How many of you had to fill out a web form where you've been asked to read a distorted sequence of characters like this? How many of you found it really annoying?
Ilu z was musiało kiedyś wypełnić online formularz, wymagający odczytania takich zniekształconych znaków? Ilu z was to naprawdę wkurzyło? OK, niesamowite. Ja to wynalazłem.
(Laughter)
OK, outstanding. So I invented that.
(Śmiech)
(Laughter)
A przynajmniej byłem jednym z wynalazców.
Or I was one of the people who did it. That thing is called a CAPTCHA. And it is there to make sure you, the entity filling out the form, are a human and not a computer program that was written to submit the form millions of times. The reason it works is because humans, at least non-visually-impaired humans, have no trouble reading these distorted characters, whereas programs can't do it as well yet. In the case of Ticketmaster, the reason you have to type these characters is to prevent scalpers from writing a program that can buy millions of tickets, two at a time.
Nosi to nazwę systemu CAPTCHA. Istnieje, by miało się pewność, że formularz wypełnia człowiek, a nie program komputerowy, napisany by wypełniał formularz setki milionów razy. Sprawdziło się to dlatego, że ludzie, przynajmniej ci z dobrym wzrokiem, bez problemu mogą odczytać te gryzmoły, a komputery tego jeszcze nie potrafią. Np. w Ticketmasterze musimy przepisać te ciągi zniekształconych znaków, by powstrzymać koników przed napisaniem programu pozwalającego im na zakup milionów biletów, po dwa naraz.
CAPTCHAs are used all over the Internet. And since they're used so often, a lot of times the sequence of random characters shown to the user is not so fortunate. So this is an example from the Yahoo registration page. The random characters that happened to be shown to the user were W, A, I, T, which, of course, spell a word. But the best part is the message that the Yahoo help desk got about 20 minutes later.
Systemy CAPTCHA wykorzystywane są w całej sieci. Ponieważ są tak często stosowane, zdarza się, że losowe znaki pokazywane użytkownikowi układane są dość niefortunnie. To przykład ze strony rejestracyjnej Yahoo. Losowe znaki, które zobaczył użytkownik to W, A, I, T, ułożone w angielskie słowo "CZEKAJ". Najlepsza była jednak wiadomość, jaką obsługa klienta Yahoo dostała 20 minut później:
[Help! I've been waiting for over 20 minutes and nothing happens.]
"Pomocy! Czekałem ponad 20 minut i nic się nie dzieje."
(Laughter)
(Śmiech)
This person thought they needed to wait. This, of course, is not as bad as this poor person.
Ten ktoś myślał, że musi czekać. Ale tamta osoba nie miała oczywiście jeszcze tak źle...
(Laughter)
(Śmiech)
CAPTCHA Project is something that we did at Carnegie Melllon over 10 years ago, and it's been used everywhere. Let me now tell you about a project that we did a few years later, which is sort of the next evolution of CAPTCHA. This is a project that we call reCAPTCHA, which is something that we started here at Carnegie Mellon, then we turned it into a start-up company. And then about a year and a half ago, Google actually acquired this company.
Projekt CAPTCHA zrealizowaliśmy w Carnegie Mellon ponad 10 lat temu i od tamtej pory stosowany jest wszędzie. Pozwólcie, że opowiem wam o projekcie przeprowadzonym kilka lat później, który jest kolejnym krokiem ewolucji CAPTCHA. Nazywamy go reCAPTCHA. Pracę nad nim zaczęliśmy w Carnegie Mellon, a potem zrobiliśmy z tego biznes. Jakieś półtora roku temu firma została wykupiona przez Google.
Let me tell you what this project started. This project started from the following realization: It turns out that approximately 200 million CAPTCHAs are typed everyday by people around the world. When I first heard this, I was quite proud of myself. I thought, look at the impact my research has had. But then I started feeling bad. Here's the thing: each time you type a CAPTCHA, essentially, you waste 10 seconds of your time. And if you multiply that by 200 million, you get that humanity is wasting about 500,000 hours every day typing these annoying CAPTCHAs.
