Aaron Koblin: Artfully visualizing our humanity

Aaron Koblin: Visualizando nossa humanidade artisticamente

145,953 views

2011-05-23 ・ TED


New videos

Aaron Koblin: Artfully visualizing our humanity

Aaron Koblin: Visualizando nossa humanidade artisticamente

145,953 views ・ 2011-05-23

TED


Por favor, clique duas vezes nas legendas em inglês abaixo para reproduzir o vídeo.

Tradutor: Fers Gruendling Revisor: Rafael Tourinho Raymundo
00:15
So I think data can actually make us more human.
0
15260
4000
Eu acho que dados podem realmente nos fazer mais humanos.
00:19
We're collecting and creating all kinds of data about how we're living our lives,
1
19260
3000
Estamos coletando e criando todos os tipos de dados sobre como vivemos nossas vidas,
00:22
and it's enabling us to tell some amazing stories.
2
22260
2000
e isso nos permite contar histórias fascinates.
00:24
Recently, a wise media theorist Tweeted,
3
24260
3000
Recentemente, um sábio teórico de mídia tuitou:
00:27
"The 19th century culture was defined by the novel,
4
27260
2000
"A cultura do século 19 foi definida pelo Romance,
00:29
the 20th century culture was defined by the cinema,
5
29260
2000
a cultura do século 20 foi definida pelo cinema,
00:31
and the culture of the 21st century
6
31260
2000
e a cultura do século 21
00:33
will be defined by the interface."
7
33260
2000
será definida pela interface."
00:35
And I believe this is going to prove true.
8
35260
2000
E eu acredito que isso será verdade.
00:37
Our lives are being driven by data,
9
37260
2000
Nossas vidas são conduzidas por dados,
00:39
and the presentation of that data is an opportunity
10
39260
2000
e a apresentação desses dados é uma oportunidade
00:41
for us to make some amazing interfaces that tell great stories.
11
41260
2000
de fazermos incríveis interfaces que contam ótimas histórias.
00:43
So I'm going to show you a few of the projects
12
43260
2000
Eu vou mostrar alguns dos projetos nos quais
00:45
that I've been working on over the last couple years
13
45260
2000
eu tenho trabalhado nos últimos anos
00:47
that reflect on our lives and our systems.
14
47260
2000
que refletem sobre nossas vidas e nossos sistemas.
00:49
This is a project called Flight Patterns.
15
49260
2000
Este é o projeto chamado "Padrões de Voo."
00:51
What you're looking at is airplane traffic
16
51260
2000
Vocês estão olhando o tráfego aéreo
00:53
over North America for a 24-hour period.
17
53260
3000
sobre a América do Norte em um período de 24 horas.
00:56
As you see, everything starts to fade to black,
18
56260
2000
Como podem ver, tudo começa a ficar preto,
00:58
and you see people going to sleep.
19
58260
2000
e podem ver pessoas indo dormir.
01:00
Followed by that, you see on the West coast
20
60260
2000
Em seguida, vocês veem os aviões se movendo
01:02
planes moving across, the red-eye flights to the East coast.
21
62260
3000
pela costa oeste, os voos da madrugada da costa leste.
01:05
And you'll see everybody waking up on the East coast,
22
65260
3000
E verão todo mundo acordando na costa leste,
01:08
followed by European flights coming in the upper right-hand corner.
23
68260
3000
seguido dos voos europeus vindos do canto direito superior.
01:11
Everybody's moving from the East coast to the West coast.
24
71260
3000
Todo mundo está indo da costa leste para a costa oeste.
01:14
You see San Francisco and Los Angeles
25
74260
2000
Vocês veem São Francisco e Los Angeles
01:16
start to make their journeys down to Hawaii in the lower left-hand corner.
26
76260
3000
começando as suas jornadas para o Havaí no canto esquerdo inferior.
01:19
I think it's one thing to say there's 140,000 planes
27
79260
2000
Uma coisa é dizer que existem 140 mil aviões
01:21
being monitored by the federal government at any one time,
28
81260
3000
sendo monitorados pelo governo federal a todo o momento,
01:24
and it's another thing to see that system as it ebbs and flows.
29
84260
3000
e outra coisa é ver este sistema indo e vindo.
01:29
This is a time-lapse image of that exact same data,
30
89260
2000
Esta é uma imagem acelerada dos mesmos dados,
01:31
but I've color-coded it by type,
31
91260
2000
mas eu codifiquei em cores de acordo com o tipo,
01:33
so you can see the diversity of aircraft that are in the skies above us.
32
93260
3000
então vocês podem ver a diversidade dos aviões que estão acima de nós.
01:36
And I started making these, and I put them into Google Maps
33
96260
3000
Comecei a fazer isso e coloquei tudo no Google Maps
01:39
and allow you to zoom in and see individual airports
34
99260
2000
e vocês podem dar um zoom e ver cada aeroporto
01:41
and the patterns that are occurring there.
35
101260
2000
e os padrões que ocorrem por lá.
01:43
So here we can see the white represents low altitudes,
36
103260
3000
Aqui vemos que o branco representa baixas altitudes,
01:46
and the blue are higher altitudes.
37
106260
2000
e o azul significa altitudes maiores.
01:48
And you can zoom in. This is taking a look at Atlanta.
38
108260
2000
E é possível dar um zoom. Aqui estamos vendo Atlanta.
01:50
You can see this is a major shipping airport,
39
110260
2000
Vocês podem ver que é um grande aeroporto de carga,
01:52
and there's all kinds of activity there.
40
112260
2000
e há todo tipo de atividades acontecendo.
01:54
You can also toggle between altitude
41
114260
3000
É possível variar entre altitudes
01:57
for model and manufacturer.
42
117260
2000
para saber os modelos e fabricantes.
01:59
See again, the diversity.
43
119260
2000
Vejam, de novo, a diversidade.
02:01
And you can scroll around and see
44
121260
2000
E é possível mudar a posição e ver
02:03
some of the different airports and the different patterns that they have.
45
123260
3000
alguns dos diferentes aeroportos e os diferentes padrões que eles têm.
02:06
This is scrolling up the East coast.
46
126260
2000
Estamos indo para a costa leste.
