Blaise Aguera y Arcas: Jaw-dropping Photosynth demo

Translator: Hiwa Foundation Reviewer: Hiwa Foundation II

What I'm going to show you first, as quickly as I can,

ئەوەی کە لە سەرەتاوە دەمەوێت تا بتوانم بە خێرایی نیشانتان بدەم

is some foundational work, some new technology

هەندێک کاری بنەڕەتییە، هەندێک تەکنەلۆجیای نوێیە

that we brought to Microsoft as part of an acquisition

کە بە دەستمان هێناوە بۆ کۆمپانیای مایکرۆسۆفت

almost exactly a year ago.

نزیکەی ساڵێک لەمەوبەر. ئەمە پڕۆگرامی (سیادراگۆن)ە

This is Seadragon, and it's an environment

ئەمەش ژینگەیەکە کە تیایدا تۆ دەتوانیت لە ناوخۆدا یاخود لە دەرەوە

in which you can either locally or remotely interact

with vast amounts of visual data.

کارلێک لەگەڵ بەشێکی گەورەی داتا بینراوەکاندا بکەیت

We're looking at many, many gigabytes of digital photos here

ئێمە تەماشای ژمارەیەکی زۆرلە گێگابایتی ژمارەیی وێنەکان دەکەین لێرەدا

and kind of seamlessly and continuously zooming in,

کە بەشێوەیەکی بەردەوام و یەک پارچەیی وێنەکان گەورە دەکات و

panning through it, rearranging it in any way we want.

لەو میانەیەدا شتەکان دەجوڵێن، ڕێکیان دەخەینەوە بەو شێوەی کە خۆمان دەمانەوێت

And it doesn't matter how much information we're looking at,

گرنگ نیە چەندە زانیاریمان هەیە دەربارەی ئەو وێنەیەی تەماشای دەکەین

how big these collections are or how big the images are.

هەروەها ئەمانە چەندە کۆکراونەتەوە یاخود وێنەکان چەندە گەورەن

Most of them are ordinary digital camera photos,

زۆربەی ئەم وێنانە بە کامێرای دیجیتاڵ گیراوە

but this one, for example, is a scan from the Library of Congress,

بەڵام ئەم دانەیە، بۆ نمونە، ئەوە پشکنینێکە لە کتێبخانەی کۆنگرێس

and it's in the 300 megapixel range.

کە دیقەکەی ٣٠٠ مێگا پێکسڵە

It doesn't make any difference

هیچ جیاوازیەک دروست ناکات

because the only thing that ought to limit the performance of a system like this one

تەنها یەک شت پێویستە بۆ جێبەجێکردنی کردارەکە

ئەویش هەبونی سیستەمێکی وەک ئەمەیە کە ژمارەی پێکسڵەکانت لە سەرشاشەکەت

is the number of pixels on your screen at any given moment.

It's also very flexible architecture.

بداتێ لەهەر کاتێکدا. هەروەها ئەوە نەخشەیەکی زۆر ئاشکرای تەلارسازیە

This is an entire book, so this is an example of non-image data.

ئەمەش کتێبێکی تەواوە، ئەمە نمونەیەکە لە وێنەیەکی خەیاڵی

This is "Bleak House" by Dickens.

ئەمە (خانوی بلیک)ە کە لەلایەن دیکینسەوە نەخشەی کێشراوە. هەر ستونێک بەشێکە

Every column is a chapter.

To prove to you that it's really text, and not an image,

بۆ سەلماندنی ئەوەی کە ئەمە نوسراوی ڕاستەقینەیە نەوەک وێنەیەکە

we can do something like so, to really show

دەتوانین شتێکی وەک و ئەمە بکەین، بۆ نیشاندانی ڕاستی

that this is a real representation of the text; it's not a picture.

کە ئەمە نوێنەرایەتی ڕاستی ئەم نوسراوە دەکات، نەوەک وێنەیەک

Maybe this is an artificial way to read an e-book.

لەوانەیە ئەمە جۆرێک بێت لە ڕیگەیەکی لاسایی کردنەوە بۆ خوێندنەوەی کتێبی ئەلیکترۆنی

I wouldn't recommend it.

من ئەوەم بەلاوە پەسەند نیە

This is a more realistic case, an issue of The Guardian.

ئەمە زیاتر حاڵەتێکی ڕاستی تێدایە. ئەمە چەند ژمارەیەکە لە ڕۆژنامەی گاردیانی بەریتانی

Every large image is the beginning of a section.

