Massive-scale online collaboration | Luis von Ahn

309,846 views ・ 2011-12-06

TED


Proszę kliknąć dwukrotnie na poniższe angielskie napisy, aby odtworzyć film.

Tłumaczenie: Bartłomiej Szóstak Korekta: Agata Leśnicka
00:15
How many of you had to fill out a web form
0
15260
2000
Ilu z was musiało kiedyś wypełnić online formularz,
00:17
where you've been asked to read
1
17284
1512
wymagający odczytania takich zniekształconych znaków?
00:18
a distorted sequence of characters like this?
2
18820
2136
Ilu z was to naprawdę wkurzyło?
00:20
How many of you found it really annoying?
3
20980
1953
OK, niesamowite. Ja to wynalazłem.
00:22
(Laughter)
4
22957
1099
00:24
OK, outstanding. So I invented that.
5
24080
1736
(Śmiech)
00:25
(Laughter)
6
25840
1836
A przynajmniej byłem jednym z wynalazców.
00:27
Or I was one of the people who did it.
7
27700
1856
Nosi to nazwę systemu CAPTCHA.
00:29
That thing is called a CAPTCHA.
8
29580
1536
Istnieje, by miało się pewność, że formularz wypełnia
00:31
And it is there to make sure you, the entity filling out the form,
9
31140
3136
człowiek, a nie program komputerowy,
00:34
are a human and not a computer program
10
34300
1856
napisany by wypełniał formularz setki milionów razy.
00:36
that was written to submit the form millions of times.
11
36180
2576
Sprawdziło się to dlatego, że ludzie,
00:38
The reason it works is because humans, at least non-visually-impaired humans,
12
38780
3656
przynajmniej ci z dobrym wzrokiem,
bez problemu mogą odczytać te gryzmoły,
00:42
have no trouble reading these distorted characters,
13
42460
2416
a komputery tego jeszcze nie potrafią.
00:44
whereas programs can't do it as well yet.
14
44900
1976
00:46
In the case of Ticketmaster,
15
46900
1496
Np. w Ticketmasterze
00:48
the reason you have to type these characters
16
48420
2096
musimy przepisać te ciągi zniekształconych znaków,
00:50
is to prevent scalpers from writing a program
17
50540
2136
by powstrzymać koników przed napisaniem programu pozwalającego
00:52
that can buy millions of tickets, two at a time.
18
52700
2256
im na zakup milionów biletów, po dwa naraz.
00:54
CAPTCHAs are used all over the Internet.
19
54980
1936
Systemy CAPTCHA wykorzystywane są w całej sieci.
00:56
And since they're used so often,
20
56940
1576
Ponieważ są tak często stosowane,
00:58
a lot of times the sequence of random characters shown to the user
21
58540
3136
zdarza się, że losowe znaki pokazywane użytkownikowi
układane są dość niefortunnie.
01:01
is not so fortunate.
22
61700
1216
01:02
So this is an example from the Yahoo registration page.
23
62940
2656
To przykład ze strony rejestracyjnej Yahoo.
01:05
The random characters that happened to be shown to the user
24
65620
2816
Losowe znaki, które zobaczył użytkownik
to W, A, I, T, ułożone w angielskie słowo "CZEKAJ".
01:08
were W, A, I, T, which, of course, spell a word.
25
68460
2696
Najlepsza była jednak wiadomość,
01:11
But the best part is the message
26
71180
2096
01:13
that the Yahoo help desk got about 20 minutes later.
27
73300
2456
jaką obsługa klienta Yahoo dostała 20 minut później:
01:15
[Help! I've been waiting for over 20 minutes and nothing happens.]
28
75780
3136
"Pomocy! Czekałem ponad 20 minut i nic się nie dzieje."
01:18
(Laughter)
29
78940
4856
(Śmiech)
01:23
This person thought they needed to wait.
30
83820
1905
Ten ktoś myślał, że musi czekać.
01:25
This, of course, is not as bad as this poor person.
31
85749
2407
Ale tamta osoba nie miała oczywiście jeszcze tak źle...
01:28
(Laughter)
32
88180
2376
(Śmiech)
01:30
CAPTCHA Project is something that we did at Carnegie Melllon over 10 years ago,
33
90580
3736
Projekt CAPTCHA zrealizowaliśmy w Carnegie Mellon ponad 10 lat temu
i od tamtej pory stosowany jest wszędzie.
01:34
and it's been used everywhere.
34
94340
1456
01:35
Let me now tell you about a project that we did a few years later,
35
95820
3136
Pozwólcie, że opowiem wam o projekcie przeprowadzonym kilka lat później,
który jest kolejnym krokiem ewolucji CAPTCHA.
01:38
which is sort of the next evolution of CAPTCHA.
36
98980
2216
Nazywamy go reCAPTCHA.
01:41
This is a project that we call reCAPTCHA,
37
101220
1976
Pracę nad nim zaczęliśmy w Carnegie Mellon,
01:43
which is something that we started here at Carnegie Mellon,
38
103220
2776
a potem zrobiliśmy z tego biznes.
01:46
then we turned it into a start-up company.
39
106020
2008
Jakieś półtora roku temu
01:48
And then about a year and a half ago, Google actually acquired this company.
40
108052
3588
firma została wykupiona przez Google.
Pozwólcie, że opowiem, jak to się zaczęło.
01:51
Let me tell you what this project started.
41
111664
2007
Ten projekt powstał przez uświadomienie sobie,
01:53
This project started from the following realization:
42
113695
2531
że 200 milionów kodów CAPTCHA wpisywanych jest
01:56
It turns out that approximately 200 million CAPTCHAs
43
116250
2437
codziennie przez ludzi na całym świecie.
01:58
are typed everyday by people around the world.
44
118711
2151
02:00
When I first heard this, I was quite proud of myself.
45
120886
2484
Gdy o tym usłyszałem, byłem z siebie całkiem dumny.
Pomyślałem, jak duży wpływ miały te badania.
02:03
I thought, look at the impact my research has had.
46
123394
2341
Później zacząłem mieć wyrzuty sumienia.
02:05
But then I started feeling bad.
