TED2018
James Bridle: The nightmare videos of children's YouTube -- and what's wrong with the internet today
جیمز بریدل: ویدیوهای کابوس‌وار یوتیوب برای کودکان -- و دردسرهای امروزه اینترنت
Filmed:
Readability: 4.1
5,404,429 views
جیمز بریدل هنرمند و نویسنده از گوشه تاریک و عجیب اینترنت پرده برمی‌دارد، جایی که اشخاص یا گروه‌های نامعلوم در یوتیوب مغر بچه‌های کوچک را در ازای عایدات تبلیغاتی هک می‌کنند. از طریق جوایز «تخم مرغ شانسی» و «ترانه خانواده انگشتی» تا ملغمه‌های الگوریتمی خلق شده از شخصیت‌های کارتونی آشنا در موقعیت‌های خشونت‌آمیز، این ویدئوها از ذهن خردسالان سوءاستفاده کرده و آنها را می‌ترساند -- و این چیزی است که به ما می‌گوید جهان داده محور ما به کجا می‌رود. بریدل می‌گوید: «لازم است دست از فکر کردن درباره فناوری به عنوان راه‌حلی برای همه مشکلات ما برداریم، اما به درستی به آنها بعنوان راهنمایی برای آنچه واقعا هستند فکر کنیم و آنها را خطاب قرار دهیم.»
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
جیمز هستم.
00:13
I'm a writer and artist,
1
1984
1686
نویسنده و هنرمندم،
00:15
and I make work about technology.
2
3694
2341
و کارم درباره فناوری است.
00:18
I do things like draw life-size outlines
of military drones
of military drones
3
6454
3911
کارهایی مثل کشیدن هواپیماهای بدون
سرنشین نظامی در مقیاس واقعی را در
سرنشین نظامی در مقیاس واقعی را در
00:22
in city streets around the world,
4
10389
1828
خیابان‌های شهرهای جهان انجام می‌دهم.
00:24
so that people can start to think
and get their heads around
and get their heads around
5
12241
2950
تا مردم شروع به فکر کردن
به مسائل فناوری کنند
به مسائل فناوری کنند
00:27
these really quite hard-to-see
and hard-to-think-about technologies.
and hard-to-think-about technologies.
6
15215
3440
که هم دیدن و هم فهم شان سخت است.
00:31
I make things like neural networks
that predict the results of elections
that predict the results of elections
7
19494
3836
ابزاری مثل شبکه‌های عصبی می‌سازم
که نتایج انتخابات را بر اساس
که نتایج انتخابات را بر اساس
00:35
based on weather reports,
8
23354
1737
گزارش‌های هواشناسی پیش بینی می‌کند،
00:37
because I'm intrigued about
9
25115
1314
چون علاقمندم بفهمم
00:38
what the actual possibilities
of these weird new technologies are.
of these weird new technologies are.
10
26453
3924
امکانات واقعی این فناوری‌های
عجیب جدید چیست؟
عجیب جدید چیست؟
00:43
Last year, I built
my own self-driving car.
my own self-driving car.
11
31405
2426
پارسال، اولین ماشین خودران خود را ساختم.
00:45
But because I don't
really trust technology,
really trust technology,
12
33855
2526
اما چون حقیقتا به فناوری اعتماد ندارم،
00:48
I also designed a trap for it.
13
36405
1928
یک تله نیز برایش طراحی کردم.
00:50
(Laughter)
14
38777
1086
(خنده)
00:51
And I do these things mostly because
I find them completely fascinating,
I find them completely fascinating,
15
39887
4298
و این کارها را برای این انجام می‌دهم
که برایم خیلی جالبند،
که برایم خیلی جالبند،
00:56
but also because I think
when we talk about technology,
when we talk about technology,
16
44209
2602
و فکر می‌کنم که وقتی درباره فناوری
حرف می‌زنیم
حرف می‌زنیم
00:58
we're largely talking about ourselves
17
46835
2619
در واقع عمدتا درباره خودمان
01:01
and the way that we understand the world.
18
49478
2299
و نحوه درک خود از جهان اطراف صحبت می‌کنیم.
01:03
So here's a story about technology.
19
51801
2442
خوب، داستانی از فناوری را تعریف می‌کنم.
01:07
This is a "surprise egg" video.
20
55520
2830
این ویدئویی درباره تخم مرغ شانسی است.
01:10
It's basically a video of someone
opening up loads of chocolate eggs
opening up loads of chocolate eggs
21
58374
3348
در واقع این ویدئو شخصی است که
کلی تخم مرغ شانسی را باز کرده و
کلی تخم مرغ شانسی را باز کرده و
01:13
and showing the toys inside to the viewer.
22
61746
2126
اسباب‌بازی داخل آن را نشان بیننده می‌دهد.
01:16
That's it. That's all it does
for seven long minutes.
for seven long minutes.
23
64461
2649
فقط همین. این کل چیزی است که
طی ۷ دقیقه انجام می‌دهد.
طی ۷ دقیقه انجام می‌دهد.
01:19
And I want you to notice
two things about this.
two things about this.
24
67428
3051
و از شما می خواهم که به دو چیز
در مورد این ویدئو توجه کنید.
در مورد این ویدئو توجه کنید.
01:22
First of all, this video
has 30 million views.
has 30 million views.
25
70503
4074
نخست، این ویدئو
۳۰ میلیون بار دیده شده است.
۳۰ میلیون بار دیده شده است.
01:26
(Laughter)
26
74601
1275
(خنده)
01:28
And the other thing is,
27
76376
1166
و مورد بعدی این که،
01:29
it comes from a channel
that has 6.3 million subscribers,
that has 6.3 million subscribers,
28
77566
3869
این ویدئو از کانالی است که
۶/۳ میلیون عضو دارد،
۶/۳ میلیون عضو دارد،
01:33
that has a total of eight billion views,
29
81459
2680
که در مجموع ۸ میلیارد بازدید شده است.
01:36
and it's all just more videos like this --
30
84163
3106
و ویدیوهای مشابه اینطوری زیادند--
01:40
30 million people watching a guy
opening up these eggs.
opening up these eggs.
31
88256
3908
۳۰ میلیون نفر به تماشای شخصی که در
حال بازکردن تخم مرغ شانسی است نشسته‌اند.
حال بازکردن تخم مرغ شانسی است نشسته‌اند.
01:44
It sounds pretty weird, but if you search
for "surprise eggs" on YouTube,
for "surprise eggs" on YouTube,
32
92188
4481
بنظر عجیب است، اما اگر در یوتیوب
تخم مرغ شانسی را جستجو کنید،
تخم مرغ شانسی را جستجو کنید،
01:48
it'll tell you there's
10 million of these videos,
10 million of these videos,
33
96693
3523
متوجه خواهید شد که ۱۰ میلیون
از این ویدئوها وجود دارد،
از این ویدئوها وجود دارد،
01:52
and I think that's an undercount.
34
100240
1657
که فکر می‌کنم این رقم
01:53
I think there's way, way more of these.
