Sergey Brin and Larry Page: The genesis of Google

269,308 views ・ 2007-05-15

TED


โปรดดับเบิลคลิกที่คำบรรยายภาษาอังกฤษด้านล่างเพื่อเล่นวิดีโอ

Translator: Trinsit Wasinudomrod Reviewer: Nae Tanpradit
00:26
Sergey Brin: I want to discuss a question
0
26000
2000
เซอร์เก บริน: ผมอยากพูดถึงคำถามหนึ่ง
00:28
I know that's been pressing on many of your minds.
1
28000
2000
ผมรู้ว่าคำถามนั้นรบกวนจิตใจพวกคุณหลายคน
00:30
We spoke to you last several years ago.
2
30000
3000
เราได้คุยเรื่องนี้กับคุณเมื่อหลายปีก่อน
00:33
And before I get started today,
3
33000
2000
และก่อนที่ผมจะเริ่มพูดวันนี้
00:35
since many of you are wondering,
4
35000
3000
เพราะว่าคุณหลายคนกำลังสงสัย
00:38
I just wanted to get it out of the way.
5
38000
2000
ผมแค่อยากตอบให้มันจบไป
00:40
The answer is boxers.
6
40000
3000
คำตอบคือ กางเกงใน
00:52
Now I hope all of you feel better.
7
52000
2000
ตอนนี้ผมหวังว่าคุณคงรู้สึกดีขึ้นแล้ว
00:54
Do you know what this might be? Does anyone know what that is?
8
54000
3000
พวกคุณรู้ไหมว่านี่มันน่าจะเป็นอะไร? มีใครรู้บ้างว่านี่คืออะไร?
00:57
Audience: Yes.
9
57000
1000
ผู้ฟัง: รู้
00:58
SB: What is it?
10
58000
2000
เซอร์เก บริน: มันคืออะไรหละ?
01:00
Audience: It's people logging on to Google around the world.
11
60000
2000
ผู้ฟัง: ผู้คนกำลังใช้งานกูเกิลจากทั่วโลก
01:02
SB: Wow, OK. I didn't really realize what it was when I first saw it.
12
62000
3000
เซอร์เก บริน: ว้าว ครั้งแรกที่เห็นมัน ผมไม่รู้ว่ามันคืออะไร
01:05
But this is what helped me see it.
13
65000
3000
แต่นี่ช่วยให้ผมมองเห็น
01:08
This is what we run at the office, that actually runs real time.
14
68000
3000
นี่คือโปรแกรมเราเปิดไว้ที่ออฟฟิศ แสดงผลตามเวลาจริง
01:11
Here it's slightly logged.
15
71000
2000
ตรงนี้มีคนเข้าใช้งานนิดหน่อย
01:13
But here you can see around the world
16
73000
2000
แต่ที่นี่คุณสามารถเห็นทั้งโลก
01:15
how people are using Google.
17
75000
3000
ผู้คนใช้งานกูเกิลกันยังไง
01:18
And every one of those rising dots
18
78000
2000
และแต่ละจุดแสง
01:20
represents probably about 20, 30 searches,
19
80000
3000
เป็นสัญลักษณ์แทนการค้นหา 20-30 ครั้ง
01:23
or something like that.
20
83000
2000
ราวๆนั้น
01:25
And they're labeled by color right now, by language.
21
85000
4000
และจุดแสงแสดงสีสันแยกตามภาษา
01:29
So you can see: here we are in the U.S.,
22
89000
2000
ดังนั้นคุณจะเห็นว่าพวกเราอยู่ที่นี่ในสหรัฐ
01:31
and they're all coming up red.
23
91000
2000
จุดแสงแสดงเป็นสีแดงทั้งหมด
01:33
There we are in Monterey -- hopefully I can get it right.
24
93000
2000
เราอยู่ที่มอนเทอเรย์ หวังว่าผมชี้ถูกนะ
01:35
You can see that Japan is busy at night,
25
95000
3000
คุณจะเห็นว่าญี่ปุ่นกำลังคึกคักช่วงกลางคืน
01:38
right there.
26
98000
2000
ตรงโน้น
01:40
We have Tokyo coming in in Japanese.
27
100000
3000
ที่โตเกียวใช้ภาษาญี่ปุ่นในการค้นหา
01:43
There's a lot of activity in China.
28
103000
2000
มีความเคลื่อนไหวมากมายในจีน
01:45
There's a lot of activity in India.
29
105000
3000
มีความเคลื่อนไหวมากมายในอินเดีย
01:48
There's some in the Middle East, the little pockets.
30
108000
4000
มีบ้างมาจากตะวันออกกลาง ตรงแถบเล็กๆนี่
01:52
And Europe, which is right now in the middle of the day,
31
112000
3000
และยุโรป ซึ่งตอนนี้เป็นช่วงกลางวัน
01:55
is going really strong with a whole wide variety of languages.
32
115000
4000
กำลังคึกคักมากด้วยสารพัดภาษา
02:06
Now you can also see, if I turn this around here --
33
126000
6000
ตอนนี้คุณจะได้เห็นด้วยว่า ถ้าผมหมุนมันตรงนี้
02:14
hopefully I won't shake the world too much.
34
134000
3000
หวังว่าผมไม่ได้เขย่าโลกแรงไปนะ
02:17
But you can also see, there are places where there's not so much.
35
137000
3000
แต่คุณจะได้เห็นด้วยว่า มีหลายๆแห่งที่ไม่มีอะไรมากนัก
02:20
Australia, because there just aren't very many people there.
36
140000
3000
ออสเตรเลีย เพราะไม่มีคนอยู่ที่นั่นมากนัก
02:23
And this is something that we should really work on,
37
143000
3000
และนี่เป็นที่ๆเราน่าจะลงไปทำงานด้วยจริงๆ
02:26
which is Africa, which is just a few trickles,
38
146000
4000
คือทวีปแอฟริกานี่ ซึ่งมีอยู่แค่สองสามจุดแสง
02:30
basically in South Africa and a few other urban cities.
39
150000
3000
หลักๆแล้วอยู่ในแอฟริกาใต้ และเมืองใหญ่สองสามแห่ง
02:33
But basically, what we've noticed is these queries,
40
153000
4000
แต่หลักๆแล้ว เราสังเกตว่าคำค้นเหล่านี้
02:37
which come in at thousands per second,
41
157000
2000
ซึ่งส่งเข้ามาหลายพันครั้งต่อวินาที
02:39
are available everywhere there is power.
42
159000
3000
มาจากทุกๆแห่งที่มีไฟฟ้า
02:42
And pretty much everywhere there is power, there is the Internet.
43
162000
3000
และแทบทุกแห่งที่มีไฟฟ้า ก็จะมีอินเทอร์เน็ตที่นั่น
02:46
And even in Antarctica -- well, at least this time of year --
44
166000
5000
และแม้แต่ในทวีปแอนตาร์กติกา อย่างน้อยก็ในช่วงนี้ของปี
02:51
we from time to time will see a query rising up.
45
171000
2000
ที่เราจะมีโอกาสได้เห็นคำค้นส่งเข้ามาบ้าง
02:53
And if we had it plotted correctly,
46
173000
2000
และถ้าเราวาดผังลูกโลกได้ถูกต้อง
02:55
I think the International Space Station would have it, too.
47
175000
3000
ผมคิดว่าสถานีอวกาศนานาชาติ ก็จะอยู่ในนี้ด้วย
03:06
So this is
48
186000
2000
และนี่คือ
03:09
some of the challenge that we have here,
49
189000
4000
ความท้าทายบางส่วนที่เราเจอที่นี่
03:13
is you can see that it's actually kind of hard to get the --
50
193000
4000
คือคุณคงเห็นได้ว่ามันค่อนข้างยากที่จะทำให้
03:22
there we go.
51
202000
2000
ไปละ
03:24
This is how we have to move the bits around
52
204000
1000
นี่คือวิธีที่เราใช้
03:25
to actually get the people the answers to their questions.
