TED2018
James Bridle: The nightmare videos of children's YouTube -- and what's wrong with the internet today
Τζέιμς Μπράιντλ: Τα εφιαλτικά βίντεο στα παιδικά κανάλια του YouTube -- και τι δεν πάει καλά με το διαδίκτυο σήμερα
Filmed:
Readability: 4.1
5,404,429 views
Ο συγγραφέας και καλλιτέχνης Τζέιμς Μπράιντλ αποκαλύπτει μια κρυμμένη, αλλόκοτη πτυχή του διαδικτύου, όπου άτομα ή ομάδες αγνώστου ταυτότητας χακάρουν το μυαλό των μικρών παιδιών έναντι διαφημιστικών εσόδων. Από τις αποκαλύψεις για τα «αυγά έκπληξη» και το «τραγούδι της Δακτυλοοικογένειας» μέχρι το ανομοιογενές μείγμα γνωστών χαρακτήρων καρτούν που δημιουργείται μέσω αλγορίθμων, αυτά τα βίντεο εκμεταλλεύονται και στοιχειώνουν το μυαλό των μικρών παιδιών -- και μας πληροφορούν για την κατεύθυνση που παίρνει ο όλο και περισσότερο καθοδηγούμενος από τον όγκο των δεδομένων κόσμος μας. «Χρειάζεται να σταματήσουμε να βλέπουμε την τεχνολογία ως τη λύση για όλα μας τα προβλήματα και να την δούμε ως οδηγό του ποια είναι πράγματι αυτά τα προβλήματα έτσι ώστε να μπορέσουμε να τα δούμε στις πραγματικές τους διαστάσεις και να αρχίσουμε να τα διευθετούμε», αναφέρει ο Μπράιντλ.
James Bridle - Artist, writer
Working across technologies and disciplines, James Bridle examines technology, knowledge and the end of the future. Full bio
Working across technologies and disciplines, James Bridle examines technology, knowledge and the end of the future. Full bio
Double-click the English transcript below to play the video.
00:12
I'm James.
0
777
1183
Ονομάζομαι Τζέιμς.
00:13
I'm a writer and artist,
1
1984
1686
Είμαι συγγραφέας και καλλιτέχνης,
00:15
and I make work about technology.
2
3694
2341
και η δουλειά μου έχει
να κάνει με την τεχνολογία.
να κάνει με την τεχνολογία.
00:18
I do things like draw life-size outlines
of military drones
of military drones
3
6454
3911
Για παράδειγμα ζωγραφίζω στρατιωτικά
μη επανδρωμένα αεροσκάφη
μη επανδρωμένα αεροσκάφη
σε πραγματικό μέγεθος
σε δρόμους πόλεων σε όλο τον κόσμο
σε δρόμους πόλεων σε όλο τον κόσμο
00:22
in city streets around the world,
4
10389
1828
00:24
so that people can start to think
and get their heads around
and get their heads around
5
12241
2950
για να μπορέσουν οι άνθρωποι
να σκεφτούν και να καταλάβουν
να σκεφτούν και να καταλάβουν
00:27
these really quite hard-to-see
and hard-to-think-about technologies.
and hard-to-think-about technologies.
6
15215
3440
αυτές τις δυσδιάκριτες
και δυσνόητες νέες τεχνολογίες.
και δυσνόητες νέες τεχνολογίες.
00:31
I make things like neural networks
that predict the results of elections
that predict the results of elections
7
19494
3836
Φτιάχνω νευρωνικά δίκτυα που
προβλέπουν εκλογικά αποτελέσματα
προβλέπουν εκλογικά αποτελέσματα
00:35
based on weather reports,
8
23354
1737
και βασίζονται σε δελτία καιρού
00:37
because I'm intrigued about
9
25115
1314
γιατί με γοητεύει
00:38
what the actual possibilities
of these weird new technologies are.
of these weird new technologies are.
10
26453
3924
το πόσες δυνατότητες δίνουν
αυτές οι περίεργες νέες τεχνολογίες.
αυτές οι περίεργες νέες τεχνολογίες.
00:43
Last year, I built
my own self-driving car.
my own self-driving car.
11
31405
2426
Πέρυσι έφτιαξα ένα αυτοκίνητο
που κινείται μόνο του.
που κινείται μόνο του.
00:45
But because I don't
really trust technology,
really trust technology,
12
33855
2526
Δεν εμπιστεύομαι, όμως, την τεχνολογία
00:48
I also designed a trap for it.
13
36405
1928
και έτσι του έφτιαξα και μια φάκα.
00:50
(Laughter)
14
38777
1086
(Γέλια)
00:51
And I do these things mostly because
I find them completely fascinating,
I find them completely fascinating,
15
39887
4298
Ασχολούμαι μ' αυτά κυρίως
γιατί τα βρίσκω συναρπαστικά
γιατί τα βρίσκω συναρπαστικά
00:56
but also because I think
when we talk about technology,
when we talk about technology,
16
44209
2602
αλλά και γιατί νομίζω πως
όταν μιλάμε για τεχνολογία
όταν μιλάμε για τεχνολογία
00:58
we're largely talking about ourselves
17
46835
2619
μιλάμε, κυρίως, για εμάς
01:01
and the way that we understand the world.
18
49478
2299
και τον τρόπο που
αντιλαμβανόμαστε τον κόσμο.
αντιλαμβανόμαστε τον κόσμο.
01:03
So here's a story about technology.
19
51801
2442
Ακούστε μια ιστορία για την τεχνολογία.
01:07
This is a "surprise egg" video.
20
55520
2830
Αυτό είναι ένα βίντεο με «αυγά έκπληξη».
01:10
It's basically a video of someone
opening up loads of chocolate eggs
opening up loads of chocolate eggs
21
58374
3348
Δείχνει κάποιον ν' ανοίγει
δεκάδες σοκολατένια αυγά
δεκάδες σοκολατένια αυγά
01:13
and showing the toys inside to the viewer.
22
61746
2126
και να παρουσιάζει το παιχνίδι μέσα του.
01:16
That's it. That's all it does
for seven long minutes.
for seven long minutes.
23
64461
2649
Τελεία. Κάνει μόνο αυτό
για επτά ολόκληρα λεπτά.
για επτά ολόκληρα λεπτά.
01:19
And I want you to notice
two things about this.
two things about this.
24
67428
3051
Θέλω να προσέξτε δύο πράγματα.
01:22
First of all, this video
has 30 million views.
has 30 million views.
25
70503
4074
Πρώτον, αυτό το βίντεο
έχει 30 εκατομμύρια θεάσεις.
έχει 30 εκατομμύρια θεάσεις.
01:26
(Laughter)
26
74601
1275
(Γέλια)
01:28
And the other thing is,
27
76376
1166
Και δεύτερον,
01:29
it comes from a channel
that has 6.3 million subscribers,
that has 6.3 million subscribers,
28
77566
3869
παίζεται σ' ένα κανάλι
με 6,3 εκατομμύρια συνδρομητές
με 6,3 εκατομμύρια συνδρομητές
01:33
that has a total of eight billion views,
29
81459
2680
και συνολικά οκτώ δισεκατομμύρια θεάσεις
01:36
and it's all just more videos like this --
30
84163
3106
και υπάρχουν πολλά βίντεο σαν αυτό.
01:40
30 million people watching a guy
opening up these eggs.
opening up these eggs.
31
88256
3908
30 εκατομμύρια άτομα παρακολουθούν
κάποιον να ανοίγει αυγά.
κάποιον να ανοίγει αυγά.
01:44
It sounds pretty weird, but if you search
for "surprise eggs" on YouTube,
for "surprise eggs" on YouTube,
32
92188
4481
Μοιάζει αλλόκοτο αλλά αν ψάξετε
για «αυγά έκπληξη» στο YouTube,
για «αυγά έκπληξη» στο YouTube,
01:48
it'll tell you there's
10 million of these videos,
10 million of these videos,
33
96693
3523
θα σας βρει 10 εκατομμύρια
τέτοια βιντεάκια
τέτοια βιντεάκια
01:52
and I think that's an undercount.
