Frederic Kaplan: How I built an information time machine

78,548 views ・ 2014-01-09

TED


A videó lejátszásához kattintson duplán az alábbi angol feliratokra.

Fordító: Csaba Lóki Lektor: Laszlo Kereszturi
00:12
This is an image of the planet Earth.
0
12285
2893
Ez itt egy kép a Földről.
00:15
It looks very much like the Apollo pictures
1
15178
3093
Nagyon hasonlít ahhoz, amit a jól ismert
00:18
that are very well known.
2
18271
1611
Apollo-képeken láthatunk.
00:19
There is something different;
3
19882
2070
De ez itt valami más;
00:21
you can click on it,
4
21952
1447
rá lehet kattintani,
00:23
and if you click on it,
5
23399
1198
és ha rákattintunk,
00:24
you can zoom in on almost any place on the Earth.
6
24597
3072
a Föld bármelyik helyére ráközelíthetünk.
00:27
For instance, this is a bird's-eye view
7
27669
1999
Ez például az EPFL egyetem [Lausanne, Svájc]
00:29
of the EPFL campus.
8
29668
2666
madártávlatból.
00:32
In many cases, you can also see
9
32334
2108
Sokszor még azt is megnézhetjük,
00:34
how a building looks from a nearby street.
10
34442
3740
hogy festenek az épületek a szomszédos utcából.
00:38
This is pretty amazing.
11
38182
1422
Lenyűgöző!
00:39
But there's something missing in this wonderful tour:
12
39604
3427
De valami mégis hiányzik ebből a csodálatos utazásból.
00:43
It's time.
13
43031
2188
Ez a valami: az idő.
00:45
i'm not really sure when this picture was taken.
14
45219
3070
Nem tudhatjuk, mikor készült ez a felvétel.
00:48
I'm not even sure it was taken
15
48289
1412
Még abban sem lehetünk biztosak, hogy ugyanakkor,
00:49
at the same moment as the bird's-eye view.
16
49701
6083
amikor a madártávlati kép.
00:55
In my lab, we develop tools
17
55784
2209
Mi, a laboratóriumunkban olyan eszközöket fejlesztünk,
00:57
to travel not only in space
18
57993
1764
melyekkel nem csak a térben,
00:59
but also through time.
19
59757
2558
de az időben is barangolhatunk.
01:02
The kind of question we're asking is
20
62315
1870
Olyan kérdésekre keressük a választ, mint:
01:04
Is it possible to build something
21
64185
1393
Lehetne-e olyasvalamit építeni,
01:05
like Google Maps of the past?
22
65578
2178
mint mondjuk egy múltbeli Google Maps?
01:07
Can I add a slider on top of Google Maps
23
67756
3310
Lehetne egy csúszkát tenni a Google Maps-re,
01:11
and just change the year,
24
71066
1803
amivel az évszámot változtatva
01:12
seeing how it was 100 years before,
25
72869
1791
láthatnánk, hogy nézett ki a terület 100 évvel,
01:14
1,000 years before?
26
74660
1669
1000 évvel ezelőtt?
01:16
Is that possible?
27
76329
2123
Lehetséges ez?
01:18
Can I reconstruct social networks of the past?
28
78452
2252
Lehetne rekonstruálni a múlt közösségi hálózatait?
01:20
Can I make a Facebook of the Middle Ages?
29
80704
3049
Tudnánk egy középkori Facebookot készíteni?
01:23
So, can I build time machines?
30
83753
3776
Vagyis: tudnánk-e időgépeket építeni?
01:27
Maybe we can just say, "No, it's not possible."
31
87529
2565
Lehet, hogy elintézzük ennyivel: "Nem, ez lehetetlen."
01:30
Or, maybe, we can think of it from an information point of view.
32
90094
3810
De az is lehet, hogy megvizsgáljuk a kérdést az információ oldaláról.
01:33
This is what I call the information mushroom.
