TEDxCMU
Luis von Ahn: Massive-scale online collaboration
Луіс вон Ан: Масштабна онлайн співпраця
Filmed:
Readability: 3.8
1,740,008 views
Після перепризначення CAPTCHA таким чином, що кожний введений людиною код допомагає оцифровувати книги, Луіс вон Ан задається питанням: як ще можна використати маленький внесок багатьох користувачів Інтернет для ще більшої користі. На TEDxCMU він розповідає про новий амбітний проект -- Duolingo, який допоможе мільйонам вчити нові мови, при цьому швидко та якісно перекладаючи Веб -- і все це безкоштовно.
Luis von Ahn - Computer scientist
Luis von Ahn builds systems that combine humans and computers to solve large-scale problems that neither can solve alone. Full bio
Luis von Ahn builds systems that combine humans and computers to solve large-scale problems that neither can solve alone. Full bio
Double-click the English transcript below to play the video.
00:15
How many of you had to fill out some sort of web form
0
0
2000
Скільком з вас доводилось заповнювати веб-форми,
00:17
where you've been asked to read a distorted sequence of characters like this?
1
2000
2000
де треба було прочитати спотворену послідовність символів, на зразок цієї?
00:19
How many of you found it really, really annoying?
2
4000
2000
І скільком з вас це здавалось дійсно дратівливим?
00:21
Okay, outstanding. So I invented that.
3
6000
3000
Добре, чудово. Насправді, я винайшов це.
00:24
(Laughter)
4
9000
2000
(Сміх)
00:26
Or I was one of the people who did it.
5
11000
2000
Точніше, я був одним з тих, хто зробив це.
00:28
That thing is called a CAPTCHA.
6
13000
2000
Ця річ називається CAPTCHA.
00:30
And the reason it is there is to make sure you, the entity filling out the form,
7
15000
2000
І її головна мета полягає в том, щоб впевнитись, що той, хто заповнює форму,
00:32
are actually a human and not some sort of computer program
8
17000
3000
є дійсно людиною, а не комп'ютерною програмою,
00:35
that was written to submit the form millions and millions of times.
9
20000
2000
яка була створена, щоб заповнювати форму мільйони й мільйони разів.
00:37
The reason it works is because humans,
10
22000
2000
Принцип, за яким вона працює, полягає в тому, що люди,
00:39
at least non-visually-impaired humans,
11
24000
2000
принаймні зрячі люди,
00:41
have no trouble reading these distorted squiggly characters,
12
26000
2000
не мають проблем з прочитанням цих пошкоджених символів,
00:43
whereas computer programs simply can't do it as well yet.
13
28000
3000
натомість комп'ютерні програми просто не можуть все ще робити це добре.
00:46
So for example, in the case of Ticketmaster,
14
31000
2000
Тож, наприклад, у випадку з Ticketmaster,
00:48
the reason you have to type these distorted characters
15
33000
2000
причина за якою вам необхідно вводити ці покручені символи в тому,
00:50
is to prevent scalpers from writing a program
16
35000
2000
щоб запобігти спекулянтам писати програми,
00:52
that can buy millions of tickets, two at a time.
17
37000
2000
які можуть купувати мільйони квитків за раз.
00:54
CAPTCHAs are used all over the Internet.
18
39000
2000
CAPTCHA використовується скрізь в Інтернеті.
00:56
And since they're used so often,
19
41000
2000
І через те, що вони використовуються так часто,
00:58
a lot of times the precise sequence of random characters that is shown to the user
20
43000
2000
точні послідовності довільних символів, які бачить користувач,
01:00
is not so fortunate.
21
45000
2000
бувають не дуже вдалими.
01:02
So this is an example from the Yahoo registration page.
22
47000
3000
Це приклад зі сторінки реєстрації Yahoo.
01:05
The random characters that happened to be shown to the user
23
50000
2000
Довільні символи, які були показані користувачу:
01:07
were W, A, I, T, which, of course, spell a word.
24
52000
3000
W, A, I, T, які дійсно звелись до слова (англ. "чекайте").
01:10
But the best part is the message
25
55000
3000
Але найкраща частина -- це повідомлення,
01:13
that the Yahoo help desk got about 20 minutes later.
26
58000
3000
яке служба підтримки Yahoo отримала 20 хвилин по тому.
01:16
Text: "Help! I've been waiting for over 20 minutes, and nothing happens."
27
61000
3000
Повідомлення: "Допоможіть! Я чекав понад 20 хвилин і нічого не відбулось".
01:19
(Laughter)
28
64000
4000
(Сміх)
01:23
This person thought they needed to wait.
29
68000
2000
Ця людина подумала, що треба зачекати.
01:25
This of course, is not as bad as this poor person.
30
70000
3000
Це звісно не так погано, як у цьому випадку.
01:28
(Laughter)
31
73000
2000
(Сміх)
01:30
CAPTCHA Project is something that we did here at Carnegie Melllon over 10 years ago,
32
75000
3000
Проект CAPTCHA - це те, що ми зробили тут в Університеті Карнегі-Мелон понад 10 років тому,
01:33
and it's been used everywhere.
33
78000
2000
і він використовується усюди.
01:35
Let me now tell you about a project that we did a few years later,
34
80000
2000
Дозвольте тепер розповісти про проект, який ми зробили декілька років по тому.
01:37
which is sort of the next evolution of CAPTCHA.
35
82000
3000
Це певний крок в еволюції CAPTCHA.
01:40
This is a project that we call reCAPTCHA,
36
85000
2000
Це проект, який ми назвали reCAPTCHA,
01:42
which is something that we started here at Carnegie Mellon,
37
87000
2000
що ми також розпочали тут у Карнегі-Мелон,
01:44
then we turned it into a startup company.
38
89000
2000
а потім перетворили у стартап-компанію.
01:46
And then about a year and a half ago,
39
91000
2000
Потім десь через півтора року
01:48
Google actually acquired this company.
40
93000
2000
Google придбав цю компанію.
01:50
So let me tell you what this project started.
41
95000
2000
Тож дозвольте розповісти про цей проект.
01:52
So this project started from the following realization:
42
97000
3000
Цей проект розпочався з наступного усвідомлення.
