Beware online "filter bubbles" | Eli Pariser

1,593,210 views ・ 2011-05-02

TED


გთხოვთ, ორჯერ დააწკაპუნოთ ქვემოთ მოცემულ ინგლისურ სუბტიტრებზე ვიდეოს დასაკრავად.

Translator: Nana Dikhaminjia Reviewer: Levan Lashauri
00:15
Mark Zuckerberg,
0
15260
2000
მარკ ცუკერბერგს ჟურნალისტი
00:17
a journalist was asking him a question about the news feed.
1
17260
3000
ფეისბუკის სიახლეების ზოლის შესახებ ეკითხებოდა.
00:20
And the journalist was asking him,
2
20260
2000
შეკითხვა იყო:
00:22
"Why is this so important?"
3
22260
2000
„რატომ არის ეს ასეთი მნიშვნელოვანი?“
00:24
And Zuckerberg said,
4
24260
2000
ცუკერბერგმა უპასუხა:
00:26
"A squirrel dying in your front yard
5
26260
2000
„ამ წუთას თქვენ ეზოში მომაკვდავი ციყვი,
00:28
may be more relevant to your interests right now
6
28260
3000
შეიძლება უფრო შეესაბამებოდეს თქვენს ინტერესებს,
00:31
than people dying in Africa."
7
31260
3000
ვიდრე აფრიკაში მომაკვდავი ადამიანები“
00:34
And I want to talk about
8
34260
2000
დღეს მინდა ვისაუბრო იმაზე,
00:36
what a Web based on that idea of relevance might look like.
9
36260
3000
თუ როგორი შეიძლება იყოს შესაბამისობის ამ იდეაზე დაფუძნებული ინტერნეტი,
00:40
So when I was growing up
10
40260
2000
მოზარდობის პერიოდში,
00:42
in a really rural area in Maine,
11
42260
2000
მეინის შტატის ერთ-ერთ რაიონში,
00:44
the Internet meant something very different to me.
12
44260
3000
ინტერნეტი განსაკუთრებული რამ იყო ჩემთვის.
00:47
It meant a connection to the world.
13
47260
2000
ის ნიშნავდა კავშირს მსოფლიოსთან.
00:49
It meant something that would connect us all together.
14
49260
3000
ნიშნავდა იმას, რაც ყველა ჩვენგანს ერთმანეთთან დაგვაკავშირებდა.
00:52
And I was sure that it was going to be great for democracy
15
52260
3000
მჯეროდა, რომ ის არაჩვეულებრივი რამ იქნებოდა დემოკრატიისა
00:55
and for our society.
16
55260
3000
და ჩვენი საზოგადოებისთვის.
მაგრამ ახლა
00:58
But there's this shift
17
58260
2000
ინფორმაციის ონლაინ გავრცელების წესები შეიცვალა
01:00
in how information is flowing online,
18
60260
2000
01:02
and it's invisible.
19
62260
3000
და ეს ცვლილება უხილავია.
01:05
And if we don't pay attention to it,
20
65260
2000
ამ ცვლილების უყურადღებოდ დატოვება,
01:07
it could be a real problem.
21
67260
3000
მნიშვნელოვან პრობლემებს გამოიწვევს.
01:10
So I first noticed this in a place I spend a lot of time --
22
70260
3000
პირველად ეს ცვლილება იქ შევნიშნე, სადაც დიდ დროს ვატარებ,
01:13
my Facebook page.
23
73260
2000
ჩემ ფეისბუკის გვერდზე.
01:15
I'm progressive, politically -- big surprise --
24
75260
3000
პოლიტიკურად პროგრესული ვარ, რა სიურპრიზია, მაგრამ ყოველთვის
01:18
but I've always gone out of my way to meet conservatives.
25
78260
2000
ვცდილობდი კონსერვატორებთან ურთიერთობას.
01:20
I like hearing what they're thinking about;
26
80260
2000
მინდა ვიცოდე, რაზე ფიქრობენ ისინი;
01:22
I like seeing what they link to;
27
82260
2000
მინდა ვხედავდე, თუ რასთან აიგივებენ თავს;
01:24
I like learning a thing or two.