Pozwólcie, że opowiem, jak to się zaczęło. Ten projekt powstał przez uświadomienie sobie, że 200 milionów kodów CAPTCHA wpisywanych jest codziennie przez ludzi na całym świecie. Gdy o tym usłyszałem, byłem z siebie całkiem dumny. Pomyślałem, jak duży wpływ miały te badania. Później zacząłem mieć wyrzuty sumienia. Za każdym razem, wpisując kod CAPTCHA, marnujemy 10 sekund swojego życia. A jeśli przemnożymy to przez 200 milionów, zauważymy, że ludzkość marnuje każdego dnia 500 000 godzin na samo wpisywanie tych denerwujących kodów.
(Laughter)
Właśnie wtedy zaczęło mnie to gryźć.
So then I started feeling bad.
(Śmiech)
(Laughter)
Potem pomyślałem sobie, że nie można po prostu zrezygnować z tych kodów,
And then I started thinking, of course, we can't just get rid of CAPTCHAs, because the security of the web depends on them. But then I started thinking, can we use this effort for something that is good for humanity? So see, here's the thing. While you're typing a CAPTCHA, during those 10 seconds, your brain is doing something amazing. Your brain is doing something that computers cannot yet do. So can we get you to do useful work for those 10 seconds? Is there some humongous problem that we cannot yet get computers to solve, yet we can split into tiny 10-second chunks such that each time somebody solves a CAPTCHA, they solve a little bit of this problem? And the answer to that is "yes," and this is what we're doing now.
ponieważ zależy od nich bezpieczeństwo sieci. Zacząłem myśleć, czy można wysiłek wkładany w ich pisanie wykorzystać tak, by przyniósł ludzkości pożytek? Rzecz w tym, że w ciągu tych 10 sekund, podczas których wpisujecie kody CAPTCHA, wasze mózgi robią coś niesamowitego. Robią to, czego komputery jeszcze nie potrafią. Czy możemy sprawić, byście w ciągu 10 sekund zrobili coś pożytecznego? Innymi słowy, czy jest duży problem, z którym komputery sobie jeszcze nie radzą, a który można rozbić na 10-sekundowe zadania tak, aby ilekroć ktoś rozszyfrował kod CAPTCHA, rozwiązywałby również część tego problemu? Okazuje się, że tak. I tym się teraz zajmujemy.
Nowadays, while you're typing a CAPTCHA, not only are you authenticating yourself as a human, but in addition you're helping us to digitize books. Let me explain how this works. There's a lot of projects trying to digitize books. Google has one. The Internet Archive has one. Amazon, with the Kindle, is trying to digitize books. Basically, the way this works is you start with an old book. You've seen those things, right? Like a book?
Czego możecie nie wiedzieć, to że wpisując dziś kod CAPTCHA, nie tylko potwierdzacie to, że jesteście ludźmi, ale także pomagacie zdigitalizować książki. Pozwólcie, że wyjaśnię wam jak to działa. Jest wiele projektów nastawionych na digitalizację książek. Google ma swój projekt. Internet Archive też. Amazon z Kindle również próbuje zdigitalizować książki. Działa to tak, że zaczynamy od starej książki. Widzieliście je kiedyś, książki, prawda? (Śmiech)
(Laughter)
Bierzemy książkę i ją skanujemy.
So you start with a book and then you scan it.
Skanowanie książki
Now, scanning a book is like taking a digital photograph of every page. It gives you an image for every page. This is an image with text for every page of the book. The next step in the process is that the computer needs to be able to decipher the words in this image. That's using a technology called OCR, for optical character recognition, which takes a picture of text and tries to figure out what text is in there. Now, the problem is that OCR is not perfect. Especially for older books where the ink has faded and the pages have turned yellow, OCR cannot recognize a lot of the words. For things that were written more than 50 years ago, the computer cannot recognize about 30 percent of the words. So now we're taking all of the words that the computer cannot recognize and we're getting people to read them for us while they're typing a CAPTCHA on the Internet.
to jak fotografowanie cyfrowo każdej jej strony. Otrzymujemy obraz każdej jej strony. Na każdym obrazie znajduje się tekst z książki. Następnie komputer musi rozpoznać wszystkie słowa znajdujące się na obrazie. Używa do tego technologii OCR, rozpoznającej pismo i tekst, która ze zdjęcia próbuje odczytać tekst. Problem w tym, że OCR nie jest doskonałe. Szczególnie w przypadku starszych książek, gdzie tusz wyblakł, a strony pożółkły. OCR nie rozpoznaje wielu słów, np. z tekstu napisanego 50 lat temu, komputer nie potrafi rozpoznać ok. 30% słów. Obecnie zbieramy wszystkie słowa, których komputer nie może rozpoznać i prosimy ludzi, by je dla nas odczytali podczas wpisywania CAPTCHA w internecie.