53
205000
2000
เพื่อให้ผู้คนได้คำตอบสำหรับคำถามของพวกเขา
03:27
You can see that there's a lot of data running around.
54
207000
4000
คุณเห็นได้ว่ามีข้อมูลจำนวนมากกำลังวิ่งไปมา
03:31
It has to go all over the world: through fibers,
55
211000
3000
มันวิ่งไปทั่วโลกผ่านใยแก้วนำแสง
03:34
through satellites, through all kinds of connections.
56
214000
2000
ผ่านดาวเทียม ผ่านการเชื่อมต่อสารพัดชนิด
03:36
And it's pretty tricky for us to maintain the latencies
57
216000
5000
และมันค่อนข้างยุ่งยากสำหรับเรา ที่จะดูแลเวลาตอบสนอง
03:41
as low as we try to. Hopefully your experience is good.
58
221000
4000
ให้ได้เร็วอย่างที่เราพยายามอยู่ หวังว่าคุณคงมีประสบการณ์ใช้งานที่ดีนะ
03:45
But you can see also, once again -- so some places are much more wired
59
225000
2000
และคุณคงเห็นว่า บางแห่งมีการเชื่อมโยง
03:47
than others, and you can see all the bandwidth across the U.S.,
60
227000
4000
มากกว่าอีกหลายแห่ง และคุณคงได้เห็นแบนด์วิธทั้งหมดที่ผ่านสหรัฐ
03:51
going up over to Asia, Europe in the other direction, and so forth.
61
231000
5000
ไปทั่วเอเชีย และยุโรปในอีกทิศทางหนึ่ง และอื่นๆอีก
03:56
Now what I would like to do is just to show you
62
236000
3000
ตอนนี้ผมอยากจะให้คุณเห็นภาพ
03:59
what one second of this activity would look like.
63
239000
4000
หนึ่งวินาทีของกิจกรรมนี้
04:03
And if we can switch to slides --
64
243000
3000
เราจะย้ายไปที่อีกจอหนึ่ง
04:09
all right, here we go.
65
249000
2000
เอาหละ ไปกัน
04:11
So this is slowed down.
66
251000
3000
อันนี้ผมจะหน่วงเวลาช้าให้ลง
04:17
This is what one second looks like.
67
257000
3000
นี่คือภาพหนึ่งวินาทีที่เกิดขึ้น
04:20
And this is what we spend a lot of our time doing,
68
260000
2000
และนี่คือสิ่งที่เราทุ่มเทเวลามหาศาลของเรา
04:22
is just making sure that we can keep up
69
262000
2000
เพียงเพื่อให้แน่ใจว่า เราสามารถรองรับ
04:24
with this kind of traffic load.
70
264000
2000
ข้อมูลจำนวนมากนี้ได้
04:30
Now, each one of those queries
71
270000
2000
แต่ละคำค้นที่ส่งเข้ามา
04:32
has an interesting life and tale of its own.
72
272000
2000
มีเรื่องราวที่น่าสนใจเป็นของมันเอง
04:34
I mean, it could be somebody's health,
73
274000
2000
ผมหมายถึง มันอาจจะเป็นสุขภาพของใครสักคน
04:36
it could be somebody's career, something important to them.
74
276000
3000
มันอาจจะเป็นความก้าวหน้าในอาชีพ บางสิ่งที่สำคัญกับพวกเขา
04:39
And it could potentially be something
75
279000
4000
และมันอาจเป็นบางสิ่ง
04:43
as important as tomato sauce,
76
283000
5000
ที่สำคัญอย่างซอสมะเขือเทศ
04:48
or in this case, ketchup.
77
288000
3000
หรือในกรณีนี้ เค็ตชัพ
04:51
So this is a query that we had --
78
291000
2000
ดังนั้นนี่คือหนึ่งคำค้นที่เราได้รับ
04:54
I guess it's a popular band that was more popular in some parts of the world than others.
79
294000
3000
เดาว่ามันคงเป็นวงดนตรีดัง ซึ่งนิยมในบางส่วนของโลกมากกว่าที่อื่นๆ
04:57
You can see that it got started right here.
80
297000
3000
คุณเห็นได้ว่ามันเริ่มขึ้นจากตรงนี้
05:00
In the U.S. and Spain, it was popular at the same time.
81
300000
3000
ในสหรัฐและสเปน มันโด่งดังขึ้นมาพร้อมๆกัน
05:03
But it didn't have quite the same pickup in the U.S.
82
303000
2000
แต่มันก็ไม่ได้โด่งดังมากนักในสหรัฐ
05:05
as it did in Spain.
83
305000
2000
เมื่อเทียบกับในสเปน
05:07
And then from Spain, it went to Italy,
84
307000
2000
และจากสเปน มันลามไปอิตาลี
05:09
and then Germany got excited, and maybe right now the U.K. is enjoying it.
85
309000
4000
และเยอรมนีก็ตื่นเต้นขึ้นมา และตอนนี้สหราชอาณาจักรอาจจะกำลังสนุกกับมัน
05:13
And so I guess the U.S. finally,
86
313000
2000
และตอนนี้ผมเดาว่าในที่สุดสหรัฐ
05:15
finally started to like it, too.
87
315000
3000
ก็เริ่มที่จะชอบมันด้วย
05:18
And I just wanted to play it for you.
88
318000
3000
และผมอยากจะเล่นเพลงนี้ให้คุณฟัง
(เพลงอะเซเรเฮ)
ยังไงก็ตาม คุณสามารถเพลิดเพลินกับมันได้เอง
05:26
Anyway, you can all enjoy it for yourselves --
89
326000
2000
05:28
hopefully that search will work.
90
328000
3000
หวังว่าคำค้นนั้นคงทำงานได้นะ
05:31
As a part of --
91
331000
4000
ในฐานะส่วนหนึ่งของ...
05:35
you know, part of what we want to do to grow our company
92
335000
2000
สิ่งที่เราอยากทำเพื่อให้บริษัทของเราเติบโต
05:37
is to have more searches.
93
337000
2000
คือได้รับคำค้นมากครั้งขึ้น
05:39
And what that means is we want to have
94
339000
2000
และนั่นหมายความว่าเราต้องการมี
05:41
more people who are healthy and educated.
95
341000
5000
ผู้คนจำนวนมากขึ้น ซึ่งเป็นคนที่สุขภาพดีและมีการศึกษา
05:46
More animals, if they start doing searches as well.
96
346000
4000
และสัตว์จำนวนมากขึ้น ถ้าพวกมันเริ่มจะค้นข้อมูลเป็นนะ
05:50
But partly, we want to make the world a better place,
97
350000
5000
แต่ส่วนหนึ่งคือ เราอยากจะทำให้โลกดีขึ้น
05:55
and so one thing that we're embarking upon is the Google Foundation,
98
355000
5000
ดังนั้นสิ่งหนึ่่งที่เราเริ่มดำเนินการ คือมูลนิธิกูเกิล
06:00
and we're in the process of setting that up.
99
360000
2000
และเราอยู่ในขั้นตอนการเตรียมการ
06:02
We also have a program already called Google Grants
100
362000
3000
และเรายังมีโครงการที่เรียกว่า กองทุนกูเกิล
06:05
that now serves over 150 different charities around the world,
101
365000
3000
ซึ่งสนับสนุนองค์กรการกุศล กว่า 150 แห่งทั่วโลก
06:08
and these are some of the charities that are on there.
102
368000
2000
และนี่คือส่วนหนึ่งขององค์กรการกุศลดังกล่าว
06:10
And it's something I'm very excited to be a part of.
103
370000
5000
และเป็นสิ่งผมรู้สึกตื่นเต้นที่ได้เข้าร่วม
06:15
In fact, many of the organizations that are here --
104
375000
2000
ที่จริงแล้ว องค์กรจำนวนมากที่อยู่ที่นี่
06:17
the Acumen Fund, I think ApproTEC we have running, I'm not sure if that one's up yet --
105
377000
4000
กองทุนอะคิวเมน และผมคิดว่าเรามีแอพโพรเท็ก แต่ผมไม่แน่ใจว่ามันพร้อมใช้หรือยัง
06:23
and many of the people who have presented here are running through Google Grants.