28
84260
2000
მომწონს სიახლეების გაგება და სწავლა.
01:26
And so I was surprised when I noticed one day
29
86260
3000
და გამიკვირდა, როცა ერთ დღეს შევამჩნიე,
01:29
that the conservatives had disappeared from my Facebook feed.
30
89260
3000
რომ კონსერვატორები გაქრნენ ჩემი სიახლეების გვერდიდან.
01:33
And what it turned out was going on
31
93260
2000
როგორც აღმოჩნდა,
01:35
was that Facebook was looking at which links I clicked on,
32
95260
4000
ფეისბუკი აკვირდებოდა, რა ბმულებს ვხსნიდი
01:39
and it was noticing that, actually,
33
99260
2000
და შეამჩნია, რომ უფრო ხშირად
01:41
I was clicking more on my liberal friends' links
34
101260
2000
ჩემი ლიბერალური მეგობრების ბმულებს ვხსნიდი
01:43
than on my conservative friends' links.
35
103260
3000
ვიდრე კონსერვატორი მეგობრებისას
01:46
And without consulting me about it,
36
106260
2000
და ისე, რომ არც არაფერი უკითხავს,
01:48
it had edited them out.
37
108260
2000
მან ისინი ამოაგდო ჩემი სიახლეებიდან.
01:50
They disappeared.
38
110260
3000
ისინი გაქრნენ.
01:54
So Facebook isn't the only place
39
114260
2000
ფეისბუქი არ არის ერთადერთი ადგილი,
01:56
that's doing this kind of invisible, algorithmic
40
116260
2000
რომელიც ახდენს ინტერნეტის ამგვარ უხილავ,
01:58
editing of the Web.
41
118260
3000
ალგორითმულ რედაქტირებას.
02:01
Google's doing it too.
42
121260
2000
გუგლიც იგივეს აკეთებს.
02:03
If I search for something, and you search for something,
43
123260
3000
თუკი მე და თქვენ ერთი და იგივე სიტყვებს ჩავწერთ საძიებო ზოლში,
02:06
even right now at the very same time,
44
126260
2000
თუნდაც ახლა, ერთი და იგივე დროს,
02:08
we may get very different search results.
45
128260
3000
ძიების განსხვავებულ შედეგებს მივიღებთ.
02:11
Even if you're logged out, one engineer told me,
46
131260
3000
გუგლის სისტემაში თქვენი მომხმარებლითაც რომ არ იყოთ შესული,
02:14
there are 57 signals
47
134260
2000
ერთმა ინჟინერმა მითხრა, რომ არსებობს 57 სიგნალი,
02:16
that Google looks at --
48
136260
3000
რომელსაც გუგლი აკვირდება,
02:19
everything from what kind of computer you're on
49
139260
3000
დაწყებული იმით, თუ როგორ კომპიუტერს
02:22
to what kind of browser you're using
50
142260
2000
და რომელ ინტერნეტ-ბრაუზერს იყენებთ,
02:24
to where you're located --
51
144260
2000
დამთავრებული თქვენი ადგილმდებარეობით
02:26
that it uses to personally tailor your query results.
52
146260
3000
და ამ სიგნალების გამოყენებით თქვენზე არგებს ძიების შედეგებს.
02:29
Think about it for a second:
53
149260
2000
დაფიქრდით ამაზე სულ ერთი წამით:
02:31
there is no standard Google anymore.
54
151260
4000
უკვე აღარ არსებობს სტანდარტული გუგლი.
02:35
And you know, the funny thing about this is that it's hard to see.
55
155260
3000
და ყველაზე საინტერესო ისაა, რომ ეს მოქმედება თითქმის უხილავია.
02:38
You can't see how different your search results are
56
158260
2000
თქვენ ვერ ხედავთ, როგორ განსხვავდება
02:40
from anyone else's.