35
101921
1897
بسیار بسیار بالاتر باشد.
01:55
If you keep searching, they're endless.
36
103842
2242
با ادامه جستجو متوجه
می‌شوید که پایان ندارد.
می‌شوید که پایان ندارد.
01:58
There's millions and millions
of these videos
of these videos
37
106108
2159
میلیون‌ها میلیون از این ویدئوها
02:00
in increasingly baroque combinations
of brands and materials,
of brands and materials,
38
108291
3454
که ترکیب عجیب و غربی از برندها
و مواد هستند وجود دارد.
و مواد هستند وجود دارد.
02:03
and there's more and more of them
being uploaded every single day.
being uploaded every single day.
39
111769
3846
و هرروز هم تعداد بیشتری بارگذاری می‌شوند.
02:07
Like, this is a strange world. Right?
40
115639
3511
دنیای عجیبی است. نه؟
02:11
But the thing is, it's not adults
who are watching these videos.
who are watching these videos.
41
119174
3383
اما مساله این است که که مخاطب این ویدئوها
02:14
It's kids, small children.
42
122581
2921
بزگسالان نیستند، بلکه کودکان هستند.
02:17
These videos are
like crack for little kids.
like crack for little kids.
43
125526
2154
این ویدئوها مثل هروپین برای
کودکان است.
کودکان است.
02:19
There's something about the repetition,
44
127704
2075
این تکرار ویدئوها مانند
02:21
the constant little
dopamine hit of the reveal,
dopamine hit of the reveal,
45
129803
2468
ترشح دوپامین،
02:24
that completely hooks them in.
46
132295
1866
آنها را گیر می‌اندازد.
02:26
And little kids watch these videos
over and over and over again,
over and over and over again,
47
134185
4809
و کودکان این ویدئوها را بارها و بارها و
02:31
and they do it for hours
and hours and hours.
and hours and hours.
48
139018
2327
بارها و ساعت‌ها و ساعت‌ها تماشا می‌کنند.
02:33
And if you try and take
the screen away from them,
the screen away from them,
49
141369
2356
و اگر آنها را از این کار باز دارید،
02:35
they'll scream and scream and scream.
50
143749
1782
جیغ و فریاد خواهند کرد.
02:37
If you don't believe me --
51
145555
1262
اگر حرفم را باور ندارید--
02:38
and I've already seen people
in the audience nodding --
in the audience nodding --
52
146841
2607
و بعضی از شما را می‌بینم
که سر تایید تکان می‌دهید--
که سر تایید تکان می‌دهید--
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
اگر باور ندارید، افرادی که
بچه دارند را پیدا کنید و از آنها بپرسید
بچه دارند را پیدا کنید و از آنها بپرسید
02:44
and they'll know about
the surprise egg videos.
the surprise egg videos.
54
152887
2340
تا به شما درباره
این تخم‌مرغ شانسی‌ها بگویند.
این تخم‌مرغ شانسی‌ها بگویند.
02:47
So this is where we start.
55
155251
2070
خوب این شروع کار ما است.
02:49
It's 2018, and someone, or lots of people,
56
157345
3642
سال ۲۰۱۸ است، و اشخاص یا خیلی از مردم
02:53
are using the same mechanism that, like,
Facebook and Instagram are using
Facebook and Instagram are using
57
161011
3941
از ابزارهایی شبیه فیسبوک و
اینستاگرم استفاده می کنند تا
اینستاگرم استفاده می کنند تا
02:56
to get you to keep checking that app,
58
164976
1989
شما را وادار به چک کردن آن اپلیکیشن کنند،
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
و از آن در یوتیوب استفاده می‌کنند تا
مغز کودکان را برای
مغز کودکان را برای
03:02
in return for advertising revenue.
60
170998
1958
درآمد ناشی از تبلیغات شستشو دهند.
03:06
At least, I hope
that's what they're doing.
that's what they're doing.
61
174346
2001
حداقل، کاری است
که امیدوارم انجام دهند.
که امیدوارم انجام دهند.
03:08
I hope that's what they're doing it for,
62
176371
1955
امیدوارم دنبال این باشند،
03:10
because there's easier ways
of making ad revenue on YouTube.
of making ad revenue on YouTube.
63
178350
5308
بدلیل اینکه راه‌های ساده تری برای کسب
درآمد از تبلیغ در یوتیوب وجود دارد.
درآمد از تبلیغ در یوتیوب وجود دارد.
03:15
You can just make stuff up or steal stuff.
64
183682
2332
شما می‌توانید محتوا تولید کنید یا بدزدید.
03:18
So if you search for really
popular kids' cartoons
popular kids' cartoons
65
186038
2635
بنابراین اگر دنبال کارتونهای واقعا
مشهور کودکان مثل
مشهور کودکان مثل
03:20
like "Peppa Pig" or "Paw Patrol,"
66
188697
1654
«پپاپیگ» یا «پاو پترول» باشید،
03:22
you'll find there's millions and millions
of these online as well.
of these online as well.
67
190375
3147
میلیون‌ها و میلیون‌ها از اینها را
نیز انلاین پیدا کنید.
نیز انلاین پیدا کنید.
03:25
Of course, most of them aren't posted
by the original content creators.
by the original content creators.
68
193546
3352
البته بیشتر آنها توسط
خالقشان پست نشده‌اند.
خالقشان پست نشده‌اند.
03:28
They come from loads and loads
of different random accounts,
of different random accounts,
69
196922
2999
بلکه توسط بسیاری از حسابهای مختلف هستند
03:31
and it's impossible to know
who's posting them
who's posting them
70
199945
2240
که پیدا کردن و پی بردن به انگیزه‌شان
03:34
or what their motives might be.
71
202209
1822
غیرممکن است.
03:36
Does that sound kind of familiar?
72
204428
1930
آیا به نظرتان آشنا نیست؟
03:38
Because it's exactly the same mechanism
73
206382
1980
چون همان مکانیزمی است که در بیشتر
03:40
that's happening across most
of our digital services,
of our digital services,
74
208386
2600
سرویس‌های دیجیتال استفاده می‌شود،
03:43
where it's impossible to know
where this information is coming from.
where this information is coming from.
75
211010
3207
که غیر ممکن است بتوان منبع را یافت.
03:46
It's basically fake news for kids,
76
214241
1829
اساسا اخبار دروغ برای کودکان هستند،
03:48
and we're training them from birth
77
216094
2161
و ما نیز از بدو تولد به کودکان می‌آموزیم
03:50
to click on the very first link
that comes along,
that comes along,
78
218279
2506
که روی اولین لینکی که می‌بینند
کلیک کنند،
کلیک کنند،
03:52
regardless of what the source is.
79
220809
1953
بدون توجه به منبع آن.
03:54
That's doesn't seem like
a terribly good idea.
a terribly good idea.
80
222786
2603
به نظر ایده جالبی نمی‌آید.
03:58
Here's another thing
that's really big on kids' YouTube.
that's really big on kids' YouTube.