47
125759
1484
Za każdym razem, wpisując kod CAPTCHA,
02:07
Here's the thing: each time you type a CAPTCHA,
48
127267
2206
marnujemy 10 sekund swojego życia.
02:09
essentially, you waste 10 seconds of your time.
49
129497
2339
02:11
And if you multiply that by 200 million,
50
131860
1936
A jeśli przemnożymy to przez 200 milionów,
02:13
you get that humanity is wasting about 500,000 hours every day
51
133820
3016
zauważymy, że ludzkość marnuje każdego dnia 500 000 godzin
02:16
typing these annoying CAPTCHAs.
52
136860
1536
na samo wpisywanie tych denerwujących kodów.
02:18
(Laughter)
53
138420
1016
Właśnie wtedy zaczęło mnie to gryźć.
02:19
So then I started feeling bad.
54
139460
1429
02:20
(Laughter)
55
140913
1803
(Śmiech)
02:22
And then I started thinking, of course, we can't just get rid of CAPTCHAs,
56
142740
3496
Potem pomyślałem sobie, że nie można po prostu zrezygnować z tych kodów,
ponieważ zależy od nich bezpieczeństwo sieci.
02:26
because the security of the web depends on them.
57
146260
2256
Zacząłem myśleć, czy można wysiłek wkładany w ich pisanie
02:28
But then I started thinking, can we use this effort
58
148540
2416
02:30
for something that is good for humanity?
59
150980
1936
wykorzystać tak, by przyniósł ludzkości pożytek?
02:32
So see, here's the thing.
60
152940
1496
Rzecz w tym, że w ciągu tych 10 sekund,
02:34
While you're typing a CAPTCHA, during those 10 seconds,
61
154460
2616
podczas których wpisujecie kody CAPTCHA,
wasze mózgi robią coś niesamowitego.
02:37
your brain is doing something amazing.
62
157100
1856
02:38
Your brain is doing something that computers cannot yet do.
63
158980
2816
Robią to, czego komputery jeszcze nie potrafią.
Czy możemy sprawić, byście w ciągu 10 sekund zrobili coś pożytecznego?
02:41
So can we get you to do useful work for those 10 seconds?
64
161820
2696
Innymi słowy,
02:44
Is there some humongous problem that we cannot yet get computers to solve,
65
164540
3496
czy jest duży problem, z którym komputery
sobie jeszcze nie radzą, a który można rozbić na 10-sekundowe zadania
02:48
yet we can split into tiny 10-second chunks
66
168060
2776
02:50
such that each time somebody solves a CAPTCHA,
67
170860
2176
tak, aby ilekroć ktoś rozszyfrował kod CAPTCHA,
rozwiązywałby również część tego problemu?
02:53
they solve a little bit of this problem?
68
173060
1936
Okazuje się, że tak. I tym się teraz zajmujemy.
02:55
And the answer to that is "yes," and this is what we're doing now.
69
175020
3136
Czego możecie nie wiedzieć, to że wpisując dziś kod CAPTCHA,
02:58
Nowadays, while you're typing a CAPTCHA,
70
178180
1936
nie tylko potwierdzacie to, że jesteście ludźmi,
03:00
not only are you authenticating yourself as a human,
71
180140
2429
ale także pomagacie zdigitalizować książki.
03:02
but in addition you're helping us to digitize books.
72
182593
2443
Pozwólcie, że wyjaśnię wam jak to działa.
03:05
Let me explain how this works.
73
185060
1456
Jest wiele projektów nastawionych na digitalizację książek.
03:06
There's a lot of projects trying to digitize books.
74
186540
2416
Google ma swój projekt. Internet Archive też.
03:08
Google has one. The Internet Archive has one.
75
188980
2136
Amazon z Kindle również próbuje zdigitalizować książki.
03:11
Amazon, with the Kindle, is trying to digitize books.
76
191140
2496
Działa to tak,
03:13
Basically, the way this works is you start with an old book.
77
193660
3176
że zaczynamy od starej książki.
03:16
You've seen those things, right?
78
196860
1576
Widzieliście je kiedyś, książki, prawda?
03:18
Like a book?
79
198460
1216
(Śmiech)
03:19
(Laughter)
80
199700
1256
03:20
So you start with a book and then you scan it.
81
200980
2536
Bierzemy książkę i ją skanujemy.
Skanowanie książki
03:23
Now, scanning a book
82
203540
1216
03:24
is like taking a digital photograph of every page.
83
204780
2376
to jak fotografowanie cyfrowo każdej jej strony.
Otrzymujemy obraz każdej jej strony.
03:27
It gives you an image for every page.
84
207180
1816
Na każdym obrazie znajduje się tekst z książki.
03:29
This is an image with text for every page of the book.
85
209020
2576
Następnie komputer
03:31
The next step in the process is that the computer needs to be able
86
211620
3136
musi rozpoznać wszystkie słowa znajdujące się na obrazie.
03:34
to decipher the words in this image.
87
214780
1736
Używa do tego technologii OCR,
03:36
That's using a technology called OCR, for optical character recognition,
88
216540
3416
rozpoznającej pismo i tekst,
03:39
which takes a picture of text
89
219980
1416
która ze zdjęcia próbuje
03:41
and tries to figure out what text is in there.
90
221420
2176
odczytać tekst.
03:43
Now, the problem is that OCR is not perfect.
91
223620
2656
Problem w tym, że OCR nie jest doskonałe.
Szczególnie w przypadku starszych książek,
03:46
Especially for older books
92
226300
1416
03:47
where the ink has faded and the pages have turned yellow,
93
227740
3136
gdzie tusz wyblakł, a strony pożółkły.
03:50
OCR cannot recognize a lot of the words.
94
230900
1936
OCR nie rozpoznaje wielu słów,
03:52
For things that were written more than 50 years ago,
95
232860
2456
np. z tekstu napisanego 50 lat temu,
komputer nie potrafi rozpoznać ok. 30% słów.
03:55
the computer cannot recognize about 30 percent of the words.
96
235340
2856
Obecnie zbieramy wszystkie słowa,
03:58
So now we're taking all of the words that the computer cannot recognize
97
238220
3376
których komputer nie może rozpoznać
04:01
and we're getting people to read them for us
98
241620
2256
i prosimy ludzi, by je dla nas odczytali
04:03
while they're typing a CAPTCHA on the Internet.
