Frederic Kaplan: How I built an information time machine

فردریک کاپلان: چگونه من یک ماشین زمان اطلاعاتی ساختم

Translator: Amin Alaee Reviewer: soheila Jafari

This is an image of the planet Earth.

این تصویری است از سیاره زمین

It looks very much like the Apollo pictures

که شباهت زیادی به تصاویر آپولو دارد

that are very well known.

تصاویری که شهرت زیادی دارند

There is something different;

ولی تفاوتی وجود دارد

you can click on it,

روی این تصویر می‌توان کلیک کرد

and if you click on it,

و اگر روی آن کلیک کنید

you can zoom in on almost any place on the Earth.

میتوانید تقریبا روی هر نقطه‌ای از کره زمین زوم کنید

For instance, this is a bird's-eye view

به عنوان مثال این نمای هوایی است

of the EPFL campus.

از فضای دانشگاه پلی تکنیک فدرال در لوزان (EPFL)

In many cases, you can also see

در بسیاری از موارد حتی میتوانید ببینید

how a building looks from a nearby street.

که یک ساختمان از خیابان مجاور چطور به نظر می‌رسد

This is pretty amazing.

این فوق‌العاده است.

But there's something missing in this wonderful tour:

اما این ماجرای شفگت‌انگیز یک چیز کم دارد

It's time.

و آن زمان است

i'm not really sure when this picture was taken.

مطمئن نیستم که این تصویر چه زمانی گرفته شده

I'm not even sure it was taken

حتی با اطمینان نمی‌توانم بگویم که آیا این عکس

at the same moment as the bird's-eye view.

به شکل هوایی ثبت شده است.

In my lab, we develop tools

در آزمایشگاه من، ما ابزارهایی را تهیه می‌کنیم

to travel not only in space

برای سفر کردن، نه تنها در فضا

but also through time.

بلکه در زمان

The kind of question we're asking is

پرسش‌هایی که می‌پرسیم از این قبیل است که

Is it possible to build something

آیا ممکن است چیزی بسازیم

like Google Maps of the past?

که شبیه نقشه گوگل از گذشته باشد؟

Can I add a slider on top of Google Maps

آیا میتوانم اسلایدری در بالای نقشه‌های گوگل اضافه کنم

and just change the year,

تا فقط با تغییر سال،

seeing how it was 100 years before,

ببینم آن مکان خاص صد سال پیش چه شکلی بوده

1,000 years before?

یا هزار سال پیش؟

Is that possible?

آیا چنین چیزی ممکن دارد؟

Can I reconstruct social networks of the past?

آیا میتوانم شبکه‌های اجتماعی گذشته را بازسازی کنم؟

Can I make a Facebook of the Middle Ages?

آیا میتوانم فیسبوکی از قرون وسطی را بسازم؟

So, can I build time machines?

بنابراین، آیا میتونم ماشین زمان درست کنم؟

Maybe we can just say, "No, it's not possible."

می‍‌شود صرفا بگوییم: «نه، این امکان ندارد.»

Or, maybe, we can think of it from an information point of view.

یا، شاید، بتوانیم از منظر اطلاعاتی به آن نگاه کنیم.

This is what I call the information mushroom.

این همان چیزی است که من اسمش را قارچ اطلاعات گذاشته‌ام.

Vertically, you have the time.

خط عمودی، زمان است.

and horizontally, the amount of digital information available.

و خط افقی، میزان اطلاعات دیجیتالی موجود را نشان می‌دهد.

Obviously, in the last 10 years, we have much information.

مشخص است که در ده سال گذشته، ما اطلاعات فراوانی بدست آورده‌ایم.

And obviously the more we go in the past, the less information we have.

و قطعا، هرچه بیشتر به گذشته برویم، اطلاعات کمتر می‌شود.

If we want to build something like Google Maps of the past,

اگر بخواهیم چیزی شبیه به نقشه گوگل گذشته

or Facebook of the past,

یا فیسبوک گذشته ایجاد کنیم،

we need to enlarge this space,

باید این فضا را بزرگ کنیم،

we need to make that like a rectangle.

باید آن را شبیه به یک مستطیل کنیم.

How do we do that?

چطورمی‌توانیم این کار را بکنیم؟

One way is digitization.

یک راه دیجیتال کردن است.

