Αν θελω να σας μείνει κάτι σήμερα, είναι πως το σύνολο των πληροφοριών το οποίο καταναλώνουμε είναι μεγαλύτερο από το άθροισμα των επιμέρους στοιχείων και αντί να σκεφτόμαστε για υπερφόρτωση πληροφοριών, αυτό που θα ήθελα να σκεφτείτε είναι πώς μπορούμε να χρησιμοποιούμε τις πληροφορίες έτσι ώστε να εμφανίζονται μοτίβα και να εντοπίζουμε τάσεις που διαφορετικά θα ήταν αόρατες.
If I can leave you with one big idea today, it's that the whole of the data in which we consume is greater that the sum of the parts, and instead of thinking about information overload, what I'd like you to think about is how we can use information so that patterns pop and we can see trends that would otherwise be invisible.
Οπότε, αυτό που βλέπουμε εδώ είναι ένα τυπικό διάγραμμα θνησιμότητας ταξινομημένο με βάση την ηλικία. Το εργαλείο που χρησιμοποιώ είναι ένα μικρό πείραμα, ονομάζεται Pivot (άξονας περιστροφής), και με το Pivot αυτό που μπορώ να κάνω είναι πως μπορώ να φιλτράρω με βάση μια συγκεκριμένη αιτία θανάτων -- για παράδειγμα, ατυχήματα. Αμέσως παρατηρώ αλλαγή στο μοτίβο που προκύπτει. Αυτό σημβαίνει γιατί στην μεσαία περιοχή, οι άνθρωποι είναι περισσότερο δραστήριοι, και εδώ είναι περισσότερο αδύναμοι. Μπορούμε να κάνουμε ένα βήμα πίσω και να αναδιοργανώσουμε τα δεδομένα με βάση την αιτία θανάτου. Παρατηρούμε οτι οι παθήσεις του κυκλοφορικού συστήματος και ο καρκίνος είναι οι συνήθεις ύποπτοι, όχι όμως για όλους. Εαν συνεχίσουμε φιλτράροντας με βάση την ηλικία-- για παράδειγμα 40 ετών και κάτω-- βλέπουμε πως τα ατυχήματα είναι στην πραγματικότητα η σημαντικότερη αιτία θανάτου για την οποία αυτοι οι άνθρωποι θα έπρεπε να ανησυχούν. Και αν το εξετάσεις περισσότερο, αυτό ισχύει κυρίως για τους άνδρες.
So what we're looking at right here is a typical mortality chart organized by age. This tool that I'm using here is a little experiment. It's called Pivot, and with Pivot what I can do is I can choose to filter in one particular cause of deaths -- say, accidents. And, right away, I see there's a different pattern that emerges. This is because, in the mid-area here, people are at their most active, and over here they're at their most frail. We can step back out again and then reorganize the data by cause of death, seeing that circulatory diseases and cancer are the usual suspects, but not for everyone. If we go ahead and we filter by age -- say 40 years or less -- we see that accidents are actually the greatest cause that people have to be worried about. And if you drill into that, it's especially the case for men.
Καταλαβαίνετε λοιπόν πως το να βλέπεις τις πληροφορίες, το να βλέπεις τα δεδομένα με αυτόν τον τρόπο, είναι σαν να κολυμπάς σε ένα info-graphic ζωντανής πληροφορίας. Και αν μπορούμε να το κάνουμε αυτό σε ακατέργαστα δεδομένα, γιατί να μην το κάνουμε και για το περιεχόμενο; Αυτό που έχουμε εδώ είναι το εξώφυλλο από κάθε περιοδικό Sports Illustrated που εκδόθηκε ποτέ. Είναι όλο εδώ, βρίσκεται ολόκληρο στο διαδίκτυο. Μπορείτε να πάτε μετά στα δωμάτιά σας και να το δοκιμάσετε μετά την ομιλία μου. Με το Pivot, μπορείς να εστιάσεις σε μια δεκαετία. Να εστιάσεις σε μια συγκεκριμένη χρονιά. Να περάσεις σε ένα συγκεκριμένο τεύχος. Οπότε κοιτάζω σε αυτό, βλέπω τους αθλητές που εμφανίστηκαν σε αυτό το τεύχος, τα αθλήματα. Είμαι οπαδός του Lance Armstrong, οπότε θα προχωρήσω επιλέγοντας αυτό, που μου εμφανίζει όλα τα τεύχη στα οποία συμμετείχε ο Lance Armstrong.
So you get the idea that viewing information, viewing data in this way, is a lot like swimming in a living information info-graphic. And if we can do this for raw data, why not do it for content as well? So what we have right here is the cover of every single Sports Illustrated ever produced. It's all here; it's all on the web. You can go back to your rooms and try this after my talk. With Pivot, you can drill into a decade. You can drill into a particular year. You can jump right into a specific issue. So I'm looking at this; I see the athletes that have appeared in this issue, the sports. I'm a Lance Armstrong fan, so I'll go ahead and I'll click on that, which reveals, for me, all the issues in which Lance Armstrong's been a part of.
