ABOUT THE SPEAKER
Luis von Ahn - Computer scientist
Luis von Ahn builds systems that combine humans and computers to solve large-scale problems that neither can solve alone.

Why you should listen

Louis von Ahn is an associate professor of Computer Science at Carnegie Mellon University, and he's at the forefront of the crowdsourcing craze. His work takes advantage of the evergrowing Web-connected population to acheive collaboration in unprecedented numbers. His projects aim to leverage the crowd for human good. His company reCAPTCHA, sold to Google in 2009, digitizes human knowledge (books), one word at a time. His new project is Duolingo, which aims to get 100 million people translating the Web in every major language.

More profile about the speaker
Luis von Ahn | Speaker | TED.com
TEDxCMU

Luis von Ahn: Massive-scale online collaboration

Луис фон Ан: Массовое онлайн-сотрудничество

Filmed:
1,740,008 views

После изменения модели CAPTCHA таким образом, что ввод каждого человека стал помогать оцифровывать книги, Луис фон Ан думал, как ещё использовать маленький вклад каждого из огромного числа людей в интернете на благо. На TEDxCMU, он рассказывает, как его новый амбициозный проект Duolingo поможет миллионам людей выучить новый язык, быстро и точно переводя интернет — и всё это бесплатно.
- Computer scientist
Luis von Ahn builds systems that combine humans and computers to solve large-scale problems that neither can solve alone. Full bio

Double-click the English transcript below to play the video.

00:15
How manyмногие of you had to fillзаполнить out some sortСортировать of webWeb formформа
0
0
2000
Скольким из вас приходилось заполнять какую-нибудь веб-форму,
00:17
where you've been askedспросил to readчитать a distortedискаженный sequenceпоследовательность of charactersперсонажи like this?
1
2000
2000
где требовалось прочитать искаженный ряд символов, такой как этот?
00:19
How manyмногие of you foundнайденный it really, really annoyingраздражающий?
2
4000
2000
Скольким из вас это показалось очень, очень раздражающим?
00:21
Okay, outstandingвыдающийся. So I inventedизобрел that.
3
6000
3000
Хорошо, многим. Я это придумал.
00:24
(LaughterСмех)
4
9000
2000
(Смех)
00:26
Or I was one of the people who did it.
5
11000
2000
Ну или я один из тех, кто это сделал.
00:28
That thing is calledназывается a CAPTCHACAPTCHA,.
6
13000
2000
Эта штука называется капча (CAPTCHA).
00:30
And the reasonпричина it is there is to make sure you, the entityорганизация fillingзаполнение out the formформа,
7
15000
2000
Она нужна, чтобы убедиться, что форма
00:32
are actuallyна самом деле a humanчеловек and not some sortСортировать of computerкомпьютер programпрограмма
8
17000
3000
заполняется человеком, а не программой,
00:35
that was writtenнаписано to submitОтправить the formформа millionsмиллионы and millionsмиллионы of timesраз.
9
20000
2000
предназначенной для отправки формы миллионы раз.
00:37
The reasonпричина it worksработает is because humansлюди,
10
22000
2000
Она работает, потому что люди,
00:39
at leastнаименее non-visually-impairedбез слабовидящих humansлюди,
11
24000
2000
как минимум люди с нормальным зрением,
00:41
have no troubleбеда readingчтение these distortedискаженный squigglyдеформированный charactersперсонажи,
12
26000
2000
легко могут прочитать эти искажённые символы,
00:43
whereasв то время как computerкомпьютер programsпрограммы simplyпросто can't do it as well yetвсе же.
13
28000
3000
а программы пока не справляются с этим так же хорошо.
00:46
So for exampleпример, in the caseдело of TicketmasterTicketmaster,
14
31000
2000
Например, в случае сайта Ticketmaster,
00:48
the reasonпричина you have to typeтип these distortedискаженный charactersперсонажи
15
33000
2000
вам нужно печатать эти искажённые символы,
00:50
is to preventне допустить scalpersскальперов from writingписьмо a programпрограмма
16
35000
2000
чтобы спекулянты не могли написать программу,
00:52
that can buyкупить millionsмиллионы of ticketsБилеты, two at a time.
17
37000
2000
покупающую миллионы билетов, по паре за раз.
00:54
CAPTCHAsCAPTCHAs are used all over the Internetинтернет.
18
39000
2000
Капча используются повсюду в интернете.
00:56
And sinceпоскольку they're used so oftenдовольно часто,
19
41000
2000
И поскольку она так часто используются,
00:58
a lot of timesраз the preciseточный sequenceпоследовательность of randomслучайный charactersперсонажи that is shownпоказанный to the userпользователь
20
43000
2000
нередко конкретная последовательность случайных символов,
01:00
is not so fortunateудачливый.
21
45000
2000
показываемая пользователю, оказывается не очень удачной.
01:02
So this is an exampleпример from the YahooYahoo registrationпостановка на учет pageстраница.
22
47000
3000
Это пример со страницы регистрации Yahoo.
01:05
The randomслучайный charactersперсонажи that happenedполучилось to be shownпоказанный to the userпользователь
23
50000
2000
Случайные символы, которые видел пользователь,
01:07
were W, A, I, T, whichкоторый, of courseкурс, spellорфографии a wordслово.
24
52000
3000
оказались W, A, I, T [подожди], и сложились в слово.
01:10
But the bestЛучший partчасть is the messageсообщение
25
55000
3000
Однако самое интересное — сообщение
01:13
that the YahooYahoo help deskстол письменный got about 20 minutesминут laterпозже.
26
58000
3000
в службу поддержки Yahoo 20 минут спустя.
01:16
TextТекст: "Help! I've been waitingожидание for over 20 minutesминут, and nothing happensпроисходит."
27
61000
3000
Текст: «Помогите! Я ждал больше 20 минут, но ничего не происходит».
01:19
(LaughterСмех)
28
64000
4000
(Смех)
01:23
This personчеловек thought they neededнеобходимый to wait.
29
68000
2000
Этот человек подумал, надо подождать.
01:25
This of courseкурс, is not as badПлохо as this poorбедные personчеловек.
30
70000
3000
Конечно, это не так плохо, как у этого бедняги.
01:28
(LaughterСмех)
31
73000
2000
(Смех) [текст: перезагрузитесь]
01:30
CAPTCHACAPTCHA, Projectпроект is something that we did here at CarnegieКарнеги MelllonMelllon over 10 yearsлет agoтому назад,
32
75000
3000
Мы сделали проект CAPTCHA здесь, в университете Карнеги-Меллон больше 10 лет назад,
01:33
and it's been used everywhereвезде.
33
78000
2000
и он используется повсеместно.
01:35
Let me now tell you about a projectпроект that we did a fewмало yearsлет laterпозже,
34
80000
2000
Сейчас я расскажу о проекте, который мы сделали несколько лет спустя,
01:37
whichкоторый is sortСортировать of the nextследующий evolutionэволюция of CAPTCHACAPTCHA,.
35
82000
3000
он является следующим этапом эволюции CAPTCHA.
01:40
This is a projectпроект that we call reCAPTCHAрекапчи,
36
85000
2000
Этот проект мы назвали reCAPTCHA,
01:42
whichкоторый is something that we startedначал here at CarnegieКарнеги MellonMellon,
37
87000
2000
и начали его здесь в университете Карнеги-Меллон,
01:44
then we turnedоказалось it into a startupзапускать companyКомпания.
38
89000
2000
а затем превратили в молодую компанию.
01:46
And then about a yearгод and a halfполовина agoтому назад,
39
91000
2000
Примерно полтора года спустя,
01:48
GoogleGoogle actuallyна самом деле acquiredприобретенный this companyКомпания.
