Aaron Koblin: Artfully visualizing our humanity

145,953 views ・ 2011-05-23

TED


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

Tłumaczenie: Piotr Czajkowski Korekta: Marcin Kasiak
00:15
So I think data can actually make us more human.
0
15260
4000
Myślę, że dane mogą uczynić nas bardziej ludzkimi.
00:19
We're collecting and creating all kinds of data about how we're living our lives,
1
19260
3000
Zbieramy i tworzymy wszystkie rodzaje danych o tym jak przeżywamy nasze życia,
00:22
and it's enabling us to tell some amazing stories.
2
22260
2000
i to pozwala nam na opowiedzenie niesamowitych historii.
00:24
Recently, a wise media theorist Tweeted,
3
24260
3000
Niedawno, mądry teoretyk mediów napisał na Twitterze,
00:27
"The 19th century culture was defined by the novel,
4
27260
2000
"Kultura 19-tego wieku została zdefiniowana przez powieść,
00:29
the 20th century culture was defined by the cinema,
5
29260
2000
kultura 20-tego wieku została zdefiniowana przez kino,
00:31
and the culture of the 21st century
6
31260
2000
a kultura 21-ego wieku
00:33
will be defined by the interface."
7
33260
2000
zostanie zdefiniowana przez interfejs".
00:35
And I believe this is going to prove true.
8
35260
2000
I wierzę, że to okaże się prawdą.
00:37
Our lives are being driven by data,
9
37260
2000
Nasze życia są kierowane danymi,
00:39
and the presentation of that data is an opportunity
10
39260
2000
a prezentacja tych danych jest dla nas szansą,
00:41
for us to make some amazing interfaces that tell great stories.
11
41260
2000
by stworzyć niesamowite interfejsy, które opowiedzą wspaniałe historie.
00:43
So I'm going to show you a few of the projects
12
43260
2000
Pokaże wam więc parę projektów,
00:45
that I've been working on over the last couple years
13
45260
2000
nad którymi pracowałem przez parę ostatnich lat,
00:47
that reflect on our lives and our systems.
14
47260
2000
które odzwierciedlają nasze życia i nasze systemy.
00:49
This is a project called Flight Patterns.
15
49260
2000
To jest projekt nazwany Wzory Lotów.
00:51
What you're looking at is airplane traffic
16
51260
2000
To co widzicie, to ruch lotniczy
00:53
over North America for a 24-hour period.
17
53260
3000
nad Ameryką Północną w ciągu doby.
00:56
As you see, everything starts to fade to black,
18
56260
2000
Jak widzicie, wszystko zaczyna się ściemniać,
00:58
and you see people going to sleep.
19
58260
2000
widzicie ludzi idących spać.
01:00
Followed by that, you see on the West coast
20
60260
2000
Następnie, widzicie zachodnie wybrzeże,
01:02
planes moving across, the red-eye flights to the East coast.
21
62260
3000
samoloty lecące w poprzek, nocne loty na wschodnie wybrzeże.
01:05
And you'll see everybody waking up on the East coast,
22
65260
3000
I zobaczycie jak wszyscy się budzą na wschodnim wybrzeżu,
01:08
followed by European flights coming in the upper right-hand corner.
23
68260
3000
następnie nadchodzące loty z Europy, w prawym górnym rogu.
01:11
Everybody's moving from the East coast to the West coast.
24
71260
3000
Wszyscy przenoszą się ze wschodniego na zachodnie wybrzeże.
01:14
You see San Francisco and Los Angeles
25
74260
2000
Widzicie San Francisco i Los Angeles
01:16
start to make their journeys down to Hawaii in the lower left-hand corner.
26
76260
3000
rozpoczynające swoje podróże na Hawaje, w lewym dolnym rogu.
01:19
I think it's one thing to say there's 140,000 planes
27
79260
2000
Myślę, że jedna rzecz to powiedzieć, że 140 000 samolotów
01:21
being monitored by the federal government at any one time,
28
81260
3000
jest monitorowanych przez rząd w każdym momencie,
01:24
and it's another thing to see that system as it ebbs and flows.
29
84260
3000
a co innego zobaczyć ten system w jego odpływach i przypływach.
01:29
This is a time-lapse image of that exact same data,
30
89260
2000
To jest stopklatka z tych samych danych,
01:31
but I've color-coded it by type,
31
91260
2000
ale pokolorowałem ją względem typów,
01:33
so you can see the diversity of aircraft that are in the skies above us.
32
93260
3000
możecie więc zobaczyć różnorodność samolotów na niebie nad nami.
01:36
And I started making these, and I put them into Google Maps
33
96260
3000
Zacząłem je tworzyć i nałożyłem je na Google Maps,
01:39
and allow you to zoom in and see individual airports
34
99260
2000
co pozwoli wam na przybliżanie i ujrzenie indywidualnych lotnisk
01:41
and the patterns that are occurring there.
35
101260
2000
oraz wzorów, które tu występują.
01:43
So here we can see the white represents low altitudes,
36
103260
3000
Możemy więc zaobserwować, że biały reprezentuje niskie wysokości,
01:46
and the blue are higher altitudes.
37
106260
2000
a niebieski wyższe.
01:48
And you can zoom in. This is taking a look at Atlanta.
38
108260
2000
I możecie przybliżyć. Ten ukazuje Atlantę.
01:50
You can see this is a major shipping airport,
39
110260
2000
Możecie zobaczyć, że jest to główne lotnisko dostawcze
01:52
and there's all kinds of activity there.
40
112260
2000
i występują tu wszystkie rodzaje aktywności.
01:54
You can also toggle between altitude
41
114260
3000
Możecie się również przełączać pomiędzy wysokościami
01:57
for model and manufacturer.
42
117260
2000
względem modelu i producenta.
01:59
See again, the diversity.
43
119260
2000
Zwróćcie ponownie uwagę na różnorodność.
02:01
And you can scroll around and see
44
121260
2000
Możecie też przesuwać obraz i zobaczyć
02:03
some of the different airports and the different patterns that they have.
45
123260
3000
różne lotniska i różne wzory, które tam występują.
02:06
This is scrolling up the East coast.
46
126260
2000
To jest przesuwanie po wschodnim wybrzeżu.
02:08
You can see some of the chaos that's happening in New York
47
128260
2000
Możecie zobaczyć jaki chaos panuje w Nowym Jorku,
02:10
with the air traffic controllers
48
130260
2000
gdzie kontrolerzy lotów,
02:12
having to deal with all those major airports next to each other.
49
132260
4000
muszą sobie radzić z wszystkim tymi sąsiadującymi głównymi lotniskami.