106
383000
3000
และผู้คนจำนวนมากที่ปรากฏที่นี่ ก็ดำเนินงานผ่านกองทุนกูเกิล
06:26
They run Google ads, and we just give them the ad credit
107
386000
3000
พวกเขาประชาสัมพันธ์ผ่านกูเกิล ด้วยเครดิตโฆษณาฟรีที่เรามอบให้
06:29
so they can let organizations know.
108
389000
4000
เพื่อให้องค์กรข้างนอกรับรู้
06:33
One of the earlier results that we got --
109
393000
2000
หนึ่งในผลลัพธ์แรกๆที่เราทำได้คือ
06:35
we have a Singaporean businessman who is now sponsoring a village
110
395000
3000
เรามีนักธุรกิจสิงคโปร์ท่านหนึ่ง ซึ่งสนับสนุนหมู่บ้านหนึ่ง
06:38
of 25 Vietnamese girls for their education,
111
398000
4000
ให้เด็กหญิงชาวเวียดนาม 25 คนได้รับการศึกษา
06:42
and that was one of the earliest results. And as I said, now there have been
112
402000
3000
และนั่นเป็นหนึ่งในผลลัพธ์แรกๆ และตามที่ผมได้พูดไว้ ตอนนี้เรามี
06:45
many, many stories that have come in,
113
405000
2000
เรื่องราวมากมายหลั่งไหลเข้ามา
06:47
because we do have hundreds of charities in there,
114
407000
2000
เพราะว่าเรามีองค์กรการกุศลนับร้อยในนั้น
06:49
and the Google Foundation will be an even broader endeavor.
115
409000
4000
และมูลนิธิกูเกิลจะเป็นความพยายาม ที่กว้างขวางยิ่งขึ้นไปอีก
06:54
Now does anybody know who this is?
116
414000
2000
เอาหละ ใครรู้บ้างว่าเขาคนนี้คือใคร?
07:00
A-ha!
117
420000
1000
เอ้า
07:01
Audience: Orkut.
118
421000
1000
ผู้ฟัง: ออกัต
07:02
SB: Yes! Somebody got it.
119
422000
2000
เซอร์เก บริน: ใช่ มีคนทายถูกแล้ว
07:04
This is Orkut. Is anybody here on Orkut?
120
424000
3000
นี่คือออกัต มีใครที่นี่บ้างใช้ออกัตอยู่?
07:07
Do we have any?
121
427000
2000
มีบ้างมั้ย?
07:09
Okay, not very many people know about it.
122
429000
1000
ไม่ค่อยมีใครรู้จักมัน
07:10
I'll explain it in a second.
123
430000
2000
อีกสักครู่ผมจะอธิบายให้ฟัง
07:12
This is one of our engineers.
124
432000
2000
เขาคือหนึ่งในวิศวกรของเรา
07:14
We find that they work better when they're submerged and covered with leaves.
125
434000
4000
เราพบว่าพวกเขาทำงานได้ดีขึ้น ถ้าแช่พวกเขาในน้ำและคลุมด้วยใบไม้
07:19
That's how we churn those products out.
126
439000
3000
นั่นคือเคล็ดลับที่เราสร้าง ผลิตภัณฑ์ใหม่ออกมาได้มากมาย
07:22
Orkut had a vision to create a social network.
127
442000
5000
ออกัตมีวิสัยทัศน์ว่าจะสร้างเครือข่ายสังคม
07:27
I know all of you are thinking, "Yet another social network."
128
447000
2000
ทุกคนคงคิดว่า "เครือข่ายสังคมอีกแล้วหรือ"
07:29
But it was a dream of his, and we, basically,
129
449000
3000
แต่มันเป็นความฝันของเขา และของเราด้วย
07:32
when people really want to do something, well, we generally let them.
130
452000
3000
เมื่อผู้คนต้องการทำบางสิ่งจริงๆ โดยปกติแล้วเราก็ให้พวกเขาทำไป
07:35
So this is what he built.
131
455000
3000
ดังนั้นนี่คือสิ่งที่เขาสร้างขึ้น
07:38
We just released it in a test phase last month,
132
458000
4000
เราเพิ่งเปิดใช้งานมันในช่วงทดสอบ เมื่อเดือนที่แล้ว
07:42
and it's been taking off.
133
462000
2000
และมันเริ่มติดลมบน
07:44
This is our VP of Engineering.
134
464000
2000
นี่คือรองประธานด้านวิศวกรรมของเรา
07:46
You can see the red hair, and I don't know if you can see the nose ring there.
135
466000
5000
คุณคงเห็นผมสีแดง แต่ผมไม่รู้ว่าคุณเห็นห่วงที่จมูกนั่นไหม
07:51
And these are all of his friends.
136
471000
3000
และคนเหล่านี้คือเพื่อนทั้งหมดของเขา
07:54
So this is how -- we just deployed it --
137
474000
7000
และนี่คือผลลัพธ์หลังจากเราเปิดใช้งาน
08:01
we just decided that people would send each other invitations to get into the service,
138
481000
3000
เราเพิ่งตัดสินใจให้ผู้คนสามารถ ส่งคำเชิญเพื่อนเข้าไปใช้บริการ
08:04
and so we just had the people in our company initially send them out.
139
484000
5000
และเราเพิ่งให้ผู้คนในบริษัทของเรา ส่งคำเชิญช่วงต้นออกไป
08:09
And now we've grown to over 100,000 members.
140
489000
4000
และตอนนี้เราเติบโต จนมีสมาชิกกว่า 100,000 คน
08:13
And they spread, actually, very quickly, even outside the U.S.
141
493000
3000
และพวกเขากระจายออกไป อย่างรวดเร็วมากจริงๆ แม้แต่นอกสหรัฐ
08:16
You can see, even though the U.S. is still the majority here --
142
496000
3000
คุณคงเห็นว่า ถึงแม้สหรัฐ จะยังเป็นคนหมู่มากที่นี่
08:19
though, by the way, search-wise, it's only about 30 percent of our traffic --
143
499000
4000
ถึงแม้ว่าในแง่ของการค้นหาแล้ว มันเป็นแค่ 30% ของการจราจรทั้งหมด
08:23
but it's already going to Japan, and the U.K., and Europe,
144
503000
3000
แต่มันกำลังไปถึงญี่ปุ่น สหราชอาณาจักร และยุโรปแล้ว
08:26
and all the rest of the countries.
145
506000
2000
และไปยังประเทศที่เหลืออยู่ทั้งหมด
08:28
So it's a fun little project.
146
508000
2000
ดังนั้นมันเป็นโครงการเล็กที่สนุก
08:30
There are a variety of demographics. I won't bore you with these.
147
510000
3000
มีสถิติประชากรที่หลากหลาย แต่ผมคงไม่เอามาพูดให้คุณเบื่อ
08:33
But it's just the kind of thing that we just try out for fun
148
513000
3000
แต่มันเป็นแค่สิ่งที่เราลองทำเพื่อความสนุก
08:36
and see where it goes.
149
516000
2000
และดูว่ามันไปได้ถึงไหน
08:38
And --
150
518000
2000
และ
08:40
well, I'll leave you in suspense.
151
520000
2000
เอาหละ ผมจะปล่อยให้คุณคาใจอย่างนี้
08:42
Larry, you can explain this one.
152
522000
2000
ลาร์รี คุณสามารถอธิบายเรื่องนี้ได้
08:44
Larry Page: Thank you, Sergey.