40
93000
2000
Google купил эту компанию.
01:50
So let me tell you what this projectпроект startedначал.
41
95000
2000
Позвольте рассказать о начале проекта.
01:52
So this projectпроект startedначал from the followingследующий realizationреализация:
42
97000
3000
Этот проект начался со следующего озарения.
01:55
It turnsвитки out that approximatelyпримерно 200 millionмиллиона CAPTCHAsCAPTCHAs
43
100000
2000
Оказывается, примерно 200 миллионов капчей
01:57
are typedнабранный everydayкаждый день by people around the worldМир.
44
102000
3000
вводится каждый день людьми в мире.
02:00
When I first heardуслышанным this, I was quiteдовольно proudгордый of myselfсебя.
45
105000
2000
Когда я первый раз это услышал, я был очень горд собой.
02:02
I thought, look at the impactвлияние that my researchисследование has had.
46
107000
2000
Я подумал о влиянии своих исследований.
02:04
But then I startedначал feelingчувство badПлохо.
47
109000
2000
Но затем начались угрызения совести.
02:06
See here'sвот the thing, eachкаждый time you typeтип a CAPTCHACAPTCHA,,
48
111000
2000
Каждый раз при вводе капчи,
02:08
essentiallyпо существу you wasteотходы 10 secondsсекунд of your time.
49
113000
3000
вы теряете 10 секунд вашего времени.
02:11
And if you multiplyумножать that by 200 millionмиллиона,
50
116000
2000
Если умножить это на 200 миллионов,
02:13
you get that humanityчеловечество as a wholeвсе is wastingтратить about 500,000 hoursчасов everyкаждый day
51
118000
3000
оказывается, человечество теряет 500 000 часов каждый день,
02:16
typingтипирование these annoyingраздражающий CAPTCHAsCAPTCHAs.
52
121000
2000
вводя надоедливые капчи.
02:18
So then I startedначал feelingчувство badПлохо.
53
123000
2000
После этого совесть меня загрызла.
02:20
(LaughterСмех)
54
125000
2000
(Смех)
02:22
And then I startedначал thinkingмышление, well, of courseкурс, we can't just get ridизбавиться of CAPTCHAsCAPTCHAs,
55
127000
3000
И я начал думать, ладно, мы не можем избавиться от капчей,
02:25
because the securityбезопасность of the WebWeb sortСортировать of dependsзависит on them.
56
130000
2000
потому что от них зависит безопасность интернета.
02:27
But then I startedначал thinkingмышление, is there any way we can use this effortусилие
57
132000
3000
Я начал думать, можно ли использовать
02:30
for something that is good for humanityчеловечество?
58
135000
2000
эти усилия с пользой для человечества?
02:32
So see, here'sвот the thing.
59
137000
2000
Итак, вот в чём дело.
02:34
While you're typingтипирование a CAPTCHACAPTCHA,, duringв течение those 10 secondsсекунд,
60
139000
2000
Пока вы вводите капчу, в эти 10 секунд,
02:36
your brainголовной мозг is doing something amazingудивительно.
61
141000
2000
ваш мозг делает удивительные вещи.
02:38
Your brainголовной мозг is doing something that computersкомпьютеры cannotне могу yetвсе же do.
62
143000
2000
Ваш мозг делает то, что компьютеры пока не умеют.
02:40
So can we get you to do usefulполезным work for those 10 secondsсекунд?
63
145000
3000
Можем ли мы использовать эти 10 секунд для полезной работы?
02:43
AnotherДругая way of puttingсдачи it is,
64
148000
2000
Другими словами, есть ли некая гигантская проблема,
02:45
is there some humongousHumongous problemпроблема that we cannotне могу yetвсе же get computersкомпьютеры to solveрешать,
65
150000
2000
которую компьютеры решить не могут,
02:47
yetвсе же we can splitТрещина into tinyкрошечный 10-second chunksломти
66
152000
3000
но которую можно поделить на мелкие 10-секундные кусочки так,
02:50
suchтакие that eachкаждый time somebodyкто-то solvesрешает a CAPTCHACAPTCHA,
67
155000
2000
что каждый раз, когда кто-то решает капчу,
02:52
they solveрешать a little bitнемного of this problemпроблема?
68
157000
2000
он решает маленький кусочек этой проблемы?
02:54
And the answerответ to that is "yes," and this is what we're doing now.
69
159000
2000
Ответ — «да», и именно это мы сейчас делаем.
02:56
So what you mayмай not know is that nowadaysВ наше время while you're typingтипирование a CAPTCHACAPTCHA,,
70
161000
3000
Вы можете не знать, но сегодня при вводе капчи,
02:59
not only are you authenticatingаутентификации yourselfсам as a humanчеловек,
71
164000
2000
вы не только подтверждаете, что вы человек,
03:01
but in additionприбавление you're actuallyна самом деле helpingпомощь us to digitizeпреобразовывать в цифровой форме booksкниги.
72
166000
2000
но вдобавок вы помогаете нам оцифровывать книги.
03:03
So let me explainобъяснять how this worksработает.
73
168000
2000
Позвольте объяснить, как это работает.
03:05
So there's a lot of projectsпроектов out there tryingпытаясь to digitizeпреобразовывать в цифровой форме booksкниги.
74
170000
2000
Есть много проектов по оцифровке книг.
03:07
GoogleGoogle has one. The Internetинтернет ArchiveАрхив has one.
75
172000
3000
У Google, у The Internet Archive.
03:10
AmazonАмазонка, now with the Kindleзажигать, is tryingпытаясь to digitizeпреобразовывать в цифровой форме booksкниги.
76
175000
2000
Amazon, теперь с Kindle, пытается оцифровывать книги.
03:12
BasicallyВ основном the way this worksработает
77
177000
2000
Это выглядит примерно так:
03:14
is you startНачало with an oldстарый bookкнига.
78
179000
2000
сначала есть старая книга.
03:16
You've seenвидели those things, right? Like a bookкнига?
79
181000
2000
Видели эти штуки, верно? Ну... книги...
03:18
(LaughterСмех)
80
183000
2000
(Смех)
03:20
So you startНачало with a bookкнига, and then you scanсканирование it.
81
185000
2000
У нас есть книга, и мы её сканируем.
03:22
Now scanningсканирование a bookкнига
82
187000
2000
Сканирование книги, это как
03:24
is like takingпринятие a digitalцифровой photographфотография of everyкаждый pageстраница of the bookкнига.
83
189000
2000
фотографирование каждой страницы.
03:26
It givesдает you an imageобраз for everyкаждый pageстраница of the bookкнига.
84
191000
2000
Мы получаем изображение каждой страницы книги.
03:28
This is an imageобраз with textтекст for everyкаждый pageстраница of the bookкнига.
85
193000
2000
Это изображение с текстом каждой страницы книги.
03:30
The nextследующий stepшаг in the processобработать
86
195000
2000
Следующий шаг в этом процессе —
03:32
is that the computerкомпьютер needsпотребности to be ableв состоянии to decipherдешифровать all of the wordsслова in this imageобраз.
87
197000
3000
компьютеру нужно расшифровать все слова в этом изображении.
03:35
That's usingс помощью a technologyтехнологии calledназывается OCROCR,
88
200000
2000
При этом используется технология OCR,
03:37
for opticalоптический characterперсонаж recognitionпризнание,
89
202000
2000
оптическое распознавание символов,
03:39
whichкоторый takes a pictureкартина of textтекст
90
204000
2000
которая берёт изображение текста
03:41
and triesпытается to figureфигура out what textтекст is in there.
91
206000
2000
и пытается понять, что там за текст.
03:43
Now the problemпроблема is that OCROCR is not perfectидеально.