02:17
So zooming back out real quick,
50
137260
2000
Oddalając się bardzo szybko,
02:19
we see, again, the U.S. -- you get Florida down in the right-hand corner.
51
139260
3000
zobaczymy, znowu, USA. Widzicie Florydę w prawym dolnym rogu.
02:22
Moving across to the West coast,
52
142260
2000
Przesuwając się w poprzek do zachodniego wybrzeża,
02:24
you see San Francisco and Los Angeles --
53
144260
2000
widzicie San Francisco i Los Angeles,
02:26
big low-traffic zones
54
146260
2000
duże strefy niskiego ruchu
02:28
across Nevada and Arizona.
55
148260
2000
nad Nevadą i Arizoną.
02:30
And that's us down there in L.A. and Long Beach on the bottom.
56
150260
4000
A to my tutaj w L. A. i Long Beach na dole.
02:36
I started taking a look as well at different perimeters,
57
156260
2000
Zacząłem się także przyglądać innym granicom,
02:38
because you can choose what you want to pull out from the data.
58
158260
2000
ponieważ możecie wybrać co chcecie wyciągnąć z danych.
02:40
This is looking at ascending versus descending flights.
59
160260
3000
To jest spojrzenie na wznoszące kontra opadające loty.
02:43
And you can see, over time, the ways the airports change.
60
163260
2000
I możecie zobaczyć jak zmieniają się lotniska w czasie.
02:45
You see the holding patterns that start to develop
61
165260
2000
Widzicie utrzymujące się wzory, które zaczynają się rozwijać
02:47
in the bottom of the screen.
62
167260
2000
na dole ekranu.
02:49
And you can see, eventually the airport actually flips directions.
63
169260
3000
I możecie zaobserwować, że ostatecznie lotnisko zmienia kierunki.
02:53
So this is another project that I worked on with the Sensible Cities Lab at MIT.
64
173260
3000
A to jest kolejny projekt, nad którym pracowałem z Sensible Cities Lab na MIT.
02:56
This is visualizing international communications.
65
176260
2000
Jest to wizualizacja międzynarodowej komunikacji.
02:58
So it's how New York communicates
66
178260
2000
Jak Nowy Jork komunikuje się
03:00
with other international cities.
67
180260
2000
z innymi międzynarodowymi miastami.
03:02
And we set this up as a live globe in the Museum of Modern Art in New York
68
182260
3000
Ustawiliśmy to jako żywy glob w Muzeum Sztuki Nowoczesnej w Nowym Jorku
03:05
for the Design the Elastic Mind exhibition.
69
185260
2000
na wystawę Projekt elastycznego umysłu.
03:07
And it had a live feed with a 24-hour offset,
70
187260
2000
Odbierało to dane na żywo z 24-o godzinnym offsetem,
03:09
so you could see the changing relationship
71
189260
2000
więc można było zaobserwować zmieniające się relacje
03:11
and some demographic info
72
191260
2000
i pewne demograficzne informacje
03:13
coming through AT&T's data and revealing itself.
73
193260
3000
przechodzące przez dane AT&T i ukazujące się.
03:16
This is another project I worked on with Sensible Cities Lab
74
196260
2000
A to kolejny projekt, nad którym pracowałem z Sensible Cities Lab
03:18
and CurrentCity.org.
75
198260
2000
i CurrentCity.org.
03:20
And it's visualizing SMS messages being sent in the city of Amsterdam.
76
200260
3000
A jest to wizualizacja wiadomości SMS wysyłanych w Amsterdamie.
03:23
So you're seeing the daily ebb and flow
77
203260
2000
Widzicie więc dzienny odpływ i przypływ
03:25
of people sending SMS messages from different parts of the city,
78
205260
2000
ludzi wysyłających wiadomości SMS z różnych części miasta,
03:27
until we approach New Year's Eve, where everybody says, "Happy New Year!"
79
207260
3000
aż dochodzimy do Sylwestra, gdy wszyscy mówią "Szczęśliwego Nowego Roku!".
03:30
(Laughter)
80
210260
2000
(Śmiech)
03:32
So this is an interactive tool
81
212260
2000
Jest to narzędzie interaktywne,
03:34
that you can move around and see different parts of the city.
82
214260
3000
w którym możesz się przesuwać i obserwować różne części miasta.
03:37
This is looking at another event. This is called Queen's Day.
83
217260
3000
To jest spojrzenie na inne wydarzenie. Nazywa się to Dzień Królowej.
03:40
So again, you get this daily ebb and flow
84
220260
2000
Znowu otrzymujecie dzienny odpływ i przypływ
03:42
of people sending SMS messages from different parts of the city.
85
222260
3000
ludzi wysyłających wiadomości SMS z różnych części miasta.
03:45
And then you're going to see people start to gather in the center of the city
86
225260
2000
Następnie zaobserwujecie ludzi zaczynających zbierać się w centrum
03:47
to celebrate the night before,
87
227260
2000
aby świętować poprzedzającą to noc,
03:49
which happens right here.
88
229260
2000
co dzieje się tutaj.
03:51
And then you can see people celebrating the next day.
89
231260
2000
Następnie możecie zobaczyć ludzi świętujących następnego dnia.
03:53
And you can pause it and step back and forth and see different phases.
90
233260
3000
I możecie to zatrzymać i poruszać się w przód i w tył, aby zobaczyć różne fazy.
03:56
So now on to something completely different.
91
236260
2000
A teraz coś kompletnie innego.
03:58
Some of you may recognize this.
92
238260
2000
Niektórzy z was mogą to rozpoznać.
04:00
This is Baron Wolfgang von Kempelen's mechanical chess playing machine.
93
240260
3000
To jest maszyna do gry w szachy barona Wolfganga von Kempelena.
04:03
And it's this amazing robot that plays chess extremely well,
94
243260
2000
Jest to niesamowity robot, który bardzo dobrze gra w szachy,
04:05
except for one thing: it's not a robot at all.
95
245260
3000
z jednym wyjątkiem, to nie jest wcale robot.
04:08
There's actually a legless man that sits in that box
96
248260
2000
W rzeczywistości w pudle siedzi beznogi człowiek
04:10
and controls this chess player.
97
250260
2000
i kontroluje tego gracza.
04:12
This was the inspiration for a web service by Amazon
98
252260
2000
Było to inspiracją dla Amazonu do stworzenia usługi sieciowej
04:14
called the Mechanical Turk -- named after this guy.
99
254260
3000
zwanej Mechanical Turk, po tym właśnie facecie.
04:17
And it's based on the premise that there are certain things
100
257260
2000
I bazuje ona na założeniu, iż istnieją pewne rzeczy,
04:19
that are easy for people, but really difficult for computers.
