Stephen Lawler: Look! Up in the sky! It's Virtual Earth!

استفن لاولر: گشتی در «زمین مجازی مایکروسافت»

19,119 views

2007-06-21 ・ TED


New videos

Stephen Lawler: Look! Up in the sky! It's Virtual Earth!

استفن لاولر: گشتی در «زمین مجازی مایکروسافت»

19,119 views ・ 2007-06-21

TED


لطفا برای پخش فیلم روی زیرنویس انگلیسی زیر دوبار کلیک کنید.

Translator: Leila Ataei Reviewer: Shahram Eatezadi
00:25
What I want to talk to you about today is
0
25000
3000
امروز میخوام با شما در مورد جهان‌‌های مجازی،
00:28
virtual worlds, digital globes, the 3-D Web, the Metaverse.
1
28000
9000
دنیاهای دیجیتال، اینترنت سه‌بعدی و متاورس (Metaverse) صحبت کنم.
00:37
What does this all mean for us?
2
37000
2000
ولی این کلمات واقعا چه مفهومی برای ما دارند؟
00:39
What it means is the Web is going to become an exciting place again.
3
39000
5000
معنایی که میدهند این است که وب دوباره به یک محیط جذاب تبدیل خواهد شد.
00:44
It's going to become super exciting as we transform
4
44000
3000
در همان حین که ما خودمان را با این جهان تعاملی و شدیداً همه‌جانبه
00:47
to this highly immersive and interactive world.
5
47000
4000
تطبیق می‌دهيم، به یک محیط بسیار مهیج تبدیل خواهد شد.
00:51
With graphics, computing power, low latencies,
6
51000
3000
با گرافیک‌ها، قدرت پردازش، تاخیرهای کم،
00:54
these types of applications and possibilities
7
54000
3000
این گونه برنامه‌های کاربردی و امکانات
00:57
are going to stream rich data into your lives.
8
57000
5000
موجب جارى شدن اطلاعات فراوانى به درون زندگی شما مى‌‌شوند.
01:02
So the Virtual Earth initiative, and other types of these initiatives,
9
62000
5000
بنابراین ابتکار زمین مجازی و انواع دیگری از این ابداعات،
01:07
are all about extending our current search metaphor.
10
67000
6000
همگی در رابطه با گسترش قابلیت فعلی جستجوی ما مى‌‌باشد.
01:13
When you think about it, we're so constrained by browsing the Web,
11
73000
3000
وقتی در موردش فکر می‌کنید، ما بواسطه مرور كردن وب،
01:16
remembering URLs, saving favorites.
12
76000
3000
به یاد داشتن URLها، ذخیره کردن علاقه‌مندی‌ها خيلى محدود شده‌ایم.
01:19
As we move to search, we rely on the relevance rankings,
13
79000
3000
وقتی به سراغ جستجو می‌رویم، به رتبه‌بندی بر اساس مرتبط بودن،
01:22
the Web matching, the index crawling.
14
82000
3000
تطبیق وب و گشتن در میان شاخص‌ها تکیه می‌کنیم.
01:25
But we want to use our brain!
15
85000
2000
اما ما می‌خواهیم که از مغزمان استفاده کنیم!
01:27
We want to navigate, explore, discover information.
16
87000
3000
ما می‌خواهيم اطلاعات را پیمایش، کاوش و کشف کنیم.
01:30
In order to do that, we have to put you as a user back in the driver's seat.
17
90000
5000
برای این کار، باید شما را به عنوان یه کاربر توی صندلی راننده قرار دهيم.
01:35
We need cooperation between you and the computing network and the computer.
18
95000
4000
ما نیاز به همکاری در بین شما، شبکه پردازش و پردازش‌گر داریم.
01:39
So what better way to put you back in the driver's seat
19
99000
4000
پس چه راهی بهتر از این که شما را توی جای راننده قرار دهيم.
01:43
than to put you in the real world that you interact in every day?
20
103000
3000
به جای این که در دنیای واقعی‌ای که هر روز باآن تعامل دارید قرارتان دهیم؟
01:46
Why not leverage the learnings that you've been learning your entire life?
21
106000
4000
چرا اطلاعاتی را که در تمام طول عمرتان یاد می‌گرفتید را به کار نبریم؟
01:50
So Virtual Earth is about starting off
22
110000
3000
پس «زمین مجازی» در حال پایه‌گذاری
01:53
creating the first digital representation, comprehensive, of the entire world.
23
113000
5000
ساخت اولین نمایش دیجیتال و جامع از کل جهان است.
01:58
What we want to do is mix in all types of data.
24
