ABOUT THE SPEAKER
Chris Domas - Cybersecurity researcher
Chris Domas is an embedded systems engineer and cybersecurity researcher.

Why you should listen

Chris Domas is a cyber-security researcher at the Battelle Memorial Institute. He specializes in embedded systems reverse-engineering (RE) and vulnerability analysis, figuring out how to manipulate electronic devices. Applying this towards national security, his group develops cyber technology that protects people on the newest front of global war.

Domas graduated from Ohio State University, where he set out to take every class offered by the school. He bounced between majors in electrical engineering, physics, mathematics, mechanical engineering, biology, chemistry, statistics, biomedical engineering, computer graphics, psychology, and linguistics, but finally ran out of money and was forced to graduate. Settling on a degree in computer science, with an irrelevant handful of minors, he joined Battelle as a cyber security researcher. Today, he strives to incorporate ideas from these disparate fields to tackle the world’s most challenging cyber problems in innovative and unexpected ways. As a result of his work, he received Battelle’s coveted 2013 Emerging Scientist and 2013 Technical Achievement awards. He continues to present research around the country, most recently at the cyber security conferences Black Hat, REcon and DerbyCon.

 

More profile about the speaker
Chris Domas | Speaker | TED.com
TEDxColumbus

Chris Domas: The 1s and 0s behind cyber warfare

Κρις Ντόμας: Οι άσσοι και τα μηδενικά πίσω από τον κυβερνοπόλεμο

Filmed:
1,109,814 views

Ο Κρις Ντόμας είναι ερευνητής κυβερνοασφάλειας και εργάζεται σε αυτό που έχει γίνει ένα νέο πολεμικό μέτωπο, τον «κυβερνοχώρο». Σε αυτήν τη συναρπαστική ομιλία, δείχνει πώς οι ερευνητές χρησιμοποιούν μοτίβα αναγνώρισης και αντίστροφη μηχανική (και μερικές ολονυχτίες) για να κατανοήσουν ένα κομμάτι δυαδικού κώδικα, του οποίου δεν γνωρίζουν τον σκοπό και τα περιεχόμενα.
- Cybersecurity researcher
Chris Domas is an embedded systems engineer and cybersecurity researcher. Full bio

