Dan Berkenstock: The world is one big dataset. Now, how to photograph it ...

دن برکنستوک: جهان مجموعه داه‌های بزرگی است. حال چطور باید از آن عکس گرفت...

Translator: Leila Ataei Reviewer: soheila Jafari

Five years ago, I was a Ph.D. student

پنج سال پیش که دانشجوی دکترا بودم

living two lives.

زندگی دوگانه‌ داشتم.

In one, I used NASA supercomputers

در یک کدام، از ابر-کامپیوترهای ناسا برای طراحی

to design next-generation spacecraft,

نسل بعدی فضاپیماها استفاده می کردم،

and in the other I was a data scientist

و در دیگری دانشمند داده‌ها بودم

looking for potential smugglers

به دنبال قاچاقچیان بالقوه

of sensitive nuclear technologies.

در زمینه فناوریهای هسته‌ای حساس.

As a data scientist, I did a lot of analyses,

بعنوان یک دانشمند داده‌ها، یک عالم تجزیه و تحلیل انجام دادم،

mostly of facilities,

که بیشتر روی امکانات بود،

industrial facilities around the world.

امکانات صنعتی در گوشه کنار جهان.

And I was always looking for a better canvas

و همواره در جستجوی یک بوم بهتر بودم

to tie these all together.

تا همه اینها رو بهم ربط بدم.

And one day, I was thinking about how

و یک روز، درباره این فکر می‌کردم که چطور

all data has a location,

همه داده ها جایگاهی دارند

and I realized that the answer

و تشخیص دادم که پاسخ

had been staring me in the face.

به صورتم خیره شده بود.

Although I was a satellite engineer,

اگرچه، مهندس ماهواره بودم،

I hadn't thought about using satellite imagery

به استفاده کردن از شبیه سازی ماهواره‌ای در کارم

in my work.

فکر نکرده بودم.

Now, like most of us, I'd been online,

حال، مثل اکثر ما، آنلاین بودم،

I'd see my house, so I thought,

خانه‌ام را می‌دیدم، پس با خودم فکر کردم،

I'll hop in there and I'll start looking up

همانجا می‌پلکیدم و شروع می‌کردم به گشتن دنبال

some of these facilities.

بعضی از این امکانات.

And what I found really surprised me.

و چيزى كه فهميدم واقعا متعجبم كرد.

The pictures that I was finding

تصاويرى كه پيدا مى‌كردم

were years out of date,

سالها بود كه تاريخ مصرفشان گذشته بود،

and because of that,

و بهمين خاطر،

it had relatively little relevance

ارتباط نسبتاً كوچكى

to the work that I was doing today.

با كارى كه امروز انجام مى‌‌دادم، داشت.

But I was intrigued.

اما کنجکاو بودم.

I mean, satellite imagery is pretty amazing stuff.

منظورم اين است كه تصويربرداری ماهواره‌اى چيز واقعاً جالبى بود.

There are millions and millions of sensors

ميليونها ميليون حسگر امروزه اطراف

surrounding us today,

ما را احاطه كرده است،

but there's still so much we don't know on a daily basis.

اما هنوز كلى چيز هست كه کا بر مبنای روزانه چیزی راجع به اونها نمی‌دونستیم.

How much oil is stored in all of China?

چقدر نفت در كل ذخيره شده است؟

How much corn is being produced?

چقدر ذرت توليد مى‌‌شود؟

How many ships are in all of our world's ports?

چه تعدادى كشتى در تمامى بنادر جهان وجود دارد؟

Now, in theory, all of these questions

حال، در تئورى، همه اين پرسشها

could be answered by imagery,

را مى‌‌توان بواسطه زبان تصويرى پاسخ داد،

but not if it's old.

البته اگر قديمى نباشد.

And if this data was so valuable,

و اگر اين داده‌‌ها بسيار باارزش بود،

then how come I couldn't get my hands

پس چطور نمى‌‌توانستم به عكسهاى اخير

on more recent pictures?

دست پيدا كنم؟

So the story begins over 50 years ago

بنابراين داستان از ۵۰ سال قبل شروع می‌شود

with the launch of the first generation

با پرتاب نخستین نسل از

of U.S. government photo reconnaissance satellites.

ماهواره‌های اکتشافی عکس دولت ایالات متحده.

