ABOUT THE SPEAKER
Tim Berners-Lee - Inventor
Tim Berners-Lee invented the World Wide Web. He leads the World Wide Web Consortium (W3C), overseeing the Web's standards and development.

Why you should listen

In the 1980s, scientists at CERN were asking themselves how massive, complex, collaborative projects -- like the fledgling LHC -- could be orchestrated and tracked. Tim Berners-Lee, then a contractor, answered by inventing the World Wide Web. This global system of hypertext documents, linked through the Internet, brought about a massive cultural shift ushered in by the new tech and content it made possible: AOL, eBay, Wikipedia, TED.com...

Berners-Lee is now director of the World Wide Web Consortium (W3C), which maintains standards for the Web and continues to refine its design. Recently he has envisioned a "Semantic Web" -- an evolved version of the same system that recognizes the meaning of the information it carries. He's the 3Com Founders Professor of Engineering in the School of Engineering with a joint appointment in the Department of Electrical Engineering and Computer Science at the Laboratory for Computer Science and Artificial Intelligence (CSAIL) at the MIT, where he also heads the Decentralized Information Group (DIG). He is also a Professor in the Electronics and Computer Science Department at the University of Southampton, UK.

More profile about the speaker
Tim Berners-Lee | Speaker | TED.com
TED2009

Tim Berners-Lee: The next web

Ο Τιμ Μπερνερς-Λι μιλάει για το επόμενο Διαδίκτυο

Filmed:
1,638,798 views

Πριν 20 χρόνια, ο Τιμ Μπέρνερς-Λι δημιούργησε τον Παγκόσμιο Ιστό. Για την επόμενή του δουλειά, αναπτύσσει ένα δίκτυο για ανοιχτά, συνδεδεμένα δεδομένα, το οποίο θα μπορεί να χειρίζεται νούμερα, με τον ίδιο τρόπο που το σημερινό Διαδίκτυο χρησιμοποιεί λέξεις, εικόνες και βίντεο: ένα δίκτυο που θα ξεκλειδώσει τα δεδομένα μας και θα αλλάξει τον τρόπο με τον οποίο τα χρησιμοποιούμε.
- Inventor
Tim Berners-Lee invented the World Wide Web. He leads the World Wide Web Consortium (W3C), overseeing the Web's standards and development. Full bio