هەر وێنەیەکی گەورە سەرەتای دەستپێکردنی بەشێکە

And this really gives you the joy and the good experience

لە ڕاستیدا ئەمە خۆشیەک و ئەزمونێکی باشت دەداتێ

of reading the real paper version of a magazine or a newspaper,

لە خوێندنەوەی پەڕەیەکی تازە لە گۆڤارێک یان ڕۆژنامەیەک

which is an inherently multi-scale kind of medium.

خۆی لە بنچینەدا، ئەمە ڕێگایەکە بۆ دیاریکردنی پێوەرەکان

We've done something

هەروەها شتێکی بچوکی تریشمان کردوە

with the corner of this particular issue of The Guardian.

ئەویش ئەوەیە، لە سوچێکی تایبەتی ئەم ڕۆژنامەی گاردیانە

We've made up a fake ad that's very high resolution --

ڕیکلامێکمان دروست کردوە بە دیقەیەکی زۆر بەرز

much higher than in an ordinary ad --

کە زۆر زیاترە لەوەی کە لە ڕیکلامی ئاسایدا هەیە

and we've embedded extra content.

ناوەڕۆکی زیاترمان تێدا جێگیر کردوە

If you want to see the features of this car, you can see it here.

ئەگەر دەتەوێت سیفەتەکانی ئەم سەیارەیە ببینیت، دەتوانیت سەیری ئێرە بکەیت

Or other models, or even technical specifications.

یان مۆدێلەکانی تر، یان تەنانەت مواسەفەتە هونەریەکانیشی

And this really gets at some of these ideas

لەڕاستیدا ئەمەشمان لە کۆمەڵە بیرۆکەیەکەوە بە دەست هێناوە

about really doing away with those limits on screen real estate.

کە دەتوانیت دەست بەسەر هەموو شاشەکەدا بگریت

We hope that this means no more pop-ups

هیوادارین ئەمە مانای ئەوە بێت کە ئیتر کتێب نەمێنێت لاپەڕەیەکی زۆری هەبێت

and other rubbish like that -- shouldn't be necessary.

وە پێویستمان بە شێوە زبڵدانێکی تری وەک ئەوە نابێت لەمەودوا

Of course, mapping is one of those obvious applications

بێگومان نەخشەکێشان یەکێکە لە هەرە جێبەجێکردنە گرنگەکان

for a technology like this.

کە زۆر گونجاوە بۆ ئەم تەکنەلۆجیایە

And this one I really won't spend any time on,

لە ڕاستیدا ئەم دانەیان من نامەوێت هیچ کاتێکی بۆ تەرخان بکەم

except to say that we have things to contribute to this field as well.

جگە لەوەی دەتوانین بڵێین کۆمەڵە شتێکمان هەیە بۆ هاوبەشی کردنێکی باشمان هەیە لەگەڵ ئەم کێڵگەدا

But those are all the roads in the U.S.

بەڵام ئەمانە هەموو ڕیگاکان لە ئەمەریکا

superimposed on top of a NASA geospatial image.

ئەم وێنانەش بە هۆی مانگە دەستکردەکانی ناساوە گیراون

So let's pull up, now, something else.

کەواتە ئێستا بابوەستین و بچینە سەر شتێکی تر

This is actually live on the Web now; you can go check it out.

ئێستا ئەمە ڕاستەوخۆ لەناو ئینەرنێتدا هەیە، دەتوانن بچن بەدوایدا بگەڕێن

This is a project called Photosynth, which marries two different technologies.

ئەم پڕۆژەیە ناودەبرێت بە (فۆتۆ سیس) تیشکە پێکهاتن

لە ڕاستیدا ئەمەش یەکگرتنی دوو تەکنەلۆجیای جیاوازە

One of them is Seadragon

یەکێک لەو دوانە (سیادراگۆن)ە

and the other is some very beautiful computer-vision research

ئەوی تریشیان هەندێک لێکۆڵینەوەی جوانی کۆمپیوتەرە لەبارەی بینینەوە

done by Noah Snavely, a graduate student at the University of Washington,

کە لە لایەن (نوا ستانڤیلی)ەوە ئامدە کراوە، خوێندکارێکی دەرچوی زانکۆی واشنتۆنە

co-advised by Steve Seitz at U.W.

بەسەرپەرشتی (ستیڤ سێتز) لە زانکۆی واشنتۆن

and Rick Szeliski at Microsoft Research.

