Kevin Kelly: The next 5,000 days of the web

211,099 views ・ 2008-07-29

TED


A videó lejátszásához kattintson duplán az alábbi angol feliratokra.

Fordító: Reka Lorinczy Lektor: Csaba Lóki
00:16
The Internet, the Web as we know it,
0
16160
2000
Az internet, a Web, ahogy ma ismerjük
00:18
the kind of Web -- the things we're all talking about --
1
18160
3000
- a dolgok, amikről mindenki beszél -
00:21
is already less than 5,000 days old.
2
21160
4000
még alig 5000 napos [2007-ben].
00:25
So all of the things that we've seen come about,
3
25160
4000
Tehát minden, amit láthatunk, például
00:29
starting, say, with satellite images of the whole Earth,
4
29160
3000
a Földről készült műholdfelvételek,
00:32
which we couldn't even imagine happening before,
5
32160
3000
melyekről korábban nem is álmodtunk,
00:35
all these things rolling into our lives,
6
35160
4000
az életünkbe beözönlő mindenféle dolgok,
00:39
just this abundance of things that are right before us,
7
39160
5000
a dolgoknak ez a bősége, ami elénk tárul
a laptop vagy a számítógép előtt ülve.
00:44
sitting in front of our laptop, or our desktop.
8
44160
2000
00:46
This kind of cornucopia of stuff
9
46160
2000
Ez a bőségszaru, ami véget nem érően ontja
00:48
just coming and never ending is amazing, and we're not amazed.
10
48160
6000
ezeket a dolgokat - megdöbbentő, és mi nem is csodálkozunk.
00:54
It's really amazing that all this stuff is here.
11
54160
4000
Tényleg elképesztő, hogy mennyi minden van itt.
(nevetés)
00:58
(Laughter)
12
58160
1000
00:59
It's in 5,000 days, all this stuff has come.
13
59160
4000
Ez mind 5000 nap alatt jött létre.
01:03
And I know that 10 years ago,
14
63160
3000
Tudom, ha 10 éve szóltam volna,
01:06
if I had told you that this was all coming,
15
66160
2000
hogy ez mind kialakul,
01:08
you would have said that that's impossible.
16
68160
3000
lehetetlennek tartották volna.
01:11
There's simply no economic model that that would be possible.
17
71160
5000
Egyszerűen nincs gazdasági modell, ami ezt lehetővé teszi.
Ha még azt is hozzátettem volna, hogy ingyenesen,
01:16
And if I told you it was all coming for free,
18
76160
2000
01:18
you would say, this is simply -- you're dreaming.
19
78160
2000
akkor azt mondták volna, hogy álmodom!
01:20
You're a Californian utopian. You're a wild-eyed optimist.
20
80160
4000
Egy kaliforniai utópista vagy. Egy elvakult optimista.
01:24
And yet it's here.
21
84160
2000
És mégis itt van.
01:26
The other thing that we know about it was that 10 years ago,
22
86160
4000
Másrészről, 10 éve,
01:30
as I looked at what even Wired was talking about,
23
90160
3000
ahogy akkoriban a még a Wired is megírta,
01:33
we thought it was going to be TV, but better.
24
93160
3000
azt hittük: "olyan lesz, mint a TV, csak jobb".
01:36
That was the model. That was what everybody was suggesting
25
96160
4000
Ez volt a modell. Mindenki azt sugallta,
01:40
was going to be coming.
26
100160
2000
hogy ez fog történni.
01:42
And it turns out that that's not what it was.
27
102160
3000
Kiderült, hogy nem olyan lett.
01:45
First of all, it was impossible, and it's not what it was.
28
105160
3000
Először is eredetileg lehetetlen volt, és most nem az.
01:48
And so one of the things that I think we're learning --
29
108160
1000
Tehát az egyik dolog, amit ebből leszűrhetünk --
01:49
if you think about, like, Wikipedia,
30
109160
2000
hogyha pl. a Wikipédiára gondolunk,
01:51
it's something that was simply impossible.
31
111160
2000
az egyszerűen lehetetlen volt.
01:53
It's impossible in theory, but possible in practice.
32
113160
4000
Elméletileg lehetetlen, gyakorlatilag viszont lehetséges.
01:57
And if you take all these things that are impossible,
33
117160
1000
Ha vesszük ezt az összes lehetetlen dolgot,
01:58
I think one of the things that we're learning from this era,
34
118160
4000
akkor az egyik dolog, amit megtanulhatunk ebből a korból,
02:02
from this last decade, is that we have to get good at believing in the impossible,
35
122160
4000
az elmúlt évtizedből, hogy jó lesz hozzászoknunk a lehetetlenhez,
02:06
because we're unprepared for it.
36
126160
3000
mert most nem vagyunk felkészülve rá.
02:09
So, I'm curious about what's going to happen in the next 5,000 days.
37
129160
3000
Nos, kíváncsi vagyok, mit hoz a következő 5000 nap.
02:12
But if that's happened in the last 5,000 days,
38
132160
2000
Ha ez volt az elmúlt 5000 napban,
02:14
what's going to happen in the next 5,000 days?
39
134160
3000
mi fog hozni a következő 5000?
02:17
So, I have a kind of a simple story,
40
137160
3000
Van egy egyszerű történetem, amely szerint
02:20
and it suggests that what we want to think about is this thing that we're making,
41
140160
3000
képzeljük el, hogy amit építünk,
02:23
this thing that has happened in 5,000 days --
42
143160
2000
ez az 5000 napos dolog --
02:25
that's all these computers, all these handhelds,
43
145160
3000
az összes számítógép, az összes mobil eszköz,
02:28
all these cell phones, all these laptops, all these servers --
44
148160
4000
az összes mobiltelefon, laptop, a szerverek --
02:32
basically what we're getting out of all these connections
45
152160
4000
azaz minden, ami ezek kapcsolatából
02:36
is we're getting one machine.
46
156160
2000
kialakult, az egyetlen gépezet.