33
93904
3190
Itt van egy ábra, amit én csak információs gombának nevezek.
01:37
Vertically, you have the time.
34
97094
1583
A függőleges tengelyen az idő,
01:38
and horizontally, the amount of digital information available.
35
98677
2740
a vízszintesen pedig az elérhető digitális információ mennyisége.
01:41
Obviously, in the last 10 years, we have much information.
36
101417
3482
Nyilvánvaló, hogy a legutóbbi 10 évből rengeteg információval rendelkezünk.
01:44
And obviously the more we go in the past, the less information we have.
37
104899
3548
És nyilván, ahogy haladunk az időben visszafelé, ez a mennyiség egyre csökken.
01:48
If we want to build something like Google Maps of the past,
38
108447
2318
Ha fel akarjuk építeni a letűnt korok Google Maps-ét
01:50
or Facebook of the past,
39
110765
1494
vagy Facebookját,
01:52
we need to enlarge this space,
40
112259
1574
akkor ezt a teret ki kell tágítanunk,
01:53
we need to make that like a rectangle.
41
113833
1938
egyre inkább téglalapszerűvé kell alakítanunk.
01:55
How do we do that?
42
115771
1510
Hogyan csináljuk ezt?
01:57
One way is digitization.
43
117281
2098
Az egyik módszer a digitalizálás.
01:59
There's a lot of material available --
44
119395
1779
Rengeteg anyag áll rendelkezésünkre --
02:01
newspaper, printed books, thousands of printed books.
45
121190
6270
újságok, sok ezernyi nyomtatott könyv.
02:07
I can digitize all these.
46
127460
1768
Én mindezeket digitalizálni tudjuk.
02:09
I can extract information from these.
47
129228
2737
Ki tudjuk vonni belőlük az információt.
02:11
Of course, the more you go in the past, the less information you will have.
48
131965
3543
Persze nyilván, minél messzebbre megyünk vissza, annál kevesebb az információnk.
02:15
So, it might not be enough.
49
135508
2646
Tehát lehet, hogy ez nem elégséges.
02:18
So, I can do what historians do.
50
138154
2408
De megtehetjük, amit a történészek is csinálnak.
02:20
I can extrapolate.
51
140562
1524
Bevethetjük az extrapolálás technikáját.
02:22
This is what we call, in computer science, simulation.
52
142086
4470
Ezt a számítástudományban szimulációnak nevezzük.
02:26
If I take a log book,
53
146556
1751
Ha nézünk például egy hajónaplót,
02:28
I can consider, it's not just a log book
54
148307
2404
akkor feltételezhetjük, hogy ez nem csak egy
02:30
of a Venetian captain going to a particular journey.
55
150711
2972
velencei kapitány naplója egy konkrét utazásról.
02:33
I can consider it is actually a log book
56
153683
1643
Tekinthetjük úgy is, hogy ez egy hajónapló,
02:35
which is representative of many journeys of that period.
57
155326
2582
ami az adott kor számos hajóútját reprezentálja.
02:37
I'm extrapolating.
58
157908
2245
Tehát extrapolálást végzünk.
02:40
If I have a painting of a facade,
59
160153
2038
Ha van egy festményünk egy épület homlokzatáról,
02:42
I can consider it's not just that particular building,
60
162191
2751
akkor úgy is tekinthetjük, hogy ez nem csak egy bizonyos épület,
02:44
but probably it also shares the same grammar
61
164942
3932
hanem valószínűleg magán viseli olyan
02:48
of buildings where we lost any information.
62
168874
4041
épületek jegyeit, amelyekről nincs információnk.
02:52
So if we want to construct a time machine,
63
172915
2858
Ha tehát időgépet akarunk készíteni,
02:55
we need two things.
64
175773
1339
két dologra van szükségünk.
02:57
We need very large archives,
65
177112
2234
Hatalmas archívumokra,
02:59
and we need excellent specialists.
66
179346
2742
és kiváló szakemberekre.
