzing and managing innovation.
Prior to joining Microsoft, Flake founded Yahoo! Research Labs, ran Yahoo!'s corporate R&D activities and company-wide innovation effort, and was the Chief Science Officer of Overture, the company that invented the paid search business model. Flake also wrote the award-winning book The Computational Beauty of Nature, which is used in college courses worldwide.
Gary Flake | Speaker | TED.com