99
243900
2216
podczas wpisywania CAPTCHA w internecie.
Następnym razem wpisując kod CAPTCHA, pamiętajcie,
04:06
So the next time you type a CAPTCHA, these words that you're typing
100
246140
3176
że te słowa pochodzą z digitalizowanych właśnie książek,
04:09
are actually words from books that are being digitized
101
249340
2576
04:11
that the computer could not recognize.
102
251940
1856
których nie mógł odczytać komputer.
04:13
The reason we have two words nowadays instead of one
103
253820
2456
Obecnie pojawiają się dwa słowa,
ponieważ jedno ze słów
04:16
is because one of the words
104
256300
1416
04:17
is a word that the system just got out of a book,
105
257740
2576
jest słowem dopiero co wyciągniętym z książki przez system,
który go nie rozpoznaje, a zamierza wam je pokazać.
04:20
it didn't know what it was and it's going to present it to you.
106
260340
3016
Skoro system nie zna tego słowa, nie będzie mógł ocenić naszej odpowiedzi.
04:23
But since it doesn't know the answer, it cannot grade it.
107
263380
2696
Dodaliśmy więc drugie słowo,
04:26
So we give you another word,
108
266100
1376
04:27
for which the system does know the answer.
109
267500
2000
które jest rozpoznawane przez system.
04:29
We don't tell you which one's which and we say, please type both.
110
269524
3072
Nie mówimy wam które jest które, tylko prosimy o wpisani obu.
Jeśli wpiszecie poprawne słowo
04:32
And if you type the correct word
111
272620
1575
dla słowa rozpoznawanego przez system,
04:34
for the one for which the system knows the answer,
112
274219
2377
system uzna, że jesteście ludźmi,
04:36
it assumes you are human
113
276620
1256
04:37
and it also gets some confidence that you typed the other word correctly.
114
277900
3456
będzie również pewniejszy, że drugie słowo wpisano poprawnie.
Jeśli powtórzymy proces w przypadku 10 osób
04:41
And if we repeat this process to 10 different people
115
281380
2456
i wszyscy zgodnie przepiszą dane słowo,
04:43
and they agree on what the new word is,
116
283860
1896
zyskujemy kolejne poprawnie zdigitalizowane słowo.
04:45
then we get one more word digitized accurately.
117
285780
2216
Tak działa ten system.
04:48
So this is how the system works.
118
288020
1576
Odkąd go wypuściliśmy 3-4 lata temu,
04:49
And since we released it about three or four years ago,
119
289620
2616
wiele witryn przestawiło się ze starego CAPTCHA,
04:52
a lot of websites have started switching from the old CAPTCHA,
120
292260
2936
gdzie ludzie marnowali swój czas,
04:55
where people wasted their time,
121
295220
1536
na nowe CAPTCHA, gdzie ludzie pomagają digitalizować książki.
04:56
to the new CAPTCHA where people are helping to digitize books.
122
296780
2936
Np. Ticketmaster.
04:59
So every time you buy tickets on Ticketmaster,
123
299740
2176
Za każdym razem, gdy kupujemy bilety na Ticketmaster, pomagamy digitalizować książkę.
05:01
you help to digitize a book.
124
301940
1376
Facebook: dodając nowych znajomych lub zaczepiając kogoś,
05:03
Facebook: Every time you add a friend or poke somebody,
125
303340
2616
pomagamy digitalizować książkę.
05:05
you help to digitize a book.
126
305980
1376
Twitter i ok. 350 000 innych stron korzysta z reCAPTCHA.
05:07
Twitter and about 350,000 other sites are all using reCAPTCHA.
127
307380
2936
Liczba stron korzystających z reCAPTCHA jest tak duża,
05:10
And the number of sites that are using reCAPTCHA is so high
128
310340
2816
że liczba słów sczytywanych dziennie jest naprawdę ogromna.
05:13
that the number of words we're digitizing per day is really large.
129
313180
3136
Około 100 milionów słów dziennie,
05:16
It's about 100 million a day,
130
316340
1416
co odpowiada 2,5 milionom książek rocznie.
05:17
which is the equivalent of about two and a half million books a year.
131
317780
3496
Wszystko to robi się po jednym słówku,
05:21
And this is all being done one word at a time
132
321300
2136
dzięki ludziom wpisującym CAPTCHA w Internecie.
05:23
by just people typing CAPTCHAs on the Internet.
133
323460
2216
(Oklaski)
05:25
(Applause)
134
325700
6880
05:32
Now, of course,
135
332940
1216
Z uwagi na dużą
05:34
since we're doing so many words per day,
136
334180
3336
liczbę słów wpisywany codziennie,
mają miejsce zabawne sytuacje.
05:37
funny things can happen.
137
337540
1256
05:38
This is especially true because now we're giving people
138
338820
2616
Głównie przez to, że wyświetlamy ludziom
dwa zupełnie przypadkowe słowa obok siebie.
05:41
two randomly chosen English words next to each other.
139
341460
2496
Dzieją się śmieszne rzeczy,
05:43
So funny things can happen.
140
343980
1336
np. wyświetliliśmy ten wyraz.
05:45
For example, we presented this word.
141
345340
1736
"Christians" (Chrześcijanie); nie ma w nim nic złego.
05:47
It's the word "Christians"; there's nothing wrong with it.
142
347100
2736
Ale coś może pójść nie tak, jeśli wyświetlmy go
05:49
But if you present it along with another randomly chosen word,
143
349860
2936
z przypadkowo dobranym słowem.
05:52
bad things can happen.
144
352820
1336
"Bad Christians" (Źli Chrześcijanie).
05:54
So we get this.
145
354180
1216
05:55
[bad Christians]
146
355420
1216
Było jeszcze gorzej, ponieważ stroną, na której to się wyświetliło
05:56
But it's even worse, because the website where we showed this
147
356660
2896
była witryna Ambasady Królestwa Bożego.
05:59
actually happened to be called The Embassy of the Kingdom of God.
148
359580
3056
(Śmiech)
06:02
(Laughter)
149
362660
1696
Ups.