And today, there's a handful

و امروز، تنی چند از

of the great, great grandchildren

نتیجه‌های و ندیده‌های

of these early Cold War machines

این ماشینهای اولیه از دوران جنگ سرد وجود دارند

which are now operated by private companies

که اینک از سوی شرکتهای خصوصی اداره می شوند

and from which the vast majority of satellite imagery

و از آن اکثریت عمده از تصویربرداری ماهواره‌ای می‌آید

that you and I see on a daily basis comes.

که من و شما هر روز می‌بینیم.

During this period, launching things into space,

در طی این دوره، پرتاب کردن اشیاء به فضا،

just the rocket to get the satellite up there,

فقط خود آن راکت برای فرستادن ماهواره به اون بالا،

has cost hundreds of millions of dollars each,

هر کدام صدها میلیون دلار هزینه برمی داشت،

and that's created tremendous pressure

و این که فشار فوق‌العاده‌ای را ایجاد کرده

to launch things infrequently

تا این چیزها گهگاه پرتاب شوند

and to make sure that when you do,

و با کسب طمینان در این که موقع انجام دادنش

you cram as much functionality in there as possible.

کارایی هر چه بیشتر رو تا حد امکان در آنجا اعمال کنیم.

All of this has only made satellites

همه اینها تنها ماهواره‌ها

bigger and bigger and bigger

رو بزرگتر و بزرگتر

and more expensive,

و گرونتر کردند،

now nearly a billion, with a b, dollars per copy.

و هزینه هر مدلش چیزی تا حدود یک میلیارد دلار بود.

Because they are so expensive,

چون خيلى گران بودند،

there aren't very many of them.

خیلی از اونها وجود نداشت.

Because there aren't very many of them,

چون از اونها خيلى نيست،

the pictures that we see on a daily basis

تصاويريى كه بر مبناى روزانه مى‌‌ديديم

tend to be old.

قديمى بودند.

I think a lot of people actually understand this anecdotally,

فکر می‌کنم خیلی از مردم در واقع این این حکایت رو درک می کنند،

but in order to visualize just how sparsely

اما برای به تصویر کشیدن این که چطور سیاره‌ ما

our planet is collected,

بصورت پراکنده گردآوری میشه،

some friends and I put together a dataset

برخی دوستان و من مجموعه داده‌های

of the 30 million pictures that have been gathered

از 30 میلیون تصویر که از سوی این ماهواره‌ها

by these satellites between 2000 and 2010.

بین ۲۰۰۰ تا ۲۰۱۰ جمع اوری شده بود رو روی هم گذاشتیم.

As you can see in blue, huge areas of our world

همانطور که می‌بینید در رنگ آبی، محدوده‌های عظیمی از جهان ما

are barely seen, less than once a year,

بندرت مساهده‌می‌شوند، کمتر از یک بار در سال،

and even the areas that are seen most frequently,

حتی مناطقی که مکررا مشاهده می‌شوند،

those in red, are seen at best once a quarter.

اونهایی که قرمز رنگند، در بهترین حالت هر سه ماه یکبار دیده می‌شوند.

Now as aerospace engineering grad students,

در نتیجه این نمودارما دانشجوهای فارغ‌التحصیل

this chart cried out to us as a challenge.

مهندسی هوا و فضا رو به چالش می‌کشوند.

Why do these things have to be so expensive?

چرا باید اینها انقدر گرون باشند؟

Does a single satellite really have to cost

آیا یک ماهواره باید واقعا هزینه‌ای

the equivalent of three 747 jumbo jets?

معادل سه جمبوجت ۷۴۷ را برداره؟

Wasn't there a way to build a smaller,

آیا راهی نبود تا یک ماهواره جدید، کوچکتر

simpler, new satellite design that could enable

و ساده‌تر ساخته شه که قادر به میسر کردن

more timely imaging?

چیزی بیش از تصویربرداری بموقع باشه؟

I realize that it does sound a little bit crazy

می‌فهمم که این به نظر کمی دیوانه‌وار میاد

that we were going to go out and just

این که می‌خوایم دست بکار شیم

begin designing satellites,

و شروع به طراحی ماهواره‌ها کنیم،

but fortunately we had help.

اما خوشبختانه کمک داشتیم.

In the late 1990s, a couple of professors

در اواخر دهه ۱۹۹۰، دو پروفسور

proposed a concept for radically reducing the price

مفهومی را برای کاستن قابل توجه هزینه قرار دادن چیزها

of putting things in space.

در فضا ارائه دادند.

