Gary Flake: is Pivot a turning point for web exploration?

ゲリー・フレーク 「Pivotはウェブ探索における分岐点となるか？」

翻訳: Takahiro Shimpo 校正: Yasushi Aoki

If I can leave you with one big idea today,

今日私が大きなアイデアを一つだけ

it's that the whole of the data

お伝えできるとしたら、それは

in which we consume

データの全体から我々が得られるものは、

is greater that the sum of the parts,

部分の和よりも大きいということです。

and instead of thinking about information overload,

情報過多ではなく、どうすれば

what I'd like you to think about is how

通常見えていないパターン、

we can use information so that patterns pop

傾向を見つけることが出来るのか

and we can see trends that would otherwise be invisible.

考えてみて下さい。

So what we're looking at right here is a typical mortality chart

今ご覧頂いているのは典型的な

organized by age.

年齢別死亡率のグラフです。

This tool that I'm using here is a little experiment.

今使っているツールは実験段階のもので、

It's called Pivot, and with Pivot what I can do

Pivotです。これを使えばある特定の

is I can choose to filter in one particular cause of deaths -- say, accidents.

死因のデータだけ抽出することができます。例えば事故。

And, right away, I see there's a different pattern that emerges.

そしてすぐ別の傾向があることを確認できます。

This is because, in the mid-area here,

理由はここ、中ほどでは

people are at their most active,

人々は最も活動的で、次に

and over here they're at their most frail.

こちら側では最も体が弱いからです。

We can step back out again

前に戻って

and then reorganize the data by cause of death,

データを死因で並べなおすこともできます

seeing that circulatory diseases and cancer

循環器系疾患とガンが最も高いですが

are the usual suspects, but not for everyone.

全員に対してというわけではありません。

If we go ahead and we filter by age --

さらに年齢で絞って

say 40 years or less --

40歳以下を見てみましょう

we see that accidents are actually

事故がその年代の人々にとって

the greatest cause that people have to be worried about.

最も注意すべき死因だとわかりますね。

And if you drill into that, it's especially the case for men.

特に男性が要注意であることもわかります。

So you get the idea

さて皆さんお分かりいただけたと思います

that viewing information, viewing data in this way,

情報やデータをこの様に眺めるのは

is a lot like swimming

画像主体の情報の中を

in a living information info-graphic.

泳いでいるみたいでしょ。

And if we can do this for raw data,

そして生のデータにこんなことができるなら

why not do it for content as well?

コンテンツにもやってみませんか？

So what we have right here

そこでここにあるのは

is the cover of every single Sports Illustrated

今までに作られてきた

ever produced.

スポーツ イラストレイテッド誌の表紙です。

It's all here; it's all on the web.

すべてがここウェブ上にあります。

You can go back to your rooms and try this after my talk.

公演後皆さんの部屋でも同じことは出来ます。

With Pivot, you can drill into a decade.

Pivotで特定の10年分に絞り込むことができます。

You can drill into a particular year.

ある1年に絞り込むこともできます。

You can jump right into a specific issue.

あらゆる巻に即座に戻れます。

So I'm looking at this; I see the athletes

これを見てみましょう。この号に

that have appeared in this issue, the sports.

掲載のあったアスリートが全部表示されています。

I'm a Lance Armstrong fan, so I'll go ahead and I'll click on that,

ランス アームストロングのファンなのでこれをクリックしてみましょう。

which reveals, for me, all the issues

するとこの様にランス アームストロングが

in which Lance Armstrong's been a part of.

取り上げられた全ての号が抽出されます。

(Applause)

（拍手）

Now, if I want to just kind of take a peek at these,

ちょっと上の方を眺めてみたくなったとしましょう

I might think,

「サイクリングについての記事を見てみようかな」

"Well, what about taking a look at all of cycling?"

と思うかもしれません。

So I can step back, and expand on that.

一歩下がって拡大しましょう。

And I see Greg LeMond now.

するとグレッグ レモンが出てきます。

And so you get the idea that when you

この様に情報を絞り込んだり

navigate over information this way --

広げたり、戻ったりと情報を

going narrower, broader,

自由に操作することは、単なる

backing in, backing out --

検索やブラウジングではないと

you're not searching, you're not browsing.

お分かり頂けたと思います。

You're doing something that's actually a little bit different.

これは実際少し異なるものなんです。

It's in between, and we think it changes

これは検索と閲覧の中間で、我々の

the way information can be used.

情報の利用方を変えてくれると思っています。

So I want to extrapolate on this idea a bit

このアイデアを拡張して

with something that's a little bit crazy.

ちょっと極端なことをやってみましょう。

What we're done here is we've taken every single Wikipedia page

私たちはウィキペディアの全てのページを

and we reduced it down to a little summary.

それぞれ小さな要約にまとめました。

So the summary consists of just a little synopsis

要約は短い概要と、それが属する

and an icon to indicate the topical area that it comes from.

トピックを表すアイコンからなっています。

I'm only showing the top 500

今ここでは最も人気のある

most popular Wikipedia pages right here.

500ページしか載せていません。

But even in this limited view,

しかしこの限られた範囲でも、

we can do a lot of things.