92
208000
2000
Проблема в том, что OCR не идеальна.
03:45
EspeciallyОсобенно for olderстаршая booksкниги
93
210000
2000
Особенно в старых книгах,
03:47
where the inkчернила has fadedутрачен and the pagesстраницы have turnedоказалось yellowжелтый,
94
212000
3000
где чернила выцвели и страницы пожелтели,
03:50
OCROCR cannotне могу recognizeпризнать a lot of the wordsслова.
95
215000
2000
OCR не может распознать многие слова.
03:52
For exampleпример, for things that were writtenнаписано more than 50 yearsлет agoтому назад,
96
217000
2000
Например, в книгах, написанных более 50 лет назад,
03:54
the computerкомпьютер cannotне могу recognizeпризнать about 30 percentпроцент of the wordsслова.
97
219000
3000
компьютер не может распознать примерно 30% слов.
03:57
So what we're doing now
98
222000
2000
Поэтому сейчас мы выбираем
03:59
is we're takingпринятие all of the wordsслова that the computerкомпьютер cannotне могу recognizeпризнать
99
224000
2000
все нераспознанные слова,
04:01
and we're gettingполучение people to readчитать them for us
100
226000
2000
и даём их на чтение людям,
04:03
while they're typingтипирование a CAPTCHACAPTCHA, on the Internetинтернет.
101
228000
2000
когда они вводят капчу в интернете.
04:05
So the nextследующий time you typeтип a CAPTCHACAPTCHA,, these wordsслова that you're typingтипирование
102
230000
3000
При следующем вводе капчи, знайте, что вы
04:08
are actuallyна самом деле wordsслова that are comingприход from booksкниги that are beingявляющийся digitizedоцифрованы
103
233000
3000
вводите слова, взятые из оцифровываемых книг,
04:11
that the computerкомпьютер could not recognizeпризнать.
104
236000
2000
которые компьютер не смог распознать.
04:13
And now the reasonпричина we have two wordsслова nowadaysВ наше время insteadвместо of one
105
238000
2000
Мы используем два слова вместо одного,
04:15
is because, you see, one of the wordsслова
106
240000
2000
потому что одно из слов
04:17
is a wordслово that the systemсистема just got out of a bookкнига,
107
242000
2000
система взяла из книги,
04:19
it didn't know what it was, and it's going to presentнастоящее время it to you.
108
244000
3000
оно неизвестно и показывается вам.
04:22
But sinceпоскольку it doesn't know the answerответ for it, it cannotне могу gradeкласс it for you.
109
247000
3000
Однако поскольку ответ неизвестен, то оценить точность невозможно.
04:25
So what we do is we give you anotherдругой wordслово,
110
250000
2000
Поэтому мы даём другое слово,
04:27
one for whichкоторый the systemсистема does know the answerответ.
111
252000
2000
ответ для которого известен.
04:29
We don't tell you whichкоторый one'sодин это whichкоторый, and we say, please typeтип bothи то и другое.
112
254000
2000
Мы не говорим, какое из них какое, и просим ввести оба.
04:31
And if you typeтип the correctверный wordслово
113
256000
2000
При вводе правильного слова, того,
04:33
for the one for whichкоторый the systemсистема alreadyуже knowsзнает the answerответ,
114
258000
2000
для которого ответ известен,
04:35
it assumesпредполагает you are humanчеловек,
115
260000
2000
система считает вас человеком,
04:37
and it alsoтакже getsполучает some confidenceуверенность that you typedнабранный the other wordслово correctlyправильно.
116
262000
2000
а также получает уверенность в правильности ввода другого слова.
04:39
And if we repeatповторение this processобработать to like 10 differentдругой people
117
264000
3000
Повторив это с 10-ю разными людьми,
04:42
and all of them agreeдать согласие on what the newновый wordслово is,
118
267000
2000
все из которых согласны с вводом нового слова,
04:44
then we get one more wordслово digitizedоцифрованы accuratelyточно.
119
269000
2000
мы получим ещё одно точно оцифрованное слово.
04:46
So this is how the systemсистема worksработает.
120
271000
2000
Вот так работает система.
04:48
And basicallyв основном, sinceпоскольку we releasedвыпущенный it about threeтри or four4 yearsлет agoтому назад,
121
273000
3000
После выпуска системы три или четыре года назад,
04:51
a lot of websitesсайты have startedначал switchingпереключение
122
276000
2000
многие сайты стали переключаться
04:53
from the oldстарый CAPTCHACAPTCHA, where people wastedвпустую theirих time
123
278000
2000
со старых капч, тративших время впустую,
04:55
to the newновый CAPTCHACAPTCHA, where people are helpingпомощь to digitizeпреобразовывать в цифровой форме booksкниги.
124
280000
2000
на новые капчи, где люди помогают оцифровывать книги.
04:57
So for exampleпример, TicketmasterTicketmaster.
125
282000
2000
Например, Ticketmaster.
04:59
So everyкаждый time you buyкупить ticketsБилеты on TicketmasterTicketmaster, you help to digitizeпреобразовывать в цифровой форме a bookкнига.
126
284000
3000
Каждый раз при покупке билетов на Ticketmaster, вы помогаете оцифровать книгу.
05:02
Facebookfacebook: Everyкаждый time you addДобавить a friendдруг or pokeсовать somebodyкто-то,
127
287000
2000
Facebook: При каждом добавлении друга,
05:04
you help to digitizeпреобразовывать в цифровой форме a bookкнига.
128
289000
2000
вы помогаете оцифровывать книгу.
05:06
Twitterщебет and about 350,000 other sitesместа are all usingс помощью reCAPTCHAрекапчи.
129
291000
3000
Twitter и примерно 350 000 других сайтов используют reCAPTCHA.
05:09
And in factфакт, the numberномер of sitesместа that are usingс помощью reCAPTCHAрекапчи is so highвысокая
130
294000
2000
На самом деле, сайтов, использующих reCAPTCHA, так много,
05:11
that the numberномер of wordsслова that we're digitizingоцифровка perв day is really, really largeбольшой.
131
296000
3000
что мы оцифровываем очень, очень много слов в день.
05:14
It's about 100 millionмиллиона a day,
132
299000
2000
Примерно 100 миллионов в день,
05:16
whichкоторый is the equivalentэквивалент of about two and a halfполовина millionмиллиона booksкниги a yearгод.
133
301000
4000
эквивалент примерно 2,5 миллиона книг в год.
05:20
And this is all beingявляющийся doneсделанный one wordслово at a time
134
305000
2000
И всё это делается по слову за раз,
05:22
by just people typingтипирование CAPTCHAsCAPTCHAs on the Internetинтернет.
135
307000
2000
просто людьми, вводящими капчи в интернете.
05:24
(ApplauseАплодисменты)
136
309000
8000
(Аплодисменты)
05:32
Now of courseкурс,
137
317000
2000
Конечно, при таком количестве
05:34
sinceпоскольку we're doing so manyмногие wordsслова perв day,
138
319000
2000
слов в день
05:36
funnyвеселая things can happenслучаться.
139
321000
2000
случаются смешные истории.
05:38
And this is especiallyособенно trueправда because now we're givingдающий people
140
323000
2000
Особенно потому что теперь мы даём людям
05:40
two randomlyслучайно chosenвыбранный Englishанглийский wordsслова nextследующий to eachкаждый other.
141
325000
2000
два случайных английских слова рядом.
05:42
So funnyвеселая things can happenслучаться.
142
327000
2000
Итак, случаются любопытные истории.
05:44
For exampleпример, we presentedпредставленный this wordслово.
143
329000
2000
Например, мы показываем это слово.