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

00:18
Time fliesμύγες.
0
0
2000
Ο χρόνος περνάει γρήγορα.
00:20
It's actuallyπράγματι almostσχεδόν 20 yearsχρόνια agoπριν
1
2000
2000
Έχουν περάσει σχεδόν 20 χρόνια
00:22
when I wanted to reframeΤο Reframe the way we use informationπληροφορίες,
2
4000
4000
από τότε που ήθελα να αλλάξω τον τρόπο με τον οποίο χρησιμοποιούμε την πληροφορία,
00:26
the way we work togetherμαζί: I inventedεφευρέθηκε the WorldΚόσμο WideΕυρεία WebWeb.
3
8000
3000
τον τρόπο με τον οποίο δουλεύουμε μαζί: Δημιούργησα τον Παγκόσμιο Ιστό.
00:29
Now, 20 yearsχρόνια on, at TEDTED,
4
11000
3000
Τώρα, 20 χρόνια μετά, στο TED,
00:32
I want to askπαρακαλώ your help in a newνέος reframingReframing.
5
14000
4000
θέλω να ζητήσω τη βοήθειά σας για μία καινούρια αλλαγή.
00:37
So going back to 1989,
6
19000
4000
Πάμε λοιπόν πίσω στο 1989,
00:41
I wroteέγραψε a memoτιμολόγιο suggestingπροτείνοντας the globalπαγκόσμια hypertextυπερκειμένου systemΣύστημα.
7
23000
3000
όταν έγραψα ένα υπόμνημα στο οποίο περιέγραφα το παγκόσμιο σύστημα υπερκειμένου.
00:44
NobodyΚανείς δεν really did anything with it, prettyαρκετά much.
8
26000
3000
Τότε κανένας δεν έδωσε σημασία.
00:47
But 18 monthsμήνες laterαργότερα -- this is how innovationκαινοτομία happensσυμβαίνει --
9
29000
4000
Αλλά 18 μήνες αργότερα -- κάπως έτσι συμβαίνουν οι καινοτομίες --
00:51
18 monthsμήνες laterαργότερα, my bossαφεντικό said I could do it on the sideπλευρά,
10
33000
4000
18 μήνες αργότερα, το αφεντικό μου είπε ότι θα μπορούσα να δουλέψω πάνω σε αυτό αλλα όχι σαν κυρίως δουλειά
00:55
as a sortείδος of a playπαίζω projectέργο,
11
37000
2000
αλλά περίπου σαν χόμπι,
00:57
kickλάκτισμα the tiresελαστικά of a newνέος computerυπολογιστή we'dνυμφεύω got.
12
39000
2000
και να το δοκιμάσω σε έναν καινούριο υπολογιστή που είχαμε αγοράσει.
00:59
And so he gaveέδωσε me the time to codeκώδικας it up.
13
41000
3000
Έτσι μου έδωσε το χρόνο να γράψω τον κώδικα.
01:02
So I basicallyβασικα roughedχοντροπελεκημένη out what HTMLHTML should look like:
14
44000
5000
Οπότε βασικά έφτιαξα κάτι που έμοιαζε με HTML
01:07
hypertextυπερκειμένου protocolπρωτόκολλο, HTTPHTTP;
15
49000
3000
ένα πρωτόκολλο υπερκειμένου, HTTP
01:10
the ideaιδέα of URLsΔιευθύνσεις URL, these namesονόματα for things
16
52000
3000
την ιδέα των συνδέσμων, αυτά τα ονόματα για τα διάφορα πράγματα
01:13
whichοι οποίες startedξεκίνησε with HTTPHTTP.
17
55000
2000
που ξεκινούσαν με HTTP.
01:15
I wroteέγραψε the codeκώδικας and put it out there.
18
57000
2000
Έγραψα τον κώδικα και τον έβγαλα εκεί έξω.
01:17
Why did I do it?
19
59000
2000
Γιατί το έκανα;
01:19
Well, it was basicallyβασικα frustrationματαίωση.
20
61000
2000
Βασικά ήταν κυρίως εκνευρισμός.
01:21
I was frustratedαπογοητευμένοι -- I was workingεργαζόμενος as a softwareλογισμικό engineerμηχανικός
21
63000
4000
Ήμουνα εκνευρισμένος -- δούλευα σαν μηχανικός λογισμικού
01:25
in this hugeτεράστιος, very excitingσυναρπαστικός labεργαστήριο,
22
67000
2000
σε αυτό το τεράστιο, συναρπαστικό εργαστήριο,
01:27
lots of people comingερχομός from all over the worldκόσμος.
23
69000
2000
στο οποίο ερχόντουσαν πολλοί άνθρωποι από όλο τον κόσμο.
01:29
They broughtέφερε all sortsείδος of differentδιαφορετικός computersΥπολογιστές with them.
24
71000
3000
Έφερναν όλων των ειδών τους υπολογιστές μαζί τους.
01:32
They had all sortsείδος of differentδιαφορετικός dataδεδομένα formatsμορφές,
25
74000
3000
Είχαν τόσες πολλές διαφορετικές μορφοποιήσεις δεδομένων,
01:35
all sortsείδος, all kindsείδη of documentationαπόδειξη με έγγραφα systemsσυστήματα.
26
77000
2000
και άλλα τόσα διαφορετικά συστήματα εγγραφής.
01:37
So that, in all that diversityποικιλία,
27
79000
3000
Μέσα σε όλη αυτή την ποικιλομορφία,
01:40
if I wanted to figureεικόνα out how to buildχτίζω something
28
82000
2000
αν ήθελα να καταλάβω πως να αναπτύξω κάτι
01:42
out of a bitκομμάτι of this and a bitκομμάτι of this,
29
84000
2000
παίρνοντας λίγο απο αυτό και λίγο από εκέινο,
01:44
everything I lookedκοίταξε into, I had to connectσυνδέω to some newνέος machineμηχανή,
30
86000
4000
οτι και αν έψαχνα, έπρεπε να συνδεθώ σε κάποιο καινούριο μηχάνημα,
01:48
I had to learnμαθαίνω to runτρέξιμο some newνέος programπρόγραμμα,
31
90000
2000
έπρεπε να μάθω να τρέχω κάποιο καινούριο πρόγραμμα,
01:50
I would find the informationπληροφορίες I wanted in some newνέος dataδεδομένα formatμορφή.
32
92000
5000
η πληροφορία που ήθελα θα ήταν σε κάποια καινούρια μορφή δεδομένων.
01:55
And these were all incompatibleασυμβίβαστη.
33
97000
2000
Και όλα αυτά μεταξύ τους ήταν ασύμβατα.
01:57
It was just very frustratingαπογοητευτικό.
34
99000
2000
Ήταν πολύ εκνευριστικό.
01:59
The frustrationματαίωση was all this unlockedξεκλείδωτη potentialδυνητικός.
35
101000
2000
Εκνευρισμός για όλες αυτές οι αναξιοποίητες δυνατότητες.
02:01
In factγεγονός, on all these discsδίσκοι there were documentsέγγραφα.
36
103000
3000
Σε όλους αυτούς τους δίσκους υπήρχαν έγγραφα.
02:04
So if you just imaginedφανταστείτε them all
37
106000
3000
Αν τα φανταζόμασταν όλα αυτά
02:07
beingνα εισαι partμέρος of some bigμεγάλο, virtualεικονικός documentationαπόδειξη με έγγραφα systemΣύστημα in the skyουρανός,
38
109000
5000
σαν μέρος ενός μεγάλου, εικονικού συστήματος εγγράφων στον αέρα,
02:12
say on the InternetΣτο διαδίκτυο,
39
114000
2000
ας πούμε στο Ιντερνετ,
02:14
then life would be so much easierευκολότερη.
40
116000
2000
τότε η ζωή θα ήταν πολύ πιο εύκολη.
02:16
Well, onceμια φορά you've had an ideaιδέα like that it kindείδος of getsπαίρνει underκάτω από your skinδέρμα
41
118000
4000
Αν σου μπει μια τέτοια ιδέα στο μυαλό, είναι σαν να μπαίνει κάτω από το δέρμα σου
02:20
and even if people don't readανάγνωση your memoτιμολόγιο --
42
122000
2000
και ακόμα και αν κανείς δεν διαβάζει το υπόμνημά σου --
02:22
actuallyπράγματι he did, it was foundβρέθηκαν after he diedπέθανε, his copyαντιγραφή.
43
124000
3000
βασικά το διάβασε, το ανακάλυψα μετά που πέθανε, όταν βρέθηκε το δικό του αντίγραφο.
02:25
He had writtenγραπτός, "VagueΑόριστη, but excitingσυναρπαστικός," in pencilμολύβι, in the cornerγωνία.
44
127000
3000
Είχε γράψει με μολύβι στην άκρη, "Αόριστο, αλλά συναρπαστικό,".
02:28
(LaughterΤο γέλιο)
45
130000
2000
(Γέλια)
02:30
But in generalγενικός it was difficultδύσκολος -- it was really difficultδύσκολος to explainεξηγώ
46
132000
4000
Αλλά γενικά ήταν δύσκολο -- ήταν πραγματικά δύσκολο να εξηγήσω
02:34
what the webιστός was like.
47
136000
2000
τι ήταν το διαδίκτυο.
02:36
It's difficultδύσκολος to explainεξηγώ to people now that it was difficultδύσκολος then.
48
138000
2000
Είναι δύσκολο να εξηγήσω τώρα πόσο δύσκολο ήταν τότε.
02:38
But then -- OK, when TEDTED startedξεκίνησε, there was no webιστός
49
140000
3000
Αλλα τότε -- όταν το TED ξεκίνησε, δεν υπήρχε διαδίκτυο
02:41
so things like "clickΚάντε κλικ" didn't have the sameίδιο meaningέννοια.
50
143000
3000
οπότε λέξεις όπως το "κλικ" δεν είχαν το ίδιο νόημα.
02:44
I can showπροβολή somebodyκάποιος a pieceκομμάτι of hypertextυπερκειμένου,
51
146000
2000
Μπορούσα να δείξω σε κάποιον ένα υπερκείμενο
02:46
a pageσελίδα whichοι οποίες has got linksσυνδέσεις,
52
148000
2000
μια σελίδα με συνδέσμους,
02:48
and we clickΚάντε κλικ on the linkΣύνδεσμος and bingBing -- there'llθα υπάρξει be anotherαλλο hypertextυπερκειμένου pageσελίδα.
53
150000
4000
να κάνουμε κλικ στον σύνδεσμο και θα εμφανιστεί μια άλλη σελίδα υπερκειμένου.
02:52
Not impressiveΕΝΤΥΠΩΣΙΑΚΟ.
54
154000
2000
Όχι και τόσο εντυπωσιακό.
02:54
You know, we'veέχουμε seenείδα that -- we'veέχουμε got things on hypertextυπερκειμένου on CD-ROMsCD-ROM.
55
156000
3000
Αυτό το γνωρίζαμε -- είχαμε πληροφορία σε μορφή υπερκειμένου σε CD-ROM.
02:57
What was difficultδύσκολος was to get them to imagineφαντάζομαι:
56
159000
3000
Το δύσκολο ήταν να τους κάνω να φανταστούν:
03:00
so, imagineφαντάζομαι that that linkΣύνδεσμος could have goneχαμένος
57
162000
4000
φανταστείτε λοιπόν ότι αυτός ο σύνδεσμος θα μπορούσε να οδηγήσει
03:04
to virtuallyπρακτικώς any documentέγγραφο you could imagineφαντάζομαι.
58
166000
2000
σε οποιοδήποτε έγγραφο μπορείτε να φανταστείτε.
03:07
AlrightΕντάξει, that is the leapπηδάω that was very difficultδύσκολος for people to make.
59
169000
4000
Αυτό ήταν το βήμα που ήταν πολύ δύσκολο να κάνουν οι άνθρωποι.
03:11
Well, some people did.
60
173000
2000
Κάποιοι βέβαια το έκαναν.
03:13
So yeah, it was difficultδύσκολος to explainεξηγώ, but there was a grassrootsλαϊκή movementκίνηση.
61
175000
