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

60,357 views ・ 2010-03-03

TED


아래 영문자막을 더블클릭하시면 영상이 재생됩니다.

번역: Soonho Kong 검토: Bumbae Kim
00:16
If I can leave you with one big idea today,
0
16260
2000
오늘 제가 여러분에게 오직 한가지 아이디어만을 전해야한다면,
00:18
it's that the whole of the data
1
18260
2000
그것은 우리가 소비하는
00:20
in which we consume
2
20260
2000
모든 데이터 전체가 그들의 부분합보다
00:22
is greater that the sum of the parts,
3
22260
2000
크다는 것을 알리고 싶습니다.
00:24
and instead of thinking about information overload,
4
24260
3000
그리고, 정보의 홍수 속에서 고민하기보다는
00:27
what I'd like you to think about is how
5
27260
2000
저는 여러분이 이러한 정보들을 어떻게 이용해,
00:29
we can use information so that patterns pop
6
29260
3000
그 안에 나타나는 패턴들을 찾아내고
00:32
and we can see trends that would otherwise be invisible.
7
32260
3000
숨겨져있는 흐름들을 볼 수 있을지에 대해서 생각하기를 바랍니다.
00:35
So what we're looking at right here is a typical mortality chart
8
35260
3000
지금 여기서 보는 것은 연령대에 대한
00:38
organized by age.
9
38260
2000
일반적인 사망율표 입니다.
00:40
This tool that I'm using here is a little experiment.
10
40260
2000
제가 사용하고 있는 이 도구는 작은 실험의 하나로,
00:42
It's called Pivot, and with Pivot what I can do
11
42260
3000
"피봇(Pivot)"이라 부릅니다. 저는 이 피봇을 통해
00:45
is I can choose to filter in one particular cause of deaths -- say, accidents.
12
45260
4000
특정 사망원인에 대해 살펴볼 수 있습니다. 여기서는 "사고"가 되겠죠.
00:49
And, right away, I see there's a different pattern that emerges.
13
49260
3000
바로, 새로운 패턴이 나타납니다.
00:52
This is because, in the mid-area here,
14
52260
2000
이곳 중간 구역은 대부분의 사람들이
00:54
people are at their most active,
15
54260
2000
가장 활발히 활동하는 연령대이기 때문이고,
00:56
and over here they're at their most frail.
16
56260
2000
이곳은 다수가 가장 노쇠한 연령대이기 때문입니다.
00:58
We can step back out again
17
58260
2000
우리는 여기서 한발 더 뒤로 물러서
01:00
and then reorganize the data by cause of death,
18
60260
2000
사망 원인에 따라 자료들을 재정리할 수도 있습니다.
01:02
seeing that circulatory diseases and cancer
19
62260
3000
순환계 질병들과 암이 가장 일반적인 사망 원인으로
01:05
are the usual suspects, but not for everyone.
20
65260
3000
나타나는군요. 하지만 모두에게 그런 것은 아닙니다.
01:08
If we go ahead and we filter by age --
21
68260
3000
우리가 연령대로 자료를 정렬하고,
01:11
say 40 years or less --
22
71260
2000
40대 이하에 대해 살펴보면,
01:13
we see that accidents are actually
23
73260
2000
우리는 '사고'가 사람들이 가장 조심해야하는
01:15
the greatest cause that people have to be worried about.
24
75260
3000
사망 원인임을 알수 있습니다.
01:18
And if you drill into that, it's especially the case for men.
25
78260
3000
그리고 조금 더 자세히 살펴보면 특히나 남성에게 해당됨을 알 수 있죠.
01:21
So you get the idea
26
81260
2000
결국 여러분들은,
01:23
that viewing information, viewing data in this way,
27
83260
3000
정보를 보거나 이런 방법으로 자료들을 볾으로써,
01:26
is a lot like swimming
28
86260
2000
마치 살아있는 정보들 즉, 인포그래픽 안에서
01:28
in a living information info-graphic.
29
88260
3000
유영하듯 유기적 아이디어를 얻을 수 있습니다.
01:31
And if we can do this for raw data,
30
91260
2000
그럼 우리가 미가공 데이터에 대해 이렇게 할 수 있다면,
01:33
why not do it for content as well?
31
93260
3000
가공된 자료, "컨텐츠"에 대해서도 못할 이유가 없겠죠?
01:36
So what we have right here
32
96260
2000
그래서 우리가 지금 여기서 보여드릴 것은
01:38
is the cover of every single Sports Illustrated
33
98260
3000
지금까지 출판되었던 스포츠 일러스트레이티드 잡지의
01:41
ever produced.
34
101260
2000
모든 첫페이지입니다.
01:43
It's all here; it's all on the web.