153
524000
3000
ลาร์รี เพจ: ขอบใจ เซอร์เก
08:47
So one of the things -- both Sergey and I
154
527000
2000
หนึ่งในหลายเรื่อง ทั้งเซอร์เกและผม
08:49
went to a Montessori school,
155
529000
2000
ได้เข้าโรงเรียนหลักสูตรมอนเตสซอรี
08:51
and I think, for some reason,
156
531000
3000
และผมคิดว่า ด้วยเหตุผลบางข้อ
08:54
this has been incorporated in Google.
157
534000
3000
สิ่งนี้กลายเป็นส่วนหนึ่งของกูเกิล
08:57
And Sergey mentioned Orkut, which is something that,
158
537000
3000
และเซอร์เกได้พูดถึงออกัต ซึ่งเป็นบางสิ่งที่
09:00
you know, Orkut wanted to do in his time,
159
540000
3000
ออกัตอยากทำในเวลาของเขา
09:04
and we call this -- at Google, we've embodied this as "the 20 percent time,"
160
544000
3000
และที่กูเกิล เราเรียกสิ่งนี้ว่า "เวลา 20%"
09:07
and the idea is, for 20 percent of your time,
161
547000
3000
และแนวคิดคือ สำหรับ 20% ของเวลาของคุณ
09:10
if you're working at Google, you can do what you think is the best thing to do.
162
550000
3000
ถ้าคุณทำงานที่กูเกิล คุณสามารถทำงานที่คุณคิดว่าเป็นสิ่งดีที่สุด
09:13
And many, many things at Google have come out of that,
163
553000
3000
และหลายๆสิ่งที่กูเกิลก็เกิดจากแนวคิดนี้
09:17
such as Orkut and also Google News.
164
557000
3000
อย่างเช่น ออกัต และกูเกิลนิวส์ด้วย
09:20
And I think many other things in the world also have come out of this.
165
560000
4000
และผมคิดว่ามีอีกหลายๆสิ่งในโลก ที่เกิดจากแนวคิดนี้
09:24
Mendel, who was supposed to be teaching high-school students,
166
564000
3000
เมนเดล ซึ่งถูกคาดหวังให้ สอนนักเรียนมัธยมปลาย
09:27
actually, you know, discovered the laws of genetics --
167
567000
3000
จริงๆแล้วได้ค้นพบกฏของพันธุศาสตร์
09:30
as a hobby, basically.
168
570000
2000
ในช่วงเวลาของงานอดิเรก
09:32
So many, many useful things come out of this.
169
572000
4000
ดังนั้นสิ่งที่มีประโยชน์มากมาย เกิดจากแนวคิดนี้
09:36
And News, which I just mentioned,
170
576000
2000
และกูเกิลนิวส์ที่ผมเพิ่งพูดถึง
09:39
was started by a researcher.
171
579000
3000
เริ่มต้นโดยนักวิจัยคนหนึ่ง
09:42
And he just -- he -- after 9/11, he got really interested in the news.
172
582000
3000
หลังจากเหตุการณ์ 9/11 เขาสนใจติดตามข่าวสารมากจริงๆ
09:45
And he said, "Why don't I look at the news better?"
173
585000
5000
และเขาพูดว่า "ทำไมผมไม่อ่านข่าวด้วยวิธีที่ดีกว่านี้?"
09:50
And so he started clustering it by category,
174
590000
3000
และดังนั้นเขาก็เริ่ม จัดกลุ่มข่าวสารแยกประเภท
09:53
and then he started using it, and then his friends started using it.
175
593000
3000
และเขาก็เริ่มใช้งานมัน และเพื่อนๆของเขาก็เริ่มใช้งานมัน
09:56
And then, besides just looking cute on a baby's bottom,
176
596000
5000
ดังนั้น นอกจากจะดูน่ารักบนกางเกงทารกแล้ว
10:01
we made it a Googlette,
177
601000
2000
เราทำให้มันเป็นกูเกล็ต
10:03
which is basically a small project at Google.
178
603000
3000
ซึ่งหมายถึงโครงการขนาดเล็กที่กูเกิล
10:06
So it'd be like three people, or something like that,
179
606000
3000
ดังนั้นมันอาจจะมีกันแค่สามคน หรือราวๆนั้น
10:09
and they would try to make a product.
180
609000
2000
และพวกเขาก็พยายามจะสร้างผลิตภัณฑ์
10:11
And we wouldn't really be sure if it's going to work or not.
181
611000
2000
และเราก็ไม่มั่นใจหรอกว่า มันจะได้ผลไหม
10:13
And in News' case, you know, they had a couple of people
182
613000
4000
ในกรณีของกูเกิลนิวส์ ตอนแรกพวกเขามีกันแค่สองคน
10:17
working on it for a while, and then more and more people
183
617000
2000
ทำงานกันสักระยะ แล้วก็มีผู้คนมากขึ้นเรื่อยๆ
10:19
started using it, and then we put it out on the Internet,
184
619000
2000
เริ่มใช้งานมัน แล้วเราก็เปิดใช้งานบนเน็ต
10:21
and more and more people started using it.
185
621000
2000
และก็มีผู้คนมากขึ้นเรื่อยๆเริ่มใช้งานมัน
10:23
And now it's a real, full-blown project with more people on it.
186
623000
3000
และตอนนี้มันกลายเป็นโครงการเต็มรูปแบบ ซึ่งมีคนทำงานมากขึ้น
10:26
And this is how we keep our innovation running.
187
626000
3000
และนี่คือวิธีที่เราสร้าง นวัตกรรมใหม่อย่างต่อเนื่อง
10:29
I think usually, as companies get bigger,
188
629000
3000
ผมคิดว่า โดยปกติแล้ว เมื่อบริษัทเติบโตขึ้น
10:32
they find it really hard to have small, innovative projects.
189
632000
3000
พวกเขาพบว่ามันยากมากจริงๆ ที่จะมีโครงการนวัตกรรมขนาดเล็ก
10:35
And we had this problem, too, for a while, and we said,
190
635000
3000
และเราก็เคยมีปัญหานี้อยู่ระยะหนึ่งเช่นกัน และเราก็พูดว่า
10:38
"Oh, we really need a new concept."
191
638000
2000
"โอ เราจำเป็นต้องมีแนวคิดใหม่แล้วหละ"
10:40
You know, the Googlettes -- that's a small project that we're not quite sure if it's going to work or not,
192
640000
4000
กูเกล็ต นั่นคือโครงการขนาดเล็ก ซึ่งเราก็ไม่มั่นใจว่ามันจะได้ผลไหม
10:44
but we hope it will, and if we do enough of them,
193
644000
3000
แต่เราก็หวังว่ามันจะได้ผลนะ และถ้าเราทำพวกมันมากพอ
10:47
some of them will really work and turn out, such as News.
194
647000
4000
โครงการจำนวนหนึ่งอาจจะได้ผล และออกมาดีมากๆอย่างกูเกิลนิวส์ก็ได้
10:51
But then we had a problem because then we had over 100 projects.
195
651000
4000
แต่เราก็มีปัญหา เพราะตอนนั้น เรามีมากกว่า 100 โครงการ
10:55
And I don't know about all of you,
196
655000
2000
และผมก็ไม่รู้ว่าพวกคุณเป็นยังไง
10:57
but I have trouble keeping 100 things in my head at once.
197
657000
3000
แต่ผมค่อนข้างลำบากที่จะเก็บ 100 เรื่อง ให้ได้พร้อมกันในหัวของผม
11:00
And we found that if we just wrote all of them down
198
660000
4000
และเราก็พบว่าเราแค่เขียนพวกมันลงไปให้หมด
11:04
and ordered them -- and these are kind of made up.
199
664000
3000
และจัดลำดับพวกมัน แต่พวกนี้เป็นตัวอย่างสมมตินะ
11:07
Don't really pay attention to them.
200
667000
2000
อย่าไปใส่ใจมันนะ
11:09
For example, the "Buy Iceland" was from a media article.
201
669000
3000
อย่างเช่น "ซื้อไอซ์แลนด์" มาจากบทความหนึ่งในสื่อ
11:12
We would never do such a crazy thing, but --
202
672000
2000
เราคงไม่ทำอะไรบ้าบออย่างนั้นแน่ แต่...