03:02
The Venice Time Machine,
67
182088
1874
A Velencei Időgép projekt,
03:03
the project I'm going to talk to you about,
68
183962
1805
amiről beszélni fogok önöknek,
03:05
is a joint project between the EPFL
69
185767
3020
az EPFL és a velencei Ca'Foscari Egyetem
03:08
and the University of Venice Ca'Foscari.
70
188787
2978
közös projektje.
03:11
There's something very peculiar about Venice,
71
191765
2165
Velencének van egy különös sajátossága,
03:13
that its administration has been
72
193930
2674
mégpedig az, hogy város vezetése
03:16
very, very bureaucratic.
73
196604
2194
mindig rendkívül bürokratikus volt.
03:18
They've been keeping track of everything,
74
198798
2193
Mindenről nyilvántartást vezettek,
03:20
almost like Google today.
75
200991
2915
akárcsak a Google napjainkban.
03:23
At the Archivio di Stato,
76
203906
1514
Az Állami Levéltárban
03:25
you have 80 kilometers of archives
77
205420
1764
80 kilométernyi régi irat
03:27
documenting every aspect
78
207184
2009
dokumentálja a velencei élet
03:29
of the life of Venice over more than 1,000 years.
79
209193
2246
több mint 1000 éves történetét.
03:31
You have every boat that goes out,
80
211439
1920
Nyoma van benne minden induló
03:33
every boat that comes in.
81
213359
1076
és minden érkező hajónak.
03:34
You have every change that was made in the city.
82
214435
2797
A városon végrehajtott minden változtatásnak nyoma van itt.
03:37
This is all there.
83
217232
3291
Ez mind, mind ott van.
03:40
We are setting up a 10-year digitization program
84
220523
3908
Most indítunk útjára egy 10 éves digitalizálási programot,
03:44
which has the objective of transforming
85
224431
1677
aminek a célja átalakítani
03:46
this immense archive
86
226108
1384
ezt a hatalmas archívumot
03:47
into a giant information system.
87
227492
2426
egy óriási információs rendszerbe.
03:49
The type of objective we want to reach
88
229918
1857
A cél eléréséhez naponta
03:51
is 450 books a day that can be digitized.
89
231775
4726
450 könyvet kell digitalizálnunk.
03:56
Of course, when you digitize, that's not enough,
90
236501
2247
A digitalizálás azonban természetesen nem elégséges,
03:58
because these documents,
91
238748
1287
mert ezeknek a dokumentumoknak
04:00
most of them are in Latin, in Tuscan,
92
240035
2639
a nagy része latin, toszkán,
04:02
in Venetian dialect,
93
242689
1515
vagy velencei dialektusban íródott,
04:04
so you need to transcribe them,
94
244204
1675
ezért bizonyos esetben át kell őket írni,
04:05
to translate them in some cases,
95
245879
1681
máskor fordításra,
04:07
to index them,
96
247560
1120
vagy indexelésre is szükség van,
04:08
and this is obviously not easy.
97
248680
2164
és ez nyilvánvalóan nem egyszerű feladat.
04:10
In particular, traditional optical character recognition method
98
250844
3844
Például, egy hagyományos optikai karakterfelismerő módszer,
04:14
that can be used for printed manuscripts,
99
254688
1424
ami remekül működik nyomtatott iratok esetén,
04:16
they do not work well on the handwritten document.
100
256112
4004
az kézzel írott dokumentumokra nem igazán jó.
04:20
So the solution is actually to take inspiration
101
260116
2130
A probléma megoldásához egy másik tudományterületet,
04:22
from another domain: speech recognition.
102
262246
2901
a beszédfelismerést hívtuk segítségül.
04:25
This is a domain of something that seems impossible,
103
265147
2055
Ez egy olyan terület, ami lehetetlennek tűnik,
04:27
which can actually be done,
104
267202
2537
amelyen csak további korlátozások
04:29
simply by putting additional constraints.