There's a lot of material available --

مواد خام زیادی موجود است

newspaper, printed books, thousands of printed books.

روزنامه، هزاران کتاب چاپی

I can digitize all these.

میتوانم همه این‌ها را دیجیتال کنم.

I can extract information from these.

می‌توانم از همه این‌ها اطلاعات استخراج کنم.

Of course, the more you go in the past, the less information you will have.

البته هر چه بیشتر به گذشته برمی‌گردیم، اطلاعات کمتری بدست می‌آوریم.

So, it might not be enough.

پس شاید این به تنهایی کافی نباشد.

So, I can do what historians do.

بنابراین، می‌شود همان کاری را که مورخان انجام میدهند بکنیم.

I can extrapolate.

میتوانم تخمین بزنم.

This is what we call, in computer science, simulation.

این همان چیزی هست که، در علوم کامپیوتر، به آن شبیه‌سازی می‌گوییم.

If I take a log book,

اگر یک کتاب مربوط به سفرنامه حرکت کشتی را بردارم،

I can consider, it's not just a log book

میتوانم در نظر بگیرم که این فقط یک کتاب ثبت حرکت کشتی

of a Venetian captain going to a particular journey.

متعلق به یک کاپیتان ونیزی در یک سفر خاص نیست.

I can consider it is actually a log book

میتوانم بگویم که این در واقع کتاب ثبتی است

which is representative of many journeys of that period.

که نماینده سفرهای زیادی از آن دوره است.

I'm extrapolating.

عملا دارم تخمین می‌زنم.

If I have a painting of a facade,

اگر یک نقاشی از نمای خارجی ساختمانی داشته باشم،

I can consider it's not just that particular building,

میتوانم در نظر بگیرم که این فقط نمایی از آن ساختمان خاص نیست.

but probably it also shares the same grammar

بلکه احتمالا مشخصاتی دارد که

of buildings where we lost any information.

که ساختمان‌های دیگری که اطلاعاتی از آن‌ها نداریم نیز دارند.

So if we want to construct a time machine,

بنابراین اگر بخواهیم یک ماشین زمان ایجاد کنیم

we need two things.

به دو چیز احتیاج داریم.

We need very large archives,

آرشیوهای بسیار بزرگ،

and we need excellent specialists.

و متخصصان درجه یک.

The Venice Time Machine,

ماشین زمان ونیز،

the project I'm going to talk to you about,

پروژه‌ای که می‌خواهم درباره‌ش برایتان صحبت کنم،

is a joint project between the EPFL

پروژه‌ای است مشترک بین دانشگاه پلی تکنیک فدرال لوزان EPFL

and the University of Venice Ca'Foscari.

و دانشگاه کافوسکاری در ونیز.

There's something very peculiar about Venice,

نکته خیلی مخصوص درباره ونیز این است که،

that its administration has been

دولت‌هایش

very, very bureaucratic.

بسیار بسیار بروکراتیک عمل کرده‌اند.

They've been keeping track of everything,

آنها همه چیز را ثبت کرده‌اند.

almost like Google today.

تقریبا شبیه همان کاری که امروز گوگل انجام می‌دهد.

At the Archivio di Stato,

در مرکز آرشیو دی استاتو،

you have 80 kilometers of archives

تا ۸۰ کیلومتر آرشیو وجود دارد

documenting every aspect

که همه جوانب را مو به مو ثبت کرده

of the life of Venice over more than 1,000 years.

از زندگی ونیز در بیش از هزار سال گذشته.

You have every boat that goes out,

اطلاعات تمام کشتی‌هایی که ونیز را ترک کرده،

every boat that comes in.

و تمام کشتی‌هایی که به ونیز آمده‌اند.

You have every change that was made in the city.

اطلاعات تمامی تغییرات ایجاد شده در شهر را دارید.

This is all there.

همه چیز آنجا هست

We are setting up a 10-year digitization program

ما داریم یک برنامه ده ساله دیجیتالی کردن احداث می‌کنیم

which has the objective of transforming

که هدفش انتقال

this immense archive

این آرشیو بزرگ

into a giant information system.

به یک سیستم اطلاعات عظیم است.

The type of objective we want to reach

چیزی که می‌خواهیم به آن برسیم

is 450 books a day that can be digitized.

دیجیتال کردن روزانه ۴۵۰ کتاب است.

