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

19,189 views ・ 2007-06-21

TED


A videó lejátszásához kattintson duplán az alábbi angol feliratokra.

Fordító: Csaba Lóki Lektor: Laszlo Kereszturi
00:25
What I want to talk to you about today is
0
25000
3000
Amiről ma beszélni fogok, az nem más, mint
00:28
virtual worlds, digital globes, the 3-D Web, the Metaverse.
1
28000
9000
a virtuális világok, digitális földgömbök, a 3D web, a metaverzum.
00:37
What does this all mean for us?
2
37000
2000
Mit jelent mindez a számunkra?
00:39
What it means is the Web is going to become an exciting place again.
3
39000
5000
Azt jelenti, hogy a web kezd ismét izgalmas hellyé válni.
00:44
It's going to become super exciting as we transform
4
44000
3000
Szuperizgalmas lesz, ahogy átalakítjuk
00:47
to this highly immersive and interactive world.
5
47000
4000
a virtuális valóság interaktív világává.
00:51
With graphics, computing power, low latencies,
6
51000
3000
Grafikájukkal, számítási teljesítményükkel, és sebességükkel
00:54
these types of applications and possibilities
7
54000
3000
ezek az alkalmazások és lehetőségek
00:57
are going to stream rich data into your lives.
8
57000
5000
az információk tárházát juttatják el az Önök életébe.
01:02
So the Virtual Earth initiative, and other types of these initiatives,
9
62000
5000
A Virtuális Föld program, és más hasonló programok
01:07
are all about extending our current search metaphor.
10
67000
6000
mind a jelenlegi keresési metaforánk kiterjesztéséről szólnak.
01:13
When you think about it, we're so constrained by browsing the Web,
11
73000
3000
Amikor erről beszélünk, a web böngészése jut eszünkbe,
01:16
remembering URLs, saving favorites.
12
76000
3000
URL-ek megjegyzése, kedvencek elmentése, stb.
01:19
As we move to search, we rely on the relevance rankings,
13
79000
3000
A keresés során fontossági rangsorokra támaszkodunk,
01:22
the Web matching, the index crawling.
14
82000
3000
web-illeszkedést, és index-feltérképezést használunk.
01:25
But we want to use our brain!
15
85000
2000
De mi az agyunkat akarjuk használni!
01:27
We want to navigate, explore, discover information.
16
87000
3000
Navigálni, kutatni, felfedezni akarunk az információk tengerében.
01:30
In order to do that, we have to put you as a user back in the driver's seat.
17
90000
5000
Hogy ezt megtehessük, vissza kell ültetnünk a felhasználót a vezetőülésbe.
01:35
We need cooperation between you and the computing network and the computer.
18
95000
4000
Együttműködésre van szükség Önök, a hálózat és a számítógép között.
01:39
So what better way to put you back in the driver's seat
19
99000
4000
És mi lenne a legjobb módja annak, hogy visszakerüljenek a vezetőülésbe,
01:43
than to put you in the real world that you interact in every day?
20
103000
3000
mint a belehelyezés abba a valós világba, amellyel naponta kapcsolatba kerülnek?
01:46
Why not leverage the learnings that you've been learning your entire life?
21
106000
4000
Miért nem hasznosítjuk az életünk során megszerzett ismereteket?
01:50
So Virtual Earth is about starting off
22
110000
3000
A Virtuális Föld nem más, mint lépés
01:53
creating the first digital representation, comprehensive, of the entire world.
23
113000
5000
a világ első, átfogó, digitális leképezése irányába.
01:58
What we want to do is mix in all types of data.
24
118000
3000
Szeretnénk minden rendelkezésre álló adatot összehozni.
02:01
Tag it. Attribute it. Metadata. Get the community to add local depth,
25
121000
5000
Felcímkézni. Tulajdonságokkal és metaadatokkal ellátni. Közösségek révén
02:06
global perspective, local knowledge.
26
126000
3000
lokális részletekkel, globális perspektívával, és helyi ismeretekkel kiegészíteni.
02:09
So when you think about this problem,
27
129000
2000
Amikor elkezdünk ezen a problémán gondolkozni,
02:11
what an enormous undertaking. Where do you begin?
28
131000
4000
látjuk, milyen óriási a feladat. Hogyan kezdjünk hozzá?
02:15
Well, we collect data from satellites, from airplanes,
29
135000
4000
Először is, adatokat gyűjtünk műholdakról, repülőgépekről,
02:19
from ground vehicles, from people.
30
139000
3000
földi járművekről, emberektől.
02:22
This process is an engineering problem,
31
142000
5000
Ez a folyamat részben mérnöki probléma,
02:27
a mechanical problem, a logistical problem, an operational problem.
32
147000
4000
mechanikai probléma, logisztikai és működtetési probléma.
02:31
Here is an example of our aerial camera.