81
226399
2710
از برنامه‌های محبوب
دیگر برای کودکان در یوتیوب،
دیگر برای کودکان در یوتیوب،
04:01
This is called the "Finger Family Song."
82
229133
1928
ترانه خانواده انگشتی است.
04:03
I just heard someone groan
in the audience.
in the audience.
83
231085
2018
ناله یکی از حضار را شنیدم.
04:05
This is the "Finger Family Song."
84
233127
1624
این ترانه خانواده انگشتی است.
04:06
This is the very first one I could find.
85
234775
1930
یکی از اولین نمونه‌ها که پیدا کردم.
04:08
It's from 2007, and it only has
200,000 views,
200,000 views,
86
236729
2829
سال ۲۰۰۷ ساخته شده،
و فقط ۲۰۰٫۰۰۰ بار دیده شده است،
و فقط ۲۰۰٫۰۰۰ بار دیده شده است،
04:11
which is, like, nothing in this game.
87
239582
1976
که رقم بسیار پایینی است.
04:13
But it has this insanely earwormy tune,
88
241582
2852
اما نوای بسیار گوش نوازی دارد،
04:16
which I'm not going to play to you,
89
244458
1682
که نمی‌خواهم اینجا پخش کنم،
04:18
because it will sear itself
into your brain
into your brain
90
246164
2008
چون کرم مغز شما خواهد شد
04:20
in the same way that
it seared itself into mine,
it seared itself into mine,
91
248196
2395
همانطور که برای من اتفاق افتاد.
04:22
and I'm not going to do that to you.
92
250615
1770
و نمی‌خواهم برای شما تکرار شود.
04:24
But like the surprise eggs,
93
252409
1344
اما همانند تخم مرغ شانسی،
04:25
it's got inside kids' heads
94
253777
2164
داخل مغز کودکان نفوذ کرده
04:27
and addicted them to it.
95
255965
1607
و آنها را معتاد کرده است.
04:29
So within a few years,
these finger family videos
these finger family videos
96
257596
2531
بنابراین بزودی، ویدئوهای خانواده انگشتی
04:32
start appearing everywhere,
97
260151
1303
همه جا ظاهر شدند،
04:33
and you get versions
in different languages
in different languages
98
261478
2029
و به زبان‌های مختلف با
04:35
with popular kids' cartoons using food
99
263531
2121
کارتونهای مشهور کودکان با استفاده از غذا
04:37
or, frankly, using whatever kind
of animation elements
of animation elements
100
265676
2550
یا راستش هر عنصر انیمیشنی موجود
در اطراف خواهد بود.
04:40
you seem to have lying around.
101
268250
2252
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
میلیون‌ها میلیون از این ویدئوها با
04:48
available online in all of these
kind of insane combinations.
kind of insane combinations.
103
276223
3435
ترکیب‌های متفاوت روی اینترنت موجود است.
04:51
And the more time
you start to spend with them,
you start to spend with them,
104
279682
2228
و هرقدر وقت بیشتری با آنها صرف کنید،
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
احساس دیوانگی بیشتری خواهید داشت.
04:57
And that's where I
kind of launched into this,
kind of launched into this,
106
285652
3333
و این جا است که من به این
موضوع علاقه‌مند شدم،
موضوع علاقه‌مند شدم،
05:01
that feeling of deep strangeness
and deep lack of understanding
and deep lack of understanding
107
289009
3666
احساس غریبگی عمیق و درک ناقص چگونگی
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
تولید آن من را احاطه کرده بود.
05:08
Because it's impossible to know
where these things are coming from.
where these things are coming from.
109
296898
3167
چون غیرممکن است که بدانید
این چیزها از کجا می‌آیند؟
این چیزها از کجا می‌آیند؟
05:12
Like, who is making them?
110
300089
1241
مثلا سازنده‌شان کیست؟
05:13
Some of them appear to be made
of teams of professional animators.
of teams of professional animators.
111
301354
3143
بعضی از آنها توسط تیمی از انیماتورهای
حرفه‌ای ساخته شده‌اند.
حرفه‌ای ساخته شده‌اند.
05:16
Some of them are just randomly
assembled by software.
assembled by software.
112
304521
2882
بعضی از آنها توسط نرم‌افزار
سرهم شده‌اند.
سرهم شده‌اند.
05:19
Some of them are quite wholesome-looking
young kids' entertainers.
young kids' entertainers.
113
307427
4253
بعضی از آنها سرگرم کننده‌های سالمی
برای کودکان هستند.
برای کودکان هستند.
05:23
And some of them are from people
114
311704
1552
اما بعضی را افرادی تهیه می‌کنند
05:25
who really clearly
shouldn't be around children at all.
shouldn't be around children at all.
115
313280
3007
که به هیچ عنوان
نباید اطراف کودکان باشند.
نباید اطراف کودکان باشند.
05:28
(Laughter)
116
316311
1615
(خنده)
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
و دوباره، این عدم امکان فهمیدن منبع ساخت
این ویدئوها است--
این ویدئوها است--
05:35
like, this is a bot?
118
323651
1156
مثل این که بات باشد؟
05:36
Is this a person? Is this a troll?
119
324831
2647
یا شخص و یا ترول؟
05:39
What does it mean
that we can't tell the difference
that we can't tell the difference
120
327502
2382
این یعنی ما نمی‌توانیم تفاوت
05:41
between these things anymore?
121
329908
1583
بین اینها را دیگر بیابیم؟
05:43
And again, doesn't that uncertainty
feel kind of familiar right now?
feel kind of familiar right now?
122
331515
4848
و دوباره، آیا این عدم اطمینان آشنا نیست؟
05:50
So the main way people get views
on their videos --
on their videos --
123
338145
2580
بنابراین اصلی‌ترین راهی
که این ویدئوها بازدید شوند،
که این ویدئوها بازدید شوند،
05:52
and remember, views mean money --
124
340749
1707
و یادتان باشد، بازدید یعنی پول --
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
این است که نامهای معروف
برای آنها انتخاب شود.
برای آنها انتخاب شود.
05:59
So you take, like, "surprise eggs"
126
347246
1687
مثل تخم مرغ شانسی و بعد افزودن
06:00
and then you add
"Paw Patrol," "Easter egg,"
"Paw Patrol," "Easter egg,"
127
348957
2066
نامهای دیگر، مثل پاو‌پاترول،
تخم مرغ عید پاک،
تخم مرغ عید پاک،
06:03
or whatever these things are,
128
351047
1393
یا هر چیز دیگری که هست،
06:04
all of these words from other
popular videos into your title,
popular videos into your title,
129
352464
2893
همه اینها از ویدئوهای
محبوب در عنوان می‌آید
محبوب در عنوان می‌آید
06:07
until you end up with this kind of
meaningless mash of language
meaningless mash of language
130
355381
2968
تا که ملغمه بی‌سروته‌ای
از کلمه‌ها سرهم شود
از کلمه‌ها سرهم شود
06:10
that doesn't make sense to humans at all.
131
358373
2498
که برای انسان‌ها مفهومی ندارد.