105
269739
2194
árán juthatunk előre.
04:31
If you have a very good model
106
271933
1586
Fontos, hogy mennyire jó a modellünk
04:33
of a language which is used,
107
273519
1526
a használt nyelvről,
04:35
if you have a very good model of a document,
108
275045
2086
mennyire jól modelleztük a dokumentumot,
04:37
how well they are structured.
109
277131
1432
és mennyire jól strukturáltak a dokumentumok.
04:38
And these are administrative documents.
110
278563
1353
És ezek itt hivatali dokumentumok.
04:39
They are well structured in many cases.
111
279931
2132
Az esetek többségében jól strukturáltak.
04:42
If you divide this huge archive into smaller subsets
112
282063
3308
Ha ezt a hatalmas archívumot kisebb halmazokra bontjuk,
04:45
where a smaller subset actually shares similar features,
113
285371
2877
ahol a halmazokat valami közös tulajdonság fogja össze,
04:48
then there's a chance of success.
114
288248
4031
akkor van remény a sikerre.
04:54
If we reach that stage, then there's something else:
115
294761
2435
Ha elértük ezt az állapotot, akkor jöhet a következő lépés:
04:57
we can extract from this document events.
116
297196
3522
a dokumentumokból eseményeket tudunk kinyerni.
05:00
Actually probably 10 billion events
117
300718
2298
Legalább 10 milliárd esemény
05:03
can be extracted from this archive.
118
303016
1931
nyerhető ki ebből az archívumból.
05:04
And this giant information system
119
304947
1724
És ebben az óriási információs rendszerben
05:06
can be searched in many ways.
120
306671
1816
többféle módon lehet keresni.
05:08
You can ask questions like,
121
308487
1368
Feltehetünk olyan kérdéseket, hogy:
05:09
"Who lived in this palazzo in 1323?"
122
309855
2760
"Ki volt ennek a palotának a lakója 1323-ban?"
05:12
"How much cost a sea bream at the Realto market
123
312615
2222
"Mennyibe került a tengeri keszeg a Rialto piacon
05:14
in 1434?"
124
314837
1724
1434-ben?"
05:16
"What was the salary
125
316561
1460
"Mennyi volt a fizetése
05:18
of a glass maker in Murano
126
318021
2045
egy muranói üvegkészítőnek
05:20
maybe over a decade?"
127
320066
1406
mondjuk egy évtizeddel később?"
05:21
You can ask even bigger questions
128
321472
1422
De ennél bonyolultabb kérdéseket is feltehetünk,
05:22
because it will be semantically coded.
129
322894
2738
mert minden szemantikailag kódolva lesz az anyagban.
05:25
And then what you can do is put that in space,
130
325632
2140
Aztán mindezt elhelyezhetjük a térben,
05:27
because much of this information is spatial.
131
327772
2173
mert az információk nagy részének térbeli dimenziója is van.
05:29
And from that, you can do things like
132
329945
1935
Ezekből aztán képesek leszünk
05:31
reconstructing this extraordinary journey
133
331880
2113
rekonstruálni ennek a városnak a rendkívüli történetét,
05:33
of that city that managed to have a sustainable development
134
333993
3356
amely képes volt több mint ezer éven keresztül
05:37
over a thousand years,
135
337349
2126
fenntartható módon fejlődni,
05:39
managing to have all the time
136
339475
1620
folyamatosan megőrizve az egyensúlyt
05:41
a form of equilibrium with its environment.
137
341095
2861
önmaga és környezete között.
05:43
You can reconstruct that journey,
138
343956
1248
Rekonstruálhatjuk ezt a történetet,
05:45
visualize it in many different ways.
139
345204
2896
és többféle módon is megjeleníthetjük.
05:48
But of course, you cannot understand Venice if you just look at the city.
140
348100
2699
De természetesen nem érthetjük meg Velencét, ha csak magát a várost nézzük.
