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

60,357 views ・ 2010-03-03

TED


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

Tłumaczenie: Marcin Krzaczkowski Korekta: Dawid Madoń
00:16
If I can leave you with one big idea today,
0
16260
2000
Chciałbym przekonać Was dziś do jednej ważnej myśli:
00:18
it's that the whole of the data
1
18260
2000
że całość danych,
00:20
in which we consume
2
20260
2000
które przyswajamy,
00:22
is greater that the sum of the parts,
3
22260
2000
jest większa niż suma ich części,
00:24
and instead of thinking about information overload,
4
24260
3000
a zamiast myśleć o przeciążeniu informacjami,
00:27
what I'd like you to think about is how
5
27260
2000
chciałbym żebyście wyobrazili sobie możliwości
00:29
we can use information so that patterns pop
6
29260
3000
wykorzystywania informacji, dzięki którym wyłaniają się wzorce,
00:32
and we can see trends that would otherwise be invisible.
7
32260
3000
a my dostrzegamy tendencje, które bez tego byłyby niewidoczne.
00:35
So what we're looking at right here is a typical mortality chart
8
35260
3000
Widzicie tu typowy wykres umieralności
00:38
organized by age.
9
38260
2000
w zależności od wieku.
00:40
This tool that I'm using here is a little experiment.
10
40260
2000
Narzędzie, którego używam, to mały eksperyment.
00:42
It's called Pivot, and with Pivot what I can do
11
42260
3000
Nazywa się Pivot i dzięki niemu mogę
00:45
is I can choose to filter in one particular cause of deaths -- say, accidents.
12
45260
4000
przefiltrować według konkretnej przyczyny śmierci – na przykład wypadków.
00:49
And, right away, I see there's a different pattern that emerges.
13
49260
3000
I od razu widzę, że teraz wyłania się inny wzorzec.
00:52
This is because, in the mid-area here,
14
52260
2000
Jest tak, ponieważ tutaj pośrodku
00:54
people are at their most active,
15
54260
2000
są ludzie w wieku największej aktywności życiowej
00:56
and over here they're at their most frail.
16
56260
2000
a tam najsłabsi.
00:58
We can step back out again
17
58260
2000
Możemy cofnąć się
01:00
and then reorganize the data by cause of death,
18
60260
2000
i uporządkować dane według przyczyn śmierci
01:02
seeing that circulatory diseases and cancer
19
62260
3000
i widzimy, że to choroby układu krążenia i rak
01:05
are the usual suspects, but not for everyone.
20
65260
3000
są typowymi przyczynami – ale nie w każdym przypadku.
01:08
If we go ahead and we filter by age --
21
68260
3000
Jeśli teraz jeszcze przefiltrujemy według wieku,
01:11
say 40 years or less --
22
71260
2000
na przykład: do 40 roku życia,
01:13
we see that accidents are actually
23
73260
2000
widzimy, że to wypadki są faktycznie
01:15
the greatest cause that people have to be worried about.
24
75260
3000
głównym zagrożeniem.
01:18
And if you drill into that, it's especially the case for men.
25
78260
3000
Zagłębiając się w to, widzimy że dotyczy to zwłaszcza mężczyzn.
01:21
So you get the idea
26
81260
2000
Widzicie teraz,
01:23
that viewing information, viewing data in this way,
27
83260
3000
że przeglądanie informacji, przeglądanie danych w ten sposób
01:26
is a lot like swimming
28
86260
2000
przypomina pływanie
01:28
in a living information info-graphic.
29
88260
3000
w żywej infografice, grafice informacyjnej.
01:31
And if we can do this for raw data,
30
91260
2000
A skoro możemy zrobić to z danymi liczbowymi,
01:33
why not do it for content as well?
31
93260
3000
czemu nie spróbować z zawartością Internetu?
01:36
So what we have right here
32
96260
2000
Tutaj mamy
01:38
is the cover of every single Sports Illustrated
33
98260
3000
okładki wszystkich numerów "Sports Illustrated",
01:41
ever produced.
34
101260
2000
jakie wydano.
01:43
It's all here; it's all on the web.