02:08
You can see some of the chaos that's happening in New York
47
128260
2000
Vocês podem ver o caos que está acontecendo em Nova York
02:10
with the air traffic controllers
48
130260
2000
com os controladores de voo
02:12
having to deal with all those major airports next to each other.
49
132260
4000
tendo que lidar com aqueles grandes aeroportos próximos uns aos outros.
02:17
So zooming back out real quick,
50
137260
2000
Revertendo o zoom bem rápido,
02:19
we see, again, the U.S. -- you get Florida down in the right-hand corner.
51
139260
3000
vemos, de novo, os EUA - a Flórida embaixo no canto direito.
02:22
Moving across to the West coast,
52
142260
2000
Movendo para a costa oeste,
02:24
you see San Francisco and Los Angeles --
53
144260
2000
vemos São Francisco e Los Angeles --
02:26
big low-traffic zones
54
146260
2000
grandes áreas de baixo tráfego
02:28
across Nevada and Arizona.
55
148260
2000
por Nevada e Arizona.
02:30
And that's us down there in L.A. and Long Beach on the bottom.
56
150260
4000
Aqui estamos em Los Angeles e Long Beach embaixo.
02:36
I started taking a look as well at different perimeters,
57
156260
2000
Eu também comecei a olhar para perímetros diferentes,
02:38
because you can choose what you want to pull out from the data.
58
158260
2000
pois é possível escolher o que queremos tirar dos dados.
02:40
This is looking at ascending versus descending flights.
59
160260
3000
Aqui vemos voos ascendentes contra voos decententes.
02:43
And you can see, over time, the ways the airports change.
60
163260
2000
E podem ver, com o tempo, a maneira como os aeroportos mudam.
02:45
You see the holding patterns that start to develop
61
165260
2000
Vocês veem os padrões que se desenvolvem
02:47
in the bottom of the screen.
62
167260
2000
embaixo na tela.
02:49
And you can see, eventually the airport actually flips directions.
63
169260
3000
E veem que a certo ponto o aeroporto muda direções.
02:53
So this is another project that I worked on with the Sensible Cities Lab at MIT.
64
173260
3000
Este é outro projeto no qual eu trabalhei com o Sensible Cities Lab no MIT.
02:56
This is visualizing international communications.
65
176260
2000
Estamos visualizando comunicações internacionais.
02:58
So it's how New York communicates
66
178260
2000
É como Nova York se comunica
03:00
with other international cities.
67
180260
2000
com outras cidades internacionais.
03:02
And we set this up as a live globe in the Museum of Modern Art in New York
68
182260
3000
E montamos um globo "ao vivo" no Museu de Arte Moderna de Nova York
03:05
for the Design the Elastic Mind exhibition.
69
185260
2000
para a exibição "Projete a Mente Elástica."
03:07
And it had a live feed with a 24-hour offset,
70
187260
2000
E tinha um feed 24 horas, ao vivo,
03:09
so you could see the changing relationship
71
189260
2000
e era possível ver a relação mutante
03:11
and some demographic info
72
191260
2000
e algumas informações demográficas
03:13
coming through AT&T's data and revealing itself.
73
193260
3000
vindo através da AT&T e se revelando.
03:16
This is another project I worked on with Sensible Cities Lab
74
196260
2000
Este foi outro projeto no qual eu trabalhei com a Sensible Cities Lab
03:18
and CurrentCity.org.
75
198260
2000
e CurrentCity.org.
03:20
And it's visualizing SMS messages being sent in the city of Amsterdam.
76
200260
3000
Visualiza mensagens de texto sendo enviadas em Amsterdã.
03:23
So you're seeing the daily ebb and flow
77
203260
2000
Vocês estão vendo o ir e vir diário
03:25
of people sending SMS messages from different parts of the city,
78
205260
2000
de pessoas enviando mensagens de texto de partes diferentes da cidade,
03:27
until we approach New Year's Eve, where everybody says, "Happy New Year!"
79
207260
3000
até chegarmos à véspera de Ano Novo, onde todo mundo diz: "Feliz Ano Novo!"
03:30
(Laughter)
80
210260
2000
(Risos)
03:32
So this is an interactive tool
81
212260
2000
Esta é uma ferramenta interativa que pode
03:34
that you can move around and see different parts of the city.
82
214260
3000
ser movida e permite ver diferentes partes da cidade.
03:37
This is looking at another event. This is called Queen's Day.
83
217260
3000
Aqui é outro evento. É chamado de "Dia da Rainha."
03:40
So again, you get this daily ebb and flow
84
220260
2000
De novo, podemos ver o ir e vir diário
03:42
of people sending SMS messages from different parts of the city.
85
222260
3000
de pessoas enviando mensagens de texto de partes diferentes da cidade.
03:45
And then you're going to see people start to gather in the center of the city
86
225260
2000
Então veremos pessoas se reunindo no centro da cidade
03:47
to celebrate the night before,
87
227260
2000
para celebrar na noite anterior,
03:49
which happens right here.
88
229260
2000
o que acontece bem aqui.
03:51
And then you can see people celebrating the next day.
89
231260
2000
E então vemos pessoas celebrando no dia seguinte.
03:53
And you can pause it and step back and forth and see different phases.
90
233260
3000
E podemos pausar e ir para frente e para trás e ver diferentes fases.
03:56
So now on to something completely different.
91
236260
2000
Agora, algo completamente diferente.
03:58
Some of you may recognize this.
92
238260
2000
Alguns de vocês talvez reconheçam isso.
04:00
This is Baron Wolfgang von Kempelen's mechanical chess playing machine.
93
240260
3000
Esta é a máquina de jogar xadrez do Barão Wolfgang von Kempelen.
04:03
And it's this amazing robot that plays chess extremely well,
94
243260
2000
É um robô incrível que joga xadrez extremamente bem,
04:05
except for one thing: it's not a robot at all.
95
245260
3000
exceto por uma coisa: não é um robô.
04:08
There's actually a legless man that sits in that box
96
248260
2000
Na verdade, há um homem sem pernas dentro do robô
04:10
and controls this chess player.
97
250260
2000
que controla este jogador de xadrez.
04:12
This was the inspiration for a web service by Amazon
98
252260
2000
Esta foi a inspiração para um serviço da Amazon
04:14
called the Mechanical Turk -- named after this guy.
99
254260
3000
chamado "Turk Mecânico" - batizado com o nome do cara.