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
چون البته که بچه‌های کوچک تنها تماشاچی
این ویدئوها هستند
این ویدئوها هستند
06:16
and what the hell do they know?
133
364465
1827
و آنها هم از همه جا بی‌خبرند.
06:18
Your real audience
for this stuff is software.
for this stuff is software.
134
366316
3007
مخاطب حقیقی شما برای این محتواها
نرم‌افزارها هستند.
نرم‌افزارها هستند.
06:21
It's the algorithms.
135
369347
1156
الگوریتم‌ها.
06:22
It's the software that YouTube uses
136
370527
1855
نرم‌افزاری که یوتیوب استفاده می‌کند
06:24
to select which videos
are like other videos,
are like other videos,
137
372406
2483
تا انتخاب کند کدام ویدئوها مثل سایر
ویدئوها هستند،
ویدئوها هستند،
06:26
to make them popular,
to make them recommended.
to make them recommended.
138
374913
2243
کدام را محبوب کند،
کدام را توصیه کند.
کدام را توصیه کند.
06:29
And that's why you end up with this
kind of completely meaningless mash,
kind of completely meaningless mash,
139
377180
3461
و برای همین به آن ملغمه کاملا
بی‌سر و ته ختم می‌شود،
بی‌سر و ته ختم می‌شود،
06:32
both of title and of content.
140
380665
2071
هم در محتوا و هم در عنوان.
06:35
But the thing is, you have to remember,
141
383792
1894
اما نکته‌ای که باید به خاطر بسپارید:
06:37
there really are still people within
this algorithmically optimized system,
this algorithmically optimized system,
142
385710
4478
واقعا هنوز بین این سیستم الگوریتمی
بهینه شده آدمهایی هستند
بهینه شده آدمهایی هستند
06:42
people who are kind
of increasingly forced to act out
of increasingly forced to act out
143
390212
2790
که به طرز فزاینده‌ای وادارشده‌اند
06:45
these increasingly bizarre
combinations of words,
combinations of words,
144
393026
3066
این ترکیب رو به رشد غریب از واژه‌ها،
06:48
like a desperate improvisation artist
responding to the combined screams
responding to the combined screams
145
396116
5173
مثل هنرمند بداهه‌پرداز مستاصلی
که به فریادهای یکی شده
که به فریادهای یکی شده
06:53
of a million toddlers at once.
146
401313
2203
میلیون‌ها کودک نوپا هم زمان جواب دهد.
06:57
There are real people
trapped within these systems,
trapped within these systems,
147
405168
2468
آدمهای واقعی در این سیستم‌ها
به دام افتادند،
به دام افتادند،
06:59
and that's the other deeply strange thing
about this algorithmically driven culture,
about this algorithmically driven culture,
148
407660
4055
و این چیز واقعا عجیب دیگری است
درباره فرهنگ نشات گرفته از الگوریتم،
درباره فرهنگ نشات گرفته از الگوریتم،
07:03
because even if you're human,
149
411739
1381
چون حتی اگر انسان باشی،
07:05
you have to end up behaving like a machine
150
413144
2145
براب بقاء داشتن باید دست آخر مثل
07:07
just to survive.
151
415313
1800
ماشین رفتار کنی.
07:09
And also, on the other side of the screen,
152
417137
2100
و هنوز در آن سوی پرده
07:11
there still are these little kids
watching this stuff,
watching this stuff,
153
419261
2947
این خردسالان هستند
که این محتوا را می‌بینند،
که این محتوا را می‌بینند،
07:14
stuck, their full attention grabbed
by these weird mechanisms.
by these weird mechanisms.
154
422232
4206
در حالی که کل توجه آنها با
این مکانیزم‌های عجیب جلب می‌شود.
این مکانیزم‌های عجیب جلب می‌شود.
07:18
And most of these kids are too small
to even use a website.
to even use a website.
155
426768
2798
و اکثر این کودکان حتی برای استفاده
از یوتیوب خیلی کوچکند.
از یوتیوب خیلی کوچکند.
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
با دستهای کوچک خود به صفحه می‌کوبند.
07:24
And so there's autoplay,
157
432890
1217
و خب این پخش خودکار هست،
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
که به پخش این ویدئوها پشت سر هم در این
بدون وقفه
بدون وقفه
07:29
endlessly for hours and hours at a time.
159
437734
2059
برای ساعت‌های متوالی ادامه می‌دهد.
07:31
And there's so much weirdness
in the system now
in the system now
160
439817
2843
و الان در سیستم چنان چیزهایی غریبی هست
07:34
that autoplay takes you
to some pretty strange places.
to some pretty strange places.
161
442684
3009
که حالت پخش خودکار شما را
به جاهای عجیب می‌برد.
به جاهای عجیب می‌برد.
07:37
This is how, within a dozen steps,
162
445717
2488
اینطوری است که طی چند مرحله
07:40
you can go from a cute video
of a counting train
of a counting train
163
448229
3158
می‌توانید از یک ویدئوی بامزه از قطار شماری
07:43
to masturbating Mickey Mouse.
164
451411
2442
به میکی‌موسی برسید که خودارضایی می‌کند.
07:46
Yeah. I'm sorry about that.
165
454529
2288
بله. متاسفم درباره آن.
07:48
This does get worse.
166
456841
1700
تازه بدتر هم می‌شود.
07:50
This is what happens
167
458565
1282
اتفاقی که می‌افتد این است
07:51
when all of these different keywords,
168
459871
3086
وقتی همه این کلیدواژه‌های مختلف،
07:54
all these different pieces of attention,
169
462981
2461
همه این تکه‌های مختلف توجه،
07:57
this desperate generation of content,
170
465466
2807
این نسل متاصل محتوا،
08:00
all comes together into a single place.
171
468297
2582
همه در یک جا گرد می‌آید.
08:03
This is where all those deeply weird
keywords come home to roost.
keywords come home to roost.
172
471871
4472
اینجاست که همه آن کلیدواژه‌های عمیقا
عجیب تاوان این ندانم کاری را می‌دهند.
عجیب تاوان این ندانم کاری را می‌دهند.
08:08
You cross-breed the finger family video
173
476367
2391
ویدئوی خانواده انگشتی را با برخی
08:10
with some live-action superhero stuff,
174
478782
2088
چیزهای ابر-قهرمانی زنده پیوند می‌زنید،
08:12
you add in some weird,
trollish in-jokes or something,
trollish in-jokes or something,
175
480894
3256
به آن امثال شوخی‌های ترولی‌وار عجیب
را اضافه می‌کنید
را اضافه می‌کنید
08:16
and suddenly, you come
to a very weird place indeed.
to a very weird place indeed.
176
484174
3366
و ناگهان راستش از جای عجیبی
سر در می‌آورید.
سر در می‌آورید.
08:19
The stuff that tends to upset parents
177
487564
2113
چیزهایی که موجب برافروختگی والدین می‌شود
08:21
is the stuff that has kind of violent
or sexual content, right?
or sexual content, right?