Of course, when you digitize, that's not enough,

البته، صرفا دیجیتال کردن کافی نیست،

because these documents,

زیرا این اسناد،

most of them are in Latin, in Tuscan,

بسیاری‌شان به زبان لاتین، توسکان،

in Venetian dialect,

یا گویش ونیزی هستند،

so you need to transcribe them,

باید رونویسی شوند

to translate them in some cases,

یا در برخی موارد ترجمه شوند،

to index them,

تا بایگانی شوند.

and this is obviously not easy.

و این قطعا کار آسانی نیست.

In particular, traditional optical character recognition method

بخصوص این که، روش سنتی حروف‌یابی چشمی

that can be used for printed manuscripts,

که می‌تواند برای نسخه‌های چاپی استفاده شود،

they do not work well on the handwritten document.

برای اسناد خطی مناسب نیستند.

So the solution is actually to take inspiration

بنابراین، راه حل، الهام‌گیری

from another domain: speech recognition.

از یک حوزه دیگر است: شناسایی صوت.

This is a domain of something that seems impossible,

این حوزه‌ای است که به نظر غیرممکن می‌رسد،

which can actually be done,

که در واقع تنها از طریق قرار دادن محدودیت های

simply by putting additional constraints.

بیشتر قابل انجام است

If you have a very good model

اگر یک مدل خیلی خوب

of a language which is used,

از یک زبان کاربردی را در اختیار داشته باشید،

if you have a very good model of a document,

اگر یک مدل خیلی خوب از سندی داشته باشید،

how well they are structured.

که خیلی خوب ساختاربندی شده است.

And these are administrative documents.

و این‌ها اسناد دولتی هستند.

They are well structured in many cases.

این‌ها از بسیاری جهات خیلی خوب ساختاربندی شده‌اند.

If you divide this huge archive into smaller subsets

اگر این آرشیو عظیم را به زیرمجموعه‌های کوچک تقسیم کنید

where a smaller subset actually shares similar features,

که هر زیرمجموعه‌ای مشخصات مشابه داشته باشد،

then there's a chance of success.

آن موقع شانس موفقیت وجود دارد.

If we reach that stage, then there's something else:

اگر به آن مرحله برسید، یک چیز دیگر هم وجود دارد:

we can extract from this document events.

می‌توانیم از این سند وقایع را استخراج کنیم.

Actually probably 10 billion events

احتمالا ده میلیارد واقعه را

can be extracted from this archive.

می‌توان از این آرشیو استخراج کرد.

And this giant information system

و این نظام عظیم اطلاعات

can be searched in many ways.

از راه‌های مختلفی قابل جست‌وجو است.

You can ask questions like,

می‌شود سوالاتی از این قبیل مطرح کرد،

"Who lived in this palazzo in 1323?"

«در ۱۳۲۳ چه کسی در این ساختمان زندگی می‌کرد؟»

"How much cost a sea bream at the Realto market

«قیمت ماهی «سی بریم» در بازار «رآلتو»

in 1434?"

در سال ۱۴۳۴ چند بود؟»

"What was the salary

درآمد یک شیشه‌گر در

of a glass maker in Murano

در مثلا یک دهه

maybe over a decade?"

چقدر بوده؟

You can ask even bigger questions

حتی می‌توان سوالات بزرگترتری پرسید

because it will be semantically coded.

چرا که رمزگذاری معنایی در اینجا وجود خواهد داشت.

And then what you can do is put that in space,

بعد کاری که می‌شود کرد این است که این‌ها را در فضا قرار دهیم،

because much of this information is spatial.

زیرا بیشتر این اطلاعات فضایی است.

And from that, you can do things like

و از آنجا، می‌توان کارهایی کرد مثل

reconstructing this extraordinary journey

بازسازی سیر فوق‌العاده ای از

of that city that managed to have a sustainable development

شهری که توانست طی هزاران سال

over a thousand years,

توسعه پایدار داشته باشد،

managing to have all the time

توانست همواره

a form of equilibrium with its environment.

نوعی تعادل را با محیطش حفظ کند.

You can reconstruct that journey,

می‌توانید آن سیر و تحول را بازسازی کنید،

visualize it in many different ways.

و از طرق مختلف تصویرسازی کنید

But of course, you cannot understand Venice if you just look at the city.