05:46
It's the wordслово "Christiansхристиане"; there's nothing wrongнеправильно with it.
144
331000
2000
Это слово «Христиане», вполне нормальное слово.
05:48
But if you presentнастоящее время it alongвдоль with anotherдругой randomlyслучайно chosenвыбранный wordслово,
145
333000
3000
Но если показать его с другим случайным словом,
05:51
badПлохо things can happenслучаться.
146
336000
2000
страшные вещи могут случиться.
05:53
So we get this. (TextТекст: badПлохо christiansхристианки)
147
338000
2000
Получаем вот это (Текст: Плохие христиане)
05:55
But it's even worseхуже, because the particularконкретный websiteВеб-сайт where we showedпоказал this
148
340000
3000
Хуже того, сайт, на котором мы это показали,
05:58
actuallyна самом деле happenedполучилось to be calledназывается The EmbassyПосольство of the KingdomКоролевство of God.
149
343000
3000
назывался «Посольство Царства Божия».
06:01
(LaughterСмех)
150
346000
2000
(Смех)
06:03
Oopsой.
151
348000
2000
Оп-па.
06:05
(LaughterСмех)
152
350000
3000
(Смех)
06:08
Here'sВот anotherдругой really badПлохо one.
153
353000
2000
А вот ещё один прокол.
06:10
JohnEdwardsДжон Эдвардс.comком
154
355000
2000
JohnEdwards.com
06:12
(TextТекст: DamnЧерт liberalлиберальный)
155
357000
3000
(Текст: Чёртов либерал)
06:15
(LaughterСмех)
156
360000
2000
(Смех)
06:17
So we keep on insultingоскорбительный people left and right everydayкаждый день.
157
362000
3000
Мы продолжаем оскорблять людей направо и налево каждый день.
06:20
Now, of courseкурс, we're not just insultingоскорбительный people.
158
365000
2000
Конечно, мы не просто оскорбляем людей.
06:22
See here'sвот the thing, sinceпоскольку we're presentingпредставление two randomlyслучайно chosenвыбранный wordsслова,
159
367000
3000
Мы показываем два случайных слова,
06:25
interestingинтересно things can happenслучаться.
160
370000
2000
поэтому могут случиться интересные вещи.
06:27
So this actuallyна самом деле has givenданный riseподъем
161
372000
2000
Это породило
06:29
to a really bigбольшой Internetинтернет memeмем
162
374000
3000
очень большой интернет-мем,
06:32
that tensдесятки of thousandsтысячи of people have participatedпринимала участие in,
163
377000
2000
в котором приняли участие тысячи людей,
06:34
whichкоторый is calledназывается CAPTCHACAPTCHA, artИзобразительное искусство.
164
379000
2000
называемый искусство капчей.
06:36
I'm sure some of you have heardуслышанным about it.
165
381000
2000
Я уверен, кто-то из вас о нём слышал.
06:38
Here'sВот how it worksработает.
166
383000
2000
Вот как это работает.
06:40
ImagineПредставить you're usingс помощью the Internetинтернет and you see a CAPTCHACAPTCHA,
167
385000
2000
Представьте, вы в интернете и видите капчу,
06:42
that you think is somewhatв некотором роде peculiarсвоеобразный,
168
387000
2000
которая вам кажется необычной,
06:44
like this CAPTCHACAPTCHA,. (TextТекст: invisibleневидимый toasterтостер)
169
389000
2000
например, как эта. (Текст: невидимый тостер)
06:46
Then what you're supposedпредполагаемый to do is you take a screenэкран shotвыстрел of it.
170
391000
2000
Вы делаете снимок экрана.
06:48
Then of courseкурс, you fillзаполнить out the CAPTCHACAPTCHA,
171
393000
2000
Конечно, затем вы вводите капчу,
06:50
because you help us digitizeпреобразовывать в цифровой форме a bookкнига.
172
395000
2000
чтобы помочь нам оцифровать книгу.
06:52
But then, first you take a screenэкран shotвыстрел,
173
397000
2000
Но сначала вы снимаете экран,
06:54
and then you drawпривлечь something that is relatedСвязанный to it.
174
399000
2000
а потом рисуете что-то связанное с этим.
06:56
(LaughterСмех)
175
401000
2000
(Смех)
06:58
That's how it worksработает.
176
403000
3000
Вот как это выглядит.
07:01
There are tensдесятки of thousandsтысячи of these.
177
406000
3000
Таких рисунков десятки тысяч.
07:04
Some of them are very cuteмилый. (TextТекст: clenchedсжались it)
178
409000
2000
Некоторые очень прикольные. (Текст: схватил)
07:06
(LaughterСмех)
179
411000
2000
(Смех)
07:08
Some of them are funnierсмешнее.
180
413000
2000
Некоторые ещё смешнее.
07:10
(TextТекст: stonedпод кайфом foundersучредители)
181
415000
3000
(Текст: обкуренные основатели)
07:13
(LaughterСмех)
182
418000
3000
(Смех)
07:16
And some of them,
183
421000
2000
И некоторые из них,
07:18
like paleontologicalпалеонтологический shvisleshvisle,
184
423000
3000
например, палеонтологическая фигня,
07:21
they containсодержать Snoopшпионить DoggDogg.
185
426000
2000
содержат рэпера Snoop Dogg.
07:23
(LaughterСмех)
186
428000
3000
(Смех)
07:26
Okay, so this is my favoriteлюбимый numberномер of reCAPTCHAрекапчи.
187
431000
2000
Это моё любимое число в reCAPTCHA.
07:28
So this is the favoriteлюбимый thing that I like about this wholeвсе projectпроект.
188
433000
3000
Это та самая вещь, которая мне нравится в проекте.
07:31
This is the numberномер of distinctотчетливый people
189
436000
2000
Это количество отдельных людей, которые помогли нам
07:33
that have helpedпомог us digitizeпреобразовывать в цифровой форме at leastнаименее one wordслово out of a bookкнига throughчерез reCAPTCHAрекапчи:
190
438000
3000
оцифровать как минимум одно слово из книги в reCAPTCHA:
07:36
750 millionмиллиона,
191
441000
2000
750 миллионов,
07:38
whichкоторый is a little over 10 percentпроцент of the world'sв мире populationНаселение,
192
443000
2000
чуть более 10% населения Земли,
07:40
has helpedпомог us digitizeпреобразовывать в цифровой форме humanчеловек knowledgeзнание.
193
445000
2000
помогли нам оцифровать знания человечества.
07:42
And it is numbersчисел like these that motivateмотивировать my researchисследование agendaповестка дня.
194
447000
3000
Вот такие цифры движут планом моих исследований.
07:45
So the questionвопрос that motivatesмотивирует my researchисследование is the followingследующий:
195
450000
3000
Вот вопрос, мотивирующий мои исследования:
07:48
If you look at humanity'sчеловечества large-scaleкрупномасштабный achievementsдостижения,
196
453000
2000
если посмотреть на историю крупных достижений человечества,
07:50
these really bigбольшой things
197
455000
2000
те значительные вещи,
07:52
that humanityчеловечество has gottenполученный togetherвместе and doneсделанный historicallyисторически --
198
457000
3000
которые люди собрались и сделали,
07:55
like for exampleпример, buildingздание the pyramidsпирамиды of EgyptЕгипет
199
460000
2000
например, постройка пирамид в Египте,
07:57
or the PanamaПанама Canalканал
200
462000
2000
или Панамский канал,
07:59
or puttingсдачи a man on the MoonЛуна --
201
464000
2000
или отправка человека на Луну,
08:01
there is a curiousлюбопытный factфакт about them,
202
466000
2000
интересная особенность их в том,
08:03
and it is that they were all doneсделанный with about the sameодна и та же numberномер off people.