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

00:12
This is a lot of onesαυτές and zerosμηδενικά.
0
770
2262
Αυτά είναι πολλοί άσσοι και μηδενικά.
00:15
It's what we call binaryδυάδικος informationπληροφορίες.
1
3032
3099
Αυτό είναι που αποκαλούμε
δυαδική πληροφορία.
00:18
This is how computersΥπολογιστές talk.
2
6131
1442
Έτσι μιλάνε οι υπολογιστές.
00:19
It's how they storeκατάστημα informationπληροφορίες.
3
7573
1929
Έτσι αποθηκεύουν την πληροφορία.
00:21
It's how computersΥπολογιστές think.
4
9502
1626
Έτσι σκέφτονται οι υπολογιστές.
00:23
It's how computersΥπολογιστές do
5
11128
1619
Έτσι κάνουν οι υπολογιστές
00:24
everything it is that computersΥπολογιστές do.
6
12747
2382
όλα όσα κάνουν οι υπολογιστές.
00:27
I'm a cybersecurityασφάλεια στον κυβερνοχώρο researcherερευνητής,
7
15129
2047
Είμαι ερευνητής κυβερνοασφάλειας,
που σημαίνει ότι κάθομαι
με αυτήν την πληροφορία
00:29
whichοι οποίες meansπου σημαίνει my jobδουλειά is to sitκαθίζω
down with this informationπληροφορίες
8
17176
2070
00:31
and try to make senseέννοια of it,
9
19246
1684
και προσπαθώ να βγάλω νόημα,
00:32
to try to understandκαταλαβαίνουν what all
the onesαυτές and zeroesμηδενικά mean.
10
20930
2753
να καταλάβω τι σημαίνουν
όλοι οι άσσοι και τα μηδενικά.
00:35
UnfortunatelyΔυστυχώς for me, we're not just talkingομιλία
11
23683
1843
Δυστυχώς για μένα,
δεν μιλάμε μόνο
για τους άσσους και τα μηδενικά
που έχω εδώ στην οθόνη.
00:37
about the onesαυτές and zerosμηδενικά
I have on the screenοθόνη here.
12
25526
2234
00:39
We're not just talkingομιλία about a
fewλίγοι pagesσελίδες of onesαυτές and zerosμηδενικά.
13
27760
2683
Δεν μιλάμε απλώς για μερικές
σελίδες με άσσους και μηδενικά.
00:42
We're talkingομιλία about billionsδισεκατομμύρια and billionsδισεκατομμύρια
14
30443
2609
Μιλάμε για δισεκατομμύρια
και δισεκατομμύρια
00:45
of onesαυτές and zerosμηδενικά,
15
33052
1333
από άσσους και μηδενικά,
00:46
more than anyoneο καθενας could possiblyπιθανώς comprehendκατανοήσει.
16
34385
2641
περισσότερα απ' όσα θα μπορούσε
κάποιος να κατανοήσει.
00:49
Now, as excitingσυναρπαστικός as that soundsήχους,
17
37026
1859
Τώρα, όσο συναρπαστικό
κι αν ακούγεται αυτό,
00:50
when I first startedξεκίνησε doing cyberστον κυβερνοχώρο
18
38885
2492
όταν πρωτοξεκίνησα
με την κυβερνοασφάλεια -
00:53
(LaughterΤο γέλιο) —
19
41377
1743
(Γέλια) -
00:55
when I first startedξεκίνησε doing cyberστον κυβερνοχώρο, I wasn'tδεν ήταν sure
20
43120
2003
όταν πρωτοξεκίνησα, δεν ήμουν σίγουρος
00:57
that siftingκοσκίνισμα throughδιά μέσου onesαυτές and zerosμηδενικά
21
45123
1473
ότι οι άσσοι και τα μηδενικά
00:58
was what I wanted to do with the restυπόλοιπο of my life,
22
46596
2294
ήταν αυτό που ήθελα να κάνω
την υπόλοιπη ζωή μου,
01:00
because in my mindμυαλό, cyberστον κυβερνοχώρο
23
48890
2020
επειδή στο μυαλό μου,
η κυβερνοασφάλεια
01:02
was keepingτήρηση virusesιούς off of my grandma'sτης γιαγιάς computerυπολογιστή,
24
50910
3681
ήταν να προστατεύω τον υπολογιστή
της γιαγιάς μου από ιούς,
01:06
it was keepingτήρηση people'sτων ανθρώπων MyspaceMySpace
pagesσελίδες from beingνα εισαι hackedhacked,
25
54591
3348
να προσέχω να μην χακάρονται
οι σελίδες στο Myspace,
01:09
and maybe, maybe on my mostπλέον gloriousένδοξη day,
26
57939
2185
και ίσως, ίσως στην πιο ένδοξή μου μέρα,
01:12
it was keepingτήρηση someone'sκάποιου creditπίστωση
cardκάρτα informationπληροφορίες from beingνα εισαι stolenκλαπεί.
27
60124
3751
να προστατεύσω τα στοιχεία της πιστωτικής
κάρτας κάποιου από κλοπή.
01:15
Those are importantσπουδαίος things,
28
63875
1363
Αυτά είναι σημαντικά,
01:17
but that's not how I wanted to spendδαπανήσει my life.
29
65238
2758
αλλά δεν ήθελα να περάσω έτσι τη ζωή μου.
01:19
But after 30 minutesλεπτά of work
30
67996
1934
Αλλά μετά από 30 λεπτά δουλειάς
01:21
as a defenseάμυνα contractorεργολάβος,
31
69930
1353
ως συμβασιούχος άμυνας,
ανακάλυψα σύντομα ότι η ιδέα
που είχα για την κυβερνοασφάλεια
01:23
I soonσύντομα foundβρέθηκαν out that my ideaιδέα of cyberστον κυβερνοχώρο
32
71283
2790
01:26
was a little bitκομμάτι off.
33
74073
1869
ήταν κάπως λανθασμένη.
01:27
In factγεγονός, in termsόροι of nationalεθνικός securityασφάλεια,
34
75942
1945
Στην πράξη, όσον αφορά
την εθνική ασφάλεια,
η προστασία του υπολογιστή
της γιαγιάς μου από ιούς
01:29
keepingτήρηση virusesιούς off of my grandma'sτης γιαγιάς computerυπολογιστή
35
77887
2071
01:31
was surprisinglyαπροσδόκητα lowχαμηλός on theirδικα τους priorityπροτεραιότητα listλίστα.
36
79958
3186
ήταν πολύ χαμηλά στη λίστα
με τις προτεραιότητές τους.
01:35
And the reasonλόγος for that is cyberστον κυβερνοχώρο
37
83144
1301
Επειδή η κυβερνοασφάλεια
01:36
is so much biggerμεγαλύτερος than any one of those things.
38
84445
3793
είναι πολύ μεγαλύτερη
από αυτά τα πράγματα.
01:40
CyberΣτον κυβερνοχώρο is an integralαναπόσπαστο partμέρος of all of our livesζωή,
39
88238
2825
Η κυβερνοασφάλεια είναι
αναπόσπαστο μέρος της ζωής όλων μας,
01:43
because computersΥπολογιστές are an
integralαναπόσπαστο partμέρος of all of our livesζωή,
40
91063
3060
επειδή οι υπολογιστές είναι
αναπόσπαστο μέρος της ζωής όλων μας,
01:46
even if you don't ownτα δικά a computerυπολογιστή.
41
94123
1952
ακόμη κι αν δεν έχετε υπολογιστή.
01:48
ComputersΥπολογιστές controlέλεγχος everything in your carαυτοκίνητο,
42
96075
2646
Οι υπολογιστές ελέγχουν
τα πάντα στο αυτοκίνητό σας,
01:50
from your GPSGPS to your airbagsαερόσακοι.
43
98721
1880
από το GPS έως τους αερόσακους.
01:52
They controlέλεγχος your phoneτηλέφωνο.
44
100601
1316
Ελέγχουν το τηλέφωνό σας.
01:53
They're the reasonλόγος you can call 911
45
101917
1171
Γι' αυτό μπορείτε
να καλέσετε το 100
01:55
and get someoneκάποιος on the other lineγραμμή.
46
103088
1796
και να απαντήσει κάποιος.
01:56
They controlέλεγχος our nation'sτου έθνους entireολόκληρος infrastructureυποδομή.
47
104884
2794
Ελέγχουν ολόκληρη την υποδομή
της χώρας μας.
01:59
They're the reasonλόγος you have electricityηλεκτρική ενέργεια,
48
107678
1676
Είναι ο λόγος που έχετε ηλεκτρικό,
02:01
heatθερμότητα, cleanΚΑΘΑΡΗ waterνερό, foodτροφή.
49
109354
2338
θέρμανση, καθαρό νερό, φαγητό.
02:03
ComputersΥπολογιστές controlέλεγχος our militaryΣΤΡΑΤΟΣ equipmentεξοπλισμός,
50
111692
1901
Οι υπολογιστές ελέγχουν
τον στρατιωτικό εξοπλισμό μας,
02:05
everything from missileβλήμα silosσιλό to satellitesδορυφόρους
51
113593
1677
τα πάντα από σιλό πυραύλων, δορυφόρους
02:07
to nuclearπυρηνικός defenseάμυνα networksδικτύων.
52
115270
3914
έως δίκτυα πυρηνικής άμυνας.
02:11
All of these things are madeέκανε possibleδυνατόν
53
119184
1989
Όλα αυτά είναι δυνατά
02:13
because of computersΥπολογιστές,
54
121173
1416
λόγω των υπολογιστών,
02:14
and thereforeεπομένως because of cyberστον κυβερνοχώρο,
55
122589
1983
και ως εκ τούτου,
λόγω του κυβερνοχώρου,
02:16
and when something goesπηγαίνει wrongλανθασμένος,
56
124572
1504
και όταν κάτι πάει στραβά,
02:18
cyberστον κυβερνοχώρο can make all of these things impossibleαδύνατο.
57
126076
3118
ο κυβερνοχώρος μπορεί
να τα κάνει όλα αυτά αδύνατα.
02:21
But that's where I stepβήμα in.
58
129194
1585
Αλλά εκεί μπαίνω εγώ.
02:22
A bigμεγάλο partμέρος of my jobδουλειά is defendingυπεράσπιση all of these things,
59
130779
2940
Ένα μεγάλο κομμάτι της δουλειάς μου
είναι να προστατεύω όλα αυτά,
02:25
keepingτήρηση them workingεργαζόμενος,
60
133719
1662
να τα κάνω να λειτουργούν,
02:27
but onceμια φορά in a while, partμέρος of my
jobδουλειά is to breakΔιακοπή one of these things,
61
135381
2328
αλλά καμιά φορά, δουλειά μου
είναι να χαλάω κάποιο από αυτά,
02:29
because cyberστον κυβερνοχώρο isn't just about defenseάμυνα,
62
137709
2396
επειδή η κυβερνοασφάλεια
δεν έχει να κάνει μόνο με την άμυνα,
02:32
it's alsoεπίσης about offenseαδίκημα.
63
140105
2273
έχει να κάνει και με την επίθεση.
02:34
We're enteringεισερχόμενοι an ageηλικία where we talk about
64
142378
1576
Μπαίνουμε σε μια εποχή
όπου μιλάμε
02:35
cyberweaponscyberweapons.
65
143954
1461
για κυβερνοόπλα.
02:37
In factγεγονός, so great is the potentialδυνητικός for cyberστον κυβερνοχώρο offenseαδίκημα
