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

60,357 views ・ 2010-03-03

TED


Norėdami paleisti vaizdo įrašą, dukart spustelėkite žemiau esančius angliškus subtitrus.

Translator: Monika Ciurlionyte Reviewer: Laura Bojarskaitė
00:16
If I can leave you with one big idea today,
0
16260
2000
Jeigu galiu šiandien išeiti pristatęs jums vieną svarbią idėją,
00:18
it's that the whole of the data
1
18260
2000
tai būtų, kad visi duomenys,
00:20
in which we consume
2
20260
2000
kuriuos mes naudojame,
00:22
is greater that the sum of the parts,
3
22260
2000
yra didesni, nei kai kurių dalių suma
00:24
and instead of thinking about information overload,
4
24260
3000
ir vietoj galvojimo apie informacijos perkrovą,
00:27
what I'd like you to think about is how
5
27260
2000
aš norėčiau, kad jūs galvotumėte kaip
00:29
we can use information so that patterns pop
6
29260
3000
mes galime naudoti informaciją taip, kad modeliai išryškėtų
00:32
and we can see trends that would otherwise be invisible.
7
32260
3000
ir mes galėtume pamatyti tendencijas, kurios šiaip būtų nematomos.
00:35
So what we're looking at right here is a typical mortality chart
8
35260
3000
Taigi ką mes čia matome yra tipiška mirštamumo lentelė,
00:38
organized by age.
9
38260
2000
sugrupuota pagal amžių.
00:40
This tool that I'm using here is a little experiment.
10
40260
2000
Šis instrumentas, kurį dabar naudoju, yra mažas eksperimentas.
00:42
It's called Pivot, and with Pivot what I can do
11
42260
3000
Jis vadinasi Pivot ir ką aš galiu padaryti su Pivot,
00:45
is I can choose to filter in one particular cause of deaths -- say, accidents.
12
45260
4000
tai pasirinkti vienos mirties priežasties filtrą, tarkim nelaimingi atsitikimai.
00:49
And, right away, I see there's a different pattern that emerges.
13
49260
3000
Ir iškarto aš matau išryškėjant kitokius modelius.
00:52
This is because, in the mid-area here,
14
52260
2000
Taip yra todėl, kad čia, viduryje
00:54
people are at their most active,
15
54260
2000
žmonės yra aktyviausi
00:56
and over here they're at their most frail.
16
56260
2000
ir čia jie labiausiai pažeidžiami.
00:58
We can step back out again
17
58260
2000
Mes galime vėl grįžti
01:00
and then reorganize the data by cause of death,
18
60260
2000
ir pergrupuoti duomenis pagal mirties priežastį
01:02
seeing that circulatory diseases and cancer
19
62260
3000
ir matome, kad kraujotakos ligos ir vėžys
01:05
are the usual suspects, but not for everyone.
20
65260
3000
yra dažniausios priežastys, bet ne visiems.
01:08
If we go ahead and we filter by age --
21
68260
3000
Jeigu mes dar uždėsime amžiaus filtrą,
01:11
say 40 years or less --
22
71260
2000
tarkime 40 ir mažiau metų,
01:13
we see that accidents are actually
23
73260
2000
mes matome, kad nelaimingi atsitikimai iš tiesų
01:15
the greatest cause that people have to be worried about.
24
75260
3000
yra didžiausia priežastis, dėl kurios žmonės turėtų jaudintis.
01:18
And if you drill into that, it's especially the case for men.
25
78260
3000
Ir jeigu įsigilintume į tai, pamatytume, kad tai dažniausiai nutinka vyrams.
01:21
So you get the idea
26
81260
2000
Taigi pagaunate idėją,
01:23
that viewing information, viewing data in this way,
27
83260
3000
kad informacijos ir duomenų peržiūrėjimas tokiu būdu
01:26
is a lot like swimming
28
86260
2000
labai primena plaukimą
01:28
in a living information info-graphic.
29
88260
3000
gyvoje informacijos info-grafikoje.
01:31
And if we can do this for raw data,
30
91260
2000
Ir jeigu mes galime taip elgtis su neapdorotais duomenimis,
01:33
why not do it for content as well?
31
93260
3000
kodėl gi to paties nepadaryti turiniui?
01:36
So what we have right here
32
96260
2000
Taigi ką mes čia turime
01:38
is the cover of every single Sports Illustrated
33
98260
3000
yra viršeliai kiekvieno kadanors išleisto
01:41
ever produced.
