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?
ใครเคยกรอกแบบฟอร์มบนเว็บไซต์ ที่คุณต้องอ่านตัวอักษรเบี้ยวๆ แบบนี้มั่งครับ ใครคิดว่ามันน่ารำคาญมากๆบ้าง โอเค ชัดเจน ผมเป็นคนสร้างมันเองครับ
(Laughter)
OK, outstanding. So I invented that.
(เสียงหัวเราะ)
(Laughter)
ถ้าพูดให้ถูก ผมเป็นหนึ่งในทีมสร้างครับ
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.
สิ่งนี้เรียกว่า แคปช่า (CAPTCHA) มันถูกใส่ไว้เพื่อความมั่นใจว่า คุณที่กำลังกรอกฟอร์มนั้น เป็นคนจริงๆ ไม่ใช่โปรแกรมคอมพิวเตอร์ ซึ่งถูกเขียนขึ้นมาเพื่อส่งฟอร์มจำนวนเป็นล้านๆครั้ง ที่มันได้ผลก็เพราะว่า มนุษย์ อย่างน้อยๆ มนุษย์ที่ไม่ได้มีความบกพร่องทางสายตา ไม่มีปัญหาใดๆในการอ่านตัวหนังสือเบี้ยวๆยึกยือพวกนี้ ในขณะที่โปรแกรมคอมพิวเตอร์ยังไม่สามารถทำได้ ดังเช่นตัวอย่าง ในกรณีของ ทิคเก็ตมาสเตอร์ (Ticketmaster) เหตุผลที่คุณต้องพิมพ์ตัวอักษรเบี้ยวๆพวกนี้ ก็เพื่อป้องกันพวกที่เขียนโปรแกรม เพื่อซื้อตั๋วเป็นล้านๆใบ ให้ซื้อได้แค่ทีละสองใบ
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.
แคปช่า ถูกใช้ทุกหนทุกแห่งบนอินเตอร์เน็ต และเมื่อมันถูกใช้บ่อยๆ หลายครั้ง ที่ตัวอักษรที่ถูกสุ่มขึ้นมา ให้ปรากฎต่อหน้าผู้ใช้ ไม่ค่อยจะโชคดีสักเท่าไร นี่เป็นตัวอย่างจากหน้าลงทะเบียนของ ยาฮู (Yahoo) ตัวอักษรที่ถูกสุ่มขึ้นมาปรากฎต่อหน้าผู้ใช้ ได้แก่ ร, อ ซึ่งแน่ล่ะ มันสะกดได้เป็นคำ แต่ที่เจ๋งที่สุด คือข้อความ ที่ฝ่ายช่วยเหลือของยาฮูได้รับในอีก 20 นาทีถัดไป
[Help! I've been waiting for over 20 minutes and nothing happens.]
ข้อความ : ช่วยด้วย ผมรอมาตั้ง 20 นาทีแล้ว และมันไม่มีอะไรเกิดขึ้นเลย
(Laughter)
(เสียงหัวเราะ)
This person thought they needed to wait. This, of course, is not as bad as this poor person.
คนคนนี้คิดว่าเขาต้องรอ แต่ว่านี่มันก็ไม่แย่เท่าคนที่น่าสงสารรายนี้
(Laughter)
(เสียงหัวเราะ)
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.
โครงการ แคปช่า เป็นสิ่งที่พวกเราสร้างขึ้นที่ แมลโล่ (Carnegie Mellon) สิบกว่าปีก่อน และมันก็ถูกใช้ไปทุกหนทุกแห่ง ให้ผมเล่าให้คุณฟังเกี่ยวกับโครงการที่เราทำ เมื่อไม่กี่ปีที่ผ่านมา ซึ่งราวกับว่าเป็นวิวัฒนาการขั้นถัดไปของ แคปช่า โครงการนี้เราเรียกว่า รีแคปช่า (reCAPTCHA) ซึ่งเป็นอะไรที่เราริเริ่ม ณ คานีกี แมลโล่ นี้ แล้วเราก็ตั้งเป็นบริษัทตั้งต้นขึ้นมา และแล้ว ประมาณปีครึ่งที่ผ่านมา กูเกิลก็ซื้อบริษัทนี้
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.
อนุญาตให้ผมเล่า ว่าโครงการนี้เริ่มขึ้นอย่างไร โครงการนี้เริ่มต้นขึ้นจากสิ่งที่เราได้ทราบดังต่อไปนี้ : มีราวๆ 200 ล้านแคปช่า ถูกพิมพ์โดยคนทั่วโลกทุกวัน เมื่อผมได้ยินเป็นครั้งแรก ผมรู้สึกค่อนข้างภูมิใจในตัวเอง ดูจากผลกระทบของงานวิจัยของผมสิ แต่แล้ว ผมก็เริ่มรู้สึกแย่ คุณเห็นไหม ทุกครั้งที่คุณพิมพ์ แคปช่า คุณเสียเวลาของคุณไปเลยเต็มๆ 10 วินาที และถ้าคุณลองคูณมันด้วย 200 ล้าน คุณทำให้มนุษยชาติทั้งหมดเสียเวลา ไปประมาณ 500,000 ชั่วโมงทุกวัน พิมพ์สิ่งๆที่แสนน่ารำคาญที่เรียกว่า แคปช่า
(Laughter)
ฉะนั้นผมก็เลยรู้สึกแย่
So then I started feeling bad.