3000
Οπότε ναι, ήταν δύσκολο να το εξηγήσεις, αλλά υπήρχε μία υποβόσκουσα κίνηση.
03:17
And that is what has madeέκανε it mostπλέον funδιασκέδαση.
62
179000
4000
Και αυτό ήταν που το έκανε ενδιαφέρον.
03:21
That has been the mostπλέον excitingσυναρπαστικός thing,
63
183000
2000
Αυτό ήταν το συναρπαστικό,
03:23
not the technologyτεχνολογία, not the things people have doneΈγινε with it,
64
185000
2000
όχι τόσο η τεχνολογία, όχι τόσο οι χρήσεις του,
03:25
but actuallyπράγματι the communityκοινότητα, the spiritπνεύμα of all these people
65
187000
2000
αλλα κυρίως η κοινότητα, η διάθεση όλων αυτών των ανθρώπων
03:27
gettingνα πάρει togetherμαζί, sendingαποστολή the emailsμηνύματα ηλεκτρονικού ταχυδρομείου.
66
189000
2000
να συναντιούνται, να στέλνουν ηλεκτρονικά μηνύματα.
03:29
That's what it was like then.
67
191000
2000
Κάπως έτσι ήταν τότε.
03:31
Do you know what? It's funnyαστείος, but right now it's kindείδος of like that again.
68
193000
3000
Και ξέρετε τι; Είναι αστείο, αλλά τώρα είναι πάλι κάπως έτσι τα πράγματα.
03:34
I askedερωτηθείς everybodyόλοι, more or lessπιο λιγο, to put theirδικα τους documentsέγγραφα --
69
196000
2000
Αυτό που ζήτησα από όλους τότε, ήταν να βάλουν τα έγγραφά τους --
03:36
I said, "Could you put your documentsέγγραφα on this webιστός thing?"
70
198000
3000
είπα, "Μπορείτε να ανεβάσετε τα έγγραφά σας σε αυτό το πράγμα, το διαδίκτυο;"
03:39
And you did.
71
201000
3000
Και το κάνατε.
03:42
ThanksΕυχαριστώ.
72
204000
1000
Ευχαριστώ.
03:43
It's been a blastέκρηξη, hasn'tδεν έχει it?
73
205000
2000
Πήγε απροσδόκητα καλά.
03:45
I mean, it has been quiteαρκετά interestingενδιαφέρων
74
207000
2000
Εννοώ, είναι πολύ ενδιαφέρον
03:47
because we'veέχουμε foundβρέθηκαν out that the things that happenσυμβεί with the webιστός
75
209000
2000
γιατί έχουμε δει ότι τα πράγματα που συμβαίνουν με το διαδίκτυο
03:49
really sortείδος of blowπλήγμα us away.
76
211000
2000
πραγματκά μας εκπλήσσουν.
03:51
They're much more than we'dνυμφεύω originallyαρχικά imaginedφανταστείτε
77
213000
2000
Συμβαίνουν πολυ περισσότερα πράγματα από αυτά που αρχικά φανταζόμασταν ότι θα συμβούν
03:53
when we put togetherμαζί the little, initialαρχικός websiteδικτυακός τόπος
78
215000
2000
όταν φτιάχναμε την πρώτη, την αρχική ιστοσελίδα
03:55
that we startedξεκίνησε off with.
79
217000
2000
με την οποία ξεκινήσαμε.
03:57
Now, I want you to put your dataδεδομένα on the webιστός.
80
219000
3000
Τώρα, θέλω να βάλετε τα δεδομένα σας στο διαδίκτυο.
04:00
TurnsΣτροφές out that there is still hugeτεράστιος unlockedξεκλείδωτη potentialδυνητικός.
81
222000
4000
Υπάρχουν ακόμα άπειρες ανεκμετάλλευτες δυνατότητες
04:04
There is still a hugeτεράστιος frustrationματαίωση
82
226000
2000
Υπάρχει ακόμα τεράστιος εκνευρισμός
04:06
that people have because we haven'tδεν έχουν got dataδεδομένα on the webιστός as dataδεδομένα.
83
228000
4000
γιατί τα δεδομένα στο διαδίκτυο δεν υπάρχουν ως δεδομένα.
04:10
What do you mean, "dataδεδομένα"? What's the differenceδιαφορά -- documentsέγγραφα, dataδεδομένα?
84
232000
2000
Τι εννοώ, "δεδομένα"; Ποια είναι η διαφορά -- κείμενα, δεδομένα;
04:12
Well, documentsέγγραφα you readανάγνωση, OK?
85
234000
3000
Λοιπόν, τα κείμενα τα διαβάζεις, σωστά;
04:15
More or lessπιο λιγο, you readανάγνωση them, you can followακολουθηστε linksσυνδέσεις from them, and that's it.
86
237000
3000
Τα διαβάζεις, ακολουθείς τους συνδέσμους που έχουν, και μέχρι εκεί.
04:18
DataΔεδομένα -- you can do all kindsείδη of stuffυλικό with a computerυπολογιστή.
87
240000
2000
Δεδομένα -- μπορείς να κάνεις τόσα πράγματα με έναν υπολογιστή.
04:20
Who was here or has otherwiseσε διαφορετική περίπτωση seenείδα HansHans Rosling'sΤου Rosling talk?
88
242000
6000
Ποιός ήταν εδώ ή έχει δει αλλού την ομιλία του Χανς Ρόσλινγκ;
04:26
One of the great -- yes a lot of people have seenείδα it --
89
248000
4000
Μία από τις καταπληκτικές -- ναι, πολλοί την έχουν δει --
04:30
one of the great TEDTED TalksΣυνομιλίες.
90
252000
2000
μία από τις καταπληκτικές ομιλίες στο TED.
04:32
HansHans put up this presentationπαρουσίαση
91
254000
2000
Ο Χανς έδειξε στην παρουσίαση αυτή
04:34
in whichοι οποίες he showedέδειξε, for variousδιάφορος differentδιαφορετικός countriesχώρες, in variousδιάφορος differentδιαφορετικός colorsχρωματιστά --
92
256000
5000
για διάφορα κράτη, με διάφορα χρώματα --
04:39
he showedέδειξε incomeεισόδημα levelsεπίπεδα on one axisάξονας
93
261000
3000
επίπεδα εισοδήματος στον ένα άξονα
04:42
and he showedέδειξε infantβρέφος mortalityθνησιμότητα, and he shotβολή this thing animatedκινούμενα throughδιά μέσου time.
94
264000
3000
και θνησιμότητα βρεφών στον άλλο, και έδειξε την εξέλιξη αυτής της σχέσης στο χρόνο.
04:45
So, he'dΕίχε takenληφθεί this dataδεδομένα and madeέκανε a presentationπαρουσίαση
95
267000
4000
Πήρε λοιπόν αυτά τα δεδομένα, και έφτιαξε μια παρουσίαση
04:49
whichοι οποίες just shatteredγκρεμίστηκε a lot of mythsμύθοι that people had
96
271000
3000
που διέλυσε πολλούς μύθους που είχαν οι άνθρωποι
04:52
about the economicsΟικονομικά in the developingανάπτυξη worldκόσμος.
97
274000
4000
για την οικονομία στον αναπτυσσόμενο κόσμο.
04:56
He put up a slideολίσθηση a little bitκομμάτι like this.
98
278000
2000
Έδειξε μία διαφάνεια που έμοιαζε κάπως έτσι περίπου.
04:58
It had undergroundυπόγειος all the dataδεδομένα
99
280000
2000
Είχε όλα τα δεδομένα μέσα στο χώμα
05:00
OK, dataδεδομένα is brownκαφέ and boxyboxy and boringβαρετό,
100
282000
3000
Τα δεδομένα είναι καφέ βαρετά κουτιά,
05:03
and that's how we think of it, isn't it?
101
285000
2000
και κάπως έτσι τα σκεφτόμαστε, έτσι δεν είναι;
05:05
Because dataδεδομένα you can't naturallyΦυσικά use by itselfεαυτό
102
287000
3000
Επειδή τα δεδομένα δεν μπορείς να τα χρησιμοποιήσεις εύκολα όπως είναι
05:08
But in factγεγονός, dataδεδομένα drivesδίσκους a hugeτεράστιος amountποσό of what happensσυμβαίνει in our livesζωή
103
290000
4000
Αλλά στην πραγματικότητα, τα δεδομένα καθορίζουν σε μεγάλο βαθμό τις ζωές μας
05:12
and it happensσυμβαίνει because somebodyκάποιος takes that dataδεδομένα and does something with it.
104
294000
3000
και αυτό συμβαίνει γιατι κάποιος παίρνει τα δεδομένα και κάνει κάτι με αυτά.
05:15
In this caseπερίπτωση, HansHans had put the dataδεδομένα togetherμαζί
105
297000
2000
Σε αυτή την περίπτωση, ο Χανς ένωσε τα δεδομένα
05:17
he had foundβρέθηκαν from all kindsείδη of UnitedΕνωμένοι NationsΕθνών websitesιστοσελίδες and things.
106
299000
5000
που βρήκε σε διάφορες ιστοσελίδες των Ηνωμένων Εθνών.
05:22
He had put it togetherμαζί,
107
304000
2000
Τα ένωσε,
05:24
combinedσε συνδυασμό it into something more interestingενδιαφέρων than the originalπρωτότυπο piecesκομμάτια
108
306000
3000
τα συνδύασε σε κάτι πιο ενδιαφέρον από την αρχική τους μορφή
05:27
and then he'dΕίχε put it into this softwareλογισμικό,
109
309000
5000
και μετά τα έβαλε σε αυτό το λογισμικό,
05:32
whichοι οποίες I think his sonυιός developedαναπτηγμένος, originallyαρχικά,
110
314000
2000
το οποίο νομίζω ανέπτυξε ο γιός του, αρχικά,
05:34
and producesπαράγει this wonderfulεκπληκτικός presentationπαρουσίαση.
111
316000
3000
και παρήγαγε αυτή την υπέροχη παρουσίαση.
05:37
And HansHans madeέκανε a pointσημείο
112
319000
2000
Και ο Χανς τόνισε το εξής:
05:39
of sayingρητό, "Look, it's really importantσπουδαίος to have a lot of dataδεδομένα."
113
321000
4000
"Είναι πραγματικά πολύ σημαντικό να έχουμε πολλά δεδομένα."
05:43
And I was happyευτυχισμένος to see that at the partyκόμμα last night
114
325000
3000
Και χάρηκα που είδα ότι στην δεξίωση χθες το βράδυ
05:46
that he was still sayingρητό, very forciblyβίαια, "It's really importantσπουδαίος to have a lot of dataδεδομένα."
115
328000
4000
συνέχιζε να λέει, με ιδιαίτερη θέρμη, "Είναι πραγματικά σημαντικό να έχουμε πολλά δεδομένα."
05:50
So I want us now to think about
116
332000
2000
Θέλω λοιπόν να σκεφτούμε τώρα
05:52
not just two piecesκομμάτια of dataδεδομένα beingνα εισαι connectedσυνδεδεμένος, or sixέξι like he did,
117
334000
4000
όχι μόνο δύο κατηγορίες δεδομένων να συνδέονται, ή έξι όπως έκανε ο Χανς,
05:56
but I want to think about a worldκόσμος where everybodyόλοι has put dataδεδομένα on the webιστός
118
338000
5000
αλλά θέλω να σκεφτείτε έναν κόσμο όπου όλοι έχουν βάλει δεδομένα στο διαδίκτυο
06:01
and so virtuallyπρακτικώς everything you can imagineφαντάζομαι is on the webιστός
119
343000
2000
και συνεπώς τα πάντα που μπορείτε να φανταστείτε βρίσκονται στο διαδίκτυο
06:03
and then callingκλήση that linkedσυνδέονται dataδεδομένα.
