Massive-scale online collaboration | Luis von Ahn

Vertaald door: Rik Delaet Nagekeken door: Els De Keyser

How many of you had to fill out a web form

Hoeveel van jullie hebben al een webformulier moeten invullen

where you've been asked to read

waar men je vroeg om zo’n vervormde reeks tekens te lezen?

a distorted sequence of characters like this?

Hoeveel van jullie baalden daarvan?

How many of you found it really annoying?

Oké, uitstekend. Ik heb dat uitgevonden.

(Laughter)

OK, outstanding. So I invented that.

(Gelach)

(Laughter)

Of ik was toch er toch bij.

Or I was one of the people who did it.

Dat ding heet een captcha.

That thing is called a CAPTCHA.

Het verzekert dat het iets dat het formulier invult,

And it is there to make sure you, the entity filling out the form,

een mens is en niet een of ander computerprogramma

are a human and not a computer program

dat is geschreven om het formulier miljoenen keren in te dienen.

that was written to submit the form millions of times.

De reden waarom het werkt, is omdat mensen,

The reason it works is because humans, at least non-visually-impaired humans,

tenzij ze visueel gehandicapt zijn,

geen moeite hebben om deze vervormde kronkelige letters te lezen,

have no trouble reading these distorted characters,

terwijl computerprogramma’s dat nog lang niet zo goed kunnen.

whereas programs can't do it as well yet.

In the case of Ticketmaster,

Neem nu Ticketmaster,

the reason you have to type these characters

daar moet je die vervormde tekens typen om te voorkomen

is to prevent scalpers from writing a program

dat herverkopers een programma schrijven

that can buy millions of tickets, two at a time.

dat miljoenen tickets per twee kan kopen.

CAPTCHAs are used all over the Internet.

Captcha's worden over het hele internet toegepast.

And since they're used so often,

Omdat ze zo vaak gebruikt worden,

a lot of times the sequence of random characters shown to the user

is de precieze volgorde van willekeurige karakters

die aan de gebruiker wordt getoond soms niet zo gelukkig.

is not so fortunate.

So this is an example from the Yahoo registration page.

Dit is een voorbeeld van de registratiepagina van Yahoo.

The random characters that happened to be shown to the user

De willekeurige tekens die toevallig aan de gebruiker werden getoond,

waren W, A, I, T, die natuurlijk een woord spellen.

were W, A, I, T, which, of course, spell a word.

Maar het beste deel is de boodschap

But the best part is the message

that the Yahoo help desk got about 20 minutes later.

die de Yahoo helpdesk ongeveer 20 minuten later ontving.

[Help! I've been waiting for over 20 minutes and nothing happens.]

Tekst: "Help, ik zit al meer dan 20 minuten te wachten en er gebeurt niets."

(Laughter)

(Gelach)

This person thought they needed to wait.

Hij dacht dat hij moest wachten.

This, of course, is not as bad as this poor person.

Dit is natuurlijk niet zo erg als voor deze sukkelaar.

(Laughter)

(Gelach)

CAPTCHA Project is something that we did at Carnegie Melllon over 10 years ago,

Captcha werd meer dan 10 jaar geleden aan Carnegie Melllon ontwikkeld

en het wordt overal gebruikt.

and it's been used everywhere.

Let me now tell you about a project that we did a few years later,

Een paar jaar later namen we

een volgende stap in de evolutie van captcha.

which is sort of the next evolution of CAPTCHA.

Dit noemen we recaptcha,

This is a project that we call reCAPTCHA,

ook begonnen aan Carnegie Mellon,

which is something that we started here at Carnegie Mellon,

maar nu een aparte onderneming.

then we turned it into a start-up company.

Ongeveer anderhalf jaar geleden

And then about a year and a half ago, Google actually acquired this company.

nam Google dit bedrijf over.

Het startte

Let me tell you what this project started.

vanuit de volgende idee:

This project started from the following realization:

elke dag worden over de hele wereld

It turns out that approximately 200 million CAPTCHAs

door mensen ongeveer 200 miljoen captcha's getypt.

are typed everyday by people around the world.

When I first heard this, I was quite proud of myself.

Toen ik dit voor het eerst hoorde, was ik heel trots op mezelf.

Kijk eens naar de impact die mijn onderzoek heeft gehad, dacht ik.

I thought, look at the impact my research has had.

Maar toen begon ik me slecht te voelen.

But then I started feeling bad.