203
468000
2000
что все они были сделаны примерно одинаковым количеством людей.
08:05
It's weirdстранный; they were all doneсделанный with about 100,000 people.
204
470000
3000
Странно. Все они сделаны примерно со 100 000 участников.
08:08
And the reasonпричина for that is because, before the Internetинтернет,
205
473000
3000
Причина этого в том, что до интернета,
08:11
coordinatingкоординирующий more than 100,000 people,
206
476000
2000
координировать более 100 000 человек,
08:13
let aloneв одиночестве payingплатеж them, was essentiallyпо существу impossibleневозможно.
207
478000
3000
не говоря об оплате, было практически невозможно.
08:16
But now with the Internetинтернет, I've just shownпоказанный you a projectпроект
208
481000
2000
Но сейчас, с интернетом, я только что показал вам проект,
08:18
where we'veмы в gottenполученный 750 millionмиллиона people
209
483000
2000
где мы с помощью 750 миллионов людей
08:20
to help us digitizeпреобразовывать в цифровой форме humanчеловек knowledgeзнание.
210
485000
2000
оцифровываем человеческие знания.
08:22
So the questionвопрос that motivatesмотивирует my researchисследование is,
211
487000
2000
Вопрос, двигающий план моих исследований:
08:24
if we can put a man on the MoonЛуна with 100,000,
212
489000
3000
если мы смогли запустить человека на Луну со 100 000 участников,
08:27
what can we do with 100 millionмиллиона?
213
492000
2000
что мы сможем сделать со 100 миллионами?
08:29
So basedисходя из on this questionвопрос,
214
494000
2000
Пытаясь ответить на этот вопрос,
08:31
we'veмы в had a lot of differentдругой projectsпроектов that we'veмы в been workingза работой on.
215
496000
2000
мы работали над множеством проектов.
08:33
Let me tell you about one that I'm mostбольшинство excitedв восторге about.
216
498000
3000
Позвольте рассказать об одном, который мне больше всего нравится.
08:36
This is something that we'veмы в been semi-quietlyпол-тихо workingза работой on
217
501000
2000
Мы негласно работали над ним
08:38
for the last yearгод and a halfполовина or so.
218
503000
2000
последние полтора года.
08:40
It hasn'tне имеет yetвсе же been launchedзапущенный. It's calledназывается DuolingoDuolingo.
219
505000
2000
Он ещё не запущен. Он называется Duolingo.
08:42
Sinceпоскольку it hasn'tне имеет been launchedзапущенный, shhhhhггг!
220
507000
2000
Поскольку он ещё не запущен, ш-ш-ш!
08:44
(LaughterСмех)
221
509000
2000
(Смех)
08:46
Yeah, I can trustдоверять you'llВы будете do that.
222
511000
2000
Да, вам можно в этом доверять.
08:48
So this is the projectпроект. Here'sВот how it startedначал.
223
513000
2000
Вот и проект. Вот как он начался.
08:50
It startedначал with me posingсоздает a questionвопрос to my graduateвыпускник studentстудент,
224
515000
2000
Он начался, когда я задал вопрос своему студенту,
08:52
SeverinSeverin Hackerвзломщик.
225
517000
2000
Северину Хакеру.
08:54
Okay, that's SeverinSeverin Hackerвзломщик.
226
519000
2000
Ладно, вот Северин Хакер.
08:56
So I posedпозировала the questionвопрос to my graduateвыпускник studentстудент.
227
521000
2000
Я задал вопрос своему студенту.
08:58
By the way, you did hearзаслушивать me correctlyправильно;
228
523000
2000
Между прочим, вы правильно услышали,
09:00
his last nameимя is Hackerвзломщик.
229
525000
2000
его фамилия Хакер.
09:02
So I posedпозировала this questionвопрос to him:
230
527000
2000
Итак, я задал ему вопрос:
09:04
How can we get 100 millionмиллиона people
231
529000
2000
«Как можно заставить 100 миллионов людей
09:06
translatingИдет перевод the WebWeb into everyкаждый majorглавный languageязык for freeсвободно?
232
531000
3000
переводить интернет на все основные языки бесплатно?»
09:09
Okay, so there's a lot of things to say about this questionвопрос.
233
534000
2000
Ладно, по этому вопросу можно многое сказать.
09:11
First of all, translatingИдет перевод the WebWeb.
234
536000
2000
Во-первых, перевод интернета.
09:13
So right now the WebWeb is partitionedраспределяли into multipleмножественный languagesязыки.
235
538000
3000
Сейчас интернет разбит на множество языков.
09:16
A largeбольшой fractionдоля of it is in Englishанглийский.
236
541000
2000
Большая часть его на английском.
09:18
If you don't know any Englishанглийский, you can't accessдоступ it.
237
543000
2000
Если вы не знаете английского, она вам недоступна.
09:20
But there's largeбольшой fractionsфракции in other differentдругой languagesязыки,
238
545000
2000
Но есть большие части на других языках,
09:22
and if you don't know those languagesязыки, you can't accessдоступ it.
239
547000
3000
и если вы не знаете этих языков, вам они недоступны.
09:25
So I would like to translateпереведите all of the WebWeb, or at leastнаименее mostбольшинство of the WebWeb,
240
550000
3000
Я хотел бы перевести весь интернет, или хотя бы большую его часть,
09:28
into everyкаждый majorглавный languageязык.
241
553000
2000
на каждый из крупных языков.
09:30
So that's what I would like to do.
242
555000
2000
Я хочу это сделать.
09:32
Now some of you mayмай say, why can't we use computersкомпьютеры to translateпереведите?
243
557000
3000
Кто-то спросит, а почему не перевести с помощью компьютера?
09:35
Why can't we use machineмашина translationперевод?
244
560000
2000
Почему бы не использовать машинный перевод?
09:37
MachineМашина translationперевод nowadaysВ наше время is startingначало to translateпереведите some sentencesпредложения here and there.
245
562000
2000
Машинный перевод начинает использоваться для перевода предложений тут и там.
09:39
Why can't we use it to translateпереведите the wholeвсе WebWeb?
246
564000
2000
Почему бы не использовать его для перевода всего интернета?
09:41
Well the problemпроблема with that is that it's not yetвсе же good enoughдостаточно
247
566000
2000
Проблема в том, что он ещё не так хорош,
09:43
and it probablyвероятно won'tне будет be for the nextследующий 15 to 20 yearsлет.
248
568000
2000
и, вероятно, не улучшится в ближайшие 15-20 лет.
09:45
It makesмарки a lot of mistakesошибки.
249
570000
2000
Он делает много ошибок.
09:47
Even when it doesn't make a mistakeошибка,
250
572000
2000
Поскольку он делает много ошибок,
09:49
sinceпоскольку it makesмарки so manyмногие mistakesошибки, you don't know whetherбудь то to trustдоверять it or not.
251
574000
3000
то даже когда он точен, доверия к нему нет.
09:52
So let me showпоказать you an exampleпример
252
577000
2000
Позвольте показать вам пример
09:54
of something that was translatedпереведенный with a machineмашина.
253
579000
2000
машинного перевода.
09:56
ActuallyНа самом деле it was a forumФорум postпосле.
254
581000
2000
Это была запись в форуме.
09:58
It was somebodyкто-то who was tryingпытаясь to askпросить a questionвопрос about JavaScriptJavaScript.
255
583000
3000
Кто-то пытался задать вопрос о JavaScript.
10:01
It was translatedпереведенный from JapaneseЯпонский into Englishанглийский.
256
586000
3000
Он был переведён с японского на английский.
10:04
So I'll just let you readчитать.
257
589000
2000
Читайте.