11:17
in any case, we found if we just basically wrote them all down and ordered them,
203
677000
4000
อย่างไรก็ตาม เราพบว่าถ้าเราเพียงแค่ เขียนพวกมันลงไป และจัดลำดับพวกมัน
11:21
that most people would actually agree what the ordering should be.
204
681000
4000
คนส่วนใหญ่จะเห็นตรงกัน ว่าควรจัดอันดับอย่างไร
11:25
And this was kind of a surprise to me, but
205
685000
2000
และนี่เป็นเรื่องที่น่าแปลกใจสำหรับผม แต่
11:27
we found that as long as you keep the 100 things in your head,
206
687000
3000
เราพบว่าตราบเท่าที่ คุณเก็บ 100 เรื่องในหัวของคุณ
11:30
which you did by writing them down,
207
690000
2000
ซึ่งคุณทำได้โดยการเขียนพวกมันลงไป
11:32
that you could do a pretty good job deciding what to do
208
692000
2000
คุณจะสามารถตัดสินใจได้อย่างดีว่าควรทำอะไร
11:34
and where to put your resources.
209
694000
3000
และจะจัดสรรทรัพยากรไปที่ไหน
11:37
And so that's basically what we've done
210
697000
2000
และนั่นก็คือสิ่งที่เราได้ทำไป
11:39
since we instituted that a few years ago, and I think it has really allowed us to be innovative
211
699000
4000
ตั้งแต่จัดตั้งระบบงานนี้เมื่อ 2-3 ปีก่อน ผมคิดว่ามันช่วยให้เรามีนวัตกรรมต่อเนื่อง
11:43
and still stay reasonably well-organized.
212
703000
3000
และขณะเดียวกันยังสามารถ บริหารจัดการได้ดีพอสมควร
11:46
The other thing we discovered is that people like to work on things that are important,
213
706000
3000
อีกสิ่งหนึ่งที่เราค้นพบคือ ผู้คนชอบทำงานที่สำคัญ
11:49
and so naturally,
214
709000
2000
และตามธรรมชาติแล้ว
11:51
people sort of migrate to the things that are high priorities.
215
711000
6000
ผู้คนก็จะขยับไปทำงาน ที่มีลำดับความสำคัญสูงกว่า
11:57
I just wanted to highlight a couple of things
216
717000
2000
ผมเพียงอยากจะเน้น 2-3 เรื่อง
11:59
that are new, or you might not know about.
217
719000
3000
ซึ่งเป็นเรื่องใหม่ หรือ คุณอาจจะยังไม่เคยได้ยินมาก่อน
12:02
And the top thing, actually, is the Deskbar.
218
722000
3000
และเรื่องแรกเลยก็คือ เดสก์บาร์
12:05
So this is a new -- how many of you use the Google Toolbar?
219
725000
3000
นี่เป็นสิ่งใหม่ มีคุณกี่คนที่ใช้กูเกิลทูลบาร์?
12:08
Raise your hands.
220
728000
2000
ช่วยยกมือหน่อย
12:10
How many of you use the Deskbar?
221
730000
3000
มีคุณกี่คนที่ใช้เดสก์บาร์?
12:13
All right, see? You guys should try it out.
222
733000
2000
เอาหละ เห็นไหม? พวกคุณน่าจะลองใช้มันดูนะ
12:15
But if you go to our site and search
223
735000
2000
แต่ถ้าคุณไปที่เว็บไซต์ของเราและค้นว่า
12:17
for "Deskbar," you'll get this.
224
737000
2000
"เดสก์บาร์" คุณจะได้แบบนี้
12:19
And the idea is, instead of a toolbar, it's just present all the time
225
739000
2000
แนวคิดคือ ใช้แทนทูลบาร์ มันจะปรากฏตลอดเวลา
12:21
on your screen on the bottom,
226
741000
2000
ที่ด้านล่างหน้าจอของคุณ
12:23
and you can do searches really easily.
227
743000
3000
และคุณสามารถส่งคำค้นได้ง่ายมากๆ
12:26
And it's sort of like a better version of the toolbar.
228
746000
2000
และมันเป็นเหมือนทูลบาร์ในแบบที่ดีกว่า
12:28
Thank you, Sergey.
229
748000
2000
ขอบใจ เซอร์เก
12:34
This is another example of a project that somebody at Google
230
754000
2000
นี่คืออีกโครงการที่ใครบางคนในกูเกิล
12:36
was really passionate about, and they just, they got going,
231
756000
3000
รู้สึกกระตือรือร้นอย่างมาก และทำให้มันเกิดขึ้น
12:39
and it's really, really a great product, and really taking off.
232
759000
3000
และมันเป็นผลิตภัณฑ์ที่ยอดเยี่ยมจริงๆ และติดลมบนไปแล้ว
12:42
Google Answers is something we started, which is really cool,
233
762000
4000
กูเกิลอานเซอร์เป็นสิ่งที่เราเริ่มไว้ และมันเจ๋งจริงๆ
12:46
which lets you -- for five to 100 dollars,
234
766000
3000
ด้วยเงิน 5-100 เหรียญ
12:49
you can type a question in,
235
769000
2000
คุณสามารถพิมพ์คำถามหนึ่งลงไป
12:51
and then there's a pool of researchers
236
771000
2000
แล้วจะมีกลุ่มนักวิจัย
12:53
that go out and research it for you, and it's guaranteed and all that,
237
773000
4000
ซึ่งออกไปค้นและวิจัยให้คุณ และรับประกันผลงานให้ด้วย
12:57
and you can get actually very good answers to things
238
777000
2000
และคุณจะได้คำตอบที่ดีมากจริงๆในเรื่องต่างๆ
12:59
without spending all that time yourself.
239
779000
2000
โดยไม่ต้องใช้เวลาทั้งหมดนั้นด้วยตัวเอง
13:01
Froogle lets you search shopping information,
240
781000
3000
ฟรุกเกิลช่วยคุณหาข้อมูลสินค้า
13:04
and Blogger lets you publish things.
241
784000
2000
และบล็อกเกอร์ช่วยคุณเผยแพร่เรื่องราวต่างๆ
13:06
But all of these -- well, these were all sort of innovative things that we did that --
242
786000
4000
แต่ทั้งหมดนี้ คือนวัตกรรมที่เราทำไว้
13:10
you know, we try many, many different things
243
790000
3000
คุณรู้ไหมว่า เราได้ลองทำสิ่งที่แตกต่างกัน มากมายเหลือเกิน
13:13
in our company.
244
793000
1000
ในบริษัทของเรา
13:14
We also like to innovate in our physical space,
245
794000
2000
เรายังชอบสร้างนวัตกรรมในออฟฟิศของเราด้วย
13:16
and we noticed in meetings, you know, you have to wait a long time
246
796000
3000
เราสังเกตว่าในการประชุม คุณต้องรอเป็นเวลานาน
13:19
for projectors to turn on and off,
247
799000
3000
เพื่อเปิดและปิดเครื่องโปรเจคเตอร์
13:22
and they're noisy, so people shut them off.
248
802000
2000
มันส่งเสียงรบกวน ผู้คนมักจะปิดเครื่องทันที
13:24
And we didn't like that, so we actually,
249
804000
2000
และเราไม่ชอบอย่างนั้น ดังนั้นเราจึง
13:26
in maybe a couple of weeks, we built these little enclosures
250
806000
5000
อาจจะแค่ในราวๆ 2-3 สัปดาห์ เราได้สร้างกล่องปิดเล็กๆ
13:31
that enclosed the projectors, and so we can leave them on all the time
251
811000
2000
เก็บโปรเจคเตอร์ เราสามารถเปิดเครื่องไว้ตลอด
13:33
and they're completely silent.