34
100240
1657
αλλά νομίζω ότι είναι περισσότερα.
01:53
I think there's way, way more of these.
35
101921
1897
Πολύ περισσότερα.
01:55
If you keep searching, they're endless.
36
103842
2242
Αν συνεχίσετε την αναζήτηση,
είναι αμέτρητα.
είναι αμέτρητα.
01:58
There's millions and millions
of these videos
of these videos
37
106108
2159
Υπάρχουν άπειρα τέτοια βίντεο
02:00
in increasingly baroque combinations
of brands and materials,
of brands and materials,
38
108291
3454
σε όλο και πιο μπαρόκ συνδυασμούς
επώνυμων προϊόντων και υλικών.
επώνυμων προϊόντων και υλικών.
02:03
and there's more and more of them
being uploaded every single day.
being uploaded every single day.
39
111769
3846
Και ανεβαίνουν όλο και περισσότερα
από αυτά κάθε μέρα.
από αυτά κάθε μέρα.
02:07
Like, this is a strange world. Right?
40
115639
3511
Ένας αλλόκοτος κόσμος, σωστά;
02:11
But the thing is, it's not adults
who are watching these videos.
who are watching these videos.
41
119174
3383
'Ομως, δεν τα βλέπουν ενήλικες.
02:14
It's kids, small children.
42
122581
2921
Αλλά μικρά παιδιά.
02:17
These videos are
like crack for little kids.
like crack for little kids.
43
125526
2154
Είναι σαν ναρκωτικά για μικρά παιδιά.
02:19
There's something about the repetition,
44
127704
2075
Κάτι με το θέμα της επανάληψης
02:21
the constant little
dopamine hit of the reveal,
dopamine hit of the reveal,
45
129803
2468
και τη συνεχή δόση ντοπαμίνης
από την ανακάλυψη
από την ανακάλυψη
02:24
that completely hooks them in.
46
132295
1866
τα εθίζει εντελώς.
02:26
And little kids watch these videos
over and over and over again,
over and over and over again,
47
134185
4809
Τα παιδιά παρακολουθούν
αυτά τα βίντεο ξανά και ξανά,
αυτά τα βίντεο ξανά και ξανά,
02:31
and they do it for hours
and hours and hours.
and hours and hours.
48
139018
2327
για ατελείωτες ώρες.
02:33
And if you try and take
the screen away from them,
the screen away from them,
49
141369
2356
Αν προσπαθήσετε να τους πάρετε την οθόνη,
ουρλιάζουν ασταμάτητα.
02:35
they'll scream and scream and scream.
50
143749
1782
Αν δεν με πιστεύετε, έχω δει
άτομα στο κοινό να συμφωνούν,
άτομα στο κοινό να συμφωνούν,
02:37
If you don't believe me --
51
145555
1262
02:38
and I've already seen people
in the audience nodding --
in the audience nodding --
52
146841
2607
αν δεν πιστεύετε, ρωτήστε
κάποιον με μικρά παιδιά
κάποιον με μικρά παιδιά
02:41
if you don't believe me, find someone
with small children and ask them,
with small children and ask them,
53
149472
3391
και θα γνωρίζει για αυτά τα βίντεο.
02:44
and they'll know about
the surprise egg videos.
the surprise egg videos.
54
152887
2340
02:47
So this is where we start.
55
155251
2070
Θα αρχίσουμε, λοιπόν, από εδώ.
02:49
It's 2018, and someone, or lots of people,
56
157345
3642
Είμαστε στο 2018 και κάποιοι ή πολλοί
02:53
are using the same mechanism that, like,
Facebook and Instagram are using
Facebook and Instagram are using
57
161011
3941
χρησιμοποιούν τον ίδιο μηχανισμό
με το Facebook και το Instagram
με το Facebook και το Instagram
που σας κάνουν να ελέγχετε
συνεχώς την εφαρμογή,
συνεχώς την εφαρμογή,
02:56
to get you to keep checking that app,
58
164976
1989
02:58
and they're using it on YouTube
to hack the brains of very small children
to hack the brains of very small children
59
166989
3985
και τον χρησιμοποιούν στο YouTube
για να χακάρουν το μυαλό των παιδιών
για να χακάρουν το μυαλό των παιδιών
03:02
in return for advertising revenue.
60
170998
1958
με αντάλλαγμα έσοδα από διαφημίσεις.
03:06
At least, I hope
that's what they're doing.
that's what they're doing.
61
174346
2001
Ελπίζω να το κάνουν μόνο γι' αυτό.
03:08
I hope that's what they're doing it for,
62
176371
1955
Ελπίζω να είναι μόνο γι' αυτό
03:10
because there's easier ways
of making ad revenue on YouTube.
of making ad revenue on YouTube.
63
178350
5308
γιατί υπάρχουν πιο εύκολοι τρόποι
να βγάλεις τέτοια έσοδα στο YouTube.
να βγάλεις τέτοια έσοδα στο YouTube.
03:15
You can just make stuff up or steal stuff.
64
183682
2332
Μπορείς να επινοήσεις ή να κλέψεις υλικό.
03:18
So if you search for really
popular kids' cartoons
popular kids' cartoons
65
186038
2635
Αν αναζητήσετε πολύ δημοφιλή παιδικά,
όπως «Πέπα το γουρουνάκι»,
ή «Κουταβοπερίπολος»
ή «Κουταβοπερίπολος»
03:20
like "Peppa Pig" or "Paw Patrol,"
66
188697
1654
03:22
you'll find there's millions and millions
of these online as well.
of these online as well.
67
190375
3147
θα βρείτε, επίσης, εκατομμύρια
τέτοια βίντεο στο διαδίκτυο.
τέτοια βίντεο στο διαδίκτυο.
03:25
Of course, most of them aren't posted
by the original content creators.
by the original content creators.
68
193546
3352
Τα περισσότερα δεν ανεβαίνουν
από τους δημιουργούς τους
από τους δημιουργούς τους
αλλά από πολλούς λογαριασμούς,
03:28
They come from loads and loads
of different random accounts,
of different random accounts,
69
196922
2999
και είναι αδύνατον να ξέρουμε
ποιος τα ανεβάζει
ποιος τα ανεβάζει
03:31
and it's impossible to know
who's posting them
who's posting them
70
199945
2240
ή ποια είναι τα κίνητρά τους.
03:34
or what their motives might be.
71
202209
1822
03:36
Does that sound kind of familiar?
72
204428
1930
Σας ακούγεται γνωστό όλο αυτό;
03:38
Because it's exactly the same mechanism
73
206382
1980
Είναι ακριβώς ο ίδιος μηχανισμός
03:40
that's happening across most
of our digital services,
of our digital services,
74
208386
2600
που βλέπουμε στις πιο πολλές
ψηφιακές υπηρεσίες
ψηφιακές υπηρεσίες
03:43
where it's impossible to know
where this information is coming from.
where this information is coming from.
75
211010
3207
όπου είναι αδύνατο να γνωρίζουμε
την προέλευση των πληροφοριών.
την προέλευση των πληροφοριών.
03:46
It's basically fake news for kids,
76
214241
1829
Είναι ψευδείς ειδήσεις για παιδιά,
03:48
and we're training them from birth
77
216094
2161
και εμείς τα εκπαιδεύουμε από μωρά
03:50
to click on the very first link
that comes along,
that comes along,
78
218279
2506
να κλικάρουν στον πρώτο
σύνδεσμο που βλέπουν
σύνδεσμο που βλέπουν
03:52
regardless of what the source is.
79
220809
1953
άσχετα από το πού προέρχεται.
03:54
That's doesn't seem like
a terribly good idea.
a terribly good idea.
80
222786
2603
Δεν είναι πολύ καλή ιδέα.
03:58
Here's another thing
that's really big on kids' YouTube.
that's really big on kids' YouTube.
81
226399
2710
Δείτε κάτι ακόμα πολύ δημοφιλές
για παιδιά, στο YouTube.
για παιδιά, στο YouTube.