34
101260
2000
"Sports Illiustrated".
01:43
It's all here; it's all on the web.
35
103260
2000
Viskas čia. Viskas internete.
01:45
You can go back to your rooms and try this after my talk.
36
105260
3000
Jūs galite tai išmėginti savo kambariuose po mano kalbos.
01:48
With Pivot, you can drill into a decade.
37
108260
3000
Su Pivot jūs galite pasirinkti dešimtmetį.
01:51
You can drill into a particular year.
38
111260
2000
Arba tam tikrus metus.
01:53
You can jump right into a specific issue.
39
113260
3000
Jūs galite pereiti prie tam tikro numerio.
01:56
So I'm looking at this; I see the athletes
40
116260
2000
Taigi aš žiūriu čia, aš matau sportininkus,
01:58
that have appeared in this issue, the sports.
41
118260
2000
kurie buvo paminėti šiame numeryje ir sporto rūšis.
02:00
I'm a Lance Armstrong fan, so I'll go ahead and I'll click on that,
42
120260
3000
Aš esu Lance Armstrong fanas, taigi paspausiu čia
02:03
which reveals, for me, all the issues
43
123260
2000
ir man bus parodyti visi numeriai,
02:05
in which Lance Armstrong's been a part of.
44
125260
2000
kuriuose Lance Armstrong buvo paminėtas.
02:07
(Applause)
45
127260
3000
(Plojimai)
02:10
Now, if I want to just kind of take a peek at these,
46
130260
3000
Dabar, jeigu aš tiesiog noriu į juos žvilgtelti,
02:13
I might think,
47
133260
2000
aš galvočiau
02:15
"Well, what about taking a look at all of cycling?"
48
135260
2000
"Na, gal man pažiūrėti į dviračių sportą?"
02:17
So I can step back, and expand on that.
49
137260
2000
Taigi aš galiu grįžti atgal ir išplėsti tą temą.
02:19
And I see Greg LeMond now.
50
139260
2000
Ir dabar matau Greg Lemond.
02:21
And so you get the idea that when you
51
141260
2000
Taigi jūs pagaunate idėją, kad kai
02:23
navigate over information this way --
52
143260
2000
naviguojate per informaciją tokiu būdu,
02:25
going narrower, broader,
53
145260
2000
siauriau, plačiau,
02:27
backing in, backing out --
54
147260
2000
pridedant ir atimant,
02:29
you're not searching, you're not browsing.
55
149260
2000
jūs neieškote, jūs nenaršote.
02:31
You're doing something that's actually a little bit different.
56
151260
2000
Jūs darote kažką, kas yra kiek kitoniška.
02:33
It's in between, and we think it changes
57
153260
3000
Tai viduriukas, ir mes manome, kad tai keičia
02:36
the way information can be used.
58
156260
2000
būdą, kuriuo informacija galėtų būti naudojama.
02:38
So I want to extrapolate on this idea a bit
59
158260
2000
Taigi norėčiau šią idėją šiek tiek ekstrapoliuoti
02:40
with something that's a little bit crazy.
60
160260
2000
į kažką truputį beprotiško.
02:42
What we're done here is we've taken every single Wikipedia page
61
162260
3000
Ką mes čia padarėme, tai mes pasirinkome visus Wikipedia puslapius
02:45
and we reduced it down to a little summary.
62
165260
3000
ir sutrumpinome juos į trumpą santrauką.
02:48
So the summary consists of just a little synopsis
63
168260
3000
Santrauką sudarė tik trumpa apžvalga
02:51
and an icon to indicate the topical area that it comes from.
64
171260
3000
ir ikonėlė, kuri parodė, kuriai temai priklauso puslapis.
02:54
I'm only showing the top 500
65
174260
3000
Aš parodysiu tik top 500
02:57
most popular Wikipedia pages right here.
66
177260
2000
šiuo metu populiariausius Wikipedia puslapius.
02:59
But even in this limited view,
67
179260
2000
Bet netgi šioje ribotoje peržiūroje
03:01
we can do a lot of things.
68
181260
2000
mes vistiek galime atlikti daugybę dalykų.
03:03
Right away, we get a sense of what are the topical domains
69
183260
2000
Iš karto, mes galime pamatyti, kurios yra aktualios sritys
03:05
that are most popular on Wikipedia.
70
185260
2000
yra populiariausios Wikipedia.
03:07
I'm going to go ahead and select government.
71
187260
2000
Aš dabar pasirinksiu vyriausybę.