101
259260
2000
które są łatwe dla ludzi, ale naprawdę trudne dla komputerów.
04:21
So they made this web service and said,
102
261260
2000
Stworzyli więc tą usługę sieciową i powiedzieli,
04:23
"Any programmer can write a piece of software
103
263260
2000
"Każdy programista może napisać program
04:25
and tap into the minds of thousands of people."
104
265260
2000
i dotrzeć do umysłów tysięcy ludzi".
04:27
The nerdy side of me thought, "Wow, this is amazing.
105
267260
2000
Kujońska część mnie pomyślała, "Wow, to jest niesamowite.
04:29
I can tap into thousands of people's minds."
106
269260
2000
Mogę dotrzeć do tysięcy ludzkich umysłów".
04:31
And the other nerdy side of me thought,
107
271260
2000
A druga kujońska część mnie pomyślała,
04:33
"This is horrible. This is completely bizarre.
108
273260
3000
"To jest okropne. To jest kompletnie dziwaczne.
04:36
What does this mean for the future of mankind,
109
276260
2000
Co to oznacza dla przyszłości ludzkości,
04:38
where we're all plugged into this borg?"
110
278260
2000
gdzie wszyscy jesteśmy wpięci do tego wieprza?".
04:40
I was probably being a little extreme.
111
280260
2000
Z pewnością trochę przesadzałem.
04:42
But what does this mean when we have no context for what it is that we're working on,
112
282260
2000
Ale co to oznacza kiedy brak nam kontekstu dla tego nad czym pracujemy,
04:44
and we're just doing these little labors?
113
284260
2000
i po prostu wykonujemy te małe prace?
04:46
So I created this drawing tool.
114
286260
2000
Stworzyłem więc narzędzie do rysowania.
04:48
I asked people to draw a sheep facing to the left.
115
288260
2000
I poprosiłem ludzi o narysowanie owcy skierowanej w lewo.
04:50
And I said, "I'll pay you two cents for your contribution."
116
290260
2000
I powiedziałem, "zapłacę dwa centy za wasz wkład".
04:52
And I started collecting sheep.
117
292260
3000
I zacząłem zbierać owce.
04:55
And I collected a lot, a lot of different sheep.
118
295260
3000
Zebrałem dużo, dużo różnych owiec.
04:59
Lots of sheep.
119
299260
2000
Dużo owiec.
05:01
I took the first 10,000 sheep that I collected,
120
301260
2000
Wziąłem pierwszych zebranych 10 000 owiec
05:03
and I put them on a website called TheSheepMarket.com
121
303260
3000
i umieściłem je na stronie zwanej TheSheepMarket.com,
05:06
where you can actually buy collections of 20 sheep.
122
306260
3000
gdzie możecie kupić kolekcje 20-stu owiec.
05:09
You can't pick individual sheep,
123
309260
2000
Nie możecie wybrać indywidualnej owcy,
05:11
but you can buy a single plate block of stamps as a commodity.
124
311260
4000
ale możecie kupić blok znaczków jako artykuł.
05:15
And juxtaposed against this grid,
125
315260
2000
I przyrównane do tej matrycy
05:17
you see actually, by rolling over each individual one,
126
317260
2000
możecie zobaczyć, poprzez najechanie na każdą z osobna,
05:19
the humanity behind this hugely mechanical process.
127
319260
3000
ludzkość stojącą za tym wielce mechanicznym procesem.
05:22
I think there's something really interesting
128
322260
2000
Myślę, że jest coś naprawdę interesującego
05:24
to watching people as they go through this creative toil --
129
324260
3000
w przyglądaniu się ludziom jak przechodzą ten kreatywny znój,
05:27
something we can all relate to,
130
327260
2000
coś do czego możemy się wszyscy odnieść,
05:29
this creative process of trying to come up with something from nothing.
131
329260
3000
ten kreatywny proces próby stworzenia czegoś z niczego.
05:32
I think it was really interesting to juxtapose this humanity
132
332260
2000
Myślę, że było bardzo interesujące móc porównać ludzkość
05:34
versus this massive distributed grid.
133
334260
2000
do tej masowo rozproszonej sieci.
05:36
Kind of amazing what some people did.
134
336260
3000
Niesamowite co niektórzy ludzie stworzyli.
05:39
So here's a few statistics from the project.
135
339260
2000
Tutaj mamy trochę statystyki z projektu.
05:41
Approximate collection rate of 11 sheep per hour,
136
341260
2000
Przybliżone tempo zbierania wyniosło 11 owiec na godzinę,
05:43
which would make a working wage of 69 cents per hour.
137
343260
3000
co daje nam stawkę 69 centów za godzinę pracy.
05:46
There were 662 rejected sheep
138
346260
2000
Było 662 odrzuconych owiec,
05:48
that didn't meet "sheep-like" criteria and were thrown out of the flock.
139
348260
3000
które nie spełniły kryterium przypominania owcy i zostały wyrzucone ze stada.
05:51
(Laughter)
140
351260
2000
(Śmiech)
05:53
The amount of time spent drawing ranged from four seconds to 46 minutes.
141
353260
3000
Ilość czasu spędzona na rysowaniu rozciągała się od 4 sekund do 46 minut.
05:56
That gives you an idea of the different types of motivations and dedication.
142
356260
3000
To da wam pojęcie o różnych typach motywacji i poświęcenia.
05:59
And there were 7,599 people that contributed to the project,
143
359260
3000
Było 7599 ludzi, którzy uczestniczyli w projekcie,
06:02
or were unique IP addresses --
144
362260
2000
tudzież tyle unikalnych adresów IP,
06:04
so about how many people contributed.
145
364260
2000
więc mniej więcej tyle ludzi wzięło udział.
06:06
But only one of them out of the 7,599 said this.
146
366260
4000
Ale tylko jeden z tych 7599 powiedział to.
06:10
(Laughter)
147
370260
4000
(Śmiech)
06:14
Which I was pretty surprised by.
148
374260
2000
Czym byłem całkiem zaskoczony.
06:16
I expected people to be wondering, "Why did I draw a sheep?"
149
376260
3000
Oczekiwałem, że ludzie będą się zastanawiać "Dlaczego mam narysować owcę?".
06:19
And I think it's a pretty valid question.
150
379260
2000
I myślę, że jest to bardzo dobre pytanie.
06:21
And there's a lot of reasons why I chose sheep.
151
381260
2000
Jest wiele powodów dla których wybrałem owce.
