Gary Flake: is Pivot a turning point for web exploration?

60,354 views ・ 2010-03-03

TED


Κάντε διπλό κλικ στους αγγλικούς υπότιτλους παρακάτω για να αναπαραγάγετε το βίντεο.

Μετάφραση: Constantina MK Επιμέλεια: Panagiota Vasileiou
00:16
If I can leave you with one big idea today,
0
16260
2000
Αν θελω να σας μείνει κάτι σήμερα,
00:18
it's that the whole of the data
1
18260
2000
είναι πως το σύνολο των πληροφοριών
00:20
in which we consume
2
20260
2000
το οποίο καταναλώνουμε
00:22
is greater that the sum of the parts,
3
22260
2000
είναι μεγαλύτερο από το άθροισμα των επιμέρους στοιχείων
00:24
and instead of thinking about information overload,
4
24260
3000
και αντί να σκεφτόμαστε για υπερφόρτωση πληροφοριών,
00:27
what I'd like you to think about is how
5
27260
2000
αυτό που θα ήθελα να σκεφτείτε είναι
00:29
we can use information so that patterns pop
6
29260
3000
πώς μπορούμε να χρησιμοποιούμε τις πληροφορίες έτσι ώστε να εμφανίζονται μοτίβα
00:32
and we can see trends that would otherwise be invisible.
7
32260
3000
και να εντοπίζουμε τάσεις που διαφορετικά θα ήταν αόρατες.
00:35
So what we're looking at right here is a typical mortality chart
8
35260
3000
Οπότε, αυτό που βλέπουμε εδώ είναι ένα τυπικό διάγραμμα θνησιμότητας
00:38
organized by age.
9
38260
2000
ταξινομημένο με βάση την ηλικία.
00:40
This tool that I'm using here is a little experiment.
10
40260
2000
Το εργαλείο που χρησιμοποιώ είναι ένα μικρό πείραμα,
00:42
It's called Pivot, and with Pivot what I can do
11
42260
3000
ονομάζεται Pivot (άξονας περιστροφής), και με το Pivot αυτό που μπορώ να κάνω
00:45
is I can choose to filter in one particular cause of deaths -- say, accidents.
12
45260
4000
είναι πως μπορώ να φιλτράρω με βάση μια συγκεκριμένη αιτία θανάτων -- για παράδειγμα, ατυχήματα.
00:49
And, right away, I see there's a different pattern that emerges.
13
49260
3000
Αμέσως παρατηρώ αλλαγή στο μοτίβο που προκύπτει.
00:52
This is because, in the mid-area here,
14
52260
2000
Αυτό σημβαίνει γιατί στην μεσαία περιοχή,
00:54
people are at their most active,
15
54260
2000
οι άνθρωποι είναι περισσότερο δραστήριοι,
00:56
and over here they're at their most frail.
16
56260
2000
και εδώ είναι περισσότερο αδύναμοι.
00:58
We can step back out again
17
58260
2000
Μπορούμε να κάνουμε ένα βήμα πίσω
01:00
and then reorganize the data by cause of death,
18
60260
2000
και να αναδιοργανώσουμε τα δεδομένα με βάση την αιτία θανάτου.
01:02
seeing that circulatory diseases and cancer
19
62260
3000
Παρατηρούμε οτι οι παθήσεις του κυκλοφορικού συστήματος και ο καρκίνος
01:05
are the usual suspects, but not for everyone.
20
65260
3000
είναι οι συνήθεις ύποπτοι, όχι όμως για όλους.
01:08
If we go ahead and we filter by age --
21
68260
3000
Εαν συνεχίσουμε φιλτράροντας με βάση την ηλικία--
01:11
say 40 years or less --
22
71260
2000
για παράδειγμα 40 ετών και κάτω--
01:13
we see that accidents are actually
23
73260
2000
βλέπουμε πως τα ατυχήματα είναι στην πραγματικότητα
01:15
the greatest cause that people have to be worried about.
24
75260
3000
η σημαντικότερη αιτία θανάτου για την οποία αυτοι οι άνθρωποι θα έπρεπε να ανησυχούν.
01:18
And if you drill into that, it's especially the case for men.
25
78260
3000
Και αν το εξετάσεις περισσότερο, αυτό ισχύει κυρίως για τους άνδρες.