01:55
It turns out that approximately 200 million CAPTCHAs
43
100000
2000
З'ясувалось, що приблизно 200 мільйонів CAPTCHA кодів
01:57
are typed everyday by people around the world.
44
102000
3000
щодня вводяться людьми по всьому світу.
02:00
When I first heard this, I was quite proud of myself.
45
105000
2000
Коли я вперше почув це, я дуже пишався собою.
02:02
I thought, look at the impact that my research has had.
46
107000
2000
Я думав про вплив, який зробили мої дослідження.
02:04
But then I started feeling bad.
47
109000
2000
Але невдовзі став почуватись гірше
02:06
See here's the thing, each time you type a CAPTCHA,
48
111000
2000
Справа в тому, що кожен раз, коли ви вводите CAPTCHA,
02:08
essentially you waste 10 seconds of your time.
49
113000
3000
ви витрачаєте приблизно 10 секунд вашого життя.
02:11
And if you multiply that by 200 million,
50
116000
2000
І, якщо помножити це на 200 мільйонів,
02:13
you get that humanity as a whole is wasting about 500,000 hours every day
51
118000
3000
то виявиться, що людство витрачає приблизно 500 000 годин щодня,
02:16
typing these annoying CAPTCHAs.
52
121000
2000
заповнюючи ці дратівливі CAPTCHA коди.
02:18
So then I started feeling bad.
53
123000
2000
Тож я почувався пригніченим.
02:20
(Laughter)
54
125000
2000
(Сміх)
02:22
And then I started thinking, well, of course, we can't just get rid of CAPTCHAs,
55
127000
3000
Потім я почав думати: добре, ми не можемо просто позбутись CAPTCHA,
02:25
because the security of the Web sort of depends on them.
56
130000
2000
адже безпека Веб залежить від них.
02:27
But then I started thinking, is there any way we can use this effort
57
132000
3000
Але потім я почав розмірковувати, чи існує шлях, коли ми зможемо використати це
02:30
for something that is good for humanity?
58
135000
2000
для чогось корисного людям?
02:32
So see, here's the thing.
59
137000
2000
Тож, ось в чому справа.
02:34
While you're typing a CAPTCHA, during those 10 seconds,
60
139000
2000
Коли ви вводите CAPTCHA код, упродовж 10 секунд
02:36
your brain is doing something amazing.
61
141000
2000
ваш мозок робить щось дивовижне.
02:38
Your brain is doing something that computers cannot yet do.
62
143000
2000
Ваш мозок робить щось, що комп'ютери не можуть досі зробити.
02:40
So can we get you to do useful work for those 10 seconds?
63
145000
3000
Чи можемо ми дати вам корисну роботу протягом цих 10 секунд?
02:43
Another way of putting it is,
64
148000
2000
Іншими словами,
02:45
is there some humongous problem that we cannot yet get computers to solve,
65
150000
2000
чи є якась гомогенна проблема, яку комп'ютери ще досі не вміють розв'язувати,
02:47
yet we can split into tiny 10-second chunks
66
152000
3000
але яку б ми могли розбити на маленькі 10-секундні порції,
02:50
such that each time somebody solves a CAPTCHA
67
155000
2000
таким чином, що коли хтось вводить CAPTCHA,
02:52
they solve a little bit of this problem?
68
157000
2000
він розв'язує невеликий шматок цієї проблеми?
02:54
And the answer to that is "yes," and this is what we're doing now.
69
159000
2000
І відповідь на це: "так". І це те, що ми зараз робимо.
02:56
So what you may not know is that nowadays while you're typing a CAPTCHA,
70
161000
3000
Тож, можливо ви не знаєте, але сьогодні, коли ви вводите CAPTCHA,
02:59
not only are you authenticating yourself as a human,
71
164000
2000
ви не тільки підтверджуєте, що ви насправді людина,
03:01
but in addition you're actually helping us to digitize books.
72
166000
2000
але й додатково допомагаєте нам оцифровувати книги.
03:03
So let me explain how this works.
73
168000
2000
Дозвольте пояснити, як це працює.
03:05
So there's a lot of projects out there trying to digitize books.
74
170000
2000
Існує багато проектів, які намагаються оцифровувати книги.
03:07
Google has one. The Internet Archive has one.
75
172000
3000
Google має такий. Інший є в Internet Archive.
03:10
Amazon, now with the Kindle, is trying to digitize books.
76
175000
2000
Зараз Amazon з Kindle намагаються оцифровувати книги.
03:12
Basically the way this works
77
177000
2000
В двох словах це працює так:
03:14
is you start with an old book.
78
179000
2000
ви берете стару книгу.
03:16
You've seen those things, right? Like a book?
79
181000
2000
Ви бачили ці штуки, так? Книги?
03:18
(Laughter)
80
183000
2000
(Сміх)
03:20
So you start with a book, and then you scan it.
81
185000
2000
Тож ви берете книгу і потім скануєте її.
03:22
Now scanning a book
82
187000
2000
Сканування книги --
03:24
is like taking a digital photograph of every page of the book.
83
189000
2000
це як зробити цифрові фотографії кожної сторінки книги.
03:26
It gives you an image for every page of the book.
84
191000
2000
Це дає вам зображення кожної сторінки книги.
03:28
This is an image with text for every page of the book.
85
193000
2000
Це зображення з текстом кожної сторінки книги.
03:30
The next step in the process
86
195000
2000
Наступний крок в процесі --
03:32
is that the computer needs to be able to decipher all of the words in this image.
87
197000
3000
комп'ютер повинен розшифрувати всі ці слова на зображенні.
03:35
That's using a technology called OCR,
88
200000
2000
Тут використовується технологія ОРС,
03:37
for optical character recognition,
89
202000
2000
оптичного розпізнавання символів,
03:39
which takes a picture of text
90
204000
2000
яка бере зображення тексту
03:41
and tries to figure out what text is in there.
91
206000
2000
і намагається зрозуміти, що ж за текст там представлений.
03:43
Now the problem is that OCR is not perfect.
92
208000
2000
Проблема в тому, що ОРС не є досконалою.
03:45
Especially for older books
93
210000
2000
Особливо для старих книг,
03:47
where the ink has faded and the pages have turned yellow,
94
212000
3000
де чорнила потьмяніли, а сторінки пожовтіли.