04:01
This is called the "Finger Family Song."
82
229133
1928
«Το Τραγούδι της Δακτυλοοικογένειας»
04:03
I just heard someone groan
in the audience.
in the audience.
83
231085
2018
Άκουσα κάποιον στο κοινό να αναστενάζει.
04:05
This is the "Finger Family Song."
84
233127
1624
Δείτε το βίντεο του τραγουδιού.
04:06
This is the very first one I could find.
85
234775
1930
Είναι το πιο παλιό που βρήκα.
04:08
It's from 2007, and it only has
200,000 views,
200,000 views,
86
236729
2829
Από το 2007 με μόνο 200.000 θεάσεις.
04:11
which is, like, nothing in this game.
87
239582
1976
Ψίχουλα δηλαδή.
04:13
But it has this insanely earwormy tune,
88
241582
2852
Έχει μια μελωδία απίστευτα κολλητική.
04:16
which I'm not going to play to you,
89
244458
1682
Δεν θα βάλω ήχο
04:18
because it will sear itself
into your brain
into your brain
90
246164
2008
γιατί θα σας κάψει τον εγκέφαλο
04:20
in the same way that
it seared itself into mine,
it seared itself into mine,
91
248196
2395
όπως έκανε και με τον δικό μου.
04:22
and I'm not going to do that to you.
92
250615
1770
Δεν θέλω να το πάθετε και εσείς.
04:24
But like the surprise eggs,
93
252409
1344
Όπως και τα «αυγά έκπληξη»,
04:25
it's got inside kids' heads
94
253777
2164
τρύπωσε στο μυαλό των παιδιών
04:27
and addicted them to it.
95
255965
1607
και προκάλεσε εθισμό.
04:29
So within a few years,
these finger family videos
these finger family videos
96
257596
2531
Λίγα χρόνια μετά, αυτά τα βίντεο
04:32
start appearing everywhere,
97
260151
1303
εμφανίζονται παντού,
σε διαφορετικές γλώσσες
σε διαφορετικές γλώσσες
04:33
and you get versions
in different languages
in different languages
98
261478
2029
04:35
with popular kids' cartoons using food
99
263531
2121
με κινούμενα σχέδια
που χρησιμοποιούν φαγητό
που χρησιμοποιούν φαγητό
04:37
or, frankly, using whatever kind
of animation elements
of animation elements
100
265676
2550
ή οτιδήποτε μπορείς να κουνήσεις
04:40
you seem to have lying around.
101
268250
2252
και σου βρίσκεται πρόχειρο.
04:43
And once again, there are millions
and millions and millions of these videos
and millions and millions of these videos
102
271002
5197
Και πάλι,
υπάρχουν εκατομμύρια τέτοια στο διαδίκτυο,
04:48
available online in all of these
kind of insane combinations.
kind of insane combinations.
103
276223
3435
σε παλαβούς συνδυασμούς.
04:51
And the more time
you start to spend with them,
you start to spend with them,
104
279682
2228
Όσο περισσότερο τα παρακολουθείς
04:53
the crazier and crazier
you start to feel that you might be.
you start to feel that you might be.
105
281934
3694
τόσο περισσότερο νιώθεις να τρελαίνεσαι.
04:57
And that's where I
kind of launched into this,
kind of launched into this,
106
285652
3333
Αυτό που με έκανε να ασχοληθώ με αυτά
05:01
that feeling of deep strangeness
and deep lack of understanding
and deep lack of understanding
107
289009
3666
είναι το αίσθημα του αλλόκοτου
και του ανεξήγητου
και του ανεξήγητου
05:04
of how this thing was constructed
that seems to be presented around me.
that seems to be presented around me.
108
292699
4175
του πώς δημιουργήθηκε όλο αυτό
και βρίσκεται παντού γύρω μου.
και βρίσκεται παντού γύρω μου.
05:08
Because it's impossible to know
where these things are coming from.
where these things are coming from.
109
296898
3167
Είναι αδύνατο να μάθουμε την πηγή τους.
Ποιος τα φτιάχνει;
05:12
Like, who is making them?
110
300089
1241
Κάποια μοιάζουν έργα επαγγελματιών.
05:13
Some of them appear to be made
of teams of professional animators.
of teams of professional animators.
111
301354
3143
05:16
Some of them are just randomly
assembled by software.
assembled by software.
112
304521
2882
Άλλα φτιαγμένα στην τύχη
από κάποιο πρόγραμμα.
από κάποιο πρόγραμμα.
05:19
Some of them are quite wholesome-looking
young kids' entertainers.
young kids' entertainers.
113
307427
4253
Σε άλλα βλέπουμε νεαρούς παρουσιαστές
παιδικών προγραμμάτων.
παιδικών προγραμμάτων.
05:23
And some of them are from people
114
311704
1552
Όμως, κάποια είναι από ανθρώπους
05:25
who really clearly
shouldn't be around children at all.
shouldn't be around children at all.
115
313280
3007
που δεν θα έπρεπε
να βρίσκονται κοντά σε παιδιά.
να βρίσκονται κοντά σε παιδιά.
05:28
(Laughter)
116
316311
1615
(Γέλια)
05:30
And once again, this impossibility
of figuring out who's making this stuff --
of figuring out who's making this stuff --
117
318987
4640
Αυτή η αδυναμία να προσδιορίσουμε
ποιος τα φτιάχνει --
ποιος τα φτιάχνει --
05:35
like, this is a bot?
118
323651
1156
κάποιο μποτ;
05:36
Is this a person? Is this a troll?
119
324831
2647
Άνθρωποι; Τρολ;
05:39
What does it mean
that we can't tell the difference
that we can't tell the difference
120
327502
2382
Και γιατί να μην μπορούμε
να τα διαχωρίσουμε
να τα διαχωρίσουμε
05:41
between these things anymore?
121
329908
1583
όλα αυτά πια;
05:43
And again, doesn't that uncertainty
feel kind of familiar right now?
feel kind of familiar right now?
122
331515
4848
Έχουμε πια εξοικειωθεί
με αυτή την αβεβαιότητα;
με αυτή την αβεβαιότητα;
05:50
So the main way people get views
on their videos --
on their videos --
123
338145
2580
Ο κύριος τρόπος
για να έχουν θεάσεις τα βίντεο --
για να έχουν θεάσεις τα βίντεο --
05:52
and remember, views mean money --
124
340749
1707
θυμηθείτε, θεάσεις ίσον χρήμα --
05:54
is that they stuff the titles
of these videos with these popular terms.
of these videos with these popular terms.
125
342480
4742
είναι να γεμίσουν τους τίτλους τους
με δημοφιλείς όρους.
με δημοφιλείς όρους.
Παίρνετε τον όρο «αυγό έκπληξη»
05:59
So you take, like, "surprise eggs"
126
347246
1687
και προσθέτετε «Κουταβοπερίπολος»,
«Πασχαλινό αυγό»
«Πασχαλινό αυγό»
06:00
and then you add
"Paw Patrol," "Easter egg,"
"Paw Patrol," "Easter egg,"
127
348957
2066
06:03
or whatever these things are,
128
351047
1393
κάτι σαν αυτά εδώ, που είναι
λέξεις από άλλα βίντεο
λέξεις από άλλα βίντεο
06:04
all of these words from other
popular videos into your title,
popular videos into your title,
129
352464
2893
και τα βάζεις στον τίτλο
06:07
until you end up with this kind of
meaningless mash of language
meaningless mash of language
130
355381
2968
και έχουμε, τελικά, μια σούπα
από λέξεις χωρίς νόημα,
από λέξεις χωρίς νόημα,
06:10
that doesn't make sense to humans at all.
131
358373
2498
εντελώς ακατανόητη από ανθρώπους.
06:12
Because of course it's only really
tiny kids who are watching your video,
tiny kids who are watching your video,
132
360895
3546
Αφού τα βλέπουν μόνο μικρά παιδιά,
06:16
and what the hell do they know?
133
364465
1827
και τι στο καλό ξέρουν αυτά;
06:18
Your real audience
for this stuff is software.
for this stuff is software.