لەگەڵ (ڕیک سیلیسکی) لە پەیمانگای لێکۆڵینەوەی مایکرۆسۆفت، هاوکاریەکی جوانە

A very nice collaboration.

And so this is live on the Web. It's powered by Seadragon.

ئەمە بە ڕاستەوخۆیی لە ناو ئینتەرنێتدا هەیە، ئیشی پێدەکرێت لە لایەن (سیادراگۆن)ەوە

You can see that when we do these sorts of views,

دەتوانن ئەوە ببینن کاتێک لەم جۆرانە نیشان دەدەین

where we can dive through images

دەتوانین بچینە قوڵایی وێنەکان

and have this kind of multi-resolution experience.

تاکو وێنەیەکی کوالیتی بەرزی ئاوهامان هەبێت

But the spatial arrangement of the images here is actually meaningful.

بەڵام لێرەدا ڕێکخستنی شوێنەکان مانایەکی ڕاستەقینەی هەیە

The computer vision algorithms have registered these images together

ئالگۆریزمی بینینی کۆمپیوتەرەکە هەموو ئەم وێنانە تۆماردەکات بەیەکەوە

so that they correspond to the real space in which these shots --

تاکو ئەوانە بگونجێنێت لەگەڵ بۆشاییە ڕاستەقینەکانیدا بۆ ئەوەی ئەم وێنانە بگرێت

all taken near Grassi Lakes in the Canadian Rockies --

کە هەموویان لەنزیک دەریاچەی گراسی لە چیاکانی ڕۆکی لە کەنەدا گیراون

all these shots were taken.

هەموو ئەمانە گیراون، کەواتە هەموو ئەو وێنانەی لێرەدا

So you see elements here

of stabilized slide-show or panoramic imaging,

نیشان دەدرێن بە سلاید یان وێنەی پانۆرامایی

and these things have all been related spatially.

بەستراون بە شوێنەکانیانەوە

I'm not sure if I have time to show you any other environments.

دڵنیا نیم لەوەی ئایا کاتی تەواوم هەیە تاوەکو ژینگەی ترتان نیشان بدەم

Some are much more spatial.

لەوێدا ژمارەیەکی زۆرتر شوێن هەیە

I would like to jump straight to one of Noah's original data-sets --

حەزدەکەم ڕاستەوخۆ بازبدەم بۆ یەکێک لە داتا ئەسڵیەکانی نوا

this is from an early prototype that we first got working this summer --

ئەمە نمونەیەکی سەرەتایی تیشکە پێکهاتنە

ئەوە بوو یەکەم جار دەستمان بە ئیش کرد تێیدا لە هاویندا

to show you what I think

بۆ نیشاندانی ئەوەی من بیر لە چی دەکەمەوە

is really the punch line behind the Photosynth technology,

لەڕاستیدا وتەی مەبەست لە پشتی ئەم تەکنەلۆجیایەوە

It's not necessarily so apparent

تەکنەلۆجیای تیشکە پێکهاتنە. ئەوەی پێویست ناکات زۆر ئاشکرا بێت

from looking at the environments we've put up on the website.

لە سەیرکردنی ئەو ژینگەوە کە ئێمە دامانناوە لە سایتەکەدا

We had to worry about the lawyers and so on.

ئێمە دڵتەنگ بووین دەربارەی پارێزەرەکان و ئەوانی تریش

This is a reconstruction of Notre Dame Cathedral

ئەمە ئاوەدانکردنەوەیەکی بینای نوتر دام کاثیدراڵە

that was done entirely computationally from images scraped from Flickr.

ئەوە بەتەواوەتی هەڵسەندگێندراوە

لەو وێنانەدا کە هەڵگیراون لە فلیکەردا. تۆ تەنها دەنوسیت نوتر دام لە فلیکەردا

You just type Notre Dame into Flickr,

and you get some pictures of guys in T-shirts, and of the campus and so on.

دواتر هەندێک وێنەی چەند گەنجێکت دەست دەکەوێت بە تیشێرتەوە لە ناو زانکۆدا

وە هەروەها. هەر قوچەیەکی پرتەقاڵی لە مانەدا نوێنەری وێنەیەکن

And each of these orange cones represents an image

that was discovered to belong to this model.

ئەوانەی دۆزرانەوە هی ئەم مۆدێلەن

And so these are all Flickr images,

کەواتە هەموو ئەم وێنانەی لە فلیکەردا هەڵگیراون

and they've all been related spatially in this way.

