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.
Se eu posso deixá-los com uma grande idéia, hoje, é que o conjunto dos dados que consumimos é maior que a soma das partes, e, em vez de pensar sobre a sobrecarga de informações, o que eu gostaria que vocês pensassem é como podemos usar a informação para que padrões surjam e possamos ver tendências que seriam invisíveis.
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.
Então o que nós estamos olhando bem aqui é um grafico típico de mortalidade organizado por faixa etária. Esta ferramenta que eu estou usando aqui é uma pequena experiência. É chamado Pivot, e com o pivô o que eu posso fazer é que eu posso escolher para filtrar em uma determinada causa de mortes, vamos dizer acidentes E, logo, eu vejo que há um padrão diferente que emerge. Isto porque, na área do meio aqui, as pessoas estão no seu momento mais ativo, e aqui eles estão no seu mais frágil. Podemos dar um passo para trás outra vez e reorganizar os dados por causa da morte, vendo que as doenças circulatórias e câncer são os suspeitos habituais, mas não para todos. Se formos adiante e filtrarmos por idade, digamos 40 anos ou menos, vemos que os acidentes são, na realidade o motivo principal pelos quais as pessoas deveriam se preocupar. E se você se aprofundar nisso, é o caso especialmente para homens.
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.
Então você começa a entender a idéia que a visualização da informação, a visualização dos dados, desta forma, é muito parecido com navegar em um gráfico de informações dinâmico E se podemos fazer isso para os dados brutos, Por que não fazer para conteúdos também? Então o que temos aqui, é a capa da cada revista Sports Illustrated já produzida. Está tudo aqui. Tudo na web. Você pode voltar para seus quartos e tentar isso depois da minha palestra. Com o Pivot, você pode se aprofundar por uma década. Você pode se aprofundar em um determinado ano. Você pode ir direto para uma edição específica. Então, eu estou olhando para isto, eu vejo os atletas que apareceram nesta edição, em esportes. Eu sou um fã de Lance Armstrong, então eu vou seguir em frente e eu vou clicar aqui, para que revele para mim, todas as edições que Lance Armstrong fez parte.
(Applause)
(Aplausos)
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.
Agora, se eu quisesse apenas dar uma olhada, Eu poderia pensar, "Bem, que tal dar uma olhada em tudo sobre ciclismo? Então eu posso dar um passo atrás, e expandir a esse respeito. E eu vejo Greg Lemond agora. E assim você começa a entender que quando você navega nas informações dessa maneira, sendo mais limitado ou mais abrangente, mais específico ou mais superficial você não está procurando, você não está navegando. Você está fazendo algo que na verdade é um pouco diferente. É entre uma coisa e outra, e isso muda a forma como a informação pode ser usada.
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.
Então eu quero extrapolar essa idéia um pouco algo que é um pouco louco. O que estamos fazendo aqui é tomando todas as páginas da Wikipédia e reduzindo-as a um pequeno resumo. Isto é, o resumo foi formado a partir de pequenas sinopses e um ícone para indicar a área temática que deu origem. Estou apenas mostrando as top 500 mais populares páginas da Wikipédia aqui. Mas mesmo restringindo a esse ponto, podemos fazer um monte de coisas. De imediato, temos uma noção do que são os tópicos dominantes, que são mais populares na Wikipédia. Avançando, vou escolher um governo. Agora, tendo selecionado o governo, posso ver que as categorias Wikipédia que mais frequentemente correspondem a ele são a Revista Time e a matéria Pessoa do Ano. Esta informação é relevante porque nos traz um insight que não estava contido dentro de nenhuma outra página da Wikipédia. Só é possível ter esse insight quando dou um passo atrás e e vejo todos eles.
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.
Olhando apenas para um desses resumos em particular, Posso então aprofundar o conceito de que A revista Time e a matéria Pessoa do Ano, traz tudo isso. Então, olhando para essas pessoas, Eu posso ver que a maioria vem do governo. Alguns vêm de ciências naturais. Alguns, menos ainda, vem de empresas. Aqui está meu chefe. E uma pessoa veio de música. E, curiosamente, Bono também é um vencedor do Prêmio TED. Assim, podemos dar um salto, e ver todos os vencedores do Prêmio TED. Então como pode notar, estamos navegando na web pela primeira vez como se fosse realmente uma rede, e não página a página, mas a um nível mais elevado de abstração.
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.
E assim eu quero demonstrar uma outra coisa que pode pegar vocês um pouco de surpresa. Estou apenas mostrando o website do New York Times aqui. Então Pivot, esta aplicação -- Eu não quero chamá-lo de um navegador, pois não é realmente um navegador, mas você pode visualizar as páginas com ele -- e nós trouxemos essa tecnologia do zoom a cada página da web como esta. Assim eu posso voltar atrás, e entrar em uma seção específica. Agora, a razão pela qual isso é importante é que, em virtude de apenas visualizarmos páginas web, desta forma, Eu posso ver o meu histórico de navegação inteiro da exata mesma maneira. Então, posso me aprofundar sobre o que eu fiz em períodos específicos. Aqui, de fato, é o estado de toda a demonstração que acabei de fazer. E eu posso repassar algumas coisas que eu estava olhando hoje cedo. E, se eu quiser dar um passo atrás e olhar para tudo, Eu posso cortar e mudar minha história talvez pelo meu histórico de pesquisas. Aqui, eu estava fazendo umas pesquisas nepotistas, procurando no Bing, por Live Labs Pivot. E a partir disso, posso aprofundar na página e lançá-lo novamente. É uma metáfora reaproveitada várias vezes, e em cada caso, torna o conjunto maior do que a soma das partes com os dados.
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.
Então, agora, neste mundo, nós pensamos sobre os dados como sendo essa maldição. Falamos sobre a maldição da sobrecarga de informação. Falamos sobre nos afogarmos em dados. E se nós realmente pudermos virar isso de cabeça para baixo e virar a web de cabeça para baixo, de forma que em vez de irmos de uma coisa para a outra, pudéssemos nos acostumar com o hábito de sermos capazes de ir de muitas coisas para muitas coisas, e, em seguida, sermos capazes de enxergar as tendências que estava escondidas? Se pudermos fazer isso, então, ao invés de sermos trapaceados pelos dados, poderíamos realmente extrair informações. E, em vez de lidar apenas com a informação, poderíamos destrinchar conhecimento. E, se chegarmos ao conhecimento, então talvez ainda haja sabedoria a ser encontrada.
So with that, I thank you.
Então, com isso, eu lhe agradeço.
(Applause)
(Aplausos)