03:09
Now, having selected government,
72
189260
3000
Dabar, kai pasirinkau vyriausybę,
03:12
I can now see that the Wikipedia categories
73
192260
2000
galiu pamatyti, kad Wikipedia kategorijos,
03:14
that most frequently correspond to that
74
194260
2000
kurios dažniausiai yra su tuom susijusios
03:16
are Time magazine People of the Year.
75
196260
3000
yra "Time žurnalas" ir "Metų žmonės".
03:19
So this is really important because this is an insight
76
199260
3000
Taigi tai yra labai svarbu, nes tai įžvalga,
03:22
that was not contained within any one Wikipedia page.
77
202260
3000
kurios nebuvo jokiame Wikipedia puslapyje.
03:25
It's only possible to see that insight
78
205260
2000
Šią įžvalgą įmanoma matyti tik
03:27
when you step back and look at all of them.
79
207260
3000
kai jūs atsitraukiate ir pažiūrite į juos visus vienu kartu.
03:30
Looking at one of these particular summaries,
80
210260
2000
Žiūrint į vieną iš visų santraukų,
03:32
I can then drill into the concept of
81
212260
3000
aš galiu įsigilinti į "Times žunalo" ir "Metų žmogaus"
03:35
Time magazine Person of the Year,
82
215260
2000
idėją,
03:37
bringing up all of them.
83
217260
2000
visa tai iškeliant.
03:39
So looking at these people,
84
219260
2000
Žiūrint į šiuos žmones
03:41
I can see that the majority come from government;
85
221260
3000
aš galiu matyti, kad didžioji dauguma ateina iš vyriausybės.
03:45
some have come from natural sciences;
86
225260
3000
Kai kurie iš gamtos mokslų.
03:49
some, fewer still, have come from business --
87
229260
3000
Kaikurie, tačiau vis dar nedaug jų, atėjo iš verslo pasaulio.
03:53
there's my boss --
88
233260
2000
Štai mano bosas.
03:55
and one has come from music.
89
235260
5000
Ir vienas atėjo iš muzikos industrijos.
04:00
And interestingly enough,
90
240260
2000
Ir gana įdomu, kad
04:02
Bono is also a TED Prize winner.
91
242260
3000
Bono yra taip pat ir TED Prize laimėtojas.
04:05
So we can go, jump, and take a look at all the TED Prize winners.
92
245260
3000
Taigi mes galime nueiti ir pažiūrėti visus TED Prize laimėtojus.
04:08
So you see, we're navigating the web for the first time
93
248260
3000
Matote, mes pirmą kartą naviguojame internete taip,
04:11
as if it's actually a web, not from page-to-page,
94
251260
3000
lyg jis iš tiesų būtų tinklas, o ne iš puslapio į puslapį,
04:14
but at a higher level of abstraction.
95
254260
2000
bet aukštesniame išgavimo lygyje.
04:16
And so I want to show you one other thing
96
256260
2000
Taigi noriu jums parodyti dar vieną dalyką,
04:18
that may catch you a little bit by surprise.
97
258260
3000
kuris galėtų jus nustebinti.
04:21
I'm just showing the New York Times website here.
98
261260
3000
Aš tiesiog rodau New York Times tinklapį.
04:24
So Pivot, this application --
99
264260
2000
Taigi Pivot, ši programėlė --
04:26
I don't want to call it a browser; it's really not a browser,
100
266260
2000
aš nenoriu jos vadinti naršykle, nes tai nėra išties naršyklė,
04:28
but you can view web pages with it --
101
268260
3000
bet jūs galite su ja peržiūrėti puslapius --
04:31
and we bring that zoomable technology
102
271260
2000
ir mes suteikiame tą priartinimo technologiją
04:33
to every single web page like this.
103
273260
3000
kiekvienam tinklapiui kaip šis.
04:36
So I can step back,
104
276260
3000
Taigi galiu atsitraukti,
04:39
pop right back into a specific section.
105
279260
2000
grįžti į tam tikrą skyrių.
04:41
Now the reason why this is important is because,
106
281260
2000
Priežastis kodėl tai svarbu yra tai,
04:43
by virtue of just viewing web pages in this way,
107
283260
3000
kad dėl tinklapių naršymo šiuo būdu privalumų
04:46
I can look at my entire browsing history
108
286260
2000
aš galiu peržiūrėti savo naršymo istoriją
04:48
in the exact same way.
109
288260
2000
lygiai taip pat.