134
366316
3007
Το πραγματικό κοινό σου
είναι τα προγράμματα.
είναι τα προγράμματα.
06:21
It's the algorithms.
135
369347
1156
Οι αλγόριθμοι.
06:22
It's the software that YouTube uses
136
370527
1855
Τα προγράμματα που έχει το YouTube
06:24
to select which videos
are like other videos,
are like other videos,
137
372406
2483
για να βρίσκει παρόμοια βίντεο,
06:26
to make them popular,
to make them recommended.
to make them recommended.
138
374913
2243
να τα κάνει δημοφιλή και προτεινόμενα.
06:29
And that's why you end up with this
kind of completely meaningless mash,
kind of completely meaningless mash,
139
377180
3461
Έτσι καταλήγουμε σε αυτή
την εντελώς ανούσια σούπα
την εντελώς ανούσια σούπα
06:32
both of title and of content.
140
380665
2071
ως προς τον τίτλο και το περιεχόμενο.
06:35
But the thing is, you have to remember,
141
383792
1894
Όμως θυμηθείτε
06:37
there really are still people within
this algorithmically optimized system,
this algorithmically optimized system,
142
385710
4478
ότι πίσω από αυτό το σύστημα
αλγόριθμων υπάρχουν άνθρωποι
αλγόριθμων υπάρχουν άνθρωποι
06:42
people who are kind
of increasingly forced to act out
of increasingly forced to act out
143
390212
2790
που αναγκάζονται
όλο και πιο πολύ να μιμηθούν
όλο και πιο πολύ να μιμηθούν
06:45
these increasingly bizarre
combinations of words,
combinations of words,
144
393026
3066
αυτούς τους όλο και πιο αλλόκοτους
συνδιασμούς λέξεων.
συνδιασμούς λέξεων.
06:48
like a desperate improvisation artist
responding to the combined screams
responding to the combined screams
145
396116
5173
Όπως ένας απελπισμένος καλλιτέχνης
που ουρλιάζει ως απάντηση
που ουρλιάζει ως απάντηση
06:53
of a million toddlers at once.
146
401313
2203
στα ταυτόχρονα ουρλιαχτά
εκατομυρίων παιδιών.
εκατομυρίων παιδιών.
06:57
There are real people
trapped within these systems,
trapped within these systems,
147
405168
2468
Πραγματικοί άνθρωποι
παγιδευμένοι στα συστήματα.
παγιδευμένοι στα συστήματα.
06:59
and that's the other deeply strange thing
about this algorithmically driven culture,
about this algorithmically driven culture,
148
407660
4055
Ένα άλλο παράξενο πράγμα σε αυτόν
τον πολιτισμό των αλγορίθμων
τον πολιτισμό των αλγορίθμων
07:03
because even if you're human,
149
411739
1381
είναι ότι ακόμη και αν είστε άνθρωποι
τελικά φέρεστε σαν μηχανή
τελικά φέρεστε σαν μηχανή
07:05
you have to end up behaving like a machine
150
413144
2145
μόνο και μόνο για να επιβιώσετε.
07:07
just to survive.
151
415313
1800
07:09
And also, on the other side of the screen,
152
417137
2100
Στην άλλη πλευρά της όψη της οθόνης
07:11
there still are these little kids
watching this stuff,
watching this stuff,
153
419261
2947
έχουμε μικρά παιδιά να παρακολουθούν,
07:14
stuck, their full attention grabbed
by these weird mechanisms.
by these weird mechanisms.
154
422232
4206
κολλημένα, η προσοχή τους αιχμάλωτη
αυτών των παράξενων μηχανισμών.
αυτών των παράξενων μηχανισμών.
07:18
And most of these kids are too small
to even use a website.
to even use a website.
155
426768
2798
Τα πιο πολλά είναι πολύ μικρά
για να χρησιμοποιούν ιστότοπους.
για να χρησιμοποιούν ιστότοπους.
07:21
They're just kind of hammering
on the screen with their little hands.
on the screen with their little hands.
156
429590
3276
Απλώς πατάνε στην οθόνη
με τα χεράκια τους.
με τα χεράκια τους.
Η αυτόματη αναπαραγωγή
07:24
And so there's autoplay,
157
432890
1217
07:26
where it just keeps playing these videos
over and over and over in a loop,
over and over and over in a loop,
158
434131
3579
παίζει αυτά τα βίντεο ξανά και ξανά
για ώρες, χωρίς να σταματά.
07:29
endlessly for hours and hours at a time.
159
437734
2059
07:31
And there's so much weirdness
in the system now
in the system now
160
439817
2843
Υπάρχουν τόσα αλλόκοτα
πράγματα στο σύστημα
πράγματα στο σύστημα
07:34
that autoplay takes you
to some pretty strange places.
to some pretty strange places.
161
442684
3009
που ο αυτοματισμός σε κατευθύνει
σε πολύ περίεργα μέρη.
σε πολύ περίεργα μέρη.
07:37
This is how, within a dozen steps,
162
445717
2488
Και έτσι, μέσα σε λίγα βήματα,
07:40
you can go from a cute video
of a counting train
of a counting train
163
448229
3158
βρίσκεσαι από ένα βίντεο
με ένα τρενάκι που μετράει
με ένα τρενάκι που μετράει
07:43
to masturbating Mickey Mouse.
164
451411
2442
σε ένα με τον Μίκυ Μάους να αυνανίζεται.
07:46
Yeah. I'm sorry about that.
165
454529
2288
Πράγματι. Και λυπάμαι γι' αυτό.
07:48
This does get worse.
166
456841
1700
Πραγματικά χειροτερεύει.
07:50
This is what happens
167
458565
1282
Αυτό συμβαίνει
07:51
when all of these different keywords,
168
459871
3086
όταν όλες αυτές οι λέξεις κλειδιά,
07:54
all these different pieces of attention,
169
462981
2461
όλα αυτά τα διάφορα τμήματα της προσοχής,
07:57
this desperate generation of content,
170
465466
2807
αυτή η απεγνωσμένη γενιά του περιεχομένου
08:00
all comes together into a single place.
171
468297
2582
συγκεντρώνονται σε ένα μέρος.
08:03
This is where all those deeply weird
keywords come home to roost.
keywords come home to roost.
172
471871
4472
Έτσι όλες οι περίεργες αυτές λέξεις
γυρίζουν μπούμερανγκ.
γυρίζουν μπούμερανγκ.
08:08
You cross-breed the finger family video
173
476367
2391
Διασταυρώνουμε το βίντεο
της δακτυλοοικογένειας
της δακτυλοοικογένειας
08:10
with some live-action superhero stuff,
174
478782
2088
με μια δόση δράσης υπερήρωα
08:12
you add in some weird,
trollish in-jokes or something,
trollish in-jokes or something,
175
480894
3256
και προσθέτουμε κάτι
σαν αστειάκι, σαν τρολλάρισμα
σαν αστειάκι, σαν τρολλάρισμα
08:16
and suddenly, you come
to a very weird place indeed.
to a very weird place indeed.
176
484174
3366
και ξαφνικά βρισκόμαστε
σε μια πραγματικά περίεργη κατάσταση.
σε μια πραγματικά περίεργη κατάσταση.
08:19
The stuff that tends to upset parents
177
487564
2113
Τα βίντεο που εξοργίζουν τους γονείς
08:21
is the stuff that has kind of violent
or sexual content, right?
or sexual content, right?
178
489701
3331
είναι αυτά με βίαιο ή σεξουαλικό
περιεχόμενο, σωστά;
περιεχόμενο, σωστά;
08:25
Children's cartoons getting assaulted,
179
493056
2822
Παιδικοί ήρωες δέχονται επιθέσεις,
08:27
getting killed,
180
495902
2018
δολοφονούνται.
08:29
weird pranks that actually
genuinely terrify children.
genuinely terrify children.
181
497944
3343
Παράξενες φάρσες που πραγματικά
τρομοκρατούν τα παιδιά.
τρομοκρατούν τα παιδιά.