118000
3000
کاری که می‌خواهیم کنیم این است که همه‌ی انواع داده‌‌ها را ترکیب کنیم.
02:01
Tag it. Attribute it. Metadata. Get the community to add local depth,
25
121000
5000
تگ بزنیمش. ویژگی‌هایی را به آن نسبت بدیم. فراداده. از جامعه برای افزودن به عمق محلی،
02:06
global perspective, local knowledge.
26
126000
3000
دید جهانی و دانش محلی استفاده کنیم.
02:09
So when you think about this problem,
27
129000
2000
پس وقتی به این مساله فکر می‌کنید،
02:11
what an enormous undertaking. Where do you begin?
28
131000
4000
عجب مسئولیت عظیمی. از کجا باید شروع کرد؟
02:15
Well, we collect data from satellites, from airplanes,
29
135000
4000
خوب، ما داده‌ها را از ماهواره ها، هواپیماها،
02:19
from ground vehicles, from people.
30
139000
3000
وسایط نقلیه‌ی زمینی و از مردم جمع‌آوری می‌کنیم.
02:22
This process is an engineering problem,
31
142000
5000
این فرآیند یك مسئله‌ی مهندسی،
02:27
a mechanical problem, a logistical problem, an operational problem.
32
147000
4000
یك مسئله‌ی مکانیکی، یك مسئله لجستیکی و یك مسئله‌ی عملیاتی است.
02:31
Here is an example of our aerial camera.
33
151000
2000
این یک نمونه از دوربین‌های هوایى ماست.
02:33
This is panchromatic. It's actually four color cones.
34
153000
3000
این دوربین نسبت به همه رنگ‌ها حساس است. در واقع دارای چهار مخروط رنگی هست.
02:36
In addition, it's multi-spectral.
35
156000
2000
به علاوه، چند طیفی هم هست.
02:38
We collect four gigabits per second of data,
36
158000
4000
ما چهار گیگابیت در ثانیه داده جمع‌آوری می‌کنیم،
02:42
if you can imagine that kind of data stream coming down.
37
162000
2000
اگر بتونید چنان جریان داده‌ای را تصور کنید که در حال مخابره شدن است.
02:44
That's equivalent to a constellation of 12 satellites at highest res capacity.
38
164000
6000
این حجم معادل مجموع اطلاعات 12 ماهواره با بالاترین وضوح میباشد.
02:50
We fly these airplanes at 5,000 feet in the air.
39
170000
4000
ما این هواپیماها را در ارتفاع 5000 فوتی به پرواز در میاوریم.
02:54
You can see the camera on the front. We collect multiple viewpoints,
40
174000
3000
می‌توانید دوربین را در جلو ببینید. از زوایای دید مختلف، داده میگیریم،
02:57
vantage points, angles, textures. We bring all that data back in.
41
177000
6000
نقاط مزیت، زوایا، بافت‌ها. ما همه‌ی آن داده‌ها رو یك جا جمع می‌کنیم.
03:03
We sit here -- you know, think about the ground vehicles, the human scale --
42
183000
4000
به وسایط نقلیه زمینی فکر کنید و مقیاس انسانی.
03:07
what do you see in person? We need to capture that up close
43
187000
2000
به شخصه چه چیزی را می‌بینید؟ ما می‌خواهیم همان را از نزدیک بگیریم
03:09
to establish that what it's like-type experience.
44
189000
4000
تا همان تجربه را برای افراد دیگر فراهم کنیم.
03:13
I bet many of you have seen the Apple commercials,
45
193000
4000
حتما خیلی‌هايتان تبلیغات Apple رو دیده‌اید،
03:17
kind of poking at the PC for their brilliance and simplicity.
46
197000
6000
یك جوراهايى طعنه زدن به كامپيوتر شخصى به خاطر ممتاز بودن و سادگی آنهاست.
03:23
So a little unknown secret is --
47
203000
2000
خب، یك راز کوچیک ناشناخته است،
03:25
did you see the one with the guy, he's got the Web cam?
48
205000
4000
آن شخص رو با آن يارو دیدید، او يك وب‌کم دارد؟
03:29
The poor PC guy. They're duct taping his head. They're just wrapping it on him.
49
209000
4000
بیچاره شخص صاحب رايانه شخصى. آنها به كله‌‌اش نوار چسب داكت چسبانده‌‌اند. در واقع فقط آن را به سرش بسته‌‌اند.
03:33
Well, a little unknown secret is his brother actually works on the Virtual Earth team.
50
213000
4000
خب، راز کوچک ناشناخته این است كه برادرش در واقع در تیم «زمین مجازی» کار می‌کند.
03:37
(Laughter). So they've got a little bit of a sibling rivalry thing going on here.