(เสียงหัวเราะ)
(Laughter)
ผมเลยก็เริ่มคิด อืม แน่ล่ะ เรากำจัดแคปช่าออกไปไม่ได้
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.
เพราะว่าความปลอดภัยของเว็บไซต์ค่อนข้างขึ้นอยู่กับมัน แต่ผมก็เริ่มคิด มันจะมีทางอื่นอีกไหม ที่เราจะได้ใช้แรงงานนี้ สำหรับอะไรบางอย่างที่เป็นคุณประโยชน์ต่อมนุษยชาติ เอาล่ะ นี่ครับ ขณะที่คุณพิมพ์ แคปช่า ระหว่าง10 วินาทีนั้น สมองของคุณกำลังทำสิ่งที่น่าทึ่ง สมองของคุณกำลังทำ สิ่งที่คอมพิวเตอร์ยังไม่สามารถที่จะทำได้ แล้วเราจะทำให้คุณทำสิ่งที่มีประโยชน์ ภายในเวลา 10 วินาทีได้ไหม จะพูดในอีกแง่หนึ่งก็คือ เรามีปัญหาใหญ่มาก ที่เรายังไม่สามารถใช้คอมพิวเตอร์จัดการ ที่เราสามารถแบ่งเป็นก้อนขนาด 10 วินาทีได้ เพื่อที่ว่า ทุกครั้งที่คนแก้โจทย์แคปช่า พวกเขาก็จะแก้ปัญหานี้ได้ทีละนิดไปด้วย และคำตอบก็คือ มีครับ และนี่คือสิ่งที่เรากำลังทำในขณะนี้
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?
สิ่งที่คุณอาจไม่ทราบก็คือ ทุกวันนี้ ขณะที่คุณกำลังพิมพ์ แคปช่า ไม่เพียงแค่คุณได้พิสูจน์ว่าเป็นมนุษย์ แต่คุณยังได้ช่วยพวกเราในการแปลงหนังสือ ให้อยู่ในรูปแบบดิจิตัล ให้ผมอธิบายนะครับว่ามันทำงานอย่างไร มีโครงการมากมายที่พยายาม แปลงหนังสือให้อยู่ในรูปแบบดิจิตัล กูเกิลก็มีโครงการหนึ่ง อินเตอร์เน็ต อาร์ไคฟ์ ก็อีกหนึ่ง แอมาซอน พร้อมกับคินเดิล ก็พยายามที่จะทำหนังสือให้เป็นดิจิตัล การทำงานของมันแบบง่ายๆ คือคุณเริ่มจากหนังสือเก่า คุณเคยเห็นของพวกนั้นใช่ไหมครับ ที่เหมือนหนังสืออะครับ (เสียงหัวเราะ)
(Laughter)
คุณเริ่มจากหนังสือเล่มหนึ่ง แล้วสแกนภาพมัน
So you start with a book and then you scan it.
ทีนี้ การสแกนภาพหนังสือนั้น
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.
เหมือนกับการถ่ายภาพดิจิตัล ของทุกๆ หน้าหนังสือ มันทำให้คุณได้ภาพของทุกหน้าหนังสือ นี่คือภาพที่มีข้อความจากทุกหน้าของหนังสือ ขั้นตอนต่อไปในกระบวนการ ก็คือ คอมพิวเตอร์ต้องสามารถ ถอดรหัสคำทั้งหมดในรูปนี้ มันใช้เทคโนโลยีที่เรียกว่า โอซีอาร์ (OCR) ซึ่งย่อมาจาก การรู้จำอักขระทางภาพ ซึ่งถ่ายรูปภาพของข้อความ และพยายามที่จะคิดคำนวณว่า มันมีข้อความอะไรในนั้น ทีนี้ปัญหาก็คือ โอซีอาร์ ไม่ได้สมบูรณ์แบบ โดยเฉพาะกับหนังสือเก่าๆ ที่หมึกจางและหน้าหนังสือเปลี่ยนเป็นสีเหลือง โอซีอาร์ ไม่สามารถตรวจจับคำหลายๆคำ ยกตัวอย่างเช่น สำหรับสิ่งที่ถูกเขียนไว้กว่า 50 ปีก่อน คอมพิวเตอร์ ไม่สามารถตรวจจับคำได้คิดเป็น 30 เปอร์เซ็นต์ ดังนั้น สิ่งที่เรากำลังทำขณะนี้ คือเรานำคำทั้งหมด ที่คอมพิวเตอร์ไม่สามารถจดจำได้ และนำมาให้คนอ่าน ในขณะที่พวกเขากำลังพิมพ์ แคปช่า บนอินเตอร์เน็ต
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.