35
103260
2000
Wszystkie dostępne na WWW.
01:45
You can go back to your rooms and try this after my talk.
36
105260
3000
Po mojej prezentacji możecie sprawdzić to samemu.
01:48
With Pivot, you can drill into a decade.
37
108260
3000
Korzystając z Pivota, możemy zagłębić się w daną dekadę.
01:51
You can drill into a particular year.
38
111260
2000
Możemy zagłębić się w konkretny rok.
01:53
You can jump right into a specific issue.
39
113260
3000
Możemy przejść prosto do określonego numeru.
01:56
So I'm looking at this; I see the athletes
40
116260
2000
A więc oglądam to, widzę sportowców,
01:58
that have appeared in this issue, the sports.
41
118260
2000
którzy pojawili się w tym numerze... dyscypliny.
02:00
I'm a Lance Armstrong fan, so I'll go ahead and I'll click on that,
42
120260
3000
Jestem fanem Lance'a Armstronga, więc kliknę tutaj
02:03
which reveals, for me, all the issues
43
123260
2000
i zobaczę wszystkie numery,
02:05
in which Lance Armstrong's been a part of.
44
125260
2000
w których pojawił się Lance Armstrong.
02:07
(Applause)
45
127260
3000
(Oklaski)
02:10
Now, if I want to just kind of take a peek at these,
46
130260
3000
Jeśli chciałbym tylko rzucić okiem na to wszystko,
02:13
I might think,
47
133260
2000
mogę stwierdzić:
02:15
"Well, what about taking a look at all of cycling?"
48
135260
2000
A może spojrzeć na wszystko związane z kolarstwem?
02:17
So I can step back, and expand on that.
49
137260
2000
Więc cofnę się i rozwinę to.
02:19
And I see Greg LeMond now.
50
139260
2000
I teraz widzę Grega Lemonda.
02:21
And so you get the idea that when you
51
141260
2000
Teraz powinniście dostrzegać, że gdy
02:23
navigate over information this way --
52
143260
2000
nawigujemy w ten sposób wśród informacji,
02:25
going narrower, broader,
53
145260
2000
zawężając, poszerzając,
02:27
backing in, backing out --
54
147260
2000
zbliżając, oddalając,
02:29
you're not searching, you're not browsing.
55
149260
2000
nie wyszukujemy ani nie przeglądamy.
02:31
You're doing something that's actually a little bit different.
56
151260
2000
Robimy naprawdę coś trochę innego.
02:33
It's in between, and we think it changes
57
153260
3000
To coś pośredniego i sądzimy, że jest to zmiana
02:36
the way information can be used.
58
156260
2000
możliwości wykorzystania informacji.
02:38
So I want to extrapolate on this idea a bit
59
158260
2000
Chciałbym dokonać małej ekstrapolacji tego pomysłu,
02:40
with something that's a little bit crazy.
60
160260
2000
zrobić coś trochę szalonego.
02:42
What we're done here is we've taken every single Wikipedia page
61
162260
3000
Otóż wzięliśmy wszystkie strony Wikipedii
02:45
and we reduced it down to a little summary.
62
165260
3000
i każdą z nich zredukowaliśmy do krótkiego abstraktu.
02:48
So the summary consists of just a little synopsis
63
168260
3000
Tak więc nasz abstrakt składa się z króciutkiego streszczenia
02:51
and an icon to indicate the topical area that it comes from.
64
171260
3000
oraz ikony wskazującej dziedzinę, do której należy.
02:54
I'm only showing the top 500
65
174260
3000
Widzicie teraz tylko 500 najpopularniejszych
02:57
most popular Wikipedia pages right here.
66
177260
2000
stron Wikipedii.
02:59
But even in this limited view,
67
179260
2000
Ale nawet z tym ograniczonym zbiorem
03:01
we can do a lot of things.
68
181260
2000
możemy zrobić mnóstwo rzeczy.
03:03
Right away, we get a sense of what are the topical domains
69
183260
2000
Od razu możemy dostrzec, jakie dziedziny
03:05
that are most popular on Wikipedia.
70
185260
2000
są najpopularniejsze w Wikipedii.