51
217000
5000
(خنده حضار).خب در واقع در اينجا كمى از رقابت بردارانه را داريم.
03:42
But let me tell you -- it doesn't affect his day job.
52
222000
2000
ولی اجازه دهيدبرايتان بگويم ب -- این تاثیری روی کار روزانه‌ش ندارد.
03:44
We think a lot of good can come from this technology.
53
224000
3000
ما خیلی به چیزهای خوبی که می‌توانند از این فناوری حاصل شوند فکر می‌کنیم.
03:47
This was after Katrina. We were the first commercial fleet of airplanes
54
227000
4000
این بعد از طوفان کاترینا بود. ما اولین ناوگان تجاری از هواپیماها بودیم
03:51
to be cleared into the disaster impact zone.
55
231000
3000
برای این که در منطقه اثر بحران شفاف شود.
03:54
We flew the area. We imaged it. We sent in people. We took pictures of interiors,
56
234000
5000
ما بر فراز منطقه پرواز کردیم. از آن تصویربرداری کردیم. افراد رو به داخل فرستادیم. تصاویری از فضای داخلی منطقه‌ی بحران
03:59
disaster areas. We helped with the first responders, the search and rescue.
57
239000
4000
گرفتیم. به اولین امدادگران برای جستجو و نجات کمک کردیم.
04:03
Often the first time anyone saw what happened to their house was on Virtual Earth.
58
243000
5000
غالبا اولین باری که افراد می‌دیدند چه بلایی سر خانه‌شان آمده از «زمین مجازی» بود.
04:08
We made it all freely available on the Web, just to --
59
248000
2000
ما آن راکاملا رایگان روی وب در دسترس قرار دادیم،
04:10
it was obviously our chance of helping out with the cause.
60
250000
4000
این قطعا فرصت ما برای کمک کردن در حادثه بود.
04:14
When we think about how all this comes together,
61
254000
3000
وقتی فکر می‌کنیم چطور همه‌ی این‌ها کنار هم جمع شد،
04:17
it's all about software, algorithms and math.
62
257000
4000
همه‌ش تو نرم‌افزار، الگوریتم‌ها و ریاضیات خلاصه می‌شود.
04:21
You know, we capture this imagery but to build the 3-D models
63
261000
3000
می‌دانید، ما این تصاویر را گرفتیم، ولی برای ساخت مدل سه‌بعدی
04:24
we need to do geo-positioning. We need to do geo-registering of the images.
64
264000
5000
باید مکان‌یابی جغرافیایی انجام دهیم. باید ثبت جغرافیایی عکس‌ها را انجام دهيم.
04:29
We have to bundle adjust them. Find tie points.
65
269000
2000
باید آنها را در دسته‌‌هایی با هم تطبیق دهيم. نقاط تا خوردگی را پیدا کنیم.
04:31
Extract geometry from the images.
66
271000
3000
هندسه را از تصاویر استخراج کنیم.
04:34
This process is a very calculated process.
67
274000
4000
این فرآیند پردازشى بسیار محاسبه شده است.
04:38
In fact, it was always done manual.
68
278000
1000
در واقع، این همیشه به صورت دستی انجام می‌شد.
04:39
Hollywood would spend millions of dollars to do a small urban corridor
69
279000
4000
هالیوود میلیون‌ها دلار خرج می‌کند تا برای یك فیلم راهروی شهری کوچكى
04:43
for a movie because they'd have to do it manually.
70
283000
3000
درست کند چون باید دستی انجامش دهند.
04:46
They'd drive the streets with lasers called LIDAR.
71
286000
2000
آنها به خیابان‌ها می‌روند با لیزرهایی به اسم LIDAR.
04:48
They'd collected information with photos. They'd manually build each building.
72
288000
4000
آنهنا اطلاعات را با عکس‌ها جمع‌آوری می‌کنند هر ساختمان را باید دستی بسازند.
04:52
We do this all through software, algorithms and math --
73
292000
2000
ما همین را تماماً از طریق نرم‌افزار، الگوریتم‌ها و ریاضیات انجام می‌دهیم--
04:54
a highly automated pipeline creating these cities.
74
294000
3000
خط لوله‌ی بسیار اتوماتیک شده‌ای که این شهرها را می‌سازد.
04:57
We took a decimal point off what it cost to build these cities,
75
297000
3000
ما يك اعشار از آنچه هزينه ساخت اين شهرها مى‌‌شود را بر مى‌‌داريم.
05:00
and that's how we're going to be able to scale this out and make this reality a dream.