04:17
And it's based on the premise that there are certain things
100
257260
2000
E baseia-se na premissa que há certas coisas
04:19
that are easy for people, but really difficult for computers.
101
259260
2000
que são fáceis para as pessoas, mas muito difíceis para os computadores.
04:21
So they made this web service and said,
102
261260
2000
Então, fizeram esse serviço da web e disseram:
04:23
"Any programmer can write a piece of software
103
263260
2000
"Qualquer programador pode fazer um software
04:25
and tap into the minds of thousands of people."
104
265260
2000
e compreender as mentes de milhares de pessoas."
04:27
The nerdy side of me thought, "Wow, this is amazing.
105
267260
2000
O meu lado nerd pensou: "Uau, isto é incrível.
04:29
I can tap into thousands of people's minds."
106
269260
2000
Posso compreender as mentes de milhares de pessoas."
04:31
And the other nerdy side of me thought,
107
271260
2000
E o meu outro lado nerd pensou:
04:33
"This is horrible. This is completely bizarre.
108
273260
3000
"Isto é horrível. É completamente bizarro.
04:36
What does this mean for the future of mankind,
109
276260
2000
O que isso significa para o futuro da humanidade,
04:38
where we're all plugged into this borg?"
110
278260
2000
onde todos estaremos ligados a este ciborg?"
04:40
I was probably being a little extreme.
111
280260
2000
Provavelmente, eu estava sendo um pouco extremo.
04:42
But what does this mean when we have no context for what it is that we're working on,
112
282260
2000
Mas o que significa quando não temos contexto para as coisas com que trabalhamos,
04:44
and we're just doing these little labors?
113
284260
2000
e apenas fazemos esses pequenos trabalhos?
04:46
So I created this drawing tool.
114
286260
2000
Então eu criei esta ferramenta de desenho.
04:48
I asked people to draw a sheep facing to the left.
115
288260
2000
Eu pedi para pessoas desenharem uma ovelha olhando para a esquerda.
04:50
And I said, "I'll pay you two cents for your contribution."
116
290260
2000
E disse: "Eu vou pagar dois centavos por sua contribuição."
04:52
And I started collecting sheep.
117
292260
3000
E eu comecei a colecionar ovelhas.
04:55
And I collected a lot, a lot of different sheep.
118
295260
3000
E eu colecionei muitas ovelhas diferentes.
04:59
Lots of sheep.
119
299260
2000
Muitas ovelhas.
05:01
I took the first 10,000 sheep that I collected,
120
301260
2000
Eu peguei as primeiras 10 mil ovelhas,
05:03
and I put them on a website called TheSheepMarket.com
121
303260
3000
e coloquei todas em um site chamado TheSheepMarket.com
05:06
where you can actually buy collections of 20 sheep.
122
306260
3000
onde é possível comprar coleções de 20 ovelhas.
05:09
You can't pick individual sheep,
123
309260
2000
Você não pode escolher ovelhas individuais,
05:11
but you can buy a single plate block of stamps as a commodity.
124
311260
4000
mas pode comprar um bloco de selos como commodity.
05:15
And juxtaposed against this grid,
125
315260
2000
E, justaposta contra a grade,
05:17
you see actually, by rolling over each individual one,
126
317260
2000
é possível ver, ao passar por cada uma,
05:19
the humanity behind this hugely mechanical process.
127
319260
3000
a humanidade atrás desse enorme processo mecânico.
05:22
I think there's something really interesting
128
322260
2000
Acho que há algo muito interessante
05:24
to watching people as they go through this creative toil --
129
324260
3000
em observar pessoas em seu processo criativo --
05:27
something we can all relate to,
130
327260
2000
algo com que todos nós nos relacionamos,
05:29
this creative process of trying to come up with something from nothing.
131
329260
3000
esse processo criativo está tentando criar algo do nada.
05:32
I think it was really interesting to juxtapose this humanity
132
332260
2000
Acho que foi muito interessante justapor a humanidade
05:34
versus this massive distributed grid.
133
334260
2000
versus esta enorme grade.
05:36
Kind of amazing what some people did.
134
336260
3000
Incrível o que algumas pessoas fizeram.
05:39
So here's a few statistics from the project.
135
339260
2000
Aqui vão algumas estatísticas do projeto.
05:41
Approximate collection rate of 11 sheep per hour,
136
341260
2000
O número aproximado de ovelhas coletadas foi de 11 por hora,
05:43
which would make a working wage of 69 cents per hour.
137
343260
3000
o que teve um custo de trabalho de 69 centavos por hora.
05:46
There were 662 rejected sheep
138
346260
2000
Houve 662 ovelhas rejeitadas
05:48
that didn't meet "sheep-like" criteria and were thrown out of the flock.
139
348260
3000
pois não pareciam ovelhas e foram tiradas do rebanho.
05:51
(Laughter)
140
351260
2000
(Risos)
05:53
The amount of time spent drawing ranged from four seconds to 46 minutes.
141
353260
3000
A quantidade de tempo gasto desenhando foi entre 4 segundos e 46 minutos.
05:56
That gives you an idea of the different types of motivations and dedication.
142
356260
3000
Isso dá uma ideia dos diferentes tipos de motivação e dedicação.
05:59
And there were 7,599 people that contributed to the project,
143
359260
3000
E 7.599 pessoas contribuíram com o projeto,
06:02
or were unique IP addresses --
144
362260
2000
ou eram endereços de IP únicos -
06:04
so about how many people contributed.
145
364260
2000
enfim, mais ou menos o número de pessoas que contribuíram.
06:06
But only one of them out of the 7,599 said this.
146
366260
4000
Mas somente uma pessoa dentre as 7.599 disse isso.
06:10
(Laughter)
147
370260
4000
(Risos)
06:14
Which I was pretty surprised by.
148
374260
2000
Algo que me surpreendeu.
06:16
I expected people to be wondering, "Why did I draw a sheep?"
149
376260
3000
Eu esperava que as pessoas pensariam: "Por que eu desenhei uma ovelha?"
06:19
And I think it's a pretty valid question.
150
379260
2000
E eu acho uma questão muito válida.
06:21
And there's a lot of reasons why I chose sheep.
151
381260
2000
E há muitas razões por que eu escolhi ovelhas.