ดังนั้น ครั้งต่อไปเมื่อคุณพิมพ์ แคปช่า คำเหล่านี้ที่คุณพิมพ์ จริงๆแล้วคือคำที่มาจากหนังสือ ที่กำลังถูกทำให้เป็นดิจิตัล แต่คอมพิวเตอร์ไม่สามารถตรวจจับได้ และทีนี้ เหตุผลที่เรามีคำสองคำ แทนที่จะเป็นคำเดียว ก็เพราะว่า หนึ่งคำในนั้น เป็นคำที่ระบบดึงออกมาจากหนังสือ มันไม่รู้ว่าคืออะไร และมันก็กำลังที่จะเสนอให้กับคุณ แต่เมื่อมันไม่รู้ว่าคำตอบคืออะไร มันจึงไม่สามารถตัดสินให้คุณได้ ดังนั้น สิ่งที่เราทำก็คือเราให้คำอีกคำกับคุณ เป็นคำที่ระบบรูู้คำตอบ เราไม่บอกคุณว่าอันไหนเป็นอันไหน และพวกเราบอกว่า กรุณาพิมพ์ทั้งสองคำ และถ้าคุณพิมพ์คำได้ถูกต้อง สำหรับคำที่ระบบรู้คำตอบอยู่แล้ว มันจะคาดว่าคุณเป็นมนุษย์ และมันก็จะได้ความมั่นใจว่า คุณพิมพ์อีกคำหนึ่งถูกต้องด้วย และถ้าพวกเราทำขั้นตอนนี้ซ้ำๆกับสัก 10 คน และพวกเขาทั้งหมดเห็นด้วยว่าคำใหม่คืออะไร แล้ว เราก็จะได้คำที่ถูกทำเป็นดิจิตัลอีกคำอย่างถูกต้อง
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.
และนั่นก็คือวิธีที่ระบบทำงาน และโดยหลักๆแล้ว ตั้งแต่เราปล่อยมันออกไปประมาณ สามหรือสี่ปีก่อน เว็บไซต์มากมายก็เริ่มเปลี่ยน จากแคปช่าตัวเดิม ที่ผู้ใช้เสียเวลาไปกับมัน มาเป็นแคปช่าตัวใหม่ ที่ผู้ใช้กำลังช่วยสร้างหนังสือดิจิตัล ยกตัวอย่างเช่น ทิคเก็ตมาสเตอร์ ทุกครั้งที่คุณซื้อตั๋วผ่านทิคเก็ตมาสเตอร์ คุณกำลังช่วยทำหนังสือดิจิตัล ในเฟสบุ๊ค ทุกครั้งที่คุณเพิ่มเพื่อน หรือสะกิดใครสักคน คุณกำลังช่วยทำหนังสือดิจิตัลอยู่ ทวิตเตอร์และกว่า 350,000 เว็บไซต์ กำลังใช้ รีแคปช่า และที่จริงแล้ว จำนวนเว็บไซต์ที่ใช้รีแคปช่ามีอยู่เยอะมาก จนทำให้จำนวนคำที่เราทำเป็นดิจิตัลต่อวันนั้น มีจำนวนมหาศาลจริงๆ มันตกราวๆ 100 ล้านคำต่อวัน ซึ่งมากพอๆกับหนังสือสักสองล้านห้าแสนเล่มต่อปี และมันถูกทำขึ้น ทีละคำ โดยคนที่พิมพ์รีแคปช่าทางอินเตอร์เน็ต (เสียงปรบมือ)
(Applause)
แน่นอน ณ ขณะนี้
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.
เมื่อเราทำได้วันละหลายคำเช่นนี้ สิ่งขำๆก็เกิดขึ้นได้ และมันก็เป็นเช่นนั้นจริงๆนะ เพราะตอนนี้ เราสุ่มคำภาษาอังกฤษสองคำ มาวางต่อกันให้คุณ ดังนั้น สิ่งฮาๆก็เกิดขึ้น ตัวอย่างเช่น พวกเราเสนอคำนี้ คำว่า "ชาวคริสต์" ไม่มีอะไรผิดปกติเลยครับ แต่เมื่อคุณนำมันมาวางกับอีกคำที่สุ่มขึ้นมา เรื่องแย่ๆอาจเกิดขึ้น เราได้นี่ครับ (ตัวหนังสือ: ชาวคริสต์ที่ไม่ดี)
[bad Christians]
แต่มันแย่ได้กว่านั้น เพราะบางเว็บไซต์ที่เราแสดงคำเหล่านี้
But it's even worse, because the website where we showed this actually happened to be called The Embassy of the Kingdom of God.