(Χειροκρότημα)
(Applause)
Τώρα, εαν θέλω μόνο να ρίξω μια ματιά σε αυτά, μπορεί να σκεφτώ, "Λοιπόν, γιατί να μην δούμε ό,τι αφορά στη ποδηλασία?" Έτσι, μπορώ να κάνω ένα βήμα πίσω και να επιλέξω αυτόν τον τομέα. Και βλέπω τον Greg LeMond αυτή τη φορά. Και έτσι καταλαβαίνετε πως όταν περιηγείσαι στις πληροφορίες με αυτό τον τρόπο -- πηγαίνοντας πιο κοντά και πιο μακριά, προχωρώντας μπροστά και πίσω-- δεν ψάχνεις, δεν περιηγείσαι. Κάνεις κάτι που στην πραγματικότητα είναι λιγάκι διαφορετικό. Είναι κάτι στο ενδιάμεσο, και πιστεύουμε οτι αλλάζει τον τρόπο που χρησιμοποιούνται οι πληροφορίες.
Now, if I want to just kind of take a peek at these, I might think, "Well, what about taking a look at all of cycling?" So I can step back, and expand on that. And I see Greg LeMond now. And so you get the idea that when you navigate over information this way -- going narrower, broader, backing in, backing out -- you're not searching, you're not browsing. You're doing something that's actually a little bit different. It's in between, and we think it changes the way information can be used.
Θα ήθελα λοιπόν να επεκτείνω λίγο αυτή την ιδέα με κάτι το οποίο είναι λιγάκι τρελό. Αυτό που έχουμε κάνει εδώ είναι οτι πήραμε κάθε μια σελίδα της Wikipedia και τη συμπυκνώσαμε σε μια μικρή περίληψη. Η περίληψη αποτελείται μόνο από μια μικρή σύνοψη και ένα εικονίδιο που δηλώνει την θεματολογία με την οποία σχετίζεται. Δείχνω μόνο τις 500 κορυφαίες πιό δημοφιλείς σελίδες της Wikipedia εδώ. Αλλά, ακόμα και σε αυτή την περιορισμένη εκδοχή, μπορούμε να κάνουμε πολλά πράγματα. Αμέσως, παίρνουμε μια πρώτη αίσθηση για την θεματολογία που είναι πιό δημοφιλής στη Wikipedia. Θα συνεχίσω επιλέγοντας "κυβέρνηση". Τώρα, έχοντας επιλέξει "κυβέρνηση", μπορώ να δω οτι οι κατηγορίες της Wikipedia που αντιστοιχούν πιό συχνά σε αυτό το θέμα είναι το περιοδικό Time, οι άνθρωποι της χρονιάς. Αυτό είναι πολύ σημαντικό γιατί είναι μια πληροφορία που δεν εμφανίζεται σε καμία σελίδα της Wikipedia. Είναι δυνατό να δούμε αυτή την εικόνα όταν κάνουμε ένα βήμα πίσω και κοιτάξουμε το σύνολο.
So I want to extrapolate on this idea a bit with something that's a little bit crazy. What we're done here is we've taken every single Wikipedia page and we reduced it down to a little summary. So the summary consists of just a little synopsis and an icon to indicate the topical area that it comes from. I'm only showing the top 500 most popular Wikipedia pages right here. But even in this limited view, we can do a lot of things. Right away, we get a sense of what are the topical domains that are most popular on Wikipedia. I'm going to go ahead and select government. Now, having selected government, I can now see that the Wikipedia categories that most frequently correspond to that are Time magazine People of the Year. So this is really important because this is an insight that was not contained within any one Wikipedia page. It's only possible to see that insight when you step back and look at all of them.
Κοιτώντας σε μια από αυτές τις περιλήψεις, μπορώ να εστιάσω στο θέμα του Time magazine Person of the Year, και να ανασύρω τον καθέναν από αυτούς. Έτσι κοιτώντας αυτούς τους ανθρώπους, μπορώ να δώ πως η πλειοψηφία προέρχεται από την κυβέρνηση, κάποιοι από τις φυσικές επιστήμες, κάποιοι, αν και ελάχιστοι, από επιχειρήσεις -- εδώ είναι και το αφεντικό μου -- και ένας εχει έρθει από την μουσική. Και όλως περιέργως, ο Bono είναι επίσης νικητής βραβείου TED. Έτσι μπορούμε να πάμε και να ρίξουμε μια ματιά σε όλους τους νικητές του βραβείου TED. Βλέπετε, πως πλοηγούμαστε στο διαδίκτυο για πρώτη φορά σαν να είναι στην πραγματικότητα ένα δίκτυο, όχι από σελίδα σε σελίδα, αλλά με ένα υψηλότερο επίπεδο αφαιρετικότητας.