06:23
Sheep were the first animal
152
383260
2000
A ovelha foi o primeiro animal
06:25
to be raised from mechanically processed byproducts,
153
385260
2000
a ser criado por subprodutos mecanicamente processados,
06:27
the first to be selectively bred for production traits,
154
387260
2000
o primeiro a ser seletivamente reproduzido para características de produção,
06:29
the first animal to be cloned.
155
389260
2000
o primeiro animal a ser clonado.
06:31
Obviously, we think of sheep as followers.
156
391260
2000
Obviamente, pensamos em ovelhas como seguidoras.
06:33
And there's this reference to "Le Petit Prince"
157
393260
2000
E há uma referência em "O Pequeno Príncipe"
06:35
where the narrator asks the prince to draw a sheep.
158
395260
2000
em que o narrador pede ao príncipe que desenhe uma ovelha.♫
06:37
He draws sheep after sheep.
159
397260
2000
Ele desenha ovelha atrás de ovelha.
06:39
The narrator's only appeased when he draws a box.
160
399260
2000
O narrador só sossega quando ele desenha uma caixa.
06:41
And he says, "It's not about a scientific rendering of a sheep.
161
401260
2000
E ele diz: "Não é para ser uma interpretação científica de uma ovelha.
06:43
It's about your own interpretation and doing something different."
162
403260
3000
A questão é ser sua própria interpretação e fazer algo diferente."
06:46
And I like that.
163
406260
2000
E eu gosto disso.
06:48
So this is a clip from Charlie Chaplin's "Modern Times."
164
408260
2000
Este é um trecho do filme de Charlie Chaplin "Tempos Modernos."
06:50
It's showing Charlie Chaplin dealing with some of the major changes
165
410260
3000
Mostra Charlie Chaplin lidando com algumas das grandes mudanças
06:53
during the Industrial Revolution.
166
413260
2000
durante a Revolução Industruial.
06:55
So there were no longer shoe makers,
167
415260
2000
Não havia mais sapateiros.
06:57
but now there are people slapping soles on people's shoes.
168
417260
2000
Agora, havia pessoas batendo nas solas dos sapatos.
06:59
And the whole idea of one's relationship to their work changed a lot.
169
419260
3000
E a ideia da relação de qualquer pessoa com o seu trabalho mudou muito.
07:02
So I thought this was an interesting clip
170
422260
2000
Então achei que esse seria um trecho interessante
07:04
to divide into 16 pieces
171
424260
2000
para dividir em 16 partes
07:06
and feed into the Mechanical Turk with a drawing tool.
172
426260
3000
e colocar no "Turk Mecânico" com uma ferramenta de desenho.
07:09
This basically allowed -- what you see on the left side is the original frame,
173
429260
3000
Isso permitiu - o que vocês veem no lado esquerdo é o frame original,
07:12
and on the right side you see that frame
174
432260
2000
e na direita está o frame
07:14
as interpreted by 16 people
175
434260
2000
interpretado por 16 pessoas
07:16
who have no idea what it is they're doing.
176
436260
2000
que não têm ideia do que estão fazendo.
07:18
And this was the inspiration for a project
177
438260
2000
E esta foi a inspiração para um projeto
07:20
that I worked on with my friend Takashi Kawashima.
178
440260
2000
no qual eu trabalhei com meu amigo Takashi Kawashima.
07:22
We decided to use the Mechanical Turk for exactly what it was meant for,
179
442260
2000
Decidimos usar o Turk Mecânico exatamente para o que foi criado,
07:24
which is making money.
180
444260
2000
que é fazer dinheiro.
07:26
So we took a hundred dollar bill and divided it into 10,000 teeny pieces,
181
446260
3000
Pegamos uma nota de cem dólares e dividimos em 10 mil pedacinhos,
07:29
and we fed those into the Mechanical Turk.
182
449260
2000
e colocamos tudo no Turk Mecânico.
07:31
We asked people to draw what it was that they saw.
183
451260
2000
Pedimos para as pessoas desenharem o que viam.
07:33
But here there was no sheep-like criteria.
184
453260
2000
Mas não havia critérios de semelhança com ovelha.
07:35
People, if they drew a stick figure or a smiley face,
185
455260
3000
Se desenhassem um boneco de palito, ou uma carinha sorridente,
07:38
it actually made it into the bill.
186
458260
2000
seria incorporado na nota.
07:40
So what you see is actually a representation of how well people did
187
460260
2000
O que vemos é uma representação do quão bem as pessoas fizeram
07:42
what it was they were asked to do.
188
462260
2000
o que lhes foi pedido para fazer.
07:44
So we took these hundred dollar bills,
189
464260
2000
Aí pegamos as notas de cem dólares
07:46
and we put them on a website called TenThousandsCents.com,
190
466260
2000
e as colocamos em um site chamado TenThousandCents.com,
07:48
where you can browse through and see all the individual contributions.
191
468260
3000
onde é possível ver todas as contribuições individuais.
07:51
And you can also trade real hundred-dollar bills for fake hundred-dollar bills
192
471260
3000
E é possível trocar notas reais de cem dólares por notas falsas de cem dólares
07:54
and make a donation to the Hundred Dollar Laptop Project,
193
474260
3000
e fazer uma doação para o "Projeto Laptop de Cem Dólares,"
07:57
which is now known as One Laptop Per Child.
194
477260
3000
que agora é conhecido como "Um Laptop Por Criança."
08:00
This is again showing all the different contributions.
195
480260
2000
De novo, vemos as diferentes contribuições.
08:02
You see some people did beautiful stipple renderings,
196
482260
2000
Vemos que alguns fizeram lindos pontilhados,
08:04
like this one on top --
197
484260
2000
como este aqui no topo.
08:06
spent a long time making realistic versions.
198
486260
3000
Passaram muito tempo fazendo versões realistas.
08:09
And other people would draw stick figures or smiley faces.
199
489260
3000
E outras pessoas desenharam figuras-palito ou caras sorridentes.
08:12
Here on the right-hand side in the middle
200
492260
2000
Aqui no lado direito, no meio,
08:14
you see this one guy writing, "$0.01!!! Really?"
201
494260
3000
vemos esse escrevendo: "$0,01!!! Sério?"
08:17
That's all I'm getting paid for this?
202
497260
4000
É tudo que me pagaram por isso?