178
489701
3331
بنوعی حاوی محتوا خشونت آمیز یا جنسی هستند،
درست است؟
درست است؟
08:25
Children's cartoons getting assaulted,
179
493056
2822
کارتونهای کودکان که مورد
آزار قرار می‌گیرند،
آزار قرار می‌گیرند،
08:27
getting killed,
180
495902
2018
کشته می‌شوند،
08:29
weird pranks that actually
genuinely terrify children.
genuinely terrify children.
181
497944
3343
شوخی‌های عجیب که در واقع
کودکان را می‌ترساند.
کودکان را می‌ترساند.
08:33
What you have is software pulling in
all of these different influences
all of these different influences
182
501311
3675
آنچه دارید نرم‌افزاری است همه انواع
این تاثیرات مختلف را گرد می‌آورد
این تاثیرات مختلف را گرد می‌آورد
08:37
to automatically generate
kids' worst nightmares.
kids' worst nightmares.
183
505010
2961
تا بطور خودکار بدترین کابوس‌های
کودکان را تولید کنند.
کودکان را تولید کنند.
08:39
And this stuff really, really
does affect small children.
does affect small children.
184
507995
2701
و این چیزها واقعا واقعا روی بچه‌های
کوچک تاثیر می‌گذارد.
کوچک تاثیر می‌گذارد.
08:42
Parents report their children
being traumatized,
being traumatized,
185
510720
2866
والدین از آسیب‌های روحی فرزندان خود
گزارش می‌دهند،
گزارش می‌دهند،
08:45
becoming afraid of the dark,
186
513610
1392
ترسیدن‌شان از تاریکی،
08:47
becoming afraid of their favorite
cartoon characters.
cartoon characters.
187
515026
3050
ترسیدن‌شان از شخصیت‌های محبوب
کارتونی خود.
کارتونی خود.
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
اگر قرار به کار بردن یک نکته باشید
08:54
keep them the hell away from YouTube.
189
522159
1996
بچه‌های کوچک را از یوتیوب دور نگه دارید.
08:56
(Applause)
190
524743
3949
(تشویق)
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
اما نکته دیگری که واقعا
من را درگیر خودش کرده
من را درگیر خودش کرده
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
این است که من مطمئن نیستم ما حتی واقعا
بفهمیم چطور به این نکته رسیدیم.
بفهمیم چطور به این نکته رسیدیم.
09:10
We've taken all of this influence,
all of these things,
all of these things,
193
538951
2931
ما همه تاثیرات این چیزها را لحاظ کرده‌ایم
09:13
and munged them together in a way
that no one really intended.
that no one really intended.
194
541906
2953
و چنان ملغمه‌ای درست کرده‌ایم
که کسی واقعا قصدش را نداشته است.
که کسی واقعا قصدش را نداشته است.
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
و هنوز با این روش به
ساخت دنیا ادامه می‌دهیم.
ساخت دنیا ادامه می‌دهیم.
09:20
We're taking all of this data,
196
548063
1773
همه این داده‌ها را بر می‌داریم،
09:21
a lot of it bad data,
197
549860
1447
کلی داده‌های بد،
09:23
a lot of historical data
full of prejudice,
full of prejudice,
198
551331
3029
کلی داده‌های تاریخی سرشار از تعصب،
09:26
full of all of our worst
impulses of history,
impulses of history,
199
554384
2837
سرشار از بدترین محرک‌های ما در تاریخ،
09:29
and we're building that
into huge data sets
into huge data sets
200
557245
2049
و ما از آنها مجموعه‌ای
عظیم از داده‌ها می‌سازیم
عظیم از داده‌ها می‌سازیم
09:31
and then we're automating it.
201
559318
1423
و بعد آنها را خودکار می‌کنیم
09:32
And we're munging it together
into things like credit reports,
into things like credit reports,
202
560765
3502
و آنها در قالب گزارش‌های اعتباری،
09:36
into insurance premiums,
203
564291
1634
به حق بیمه و چیزهایی مثل
09:37
into things like predictive
policing systems,
policing systems,
204
565949
2693
سیستم‌های سیاست‌گذاری پیشگویانه، و
خط مشی‌های محکوم کننده
خط مشی‌های محکوم کننده
09:40
into sentencing guidelines.
205
568666
1762
ترکیب می‌کنیم.
09:42
This is the way we're actually
constructing the world today
constructing the world today
206
570452
2821
این دقیقا همان روشی است که ما
جهان امروز
جهان امروز
09:45
out of this data.
207
573297
1151
را از داده‌ها می‌سازیم.
09:46
And I don't know what's worse,
208
574472
1698
و نمی‌دانم که کدام بدتر است،
09:48
that we built a system
that seems to be entirely optimized
that seems to be entirely optimized
209
576194
3228
که سیستمی بسازیم که ظاهرا برای
بدترین زوایای
بدترین زوایای
09:51
for the absolute worst aspects
of human behavior,
of human behavior,
210
579446
2808
رفتار بشر بهینه باشد
09:54
or that we seem
to have done it by accident,
to have done it by accident,
211
582278
2425
یا که ظاهرا این کار را انجام داده ایم،
09:56
without even realizing
that we were doing it,
that we were doing it,
212
584727
2207
آن هم ندانسته،
09:58
because we didn't really understand
the systems that we were building,
the systems that we were building,
213
586958
3382
چون واقعا سیستم‌هایی
که می‌ساختیم را نمی‌فهمیدند،
که می‌ساختیم را نمی‌فهمیدند،
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
و واقعا نمی‌فهمیدیم چه کار
متفاوتی با آن انجام دهیم.
متفاوتی با آن انجام دهیم.
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
فکر می‌کنم چند مورد هست که
واقعا به نظر می‌رسد که با تمام قدرت
واقعا به نظر می‌رسد که با تمام قدرت
10:10
most fully on YouTube,
216
598158
1189
در یوتیوب محرک هستند،
10:11
and the first of those is advertising,
217
599371
1827
و اول از همه تبلیغات است،
10:13
which is the monetization of attention
218
601222
2837
که از توجه پول در می‌آورد
10:16
without any real other variables at work,
219
604083
3136
بدون هیچ متغیر واقعی دیگری دراین بین،
10:19
any care for the people who are
actually developing this content,
actually developing this content,
220
607243
3885
بدون توجه به آدمهایی که در واقع
این محتوا را تولید می‌کنند،
این محتوا را تولید می‌کنند،
10:23
the centralization of the power,
the separation of those things.
the separation of those things.
221
611152
3636
متمرکز کردن قدرت،
تمایز دادن این چیزها.
تمایز دادن این چیزها.