66
145415
3135
Στην πραγματικότητα, η δυνατότητα
για κυβερνοεπίθεση είναι τόσο μεγάλη
02:40
that cyberστον κυβερνοχώρο is consideredθεωρούνται a newνέος domainτομέα of warfareπολεμικές επιχειρήσεις.
67
148550
3621
που ο κυβερνοχώρος θεωρείται
ο νέος χώρος πολέμου.
02:44
WarfareΕχθροπραξία.
68
152171
1800
Πόλεμος.
02:45
It's not necessarilyαναγκαίως a badκακό thing.
69
153971
1929
Δεν είναι απαραίτητα κάτι κακό.
02:47
On the one handχέρι, it meansπου σημαίνει we have wholeολόκληρος newνέος frontεμπρός
70
155900
2751
Από τη μία, σημαίνει ότι έχουμε
ένα νέο μέτωπο
02:50
on whichοι οποίες we need to defendυπερασπίζω ourselvesεμείς οι ίδιοι,
71
158651
1743
όπου πρέπει να αμυνθούμε,
02:52
but on the other handχέρι,
72
160394
1485
αλλά από την άλλη πλευρά,
02:53
it meansπου σημαίνει we have a wholeολόκληρος newνέος way to attackεπίθεση,
73
161879
1842
έχουμε έναν νέο τρόπο επίθεσης,
02:55
a wholeολόκληρος newνέος way to stop evilκακό people
74
163721
1859
έναν νέο τρόπο να σταματήσουμε τους κακούς
02:57
from doing evilκακό things.
75
165580
2227
από το να κάνουν κακά πράγματα.
02:59
So let's considerσκεφτείτε an exampleπαράδειγμα of this
76
167807
1811
Ας αναλογιστούμε ένα παράδειγμα
03:01
that's completelyεντελώς theoreticalθεωρητικός.
77
169618
1689
που είναι τελείως θεωρητικό.
03:03
SupposeΑς υποθέσουμε ότι a terroristτρομοκράτης wants to blowπλήγμα up a buildingΚτίριο,
78
171307
2258
Έστω ότι ένας τρομοκράτης
θέλει να ανατινάξει ένα κτίριο,
03:05
and he wants to do this again and again
79
173565
2068
και θέλει να το κάνει ξανά και ξανά
03:07
in the futureμελλοντικός.
80
175633
1451
στο μέλλον.
03:09
So he doesn't want to be in
that buildingΚτίριο when it explodesεκρήγνυται.
81
177084
2840
Δεν θέλει να είναι μέσα στο κτίριο
όταν εκραγεί.
03:11
He's going to use a cellκύτταρο phoneτηλέφωνο
82
179924
1518
Θα χρησιμοποιήσει ένα κινητό τηλέφωνο
03:13
as a remoteμακρινός detonatorΠυροκροτητής.
83
181442
2335
ως απομακρυσμένο πυροκροτητή.
03:15
Now, it used to be the only way we had
84
183777
1871
Παλαιότερα, ο μοναδικός τρόπος
για να σταματήσουμε τον τρομοκράτη
03:17
to stop this terroristτρομοκράτης
85
185648
1636
03:19
was with a hailχαλάζι of bulletsσφαίρες and a carαυτοκίνητο chaseκυνηγητό,
86
187284
2673
ήταν με χαλάζι από σφαίρες
και καταδίωξη με αυτοκίνητα,
03:21
but that's not necessarilyαναγκαίως trueαληθής anymoreπια.
87
189957
2332
αλλά αυτό δεν είναι πια
απαραίτητα αλήθεια.
03:24
We're enteringεισερχόμενοι an ageηλικία where we can stop him
88
192289
1563
Τώρα μπορούμε να τον σταματήσουμε
03:25
with the pressτύπος of a buttonκουμπί
89
193852
1110
πατώντας ένα κουμπί
03:26
from 1,000 milesμίλια away,
90
194962
2007
1.000 χιλιόμετρα μακριά,
03:28
because whetherκατά πόσο he knewήξερε it or not,
91
196969
1589
επειδή είτε το γνώριζε είτε όχι,
03:30
as soonσύντομα as he decidedαποφασισμένος to use his cellκύτταρο phoneτηλέφωνο,
92
198558
1711
μόλις χρησιμοποιήσε το κινητό του,
03:32
he steppedβγήκε into the realmβασίλειο of cyberστον κυβερνοχώρο.
93
200269
3134
μπήκε στο βασίλειο του κυβερνοχώρου.
03:35
A well-craftedκαλοφτιαγμένες cyberστον κυβερνοχώρο attackεπίθεση
could breakΔιακοπή into his phoneτηλέφωνο,
94
203403
3117
Μια καλοφτιαγμένη κυβερνοεπίθεση
μπορεί να μπει στο τηλέφωνό του,
να απενεργοποιήσει την προστασία
υπέρτασης στην μπαταρία του,
03:38
disableΑπενεργοποίηση the overvoltageυπέρταση protectionsπροστασίες on his batteryμπαταρία,
95
206520
2149
03:40
drasticallyδραστικά overloadπαραφορτώνω the circuitκύκλωμα,
96
208669
1755
να υπερφορτώσει δραστικά το κύκλωμα,
03:42
causeαιτία the batteryμπαταρία to overheatυπερθέρμανση, and explodeεκραγεί.
97
210424
2357
να κάνει την μπαταρία
να υπερθερμανθεί και να εκραγεί.
03:44
No more phoneτηλέφωνο, no more detonatorΠυροκροτητής,
98
212781
2446
Δεν θα έχουμε πια τηλέφωνο,
ούτε πυροκροτητή,
03:47
maybe no more terroristτρομοκράτης,
99
215227
1923
ίσως ούτε και τρομοκράτη,
03:49
all with the pressτύπος of a buttonκουμπί
100
217150
1031
όλα αυτά πατώντας ένα κουμπί.
03:50
from a thousandχίλια milesμίλια away.
101
218181
2680
χίλια χιλιόμετρα μακριά.
03:52
So how does this work?
102
220861
1751
Πώς γίνεται αυτό;
03:54
It all comesέρχεται back to those onesαυτές and zerosμηδενικά.
103
222612
2268
Όλα επιστρέφουν
στους άσσους και τα μηδενικά.
03:56
BinaryΔυαδική informationπληροφορίες makesκάνει your phoneτηλέφωνο work,
104
224880
3005
Η δυαδική πληροφορία
κάνει το τηλέφωνό σας να λειτουργεί,
03:59
and used correctlyσωστά, it can make your phoneτηλέφωνο explodeεκραγεί.
105
227885
3584
και αν χρησιμοποιηθεί σωστά, μπορεί
να κάνει το τηλέφωνό σας να εκραγεί.
04:03
So when you startαρχή to look at
cyberστον κυβερνοχώρο from this perspectiveπροοπτική,
106
231469
2472
Όταν βλέπετε τον κυβερνοχώρο
από αυτήν τη σκοπιά,
04:05
spendingδαπανών your life siftingκοσκίνισμα throughδιά μέσου binaryδυάδικος informationπληροφορίες
107
233941
3163
το να περνάς τη ζωή σου
κοιτώντας δυαδική πληροφορία
04:09
startsξεκινά to seemφαίνομαι kindείδος of excitingσυναρπαστικός.
108
237104
2417
αρχίζει να φαίνεται κάπως συναρπαστικό.
04:11
But here'sεδώ είναι the catchσύλληψη: This is hardσκληρά,
109
239521
2646
Αλλά να η παγίδα: Είναι δύσκολο,
04:14
really, really hardσκληρά,
110
242167
1685
πάρα πολύ δύσκολο,
04:15
and here'sεδώ είναι why.
111
243852
1834
και να γιατί.
04:17
Think about everything you have on your cellκύτταρο phoneτηλέφωνο.
112
245686
2766
Σκεφτείτε όλα όσα έχετε
στο κινητό σας.
04:20
You've got the picturesεικόνες you've takenληφθεί.
113
248452
1963
Έχετε τις φωτογραφίες που έχετε τραβήξει.
04:22
You've got the musicΜΟΥΣΙΚΗ you listen to.
114
250415
1786
Έχετε τη μουσική που ακούτε.
04:24
You've got your contactsεπαφές listλίστα,
115
252201
1648
Έχετε τη λίστα με τις επαφές σας,
04:25
your emailΗΛΕΚΤΡΟΝΙΚΗ ΔΙΕΥΘΥΝΣΗ, and probablyπιθανώς 500 appsεφαρμογές
116
253849
1625
το ηλεκτρονικό σας ταχυδρομείο
και 500 εφαρμογές
04:27
you've never used in your entireολόκληρος life,
117
255474
3001
που δεν χρησιμοποιήσατε ποτέ
σε όλη σας τη ζωή,
04:30
and behindπίσω all of this is the softwareλογισμικό, the codeκώδικας,
118
258475
3987
και πίσω από όλα αυτά είναι
το λογισμικό, ο κώδικας
04:34
that controlsελέγχους your phoneτηλέφωνο,
119
262462
1380
που ελέγχει το κινητό σας,
04:35
and somewhereκάπου, buriedθάβονται insideμέσα of that codeκώδικας,
120
263842
2656
και κάπου, θαμμένο στον κώδικα,
04:38
is a tinyμικροσκοπικός pieceκομμάτι that controlsελέγχους your batteryμπαταρία,
121
266498
2548
είναι ένα μικρό κομμάτι
που ελέγχει την μπαταρία σας,
04:41
and that's what I'm really after,
122
269046
1871
και αυτό θέλω στην πραγματικότητα,
04:42
but all of this, just a bunchδέσμη of onesαυτές and zerosμηδενικά,
123
270917
3686
αλλά όλα αυτά,
απλώς μερικοί άσσοι και μηδενικά,
04:46
and it's all just mixedμικτός togetherμαζί.
124
274603
1531
είναι όλα ανακατεμένα.
04:48
In cyberστον κυβερνοχώρο, we call this findingεύρεση a
needleβελόνα in a stackσωρός of needlesβελόνες,
125
276134
3545
Στον κυβερνοχώρο, το λέμε
ψάχνοντας μια βελόνα μέσα σε βελόνες,
04:51
because everything prettyαρκετά much looksφαίνεται alikeομοίως.
126
279679
2349
επειδή όλα, λίγο πολύ, μοιάζουν.
04:54
I'm looking for one keyκλειδί pieceκομμάτι,
127
282028
1732
Ψάχνω για ένα κομμάτι κλειδί,
04:55
but it just blendsΧαρμάνια in with everything elseαλλού.
128
283760
3234
αλλά απλώς δένει με όλα τα άλλα.
04:58
So let's stepβήμα back from this theoreticalθεωρητικός situationκατάσταση
129
286994
2252
Ας φύγουμε από αυτήν
τη θεωρητική κατάσταση
05:01
of makingκατασκευή a terrorist'sτης τρομοκρατίας phoneτηλέφωνο explodeεκραγεί,
130
289246
2344
όπου κάνουμε το τηλέφωνο
ενός τρομοκράτη να εκραγεί
05:03
and look at something that actuallyπράγματι happenedσυνέβη to me.
131
291590
2816
και ας δούμε κάτι που συνέβη σε μένα.
05:06
PrettyΌμορφο much no matterύλη what I do,
132
294406
1343
Λίγο πολύ, ό,τι και να κάνω,
05:07
my jobδουλειά always startsξεκινά with sittingσυνεδρίαση down
133
295749
1442
η δουλειά μου ξεκινά
05:09