57
160260
2000
თქვენი ძიების შედეგები სხვების შედეგებისგან.
02:42
But a couple of weeks ago,
58
162260
2000
რამდენიმე კვირის წინ,
02:44
I asked a bunch of friends to Google "Egypt"
59
164260
3000
მე ვთხოვე ჩემს მეგობრებს, გუგლში მოეძებნათ „ეგვიპტე“
02:47
and to send me screen shots of what they got.
60
167260
3000
და ჩემთვის გამოეგზავნათ შედეგები.
02:50
So here's my friend Scott's screen shot.
61
170260
3000
აი, ჩემი მეგობრის სკოტის ეკრანის სურათი.
02:54
And here's my friend Daniel's screen shot.
62
174260
3000
აი, ჩემი მეგობრის დენიელის ეკრანის სურათი.
02:57
When you put them side-by-side,
63
177260
2000
როცა მათ გვერდიგვერდ დადებთ,
02:59
you don't even have to read the links
64
179260
2000
ბმულების წაკითხვაც კი არ გჭირდებათ,
03:01
to see how different these two pages are.
65
181260
2000
რომ დაინახოთ სხვაობა ამ ორ გვერდს შორის.
03:03
But when you do read the links,
66
183260
2000
მაგრამ თუ ბმულებსაც წაიკითხავთ,
03:05
it's really quite remarkable.
67
185260
3000
მაშინ ეს სხვა მნიშვნელობას შეიძენს.
03:09
Daniel didn't get anything about the protests in Egypt at all
68
189260
3000
დენიელს არაფერი მიუღია ეგვიპტის პროტესტების შესახებ
03:12
in his first page of Google results.
69
192260
2000
გუგლის საძიებო შედეგების პირველ გვერდზე.
03:14
Scott's results were full of them.
70
194260
2000
სკოტის შედეგები სავსე იყო ამ ინფორმაციით
03:16
And this was the big story of the day at that time.
71
196260
2000
და ეს პროტესტები იყო დღის მთავარი ამბავი.
03:18
That's how different these results are becoming.
72
198260
3000
აი, ამდენად განსხვავებული ხდება ძიების შედეგები.
03:21
So it's not just Google and Facebook either.
73
201260
3000
მხოლოდ გუგლი და ფეისბუქი არ იქცევა ასე.
03:24
This is something that's sweeping the Web.
74
204260
2000
ეს უკვე მთელ ინტერნეტზე ვრცელდება.
03:26
There are a whole host of companies that are doing this kind of personalization.
75
206260
3000
უამრავი კომპანია მიმართავს ამ ტიპის პერსონალიზაციას.
03:29
Yahoo News, the biggest news site on the Internet,
76
209260
3000
იაჰუუ ნიუსი, ინტერნეტის ყველაზე დიდი საინფორმაციო პორტალი,
03:32
is now personalized -- different people get different things.
77
212260
3000
უკვე პერსონალიზებულია, ყოველი ადამიანი განსხვავებულ შედეგს იღებს.
03:36
Huffington Post, the Washington Post, the New York Times --
78
216260
3000
ჰაფინგტონ პოსტი, ვაშინგტონ პოსტი, ნიუ იორკ ტაიმსი,
03:39
all flirting with personalization in various ways.
79
219260
3000
ყველა ეთამაშება პერსონალიზაციას ამა თუ იმ ფორმით
03:42
And this moves us very quickly
80
222260
3000
და ამ ყველაფერს ძალიან სწრაფად მივყავართ
03:45
toward a world in which
81
225260
2000
იმ სამყაროსკენ,
03:47
the Internet is showing us what it thinks we want to see,
82
227260
4000
სადაც ინტერნეტი ყოველთვის გვიჩვენებს იმას, რისი ნახვაც გვსურს მისი აზრით,
03:51
but not necessarily what we need to see.
83
231260
3000
მაგრამ მათ შორის შეიძლება არ იყოს ის, რისი ნახვა მართლაც გვჭირდება.