03:07
I'm going to go ahead and select government.
71
187260
2000
Następnie wybiorę kategorię Rządy.
03:09
Now, having selected government,
72
189260
3000
Teraz, po wybraniu kategorii Rządy
03:12
I can now see that the Wikipedia categories
73
192260
2000
widzę, że w Wikipedii
03:14
that most frequently correspond to that
74
194260
2000
najmocniej koresponduje ona
03:16
are Time magazine People of the Year.
75
196260
3000
z kategorią Człowiek Roku tygodnika Time.
03:19
So this is really important because this is an insight
76
199260
3000
To bardzo ważny przykład, ponieważ ta informacja
03:22
that was not contained within any one Wikipedia page.
77
202260
3000
nie znajduje się na żadnej konkretnej stronie Wikipedii.
03:25
It's only possible to see that insight
78
205260
2000
Możemy się tego dowiedzieć, tylko jeśli
03:27
when you step back and look at all of them.
79
207260
3000
odsuniemy się i obejmiemy wzrokiem je wszystkie.
03:30
Looking at one of these particular summaries,
80
210260
2000
Zapoznając się z jednym z tych abstraktów,
03:32
I can then drill into the concept of
81
212260
3000
mogę zagłębić się w pojęcie
03:35
Time magazine Person of the Year,
82
215260
2000
„Człowiek Roku tygodnika Time”
03:37
bringing up all of them.
83
217260
2000
i przywołać informacje o tych wszystkich osobach.
03:39
So looking at these people,
84
219260
2000
Przyglądając się im,
03:41
I can see that the majority come from government;
85
221260
3000
widzę, że większość jest związana ze sferami rządowymi.
03:45
some have come from natural sciences;
86
225260
3000
Niektóre ze sferą nauk przyrodniczych.
03:49
some, fewer still, have come from business --
87
229260
3000
Niektóre, jeszcze mniejsza liczba, z biznesem.
03:53
there's my boss --
88
233260
2000
Tu jest mój szef.
03:55
and one has come from music.
89
235260
5000
A jedna osoba jest związana z muzyką.
04:00
And interestingly enough,
90
240260
2000
I co ciekawe,
04:02
Bono is also a TED Prize winner.
91
242260
3000
Bono jest również laureatem nagrody TED Prize.
04:05
So we can go, jump, and take a look at all the TED Prize winners.
92
245260
3000
Możemy więc teraz przeskoczyć do zestawienia wszystkich laureatów TED Prize.
04:08
So you see, we're navigating the web for the first time
93
248260
3000
Jak widzicie pierwszy raz nawigujemy w sieci WWW
04:11
as if it's actually a web, not from page-to-page,
94
251260
3000
jak w prawdziwej sieci – nie ze strony na stronę,
04:14
but at a higher level of abstraction.
95
254260
2000
ale na wyższym poziomie abstrakcji.
04:16
And so I want to show you one other thing
96
256260
2000
Chcę pokazać jeszcze jedną rzecz,
04:18
that may catch you a little bit by surprise.
97
258260
3000
która może Was trochę zaskoczyć.
04:21
I'm just showing the New York Times website here.
98
261260
3000
Widzicie tu witrynę New York Timesa.
04:24
So Pivot, this application --
99
264260
2000
Pivot, aplikacja ta –
04:26
I don't want to call it a browser; it's really not a browser,
100
266260
2000
nie będę jej nazywać przeglądarką, to nie jest przeglądarka,
04:28
but you can view web pages with it --
101
268260
3000
choć można w niej wyświetlać strony WWW –
04:31
and we bring that zoomable technology
102
271260
2000
ta technika zmiany powiększenia jest dostępna
04:33
to every single web page like this.
103
273260
3000
dla każdej strony WWW.
04:36
So I can step back,
104
276260
3000
Mogę więc odsunąć się, żeby spojrzeć z dystansu
04:39
pop right back into a specific section.
105
279260
2000
i wskoczyć prosto do określonej sekcji.