03:50
OCR cannot recognize a lot of the words.
95
215000
2000
ОРС не може розпізнавати багато слів.
03:52
For example, for things that were written more than 50 years ago,
96
217000
2000
Наприклад, для речей, які були написані більше 50 років тому,
03:54
the computer cannot recognize about 30 percent of the words.
97
219000
3000
комп'ютер не може розпізнати приблизно 30 відсотків слів.
03:57
So what we're doing now
98
222000
2000
Те, що ми робимо зараз --
03:59
is we're taking all of the words that the computer cannot recognize
99
224000
2000
це ми беремо всі ці слова, які комп'ютер не зміг розпізнати
04:01
and we're getting people to read them for us
100
226000
2000
і даємо їх людям, щоб ті змогли їх прочитати для нас
04:03
while they're typing a CAPTCHA on the Internet.
101
228000
2000
в той час, коли вводять CAPTCHA в мережі.
04:05
So the next time you type a CAPTCHA, these words that you're typing
102
230000
3000
Тож наступного разу, коли ви вводите CAPTCHA, ці слова, що вводите,
04:08
are actually words that are coming from books that are being digitized
103
233000
3000
насправді походять з книг, які оцифровуються,
04:11
that the computer could not recognize.
104
236000
2000
що комп'ютер не зміг розпізнати.
04:13
And now the reason we have two words nowadays instead of one
105
238000
2000
І причина, чому зараз ми маємо два слова замість одного,
04:15
is because, you see, one of the words
106
240000
2000
полягає в тому, що одне з цих слів --
04:17
is a word that the system just got out of a book,
107
242000
2000
це слово, яке система щойно взяла з книги
04:19
it didn't know what it was, and it's going to present it to you.
108
244000
3000
та не знає що це за слово, тож вона надає його вам.
04:22
But since it doesn't know the answer for it, it cannot grade it for you.
109
247000
3000
Але через те, що вона не знає правильної відповіді, вона не може оцінити вашу відповідь.
04:25
So what we do is we give you another word,
110
250000
2000
Тож ми даємо інше слово,
04:27
one for which the system does know the answer.
111
252000
2000
щодо якого система знає правильну відповідь.
04:29
We don't tell you which one's which, and we say, please type both.
112
254000
2000
Ми не кажемо вам яке з них відоме. Ми просто просимо ввести обидва.
04:31
And if you type the correct word
113
256000
2000
І якщо ви вводите правильно слово,
04:33
for the one for which the system already knows the answer,
114
258000
2000
яке вже відомо системі,
04:35
it assumes you are human,
115
260000
2000
вона вважає вас за людину.
04:37
and it also gets some confidence that you typed the other word correctly.
116
262000
2000
А також вона отримає деяку впевненість, що ви правильно ввели інше слово.
04:39
And if we repeat this process to like 10 different people
117
264000
3000
Якщо ми повторимо цей процес з 10 різними людьми
04:42
and all of them agree on what the new word is,
118
267000
2000
і всі вони погодяться щодо нового слова,
04:44
then we get one more word digitized accurately.
119
269000
2000
тоді ми отримуємо одне нове правильно оцифроване слово.
04:46
So this is how the system works.
120
271000
2000
Тож таким чином ця система працює.
04:48
And basically, since we released it about three or four years ago,
121
273000
3000
Ми запустили її приблизно три-чотири роки тому
04:51
a lot of websites have started switching
122
276000
2000
і багато веб сайтів перейшли
04:53
from the old CAPTCHA where people wasted their time
123
278000
2000
зі старої CAPTCHA, де люди просто марнували свій час,
04:55
to the new CAPTCHA where people are helping to digitize books.
124
280000
2000
до нового CAPTCHA, де люди допомагають оцифровувати книги.
04:57
So for example, Ticketmaster.
125
282000
2000
Як, наприклад, Ticketmaster.
04:59
So every time you buy tickets on Ticketmaster, you help to digitize a book.
126
284000
3000
Кожного разу купуючи квиток на Ticketmaster, ви допомагаєте оцифровувати книги.
05:02
Facebook: Every time you add a friend or poke somebody,
127
287000
2000
Фейсбук: кожного разу, коли додаєте друга або видаляєте когось,
05:04
you help to digitize a book.
128
289000
2000
ви допомагаєте оцифровувати книги.
05:06
Twitter and about 350,000 other sites are all using reCAPTCHA.
129
291000
3000
Твітер та приблизно 350 000 інших сайтів використовують reCAPTCHA.
05:09
And in fact, the number of sites that are using reCAPTCHA is so high
130
294000
2000
І насправді, кількість сайтів, які використовують reCAPTCHA настільки велика,
05:11
that the number of words that we're digitizing per day is really, really large.
131
296000
3000
що кількість слів, які ми оцифровуємо щодня дійсно дуже-дуже велика.
05:14
It's about 100 million a day,
132
299000
2000
Приблизно 100 мільйонів щодня,
05:16
which is the equivalent of about two and a half million books a year.
133
301000
4000
що відповідає приблизно 2,5 мільйонам книг на рік.
05:20
And this is all being done one word at a time
134
305000
2000
І це все робиться завдяки одному слову за раз
05:22
by just people typing CAPTCHAs on the Internet.
135
307000
2000
людьми, які просто вводять CAPTCHA в мережі.
05:24
(Applause)
136
309000
8000
(Аплодисменти)
05:32
Now of course,
137
317000
2000
Тепер, звісно,
05:34
since we're doing so many words per day,
138
319000
2000
коли ми робимо стільки слів щодня,
05:36
funny things can happen.
139
321000
2000
можуть відбуватись різні кумедні речі.
05:38
And this is especially true because now we're giving people
140
323000
2000
І це справедливо, тому що ми даємо людям
05:40
two randomly chosen English words next to each other.
141
325000
2000
два випадкових англійських слова, які розташовані поруч.
05:42
So funny things can happen.
142
327000
2000
Тож з'являються кумедні речі.
05:44
For example, we presented this word.
143
329000
2000
Наприклад, ми дали це слово.
05:46
It's the word "Christians"; there's nothing wrong with it.
144
331000
2000
Це слово "Християни"; з ним немає нічого особливого.