04:50
So I can drill into what I've done
110
290260
2000
Taigi galiu įsigilinti į tai, ką dariau
04:52
over specific time frames.
111
292260
2000
per tam tikrus laiko tarpus.
04:54
Here, in fact, is the state
112
294260
2000
Čia, iš tiesų, kaip atrodo
04:56
of all the demo that I just gave.
113
296260
2000
visa demonstracija, kurią šiandien parodžiau.
04:58
And I can sort of replay some stuff that I was looking at earlier today.
114
298260
3000
Ir aš galiu pakartoti kai kuriuos dalykus, į kuriuos žiūrėjau anksčiau.
05:01
And, if I want to step back and look at everything,
115
301260
3000
Ir jeigu noriu atsitraukti ir pažiūrėti į viską,
05:04
I can slice and dice my history,
116
304260
2000
taip pat galiu visaip dalinti savo istoriją
05:06
perhaps by my search history --
117
306260
2000
turbūt pagal savo paieškos istoriją.
05:08
here, I was doing some nepotistic searching,
118
308260
2000
Čia aš ieškojau apie nepotizmą,
05:10
looking for Bing, over here for Live Labs Pivot.
119
310260
3000
ieškojau Bing, o čia Live Labs Pivot.
05:13
And from these, I can drill into the web page
120
313260
2000
Ir iš čia aš galiu įsigilinti į tinklapį
05:15
and just launch them again.
121
315260
2000
ir tiesiog juos vėl paleisti.
05:17
It's one metaphor repurposed multiple times,
122
317260
3000
Tai viena metafora panaudota daugybę kartų,
05:20
and in each case it makes the whole greater
123
320260
2000
ir kiekvienu atveju tai padaro visumą geresne
05:22
than the sum of the parts with the data.
124
322260
2000
nei suma visų duomenų dalių.
05:24
So right now, in this world,
125
324260
3000
Taigi dabar, šiame pasaulyje,
05:27
we think about data as being this curse.
126
327260
3000
mes galvojame apie duomenis kaip apie prakeikimą.
05:30
We talk about the curse of information overload.
127
330260
3000
Mes kalbame apie informacijos perkrovos prakeikimą.
05:33
We talk about drowning in data.
128
333260
3000
Mes kalbame apie skendimą duomenyse.
05:36
What if we can actually turn that upside down
129
336260
2000
O kas, jeigu mes išties galime tai apversti aukštyn kojom
05:38
and turn the web upside down,
130
338260
2000
ir apversti internetą aukštyn kojom,
05:40
so that instead of navigating from one thing to the next,
131
340260
3000
taip, kad vietoj vienų dalykų šalia kitų,
05:43
we get used to the habit of being able to go from many things to many things,
132
343260
3000
mes priprastume prie įpročio galėti pereiti nuo daugybės dalykų prie daugybės dalykų
05:46
and then being able to see the patterns
133
346260
2000
ir tuomet galėti matyti modelius,
05:48
that were otherwise hidden?
134
348260
2000
kurie kitu atveju buvo paslėpti?
05:50
If we can do that, then instead of being trapped in data,
135
350260
5000
Jeigu mes tai galime padaryti, tuomet vietoj to, kad esame įstrigę duomenyse,
05:55
we might actually extract information.
136
355260
3000
mes išties galėtume išgauti informaciją.
05:58
And, instead of dealing just with information,
137
358260
2000
Ir, vietoj tiesiog informacijos valdymo,
06:00
we can tease out knowledge.
138
360260
2000
mes galime pasiekti žinias.
06:02
And if we get the knowledge, then maybe even there's wisdom to be found.
139
362260
3000
Ir jeigu mes gausime žinias, tai galbūt rasime ir išmintį.
06:05
So with that, I thank you.
140
365260
2000
Taigi su ta nata, sakau ačiū.
06:07
(Applause)
141
367260
8000
(Plojimai)
Apie šią svetainę

Šioje svetainėje rasite "YouTube" vaizdo įrašų, naudingų mokantis anglų kalbos. Pamatysite anglų kalbos pamokas, kurias veda aukščiausio lygio mokytojai iš viso pasaulio. Dukart spustelėkite angliškus subtitrus, rodomus kiekvieno vaizdo įrašo puslapyje, kad iš ten paleistumėte vaizdo įrašą. Subtitrai slenka sinchroniškai su vaizdo įrašo atkūrimu. Jei turite pastabų ar pageidavimų, susisiekite su mumis naudodami šią kontaktinę formą.

https://forms.gle/WvT1wiN1qDtmnspy7