03:54
As Eric Schmidt said,
84
234260
3000
როგორც ერიკ შმიდტი ამბობს,
03:57
"It will be very hard for people to watch or consume something
85
237260
3000
„ხალხისთვის რთული იქნებოდა იმის ყურება, ან გამოყენება,
04:00
that has not in some sense
86
240260
2000
რაც გარკვეული თვალსაზრისით,
04:02
been tailored for them."
87
242260
3000
მათზე არაა მორგებული“.
04:05
So I do think this is a problem.
88
245260
2000
ვფიქრობ, რომ ეს პრობლემაა
04:07
And I think, if you take all of these filters together,
89
247260
3000
და მე ვფიქრობ, რომ თუკი ყველა ასეთ ფილტრს შევკრებთ,
04:10
you take all these algorithms,
90
250260
2000
ყველა ალგორითმს ერთად შევკრებთ,
04:12
you get what I call a filter bubble.
91
252260
3000
მივიღებთ იმას, რასაც მე "გაფილტრულ ბუშტს" ვუწოდებ.
04:16
And your filter bubble is your own personal,
92
256260
3000
თითოეული თქვენგანის "გაფილტრული ბუშტი" არის თქვენი პირადი,
04:19
unique universe of information
93
259260
2000
უნიკალური ინფორმაციული სამყარო,
04:21
that you live in online.
94
261260
2000
რომელშიც თქვენ ონლაინ ცხოვრობთ.
04:23
And what's in your filter bubble
95
263260
3000
და თქვენი "გაფილტრული ბუშტი"
04:26
depends on who you are, and it depends on what you do.
96
266260
3000
დამოკიდებულია იმაზე, თუ რას წარმოადგენთ და საქმიანობთ თქვენ.
04:29
But the thing is that you don't decide what gets in.
97
269260
4000
პრობლემა ისაა, რომ თქვენ თავად არ წყვეტთ, რა ხვდება შიგნით
04:33
And more importantly,
98
273260
2000
და რაც უფრო მნიშვნელოვანია,
04:35
you don't actually see what gets edited out.
99
275260
3000
თქვენ ვერც კი ხედავთ, რა წაიშალა.
04:38
So one of the problems with the filter bubble
100
278260
2000
გაფილტრული ბუშტის ერთ-ერთი პრობლემა
04:40
was discovered by some researchers at Netflix.
101
280260
3000
ნეტფლიქსზე აღმოაჩინა რამდენიმე მკვლევარმა.
04:43
And they were looking at the Netflix queues, and they noticed something kind of funny
102
283260
3000
ისინი უყურებდნენ ნეტფლიქსის რიგებს, და აღმოაჩინეს რაღაც უცნაური,
04:46
that a lot of us probably have noticed,
103
286260
2000
რაც ალბათ ბევრ ჩვენგანს შეუმჩნევია მანამდე,
04:48
which is there are some movies
104
288260
2000
რომ არის ზოგიერთი ფილმი,
04:50
that just sort of zip right up and out to our houses.
105
290260
3000
რომელიც პირდაპირ მოდის ჩვენს სახლებში.
04:53
They enter the queue, they just zip right out.
106
293260
3000
ანუ დგებით რიგში, და ეს ფილმები პირდაპირ მოდიან:
04:56
So "Iron Man" zips right out,
107
296260
2000
„რკინის კაცი“ უცებ მოდის
04:58
and "Waiting for Superman"
108
298260
2000
ხოლო „სუპერმენის ლოდინს“
05:00
can wait for a really long time.
109
300260
2000
შეიძლება დიდი ხნის ლოდინი დასჭირდეს.
05:02
What they discovered
110
302260
2000
რაც მათ აღმოაჩინეს,
05:04
was that in our Netflix queues
111
304260
2000
არის ნეტფლიქსის რიგში
05:06
there's this epic struggle going on
112
306260
3000
გამართული ბრძოლა
05:09
between our future aspirational selves
113
309260
3000
ჩვენს მომავალ სასურველ მესა
05:12
and our more impulsive present selves.