Telkens je een captcha typt,

Here's the thing: each time you type a CAPTCHA,

verspil je 10 seconden van je tijd.

essentially, you waste 10 seconds of your time.

And if you multiply that by 200 million,

Vermenigvuldig dat met 200 miljoen dan zie je

you get that humanity is wasting about 500,000 hours every day

dat de mensheid elke dag ongeveer 500.000 uren verspilt

typing these annoying CAPTCHAs.

door het typen van die vervelende captcha’s.

(Laughter)

Toen begon ik me pas slecht te voelen.

So then I started feeling bad.

(Laughter)

(Gelach)

And then I started thinking, of course, we can't just get rid of CAPTCHAs,

We kunnen natuurlijk niet zonder captcha's,

omdat de veiligheid van het Web er van afhangt.

because the security of the web depends on them.

Maar ik vroeg me af er geen manier was om deze inspanning te gebruiken

But then I started thinking, can we use this effort

for something that is good for humanity?

voor iets dat goed is voor de mensheid.

So see, here's the thing.

Hier is het.

While you're typing a CAPTCHA, during those 10 seconds,

Terwijl jullie een captcha typen,

doen tijdens die 10 seconden jullie hersenen iets geweldigs.

your brain is doing something amazing.

Your brain is doing something that computers cannot yet do.

Iets dat computers nog niet kunnen doen.

Kan dat omgezet worden in 10 seconden nuttig werk?

So can we get you to do useful work for those 10 seconds?

Om het anders te zeggen:

Is there some humongous problem that we cannot yet get computers to solve,

is er een gigantisch probleem dat computers nog niet kunnen oplossen,

maar dat we kunnen opsplitsen in brokjes van 10 seconden

yet we can split into tiny 10-second chunks

such that each time somebody solves a CAPTCHA,

zodanig dat elke keer dat iemand een captcha oplost,

ze een stukje van dit probleem oplossen?

they solve a little bit of this problem?

Het antwoord is "ja" en daar zijn we nu mee bezig.

And the answer to that is "yes," and this is what we're doing now.

Terwijl je een captcha typt,

Nowadays, while you're typing a CAPTCHA,

identificeer je je niet alleen als mens,

not only are you authenticating yourself as a human,

maar help je ons om boeken te digitaliseren.

but in addition you're helping us to digitize books.

Ik leg het uit.

Let me explain how this works.

Er zijn een heleboel projecten die boeken proberen te digitaliseren.

There's a lot of projects trying to digitize books.

Google heeft er een. Het Internet Archive heeft er een.

Google has one. The Internet Archive has one.

Amazon, nu met de Kindle, probeert boeken te digitaliseren.

Amazon, with the Kindle, is trying to digitize books.

Dit werkt als volgt:

Basically, the way this works is you start with an old book.

je begint met een oud boek.

You've seen those things, right?

Je kent die dingen toch nog?

Like a book?

(Gelach)

(Laughter)

So you start with a book and then you scan it.

Je begint met een boek, je scant het.

Nu is het scannen van een boek

Now, scanning a book

is like taking a digital photograph of every page.

als het nemen van een digitale foto van elke pagina van het boek.

Het geeft je een beeld voor elke pagina van het boek.

It gives you an image for every page.

Dit is een afbeelding met tekst voor elke pagina van het boek.

This is an image with text for every page of the book.

De volgende stap in het proces

The next step in the process is that the computer needs to be able

is dat de computer alle woorden in dit beeld moet kunnen ontcijferen.

to decipher the words in this image.

Dat gaat door middel van de OCR-technologie,

That's using a technology called OCR, for optical character recognition,

voor ‘optical character recognition’ (optische letterherkenning).

which takes a picture of text

Die maakt een beeld van de tekst

and tries to figure out what text is in there.

en probeert te achterhalen welke tekst er staat.

Now, the problem is that OCR is not perfect.

Het probleem is dat OCR niet perfect is.

Zeker bij oudere boeken,

Especially for older books

where the ink has faded and the pages have turned yellow,

waar de inkt vervaagd is en de pagina’s vergeeld zijn,

OCR cannot recognize a lot of the words.

herkent OCR veel woorden niet.

For things that were written more than 50 years ago,

Voor dingen die meer dan 50 jaar geleden zijn geschreven,

kan de computer ongeveer 30 procent van de woorden niet herkennen.

the computer cannot recognize about 30 percent of the words.