06:04
Oops.
150
364380
1216
06:05
(Laughter)
151
365620
3856
(Śmiech)
Jeszcze jeden zły przykład.
06:09
Here's another really bad one.
152
369500
1696
JohnEdwards.com
06:11
JohnEdwards.com
153
371220
1296
06:12
[Damn liberal]
154
372540
1216
"Damn liberal" (Cholerny liberał)
06:13
(Laughter)
155
373780
4496
(Śmiech)
Codziennie znieważamy ludzi na lewo i prawo.
06:18
So we keep on insulting people left and right everyday.
156
378300
2816
Oczywiście nie tylko obrażamy ludzi.
06:21
Of course, we're not just insulting people.
157
381140
2016
Rzecz w tym, że prezentując dwa przypadkowo dobrane słowa,
06:23
Here's the thing. Since we're presenting two randomly chosen words,
158
383180
3176
mogą zdarzyć się interesujące rzeczy.
06:26
interesting things can happen.
159
386380
1456
06:27
So this actually has given rise to a really big Internet meme
160
387860
4616
Dało to początek
dużemu internetowemu przedsięwzięciu,
06:32
that tens of thousands of people have participated in,
161
392500
2536
w którym uczestniczyły dziesiątki tysięcy ludzi,
zwanym CAPTCHA art.
06:35
which is called CAPTCHA art.
162
395060
1656
06:36
I'm sure some of you have heard about it.
163
396740
1976
Jestem pewny, że niektórzy z was o tym słyszeli.
06:38
Here's how it works.
164
398740
1256
Oto jak to działa.
06:40
Imagine you're using the Internet and you see a CAPTCHA
165
400020
2616
Weźmy na to, że korzystacie z internetu i trafiacie na kod CAPTCHA,
06:42
that you think is somewhat peculiar,
166
402660
1736
który jest według was osobliwy,
06:44
like this CAPTCHA.
167
404420
1216
jak np. ten: niewidzialny toster.
06:45
[invisible toaster]
168
405660
1216
06:46
What you're supposed to do is you take a screenshot of it.
169
406900
2736
Następnie robimy screenshota
i oczywiście wypełniamy pole CAPTCHA,
06:49
Then of course, you fill out the CAPTCHA because you help us digitize a book.
170
409660
3656
ponieważ pomagamy zdigitalizować książkę.
Najpierw robimy screenshot
06:53
But first you take a screenshot
171
413340
1496
06:54
and then you draw something that is related to it.
172
414860
2376
i rysujemy coś z tym związanego.
(Śmiech)
06:57
(Laughter)
173
417260
1696
06:58
That's how it works.
174
418980
1216
Tak to działa.
07:00
(Laughter)
175
420220
1336
07:01
There are tens of thousands of these.
176
421580
2656
Są ich dziesiątki tysięcy.
07:04
Some of them are very cute.
177
424260
2072
Niektóre są słodkie (Tekst: zacisnąłem piąstkę).
07:06
[clenched it]
178
426356
1213
(Śmiech)
07:07
(Laughter)
179
427593
1843
Niektóre śmieszne.
07:09
Some of them are funnier.
180
429460
1536
(Tekst: upaleni Założyciele)
07:11
[stoned Founders]
181
431020
1216
07:12
(Laughter)
182
432260
4376
(Śmiech)
07:16
And some of them, like paleontological shvisle ...
183
436660
3429
Niektóre z nich,
np. paleontological shvisle,
07:20
(Laughter)
184
440113
1923
zawierają slang Snoop Dogga.
07:22
they contain Snoop Dogg.
185
442060
1216
07:23
(Laughter)
186
443300
3136
(Śmiech)
07:26
OK, so this is my favorite number of reCAPTCHA.
187
446460
2576
To moja ulubiona liczba w reCAPTCHA.
To najlepsza rzecz w tym projekcie.
07:29
So this is the favorite thing that I like about this whole project.
188
449060
3176
To liczba odrębnych ludzi, którzy pomogli nam
07:32
This is the number of distinct people
189
452260
1816
zdigitalizować przynajmniej jedno słowo z książki przez reCAPTCHA:
07:34
that have helped us digitize at least one word out of a book through reCAPTCHA:
190
454100
3736
750 milionów,
07:37
750 million, a little over 10 percent of the world's population,
191
457860
3056
co stanowi nieco ponad 10% liczby ludności na świecie,
07:40
has helped us digitize human knowledge.
192
460940
1896
która pomogła zdigitalizować ludzką wiedzę.
07:42
And it is numbers like these that motivate my research agenda.
193
462860
3096
Takie liczby motywują mnie do dalszych badań.
07:45
So the question that motivates my research is the following:
194
465980
3056
Kwestią, która motywuje mnie do badań,
jeśli pomyślicie o wielkich osiągnięciach ludzkości,
07:49
If you look at humanity's large-scale achievements,
195
469060
2416
tych naprawdę ważnych,
07:51
these really big things
196
471500
1216
07:52
that humanity has gotten together and done historically --
197
472740
2715
kiedy ludzie wspólnie zrobili coś historycznego,
07:55
like, for example, building the pyramids of Egypt
198
475479
2477
jak np. budowa piramid w Egipcie,
07:57
or the Panama Canal
199
477980
1576
czy Kanału Panamskiego
07:59
or putting a man on the Moon --
200
479580
2056
lub wysłanie człowieka na Księżyc,
08:01
there is a curious fact about them,
201
481660
1696
jest w nich coś ciekawego,
08:03
and it is that they were all done with about the same number of people.
202
483380
3336
wszystkich tych osiągnieć dokonano z mniej więcej tą samą liczbą ludzi.
To dziwne, ale wszystkie zostały dokonane z ok. 100 tys. ludzi.
08:06
It's weird; they were all done with about 100,000 people.
203
486740
2696
Dziwne, ponieważ przed powstaniem internetu,
08:09
And the reason for that is because, before the Internet,
204
489460
2656
zarządzanie 100 tys. ludzi,
08:12
coordinating more than 100,000 people,
205
492140
1856
płacenie im, było w zasadzie niemożliwe.
08:14
let alone paying them, was essentially impossible.