114
312260
3000
და ჩვენს უფრო იმპულსურ ამჟამინდელ მეს შორის.
05:15
You know we all want to be someone
115
315260
2000
იცით, რომ ყველას გვსურს ვიყოთ ვიღაც,
05:17
who has watched "Rashomon,"
116
317260
2000
ვისაც უნახავს „რაშომონი“,
05:19
but right now
117
319260
2000
მაგრამ ამ წუთას
05:21
we want to watch "Ace Ventura" for the fourth time.
118
321260
3000
ჩვენ გვსურს მეოთხეჯერ ვუყუროთ "ეის ვენტურას",
05:24
(Laughter)
119
324260
3000
(სიცილი)
მაშ, საუკეთესო შერჩევა მოგვცემს ცოტაოდენ ორივეს:
05:27
So the best editing gives us a bit of both.
120
327260
2000
05:29
It gives us a little bit of Justin Bieber
121
329260
2000
მოგვცემს მცირე რაოდენობით ჯასტინ ბიბერს
05:31
and a little bit of Afghanistan.
122
331260
2000
და მცირე რაოდენობით ავღანეთს.
05:33
It gives us some information vegetables;
123
333260
2000
მოგვცემს ცოტა ბოსტნეულ ინფორმაციას;
05:35
it gives us some information dessert.
124
335260
3000
და ცოტა ტკბილეულ ინფორმაციას.
05:38
And the challenge with these kinds of algorithmic filters,
125
338260
2000
ამ ტიპის ალგორითმული ფილტრების პრობლემა,
05:40
these personalized filters,
126
340260
2000
ამ პერსონალიზებული ფილტრების პრობლემაა,
05:42
is that, because they're mainly looking
127
342260
2000
რომ რადგან ისინი მეტწილად აკვირდებიან
05:44
at what you click on first,
128
344260
4000
თუ რა ბმულებს აჭერთ თქვენ პირველად,
05:48
it can throw off that balance.
129
348260
4000
ისინი არღვევენ ამ ბალანსს.
05:52
And instead of a balanced information diet,
130
352260
3000
ანუ ბალანსირებული საინფორმაციო დიეტის ნაცვლად,
05:55
you can end up surrounded
131
355260
2000
თქვენ რჩებით
05:57
by information junk food.
132
357260
2000
მავნე საინფორმაციო საკვების ამარა.
05:59
What this suggests
133
359260
2000
ეს მიდგომა ნიშნავს,
რომ ჩვენ შეიძლება არასწორად გვესმოდეს ინტერნეტის არსი.
06:01
is actually that we may have the story about the Internet wrong.
134
361260
3000
06:04
In a broadcast society --
135
364260
2000
დაარსების ლეგენდის თანახმად,
06:06
this is how the founding mythology goes --
136
366260
2000
სამაუწყებლო საზოგადოებაში,
სამაუწყებლო საზოგადოებაში,
06:08
in a broadcast society,
137
368260
2000
იყვნენ კარიბჭის მცველები, რედაქტორები,
06:10
there were these gatekeepers, the editors,
138
370260
2000
06:12
and they controlled the flows of information.
139
372260
3000
რომლებიც აკონტროლებდნენ საინფორმაციო ნაკადს.
06:15
And along came the Internet and it swept them out of the way,
140
375260
3000
შემდეგ მოვიდა ინტერნეტი, რომელმაც განდევნა ისინი
06:18
and it allowed all of us to connect together,
141
378260
2000
და საშუალება მოგვცა, ყველა დავკავშირებოდით ერთმანეთს
06:20
and it was awesome.
142
380260
2000
და ეს შესანიშნავი იყო.
06:22
But that's not actually what's happening right now.
143
382260
3000
მაგრამ ახლა ასე აღარ ხდება.
06:26
What we're seeing is more of a passing of the torch
144
386260
3000
ჩვენ ვხედავთ, როგორ გადაეცემა გასაღები
06:29
from human gatekeepers
145
389260
2000
ადამიანი მცველებისგან
06:31
to algorithmic ones.