Nu nemen we

So now we're taking all of the words that the computer cannot recognize

alle woorden die de computer niet kan herkennen

and we're getting people to read them for us

en we laten ze mensen voor ons lezen

while they're typing a CAPTCHA on the Internet.

terwijl ze een captcha op het internet typen.

Telkens je een captcha typt, komen de woorden die je typt

So the next time you type a CAPTCHA, these words that you're typing

van boeken die worden gedigitaliseerd en

are actually words from books that are being digitized

that the computer could not recognize.

die de computer niet kon herkennen.

The reason we have two words nowadays instead of one

Waarom staan er nu telkens twee woorden?

Een van de woorden

is because one of the words

is a word that the system just got out of a book,

is een woord uit een boek,

dat het systeem niet kent en aan je voorlegt.

it didn't know what it was and it's going to present it to you.

Maar aangezien het systeem het antwoord niet kent, kan het je geen punten geven.

But since it doesn't know the answer, it cannot grade it.

Daarom krijg je nog een ander woord,

So we give you another word,

for which the system does know the answer.

een waarvoor het systeem het antwoord wel kent.

We don't tell you which one's which and we say, please type both.

We vertellen je niet welk dat is. Typ ze dus maar allebei.

Als je dan het juiste woord typt

And if you type the correct word

waarvoor het systeem het antwoord al weet,

for the one for which the system knows the answer,

wordt verondersteld dat je een mens bent

it assumes you are human

and it also gets some confidence that you typed the other word correctly.

en geeft dat wat vertrouwen dat je het andere woord juist hebt getypt.

Als we dit proces herhalen voor 10 verschillende mensen

And if we repeat this process to 10 different people

en ze het allemaal eens zijn over het nieuwe woord,

and they agree on what the new word is,

dan hebben we er weer een nauwkeurig gedigitaliseerd woord bij.

then we get one more word digitized accurately.

Zo werkt het systeem.

So this is how the system works.

Sinds we er ongeveer drie of vier jaar geleden mee zijn gestart,

And since we released it about three or four years ago,

zijn veel websites begonnen over te schakelen

a lot of websites have started switching from the old CAPTCHA,

van de oude captcha waar mensen hun tijd verspilden

where people wasted their time,

naar de nieuwe captcha waar mensen helpen om boeken te digitaliseren.

to the new CAPTCHA where people are helping to digitize books.

Ticketmaster bijvoorbeeld.

So every time you buy tickets on Ticketmaster,

Telkens je op Ticketmaster tickets koopt, help je bij het digitaliseren van een boek.

you help to digitize a book.

Facebook: elke keer als je een vriend toevoegt of iemand port,

Facebook: Every time you add a friend or poke somebody,

help je bij het digitaliseren van een boek.

you help to digitize a book.

Twitter en ongeveer 350.000 andere sites gebruiken allemaal recaptcha.

Twitter and about 350,000 other sites are all using reCAPTCHA.

In feite is het aantal sites die gebruik maken van recaptcha zo hoog

And the number of sites that are using reCAPTCHA is so high

dat het aantal woorden dat we per dag digitaliseren enorm is.

that the number of words we're digitizing per day is really large.

Ongeveer 100 miljoen per dag,

It's about 100 million a day,

dat is het equivalent van ongeveer twee en een half miljoen boeken per jaar.

which is the equivalent of about two and a half million books a year.

Dit gebeurt allemaal woord per woord

And this is all being done one word at a time

doordat mensen captcha’s typen op het internet.

by just people typing CAPTCHAs on the Internet.

(Applaus)

(Applause)

Now, of course,

Natuurlijk kunnen er grappige dingen gebeuren

since we're doing so many words per day,

omdat we het

met zoveel woorden per dag doen.

funny things can happen.

This is especially true because now we're giving people

Vooral omdat we nu de mensen twee willekeurig gekozen

Engelse woorden naast elkaar presenteren.

two randomly chosen English words next to each other.

Zo kunnen er grappige dingen gebeuren.

So funny things can happen.

Zo presenteerden wij dit woord:

For example, we presented this word.

"Christenen". Niets mis mee.

It's the word "Christians"; there's nothing wrong with it.

Maar als je het samen met een ander willekeurig gekozen woord presenteert,

But if you present it along with another randomly chosen word,

kan het fout gaan.

bad things can happen.

We kregen dit. (Tekst: ‘slechte christenen’)

So we get this.

[bad Christians]

Maar het is nog erger, want de website waar we dit zagen, heette,

But it's even worse, because the website where we showed this

echt gebeurd, 'De Ambassade van het Koninkrijk Gods'.

actually happened to be called The Embassy of the Kingdom of God.