10:26
And I think however you feel
about the use of advertising
about the use of advertising
222
614812
3144
و اگر چه شاید این حس را داشته باشید
که استفاده از تبلیغات بنوعی
که استفاده از تبلیغات بنوعی
10:29
to kind of support stuff,
223
617980
1238
برای حمایت از چیزهاست،
10:31
the sight of grown men in diapers
rolling around in the sand
rolling around in the sand
224
619242
3067
تصویر مردان بالغ در پوشک که
در ماسه می‌غلتند
در ماسه می‌غلتند
10:34
in the hope that an algorithm
that they don't really understand
that they don't really understand
225
622333
2983
به امید الگوریتمی که آنها واقعا نمی‌فهمند
10:37
will give them money for it
226
625340
1315
پول برای آن می‌دهند
10:38
suggests that this
probably isn't the thing
probably isn't the thing
227
626679
2037
نشان می‌دهد که این شاید چیزی نیست
10:40
that we should be basing
our society and culture upon,
our society and culture upon,
228
628740
2563
که باید اجتماع و فرهنگ خود را
بر پایه آن بگذاریم،
بر پایه آن بگذاریم،
10:43
and the way in which
we should be funding it.
we should be funding it.
229
631327
2160
و روش سرمایه‌گذاری ما در آن.
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
و نکته دیگر این است که محرک دیگر اصلی
برای آن اتوماسیون است
برای آن اتوماسیون است
10:49
which is the deployment
of all of this technology
of all of this technology
231
637054
2329
که بکارگیری انواع این فناوری‌ها است
10:51
as soon as it arrives,
without any kind of oversight,
without any kind of oversight,
232
639407
2521
و وقتی بدون هیچ دوراندیشی عرضه می‌شوند
10:53
and then once it's out there,
233
641952
1412
و قابل دسترس می‌شوند،
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
مثل این می‌ماند که دست در هوا تکان داده و
بگوییم، «کار ما نیست. تقصیر فناوریه.»
بگوییم، «کار ما نیست. تقصیر فناوریه.»
10:59
Like, "We're not involved in it."
235
647255
1642
یا «ما که دخالتی نداریم.»
11:00
That's not really good enough,
236
648921
1767
که واقعا به حد کافی خوب نیست،
11:02
because this stuff isn't
just algorithmically governed,
just algorithmically governed,
237
650712
2710
چون این چیزها صرفا اگوریتمی
مدیریت نمی‌شوند،
مدیریت نمی‌شوند،
11:05
it's also algorithmically policed.
238
653446
2498
بلکه الگوریتمی هم سیاست‌گذاری می‌شوند.
11:07
When YouTube first started
to pay attention to this,
to pay attention to this,
239
655968
2848
وقتی یوتیوب اولین بار شروع به توجه
کردن به این کرد،
کردن به این کرد،
11:10
the first thing they said
they'd do about it
they'd do about it
240
658840
2087
اولین کاری که گفتند در این باره
انجام دادند
انجام دادند
11:12
was that they'd deploy
better machine learning algorithms
better machine learning algorithms
241
660951
2695
به کارگیر الگوریتم‌های بهتر
یادگیری ماشین بود
یادگیری ماشین بود
11:15
to moderate the content.
242
663670
1329
برای تعدیل محتوا.
11:17
Well, machine learning,
as any expert in it will tell you,
as any expert in it will tell you,
243
665023
3485
خب، یادگیری ماشین، همانطور هر متخصص
فعال در آن به شما خواهد گفت،
فعال در آن به شما خواهد گفت،
11:20
is basically what we've started to call
244
668532
1896
اساسا چیزی را نرم‌افزار نامیدیم
11:22
software that we don't really
understand how it works.
understand how it works.
245
670452
2588
که درک واقعی از کارکردش نداریم.
11:25
And I think we have
enough of that already.
enough of that already.
246
673064
3983
و فکر کنم الان بحد کافی از آن داریم.
11:29
We shouldn't be leaving
this stuff up to AI to decide
this stuff up to AI to decide
247
677071
3166
نباید اینها را برای
تصمیم‌گیری درست یا غلطی
تصمیم‌گیری درست یا غلطی
11:32
what's appropriate or not,
248
680261
1251
به هوش مصنوعی محول کرد،
11:33
because we know what happens.
249
681536
1436
چون می‌دانیم چطور می‌شود.
11:34
It'll start censoring other things.
250
682996
1688
بقیه چیزها را سانسور می‌کند.
11:36
It'll start censoring queer content.
251
684708
1783
محتوا دگرباش‌ها را سانسور خواهد کرد.
11:38
It'll start censoring
legitimate public speech.
legitimate public speech.
252
686515
2237
سخنرانی‌های عمومی مشروع را سانسور می‌کند.
11:40
What's allowed in these discourses,
253
688776
1925
محتوای مجاز در این گفت و شنودها نباید
11:42
it shouldn't be something
that's left up to unaccountable systems.
that's left up to unaccountable systems.
254
690725
3097
به سیستم‌های بازخواست نشدنی محول گردد.
11:45
It's part of a discussion
all of us should be having.
all of us should be having.
255
693846
2947
باید بخشی از بحثی باشد که همه
ما مشارکت داریم.
ما مشارکت داریم.
11:48
But I'd leave a reminder
256
696817
1308
اما بگذارید یادآوری کنم
11:50
that the alternative isn't
very pleasant, either.
very pleasant, either.
257
698149
2753
که جایگزین حتی خیلی دلچسب هم نیست.
11:52
YouTube also announced recently
258
700926
1535
یوتیوب اخیرا اعلام کرد
11:54
that they're going to release
a version of their kids' app
a version of their kids' app
259
702485
2767
که قصد انتشار نسخه‌ای از
برنامه کاربردی کودکان را دارند
برنامه کاربردی کودکان را دارند
11:57
that would be entirely
moderated by humans.
moderated by humans.
260
705276
2407
که تماما از سوی انسان‌ها اداره می‌شود.
12:00
Facebook -- Zuckerberg said
much the same thing at Congress,
much the same thing at Congress,
261
708134
3618
فیسبوک -- زوکربرگ تقریبا چیزی
مشابه را در کنگره گفت،
مشابه را در کنگره گفت،
12:03
when pressed about how they
were going to moderate their stuff.
were going to moderate their stuff.
262
711776
2987
وقتی درباره نحوه تعدیل محتوای‌شان
تحت فشار قرار گرفت،
تحت فشار قرار گرفت،
12:06
He said they'd have humans doing it.
263
714787
1747
گفت آدمها را برای انجامش دارند.
12:08
And what that really means is,
264
716558
1459
و معنی واقعی آن این است که
12:10
instead of having toddlers being
the first person to see this stuff,
the first person to see this stuff,
265
718041
3223
بجای داشتن نوپاهایی که اولین بیننده
این برنامه‌ها باشند،
این برنامه‌ها باشند،
12:13
you're going to have underpaid,
precarious contract workers
precarious contract workers
266
721288
2788
کارکنان قراردادی متزلزل کم درآمد
فاقد حمایت سلامت روان مناسب را خواهید داشت
12:16
without proper mental health support
267
724100
1726
که از آن آسیب هم در امان نمی‌مانند.
12:17
being damaged by it as well.
268
725850
1376
12:19
(Laughter)
269
727250
1096
(خنده)
12:20
And I think we can all do
quite a lot better than that.
quite a lot better than that.
270
728370
2601
و فکر می‌کنم می‌توانیم عملکرد
بهتری داشته باشیم.
بهتری داشته باشیم.