120
345000
2000
και μετά να το ονομάσουμε αυτό συνδεδεμένα δεδομένα.
06:05
The technologyτεχνολογία is linkedσυνδέονται dataδεδομένα, and it's extremelyεπακρώς simpleαπλός.
121
347000
2000
Η τεχνολογία λέγεται συνδεδεμένα δεδομένα, και είναι απίστευτα απλή.
06:07
If you want to put something on the webιστός there are threeτρία rulesκανόνες:
122
349000
4000
Αν θες να βάλεις κάτι στο διαδίκτυο υπάρχουν τρεις κανόνες:
06:11
first thing is that those HTTPHTTP namesονόματα --
123
353000
3000
ο πρώτος κανόνας είναι ότι αυτά τα HTTP ονόματα --
06:14
those things that startαρχή with "httphttp:" --
124
356000
2000
αυτά τα πράγματα που ξεκινάνε με "http:" --
06:16
we're usingχρησιμοποιώντας them not just for documentsέγγραφα now,
125
358000
4000
θα τα χρησιμοποιούμε τώρα όχι μόνο για κείμενα,
06:20
we're usingχρησιμοποιώντας them for things that the documentsέγγραφα are about.
126
362000
2000
θα τα χρησιμοποιούμε για πράγματα που αναφέρονται στα κείμενα.
06:22
We're usingχρησιμοποιώντας them for people, we're usingχρησιμοποιώντας them for placesθέσεις,
127
364000
2000
Θα τα χρησιμοποιούμε για ανθρώπους, θα τα χρησιμοποιούμε για μέρη,
06:24
we're usingχρησιμοποιώντας them for your productsπροϊόντα, we're usingχρησιμοποιώντας them for eventsγεγονότα.
128
366000
4000
θα τα χρησιμοποιούμε για τα προιόντα σας, για εκδηλώσεις.
06:28
All kindsείδη of conceptualσχετικός με την σύλληψη ή αντίληψη things, they have namesονόματα now that startαρχή with HTTPHTTP.
129
370000
4000
Όλων των ειδών οι έννοιες, θα έχουν ονόματα που θα ξεκινάνε με HTTP.
06:32
SecondΔεύτερη ruleκανόνας, if I take one of these HTTPHTTP namesονόματα and I look it up
130
374000
5000
Δεύτερος κανόνας, αν πάρω ένα από αυτά τα ονόματα και το ψάξω
06:37
and I do the webιστός thing with it and I fetchFetch the dataδεδομένα
131
379000
2000
και τα εισάγω στο διαδίκτυο και τραβήξω τα δεδομένα
06:39
usingχρησιμοποιώντας the HTTPHTTP protocolπρωτόκολλο from the webιστός,
132
381000
2000
από το δίκτυο χρησιμοποιώντας το πρωτόκολλο HTTP,
06:41
I will get back some dataδεδομένα in a standardπρότυπο formatμορφή
133
383000
3000
θα πάρω κάποια δεδομένα με μία μορφοποίηση
06:44
whichοι οποίες is kindείδος of usefulχρήσιμος dataδεδομένα that somebodyκάποιος mightθα μπορούσε like to know
134
386000
5000
η οποία θα περιλαμβάνει χρήσιμα δεδομένα που κάποιος θα ήθελε να ξέρει
06:49
about that thing, about that eventΕκδήλωση.
135
391000
2000
για κάποιο πράγμα,για κάποια εκδήλωση.
06:51
Who'sΠου του at the eventΕκδήλωση? WhateverΌ, τι it is about that personπρόσωπο,
136
393000
2000
Ποιός είναι σε αυτή την εκδήλωση; Τι ενδιαφέρον έχει αυτό το πρόσωπο,
06:53
where they were bornγεννημένος, things like that.
137
395000
2000
που γεννήθηκε, τέτοια πράγματα.
06:55
So the secondδεύτερος ruleκανόνας is I get importantσπουδαίος informationπληροφορίες back.
138
397000
2000
Οπότε ο δεύτερος κανόνας είναι ότι παίρνω πληροφορία πίσω.
06:57
ThirdΤρίτο ruleκανόνας is that when I get back that informationπληροφορίες
139
399000
4000
Ο τρίτος κανόνας είναι ότι όταν παίρνω πίσω πληροφορία
07:01
it's not just got somebody'sκάποιου heightύψος and weightβάρος and when they were bornγεννημένος,
140
403000
3000
δεν θα είναι μόνο το ύψος και το βάρος κάποιου και που και πότε γεννήθηκε
07:04
it's got relationshipsσχέσεις.
141
406000
2000
θα έχει σχέσεις.
07:06
DataΔεδομένα is relationshipsσχέσεις.
142
408000
2000
Τα δεδομένα είναι σχέσεις.
07:08
InterestinglyΕίναι ενδιαφέρον, dataδεδομένα is relationshipsσχέσεις.
143
410000
2000
Είναι πολύ ενδιαφέρον, τα δεδομένα είναι σχέσεις.
07:10
This personπρόσωπο was bornγεννημένος in BerlinΒερολίνο; BerlinΒερολίνο is in GermanyΓερμανία.
144
412000
4000
Το άτομο αυτό γεννήθηκε στο Βερολίνο. Το Βερολίνο είναι στη Γερμανία.
07:14
And when it has relationshipsσχέσεις, wheneverΟποτεδήποτε it expressesεκφράζει a relationshipσχέση
145
416000
3000
Και όταν υπάρχουν σχέσεις, οποτεδήποτε μία σχέση εκφράζεται
07:17
then the other thing that it's relatedσχετίζεται με to
146
419000
3000
τότε το άλλο πράγμα με το οποίο συνδέεται
07:20
is givenδεδομένος one of those namesονόματα that startsξεκινά HTTPHTTP.
147
422000
4000
αποκτά ένα από αυτά τα ονόματα που ξεκινάνε με HTTP.
07:24
So, I can go aheadεμπρός and look that thing up.
148
426000
2000
Μπορώ λοιπόν να ψάξω κάτι.
07:26
So I look up a personπρόσωπο -- I can look up then the cityπόλη where they were bornγεννημένος; then
149
428000
3000
Μπορώ να ψάξω για ένα άτομο -- να ψάξω την πόλη στην οποία γεννήθηκε, μετά
07:29
I can look up the regionπεριοχή it's in, and the townπόλη it's in,
150
431000
3000
μπορώ να ψάξω την περιοχή στην οποία είναι η πόλη αυτή,
07:32
and the populationπληθυσμός of it, and so on.
151
434000
3000
και τον πληθυσμό αυτής της πόλης, και ουτωκάθεξής.
07:35
So I can browseΑναζήτηση this stuffυλικό.
152
437000
2000
Μπορώ λοιπόν να τα ψάχνω όλα αυτά.
07:37
So that's it, really.
153
439000
2000
Αυτό είναι όλο, στην πραγματικότητα.
07:39
That is linkedσυνδέονται dataδεδομένα.
154
441000
2000
Αυτό είναι τα συνδεδεμένα δεδομένα.
07:41
I wroteέγραψε an articleάρθρο entitledμε τίτλο "LinkedΠου συνδέονται DataΔεδομένα" a coupleζευγάρι of yearsχρόνια agoπριν
155
443000
3000
Πριν μερικά χρόνια, έγραψα ένα άρθρο με τίτλο "Συνδεδεμένα Δεδομένα"
07:44
and soonσύντομα after that, things startedξεκίνησε to happenσυμβεί.
156
446000
4000
και σύντομα, ξεκίνησαν να συμβαίνουν πράγματα.
07:48
The ideaιδέα of linkedσυνδέονται dataδεδομένα is that we get lots and lots and lots
157
450000
4000
Η ιδέα των συνδεδεμένων δεδομένων είναι ότι έχουμε πολλά, πάρα πολλά
07:52
of these boxesκουτιά that HansHans had,
158
454000
2000
από αυτά τα κουτιά που είχε ο Χανς,
07:54
and we get lots and lots and lots of things sproutingβλάστησης.
159
456000
2000
και έχουμε πολλά, πάρα πολλά πράγματα να φυτρώνουν από αυτά.
07:56
It's not just a wholeολόκληρος lot of other plantsφυτά.
160
458000
3000
Δεν είναι μόνο πολλά άλλα φυτά.
07:59
It's not just a rootρίζα supplyingπρομήθεια a plantφυτό,
161
461000
2000
Δεν είναι μόνο μία ρίζα που θα παράγει ένα φυτό,
08:01
but for eachκαθε of those plantsφυτά, whateverοτιδήποτε it is --
162
463000
3000
αλλά για κάθε ένα από αυτά τα φυτά, ότι και να είναι αυτό --
08:04
a presentationπαρουσίαση, an analysisανάλυση, somebody'sκάποιου looking for patternsσχέδια in the dataδεδομένα --
163
466000
3000
μια παρουσίαση, μία ανάλυση, μια αναζήτηση για τάσεις σε κάποια δεδομένα --
08:07
they get to look at all the dataδεδομένα
164
469000
3000
θα μπορούμε να κοιτάμε όλα τα δεδομένα
08:10
and they get it connectedσυνδεδεμένος togetherμαζί,
165
472000
2000
και να τα έχουμε συνδεδεμένα όλα μαζί,
08:12
and the really importantσπουδαίος thing about dataδεδομένα
166
474000
2000
και ένα πολύ σημαντικό πράγμα για τα δεδομένα
08:14
is the more things you have to connectσυνδέω togetherμαζί, the more powerfulισχυρός it is.
167
476000
2000
είναι ότι όσο περισσότερα πράγματα ενώνεις, τόσο πιο σημαντικά γίνονται.
08:16
So, linkedσυνδέονται dataδεδομένα.
168
478000
2000
Συνδεδεμένα δεδομένα λοιπόν.
08:18
The memememe wentπήγε out there.
169
480000
2000
Η ιδέα βγήκε εκεί έξω.
08:20
And, prettyαρκετά soonσύντομα ChrisChris BizerBizer at the FreieFreie UniversitatUniversitat in BerlinΒερολίνο
170
482000
4000
Και πολύ σύντομα, ο Κρις Μπίτζερ στο Ελεύθερο Πανεπιστήμιο του Βερολίνου
08:24
who was one of the first people to put interestingενδιαφέρων things up,
171
486000
2000
ο οποίος ήταν από τους πρώτους ανθρώπους που ανέβασαν ενδιαφέροντα πράγματα,
08:26
he noticedπαρατήρησα that WikipediaWikipedia --
172
488000
2000
διαπίστωσε ότι η Βικιπαιδεία --
08:28
you know WikipediaWikipedia, the onlineσε απευθείας σύνδεση encyclopediaεγκυκλοπαιδεία
173
490000
3000
ξέρετε την Βικιπαιδεία, η εγκυκλοπαίδεια στο διαδίκτυο,
08:31
with lots and lots of interestingενδιαφέρων documentsέγγραφα in it.
174
493000
2000
έχει πολλά ενδιαφέροντα έγγραφα.
08:33
Well, in those documentsέγγραφα, there are little squaresτετράγωνα, little boxesκουτιά.
175
495000
4000
Σε αυτά τα έγγραφα, υπάρχουν μικρά κουτάκια με πληροφορίες.
08:37
And in mostπλέον informationπληροφορίες boxesκουτιά, there's dataδεδομένα.
176
499000
3000
Και στα περισσότερα κουτάκια με πληροφορίες, υπάρχουν δεδομένα.
08:40
So he wroteέγραψε a programπρόγραμμα to take the dataδεδομένα, extractεκχύλισμα it from WikipediaWikipedia,
177
502000
4000
Οπότε έγραψε ένα πρόγραμμα που παίρνει τα δεδομένα, τα εξάγει από την Bικιπαιδεία,
08:44