So the next time you type a CAPTCHA, these words that you're typing are actually words from books that are being digitized that the computer could not recognize. The reason we have two words nowadays instead of one is because one of the words is a word that the system just got out of a book, it didn't know what it was and it's going to present it to you. But since it doesn't know the answer, it cannot grade it. So we give you another word, for which the system does know the answer. We don't tell you which one's which and we say, please type both. And if you type the correct word for the one for which the system knows the answer, it assumes you are human and it also gets some confidence that you typed the other word correctly. And if we repeat this process to 10 different people and they agree on what the new word is, then we get one more word digitized accurately.
Następnym razem wpisując kod CAPTCHA, pamiętajcie, że te słowa pochodzą z digitalizowanych właśnie książek, których nie mógł odczytać komputer. Obecnie pojawiają się dwa słowa, ponieważ jedno ze słów jest słowem dopiero co wyciągniętym z książki przez system, który go nie rozpoznaje, a zamierza wam je pokazać. Skoro system nie zna tego słowa, nie będzie mógł ocenić naszej odpowiedzi. Dodaliśmy więc drugie słowo, które jest rozpoznawane przez system. Nie mówimy wam które jest które, tylko prosimy o wpisani obu. Jeśli wpiszecie poprawne słowo dla słowa rozpoznawanego przez system, system uzna, że jesteście ludźmi, będzie również pewniejszy, że drugie słowo wpisano poprawnie. Jeśli powtórzymy proces w przypadku 10 osób i wszyscy zgodnie przepiszą dane słowo, zyskujemy kolejne poprawnie zdigitalizowane słowo.
So this is how the system works. And since we released it about three or four years ago, a lot of websites have started switching from the old CAPTCHA, where people wasted their time, to the new CAPTCHA where people are helping to digitize books. So every time you buy tickets on Ticketmaster, you help to digitize a book. Facebook: Every time you add a friend or poke somebody, you help to digitize a book. Twitter and about 350,000 other sites are all using reCAPTCHA. And the number of sites that are using reCAPTCHA is so high that the number of words we're digitizing per day is really large. It's about 100 million a day, which is the equivalent of about two and a half million books a year. And this is all being done one word at a time by just people typing CAPTCHAs on the Internet.
Tak działa ten system. Odkąd go wypuściliśmy 3-4 lata temu, wiele witryn przestawiło się ze starego CAPTCHA, gdzie ludzie marnowali swój czas, na nowe CAPTCHA, gdzie ludzie pomagają digitalizować książki. Np. Ticketmaster. Za każdym razem, gdy kupujemy bilety na Ticketmaster, pomagamy digitalizować książkę. Facebook: dodając nowych znajomych lub zaczepiając kogoś, pomagamy digitalizować książkę. Twitter i ok. 350 000 innych stron korzysta z reCAPTCHA. Liczba stron korzystających z reCAPTCHA jest tak duża, że liczba słów sczytywanych dziennie jest naprawdę ogromna. Około 100 milionów słów dziennie, co odpowiada 2,5 milionom książek rocznie. Wszystko to robi się po jednym słówku, dzięki ludziom wpisującym CAPTCHA w Internecie. (Oklaski)
(Applause)
Z uwagi na dużą
Now, of course, since we're doing so many words per day, funny things can happen. This is especially true because now we're giving people two randomly chosen English words next to each other. So funny things can happen. For example, we presented this word. It's the word "Christians"; there's nothing wrong with it. But if you present it along with another randomly chosen word, bad things can happen. So we get this.
liczbę słów wpisywany codziennie, mają miejsce zabawne sytuacje. Głównie przez to, że wyświetlamy ludziom dwa zupełnie przypadkowe słowa obok siebie. Dzieją się śmieszne rzeczy, np. wyświetliliśmy ten wyraz. "Christians" (Chrześcijanie); nie ma w nim nic złego. Ale coś może pójść nie tak, jeśli wyświetlmy go z przypadkowo dobranym słowem. "Bad Christians" (Źli Chrześcijanie).
[bad Christians]
Było jeszcze gorzej, ponieważ stroną, na której to się wyświetliło
But it's even worse, because the website where we showed this actually happened to be called The Embassy of the Kingdom of God.
była witryna Ambasady Królestwa Bożego. (Śmiech)
(Laughter)
Ups.