10:06
This personчеловек startsначинается apologizingизвиняясь
258
591000
2000
Этот человек начинает с извинений
10:08
for the factфакт that it's translatedпереведенный with a computerкомпьютер.
259
593000
2000
за машинный перевод.
10:10
So the nextследующий sentenceпредложение is is going to be the preambleпреамбула to the questionвопрос.
260
595000
3000
Следующее предложение — преамбула вопроса.
10:13
So he's just explainingобъясняя something.
261
598000
2000
Он просто что-то объясняет.
10:15
RememberЗапомнить, it's a questionвопрос about JavaScriptJavaScript.
262
600000
3000
Помните, вопрос о JavaScript.
10:19
(TextТекст: At oftenдовольно часто, the goat-timeкоза времени installустанавливать a errorошибка is vomitрвотное.)
263
604000
4000
(Текст: В часто, козло-время ставит ошибкой рвоту.)
10:23
(LaughterСмех)
264
608000
4000
(Смех)
10:27
Then comesвыходит the first partчасть of the questionвопрос.
265
612000
3000
Затем идёт первая часть вопроса.
10:30
(TextТекст: How manyмногие timesраз like the windветер, a poleстолб, and the dragonДракон?)
266
615000
4000
(Текст: Как часто любят ветер, шест и дракона?)
10:34
(LaughterСмех)
267
619000
2000
(Смех)
10:36
Then comesвыходит my favoriteлюбимый partчасть of the questionвопрос.
268
621000
3000
Затем — моя любимая часть вопроса.
10:39
(TextТекст: This insultоскорбление to father'sотец stonesкамни?)
269
624000
3000
(Текст: Это оскорбляет камни предков?)
10:42
(LaughterСмех)
270
627000
2000
(Смех)
10:44
And then comesвыходит the endingокончание, whichкоторый is my favoriteлюбимый partчасть of the wholeвсе thing.
271
629000
3000
Затем это завершается моей самой любимой частью.
10:47
(TextТекст: Please apologizeпринести извинения for your stupidityтупость. There are a manyмногие thank you.)
272
632000
4000
(Текст: Извинитесь за свою глупость. Есть много спасибо.)
10:51
(LaughterСмех)
273
636000
2000
(Смех)
10:53
Okay, so computerкомпьютер translationперевод, not yetвсе же good enoughдостаточно.
274
638000
2000
Итак, машинный перевод не очень хорош.
10:55
So back to the questionвопрос.
275
640000
2000
Назад к вопросу.
10:57
So we need people to translateпереведите the wholeвсе WebWeb.
276
642000
3000
Нам нужно, чтобы люди перевели весь интернет.
11:00
So now the nextследующий questionвопрос you mayмай have is,
277
645000
2000
Следующим вопросом может быть,
11:02
well why can't we just payплатить people to do this?
278
647000
2000
а почему бы не заплатить людям за это?
11:04
We could payплатить professionalпрофессиональный languageязык translatorsпереводчики to translateпереведите the wholeвсе WebWeb.
279
649000
3000
Можно заплатить профессиональным переводчикам за перевод интернета.
11:07
We could do that.
280
652000
2000
Это можно сделать.
11:09
UnfortunatelyК сожалению, it would be extremelyочень expensiveдорогая.
281
654000
2000
К сожалению, это будет очень дорого.
11:11
For exampleпример, translatingИдет перевод a tinyкрошечный, tinyкрошечный fractionдоля of the wholeвсе WebWeb, WikipediaВикипедия,
282
656000
3000
Например, перевести очень, очень малую часть интернета, Википедию,
11:14
into one other languageязык, Spanishиспанский.
283
659000
3000
на один язык, испанский.
11:17
WikipediaВикипедия existsсуществует in Spanishиспанский,
284
662000
2000
Википедия есть на испанском,
11:19
but it's very smallмаленький comparedв сравнении to the sizeразмер of Englishанглийский.
285
664000
2000
но она очень мала по сравнению с английской.
11:21
It's about 20 percentпроцент of the sizeразмер of Englishанглийский.
286
666000
2000
Примерно 20% от размера английской.
11:23
If we wanted to translateпереведите the other 80 percentпроцент into Spanishиспанский,
287
668000
3000
Если мы захотим перевести остальные 80% на испанский,
11:26
it would costСтоимость at leastнаименее 50 millionмиллиона dollarsдолларов --
288
671000
2000
это обойдётся в 50 миллионов долларов,
11:28
and this is at even the mostбольшинство exploitedэксплуатируемый, outsourcingаутсорсинг countryстрана out there.
289
673000
3000
даже по ценам самой эксплуатируемой страны в мире.
11:31
So it would be very expensiveдорогая.
290
676000
2000
Это будет очень дорого.
11:33
So what we want to do is we want to get 100 millionмиллиона people
291
678000
2000
Поэтому мы хотим найти 100 миллионов человек,
11:35
translatingИдет перевод the WebWeb into everyкаждый majorглавный languageязык
292
680000
2000
которые будут переводить интернет
11:37
for freeсвободно.
293
682000
2000
на все крупные языки бесплатно.
11:39
Now if this is what you want to do,
294
684000
2000
Если хочешь это сделать, довольно быстро понимаешь,
11:41
you prettyСимпатичная quicklyбыстро realizeпонимать you're going to runбег into two prettyСимпатичная bigбольшой hurdlesбарьерный бег,
295
686000
2000
что впереди два больших препятствия,
11:43
two bigбольшой obstaclesпрепятствий.
296
688000
2000
две большие препоны.
11:45
The first one is a lackотсутствие of bilingualsбилингвы.
297
690000
3000
Первая — недостаток двуязычных людей.
11:48
So I don't even know
298
693000
2000
Я даже не знаю, есть ли в интернете
11:50
if there existsсуществует 100 millionмиллиона people out there usingс помощью the WebWeb
299
695000
3000
100 миллионов людей, которые достаточно владеют двумя языками,
11:53
who are bilingualдвуязычный enoughдостаточно to help us translateпереведите.
300
698000
2000
чтобы помочь нам с переводом.
11:55
That's a bigбольшой problemпроблема.
301
700000
2000
Это большая проблема. Другая проблема,
11:57
The other problemпроблема you're going to runбег into is a lackотсутствие of motivationмотивация.
302
702000
2000
с которой сталкиваешься, это отсутствие мотивации.
11:59
How are we going to motivateмотивировать people
303
704000
2000
Как мотивировать людей
12:01
to actuallyна самом деле translateпереведите the WebWeb for freeсвободно?
304
706000
2000
бесплатно переводить интернет?
12:03
NormallyКак обычно, you have to payплатить people to do this.
305
708000
3000
Обычно за это платят.
12:06
So how are we going to motivateмотивировать them to do it for freeсвободно?
306
711000
2000
Как мотивировать делать это бесплатно?
12:08
Now when we were startingначало to think about this, we were blockedблокированный by these two things.
307
713000
3000
Когда мы начинали об это думать, нас тормозили эти две вещи.
12:11
But then we realizedпонял, there's actuallyна самом деле a way
308
716000
2000
Но затем мы поняли,
12:13
to solveрешать bothи то и другое these problemsпроблемы with the sameодна и та же solutionрешение.
309
718000
2000
что есть способ решить их обе сразу.
12:15
There's a way to killубийство two birdsптицы with one stoneкамень.
310
720000
2000
Есть способ поймать двух зайцев сразу.
12:17
And that is to transformпреобразование languageязык translationперевод
311
722000
3000
Т.е. превратить перевод в нечто,
12:20
into something that millionsмиллионы of people want to do,
312
725000
3000
что миллионы людей захотят делать,
12:23
and that alsoтакже helpsпомогает with the problemпроблема of lackотсутствие of bilingualsбилингвы,
313
728000
3000
и что поможет решить проблему недостатка двуязычных людей —
12:26
and that is languageязык educationобразование.