252
813000
3000
และพวกมันก็เงียบสนิท
13:36
And as a result, we were able to build some software
253
816000
2000
ผลที่ตามมาคือ เราสามารถสร้างซอฟต์แวร์
13:38
that also lets us manage a meeting,
254
818000
2000
ซึ่งช่วยให้เราจัดการประชุม
13:40
so when you walk into a meeting room now,
255
820000
2000
ดังนั้นเมื่อคุณเดินเข้าห้องประชุมตอนนี้
13:42
it lists all the meetings that are happening,
256
822000
2000
มันแสดงรายการประชุมทั้งหมดที่กำลังเกิดขึ้น
13:44
you can very easily take notes, and they just get emailed automatically
257
824000
2000
คุณสามารถจดรายงานประชุมได้ง่าย
13:46
to all the people that were present in the meeting.
258
826000
3000
และรายงานถูกส่งอีเมล์อัตโนมัติ ไปยังผู้คนที่อยู่ในการประชุม
13:49
And as we become more of a global company,
259
829000
3000
และขณะที่เรากลายเป็น บริษัทที่ครอบคลุมทั่วโลก
13:52
we find these things really affect us --
260
832000
2000
เราพบว่าสิ่งเหล่านี้ส่งผลกระทบเรา
13:54
you know, can we work effectively with people who aren't in the room?
261
834000
3000
เราจะทำงานอย่างมีประสิทธิภาพ กับผู้คนที่ไม่ได้อยู่ในห้องได้ไหม?
13:57
And things like that. And simple things like this can really make a big difference.
262
837000
3000
และสิ่งเล็กน้อยเหล่านี้สร้างความแตกต่างได้
14:01
We also have a lot of engineers in those meetings,
263
841000
5000
เรายังมีวิศวกรจำนวนมากในการประชุมเหล่านั้น
14:06
and they don't always do their laundry as much as they should.
264
846000
4000
และพวกเขาก็ไม่ได้ซักเสื้อผ้าบ่อยเท่าที่ควร
14:13
And so we found it was pretty helpful
265
853000
2000
และเราก็พบว่ามันช่วยได้มาก
14:15
to have laundry machines, for our younger employees especially, and ...
266
855000
4000
ที่จะมีเครื่องซักผ้า สำหรับพนักงานหนุ่มๆของพวกเราโดยเฉพาะ
14:22
we also allow dogs and things like that,
267
862000
3000
เรายังอนุญาตให้มีสุนัข และอีกหลายๆสิ่งในบริษัท
14:25
and we've had, I think, a really fun culture at our company,
268
865000
3000
และผมคิดว่าเราได้มีวัฒนธรรม ที่สนุกในบริษัทของเรา
14:28
which helps people work and enjoy what they're doing.
269
868000
3000
ซึ่งช่วยให้คนทำงานและ มีความสุขกับสิ่งที่พวกเขากำลังทำ
14:31
This is actually our "cult picture."
270
871000
2000
จริงๆแล้วนี่คือ "รูปลัทธิ" ของเรา
14:33
I just wanted to show quickly.
271
873000
2000
ผมแค่อยากให้คุณดูแบบเร็วๆ
14:38
We had this on our website for a while,
272
878000
2000
เรามีรูปนี้บนเว็บไซต์ของเราช่วงหนึ่ง
14:40
but we found that after we put it on our website,
273
880000
3000
แต่เราพบว่าหลังจากที่ เราวางมันบนเว็บไซต์ของเรา
14:43
we didn't get any job applications anymore.
274
883000
3000
เราไม่มีใบสมัครงานใหม่เข้ามาอีกต่อไป
14:48
But anyway, every year we've taken
275
888000
2000
แต่ยังไงก็ตาม ทุกๆปีเราจะพา
14:50
the whole company on a ski trip.
276
890000
2000
ทั้งบริษัทเดินทางไปเล่นสกี
14:52
A lot of work happens in companies from people knowing each other, and informally.
277
892000
4000
เนื้องานเกิดขึ้นมากมายในบริษัท จากผู้คนที่สนิทสนมกัน
14:56
And I think we've done a good job encouraging that.
278
896000
3000
และผมคิดว่าเราได้ส่งเสริมเรื่องนั้นอย่างดี
15:00
It makes it a really fun place to work.
279
900000
2000
ทำให้ที่นี่ทำงานได้อย่างสนุก
15:02
Along with our logos, too, which I think really embody
280
902000
3000
เช่นเดียวกับโลโก้ของเรา ซึ่งผมคิดว่ามันแสดง
15:05
our culture when we change things.
281
905000
3000
วัฒนธรรมของเรา ที่เราเปลี่ยนแปลงสิ่งต่างๆ
15:08
In the early days, we were actually advised
282
908000
1000
ในช่วงแรก
15:09
we should never change our logo because
283
909000
3000
เราได้รับคำแนะนำว่า เราไม่ควรเปลี่ยนโลโก้ของเราเด็ดขาด
15:13
we should establish our brand, you know,
284
913000
2000
เราควรตั้งมั่นแบรนด์ของเรา
15:15
because, you know, you'd never want to change your logo.
285
915000
2000
คุณไม่ควรเปลี่ยนโลโก้ของคุณเด็ดขาด
15:17
You want it to be consistent.
286
917000
2000
คุณต้องการให้มันคงเส้นคงวา
15:19
And we said, "Well, that doesn't sound so much fun.
287
919000
2000
และเราพูดว่า "อืม ฟังดูไม่น่าสนุกเท่าไรนะ"
15:21
Why don't we try changing it every day?"
288
921000
2000
ทำไมเราไม่เปลี่ยนมันทุกวันเลยหละ?"
15:26
One of the things that really excites me about what we're doing now
289
926000
3000
หนึ่งในหลายเรื่องที่เรากำลังทำ และทำให้ผมรู้สึกตื่นเต้นจริงๆ
15:29
is we have this thing called AdSense,
290
929000
2000
คือเรามีสิ่งนี้ที่เรียกว่า แอดเซนส์
15:31
and this is a little bit foreshadowing --
291
931000
4000
และมันมีส่วนของการทำนายล่วงหน้า
15:35
this is from before Dean dropped out.
292
935000
3000
และมันมีมาก่อนที่ ดีน กิลเบิร์ต ออกไป
15:38
But the idea is, like, on a newspaper, for example,
293
938000
2000
แต่แนวคิดก็คล้ายๆกับบนหนังสือพิมพ์
15:40
we show you relevant ads.
294
940000
2000
เราแสดงโฆษณาที่ตรงประเด็น นี่อ่านยากหน่อย
15:42
And this is hard to read, but this says "Battle for New Hampshire:
295
942000
2000
แต่มันเขียนว่า "ศึกชิงนิวแฮมป์เชียร์:
15:44
Howard Dean for President" -- articles on Howard Dean.
296
944000
4000
ฮาวเวิร์ด ดีน จะเป็นประธานาธิบดี" เป็นบทความเกี่ยวกับฮาวเวิร์ด ดีน
15:48
And these ads are generated automatically --
297
948000
2000
และโฆษณาพวกนี้ถูกเลือกขึ้นมาโดยอัตโนมัติ
15:51
like in this case, on the Washington Post --
298
951000
1000
เช่นในตัวอย่างนี้
15:52
from the content on the site.
299
952000
2000
บนวอชิงตันโพสต์ จากเนื้อหาบนเว็บไซต์นั้น
15:54
And so we use our over 150,000 advertisers
300
954000
4000
และเรามีผู้โฆษณามากกว่า 150,000 ราย
15:58
and millions of advertisements, so we pick the one
301
958000
2000
และจากโฆษณานับล้านชิ้น เราเลือกแค่หนึ่งชิ้น
16:00
that's most relevant to what you're actually looking at,
302
960000
2000
ที่ตรงประเด็นที่สุด กับสิ่งที่คุณอ่านอยู่
16:02
much as we do on search.
303
962000
2000
ก็เหมือนกับที่เราค้นข้อมูลให้คุณ
16:04
So the idea is we can make advertising useful,
304
964000
3000
ดังนั้นแนวคิดคือเราสามารถ ทำให้โฆษณามีประโยชน์ได้
16:07
not just annoying, right?