Oops.
(Śmiech)
(Laughter)
Jeszcze jeden zły przykład.
Here's another really bad one. JohnEdwards.com
JohnEdwards.com "Damn liberal" (Cholerny liberał)
[Damn liberal]
(Laughter)
(Śmiech)
So we keep on insulting people left and right everyday. Of course, we're not just insulting people. Here's the thing. Since we're presenting two randomly chosen words, interesting things can happen. So this actually has given rise to a really big Internet meme that tens of thousands of people have participated in, which is called CAPTCHA art. I'm sure some of you have heard about it. Here's how it works. Imagine you're using the Internet and you see a CAPTCHA that you think is somewhat peculiar, like this CAPTCHA.
Codziennie znieważamy ludzi na lewo i prawo. Oczywiście nie tylko obrażamy ludzi. Rzecz w tym, że prezentując dwa przypadkowo dobrane słowa, mogą zdarzyć się interesujące rzeczy. Dało to początek dużemu internetowemu przedsięwzięciu, w którym uczestniczyły dziesiątki tysięcy ludzi, zwanym CAPTCHA art. Jestem pewny, że niektórzy z was o tym słyszeli. Oto jak to działa. Weźmy na to, że korzystacie z internetu i trafiacie na kod CAPTCHA, który jest według was osobliwy, jak np. ten: niewidzialny toster.
[invisible toaster]
Następnie robimy screenshota
What you're supposed to do is you take a screenshot of it. Then of course, you fill out the CAPTCHA because you help us digitize a book. But first you take a screenshot and then you draw something that is related to it.
i oczywiście wypełniamy pole CAPTCHA, ponieważ pomagamy zdigitalizować książkę. Najpierw robimy screenshot i rysujemy coś z tym związanego.
(Laughter)
(Śmiech)
That's how it works.
Tak to działa.
(Laughter)
Są ich dziesiątki tysięcy.
There are tens of thousands of these. Some of them are very cute.
Niektóre są słodkie (Tekst: zacisnąłem piąstkę).
[clenched it]
(Śmiech)
(Laughter)
Niektóre śmieszne.
Some of them are funnier.
(Tekst: upaleni Założyciele)
[stoned Founders]
(Laughter)
(Śmiech)
And some of them, like paleontological shvisle ...
Niektóre z nich,
(Laughter)
np. paleontological shvisle,
they contain Snoop Dogg.
zawierają slang Snoop Dogga.
(Laughter)
(Śmiech)
OK, so this is my favorite number of reCAPTCHA. So this is the favorite thing that I like about this whole project. This is the number of distinct people that have helped us digitize at least one word out of a book through reCAPTCHA: 750 million, a little over 10 percent of the world's population, has helped us digitize human knowledge. And it is numbers like these that motivate my research agenda. So the question that motivates my research is the following: If you look at humanity's large-scale achievements, these really big things that humanity has gotten together and done historically -- like, for example, building the pyramids of Egypt or the Panama Canal or putting a man on the Moon -- there is a curious fact about them, and it is that they were all done with about the same number of people. It's weird; they were all done with about 100,000 people. And the reason for that is because, before the Internet, coordinating more than 100,000 people, let alone paying them, was essentially impossible. But now with the Internet, I've just shown you a project where we've gotten 750 million people to help us digitize human knowledge. So the question that motivates my research is, if we can put a man on the Moon with 100,000, what can we do with 100 million?
To moja ulubiona liczba w reCAPTCHA. To najlepsza rzecz w tym projekcie. To liczba odrębnych ludzi, którzy pomogli nam zdigitalizować przynajmniej jedno słowo z książki przez reCAPTCHA: 750 milionów, co stanowi nieco ponad 10% liczby ludności na świecie, która pomogła zdigitalizować ludzką wiedzę. Takie liczby motywują mnie do dalszych badań. Kwestią, która motywuje mnie do badań, jeśli pomyślicie o wielkich osiągnięciach ludzkości, tych naprawdę ważnych, kiedy ludzie wspólnie zrobili coś historycznego, jak np. budowa piramid w Egipcie, czy Kanału Panamskiego lub wysłanie człowieka na Księżyc, jest w nich coś ciekawego, wszystkich tych osiągnieć dokonano z mniej więcej tą samą liczbą ludzi. To dziwne, ale wszystkie zostały dokonane z ok. 100 tys. ludzi. Dziwne, ponieważ przed powstaniem internetu, zarządzanie 100 tys. ludzi, płacenie im, było w zasadzie niemożliwe. Jednak w dobie internetu, pokazałem wam właśnie projekt, w który zaangażowanych było 750 milionów ludzi, pomagających zdigitalizować ludzką wiedzę. Kwestią motywującą moje badania jest to, co można by zrobić ze 100 milionami ludzi, jeśli ze 100 tys. mogliśmy wysłać człowieka na Księżyc.