01:21
So you get the idea
26
81260
2000
Καταλαβαίνετε λοιπόν πως
01:23
that viewing information, viewing data in this way,
27
83260
3000
το να βλέπεις τις πληροφορίες, το να βλέπεις τα δεδομένα με αυτόν τον τρόπο,
01:26
is a lot like swimming
28
86260
2000
είναι σαν να κολυμπάς
01:28
in a living information info-graphic.
29
88260
3000
σε ένα info-graphic ζωντανής πληροφορίας.
01:31
And if we can do this for raw data,
30
91260
2000
Και αν μπορούμε να το κάνουμε αυτό σε ακατέργαστα δεδομένα,
01:33
why not do it for content as well?
31
93260
3000
γιατί να μην το κάνουμε και για το περιεχόμενο;
01:36
So what we have right here
32
96260
2000
Αυτό που έχουμε εδώ
01:38
is the cover of every single Sports Illustrated
33
98260
3000
είναι το εξώφυλλο από κάθε περιοδικό Sports Illustrated
01:41
ever produced.
34
101260
2000
που εκδόθηκε ποτέ.
01:43
It's all here; it's all on the web.
35
103260
2000
Είναι όλο εδώ, βρίσκεται ολόκληρο στο διαδίκτυο.
01:45
You can go back to your rooms and try this after my talk.
36
105260
3000
Μπορείτε να πάτε μετά στα δωμάτιά σας και να το δοκιμάσετε μετά την ομιλία μου.
01:48
With Pivot, you can drill into a decade.
37
108260
3000
Με το Pivot, μπορείς να εστιάσεις σε μια δεκαετία.
01:51
You can drill into a particular year.
38
111260
2000
Να εστιάσεις σε μια συγκεκριμένη χρονιά.
01:53
You can jump right into a specific issue.
39
113260
3000
Να περάσεις σε ένα συγκεκριμένο τεύχος.
01:56
So I'm looking at this; I see the athletes
40
116260
2000
Οπότε κοιτάζω σε αυτό, βλέπω τους αθλητές
01:58
that have appeared in this issue, the sports.
41
118260
2000
που εμφανίστηκαν σε αυτό το τεύχος, τα αθλήματα.
02:00
I'm a Lance Armstrong fan, so I'll go ahead and I'll click on that,
42
120260
3000
Είμαι οπαδός του Lance Armstrong, οπότε θα προχωρήσω επιλέγοντας αυτό,
02:03
which reveals, for me, all the issues
43
123260
2000
που μου εμφανίζει όλα τα τεύχη
02:05
in which Lance Armstrong's been a part of.
44
125260
2000
στα οποία συμμετείχε ο Lance Armstrong.
02:07
(Applause)
45
127260
3000
(Χειροκρότημα)
02:10
Now, if I want to just kind of take a peek at these,
46
130260
3000
Τώρα, εαν θέλω μόνο να ρίξω μια ματιά σε αυτά,
02:13
I might think,
47
133260
2000
μπορεί να σκεφτώ,
02:15
"Well, what about taking a look at all of cycling?"
48
135260
2000
"Λοιπόν, γιατί να μην δούμε ό,τι αφορά στη ποδηλασία?"
02:17
So I can step back, and expand on that.
49
137260
2000
Έτσι, μπορώ να κάνω ένα βήμα πίσω και να επιλέξω αυτόν τον τομέα.
02:19
And I see Greg LeMond now.
50
139260
2000
Και βλέπω τον Greg LeMond αυτή τη φορά.
02:21
And so you get the idea that when you
51
141260
2000
Και έτσι καταλαβαίνετε πως όταν
02:23
navigate over information this way --
52
143260
2000
περιηγείσαι στις πληροφορίες με αυτό τον τρόπο --
02:25
going narrower, broader,
53
145260
2000
πηγαίνοντας πιο κοντά και πιο μακριά,
02:27
backing in, backing out --
54
147260
2000
προχωρώντας μπροστά και πίσω--
02:29
you're not searching, you're not browsing.
55
149260
2000
δεν ψάχνεις, δεν περιηγείσαι.
02:31
You're doing something that's actually a little bit different.
56
151260
2000
Κάνεις κάτι που στην πραγματικότητα είναι λιγάκι διαφορετικό.