and put it into a blobάμορφη μάζα of linkedσυνδέονται dataδεδομένα
178
506000
2000
και τα βάζει σε ένα σύννεφο με συνδεδεμένα δεδομένα
08:46
on the webιστός, whichοι οποίες he calledπου ονομάζεται dbpediaDBpedia.
179
508000
3000
στο διαδίκτυο, το οποίο το ονόμασε dbpedia.
08:49
DbpediaDBpedia is representedεκπροσωπούνται by the blueμπλε blobάμορφη μάζα in the middleΜέσης of this slideολίσθηση
180
511000
4000
Η Dbpedia απεικονίζεται σαν μία μπλε σφαίρα στο κέντρο αυτής της διαφάνειας
08:53
and if you actuallyπράγματι go and look up BerlinΒερολίνο,
181
515000
2000
και αν πραγματικά πας και ψάξεις Βερολίνο,
08:55
you'llθα το κάνετε find that there are other blobsκηλίδες of dataδεδομένα
182
517000
2000
θα βρείς ότι υπάρχουν και άλλες σφαίρες με δεδομένα
08:57
whichοι οποίες alsoεπίσης have stuffυλικό about BerlinΒερολίνο, and they're linkedσυνδέονται togetherμαζί.
183
519000
3000
που επίσης έχουν πράγματα για το Βερολίνο, και είναι όλες συνδεδεμένες.
09:00
So if you pullΤραβήξτε the dataδεδομένα from dbpediaDBpedia about BerlinΒερολίνο,
184
522000
3000
Αν λοιπόν τραβήξεις τα δεδομένα από το dbpedia για το Βερολίνο,
09:03
you'llθα το κάνετε endτέλος up pullingτραβώντας up these other things as well.
185
525000
2000
θα καταλήξεις να τραβήξεις μαζί και όλα αυτά τα άλλα πράγματα.
09:05
And the excitingσυναρπαστικός thing is it's startingεκκίνηση to growκαλλιεργώ.
186
527000
3000
Και το συναρπαστικό ειναι ότι αυτό έχει ξεκινήσει να μεγαλώνει.
09:08
This is just the grassrootsλαϊκή stuffυλικό again, OK?
187
530000
2000
Και αυτό ειναι μόνο η αρχή ξανά, εντάξει;
09:10
Let's think about dataδεδομένα for a bitκομμάτι.
188
532000
3000
Ας σκεφτούμε λίγο για δεδομένα.
09:13
DataΔεδομένα comesέρχεται in factγεγονός in lots and lots of differentδιαφορετικός formsμορφές.
189
535000
3000
Τα δεδομένα υπάρχουν σε πολλές πολλές διαφορετικές μορφές.
09:16
Think of the diversityποικιλία of the webιστός. It's a really importantσπουδαίος thing
190
538000
3000
Σκεφτείτε την ποικιλία που υπάρχει στο διαδίκτυο. Είναι πολύ σημαντικό
09:19
that the webιστός allowsεπιτρέπει you to put all kindsείδη of dataδεδομένα up there.
191
541000
3000
το ότι το διαδίκτυο σου επιτρέπει να αναρτήσεις όλων των ειδών τα δεδομένα.
09:22
So it is with dataδεδομένα. I could talk about all kindsείδη of dataδεδομένα.
192
544000
2000
Έτσι είναι και με τα δεδομένα. Θα μπορούσανα μιλήσω για όλων των ειδών τα δεδομένα.
09:25
We could talk about governmentκυβέρνηση dataδεδομένα, enterpriseεπιχείρηση dataδεδομένα is really importantσπουδαίος,
193
547000
4000
Θα μπορούσαμε να μιλήσουμε για κυβερνητικά δεδομένα, τα εταιρικά δεδομένα είναι επίσης σημαντικά,
09:29
there's scientificεπιστημονικός dataδεδομένα, there's personalπροσωπικός dataδεδομένα,
194
551000
3000
υπάρχουν επιστημονικά δεδομένα, υπάρχουν προσωπικά δεδομένα,
09:32
there's weatherκαιρός dataδεδομένα, there's dataδεδομένα about eventsγεγονότα,
195
554000
2000
υπάρχουν καιρικά δεδομένα, υπάρχουν δεδομένα για εκδηλώσεις,
09:34
there's dataδεδομένα about talksσυνομιλίες, and there's newsΝέα and there's all kindsείδη of stuffυλικό.
196
556000
4000
υπάρχουν δεδομένα για ομιλίες, υπάρχουν νέα, όλων των ειδών τα πράγματα.
09:38
I'm just going to mentionαναφέρω a fewλίγοι of them
197
560000
3000
Θα αναφέρω μερικά από αυτά
09:41
so that you get the ideaιδέα of the diversityποικιλία of it,
198
563000
2000
ώστε να πάρετε μια ιδέα της ποικιλίας,
09:43
so that you alsoεπίσης see how much unlockedξεκλείδωτη potentialδυνητικός.
199
565000
4000
και επίσης για να δείτε τι δυνατότητες υπάρχουν.
09:47
Let's startαρχή with governmentκυβέρνηση dataδεδομένα.
200
569000
2000
Ας ξεκινήσουμε με τα κυβερνητικά δεδομένα.
09:49
BarackΜπαράκ ObamaΟμπάμα said in a speechομιλία,
201
571000
2000
Ο Μπαράκ Ομπάμα είπε σε μία ομιλία
09:51
that he -- AmericanΑμερικανική governmentκυβέρνηση dataδεδομένα would be availableδιαθέσιμος on the InternetΣτο διαδίκτυο
202
573000
5000
ότι τα Αμερικανικά κυβερνητικά δεδομένα θα γινόντουσαν διαθέσιμα στο διαδίκτυο
09:56
in accessibleπροσιτός formatsμορφές.
203
578000
2000
σε προσβάσιμες μορφές.
09:58
And I hopeελπίδα that they will put it up as linkedσυνδέονται dataδεδομένα.
204
580000
2000
Και ελπίζω ότι θα τα ανεβάσουν σαν συνδεδεμένα δεδομένα.
10:00
That's importantσπουδαίος. Why is it importantσπουδαίος?
205
582000
2000
Είναι σημαντικό. Γιατί είναι σημαντικό;
10:02
Not just for transparencyδιαφάνεια, yeah transparencyδιαφάνεια in governmentκυβέρνηση is importantσπουδαίος,
206
584000
3000
Όχι μόνο για διαφάνεια, ναι η διαφάνεια στην κυβέρνηση είναι σημαντική
10:05
but that dataδεδομένα -- this is the dataδεδομένα from all the governmentκυβέρνηση departmentsυπηρεσιών
207
587000
3000
αλλά αυτά τα δεδομένα -- τα δεδομένα από όλα τα κυβερνητικά τμήματα
10:08
Think about how much of that dataδεδομένα is about how life is livedέζησε in AmericaΑμερική.
208
590000
5000
Σκεφτείτε πόσα πολλά από αυτά τα δεδομένα αφορούν το πως είναι η ζωή στην Αμερική.
10:13
It's actualπραγματικός usefulχρήσιμος. It's got valueαξία.
209
595000
2000
Είναι πραγματικά χρήσιμα. Έχουν αξία.
10:15
I can use it in my companyΕταιρία.
210
597000
2000
Είναι χρήσιμα για τις εταιρίες.
10:17
I could use it as a kidπαιδί to do my homeworkεργασία για το σπίτι.
211
599000
2000
Θα ήταν χρήσιμα σε παιδιά για να κάνουν σχολικές εργασίες.
10:19
So we're talkingομιλία about makingκατασκευή the placeθέση, makingκατασκευή the worldκόσμος runτρέξιμο better
212
601000
3000
Αυτό που λέμε λοιπόν είναι ότι θα κάνουμε τον κόσμο να λειτουργεί καλύτερα
10:22
by makingκατασκευή this dataδεδομένα availableδιαθέσιμος.
213
604000
2000
με το να κάνουμε τα δεδομένα αυτά διαθέσιμα.
10:24
In factγεγονός if you're responsibleυπεύθυνος -- if you know about some dataδεδομένα
214
606000
4000
Στην πραγματικότητα αν είσαι υπεύθυνος -- αν ξέρεις για κάποια δεδομένα
10:28
in a governmentκυβέρνηση departmentτμήμα, oftenσυχνά you find that
215
610000
2000
σε κάποιο κυβερνητικό τμήμα, συχνά ανακαλύπτεις ότι
10:30
these people, they're very temptedπειρασμός to keep it --
216
612000
3000
αυτοί οι άνθρωποι, είναι πολύ επιρρεπείς στο να τα κρύβουν--
10:33
HansHans callsκλήσεις it databaseβάση δεδομένων huggingαγκάλιασμα.
217
615000
3000
Ο Χανς το ονομάζει αυτό αγκάλιασμα της βάσης δεδομένων.
10:36
You hugαγκαλιά your databaseβάση δεδομένων, you don't want to let it go
218
618000
2000
Αγκαλιάζεις την βάση δεδομένων σου, δεν θες να την αφήσεις να φύγει
10:38
untilμέχρις ότου you've madeέκανε a beautifulπανεμορφη websiteδικτυακός τόπος for it.
219
620000
2000
μέχρι να έχεις φτιάξει μία όμορφη ιστοσελίδα να την βάλεις.
10:40
Well, I'd like to suggestπροτείνω that ratherμάλλον --
220
622000
2000
Ε λοιπόν, θα ήθελα να προτείνω --
10:42
yes, make a beautifulπανεμορφη websiteδικτυακός τόπος,
221
624000
2000
ναι, φτιάξτε μία όμορφη ιστοσελίδα,
10:44
who am I to say don't make a beautifulπανεμορφη websiteδικτυακός τόπος?
222
626000
2000
ποιός είμαι εγώ για να πω μην φτιάξετε μια ωραία ιστοσελίδα;
10:46
Make a beautifulπανεμορφη websiteδικτυακός τόπος, but first
223
628000
3000
Φτιάξτε μία όμορφη ιστοσελίδα, αλλά πρώτα
10:49
give us the unadulteratedανόθευτη dataδεδομένα,
224
631000
3000
δημοσιοποιήστε τα σκέτα δεδομένα,
10:52
we want the dataδεδομένα.
225
634000
2000
θέλουμε τα δεδομένα.
10:54
We want unadulteratedανόθευτη dataδεδομένα.
226
636000
2000
Θέλουμε σκέτα δεδομένα.
10:56
OK, we have to askπαρακαλώ for rawακατέργαστος dataδεδομένα now.
227
638000
3000
Πρέπει να ζητήσουμε ακατέργαστα δεδομένα τώρα.
10:59
And I'm going to askπαρακαλώ you to practiceπρακτική that, OK?
228
641000
2000
Και θα σας ζητήσω να κάνετε εξάσκηση σε αυτό, εντάξει;
11:01
Can you say "rawακατέργαστος"?
229
643000
1000
Μπορείτε να πείτε "ακατέργαστα";
11:02
AudienceΤο κοινό: RawRAW.
230
644000
1000
Κοινό: Ακατέργαστα.
11:03
TimTim Berners-LeeBerners-Lee: Can you say "dataδεδομένα"?
231
645000
1000
Τιμ Μπέρνερς-Λι: Μπορείτε να πείτε "δεδομένα";
11:04
AudienceΤο κοινό: DataΔεδομένα.
232
646000
1000
Κοινό: Δεδομένα.
11:05
TBLTBL: Can you say "now"?
233
647000
1000
Τιμ Μπέρνερς-Λι: Μπορείτε να πείτε "τώρα";
11:06
AudienceΤο κοινό: Now!
234
648000
1000
Κοινό: Τώρα!
11:07
TBLTBL: AlrightΕντάξει, "rawακατέργαστος dataδεδομένα now"!
235
649000
2000
Τιμ Μπέρνερς-Λι: "Ακατέργαστα δεδομένα τώρα"!
11:09
AudienceΤο κοινό: RawRAW dataδεδομένα now!
236
651000
2000
Κοινό: Ακατέργαστα δεδομένα τώρα!
11:11
PracticeΠρακτική that. It's importantσπουδαίος because you have no ideaιδέα the numberαριθμός of excusesδικαιολογίες