206
494020
3016
Jednak w dobie internetu, pokazałem wam właśnie projekt,
08:17
But now with the Internet, I've just shown you a project
207
497060
2656
w który zaangażowanych było 750 milionów ludzi,
08:19
where we've gotten 750 million people to help us digitize human knowledge.
208
499740
3496
pomagających zdigitalizować ludzką wiedzę.
Kwestią motywującą moje badania jest to,
08:23
So the question that motivates my research is,
209
503260
2176
co można by zrobić ze 100 milionami ludzi,
08:25
if we can put a man on the Moon with 100,000,
210
505460
2136
08:27
what can we do with 100 million?
211
507620
2176
jeśli ze 100 tys. mogliśmy wysłać człowieka na Księżyc.
08:29
So based on this question,
212
509820
1256
Opierając się na tym pytaniu,
08:31
we've had a lot of different projects that we've been working on.
213
511100
3056
przeprowadziliśmy wiele projektów.
Opowiem o jednym, który mnie najbardziej ekscytuje.
08:34
Let me tell you about one that I'm most excited about.
214
514180
2536
08:36
This is something that we've been semiquietly working on
215
516740
2656
Pracowaliśmy nad nim
od mniej więcej półtora roku.
08:39
for the last year and a half or so.
216
519420
1696
Jeszcze nie funkcjonuje. Nazywa się Duolingo.
08:41
It hasn't yet been launched. It's called Duolingo.
217
521140
2376
Ale cicho, jeszcze nie działa.
08:43
Since it hasn't been launched, shhh!
218
523540
1736
(Śmiech)
08:45
(Laughter)
219
525300
1656
08:46
Yeah, I can trust you'll do that.
220
526980
2256
OK, ufam wam.
Oto ten projekt. Tak się rozpoczął.
08:49
So this is the project. Here's how it started.
221
529260
2216
Zaczęło się od tego, że zadałem pytanie swojemu studentowi,
08:51
It started with me posing a question to my graduate student, Severin Hacker.
222
531500
3576
Severinowi Hackerowi.
OK, to jest Severin Hacker.
08:55
OK, that's Severin Hacker.
223
535100
1280
Zadałem mu pytanie.
08:57
So I posed the question to my graduate student.
224
537299
2217
Tak poza tym, dobrze usłyszeliście;
08:59
By the way, you did hear me correctly; his last name is Hacker.
225
539540
2976
nazywa się Hacker (z ang. haker).
09:02
(Laughter)
226
542540
1016
Zadałem mu następujące pytanie:
09:03
So I posed this question to him: How can we get 100 million people
227
543580
3296
Co zrobić, by 100 milionów ludzi
09:06
translating the web into every major language for free?
228
546900
2960
tłumaczyło zasoby internetu na wszystkie języki za darmo?
Wiele można powiedzieć o tym pytaniu.
09:10
There's a lot of things to say about this question.
229
550500
2416
Po pierwsze, tłumaczenie zasobów internetu,
09:12
First of all, translating the web.
230
552940
1656
które obecnie podzielony jest na wiele języków.
09:14
Right now, the web is partitioned into multiple languages.
231
554620
2796
Ogromną jego częścią jest język angielski.
09:17
A large fraction of it is in English.
232
557440
1816
Nie znając angielskiego, nie będziecie mieć do niej dostępu.
09:19
If you don't know English, you can't access it.
233
559280
2216
Są również duże części w innych językach,
09:21
But there's large fractions in other different languages,
234
561520
2696
nie znając ich, nie będziecie mieć do nich dostępu.
09:24
and if you don't know them, you can't access it.
235
564240
2256
Chciałbym przetłumaczyć cały internet albo chociaż większą jego część,
09:26
So I would like to translate all of the web,
236
566520
2096
09:28
or at least most of it, into every major language.
237
568640
2376
na każdy liczący się język.
To chciałbym zrobić.
09:31
That's what I would like to do.
238
571040
1496
09:32
Now, some of you may say, why can't we use computers to translate?
239
572560
4476
Niektórzy spytają: dlaczego nie możemy użyć komputerów do tłumaczenia?
Czemu nie zastosujemy tłumaczenia maszynowego?
09:37
Machine translation is starting to translate
240
577060
2096
Tłumaczenia maszynowego używa się tu i ówdzie do tłumaczenia zdań.
09:39
some sentences here and there.
241
579180
1456
Dlaczego przy jego pomocy nie przetłumaczyć całego internetu?
09:40
Why can't we use it to translate the web?
242
580660
1976
Problem w tym, że tłumaczenie maszynowe nie jest jeszcze dość rozwinięte
09:42
The problem with that is it's not yet good enough
243
582660
2336
i prawdopodobnie nie będzie przez najbliższe 15-20 lat.
09:45
and it probably won't be for the next 15 to 20 years.
244
585020
2496
Popełnia wiele błędów.
09:47
It makes a lot of mistakes. Even when it doesn't,
245
587540
2336
Nawet jeśli gdzieś nie zrobi błędu, to ponieważ popełnia ich
09:49
since it makes so many mistakes, you don't know whether to trust it or not.
246
589900
3576
tak wiele, nie wiemy czy tamu zaufać, czy nie.
Pokażę wam przykład tekstu
09:53
So let me show you an example
247
593500
1416
09:54
of something that was translated with a machine.
248
594940
2256
tłumaczonego maszynowo.
To był wpis na forum zamieszczony
09:57
Actually, it was a forum post.
249
597220
1456
09:58
It was somebody who was trying to ask a question about JavaScript.
250
598700
3176
przez kogoś, kto zapytał o JavaScript.
10:01
It was translated from Japanese into English.
251
601900
2616
Wpis przetłumaczono z języka japońskiego na angielski.
10:04
So I'll just let you read.
252
604540
1776
Dam wam przeczytać.
10:06
This person starts apologizing
253
606340
1776
Na początku, ten ktoś przeprasza,
10:08
for the fact that it's translated with a computer.
254
608140
2456
że przetłumaczył pytanie maszynowo.
10:10
So the next sentence is going to be the preamble to the question.
255
610620
3776
Kolejne zdanie jest wstępem do pytania.
Coś wyjaśnia.
10:14
So he's just explaining something.