08:21
(Laughter)
203
501260
2000
(Risos)
08:23
So the last Mechanical Turk project I'm going to talk to you about
204
503260
2000
O último projeto no Turk Mecânico do qual eu vou falar
08:25
is called Bicycle Built for 2000.
205
505260
2000
é chamado "Bicicleta Feita para 2000."
08:27
This is a collaboration with my friend Daniel Massey.
206
507260
2000
É uma colaboração com meu amigo Daniel Massey.
08:29
You may recognize these two guys.
207
509260
2000
Talvez reconheçam esses dois caras.
08:31
This is Max Mathews and John Kelly from Bell Labs in the '60s,
208
511260
3000
Estes são Max Mathews e John Kelly, do Bell Labs, nos anos 60,
08:34
where they created the song "Daisy Bell,"
209
514260
2000
onde criaram a canção "Daisy Bell,"
08:36
which was the world's first singing computer.
210
516260
2000
que o foi o primeiro computador que cantava do mundo.
08:38
You may recognize it from "2001: A Space Odyssey."
211
518260
2000
Talvez reconheçam do filme "2001: Uma Odisseia no Espaço."
08:40
When HAL's dying at the end of the film he starts singing this song,
212
520260
3000
Quando HAL está morrendo no final do filme, ele começa a cantar essa canção,
08:43
as a reference to when computers became human.
213
523260
3000
como uma referência a quando os computadores se tornaram humanos.
08:46
So we resynthesized this song.
214
526260
2000
Então ressintetizamos esta música.
08:48
This is what that sounded like.
215
528260
2000
Ela soava assim.
08:50
We broke down all the individual notes
216
530260
2000
Nós quebramos as notas individuais
08:52
in the singing as well as the phonemes in the singing.
217
532260
3000
na cantoria assim como os fonemas na cantoria.
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: E pegamos todos os pedaços individuais,
09:01
and we fed them into another Turk request.
220
541260
2000
e colocamos no Turk novamente.
09:03
This is what it would look like if you went to the site.
221
543260
2000
Isso é como se pareceria se vocês fossem no site.
09:05
You type in your code,
222
545260
2000
Vocês colocarim o seu código,
09:07
but you first test your mic.
223
547260
2000
mas primeiro testarim o microfone.
09:09
You'd be fed a simple audio clip.
224
549260
2000
Vocês receberiam um trecho de áudio simples.
09:11
(Honk)
225
551260
2000
(Som)
09:13
And then you'd do your best to recreate that with your own voice.
226
553260
3000
E então fariam o melhor para recriá-lo com sua própria voz.
09:22
After previewing it and confirming it's what you submitted,
227
562260
3000
Depois de dar um preview e confirmar o envio,
09:25
you could submit it into the Mechanical Turk with no other context.
228
565260
3000
poderiam colocar no Turk Mecânico sem qualquer outro contexto.
09:28
And this is what we first got back from the very first set of submissions.
229
568260
3000
E isso foi o que recebemos do primeiro grupo de contribuições.
09:31
Recording: ♫ Daisy, Daisy ♫
230
571260
5000
Gravação: ♫ Daisy, Daisy ♫
09:36
♫ give me your answer do ♫
231
576260
5000
♫ me dê sua resposta, dê ♫
09:41
♫ I'm half crazy ♫
232
581260
4000
♫ Estou quase louco ♫
09:45
♫ all for the love of you ♫
233
585260
5000
♫ pelo seu amor ♫
09:50
♫ It can't be a stylish marriage ♫
234
590260
5000
♫ Não é possível um casamento estiloso ♫
09:55
♫ I can't afford a carriage ♫
235
595260
4000
♫ Não posso pagar uma carruagem ♫
09:59
♫ But you'll look sweet upon the seat ♫
236
599260
5000
♫ Mas você ficará linda no banco ♫
10:04
♫ of a bicycle built for two ♫
237
604260
5000
♫ de uma bicicleta feita para dois ♫
10:09
AK: So James Surowieki has this idea of the wisdom of crowds,
238
609260
3000
AK: James Surowieski tem essa ideia da sabedoria das multidões,
10:12
that says that a whole bunch of people are smarter than any individual.
239
612260
3000
que diz que um bando de pessoas é mais inteligente do que qualquer indivíduo.
10:15
We wanted to see how this applies to collaborative, distributed music making,
240
615260
3000
Queríamos ver como isso se aplicaria à composição musical colaborativa distribuída,
10:18
where nobody has any idea what it is they're working on.
241
618260
3000
em que ninguém tem ideia daquilo no qual está trabalhando.
10:21
So if you go to the BicycleBuiltforTwoThousand.com
242
621260
2000
Se vocês acessarem BicycleBuiltforTwoThousand.com,
10:23
you can actually hear what all this sounds like together.
243
623260
2000
vocês podem ouvir como isso soa.
10:25
I'm sorry for this.
244
625260
2000
Desculpem-me por isso.
10:27
(Noise)
245
627260
5000
(Barulho)
10:32
Chorus: ♫ Daisy, Daisy ♫
246
632260
4000
Refrão: ♫ Daisy, Daisy ♫
10:36
♫ Give me your answer do ♫
247
636260
5000
♫ Me dê sua resposta, dê ♫
10:41
♫ I'm half crazy ♫
248
641260
5000
♫ Estou quase louco ♫
10:46
♫ all for the love of you ♫
249
646260
4000
♫ pelo seu amor ♫
10:50
♫ It can't be a stylish marriage ♫
250
650260
5000
♫ Não é possível um casamento estiloso ♫
10:55
♫ I can't afford a carriage ♫
251
655260
4000
♫ Não posso pagar uma carruagem ♫
10:59
♫ But you'd look sweet upon the seat ♫
252
659260
5000
♫ Mas você ficaria linda no banco ♫
11:04
♫ of a bicycle built for two ♫
253
664260
6000
♫ de uma bicicleta feita para dois ♫
11:10
AK: So stepping back for a quick second,
254
670260
3000
AK: Então, parando por um segundo,
11:13
when I was at UCLA going to grad school,
255
673260
2000
quando eu estudava na UCLA,
11:15
I was also working at a place called the Center for Embedded Network Sensing.
256
675260
3000
trabalhava num lugar chamado Center fo Embedded Network Sensing.
11:18
And I was writing software to visualize laser scanners.
257
678260
3000
E fazia software para scaners de laser visuais.
11:21
So basically motion through 3D space.