This was hitchhiking small satellites

این که ماهواره‌های کوچک رو

alongside much larger satellites.

همراه با ماهواره‌های بزرگتر ب آسمون بفرسیتم.

This dropped the cost of putting objects up there

این باعث شد که هزینه قرار دادن ابژه‌ها اون بالا در فضا تا چیزی

by over a factor of 100,

۱۰۰ درصد کاهش پیدا کنه،

and suddenly we could afford to experiment,

و ناگهان تونستیم از پس هزینه آزمایش کردن بر بیایم،

to take a little bit of risk,

تا یک کم ریسک کنیم،

and to realize a lot of innovation.

و کلی نوآوری کنیم.

And a new generation of engineers and scientists,

و نسل جدیدی از مهندسین و دانشمندان،

mostly out of universities,

اکثرا خارج از دانشگاه‌ها،

began launching these very small,

شروع به پرتاب این ماهواره‌های خیلی کوچک،

breadbox-sized satellites called CubeSats.

اندازه جعبه نون کردند که ماهواره ‌‌مکعبی نامیده می‌شدند

And these were built with electronics obtained

و اینها با الکترونیک‌های ساخته شده بودند که

from RadioShack instead of Lockheed Martin.

بجای لاک‌هید مارتین از رادیو شک بدست اومده بودند.

Now it was using the lessons learned from these early missions

الان موقع استفاده کردن از درسهایی بود که از این ماموریتهای اولیه آموخته شده بود

that my friends and I began a series of sketches

و این که من و دوستانم شروع به انجام یک سری طراحیها

of our own satellite design.

از طرح ماهواره خودمون کردیم.

And I can't remember a specific day

و نمی‌تونم روز خاصی رو بخاطر بیارم

where we made a conscious decision

که تصمیم آگاهانه‌ای گرفتیم

that we were actually going to go out and build these things,

که دست بکار شده و این چیزها رو بسازیم،

but once we got that idea in our minds

اما وقتی این ایده جهان بعنوان مجموعه‌ای از داده ها

of the world as a dataset,

به ذهنمون خطور کرد،

of being able to capture millions of data points

این که قادر به ضبط میلیونها داده

on a daily basis describing the global economy,

بر مبنای روزانه که توصیف کننده اقتصد جهانی باشه،

of being able to unearth billions of connections

این که قادر به پرده برداشتن از میلیاردها ارتباط

between them that had never before been found,

بین اونها باشه که هرگز قبلا یافت نشده بود،

it just seemed boring

کار کردن روی چیزهای دیگه

to go work on anything else.

صرفا کسل کننده به نظر می‌رسید.

And so we moved into a cramped,

و در نتیجه به این دفتر تنگ و تاریک

windowless office in Palo Alto,

بدون پنجره در پائولو آلتو نقل مکان کردیم

and began working to take our design

و کار بردن طرحهامون از میز ترسیم به

from the drawing board into the lab.

آززمایشگاه را شروع کردیم.

The first major question we had to tackle

اولین سوال عمده‌ای که باهاش کلنجار می‌رفتیم

was just how big to build this thing.

این بود که چطور این شی رو بسازیم.

In space, size drives cost,

در فضا، اندازه هزینه‌ بر می‌داره،

and we had worked with these very small,

و در مدرسه با این ماهواره‌های خیلی کوچک،

breadbox-sized satellites in school,

اندازه جعبه نان کار کرده بودیم،

but as we began to better understand the laws of physics,

اما وقتی شروع کردیم به درک بهتر از قوانین فیزیک،

we found that the quality of pictures

پی بردیم که کیفیت تصاویری که آن

those satellites could take was very limited,

ماهواره‌ها می‌گرفتند بسیار محدود بود،

because the laws of physics dictate

چون قوانین فیزیک دیکته می‌کند

that the best picture you can take through a telescope

که بهترین تصویری را که می‌توان از طریق یک تلسکوپ گرفت

is a function of the diameter of that telescope,

ناشی از عملکرد قطر آن تلسکوپ است،

and these satellites had a very small,

و این تلسکوپها حجمی بسیار کوچک

very constrained volume.

و بسیار محدود داشتند.

And we found that the best picture we would

و فهمیدیم که بهترین تصویری که ما قادر به نگاه

have been able to get looked something like this.

کردن به آن بوده‌ایم چیزی مثل این است.