256
614420
1656
Pamiętajcie, to pytanie o dotyczące JavaScript.
10:16
Remember, it's a question about JavaScript.
257
616100
2056
10:18
[At often, the goat-time install a error is vomit.]
258
618180
2616
(Tekst: Często, długi czas instalowaći błąd zwymiotować.)
10:20
(Laughter)
259
620820
5096
(Śmiech)
10:25
Then comes the first part of the question.
260
625940
3536
Następnie, pierwsza część pytania.
10:29
[How many times like the wind, a pole, and the dragon?]
261
629500
2936
(Tekst: Ile razy lubić wiatr, biegun i smoka?)
10:32
(Laughter)
262
632460
4656
(Śmiech)
Wreszcie moja ulubiona część pytania.
10:37
Then comes my favorite part of the question.
263
637140
2056
10:39
[This insult to father's stones?]
264
639220
1936
(Tekst: To obrażać ojca kamienie?)
10:41
(Laughter)
265
641180
3856
(Śmiech)
Następnie końcówka, czyli moja ulubiona część całego postu.
10:45
And then comes the ending,
266
645060
1296
10:46
which is my favorite part of the whole thing.
267
646380
2136
(Tekst: Proszę przeprosić za swoją głupotę. Bardzo ci dziękować.)
10:48
[Please apologize for your stupidity. There are a many thank you.]
268
648540
3136
10:51
(Laughter)
269
651700
2176
(Śmiech)
10:53
OK, so computer translation, not yet good enough.
270
653900
2936
Więc tłumaczenie maszynowe nie jest na razie dostatecznie dobre.
Wracając do naszego pytania.
10:56
So back to the question.
271
656860
1256
Potrzebujemy ludzi do przetłumaczenia całego internetu.
10:58
So we need people to translate the whole web.
272
658140
2976
Kolejne pytanie, jakie możecie zadać, to:
11:01
So now the next question you may have is,
273
661140
1976
dlaczego nie możemy ludziom za to zapłacić?
11:03
well, why can't we just pay people to do this?
274
663140
2176
Moglibyśmy zapłacić profesjonalnym tłumaczom za tłumaczenie internetu.
11:05
We could pay professional translators to translate the whole web.
275
665340
3096
Moglibyśmy to zrobić.
11:08
We could do that.
276
668460
1256
11:09
Unfortunately, it would be extremely expensive.
277
669740
2216
Niestety byłoby to niezwykle kosztowne,
11:11
For example, translating a tiny fraction of the whole web, Wikipedia,
278
671980
3256
np. tłumaczenie małej części internetu, Wikipedii,
na język hiszpański.
11:15
into one other language, Spanish.
279
675260
2496
11:17
OK? Wikipedia exists in Spanish,
280
677780
1976
Istnieje wersja hiszpańska Wikipedii,
11:19
but it's very small compared to the size of English.
281
679780
2456
ale jest bardzo mała, w porównaniu z wersją angielską.
Stanowi ok. 20% angielskiej Wikipedii.
11:22
It's about 20 percent of the size of English.
282
682260
2176
Jeśli chcielibyśmy przetłumaczyć pozostałe 80% na język hiszpański,
11:24
If we wanted to translate the other 80 percent into Spanish,
283
684460
2856
kosztowałoby to nas przynajmniej 50 milionów dolarów,
11:27
it would cost at least 50 million dollars --
284
687340
2136
i to w w najbardziej wyzyskiwanym kraju.
11:29
and this is even at the most exploited, outsourcing country out there.
285
689500
3656
Byłoby to bardzo drogie.
11:33
So it would be very expensive.
286
693180
1456
Chcemy zebrać 100 milionów ludzi,
11:34
So what we want to do is, we want to get 100 million people
287
694660
2762
by tłumaczyli internet na każdy z liczących się języków
11:37
translating the web into every major language for free.
288
697446
2590
za darmo.
Jeśli chce się to osiągnąć,
11:40
If this is what you want to do, you quickly realize
289
700060
2416
bardzo szybko można trafić
11:42
you're going to run into two big hurdles, two big obstacles.
290
702500
2936
na dwie duże przeszkody.
11:45
The first one is a lack of bilinguals.
291
705460
3296
Po pierwsze, brak ludzi dwujęzycznych.
11:48
So I don't even know
292
708780
2176
Nie wiem nawet
11:50
if there exists 100 million people out there using the web
293
710980
2736
czy jest 100 milionów ludzi korzystających z internetu,
11:53
who are bilingual enough to help us translate.
294
713740
2296
którzy znają dwa języki na tyle, by pomóc nam tłumaczyć.
To duży problem.
11:56
That's a big problem.
295
716060
1216
11:57
The other problem you're going to run into is a lack of motivation.
296
717300
3176
Po drugie, odczujemy brak motywacji.
Jak zmotywować ludzi
12:00
How are we going to motivate people to actually translate the web for free?
297
720500
3536
do tłumaczenia internetu za darmo?
Normalnie trzeba ludziom za to płacić.
12:04
Normally, you have to pay people to do this.
298
724060
2296
12:06
So how are we going to motivate them to do it for free?
299
726380
2616
Jak ich zmotywować do robienia tego za darmo?
Na początku projektu, powstrzymywały nas właśnie te dwie rzeczy.
12:09
When we were starting to think about this, we were blocked by these two things.
300
729020
3736
Uświadomiliśmy sobie jednak, że jest sposób
12:12
But then we realized, there's a way
301
732780
1696
na rozwiązanie obu tych problemów.
12:14
to solve both these problems with the same solution.
302
734500
2456
Można upiec dwie pieczenie na jednym ogniu.
12:16
To kill two birds with one stone.
303
736980
1616
Przekształcić tłumaczenie
12:18
And that is to transform language translation
304
738620
2136
12:20
into something that millions of people want to do
305
740780
2816
w coś, co miliony ludzi chciałoby robić,
12:23
and that also helps with the problem of lack of bilinguals,
306
743620
3136
co pomogłoby rozwiązać problem braku osób dwujęzycznych,
12:26
and that is language education.
307
746780
2376
a rozwiązaniem tym jest edukacja językowa.