06:23
Sheep were the first animal
152
383260
2000
Owce były pierwszymi zwierzętami,
06:25
to be raised from mechanically processed byproducts,
153
385260
2000
które były wyhodowane z mechanicznie przetworzonych produktów ubocznych,
06:27
the first to be selectively bred for production traits,
154
387260
2000
pierwszymi, które były selektywnie hodowane dla cech produkcyjnych,
06:29
the first animal to be cloned.
155
389260
2000
pierwszymi sklonowanymi zwierzętami.
06:31
Obviously, we think of sheep as followers.
156
391260
2000
Oczywistym jest, ze myślimy o owcach jako podążających.
06:33
And there's this reference to "Le Petit Prince"
157
393260
2000
I jest odniesienie do "Le Petit Prince"
06:35
where the narrator asks the prince to draw a sheep.
158
395260
2000
gdzie narrator prosi księcia, by narysował owcę.
06:37
He draws sheep after sheep.
159
397260
2000
Rysuje on owcę za owcą.
06:39
The narrator's only appeased when he draws a box.
160
399260
2000
Narrator zostaje zaspokojony dopiero gdy rysuje pudełko.
06:41
And he says, "It's not about a scientific rendering of a sheep.
161
401260
2000
I mówi "Nie chodzi tu o naukowe wyobrażenie owcy.
06:43
It's about your own interpretation and doing something different."
162
403260
3000
Chodzi o twoją interpretację i zrobienie czegoś innego".
06:46
And I like that.
163
406260
2000
I mnie się to podoba.
06:48
So this is a clip from Charlie Chaplin's "Modern Times."
164
408260
2000
To jest urywek z filmu Charliego Chaplina "Dzisiejsze czasy".
06:50
It's showing Charlie Chaplin dealing with some of the major changes
165
410260
3000
Ukazuje Charliego Chaplina radzącego sobie z poważnymi zmianami
06:53
during the Industrial Revolution.
166
413260
2000
podczas Rewolucji Przemysłowej.
06:55
So there were no longer shoe makers,
167
415260
2000
Nie było więc już szewców,
06:57
but now there are people slapping soles on people's shoes.
168
417260
2000
teraz są ludzie przybijający podeszwy do butów.
06:59
And the whole idea of one's relationship to their work changed a lot.
169
419260
3000
I cała idea relacji jednostki do swojej pracy bardzo się zmieniła.
07:02
So I thought this was an interesting clip
170
422260
2000
Pomyślałem, że jest to interesujący urywek,
07:04
to divide into 16 pieces
171
424260
2000
aby go podzielić na 16 kawałków
07:06
and feed into the Mechanical Turk with a drawing tool.
172
426260
3000
i zamieścić na Mechanical Turk z narzędziem do rysowania.
07:09
This basically allowed -- what you see on the left side is the original frame,
173
429260
3000
To zasadniczo pozwoliło, po lewej stronie widzicie oryginalną klatkę,
07:12
and on the right side you see that frame
174
432260
2000
a po prawej tą klatkę w interpretacji
07:14
as interpreted by 16 people
175
434260
2000
16 ludzi,
07:16
who have no idea what it is they're doing.
176
436260
2000
którzy nie mają pojęcia co robią.
07:18
And this was the inspiration for a project
177
438260
2000
I to było inspiracją dla projektu,
07:20
that I worked on with my friend Takashi Kawashima.
178
440260
2000
nad którym pracowałem z moim przyjacielem Takashi Kawashima.
07:22
We decided to use the Mechanical Turk for exactly what it was meant for,
179
442260
2000
Zdecydowaliśmy się na użycie Mechanical Turk dokładnie do czego został stworzony,
07:24
which is making money.
180
444260
2000
czyli robienia pieniędzy.
07:26
So we took a hundred dollar bill and divided it into 10,000 teeny pieces,
181
446260
3000
Wzięliśmy więc banknot stu dolarowy i podzieliliśmy go na 10 000 małych kawałków,
07:29
and we fed those into the Mechanical Turk.
182
449260
2000
i umieściliśmy to na Mechanical Turk.
07:31
We asked people to draw what it was that they saw.
183
451260
2000
Poprosiliśmy ludzi, by narysowali to co widzą.
07:33
But here there was no sheep-like criteria.
184
453260
2000
Ale nie było kryterium jak przy owcach.
07:35
People, if they drew a stick figure or a smiley face,
185
455260
3000
Jeśli ludzie narysowali figurkę z patyków albo uśmieszek,
07:38
it actually made it into the bill.
186
458260
2000
to trafiało to na banknot.
07:40
So what you see is actually a representation of how well people did
187
460260
2000
To co więc widzicie, to reprezentacja jak ludzie poradzili sobie
07:42
what it was they were asked to do.
188
462260
2000
z tym o co ich poproszono.
07:44
So we took these hundred dollar bills,
189
464260
2000
Wzięliśmy więc te stu dolarowe banknoty
07:46
and we put them on a website called TenThousandsCents.com,
190
466260
2000
i umieściliśmy je na stronie TenThousandsCents.com,
07:48
where you can browse through and see all the individual contributions.
191
468260
3000
gdzie możecie przeglądać wszystkie indywidualne kontrybucje.
07:51
And you can also trade real hundred-dollar bills for fake hundred-dollar bills
192
471260
3000
Możecie też wymienić prawdziwe banknoty stu dolarowe na te fałszywe
07:54
and make a donation to the Hundred Dollar Laptop Project,
193
474260
3000
i wspomóc projekt Laptop za sto dolarów,
07:57
which is now known as One Laptop Per Child.
194
477260
3000
który jest znany jako Jeden laptop na dziecko.
08:00
This is again showing all the different contributions.
195
480260
2000
To ponownie pokazuje różne kontrybucje.
08:02
You see some people did beautiful stipple renderings,
196
482260
2000
Widzicie, że niektórzy ludzie zrobili piękne punktowe rysunki,
08:04
like this one on top --
197
484260
2000
jak ten na górze -
08:06
spent a long time making realistic versions.
198
486260
3000
spędzili dużo czasu tworząc realistyczne wersje.
08:09
And other people would draw stick figures or smiley faces.
199
489260
3000
A inni narysowali figurki z patyków albo uśmieszki.
08:12
Here on the right-hand side in the middle
200
492260
2000
Tu na środku, po prawej widzicie,
08:14
you see this one guy writing, "$0.01!!! Really?"
201
494260
3000
że jeden gość napisał "1 cent!!! Doprawdy?"
08:17
That's all I'm getting paid for this?
202
497260
4000
To wszystko co za to dostanę?
08:21
(Laughter)
203
501260
2000
(Śmiech)
08:23
So the last Mechanical Turk project I'm going to talk to you about
204
503260
2000
Ostatni projekt na Mechanical Turk, o którym wam opowiem
08:25
is called Bicycle Built for 2000.