Looking at one of these particular summaries, I can then drill into the concept of Time magazine Person of the Year, bringing up all of them. So looking at these people, I can see that the majority come from government; some have come from natural sciences; some, fewer still, have come from business -- there's my boss -- and one has come from music. And interestingly enough, Bono is also a TED Prize winner. So we can go, jump, and take a look at all the TED Prize winners. So you see, we're navigating the web for the first time as if it's actually a web, not from page-to-page, but at a higher level of abstraction.
Και θέλω να σας δείξω και κάτι ακόμα που μπορεί να σας βρεί προ εκπλήξεως. Εδώ δείχνω απλά τη σελίδα των New York Times. Το Pivot, είναι μια εφαρμογή-- δεν θέλω να το ονομάσω φυλλομετρητή (browser), δεν είναι ακριβώς αυτό, αλλά μπορείς να βλέπεις ιστοσελίδες με τη βοήθειά του-- και φέρνουμε αυτή την τεχνολογία που σου επιτρέπει να ζουμάρεις σε καθε μια ιστοσελίδα όπως εδώ. Έτσι μπορώ να πάω πίσω, και αμέσως να ξαναεστιάσω σε συγκεκριμένο τομέα. Τωρα ο λόγος που το κάνει σημαντικό είναι επειδή με το να βλέπω τις σελίδες με αυτόν τον τρόπο, μπορώ να ανατρέξω σε όλο το ιστορικό μου με τον ίδιο ακριβώς τρόπο. Ετσι ώστε να έχω πρόσβαση σε ό,τι έχω κάνει σε διάφορες χρονικές στιγμές. Εδώ, για την ακρίβεια, είναι η εικόνα της επίδειξης που μόλις έκανα. Και μπορώ να ξαναδώ κάποια πράγματα που κοίταζα νωρίτερα σήμερα. Και, εάν θέλω να κάνω πίσω και να τα δω όλα, μπορω να εξετάσω κομμάτι-κομμάτι το ιστορικό μου, ίσως ακόμα και το ιστορικό αναζήτησης-- εδώ έκανα μια παρεμφερή έρευνα, ψάχνοντας για το Bing, για το Live Labs Pivot. Και από εκεί, μπορώ να μπω στις ιστοσελίδες και να τις ξαναφορτώσω. Είναι μια μεταφορά που μπορείς να την παραλλάξεις πολλές φορές, και σε κάθε περίπτωση κάνει το όλον σπουδαιότερο απ'οτι το άθροισμα των επιμέρους δεδομένων.
And so I want to show you one other thing that may catch you a little bit by surprise. I'm just showing the New York Times website here. So Pivot, this application -- I don't want to call it a browser; it's really not a browser, but you can view web pages with it -- and we bring that zoomable technology to every single web page like this. So I can step back, pop right back into a specific section. Now the reason why this is important is because, by virtue of just viewing web pages in this way, I can look at my entire browsing history in the exact same way. So I can drill into what I've done over specific time frames. Here, in fact, is the state of all the demo that I just gave. And I can sort of replay some stuff that I was looking at earlier today. And, if I want to step back and look at everything, I can slice and dice my history, perhaps by my search history -- here, I was doing some nepotistic searching, looking for Bing, over here for Live Labs Pivot. And from these, I can drill into the web page and just launch them again. It's one metaphor repurposed multiple times, and in each case it makes the whole greater than the sum of the parts with the data.
Έτσι αυτή τη στιγμή, σε αυτόν το κόσμο, σκεφτόμαστε τα δεδομένα σαν κατάρα Μιλάμε για την κατάρα της υπερφόρτωσης δεδομένων. Μιλάμε για το πως πνιγόμαστε στην πληροφορία. Τι θα γινόταν αν μπορούσαμε να το αντιστρέψουμε αυτό και να φέρουμε τα πάνω κάτω στο διαδίκτυο, ώστε αντί να πλοηγούμαστε από το ένα πράγμα στο επόμενο, να συνηθίσουμε στην δυνατότητα να πηγαίνουμε από πολλά σε πολλά, και μετά να είμαστε σε θέση να αναγνωρίζουμε μοτίβα τα οποία διαφορετικά θα ήταν κρυμμένα; Εάν μπορούμε να το κάνουμε αυτό, αντί να ήμαστε παγιδευμένοι σε δεδομένα, μπορούμε όντως να εξάγουμε πληροφορίες. Και αντί απλά να έχουμε να κάνουμε μόνο με πληροφορία, μπορούμε να εκμαιεύσουμε γνώση. Αν πάρουμε την γνώση, τότε ακόμα και η σοφία μπορεί να βρεθεί.
So right now, in this world, we think about data as being this curse. We talk about the curse of information overload. We talk about drowning in data. What if we can actually turn that upside down and turn the web upside down, so that instead of navigating from one thing to the next, we get used to the habit of being able to go from many things to many things, and then being able to see the patterns that were otherwise hidden? If we can do that, then instead of being trapped in data, we might actually extract information. And, instead of dealing just with information, we can tease out knowledge. And if we get the knowledge, then maybe even there's wisdom to be found.
Αυτά, σας ευχαριστώ.
So with that, I thank you.
(Χειροκρότημα)
(Applause)