จริงๆแล้วเป็นเว็บไซต์ที่ชื่อว่า สถานทูตของแผ่นดินของพระเจ้า (เสียงหัวเราะ)
(Laughter)
ไอ้หยา
Oops.
(เสียงหัวเราะ)
(Laughter)
นี่ก็เป็นอีกตัวอย่างแย่ๆครับ
Here's another really bad one. JohnEdwards.com
จอห์นเอ็ดเวอร์ด ดอท คอม (ตัวหนังสือ: ไอ้พวกเสรีนิยม)
[Damn liberal]
(Laughter)
(เสียงหัวเราะ)
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.
พวกเราจาบจ้วง คนฝ่ายซ้ายฝ่ายขวาไม่เว้นแต่ละวัน แน่ล่ะ เราไม่ได้ทำแค่การเย้ยหยัน ความจริงคือว่า ตั้งแต่เรานำเสนอคำสุ่มสองคำ สิ่งที่น่าสนใจก็สามารถเกิดขึ้นได้ ซึ่งจริงๆแล้ว มันได้ให้กำเนิด มีมที่เป็นที่รู้จักดีทางอินเตอร์เน็ต ซึ่งคนเป็นหมื่นๆคนได้ทำการเข้าร่วม มันเรียกว่า ศิลปะแคปช่า ผมมันใจเลยว่า คุณบางคนเคยได้ยิน มันเป็นแบบนี้ครับ ลองจินตนาการว่าคุณกำลังใช้อินเตอร์เน็ต และคุณเห็นแคปช่า ซึ่งคุณคิดว่ามันมีอะไรบางอย่างแปลกๆ เช่น แคปช่าอันนี้ (ตัวหนังสือ: เครื่องปิ้งขนมปังล่องหน)
[invisible toaster]
และจากนั้น สิ่งที่คุณควรจะทำก็คือ คุณถ่ายรูปหน้าจอของมัน
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.
แล้วแน่นอน คุณก็กรอกข้อความ แคปช่า เพราะว่าคุณช่วยเราทำหนังสือดิจิตัล แต่แล้ว สิ่งแรกคุณถ่ายรูปหน้าจอ และจากนั้น คุณวาดภาพอะไรสักอย่างที่เกี่ยวกับมัน
(Laughter)
(เสียงหัวเราะ)
That's how it works.
มันเป็นแบบนี้แหละครับ
(Laughter)
มีมากมายเป็นหมื่นๆเลย
There are tens of thousands of these. Some of them are very cute.
บางอันก็น่ารักมากเลยครับ (ตัวหนังสือ: กำหมัดเลย)
[clenched it]
(เสียงหัวเราะ)
(Laughter)
บางอันก็ตลกกว่า
Some of them are funnier.
(ตัวหนังสือ: ผู้ก่อตั้งที่เมายา)
[stoned Founders]
(Laughter)
(เสียงหัวเราะ)
And some of them, like paleontological shvisle ...
และบางอัน
(Laughter)
เหมือนกับ ซากบรรพชีวินวิทยา
they contain Snoop Dogg.
มีศิลปิน สนู๊ป ด็อก (Snoop Dogg) ด้วย
(Laughter)
(เสียงหัวเราะ)
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?
เอาล่ะครับ นี่เป็นตัวเลขจากรีแคปช่าที่ผมชอบที่สุดเลย ในโครงการทั้งหมดนี้ นี่คือสิ่งที่ผมโปรดปราน นี่เป็นจำนวนของคน ที่ได้ช่วยเราแปลงอย่างน้อยหนึ่งคำให้เป็นดิจิตัล โดยใช้ รีแคปช่า 750 ล้านคน ครับ ซึ่งมันสูงกว่า 10 เปอร์เซ็นต์ ของประชากรโลกไปนิดเดียวเท่านั้น ที่ช่วยเราทำความรู้ของมนุษยชาติให้อยู่ในรูปแบบดิจิตัล และตัวเลขเช่นนี้แหละ ที่เป็นแรงขับเคลื่อนให้โครงการวิจัยของผม ฉะนั้น คำถามที่เป็นแรงบันดาลใจต่องานวิจัยของผมก็คือ ถ้าคุณมองไปยังความสำเร็จอันยิ่งใหญ่ของมวลมนุษยชาติ เรื่องที่ใหญ่มากๆ ที่มนุษยชาติได้เข้ามารวมตัวกัน และทำสิ่งที่เป็นประวัติการณ์ เช่นการสร้างปิระมิดในอิยิปต์ หรือขุดคลองปานามา หรือส่งคนไปดวงจันทร์ มันมีความจริงที่น่าแปลกใจ นั่นก็คือ สิ่งเหล่านั้นสำเร็จได้ด้วยจำนวนคนพอๆกัน มันน่าแปลกที่พวกมันถูกทำสำเร็จได้ จากคนจำนวนประมาณ 100,000 คน และเหตุผลของมันก็คือ ก่อนที่จะมีอินเตอร์เน็ต การกำกับคนมากกว่า 100,000 คน ยังไม่ต้องพูดถึงการจ่ายค่าจ้างนะ มันเป็นไปไม่ได้เลย แต่ตอนนี้ด้วยอินเตอร์เน็ต ผมเพิ่งจะแสดงให้คุณเห็นโครงการ ที่เราได้นำคน 750 ล้านคน มาช่วยเราทำความรู้ของเราให้อยู่ในรูปแบบดิจิตัล ดังนั้น คำถามที่ผลักดันงานวิจัยของผมก็คือ ถ้าคุณสามารถส่งคนไปดวงจันทร์ ด้วยคนจำนวน 100,000 คนได้ เราจะทำอะไรได้ ถ้ามีคน 100 ล้านคน
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!