So based on this question, we've had a lot of different projects that we've been working on. Let me tell you about one that I'm most excited about. This is something that we've been semiquietly working on for the last year and a half or so. It hasn't yet been launched. It's called Duolingo. Since it hasn't been launched, shhh!
Opierając się na tym pytaniu, przeprowadziliśmy wiele projektów. Opowiem o jednym, który mnie najbardziej ekscytuje. Pracowaliśmy nad nim od mniej więcej półtora roku. Jeszcze nie funkcjonuje. Nazywa się Duolingo. Ale cicho, jeszcze nie działa.
(Laughter)
(Śmiech)
Yeah, I can trust you'll do that. So this is the project. Here's how it started. It started with me posing a question to my graduate student, Severin Hacker. OK, that's Severin Hacker. So I posed the question to my graduate student. By the way, you did hear me correctly; his last name is Hacker.
OK, ufam wam. Oto ten projekt. Tak się rozpoczął. Zaczęło się od tego, że zadałem pytanie swojemu studentowi, Severinowi Hackerowi. OK, to jest Severin Hacker. Zadałem mu pytanie. Tak poza tym, dobrze usłyszeliście; nazywa się Hacker (z ang. haker).
(Laughter)
Zadałem mu następujące pytanie:
So I posed this question to him: How can we get 100 million people translating the web into every major language for free? There's a lot of things to say about this question. First of all, translating the web. Right now, the web is partitioned into multiple languages. A large fraction of it is in English. If you don't know English, you can't access it. But there's large fractions in other different languages, and if you don't know them, you can't access it. So I would like to translate all of the web, or at least most of it, into every major language. That's what I would like to do.
Co zrobić, by 100 milionów ludzi tłumaczyło zasoby internetu na wszystkie języki za darmo? Wiele można powiedzieć o tym pytaniu. Po pierwsze, tłumaczenie zasobów internetu, które obecnie podzielony jest na wiele języków. Ogromną jego częścią jest język angielski. Nie znając angielskiego, nie będziecie mieć do niej dostępu. Są również duże części w innych językach, nie znając ich, nie będziecie mieć do nich dostępu. Chciałbym przetłumaczyć cały internet albo chociaż większą jego część, na każdy liczący się język. To chciałbym zrobić.
Now, some of you may say, why can't we use computers to translate? Machine translation is starting to translate some sentences here and there. Why can't we use it to translate the web? The problem with that is it's not yet good enough and it probably won't be for the next 15 to 20 years. It makes a lot of mistakes. Even when it doesn't, since it makes so many mistakes, you don't know whether to trust it or not.
Niektórzy spytają: dlaczego nie możemy użyć komputerów do tłumaczenia? Czemu nie zastosujemy tłumaczenia maszynowego? Tłumaczenia maszynowego używa się tu i ówdzie do tłumaczenia zdań. Dlaczego przy jego pomocy nie przetłumaczyć całego internetu? Problem w tym, że tłumaczenie maszynowe nie jest jeszcze dość rozwinięte i prawdopodobnie nie będzie przez najbliższe 15-20 lat. Popełnia wiele błędów. Nawet jeśli gdzieś nie zrobi błędu, to ponieważ popełnia ich tak wiele, nie wiemy czy tamu zaufać, czy nie.
So let me show you an example of something that was translated with a machine. Actually, it was a forum post. It was somebody who was trying to ask a question about JavaScript. It was translated from Japanese into English. So I'll just let you read. This person starts apologizing for the fact that it's translated with a computer. So the next sentence is going to be the preamble to the question. So he's just explaining something. Remember, it's a question about JavaScript.