02:33
It's in between, and we think it changes
57
153260
3000
Είναι κάτι στο ενδιάμεσο, και πιστεύουμε οτι αλλάζει
02:36
the way information can be used.
58
156260
2000
τον τρόπο που χρησιμοποιούνται οι πληροφορίες.
02:38
So I want to extrapolate on this idea a bit
59
158260
2000
Θα ήθελα λοιπόν να επεκτείνω λίγο αυτή την ιδέα
02:40
with something that's a little bit crazy.
60
160260
2000
με κάτι το οποίο είναι λιγάκι τρελό.
02:42
What we're done here is we've taken every single Wikipedia page
61
162260
3000
Αυτό που έχουμε κάνει εδώ είναι οτι πήραμε κάθε μια σελίδα της Wikipedia
02:45
and we reduced it down to a little summary.
62
165260
3000
και τη συμπυκνώσαμε σε μια μικρή περίληψη.
02:48
So the summary consists of just a little synopsis
63
168260
3000
Η περίληψη αποτελείται μόνο από μια μικρή σύνοψη
02:51
and an icon to indicate the topical area that it comes from.
64
171260
3000
και ένα εικονίδιο που δηλώνει την θεματολογία με την οποία σχετίζεται.
02:54
I'm only showing the top 500
65
174260
3000
Δείχνω μόνο τις 500 κορυφαίες
02:57
most popular Wikipedia pages right here.
66
177260
2000
πιό δημοφιλείς σελίδες της Wikipedia εδώ.
02:59
But even in this limited view,
67
179260
2000
Αλλά, ακόμα και σε αυτή την περιορισμένη εκδοχή,
03:01
we can do a lot of things.
68
181260
2000
μπορούμε να κάνουμε πολλά πράγματα.
03:03
Right away, we get a sense of what are the topical domains
69
183260
2000
Αμέσως, παίρνουμε μια πρώτη αίσθηση για την θεματολογία
03:05
that are most popular on Wikipedia.
70
185260
2000
που είναι πιό δημοφιλής στη Wikipedia.
03:07
I'm going to go ahead and select government.
71
187260
2000
Θα συνεχίσω επιλέγοντας "κυβέρνηση".
03:09
Now, having selected government,
72
189260
3000
Τώρα, έχοντας επιλέξει "κυβέρνηση",
03:12
I can now see that the Wikipedia categories
73
192260
2000
μπορώ να δω οτι οι κατηγορίες της Wikipedia
03:14
that most frequently correspond to that
74
194260
2000
που αντιστοιχούν πιό συχνά σε αυτό το θέμα
03:16
are Time magazine People of the Year.
75
196260
3000
είναι το περιοδικό Time, οι άνθρωποι της χρονιάς.
03:19
So this is really important because this is an insight
76
199260
3000
Αυτό είναι πολύ σημαντικό γιατί είναι μια πληροφορία
03:22
that was not contained within any one Wikipedia page.
77
202260
3000
που δεν εμφανίζεται σε καμία σελίδα της Wikipedia.
03:25
It's only possible to see that insight
78
205260
2000
Είναι δυνατό να δούμε αυτή την εικόνα
03:27
when you step back and look at all of them.
79
207260
3000
όταν κάνουμε ένα βήμα πίσω και κοιτάξουμε το σύνολο.
03:30
Looking at one of these particular summaries,
80
210260
2000
Κοιτώντας σε μια από αυτές τις περιλήψεις,
03:32
I can then drill into the concept of
81
212260
3000
μπορώ να εστιάσω στο θέμα του
03:35
Time magazine Person of the Year,
82
215260
2000
Time magazine Person of the Year,
03:37
bringing up all of them.
83
217260
2000
και να ανασύρω τον καθέναν από αυτούς.
03:39
So looking at these people,
84
219260
2000
Έτσι κοιτώντας αυτούς τους ανθρώπους,
03:41
I can see that the majority come from government;
85
221260
3000
μπορώ να δώ πως η πλειοψηφία προέρχεται από την κυβέρνηση,
03:45
some have come from natural sciences;
86
225260
3000
κάποιοι από τις φυσικές επιστήμες,
03:49
some, fewer still, have come from business --
87
229260
3000
κάποιοι, αν και ελάχιστοι, από επιχειρήσεις --
03:53
there's my boss --
88
233260
2000
εδώ είναι και το αφεντικό μου --
03:55
and one has come from music.