(Gelach)

(Laughter)

Oeps.

Oops.

(Laughter)

(Gelach)

Hier nog een die beter kon.

Here's another really bad one.

JohnEdwards.com

JohnEdwards.com

[Damn liberal]

(Tekst: ‘verdomde liberaal’)

(Laughter)

(Gelach)

Elke dag krijgen we wel enkele van die ongewilde beledigingen.

So we keep on insulting people left and right everyday.

We zijn niet alleen maar bezig met het beledigen van mensen.

Of course, we're not just insulting people.

Door het presenteren van twee willekeurig gekozen woorden

Here's the thing. Since we're presenting two randomly chosen words,

kunnen interessante dingen gebeuren.

interesting things can happen.

So this actually has given rise to a really big Internet meme

Dit gaf aanleiding

tot een grote internet-meme.

that tens of thousands of people have participated in,

Tienduizenden mensen namen eraan deel.

Het heet captchakunst.

which is called CAPTCHA art.

I'm sure some of you have heard about it.

Sommigen van jullie hebben er zeker al van gehoord.

Here's how it works.

Zo werkt het.

Imagine you're using the Internet and you see a CAPTCHA

Stel je voor dat je het internet gebruikt en je ziet een captcha

that you think is somewhat peculiar,

die je een beetje gek vindt,

like this CAPTCHA.

zoals deze captcha. (Tekst: ‘onzichtbare broodrooster’)

[invisible toaster]

What you're supposed to do is you take a screenshot of it.

Dan neem je er een screenshot van.

Natuurlijk vul je ook de captcha in

Then of course, you fill out the CAPTCHA because you help us digitize a book.

omdat je ons helpt bij het digitaliseren van een boek.

Maar eerst neem je een screenshot

But first you take a screenshot

and then you draw something that is related to it.

en dan teken je iets dat ermee te maken heeft.

(Gelach)

(Laughter)

That's how it works.

Zo werkt het.

(Laughter)

There are tens of thousands of these.

Er zijn er tienduizenden van.

Some of them are very cute.

Sommigen zijn erg schattig. (Tekst: ‘balde het’)

[clenched it]

(Gelach)

(Laughter)

Sommigen van hen zijn grappiger.

Some of them are funnier.

(Tekst: ‘stoned stichters’)

[stoned Founders]

(Laughter)

(Gelach)

And some of them, like paleontological shvisle ...

En sommige ervan,

zoals paleontologische shvisle,

(Laughter)

bevatten Snoop Dogg.

they contain Snoop Dogg.

(Laughter)

(Gelach)

OK, so this is my favorite number of reCAPTCHA.

Oké, dit is mijn favoriete getal van recaptcha.

Hier hou ik van.

So this is the favorite thing that I like about this whole project.

Het is het aantal verschillende mensen

This is the number of distinct people

die ons ten minste één woord uit een boek via recaptcha hebben helpen digitaliseren:

that have helped us digitize at least one word out of a book through reCAPTCHA:

750 miljoen,

750 million, a little over 10 percent of the world's population,

dat is iets meer dan 10 procent van de wereldbevolking,

has helped us digitize human knowledge.

heeft ons geholpen bij het digitaliseren van de menselijke kennis.

And it is numbers like these that motivate my research agenda.

Dergelijke getallen motiveren mijn onderzoeksagenda.

So the question that motivates my research is the following:

De vraag die mijn onderzoek motiveert, is de volgende:

als je naar de grote successen van de mensheid kijkt,

If you look at humanity's large-scale achievements,

de echt grote dingen

these really big things

that humanity has gotten together and done historically --

die de mensen voor mekaar hebben gekregen in de geschiedenis -

like, for example, building the pyramids of Egypt

zoals bijvoorbeeld de piramides van Egypte

or the Panama Canal

of het Panamakanaal

or putting a man on the Moon --

of een man op de maan zetten -

there is a curious fact about them,

dan is het merkwaardig dat dat allemaal gebeurde

and it is that they were all done with about the same number of people.

met telkens ongeveer hetzelfde aantal mensen.

Het is raar, maar het werd telkens gedaan met ongeveer 100.000 mensen.

It's weird; they were all done with about 100,000 people.

En dat komt omdat, vóór het internet,

And the reason for that is because, before the Internet,

het coördineren van meer dan 100.000 mensen,

coordinating more than 100,000 people,

laat staan ze betalen, in wezen onmogelijk was.

let alone paying them, was essentially impossible.