146
391260
3000
ალგორითმულ მცველებს.
06:34
And the thing is that the algorithms
147
394260
3000
და საქმე ისაა, რომ ალგორითმებს
06:37
don't yet have the kind of embedded ethics
148
397260
3000
ჯერ არ აქვთ თანდაყოლილი ეთიკა,
06:40
that the editors did.
149
400260
3000
რაც ადამიან რედაქტორებს ჰქონდათ.
06:43
So if algorithms are going to curate the world for us,
150
403260
3000
ამგვარად, თუკი ალგორითმებმა უნდა მართონ სამყარო ჩვენს ნაცვლად,
06:46
if they're going to decide what we get to see and what we don't get to see,
151
406260
3000
თუკი მათ უნდა გადაწყვიტონ, რა უნდა ვნახოთ და რა არა,
06:49
then we need to make sure
152
409260
2000
მაშინ უნდა დავრწმუნდეთ,
06:51
that they're not just keyed to relevance.
153
411260
3000
რომ მათი მოქმედება მხოლოდ შესაბამისობას არ უკავშირდება.
06:54
We need to make sure that they also show us things
154
414260
2000
უნდა დავრწმუნდეთ, რომ ისინი გვიჩვენებენ,
06:56
that are uncomfortable or challenging or important --
155
416260
3000
რაც არაკომფორტულია, გამომწვევია, ან მნიშვნელოვანი.
06:59
this is what TED does --
156
419260
2000
ანუ, როგორც TED აკეთებს,
07:01
other points of view.
157
421260
2000
გვაცნობს განსხვავებულ თვალთახედვებს.
07:03
And the thing is, we've actually been here before
158
423260
2000
საქმე ისაა, რომ უკვე გავიარეთ
07:05
as a society.
159
425260
2000
ასეთი მდგომარეობა, როგორც საზოგადოებამ.
07:08
In 1915, it's not like newspapers were sweating a lot
160
428260
3000
1915 წელს, გაზეთებს დიდად არ ანაღვლებდათ
07:11
about their civic responsibilities.
161
431260
3000
სამოქალაქო პასუხისმგებლობა.
07:14
Then people noticed
162
434260
2000
შემდეგ ადამიანებმა შეამჩნიეს,
07:16
that they were doing something really important.
163
436260
3000
რომ ისინი რაღაც მნიშვნელოვანს აკეთებდნენ.
07:19
That, in fact, you couldn't have
164
439260
2000
რომ სინამდვილეში
07:21
a functioning democracy
165
441260
2000
დემოკრატია ვერ იმუშავებს,
07:23
if citizens didn't get a good flow of information,
166
443260
4000
თუკი მოქალაქეები არ იღებენ ინფორმაციის კარგ ნაკადს,
07:28
that the newspapers were critical because they were acting as the filter,
167
448260
3000
რომ გაზეთები მნიშვნელოვანია, რადგან ისინი ფილტრივით მოქმედებენ
07:31
and then journalistic ethics developed.
168
451260
2000
და შემდეგ განვითარდა ჟურნალისტური ეთიკა.
07:33
It wasn't perfect,
169
453260
2000
ის არ იყო სრულყოფილი,
07:35
but it got us through the last century.
170
455260
3000
მაგრამ მან გადაგვატანინა ბოლო საუკუნე.
07:38
And so now,
171
458260
2000
ახლა კი,
07:40
we're kind of back in 1915 on the Web.
172
460260
3000
ჩვენ თითქოს უკან 2015-ში დავბრუნდით, ინტერნეტის მხრივ.
07:44
And we need the new gatekeepers
173
464260
3000
ჩვენ გვჭირდება, რომ კარიბჭის ახალმა მცველებმა
07:47
to encode that kind of responsibility
174
467260
2000
მსგავსი პასუხისმგებლობა ჩანერგონ
07:49
into the code that they're writing.
175
469260
2000
იმ ალგორითმების კოდებში, რომელთაც ქმნიან.