237
653000
4000
Να εξασκηθείτε σε αυτό. Είναι σημαντικό γιατί δεν έχετε ιδέα πόσες δικαιολογίες
11:15
people come up with to hangκρεμάω ontoεπάνω σε theirδικα τους dataδεδομένα
238
657000
2000
βρίσκουν οι άνθρωποι για να κρατήσουν τα δεδομένα τους
11:17
and not give it to you, even thoughαν και you've paidεπί πληρωμή for it as a taxpayerφορολογούμενος.
239
659000
4000
και να μην στα δώσουν, ακόμα και αν έχεις πληρώσει για αυτά σαν φορολογούμενος.
11:21
And it's not just AmericaΑμερική. It's all over the worldκόσμος.
240
663000
2000
Και αυτό δεν συμβαίνει μόνο στην Αμερική. Συμβαίνει σε όλο τον κόσμο.
11:23
And it's not just governmentsκυβερνήσεις, of courseσειρά μαθημάτων -- it's enterprisesεπιχειρήσεις as well.
241
665000
3000
Και δεν είναι μόνο κυβερνήσεις, φυσικά -- είναι και οι εταιρίες επίσης.
11:26
So I'm just going to mentionαναφέρω a fewλίγοι other thoughtsσκέψεις on dataδεδομένα.
242
668000
3000
Θα αναφέρω λοιπόν μερικές ακόμα σκέψεις για δεδομένα.
11:29
Here we are at TEDTED, and all the time we are very consciousσυνειδητός
243
671000
5000
Είμαστε εδώ στο TED, και συνειδητοποιούμε
11:34
of the hugeτεράστιος challengesπροκλήσεις that humanο άνθρωπος societyκοινωνία has right now --
244
676000
5000
τις τεράστιες προκλήσεις που υπάρχουν αυτή τη στιγμή --
11:39
curingθεραπεία cancerΚαρκίνος, understandingκατανόηση the brainεγκέφαλος for Alzheimer'sΤης νόσου του Alzheimer,
245
681000
3000
η θεραπεία του καρκίνου, η κατανόηση του εγκεφάλου για το Αλτσχάιμερ,
11:42
understandingκατανόηση the economyοικονομία to make it a little bitκομμάτι more stableσταθερός,
246
684000
3000
η κατανόηση της οικονομίας για να την κάνουμε λίγο πιο σταθερή,
11:45
understandingκατανόηση how the worldκόσμος worksεργοστάσιο.
247
687000
2000
η κατανόηση του πως δουλεύει ο κόσμος.
11:47
The people who are going to solveλύσει those -- the scientistsΕπιστήμονες --
248
689000
2000
Οι άνθρωποι που θα λύσουν αυτά τα προβλήματα -- οι επιστήμονες --
11:49
they have half-formedμισό-σχηματίζεται ideasιδέες in theirδικα τους headκεφάλι,
249
691000
2000
έχουν μισο-σχηματισμένες ιδέες στα κεφάλια τους
11:51
they try to communicateεπικοινωνώ those over the webιστός.
250
693000
3000
και προσπαθούν να τις μεταδώσουν μέσω του διαδικτύου.
11:54
But a lot of the stateκατάσταση of knowledgeη γνώση of the humanο άνθρωπος raceαγώνας at the momentστιγμή
251
696000
3000
Αλλά μεγάλο κομμάτι της γνώσης για την ανθρώπινη φυλή αυτή τη στιγμή
11:57
is on databasesβάσεις δεδομένων, oftenσυχνά sittingσυνεδρίαση in theirδικα τους computersΥπολογιστές,
252
699000
3000
βρίσκεται σε βάσεις δεδομένων, που συχνά κάθονται στους υπολογιστές τους,
12:00
and actuallyπράγματι, currentlyεπί του παρόντος not sharedκοινή χρήση.
253
702000
3000
και που προς το παρόν δεν είναι προσβάσιμες από κανένα.
12:03
In factγεγονός, I'll just go into one areaπεριοχή --
254
705000
3000
Στην πραγματικότητα, θα αναφέρω μόνο μία περίπτωση --
12:06
if you're looking at Alzheimer'sΤης νόσου του Alzheimer, for exampleπαράδειγμα,
255
708000
2000
αν κοιτάξετε την περίπτωση του Αλτσχάιμερ, για παράδειγμα,
12:08
drugφάρμακο discoveryανακάλυψη -- there is a wholeολόκληρος lot of linkedσυνδέονται dataδεδομένα whichοι οποίες is just comingερχομός out
256
710000
3000
και την ανακάλυψη φαρμάκων -- υπάρχουν πολλά συνδεδεμένα δεδομένα που μόλις βγαίνουν
12:11
because scientistsΕπιστήμονες in that fieldπεδίο realizeσυνειδητοποιώ
257
713000
2000
επειδή οι επιστήμονες στο πεδίο αυτό συνειδητοποιούν
12:13
this is a great way of gettingνα πάρει out of those silosσιλό,
258
715000
3000
ότι αυτός είναι ένας τέλειος τρόπος να ξεπεράσουν τα όρια των εργαστηρίων τους,
12:16
because they had theirδικα τους genomicsγονιδιωματική dataδεδομένα in one databaseβάση δεδομένων
259
718000
4000
επειδή είχαν τα γενεολογικά δεδομένα τους σε μία βάση δεδομένων
12:20
in one buildingΚτίριο, and they had theirδικα τους proteinπρωτεΐνη dataδεδομένα in anotherαλλο.
260
722000
3000
σε ένα κτίριο, και είχαν τα πρωτεινικά δεδομένα τους σε ένα άλλο.
12:23
Now, they are stickingκολλάει it ontoεπάνω σε -- linkedσυνδέονται dataδεδομένα --
261
725000
3000
Τώρα, χρησιμοποιούν συνδεδεμένα δεδομένα
12:26
and now they can askπαρακαλώ the sortείδος of questionερώτηση, that you probablyπιθανώς wouldn'tδεν θα ήταν askπαρακαλώ,
262
728000
3000
και μπορούν να κάνουν ερωτήσεις που πιθανότατα εσείς δε θα κάνατε,
12:29
I wouldn'tδεν θα ήταν askπαρακαλώ -- they would.
263
731000
2000
εγώ δεν θα έκανα -- αλλά αυτοί θα τις έκαναν.
12:31
What proteinsπρωτεΐνες are involvedεμπλεγμένος in signalσήμα transductionμεταγωγή
264
733000
2000
Ποιες πρωτεϊνες εμπλέκονται στην μετάδοση σήματος
12:33
and alsoεπίσης relatedσχετίζεται με to pyramidalπυραμιδική neuronsνευρώνες?
265
735000
2000
και επίσης ποιες σχετίζονται με τους πυραμιδικούς νευρώνες;
12:35
Well, you take that mouthfulμπουκιά and you put it into GoogleGoogle.
266
737000
3000
Αν πάρεις αυτό το γλωσσοδέτη και τον βάλεις στο Google
12:38
Of courseσειρά μαθημάτων, there's no pageσελίδα on the webιστός whichοι οποίες has answeredαπάντησε that questionερώτηση
267
740000
3000
Φυσικά, δεν υπάρχει σελίδα στο διαδίκτυο που έχει την απάντηση σε αυτή την ερώτηση
12:41
because nobodyκανείς has askedερωτηθείς that questionερώτηση before.
268
743000
2000
γιατί κανένας δεν έχει κάνει αυτή την ερώτηση αυτή μέχρι τώρα.
12:43
You get 223,000 hitsχτυπήματα --
269
745000
2000
Η αναζήτηση θα επιστρέψει 223.000 αποτελέσματα --
12:45
no resultsΑποτελέσματα you can use.
270
747000
2000
κανένα από τα οποία δεν δίνει την απάντηση που ψάχνεις.
12:47
You askπαρακαλώ the linkedσυνδέονται dataδεδομένα -- whichοι οποίες they'veέχουν now put togetherμαζί --
271
749000
3000
Αν αναζητήσεις σε συνδεδεμένα δεδομένα -- τα οποία έχουν τώρα ενεργοποιηθεί --
12:50
32 hitsχτυπήματα, eachκαθε of whichοι οποίες is a proteinπρωτεΐνη whichοι οποίες has those propertiesιδιότητες
272
752000
4000
βγαίνουν 32 αποτελέσματα, κάθε ένα από τα οποία είναι μία πρωτεϊνη που έχει αυτές τις ιδιότητες
12:54
and you can look at.
273
756000
2000
και την οποία μπορείς να δεις.
12:56
The powerεξουσία of beingνα εισαι ableικανός to askπαρακαλώ those questionsερωτήσεις, as a scientistεπιστήμονας --
274
758000
3000
Η δύναμη του να μπορείς να κάνεις αυτές τις ερωτήσεις, σαν επιστήμονας --
12:59
questionsερωτήσεις whichοι οποίες actuallyπράγματι bridgeγέφυρα acrossαπέναντι differentδιαφορετικός disciplinesειδικότητες --
275
761000
2000
ερωτήσεις που εκτείνονται σε διαφορετικά πεδία γνώσης --
13:01
is really a completeπλήρης seaθάλασσα changeαλλαγή.
276
763000
3000
είναι πραγματικά μία τεράστια αλλαγή.
13:04
It's very very importantσπουδαίος.
277
766000
2000
Είναι πάρα πολύ σημαντικό.
13:06
ScientistsΟι επιστήμονες are totallyεντελώς stymiedσυναντήσουν εμπόδια at the momentστιγμή --
278
768000
2000
Οι επιστήμονες είναι τελείως περιορισμένοι τώρα --
13:08
the powerεξουσία of the dataδεδομένα that other scientistsΕπιστήμονες have collectedσυγκεντρωμένος is lockedκλειδωμένο up
279
770000
5000
η δύναμη των δεδομένων που έχουν συλλέξει άλλοι επιστήμονες είναι κλειδωμένη
13:13
and we need to get it unlockedξεκλείδωτη so we can tackleανυψωτήρ those hugeτεράστιος problemsπροβλήματα.
280
775000
3000
και χρειάζεται να την ξεκλειδώσουμε ώστε να μπορέσουμε να αντιμετωπίσουμε όλα αυτά τα τεράστια προβλήματα.
13:16
Now if I go on like this, you'llθα το κάνετε think that all the dataδεδομένα comesέρχεται from hugeτεράστιος institutionsιδρύματα
281
778000
4000
Τώρα αν συνεχίσω κατ'αυτόν τον τρόπο, θα νομίσετε ότι όλα τα δεδομένα έρχονται από τεράστια ιδρύματα
13:20
and has nothing to do with you.
282
782000
3000
και ότι δεν έχουν καμία σχέση με εσάς.
13:23
But, that's not trueαληθής.
283
785000
2000
Αλλά αυτό δεν είναι αλήθεια.
13:25
In factγεγονός, dataδεδομένα is about our livesζωή.
284
787000
2000
Στην πραγματικότητα, τα δεδομένα αφορούν τις ζωές μας.
13:27
You just -- you logκούτσουρο on to your socialκοινωνικός networkingδικτύωσης siteιστοσελίδα,
285
789000
3000
Όταν συνδέεστε στη σελίδα κοινωνικής δικτύωσης,
13:30
your favoriteαγαπημένη one, you say, "This is my friendφίλος."
286
792000
2000
αυτή που προτιμάτε, λέτε, "Αυτός είναι φίλος μου."
13:32
BingBing! RelationshipΣχέση. DataΔεδομένα.
287
794000
3000
Αυτό είναι μια σχέση. Δεδομένα.
13:35
You say, "This photographφωτογραφία, it's about -- it depictsαπεικονίζει this personπρόσωπο. "
288
797000
3000
Λέτε, "Αυτή η φωτογραφία δείχνει αυτό το άτομο. "
13:38