Maar nu met het internet, heb ik jullie een project getoond

But now with the Internet, I've just shown you a project

waar 750 miljoen mensen ons hielpen

where we've gotten 750 million people to help us digitize human knowledge.

bij het digitaliseren van de menselijke kennis.

De vraag die mijn onderzoek motiveert, is:

So the question that motivates my research is,

“Als we met 100.000 een man op de maan kunnen brengen,

if we can put a man on the Moon with 100,000,

what can we do with 100 million?

wat kunnen we dan doen met 100 miljoen?”

So based on this question,

Hiervan uitgaande

we've had a lot of different projects that we've been working on.

hebben we een hoop verschillende projecten lopen.

Over het volgende ben ik het meest enthousiast.

Let me tell you about one that I'm most excited about.

This is something that we've been semiquietly working on

Daar zijn we het laatste anderhalf jaar

af en toe mee bezig geweest.

for the last year and a half or so.

Het is nog niet van start gegaan. Het heet Duolingo.

It hasn't yet been launched. It's called Duolingo.

Aangezien het niet gelanceerd is: “Shhhhh!”

Since it hasn't been launched, shhh!

(Gelach)

(Laughter)

Yeah, I can trust you'll do that.

Ja, ik mag jullie vertrouwen.

Zo begon het.

So this is the project. Here's how it started.

Het begon met een vraag aan mijn student,

It started with me posing a question to my graduate student, Severin Hacker.

Severin Hacker.

Dit is Severin Hacker.

OK, that's Severin Hacker.

Ik stelde de vraag aan mijn student.

So I posed the question to my graduate student.

Tussen haakjes, jullie hebben me goed verstaan.

By the way, you did hear me correctly; his last name is Hacker.

Zijn achternaam is echt Hacker.

(Laughter)

Ik vroeg hem:

So I posed this question to him: How can we get 100 million people

“Hoe kunnen we 100 miljoen mensen gratis het Web

translating the web into every major language for free?

in iedere belangrijke taal laten vertalen?”

Daar valt heel wat over te zeggen.

There's a lot of things to say about this question.

In de eerste plaats, het vertalen van het Web.

First of all, translating the web.

Nu is het Web opgedeeld in meerdere talen.

Right now, the web is partitioned into multiple languages.

Een groot deel daarvan is in het Engels.

A large fraction of it is in English.

Als je geen Engels kent, heb je er geen toegang toe.

If you don't know English, you can't access it.

Maar grote fracties zijn in andere talen,

But there's large fractions in other different languages,

en als je die talen niet kent, heb je er geen toegang toe.

and if you don't know them, you can't access it.

Ik zou graag het hele Web vertalen, of in ieder geval het grootste deel ervan,

So I would like to translate all of the web,

or at least most of it, into every major language.

in elke grote taal.

Dat is het wat ik zou willen doen.

That's what I would like to do.

Now, some of you may say, why can't we use computers to translate?

Nu zullen sommigen van jullie misschien zeggen: “Waarom kunnen we daar geen computers voor gebruiken?

Waarom geen automatische vertaling?

Machine translation is starting to translate

Machinevertaling kan vandaag hier en daar enkele zinnen vertalen.

some sentences here and there.

Waarom kunnen we dat niet gebruiken om het hele Web te vertalen?”

Why can't we use it to translate the web?

Het probleem is dat het nog niet goed genoeg is

The problem with that is it's not yet good enough

en het dat waarschijnlijk ook niet zal zijn voor de komende 15 tot 20 jaar.

and it probably won't be for the next 15 to 20 years.

De machine maakt veel fouten.

It makes a lot of mistakes. Even when it doesn't,

Zelfs als ze geen fout maakt,

since it makes so many mistakes, you don't know whether to trust it or not.

weet je niet of je ze kan vertrouwen omdat ze zo veel fouten maakt.

Een voorbeeld

So let me show you an example

of something that was translated with a machine.

van iets dat werd vertaald met een machine.

Het stond op een forum.

Actually, it was a forum post.

It was somebody who was trying to ask a question about JavaScript.

Iemand probeerde een vraag over JavaScript te stellen.

It was translated from Japanese into English.

Het werd uit het Japans naar het Engels vertaald.

So I'll just let you read.

Ik laat het je lezen.

This person starts apologizing

Deze persoon begint met zich te verontschuldigen

for the fact that it's translated with a computer.

voor het feit dat het vertaald werd met een computer.