258
681260
2000
Basicamente, movimento em espaço 3D.
11:23
And this was seen by a director in L.A. named James Frost
259
683260
2000
E isso foi visto por um diretor em Los Angeles chamado James Frost
11:25
who said, "Wait a minute.
260
685260
2000
que disse: "Só um pouquinho.
11:27
You mean we can shoot a music video without actually using any video?"
261
687260
2000
Quer dizer que podemos filmar um videoclipe sem usar vídeo?"
11:29
So we did exactly that.
262
689260
2000
Foi exatamente o que fizemos.
11:31
We made a music video for one of my favorite bands, Radiohead.
263
691260
2000
Fizemos um clipe para uma das minhas bandas favoritas, Radiohead.
11:33
And I think one of my favorite parts of this project
264
693260
2000
E acho que uma das melhores partes deste projeto
11:35
was not just shooting a video with lasers,
265
695260
2000
não foi só filmar um vídeo com lasers,
11:37
but we also open sourced it,
266
697260
2000
mas também o tornamos open source
11:39
and we made it released as a Google Code project,
267
699260
2000
e lançamos como um projeto do Google Code,
11:41
where people could download a bunch of the data and some source code
268
701260
2000
onde as pessoas poderiam baixar vários dados e algum código fonte
11:43
to build their own versions of it.
269
703260
2000
para fazer suas próprias versões.
11:45
And people were making some amazing things.
270
705260
2000
E as pessoas fizeram coisas incríveis.
11:47
This is actually two of my favorites:
271
707260
2000
Estes são dois dos meus favoritos:
11:49
the pin-board Thom Yorke and a LEGO Thom Yorke.
272
709260
2000
o Thom Yorke pin-board e um Thom Yorke em LEGO.
11:51
A whole YouTube channel of people submitting really interesting content.
273
711260
3000
Todo um canal do YouTube com pessoas enviando conteúdo bem interessante.
11:54
More recently, somebody even 3D-printed Thom Yorke's head,
274
714260
3000
Mais recentemente, alguém até imprimiu a cabeça do Thom Yorke em 3D,
11:57
which is a little creepy, but pretty cool.
275
717260
3000
o que é meio assustador, mas muito legal.
12:00
So with everybody making so much amazing stuff
276
720260
2000
Então, com todos fazendo coisas tão incríveis
12:02
and actually understanding what it was they were working on,
277
722260
3000
e entendendo no que eles estavam trabalhando,
12:05
I was really interested in trying to make a collaborative project
278
725260
2000
eu me interessei em fazer um projeto colaborativo
12:07
where people were working together to build something.
279
727260
2000
em que as pessoas trabalhassem juntas para criar algo.
12:09
And I met a music video director named Chris Milk.
280
729260
2000
E eu conheci um diretor de videoclipes chamado Chris Milk.
12:11
And we started bouncing around ideas
281
731260
2000
E começamos a discutir ideias
12:13
to make a collaborative music video project.
282
733260
2000
para fazer um projeto de videoclipe colaborativo.
12:15
But we knew we really needed the right person
283
735260
2000
Mas sabíamos que precisávamos da pessoa certa
12:17
to kind of rally behind and build something for.
284
737260
3000
para mobilzar e construir algo.
12:20
So we put the idea on the back burner for a few months.
285
740260
2000
Então deixamos a ideia amadurecer por alguns meses.
12:22
And he ended up talking to Rick Rubin,
286
742260
2000
E acabamos conversando com Rick Rubin,
12:24
who was finishing up Johnny Cash's final album
287
744260
2000
que estava terminando o último álbum do Johnny Cash
12:26
called "Ain't No Grave."
288
746260
2000
chamado "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
A letra da faixa principal era "Nenhuma cova pode segurar meu corpo."
12:31
So we thought this was the perfect
290
751260
2000
Então pensamos que esse seria o projeto
12:33
project to build a collaborative memorial
291
753260
2000
perfeito para fazer uma homagem colaborativa
12:35
and a virtual resurrection for Johnny Cash.
292
755260
2000
e uma ressurreição virtual de Johnny Cash.
12:37
So I teamed up with my good friend Ricardo Cabello, also known as Mr. doob,
293
757260
3000
Juntei-me ao meu grande amigo Ricardo Cabello, também conhecido como Sr. baseado,
12:40
who's a much better programmer than I am,
294
760260
2000
que é um programador muito melhor do que eu,
12:42
and he made this amazing Flash drawing tool.
295
762260
2000
e ele fez essa incrível ferramenta de desenho em Flash.
12:44
As you know,
296
764260
2000
Como sabem,
12:46
an animation is a series of images.
297
766260
2000
uma animação é uma série de imagens.
12:48
So what we did was cross-cut a bunch of archival footage of Johnny Cash,
298
768260
3000
O que fizemos foi cortar várias imagens de arquivo de Johnny Cash,
12:51
and at eight frames a second,
299
771260
2000
e, a oito frames por segundo,
12:53
we allowed individuals to draw a single frame
300
773260
2000
permitimos que indivíduos desenhassem um único frame
12:55
that would get woven into
301
775260
2000
que seria entrelaçado neste
12:57
this dynamically changing music video.
302
777260
2000
videoclipe dinamicamente mutante.
12:59
So I don't have time to play the entire thing for you,
303
779260
2000
Eu não tenho tempo de mostrar todo ele para vocês,
13:01
but I want to show you two short clips.
304
781260
2000
mas quero mostrar dois trechos curtos.
13:03
One is the beginning of the music video.
305
783260
2000
Um é o começo do vídeo.
13:05
And that's going to be followed by a short clip
306
785260
2000
E vai ser seguido por um trechinho
13:07
of people who have already contributed to the project
307
787260
2000
de pessoas que já contribuíram com o projeto
13:09
talking about it briefly.
308
789260
3000
falando sobre ele.