02:38
If there is only one machine, and our little handhelds and devices
47
158160
4000
Ha csak egy gépezet van, és a mi kis készülékeink
02:42
are actually just little windows into those machines,
48
162160
2000
valójában csak ablakok erre a gépezetre,
02:44
but that we're basically constructing a single, global machine.
49
164160
6000
akkor mi egyetlen, globális gépezetet építünk.
02:50
And so I began to think about that.
50
170160
2000
Elkezdtem hát ezen gondolkodni.
02:52
And it turned out that this machine happens to be
51
172160
3000
És kiderült, hogy történetesen
02:55
the most reliable machine that we've ever made.
52
175160
3000
ez a legmegbízhatóbb gépezet, amit valaha építettünk.
02:58
It has not crashed; it's running uninterrupted.
53
178160
2000
Még soha nem romlott el; állandóan működik.
03:00
And there's almost no other machine that we've ever made
54
180160
3000
Nincs még egy, általunk épített gép,
03:03
that runs the number of hours, the number of days.
55
183160
4000
ami ennyi órát, napot működött volna.
03:07
5,000 days without interruption -- that's just unbelievable.
56
187160
3000
5000 napot megszakítás nélkül -- ez hihetetlen.
03:10
And of course, the Internet is longer than just 5,000 days;
57
190160
2000
Az internet persze idősebb 5000 napnál;
03:12
the Web is only 5,000 days.
58
192160
2000
a Web az, ami mindössze 5000 napos.
03:14
So, I was trying to basically make measurements.
59
194160
6000
Megpróbáltam méréseket végezni.
03:20
What are the dimensions of this machine?
60
200160
3000
Mik ennek a gépezetnek a méretei?
03:23
And I started off by calculating how many billions of clicks there are
61
203160
4000
Kezdtem számolni, hogy hány millió kattintás történik
03:27
all around the globe on all the computers.
62
207160
3000
világszerte, az összes számítógépen.
03:30
And there is a 100 billion clicks per day.
63
210160
2000
Kijött, hogy naponta 100 milliárd!
03:32
And there's 55 trillion links between all the Web pages of the world.
64
212160
6000
És a világ összes weblapja között van 55 trillió kapcsolat!
03:38
And so I began thinking more about other kinds of dimensions,
65
218160
3000
Aztán elkezdtem egyéb méreteken gondolkozni,
03:41
and I made a quick list. Was it Chris Jordan, the photographer,
66
221160
5000
készítettem is egy gyors listát erről. Talán Chris Jordan, a fényképész
03:46
talking about numbers being so large that they're meaningless?
67
226160
4000
beszélt azokról a számokról, amik akkorák, hogy már értelmetlenek?
03:50
Well, here's a list of them. They're hard to tell,
68
230160
2000
Íme egy lista róluk. Nehéz kimondani,
03:52
but there's one billion PC chips on the Internet,
69
232160
4000
de 1 milliárd PC chip van az interneten,
ha minden kapcsolódó számítógépet figyelembe veszünk.
03:56
if you count all the chips in all the computers on the Internet.
70
236160
2000
03:58
There's two million emails per second.
71
238160
2000
2 millió új e-mail másodpercenként.
04:00
So it's a very big number.
72
240160
2000
Tehát ez egy jó nagy szám.
04:02
It's just a huge machine,
73
242160
2000
Ez egy hatalmas gépezet,
04:04
and it uses five percent of the global electricity on the planet.
74
244160
4000
amely a Föld áramfogyasztásának 5%-át használja.
Lássuk a műszaki adatokat!
04:08
So here's the specifications,
75
248160
1000
04:09
just as if you were to make up a spec sheet for it:
76
249160
2000
ahogy egy technikai leírásban szerepelnének:
04:11
170 quadrillion transistors, 55 trillion links,
77
251160
4000
170 kvadrillió tranzisztor, 55 trillió link,
04:15
emails running at two megahertz itself,
78
255160
2000
e-mail-forgalom: két megahertz,
04:17
31 kilohertz text messaging,
79
257160
3000
szöveges üzenetek forgalma: 31 kilohertz,
04:20
246 exabyte storage. That's a big disk.
80
260160
4000
tárhely: 246 exabyte. Ez egy hatalmas lemez.
04:24
That's a lot of storage, memory. Nine exabyte RAM.
81
264160
3000
Rengeteg tárhelyről, rengeteg memória. 9 exabyte RAM!
04:27
And the total traffic on this
82
267160
4000
A bonyolított forgalom
7 terabyte másodpercenként.
04:31
is running at seven terabytes per second.
83
271160
3000
Brewster azt mondta, hogy a Kongresszusi Könyvtár 20 terabyte.
04:34
Brewster was saying the Library of Congress is about twenty terabytes.
84
274160
3000
04:37
So every second, half of the Library of Congress
85
277160
3000
Tehát másodpercenként a fél Kongresszusi Könyvtár
04:40
is swooshing around in this machine. It's a big machine.
86
280160
4000
átsuhan ezen a gépezeten. Ez egy hatalmas gépezet.
04:44
So I did something else. I figured out 100 billion clicks per day,
87
284160
4000
Végül mást tettem. Rájöttem, hogy a napi 100 millió kattintás,
04:48
55 trillion links is almost the same
88
288160
3000
az 55 trillió kapcsolat az kb. ugyanannyi,
04:51
as the number of synapses in your brain.
89
291160
2000
mint a szinapszisok száma az agyunkban.
04:53
A quadrillion transistors is almost the same
90
293160
2000
Egy kvadrillió tranzisztor majdnem annyi,
04:55
as the number of neurons in your brain.
91
295160
2000
mint a neuronok száma az agyunkban.
04:57
So to a first approximation, we have these things --
92
297160
3000
Tehát első megközelítésben itt tartunk --
05:00
twenty petahertz synapse firings.
93
300160
2000
20 petahertz idegimpulzus.
05:02
Of course, the memory is really huge.
94
302160
2000
Természetesen, a memória valóban hatalmas.