05:48
But if you present it along with another randomly chosen word,
145
333000
3000
Але якщо представити його з іншим випадково обраним словом,
05:51
bad things can happen.
146
336000
2000
можуть трапитись погані речі.
05:53
So we get this. (Text: bad christians)
147
338000
2000
Тож ми отримали це. (Текст: Погані християни)
05:55
But it's even worse, because the particular website where we showed this
148
340000
3000
Найгірше те, що ми показали це на веб сайті,
05:58
actually happened to be called The Embassy of the Kingdom of God.
149
343000
3000
який називався "Посольство Королівства Бога".
06:01
(Laughter)
150
346000
2000
(Сміх)
06:03
Oops.
151
348000
2000
Ой.
06:05
(Laughter)
152
350000
3000
(Сміх)
06:08
Here's another really bad one.
153
353000
2000
Ось ще одне невдале.
06:10
JohnEdwards.com
154
355000
2000
JohnEdwards.com (сайт сенатора-демократа у США)
06:12
(Text: Damn liberal)
155
357000
3000
(Текст: Кляті ліберали)
06:15
(Laughter)
156
360000
2000
(Сміх)
06:17
So we keep on insulting people left and right everyday.
157
362000
3000
Тож ми продовжуємо обурювати людей щодня.
06:20
Now, of course, we're not just insulting people.
158
365000
2000
Звісно, ми не тільки обурюємо людей.
06:22
See here's the thing, since we're presenting two randomly chosen words,
159
367000
3000
Через те, що ми представляємо два випадково обраних слова,
06:25
interesting things can happen.
160
370000
2000
можуть траплятись цікаві речі.
06:27
So this actually has given rise
161
372000
2000
І це перетворилось
06:29
to a really big Internet meme
162
374000
3000
на дійсно великий Інтернет мем,
06:32
that tens of thousands of people have participated in,
163
377000
2000
в якому приймають участь десятки тисяч людей,
06:34
which is called CAPTCHA art.
164
379000
2000
що називається "Мистецтво CAPTCHA".
06:36
I'm sure some of you have heard about it.
165
381000
2000
Я не певен, що ви чули про нього.
06:38
Here's how it works.
166
383000
2000
Ось як він працює.
06:40
Imagine you're using the Internet and you see a CAPTCHA
167
385000
2000
Уявіть собі, що ви використовуєте Інтернет і ви бачите CAPTCHA,
06:42
that you think is somewhat peculiar,
168
387000
2000
яке вам здається достатньо своєрідним,
06:44
like this CAPTCHA. (Text: invisible toaster)
169
389000
2000
як це. (Текст: невидимий тостер).
06:46
Then what you're supposed to do is you take a screen shot of it.
170
391000
2000
Вам лишається зробити екранну копію цього CAPTCHA.
06:48
Then of course, you fill out the CAPTCHA
171
393000
2000
Звісно, потім вам потрібно його заповнити,
06:50
because you help us digitize a book.
172
395000
2000
адже ви допомагаєте нам оцифровувати книги.
06:52
But then, first you take a screen shot,
173
397000
2000
Але перед цим ви спочатку робите екранну копію,
06:54
and then you draw something that is related to it.
174
399000
2000
а потім малюєте щось пов'язане з нею.
06:56
(Laughter)
175
401000
2000
(Сміх)
06:58
That's how it works.
176
403000
3000
Так воно працює.
07:01
There are tens of thousands of these.
177
406000
3000
І таких десятки тисяч.
07:04
Some of them are very cute. (Text: clenched it)
178
409000
2000
Деякі з них дуже дотепні (Текст: стисни його).
07:06
(Laughter)
179
411000
2000
(Сміх)
07:08
Some of them are funnier.
180
413000
2000
Деякі навіть смішніші.
07:10
(Text: stoned founders)
181
415000
3000
(Текст: скам'янілі засновники)
07:13
(Laughter)
182
418000
3000
(Сміх)
07:16
And some of them,
183
421000
2000
А деякі з них,
07:18
like paleontological shvisle,
184
423000
3000
як палеонтологічний швісл (сленг: "палеонтологічний, полюбому"),
07:21
they contain Snoop Dogg.
185
426000
2000
містять Снуп Догга.
07:23
(Laughter)
186
428000
3000
(Сміх)
07:26
Okay, so this is my favorite number of reCAPTCHA.
187
431000
2000
Добре, це моє улюблене число reCAPTCHA.
07:28
So this is the favorite thing that I like about this whole project.
188
433000
3000
Це моя улюблена річ, яка пов'язана з усім проектом.
07:31
This is the number of distinct people
189
436000
2000
Це кількість різних людей,
07:33
that have helped us digitize at least one word out of a book through reCAPTCHA:
190
438000
3000
які допомогли нам оцифровувати хоча б одне слово за допомогою reCAPTCHA:
07:36
750 million,
191
441000
2000
750 мільйонів,
07:38
which is a little over 10 percent of the world's population,
192
443000
2000
що трохи більше за 10 відсотків населення світу,
07:40
has helped us digitize human knowledge.
193
445000
2000
допомогли нам оцифрувати знання людства.
07:42
And it is numbers like these that motivate my research agenda.
194
447000
3000
І подібні числа мотивують мою дослідницьку роботу.
07:45
So the question that motivates my research is the following:
195
450000
3000
Питання, яке мотивує мої дослідження, наступне.
07:48
If you look at humanity's large-scale achievements,
196
453000
2000
Якщо ви подивитесь на великі досягнення людства,
07:50
these really big things
197
455000
2000
на ці дійсно великі речі,
07:52
that humanity has gotten together and done historically --
198
457000
3000
які люди робили разом протягом історії --
07:55
like for example, building the pyramids of Egypt
199
460000
2000
наприклад, будівництво єгипетських пирамід
07:57
or the Panama Canal
200
462000
2000
або панамського каналу,
07:59
or putting a man on the Moon --
201
464000
2000
або політ людини на Місяць --
08:01
there is a curious fact about them,
202
466000
2000
з ними пов'язаний цікавий факт.
08:03
and it is that they were all done with about the same number off people.
203
468000
2000
Всі вони створювались приблизно однаковою кількістю людей.
08:05
It's weird; they were all done with about 100,000 people.