05:50
You have to put it in a larger European context.
141
350799
2396
Mindezt egy tágabb, európai kontextusba kell helyezni.
05:53
So the idea is also to document all the things
142
353195
2821
A következő ötletünk, hogy az európai léptékben
05:56
that worked at the European level.
143
356016
2423
történt dolgokat is dokumentáljuk.
05:58
We can reconstruct also the journey
144
358439
1964
Azt is rekonstruálhatjuk,
06:00
of the Venetian maritime empire,
145
360403
1990
ahogy a velencei tengeri birodalom
06:02
how it progressively controlled the Adriatic Sea,
146
362393
3166
fokozatosan átvette az uralmat az Adriai-tenger fölött,
06:05
how it became the most powerful medieval empire
147
365559
3746
és hogy vált korának legerősebb
06:09
of its time,
148
369305
1561
középkori birodalmává,
06:10
controlling most of the sea routes
149
370866
2172
amely ellenőrzése alatt tartotta a keletről délre irányuló
06:13
from the east to the south.
150
373038
2933
tengeri útvonalak többségét.
06:17
But you can even do other things,
151
377305
2316
De más dolgokra is lehetőségünk nyílik,
06:19
because in these maritime routes,
152
379621
2277
mert ezek a hajózási útvonalak
06:21
there are regular patterns.
153
381898
1975
szabályos mintákat követnek.
06:23
You can go one step beyond
154
383889
2493
Még egy lépéssel tovább mehetünk,
06:26
and actually create a simulation system,
155
386382
2120
és készíthetünk egy szimulációs rendszert,
06:28
create a Mediterranean simulator
156
388502
2815
egy földközi-tengeri szimulátort,
06:31
which is capable actually of reconstructing
157
391317
2593
ami képes rekonstruálni
06:33
even the information we are missing,
158
393910
2202
a még a hiányzó információt is,
06:36
which would enable us to have questions you could ask
159
396112
2988
és amivel olyan kérdésekre kaphatunk választ,
06:39
like if you were using a route planner.
160
399100
2988
mint ha volna egy korabeli útvonaltervezőnk.
06:42
"If I am in Corfu in June 1323
161
402088
3071
"Ha Korfun vagyok 1323 júniusában,
06:45
and want to go to Constantinople,
162
405159
2526
akkor hol találok egy hajót,
06:47
where can I take a boat?"
163
407685
2143
amivel Konstantinápolyba tudok utazni?
06:49
Probably we can answer this question
164
409828
1367
Ezt a kérdést valószínűleg két-három napos
06:51
with one or two or three days' precision.
165
411195
4473
pontossággal meg tudjuk válaszolni.
06:55
"How much will it cost?"
166
415668
1607
"Mennyibe fog ez kerülni?"
06:57
"What are the chance of encountering pirates?"
167
417275
3592
"Mi az esélye annak, hogy kalózokkal találkozunk az úton?"
07:00
Of course, you understand,
168
420867
1811
Természetesen, ahogy önök is láthatják,
07:02
the central scientific challenge of a project like this one
169
422678
2609
ezeknek a projekteknek az a legnagyobb tudományos kihívása,
07:05
is qualifying, quantifying and representing
170
425287
3729
hogy hogyan osztályozzuk, számszerűsítsük és jelenítsük meg
07:09
uncertainty and inconsistency at each step of this process.
171
429016
3330
a folyamat lépéseinél a bizonytalanságot és következetlenségeket.
07:12
There are errors everywhere,
172
432346
2712
Mindenfelé hibákba botlunk
07:15
errors in the document, it's the wrong name of the captain,
173
435058
2489
a dokumentumokban: hibás a kapitány neve,
07:17
some of the boats never actually took to sea.
174
437547
3213
egyes hajók soha nem hagyták el a kikötőt.