05:04
But to a first approximation, the size of this machine is the size --
95
304160
6000
Az első megközelítésben, ennek a gépezetnek a mérete
és bonyolultsága az agyunkéhoz fogható.
05:10
and its complexity, kind of -- to your brain.
96
310160
5000
05:15
Because in fact, that's how your brain works -- in kind of the same way that the Web works.
97
315160
4000
Mert így működik az agy is -- kb. ugyanúgy, ahogy a Web.
05:19
However, your brain isn't doubling every two years.
98
319160
4000
Az agyunk azonban nem duplázódik meg kétévente.
05:23
So if we say this machine right now that we've made
99
323160
5000
Tehát ha kijelentjük, hogy ez a gép, amit alkottunk
05:28
is about one HB, one human brain,
100
328160
3000
megfelel kb. egy emberi agynak (EA)
05:31
if we look at the rate that this is increasing,
101
331160
3000
és ez a növekedési sebesség folytatódik,
05:34
30 years from now, there'll be six billion HBs.
102
334160
5000
akkor 30 év múlva 6 milliárd EA lesz.
05:39
So by the year 2040, the total processing of this machine
103
339160
4000
2040 körül a gépezet által végzett műveletek száma
05:43
will exceed a total processing power of humanity,
104
343160
3000
meghaladja az egész emberiség műveleti kapacitását,
05:46
in raw bits and stuff. And this is, I think, where
105
346160
3000
nyers bitekben kifejezve. Azt hiszem, erről mondja
05:49
Ray Kurzweil and others get this little chart saying that we're going to cross.
106
349160
5000
Ray Kurzweil és mások grafikonja, hogy meg is haladjuk.
05:54
So, what about that? Well, here's a couple of things.
107
354160
6000
Mit jelent ez? Lássunk pár dolgot.
06:00
I have three kind of general things
108
360160
3000
Van három általános dolog, amiről beszélnék,
06:03
I would like to say, three consequences of this.
109
363160
4000
e dolog három következményéről.
06:07
First, that basically what this machine is doing is embodying.
110
367160
5000
Először: ez a gép kezd testet ölteni.
06:12
We're giving it a body. And that's what we're going to do
111
372160
2000
Mi fogunk neki testet adni. Ezt fogjuk tenni
06:14
in the next 5,000 days -- we're going to give this machine a body.
112
374160
3000
a következő 5000 napban: testet adunk e gépezetnek.
06:17
And the second thing is, we're going to restructure its architecture.
113
377160
3000
Másodszor: újraépítjük a belső szerkezetét.
06:20
And thirdly, we're going to become completely codependent upon it.
114
380160
4000
Harmadszor: teljesen és kölcsönösen függővé válunk tőle.
Vegyük sorra ezt a három dolgot!
06:24
So let me go through those three things.
115
384160
2000
06:26
First of all, we have all these things in our hands.
116
386160
3000
Először is, itt vannak ezek az eszközeink.
06:29
We think they're all separate devices,
117
389160
2000
Azt gondoljuk, hogy független készülékek,
06:31
but in fact, every screen in the world
118
391160
3000
de valójában a világon minden képernyő
06:34
is looking into the one machine.
119
394160
3000
ebbe a gépezetbe tekint bele.
06:37
These are all basically portals into that one machine.
120
397160
3000
Ezek a bejáratok ebbe az egyetlen gépezetbe.
06:40
The second thing is that -- some people call this the cloud,
121
400160
4000
A második dolog, hogy - ezt egyesek "felhőnek" nevezik,
06:44
and you're kind of touching the cloud with this.
122
404160
2000
és ezzel mintegy elérjük ezt a"felhőt".
06:46
And so in some ways, all you really need is a cloudbook.
123
406160
4000
Ezért aztán csak egy "cloudbook"-ra [mint a notebook] van szükségünk.
06:50
And the cloudbook doesn't have any storage.
124
410160
3000
A cloudbook-nak nincs memóriája.
06:53
It's wireless. It's always connected.
125
413160
3000
Vezeték nélküli, és mindig kapcsolatban van.
06:56
There's many things about it. It becomes very simple,
126
416160
2000
Sokat lehet mesélni róla. Nagyon egyszerű,
06:58
and basically what you're doing is you're just touching the machine,
127
418160
2000
elég csak megérinteni,
07:00
you're touching the cloud and you're going to compute that way.
128
420160
3000
máris elérjük a felhőt, és hozzájutunk a tartalmához.
07:03
So the machine is computing.
129
423160
2000
Tehát a gépezet működik.
07:05
And in some ways, it's sort of back
130
425160
1000
Ez bizonyos szempontból visszatérés a régi,
07:06
to the kind of old idea of centralized computing.
131
426160
3000
centralizált számítástechnikához.
07:09
But everything, all the cameras, and the microphones,
132
429160
4000
Azonban minden, az összes fényképezőgép és mikrofon,
07:13
and the sensors in cars
133
433160
4000
az összes érzékelő az autókban,
07:17
and everything is connected to this machine.
134
437160
2000
minden ehhez a gépezethez kapcsolódik.
07:19
And everything will go through the Web.
135
439160
2000
És minden a Weben megy keresztül.
07:21
And we're seeing that already with, say, phones.
136
441160
2000
Ezt látjuk már ma is, pl. a telefonoknál.
07:23
Right now, phones don't go through the Web,
137
443160
2000
Pillanatnyilag a telefonok nem mennek át a Weben,
07:25
but they are beginning to, and they will.
138
445160
3000
de a tendencia már elkezdődött, és folytatódni fog.
07:28
And if you imagine what, say, just as an example, what Google Labs has
139
448160
4000
Példaként gondoljunk csak a kísérletre, amit a Google Labs folytat
07:32
in terms of experiments with Google Docs, Google Spreadsheets, blah, blah, blah --
140
452160
4000
a Google Docs, Spreadsheet, stb, terén -
07:36
all these things are going to become Web based.
141
456160
3000
ezek már mind a Weben alapulnak.