with a wholeολόκληρος bunchδέσμη of binaryδυάδικος informationπληροφορίες,
134
297191
2372
με πολύ δυαδική πληροφορία
05:11
and I'm always looking for one keyκλειδί pieceκομμάτι
135
299563
1727
και πάντα ψάχνω για ένα κομμάτι κλειδί
05:13
to do something specificειδικός.
136
301290
1987
για να κάνω κάτι συγκεκριμένο.
05:15
In this caseπερίπτωση, I was looking for a very advancedπροχωρημένος,
137
303277
2077
Στην περίπτωση αυτή,
έψαχνα ένα πολύ προηγμένο
05:17
very high-techυψηλής τεχνολογίας pieceκομμάτι of codeκώδικας
138
305354
1518
κομμάτι κώδικα υψηλής τεχνολογίας
05:18
that I knewήξερε I could hackάμαξα προς μίσθωση,
139
306872
1215
που ήξερα ότι μπορώ να χακάρω,
05:20
but it was somewhereκάπου buriedθάβονται
140
308087
1714
αλλά ήταν θαμμένο κάπου
05:21
insideμέσα of a billionδισεκατομμύριο onesαυτές and zeroesμηδενικά.
141
309801
2026
μέσα σε δισεκατομμύρια
άσσους και μηδενικά.
05:23
UnfortunatelyΔυστυχώς for me, I didn't know
142
311827
1578
Δυστυχώς για μένα, δεν ήξερα
05:25
quiteαρκετά what I was looking for.
143
313405
1691
ακριβώς τι έψαχνα.
05:27
I didn't know quiteαρκετά what it would look like,
144
315096
1196
Δεν ήξερα ακριβώς πώς έμοιαζε,
05:28
whichοι οποίες makesκάνει findingεύρεση it really, really hardσκληρά.
145
316292
2918
κάτι που δυσκολεύει πολύ
την αναζήτησή του.
05:31
When I have to do that, what I have to do
146
319210
2039
Όταν πρέπει να κάνω αυτό,
αυτό που κάνω
05:33
is basicallyβασικα look at variousδιάφορος piecesκομμάτια
147
321249
2342
είναι να δω διάφορα κομμάτια
05:35
of this binaryδυάδικος informationπληροφορίες,
148
323591
1723
από αυτή τη δυαδική πληροφορία,
05:37
try to decipherαποκρυπτογραφήσει eachκαθε pieceκομμάτι, and see if it mightθα μπορούσε be
149
325314
2202
να προσπαθήσω να αποκωδικοποιήσω
κάθε κομμάτι, και να δω
05:39
what I'm after.
150
327516
1224
αν είναι αυτό που ψάχνω.
05:40
So after a while, I thought I had foundβρέθηκαν the pieceκομμάτι
151
328740
1625
Μετά από λίγο, νόμιζα
ότι είχα βρει το κομμάτι που έψαχνα.
05:42
I was looking for.
152
330365
1337
05:43
I thought maybe this was it.
153
331702
2104
Νόμιζα ότι ίσως να ήταν αυτό.
Μου φαινόταν σωστό,
αλλά δεν ήμουν σίγουρος.
05:45
It seemedφαινόταν to be about right, but I couldn'tδεν μπορούσε quiteαρκετά tell.
154
333806
2032
05:47
I couldn'tδεν μπορούσε tell what those
onesαυτές and zerosμηδενικά representedεκπροσωπούνται.
155
335838
2918
Δεν καταλάβαινα τι αντιπροσώπευαν
αυτοί οι άσσοι και τα μηδενικά.
05:50
So I spentξόδεψε some time tryingπροσπαθεί to put this togetherμαζί,
156
338756
3374
Έτσι πέρασα αρκετό χρόνο
προσπαθώντας να το ξεκαθαρίσω,
05:54
but wasn'tδεν ήταν havingέχοντας a wholeολόκληρος lot of luckτυχη,
157
342130
1670
αλλά δεν είχα και πολύ τύχη,
05:55
and finallyτελικά I decidedαποφασισμένος,
158
343800
1186
και τελικά αποφάσισα
05:56
I'm going to get throughδιά μέσου this,
159
344986
1609
ότι θα το τελειώσω,
05:58
I'm going to come in on a weekendτο σαββατοκύριακο,
160
346595
1511
θα έρθω ένα Σαββατοκύριακο,
06:00
and I'm not going to leaveάδεια
161
348106
1340
και θα δεν θα φύγω
06:01
untilμέχρις ότου I figureεικόνα out what this representsαντιπροσωπεύει.
162
349446
1712
μέχρι να ανακαλύψω τι αντιπροσωπεύει.
06:03
So that's what I did. I cameήρθε
in on a SaturdayΣάββατο morningπρωί,
163
351158
2166
Και αυτό έκανα. Ήρθα ένα Σάββατο πρωί,
06:05
and about 10 hoursώρες in, I sortείδος of
had all the piecesκομμάτια to the puzzleπαζλ.
164
353324
3645
και μετά από 10 περίπου ώρες,
είχα κάπως όλα τα κομμάτια του γρίφου.
06:08
I just didn't know how they fitκατάλληλος togetherμαζί.
165
356969
1392
Απλώς δεν ήξερα πώς συνδέονταν.
06:10
I didn't know what these onesαυτές and zerosμηδενικά meantσήμαινε.
166
358361
2790
Δεν ήξερα τη σημασία
των άσσων και των μηδενικών.
06:13
At the 15-hour-ώρα markσημάδι,
167
361151
2067
Στις 15 ώρες,
06:15
I startedξεκίνησε to get a better pictureεικόνα of what was there,
168
363218
2602
άρχισα να έχω μια καλύτερη εικόνα
για το τι ήταν εκεί,
06:17
but I had a creepingυφέρπουσα suspicionυποψία
169
365820
1772
αλλά είχα μια υποψία
06:19
that what I was looking at
170
367592
1589
ότι αυτό που κοιτούσα
06:21
was not at all relatedσχετίζεται με to what I was looking for.
171
369181
2923
δεν είχε καμία σχέση με αυτό που έψαχνα.
06:24
By 20 hoursώρες, the piecesκομμάτια startedξεκίνησε to come togetherμαζί
172
372104
2487
Στις 20 ώρες, τα κομμάτια
άρχισαν να συνδέονται
06:26
very slowlyαργά — (LaughterΤο γέλιο) —
173
374591
3764
πολύ αργά - (Γέλια) -
06:30
and I was prettyαρκετά sure I was going down
174
378355
1266
και ήμουν αρκετά σίγουρος
ότι βάδιζα στο λάθος μονοπάτι
εκείνη τη στιγμή,
06:31
the wrongλανθασμένος pathμονοπάτι at this pointσημείο,
175
379621
1939
06:33
but I wasn'tδεν ήταν going to give up.
176
381560
2251
αλλά δεν θα τα παρατούσα.
06:35
After 30 hoursώρες in the labεργαστήριο,
177
383811
2834
Μετά από 30 ώρες στο εργαστήριο,
06:38
I figuredσχηματικός out exactlyακριβώς what I was looking at,
178
386645
2261
βρήκα τι ακριβώς κοιτούσα,
06:40
and I was right, it wasn'tδεν ήταν what I was looking for.
179
388906
2818
και είχα δίκιο, δεν ήταν αυτό που έψαχνα.
06:43
I spentξόδεψε 30 hoursώρες piecingσυγκρότηση togetherμαζί
180
391724
1699
Ξόδεψα 30 ώρες συνδέοντας
06:45
the onesαυτές and zerosμηδενικά that
formedσχηματίστηκε a pictureεικόνα of a kittenγατάκι.
181
393423
2722
τους άσσους και τα μηδενικά
που έκαναν την εικόνα μιας γάτας.
06:48
(LaughterΤο γέλιο)
182
396145
1795
(Γέλια)
06:49
I wastedσπατάλη 30 hoursώρες of my life searchingερευνητικός for this kittenγατάκι
183
397940
3806
Σπατάλησα 30 ώρες της ζωής μου
ψάχνοντας γι' αυτή τη γατούλα
06:53
that had nothing at all to do
184
401746
1838
που δεν είχε ουδεμία σχέση
06:55
with what I was tryingπροσπαθεί to accomplishολοκληρώσει.
185
403584
1987
με αυτό που προσπαθούσα να επιτύχω.
06:57
So I was frustratedαπογοητευμένοι, I was exhaustedεξαντληθεί.
186
405571
3863
Είχα απογοητευτεί, ήμουν εξαντλημένος.
07:01
After 30 hoursώρες in the labεργαστήριο, I probablyπιθανώς smelledμύριζε horribleφρικτός.
187
409434
3226
Μετά από 30 ώρες στο εργαστήριο,
μάλλον βρομούσα.
07:04
But insteadαντι αυτου of just going home
188
412660
2230
Αλλά, αντί να πάω απλώς σπίτι
07:06
and callingκλήση it quitsκλείνει, I tookπήρε a stepβήμα back
189
414890
2530
και να τα παρατήσω, έκανα ένα βήμα πίσω
07:09
and askedερωτηθείς myselfεγώ ο ίδιος, what wentπήγε wrongλανθασμένος here?
190
417420
2541
και αναρωτήθηκα, τι πήγε στραβά εδώ;
07:11
How could I make suchτέτοιος a stupidηλίθιος mistakeλάθος?
191
419961
2212
Πώς μπόρεσα να κάνω
ένα τόσο χαζό λάθος;
07:14
I'm really prettyαρκετά good at this.
192
422173
1398
Είμαι αρκετά καλός σε αυτό.
07:15
I do this for a livingζωή.
193
423571
1319
Είναι η δουλειά μου.
07:16
So what happenedσυνέβη?
194
424890
2148
Τι έγινε λοιπόν;
07:19
Well I thought, when you're
looking at informationπληροφορίες at this levelεπίπεδο,
195
427038
2775
Νόμιζα, ότι όταν βλέπετε
την πληροφορία σε αυτό το επίπεδο,
07:21
it's so easyεύκολος to loseχάνω trackπίστα of what you're doing.
196
429813
2827
είναι εύκολο να χαθείς σε αυτό που κάνεις.
07:24
It's easyεύκολος to not see the forestδάσος throughδιά μέσου the treesδέντρα.
197
432640
1744
Είναι εύκολο να χάσετε το δάσος
μέσα στα δέντρα.
07:26
It's easyεύκολος to go down the wrongλανθασμένος rabbitκουνέλι holeτρύπα
198
434384
2164
Είναι εύκολο να μπείτε
στη λάθος κουνελότρυπα
07:28
and wasteαπόβλητα a tremendousκαταπληκτικός amountποσό of time
199
436548
1762
και να σπαταλήσετε απίστευτο χρόνο
07:30
doing the wrongλανθασμένος thing.
200
438310
1820
κάνοντας κάτι λάθος.
07:32
But I had this epiphanyθεοφάνεια.
201
440130
1600
Αλλά είχα αυτή την επιφοίτηση.
07:33
We were looking at the dataδεδομένα completelyεντελώς incorrectlyεσφαλμένα
202
441730
2999
Κοιτούσαμε τα δεδομένα
με τελείως λάθος τρόπο
07:36
sinceΑπό day one.
203
444729
1490
από την πρώτη μέρα.
07:38
This is how computersΥπολογιστές think, onesαυτές and zerosμηδενικά.
204
446219
2103
Έτσι σκέφτονται οι υπολογιστές,
άσσοι και μηδενικά.
07:40
It's not how people think,
205