Pokażę wam przykład tekstu tłumaczonego maszynowo. To był wpis na forum zamieszczony przez kogoś, kto zapytał o JavaScript. Wpis przetłumaczono z języka japońskiego na angielski. Dam wam przeczytać. Na początku, ten ktoś przeprasza, że przetłumaczył pytanie maszynowo. Kolejne zdanie jest wstępem do pytania. Coś wyjaśnia. Pamiętajcie, to pytanie o dotyczące JavaScript.
[At often, the goat-time install a error is vomit.]
(Tekst: Często, długi czas instalowaći błąd zwymiotować.)
(Laughter)
(Śmiech)
Then comes the first part of the question.
Następnie, pierwsza część pytania.
[How many times like the wind, a pole, and the dragon?]
(Tekst: Ile razy lubić wiatr, biegun i smoka?)
(Laughter)
(Śmiech)
Then comes my favorite part of the question.
Wreszcie moja ulubiona część pytania.
[This insult to father's stones?]
(Tekst: To obrażać ojca kamienie?)
(Laughter)
(Śmiech)
And then comes the ending, which is my favorite part of the whole thing.
Następnie końcówka, czyli moja ulubiona część całego postu. (Tekst: Proszę przeprosić za swoją głupotę. Bardzo ci dziękować.)
[Please apologize for your stupidity. There are a many thank you.]
(Śmiech)
(Laughter)
Więc tłumaczenie maszynowe nie jest na razie dostatecznie dobre.
OK, so computer translation, not yet good enough. So back to the question. So we need people to translate the whole web. So now the next question you may have is, well, why can't we just pay people to do this? We could pay professional translators to translate the whole web. We could do that. Unfortunately, it would be extremely expensive. For example, translating a tiny fraction of the whole web, Wikipedia, into one other language, Spanish. OK? Wikipedia exists in Spanish, but it's very small compared to the size of English. It's about 20 percent of the size of English. If we wanted to translate the other 80 percent into Spanish, it would cost at least 50 million dollars -- and this is even at the most exploited, outsourcing country out there. So it would be very expensive. So what we want to do is, we want to get 100 million people translating the web into every major language for free.
Wracając do naszego pytania. Potrzebujemy ludzi do przetłumaczenia całego internetu. Kolejne pytanie, jakie możecie zadać, to: dlaczego nie możemy ludziom za to zapłacić? Moglibyśmy zapłacić profesjonalnym tłumaczom za tłumaczenie internetu. Moglibyśmy to zrobić. Niestety byłoby to niezwykle kosztowne, np. tłumaczenie małej części internetu, Wikipedii, na język hiszpański. Istnieje wersja hiszpańska Wikipedii, ale jest bardzo mała, w porównaniu z wersją angielską. Stanowi ok. 20% angielskiej Wikipedii. Jeśli chcielibyśmy przetłumaczyć pozostałe 80% na język hiszpański, kosztowałoby to nas przynajmniej 50 milionów dolarów, i to w w najbardziej wyzyskiwanym kraju. Byłoby to bardzo drogie. Chcemy zebrać 100 milionów ludzi, by tłumaczyli internet na każdy z liczących się języków za darmo.
If this is what you want to do, you quickly realize you're going to run into two big hurdles, two big obstacles. The first one is a lack of bilinguals. So I don't even know if there exists 100 million people out there using the web who are bilingual enough to help us translate. That's a big problem. The other problem you're going to run into is a lack of motivation. How are we going to motivate people to actually translate the web for free? Normally, you have to pay people to do this. So how are we going to motivate them to do it for free? When we were starting to think about this, we were blocked by these two things. But then we realized, there's a way to solve both these problems with the same solution. To kill two birds with one stone. And that is to transform language translation into something that millions of people want to do and that also helps with the problem of lack of bilinguals, and that is language education.
Jeśli chce się to osiągnąć, bardzo szybko można trafić na dwie duże przeszkody. Po pierwsze, brak ludzi dwujęzycznych. Nie wiem nawet czy jest 100 milionów ludzi korzystających z internetu, którzy znają dwa języki na tyle, by pomóc nam tłumaczyć. To duży problem. Po drugie, odczujemy brak motywacji. Jak zmotywować ludzi do tłumaczenia internetu za darmo? Normalnie trzeba ludziom za to płacić. Jak ich zmotywować do robienia tego za darmo? Na początku projektu, powstrzymywały nas właśnie te dwie rzeczy. Uświadomiliśmy sobie jednak, że jest sposób na rozwiązanie obu tych problemów. Można upiec dwie pieczenie na jednym ogniu. Przekształcić tłumaczenie w coś, co miliony ludzi chciałoby robić, co pomogłoby rozwiązać problem braku osób dwujęzycznych, a rozwiązaniem tym jest edukacja językowa.