So the next sentence is going to be the preamble to the question.

De volgende zin gaat aan de eigenlijke vraag vooraf.

Hij legt alleen iets uit.

So he's just explaining something.

Vergeet niet dat het een vraag is over JavaScript.

Remember, it's a question about JavaScript.

[At often, the goat-time install a error is vomit.]

(Tekst: ‘Op vaak, de geit-tijd installeren een fout is braaksel.’)

(Laughter)

(Gelach)

Then comes the first part of the question.

Dan komt het eerste deel van de vraag.

[How many times like the wind, a pole, and the dragon?]

(Tekst: ‘Hoeveel keer als de wind, een paal, en de draak?’)

(Laughter)

(Gelach)

Dan komt mijn favoriete deel van de vraag.

Then comes my favorite part of the question.

[This insult to father's stones?]

(Tekst: ‘Dit belediging van vaders stenen?’)

(Laughter)

(Gelach)

Dan komt het einde, mijn favoriete deel.

And then comes the ending,

which is my favorite part of the whole thing.

(Tekst: ’Verontschuldig alsjeblieft je voor je domheid. Er zijn veel dank je wel.’)

[Please apologize for your stupidity. There are a many thank you.]

(Laughter)

(Gelach)

OK, so computer translation, not yet good enough.

Computervertaling is dus nog niet goed genoeg.

Terug naar de vraag.

So back to the question.

We hebben mensen nodig om het hele Web te vertalen.

So we need people to translate the whole web.

Nu zou jullie volgende vraag kunnen zijn:

So now the next question you may have is,

waarom kunnen we geen mensen betalen om dit te doen?

well, why can't we just pay people to do this?

We zouden professionele vertalers kunnen betalen om het hele Web te vertalen.

We could pay professional translators to translate the whole web.

We zouden dat kunnen doen.

We could do that.

Unfortunately, it would be extremely expensive.

Het zou helaas extreem duur zijn.

For example, translating a tiny fraction of the whole web, Wikipedia,

Bijvoorbeeld, het vertalen van een kleine, kleine fractie van het gehele Web, Wikipedia,

in het Spaans.

into one other language, Spanish.

OK? Wikipedia exists in Spanish,

Wikipedia bestaat in het Spaans,

but it's very small compared to the size of English.

maar slechts een fractie van de omvang van het Engels.

Zo’n 20 procent.

It's about 20 percent of the size of English.

Als we de andere 80 procent in het Spaans willen vertalen,

If we wanted to translate the other 80 percent into Spanish,

zou het minstens 50 miljoen dollar kosten -

it would cost at least 50 million dollars --

zelfs in het meest uitgebuite, outsourcing land dat er is.

and this is even at the most exploited, outsourcing country out there.

Het zou erg duur zijn.

So it would be very expensive.

We willen 100 miljoen mensen

So what we want to do is, we want to get 100 million people

het Web in iedere belangrijke taal

translating the web into every major language for free.

laten vertalen, gratis.

Als je dat wil doen,

If this is what you want to do, you quickly realize

realiseer je je vrij snel dat je tegen twee

you're going to run into two big hurdles, two big obstacles.

nogal grote hindernissen gaat aanlopen.

The first one is a lack of bilinguals.

De eerste is een gebrek aan tweetaligen.

So I don't even know

Ik weet niet eens

if there exists 100 million people out there using the web

of er 100 miljoen mensen op het Web zitten

who are bilingual enough to help us translate.

die voldoende tweetalig zijn om ons te helpen vertalen.

Dat is een groot probleem.

That's a big problem.

The other problem you're going to run into is a lack of motivation.

Het andere probleem dat je gaat tegenkomen, is een gebrek aan motivatie.

Hoe gaan we mensen motiveren

How are we going to motivate people to actually translate the web for free?

om het Web daadwerkelijk gratis te vertalen?

Normaal gesproken moet je mensen betalen om dit te doen.

Normally, you have to pay people to do this.

So how are we going to motivate them to do it for free?

Hoe gaan we hen motiveren om het gratis te doen?

Toen we daarover begonnen na te denken, hielden deze twee dingen ons tegen.

When we were starting to think about this, we were blocked by these two things.

Tot we ons realiseerden dat er eigenlijk een manier was

But then we realized, there's a way

om beide problemen ineens op te lossen.

to solve both these problems with the same solution.

Er is een manier om twee vliegen in één klap te slaan.