07:39
They're going through the machine.
142
459160
2000
Mind átmennek a gépezeten.
07:41
And I am suggesting that every bit will be owned by the Web.
143
461160
5000
Hamarosan minden egyes bit a Web része lesz.
07:46
Right now, it's not. If you do spreadsheets and things at work,
144
466160
3000
Ma még nem ez a helyzet. A munkánk során készülő
07:49
a Word document, they aren't on the Web,
145
469160
3000
dokumentumok és táblázatok még nincsenek a Weben,
de oda fognak kerülni. Mind részei lesznek a gépezetnek,
07:52
but they are going to be. They're going to be part of this machine.
146
472160
2000
07:54
They're going to speak the Web language.
147
474160
2000
és beszélni fogják a Web nyelvét.
07:56
They're going to talk to the machine.
148
476160
2000
Mind kommunikálnak majd a gépezettel.
07:58
The Web, in some sense, is kind of like a black hole
149
478160
3000
A Web - bizonyos szempontból - egy fekete lyuk,
08:01
that's sucking up everything into it.
150
481160
3000
amely mindent elnyel.
08:04
And so every thing will be part of the Web.
151
484160
4000
Ezért minden része lesz a Webnek.
08:08
So every item, every artifact that we make, will have embedded in it
152
488160
5000
Minden tárgy, dolog, amit készítünk,
08:13
some little sliver of Web-ness and connection,
153
493160
3000
egy kicsit "webes" és kapcsolatra kész lesz.
08:16
and it will be part of this machine,
154
496160
2000
és része lesz a gépezetnek.
08:18
so that our environment -- kind of in that ubiquitous computing sense --
155
498160
3000
így a világunk - a mindent átható számítástechnika révén -
08:21
our environment becomes the Web. Everything is connected.
156
501160
5000
a világunk a Web lesz. Minden összekapcsolódik.
08:26
Now, with RFIDs and other things -- whatever technology it is,
157
506160
3000
Hogy RFID-vel vagy másképp, bármilyen megoldással,
08:29
it doesn't really matter. The point is that everything
158
509160
3000
az mellékes. Lényeg, hogy valamilyen módon
08:32
will have embedded in it some sensor connecting it to the machine,
159
512160
3000
minden kapcsolódni fog a gépezethez,
08:35
and so we have, basically, an Internet of things.
160
515160
3000
így tulajdonképpen egy "dolgok internetje" jön létre.
08:38
So you begin to think of a shoe as a chip with heels,
161
518160
4000
Kezdhetünk úgy gondolni egy cipőre, mint egy sarokkal ellátott chip-re,
08:42
and a car as a chip with wheels,
162
522160
3000
vagy egy autóra, mint egy kerekes chip-re.
08:45
because basically most of the cost of manufacturing cars
163
525160
3000
Mert az autó előállítási költségeinek nagy része
08:48
is the embedded intelligence and electronics in it, and not the materials.
164
528160
6000
a beépített elektronika és intelligencia, nem pedig az anyag.
08:54
A lot of people think about the new economy
165
534160
2000
Sokan úgy gondolnak az új gazdaságra,
08:56
as something that was going to be a disembodied,
166
536160
2000
mint valami immateriális,
08:58
alternative, virtual existence,
167
538160
3000
alternatív, virtuális dologra,
09:01
and that we would have the old economy of atoms.
168
541160
3000
amely mellett a régi, atomokból álló gazdaságunk is megmarad.
09:04
But in fact, what the new economy really is
169
544160
3000
Valójában az új gazdaság ennek a kettőnek kombinációja,
09:07
is the marriage of those two, where we embed the information,
170
547160
4000
ahol az információ és a dolgok digitális jellege
09:11
and the digital nature of things into the material world.
171
551160
2000
beágyazódik az anyagi világba.
09:13
That's what we're looking forward to. That is where we're going --
172
553160
4000
Körülbelül erre számíthatunk. Ez az, ahová tartunk -
09:17
this union, this convergence of the atomic and the digital.
173
557160
7000
egyfajta unióba, az atomi és a digitális világ konvergenciája fele.
Szerintem ennek egyik következménye,
09:24
And so one of the consequences of that, I believe,
174
564160
2000
09:26
is that where we have this sort of spectrum of media right now --
175
566160
4000
hogy a különböző médiumok - TV, film, videó - helyét átveszi
09:30
TV, film, video -- that basically becomes one media platform.
176
570160
3000
egy egységes platform.
09:33
And while there's many differences in some senses,
177
573160
2000
Míg most bizonyos tekintetben sok a különbség köztük,
09:35
they will share more and more in common with each other.
178
575160
3000
mind közelebb kerülnek egymáshoz.
09:38
So that the laws of media, such as the fact that copies have no value,
179
578160
5000
A médiatörvények szerint a másolatnak nincs értéke.
09:43
the value's in the uncopiable things,
180
583160
2000
Az érték a másolhatatlanságban,
09:45
the immediacy, the authentication, the personalization.
181
585160
5000
a közvetlenségben, a hitelességben, megszemélyesítésben rejlik.
09:50
The media wants to be liquid.
182
590160
3000
A média cseppfolyóssá akar válni.
09:53
The reason why things are free is so that you can manipulate them,
183
593160
3000
A dolgok azért szabadok, hogy módosíthatók legyenek,
09:56
not so that they are "free" as in "beer," but "free" as in "freedom."
184
596160
4000
nem a szó "ingyenes" értelmében, hanem a "szabadság"eredeti értelmében.
És a hálózati hatás uralkodik:
10:00
And the network effects rule,
185
600160
2000
10:02
meaning that the more you have, the more you get.
186
602160
2000
minél több mindennel rendelkezel, annál többet kapsz.
10:04
The first fax machine -- the person who bought the first fax machine
187
604160
3000
Az első faxberendezés esete -- aki megvette az első faxgépet,
10:07
was an idiot, because there was nobody to fax to.
188
607160
5000
dilis volt, mert nem volt kinek faxoljon.