305
967000
2000
ไม่ใช่แค่น่ารำคาญ ถูกไหม?
16:09
And the nice thing about this,
306
969000
2000
และเรื่องดีเกี่ยวกับสิ่งนี้
16:11
we have a self-serve program,
307
971000
2000
เรามีโปรแกรมบริการตนเอง
16:13
and many thousands of websites have signed up,
308
973000
3000
และมีเว็บไซต์หลายพันแห่งสมัครเข้ามา
16:16
and this let's them really make money. And I --
309
976000
2000
และนี่ช่วยให้พวกเขาทำเงินได้ และผม...
16:18
you know, there's a number of people I met --
310
978000
2000
ผมได้พบผู้คนจำนวนหนึ่ง
16:20
I met this guy who runs a conservation site at a party,
311
980000
3000
ที่งานปาร์ตี้ ผมพบหนุ่มคนนี้ ที่ดูแลเว็บไซต์เกี่ยวกับการอนุรักษ์
16:23
and he said, "You know, I wasn't making any money.
312
983000
2000
และเขาพูดว่า "ตอนนั้นผมทำเงินไม่ได้เลย
16:25
I just put this thing on my site and I'm making 10,000 dollars a month.
313
985000
4000
ผมแค่ติดตั้งอันนี้บนเว็บไซต์ของผม และผมก็ทำเงินได้เดือนละ 10,000 ดอลลาร์
16:29
And, you know, thank you.
314
989000
2000
และขอบคุณนะ
16:31
I don't have to do my other job now."
315
991000
2000
ตอนนี้ผมไม่ต้องทำงานอื่นแล้ว"
16:33
And I think this is really important for us, because it makes the Internet work better.
316
993000
3000
สิ่งนี้สำคัญกับเราจริงๆ เพราะมันทำให้อินเทอร์เน็ตทำงานดีขึ้น
16:36
It makes content get better, it makes searching work better,
317
996000
3000
มันทำให้เนื้อหาดีขึ้น มันทำให้การค้นหาทำงานดีขึ้น
16:39
when people can really make their livelihood
318
999000
2000
เมื่อผู้คนสามารถเลี้ยงชีพได้
16:41
from producing great content.
319
1001000
3000
ด้วยการผลิตเนื้อหาที่ยอดเยี่ยม
16:46
So this session is supposed to be about the future,
320
1006000
3000
หัวข้อวันนี้ถูกคาดหมายว่า จะเกี่ยวข้องกับอนาคต
16:49
so I'd thought I'd talk at least briefly about it.
321
1009000
3000
ผมคิดว่าอย่างน้อยผมจะพูดถึงมันสั้นๆ
16:52
And the idea behind this is to do the perfect job doing search,
322
1012000
3000
และแนวคิดเบื้องหลังสิ่งนี้คือ การค้นหาข้อมูลได้อย่างสมบูรณ์แบบ
16:55
you really have to be smart.
323
1015000
2000
คุณต้องเฉลียวฉลาดมากจริงๆ
16:57
Because you can type, you know, any kind of thing into Google,
324
1017000
3000
เพราะคุณสามารถพิมพ์อะไรก็ได้ลงในกูเกิล
17:00
and you expect an answer back, right?
325
1020000
3000
และคุณก็คาดหวังคำตอบกลับมา ใช่ไหม?
17:03
But finding things is tricky, and so you really want intelligence.
326
1023000
4000
แต่การค้นหาสิ่งต่างๆนั้นเป็นเรื่องยาก ดังนั้นคุณต้องการปัญญาประดิษฐ์
17:07
And in fact, the ultimate search engine would be smart.
327
1027000
3000
และในความเป็นจริง เครื่องกลค้นหาจะต้องเฉลียวฉลาด
17:10
It would be artificial intelligence.
328
1030000
2000
มันจะต้องเป็นปัญญาประดิษฐ์
17:12
And so that's something we work on,
329
1032000
2000
และนั่นเป็นสิ่งที่เรากำลังทำงานกันอยู่
17:14
and we even have some people who are excited enough
330
1034000
2000
และเรามีผู้คนที่ตื่นเต้นมากพอ
17:16
and crazy enough to work on it now,
331
1036000
2000
และบ้ามากพอที่จะทำงานนี้ในตอนนี้
17:18
and that's really their goal.
332
1038000
2000
และนั่นเป็นเป้าหมายของพวกเขา
17:20
So we always hope that Google will be smart,
333
1040000
2000
ดังนั้นเราคาดหวังเสมอว่า กูเกิลจะต้องเฉลียวฉลาด
17:22
but we're always surprised when other people think that it is.
334
1042000
3000
แต่เราก็ประหลาดใจเสมอ เมื่อผู้คนคิดว่ากูเกิลเฉลียวฉลาดจริงๆ
17:25
And so I just wanted to give a funny example of this.
335
1045000
3000
และผมแค่อยากเล่าตัวอย่างสนุกๆในประเด็นนี้
17:28
This is a blog from Iraq,
336
1048000
2000
อันนี้คือบล็อกหนึ่งจากอิรัก
17:30
and it's not really what
337
1050000
2000
และนี่ไม่ใช่สิ่งที่ผมกำลังจะพูดถึง
17:32
I'm going to talk about, but I just wanted to show you an example.
338
1052000
2000
แต่ผมแค่อยากให้คุณเห็นตัวอย่างหนึ่ง
17:34
Maybe, Sergey, you can highlight this.
339
1054000
2000
เซอร์เก คุณช่วยชี้ตรงนี้หน่อย
17:36
So we decided --
340
1056000
2000
เราจึงตัดสินใ...
17:42
actually, the highlight's right there. Oh, thank you.
341
1062000
3000
จริงๆแล้วให้ชี้ไปตรงนั้น ขอบคุณ
17:47
So, "related searches," right there. You can't see it that well,
342
1067000
5000
"การค้นหาที่เกี่ยวข้อง" ตรงนั้น คุณคงเห็นมันไม่ชัดมากนัก
17:52
but we decided we should put in this feature
343
1072000
2000
แต่เราตัดสินใจว่าจะเปิดใช้งานฟีเจอร์นี้
17:54
into our AdSense ads, called "related searches."
344
1074000
3000
ภายใต้แอดเซนส์ของเรา โดยเรียกมันว่า "การค้นหาที่เกี่ยวข้อง"
17:57
And so we'd say, you know, "Did you mean 'search for'" -- what is this,
345
1077000
3000
และเราก็เขียนว่า "คุณหมายถึง 'ค้นหา...' ใช่ไหม?"
18:00
in this case, "Saddam Hussein," because this blog is about Iraq --
346
1080000
3000
ในกรณีนี้คือ "ซัดดัม ฮุสเซ็น" เพราะบล็อกนี้เกี่ยวกับอิรัก
18:03
and you know, in addition to the ads,
347
1083000
2000
เราใส่เพิ่มเข้ามา นอกเหนือจากส่วนของโฆษณา
18:05
and we thought this would be a great idea.
348
1085000
3000
และเราเข้าใจว่านี่เป็นความคิดที่ดี
18:08
And so there is this blog
349
1088000
2000
แล้วก็มีบล็อกอันนี้
18:10
of a young person who was kind of depressed, and he said,
350
1090000
5000
ของหนุ่มน้อยที่ซึมเศร้าคนหนึ่ง เขาพูดว่า
18:15
"You know, I'm sleeping a lot."
351
1095000
2000
"ช่วงนี้ฉันนอนหลับเยอะมาก"
18:17
He was just kind of writing about his life.
352
1097000
2000
เขาแค่เขียนเล่าเรื่องราวในชีวิตของเขา
18:19
And our algorithms -- not a person, of course,
353
1099000
3000
และอัลกอริธึมของเรา ซึ่งไม่ใช่มนุษย์นะ
18:22
but our algorithms, our computers --
354
1102000
2000
แต่อัลกอริธึมหรือคอมพิวเตอร์ของเรา
18:24
read his blog and decided that
355
1104000
2000
อ่านบล็อกของเขา และตัดสินว่า
18:26
the related search was, "I am bored."