76
300000
4000
و به اين ترتيب است كه قادر به سنجيدن و تبديل اين واقعيت به رويا خواهيم شد.
05:04
We think about the user interface.
77
304000
2000
در در مورد رابط کاربری فکر می‌کنیم.
05:06
What does it mean to look at it from multiple perspectives?
78
306000
3000
نگاه كردن به آن از ديدگاه‌‌هاى متعدد چه معنى مى‌‌دهد؟
05:09
An ortho-view, a nadir-view. How do you keep the precision of the fidelity of the imagery
79
309000
5000
يك نگاه عمودى، نگاهى از پايين‌‌ترين نقطه. چطور دقت وفادارى شبيه سازى را
05:14
while maintaining the fluidity of the model?
80
314000
4000
حفظ كنيد در حاليكه شناورى مدل را نگه مى‌كنيد ؟
05:18
I'll wrap up by showing you the --
81
318000
2000
با نشان دادن اين به شما صحبتم را تمام مى‌‌كنم--
05:20
this is a brand-new peek I haven't really shown into the lab area of Virtual Earth.
82
320000
4000
اين نگاه زيرزيركى دستِ اولى است كه من واقعاً در حوزه آزمايشگاهى زمين مجازى نشان نداده‌ام.
05:24
What we're doing is -- people like this a lot,
83
324000
3000
كارى كه مى‌‌كنيم -- آدمها اين را خيلى دوست دارند،
05:27
this bird's eye imagery we work with. It's this high resolution data.
84
327000
3000
اين چشم پرنده خيالى كه با آن كار مى‌‌كنيم. اين داده داراى وضوح بالاست.
05:30
But what we've found is they like the fluidity of the 3-D model.
85
330000
4000
ولی چیزی که ما فهمیدیم این است که آنها شناوری مدل سه‌بعدی را دوست دارد.
05:34
A child can navigate with an Xbox controller or a game controller.
86
334000
4000
یك بچه می‌تواندبا دسته‌ی Xbox یا هر دسته‌ی بازی هدايت کند.
05:38
So here what we're trying to do is we bring the picture and project it into the 3-D model space.
87
338000
5000
بنابراين اينجا چيزى كه ما سعى داريم انجام دهيم اين است كه تصوير را بياوريم و در درون فضاى مدل سه بعدى قرار دهيم.
05:43
You can see all types of resolution. From here, I can slowly pan the image over.
88
343000
6000
مى‌‌توانيد همه انواع وضوح را ببينيد. از اينجا، مى‌‌توانم تصوير را به آرامى بكشيم.
05:49
I can get the next image. I can blend and transition.
89
349000
3000
مى‌‌توانم تصوير بعدى را بگيرم. مى‌‌توانم آن را بياميزم و تغيير دهم.
05:52
By doing this I don't lose the original detail. In fact, I might be recording history.
90
352000
5000
با انجام این کار، جزئیات اصلی را از دست نمی‌دهم. در واقع، شاید دارم تاریخ را ثبت می‌کنم.
05:57
The freshness, the capacity. I can turn this image.
91
357000
3000
تازگى، قابليت. مى‌‌توانم اين تصوير را برگردانم.
06:00
I can look at it from multiple viewpoints and angles.
92
360000
3000
مى‌‌توانم به آن از زوايا و نقطه‌‌نظرهاى چندگانه بنگرم.
06:03
What we're trying to do is build a virtual world.
93
363000
3000
چيزى كه ما تلاش در انجام آن داريم، ساختن دنيايى مجازى است.
06:06
We hope that we can make computing a user model you're familiar with,
94
366000
5000
ما اميدواريم كه بتوانيم استفاده از كامپيوتر را بعنوان يك الگوى كاربرى طورى بسازيم كه شما با آن آشناييد،
06:11
and really derive insights from you, from all different directions.
95
371000
4000
و به واقع استخراج كننده بصيرت از درون شما و از كليه جهت‌‌هاى مختلف باشد.
06:15
I thank you very much for your time.
96
375000
2000
از وقتی که گذاشتید بسیار ممنونم.
06:17
(Applause)
97
377000
1000
(تشویق حضار)
درباره این وب سایت

این سایت ویدیوهای یوتیوب را به شما معرفی می کند که برای یادگیری زبان انگلیسی مفید هستند. دروس انگلیسی را خواهید دید که توسط معلمان درجه یک از سراسر جهان تدریس می شود. روی زیرنویس انگلیسی نمایش داده شده در هر صفحه ویدیو دوبار کلیک کنید تا ویدیو از آنجا پخش شود. زیرنویس‌ها با پخش ویدیو همگام می‌شوند. اگر نظر یا درخواستی دارید، لطفا با استفاده از این فرم تماس با ما تماس بگیرید.

https://forms.gle/WvT1wiN1qDtmnspy7