205
505260
2000
zwie się Rower zbudowany na rok 2000.
08:27
This is a collaboration with my friend Daniel Massey.
206
507260
2000
Jest to współpraca z moim przyjacielem Danielem Massey.
08:29
You may recognize these two guys.
207
509260
2000
Możecie rozpoznać tych dwóch gości.
08:31
This is Max Mathews and John Kelly from Bell Labs in the '60s,
208
511260
3000
Są to Max Mathews i John Kelly z laboratorium Bell w latach 60-tych,
08:34
where they created the song "Daisy Bell,"
209
514260
2000
gdzie stworzyli piosenkę "Daisy Bell",
08:36
which was the world's first singing computer.
210
516260
2000
co było pierwszym na świecie śpiewającym komputerem.
08:38
You may recognize it from "2001: A Space Odyssey."
211
518260
2000
Możecie to pamiętać z "2001: Odyseja kosmiczna".
08:40
When HAL's dying at the end of the film he starts singing this song,
212
520260
3000
Gdy HAL umiera na końcu filmu zaczyna śpiewać tą piosenkę,
08:43
as a reference to when computers became human.
213
523260
3000
jako odwołanie do komputerów stających się ludźmi.
08:46
So we resynthesized this song.
214
526260
2000
Zmieniliśmy więc tą piosenkę.
08:48
This is what that sounded like.
215
528260
2000
Oto jak brzmiała.
08:50
We broke down all the individual notes
216
530260
2000
Rozbiliśmy ją na indywidualne nuty
08:52
in the singing as well as the phonemes in the singing.
217
532260
3000
w śpiewie, jak i fonemy w śpiewie.
08:55
Daisy Bell: ♫ Daisy, Daisy ... ♫
218
535260
4000
Daisy Bell: ♫ Daisy, Daisy ... ♫
08:59
Aaron Koblin: And we took all of those individual pieces,
219
539260
2000
Aaron Koblin: Zebraliśmy wszystkie te indywidualne kawałki
09:01
and we fed them into another Turk request.
220
541260
2000
i umieściliśmy je w kolejnym zleceniu na Mechanical Turk.
09:03
This is what it would look like if you went to the site.
221
543260
2000
Tak to wyglądało jak wchodziłeś na stronę.
09:05
You type in your code,
222
545260
2000
Wpisywałeś swój kod,
09:07
but you first test your mic.
223
547260
2000
ale najpierw testowałeś mikrofon.
09:09
You'd be fed a simple audio clip.
224
549260
2000
Dostawałeś prosty klip audio.
09:11
(Honk)
225
551260
2000
(Klakson)
09:13
And then you'd do your best to recreate that with your own voice.
226
553260
3000
Następnie robiłeś co w twojej mocy, aby odtworzyć to swoim głosem.
09:22
After previewing it and confirming it's what you submitted,
227
562260
3000
Po sprawdzeniu i zatwierdzeniu tego co przesłałeś,
09:25
you could submit it into the Mechanical Turk with no other context.
228
565260
3000
mogłeś przekazać to do Mechanical Turk bez żadnego kontekstu.
09:28
And this is what we first got back from the very first set of submissions.
229
568260
3000
A to jest pierwsza rzecz, którą uzyskaliśmy z pierwszego zbioru kontrybucji.
09:31
Recording: ♫ Daisy, Daisy ♫
230
571260
5000
Nagrywanie: ♫ Daisy, Daisy ♫
09:36
♫ give me your answer do ♫
231
576260
5000
♫ give me your answer do ♫
09:41
♫ I'm half crazy ♫
232
581260
4000
♫ I'm half crazy ♫
09:45
♫ all for the love of you ♫
233
585260
5000
♫ all for the love of you ♫
09:50
♫ It can't be a stylish marriage ♫
234
590260
5000
♫ It can't be a stylish marriage ♫
09:55
♫ I can't afford a carriage ♫
235
595260
4000
♫ I can't afford a carriage ♫
09:59
♫ But you'll look sweet upon the seat ♫
236
599260
5000
♫ But you'll look sweet upon the seat ♫
10:04
♫ of a bicycle built for two ♫
237
604260
5000
♫ of a bicycle built for two ♫
10:09
AK: So James Surowieki has this idea of the wisdom of crowds,
238
609260
3000
AK: Tak więc James Surowieki ma teorię o mądrości tłumu,
10:12
that says that a whole bunch of people are smarter than any individual.
239
612260
3000
która głosi, że grupa ludzi jest mądrzejsza niż jednostka.
10:15
We wanted to see how this applies to collaborative, distributed music making,
240
615260
3000
Chcieliśmy zobaczyć jak to się odnosi do wspólnego, rozproszonego tworzenia muzyki,
10:18
where nobody has any idea what it is they're working on.
241
618260
3000
gdzie nikt nie ma pojęcia nad czym pracuje.
10:21
So if you go to the BicycleBuiltforTwoThousand.com
242
621260
2000
Jeśli więc wejdziecie na stronę BicycleBuiltforTwoThousand.com
10:23
you can actually hear what all this sounds like together.
243
623260
2000
będziecie mogli posłuchać jak te wszystkie dźwięki brzmią połączone.
10:25
I'm sorry for this.
244
625260
2000
Przepraszam za to.
10:27
(Noise)
245
627260
5000
(Hałas)
10:32
Chorus: ♫ Daisy, Daisy ♫
246
632260
4000
Chór: ♫ Daisy, Daisy ♫
10:36
♫ Give me your answer do ♫
247
636260
5000
♫ Give me your answer do ♫
10:41
♫ I'm half crazy ♫
248
641260
5000
♫ I'm half crazy ♫
10:46
♫ all for the love of you ♫
249
646260
4000
♫ all for the love of you ♫
10:50
♫ It can't be a stylish marriage ♫
250
650260
5000
♫ It can't be a stylish marriage ♫
10:55
♫ I can't afford a carriage ♫
251
655260
4000
♫ I can't afford a carriage ♫
10:59
♫ But you'd look sweet upon the seat ♫
252
659260
5000
♫ But you'd look sweet upon the seat ♫
11:04
♫ of a bicycle built for two ♫
253
664260
6000
♫ of a bicycle built for two ♫
11:10
AK: So stepping back for a quick second,
254
670260
3000
AK: Zróbmy na moment krok wstecz,
11:13
when I was at UCLA going to grad school,
255
673260
2000
gdy uczęszczałem na UCLA,
11:15
I was also working at a place called the Center for Embedded Network Sensing.
256
675260
3000
pracowałem również w miejscu zwanym Centrum osadzonej sieci zmysłów.