33
151000
2000
Itt van például az egyik légi kameránk.
02:33
This is panchromatic. It's actually four color cones.
34
153000
3000
Ez egy pánkromatikus kamera. Ami négy színérzékelőt használ.
02:36
In addition, it's multi-spectral.
35
156000
2000
Ráadásul még multispektrális is.
02:38
We collect four gigabits per second of data,
36
158000
4000
Másodpercenként négy gigabit adatot gyűjtünk,
02:42
if you can imagine that kind of data stream coming down.
37
162000
2000
képzelhetik, micsoda adatáramot jelent mindez!
02:44
That's equivalent to a constellation of 12 satellites at highest res capacity.
38
164000
6000
Ez megfelel 12 műhold együttes teljesítményének, a legnagyobb felbontás mellett.
02:50
We fly these airplanes at 5,000 feet in the air.
39
170000
4000
Ezek a repülőgépek közel 2.000 méteres magasságban repülnek.
02:54
You can see the camera on the front. We collect multiple viewpoints,
40
174000
3000
Láthatjuk a kamerát ott az orrán. Az adatokat több nézőpontból,
02:57
vantage points, angles, textures. We bring all that data back in.
41
177000
6000
több távlatból, szögből és textúrával gyűjtjük. És az összes adatot fel is használjuk.
03:03
We sit here -- you know, think about the ground vehicles, the human scale --
42
183000
4000
Itt ülünk -- és a felszíni járműveken gondolkozunk, emberi léptékben --
03:07
what do you see in person? We need to capture that up close
43
187000
2000
de mit látunk valójában? Közelről kell megragadnunk,
03:09
to establish that what it's like-type experience.
44
189000
4000
hogy létrehozhassuk ezt a "milyen is ez" élményt.
03:13
I bet many of you have seen the Apple commercials,
45
193000
4000
Bizonyára sokan látták Önök közül az Apple-reklámokat,
03:17
kind of poking at the PC for their brilliance and simplicity.
46
197000
6000
melyek a PC-ket piszkálják remek voltuk és egyszerűségük miatt.
03:23
So a little unknown secret is --
47
203000
2000
Van itt egy apró titok --
03:25
did you see the one with the guy, he's got the Web cam?
48
205000
4000
látták azt a fickót azzal a webkamerával?
03:29
The poor PC guy. They're duct taping his head. They're just wrapping it on him.
49
209000
4000
Szegény PC-s ember. Hozzáragasztották a fejéhez. Egyszerűen hozzákötözték.
03:33
Well, a little unknown secret is his brother actually works on the Virtual Earth team.
50
213000
4000
Nos a kis titok az, hogy a testvére a Virtuális Föld csapatban dolgozik.
03:37
(Laughter). So they've got a little bit of a sibling rivalry thing going on here.
51
217000
5000
(Nevetés). Van is köztük egy kis testvérek közötti rivalizálás.
03:42
But let me tell you -- it doesn't affect his day job.
52
222000
2000
De hadd mondjam el Önöknek -- ennek semmi hatása a napi munkájára.
03:44
We think a lot of good can come from this technology.
53
224000
3000
Meggyőződésünk, hogy rengeteg jó dolog származhat ebből a technológiából.
03:47
This was after Katrina. We were the first commercial fleet of airplanes
54
227000
4000
Ez a Katrina utáni állapot. A miénk volt az első kereskedelmi légiflotta,
03:51
to be cleared into the disaster impact zone.
55
231000
3000
ami bejutott a katasztrófa sújtotta területre.
03:54
We flew the area. We imaged it. We sent in people. We took pictures of interiors,
56
234000
5000
Berepültük a területet. Rögzítettük a képeket. Embereket küldtünk oda. Belső tereket fényképeztünk,
03:59
disaster areas. We helped with the first responders, the search and rescue.
57
239000
4000
elpusztított területeket. Mi segítettük elsőként a keresést és a mentést.
04:03
Often the first time anyone saw what happened to their house was on Virtual Earth.
58
243000
5000
Sokan a Virtuális Földön keresztül látták először, hogy mi történt a házukkal.
04:08
We made it all freely available on the Web, just to --
59
248000
2000
Mindent ingyenesen elérhetővé tettünk a Weben, csak úgy --
04:10
it was obviously our chance of helping out with the cause.
60
250000
4000
ez volt a nyilvánvaló esélyünk arra, hogy segítsünk.
04:14
When we think about how all this comes together,
61
254000
3000
És hogy mindez miből áll össze:
04:17
it's all about software, algorithms and math.
62
257000
4000
szoftverből, algoritmusokból és matematikából.
04:21
You know, we capture this imagery but to build the 3-D models
63
261000
3000
Mi rögzítettük ezeket a képeket, de a 3D modellek megépítéséhez
04:24
we need to do geo-positioning. We need to do geo-registering of the images.