BingBing! That's dataδεδομένα. DataΔεδομένα, dataδεδομένα, dataδεδομένα.
289
800000
3000
Μπινγκ! Αυτό ειναι δεδομένα. Δεδομένα, δεδομένα, δεδομένα.
13:41
EveryΚάθε time you do things on the socialκοινωνικός networkingδικτύωσης siteιστοσελίδα,
290
803000
2000
Κάθε φορά που κάνετε πράγματα στη σελίδα κοινωνικής δικτύωσης,
13:43
the socialκοινωνικός networkingδικτύωσης siteιστοσελίδα is takingλήψη dataδεδομένα and usingχρησιμοποιώντας it -- re-purposingεκ νέου καθορισμός στόχων it --
291
805000
4000
η σελίδα παίρνει δεδομένα και τα χρησιμοποιεί -- αλλάζοντας τον σκοπό τους --
13:47
and usingχρησιμοποιώντας it to make other people'sτων ανθρώπων livesζωή more interestingενδιαφέρων on the siteιστοσελίδα.
292
809000
4000
και τα χρησιμοποιεί για να κάνει τις ζωές άλλων ανθρώπων πιο ενδιαφέρουσες.
13:51
But, when you go to anotherαλλο linkedσυνδέονται dataδεδομένα siteιστοσελίδα --
293
813000
2000
Αλλά, όταν πάτε σε μία άλλη σελίδα με συνδεδεμένα δεδομένα --
13:53
and let's say this is one about travelταξίδι,
294
815000
3000
ας πούμε μία σελίδα για ταξίδια,
13:56
and you say, "I want to sendστείλετε this photoφωτογραφία to all the people in that groupομάδα,"
295
818000
3000
και πείτε, "Θέλω να στείλω αυτή τη φωτογραφία σε όλους τους ανθρώπους σε αυτή την ομάδα,"
13:59
you can't get over the wallsτοίχους.
296
821000
2000
δεν μπορείτε να το κάνετε.
14:01
The EconomistΟικονομολόγος wroteέγραψε an articleάρθρο about it, and lots of people have bloggedblogged about it --
297
823000
2000
Στο περιοδικό Economist γράφτηκε ένα σχετικό άρθρο, και πολλοί άνθρωποι έγραψαν στα ιστολόγιά τους για αυτό
14:03
tremendousκαταπληκτικός frustrationματαίωση.
298
825000
1000
το τρομερά εκνευριστικό πρόβλημα.
14:04
The way to breakΔιακοπή down the silosσιλό is to get inter-operabilityδιαλειτουργικότητα
299
826000
2000
Ο τρόπος για να ξεπεράσουμε αυτά τα εμπόδια είναι να υπάρξει διαλειτουργικότητα
14:06
betweenμεταξύ socialκοινωνικός networkingδικτύωσης sitesιστοσελίδες.
300
828000
2000
μεταξύ των σελίδων κοινωνικής δικτύωσης.
14:08
We need to do that with linkedσυνδέονται dataδεδομένα.
301
830000
2000
Και αυτό πρέπει να το κάνουμε με συνδεδεμένα δεδομένα.
14:10
One last typeτύπος of dataδεδομένα I'll talk about, maybe it's the mostπλέον excitingσυναρπαστικός.
302
832000
3000
Τέλος, θα μιλήσω για μία ακόμα μορφή δεδομένων, ίσως επειδή είναι η πιο συναρπαστική.
14:13
Before I cameήρθε down here, I lookedκοίταξε it up on OpenStreetMapOpenStreetMap
303
835000
3000
Πριν έρθω εδώ, έψαξα την τοποθεσία στο OpenStreetMap
14:16
The OpenStreetMap'sΤου OpenStreetMap a mapχάρτης, but it's alsoεπίσης a WikiWiki.
304
838000
2000
To OpenStreetMap είναι ένας χάρτης, αλλά είναι και ένα Wiki.
14:18
ZoomΖουμ in and that squareτετράγωνο thing is a theaterθέατρο -- whichοι οποίες we're in right now --
305
840000
3000
Αν μεγενθύνετε την εικόνα θα δείτε ότι αυτό το τετράγωνο πράγμα είναι ένα κτίριο-- μέσα στο οποίο είμαστε αυτή τη στιγμή --
14:21
The TerraceΒεράντα TheaterΘέατρο. It didn't have a nameόνομα on it.
306
843000
2000
Είναι το Terrace Theater. Δεν είχε κάποιο όνομα πάνω του.
14:23
So I could go into editεπεξεργασία modeτρόπος, I could selectεπιλέγω the theaterθέατρο,
307
845000
2000
Οπότε θα μπορούσα να το γυρίσω στην σύνταξη, και θα μπορούσα να επιλέξω το θέατρο,
14:25
I could addπροσθέτω down at the bottomκάτω μέρος the nameόνομα, and I could saveαποθηκεύσετε it back.
308
847000
5000
Θα μπορούσα να προσθέσω το όνομα και να το σώσω.
14:30
And now if you go back to the OpenStreetMapOpenStreetMap. orgorg,
309
852000
3000
Και τώρα αν πάτε πίσω στο OpenStreetMap.org
14:33
and you find this placeθέση, you will find that The TerraceΒεράντα TheaterΘέατρο has got a nameόνομα.
310
855000
3000
και βρείτε αυτό το μέρος, θα δείτε ότι το Terrace Theater έχει όνομα.
14:36
I did that. Me!
311
858000
2000
Εγώ το έκανα. Εγώ!
14:38
I did that to the mapχάρτης. I just did that!
312
860000
2000
Εγώ το έκανα αυτό στο χάρτη, μόλις τώρα!
14:40
I put that up on there. Hey, you know what?
313
862000
2000
Εγώ το έβαλα εκεί. Και ξέρετε τι?
14:42
If I -- that streetδρόμος mapχάρτης is all about everybodyόλοι doing theirδικα τους bitκομμάτι
314
864000
3000
Αυτός ο χάρτης βασίζεται στο ότι ο καθένας θα κάνει και από κάτι
14:45
and it createsδημιουργεί an incredibleαπίστευτος resourceπόρος
315
867000
3000
και δημιουργεί μία καταπληκτική πηγή
14:48
because everybodyόλοι elseαλλού does theirsτις δικές τους.
316
870000
3000
γιατί ο καθένας κάνει από κάτι.
14:51
And that is what linkedσυνδέονται dataδεδομένα is all about.
317
873000
3000
Και αυτή είναι και η λογική των συνδεδεμένων δεδομένων.
14:54
It's about people doing theirδικα τους bitκομμάτι
318
876000
3000
Βασίζονται στη συμβολή όλων από λίγο
14:57
to produceπαράγω a little bitκομμάτι, and it all connectingσυνδετικός.
319
879000
3000
για να παράγουν λίγο, και μετά όλα να συνδεθούν.
15:00
That's how linkedσυνδέονται dataδεδομένα worksεργοστάσιο.
320
882000
3000
Έτσι λειτουργούν τα συνδεδεμένα δεδομένα.
15:03
You do your bitκομμάτι. EverybodyΟ καθένας elseαλλού does theirsτις δικές τους.
321
885000
4000
Κάνεις εσύ απο κάτι. Ο καθένας κάνει από κάτι.
15:07
You mayενδέχεται not have lots of dataδεδομένα whichοι οποίες you have yourselfσύ ο ίδιος to put on there
322
889000
4000
Μπορεί να μην έχεις πολλά δεδομένα τα οποία εσύ ο ίδιος να ανέβασες
15:11
but you know to demandζήτηση it.
323
893000
3000
αλλά ξέρεις να τα ζητάς.
15:14
And we'veέχουμε practicedασκείται that.
324
896000
2000
Έχουμε εξασκηθεί σε αυτό.
15:16
So, linkedσυνδέονται dataδεδομένα -- it's hugeτεράστιος.
325
898000
4000
Συνδεδεμένα δεδομένα λοιπόν -- τεράστια πρόκληση.
15:20
I've only told you a very smallμικρό numberαριθμός of things
326
902000
3000
Σας είπα μόνο πολύ λίγα πράγματα.
15:23
There are dataδεδομένα in everyκάθε aspectάποψη of our livesζωή,
327
905000
2000
Υπάρχουν δεδομένα σε κάθε πτυχή της ζωής μας,
15:25
everyκάθε aspectάποψη of work and pleasureευχαρίστηση,
328
907000
3000
κάθε πτυχή της δουλειάς και της διασκέδασης,
15:28
and it's not just about the numberαριθμός of placesθέσεις where dataδεδομένα comesέρχεται,
329
910000
3000
και το σημαντικό δεν είναι μόνο τι δεδομένα είναι αυτά,
15:31
it's about connectingσυνδετικός it togetherμαζί.
330
913000
3000
αλλά η σύνδεση μεταξύ τους
15:34
And when you connectσυνδέω dataδεδομένα togetherμαζί, you get powerεξουσία
331
916000
3000
Και όταν συνδέεις δεδομένα μεταξύ τους, έχεις δύναμη
15:37
in a way that doesn't happenσυμβεί just with the webιστός, with documentsέγγραφα.
332
919000
3000
με ένα τρόπο που δεν συμβαίνει μόνο με το διαδίκτυο ή μόνο με κείμενα.
15:40
You get this really hugeτεράστιος powerεξουσία out of it.
333
922000
4000
Αποκτάς αυτή την πραγματικά τεράστια δύναμη από αυτά.
15:44
So, we're at the stageστάδιο now
334
926000
3000
Βρισκόμαστε λοιπόν στην φάση τώρα
15:47
where we have to do this -- the people who think it's a great ideaιδέα.
335
929000
4000
που πρέπει να το κάνουμε αυτό -- εμείς που πιστεύουμε ότι ειναι μια υπέροχη ιδέα.
15:51
And all the people -- and I think there's a lot of people at TEDTED who do things because --
336
933000
3000
αλλά και όλοι οι άνθρωποι - και νομίζω υπάρχουν πολλοί άνθρωποι στο TED που κάνουν πράγματα που --
15:54
even thoughαν και there's not an immediateάμεσος returnΕΠΙΣΤΡΟΦΗ on the investmentεπένδυση
337
936000
2000
ακόμα και αν δεν υπάρχει άμεση επιστροφή στην επένδυση
15:56
because it will only really payπληρωμή off when everybodyόλοι elseαλλού has doneΈγινε it --
338
938000
3000
τα κάνουν επειδή θα αποδώσουν μόνο όταν όλοι τα έχουν κάνει --
15:59
they'llθα το κάνουν do it because they're the sortείδος of personπρόσωπο who just does things
339
941000
4000
τα κάνουν επειδή είναι αυτού του είδους οι άνθρωποι που κάνουν πράγματα
16:03
whichοι οποίες would be good if everybodyόλοι elseαλλού did them.
340
945000
3000
που θα αποδώσουν μόνο αν όλοι τα κάνουν.
16:06
OK, so it's calledπου ονομάζεται linkedσυνδέονται dataδεδομένα.
341
948000
2000
ΟΚ, λέγεται λοιπόν συνδεδεμένα δεδομένα.
16:08
I want you to make it.
342
950000
2000
Θέλω να το κάνετε πραγματικότητα.
16:10
I want you to demandζήτηση it.
343
952000
2000
Θέλω να το απαιτήσετε.
16:12
And I think it's an ideaιδέα worthαξία spreadingδιάδοση.
344
954000
2000
Και πιστεύω ότι είναι μια ιδέα που αξίζει να διαδοθεί.
16:14
ThanksΕυχαριστώ.
345
956000
1000
Ευχαριστώ.
16:15
(ApplauseΧειροκροτήματα)
346
957000
3000
(Χειροκρότημα)
Translated by Amalia Kokkinaki
Reviewed by LLUKA BULLARI