12:29
So it turns out that today,
308
749180
1976
Okazuje się, że obecnie
12:31
there are over 1.2 billion people learning a foreign language.
309
751180
3400
1,2 miliarda ludzi uczy się języka obcego.
Ludzie bardzo chcą uczyć się języków obcych.
12:35
People really want to learn a foreign language.
310
755300
2216
Nie tylko dlatego, że zmuszano ich do tego w szkole,
12:37
And it's not just because they're being forced to do so in school.
311
757540
3136
np. w samych Stanach Zjednoczonych ,
12:40
In the US alone, there are over five million people
312
760700
2416
jest ponad 5 mln ludzi, którzy wydali ponad 500 dolarów
12:43
who have paid over $500 for software to learn a new language.
313
763140
2896
na oprogramowanie do nauki języków.
Ludzie bardzo, bardzo chcą uczyć się języków.
12:46
So people really want to learn a new language.
314
766060
2176
Przez ostatnie półtora roku pracowaliśmy nad nową stroną,
12:48
So what we've been working on for the last year and a half
315
768260
2736
Duolingo,
12:51
is a new website -- it's called Duolingo --
316
771020
2056
której podstawowym założeniem jest to, że ludzie mogą uczyć się nowego języka za darmo,
12:53
where the basic idea is people learn a new language for free
317
773100
2856
12:55
while simultaneously translating the web.
318
775980
2056
jednocześnie tłumacząc internet.
Uczą się poprzez praktykę.
12:58
And so basically, they're learning by doing.
319
778060
2536
Działa to w ten sposób,
13:00
So the way this works
320
780620
1216
13:01
is whenever you're a just a beginner, we give you very simple sentences.
321
781860
3416
że jeśli jesteś początkujący, dajemy ci bardzo proste zdania.
W internecie jest masa prostych zdań.
13:05
There's a lot of very simple sentences on the web.
322
785300
2376
Dajemy wam proste zdania
13:07
We give you very simple sentences along with what each word means.
323
787700
3216
ze znaczeniem poszczególnych słów.
13:10
And as you translate them
324
790940
1336
Tłumacząc je i widząc jak inni je tłumaczą,
13:12
and as you see how other people translate them,
325
792300
2216
zaczynacie uczyć się języka.
13:14
you start learning the language.
326
794540
1576
Wraz ze wzrostem zaawansowania
13:16
And as you get more advanced,
327
796140
1416
13:17
we give you more complex sentences to translate.
328
797580
2256
dajemy wam do tłumaczenia coraz bardziej skomplikowane zdania.
13:19
But at all times, you're learning by doing.
329
799860
2016
Cały czas uczycie się poprzez praktykę.
13:21
Now, the crazy thing about this method is that it actually really works.
330
801900
3696
Może to zwariowane, ale ta metoda
naprawdę działa.
13:25
People are really learning a language.
331
805620
1856
Po pierwsze, ludzie rzeczywiście uczą się języka.
13:27
We're mostly done building it and now we're testing it.
332
807500
2616
Strona jest prawie skończona i teraz ją testujemy.
Ludzie przy jej pomocy naprawdę mogą nauczyć się języka.
13:30
People really can learn a language with it.
333
810140
2056
Uczą się równie dobrze, jak przy użyciu wiodących programów do nauki języków.
13:32
And they learn it about as well as the leading language learning software.
334
812220
3496
Ludzie naprawdę uczą się języka.
13:35
So people really do learn a language.
335
815740
1816
Nie tylko dobrze się go uczą,
13:37
And not only do they learn it as well, but actually it's more interesting.
336
817580
3496
ale również uczą się w interesujący sposób.
Na Duolingo ludzie uczą się na autentycznych materiałach.
13:41
Because with Duolingo, people are learning with real content.
337
821100
2896
W przeciwieństwie do nauki na wymyślonych zdaniach,
13:44
As opposed to learning with made-up sentences,
338
824020
2176
ludzie uczą się na autentycznych materiałach, co jest bardzo interesujące.
13:46
people are learning with real content, which is inherently interesting.
339
826220
3336
Ludzie więc naprawdę uczą się języka.
13:49
So people really do learn a language.
340
829580
1816
Co bardziej zaskakujące,
13:51
But perhaps more surprisingly,
341
831420
1616
to że tłumaczenia naszych użytkowników,
13:53
the translations that we get from people using the site,
342
833060
2736
13:55
even though they're just beginners,
343
835820
1776
pomimo tego że są początkującymi,
13:57
the translations that we get
344
837620
1376
są precyzyjne jak te,
13:59
are as accurate as those of professional language translators,
345
839020
2936
wykonane przez profesjonalnych tłumaczy,
14:01
which is very surprising.
346
841980
1216
np. to zdanie zostało
14:03
So let me show you one example.
347
843220
1536
14:04
This is a sentence that was translated from German into English.
348
844780
3016
przetłumaczone z języka niemieckiego na angielski.
Na samej górze jest zdanie po niemiecku.
14:07
The top is the German. The middle is an English translation
349
847820
2776
W środku jest tłumaczenie angielskie,
14:10
that was done by a professional translator
350
850620
2256
wykonane przez profesjonalnego tłumacza języka angielskiego,
14:12
who we paid 20 cents a word for this translation.
351
852900
2376
któremu płaciliśmy 20 centów za słowo tłumaczenia.
Na dole znajduje się tłumaczenie użytkownika Duolingo.
14:15
And the bottom is a translation by users of Duolingo,
352
855300
2696
Żaden z nich nie znał niemieckiego
14:18
none of whom knew any German before they started using the site.
353
858020
3736
przed skorzystaniem z naszej strony.
14:21
If you can see, it's pretty much perfect.
354
861780
1976
Sami widzicie, że jest całkiem dobre.
14:23
Of course, we play a trick here
355
863780
1536
Oczywiście robimy pewną sztuczkę,
14:25
to make the translations as good as professional language translators.
356
865340
3336
by tłumaczenia by wyglądały profesjonalnie.
Łączymy tłumaczenia wielu początkujących użytkowników,
14:28
We combine the translations of multiple beginners
357
868700
2336
by osiągnąć jakość jednego profesjonalnego tłumacza.