11:18
And I was writing software to visualize laser scanners.
257
678260
3000
I pisałem oprogramowanie dla laserowych skanerów obrazu.
11:21
So basically motion through 3D space.
258
681260
2000
Zasadniczo ruch w trójwymiarowej przestrzeni.
11:23
And this was seen by a director in L.A. named James Frost
259
683260
2000
I zostało to zauważone przez dyrektora w L. A., Jamesa Frosta,
11:25
who said, "Wait a minute.
260
685260
2000
który powiedział "Poczekaj chwilę.
11:27
You mean we can shoot a music video without actually using any video?"
261
687260
2000
Mówisz, że możemy nakręcić teledysk bez używania jakichkolwiek filmów?".
11:29
So we did exactly that.
262
689260
2000
To właśnie zrobiliśmy.
11:31
We made a music video for one of my favorite bands, Radiohead.
263
691260
2000
Zrobiliśmy teledysk dla jednego z moich ulubionych zespołów, Radiohead.
11:33
And I think one of my favorite parts of this project
264
693260
2000
I myślę, że jedną z moich ulubionych części tego projektu
11:35
was not just shooting a video with lasers,
265
695260
2000
było nie samo kręcenie filmu z użyciem laserów,
11:37
but we also open sourced it,
266
697260
2000
ale to że otworzyliśmy go dla ludzi.
11:39
and we made it released as a Google Code project,
267
699260
2000
I umieściliśmy go jako projekt na Google Code,
11:41
where people could download a bunch of the data and some source code
268
701260
2000
gdzie ludzie mogli pobierać kawałek danych i trochę kodu źródłowego,
11:43
to build their own versions of it.
269
703260
2000
aby zbudować własne jego wersje.
11:45
And people were making some amazing things.
270
705260
2000
I ludzie tworzyli niesamowite rzeczy.
11:47
This is actually two of my favorites:
271
707260
2000
To są moje dwa ulubione:
11:49
the pin-board Thom Yorke and a LEGO Thom Yorke.
272
709260
2000
Thom Yorke z igieł i Thom Yorke z klocków lego.
11:51
A whole YouTube channel of people submitting really interesting content.
273
711260
3000
Cały kanał na YouTube, gdzie ludzie umieszczają naprawdę interesujące rzeczy.
11:54
More recently, somebody even 3D-printed Thom Yorke's head,
274
714260
3000
Ostatnio, ktoś nawet wydrukował w 3D głowę Thom Yorke'a,
11:57
which is a little creepy, but pretty cool.
275
717260
3000
co jest trochę przerażające, ale całkiem fajne.
12:00
So with everybody making so much amazing stuff
276
720260
2000
Tak więc widząc tych wszystkich, którzy robią tyle niesamowitych rzeczy
12:02
and actually understanding what it was they were working on,
277
722260
3000
i rzeczywiście rozumieją nad czym pracują,
12:05
I was really interested in trying to make a collaborative project
278
725260
2000
byłem naprawdę zainteresowany zrobieniem wspólnego projektu,
12:07
where people were working together to build something.
279
727260
2000
gdzie ludzi pracowaliby wspólnie, by coś zbudować.
12:09
And I met a music video director named Chris Milk.
280
729260
2000
Spotkałem reżysera teledysków, Chrisa Milka.
12:11
And we started bouncing around ideas
281
731260
2000
I zaczęliśmy żonglować pomysłami
12:13
to make a collaborative music video project.
282
733260
2000
o stworzeniu wspólnego teledysku.
12:15
But we knew we really needed the right person
283
735260
2000
Ale wiedzieliśmy, że naprawdę potrzebujemy odpowiedniej osoby,
12:17
to kind of rally behind and build something for.
284
737260
3000
która to wszystko zbierze i zbuduje całość.
12:20
So we put the idea on the back burner for a few months.
285
740260
2000
Odłożyliśmy więc pomysł na bok na kilka miesięcy.
12:22
And he ended up talking to Rick Rubin,
286
742260
2000
I skończyło się na rozmowach z Rickiem Rubinem,
12:24
who was finishing up Johnny Cash's final album
287
744260
2000
który wykańczał ostatni album Johnny'ego Casha
12:26
called "Ain't No Grave."
288
746260
2000
zatytułowany "Ain't No Grave".
12:28
The lyrics to the leading track are "Ain't no grave can hold my body down."
289
748260
3000
Słowa na wiodącej ścieżce to "Żaden grób nie zatrzyma mego ciała".
12:31
So we thought this was the perfect
290
751260
2000
Pomyśleliśmy więc, że będzie to doskonały
12:33
project to build a collaborative memorial
291
753260
2000
projekt, aby zbudować wspólny pomnik
12:35
and a virtual resurrection for Johnny Cash.
292
755260
2000
i wirtualne wskrzeszenie dla Johnny'ego Casha.
12:37
So I teamed up with my good friend Ricardo Cabello, also known as Mr. doob,
293
757260
3000
Połączyłem więc siły z moim dobrym przyjacielem Ricardo Cabello, znanym jako Mr. doob,
12:40
who's a much better programmer than I am,
294
760260
2000
który jest o wiele lepszym programistą niż ja,
12:42
and he made this amazing Flash drawing tool.
295
762260
2000
i stworzył on to wspaniałe, flashowe narzędzie do rysowania.
12:44
As you know,
296
764260
2000
Jak wiecie,
12:46
an animation is a series of images.
297
766260
2000
animacja to seria rysunków.
12:48
So what we did was cross-cut a bunch of archival footage of Johnny Cash,
298
768260
3000
Co więc zrobiliśmy, to pocięcie zbioru archiwalnych zdjęć Johnny'ego Casha,
12:51
and at eight frames a second,
299
771260
2000
i przy ośmiu klatkach na sekundę,
12:53
we allowed individuals to draw a single frame
300
773260
2000
pozwoliliśmy ludziom narysować pojedynczą klatkę,
12:55
that would get woven into
301
775260
2000
która zostanie wpleciona w
12:57
this dynamically changing music video.
302
777260
2000
ten dynamicznie zmieniający się teledysk.
12:59
So I don't have time to play the entire thing for you,
303
779260
2000
Nie mam czasu na odtworzenie wam całości,
13:01
but I want to show you two short clips.
304
781260
2000
ale chce wam pokazać dwa krótkie urywki.
13:03
One is the beginning of the music video.
305
783260
2000
Jeden jest początkiem teledysku.
13:05
And that's going to be followed by a short clip
306
785260
2000
Następnie pojawi się urywek,
13:07
of people who have already contributed to the project
307
787260
2000
ukazujący ludzi, którzy przyczynili się dla projektu,
13:09
talking about it briefly.