▲Back to top

ABOUT THE SPEAKER
Tim Berners-Lee - Inventor
Tim Berners-Lee invented the World Wide Web. He leads the World Wide Web Consortium (W3C), overseeing the Web's standards and development.

Why you should listen

In the 1980s, scientists at CERN were asking themselves how massive, complex, collaborative projects -- like the fledgling LHC -- could be orchestrated and tracked. Tim Berners-Lee, then a contractor, answered by inventing the World Wide Web. This global system of hypertext documents, linked through the Internet, brought about a massive cultural shift ushered in by the new tech and content it made possible: AOL, eBay, Wikipedia, TED.com...

Berners-Lee is now director of the World Wide Web Consortium (W3C), which maintains standards for the Web and continues to refine its design. Recently he has envisioned a "Semantic Web" -- an evolved version of the same system that recognizes the meaning of the information it carries. He's the 3Com Founders Professor of Engineering in the School of Engineering with a joint appointment in the Department of Electrical Engineering and Computer Science at the Laboratory for Computer Science and Artificial Intelligence (CSAIL) at the MIT, where he also heads the Decentralized Information Group (DIG). He is also a Professor in the Electronics and Computer Science Department at the University of Southampton, UK.

More profile about the speaker
Tim Berners-Lee | Speaker | TED.com