13:12
(Music)
309
792260
6000
(Música)
13:18
(Video) Johnny Cash: ♫ There ain't no grave ♫
310
798260
2000
(Vídeo) Johnny Cash: ♫ Nenhuma cova ♫
13:20
♫ can hold my body down ♫
311
800260
4000
♫ pode segurar o meu corpo ♫
13:24
♫ There ain't no grave ♫
312
804260
2000
♫ Nenhuma cova ♫
13:26
♫ can hold body down ♫
313
806260
3000
♫ pode segurar o meu corpo ♫
13:30
♫ When I hear the trumpet sound ♫
314
810260
4000
♫ Quando ouço o som do trompete ♫
13:34
♫ I'm going to ride right out of the ground ♫
315
814260
2000
♫ Vou sair direto do chão ♫
13:36
♫ Ain't no grave ♫
316
816260
3000
♫ Nenhuma cova ♫
13:39
♫ can hold my body ... ♫
317
819260
3000
♫ pode segurar o meu corpo ... ♫
13:42
(Applause)
318
822260
2000
(Aplausos)
13:44
AK: What better way to pay tribute to the man
319
824260
3000
AK: Que maneira melhor de fazer um tributo para o homem
13:47
than to make something for one of his songs.
320
827260
3000
do que fazer algo para uma de suas músicas.
13:50
Collaborator: I felt really sad when he died.
321
830260
2000
Colaborador: Eu fiquei muito triste quando ele morreu.
13:52
And I just thought it'd be wonderful,
322
832260
2000
E pensei que seria ótimo,
13:54
it'd be really nice to contribute something to his memory.
323
834260
3000
que seria muito legal contribuir com algo em sua memória.
13:57
Collaborator Two: It really allows
324
837260
2000
Colaborador Dois: Isso permite
13:59
this last recording of his
325
839260
3000
que a sua última gravação
14:02
to be a living, breathing memorial.
326
842260
5000
seja uma lembrança viva, que respira.
14:07
Collaborator Three: For all of the frames to be drawn by fans,
327
847260
3000
Colaborador Três: Para todos os frames serem desenhados por fãs,
14:10
each individual frame,
328
850260
2000
cada único frame,
14:12
it's got a very powerful feeling to it.
329
852260
2000
há um sentimento muito poderoso.
14:14
Collaborator Four: I've seen everybody
330
854260
2000
Colaborador Quatro: Eu vi todo mundo
14:16
from Japan, Venezuela, to the States,
331
856260
2000
do Japão, Venezuela, aos EUA,
14:18
to Knoxville, Tennessee.
332
858260
2000
a Knoxville, Tennessee.
14:20
Collaborator Five: As much as is different from frame to frame,
333
860260
3000
Colaborador Cinco: Assim como é diferente a cada frame,
14:23
it really is personal.
334
863260
2000
é realmente pessoal.
14:25
Collaborator Six: Watching the video in my room,
335
865260
2000
Colaborador Seis: Olhando o vídeo em meu quarto,
14:27
I could see me not understanding at the beginning of it.
336
867260
3000
eu podia me ver não entendendo bem no início.
14:30
And I just worked and worked through problems,
337
870260
3000
E eu trabalhei os problemas, até que
14:33
until my little wee battles that I was fighting within the picture
338
873260
4000
as pequenas batalhas que eu travei com o filme
14:37
all began to resolve themselves.
339
877260
3000
começaram a se resolver sozinhas.
14:40
You can actually see the point when I know what I'm doing,
340
880260
2000
Então eu consigo ver o ponto quando eu sei o que estou fazendo,
14:42
and a lot of light and dark comes into it.
341
882260
3000
e muita luz e escuridão aparecem.
14:45
And in a weird way,
342
885260
2000
E, de uma maneira estranha,
14:47
that's what I actually like about Johnny Cash's music as well.
343
887260
2000
isso é o que eu gosto na música do Johnny Cash também.
14:49
It's the sum total of his life,
344
889260
2000
É a soma total de sua vida,
14:51
all the things that had happened --
345
891260
2000
todas as coisas que aconteceram -
14:53
the bad things, the good things.
346
893260
2000
as coisas boas e ruins.
14:55
You're hearing a person's life.
347
895260
3000
Você está ouvindo a vida de uma pessoa.
15:01
AK: So if you go to the website JohnnyCashProject.com,
348
901260
2000
AK: Se vocês forem ao website JohnnyCashProject.com,
15:03
what you'll see is the video playing above.
349
903260
2000
o que verão será o vídeo tocando acima.
15:05
And below it are all the individual frames
350
905260
2000
E abaixo estão os frames individuais
15:07
that people have been submitting to the project.
351
907260
2000
que as pessoas vêm colocando no projeto.
15:09
So this isn't finished at all,
352
909260
2000
Isso não está terminado,
15:11
but it's an ongoing project where people can continue to collaborate.
353
911260
2000
mas é um projeto contínuo no qual as pessoas podem seguir colaborando.
15:13
If you roll over any one of those individual thumbnails,
354
913260
2000
Se vocês passarem por quaisquer miniaturas individuais,
15:15
you can see the person who drew that individual thumbnail
355
915260
2000
podem ver a pessoa que desenhou aquilo
15:17
and where they were located.
356
917260
2000
e onde ela está.
15:19
And if you find one that you're interested in,
357
919260
2000
E, se acharem um que lhes interesse,
15:21
you can actually click on it and open up an information panel
358
921260
2000
vocês podem clicar nele e abrir um painel de informações
15:23
where you're able to rate that frame,
359
923260
2000
onde podem avaliar o frame,
15:25
which helps it bubble up to the top.
360
925260
2000
o que ajuda a empurrá-lo para o topo.
15:27
And you can also see the way that it was drawn.
361
927260
2000
E também podem ver a maneira como foi desenhado.
15:29
Again, you can get the playback and personal contribution.
362
929260
2000
De novo, vocês podem ver o playback e a contribuição pessoal.
15:31
In addition to that, it's listed, the artist's name, the location,
363
931260
3000
Além disso, está listado o nome do artista, o local,
15:34
how long they spent drawing it.
364
934260
2000
o tempo que passou desenhando.
15:36
And you can pick a style. So this one was tagged "Abstract."
365
936260
3000
E podem escolher um estilo. Este foi marcado como "Abstrato."
15:39
But there's a bunch of different styles.
366
939260
2000
Mas há muitos estilos diferentes.
15:41
And you can sort the video a number of different ways.
367
941260
2000
E vocês podem organizar o vídeo de maneiras diferentes.
15:43
You can say, "I want to see the pointillist version
368
943260
2000
Vocês podem dizer: "Eu quero ver a versão pontilhista
15:45
or the sketchy version or the realistic version.
369
945260
2000
ou a versão em esboço ou a versão realista.