Although this was the low-cost option,

اگر چه گزینه کم هزینه‌ای محسوب می‌شد،

quite frankly it was just too blurry

صراحتا لازم به گفتن است که برای دیدن

to see the things that make satellite imagery valuable.

چیزهایی که ارزش تصویرگری ماهواره رو می‌سازند بسیار تار بوده است.

So about three or four weeks later,

بنابراین سه یا چهار هفته بعد،

we met a group of engineers randomly

گروهی از مهندس‌ها را اتفاقی ملاقات کردیم

who had worked on the first

که روی اولین ماهواره

private imaging satellite ever developed,

تصویربرداری خصوصی که تا بحال ساخته شده بود کار کرده بودند،

and they told us that back in the 1970s,

و به ما گفتند که در دهه‌ی ۷۰ میلادی،

the U.S. government had found a powerful

دولت ایالات متحده به توازن قدرتمند و بهینه‌ای

optimal tradeoff --

دولت ایالات متحده به توازن قدرتمند و بهینه‌ای

that in taking pictures at right about one meter resolution,

برای گرفتن عکسهایی با وضوح یک متر رسیده،

being able to see objects one meter in size,

و قادر به مشاهده اشیایی با اندازه یک متر بوده،

they had found that they could not just get very high-quality images,

اونها فهمیده‌ بودند که قادر به گرفتن تصاوری با کیفیت خیلی بالا نیستند،

but get a lot of them at an affordable price.

بلکه می‌توانند تعداد زیادی عکس با کیفیت معمولی ولی با قیمت معقول بگیرند.

From our own computer simulations,

از شبیه سازی کامپیوتر خودمون،

we quickly found that one meter really was

فورا پی بردیم که یک متر واقعا

the minimum viable product

حداقل محصول قابل قبول برای

to be able to see the drivers of our global economy,

مشاهده کردن گردانندگان چرخ اقتصاد جهانی بود.

for the first time, being able to count

برای نخستین بار، قادر به شمردن

the ships and cars and shipping containers and trucks

کشتی‌هاو خودروها و کامیونها و کانتینرهای بودیم

that move around our world on a daily basis,

که بر مبنایی روزانه در سراسر دنیا در حال حرکت بودند،

while conveniently still not being able to see individuals.

در حالیکه هنوز به راحتی قادر به مشاهده اشخاص نباشد.

We had found our compromise.

به توافقی دست پیدا کردیم.

We would have to build something larger

باید چیزی می‌ساختیم که بزرگتر

than the original breadbox,

از ظرف نان اصلی بود.

now more like a mini-fridge,

چیزی مثل یک یخیچال کوچک،

but we still wouldn't have to build a pickup truck.

اما هنوز لازم نبود یک کامیون باری بسازیم.

So now we had our constraint.

بنابراین حالا محدودیت خودمان رو داشتیم.

The laws of physics dictated

قوانین فیزیک تلسکوپی

the absolute minimum-sized telescope that we could build.

با کوچکترین اندازه قطعی را دیکته می‌کردند.

What came next was making the rest of the satellite

مساله بعدی ساختن بقیه ماهواره بود

as small and as simple as possible,

که تا حد امکان کوچک و ساده بود،

basically a flying telescope with four walls

در اصل یک تلسکوپ پرنده با چهار دیوار

and a set of electronics smaller than a phone book

و مجموعه‌ای از الکترونیکهای کوچکتر از یک دفترچه تلفن

that used less power than a 100 watt lightbulb.

که انرژی کمتر از یک لامپ نوری ۱۰۰ وات را استفاده می‌کرد.

The big challenge became actually taking

چالش اصلی در واقع می‌شود گرفتن

the pictures through that telescope.

تصاویر از طریق آن تلسکوپ.

Traditional imaging satellites use a line scanner,

ماهواره‌های تصویری سنتی از یک اسکنر خطی استفاده می‌کنند،

similar to a Xerox machine,

که مشابه دستگاه زیراکس است،

and as they traverse the Earth, they take pictures,

و همانطور که زمین را می‌پیمایند، عکسها را می‌گیرند،

scanning row by row by row

ردیف به ردیف اسکن می‌کنند

to build the complete image.

تا تصویر کاملی را بسازند.

Now people use these because they get a lot of light,

الان از اینها استفاده می‌کنند چون که کلی نور می‌گیرند،

which means less of the noise you see

به این معنا که شاهد نویز کمتری در

in a low-cost cell phone image.

تصویر کم هزینه موبایل خواهید بود.