บนพื้นฐานของคำถามนี้ เรามีโครงการต่างๆมากมายที่เรากำลังดำเนินงานอยู่ ให้ผมได้เล่าให้ฟังสักโครงการ ที่ผมรู้สึกตื่นเต้นกับมันมากที่สุด เป็นสิ่งที่เราทำอยู่แบบกึ่งๆเปิดเผย มากว่าปีครึ่งแล้ว โดยประมาณ มันยังไม่ถูกปล่อยออกมใช้ ที่เรียกว่า ดูโอลินโก (Duolingo) เพราะว่ามันยังไม่ได้ถูกปล่อยออกมา ดังนั้น จุ๊ๆไว้นะ
(Laughter)
(เสียงหัวเราะ)
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.
ครับ ผมเชื่อใจพวกคุณครับ นี่คือโครงการที่ว่า และนี่คือเรื่องว่ามันเริ่มต้นยังไง มันเริ่มมาจากผมได้ตั้งคำถาม ให้กับนักเรียนระดับปริญญา ซีเวอริน แฮกเกอร์ (Severin Hacker) นั่นคือ ซีเวอริน แฮกเกอร์ ผมตั้งคำถามไปยังนักเรียนระดับบัณฑืตศึกษาของผม อย่างไรก็ดี คุณฟังผมถูกแล้วนะครับ นามสกุลเขาคือ แฮกเกอร์ ครับ
(Laughter)
ผมถามเขาว่า
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.
เราจะทำให้คนจำนวน 100 ล้านคน มาแปลเว็บไซต์ให้อยูในภาษาหลักๆทุกภาษา แบบฟรีๆได้อย่งไร โอเค มันมีอะไรต้องพูดเยอะเลยเกี่ยวกับคำถามนี้ อย่างแรกก็คือ การแปลเว็บไซต์ ณ ขณะนี้ เว็บไซต์ได้ถูกแบ่งออกเป็นหลายภาษา ส่วนใหญ่แล้ว จะเป็นภาษาอังกฤษ ถ้าคุณไม่รู้ภาษาอังกฤษเลย คุณก็ไม่เข้าใจ แต่มันก็มีอีกส่วนใหญ่เลยทีเดียวที่เป็นภาษาอื่น และถ้าคุณไม่รู้ภาษาพวกนี้ คุณก็ไม่เข้าใจ ดังนั้น ผมอยากจะแปลเว็บไซต์ทั้งหมด หรืออย่างน้อยๆก็เว็บไซต์ส่วนใหญ่ ให้เป็นภาษาหลักๆทุกภาษา นี่คือสิ่งที่ผมอยากทำ
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.
ทีนี้ คุณบางคนอาจบอกว่า ทำไมไม่ให้คอมพิวเตอร์แปลซะล่ะ ทำไมเราจึงใช้เครื่องแปลภาษาไม่ได้ เครื่องแปลภาษาเดี๋ยวนี้ เริ่มที่จะแปล ประโยคอย่างนู้นอย่างนี้ได้ ทำไมเราไม่ใช้มันแปลเว็บไซต์ทั้งเว็บไซต์เลยล่ะ ปัญหาก็คือ มันไม่ดีพอ และมันก็คงจะไม่ดีพอแบบนี้ไปอีก 15 ถึง 20 ปี มันสร้างข้อผิดพลาดเยอะแยะ แม้มันไม่ได้สร้างของผิดพลาด แต่เพราะมันทำผิดพลาดมากมาย คุณก็ไม่รู้ว่าควรเชื่อมันหรือไม่
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.