04:41
Now the reason why this is important is because,
106
281260
2000
Jest to ważne, ponieważ
04:43
by virtue of just viewing web pages in this way,
107
283260
3000
dzięki możliwości wyświetlania stron WWW w ten sposób
04:46
I can look at my entire browsing history
108
286260
2000
mogę popatrzeć na całą moją historię przeglądania
04:48
in the exact same way.
109
288260
2000
w dokładnie taki sam sposób.
04:50
So I can drill into what I've done
110
290260
2000
Mogę więc zagłębić się w to, co robiłem
04:52
over specific time frames.
111
292260
2000
w określonych przedziałach czasu.
04:54
Here, in fact, is the state
112
294260
2000
Tutaj jest zapis
04:56
of all the demo that I just gave.
113
296260
2000
całej mojej dzisiejszej demonstracji.
04:58
And I can sort of replay some stuff that I was looking at earlier today.
114
298260
3000
Mogę też, w pewnym sensie, odtworzyć to, co oglądałem dziś wcześniej.
05:01
And, if I want to step back and look at everything,
115
301260
3000
A jeśli chcę odsunąć się jeszcze bardziej i popatrzeć na wszystko,
05:04
I can slice and dice my history,
116
304260
2000
mogę przeanalizować ze wszystkich stron moją historię,
05:06
perhaps by my search history --
117
306260
2000
może pod kątem mojej historii wyszukiwania.
05:08
here, I was doing some nepotistic searching,
118
308260
2000
Tutaj uprawiałem trochę nepotyzmu podczas wyszukiwania,
05:10
looking for Bing, over here for Live Labs Pivot.
119
310260
3000
wyszukując Bing, a tutaj Live Labs Pivot.
05:13
And from these, I can drill into the web page
120
313260
2000
A stąd mogę się zagłębić w tę stronę WWW
05:15
and just launch them again.
121
315260
2000
i po prostu otworzyć ją ponownie.
05:17
It's one metaphor repurposed multiple times,
122
317260
3000
To jedna metafora o wielu zastosowaniach,
05:20
and in each case it makes the whole greater
123
320260
2000
a każde z nich daje nam całość większą
05:22
than the sum of the parts with the data.
124
322260
2000
niż suma części zawierających dane.
05:24
So right now, in this world,
125
324260
3000
Tak więc: teraz, w dzisiejszym świecie
05:27
we think about data as being this curse.
126
327260
3000
myślimy o danych jako klątwie.
05:30
We talk about the curse of information overload.
127
330260
3000
Mówimy o klątwie przeciążenia informacjami.
05:33
We talk about drowning in data.
128
333260
3000
Mówimy o tonięciu w danych.
05:36
What if we can actually turn that upside down
129
336260
2000
Co się stanie, jeśli odwrócimy to wszystko do góry nogami?
05:38
and turn the web upside down,
130
338260
2000
Odwrócimy WWW do góry nogami
05:40
so that instead of navigating from one thing to the next,
131
340260
3000
i zamiast przechodzić od jednego elementu do drugiego
05:43
we get used to the habit of being able to go from many things to many things,
132
343260
3000
przyzwyczaimy się do możliwości przechodzenia od zbioru elementów do innego zbioru elementów,
05:46
and then being able to see the patterns
133
346260
2000
dzięki czemu zobaczymy wzorce,
05:48
that were otherwise hidden?
134
348260
2000
które w innej sytuacji byłyby ukryte?
05:50
If we can do that, then instead of being trapped in data,
135
350260
5000
Jeśli uda nam się to, zamiast tkwić w pułapce danych,
05:55
we might actually extract information.
136
355260
3000
moglibyśmy naprawdę wydobywać informacje.
05:58
And, instead of dealing just with information,
137
358260
2000
I zamiast zajmować się tylko informacjami
06:00
we can tease out knowledge.
138
360260
2000
moglibyśmy wyłuskiwać wiedzę.
06:02
And if we get the knowledge, then maybe even there's wisdom to be found.
139
362260
3000
A gdy już będziemy mieć wiedzę, może nawet uda się odnaleźć mądrość.
06:05
So with that, I thank you.
140
365260
2000
Z taką nadzieją dziękuję za uwagę.
06:07
(Applause)
141
367260
8000
(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