35
103260
2000
모두 여기있습니다. 모두 웹상에 존재하는 것들이죠.
01:45
You can go back to your rooms and try this after my talk.
36
105260
3000
제 이야기가 끝난 후에, 여러분의 방에서도 모두 해 보실 수 있습니다.
01:48
With Pivot, you can drill into a decade.
37
108260
3000
피봇을 이용해 10년 동안의 첫페이지들이나
01:51
You can drill into a particular year.
38
111260
2000
특정 연도의 첫페이지들에 대해서 자세히 살펴볼 수 있습니다.
01:53
You can jump right into a specific issue.
39
113260
3000
특정 호에 대해서 바로 살펴볼 수도 있습니다.
01:56
So I'm looking at this; I see the athletes
40
116260
2000
자, 그럼 저는 이것을 살펴보기로 하죠.
01:58
that have appeared in this issue, the sports.
41
118260
2000
이번 호에 나온 운동 선수들에 대해 살펴보겠습니다.
02:00
I'm a Lance Armstrong fan, so I'll go ahead and I'll click on that,
42
120260
3000
저는 랜스 암스트롱의 팬입니다. 그러니 이것을 클릭해보겠습니다.
02:03
which reveals, for me, all the issues
43
123260
2000
랜스 암스트롱의 사진이 실렸던
02:05
in which Lance Armstrong's been a part of.
44
125260
2000
모든 호들이 화면에 나타납니다.
02:07
(Applause)
45
127260
3000
(박수)
02:10
Now, if I want to just kind of take a peek at these,
46
130260
3000
자, 제가 이중에서 유독 눈에 띄는 것,
02:13
I might think,
47
133260
2000
아마도 이렇게,
02:15
"Well, what about taking a look at all of cycling?"
48
135260
2000
"모든 싸이클링에 대해 살펴보면 어떨까?"라 생각한다면,
02:17
So I can step back, and expand on that.
49
137260
2000
저는 한발 물러나서, 그것을 펼쳐볼 수 있습니다
02:19
And I see Greg LeMond now.
50
139260
2000
이제 그래그 레몬을 볼 수 있군요.
02:21
And so you get the idea that when you
51
141260
2000
자 이제 이것이 어떤 것인지 알 수 있겠지요.
02:23
navigate over information this way --
52
143260
2000
이런 방식으로 정보들 속을 항해해나갈 때,
02:25
going narrower, broader,
53
145260
2000
깊이 들어가기도하고, 넓게 보기도 하고,
02:27
backing in, backing out --
54
147260
2000
들어갔다가, 나왔다가 하기도 하면서
02:29
you're not searching, you're not browsing.
55
149260
2000
단순히 검색을 하거나, 웹 브라우징을 하는 것이 아닌
02:31
You're doing something that's actually a little bit different.
56
151260
2000
실제로는 기존과 약간 다른 무언가를 하게됩니다.
02:33
It's in between, and we think it changes
57
153260
3000
이는 검색과 웹브라우징의 중간쯤이며, 우리는
02:36
the way information can be used.
58
156260
2000
이것이 정보가 사용되는 방식을 바꿀 것이라 생각합니다.
02:38
So I want to extrapolate on this idea a bit
59
158260
2000
저는 이 아이디어를 조금 더 특이한 무언가에
02:40
with something that's a little bit crazy.
60
160260
2000
대해서 적용시켜보고자 합니다.
02:42
What we're done here is we've taken every single Wikipedia page
61
162260
3000
우리는 모든 위키피디아 페이지를 가지고 와서
02:45
and we reduced it down to a little summary.
62
165260
3000
그것들을 작은 요약 페이지들로 줄여두었습니다.
02:48
So the summary consists of just a little synopsis
63
168260
3000
따라서 요약 페이지들은 짧은 줄거리로 구성되어 있고
02:51
and an icon to indicate the topical area that it comes from.
64
171260
3000
아이콘들은 그 페이지가 실려있는 영역을 나타내고 있습니다.
02:54
I'm only showing the top 500
65
174260
3000
저는 최상위 500개의
02:57
most popular Wikipedia pages right here.
66
177260
2000
가장 유명한 위키피디아 페이지들을 지금 보여드리고 있습니다.
02:59
But even in this limited view,
67
179260
2000
이러한 제한적인 것들으로도
03:01
we can do a lot of things.
68
181260
2000
우리는 많은 것들을 할 수 있습니다.
03:03
Right away, we get a sense of what are the topical domains
69
183260
2000
지금 당장, 우리는 위키피디아에서
03:05
that are most popular on Wikipedia.
70
185260
2000
가장 유명한 세부 항목들이 어떤 것들인지를 알 수 있죠.
03:07
I'm going to go ahead and select government.