The problem with them is they require

مشکلی که مربوط به آنها وجود داره این است که

very sophisticated pointing.

مستلزم اشاره‌گری پیچیده‌ است.

You have to stay focused on a 50-centimeter target

باید روی یک هدف ۵۰ سانتی‌متری متمرکز بمانید

from over 600 miles away

از ۶۰۰ مایل اون ورتر

while moving at more than seven kilometers a second,

در حالیکه بیش از ۷ کیلومتر در ثانیه حرکت می‌کنه،

which requires an awesome degree of complexity.

که مستلزم یک درجه فوق‌العاده‌ای از پیچیدگی است.

So instead, we turned to a new generation of video sensors,

بنابراین در عوض، ما به نسل تازه‌ای از حسگرهای ویدیویی رو آوردیم

originally created for use in night vision goggles.

که در اصل برای استفاده در عینک ایمنی برای دید خلق شده است.

Instead of taking a single, high quality image,

در عوض گرفتن یک عکس با کیفیت بالا

we could take a videostream

می‌توانیم ویدئواستریمی از

of individually noisier frames,

کادرهای نویزدار مجزا بگیریم

but then we could recombine

اما بعدش می‌تونیم همه این

all of those frames together

کادرها را باهم ترکیب کنیم

into very high-quality images

تا نصاویر بسیار باکیفیتی

using sophisticated pixel processing techniques

را با استفاده از تکنیک‌های پردازشگر پیکسلی پیچیده

here on the ground,

اینجا در آن زمینه بدست بیاریم،

at a cost of one one hundredth a traditional system.

به قیمت یک و یک صدم از نظام سنتی.

And we applied this technique

و این تکنیک را بکار بردیم

to many of the other systems on the satellite as well,

برای خیلی از سیستم های دیگه روی ماهواره

and day by day, our design evolved

هر روزی که می‌گذره، طراحی ما تکامل پیدا می‌کنه

from CAD to prototypes

از طراحی‌های کامپیوتری گرفته تا نمونه اصلی و واحدهای تولیدی.

to production units.

از طراحی‌های کامپیوتری گرفته تا نمونه اصلی و واحدهای تولیدی.

A few short weeks ago,

چند هفته قبل،

we packed up SkySat 1,

اسکای ست یک -SkySat 1، را روانه کردیم

put our signatures on it,

و امضاهامون رو روش گذاشتیم،

and waved goodbye for the last time on Earth.

و برای آخرین از زمین براش دست خداحافظی تکون دادیم.

Today, it's sitting in its final launch configuration

امروز، در مرحله نهایی تنظیمات پرتاب قرار داره

ready to blast off in a few short weeks.

ظرف کمتر از چند هفته آماده پرتاب است.

And soon, we'll turn our attention to launching

و به زودی، ما توجه‌مون را به پرتاب

a constellation of 24 or more of these satellites

صورت فلکی ۲۴ یا بیشتر این ماهواره‌ها معطوف می‌کنیم

and beginning to build the scalable analytics

و شروع به ساخت تحلیل

that will allow us to unearth the insights

که به ما اجازه خواهد داد تا به بینش ما

in the petabytes of data we will collect.

در جمع آوری هر پتابایت از داده‌ها وسعت ببخشه.

So why do all of this? Why build these satellites?

پس این همه کار را چرا انجام می‌دیم؟ چرا این ماهواره‌ها را می سازیم؟

Well, it turns out imaging satellites

خب، از قراره معلوم ماهواره‌ها

have a unique ability to provide global transparency,

قابلیت منحصربفردی برای فراهم شفافیت جهانی دارند

and providing that transparency on a timely basis

و فراهم کردن آن شفافیت بر مبنای بموقعی‌ست

is simply an idea whose time has come.

که بسادگی ایده‌ای است که زمان اون فرا رسیده.

We see ourselves as pioneers of a new frontier,

ما خودمون رو بعنوان پیشگامان جبهه نو و فراتر از

and beyond economic data,

داده های اقتصادی می‌بینیم

unlocking the human story, moment by moment.

که لحظه به لحظه به باز کردن تاریخ بشری می‌پردازند.

For a data scientist

برای یک مهندس داده‌ها

that just happened to go to space camp as a kid,

که بطور اتفاقی به کمپ فضایی در کودکیش رفته بود،

it just doesn't get much better than that.

از این بهتر نمی‌شه.

Thank you.

متشکرم.

(Applause)

(تشویق)