10:12
But here she became an evangelist, recruiting others
189
612160
4000
De egy evangélista is volt, mert arra ösztönzött másokat.
10:16
to get the fax machines because it made their purchase more valuable.
190
616160
3000
hogy vegyenek faxot, mert attól az ő gépe értékesebbé vált.
Ezekkel a hatásokkal fogunk szembesülni.
10:19
Those are the effects that we're going to see.
191
619160
2000
10:21
Attention is the currency.
192
621160
2000
Az új fizetőeszköz a figyelem.
10:23
So those laws are going to kind of spread throughout all media.
193
623160
5000
Ezek a törvények el fognak terjedni az egész médiában.
10:28
And the other thing about this embodiment
194
628160
2000
A másik dolog erről a megtestesítésről,
10:30
is that there's kind of what I call the McLuhan reversal.
195
630160
3000
az,amit csak McLuhan-fordulatnak hívok.
McLuhan szerint: "A gépek az emberi érzékelés kiterjesztései."
10:33
McLuhan was saying, "Machines are the extensions of the human senses."
196
633160
2000
10:35
And I'm saying, "Humans are now going to be
197
635160
2000
Én azt mondom: "Az emberek lesznek
10:37
the extended senses of the machine," in a certain sense.
198
637160
3000
a gépek érzékeinek kiterjesztései", bizonyos értelemben.
10:40
So we have a trillion eyes, and ears, and touches,
199
640160
4000
Trilliónyi szemünk, fülünk és tapintásunk van,
digitális fotóink és kameráink révén.
10:44
through all our digital photographs and cameras.
200
644160
3000
10:47
And we see that in things like Flickr,
201
647160
5000
Látjuk, hogy a Flickr-rel,
10:52
or Photosynth, this program from Microsoft
202
652160
3000
a Photosynth-tel, ezzel a Microsoft-programmal
10:55
that will allow you to assemble a view of a touristy place
203
655160
4000
turisták fotóinak ezreiből összeállíthatjuk
10:59
from the thousands of tourist snapshots of it.
204
659160
4000
egy turisztikai látványosság teljes nézetét.
11:03
In a certain sense, the machine is seeing through the pixels of individual cameras.
205
663160
6000
Bizonyos értelemben a gép az egyes kamerák pixeljein át lát
11:09
Now, the second thing that I want to talk about was this idea of restructuring,
206
669160
4000
A második dolog, amiről szólni szeretnék, a szerkezeti átalakulás.
Az, hogy a Web szerkezete átalakulóban van.
11:13
that what the Web is doing is restructuring.
207
673160
2000
11:15
And I have to warn you, that what we'll talk about is --
208
675160
2000
felhívnám a figyelmet, hogy amiről beszélni fogok,
11:17
I'm going to give my explanation of a term you're hearing, which is a "semantic Web."
209
677160
4000
megmagyarázom az önök által már hallott "szemantikus web" fogalmat.
11:21
So first of all, the first stage that we've seen
210
681160
3000
Nos, az internet első szakaszának célja
11:24
of the Internet was that it was going to link computers.
211
684160
3000
a számítógépek összekapcsolása volt.
11:27
And that's what we called the Net; that was the Internet of nets.
212
687160
3000
Ezt neveztük Hálónak; ez volt a hálók internetje.
11:30
And we saw that, where you have all the computers of the world.
213
690160
3000
Láttuk, hol vannak számítógépek világszerte.
11:33
And if you remember, it was a kind of green screen with cursors,
214
693160
4000
Ha emlékeznek, volt egy zöld képernyőnk egy kurzorral,
11:37
and there was really not much to do, and if you wanted to connect it,
215
697160
2000
amivel nem nagyon lehetett mit kezdeni.
11:39
you connected it from one computer to another computer.
216
699160
3000
A kapcsolódáshoz közvetlenül kellett két gépet összekötni.
11:42
And what you had to do was -- if you wanted to participate in this,
217
702160
2000
Ha valamit akartunk kezdeni vele,
11:44
you had to share packets of information.
218
704160
4000
akkor információ-csomagokat kellett megosztani másokkal.
Így kezdtünk információt küldni, minden kontroll nélkül.
11:48
So you were forwarding on. You didn't have control.
219
708160
2000
11:50
It wasn't like a telephone system where you had control of a line:
220
710160
2000
Eltérően egy telefonvonaltól, ahol a kapcsolatot mi felügyeljük:
11:52
you had to share packets.
221
712160
2000
a csomagokat meg kellett osztanunk másokkal.
11:54
The second stage that we're in now is the idea of linking pages.
222
714160
5000
A második szakasz, ahol most tartunk, az oldalak összekapcsolásáról szól.
11:59
So in the old one, if I wanted to go on to an airline Web page,
223
719160
3000
Annak idején egy légitársaság honlapját úgy néztük meg,
12:02
I went from my computer, to an FTP site, to another airline computer.
224
722160
4000
hogy a saját gépünkről egy FTP-helyre, a légitársaság egy másik gépére mentünk.
12:06
Now we have pages -- the unit has been resolved into pages,
225
726160
5000
Most oldalak vannak -- az oldal lett az egység,
12:11
so one page links to another page.
226
731160
2000
így egy oldal kapcsolódik a másikhoz.
12:13
And if I want to go in to book a flight,
227
733160
3000
Ha helyet szeretnék foglalni egy járatra,
12:16
I go into the airline's flight page, the website of the airline,
228
736160
5000
rámegyek a légitársaság honlapjára,
12:21
and I'm linking to that page.
229
741160
2000
és kapcsolódom hozzá.
12:23
And what we're sharing were links, so you had to be kind of open with links.
230
743160
4000
Most linkeket osztottunk meg, tehát nyitottnak kellett lennünk a megosztásra.
12:27
You couldn't deny -- if someone wanted to link to you,
231
747160
2000
Nem lehetett visszautasítani, ha valaki kapcsolódni akart hozzánk,
12:29
you couldn't stop them. You had to participate in this idea
232
749160
4000
nem lehetett megakadályozni. Azonosulni kellett a gondolattal,
12:33
of opening up your pages to be linked by anybody.