色々なことが出来ます。

Right away, we get a sense of what are the topical domains

直ぐに、ウィキペディア上で人気のある

that are most popular on Wikipedia.

トピックを把握することができますね。

I'm going to go ahead and select government.

今から「政治」を選んでみます。

Now, having selected government,

さて「政治」を選んでみると、

I can now see that the Wikipedia categories

この様にウィキペディアのカテゴリーで

that most frequently correspond to that

最も多く一致するのは雑誌Timeの

are Time magazine People of the Year.

Person of the Yearであると分かります。

So this is really important because this is an insight

これはウィキペディアのどのページにも含まれていない

that was not contained within any one Wikipedia page.

情報ですから、とても重要なのです。

It's only possible to see that insight

一歩下がって全てを見渡してみた時

when you step back and look at all of them.

初めてこの様な見方が可能となるのです。

Looking at one of these particular summaries,

要約の1つを見てみましょう

I can then drill into the concept of

そこからPerson of the Yearの

Time magazine Person of the Year,

カテゴリに進み、それに

bringing up all of them.

属するもの全てを表示できます。

So looking at these people,

そこで彼らを見てみて下さい、

I can see that the majority come from government;

多くの人は政治関係だとわかりますね。

some have come from natural sciences;

何人かは自然科学関係ですね。

some, fewer still, have come from business --

さらに少ないですが、ビジネス関係の人もいます。

there's my boss --

私のボスもいます。

and one has come from music.

それから音楽方面の人が1人います。

And interestingly enough,

そして面白いことに、ボノは

Bono is also a TED Prize winner.

TED Prize受賞者でもあります。この様に

So we can go, jump, and take a look at all the TED Prize winners.

自由にTED Prize受賞者を全員見渡せます。

So you see, we're navigating the web for the first time

ご覧頂いたように、我々は初めてwebを

as if it's actually a web, not from page-to-page,

ページからページではなく、一つのwebとして

but at a higher level of abstraction.

高い抽象レベルでナビゲートしているのです。

And so I want to show you one other thing

そこでもう一つ 皆さんが

that may catch you a little bit by surprise.

驚くだろうものを お見せしたいと思います。

I'm just showing the New York Times website here.

ここにNew York Timesのホームページがあります。

So Pivot, this application --

そこでこのアプリケーションPivot--これを

I don't want to call it a browser; it's really not a browser,

ブラウザーとは呼びたくないです。違いますから。

but you can view web pages with it --

しかし勿論ウェブの閲覧は可能ですけど--

and we bring that zoomable technology

私たちはこの様にズーム技術をそれぞれの

to every single web page like this.

webページに使えるようにしました。

So I can step back,

一歩下がって眺め、目的の部分に

pop right back into a specific section.

飛び込むことができます。

Now the reason why this is important is because,

さてこれが重要な理由としては、

by virtue of just viewing web pages in this way,

この様にウェブを閲覧することによって

I can look at my entire browsing history

閲覧履歴全体を全く同じように

in the exact same way.

見ることができるからです。

So I can drill into what I've done

だから特定の時間帯にしたことを

over specific time frames.

掘り下げることができます。

Here, in fact, is the state

実際ここには今日実演してきた

of all the demo that I just gave.

ページの履歴が見えますね。

And I can sort of replay some stuff that I was looking at earlier today.

すると先ほどお見せしたものをリプレイすることもできます。

And, if I want to step back and look at everything,

一歩下がって全て見たいと思ったら、

I can slice and dice my history,

履歴をスライス&ダイスすることができ、

perhaps by my search history --

例えば検索履歴を取り出すことができます。

here, I was doing some nepotistic searching,

私は身内びいきの

looking for Bing, over here for Live Labs Pivot.

検索をしていますね。

And from these, I can drill into the web page

その履歴から、すぐに元をたどり

and just launch them again.

再起動することができます。

It's one metaphor repurposed multiple times,

１つのメタファが形を変えて何度も

and in each case it makes the whole greater

現れています。すなわち全体というのは

than the sum of the parts with the data.

部分の和よりも大きいということです。

So right now, in this world,

現在我々は世界に溢れかえるデータを

we think about data as being this curse.

悪と捉えています。

We talk about the curse of information overload.

情報過多は災いであり

We talk about drowning in data.

情報に溺れていると言われています。

What if we can actually turn that upside down

それをひっくり返せないでしょうか

and turn the web upside down,

webというものをひっくり返して

so that instead of navigating from one thing to the next,

一つの物から次の物への単純な移動ではなく

we get used to the habit of being able to go from many things to many things,

多くの情報から多くの情報へと行き来することに慣れたなら

and then being able to see the patterns

それまで見えなかったパターンを

that were otherwise hidden?

見いだせるようになるでしょう。

If we can do that, then instead of being trapped in data,

これが可能ならば、データに埋もれるのではなく

we might actually extract information.

適切な情報抽出が可能かもしれません。

And, instead of dealing just with information,

そうすれば単なる情報処理ではなく、

we can tease out knowledge.

知識を引き出すことができます。

And if we get the knowledge, then maybe even there's wisdom to be found.

その知識が引き出せるなら、知恵だって見いだせるかもしれません。

So with that, I thank you.

以上です。ありがとう。

(Applause)

（拍手）