204
470000
3000
Це приголомшує. Всі вони були здійснені за участю приблизно 100 000 людей.
08:08
And the reason for that is because, before the Internet,
205
473000
3000
І причина в тому, що до існування Інтернету,
08:11
coordinating more than 100,000 people,
206
476000
2000
зібрати та скоординувати більше 100 000 людей,
08:13
let alone paying them, was essentially impossible.
207
478000
3000
а тим паче заплатити їм, було практично неможливо.
08:16
But now with the Internet, I've just shown you a project
208
481000
2000
Але зараз, завдяки Інтернету я щойно показав вам проект,
08:18
where we've gotten 750 million people
209
483000
2000
в якому ми зібрали 750 мільйонів людей,
08:20
to help us digitize human knowledge.
210
485000
2000
щоб допомогти оцифрувати знання людства.
08:22
So the question that motivates my research is,
211
487000
2000
Питання, яке мотивує мої дослідження:
08:24
if we can put a man on the Moon with 100,000,
212
489000
3000
якщо ми можемо запустити людину на Місяць за допомогою 100 000,
08:27
what can we do with 100 million?
213
492000
2000
що ми можемо зробити із 100 мільйонами?
08:29
So based on this question,
214
494000
2000
Ґрунтуючись на цьому питанні,
08:31
we've had a lot of different projects that we've been working on.
215
496000
2000
ми зробили багато різних проектів.
08:33
Let me tell you about one that I'm most excited about.
216
498000
3000
Дозвольте розповісти про один з найбільш цікавих, як на мене.
08:36
This is something that we've been semi-quietly working on
217
501000
2000
Це те, над чим ми тихенько працюємо
08:38
for the last year and a half or so.
218
503000
2000
десь приблизно останні півтора роки.
08:40
It hasn't yet been launched. It's called Duolingo.
219
505000
2000
Він ще на запущений. Називається проект -- Duolingo.
08:42
Since it hasn't been launched, shhhhh!
220
507000
2000
Через те, що він не запущений, -- шшшш!
08:44
(Laughter)
221
509000
2000
(Сміх)
08:46
Yeah, I can trust you'll do that.
222
511000
2000
Так, я можу вам в цьому довіритись.
08:48
So this is the project. Here's how it started.
223
513000
2000
Тож, так цей проект розпочався.
08:50
It started with me posing a question to my graduate student,
224
515000
2000
Він почався з мого запитання до одного з моїх випускників.
08:52
Severin Hacker.
225
517000
2000
Северін Хакер.
08:54
Okay, that's Severin Hacker.
226
519000
2000
Добре, це Северін Хакер.
08:56
So I posed the question to my graduate student.
227
521000
2000
Тож, я поставив йому запитання.
08:58
By the way, you did hear me correctly;
228
523000
2000
Між іншим, ви правильно мене почули:
09:00
his last name is Hacker.
229
525000
2000
його прізвище Хакер.
09:02
So I posed this question to him:
230
527000
2000
Я поставив йому питання:
09:04
How can we get 100 million people
231
529000
2000
як ми можемо залучити 100 мільйонів людей
09:06
translating the Web into every major language for free?
232
531000
3000
безкоштовно перекласти увесь Веб на всі основні мови?
09:09
Okay, so there's a lot of things to say about this question.
233
534000
2000
Добре, тут є багато про що поговорити.
09:11
First of all, translating the Web.
234
536000
2000
По-перше, переклад Вебу.
09:13
So right now the Web is partitioned into multiple languages.
235
538000
3000
Зараз Веб поділений на багато мов.
09:16
A large fraction of it is in English.
236
541000
2000
Велика частина його -- англійською.
09:18
If you don't know any English, you can't access it.
237
543000
2000
Якщо ви не знаєте англійської, ви не маєте до неї доступ.
09:20
But there's large fractions in other different languages,
238
545000
2000
Але також існують великі частини на інших мовах,
09:22
and if you don't know those languages, you can't access it.
239
547000
3000
і якщо ви не знаєте цих мов, то ви не маєте доступу до них.
09:25
So I would like to translate all of the Web, or at least most of the Web,
240
550000
3000
Тож я хотів би перекласти увесь Веб, або хоча б його більшу частину
09:28
into every major language.
241
553000
2000
на всі основні мови.
09:30
So that's what I would like to do.
242
555000
2000
Це те що я хотів би зробити.
09:32
Now some of you may say, why can't we use computers to translate?
243
557000
3000
Дехто з вас може спитати: чому не використати комп'ютерні перекладачі?
09:35
Why can't we use machine translation?
244
560000
2000
Чому не можна використати автоматичний переклад?
09:37
Machine translation nowadays is starting to translate some sentences here and there.
245
562000
2000
Автоматичний переклад наразі використовується у різних галузях.
09:39
Why can't we use it to translate the whole Web?
246
564000
2000
Чому не можна використати його для перекладу всього Вебу?
09:41
Well the problem with that is that it's not yet good enough
247
566000
2000
Проблема тут полягає в тому, що він не достатньо якісний
09:43
and it probably won't be for the next 15 to 20 years.
248
568000
2000
і, можливо, буде лишатись таким найближчі 15-20 років.
09:45
It makes a lot of mistakes.
249
570000
2000
Він робить багато помилок.
09:47
Even when it doesn't make a mistake,
250
572000
2000
Навіть коли він не робить помилок,
09:49
since it makes so many mistakes, you don't know whether to trust it or not.
251
574000
3000
через те, що він робить багато помилок, ви не знаєте довіряти йому чи ні.
09:52
So let me show you an example
252
577000
2000
Дозвольте навести приклад того,
09:54
of something that was translated with a machine.
253
579000
2000
що було перекладено комп'ютером.
09:56
Actually it was a forum post.
254
581000
2000
Це був пост на форумі.
09:58
It was somebody who was trying to ask a question about JavaScript.
255
583000
3000
Це був хтось, хто намагався поставити питання про JavaScript.
10:01
It was translated from Japanese into English.
256
586000
3000
Це було перекладено з японської на англійську.
10:04
So I'll just let you read.
257
589000
2000
Тож я просто дам вам це прочитати.
10:06
This person starts apologizing
258
591000
2000
Ця особа почала з вибачень
10:08
for the fact that it's translated with a computer.