233
753160
3000
hogy kinyissuk az oldalainkat mindenkinek, aki kapcsolódni akar.
12:36
So that's what we were doing.
234
756160
2000
És most éppen ezt tesszük.
12:38
We're now entering to the third stage, which is what I'm talking about,
235
758160
4000
Most lépünk az általam említett harmadik szakaszba.
12:42
and that is where we link the data.
236
762160
2000
Ebben az adatokat kapcsoljuk össze.
12:44
So, I don't know what the name of this thing is.
237
764160
2000
Még azt sem tudom, hogy hívják ezt a valamit.
12:46
I'm calling it the one machine. But we're linking data.
238
766160
2000
Csak"egy gépezet"-nek nevezem. De ebben adatokat kapcsolunk össze.
12:48
So we're going from machine to machine,
239
768160
2000
Megyünk gépről gépre,
12:50
from page to page, and now data to data.
240
770160
2000
oldalról oldalra, most pedig adatról adatra.
12:52
So the difference is, is that rather than linking from page to page,
241
772160
4000
A különbség az, hogy nem oldalakat kapcsolunk össze,
12:56
we're actually going to link from one idea on a page
242
776160
4000
hanem egy oldalon lévő gondolatot
13:00
to another idea, rather than to the other page.
243
780160
2000
egy másik gondolattal, nem pedig oldallal.
13:02
So every idea is basically being supported --
244
782160
3000
Így minden gondolatot --
13:05
or every item, or every noun -- is being supported by the entire Web.
245
785160
3000
minden elemet, minden főnevet -- az egész Web támogat.
13:08
It's being resolved at the level of items, or ideas, or words, if you want.
246
788160
6000
Az egységek az elemek, fogalmak, vagy akár a szavak is lehetnek.
13:14
So besides physically coming out again into this idea
247
794160
4000
És itt ismét megjelenik az anyagi valóság,
13:18
that it's not just virtual, it's actually going out to things.
248
798160
4000
hiszen ez nem tisztán virtuális, ez valódi dolgokról szól.
13:22
So something will resolve down to the information
249
802160
3000
Valami egy konkrét személyről fog információt tartalmazni,
13:25
about a particular person, so every person will have a unique ID.
250
805160
4000
tehát mindenkinek lesz egyedi azonosítója.
13:29
Every person, every item will have a something
251
809160
2000
Minden személynek, minden dolognak
13:31
that will be very specific, and will link
252
811160
2000
lesz valamije, ami csak rá jellemző, és ami összeköti
13:33
to a specific representation of that idea or item.
253
813160
4000
a gondolat vagy a dolog egy konkrét megjelenésével.
13:37
So now, in this new one, when I link to it,
254
817160
3000
Tehát most, ebben az új szakaszban
13:40
I would link to my particular flight, my particular seat.
255
820160
6000
az én konkrét repülőjáratomhoz és ülőhelyemhez fogok kapcsolódni.
13:46
And so, giving an example of this thing,
256
826160
3000
Hadd mondjak egy példát erre.
13:49
I live in Pacifica, rather than -- right now Pacifica
257
829160
2000
Én Pacifikában élek - legyen Pacifika
13:51
is just sort of a name on the Web somewhere.
258
831160
3000
egy tetszőleges hely neve a Weben.
13:54
The Web doesn't know that that is actually a town,
259
834160
2000
A Web nem tudja, hogy ez valójában egy város,
13:56
and that it's a specific town that I live in,
260
836160
2000
egy bizonyos város, ahol én lakom,
13:58
but that's what we're going to be talking about.
261
838160
3000
de most éppen erről lesz szó.
14:01
It's going to link directly to --
262
841160
2000
A kapcsolat közvetlenül oda vezet --
14:03
it will know, the Web will be able to read itself
263
843160
3000
tudni fogja, a Web maga képes lesz ezt kiolvasni,
14:06
and know that that actually is a place,
264
846160
2000
és tudja, hogy az valójában egy hely,
14:08
and that whenever it sees that word, "Pacifica,"
265
848160
2000
és amikor a "Pacifika" szót "látja",
14:10
it knows that it actually has a place,
266
850160
1000
tudja, hogy tartozik hozzá egy hely,
14:11
latitude, longitude, a certain population.
267
851160
3000
egy hosszúság, szélesség, egy bizonyos népesség.
14:14
So here are some of the technical terms, all three-letter things,
268
854160
3000
Van pár technikai kifejezés, hárombetűs rövidítések,
14:17
that you'll see a lot more of.
269
857160
2000
melyekkel majd gyakran fogunk találkozni.
14:19
All these things are about enabling this idea of linking to the data.
270
859160
5000
Ezek mind az adathoz kapcsolódás megvalósulását szolgálják.
14:24
So I'll give you one kind of an example.
271
864160
3000
Íme egy példa.
14:27
There's like a billion social sites on the Web.
272
867160
4000
Van úgy kb. egymilliárd közösségi oldal a Weben.
14:31
Each time you go into there, you have to tell it again who you are
273
871160
3000
Első belépéskor mindegyiknél újra meg kell mondanunk,
14:34
and all your friends are.
274
874160
1000
kik vagyunk, és kik a barátaink.
14:35
Why should you be doing that? You should just do that once,
275
875160
2000
Miért tennénk ezt? Ha egyszer megadtuk,
14:37
and it should know who all your friends are.
276
877160
3000
tudnia kellene később, hogy kik barátaink.
14:40
So that's what you want, is all your friends are identified,
277
880160
2000
Azt szeretnénk, hogy hogy egyszer az összes barátunkat beazonosítjuk,
14:42
and you should just carry these relationships around.
278
882160
2000
majd utána ezeket a kapcsolatotokat visszük magunkkal.
14:44
All this data about you should just be conveyed,
279
884160
3000
Az összes rólunk szóló adatnak át kéne kerülnie.