اما البته، نمی‌توان تنها با نگاه کردن به این شهر، ونیز را درک کرد.

You have to put it in a larger European context.

باید آن را در یک بستر بزرگتر اروپایی قرار دهید.

So the idea is also to document all the things

پس ایده کلی بررسی تمام اسناد و مدارکی است

that worked at the European level.

که در سطح اروپا وجود داشت.

We can reconstruct also the journey

حتی سیر و تحول امپراطوری دریایی ونیز

of the Venetian maritime empire,

را می توان بازسازی کرد

how it progressively controlled the Adriatic Sea,

این که چطور به روشی مترقی دریای آدریاتیک را کنترل کند،

how it became the most powerful medieval empire

چطور به قدرتمندترین امپراطوری قرون وسطی بدل شد

of its time,

در زمان خودش،

controlling most of the sea routes

بیشتر مسیرهای دریایی را کنترل کند

from the east to the south.

از شرق تا جنوب.

But you can even do other things,

اما حتی می‌شود کارهای دیگری هم کرد،

because in these maritime routes,

چرا که در این خطوط دریایی،

there are regular patterns.

یک سری الگوهای منظم وجود دارد.

You can go one step beyond

می‌توان یک قدم عقب رفت

and actually create a simulation system,

و یک سیستم شبیه‌سازی خلق کرد،

create a Mediterranean simulator

یک شبیه‌ساز مدیترانه‌ای

which is capable actually of reconstructing

که حتی بتواند بازسازی کند

even the information we are missing,

اطلاعاتی را که ما نداریم،

which would enable us to have questions you could ask

که ما را قادر سازد سوالاتی را مطرح کنیم که

like if you were using a route planner.

هنگام استفاده از دستگاه مسیریاب می‌پرسیم. مثلا

"If I am in Corfu in June 1323

«اگر در ژوئن ۱۳۲۳ در کورفو هستم،

and want to go to Constantinople,

و می‌خواهم به کنستانتینوپل (قسطنطنیه و نام سابق استانبول) بروم،

where can I take a boat?"

از کجا می‌توانم کشتی سوار شوم؟»

Probably we can answer this question

احتمالا این پرسش را می‌توانیم جواب دهیم

with one or two or three days' precision.

پس از یک، یا دو یا سه روز بررسی.

"How much will it cost?"

«چقدر خرج دارد؟»

"What are the chance of encountering pirates?"

«احتمال برخورد با دزدان دریایی چقدر است؟»

Of course, you understand,

البته می‌دانید که،

the central scientific challenge of a project like this one

چالش علمی محوری یک چنین پروژه‌ای

is qualifying, quantifying and representing

ارزیابی کیفیت و کمیت و ارائه

uncertainty and inconsistency at each step of this process.

موارد مورد شک و نامتداوم در هر یک از گام‌های این روند است.

There are errors everywhere,

اشتباه همه جا هست،

errors in the document, it's the wrong name of the captain,

اشتباه در اسناد، ممکن است اسم ناخدا اشتباه آمده باشد،

some of the boats never actually took to sea.

برخی کشتی‌ها در واقع هرگز راهی دریا نشدند.

There are errors in translation, interpretative biases,

در ترجمه اشتباهاتی هست، غرض‌ورزی‌های هنگام ترجمه همزمان،

and on top of that, if you add algorithmic processes,

و در صدر همه این‌ها، اگر فرایندهای الگوریتمی اضافه کنید،

you're going to have errors in recognition,

در شناسایی اشتباه خواهید داشت،

errors in extraction,

در استخراج،

so you have very, very uncertain data.

در نتیجه بانک داده‌های اطلاعاتی شما بسیار بسیار نامطمئن است.

So how can we detect and correct these inconsistencies?

پس چطور می‌توان این عدم تداوم را تصحیح کرد؟

How can we represent that form of uncertainty?

چطور می‌توانیم آن نوع از تردید را ارائه دهیم؟

It's difficult. One thing you can do

سخت است. یک کار که می‌توانید بکنید

is document each step of the process,

ثبت هر گامی است که طی فرایند برداشته می‌شود،

not only coding the historical information

نه تنها ثبت اطلاعات تاریخی

but what we call the meta-historical information,

بلکه ثبت آن‌چه که به آن اطلاعات فرا-تاریخی می‌گوییم،

how is historical knowledge constructed,

این که دانش تاریخی چطور ساخته شده،

documenting each step.