308
789260
3000
mówiących o nim krótko.
13:12
(Music)
309
792260
6000
(Muzyka)
13:18
(Video) Johnny Cash: ♫ There ain't no grave ♫
310
798260
2000
(Teledysk) Johnny Cash: ♫ There ain't no grave ♫
13:20
♫ can hold my body down ♫
311
800260
4000
♫ can hold my body down ♫
13:24
♫ There ain't no grave ♫
312
804260
2000
♫ There ain't no grave ♫
13:26
♫ can hold body down ♫
313
806260
3000
♫ can hold body down ♫
13:30
♫ When I hear the trumpet sound ♫
314
810260
4000
♫ When I hear the trumpet sound ♫
13:34
♫ I'm going to ride right out of the ground ♫
315
814260
2000
♫ I'm going to ride right out of the ground ♫
13:36
♫ Ain't no grave ♫
316
816260
3000
♫ Ain't no grave ♫
13:39
♫ can hold my body ... ♫
317
819260
3000
♫ can hold my body ... ♫
13:42
(Applause)
318
822260
2000
(Brawa)
13:44
AK: What better way to pay tribute to the man
319
824260
3000
AK: Czy jest lepszy sposób na oddanie hołdu człowiekowi,
13:47
than to make something for one of his songs.
320
827260
3000
niż zrobienie czegoś dla jednej z jego piosenek.
13:50
Collaborator: I felt really sad when he died.
321
830260
2000
Współpracownik: Czułem prawdziwy smutek kiedy on umarł.
13:52
And I just thought it'd be wonderful,
322
832260
2000
Pomyślałem, że byłoby wspaniale,
13:54
it'd be really nice to contribute something to his memory.
323
834260
3000
byłoby naprawdę miło przyczynić się jakoś dla jego upamiętnienia.
13:57
Collaborator Two: It really allows
324
837260
2000
Drugi współpracownik: To naprawdę pozwala
13:59
this last recording of his
325
839260
3000
jego ostatniemu nagraniu,
14:02
to be a living, breathing memorial.
326
842260
5000
na bycie żywym, oddychającym pomnikiem.
14:07
Collaborator Three: For all of the frames to be drawn by fans,
327
847260
3000
Trzeci współpracownik: Z wszystkich klatek narysowanych przez fanów,
14:10
each individual frame,
328
850260
2000
każda jedna,
14:12
it's got a very powerful feeling to it.
329
852260
2000
zawiera bardzo potężne uczucie.
14:14
Collaborator Four: I've seen everybody
330
854260
2000
Czwarty współpracownik: Widziałem tu wszystkich
14:16
from Japan, Venezuela, to the States,
331
856260
2000
od Japonii, Wenezueli, po USA,
14:18
to Knoxville, Tennessee.
332
858260
2000
po Knoxville, Tennessee.
14:20
Collaborator Five: As much as is different from frame to frame,
333
860260
3000
Piąty współpracownik: Tak bardzo jak różni się klatka od klatki,
14:23
it really is personal.
334
863260
2000
to jest naprawdę osobiste.
14:25
Collaborator Six: Watching the video in my room,
335
865260
2000
Szósty współpracownik: Oglądając teledysk w moim pokoju,
14:27
I could see me not understanding at the beginning of it.
336
867260
3000
widziałem siebie nie rozumiejącego na początku,
14:30
And I just worked and worked through problems,
337
870260
3000
więc pracowałem ciężko nad problemami,
14:33
until my little wee battles that I was fighting within the picture
338
873260
4000
dopóki moje małe, maleńkie bitwy, które toczyłem przy tym obrazie,
14:37
all began to resolve themselves.
339
877260
3000
zaczęły same się rozwiązywać.
14:40
You can actually see the point when I know what I'm doing,
340
880260
2000
Mogę więc zobaczyć sens, kiedy wiem co robię,
14:42
and a lot of light and dark comes into it.
341
882260
3000
wiele światła i mroku wchodzi w to.
14:45
And in a weird way,
342
885260
2000
I w dziwny sposób,
14:47
that's what I actually like about Johnny Cash's music as well.
343
887260
2000
to jest to co naprawdę lubię w muzyce Johnny'ego Cash'a.
14:49
It's the sum total of his life,
344
889260
2000
Jest to całkowite podsumowanie jego życia,
14:51
all the things that had happened --
345
891260
2000
wszystkich rzeczy, które się wydarzyły,
14:53
the bad things, the good things.
346
893260
2000
złe i dobre rzeczy.
14:55
You're hearing a person's life.
347
895260
3000
Słyszysz życie człowieka.
15:01
AK: So if you go to the website JohnnyCashProject.com,
348
901260
2000
AK: Jeśli więc wejdziecie na stronę JohnnyCashProject.com,
15:03
what you'll see is the video playing above.
349
903260
2000
zobaczycie teledysk odtwarzany na górze.
15:05
And below it are all the individual frames
350
905260
2000
A pod nim indywidualne klatki,
15:07
that people have been submitting to the project.
351
907260
2000
które ludzie przysyłali do projektu.
15:09
So this isn't finished at all,
352
909260
2000
Nie jest to więc w ogóle skończone,
15:11
but it's an ongoing project where people can continue to collaborate.
353
911260
2000
jest to trwający projekt, gdzie ludzie mogą stale współpracować.
15:13
If you roll over any one of those individual thumbnails,
354
913260
2000
Jeśli najedziecie na którąkolwiek z tych indywidualnych miniaturek,
15:15
you can see the person who drew that individual thumbnail
355
915260
2000
zobaczycie osobę, która ją narysowała
15:17
and where they were located.
356
917260
2000
i gdzie się ona znajduje.
15:19
And if you find one that you're interested in,
357
919260
2000
A jeśli znajdziecie taką, która was interesuje,
15:21
you can actually click on it and open up an information panel
358
921260
2000
możecie na nią kliknąć i otworzyć panel informacyjny
15:23
where you're able to rate that frame,
359
923260
2000
gdzie możecie oceniać tą klatkę,
15:25
which helps it bubble up to the top.
360
925260
2000
co pomoże jej wybić się na szczyt.
15:27
And you can also see the way that it was drawn.
361
927260
2000
Możecie również zobaczyć sposób w jaki została narysowana.
15:29
Again, you can get the playback and personal contribution.
362
929260
2000
Ponownie, możecie skorzystać z odtwarzania i osobistej kontrybucji.
15:31
In addition to that, it's listed, the artist's name, the location,
363
931260
3000
Dodatkowo wymieniono: imię artysty, lokację,
15:34
how long they spent drawing it.
364
934260
2000
jak długo trwało rysowanie.