259
593000
2000
за використання машинного перекладу.
10:10
So the next sentence is is going to be the preamble to the question.
260
595000
3000
Наступне речення -- це преамбула до самого питання.
10:13
So he's just explaining something.
261
598000
2000
Він просто щось пояснює.
10:15
Remember, it's a question about JavaScript.
262
600000
3000
Пам'ятайте, це питання про JavaScript.
10:19
(Text: At often, the goat-time install a error is vomit.)
263
604000
4000
(Текст: На часто, кози-час установки помилка блювоту.)
10:23
(Laughter)
264
608000
4000
(Сміх)
10:27
Then comes the first part of the question.
265
612000
3000
Далі йде перша частина питання.
10:30
(Text: How many times like the wind, a pole, and the dragon?)
266
615000
4000
(Текст: Скільки разів, як вітер, полюс, і дракон?)
10:34
(Laughter)
267
619000
2000
(Сміх)
10:36
Then comes my favorite part of the question.
268
621000
3000
Далі моя найулюбленіша частина питання.
10:39
(Text: This insult to father's stones?)
269
624000
3000
(Текст: Це образа для каменів батька?)
10:42
(Laughter)
270
627000
2000
(Сміх)
10:44
And then comes the ending, which is my favorite part of the whole thing.
271
629000
3000
І далі завершення, яке я взагалі дуже люблю.
10:47
(Text: Please apologize for your stupidity. There are a many thank you.)
272
632000
4000
(Текст: Будь ласка, вибачте за вашу тупість. Є багато дякую.)
10:51
(Laughter)
273
636000
2000
(Сміх)
10:53
Okay, so computer translation, not yet good enough.
274
638000
2000
Тож машинний переклад все ще не достатньо якісний.
10:55
So back to the question.
275
640000
2000
Повернемось до нашого питання.
10:57
So we need people to translate the whole Web.
276
642000
3000
Нам потрібні люди для перекладу всього Вебу.
11:00
So now the next question you may have is,
277
645000
2000
Наступне питання може бути таким:
11:02
well why can't we just pay people to do this?
278
647000
2000
чому б нам просто не заплатити за це людям?
11:04
We could pay professional language translators to translate the whole Web.
279
649000
3000
Ми можемо заплатити професійним перекладачам для перекладу всього Вебу.
11:07
We could do that.
280
652000
2000
Ми можемо це.
11:09
Unfortunately, it would be extremely expensive.
281
654000
2000
На жаль, це буде надзвичайно дорого.
11:11
For example, translating a tiny, tiny fraction of the whole Web, Wikipedia,
282
656000
3000
Наприклад, переклад маленької, дрібненької частинки всього Вебу -- Вікіпедії --
11:14
into one other language, Spanish.
283
659000
3000
на іншу мову, іспанську.
11:17
Wikipedia exists in Spanish,
284
662000
2000
Вікіпедія представлена іспанською,
11:19
but it's very small compared to the size of English.
285
664000
2000
але вона дуже маленька порівняно з розмірами англійської частини.
11:21
It's about 20 percent of the size of English.
286
666000
2000
Вона становить приблизно 20% від розміру англійської.
11:23
If we wanted to translate the other 80 percent into Spanish,
287
668000
3000
Якщо ми хочемо перекласти іспанською інші 80%,
11:26
it would cost at least 50 million dollars --
288
671000
2000
то це буде коштувати мінімум 50 мільйонів доларів --
11:28
and this is at even the most exploited, outsourcing country out there.
289
673000
3000
і це тільки для країни, з найбільш дешевою працею.
11:31
So it would be very expensive.
290
676000
2000
Тож це буде дуже дорого.
11:33
So what we want to do is we want to get 100 million people
291
678000
2000
А те що ми хочемо зробити -- це взяти 100 мільйонів людей
11:35
translating the Web into every major language
292
680000
2000
для перекладу Вебу на всі основні мови
11:37
for free.
293
682000
2000
безкоштовно.
11:39
Now if this is what you want to do,
294
684000
2000
І якщо це все, що ви хочете зробити,
11:41
you pretty quickly realize you're going to run into two pretty big hurdles,
295
686000
2000
то дуже швидко ви зрозумієте, що стикнетесь з двома великими перепонами,
11:43
two big obstacles.
296
688000
2000
двома великими завадами.
11:45
The first one is a lack of bilinguals.
297
690000
3000
Перша -- це брак двомовних людей.
11:48
So I don't even know
298
693000
2000
Я навіть не знаю,
11:50
if there exists 100 million people out there using the Web
299
695000
3000
чи існує 100 мільйонів людей, які використовують Веб
11:53
who are bilingual enough to help us translate.
300
698000
2000
і які достатньо володіють двома мовами, щоб допомогти нам у перекладі.
11:55
That's a big problem.
301
700000
2000
Це велика проблема.
11:57
The other problem you're going to run into is a lack of motivation.
302
702000
2000
Інша проблема -- ви стикнетесь з відсутністю мотивації.
11:59
How are we going to motivate people
303
704000
2000
Як ви збираєтесь заохотити людей
12:01
to actually translate the Web for free?
304
706000
2000
перекласти Веб безкоштовно?
12:03
Normally, you have to pay people to do this.
305
708000
3000
Зазвичай ви повинні заплатити людям за це.
12:06
So how are we going to motivate them to do it for free?
306
711000
2000
Тож як ви збираєтесь мотивувати їх зробити це безкоштовно?
12:08
Now when we were starting to think about this, we were blocked by these two things.
307
713000
3000
Коли ми почали думати над цим, то зупинились на цих двох речах.
12:11
But then we realized, there's actually a way
308
716000
2000
Але потім ми зрозуміли, що існує спосіб
12:13
to solve both these problems with the same solution.
309
718000
2000
розв'язати ці дві проблеми одним рішенням.
12:15
There's a way to kill two birds with one stone.
310
720000
2000
Існує спосіб вбити двох зайців одразу.
12:17
And that is to transform language translation
311
722000
3000
І він полягає у перетворенні перекладу з мови на мову
12:20
into something that millions of people want to do,
312
725000
3000
на щось, що мільйони людей захочуть зробити
12:23
and that also helps with the problem of lack of bilinguals,
313
728000
3000
і це також допоможе з проблемою двомовних людей,
12:26
and that is language education.