64
264000
5000
geopozícionálást kell végeznünk. A képeket földrajzi koordinátákhoz kell rendelnünk.
04:29
We have to bundle adjust them. Find tie points.
65
269000
2000
Össze kell illesztenünk a nyalábokat. Meg kell találnunk a kapcsolódási pontokat.
04:31
Extract geometry from the images.
66
271000
3000
Ki kell nyernünk a geometriát a képekből.
04:34
This process is a very calculated process.
67
274000
4000
Ez egy rendkívül számításigényes folyamat.
04:38
In fact, it was always done manual.
68
278000
1000
Ez valójában mindig manuális módon történt.
04:39
Hollywood would spend millions of dollars to do a small urban corridor
69
279000
4000
Hollywood millió dollárokat költene egy kicsi városi folyosó megépítésére
04:43
for a movie because they'd have to do it manually.
70
283000
3000
egy film számára, mert nekik manuálisan kéne dolgozniuk.
04:46
They'd drive the streets with lasers called LIDAR.
71
286000
2000
Ők az utcákat lézerekkel, ú.n. LIDAR-okkal vezetik.
04:48
They'd collected information with photos. They'd manually build each building.
72
288000
4000
Az információt fényképezéssel gyűjtik. Manuálisan építenek minden egyes épületet.
04:52
We do this all through software, algorithms and math --
73
292000
2000
Mi mindezt szoftverrel, algoritmusokkal és matematikával csináljuk --
04:54
a highly automated pipeline creating these cities.
74
294000
3000
egy magas fokon automatizált gyártósorral építjük ezeket a városokat.
04:57
We took a decimal point off what it cost to build these cities,
75
297000
3000
Egy nagyságrenddel csökkentettük az ilyen városok építési költségeit,
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
és így leszünk képesek ennek kiterjesztésével a valóságot álommá alakítani.
05:04
We think about the user interface.
77
304000
2000
Foglalkozunk a felhasználói felülettel is.
05:06
What does it mean to look at it from multiple perspectives?
78
306000
3000
Mit jelent az, hogy több nézőpontból nézzük a dolgokat?
05:09
An ortho-view, a nadir-view. How do you keep the precision of the fidelity of the imagery
79
309000
5000
Egy orto-nézet, egy nadír-nézet. Hogyan őrizzük meg a pontos képhűséget,
05:14
while maintaining the fluidity of the model?
80
314000
4000
és tartjuk fenn a modell fluiditását?
05:18
I'll wrap up by showing you the --
81
318000
2000
Befejezésül megmutatom Önöknek a --
05:20
this is a brand-new peek I haven't really shown into the lab area of Virtual Earth.
82
320000
4000
még sosem adtam senkinek bepillantást a Virtuális Föld laboratóriumába.
05:24
What we're doing is -- people like this a lot,
83
324000
3000
Amit most csinálunk -- az emberek nagyon szeretik ezt,
05:27
this bird's eye imagery we work with. It's this high resolution data.
84
327000
3000
madártávlati képekkel dolgozunk. Ez a nagyfelbontású adat.
05:30
But what we've found is they like the fluidity of the 3-D model.
85
330000
4000
Azt vettük észre, hogy igazán szeretik a 3D modell fluiditását.
05:34
A child can navigate with an Xbox controller or a game controller.
86
334000
4000
Egy gyermek könnyen navigál egy Xbox-szal vagy egy játékkontrollerrel.
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
Itt most megkíséreljük a képet rávetíteni a 3D-s modelltérre.
05:43
You can see all types of resolution. From here, I can slowly pan the image over.
88
343000
6000
Különböző felbontásokat láthatnak itt. Innen indulva, szép lassan el tudom húzni a képet.
05:49
I can get the next image. I can blend and transition.
89
349000
3000
Foghatom a következő képet. Keverhetek, és áttűnéseket készíthetek.
05:52
By doing this I don't lose the original detail. In fact, I might be recording history.
90
352000
5000
Viszont az eredeti részleteket ezzel nem veszítem el. Akár a történetet is rögzíthetem.
05:57
The freshness, the capacity. I can turn this image.
91
357000
3000
Micsoda frissesség és kapacitás. A képet el is fordíthatom.
06:00
I can look at it from multiple viewpoints and angles.
92
360000
3000
Megnézhetem különböző nézetekből és szögekből.
06:03
What we're trying to do is build a virtual world.
93
363000
3000
Egy virtuális világot próbálunk felépíteni.
06:06
We hope that we can make computing a user model you're familiar with,
94
366000
5000
Reméljük, képesek leszünk a számítástechnikát egy ismerős felhasználói modellé alakítani,
06:11
and really derive insights from you, from all different directions.
95
371000
4000
és betekintést adni Önöknek az összes különféle irányból.
06:15
I thank you very much for your time.
96
375000
2000
Köszönöm a drága idejüket!
06:17
(Applause)
97
377000
1000
(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