356
1106000
2000
การค้นหาที่เกี่ยวข้อง คือ "ฉันรู้สึกเบื่อ"
18:28
And he read this, and he thought a person had decided
357
1108000
3000
และเขาได้อ่านข้อความนี้ และเขาคิดว่ามีคนตัดสินว่า
18:31
that he was boring,
358
1111000
2000
เขาเป็นคนน่าเบื่อ
18:33
and it was very unfortunate,
359
1113000
3000
และมันเป็นเรื่องโชคร้ายมาก
18:36
and he said, "You know, what are these, you know, bastards at Google doing?
360
1116000
4000
และเขาพูดว่า "พวกนายรู้ไหมว่า พวกบ้าที่กูเกิลกำลังทำอะไร?
18:40
Why don't they like my blog?"
361
1120000
2000
ทำไมพวกเขาไม่ชอบบล็อกของฉัน?"
18:42
And so then we read his blog, which was getting -- you know,
362
1122000
2000
แล้วเราได้อ่านบล็อกของเขา ซึ่งเนื้อหา...
18:45
sort of going from bad to worse,
363
1125000
3000
เลวร้ายลงเรื่อยๆ และเราเขียนไปว่า
18:48
and we said the related search was, "Retards."
364
1128000
2000
การค้นหาที่เกี่ยวข้องคือ "เจ้าทึ่ม"
18:53
And then, you know, he got even more mad,
365
1133000
2000
และเขาก็ยิ่งโกรธมากขึ้นอีก
18:55
and he wrote -- like, started swearing and so on.
366
1135000
2000
และเขาก็เริ่มสบถ
18:57
And then we produced "You suck."
367
1137000
3000
และเราก็เขียนไปว่า "คุณห่วยแตก"
19:00
And finally, it ended with "Kiss my ass."
368
1140000
3000
และท้ายที่สุด มันจบลงว่า "มาดมก้นฉันนี่"
19:05
And so basically, he thought he was dealing with something smart,
369
1145000
2000
เขาเข้าใจว่า เขาโต้ตอบกับสิ่งที่เฉลียวฉลาด
19:07
and of course, you know,
370
1147000
2000
และแน่นอนว่าคุณรู้
19:09
we just sort of wrote this program and we tried it out,
371
1149000
2000
เราแค่เขียนโปรแกรมนี่ขึ้นมา และลองใช้งานดู
19:11
and it didn't quite work,
372
1151000
3000
แต่มันทำงานไม่ดีสักเท่าไหร่
19:14
and we don't have this feature anymore.
373
1154000
2000
และเราก็ยกเลิกฟีเจอร์นี้ไปแล้ว
19:18
So with that, maybe I can switch back to the world.
374
1158000
3000
เอาหละ เรากลับมาที่โลกกัน
19:21
I wanted to end just by saying that
375
1161000
2000
ผมอยากจะปิดสรุปว่า
19:23
there's a couple things that really make me excited
376
1163000
2000
มีสองสามเรื่องที่ทำให้ผมตื่นเต้น
19:25
to be involved with Google,
377
1165000
3000
ที่ได้ทำงานร่วมกับกูเกิล
19:28
and one of those is that we're able to make money
378
1168000
4000
และหนึ่งในนั้นคือเราสามารถทำเงินได้
19:32
largely through advertising, and one of the benefits that I didn't expect from that
379
1172000
3000
ด้วยการโฆษณาและหนึ่งในคุณประโยชน์ ที่ผมไม่ได้คาดหวังมาก่อน
19:35
was that we're able to serve everyone in the world
380
1175000
3000
คือเราสามารถให้บริการทุกคนในโลก
19:38
without worrying about, you know, places that don't have as much money.
381
1178000
5000
โดยไม่ต้องกังวลว่า มีบางประเทศที่ไม่ได้ร่ำรวยนัก
19:43
So we don't have to worry about our products being sold,
382
1183000
3000
เราไม่ต้องกังวลกับ ผลิตภัณฑ์ของเราที่ขายออกไป
19:46
for example, for less money in places that are poor,
383
1186000
3000
ด้วยราคาที่ถูกกว่าในประเทศยากจน
19:49
and then they get re-imported into the U.S. --
384
1189000
2000
และถูกนำกลับเข้ามาขายอีกครั้งในสหรัฐ
19:51
for example, with the drug industry.
385
1191000
2000
ยกตัวอย่างเช่น ในอุตสาหกรรมยา
19:53
And I think we're really lucky to have that kind of business model
386
1193000
3000
และผมรู้สึกว่าเราโชคดีมากจริงๆ ที่มีโมเดลธุรกิจแบบนี้
19:56
because everyone in the world has access to our search,
387
1196000
3000
เพราะว่าทุกคนในโลกสามารถ เข้าถึงระบบค้นหาของเราได้
19:59
and I think that's a tremendous, tremendous benefit.
388
1199000
3000
และผมคิดว่านั่นเป็น คุณประโยชน์ที่ยิ่งใหญ่มาก
20:02
The other thing I wanted to mention just briefly
389
1202000
3000
อีกสิ่งหนึ่งที่ผมต้องการพูดถึงสักหน่อย
20:05
is that we have a tremendous ability and responsibility
390
1205000
6000
คือเรามีความสามารถและ ความรับผิดชอบที่ยิ่งใหญ่
20:11
to provide people the right information,
391
1211000
3000
ที่จะให้ผู้คนได้รับข้อมูลข่าวสารที่ถูกต้อง
20:14
and we view ourselves like a newspaper or a magazine --
392
1214000
2000
และเรามองตัวเองเป็นอย่าง หนังสือพิมพ์หรือนิตยสาร
20:16
that we should provide very objective information.
393
1216000
3000
ว่าเราควรให้ข้อมูลที่เป็นข้อเท็จจริง
20:19
And so in our search results, we never accept payment for our search results.
394
1219000
3000
ดังนั้นในผลการค้นหาของเรา เราไม่เคยรับเงินจากผลการค้นหาของเรา
20:22
We accept payment for advertising,
395
1222000
3000
แต่เรารับเงินจากการโฆษณา
20:25
and we mark it as such.
396
1225000
2000
และเราก็ระบุชัดเจนว่ามันเป็นโฆษณา
20:27
And that's unlike many of our competitors.
397
1227000
2000
และนั่นแตกต่างจากคู่แข่งหลายรายของเรา
20:29
And I think decisions we're able to make like that
398
1229000
3000
และผมคิดว่าการตัดสินใจของเรา
20:32
have a tremendous impact on the world,
399
1232000
2000
ส่งผลกระทบมหาศาลต่อโลก
20:34
and it makes me really proud to be involved with Google.
400
1234000
2000
และมันทำให้ผมภาคภูมิใจที่ได้ทำงานกับกูเกิล
20:36
So thank you.
401
1236000
2000
ขอบคุณครับ
เกี่ยวกับเว็บไซต์นี้

ไซต์นี้จะแนะนำคุณเกี่ยวกับวิดีโอ YouTube ที่เป็นประโยชน์สำหรับการเรียนรู้ภาษาอังกฤษ คุณจะได้เห็นบทเรียนภาษาอังกฤษที่สอนโดยอาจารย์ชั้นนำจากทั่วโลก ดับเบิลคลิกที่คำบรรยายภาษาอังกฤษที่แสดงในแต่ละหน้าของวิดีโอเพื่อเล่นวิดีโอจากที่นั่น คำบรรยายเลื่อนซิงค์กับการเล่นวิดีโอ หากคุณมีความคิดเห็นหรือคำขอใด ๆ โปรดติดต่อเราโดยใช้แบบฟอร์มการติดต่อนี้

https://forms.gle/WvT1wiN1qDtmnspy7