14:47
and you should do it once and that's all that should happen.
280
887160
3000
Csak egyszer kéne megadni.
14:50
And you should have all the networks
281
890160
2000
És meg kellene legyen ezen adatelemek közti
14:52
of all the relationships between those pieces of data.
282
892160
2000
összes kapcsolat hálózata.
14:54
That's what we're moving into -- where it sort of knows these things down to that level.
283
894160
5000
Ebbe az irányba tartunk -- ahol ilyen mélységig ismeri a dolgokat.
14:59
A semantic Web, Web 3.0, giant global graph --
284
899160
3000
Egy szemantikus web, a Web 3.0, egy óriás globális hálózat --
15:02
we're kind of trying out what we want to call this thing.
285
902160
3000
még csak keressük a nevet ennek a dolognak.
15:05
But what's it's doing is sharing data.
286
905160
2000
Ami biztos, hogy adatokat oszt meg.
15:07
So you have to be open to having your data shared, which is a much bigger step
287
907160
5000
Nyitottak kell lennünk az adataink megosztására,
ami sokkal nagyobb lépés, mint weblapot vagy számítógépet megosztani.
15:12
than just sharing your Web page, or your computer.
288
912160
2000
15:14
And all these things that are going to be on this
289
914160
4000
És az összes dolog, ami itt megjelenik,
15:18
are not just pages, they are things.
290
918160
3000
azok nem csak oldalak lesznek, hanem dolgok.
15:21
Everything we've described, every artifact or place,
291
921160
4000
Minden, amit leírtunk, minden tárgy vagy hely
15:25
will be a specific representation,
292
925160
2000
egy konkrét megjelenés lesz.
15:27
will have a specific character that can be linked to directly.
293
927160
5000
konkrét jellemzőkkel, melyekhez kapcsolódni lehet.
15:32
So we have this database of things.
294
932160
2000
Előáll tehát a dolgok adatbázisa.
15:34
And so there's actually a fourth thing that we have not get to,
295
934160
4000
Valójában van egy negyedik dolog is, amihez még nem értünk el,
amit nem fogunk látni a következő 10 évben vagy 5000 napban,
15:38
that we won't see in the next 10 years, or 5,000 days,
296
938160
2000
15:40
but I think that's where we're going to. And as the Internet of things --
297
940160
5000
de szerintem e felé haladunk. És ahogy a dolgok internete --
15:45
where I'm linking directly to the particular things of my seat on the plane --
298
945160
4000
amelyben közvetlenül kapcsolódom egy konkrét üléshez a repülőjáratomon --
15:49
that that physical thing becomes part of the Web.
299
949160
3000
ez a fizikai dolog része lesz a webnek.
15:52
And so we are in the middle of this thing
300
952160
2000
Szóval mi vagyunk ennek a dolognak a közepében,
15:54
that's completely linked, down to every object
301
954160
3000
amelyben minden darab, legyen bármilyen apró,
15:57
in the little sliver of a connection that it has.
302
957160
2000
mindennel összeköttetésben van.
15:59
So, the last thing I want to talk about is this idea
303
959160
2000
Végül az utolsó, amiről még szeretnék beszélni,
16:01
that we're going to be codependent.
304
961160
3000
a kölcsönös függőség gondolata.
16:04
It's always going to be there, and the closer it is, the better.
305
964160
4000
Mindig is létezni fog, és minél közelebb van, annál jobb.
16:08
If you allow Google to, it will tell you your search history.
306
968160
3000
Ha engedélyezzük, a Google megmutatja a keresési előzményeinket.
16:11
And I found out by looking at it
307
971160
2000
Amikor nézegettem, észrevettem,
16:13
that I search most at 11 o'clock in the morning.
308
973160
2000
hogy főleg délelőtt 11 körül szoktam keresni.
16:16
So I am open, and being transparent to that.
309
976160
3000
Én tehát nyitott és transzparens vagyok erre.
16:19
And I think total personalization in this new world will require total transparency.
310
979160
6000
A teljes megszemélyesítés ebben a világban
mindenkitől teljes átláthatóságot kíván. Ez lesz a dolog ára.
16:25
That is going to be the price.
311
985160
2000
16:27
If you want to have total personalization,
312
987160
1000
Ha teljes megszemélyesítést akarunk,
16:28
you have to be totally transparent.
313
988160
2000
teljesen transzparensnek kell lennünk.
16:30
Google. I can't remember my phone number, I'll just ask Google.
314
990160
3000
Google. Ha elfelejtem a telefonszámom, megkérdezem a Google-t.
16:33
We're so dependent on this that I have now gotten to the point
315
993160
2000
Annyira függő vagyok,
16:35
where I don't even try to remember things --
316
995160
2000
hogy már nem is igyekszem megjegyezni dolgokat --
16:37
I'll just Google it. It's easier to do that.
317
997160
2000
csak "ráguglizok". Így könnyebb.
16:39
And we kind of object at first, saying, "Oh, that's awful."
318
999160
3000
Eleinte tiltakozunk, mondván: "De hát ez rettenetes!"
16:42
But if we think about the dependency that we have on this other technology,
319
1002160
3000
De gondoljunk csak egy másik - írás-olvasásnak nevezett --
16:45
called the alphabet, and writing,
320
1005160
2000
technológiától való függőségünkre gondolunk --
16:47
we're totally dependent on it, and it's transformed culture.
321
1007160
3000
amitől totálisan függünk, és ami megváltoztatta a kultúránkat.
16:50
We cannot imagine ourselves without the alphabet and writing.
322
1010160
4000
El sem tudjuk képzelni az életet írás és olvasás nélkül.
16:54
And so in the same way, we're going to not imagine ourselves
323
1014160
3000
Ugyanígy nem tudjuk majd elképzelni,
16:57
without this other machine being there.
324
1017160
2000
milyen lenne ez a másik gépezet nélkül.
16:59
And what is happening with this is
325
1019160
3000
És ami itt történik, az egyfajta MI [mesterséges intelligencia].