So it turns out that today, there are over 1.2 billion people learning a foreign language. People really want to learn a foreign language. And it's not just because they're being forced to do so in school. In the US alone, there are over five million people who have paid over $500 for software to learn a new language. So people really want to learn a new language. So what we've been working on for the last year and a half is a new website -- it's called Duolingo -- where the basic idea is people learn a new language for free while simultaneously translating the web. And so basically, they're learning by doing.
Okazuje się, że obecnie 1,2 miliarda ludzi uczy się języka obcego. Ludzie bardzo chcą uczyć się języków obcych. Nie tylko dlatego, że zmuszano ich do tego w szkole, np. w samych Stanach Zjednoczonych , jest ponad 5 mln ludzi, którzy wydali ponad 500 dolarów na oprogramowanie do nauki języków. Ludzie bardzo, bardzo chcą uczyć się języków. Przez ostatnie półtora roku pracowaliśmy nad nową stroną, Duolingo, której podstawowym założeniem jest to, że ludzie mogą uczyć się nowego języka za darmo, jednocześnie tłumacząc internet. Uczą się poprzez praktykę.
So the way this works is whenever you're a just a beginner, we give you very simple sentences. There's a lot of very simple sentences on the web. We give you very simple sentences along with what each word means. And as you translate them and as you see how other people translate them, you start learning the language. And as you get more advanced, we give you more complex sentences to translate. But at all times, you're learning by doing.
Działa to w ten sposób, że jeśli jesteś początkujący, dajemy ci bardzo proste zdania. W internecie jest masa prostych zdań. Dajemy wam proste zdania ze znaczeniem poszczególnych słów. Tłumacząc je i widząc jak inni je tłumaczą, zaczynacie uczyć się języka. Wraz ze wzrostem zaawansowania dajemy wam do tłumaczenia coraz bardziej skomplikowane zdania. Cały czas uczycie się poprzez praktykę. Może to zwariowane, ale ta metoda
Now, the crazy thing about this method is that it actually really works. People are really learning a language. We're mostly done building it and now we're testing it. People really can learn a language with it. And they learn it about as well as the leading language learning software. So people really do learn a language. And not only do they learn it as well, but actually it's more interesting. Because with Duolingo, people are learning with real content. As opposed to learning with made-up sentences, people are learning with real content, which is inherently interesting. So people really do learn a language.
naprawdę działa. Po pierwsze, ludzie rzeczywiście uczą się języka. Strona jest prawie skończona i teraz ją testujemy. Ludzie przy jej pomocy naprawdę mogą nauczyć się języka. Uczą się równie dobrze, jak przy użyciu wiodących programów do nauki języków. Ludzie naprawdę uczą się języka. Nie tylko dobrze się go uczą, ale również uczą się w interesujący sposób. Na Duolingo ludzie uczą się na autentycznych materiałach. W przeciwieństwie do nauki na wymyślonych zdaniach, ludzie uczą się na autentycznych materiałach, co jest bardzo interesujące. Ludzie więc naprawdę uczą się języka.
But perhaps more surprisingly, the translations that we get from people using the site, even though they're just beginners, the translations that we get are as accurate as those of professional language translators, which is very surprising. So let me show you one example. This is a sentence that was translated from German into English. The top is the German. The middle is an English translation that was done by a professional translator who we paid 20 cents a word for this translation. And the bottom is a translation by users of Duolingo, none of whom knew any German before they started using the site. If you can see, it's pretty much perfect. Of course, we play a trick here to make the translations as good as professional language translators. We combine the translations of multiple beginners to get the quality of a single professional translator.
Co bardziej zaskakujące, to że tłumaczenia naszych użytkowników, pomimo tego że są początkującymi, są precyzyjne jak te, wykonane przez profesjonalnych tłumaczy, np. to zdanie zostało przetłumaczone z języka niemieckiego na angielski. Na samej górze jest zdanie po niemiecku. W środku jest tłumaczenie angielskie, wykonane przez profesjonalnego tłumacza języka angielskiego, któremu płaciliśmy 20 centów za słowo tłumaczenia. Na dole znajduje się tłumaczenie użytkownika Duolingo. Żaden z nich nie znał niemieckiego przed skorzystaniem z naszej strony. Sami widzicie, że jest całkiem dobre. Oczywiście robimy pewną sztuczkę, by tłumaczenia by wyglądały profesjonalnie. Łączymy tłumaczenia wielu początkujących użytkowników, by osiągnąć jakość jednego profesjonalnego tłumacza.