15:47
And then this is, again, the abstract version,
370
947260
2000
E aqui, de novo, a versão abstrata,
15:49
which ends up getting a little bit crazy.
371
949260
3000
que acaba virando uma coisa meio louca.
15:54
So the last project I want to talk to you about is another collaboration with Chris Milk.
372
954260
3000
O último projeto do qual vou falar é outra colaboração com Chris Milk.
15:57
And this is called "The Wilderness Downtown."
373
957260
2000
E chama-se "The Wilderness Downtown."
15:59
It's an online music video for the Arcade Fire.
374
959260
3000
É um vídeo online do The Arcade Fire.
16:02
Chris and I were really amazed
375
962260
2000
O Chris e eu ficamos pasmos
16:04
by the potential now with modern web browsers,
376
964260
2000
pelo potencial atual dos browsers modernos,
16:06
where you have HTML5 audio and video
377
966260
2000
nos quais temos áudio e vídeo em HTML5,
16:08
and the power of JavaScript to render amazingly fast.
378
968260
3000
e o poder do JavaScript que torna tudo rápido.
16:11
And we wanted to push the idea of the music video that was meant for the Web
379
971260
3000
E queríamos avançar a ideia de um videoclipe feito para a web
16:14
beyond the four-by-three or sixteen-by-nine window
380
974260
3000
para além da tela quatro por três ou 16/9
16:17
and try to make it play out and choreograph throughout the screen.
381
977260
3000
e tentar fazer com que tocasse e fizesse coreografias pela tela.
16:20
But most importantly, I think,
382
980260
2000
Mas, mais que isso, acho que
16:22
we really wanted to make an experience that was unlike the Johnny Cash Project,
383
982260
3000
queríamos fazer uma experiência que não fosse igual à do Projeto Johnny Cash,
16:25
where you had a small group of people spending a lot of time
384
985260
3000
onde tínhamos um grupo pequeno de pessoas dedicando muito tempo
16:28
to contribute something for everyone.
385
988260
2000
para contribuir com algo para todo mundo.
16:30
What if we had a very low commitment,
386
990260
3000
E se tivéssemos um comprometimento muito pequeno,
16:33
but delivered something individually unique to each person who contributed?
387
993260
3000
mas déssemos algo individualmente único para cada pessoa que contribuísse?
16:36
So the project starts off by asking you to enter the address
388
996260
2000
Então o projeto começa pedindo que você dê o endereço
16:38
of the home where you grew up.
389
998260
2000
da casa onde você cresceu.
16:40
And you type in the address --
390
1000260
2000
E você digita o endereço --
16:42
it actually creates a music video specifically for you,
391
1002260
2000
na verdade, isso cria um videoclipe especificamente para você,
16:44
pulling in Google maps and Streetview images
392
1004260
2000
colocando mapas do Google e imagens do Streetview
16:46
into the experience itself.
393
1006260
2000
dentro da experiência.
16:48
So this should really be seen at home with you typing in your own address,
394
1008260
3000
Isso deveria ser visto em casa com vocês digitando seus próprios endereços,
16:51
but I'm going to give you a little preview of what you can expect.
395
1011260
3000
mas eu vou mostrar um pouco do que vocês podem esperar.
16:54
(Video) Win Butler: ♫ Now our lives are changing fast ♫
396
1014260
4000
(Vídeo) Win Butler: ♫ Agora nossas vidas estão mudando rapidamente ♫
16:58
♫ Now our lives are changing fast ♫
397
1018260
4000
♫ Agora nossas vidas estão mudando rapidamente ♫
17:02
♫ Hope that something pure can last ♫
398
1022260
3000
♫ Espero que algo puro perdure ♫
17:06
♫ Hope that something pure can last ♫
399
1026260
4000
♫ Espero que algo puro perdure ♫
17:13
♫ Ooh we used to wait ♫
400
1033260
4000
♫ Ooh, costumávamos esperar ♫
17:17
♫ Ooh we used to wait ♫
401
1037260
4000
♫ Ooh, costumávamos esperar ♫
17:21
♫ Ooh we used to wait ♫
402
1041260
3000
♫ Ooh, costumávamos esperar ♫
17:24
♫ Sometimes it never came ♫
403
1044260
3000
♫ Às vezes nunca vinha ♫
17:27
♫ Sometimes it never came ♫
404
1047260
4000
♫ Às vezes nunca vinha ♫
17:31
♫ Still moving through the pain ♫
405
1051260
3000
♫ Ainda passando pela dor ♫
17:34
♫ We used to wait for it ♫
406
1054260
4000
♫ Costumávamos esperar por isso ♫
17:38
♫ We used to wait for it ♫
407
1058260
4000
♫ Costumávamos esperar por isso ♫
17:42
♫ We used to wait for it ♫
408
1062260
4000
♫ Costumávamos esperar por isso ♫
17:50
AK: So I think, if there's one thing to take away from my talk today,
409
1070260
3000
AK: Então acho que, se há algo para tirar da minha apresentação hoje,
17:53
it's that an interface can be a powerful narrative device.
410
1073260
2000
é que uma interface pode ser um meio para uma narrativa poderosa.
17:55
And as we collect more and more personally and socially relevant data,
411
1075260
4000
E, ao coletarmos cada vez mais dados pessoalmente e socialmente relevantes,
17:59
we have an opportunity, and maybe even an obligation,
412
1079260
2000
temos uma oportunidade, e talvez até uma obrigação,
18:01
to maintain the humanity and tell some amazing stories
413
1081260
2000
de manter a humanidade e contar histórias incríveis
18:03
as we explore and collaborate together.
414
1083260
2000
à medida que exploramos e colaboramos juntos.
18:05
Thanks a lot.
415
1085260
2000
Muito obrigado.
18:07
(Applause)
416
1087260
4000
(Aplausos)
Sobre este site

Este site apresentará a você vídeos do YouTube que são úteis para o aprendizado do inglês. Você verá aulas de inglês ministradas por professores de primeira linha de todo o mundo. Clique duas vezes nas legendas em inglês exibidas em cada página de vídeo para reproduzir o vídeo a partir daí. As legendas rolarão em sincronia com a reprodução do vídeo. Se você tiver algum comentário ou solicitação, por favor, entre em contato conosco usando este formulário de contato.

https://forms.gle/WvT1wiN1qDtmnspy7