ให้ผมยกตัวอย่างให้คุณฟังเกี่ยวกับ บางสิ่งบางอย่างที่ถูกแปลด้วยเครื่อง จริงๆแล้วมันคือ กระทู้หนึ่ง มีคนที่พยายามถามคำถามเกี่ยวกับจาวาสคริปต์ มันถูกแปลจากภาษาญี่ปุ่นเป็นภาษาอังกฤษ ผมจะให้คุณอ่าน บุคคลนี้เริ่มต้นด้วยการกล่าวขอโทษ ที่ข้อความนี้ถูกแปลด้วยคอมพิวเตอร์ ประโยคถัดไปเป็นประโยคนำสำหรับคำถามนี้ เขาแค่อธิบายบางสิ่งบางอย่าง จำไว้นะครับ มันเป็นคำถามเกี่ยวกับจาวาสคริปต์
[At often, the goat-time install a error is vomit.]
(ข้อความ: บ่อยๆ เวลาแพะติดตั้งข้อผิดพลาดคืออ้วก)
(Laughter)
(เสียงหัวเราะ)
Then comes the first part of the question.
แล้วก็มาถึงส่วนแรกของคำถาม
[How many times like the wind, a pole, and the dragon?]
(ข้อความ: กี่ครั้งที่มันเป็นแบบ ลม เสา และมังกร)
(Laughter)
(เสียงหัวเราะ)
Then comes my favorite part of the question.
จากนั้น มาถึงส่วนของคำถามที่ผมชอบ
[This insult to father's stones?]
(ข้อความ: นี่มันดูถูกหินของบิดาเหรอ)
(Laughter)
(เสียงหัวเราะ)
And then comes the ending, which is my favorite part of the whole thing.
แล้วก็มาถึงส่วนสุดท้าย ซึ่งเป็นส่วนหนึ่งที่ผมชื่นชอบมากที่สุด (ข้อความ: ขออภัยในความโง่ของคุณ มันมีเยอะมาก ขอบคุณ)
[Please apologize for your stupidity. There are a many thank you.]
(เสียงหัวเราะ)
(Laughter)
ดังนั้น คอมพิวเตอร์ยังแปลภาษาได้ไม่ได้ดีพอแน่ๆ
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.
กลับไปยังคำถาม ที่เราต้องการคนแปลเว็บไซต์ทั้งหมด ตอนนี้ คำถามถัดไปที่คุณอาจจะมีก็คือ ทำไมไม่จ่ายตังค์ให้คนแปลล่ะ เราสามารถจ่ายนักแปลมืออาชีพ ให้แปลทั้งเว็บไซต์ เราสามารถทำได้ แต่ข้อเสียคือ มันจะแพงมาก ตัวอย่างเช่น แค่แปลส่วนเล็ก ๆ น้อย ๆ ของเว็บไซต์ทั้งหมดอย่างวิกิพีเดีย เป็นภาษาหนึ่งๆ เช่น ภาษาสเปน วิกิพีเดียมีเป็นภาษาสเปน แต่มีขนาดเล็กมากเมื่อเทียบกับขนาดของภาษาอังกฤษ ประมาณ 20 เปอร์เซ็นต์ของขนาดของภาษาอังกฤษได้ ถ้าเราต้องการแปลอีก 80 เปอร์เซ็นต์เป็นภาษาสเปน จะต้องใช้เงินราวๆ 50 ล้านดอลลาร์ ซึ่งเป็นตัวเลขสำหรับประเทศ ที่ต้องถูกเอาเปรียบในการจ้างมากที่สุด ดังนั้นมันจะมีราคาแพงมาก สิ่งที่เราต้องการทำคือ เราต้องการเรียกคน 100 ล้านคน แปลเว็บเป็นทุกภาษาหลัก โดยทำให้ฟรี
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.
ถ้านี่เป็นสิ่งที่คุณต้องการทำตอนนี้ คุณจะรู้อย่างรวดเร็วว่า คุณกำลังวิ่งไปชนสองอุปสรรคใหญ่ สองอุปสรรคใหญ่ หนึ่งคือ การขาดแคลนผู้ที่รู้สองภาษา ผมไม่รู้สักนิดเลยว่า มีคนเป็น 100 ล้านคนข้างนอกนั้น ที่ใช้เว็บไซต์ ผู้ซึ่งรู้ทั้งสองภาษาดีพอที่จะช่วยเราแปลได้ มันเป็นปัญหาใหญ่ครับ ปัญหาอื่น ๆ ที่คุณจะพบคือ การขาดแรงจูงใจ เราจะจูงใจคนอย่างไร ให้มาแปลเว็บแบบฟรีๆ ตามปกติแล้ว คุณต้องจ่ายเงินให้ผู้ที่ทำสิ่งนี้ ดังนั้นเราจะจูงใจให้คนทำมันฟรีๆ ได้อย่างไร ทีนี้เมื่อเราเริ่มคิดถึงสิ่งนี้ พวกเราก็ไปตันกับสองเรื่องดังกล่าว แต่ต่อมาเราก็ได้รู้ว่า มันมีหนทาง ที่จะแก้ปัญหาทั้งสองอย่างด้วยวิธีเดียวกัน มีวิธีที่จะยิงนกสองตัวด้วยกระสุนนัดเดียว และนั่นก็คือ เปลี่ยนการแปลภาษา ไปเป็นสิ่งที่คนเป็นล้านๆอยากจะทำ ที่จะช่วยแก้ปัญหาเรื่องขาดคนที่รู้สองภาษาอีกด้วย และมันก็คือการเรียนรู้ภาษาใหม่
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.