12:22
(Applause)
271
730995
2499
(تشویق)
12:26
The thought, I think, that brings those
two things together, really, for me,
two things together, really, for me,
272
734068
4613
به اعتقاد من چیزی که بتواند این دو را
واقعا یکجا داشته باشد برای شخص من
واقعا یکجا داشته باشد برای شخص من
12:30
is agency.
273
738705
1420
نمایندگی است.
12:32
It's like, how much do we really
understand -- by agency, I mean:
understand -- by agency, I mean:
274
740149
3157
مثلا چقدر ما واقعا می فهمیم--
12:35
how we know how to act
in our own best interests.
in our own best interests.
275
743330
4390
چطور می‌دانیم که چطور در جهت
نفع اعلای خود عمل کنیم.
نفع اعلای خود عمل کنیم.
12:39
Which -- it's almost impossible to do
276
747744
1787
که-- تقریبا انجامش در این سیستم‌هایی
12:41
in these systems that we don't
really fully understand.
really fully understand.
277
749555
3485
که واقعا کامل نمی‌فهمیم غیرممکن است.
12:45
Inequality of power
always leads to violence.
always leads to violence.
278
753064
3071
نابرابری در قدرت همواره منتهی به
خشونت می‌گردد.
خشونت می‌گردد.
12:48
And we can see inside these systems
279
756159
1685
و می‌بینیم که داخل این سیستم‌ها
12:49
that inequality of understanding
does the same thing.
does the same thing.
280
757868
2611
که نابرابری از فهم
نیز همین کار را می‌کند.
نیز همین کار را می‌کند.
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
اگر برای شروع چیزی باشد
که برای بهبود این سیستم‌ها انجام دهیم،
که برای بهبود این سیستم‌ها انجام دهیم،
12:56
it's to make them more legible
to the people who use them,
to the people who use them,
282
764306
2718
که آنها را برای کاربرهای
آنها خواناتر کند،
آنها خواناتر کند،
12:59
so that all of us have
a common understanding
a common understanding
283
767048
2196
بنابراین همه ما درک مشترکی
از آنچه واقعا
از آنچه واقعا
13:01
of what's actually going on here.
284
769268
1851
رخ می‌دهد داریم.
13:03
The thing, though, I think
most about these systems
most about these systems
285
771970
2968
چیزی که اگر چه فکر می‌کنم درباره
اکثر این سیستم‌ها اینطور نیست
اکثر این سیستم‌ها اینطور نیست
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
که البته امیدوارم به درستی
درباره یوتیوب آن را درست توضیح داده باشم.
درباره یوتیوب آن را درست توضیح داده باشم.
13:10
It's about everything.
287
778843
1312
شامل همه چیز است.
13:12
These issues of accountability and agency,
288
780179
2444
این مسائل مسئولیت‌پذیری و پویایی،
13:14
of opacity and complexity,
289
782647
2225
ابهام و پیچیدگی،
13:16
of the violence and exploitation
that inherently results
that inherently results
290
784896
3177
خشونت و استثمار که ذاتا منجر به
13:20
from the concentration
of power in a few hands --
of power in a few hands --
291
788097
2794
تمرکز قدرت در دستانی معدود می‌شوند --
13:22
these are much, much larger issues.
292
790915
2579
اینها مسائل خیلی خیلی بزرگتری هستند.
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
و اینها صرفا مسائل یوتیوب
و فناوری در کل نیستند،
و فناوری در کل نیستند،
13:30
and they're not even new.
294
798106
1265
و حتی چیز تازه‌ای نیستند.
13:31
They've been with us for ages.
295
799395
1461
سالها با ما بوده‌اند.
13:32
But we finally built this system,
this global system, the internet,
this global system, the internet,
296
800880
4390
اما سرانجام این سیستم را ساختیم،
این سیستم جهانی، اینترنت،
این سیستم جهانی، اینترنت،
13:37
that's actually showing them to us
in this extraordinary way,
in this extraordinary way,
297
805294
3019
که در واقع آنها را به شیوه‌ای
خارق‌العاده نشان می‌دهد،
خارق‌العاده نشان می‌دهد،
13:40
making them undeniable.
298
808337
1547
آنها را غیرقابل انکار می‌کند.
13:41
Technology has this extraordinary capacity
299
809908
2820
فناوری این ظرفیت خارق‌العاده را دارد
13:44
to both instantiate and continue
300
812752
3973
که همه آن استثنایی‌ترین تعصب‌ها
و امیال ما
و امیال ما
13:48
all of our most extraordinary,
often hidden desires and biases
often hidden desires and biases
301
816749
4248
که اغلب پنهان هستند را معرفی کرده
و ادامه می‌دهد
و ادامه می‌دهد
13:53
and encoding them into the world,
302
821021
1866
و آنها را در این دنیا رمزگذاری می‌کند،
13:54
but it also writes them down
so that we can see them,
so that we can see them,
303
822911
3474
اما همچنین آنها را یادداشت می‌کند
بنابراین می‌توانیم آنها را ببینیم،
بنابراین می‌توانیم آنها را ببینیم،
13:58
so that we can't pretend
they don't exist anymore.
they don't exist anymore.
304
826409
3330
پس نمی‌توانیم وانمود کنیم که
وجود ندارند.
وجود ندارند.
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
باید از این تفکر که فناوری راه‌حل
همه مشکلات ما است دست بکشیم،
همه مشکلات ما است دست بکشیم،
14:06
but think of it as a guide
to what those problems actually are,
to what those problems actually are,
306
834106
3757
بلکه به آن بعنوان راهنمایی برای آنچه
واقعا این مشکلات هستند فکر کنیم،
واقعا این مشکلات هستند فکر کنیم،
14:09
so we can start thinking
about them properly
about them properly
307
837887
2144
تا بتوانیم درباره آنها به
درستی فکر کرده
درستی فکر کرده
14:12
and start to address them.
308
840055
1766
و مورد خطاب قرار دهیم.
14:13
Thank you very much.
309
841845
1335
خیلی متشکرم.
14:15
(Applause)
310
843204
5192
(تشویق)
14:21
Thank you.
311
849733
1188
متشکرم.
14:22
(Applause)
312
850945
2869
(تشویق)
14:28
Helen Walters: James, thank you
for coming and giving us that talk.
for coming and giving us that talk.
313
856839
3178
هلن والترز: جیمز، متشکرم برای آمدنت
به اینجا و سخنرانی که کردی.
به اینجا و سخنرانی که کردی.
14:32
So it's interesting:
314
860041
1189
بنابراین جالب است:
14:33
when you think about the films where
the robotic overlords take over,
the robotic overlords take over,
315
861254
3495
وقتی به فیلم‌هایی فکر می‌کنی،
14:36
it's all a bit more glamorous
than what you're describing.
than what you're describing.
316
864773
3279
از آنچه شرح دادی کم باشکوه‌تر است.
14:40
But I wonder -- in those films,
you have the resistance mounting.
you have the resistance mounting.