314
731000
3000
і це -- вивчення мов.
12:29
So it turns out that today,
315
734000
2000
Виявляється, що сьогодні
12:31
there are over 1.2 billion people learning a foreign language.
316
736000
3000
є більше 1,2 мільярда людей, які вивчають іноземні мови.
12:34
People really, really want to learn a foreign language.
317
739000
2000
Люди дійсно дуже хочуть знати інші мови.
12:36
And it's not just because they're being forced to do so in school.
318
741000
3000
І це не тільки тому, що їх змушують це робити в школі.
12:39
For example, in the United States alone,
319
744000
2000
Наприклад, тільки в Сполучених Штатах
12:41
there are over five million people who have paid over $500
320
746000
2000
є більше 5 мільйонів людей, які платять більше 500 доларів
12:43
for software to learn a new language.
321
748000
2000
за програмне забезпечення для вивчення нових мов.
12:45
So people really, really want to learn a new language.
322
750000
2000
Тож люди дійсно дуже хочуть вивчати нові мови.
12:47
So what we've been working on for the last year and a half is a new website --
323
752000
3000
І те, над чим ми працюємо останні півтора роки -- це новий веб сайт,
12:50
it's called Duolingo --
324
755000
2000
який називається Duolingo.
12:52
where the basic idea is people learn a new language for free
325
757000
3000
Його основна ідея: люди безкоштовно вивчають нові мови
12:55
while simultaneously translating the Web.
326
760000
2000
і також паралельно перекладають Веб.
12:57
And so basically they're learning by doing.
327
762000
2000
І здебільшого вони вчаться під час перекладу.
12:59
So the way this works
328
764000
2000
Це працює так,
13:01
is whenever you're a just a beginner, we give you very, very simple sentences.
329
766000
3000
що коли ви просто початківець, ми даємо вам дуже прості речення.
13:04
There's, of course, a lot of very simple sentences on the Web.
330
769000
2000
Звісно, існує багато дуже простих речень у Вебі.
13:06
We give you very, very simple sentences
331
771000
2000
Ми даємо вам дуже прості речення
13:08
along with what each word means.
332
773000
2000
разом із значенням кожного слова.
13:10
And as you translate them, and as you see how other people translate them,
333
775000
3000
І коли ви перекладаєте їх, дивитесь як перекладають їх інші люди,
13:13
you start learning the language.
334
778000
2000
ви починаєте вчити мову.
13:15
And as you get more and more advanced,
335
780000
2000
І коли ви вдосконалюєтесь,
13:17
we give you more and more complex sentences to translate.
336
782000
2000
ми даємо вам все більш складні речення для перекладу.
13:19
But at all times, you're learning by doing.
337
784000
2000
Але завжди ви вчитесь шляхом перекладу.
13:21
Now the crazy thing about this method
338
786000
2000
І божевільна річ полягає в тому,
13:23
is that it actually really works.
339
788000
2000
що це дійсно працює.
13:25
First of all, people are really, really learning a language.
340
790000
2000
По-перше, люди дійсно вивчають мови.
13:27
We're mostly done building it, and now we're testing it.
341
792000
2000
Ми майже закінчили створювати його і тепер ми його тестуємо.
13:29
People really can learn a language with it.
342
794000
2000
Люди дійсно мають змогу вивчити мову.
13:31
And they learn it about as well as the leading language learning software.
343
796000
3000
І вони вчаться так само добре, як і з найкращими програмами вивчення мов.
13:34
So people really do learn a language.
344
799000
2000
Тож люди дійсно вивчають мови.
13:36
And not only do they learn it as well,
345
801000
2000
І вони не тільки добре вчаться,
13:38
but actually it's way more interesting.
346
803000
2000
вони це роблять навіть цікавіше.
13:40
Because you see with Duolingo, people are actually learning with real content.
347
805000
3000
Розумієте, з Duolingo люди вчаться на реальних текстах.
13:43
As opposed to learning with made-up sentences,
348
808000
2000
На противагу навчанню на штучних реченнях,
13:45
people are learning with real content, which is inherently interesting.
349
810000
3000
люди вчаться на реальних речах, які по суті цікаві.
13:48
So people really do learn a language.
350
813000
2000
Тож люди дійсно навчаються мовам.
13:50
But perhaps more surprisingly,
351
815000
2000
Але, мабуть, більш дивовижним є те,
13:52
the translations that we get from people using the site,
352
817000
3000
що переклади, які ми отримали від користувачів сайту,
13:55
even though they're just beginners,
353
820000
2000
навіть коли вони тільки початківці,
13:57
the translations that we get are as accurate as those of professional language translators,
354
822000
3000
ці переклади настільки ж якісні, якби їх перекладали професійні перекладачі,
14:00
which is very surprising.
355
825000
2000
що дуже дивує.
14:02
So let me show you one example.
356
827000
2000
Дозвольте показати приклад.
14:04
This is a sentence that was translated from German into English.
357
829000
2000
Це речення, яке ми переклали з німецької на англійську.
14:06
The top is the German.
358
831000
2000
Верхнє речення німецькою.
14:08
The middle is an English translation
359
833000
2000
Середнє -- англійський переклад
14:10
that was done by somebody who was a professional English translator
360
835000
2000
зроблений одним професійним перекладачем,
14:12
who we paid 20 cents a word for this translation.
361
837000
2000
якому ми заплатили 20 центів за кожне слово.
14:14
And the bottom is a translation by users of Duolingo,
362
839000
3000
І нижнє -- переклад користувачів Duolingo,
14:17
none of whom knew any German
363
842000
2000
жоден з яких не знав німецької
14:19
before they started using the site.
364
844000
2000
до того, як почав використовувати цей сайт.
14:21
You can see, it's pretty much perfect.
365
846000
2000
Як ви можете побачити, воно майже досконале.
14:23
Now of course, we play a trick here
366
848000
2000
Звісно, ми робимо дещо,
14:25
to make the translations as good as professional language translators.
367
850000
2000
щоб зробити переклади настільки ж гарними, як у професійних перекладачів.
14:27
We combine the translations of multiple beginners
368
852000
3000
Ми комбінуємо переклади декількох початківців
14:30
to get the quality of a single professional translator.