ซึ่งกลายเป็นว่า ณ วันนี้ มีคนกว่า 1.2 พันล้านคนที่กำลังเรียนภาษาต่างชาติ คนอยากเรียนภาษาต่างชาติกันจริง ๆ และไม่ใช่เพียงเพราะพวกเขากำลังถูกบังคับในโรงเรียน เช่น แค่ในสหรัฐอเมริกาเพียงอย่างเดียว มีกว่าห้าล้านคนที่จ่ายเงินมากกว่า 500 ดอลล่าร์ สำหรับซอฟต์แวร์เพื่อการเรียนรู้ภาษาใหม่ ดังนั้น มีคนอยากเรียนภาษาใหม่กันจริง ๆ ประมาณ หนึ่งปีครึ่งที่แล้ว เราได้ทำเว็บไซต์ เรียกว่า ดูโอลินโก (Duolingo) ความคิดง่ายๆก็คือ คนเราเรียนภาษาใหม่โดยไม่เสียเงิน ในขณะที่การแปลเว็บไซต์ไปด้วยพร้อมกัน ดังนั้น โดยพื้นฐานแล้ว พวกเขากำลังเรียนรู้โดยการกระทำ
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.
วิธีก็คือ เมื่อไรที่คุณเป็นมือสมัครเล่น เราจะให้ประโยคพื้นๆง่ายๆกับคุณ แน่ล่ะ มันมีประโยคธรรมดาทั่วไปเต็มไปหมดบนเว็บ พวกเราให้ประโยคที่ง่ายมากๆกับคุณ พร้อมกับความหมายของแต่ละคำ และเมื่อคุณทำการแปลพวกมัน และเห็นการแปลของคนอื่น คุณก็จะเริ่มเรียนรู้ภาษา และเมื่อคุณมีความชำนาญมากขึ้น เราก็จะให้ประโยคที่ซับซ้อนมากขึ้นกับคุณ แต่ตลอดเวลา คุณจะได้เรียนรู้โดยการปฎิบัติ ทีนี้ ความบ้าเกี่ยวกับวิธีนี้ก็คือ
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.
มันจะใช้งานได้จริงๆหรือเปล่า ประการแรก คนกำลังเรียนภาษากันจริงๆ พวกเราสร้างมันเกือบเสร็จแล้ว และเรากำลังทดสอบมัน คนเรียนภาษาจากมันได้จริงๆ และพวกเขาเรียนจากมันได้ดีพอๆกับ การเรียนจากโปรแกรมสอนภาษาชั้นนำ ดังนั้น คนเรียนภาษาด้วยวิธีนี้ได้จริงๆ และไม่ใช่แค่พวกเขาเรียนได้ดีพอๆกัน แต่จริงๆแล้วมันน่าสนใจกว่าเสียอีก เพราะว่า ด้วย ดูโอลินโก แทนที่จะเรียนด้วยประโยคที่ถูกสมมติขึ้นมา ผู้ใช้ได้เรียนจากข้อความจริงๆ ซึ่งมันน่าสนใจ ดังนั้น คนจึงสามารถเรียนภาษาจากระบบนี้ได้จริงๆ
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.
แต่บางทีก็น่าตื่นเต้นยิ่งกว่า เพราะคำแปลที่เราได้จากคนที่ใช้เครื่องมือเรานั้น แม้ว่าพวกเขาจะเป็นผู้ฝึกหัดมือใหม่ คำแปลที่พวกเราได้ มันแม่นยำ ไม่ต่างจากคนที่เป็นนักแปลภาษามืออาชีพเลย ซึ่งน่าแปลกใจมาก ให้ผมได้ยกตัวอย่างให้คุณดูสักอันครับ นี่คือประโยคที่ถูกแปลจากภาษาเยอรมันเป็นภาษาอังกฤษ ด้านบนคือเยอรมัน และตรงกลางคือคำแปลภาษาอังกฤษ ที่แปลโดยนักแปลภาษาอังกฤษระดับมืออาชีพ ผู้ที่ได้ค่าจ้าง 20 เซนต์ต่อคำ สำหรับการแปล และที่ด้านล่างนั้น เป็นคำแปลโดยผู้ใช้ ดูโอลินโก ไม่มีใครเลยที่รู้ภาษาเยอรมัน ก่อนที่พวกเขาจะเริ่มใช้เครื่องมือเรา พวกคุณคงเห็นว่า มันค่อนข้างสมบูรณ์ แน่ล่ะ เราใช้เล่ห์ตรงนี้ เพื่อให้การแปลออกมาดูดี พอๆกับของมืออาชีพ เรานำงานแปลของเหล่ามือสมัครเล่นมารวมเข้าด้วยกัน ให้ได้คุณภาพเดียวกับ งานแปลจากนักแปลอาชีพหนึ่งคน
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.