89
235260
5000
και ένας εχει έρθει από την μουσική.
04:00
And interestingly enough,
90
240260
2000
Και όλως περιέργως,
04:02
Bono is also a TED Prize winner.
91
242260
3000
ο Bono είναι επίσης νικητής βραβείου TED.
04:05
So we can go, jump, and take a look at all the TED Prize winners.
92
245260
3000
Έτσι μπορούμε να πάμε και να ρίξουμε μια ματιά σε όλους τους νικητές του βραβείου TED.
04:08
So you see, we're navigating the web for the first time
93
248260
3000
Βλέπετε, πως πλοηγούμαστε στο διαδίκτυο για πρώτη φορά
04:11
as if it's actually a web, not from page-to-page,
94
251260
3000
σαν να είναι στην πραγματικότητα ένα δίκτυο, όχι από σελίδα σε σελίδα,
04:14
but at a higher level of abstraction.
95
254260
2000
αλλά με ένα υψηλότερο επίπεδο αφαιρετικότητας.
04:16
And so I want to show you one other thing
96
256260
2000
Και θέλω να σας δείξω και κάτι ακόμα
04:18
that may catch you a little bit by surprise.
97
258260
3000
που μπορεί να σας βρεί προ εκπλήξεως.
04:21
I'm just showing the New York Times website here.
98
261260
3000
Εδώ δείχνω απλά τη σελίδα των New York Times.
04:24
So Pivot, this application --
99
264260
2000
Το Pivot, είναι μια εφαρμογή--
04:26
I don't want to call it a browser; it's really not a browser,
100
266260
2000
δεν θέλω να το ονομάσω φυλλομετρητή (browser), δεν είναι ακριβώς αυτό,
04:28
but you can view web pages with it --
101
268260
3000
αλλά μπορείς να βλέπεις ιστοσελίδες με τη βοήθειά του--
04:31
and we bring that zoomable technology
102
271260
2000
και φέρνουμε αυτή την τεχνολογία που σου επιτρέπει να ζουμάρεις
04:33
to every single web page like this.
103
273260
3000
σε καθε μια ιστοσελίδα όπως εδώ.
04:36
So I can step back,
104
276260
3000
Έτσι μπορώ να πάω πίσω,
04:39
pop right back into a specific section.
105
279260
2000
και αμέσως να ξαναεστιάσω σε συγκεκριμένο τομέα.
04:41
Now the reason why this is important is because,
106
281260
2000
Τωρα ο λόγος που το κάνει σημαντικό είναι επειδή
04:43
by virtue of just viewing web pages in this way,
107
283260
3000
με το να βλέπω τις σελίδες με αυτόν τον τρόπο,
04:46
I can look at my entire browsing history
108
286260
2000
μπορώ να ανατρέξω σε όλο το ιστορικό μου
04:48
in the exact same way.
109
288260
2000
με τον ίδιο ακριβώς τρόπο.
04:50
So I can drill into what I've done
110
290260
2000
Ετσι ώστε να έχω πρόσβαση σε ό,τι έχω κάνει
04:52
over specific time frames.
111
292260
2000
σε διάφορες χρονικές στιγμές.
04:54
Here, in fact, is the state
112
294260
2000
Εδώ, για την ακρίβεια, είναι η εικόνα
04:56
of all the demo that I just gave.
113
296260
2000
της επίδειξης που μόλις έκανα.
04:58
And I can sort of replay some stuff that I was looking at earlier today.
114
298260
3000
Και μπορώ να ξαναδώ κάποια πράγματα που κοίταζα νωρίτερα σήμερα.
05:01
And, if I want to step back and look at everything,
115
301260
3000
Και, εάν θέλω να κάνω πίσω και να τα δω όλα,
05:04
I can slice and dice my history,
116
304260
2000
μπορω να εξετάσω κομμάτι-κομμάτι το ιστορικό μου,
05:06
perhaps by my search history --
117
306260
2000
ίσως ακόμα και το ιστορικό αναζήτησης--
05:08
here, I was doing some nepotistic searching,
118
308260
2000
εδώ έκανα μια παρεμφερή έρευνα,
05:10
looking for Bing, over here for Live Labs Pivot.