448322
1392
Οι άνθρωποι δεν σκέφτονται έτσι,
07:41
but we'veέχουμε been tryingπροσπαθεί to adaptπροσαρμόζω our mindsμυαλά
206
449714
2314
αλλά προσπαθούμε
να προσαρμόσουμε τα μυαλά μας
07:44
to think more like computersΥπολογιστές
207
452028
1345
να σκέφτονται περισσότερο
σαν υπολογιστές
07:45
so that we can understandκαταλαβαίνουν this informationπληροφορίες.
208
453373
2597
ώστε να μπορούμε να καταλάβουμε
αυτήν την πληροφορία.
07:47
InsteadΑντίθετα of tryingπροσπαθεί to make our mindsμυαλά fitκατάλληλος the problemπρόβλημα,
209
455970
1950
Αντί να προσπαθούμε να ταιριάξουμε
τα μυαλά μας στο πρόβλημα,
07:49
we should have been makingκατασκευή the problemπρόβλημα
210
457920
1648
θα έπρεπε να κάνουμε το πρόβλημα
07:51
fitκατάλληλος our mindsμυαλά,
211
459568
969
να ταιριάζει στα μυαλά μας,
07:52
because our brainsμυαλά have a tremendousκαταπληκτικός potentialδυνητικός
212
460537
2109
επειδή ο εγκέφαλός μας
έχει τεράστιες δυνατότητες
07:54
for analyzingανάλυση hugeτεράστιος amountsποσά of informationπληροφορίες,
213
462646
3086
ανάλυσης μεγάλων ποσοτήτων πληροφοριών,
07:57
just not like this.
214
465732
1297
απλώς όχι έτσι.
07:59
So what if we could unlockξεκλειδώσετε that potentialδυνητικός
215
467029
1467
Κι αν μπορούσαμε
να ξεκλειδώσουμε τη δυνατότητα
08:00
just by translatingμετάφραση this
216
468496
1527
απλώς μεταφράζοντάς το
08:02
to the right kindείδος of informationπληροφορίες?
217
470023
2848
στο σωστό είδος πληροφορίας;
08:04
So with these ideasιδέες in mindμυαλό,
218
472871
1194
Με αυτά στο μυαλό,
έτρεξα από το υπόγειο εργαστήριό μου
στη δουλειά
08:06
I sprintedsprinted out of my basementυπόγειο labεργαστήριο at work
219
474065
1618
08:07
to my basementυπόγειο labεργαστήριο at home,
220
475683
1307
στο υπόγειο εργαστήριό μου στο σπίτι,
08:08
whichοι οποίες lookedκοίταξε prettyαρκετά much the sameίδιο.
221
476990
1996
τα οποία φαίνονται πάνω κάτω τα ίδια.
08:10
The mainκύριος differenceδιαφορά is, at work,
222
478986
1824
Η κύρια διαφορά είναι ότι στη δουλειά
08:12
I'm surroundedπεριβάλλεται by cyberστον κυβερνοχώρο materialsυλικά,
223
480810
1579
περιτριγυρίζομαι από κυβερνοϋλικά,
08:14
and cyberστον κυβερνοχώρο seemedφαινόταν to be the
problemπρόβλημα in this situationκατάσταση.
224
482389
2605
και ο κυβερνοχώρος φαίνεται
πως ήταν το πρόβλημα εδώ.
08:16
At home, I'm surroundedπεριβάλλεται by
everything elseαλλού I've ever learnedέμαθα.
225
484994
3353
Στο σπίτι περιτριγυρίζομαι από
οτιδήποτε άλλο έχω μάθει ποτέ μου.
08:20
So I pouredχύθηκε throughδιά μέσου everyκάθε bookΒιβλίο I could find,
226
488347
1872
Έτσι κοίταξα σε όλα τα βιβλία
που μπορούσα να βρω,
08:22
everyκάθε ideaιδέα I'd ever encounteredσυνάντησε,
227
490219
1332
όλες τις ιδέες που συνάντησα,
08:23
to see how could we translateμεταφράζω a problemπρόβλημα
228
491551
2146
για να δω πώς μπορούμε
να μεταφράσουμε ένα πρόβλημα
08:25
from one domainτομέα to something completelyεντελώς differentδιαφορετικός?
229
493697
3132
από ένα πεδίο σε κάτι τελείως διαφορετικό;
08:28
The biggestμέγιστος questionερώτηση was,
230
496829
1394
Το μεγαλύτερο ερώτημα ήταν,
08:30
what do we want to translateμεταφράζω it to?
231
498223
1968
σε τι θέλουμε να το μεταφράσουμε;
08:32
What do our brainsμυαλά do perfectlyτέλεια naturallyΦυσικά
232
500191
2112
Τι κάνουν οι εγκέφαλοί μας τελείως φυσικά
08:34
that we could exploitεκμεταλλεύομαι?
233
502303
1878
που θα μπορούσαμε να εκμεταλλευτούμε;
08:36
My answerαπάντηση was visionόραμα.
234
504181
2289
Η απάντησή μου ήταν η όραση.
08:38
We have a tremendousκαταπληκτικός capabilityικανότητα
to analyzeαναλύει visualοπτικός informationπληροφορίες.
235
506470
3149
Έχουμε μια τεράστια δυνατότητα
να αναλύουμε οπτικές πληροφορίες.
Μπορούμε να συνδυάσουμε
βαθμίδες χρώματος, ενδείξεις βάθους,
08:41
We can combineσυνδυασμός colorχρώμα gradientsκλίσεις, depthβάθος cuesσυνθήματα,
236
509619
2583
08:44
all sortsείδος of these differentδιαφορετικός signalsσήματα
237
512202
1788
διάφορα τέτοια σήματα
08:45
into one coherentσυνεκτική pictureεικόνα of the worldκόσμος around us.
238
513990
2395
σε μια συνεκτική εικόνα
του κόσμου γύρω μας.
08:48
That's incredibleαπίστευτος.
239
516385
1407
Είναι απίστευτο.
08:49
So if we could find a way to translateμεταφράζω
240
517792
1381
Αν βρούμε έναν τρόπο να μεταφράσουμε
08:51
these binaryδυάδικος patternsσχέδια to visualοπτικός signalsσήματα,
241
519173
2186
αυτά τα δυαδικά μοτίβα σε οπτικά σήματα,
08:53
we could really unlockξεκλειδώσετε the powerεξουσία of our brainsμυαλά
242
521359
1832
θα μπορούσαμε να ξεκλειδώσουμε
τη δύναμη του μυαλού μας
08:55
to processεπεξεργάζομαι, διαδικασία this stuffυλικό.
243
523191
2710
να επεξεργάζεται αυτά τα πράγματα.
08:57
So I startedξεκίνησε looking at the binaryδυάδικος informationπληροφορίες,
244
525901
1843
Έτσι ξεκίνησα να κοιτάω
τη δυαδική πληροφορία
08:59
and I askedερωτηθείς myselfεγώ ο ίδιος, what do I do
245
527744
1090
και αναρωτήθηκα, τι κάνω
09:00
when I first encounterσυνάντηση something like this?
246
528834
1876
όταν πρωτοσυνατώ κάτι τέτοιο;
09:02
And the very first thing I want to do,
247
530710
1623
Το πρώτο πράγμα που θέλω να κάνω,
09:04
the very first questionερώτηση I want to answerαπάντηση,
248
532333
1359
η πρώτη ερώτηση που θέλω να απαντήσω,
09:05
is what is this?
249
533692
1278
είναι, τι είναι αυτό;
09:06
I don't careΦροντίδα what it does, how it worksεργοστάσιο.
250
534970
2528
Δεν με νοιάζει τι κάνει,
πώς λειτουργεί.
09:09
All I want to know is, what is this?
251
537498
2479
Αυτό που θέλω να ξέρω είναι,
τι είναι αυτό;
09:11
And the way I can figureεικόνα that out
252
539977
1675
Και αυτό μπορώ να το βρω
09:13
is by looking at chunksκομμάτια,
253
541652
1683
κοιτάζοντας κομμάτια,
09:15
sequentialδιαδοχική chunksκομμάτια of binaryδυάδικος informationπληροφορίες,
254
543335
2453
διαδοχικά κομμάτια δυαδικών πληροφοριών,
09:17
and I look at the relationshipsσχέσεις
betweenμεταξύ those chunksκομμάτια.
255
545788
2902
και κοιτάζω τις σχέσεις
ανάμεσα σε αυτά τα κομμάτια.
Όταν μαζέψω αρκετές πληροφορίες
γι' αυτές τις ακολουθίες,
09:20
When I gatherμαζεύω up enoughαρκετά of these sequencesακολουθίες,
256
548690
1772
09:22
I beginαρχίζουν to get an ideaιδέα of exactlyακριβώς
257
550462
2004
αρχίζω να παίρνω μια ιδέα
09:24
what this informationπληροφορίες mustπρέπει be.
258
552466
2634
για το τι πρέπει να είναι ακριβώς
αυτή η πληοροφορία.
09:27
So let's go back to that
259
555100
1184
Ας επιστρέψουμε
στο θέμα της έκρηξης
του τηλεφώνου του τρομοκράτη.
09:28
blowπλήγμα up the terrorist'sτης τρομοκρατίας phoneτηλέφωνο situationκατάσταση.
260
556284
2090
09:30
This is what EnglishΑγγλικά textκείμενο looksφαίνεται like
261
558374
2203
Το κείμενο στα Αγγλικά
μοιάζει έτσι
09:32
at a binaryδυάδικος levelεπίπεδο.
262
560577
1313
σε δυαδικό επίπεδο.
09:33
This is what your contactsεπαφές listλίστα would look like
263
561890
2326
Έτσι θα πρέπει να φαίνεται
η λίστα των επαφών σας
09:36
if I were examiningεξέταση it.
264
564216
1560
αν την εξέταζα.
09:37
It's really hardσκληρά to analyzeαναλύει this at this levelεπίπεδο,
265
565776
2234
Είναι πολύ δύσκολο
να αναλύετε σε αυτό το επίπεδο,
09:40
but if we take those sameίδιο binaryδυάδικος chunksκομμάτια
266
568010
2104
αλλά αν βγάλουμε αυτά τα δυαδικά κομμάτια
09:42
that I would be tryingπροσπαθεί to find,
267
570114
1182
που προσπαθούμε να βρούμε,
09:43
and insteadαντι αυτου translateμεταφράζω that
268
571296
1764
και αντ' αυτού να τα μεταφράσουμε
09:45
to a visualοπτικός representationαναπαράσταση,
269
573060
1920
σε μια οπτική απεικόνιση,
09:46
translateμεταφράζω those relationshipsσχέσεις,
270
574980
1797
να μεταφράσουμε αυτές τις σχέσεις,
09:48
this is what we get.
271
576777
1556
να τι θα πάρουμε.
09:50
This is what EnglishΑγγλικά textκείμενο looksφαίνεται like
272
578333
1914
Έτσι φαίνεται το κείμενο στα Αγγλικά
09:52
from a visualοπτικός abstractionαφαίρεση perspectiveπροοπτική.
273
580247
2671
από την άποψη οπτικής άντλησης.
09:54
All of a suddenαιφνίδιος,
274
582918
1140
Ξαφνικά,
09:56
it showsδείχνει us all the sameίδιο informationπληροφορίες