08:33
What you have is software pulling in
all of these different influences
all of these different influences
182
501311
3675
Πρόκειται για προγράμματα
που συλλέγουν αυτά τα στοιχεία
που συλλέγουν αυτά τα στοιχεία
08:37
to automatically generate
kids' worst nightmares.
kids' worst nightmares.
183
505010
2961
και αυτοματοποιημένα δημιουργούν
χείριστους παιδικούς εφιάλτες.
χείριστους παιδικούς εφιάλτες.
08:39
And this stuff really, really
does affect small children.
does affect small children.
184
507995
2701
Όλα αυτά πραγματικά
επηρεάζουν τα μικρά παιδιά.
επηρεάζουν τα μικρά παιδιά.
08:42
Parents report their children
being traumatized,
being traumatized,
185
510720
2866
Γονείς αναφέρονται σε ψυχολογικά τραύματα,
08:45
becoming afraid of the dark,
186
513610
1392
τα παιδιά φοβούνται το σκοτάδι, φοβούνται
τον αγαπημένο τους ήρωα καρτούν.
τον αγαπημένο τους ήρωα καρτούν.
08:47
becoming afraid of their favorite
cartoon characters.
cartoon characters.
187
515026
3050
08:50
If you take one thing away from this,
it's that if you have small children,
it's that if you have small children,
188
518524
3611
Κρατήστε αυτό από την ομιλία μου:
αν έχετε μικρά παιδιά,
αν έχετε μικρά παιδιά,
κρατήστε τα μακριά από το YouTube.
08:54
keep them the hell away from YouTube.
189
522159
1996
08:56
(Applause)
190
524743
3949
(Χειροκρότημα)
09:02
But the other thing, the thing
that really gets to me about this,
that really gets to me about this,
191
530504
3096
Αυτό, όμως, που πραγματικά με εκνευρίζει
09:05
is that I'm not sure we even really
understand how we got to this point.
understand how we got to this point.
192
533624
4629
είναι πως, μάλλον, ούτε καν
καταλαβαίνουμε πώς φτάσαμε ως εδώ.
καταλαβαίνουμε πώς φτάσαμε ως εδώ.
09:10
We've taken all of this influence,
all of these things,
all of these things,
193
538951
2931
Πήραμε όλα αυτά τα στοιχεία
09:13
and munged them together in a way
that no one really intended.
that no one really intended.
194
541906
2953
και τα επεξεργαστήκαμε με τρόπο
πέρα από τις προθέσεις μας.
πέρα από τις προθέσεις μας.
09:16
And yet, this is also the way
that we're building the entire world.
that we're building the entire world.
195
544883
3156
Κι όμως, έτσι χτίζουμε
τον κόσμο που μας περιβάλλει.
τον κόσμο που μας περιβάλλει.
09:20
We're taking all of this data,
196
548063
1773
Συγκεντρώνουμε όλα αυτά τα δεδομένα,
09:21
a lot of it bad data,
197
549860
1447
πολλά απ' τα οποία αβάσιμα,
09:23
a lot of historical data
full of prejudice,
full of prejudice,
198
551331
3029
πολλά με προκαταλήψεις
γύρω από την ιστορία,
γύρω από την ιστορία,
09:26
full of all of our worst
impulses of history,
impulses of history,
199
554384
2837
με τις χειρότερες απερισκεψίες
της ιστορίας μας,
της ιστορίας μας,
09:29
and we're building that
into huge data sets
into huge data sets
200
557245
2049
τα οργανώνουμε σε μεγάλες βάσεις δεδομένων
09:31
and then we're automating it.
201
559318
1423
και μετά, τα αυτοματοποιούμε.
09:32
And we're munging it together
into things like credit reports,
into things like credit reports,
202
560765
3502
Τα επεξεργαζόμαστε για να φτιάξουμε
προφίλ πιστοληπτικής ικανότητας,
προφίλ πιστοληπτικής ικανότητας,
09:36
into insurance premiums,
203
564291
1634
το κόστος ασφάλιστρων,
09:37
into things like predictive
policing systems,
policing systems,
204
565949
2693
για συστήματα που δίνουν
προγνωστικά εγκληματικότητας,
προγνωστικά εγκληματικότητας,
09:40
into sentencing guidelines.
205
568666
1762
και οδηγίες για δικαστικές ποινές.
09:42
This is the way we're actually
constructing the world today
constructing the world today
206
570452
2821
Με αυτόν τον τρόπο συγκροτούμε
τον κόσμο μας σήμερα,
τον κόσμο μας σήμερα,
με βάση αυτά τα δεδομένα.
09:45
out of this data.
207
573297
1151
09:46
And I don't know what's worse,
208
574472
1698
Δεν ξέρω πιο είναι χειρότερο.
09:48
that we built a system
that seems to be entirely optimized
that seems to be entirely optimized
209
576194
3228
Η οικοδόμηση ενός συστήματος
που μοιάζει το καλύτερο
που μοιάζει το καλύτερο
09:51
for the absolute worst aspects
of human behavior,
of human behavior,
210
579446
2808
για τις χειρότερες πτυχές
της ανθρώπινης συμπεριφοράς
της ανθρώπινης συμπεριφοράς
09:54
or that we seem
to have done it by accident,
to have done it by accident,
211
582278
2425
ή η υποψία ότι μάλλον φτιάχτηκε κατά λάθος
09:56
without even realizing
that we were doing it,
that we were doing it,
212
584727
2207
χωρίς καν να το πάρουμε χαμπάρι
09:58
because we didn't really understand
the systems that we were building,
the systems that we were building,
213
586958
3382
γιατί δεν κατανοούσαμε πραγματικά
τι σύστημα οικοδομούσαμε, ούτε πώς
να το χρησιμοποιήσουμε διαφορετικά.
να το χρησιμοποιήσουμε διαφορετικά.
10:02
and we didn't really understand
how to do anything differently with it.
how to do anything differently with it.
214
590364
3683
10:06
There's a couple of things I think
that really seem to be driving this
that really seem to be driving this
215
594769
3365
Υπάρχουν κάποια πράγματα
που φαίνονται να ωθούν όλα αυτά,
που φαίνονται να ωθούν όλα αυτά,
10:10
most fully on YouTube,
216
598158
1189
κυρίως στο YouTube
10:11
and the first of those is advertising,
217
599371
1827
και το πρώτο είναι οι διαφημίσεις,
10:13
which is the monetization of attention
218
601222
2837
η αναγωγή της προσοχής μας σε χρήμα
10:16
without any real other variables at work,
219
604083
3136
χωρίς κανέναν άλλον οδηγό,
10:19
any care for the people who are
actually developing this content,
actually developing this content,
220
607243
3885
χωρίς να μας νοιάζουν οι άνθρωποι
που δημιουργούν αυτό το περιεχόμενο,
που δημιουργούν αυτό το περιεχόμενο,
10:23
the centralization of the power,
the separation of those things.
the separation of those things.
221
611152
3636
ο συγκεντρωτισμός της εξουσίας,
ο διαχωρισμός των πραγμάτων.
ο διαχωρισμός των πραγμάτων.
10:26
And I think however you feel
about the use of advertising
about the use of advertising
222
614812
3144
Άσχετα από τη γνώμη σας
για τη διαφήμιση σαν μέσο προώθησης,
για τη διαφήμιση σαν μέσο προώθησης,
10:29
to kind of support stuff,
223
617980
1238
η εικόνα ενήλικων ανδρών με πάνες
να κυλιούνται στην άμμο, ελπίζοντας
να κυλιούνται στην άμμο, ελπίζοντας
10:31
the sight of grown men in diapers
rolling around in the sand
rolling around in the sand
224
619242
3067
10:34
in the hope that an algorithm
that they don't really understand
that they don't really understand
225
622333
2983
ότι ένας ακαταλαβίστικος αλγόριθμος
θα τους αποφέρει έτσι χρήματα,
θα τους αποφέρει έτσι χρήματα,
10:37
will give them money for it
226
625340
1315
10:38
suggests that this
probably isn't the thing
probably isn't the thing
227
626679
2037
δείχνει ότι μάλλον δεν θα πρέπει
να βασιστούμε στην διαφήμιση
να βασιστούμε στην διαφήμιση
10:40
that we should be basing
our society and culture upon,
our society and culture upon,
228
628740
2563
για να χρηματοδοτούμε
την κοινωνία και τον πολιτισμό μας.