369
855000
3000
щоб отримати якість одного професійного перекладача.
14:33
Now even though we're combining the translations,
370
858000
5000
Навіть коли ми комбінуємо переклади,
14:38
the site actually can translate pretty fast.
371
863000
2000
сайт може перекладати достатньо швидко.
14:40
So let me show you,
372
865000
2000
Дозвольте показати вам --
14:42
this is our estimates of how fast we could translate Wikipedia
373
867000
2000
це наші оцінки наскільки швидко ми можемо перекласти Вікіпедію
14:44
from English into Spanish.
374
869000
2000
з англійської на іспанську.
14:46
Remember, this is 50 million dollars-worth of value.
375
871000
3000
Пам'ятаєте, що це коштує 50 мільйонів доларів?
14:49
So if we wanted to translate Wikipedia into Spanish,
376
874000
2000
Тож якщо ми хочемо перекласти Вікіпедію іспанською,
14:51
we could do it in five weeks with 100,000 active users.
377
876000
3000
ми можемо це зробити за п'ять тижнів зі 100 000 активних користувачів.
14:54
And we could do it in about 80 hours with a million active users.
378
879000
3000
І ми можемо це зробити за 80 годин з мільйоном активних користувачів.
14:57
Since all the projects that my group has worked on so far have gotten millions of users,
379
882000
3000
Адже всі проекти, з якими працювала до цього моя група, мали мільйони користувачів,
15:00
we're hopeful that we'll be able to translate
380
885000
2000
ми сподіваємось, що зможемо перекладати
15:02
extremely fast with this project.
381
887000
2000
дуже швидко за допомогою цього проекту.
15:04
Now the thing that I'm most excited about with Duolingo
382
889000
3000
І ось що мені найбільше подобається в проекті Duolingo:
15:07
is I think this provides a fair business model for language education.
383
892000
3000
я гадаю, що він надає чесну бізнес модель навчання мов.
15:10
So here's the thing:
384
895000
2000
Ось в чому річ.
15:12
The current business model for language education
385
897000
2000
Поточна бізнес модель для мовної освіти
15:14
is the student pays,
386
899000
2000
враховує оплату студентів,
15:16
and in particular, the student pays Rosetta Stone 500 dollars.
387
901000
2000
і, зокрема, студенти платять 500 доларів Rosetta Stone.
15:18
(Laughter)
388
903000
2000
(Сміх)
15:20
That's the current business model.
389
905000
2000
Це поточна бізнес модель.
15:22
The problem with this business model
390
907000
2000
Проблема з цією моделлю в тому,
15:24
is that 95 percent of the world's population doesn't have 500 dollars.
391
909000
3000
що 95% населення світу не має 500 доларів.
15:27
So it's extremely unfair towards the poor.
392
912000
3000
Тому це дуже нечесно по відношенню до бідних.
15:30
This is totally biased towards the rich.
393
915000
2000
Це повністю орієнтовано на багатих.
15:32
Now see, in Duolingo,
394
917000
2000
Тепер, з Duolingo,
15:34
because while you learn
395
919000
2000
коли ви вчитесь,
15:36
you're actually creating value, you're translating stuff --
396
921000
3000
ви насправді створюєте цінність, ви перекладаєте щось --
15:39
which for example, we could charge somebody for translations.
397
924000
3000
адже за це ми, наприклад, могли б найняти когось для перекладу.
15:42
So this is how we could monetize this.
398
927000
2000
Ось як ми можемо це перетворити на гроші.
15:44
Since people are creating value while they're learning,
399
929000
2000
Адже якщо люди створюють цінність, коли вони вчаться,
15:46
they don't have to pay their money, they pay with their time.
400
931000
3000
їм не потрібно платити гроші за навчання, вони платять за це своїм часом.
15:49
But the magical thing here is that they're paying with their time,
401
934000
3000
Чарівна річ тут в тому, що вони сплачують своїм часом,
15:52
but that is time that would have had to have been spent anyways
402
937000
2000
часом який би все-одно використали
15:54
learning the language.
403
939000
2000
для вивчення мов.
15:56
So the nice thing about Duolingo is I think it provides a fair business model --
404
941000
3000
Тож, на мій погляд, гарна новина щодо Duolingo -- він надає чесну бізнес модель,
15:59
one that doesn't discriminate against poor people.
405
944000
2000
таку, що не дискримінує бідних людей.
16:01
So here's the site. Thank you.
406
946000
2000
А це сайт. Дякую.
16:03
(Applause)
407
948000
8000
(Аплодисменти)
16:11
So here's the site.
408
956000
2000
Отже, це сайт.
16:13
We haven't yet launched,
409
958000
2000
Ми ще не запустились,
16:15
but if you go there, you can sign up to be part of our private beta,
410
960000
3000
але якщо ви зайдете сюди, ви можете підписатись на його тестування,
16:18
which is probably going to start in about three or four weeks.
411
963000
2000
яке, мабуть, розпочнеться через 3-4 тижні.
16:20
We haven't yet launched this Duolingo.
412
965000
2000
Ми ще не запустили Duolingo.
16:22
By the way, I'm the one talking here,
413
967000
2000
Між іншим, я тут розповідав все це сам,
16:24
but actually Duolingo is the work of a really awesome team, some of whom are here.
414
969000
3000
але насправді, Duolingo -- це робота дійсно чудової команди. Деякі з цих людей представлені тут.
16:27
So thank you.
415
972000
2000
Дякую.
16:29
(Applause)
416
974000
4000
(Аплодисменти)
ABOUT THE SPEAKER
Luis von Ahn - Computer scientistLuis von Ahn builds systems that combine humans and computers to solve large-scale problems that neither can solve alone.
Why you should listen
Louis von Ahn is an associate professor of Computer Science at Carnegie Mellon University, and he's at the forefront of the crowdsourcing craze. His work takes advantage of the evergrowing Web-connected population to acheive collaboration in unprecedented numbers. His projects aim to leverage the crowd for human good. His company reCAPTCHA, sold to Google in 2009, digitizes human knowledge (books), one word at a time. His new project is Duolingo, which aims to get 100 million people translating the Web in every major language.
Luis von Ahn | Speaker | TED.com