314
731000
3000
и это изучение языков.
12:29
So it turnsвитки out that todayCегодня,
315
734000
2000
Сейчас более 1,2 миллиарда человек
12:31
there are over 1.2 billionмиллиард people learningобучение a foreignиностранные languageязык.
316
736000
3000
учат иностранные языки.
12:34
People really, really want to learnучить a foreignиностранные languageязык.
317
739000
2000
Люди очень сильно хотят выучить иностранный язык.
12:36
And it's not just because they're beingявляющийся forcedпринудительный to do so in schoolшкола.
318
741000
3000
И не потому что их заставляют в школе.
12:39
For exampleпример, in the Unitedобъединенный Statesсостояния aloneв одиночестве,
319
744000
2000
Например, только в США,
12:41
there are over five5 millionмиллиона people who have paidоплаченный over $500
320
746000
2000
свыше 5 миллионов людей заплатили свыше 500 долларов
12:43
for softwareпрограммного обеспечения to learnучить a newновый languageязык.
321
748000
2000
за программу для изучения нового языка.
12:45
So people really, really want to learnучить a newновый languageязык.
322
750000
2000
Люди действительно хотят изучить новый язык.
12:47
So what we'veмы в been workingза работой on for the last yearгод and a halfполовина is a newновый websiteВеб-сайт --
323
752000
3000
Последние полтора года мы работали
12:50
it's calledназывается DuolingoDuolingo --
324
755000
2000
над новым вебсайтом: Duolingo.
12:52
where the basicосновной ideaидея is people learnучить a newновый languageязык for freeсвободно
325
757000
3000
Главная идея: люди учат новый язык бесплатно,
12:55
while simultaneouslyодновременно translatingИдет перевод the WebWeb.
326
760000
2000
параллельно переводя интернет.
12:57
And so basicallyв основном they're learningобучение by doing.
327
762000
2000
В принципе, они учатся на практике.
12:59
So the way this worksработает
328
764000
2000
Это работает так: когда вы новичок,
13:01
is wheneverвсякий раз, когда you're a just a beginnerначинающий, we give you very, very simpleпросто sentencesпредложения.
329
766000
3000
мы даём очень, очень простые предложения.
13:04
There's, of courseкурс, a lot of very simpleпросто sentencesпредложения on the WebWeb.
330
769000
2000
Конечно, в интернете много простых предложений.
13:06
We give you very, very simpleпросто sentencesпредложения
331
771000
2000
Мы даёт вам очень, очень простые предложения
13:08
alongвдоль with what eachкаждый wordслово meansозначает.
332
773000
2000
вместе со значением каждого слова.
13:10
And as you translateпереведите them, and as you see how other people translateпереведите them,
333
775000
3000
По мере перевода и наблюдения за переводами других,
13:13
you startНачало learningобучение the languageязык.
334
778000
2000
вы начинаете изучать язык.
13:15
And as you get more and more advancedпередовой,
335
780000
2000
По мере продвижения, мы даём
13:17
we give you more and more complexсложный sentencesпредложения to translateпереведите.
336
782000
2000
всё более сложные предложения на перевод.
13:19
But at all timesраз, you're learningобучение by doing.
337
784000
2000
Однако вы всегда учитесь на практике.
13:21
Now the crazyпсих thing about this methodметод
338
786000
2000
Самое невообразимое в этом методе —
13:23
is that it actuallyна самом деле really worksработает.
339
788000
2000
то, что он действительно работает.
13:25
First of all, people are really, really learningобучение a languageязык.
340
790000
2000
Главное, люди действительно учат язык.
13:27
We're mostlyв основном doneсделанный buildingздание it, and now we're testingтестирование it.
341
792000
2000
Мы практически закончили с разработкой и теперь тестируем.
13:29
People really can learnучить a languageязык with it.
342
794000
2000
Люди действительно могут изучить язык с его помощью.
13:31
And they learnучить it about as well as the leadingведущий languageязык learningобучение softwareпрограммного обеспечения.
343
796000
3000
Практически так же хорошо, как с помощью ведущих компьютерных программ.
13:34
So people really do learnучить a languageязык.
344
799000
2000
Итак, люди действительно изучают язык.
13:36
And not only do they learnучить it as well,
345
801000
2000
И не только они его хорошо учат,
13:38
but actuallyна самом деле it's way more interestingинтересно.
346
803000
2000
но это намного более интересно.
13:40
Because you see with DuolingoDuolingo, people are actuallyна самом деле learningобучение with realреальный contentсодержание.
347
805000
3000
Потому что с Duolingo люди учатся на настоящих текстах.
13:43
As opposedпротив to learningобучение with made-upвыдумал sentencesпредложения,
348
808000
2000
В противовес обучению на придуманных предложениях,
13:45
people are learningобучение with realреальный contentсодержание, whichкоторый is inherentlyпо существу interestingинтересно.
349
810000
3000
люди учатся на настоящих текстах, которые сами по себе интересны.
13:48
So people really do learnучить a languageязык.
350
813000
2000
Люди действительно изучают язык.
13:50
But perhapsвозможно more surprisinglyкак ни странно,
351
815000
2000
Ещё более неожиданно,
13:52
the translationsпереводы that we get from people usingс помощью the siteсайт,
352
817000
3000
переводы пользователей сайта,
13:55
even thoughхоть they're just beginnersначинающих,
353
820000
2000
даже новичков,
13:57
the translationsпереводы that we get are as accurateточный as those of professionalпрофессиональный languageязык translatorsпереводчики,
354
822000
3000
также точны, как и профессиональные,
14:00
whichкоторый is very surprisingудивительный.
355
825000
2000
что очень неожиданно.
14:02
So let me showпоказать you one exampleпример.
356
827000
2000
Позвольте показать один пример.
14:04
This is a sentenceпредложение that was translatedпереведенный from GermanНемецкий into Englishанглийский.
357
829000
2000
Это предложение было переведено с немецкого на английский.
14:06
The topВверх is the GermanНемецкий.
358
831000
2000
Сверху немецкий.
14:08
The middleсредний is an Englishанглийский translationперевод
359
833000
2000
В середине английский
14:10
that was doneсделанный by somebodyкто-то who was a professionalпрофессиональный Englishанглийский translatorпереводчик
360
835000
2000
профессиональный перевод,
14:12
who we paidоплаченный 20 centsцентов a wordслово for this translationперевод.
361
837000
2000
за который заплачено по 20 центов за слово.
14:14
And the bottomдно is a translationперевод by usersпользователи of DuolingoDuolingo,
362
839000
3000
Снизу перевод пользователями Duolingo,
14:17
noneникто of whomкого knewзнал any GermanНемецкий
363
842000
2000
ни один из которых не знал немецкого
14:19
before they startedначал usingс помощью the siteсайт.
364
844000
2000
перед использованием сайта.
14:21
You can see, it's prettyСимпатичная much perfectидеально.
365
846000
2000
Обратите внимание, он практически безупречен.
14:23
Now of courseкурс, we playиграть a trickтрюк here
366
848000
2000
Конечно, мы схитрили, чтобы сделать перевод
14:25
to make the translationsпереводы as good as professionalпрофессиональный languageязык translatorsпереводчики.
367
850000
2000
столь же хорошим, как и профессиональный.
14:27
We combineскомбинировать the translationsпереводы of multipleмножественный beginnersначинающих
368
852000
3000
Мы соединили переводы многих новичков,
14:30
to get the qualityкачественный of a singleОдин professionalпрофессиональный translatorпереводчик.