την κοινωνία και τον πολιτισμό μας.
10:43
and the way in which
we should be funding it.
we should be funding it.
229
631327
2160
10:45
And the other thing that's kind of
the major driver of this is automation,
the major driver of this is automation,
230
633511
3519
Το άλλο, που κυρίως δίνει ώθηση
σε αυτά, είναι η αυτοματοποίηση.
σε αυτά, είναι η αυτοματοποίηση.
10:49
which is the deployment
of all of this technology
of all of this technology
231
637054
2329
Δηλαδή η εφαρμογή
όλης αυτής της τεχνολογίας
όλης αυτής της τεχνολογίας
10:51
as soon as it arrives,
without any kind of oversight,
without any kind of oversight,
232
639407
2521
αμέσως μόλις εμφανιστεί,
χωρίς κάποια εποπτεία.
χωρίς κάποια εποπτεία.
10:53
and then once it's out there,
233
641952
1412
Και όταν γίνεται διαθέσιμη,
10:55
kind of throwing up our hands and going,
"Hey, it's not us, it's the technology."
"Hey, it's not us, it's the technology."
234
643388
3843
σηκώνουμε τα χέρια και λέμε:
«Η τεχνολογία φταίει, όχι εμείς.
«Η τεχνολογία φταίει, όχι εμείς.
10:59
Like, "We're not involved in it."
235
647255
1642
Εμείς δεν έχουμε καμία σχέση».
11:00
That's not really good enough,
236
648921
1767
Αυτό δεν βοηθάει,
11:02
because this stuff isn't
just algorithmically governed,
just algorithmically governed,
237
650712
2710
γιατί όλα αυτά όχι απλώς
ρυθμίζονται από αλγόριθμους
ρυθμίζονται από αλγόριθμους
11:05
it's also algorithmically policed.
238
653446
2498
αλλά και αστυνομεύονται από αυτούς.
11:07
When YouTube first started
to pay attention to this,
to pay attention to this,
239
655968
2848
Όταν στο YouTube
αντιλήφθηκαν το πρόβλημα,
αντιλήφθηκαν το πρόβλημα,
11:10
the first thing they said
they'd do about it
they'd do about it
240
658840
2087
το πρώτο που είπαν ότι θα κάνουν
11:12
was that they'd deploy
better machine learning algorithms
better machine learning algorithms
241
660951
2695
ήταν να φτιάξουν καλύτερους
αλγόριθμους μηχανικής μάθησης
αλγόριθμους μηχανικής μάθησης
11:15
to moderate the content.
242
663670
1329
για έλεγχο περιεχομένου.
11:17
Well, machine learning,
as any expert in it will tell you,
as any expert in it will tell you,
243
665023
3485
Αυτοί που γνωρίζουν θα σας πουν
11:20
is basically what we've started to call
244
668532
1896
ότι μηχανική μάθηση αποκαλούμε προγράμματα
11:22
software that we don't really
understand how it works.
understand how it works.
245
670452
2588
που δεν καταλαβαίνουμε πώς λειτουργούν.
11:25
And I think we have
enough of that already.
enough of that already.
246
673064
3983
Και υπάρχουν ήδη πολλά τέτοια.
11:29
We shouldn't be leaving
this stuff up to AI to decide
this stuff up to AI to decide
247
677071
3166
Δεν πρέπει να αφήνουμε
την τεχνητή νοημοσύνη να αποφασίζει
την τεχνητή νοημοσύνη να αποφασίζει
τι είναι κατάλληλο
γιατί ξέρουμε τι θα συμβεί,
γιατί ξέρουμε τι θα συμβεί,
11:32
what's appropriate or not,
248
680261
1251
11:33
because we know what happens.
249
681536
1436
θα λογοκρίνει κι άλλα,
όπως ομοφυλοφιλικό περιεχόμενο,
όπως ομοφυλοφιλικό περιεχόμενο,
11:34
It'll start censoring other things.
250
682996
1688
11:36
It'll start censoring queer content.
251
684708
1783
ή αποδεκτό δημόσιο λόγο.
11:38
It'll start censoring
legitimate public speech.
legitimate public speech.
252
686515
2237
11:40
What's allowed in these discourses,
253
688776
1925
Το τι επιτρέπεται σε έναν διάλογο
11:42
it shouldn't be something
that's left up to unaccountable systems.
that's left up to unaccountable systems.
254
690725
3097
δεν πρέπει να το αποφασίζει
ένα σύστημα που δεν λογοδοτεί
ένα σύστημα που δεν λογοδοτεί
11:45
It's part of a discussion
all of us should be having.
all of us should be having.
255
693846
2947
αλλά κάτι που εμείς όλοι πρέπει
να αποφασίσουμε με διάλογο.
να αποφασίσουμε με διάλογο.
11:48
But I'd leave a reminder
256
696817
1308
Θέλω, όμως, να θυμίσω
11:50
that the alternative isn't
very pleasant, either.
very pleasant, either.
257
698149
2753
ότι ούτε η εναλλακτική λύση
είναι ευχάριστη.
είναι ευχάριστη.
11:52
YouTube also announced recently
258
700926
1535
Το YouTube ανακοίνωσε πρόσφατα
11:54
that they're going to release
a version of their kids' app
a version of their kids' app
259
702485
2767
ότι θα βγάλει μια έκδοση
της εφαρμογής για παιδιά
της εφαρμογής για παιδιά
που θα ελέγχεται εξ' ολοκλήρου
από ανθρώπους.
από ανθρώπους.
11:57
that would be entirely
moderated by humans.
moderated by humans.
260
705276
2407
12:00
Facebook -- Zuckerberg said
much the same thing at Congress,
much the same thing at Congress,
261
708134
3618
Το Facebook -- ο Ζούκερμπεργκ είπε
κάτι παρόμοιο στο Κογκρέσο
κάτι παρόμοιο στο Κογκρέσο
12:03
when pressed about how they
were going to moderate their stuff.
were going to moderate their stuff.
262
711776
2987
όταν τον πίεσαν να πει
πώς θα ασκούν έλεγχο.
πώς θα ασκούν έλεγχο.
Είπε πως θα το κάνουν άνθρωποι.
12:06
He said they'd have humans doing it.
263
714787
1747
Που, βασικά, σημαίνει
ότι αντί για τα νήπια
ότι αντί για τα νήπια
12:08
And what that really means is,
264
716558
1459
12:10
instead of having toddlers being
the first person to see this stuff,
the first person to see this stuff,
265
718041
3223
που έβλεπαν πρώτα το περιεχόμενο,
θα το κάνουν κακοπληρωμένοι
υπάλληλοι με επισφαλή συμβόλαια
υπάλληλοι με επισφαλή συμβόλαια
12:13
you're going to have underpaid,
precarious contract workers
precarious contract workers
266
721288
2788
και χωρίς ψυχολογική υποστήριξη
για να διαλύονται κι αυτοί.
για να διαλύονται κι αυτοί.
12:16
without proper mental health support
267
724100
1726
12:17
being damaged by it as well.
268
725850
1376
(Γέλια)
12:19
(Laughter)
269
727250
1096
Νομίζω πως μπορούμε και καλύτερα.
12:20
And I think we can all do
quite a lot better than that.
quite a lot better than that.
270
728370
2601
(Χειροκρότημα)
12:22
(Applause)
271
730995
2499
12:26
The thought, I think, that brings those
two things together, really, for me,
two things together, really, for me,
272
734068
4613
Η ιδέα που ενώνει τη διαφήμιση
και την αυτοματοποίηση είναι, νομίζω,
και την αυτοματοποίηση είναι, νομίζω,
12:30
is agency.