07:51
I know that there are a lot of people here from Facebook and from Google --
176
471260
3000
ვიცი, რომ აქ ფეისბუკის და გუგლის ბევრი თანამშრომელი იმყოფება
07:54
Larry and Sergey --
177
474260
2000
ლარი და სერგეი, ადამიანები,
07:56
people who have helped build the Web as it is,
178
476260
2000
ვინც ინტერნეტი შექმნა დღევანდელი სახით
07:58
and I'm grateful for that.
179
478260
2000
და მე თქვენი მადლიერი ვარ.
08:00
But we really need you to make sure
180
480260
3000
მაგრამ თქვენ უნდა უზრუნველყოთ,
08:03
that these algorithms have encoded in them
181
483260
3000
რომ ამ ალგორითმებში ჩადებული იყოს
08:06
a sense of the public life, a sense of civic responsibility.
182
486260
3000
საზოგადობრივი ცხოვრების, სამოქალაქო პასუხისმგებლობის შეგრძნება.
08:09
We need you to make sure that they're transparent enough
183
489260
3000
თქვენ უნდა გახადოთ ეს ალგორითმები საკმარისად გამჭვირვალე,
08:12
that we can see what the rules are
184
492260
2000
რომ დავინახოთ, თუ რა წესებით
08:14
that determine what gets through our filters.
185
494260
3000
განისაზღვრება ჩვენს ფილტრებში შემოსული ინფორმაციის ნაკადი.
08:17
And we need you to give us some control
186
497260
2000
გვსურს, რომ გარკვეული კონტროლი გვქონდეს,
08:19
so that we can decide
187
499260
2000
რომ თავად შეგვეძლოს გადაწყვეტა,
08:21
what gets through and what doesn't.
188
501260
3000
თუ რა შემოვა ჩვენს ბუშტში და რა არა.
08:24
Because I think
189
504260
2000
რადგან მე ვფიქრობ,
08:26
we really need the Internet to be that thing
190
506260
2000
რომ ჩვენ მართლა გვჭირდება ისეთი ინტერნეტი,
08:28
that we all dreamed of it being.
191
508260
2000
რომელზეც ყოველი ჩვენგანი ოცნებობდა.
08:30
We need it to connect us all together.
192
510260
3000
ჩვენ გვჭირდება ის, რომ ერთმანეთთან დაგვაკავშიროს.
08:33
We need it to introduce us to new ideas
193
513260
3000
გვჭირდება, რომ გაგვაცნოს ახალი იდეები,
08:36
and new people and different perspectives.
194
516260
3000
ახალი ადამიანები და განსხვავებული ხედვები.
08:40
And it's not going to do that
195
520260
2000
ეს კი არასდროს მოხდება,
08:42
if it leaves us all isolated in a Web of one.
196
522260
3000
თუკი ის ყოველ ჩვენგანს იზოლირებულად, საკუთარ ქსელში დატოვებს.
08:45
Thank you.
197
525260
2000
გმადლობთ.
08:47
(Applause)
198
527260
11000
(აპლოდისმენტები)
ამ საიტის შესახებ

ეს საიტი გაგაცნობთ YouTube-ის ვიდეოებს, რომლებიც სასარგებლოა ინგლისური ენის შესასწავლად. თქვენ ნახავთ ინგლისური ენის გაკვეთილებს, რომლებსაც ასწავლიან საუკეთესო მასწავლებლები მთელი მსოფლიოდან. ორჯერ დააწკაპუნეთ ინგლისურ სუბტიტრებზე, რომლებიც ნაჩვენებია თითოეულ ვიდეო გვერდზე, რომ იქიდან დაკვრა ვიდეო. სუბტიტრების გადახვევა სინქრონიზებულია ვიდეოს დაკვრასთან. თუ თქვენ გაქვთ რაიმე კომენტარი ან მოთხოვნა, გთხოვთ დაგვიკავშირდეთ ამ საკონტაქტო ფორმის გამოყენებით.

https://forms.gle/WvT1wiN1qDtmnspy7