To kill two birds with one stone.

Door vertaling te transformeren

And that is to transform language translation

into something that millions of people want to do

in iets dat miljoenen mensen willen doen

and that also helps with the problem of lack of bilinguals,

en dat tegelijkertijd het gebrek aan tweetaligen oplost.

and that is language education.

Dat is taalonderwijs.

So it turns out that today,

Het blijkt dat vandaag de dag

there are over 1.2 billion people learning a foreign language.

meer dan 1,2 miljard mensen een vreemde taal leren.

Mensen willen echt een vreemde taal leren.

People really want to learn a foreign language.

Niet alleen omdat het op school moet.

And it's not just because they're being forced to do so in school.

Bijvoorbeeld, in de Verenigde Staten alleen al

In the US alone, there are over five million people

zijn er meer dan vijf miljoen mensen die meer dan 500 dollar

who have paid over $500 for software to learn a new language.

aan software hebben uitgegeven om een nieuwe taal te leren.

Mensen willen echt een nieuwe taal te leren.

So people really want to learn a new language.

Het afgelopen anderhalf jaar hebben we aan

So what we've been working on for the last year and a half

een nieuwe website, Duolingo, gewerkt.

is a new website -- it's called Duolingo --

Het basisidee is dat mensen gratis een nieuwe taal leren

where the basic idea is people learn a new language for free

while simultaneously translating the web.

terwijl ze tegelijkertijd het Web vertalen.

Leren door te doen, dus.

And so basically, they're learning by doing.

Als beginner

So the way this works

is whenever you're a just a beginner, we give you very simple sentences.

krijg je zeer, zeer eenvoudige zinnen.

Er zijn natuurlijk een groot aantal zeer eenvoudige zinnen op het Web.

There's a lot of very simple sentences on the web.

Wij geven je zeer, zeer eenvoudige zinnen

We give you very simple sentences along with what each word means.

samen met wat elk woord betekent.

And as you translate them

Als je ze vertaalt, terwijl je kunt zien hoe andere mensen ze vertalen,

and as you see how other people translate them,

leer je al doende de taal.

you start learning the language.

Naargelang je vordert,

And as you get more advanced,

we give you more complex sentences to translate.

krijg je meer en meer complexe zinnen te vertalen.

But at all times, you're learning by doing.

Maar steeds leer je door te doen.

Now, the crazy thing about this method is that it actually really works.

Het gekke aan deze methode

is dat ze echt werkt.

People are really learning a language.

Ten eerste leren mensen echt een taal.

We're mostly done building it and now we're testing it.

We zijn bijna klaar met de site en zijn ze nu aan het testen.

Mensen leren er echt een taal mee.

People really can learn a language with it.

Ongeveer even goed als met de toonaangevende software voor het leren van talen.

And they learn it about as well as the leading language learning software.

Ze leren een taal.

So people really do learn a language.

Niet alleen leren ze ze evengoed,

And not only do they learn it as well, but actually it's more interesting.

maar eigenlijk is het nog interessanter.

Omdat mensen met Duolingo eigenlijk met echte inhoud leren.

Because with Duolingo, people are learning with real content.

In tegenstelling tot het leren met verzonnen zinnen,

As opposed to learning with made-up sentences,

leren mensen met echte inhoud, die uit zichzelf interessant is.

people are learning with real content, which is inherently interesting.

Mensen leren echt een taal.

So people really do learn a language.

Maar misschien nog verrassender is dat

But perhaps more surprisingly,

de vertalingen die we krijgen van die mensen,

the translations that we get from people using the site,

even though they're just beginners,

ook al zijn het nog beginners,

the translations that we get

net zo precies zijn als die van professionele vertalers.

are as accurate as those of professional language translators,

Dat is zeer verrassend.

which is very surprising.

Hier een voorbeeld.

So let me show you one example.

This is a sentence that was translated from German into English.

Dit is een zin die uit het Duits werd vertaald in het Engels.

Bovenaan de Duitse.

The top is the German. The middle is an English translation

De middelste is een Engelse vertaling

that was done by a professional translator

van een professionele vertaler Engels

who we paid 20 cents a word for this translation.

die 20 cent per woord kreeg voor deze vertaling.

Onderaan een vertaling door gebruikers van Duolingo.

And the bottom is a translation by users of Duolingo,

Geen ervan kende Duits

none of whom knew any German before they started using the site.

voordat ze begonnen met het gebruik van de site.