273
738705
1420
η μεσολάβηση.
12:32
It's like, how much do we really
understand -- by agency, I mean:
understand -- by agency, I mean:
274
740149
3157
Κατά πόσο καταλαβαίνουμε
πραγματικά -- εννοώ
πραγματικά -- εννοώ
12:35
how we know how to act
in our own best interests.
in our own best interests.
275
743330
4390
πώς ξέρουμε τι να πράξουμε
για το συμφέρον μας.
για το συμφέρον μας.
12:39
Which -- it's almost impossible to do
276
747744
1787
Πράγμα σχεδόν αδύνατο
με αυτά τα συστήματα που πραγματικά
δεν κατανοούμε σε βάθος.
δεν κατανοούμε σε βάθος.
12:41
in these systems that we don't
really fully understand.
really fully understand.
277
749555
3485
12:45
Inequality of power
always leads to violence.
always leads to violence.
278
753064
3071
Η ανισότητα ισχύος οδηγεί πάντα στη βία.
12:48
And we can see inside these systems
279
756159
1685
Και σε αυτά τα συστήματα βλέπουμε
12:49
that inequality of understanding
does the same thing.
does the same thing.
280
757868
2611
ότι η ανισότητα κατανόησης
οδηγεί στο ίδιο πράγμα.
οδηγεί στο ίδιο πράγμα.
12:52
If there's one thing that we can do
to start to improve these systems,
to start to improve these systems,
281
760503
3779
Αν υπάρχει κάτι που μπορεί να γίνει
για τη βελτίωση των συστημάτων,
για τη βελτίωση των συστημάτων,
12:56
it's to make them more legible
to the people who use them,
to the people who use them,
282
764306
2718
θα πρέπει να γίνουν
πιο κατανοητά για τους χρήστες
πιο κατανοητά για τους χρήστες
12:59
so that all of us have
a common understanding
a common understanding
283
767048
2196
έτσι ώστε να υπάρχει
μια από κοινού κατανόηση
μια από κοινού κατανόηση
του τι πραγματικά συμβαίνει.
13:01
of what's actually going on here.
284
769268
1851
13:03
The thing, though, I think
most about these systems
most about these systems
285
771970
2968
Το σημαντικό με αυτά τα συστήματα
13:06
is that this isn't, as I hope
I've explained, really about YouTube.
I've explained, really about YouTube.
286
774962
3857
είναι ότι δεν πρόκειται
απλώς για το YouTube,
απλώς για το YouTube,
αλλά για τα πάντα.
13:10
It's about everything.
287
778843
1312
13:12
These issues of accountability and agency,
288
780179
2444
Τα θέματα της ανάληψης ευθύνης
και διαμεσολάβησης,
και διαμεσολάβησης,
13:14
of opacity and complexity,
289
782647
2225
έλλειψης διαφάνειας και περιπλοκότητας
13:16
of the violence and exploitation
that inherently results
that inherently results
290
784896
3177
της βίας και εκμετάλλευσης
που προέρχονται εγγενώς
που προέρχονται εγγενώς
13:20
from the concentration
of power in a few hands --
of power in a few hands --
291
788097
2794
από τη συγκέντρωση της εξουσίας
στα χέρια λίγων --
στα χέρια λίγων --
13:22
these are much, much larger issues.
292
790915
2579
αυτά είναι τα σημαντικά προβλήματα.
13:26
And they're issues not just of YouTube
and not just of technology in general,
and not just of technology in general,
293
794395
3687
Δεν είναι απλώς το YouTube
ή γενικά η τεχνολογία
ή γενικά η τεχνολογία
13:30
and they're not even new.
294
798106
1265
και δεν είναι καν κάτι νέο.
13:31
They've been with us for ages.
295
799395
1461
Τα ζούμε εδώ και χρόνια.
13:32
But we finally built this system,
this global system, the internet,
this global system, the internet,
296
800880
4390
Φτιάξαμε, όμως, το παγκόσμιο αυτό
σύστημα, το Ίντερνετ,
σύστημα, το Ίντερνετ,
που μας τα αποκαλύπτει
με αυτόν τον περίεργο τρόπο
με αυτόν τον περίεργο τρόπο
13:37
that's actually showing them to us
in this extraordinary way,
in this extraordinary way,
297
805294
3019
13:40
making them undeniable.
298
808337
1547
καθιστώντας τα αυταπόδεικτα.
13:41
Technology has this extraordinary capacity
299
809908
2820
Η τεχνολογία έχει την εξαιρετική ικανότητα
13:44
to both instantiate and continue
300
812752
3973
να δίνει υπόσταση και να διαιωνίζει
13:48
all of our most extraordinary,
often hidden desires and biases
often hidden desires and biases
301
816749
4248
τις πιο και συχνά κρυφές μας
επιθυμίες και προκαταλήψεις
επιθυμίες και προκαταλήψεις
και να μας τις παρουσιάζει κωδικοποιημένες
13:53
and encoding them into the world,
302
821021
1866
13:54
but it also writes them down
so that we can see them,
so that we can see them,
303
822911
3474
αλλά και να τις καταγράφει
για να γίνονται ορατές
για να γίνονται ορατές
13:58
so that we can't pretend
they don't exist anymore.
they don't exist anymore.
304
826409
3330
και να μην μπορούμε να κάνουμε
πως δεν υπάρχουν πια.
πως δεν υπάρχουν πια.
14:01
We need to stop thinking about technology
as a solution to all of our problems,
as a solution to all of our problems,
305
829763
4319
Ας μην βλέπουμε την τεχνολογία
ως λύση για όλα τα προβλήματά μας
ως λύση για όλα τα προβλήματά μας
14:06
but think of it as a guide
to what those problems actually are,
to what those problems actually are,
306
834106
3757
αλλά ως οδηγό για το ποια
είναι πραγματικά αυτά τα προβλήματα
είναι πραγματικά αυτά τα προβλήματα
14:09
so we can start thinking
about them properly
about them properly
307
837887
2144
για να μπορέσουμε να τα εξετάσουμε σωστά
14:12
and start to address them.
308
840055
1766
και να αρχίσουμε να τα διευθετούμε.
14:13
Thank you very much.
309
841845
1335
Σας ευχαριστώ πολύ.
14:15
(Applause)
310
843204
5192
(Χειροκρότημα)
14:21
Thank you.
311
849733
1188
Ευχαριστώ.
14:22
(Applause)
312
850945
2869
(Χειροκρότημα)
14:28
Helen Walters: James, thank you
for coming and giving us that talk.
for coming and giving us that talk.
313
856839
3178
Έλεν Γουόλτερς: Τζέιμς, σ' ευχαριστώ
που ήρθες και μας μίλησες.
που ήρθες και μας μίλησες.
14:32
So it's interesting:
314
860041
1189
Είναι ενδιαφέρον:
14:33
when you think about the films where
the robotic overlords take over,
the robotic overlords take over,
315
861254
3495
όταν σκεφτόμαστε ταινίες
όπου κυριαρχεί το ρομποτικό στοιχείο
όπου κυριαρχεί το ρομποτικό στοιχείο
14:36
it's all a bit more glamorous
than what you're describing.
than what you're describing.
316
864773
3279
μοιάζει κάπως πιο λαμπερό
από αυτό που εσύ περιγράφεις.
από αυτό που εσύ περιγράφεις.
14:40
But I wonder -- in those films,
you have the resistance mounting.
you have the resistance mounting.
317
868076
3749
Αναρωτιέμαι -- σ' αυτές τις ταινίες
βλέπεις την αντίδραση να αυξάνεται.
βλέπεις την αντίδραση να αυξάνεται.
14:43
Is there a resistance mounting
towards this stuff?
towards this stuff?
318
871849
3216
Υπάρχει αυξανόμενη
αντίδραση προς όλα αυτά;
αντίδραση προς όλα αυτά;
14:47
Do you see any positive signs,
green shoots of resistance?
green shoots of resistance?