Now, even though we're combining the translations, the site actually can translate pretty fast. So let me show you, this is our estimates of how fast we could translate Wikipedia from English into Spanish. Remember, this is 50 million dollars' worth of value. So if we wanted to translate Wikipedia into Spanish, we could do it in five weeks with 100,000 active users. And we could do it in about 80 hours with a million active users. Since all the projects my group has worked on so far have gotten millions of users, we're hopeful that we'll be able to translate extremely fast.
Pomimo łączenia tłumaczeń, strona działa nadzwyczaj szybko. Pozwólcie, że wam pokażę, to nasze dane szacunkowe, jak szybko moglibyśmy przetłumaczyć Wikipedię z angielskiego na hiszpański. Pamiętajcie, jest to warte 50 mln dolarów. Jeśli chcielibyśmy przetłumaczyć Wikipedię na język hiszpański, mając 100 tys. aktywnych użytkowników, moglibyśmy zrobić to w 5 tygodni, a mając milion - w 80 godzin. Ponieważ wszystkie projekty opracowane z moją grupą zyskały miliony użytkowników, mamy nadzieję, że ten projekt pozwoli nam tłumaczyć w bardzo szybki sposób.
Now, the thing that I'm most excited about with Duolingo is I think this provides a fair business model for language education. So here's the thing: The current business model for language education is the student pays, and in particular, the student pays Rosetta Stone 500 dollars.
Tym, co mnie w Duolingo najbardziej cieszy jest to, że stwarza uczciwy model biznesowy dla edukacji językowej. Wygląda to tak. Obecny model edukacji językowej wygląda tak: student płaci za naukę. Co więcej, płaci 500 dolarów za program Rosetta Stone.
(Laughter)
(Śmiech)
That's the current business model. The problem with this business model is that 95 percent of the world's population doesn't have 500 dollars. So it's extremely unfair towards the poor. This is totally biased towards the rich. Now, see, in Duolingo, because while you learn, you're actually creating value, you're translating stuff -- which, for example, we could charge somebody for translations, so this is how we could monetize this. Since people are creating value while they're learning, they don't have to pay with their money, they pay with their time. But the magical thing here is that is time that would have had to have been spent anyways learning the language. So the nice thing about Duolingo is, I think, it provides a fair business model -- one that doesn't discriminate against poor people.
To obecny model. Problem z tym modelem polega na tym, że 95% ludzi na świecie nie ma 500 dolarów. To strasznie niesprawiedliwe wobec biednych. To całkowity ukłon w stronę bogatych. W przypadku Duolingo ucząc się, tworzy się wartość, tłumaczy prawdziwe rzeczy, za które to tłumaczenia moglibyśmy pobierać opłaty. Tak moglibyśmy to spieniężyć. Ponieważ ludzie tworzą podczas nauki, nie muszą płacić pieniędzmi, bo płacą swoim czasem. Najlepsze jest to, że płacą własnym czasem, który i tak spędziliby na nauce języka obcego. Fajne w Duolingo jest to, że opiera się na uczciwym modelu biznesowym, który nie dyskryminuje ludzi biednych. Oto adres strony. Dziękuję.
So here's the site. Thank you.
(Oklaski)
(Applause)
Ta strona nie została jeszcze uruchomiona,
We haven't yet launched, but if you go there, you can sign up to be part of our private beta, which is probably going to start in three or four weeks. We haven't yet launched it.
Ta strona nie została jeszcze uruchomiona, ale jeśli na nią wejdziecie, możecie się zapisać na testy wersji beta, które najpewniej zaczną się za 3 - 4 tygodnie. Duolingo nie zostało jeszcze uruchomione.
By the way, I'm the one talking here, but Duolingo is the work of a really awesome team,
Tak poza tym, jestem tu sam, a Duolingo to w rzeczywistości praca niesamowitej grupy ludzi. Niektórzy są tutaj.
some of whom are here. So thank you.
Dziękuję.
(Applause)
(Oklaski)