بەستراون بە شوێنەکانەوە بەم ڕێگەیە

We can just navigate in this very simple way.

ئێمە دەتوانی ڕێتان نیشان بدەین بە ڕێگەیەکی زۆر سادە

(Applause)

چەپڵە

(Applause ends)

You know, I never thought that I'd end up working at Microsoft.

ئێوە دەزانن، هەرگیز بیرم لەوە نەکردۆتەوە کۆتایی بە ئیش کردن بهێنم لە مایکرۆسۆفت

It's very gratifying to have this kind of reception here.

ئەوە زۆر دڵخۆشکەرە کە جۆرێک پرسگە لێرەدا هەیە

(Laughter)

پێکەنین

I guess you can see this is lots of different types of cameras:

وا مەزەندە دەکەم دەتوانن بیبینن

ئەمە وێنانەش بە کامێرای جیاواز جیاواز گیراون

it's everything from cell-phone cameras to professional SLRs,

هەر لە کامێرای مۆبایلەکانەوە تاکو کامێرا پڕۆفیشناڵەکانی لینزی ئێس-ئێل-ئاڕ

quite a large number of them, stitched together in this environment.

ژمارەیەکی زۆر هەیە لەوانە. دەیان تەقەڵ

بەیەکیانەوە دەبەستێتەوە لەم ژینگەیەدا

If I can find some of the sort of weird ones --

ئەگەر توانیم، بەنیازم هەندێک جۆری نامۆ بدۆزمەوە

So many of them are occluded by faces, and so on.

ژمارەیەکی زۆر لەوانە وێنەی ڕوخسارەکان دەگرن

Somewhere in here there is actually a series of photographs -- here we go.

لێرە لەشوێنێکدا ئەوانە بونیان هەیە لەڕاستیدا

زینجیرەیەکی وێنەکانن...بابڕۆین

This is actually a poster of Notre Dame that registered correctly.

ئەمە پۆستەرێکی نۆتر دامە کە بەشێوەیەکی دروست تۆمارکراوە

We can dive in from the poster

دەتوانین دایپۆشین لە پۆستەرەکەوە

to a physical view of this environment.

بۆ بینینێکی فیزیایی لەم ژینگەیەدا

What the point here really is

ئەو خاڵەی لێرەدایە لە ڕاستیدا ئەوەیە، ئێمە دەتوانین ئەم شتانە بکەین

is that we can do things with the social environment.

لەگەڵ ژینگە کۆمەڵایەتیەکەدا. لە ئێستادا ئەم داتایە دەبرێت لە هەرکەسێکەوە

This is now taking data from everybody --

from the entire collective memory, visually, of what the Earth looks like --

بۆ میمۆریەکی تەواو کۆکراوەی

بینراو، زەوی شێوەی لە چی دەچێت

and link all of that together.

همەوویان پێکەوە بەستراون

Those photos become linked, and they make something emergent

هەموو ئەم وێنانە دەبەسترێن بەیەکەوە

ئەوانە شتێکی تازە دروست دەکەن

that's greater than the sum of the parts.

ئەوەش گەورەترە لە سەرجەم بەشەکانی تر

You have a model that emerges of the entire Earth.

ئێوە پێویستان بە مۆدێلێکە کە زەوی بەتەواوی تێیدا دەربکەوێت

Think of this as the long tail to Stephen Lawler's Virtual Earth work.

بیربکەنەوە ئەمە وەک چیرۆکە دوور و درێژەکەی (ستیڤان لاولەر)ە کە تایبەت بوو بەزەویە ڕەسەنەکە

And this is something that grows in complexity as people use it,

ئەمە بەشێکە کە زۆر بەئاڵۆزی گەشەی کردوە

لەگەڵ بەکارهێنانی ئەم پڕۆگرامەدا، ئەوانەی سوود مەند بوون لەم پڕۆگرامە زۆرتر بوون

and whose benefits become greater to the users as they use it.

لەو بەکارهێنەرانەی کە تەنیا بەکاریان هێناوە

Their own photos are getting tagged with meta-data that somebody else entered.