319
875089
3796
Βλέπεις θετικά σημάδια,
βλαστούς αντίστασης;
βλαστούς αντίστασης;
Τζέιμς Μπράιντλ: δεν θα έλεγα
άμεση αντίσταση
άμεση αντίσταση
14:52
James Bridle: I don't know
about direct resistance,
about direct resistance,
320
880507
2416
γιατί αυτά υπάρχουν
εδώ και πάρα πολύ καιρό.
εδώ και πάρα πολύ καιρό.
14:54
because I think this stuff
is super long-term.
is super long-term.
321
882947
2264
Έχουν ενσωματωθεί
βαθιά στην κουλτούρα μας.
βαθιά στην κουλτούρα μας.
14:57
I think it's baked into culture
in really deep ways.
in really deep ways.
322
885235
2510
Μια φίλη, η Έλεανορ Σαίτα,
14:59
A friend of mine,
Eleanor Saitta, always says
Eleanor Saitta, always says
323
887769
2132
λέει ότι προβλήματα τεχνολογίας
σε μεγάλη κλίμακα και φάσμα
σε μεγάλη κλίμακα και φάσμα
15:01
that any technological problems
of sufficient scale and scope
of sufficient scale and scope
324
889935
3609
15:05
are political problems first of all.
325
893568
2267
είναι κατά βάση προβλήματα πολιτικής.
15:07
So all of these things we're working
to address within this
to address within this
326
895859
2785
Όλα αυτά που προσπαθούμε να διευθετήσουμε
δεν θα λυθούν βελτιώνοντας την τεχνολογία
15:10
are not going to be addressed
just by building the technology better,
just by building the technology better,
327
898668
3274
αλλά αλλάζοντας την κοινωνία
που τη δημιουργεί.
που τη δημιουργεί.
15:13
but actually by changing the society
that's producing these technologies.
that's producing these technologies.
328
901966
3464
15:17
So no, right now, I think we've got
a hell of a long way to go.
a hell of a long way to go.
329
905454
3027
Μένουν να γίνουν πάρα πολλά.
Όμως, φέρνοντάς τα στο φως,
15:20
But as I said, I think by unpacking them,
330
908505
1986
εξηγώντας τα, μιλώντας
απολύτως ειλικρινά για αυτά,
απολύτως ειλικρινά για αυτά,
15:22
by explaining them, by talking
about them super honestly,
about them super honestly,
331
910515
2697
μπορούμε, τουλάχιστον,
να κάνουμε μια αρχή.
να κάνουμε μια αρχή.
15:25
we can actually start
to at least begin that process.
to at least begin that process.
332
913236
2505
15:27
HW: And so when you talk about
legibility and digital literacy,
legibility and digital literacy,
333
915765
3562
ΕΓ: Όταν μιλάς για αναγνωσιμότητα
και ψηφιακή μάθηση,
και ψηφιακή μάθηση,
15:31
I find it difficult to imagine
334
919351
1591
δυσκολεύομαι να φανταστώ
15:32
that we need to place the burden
of digital literacy on users themselves.
of digital literacy on users themselves.
335
920966
3680
πως πρέπει να επωμιστούν
αυτό το φορτίο οι ίδιοι οι χρήστες.
αυτό το φορτίο οι ίδιοι οι χρήστες.
15:36
But whose responsibility
is education in this new world?
is education in this new world?
336
924670
4562
Τίνος ευθύνη είναι η εκπαίδευση
σε αυτόν τον νέο κόσμο;
σε αυτόν τον νέο κόσμο;
15:41
JB: Again, I think this responsibility
is kind of up to all of us,
is kind of up to all of us,
337
929256
3612
ΤΜ: Νομίζω πως είναι όλων μας.
15:44
that everything we do,
everything we build, everything we make,
everything we build, everything we make,
338
932892
2984
Όσα κάνουμε, χτίζουμε ή φτιάχνουμε
πρέπει να γίνονται μετά
από συναινετικό διάλογο
από συναινετικό διάλογο
15:47
needs to be made
in a consensual discussion
in a consensual discussion
339
935900
3692
15:51
with everyone who's avoiding it;
340
939616
1940
με όλους όσοι τον αποφεύγουν.
15:53
that we're not building systems
intended to trick and surprise people
intended to trick and surprise people
341
941580
4341
Να μη φτιάχνουμε συστήματα που
ξεγελούν και αιφνιδιάζουν ανθρώπους
ξεγελούν και αιφνιδιάζουν ανθρώπους
15:57
into doing the right thing,
342
945945
2300
ώστε να πράττουν το αναμενόμενο,
16:00
but that they're actually involved
in every step in educating them,
in every step in educating them,
343
948269
3236
αλλά που θα εμπλέκονται
σε κάθε φάση της εκπαίδευσής τους,
σε κάθε φάση της εκπαίδευσής τους,
καθώς κάθε τέτοιο σύστημα
είναι επιμορφωτικό.
είναι επιμορφωτικό.
16:03
because each of these systems
is educational.
is educational.
344
951529
2278
16:05
That's what I'm hopeful about,
about even this really grim stuff,
about even this really grim stuff,
345
953831
3102
Ελπίζω να συμβεί ακόμη και για όλα
αυτά τα φρικτά πράγματα
αυτά τα φρικτά πράγματα
16:08
that if you can take it
and look at it properly,
and look at it properly,
346
956957
2262
που αν τα δούμε
από την κατάλληλη οπτική γωνία
από την κατάλληλη οπτική γωνία
16:11
it's actually in itself
a piece of education
a piece of education
347
959243
2089
αποτελούν πραγματικά ένα μάθημα
16:13
that allows you to start seeing
how complex systems come together and work
how complex systems come together and work
348
961356
3762
για να δούμε πώς δημιουργούνται
και λειτουργούν τα περίπλοκα συστήματα
16:17
and maybe be able to apply
that knowledge elsewhere in the world.
that knowledge elsewhere in the world.
349
965142
3501
και ίσως μπορέσουμε να εφαρμόσουμε
αυτή τη γνώση και σε άλλους τομείς.
αυτή τη γνώση και σε άλλους τομείς.
16:20
HW: James, it's such
an important discussion,
an important discussion,
350
968667
2115
ΕΓ: Τζέιμς, θα ήταν μια σημαντική συζήτηση
και πολλοί από μας εδώ είμαστε
ανοιχτοί και έτοιμοι γι αυτή.
ανοιχτοί και έτοιμοι γι αυτή.
16:22
and I know many people here
are really open and prepared to have it,
are really open and prepared to have it,
351
970806
3227
Σε ευχαριστώ που έκανες
την αρχή σήμερα.
την αρχή σήμερα.
16:26
so thanks for starting off our morning.
352
974057
1859
ΤΜ: Ευχαριστώ πολύ. Γεια σας.
16:27
JB: Thanks very much. Cheers.
353
975940
1400
16:29
(Applause)
354
977364
1651
(Χειροκρότημα)
ABOUT THE SPEAKER
James Bridle - Artist, writerWorking across technologies and disciplines, James Bridle examines technology, knowledge and the end of the future.
Why you should listen
James Bridle is an artist and writer working across technologies and disciplines. His artworks and installations have been exhibited in Europe, North and South America, Asia and Australia, and have been viewed by hundreds of thousands of visitors online. He has been commissioned by organizations including the Victoria & Albert Museum, the Barbican, Artangel, the Oslo Architecture Triennale and the Istanbul Design Biennial, and he has been honored by Ars Electronica, the Japan Media Arts Festival and the Design Museum, London. His writing on literature, culture and networks has appeared in magazines and newspapers including Frieze, Wired, Domus, Cabinet, The Atlantic, the New Statesman and many others, and he has written a regular column for The Observer.
New Dark Age, Bridle's book about technology, knowledge and the end of the future is forthcoming from Verso (UK & US) in 2018. He lectures regularly on radio, at conferences, universities and other events including SXSW, Lift, the Global Art Forum and Re:Publica. He has been a resident at Lighthouse, Brighton, the White Building, London and Eyebeam, New York, and an adjunct professor on the interactive telecommunications program at New York University.
James Bridle | Speaker | TED.com