275
584058
1435
μας δείχνει τις ίδιες πληροφορίες
09:57
that was in the onesαυτές and zerosμηδενικά,
276
585493
1172
που ήταν στους άσσους και τα μηδενικά
09:58
but showπροβολή us it in an entirelyεξ ολοκλήρου differentδιαφορετικός way,
277
586665
2321
αλλά με έναν τελείως διαφορετικό τρόπο
10:00
a way that we can immediatelyαμέσως comprehendκατανοήσει.
278
588986
1717
που μπορούμε να καταλάβουμε άμεσα.
10:02
We can instantlyστη στιγμή see all of the patternsσχέδια here.
279
590703
2965
Βλέπουμε αμέσως όλα τα μοτίβα εδώ.
10:05
It takes me secondsδευτερολέπτων to pickδιαλέγω out patternsσχέδια here,
280
593668
2592
Μου παίρνει δευτερόλεπτα
να ξεχωρίσω εδώ τα μοτίβα,
10:08
but hoursώρες, daysημέρες, to pickδιαλέγω them out
281
596260
2254
αλλά ώρες, μέρες να τα ξεχωρίσω
10:10
in onesαυτές and zerosμηδενικά.
282
598514
1320
σε άσσους και μηδενικά.
10:11
It takes minutesλεπτά for anybodyοποιοσδήποτε to learnμαθαίνω
283
599834
1736
Οποιοσδήποτε το μαθαίνει σε λεπτά
10:13
what these patternsσχέδια representεκπροσωπώ here,
284
601570
1665
τι αντιπροσωπεύουν εδώ τα μοτίβα,
10:15
but yearsχρόνια of experienceεμπειρία in cyberστον κυβερνοχώρο
285
603235
2247
αλλά χρόνια εμπειρίας στον κυβερνοχώρο
10:17
to learnμαθαίνω what those sameίδιο patternsσχέδια representεκπροσωπώ
286
605482
1654
για να μάθω τι αντιπροσωπεύουν
τα ίδια μοτίβα σε άσσους και μηδενικά.
10:19
in onesαυτές and zerosμηδενικά.
287
607136
1586
10:20
So this pieceκομμάτι is causedπροκαλούνται by
288
608722
1662
Αυτό το κομμάτι προκλήθηκε
από πεζά γράμματα
που ακολουθούνται από πεζά γράμματα
10:22
lowerπιο χαμηλα caseπερίπτωση lettersγράμματα followedακολούθησε by lowerπιο χαμηλα caseπερίπτωση lettersγράμματα
289
610384
2024
10:24
insideμέσα of that contactΕπικοινωνία listλίστα.
290
612408
1767
μέσα σε μια λίστα επαφών.
10:26
This is upperανώτερος caseπερίπτωση by upperανώτερος caseπερίπτωση,
291
614175
1341
Αυτά είναι κεφαλαία με κεφαλαία,
10:27
upperανώτερος caseπερίπτωση by lowerπιο χαμηλα caseπερίπτωση, lowerπιο χαμηλα caseπερίπτωση by upperανώτερος caseπερίπτωση.
292
615516
2685
κεφαλαία με πεζά, πεζά με κεφαλαία.
10:30
This is causedπροκαλούνται by spacesχώρων. This
is causedπροκαλούνται by carriageμεταφορά returnsεπιστρέφει.
293
618201
2686
Αυτό προκαλείται από κενά.
Αυτό από χαρακτήρα επαναφοράς.
10:32
We can go throughδιά μέσου everyκάθε little detailλεπτομέρεια
294
620887
1508
Μπορούμε να περάσουμε κάθε λεπτομέρεια
10:34
of the binaryδυάδικος informationπληροφορίες in secondsδευτερολέπτων,
295
622395
2966
της δυαδικής πληροφορίας
μέσα σε δευτερόλεπτα,
10:37
as opposedαντίθετος to weeksεβδομάδες, monthsμήνες, at this levelεπίπεδο.
296
625361
3534
σε αντίθεση με εβδομάδες, μήνες,
σε αυτό το επίπεδο.
10:40
This is what an imageεικόνα looksφαίνεται like
297
628895
1512
Έτσι φαίνεται μια εικόνα
10:42
from your cellκύτταρο phoneτηλέφωνο.
298
630407
1876
από το κινητό σας τηλέφωνο.
10:44
But this is what it looksφαίνεται like
299
632283
1013
Αλλά έτσι φαίνεται
10:45
in a visualοπτικός abstractionαφαίρεση.
300
633296
1891
σε μια όπτική άντληση.
10:47
This is what your musicΜΟΥΣΙΚΗ looksφαίνεται like,
301
635187
1985
Έτσι φαίνεται η μουσική σας.
10:49
but here'sεδώ είναι its visualοπτικός abstractionαφαίρεση.
302
637172
2203
αλλά να η οπτική του άντληση.
10:51
MostΠερισσότερα importantlyείναι σημαντικό for me,
303
639375
1760
Το πιο σημαντικό για μένα
10:53
this is what the codeκώδικας on your cellκύτταρο phoneτηλέφωνο looksφαίνεται like.
304
641135
3275
είναι το πώς φαίνεται ο κώδικας
στο κινητό σας τηλέφωνο.
10:56
This is what I'm after in the endτέλος,
305
644410
2157
Αυτό ψάχνω στην τελική,
10:58
but this is its visualοπτικός abstractionαφαίρεση.
306
646567
2140
αλλά αυτό είναι η οπτική του άντληση.
11:00
If I can find this, I can't make the phoneτηλέφωνο explodeεκραγεί.
307
648707
2509
Αν δεν το βρω, δεν μπορώ
να κάνω το τηλέφωνο να εκραγεί.
11:03
I could spendδαπανήσει weeksεβδομάδες tryingπροσπαθεί to find this
308
651216
2619
Μπορώ να περάσω εβδομάδες
προσπαθώντας να το βρω
11:05
in onesαυτές and zerosμηδενικά,
309
653835
1177
μέσα σε άσσους και μηδενικά,
11:07
but it takes me secondsδευτερολέπτων to pickδιαλέγω out
310
655012
1784
αλλά μου παίρνει δευτερόλεπτα
να ξεχωρίσω
11:08
a visualοπτικός abstractionαφαίρεση like this.
311
656796
3304
μια τέτοια οπτική άντληση.
11:12
One of those mostπλέον remarkableαξιοσημείωτος partsεξαρτήματα about all of this
312
660100
2492
Ένα από τα πιο αξιοσημείωτα κομμάτια
απ' όλα αυτό
11:14
is it givesδίνει us an entirelyεξ ολοκλήρου newνέος way to understandκαταλαβαίνουν
313
662592
2832
είναι ότι μας δίνει έναν τελείως νέο τρόπο
να καταλάβουμε
11:17
newνέος informationπληροφορίες, stuffυλικό that we haven'tδεν έχουν seenείδα before.
314
665424
3239
νέες πληροφορίες,
πράγματα που δεν έχουμε δει πριν.
11:20
So I know what EnglishΑγγλικά looksφαίνεται like at a binaryδυάδικος levelεπίπεδο,
315
668663
2504
Έτσι ξέρω πώς φαίνονται τα Αγγλικά
σε δυαδικό επίπεδο,
11:23
and I know what its visualοπτικός abstractionαφαίρεση looksφαίνεται like,
316
671167
2110
και ξέρω πώς μοιάζει
η οπτική τους άντληση,
11:25
but I've never seenείδα RussianΡωσικά binaryδυάδικος in my entireολόκληρος life.
317
673277
3315
αλλά δεν έχω δει ποτέ στη ζωή μου
Ρωσικά δυαδικά.
11:28
It would take me weeksεβδομάδες just to figureεικόνα out
318
676592
1800
Θα μου έπαιρνε εβδομάδες
μόνο να καταλάβω
11:30
what I was looking at from rawακατέργαστος onesαυτές and zerosμηδενικά,
319
678392
2997
τι κοιτούσα στους μη επεξεργασμένους
άσσους και μηδενικά,
11:33
but because our brainsμυαλά can instantlyστη στιγμή pickδιαλέγω up
320
681389
1751
αλλά επειδή οι εγκέφαλοί μας
ξεχωρίζουν αμέσως
11:35
and recognizeαναγνωρίζω these subtleδιακριτικό patternsσχέδια insideμέσα
321
683140
2817
και αναγνωρίζουν αυτά
τα ανεπαίσθητα μοτίβα μέσα
11:37
of these visualοπτικός abstractionsαφηρημένες έννοιες,
322
685957
1488
σε αυτές τις οπτικές αντλήσεις,
11:39
we can unconsciouslyασυνείδητα applyισχύουν those
323
687445
1832
μπορούμε υποσυνείδητα
να τα εφαρμόσουμε
11:41
in newνέος situationsκαταστάσεις.
324
689277
1573
σε νέες καταστάσεις.
11:42
So this is what RussianΡωσικά looksφαίνεται like
325
690850
1482
Έτσι φαίνονται λοιπόν τα Ρωσικά
11:44
in a visualοπτικός abstractionαφαίρεση.
326
692332
1580
σε μια οπτική άντληση.
11:45
Because I know what one languageΓλώσσα looksφαίνεται like,
327
693912
1804
Επειδή ξέρω πώς μοιάζει μια γλώσσα,
11:47
I can recognizeαναγνωρίζω other languagesΓλώσσες
328
695716
1576
μπορώ να αναγνωρίσω άλλες γλώσσες
11:49
even when I'm not familiarοικείος with them.
329
697292
1870
ακόμη κι αν δεν μου είναι γνώριμες.
11:51
This is what a photographφωτογραφία looksφαίνεται like,
330
699162
1786
Έτσι μοιάζει μια φωτογραφία,
11:52
but this is what clipσυνδετήρας artτέχνη looksφαίνεται like.
331
700948
1887
αλλά έτσι μοιάζει ένα κλίπαρτ.
11:54
This is what the codeκώδικας on your phoneτηλέφωνο looksφαίνεται like,
332
702835
2555
Έτσι μοιάζει ο κώδικας στο τηλέφωνό σας,
11:57
but this is what the codeκώδικας on
your computerυπολογιστή looksφαίνεται like.
333
705390
2707
αλλά έτσι μοιάζει ο κώδικας
στον υπολογιστή σας.
12:00
Our brainsμυαλά can pickδιαλέγω up on these patternsσχέδια
334
708097
1864
Οι εγκέφαλοί μας ξεχωρίζουν αυτά τα μοτίβα
12:01
in waysτρόπους that we never could have
335
709961
1951
με τρόπους που δεν θα μπορούσαμε
12:03
from looking at rawακατέργαστος onesαυτές and zerosμηδενικά.
336
711912
2496
κοιτώντας τους μη επεξεργασμένους
άσσους και μηδενικά.
12:06
But we'veέχουμε really only scratchedγδαρμένο the surfaceεπιφάνεια
337
714408
1856
Αλλά έχουμε ξύσει μόνο την επιφάνεια
12:08
of what we can do with this approachπλησιάζω.
338
716264
2137
του τι μπορούμε να κάνουμε
με αυτήν την προσέγγιση.
12:10
We'veΈχουμε only begunάρχισε to unlockξεκλειδώσετε the capabilitiesικανότητες
339
718401
1678
Μόλις αρχίσαμε να ξεκλειδώνουμε
τις δυνατότητες του μυαλού μας
12:12
of our mindsμυαλά to processεπεξεργάζομαι, διαδικασία visualοπτικός informationπληροφορίες.
340
720079
3315