07:20
There are errors in translation, interpretative biases,
175
440760
4857
Vannak fordítási hibák, félreértelmezések,
07:25
and on top of that, if you add algorithmic processes,
176
445624
3466
és hogyha mindezt algoritmikus úton kezdjük feldolgozni,
07:29
you're going to have errors in recognition,
177
449090
2949
akkor újabb hibák jelennek meg a felismerésben,
07:32
errors in extraction,
178
452039
1961
a kivonatolásban.
07:34
so you have very, very uncertain data.
179
454000
4481
A végeredmény pedig: nagyon-nagyon bizonytalan adatok.
07:38
So how can we detect and correct these inconsistencies?
180
458481
3757
De hogyan tudnánk felismerni és kijavítani ezeket az inkonzisztenciákat?
07:42
How can we represent that form of uncertainty?
181
462238
3660
Hogyan tudnánk valahogy ábrázolni ezt a fajta bizonytalanságot?
07:45
It's difficult. One thing you can do
182
465898
2097
Hát ez nem egyszerű. Az egyik megoldás,
07:47
is document each step of the process,
183
467995
2226
hogy a folyamat minden lépését dokumentáljuk,
07:50
not only coding the historical information
184
470221
2448
nem csak a történeti információ kódolását,
07:52
but what we call the meta-historical information,
185
472669
2679
hanem az ún. történeti meta-információkat is,
07:55
how is historical knowledge constructed,
186
475348
2663
vagyis azt, ahogy ezeket a történeti ismereteket felépítjük,
07:58
documenting each step.
187
478011
1998
dokumentálva minden lépést.
08:00
That will not guarantee that we actually converge
188
480009
1645
Ez nem garantálja, hogy valóban egy konkrét
08:01
toward a single story of Venice,
189
481654
2450
velencei történetet fogunk megtalálni,
08:04
but probably we can actually reconstruct
190
484104
2138
de valószínűleg képesek leszünk rekonstruálni
08:06
a fully documented potential story of Venice.
191
486242
3048
egy lehetséges, dokumentált velencei történetet.
08:09
Maybe there's not a single map.
192
489290
1459
Lehet, hogy nem létezik egyetlen konkrét térkép.
08:10
Maybe there are several maps.
193
490749
2120
Lehet, hogy több térkép van.
08:12
The system should allow for that,
194
492869
2216
A rendszernek meg kell engednie ezt,
08:15
because we have to deal with a new form of uncertainty,
195
495085
2859
mert itt egy újfajta bizonytalansággal állunk szemben,
08:17
which is really new for this type of giant databases.
196
497944
4641
ami egy új jelenség az ilyen giga-adatbázisok esetén.
08:22
And how should we communicate
197
502585
2190
De hogyan tudjuk eljuttatni ennek az új kutatásnak az eredményét
08:24
this new research to a large audience?
198
504790
3979
egy széles közönséghez?
08:28
Again, Venice is extraordinary for that.
199
508769
2663
Nos, Velence ebből a szempontból is különleges.
08:31
With the millions of visitors that come every year,
200
511432
2171
Az évente ide látogató sokmilliónyi turistával,
08:33
it's actually one of the best places
201
513603
1763
az egyik legkiválóbb hely arra,
08:35
to try to invent the museum of the future.
202
515366
2988
hogy megpróbáljuk megalkotni a jövő múzeumát.
08:38
Imagine, horizontally you see the reconstructed map
203
518354
3304
Képzeljük el, hogy vízszintesen látjuk egy
08:41
of a given year,
204
521658
1286
bizonyos év rekonstruált térképét,
08:42
and vertically, you see the document
205
522944
2958
függőlegesen pedig azt a dokumentumot,
08:45
that served the reconstruction,
206
525902
1511
ami a rekonstrukció alapjául szolgált,
08:47
paintings, for instance.
207
527413
3400
például festményeket.
08:50
Imagine an immersive system that permits
208
530813
2580
Képzeljünk el egy olyan fantasztikus rendszert, amivel
08:53
to go and dive and reconstruct the Venice of a given year,
209
533393
3502
egy tetszőleges évbe visszautazva, rekonstruálhatjuk az akkori Velencét.