317
868076
3749
اما فکر می کنم-- در آن فیلم‌ها
با افزایش مقاومت مواجه هستیم.
با افزایش مقاومت مواجه هستیم.
14:43
Is there a resistance mounting
towards this stuff?
towards this stuff?
318
871849
3216
آیا مقاومتی در برابر این چیزها
در حال شکل گرفتن است؟
در حال شکل گرفتن است؟
14:47
Do you see any positive signs,
green shoots of resistance?
green shoots of resistance?
319
875089
3796
آیا هیچ علامت مثبتی می‌بینی،
هیچی اثری از بهبودی در مقاومت؟
هیچی اثری از بهبودی در مقاومت؟
14:52
James Bridle: I don't know
about direct resistance,
about direct resistance,
320
880507
2416
جیمز بریدل: چیزی درباره
مقاومت مستقیم نمی‌دانم،
مقاومت مستقیم نمی‌دانم،
14:54
because I think this stuff
is super long-term.
is super long-term.
321
882947
2264
چون فکر می‌کنم این چیزها
واقعا طولانی مدت هستند.
واقعا طولانی مدت هستند.
14:57
I think it's baked into culture
in really deep ways.
in really deep ways.
322
885235
2510
فکر می‌کنم عمیقا در فرهنگ ما
جا افتادند.
جا افتادند.
14:59
A friend of mine,
Eleanor Saitta, always says
Eleanor Saitta, always says
323
887769
2132
الئنورسایتا یکی از دوستانم همیشه می‌گوید
15:01
that any technological problems
of sufficient scale and scope
of sufficient scale and scope
324
889935
3609
که مشکلات فناوری با هر مقیاس و دامنه‌ای
15:05
are political problems first of all.
325
893568
2267
اول از همه مشکلات سیاسی هستند.
15:07
So all of these things we're working
to address within this
to address within this
326
895859
2785
بنابراین همه آنچه تلاش داریم
در این بازه خطاب قرار دهیم
در این بازه خطاب قرار دهیم
15:10
are not going to be addressed
just by building the technology better,
just by building the technology better,
327
898668
3274
صرف با بهتر ساختن فناوری
اصلاح نمی‌شود،
اصلاح نمی‌شود،
15:13
but actually by changing the society
that's producing these technologies.
that's producing these technologies.
328
901966
3464
بلکه درواقع تغییر جامعه‌ای که این
فناوری‌ها را تولید می‌کند لازم است.
فناوری‌ها را تولید می‌کند لازم است.
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
پس همین حالا فکر می‌کنم که راه
لعنتی درازی در پیش داریم.
لعنتی درازی در پیش داریم.
15:20
But as I said, I think by unpacking them,
330
908505
1986
همانطور که گفتم، با پرده برداشتن از آنها،
15:22
by explaining them, by talking
about them super honestly,
about them super honestly,
331
910515
2697
با توضیح دادن، صحبت
صادقانه داشتن درباره آنها
صادقانه داشتن درباره آنها
15:25
we can actually start
to at least begin that process.
to at least begin that process.
332
913236
2505
می‌توانیم حداقل این روند را آغاز کنیم.
15:27
HW: And so when you talk about
legibility and digital literacy,
legibility and digital literacy,
333
915765
3562
ه و: و بنابراین وقتی درباره سواد دیجیتالی
و خوانایی صحبت می‌کنید،
و خوانایی صحبت می‌کنید،
15:31
I find it difficult to imagine
334
919351
1591
برایم دشوار است که تصور کنم
15:32
that we need to place the burden
of digital literacy on users themselves.
of digital literacy on users themselves.
335
920966
3680
لازم باشد بار سواد دیجیتال را بر دوش
خود کاربرها بگذاریم.
خود کاربرها بگذاریم.
15:36
But whose responsibility
is education in this new world?
is education in this new world?
336
924670
4562
اما آموزش و تربیت در این جهان جدید
مسئولیت چه کسی است؟
مسئولیت چه کسی است؟
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
ج ب: دوباره، فکر می‌کنم این مسئولیت
به نوعی به همه ما بستگی دارد،
به نوعی به همه ما بستگی دارد،
15:44
that everything we do,
everything we build, everything we make,
everything we build, everything we make,
338
932892
2984
هر کاری که می‌کنیم، هر چیزی
که می‌سازیم، هرآنچه می‌سازیم،
که می‌سازیم، هرآنچه می‌سازیم،
15:47
needs to be made
in a consensual discussion
in a consensual discussion
339
935900
3692
لازم است به بحث جمعی با
اشخاصی دارد
اشخاصی دارد
15:51
with everyone who's avoiding it;
340
939616
1940
که از آن اجتناب می کنند.
15:53
that we're not building systems
intended to trick and surprise people
intended to trick and surprise people
341
941580
4341
که سیستم‌هایی نمی‌سازیم که تمایل به
کلک زدن و شگفت‌زده کردن آدمها
کلک زدن و شگفت‌زده کردن آدمها
15:57
into doing the right thing,
342
945945
2300
برای انجام کار درست دارند،
16:00
but that they're actually involved
in every step in educating them,
in every step in educating them,
343
948269
3236
اما این که آنها به راستی در هر گامی
در تعلیم آنها دخیل هستند،
در تعلیم آنها دخیل هستند،
16:03
because each of these systems
is educational.
is educational.
344
951529
2278
چون هریک از این سیستم‌ها آموزشی هستند.
16:05
That's what I'm hopeful about,
about even this really grim stuff,
about even this really grim stuff,
345
953831
3102
چیزی که برایش امیدوارم،
حتی این چیزهای واقعا ناراحت کننده،
حتی این چیزهای واقعا ناراحت کننده،
16:08
that if you can take it
and look at it properly,
and look at it properly,
346
956957
2262
که اگر بخواهید نگاه
حسابی به آنها بیندازید،
حسابی به آنها بیندازید،
16:11
it's actually in itself
a piece of education
a piece of education
347
959243
2089
خودش در واقع آموزش محسوب می‌شود
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
که به شما امکان می‌دهد ببینید چطور
سیستم‌های پیچیده با هم شروع به کار می کنند
سیستم‌های پیچیده با هم شروع به کار می کنند
16:17
and maybe be able to apply
that knowledge elsewhere in the world.
that knowledge elsewhere in the world.
349
965142
3501
و احتمالا قادر خواهید بود آن را در
جاهای دیگر دنیا اعمال کنید.
جاهای دیگر دنیا اعمال کنید.
16:20
HW: James, it's such
an important discussion,
an important discussion,
350
968667
2115
ه و: جمیز، بحث خیلی مهمی است،
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
و می دانم که خیلی از آدمهای حاضر در اینجا
واقعا مشتاق و آماده‌اند،
واقعا مشتاق و آماده‌اند،
16:26
so thanks for starting off our morning.
352
974057
1859
خیلی ممنون که آغازگر جلسه صبح ما بودی.
16:27
JB: Thanks very much. Cheers.
353
975940
1400
ج ب: خیلی خیلی متشکرم.
16:29
(Applause)
354
977364
1651
(تشویق)
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