για την επεξεργασία
οπτικής πληροφορίας.
12:15
If we take those sameίδιο conceptsέννοιες and translateμεταφράζω them
341
723394
1990
Αν πάρουμε τις ίδιες έννοιες
και τις μεταφράσουμε
12:17
into threeτρία dimensionsδιαστάσεις insteadαντι αυτου,
342
725384
1651
σε τρεις διαστάσεις,
12:19
we find entirelyεξ ολοκλήρου newνέος waysτρόπους of
makingκατασκευή senseέννοια of informationπληροφορίες.
343
727035
3195
θα βρούμε εντελώς νέους τρόπους
για να καταλαβαίνουμε την πληροφορία.
12:22
In secondsδευτερολέπτων, we can pickδιαλέγω out everyκάθε patternπρότυπο here.
344
730230
2485
Σε δευτερόλεπτα, μπορούμε
να ξεχωρίσουμε εδώ κάθε μοτίβο.
12:24
we can see the crossσταυρός associatedσυσχετισμένη with codeκώδικας.
345
732715
1820
Μπορούμε να δούμε σταυρούς
που σχετίζονται με τον κώδικα,
12:26
We can see cubesΚύβοι associatedσυσχετισμένη with textκείμενο.
346
734535
1932
τους κύβους
που έχουν να κάνουν με κείμενο.
12:28
We can even pickδιαλέγω up the tiniestελάχιστα visualοπτικός artifactsχειροποίητα αντικείμενα.
347
736467
2476
Μπορούμε να ξεχωρίσουμε ακόμη
και τα μικρότερα οπτικά αντικείμενα.
12:30
Things that would take us weeksεβδομάδες,
348
738943
2130
Πράγματα που θα χρειάζονταν εβδομάδες,
12:33
monthsμήνες to find in onesαυτές and zeroesμηδενικά,
349
741073
2194
μήνες για να βρεθούν
σε άσσους και μηδενικά,
12:35
are immediatelyαμέσως apparentπροκύπτει
350
743267
1803
εμφανίζονται άμεσα
12:37
in some sortείδος of visualοπτικός abstractionαφαίρεση,
351
745070
2270
σε κάποιου είδους οπτική άντληση
12:39
and as we continueνα συνεχίσει to go throughδιά μέσου this
352
747340
1132
και καθώς συνεχίζουμε
12:40
and throwβολή more and more informationπληροφορίες at it,
353
748472
2016
και του πετάμε περισσότερη πληροφορία,
12:42
what we find is that we're capableικανός of processingεπεξεργασία
354
750488
2281
βρίσκουμε ότι είμαστε
ικανοί να επεξεργαστούμε
12:44
billionsδισεκατομμύρια of onesαυτές and zerosμηδενικά
355
752769
2416
δισεκατομμύρια άσσους και μηδενικά
12:47
in a matterύλη of secondsδευτερολέπτων
356
755185
1168
μέσα σε δευτερόλεπτα
12:48
just by usingχρησιμοποιώντας our brain'sτου εγκεφάλου built-inενσωματωμένη abilityικανότητα
357
756353
3234
απλώς χρησιμοποιώντας
την έμφυτη ικανότητα του εγκεφάλου μας
12:51
to analyzeαναλύει patternsσχέδια.
358
759587
1954
να αναλύει μοτίβα.
12:53
So this is really niceόμορφη and helpfulβοηθητικός,
359
761541
2303
Οπότε είναι ωραίο και βοηθάει,
12:55
but all this tellsλέει me is what I'm looking at.
360
763844
2359
αλλά το μόνο που μου λέει είναι τι κοιτάω.
12:58
So at this pointσημείο, basedμε βάση on visualοπτικός patternsσχέδια,
361
766203
1484
Τώρα, βασισμένος σε οπτικά μοτίβα
12:59
I can find the codeκώδικας on the phoneτηλέφωνο.
362
767687
2409
μπορώ να βρω τον κώδικα στο τηλέφωνο.
13:02
But that's not enoughαρκετά to blowπλήγμα up a batteryμπαταρία.
363
770096
2665
Αλλά αυτό δεν αρκεί
για να ανατινάξω την μπαταρία.
13:04
The nextεπόμενος thing I need to find is the codeκώδικας
364
772761
1568
Μετά πρέπει να βρω τον κώδικα
13:06
that controlsελέγχους the batteryμπαταρία, but we're back
365
774329
1761
που ελέγχει την μπαταρία,
αλλά επιστρέφουμε
13:08
to the needleβελόνα in a stackσωρός of needlesβελόνες problemπρόβλημα.
366
776090
1731
στο πρόβλημα της βελόνας στις βελόνες.
13:09
That codeκώδικας looksφαίνεται prettyαρκετά much like all the other codeκώδικας
367
777821
2389
Ο κώδικας μοιάζει
σαν οποιονδήποτε άλλο κώδικα
13:12
on that systemΣύστημα.
368
780210
2238
σε αυτό το σύστημα.
13:14
So I mightθα μπορούσε not be ableικανός to find the
codeκώδικας that controlsελέγχους the batteryμπαταρία,
369
782448
2401
Έτσι ίσως να μην βρω
τον κώδικα που ελέγχει την μπαταρία.
13:16
but there's a lot of things
that are very similarπαρόμοιος to that.
370
784849
2011
αλλά πολλά πράγματα
είναι παρόμοια με αυτό.
13:18
You have codeκώδικας that controlsελέγχους your screenοθόνη,
371
786860
1854
Έχετε τον κώδικα που ελέγχει
την οθόνη σας,
13:20
that controlsελέγχους your buttonsκουμπιά,
that controlsελέγχους your microphonesμικρόφωνα,
372
788714
2216
τα κουμπιά σας, το μικρόφωνό σας,
13:22
so even if I can't find the codeκώδικας for the batteryμπαταρία,
373
790930
1928
και ακόμη κι αν δεν βρω
τον κώδικα για την μπαταρία
13:24
I betστοίχημα I can find one of those things.
374
792858
2245
πάω στοίχημα ότι μπορώ να βρω
έναν από αυτούς.
13:27
So the nextεπόμενος stepβήμα in my binaryδυάδικος analysisανάλυση processεπεξεργάζομαι, διαδικασία
375
795103
2705
Το επόμενο βήμα στη διαδικασία
δυαδικής ανάλυσης
13:29
is to look at piecesκομμάτια of informationπληροφορίες
376
797808
1231
είναι να δούμε κομμάτια πληροφορίας
13:31
that are similarπαρόμοιος to eachκαθε other.
377
799039
2018
που είναι παρόμοια μεταξύ τους.
13:33
It's really, really hardσκληρά to do at a binaryδυάδικος levelεπίπεδο,
378
801057
3983
Είναι πραγματικά δύσκολο
να γίνει σε δυαδικό επίπεδο,
13:37
but if we translateμεταφράζω those similaritiesομοιότητες
to a visualοπτικός abstractionαφαίρεση insteadαντι αυτου,
379
805040
3643
αλλά αν μεταφράσουμε αυτές τις ομοιότητες
σε μια οπτική άντληση,
δεν θα χρειαστεί καν να κοιτάξω
τα μη επεξεργασμένα δεδομένα.
13:40
I don't even have to siftΔιύλιση throughδιά μέσου the rawακατέργαστος dataδεδομένα.
380
808683
2438
13:43
All I have to do is wait for the imageεικόνα to lightφως up
381
811121
2155
Θα πρέπει μόνο να περιμένω
να φωτίσει η εικόνα
13:45
to see when I'm at similarπαρόμοιος piecesκομμάτια.
382
813276
2236
για να δω όταν θα είμαι
σε παρόμοια κομμάτια.
13:47
I followακολουθηστε these strandsσκέλη of similarityομοιότητα
like a trailμονοπάτι of breadψωμί crumbsψίχουλα
383
815512
3028
Ακολουθώ αυτά τα νήματα ομοιότητας
σαν ένα μονοπάτι με ψίχουλα
13:50
to find exactlyακριβώς what I'm looking for.
384
818540
3106
για να βρω ακριβώς αυτό που ψάχνω.
13:53
So at this pointσημείο in the processεπεξεργάζομαι, διαδικασία,
385
821646
1734
Σε αυτό το σημείο της διαδικασίας,
13:55
I've locatedπου βρίσκεται the codeκώδικας
386
823380
1318
έχω εντοπίσει τον κώδικα
13:56
responsibleυπεύθυνος for controllingέλεγχος your batteryμπαταρία,
387
824698
1685
που ελέγχει την μπαταρίας σας,
13:58
but that's still not enoughαρκετά to blowπλήγμα up a phoneτηλέφωνο.
388
826383
2576
αλλά δεν είναι αρκετό
για να ανατινάξω ένα τηλέφωνο.
14:00
The last pieceκομμάτι of the puzzleπαζλ
389
828959
1564
Το τελευταίο κομμάτι του γρίφου
14:02
is understandingκατανόηση how that codeκώδικας
390
830523
2679
είναι να καταλάβω πώς αυτός ο κώδικας
14:05
controlsελέγχους your batteryμπαταρία.
391
833202
1202
ελέγχει την μπαταρία σας.
14:06
For this, I need to identifyαναγνωρίζω
392
834404
2388
Γι' αυτό, πρέπει να αναγνωρίσω
τις ανεπαίσθητες και λεπτομερείς σχέσεις
14:08
very subtleδιακριτικό, very detailedλεπτομερείς relationshipsσχέσεις
393
836792
1716
14:10
withinστα πλαίσια that binaryδυάδικος informationπληροφορίες,
394
838508
2089
μέσα στη δυαδική πληροφορία,
14:12
anotherαλλο very hardσκληρά thing to do
395
840597
1755
κάτι πολύ δύσκολο
14:14
when looking at onesαυτές and zerosμηδενικά.
396
842352
2312
όταν κοιτάς άσσους και μηδενικά.
14:16
But if we translateμεταφράζω that informationπληροφορίες
397
844664
1396
Αλλά αν μεταφράσουμε αυτή την πληροφορία
14:18
into a physicalφυσικός representationαναπαράσταση,
398
846060
2180
σε μια φυσική αντιπροσώπευση,
14:20
we can sitκαθίζω back and let our
visualοπτικός cortexφλοιός do all the hardσκληρά work.
399
848240
3016
μπροούμε να αράξουμε και να αφήσουμε
τον οπτικό φλοιό μας να δουλέψει.
14:23
It can find all the detailedλεπτομερείς patternsσχέδια,
400
851256
1734
Μπορεί να βρει όλα τα λεπτομερή μοτίβα,
14:24
all the importantσπουδαίος piecesκομμάτια, for us.
401
852990
2020
όλα τα σημαντικά κομμάτια, για μας.
14:27
It can find out exactlyακριβώς how the piecesκομμάτια of that codeκώδικας
402
855010
2593
Μπορεί να βρει ακριβώς
πώς τα κομμάτια του κώδικα
14:29
work togetherμαζί to controlέλεγχος that batteryμπαταρία.
403
857603
2934
δουλεύουν για να ελέγξουν την μπαταρία.
14:32
All of this can be doneΈγινε in a matterύλη of hoursώρες,