119
310260
3000
ψάχνοντας για το Bing, για το Live Labs Pivot.
05:13
And from these, I can drill into the web page
120
313260
2000
Και από εκεί, μπορώ να μπω στις ιστοσελίδες
05:15
and just launch them again.
121
315260
2000
και να τις ξαναφορτώσω.
05:17
It's one metaphor repurposed multiple times,
122
317260
3000
Είναι μια μεταφορά που μπορείς να την παραλλάξεις πολλές φορές,
05:20
and in each case it makes the whole greater
123
320260
2000
και σε κάθε περίπτωση κάνει το όλον σπουδαιότερο
05:22
than the sum of the parts with the data.
124
322260
2000
απ'οτι το άθροισμα των επιμέρους δεδομένων.
05:24
So right now, in this world,
125
324260
3000
Έτσι αυτή τη στιγμή, σε αυτόν το κόσμο,
05:27
we think about data as being this curse.
126
327260
3000
σκεφτόμαστε τα δεδομένα σαν κατάρα
05:30
We talk about the curse of information overload.
127
330260
3000
Μιλάμε για την κατάρα της υπερφόρτωσης δεδομένων.
05:33
We talk about drowning in data.
128
333260
3000
Μιλάμε για το πως πνιγόμαστε στην πληροφορία.
05:36
What if we can actually turn that upside down
129
336260
2000
Τι θα γινόταν αν μπορούσαμε να το αντιστρέψουμε αυτό
05:38
and turn the web upside down,
130
338260
2000
και να φέρουμε τα πάνω κάτω στο διαδίκτυο,
05:40
so that instead of navigating from one thing to the next,
131
340260
3000
ώστε αντί να πλοηγούμαστε από το ένα πράγμα στο επόμενο,
05:43
we get used to the habit of being able to go from many things to many things,
132
343260
3000
να συνηθίσουμε στην δυνατότητα να πηγαίνουμε από πολλά σε πολλά,
05:46
and then being able to see the patterns
133
346260
2000
και μετά να είμαστε σε θέση να αναγνωρίζουμε μοτίβα
05:48
that were otherwise hidden?
134
348260
2000
τα οποία διαφορετικά θα ήταν κρυμμένα;
05:50
If we can do that, then instead of being trapped in data,
135
350260
5000
Εάν μπορούμε να το κάνουμε αυτό, αντί να ήμαστε παγιδευμένοι σε δεδομένα,
05:55
we might actually extract information.
136
355260
3000
μπορούμε όντως να εξάγουμε πληροφορίες.
05:58
And, instead of dealing just with information,
137
358260
2000
Και αντί απλά να έχουμε να κάνουμε μόνο με πληροφορία,
06:00
we can tease out knowledge.
138
360260
2000
μπορούμε να εκμαιεύσουμε γνώση.
06:02
And if we get the knowledge, then maybe even there's wisdom to be found.
139
362260
3000
Αν πάρουμε την γνώση, τότε ακόμα και η σοφία μπορεί να βρεθεί.
06:05
So with that, I thank you.
140
365260
2000
Αυτά, σας ευχαριστώ.
06:07
(Applause)
141
367260
8000
(Χειροκρότημα)
Σχετικά με αυτόν τον ιστότοπο

Αυτός ο ιστότοπος θα σας παρουσιάσει βίντεο στο YouTube που είναι χρήσιμα για την εκμάθηση της αγγλικής γλώσσας. Θα δείτε μαθήματα αγγλικών που διδάσκουν κορυφαίοι καθηγητές από όλο τον κόσμο. Κάντε διπλό κλικ στους αγγλικούς υπότιτλους που εμφανίζονται σε κάθε σελίδα βίντεο για να αναπαράγετε το βίντεο από εκεί. Οι υπότιτλοι μετακινούνται συγχρονισμένα με την αναπαραγωγή του βίντεο. Εάν έχετε οποιαδήποτε σχόλια ή αιτήματα, παρακαλούμε επικοινωνήστε μαζί μας χρησιμοποιώντας αυτή τη φόρμα επικοινωνίας.

https://forms.gle/WvT1wiN1qDtmnspy7