71
187260
2000
계속해서 이제 정부를 선택해보겠습니다.
03:09
Now, having selected government,
72
189260
3000
자, 이제 정부를 선택했고,
03:12
I can now see that the Wikipedia categories
73
192260
2000
정부와 가장 빈번하게 관련되는
03:14
that most frequently correspond to that
74
194260
2000
위키피디아의 카테고리가
03:16
are Time magazine People of the Year.
75
196260
3000
타임지의 "올해의 사람들"임을 알 수 있습니다.
03:19
So this is really important because this is an insight
76
199260
3000
이러한 통찰은 위키피디아안의 어떤 페이지에도
03:22
that was not contained within any one Wikipedia page.
77
202260
3000
속해 있지 않은 것이기 때문에 굉장히 중요합니다.
03:25
It's only possible to see that insight
78
205260
2000
한걸음 뒤로 물러서서 전체를 볼 수 있을 때에만
03:27
when you step back and look at all of them.
79
207260
3000
이러한 통찰력을 가질 수 있습니다.
03:30
Looking at one of these particular summaries,
80
210260
2000
이런 특별한 요약들 중의 하나를 살펴보면서,
03:32
I can then drill into the concept of
81
212260
3000
저는 타임지의 "올해의 사람들"에 대해서
03:35
Time magazine Person of the Year,
82
215260
2000
보다 자세히 알아 볼 수 있고,
03:37
bringing up all of them.
83
217260
2000
그것들 모두를 불러올 수 있습니다.
03:39
So looking at these people,
84
219260
2000
이 사람들을 살펴보면,
03:41
I can see that the majority come from government;
85
221260
3000
저는 대부분의 사람들이 "정부"와 관련된 것임을 알 수 있습니다.
03:45
some have come from natural sciences;
86
225260
3000
몇몇은 자연과학과 관련이 있네요.
03:49
some, fewer still, have come from business --
87
229260
3000
몇몇은, 작은 숫자지만, 경영과 관련이 있습니다.
03:53
there's my boss --
88
233260
2000
여기 제 상사가 있군요.
03:55
and one has come from music.
89
235260
5000
그리고 몇몇은 음악과 관련이 있습니다.
04:00
And interestingly enough,
90
240260
2000
그리고 충분히 흥미롭게도,
04:02
Bono is also a TED Prize winner.
91
242260
3000
보노는 또한 TED Prize를 받은 사람 입니다.
04:05
So we can go, jump, and take a look at all the TED Prize winners.
92
245260
3000
그래서 우리는 TED Prize 를 받은 사람들을 모두 살펴볼 수 있습니다.
04:08
So you see, we're navigating the web for the first time
93
248260
3000
여러분이 보시는 것처럼, 우리는 웹을 페이지에서 페이지를 이동하는 것이 아닌,
04:11
as if it's actually a web, not from page-to-page,
94
251260
3000
최초로 마치 웹이 거미줄(web)인 것과 같이
04:14
but at a higher level of abstraction.
95
254260
2000
보다 상위의 개념에서 탐색하고 있습니다.
04:16
And so I want to show you one other thing
96
256260
2000
저는 이제 여러분이 조금 놀라실만한
04:18
that may catch you a little bit by surprise.
97
258260
3000
다른 것들을 보여드리고자 합니다.
04:21
I'm just showing the New York Times website here.
98
261260
3000
저는 지금 뉴욕 타임지의 웹사이트를 보고 있습니다.
04:24
So Pivot, this application --
99
264260
2000
이제 이 응용프로그램, 즉 피봇을 이용하면 -
04:26
I don't want to call it a browser; it's really not a browser,
100
266260
2000
저는 이것을 브라우져라고 부르고 싶지 않습니다; 사실 이것은 브라우져가 아닙니다.
04:28
but you can view web pages with it --
101
268260
3000
하지만 여러분은 이것을 이용해서 웹 페이지들을 볼 수 있고
04:31
and we bring that zoomable technology
102
271260
2000
우리는 확대/축소 기술을
04:33
to every single web page like this.
103
273260
3000
이와 같은 각각의 웹페이지에 적용할 수 있습니다.
04:36
So I can step back,
104
276260
3000
한 걸음 뒤로 물러났다가
04:39
pop right back into a specific section.
105
279260
2000
다시 특정 위치로 돌아갈 수 있습니다.
04:41
Now the reason why this is important is because,
106
281260
2000
이것이 중요한 이유는
04:43
by virtue of just viewing web pages in this way,
107
283260
3000
웹페이지들을 이렇게 볾으로써
04:46
I can look at my entire browsing history
108
286260
2000
나의 웹브라우징 히스토리들 역시 동일하게
04:48
in the exact same way.
109
288260
2000
볼 수 있기 때문입니다.