وێنەکان لەگەڵ زانیاریەکان پێکەوە دەبەسترێنەوە. ئەگەر

ک کەسێکی تر چوبێتە ژوورەوە، ئەوا نیشانی دەدات

If somebody bothered to tag all of these saints

ئەگەر کەسێک بێزار کرا بە تاگ کردنی هەموو ئەم وێنانە بۆی

and say who they all are, then my photo of Notre Dame Cathedral

گوتی هەموو ئەوانە کێن، پاشان وێنەکەم لە: نۆتری دام کاثیدراڵ

suddenly gets enriched with all of that data,

لە ناکاو دەوڵەمەند دەبن لەگەڵ هەموو ئەو داتایانە

and I can use it as an entry point to dive into that space,

دەتوانم بەکاری بهێنم وەک خاڵێک ە بۆ ئەوەی ئەو بۆشاییە دابپۆشم

into that meta-verse, using everybody else's photos,

لەناو زانیاریەکاندا و وە وێنەکانی تر بەکاردەهێنم

and do a kind of a cross-modal

ئەمە جۆرێک دەبێت لە ئیشی نمونەیی گشتی

and cross-user social experience that way.

ئەوە ڕێگەیەک دەبێت لە ئەزمونی ئیشی کۆمەڵایەتی

And of course, a by-product of all of that is immensely rich virtual models

بێگومان، ئەم بەرهەم هێنانە هەمووی ئەوەیە

تا ڕادیەکی زۆر مۆدێلی دەوڵەمەندی ڕەسەنە

of every interesting part of the Earth,

بۆ هەموو بەشەکانی زەوی دڵخۆشکەر دەبێت، کۆکراوە دەبێت

collected not just from overhead flights and from satellite images

نەک تەنها بۆ فڕینەکان و وێنەی مانگە دەستکردەکان

and so on, but from the collective memory.

بەڵام لە میمۆریەکی کۆکراوەدا

Thank you so much.

زۆر سوپاس

(Applause)

چەپڵە

(Applause ends)

Chris Anderson: Do I understand this right?

کریس ئەندرسۆن: ئەگەر من باش لەمە تێگەشتبم؟ بەرنامەکەی تۆ ئەوەیە ڕێگەت دەدات

What your software is going to allow,

is that at some point, really within the next few years,

بە چەند خاڵێک، ئەویش ئەوەیە کە لەچەند ساڵی کەمی داهاتودا

all the pictures that are shared by anyone across the world

هەموو وێنەکان بەشداری پێدەکرێت لەلایەن هەر کەسێکەوە لەم سەرو ئەوسەری جیهان

are going to link together?

بەشێوەیەکی بنچینەیی بە هۆی لینکەکەوە دەبەسترێنەوە بەیەکەوە؟

BAA: Yes. What this is really doing is discovering,

بلەیس ئەگوێرا ئەکراس: بەڵێ، ئەم بەرنامەیە بۆ ئەوە دۆزراوەتەوە

creating hyperlinks, if you will, between images.

ئەمە درووست کردنی پەیوەندیە لەنێوان وێنەکاندا

It's doing that based on the content inside the images.

ئەو پەیوەندییە درووست دەکات

بەپێی ناوەڕۆکی ناو وێنەکە

And that gets really exciting when you think about the richness

زۆر خۆشە کاتێک بیردەکەیتەوە دەربارەی دەوڵەمەندی

of the semantic information a lot of images have.

زانیاریە واتاییەکان کە ژمارەیەکی زۆر لەم وێنانە هەیانە

Like when you do a web search for images,

وەک ئەوەی کاتێکل ە ئینتەرنێتدا دەگەڕێیت بەدوای وێنەیەکدا

you type in phrases,

تۆ زاراوەکان دەنوسیت، دواتر لە لاپەڕەی سایتەکەدا دەردەکەوێت

and the text on the web page is carrying a lot of information

کە زانیاریەکی زۆری هەڵگرتوە دەربارەی ئەو وێنەیە

about what that picture is of.

What if that picture links to all of your pictures?

ئێستا، چی دەبێت ئەگەر ئەو وێنەیە بەسترا بێت بە هەموو وێنەکانتەوە؟

ئەو کات بەشە واتاییەکەی کیشوەر بڕ دەبێت

The amount of semantic interconnection and richness

وە بەشە دەوڵەمەندەکەی دەردەکەوێت

that comes out of that is really huge.

کە زۆر گەورەیە. ئەوە کاریگەریەکی تۆڕی کلاسیکیە

It's a classic network effect.

CA: Truly incredible. Congratulations.

کریس ئەندرسۆن: بەڕاستی ئەوە باوەڕپێنەکراوە، پیرۆزە

بلەیس ئەگوێرا ئەکراس: زۆر سوپاس