404
860537
3004
Όλα αυτά μπορούν να γίνουν σε ώρες,
14:35
whereasενώ the sameίδιο processεπεξεργάζομαι, διαδικασία
405
863541
1356
ενώ η ίδια διαδικασία
14:36
would have takenληφθεί monthsμήνες in the pastτο παρελθόν.
406
864897
2922
στο παρελθόν θα χρειαζόταν μήνες.
14:39
This is all well and good
407
867819
1189
Όλα είναι καλά και ωραία
14:41
in a theoreticalθεωρητικός blowπλήγμα up a terrorist'sτης τρομοκρατίας phoneτηλέφωνο situationκατάσταση.
408
869008
2942
σε μια θεωρητική περίπτωση
έκρηξης του τηλεφώνου του τρομοκράτη.
14:43
I wanted to find out if this would really work
409
871950
2847
Ήθελα να βρω αν όντως θα δούλευε αυτό
14:46
in the work I do everyκάθε day.
410
874797
2629
στη δουλειά που κάνω καθημερινά.
14:49
So I was playingπαιχνίδι around with these sameίδιο conceptsέννοιες
411
877426
3055
Έπαιζα με τις ίδιες έννοιες
14:52
with some of the dataδεδομένα I've lookedκοίταξε at in the pastτο παρελθόν,
412
880481
3024
με κάποια δεδομένα
που είχα κοιτάξει παλαιότερα,
14:55
and yetΑκόμη again, I was tryingπροσπαθεί to find
413
883505
2492
και πάλι, προσπαθούσα να βρω
14:57
a very detailedλεπτομερείς, specificειδικός pieceκομμάτι of codeκώδικας
414
885997
2208
ένα πολύ λεπτομερές, συγκεκριμένο
κομμάτι κώδικα
15:00
insideμέσα of a massiveογκώδης pieceκομμάτι of binaryδυάδικος informationπληροφορίες.
415
888205
3595
μέσα σε ένα τεράστιο κομμάτι
δυαδικής πληροφορίας.
15:03
So I lookedκοίταξε at it at this levelεπίπεδο,
416
891800
1773
Έτσι το κοίταξα σε αυτό το επίπεδο,
15:05
thinkingσκέψη I was looking at the right thing,
417
893573
1950
νομίζοντας ότι κοιτούσα το σωστό πράγμα,
15:07
only to see this doesn't have
418
895523
2321
μόνο για να δω ότι δεν έχει
15:09
the connectivityσυνδεσιμότητα I would have expectedαναμενόμενος
419
897844
1740
την συνδεσιμότητα που θα περίμενα
15:11
for the codeκώδικας I was looking for.
420
899584
1905
για τον κώδικα που έψαχνα.
15:13
In factγεγονός, I'm not really sure what this is,
421
901489
2603
Στην πραγματικότητα, δεν είμαι
και τόσο σίγουρος τι είναι,
15:16
but when I steppedβγήκε back a levelεπίπεδο
422
904092
1012
αλλά όταν πήγα ένα επίπεδο πίσω
15:17
and lookedκοίταξε at the similaritiesομοιότητες withinστα πλαίσια the codeκώδικας
423
905104
1715
και κοίταξα τις ομοιότητες στον κώδικα
15:18
I saw, this doesn't have similaritiesομοιότητες
424
906819
2294
είδα ότι δεν έχει ομοιότητες
15:21
like any codeκώδικας that existsυπάρχει out there.
425
909113
1491
με κανέναν κώδικα που υπάρχει εκεί έξω.
15:22
I can't even be looking at codeκώδικας.
426
910604
2225
Δεν μπορεί να κοιτάω κώδικα.
15:24
In factγεγονός, from this perspectiveπροοπτική,
427
912829
2386
Στην πραγματικότητα,
από αυτήν την οπτική,
15:27
I could tell, this isn't codeκώδικας.
428
915215
2048
μπορούσα να πω ότι αυτό δεν ήταν κώδικας.
15:29
This is an imageεικόνα of some sortείδος.
429
917263
2048
Είναι ένα είδος εικόνας.
15:31
And from here, I can see,
430
919311
1682
Και από εδώ, μπορώ να δω,
15:32
it's not just an imageεικόνα, this is a photographφωτογραφία.
431
920993
2911
δεν είναι απλώς μια εικόνα,
είναι μια φωτογραφία.
15:35
Now that I know it's a photographφωτογραφία,
432
923904
1392
Τώρα που ξέρω ότι είναι φωτογραφία,
15:37
I've got dozensντουζίνες of other
binaryδυάδικος translationμετάφραση techniquesτεχνικές
433
925296
2930
έχω δεκάδες άλλες τεχνικές
δυαδικής μετάφρασης
15:40
to visualizeφαντάζομαι and understandκαταλαβαίνουν that informationπληροφορίες,
434
928226
2421
για να οπτικοποιήσω και να καταλάβω
αυτήν την πληροφορία,
15:42
so in a matterύλη of secondsδευτερολέπτων,
we can take this informationπληροφορίες,
435
930647
2543
έτσι μέσα σε λίγα δευτερόλεπτα,
μπορούμε να πάρουμε αυτήν την πληροφορία,
15:45
shoveσπρώχνω it throughδιά μέσου a dozenντουζίνα other
visualοπτικός translationμετάφραση techniquesτεχνικές
436
933190
2397
να την περάσουμε μέσα από δεκάδες άλλες
οπτικές τεχνικές μετάφρασης
15:47
in orderΣειρά to find out exactlyακριβώς what we were looking at.
437
935587
3731
για να ανακαλύψουμε ακριβώς τι κοιτάμε.
15:51
I saw — (LaughterΤο γέλιο) —
438
939318
1682
Είδα - (Γέλια) -
15:53
it was that darnκαταριέται kittenγατάκι again.
439
941000
3456
ήταν πάλι αυτή η καταραμένη γατούλα.
15:56
All this is enabledενεργοποιημένη
440
944456
1050
Όλα αυτά είναι δυνατά
15:57
because we were ableικανός to find a way
441
945506
1495
επειδή μπορέσαμε να βρούμε έναν τρόπο
15:59
to translateμεταφράζω a very hardσκληρά problemπρόβλημα
442
947001
2029
να μεταφράσουμε
ένα πολύ δύσκολο πρόβλημα
16:01
to something our brainsμυαλά do very naturallyΦυσικά.
443
949030
2512
σε κάτι που οι εγκέφαλοί μας
κάνουν πολύ φυσικά.
16:03
So what does this mean?
444
951542
2238
Τι σημαίνει αυτό λοιπόν;
16:05
Well, for kittensγατάκια, it meansπου σημαίνει
445
953780
1545
Για τις γατούλες, σημαίνει
16:07
no more hidingΑπόκρυψη in onesαυτές and zerosμηδενικά.
446
955325
2417
ότι δεν κρύβονται πια
σε άσσους και μηδενικά.
16:09
For me, it meansπου σημαίνει no more wastedσπατάλη weekendsΣαββατοκύριακα.
447
957742
3303
Για μένα, σημαίνει ότι δεν θα έχω
άλλα χαμένα Σαββατοκύριακα.
16:13
For cyberστον κυβερνοχώρο, it meansπου σημαίνει we have a radicalριζικό newνέος way
448
961045
2612
Για τον κυβερνοχώρο, σημαίνει
ότι έχουμε έναν ριζοσπαστικό νέο τρόπο
16:15
to tackleανυψωτήρ the mostπλέον impossibleαδύνατο problemsπροβλήματα.
449
963657
2965
για να αντιμετωπίσουμε
τα πιο απίστευτα προβλήματα.
16:18
It meansπου σημαίνει we have a newνέος weaponόπλο
450
966622
1812
Σημαίνει ότι έχουμε ένα νέο όπλο
16:20
in the evolvingεξελίσσεται theaterθέατρο of cyberστον κυβερνοχώρο warfareπολεμικές επιχειρήσεις,
451
968434
2416
στο αναπτυσσόμενο θέατρο
του κυβερνοπολέμου,
16:22
but for all of us,
452
970850
1420
αλλά για όλους μας,
16:24
it meansπου σημαίνει that cyberστον κυβερνοχώρο engineersμηχανικούς
453
972270
1475
σημαίνει ότι οι κυβερνομηχανικοί
16:25
now have the abilityικανότητα to becomeγίνομαι first respondersανταποκρίθηκαν
454
973745
2146
έχουν τώρα τη δυνατότητα
να είναι οι πρώτοι αποκριτές
16:27
in emergencyεπείγον situationsκαταστάσεις.
455
975891
2583
σε καταστάσεις ανάγκης.
16:30
When secondsδευτερολέπτων countμετρώ,
456
978474
1047
Όταν τα δευτερόλεπτα μετρούν,
16:31
we'veέχουμε unlockedξεκλείδωτη the meansπου σημαίνει to stop the badκακό guys.
457
979521
3409
έχουμε ξεκλειδώσει τα μέσα
για να σταματήσουμε τους κακούς.
16:34
Thank you.
458
982930
2000
Σας ευχαριστώ.
16:36
(ApplauseΧειροκροτήματα)
459
984930
2962
(Χειροκρότημα)
Translated by Chryssa Rapessi
Reviewed by Nikolaos Benias

▲Back to top

ABOUT THE SPEAKER
Chris Domas - Cybersecurity researcher
Chris Domas is an embedded systems engineer and cybersecurity researcher.

Why you should listen

Chris Domas is a cyber-security researcher at the Battelle Memorial Institute. He specializes in embedded systems reverse-engineering (RE) and vulnerability analysis, figuring out how to manipulate electronic devices. Applying this towards national security, his group develops cyber technology that protects people on the newest front of global war.

Domas graduated from Ohio State University, where he set out to take every class offered by the school. He bounced between majors in electrical engineering, physics, mathematics, mechanical engineering, biology, chemistry, statistics, biomedical engineering, computer graphics, psychology, and linguistics, but finally ran out of money and was forced to graduate. Settling on a degree in computer science, with an irrelevant handful of minors, he joined Battelle as a cyber security researcher. Today, he strives to incorporate ideas from these disparate fields to tackle the world’s most challenging cyber problems in innovative and unexpected ways. As a result of his work, he received Battelle’s coveted 2013 Emerging Scientist and 2013 Technical Achievement awards. He continues to present research around the country, most recently at the cyber security conferences Black Hat, REcon and DerbyCon.

 

More profile about the speaker
Chris Domas | Speaker | TED.com