17:02
some kind of AI, but it's not the AI in conscious AI,
326
1022160
2000
De ez nem a tudatos MI.
17:04
as being an expert, Larry Page told me
327
1024160
3000
A téma szakértője, Larry Page azt mondta,
17:07
that that's what they're trying to do,
328
1027160
1000
17:08
and that's what they're trying to do.
329
1028160
2000
hogy épen ezt akarjuk elérni,
és éppen ezt akarjuk elérni.
17:10
But when six billion humans are Googling,
330
1030160
3000
De mikor 6 milliárd ember guglizik,
17:13
who's searching who? It goes both ways.
331
1033160
2000
akkor ki keres kit? A dolog kétirányú.
17:15
So we are the Web, that's what this thing is.
332
1035160
4000
A Web mi vagyunk, erről van szó.
17:19
We are going to be the machine.
333
1039160
2000
Mi leszünk az a gépezet.
17:21
So the next 5,000 days, it's not going to be the Web and only better.
334
1041160
5000
A következő 5000 nap tehát nem "olyan lesz, mint a web, csak jobb".
Mint ahogy eddig sem olyan volt, mint a TV, csak jobb.
17:26
Just like it wasn't TV and only better.
335
1046160
2000
17:28
The next 5,000 days, it's not just going to be the Web
336
1048160
3000
A következő 5000 nap nem olyan lesz, mint a web,
17:31
but only better -- it's going to be something different.
337
1051160
2000
csak jobb -- az valami egészen más lesz.
17:33
And I think it's going to be smarter.
338
1053160
4000
És azt hiszem, okosabb is lesz.
17:37
It'll have an intelligence in there, that's not, again, conscious.
339
1057160
4000
Lesz egy intelligencia benne, ami azonban - ismétlem - nem tudatos.
17:41
But it'll anticipate what we're doing, in a good sense.
340
1061160
4000
De előre fogja látni, amit teszünk, jó értelemben.
17:45
Secondly, it's become much more personalized.
341
1065160
3000
Másodsorban, sokkal személyesebb is lesz.
17:48
It will know us, and that's good.
342
1068160
2000
Ismerni fog bennünket, ami jó dolog.
17:50
And again, the price of that will be transparency.
343
1070160
4000
Ismétlem: ennek ára az átláthatóság.
17:54
And thirdly, it's going to become more ubiquitous
344
1074160
2000
Harmadsorban, sokkal jobban jelen lesz.
17:56
in terms of filling your entire environment, and we will be in the middle of it.
345
1076160
5000
mindent betölt, és mi leszünk a középpontjában.
18:01
And all these devices will be portals into that.
346
1081160
3000
Az eszközeink pedig bejáratok lesznek hozzá.
18:04
So the single idea that I wanted to leave with you
347
1084160
3000
A gondolat tehát, amit szeretnék átadni önöknek,
18:07
is that we have to begin to think about this as not just "the Web, only better,"
348
1087160
6000
hogy ne úgy gondoljunk rá, "mint a Web, csak jobb",
18:13
but a new kind of stage in this development.
349
1093160
3000
hanem mint egy új fejlődési szakasz.
18:16
It looks more global. If you take this whole thing,
350
1096160
3000
Ez egy sokkal globálisabb dolog. Összességében nézve
18:19
it is a very big machine, very reliable machine,
351
1099160
3000
ez egy hatalmas, igen megbízható gép,
18:22
more reliable than its parts.
352
1102160
2000
sokkal megbízhatóbb, mint a részei.
18:24
But we can also think about it as kind of a large organism.
353
1104160
3000
De tekinthetjük egy hatalmas élő szervezetnek is.
18:27
So we might respond to it more as if this was a whole system,
354
1107160
5000
Sokkal inkább tekintsük egy egész rendszernek
18:32
more as if this wasn't a large organism
355
1112160
2000
egy nagy élő szervezetnek,
18:34
that we are going to be interacting with. It's a "One."
356
1114160
4000
amivel kölcsönhatásban vagyunk. Ez a "Gépezet".
18:38
And I don't know what else to call it, than the One.
357
1118160
3000
Nem tudom mi másnak nevezhetnénk, mint a Gépezet-nek.
18:41
We'll have a better word for it.
358
1121160
1000
Lesz majd rá jobb szavunk.
18:42
But there's a unity of some sort that's starting to emerge.
359
1122160
3000
De van egyfajta egység, ami elkezdett kialakulni.
18:45
And again, I don't want to talk about consciousness,
360
1125160
3000
Ismétlem: nem akarok a tudatosságról beszélni.
Úgy akarok róla beszélni, mintha egy apró baktérium,
18:48
I want to talk about it just as if it was a little bacteria,
361
1128160
2000
18:50
or a volvox, which is what that organism is.
362
1130160
3000
vagy egysejtű volna.
18:53
So, to do, action, take-away. So, here's what I would say:
363
1133160
6000
Végül házi feladat, tennivaló, végszó: Azt mondom,
18:59
there's only one machine, and the Web is its OS.
364
1139160
4000
hogy csak egyetlen gépezet van, melynek operációs rendszere a Web.
19:03
All screens look into the One. No bits will live outside the Web.
365
1143160
4000
Minden monitor ebbe a Gépezetbe néz. Egyetlen bit sem fog a Weben kívül élni.
19:07
To share is to gain. Let the One read it.
366
1147160
4000
Aki tartalmat oszt meg, az nyer. Hagyjuk,, hogy a Gépezet elolvassa.
19:11
It's going to be machine-readable.
367
1151160
1000
Géppel olvasható lesz.
19:12
You want to make something that the machine can read.
368
1152160
3000
Akarunk készíteni valamit, amit a gép tud olvasni.
19:15
And the One is us. We are in the One.
369
1155160
5000
A Gépezet azonos velünk. Mi azonosak vagyunk a Gépezettel.
19:20
I appreciate your time.
370
1160160
2000
Köszönöm a rám szánt időt!
19:22
(Applause)
371
1162160
3000
(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