04:50
So I can drill into what I've done
110
290260
2000
즉, 제가 특정 시간 간격동안
04:52
over specific time frames.
111
292260
2000
무엇을 했는지를 자세히 살펴볼 수 있습니다
04:54
Here, in fact, is the state
112
294260
2000
여기에, 사실, 제가 그동안 했던
04:56
of all the demo that I just gave.
113
296260
2000
모든 데모들이 들어 있군요.
04:58
And I can sort of replay some stuff that I was looking at earlier today.
114
298260
3000
그리고 저는 제가 오늘 일찍이 했던 것들을 되풀이해볼 수 있습니다.
05:01
And, if I want to step back and look at everything,
115
301260
3000
그리고 만약 한걸음 물러서서 모든 것을 보고자 한다면
05:04
I can slice and dice my history,
116
304260
2000
저는 저의 기록들, 아마도 저의 검색 기록들을
05:06
perhaps by my search history --
117
306260
2000
샅샅히 찾아볼 수 있습니다.
05:08
here, I was doing some nepotistic searching,
118
308260
2000
여기, 저는 저와 친밀한 것들을 검색했습니다
05:10
looking for Bing, over here for Live Labs Pivot.
119
310260
3000
Bing 검색엔진에서, 라이브랩 피봇에 관해서 검색했습니다.
05:13
And from these, I can drill into the web page
120
313260
2000
이것들을 통해서 저는 웹페이지를 살펴볼 수 있고
05:15
and just launch them again.
121
315260
2000
다시 그 페이지들을 열어볼 수도 있습니다.
05:17
It's one metaphor repurposed multiple times,
122
317260
3000
이것이 하나의 메타포가 목적에 따라 여러번 재생산된 것이고,
05:20
and in each case it makes the whole greater
123
320260
2000
각각의 경우에 대해 데이터 부분합보다
05:22
than the sum of the parts with the data.
124
322260
2000
전체 데이터가 더 큰 것임을 보여준 것입니다
05:24
So right now, in this world,
125
324260
3000
지금, 이 세계에서
05:27
we think about data as being this curse.
126
327260
3000
우리는 데이터를 골치거리로 생각합니다.
05:30
We talk about the curse of information overload.
127
330260
3000
우리는 정보 과다의 골치거리에 대해서 이야기하고
05:33
We talk about drowning in data.
128
333260
3000
너무도 많은 데이터에 허우적거리는 것을 이야기합니다.
05:36
What if we can actually turn that upside down
129
336260
2000
하지만 우리가 이를 뒤짚을 수 있다면, 그러니까
05:38
and turn the web upside down,
130
338260
2000
웹 자체를 뒤짚을 수 있다 생각한다면 어떨까요?
05:40
so that instead of navigating from one thing to the next,
131
340260
3000
하나에서 그 다음으로 가는 것이 아니라
05:43
we get used to the habit of being able to go from many things to many things,
132
343260
3000
여러개들로부터 또다른 여러개로 이동하는 것에 익숙해지고,
05:46
and then being able to see the patterns
133
346260
2000
기존에는 숨겨져 있던 특정 패턴들을
05:48
that were otherwise hidden?
134
348260
2000
볼 수 있다면 어떨까요?
05:50
If we can do that, then instead of being trapped in data,
135
350260
5000
만약 우리가 그것을 할 수 있다면, 우리는 자료들에 갖혀 있는 것이 아니라
05:55
we might actually extract information.
136
355260
3000
실제로 그 자료들로부터 정보를 끄집어 낼 수 있을 것 입니다.
05:58
And, instead of dealing just with information,
137
358260
2000
그리고, 단순히 정보를 다루는데에 그치는 것이 아니라,
06:00
we can tease out knowledge.
138
360260
2000
지식을 알아내려고 애쓸 수 있습니다.
06:02
And if we get the knowledge, then maybe even there's wisdom to be found.
139
362260
3000
우리가 만약 그 지식들을 알 수 있다면, 우리는 아마도 지혜를 찾아낼 수 있을 것 입니다.
06:05
So with that, I thank you.
140
365260
2000
감사합니다.
06:07
(Applause)
141
367260
8000
(박수)
이 웹사이트 정보

이 사이트는 영어 학습에 유용한 YouTube 동영상을 소개합니다. 전 세계 최고의 선생님들이 가르치는 영어 수업을 보게 될 것입니다. 각 동영상 페이지에 표시되는 영어 자막을 더블 클릭하면 그곳에서 동영상이 재생됩니다. 비디오 재생에 맞춰 자막이 스크롤됩니다. 의견이나 요청이 있는 경우 이 문의 양식을 사용하여 문의하십시오.

https://forms.gle/WvT1wiN1qDtmnspy7