369
855000
3000
чтобы получить качество одного профессионального переводчика.
14:33
Now even thoughхоть we're combiningобъединение the translationsпереводы,
370
858000
5000
Но даже с комбинацией переводов,
14:38
the siteсайт actuallyна самом деле can translateпереведите prettyСимпатичная fastбыстро.
371
863000
2000
сайт может переводить очень быстро.
14:40
So let me showпоказать you,
372
865000
2000
Позвольте показать,
14:42
this is our estimatesоценки of how fastбыстро we could translateпереведите WikipediaВикипедия
373
867000
2000
это наши оценки скорости перевода Википедии
14:44
from Englishанглийский into Spanishиспанский.
374
869000
2000
с английского на испанский.
14:46
RememberЗапомнить, this is 50 millionмиллиона dollars-worthдолларов, стоит of valueстоимость.
375
871000
3000
Помните, это стоит около 50 миллионов долларов.
14:49
So if we wanted to translateпереведите WikipediaВикипедия into Spanishиспанский,
376
874000
2000
Если мы хотим перевести Википедию на испанский,
14:51
we could do it in five5 weeksнедель with 100,000 activeактивный usersпользователи.
377
876000
3000
мы сможем это сделать за 5 недель со 100 000 активных пользователей.
14:54
And we could do it in about 80 hoursчасов with a millionмиллиона activeактивный usersпользователи.
378
879000
3000
Или за 80 часов с миллионом активных пользователей.
14:57
Sinceпоскольку all the projectsпроектов that my groupгруппа has workedработал on so farдалеко have gottenполученный millionsмиллионы of usersпользователи,
379
882000
3000
Все проекты, над которыми работала моя группа, обладали миллионными аудиториями,
15:00
we're hopefulмногообещающий that we'llЧто ж be ableв состоянии to translateпереведите
380
885000
2000
мы надеемся, что мы сможем переводить
15:02
extremelyочень fastбыстро with this projectпроект.
381
887000
2000
очень быстро с помощью этого проекта.
15:04
Now the thing that I'm mostбольшинство excitedв восторге about with DuolingoDuolingo
382
889000
3000
Меня больше всего потрясает в Duolingo то, что я считаю,
15:07
is I think this providesобеспечивает a fairСправедливая businessбизнес modelмодель for languageязык educationобразование.
383
892000
3000
он предоставляет честную бизнес-модель для языкового образования.
15:10
So here'sвот the thing:
384
895000
2000
Вот в чём дело:
15:12
The currentтекущий businessбизнес modelмодель for languageязык educationобразование
385
897000
2000
Текущая бизнес-модель для языкового образования в том,
15:14
is the studentстудент paysплатит,
386
899000
2000
что студент платит, и в частности,
15:16
and in particularконкретный, the studentстудент paysплатит RosettaRosetta StoneКамень 500 dollarsдолларов.
387
901000
2000
студент платит Rosetta Stone 500 долларов.
15:18
(LaughterСмех)
388
903000
2000
(Смех)
15:20
That's the currentтекущий businessбизнес modelмодель.
389
905000
2000
Это текущая бизнес-модель.
15:22
The problemпроблема with this businessбизнес modelмодель
390
907000
2000
Проблема с ней в том,
15:24
is that 95 percentпроцент of the world'sв мире populationНаселение doesn't have 500 dollarsдолларов.
391
909000
3000
что у 95% населения мира нет 500 долларов.
15:27
So it's extremelyочень unfairнедобросовестный towardsв направлении the poorбедные.
392
912000
3000
Поэтому это крайне ущемляет бедных.
15:30
This is totallyполностью biasedпристрастный towardsв направлении the richбогатые.
393
915000
2000
Это однозначно ориентировано на богатых.
15:32
Now see, in DuolingoDuolingo,
394
917000
2000
Теперь смотрите, с Duolingo,
15:34
because while you learnучить
395
919000
2000
потому что в то время, когда вы учитесь,
15:36
you're actuallyна самом деле creatingсоздание valueстоимость, you're translatingИдет перевод stuffматериал --
396
921000
3000
вы создаёте нечто ценное, вы что-то переводите,
15:39
whichкоторый for exampleпример, we could chargeзаряд somebodyкто-то for translationsпереводы.
397
924000
3000
а мы можем брать плату с кого-то за эти переводы.
15:42
So this is how we could monetizeмонетизировать this.
398
927000
2000
Вот так мы можем на этом зарабатывать.
15:44
Sinceпоскольку people are creatingсоздание valueстоимость while they're learningобучение,
399
929000
2000
Поскольку люди создают нечто ценное, пока они учатся,
15:46
they don't have to payплатить theirих moneyДеньги, they payплатить with theirих time.
400
931000
3000
они могут платить не деньгами, а временем.
15:49
But the magicalволшебный thing here is that they're payingплатеж with theirих time,
401
934000
3000
Волшебство в том, что они платят временем,
15:52
but that is time that would have had to have been spentпотраченный anywaysв любом случае
402
937000
2000
тем временем, которое все равно
15:54
learningобучение the languageязык.
403
939000
2000
было бы потрачено на изучение языка.
15:56
So the niceхороший thing about DuolingoDuolingo is I think it providesобеспечивает a fairСправедливая businessбизнес modelмодель --
404
941000
3000
Замечательный факт о Duolingo — честная бизнес-модель,
15:59
one that doesn't discriminateдискриминировать againstпротив poorбедные people.
405
944000
2000
которая не ущемляет бедных людей.
16:01
So here'sвот the siteсайт. Thank you.
406
946000
2000
Вот сайт. Спасибо.
16:03
(ApplauseАплодисменты)
407
948000
8000
(Аплодисменты)
16:11
So here'sвот the siteсайт.
408
956000
2000
Вот сайт.
16:13
We haven'tне yetвсе же launchedзапущенный,
409
958000
2000
Мы ещё не запустились, но если вы туда зайдёте,
16:15
but if you go there, you can signзнак up to be partчасть of our privateчастный betaбета,
410
960000
3000
то сможете подписаться на закрытое тестирование,
16:18
whichкоторый is probablyвероятно going to startНачало in about threeтри or four4 weeksнедель.
411
963000
2000
начинающееся примерно через три или четыре недели.
16:20
We haven'tне yetвсе же launchedзапущенный this DuolingoDuolingo.
412
965000
2000
Этот Duolingo ещё не запущен.
16:22
By the way, I'm the one talkingговорящий here,
413
967000
2000
Кстати, я выступаю в одиночку, но Duolingo — результат работы
16:24
but actuallyна самом деле DuolingoDuolingo is the work of a really awesomeздорово teamкоманда, some of whomкого are here.
414
969000
3000
потрясающей команды, некоторых членов можно видеть тут.
16:27
So thank you.
415
972000
2000
Спасибо.
16:29
(ApplauseАплодисменты)
416
974000
4000
(Аплодисменты)
Translated by Aliaksandr Autayeu
Reviewed by Oleg Shmelyov

▲Back to top

ABOUT THE SPEAKER
Luis von Ahn - Computer scientist
Luis von Ahn builds systems that combine humans and computers to solve large-scale problems that neither can solve alone.

Why you should listen

Louis von Ahn is an associate professor of Computer Science at Carnegie Mellon University, and he's at the forefront of the crowdsourcing craze. His work takes advantage of the evergrowing Web-connected population to acheive collaboration in unprecedented numbers. His projects aim to leverage the crowd for human good. His company reCAPTCHA, sold to Google in 2009, digitizes human knowledge (books), one word at a time. His new project is Duolingo, which aims to get 100 million people translating the Web in every major language.

More profile about the speaker
Luis von Ahn | Speaker | TED.com