با ثبت هر قدم.

That will not guarantee that we actually converge

این تضمین نمی‌کند که ما در واقع حرکت می‌کنیم

toward a single story of Venice,

به سوی یک داستان خاص از ونیز،

but probably we can actually reconstruct

بلکه شاید بتوانیم بازسازی کنیم

a fully documented potential story of Venice.

یک داستان کاملا به ثبت‌رسیده از ونیز را.

Maybe there's not a single map.

شاید یک نقشه نباشد.

Maybe there are several maps.

شاید چندین نقشه در دسترس باشد.

The system should allow for that,

سیستم باید همچین امکانی را فراهم کند

because we have to deal with a new form of uncertainty,

چون ما با یک نوع جدید تردید مواجه هستیم

which is really new for this type of giant databases.

که برای این نوع دیتابیس های عظیم جدید است

And how should we communicate

و چطور ما باید این تحقیق جدید

this new research to a large audience?

را به مخاطبان منتقل کنیم؟

Again, Venice is extraordinary for that.

دوباره،‌ ونیز برای چنین چیزی فوق العاده است

With the millions of visitors that come every year,

با میلیون ها بازدید کننده سالیانه

it's actually one of the best places

در حقیقت یکی از بهترین مکان هایی است

to try to invent the museum of the future.

که می توان موزه آینده را ابداع کرد

Imagine, horizontally you see the reconstructed map

تصور کنید، به طور افقی بتوانید نقشه بازسازی شده

of a given year,

برای سال مشخصی را ببینید

and vertically, you see the document

و به صورت عمودی اسنادی را ببینید

that served the reconstruction,

که بازسازی را شکل دادند

paintings, for instance.

نقاشی ها، برای نمونه

Imagine an immersive system that permits

یک سیستم همه جانبه را تصور کنید که اجازه دهد

to go and dive and reconstruct the Venice of a given year,

تا به بازسازی سال مشخصی از ونیز وارد شوید

some experience you could share within a group.

تجربه ای که می توانید داخل یک گروه به اشتراک گذارید

On the contrary, imagine actually that you start

در مقابل، تصور کنید که واقعا از یک سند

from a document, a Venetian manuscript,

نسخه خطی ونیزی، شروع کنید

and you show, actually, what you can construct out of it,

و نشان دهید که واقعا از آن چه چیزی بازسازی می شود

how it is decoded,

چگونه رمزگشایی می شود

how the context of that document can be recreated.

چگونه متن یک سند می تواند بازسازی شود

This is an image from an exhibit

این عکس از یک نمایشگاه است

which is currently conducted in Geneva

که هم اکنون در ژنو با چنین سیستمی

with that type of system.

برگزار می شود

So to conclude, we can say that

پس برای جمع بندی، می توانیم بگوییم

research in the humanities is about to undergo

تحقیق در علوم انسانی در حال

an evolution which is maybe similar

یک تغییر اساسی است که ممکن است

to what happened to life sciences 30 years ago.

شبیه تغیر علوم حیاتی ۳۰ سال پیش بود

It's really a question of scale.

در حقیقت این یک مساله مقیاس می باشد

We see projects which are

ما پروژه هایی می بینیم که فراتر

much beyond any single research team can do,

از ظرفیت های یک تیم منفرد هستند

and this is really new for the humanities,

و این مساله جدیدی برای علوم انسانی می باشد

which very often take the habit of working

که خیلی اغلب در گروه های کوچک با چندین محقق

in small groups or only with a couple of researchers.

رخ می دهد

When you visit the Archivio di Stato,

وقتی شما به آرکیویو دی استاتو سر می زنید

you feel this is beyond what any single team can do,

احساس می کنید که این بیش از طرفیت های هر تیم منفرد

and that should be a joint and common effort.

می باشد و باید یک تلاش مشترک باشد

So what we must do for this paradigm shift

پس چیزی که باید برای تغییر این نمونه انجام دهیم

is actually foster a new generation

این است که یک نسل جدید از

of "digital humanists"

‌ٰانسان های دیجیتال پرورش دهیم

that are going to be ready for this shift.

که برای این تغییر آماده خواهند بود.

I thank you very much.

بسیار ممنون از شما

(Applause)

(تشویق حاضرین)