14:31
to get the quality of a single professional translator.
358
871060
2896
14:33
Now, even though we're combining the translations,
359
873980
4536
Pomimo łączenia tłumaczeń,
14:38
the site actually can translate pretty fast.
360
878540
2776
strona działa nadzwyczaj szybko.
Pozwólcie, że wam pokażę,
14:41
So let me show you,
361
881340
1216
14:42
this is our estimates of how fast we could translate Wikipedia
362
882580
2936
to nasze dane szacunkowe, jak szybko moglibyśmy przetłumaczyć Wikipedię
z angielskiego na hiszpański.
14:45
from English into Spanish.
363
885540
1296
14:46
Remember, this is 50 million dollars' worth of value.
364
886860
2976
Pamiętajcie, jest to warte 50 mln dolarów.
14:49
So if we wanted to translate Wikipedia into Spanish,
365
889860
2456
Jeśli chcielibyśmy przetłumaczyć Wikipedię
na język hiszpański, mając 100 tys. aktywnych użytkowników,
14:52
we could do it in five weeks with 100,000 active users.
366
892340
2696
moglibyśmy zrobić to w 5 tygodni, a mając milion - w 80 godzin.
14:55
And we could do it in about 80 hours with a million active users.
367
895060
3056
Ponieważ wszystkie projekty opracowane z moją grupą zyskały miliony użytkowników,
14:58
Since all the projects my group has worked on so far
368
898140
2456
15:00
have gotten millions of users,
369
900620
1456
mamy nadzieję, że ten projekt
15:02
we're hopeful that we'll be able to translate extremely fast.
370
902100
2896
pozwoli nam tłumaczyć w bardzo szybki sposób.
Tym, co mnie w Duolingo najbardziej cieszy
15:05
Now, the thing that I'm most excited about with Duolingo
371
905020
2976
jest to, że stwarza uczciwy model biznesowy dla edukacji językowej.
15:08
is I think this provides a fair business model for language education.
372
908020
3736
Wygląda to tak.
15:11
So here's the thing:
373
911780
1216
Obecny model edukacji językowej
15:13
The current business model for language education
374
913020
2336
wygląda tak: student płaci za naukę.
15:15
is the student pays,
375
915380
1376
15:16
and in particular, the student pays Rosetta Stone 500 dollars.
376
916780
3056
Co więcej, płaci 500 dolarów za program Rosetta Stone.
(Śmiech)
15:19
(Laughter)
377
919860
1816
To obecny model.
15:21
That's the current business model.
378
921700
1656
Problem z tym modelem polega na tym,
15:23
The problem with this business model
379
923380
1736
że 95% ludzi na świecie nie ma 500 dolarów.
15:25
is that 95 percent of the world's population doesn't have 500 dollars.
380
925140
3296
To strasznie niesprawiedliwe wobec biednych.
15:28
So it's extremely unfair towards the poor.
381
928460
2776
To całkowity ukłon w stronę bogatych.
15:31
This is totally biased towards the rich.
382
931260
1936
W przypadku Duolingo
15:33
Now, see, in Duolingo,
383
933220
1616
15:34
because while you learn, you're actually creating value,
384
934860
3656
ucząc się,
tworzy się wartość, tłumaczy prawdziwe rzeczy,
15:38
you're translating stuff --
385
938540
1336
15:39
which, for example, we could charge somebody for translations,
386
939900
2936
za które to tłumaczenia moglibyśmy pobierać opłaty.
15:42
so this is how we could monetize this.
387
942860
1856
Tak moglibyśmy to spieniężyć.
15:44
Since people are creating value while they're learning,
388
944740
2616
Ponieważ ludzie tworzą podczas nauki,
nie muszą płacić pieniędzmi, bo płacą swoim czasem.
15:47
they don't have to pay with their money, they pay with their time.
389
947380
3096
Najlepsze jest to, że płacą własnym czasem,
15:50
But the magical thing here
390
950500
1923
15:52
is that is time that would have had to have been spent anyways
391
952447
2996
który i tak spędziliby
na nauce języka obcego.
15:55
learning the language.
392
955467
1209
15:56
So the nice thing about Duolingo
393
956700
1576
Fajne w Duolingo jest to, że opiera się na uczciwym modelu biznesowym,
15:58
is, I think, it provides a fair business model --
394
958300
2336
który nie dyskryminuje ludzi biednych.
16:00
one that doesn't discriminate against poor people.
395
960660
2376
Oto adres strony. Dziękuję.
16:03
So here's the site. Thank you.
396
963060
1456
(Oklaski)
16:04
(Applause)
397
964540
7000
Ta strona nie została jeszcze uruchomiona,
16:13
We haven't yet launched,
398
973060
2416
Ta strona nie została jeszcze uruchomiona,
16:15
but if you go there, you can sign up to be part of our private beta,
399
975500
3296
ale jeśli na nią wejdziecie, możecie się zapisać na testy wersji beta,
16:18
which is probably going to start in three or four weeks.
400
978820
2656
które najpewniej zaczną się za 3 - 4 tygodnie.
Duolingo nie zostało jeszcze uruchomione.
16:21
We haven't yet launched it.
401
981500
1336
16:22
By the way, I'm the one talking here,
402
982860
1816
Tak poza tym, jestem tu sam,
16:24
but Duolingo is the work of a really awesome team,
403
984700
2376
a Duolingo to w rzeczywistości praca niesamowitej grupy ludzi. Niektórzy są tutaj.
16:27
some of whom are here. So thank you.
404
987100
1736
Dziękuję.
16:28
(Applause)
405
988860
5240
(Oklaski)
O tej stronie

Na tej stronie poznasz filmy z YouTube, które są przydatne do nauki języka angielskiego. Zobaczysz lekcje angielskiego prowadzone przez najlepszych nauczycieli z całego świata. Kliknij dwukrotnie na angielskie napisy wyświetlane na stronie każdego filmu, aby odtworzyć film od tego miejsca. Napisy przewijają się synchronicznie z odtwarzaniem filmu. Jeśli masz jakieś uwagi lub prośby, skontaktuj się z nami za pomocą formularza kontaktowego.

https://forms.gle/WvT1wiN1qDtmnspy7