ทีนี้ ถึงแม้ว่าเราจะนำงานแปลมารวมๆกัน เครื่องมือเรา จริงๆแล้วสามารถแปลได้อย่างรวดเร็ว ให้ผมสาธิตให้คุณดู นี่คือการคาดคะเนว่า เราสามารถแปลวิกิพีเดีย (Wikipedia) ได้เร็วแค่ไหน จากภาษาอังกฤษเป็นภาษาสเปน จำไว้นะครับ นี่เทียบเป็นเงิน 50 ล้านดอลล่าร์ทีเดียว ถ้าเราต้องการแปลวิกิพีเดียเป็นภาษาสเปน พวกเราทำได้ในห้าสัปดาห์ ด้วยผู้ใช้จำนวน 100,000 คน และพวกเราจะสามารถทำได้ใน 80 ชั่วโมง โดยผู้ใช้ล้านคน เพราะว่าโครงการทั้งหมดที่กลุ่มของผมได้ทำ ถึงทุกวันนี้ มีผู้ใช้เป็นล้านๆคน พวกเราหวังว่า เราจะสามารถแปล ได้อย่างรวดเร็วมากด้วยโครงการนี้
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.
ทีนี้ สิ่งที่ผมตื่นเต้นที่สุดกับ ดูโอลินโก ก็คือ ผมคิดว่ามันนำเสนอรูปแบบธุรกิจที่ยุติธรรม สำหนับการเรียนภาษา เรื่องมันมีอยู่ว่า รูปแบบธุรกิจการเรียนภาษาที่เป็นอยู่ในขณะนี้ คือนักเรียนต้องเป็นผู้จ่าย และโดยเจาะจงแล้ว นักเรียนจ่ายให้กับ โรเซตต้า สโตน (Rosetta Stone) 500 ดอลล่าร์
(Laughter)
(เสียงหัวเราะ)
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.
นี่เป็นรูปแบบธุรกิจในปัจจุบัน ปัญหาที่มีต่อรูปแบบธุรกิจนี้ คือ 95 เปอร์เซ็นต์ ของประชาการโลกไม่มีเงิน 500 ดอลล่าร์ ดังนั้น มันจึงไม่เป็นธรรมอย่างยิ่งต่อคนยากจน มันเอนเอียงไปหาคนรวย ทีนี้ สำหรับ ดูโอลินโก เพราะว่าขณะที่คุณเรียน จริงๆแล้วคุณกำลังสร้างค่า คุณกำลังแปลงานอยู่ ยกตัวอย่างเช่น เราสามารถที่จะจ่ายให้ใครสักคนมาแปลให้ ดังนั้น นี่เป็นวิธีที่เราจะสามารถทำเงินได้ เมื่อคนเราสร้างคุณค่าราคาระหว่างการเรียนรู้ พวกเขาก็ไม่ต้องจ่ายเงิน พวกเขาเพียงแต่"จ่าย"เวลา แต่สิ่งที่อัศจรรย์ก็คือ พวกเขาต้องสละเวลา แต่เวลาที่เขาสละไปนั้น ยังไงก็จะถูกใช้ เพื่อการเรียนภาษาอยู่ดี ฉะนั้น ข้อดีของ ดูโอลินโก ก็คือ ผมคิดว่ามันเป็นโมเดลธุรกิจที่ยุติธรรม ที่ไม่ได้มีการเลือกปฎิบัติต่อคนจน และนี่คือเว็บไซต์ที่ว่าครับ ขอบคุณครับ
So here's the site. Thank you.
(ปรบมือ)
(Applause)
นี่ครับ เว็บไซต์
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.
เรายังไม่ได้เปิดตัว แต่ถ้าคุณเข้าไป คุณสามารถลงชื่อเพื่อเป็นส่วนหนึ่งของขั้นทดลอง ซึ่งน่าจะเริ่มต้นภายในประมาณสามหรือสี่สัปดาห์ เรายังไม่ได้เปิดตัว ดูโอลินโก
By the way, I'm the one talking here, but Duolingo is the work of a really awesome team,
ถึงผมจะเป็นคนมาพูดตรงนี้ แต่ที่จริงแล้ว ดูโอลินโก เป็นผลงานจากกลุ่มคนที่ยอดเยี่ยม บางคนก็อยู่ที่นี้ด้วย
some of whom are here. So thank you.
ขอบคุณครับ
(Applause)
(เสียงปรบมือ)