15:36
And you can pick a style. So this one was tagged "Abstract."
365
936260
3000
Możecie też wybrać styl. Ten został oznaczony jako "Abstrakcja".
15:39
But there's a bunch of different styles.
366
939260
2000
Ale jest tu szereg innych stylów.
15:41
And you can sort the video a number of different ways.
367
941260
2000
Możecie też sortować teledyski na szereg różnych sposobów.
15:43
You can say, "I want to see the pointillist version
368
943260
2000
Możecie powiedzieć, "Chcę zobaczyć wersję pointylistyczną,
15:45
or the sketchy version or the realistic version.
369
945260
2000
albo szkicową, czy realistyczną".
15:47
And then this is, again, the abstract version,
370
947260
2000
Następnie jest, ponownie, wersja abstrakcyjna,
15:49
which ends up getting a little bit crazy.
371
949260
3000
która staje się pod koniec nieco zwariowana.
15:54
So the last project I want to talk to you about is another collaboration with Chris Milk.
372
954260
3000
Ostatnim projektem, o którym chce wam opowiedzieć jest kolejna współpraca z Chrisem Milkiem.
15:57
And this is called "The Wilderness Downtown."
373
957260
2000
Jest to "Dzicz w centrum".
15:59
It's an online music video for the Arcade Fire.
374
959260
3000
Jest to teledysk online dla The Arcade Fire.
16:02
Chris and I were really amazed
375
962260
2000
Chris i ja byliśmy zachwyceni,
16:04
by the potential now with modern web browsers,
376
964260
2000
potencjałem oferowanym przez nowoczesne przeglądarki,
16:06
where you have HTML5 audio and video
377
966260
2000
gdzie macie HTML5 dla audio i wideo,
16:08
and the power of JavaScript to render amazingly fast.
378
968260
3000
i moc JavaScriptu do niesamowicie szybkiego renderowania.
16:11
And we wanted to push the idea of the music video that was meant for the Web
379
971260
3000
Chcieliśmy przepchnąć ideę teledysku stworzonego dla Internetu,
16:14
beyond the four-by-three or sixteen-by-nine window
380
974260
3000
poza format cztery na trzy, czy okno 16/9,
16:17
and try to make it play out and choreograph throughout the screen.
381
977260
3000
i spróbować odtwarzać to i choreografować poprzez ekran.
16:20
But most importantly, I think,
382
980260
2000
Ale najważniejsze, moim zdaniem,
16:22
we really wanted to make an experience that was unlike the Johnny Cash Project,
383
982260
3000
to chcieliśmy stworzyć doświadczenie niepodobne do projektu Johnny Cash,
16:25
where you had a small group of people spending a lot of time
384
985260
3000
gdzie mieliście małą grupę ludzi poświęcających dużo czasu,
16:28
to contribute something for everyone.
385
988260
2000
by stworzyć coś dla wszystkich.
16:30
What if we had a very low commitment,
386
990260
3000
Co jeśli mielibyśmy bardzo małe poświęcenie,
16:33
but delivered something individually unique to each person who contributed?
387
993260
3000
ale dostarczyli coś indywidualnie unikalnego dla każdej osoby biorącej udział?
16:36
So the project starts off by asking you to enter the address
388
996260
2000
Projekt zaczyna się więc pytaniem o podanie adresu
16:38
of the home where you grew up.
389
998260
2000
domu, w którym dorastaliście.
16:40
And you type in the address --
390
1000260
2000
Wpisujecie więc adres,
16:42
it actually creates a music video specifically for you,
391
1002260
2000
a on tworzy teledysk specjalnie dla was,
16:44
pulling in Google maps and Streetview images
392
1004260
2000
używając map z Google i obrazów ze Streetview
16:46
into the experience itself.
393
1006260
2000
dla doświadczenia siebie.
16:48
So this should really be seen at home with you typing in your own address,
394
1008260
3000
Powinno to więc być oglądane w domu, gdzie wy wpisalibyście swoje własne adresy,
16:51
but I'm going to give you a little preview of what you can expect.
395
1011260
3000
ale dam wam podgląd tego czego możecie się spodziewać.
16:54
(Video) Win Butler: ♫ Now our lives are changing fast ♫
396
1014260
4000
(Teledysk) Win Butler: ♫ Now our lives are changing fast ♫
16:58
♫ Now our lives are changing fast ♫
397
1018260
4000
♫ Now our lives are changing fast ♫
17:02
♫ Hope that something pure can last ♫
398
1022260
3000
♫ Hope that something pure can last ♫
17:06
♫ Hope that something pure can last ♫
399
1026260
4000
♫ Hope that something pure can last ♫
17:13
♫ Ooh we used to wait ♫
400
1033260
4000
♫ Ooh we used to wait ♫
17:17
♫ Ooh we used to wait ♫
401
1037260
4000
♫ Ooh we used to wait ♫
17:21
♫ Ooh we used to wait ♫
402
1041260
3000
♫ Ooh we used to wait ♫
17:24
♫ Sometimes it never came ♫
403
1044260
3000
♫ Sometimes it never came ♫
17:27
♫ Sometimes it never came ♫
404
1047260
4000
♫ Sometimes it never came ♫
17:31
♫ Still moving through the pain ♫
405
1051260
3000
♫ Still moving through the pain ♫
17:34
♫ We used to wait for it ♫
406
1054260
4000
♫ We used to wait for it ♫
17:38
♫ We used to wait for it ♫
407
1058260
4000
♫ We used to wait for it ♫
17:42
♫ We used to wait for it ♫
408
1062260
4000
♫ We used to wait for it ♫
17:50
AK: So I think, if there's one thing to take away from my talk today,
409
1070260
3000
AK: Myślę więc, że jeśli jest jedna rzecz, którą powinniście wynieść z dzisiejszego wykładu,
17:53
it's that an interface can be a powerful narrative device.
410
1073260
2000
to że interfejs może być potężnym narzędziem narracji.
17:55
And as we collect more and more personally and socially relevant data,
411
1075260
4000
I podczas gdy zbieramy coraz więcej osobistych i socjalnych danych,
17:59
we have an opportunity, and maybe even an obligation,
412
1079260
2000
mamy możliwość, a może nawet obowiązek,
18:01
to maintain the humanity and tell some amazing stories
413
1081260
2000
by zachować człowieczeństwo i opowiedzieć kilka niesamowitych historii,
18:03
as we explore and collaborate together.
414
1083260
2000
podczas gdy wzajemnie eksplorujemy i współpracujemy.
18:05
Thanks a lot.
415
1085260
2000
Dziękuję bardzo.
18:07
(Applause)
416
1087260
4000
(Brawa)
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