If you can see, it's pretty much perfect.

Je ziet dat het vrij perfect is.

Of course, we play a trick here

We halen hier wel een kunstgreep uit

to make the translations as good as professional language translators.

om de vertaling zo goed als te krijgen als van professionele vertalers.

We combineren de vertalingen van meerdere beginners

We combine the translations of multiple beginners

om de kwaliteit van een professionele vertaler te krijgen.

to get the quality of a single professional translator.

Now, even though we're combining the translations,

Maar zelfs met het combineren van de vertalingen

the site actually can translate pretty fast.

kan de site snel vertalen.

Ik toon jullie onze schatting

So let me show you,

this is our estimates of how fast we could translate Wikipedia

van hoe snel we Wikipedia zouden kunnen vertalen

van het Engels naar het Spaans.

from English into Spanish.

Remember, this is 50 million dollars' worth of value.

Vergeet niet dat dit 50 miljoen dollar zou kosten.

So if we wanted to translate Wikipedia into Spanish,

Als we Wikipedia willen vertalen in het Spaans,

dan zou dat met 100.000 actieve gebruikers in vijf weken kunnen.

we could do it in five weeks with 100,000 active users.

En in ongeveer 80 uur met een miljoen actieve gebruikers.

And we could do it in about 80 hours with a million active users.

Omdat alle projecten van mijn groep tot nu toe miljoenen gebruikers hebben gekregen,

Since all the projects my group has worked on so far

have gotten millions of users,

hopen we dat we met dit project

we're hopeful that we'll be able to translate extremely fast.

extreem snel zullen kunnen vertalen.

Waar ik met Duolingo nog het meest enthousiast over ben,

Now, the thing that I'm most excited about with Duolingo

is dat ik denk dat dit een eerlijk businessmodel voor taalonderwijs zal zijn.

is I think this provides a fair business model for language education.

Waarom?

So here's the thing:

Het huidige businessmodel voor taalonderwijs

The current business model for language education

is dat de student betaalt,

is the student pays,

and in particular, the student pays Rosetta Stone 500 dollars.

bijvoorbeeld 500 dollar voor de software van Rosetta Stone.

(Gelach)

(Laughter)

Dat is het huidige businessmodel.

That's the current business model.

Het probleem met dit businessmodel

The problem with this business model

is dat 95 procent van de wereldbevolking geen 500 dollar heeft.

is that 95 percent of the world's population doesn't have 500 dollars.

Het is erg oneerlijk tegenover de armen.

So it's extremely unfair towards the poor.

Het bevoordeelt de rijken onevenredig.

This is totally biased towards the rich.

Terwijl je

Now, see, in Duolingo,

because while you learn, you're actually creating value,

met Duolingo leert,

creëer je waarde, vertaal je dingen -

you're translating stuff --

which, for example, we could charge somebody for translations,

waarvoor we anders iemand zouden moeten betalen.

so this is how we could monetize this.

Zo maken we dit ten gelde.

Since people are creating value while they're learning,

Omdat mensen al lerend waarde creëren,

betalen ze niet met geld maar met hun tijd.

they don't have to pay with their money, they pay with their time.

Het magische ding hier is dat ze betalen met tijd,

But the magical thing here

is that is time that would have had to have been spent anyways

die ze anders toch zouden hebben besteed

bij het leren van de taal.

learning the language.

So the nice thing about Duolingo

Het mooie aan Duolingo is dat ik denk dat het zorgt voor een eerlijk businessmodel,

is, I think, it provides a fair business model --

een dat arme mensen niet discrimineert.

one that doesn't discriminate against poor people.

Hier is de site. Dank je.

So here's the site. Thank you.

(Applaus)

(Applause)

Hier is de site.

We haven't yet launched,

We zijn nog niet opgestart,

but if you go there, you can sign up to be part of our private beta,

maar als je er naartoe gaat, kan je je aanmelden om deel te nemen aan onze privé-beta,

which is probably going to start in three or four weeks.

die waarschijnlijk binnen ongeveer drie of vier weken van start gaat.

We hebben Duolingo nog niet gelanceerd.

We haven't yet launched it.

By the way, I'm the one talking here,

Tussen haakjes, ik sta het hier wel uit te leggen, maar Duolingo

but Duolingo is the work of a really awesome team,

is eigenlijk het werk van een geweldig team, van wie sommigen hier aanwezig zijn.

some of whom are here. So thank you.

Dank je wel.

(Applause)

(Applaus)