08:56
some experience you could share within a group.
210
536895
2715
és ezt az élményt meg tudjuk osztani egy csoporton belül.
08:59
On the contrary, imagine actually that you start
211
539610
2246
Vagy fordítva, képzeljük, hogy egy dokumentumtól,
09:01
from a document, a Venetian manuscript,
212
541856
2207
mondjuk egy velencei kézirattól elindulva,
09:04
and you show, actually, what you can construct out of it,
213
544063
3049
be tudjuk mutatni, mit tudunk felépíteni belőle,
09:07
how it is decoded,
214
547112
1772
hogyan fejtjük vissza,
09:08
how the context of that document can be recreated.
215
548884
2415
hogyan rekonstruáljuk keletkezésének környezetét.
09:11
This is an image from an exhibit
216
551299
1885
Ez itt egy kép egy kiállításról,
09:13
which is currently conducted in Geneva
217
553184
2276
amit Genfben építettünk fel
09:15
with that type of system.
218
555460
2354
ezzel a fajta rendszerrel.
09:17
So to conclude, we can say that
219
557814
2175
Összefoglalva tehát, elmondhatjuk,
09:19
research in the humanities is about to undergo
220
559989
3079
hogy a humán kutatások terén valami
09:23
an evolution which is maybe similar
221
563068
1802
olyan fejlődés előtt állunk, mint amilyennek
09:24
to what happened to life sciences 30 years ago.
222
564870
4582
az orvostudományban voltunk tanúi 30 évvel ezelőtt.
09:29
It's really a question of scale.
223
569452
4676
Csak a mértéke a kérdés.
09:34
We see projects which are
224
574130
3303
Olyan projektek jelennek meg, melyek mérete
09:37
much beyond any single research team can do,
225
577433
3843
messze meghaladja egyetlen kutatócsoport kapacitásait,
09:41
and this is really new for the humanities,
226
581276
2243
és ez új jelenség a humán tudományok számára,
09:43
which very often take the habit of working
227
583519
3869
amelyekre eddig inkább a kis, néhány fős
09:47
in small groups or only with a couple of researchers.
228
587388
4008
kutatócsoportokban végzett munka volt jellemző.
09:51
When you visit the Archivio di Stato,
229
591396
2118
Ha ellátogatnak az Állami Levéltárba, rájönnek,
09:53
you feel this is beyond what any single team can do,
230
593514
2822
hogy ez a munka messze túlmutat egyetlen csapat képességein,
09:56
and that should be a joint and common effort.
231
596336
3834
és hogy itt közös, összehangolt erőfeszítésre van szükség.
10:00
So what we must do for this paradigm shift
232
600170
3106
Tehát ennek a paradigmaváltásnak az előmozdítása érdekében
10:03
is actually foster a new generation
233
603276
1902
ösztönöznünk kell a "digitális humanisták"
10:05
of "digital humanists"
234
605178
1537
új generációjának kialakulását,
10:06
that are going to be ready for this shift.
235
606715
2090
akik készek lesznek erre a változásra.
10:08
I thank you very much.
236
608805
1959
Köszönöm a figyelmet!
10:10
(Applause)
237
610764
4000
(Taps)
Erről a weboldalról

Ez az oldal olyan YouTube-videókat mutat be, amelyek hasznosak az angol nyelvtanuláshoz. A világ minden tájáról származó, kiváló tanárok által tartott angol leckéket láthatsz. Az egyes videók oldalán megjelenő angol feliratokra duplán kattintva onnan játszhatja le a videót. A feliratok a videó lejátszásával szinkronban gördülnek. Ha bármilyen észrevétele vagy kérése van, kérjük, lépjen kapcsolatba velünk ezen a kapcsolatfelvételi űrlapon.

https://forms.gle/WvT1wiN1qDtmnspy7