TEDGlobal 2012
Shyam Sankar: The rise of human-computer cooperation
Шьям Шанкар. Рассвет сотрудничества человека и компьютера
Filmed:
Readability: 6.3
947,418 views
Неосознанная вычислительная мощь в одиночку не сможет решить мировые проблемы. Новатор в интеллектуальном анализе данных Шьям Шанкар объясняет, почему решение больших проблем (таких как поимка террористов или выявление больших скрытых тенденций) — это не вопрос нахождения правильного алгоритма, а скорее правильных симбиотических отношений между вычислениями и творческим началом человека.
Shyam Sankar - Data Intelligence Agent
An advocate of human-computer symbiosis, Shyam Sankar looks for clues in big and disparate data sets. Full bio
An advocate of human-computer symbiosis, Shyam Sankar looks for clues in big and disparate data sets. Full bio
Double-click the English transcript below to play the video.
00:16
I'd like to tell you about two games of chess.
0
512
2556
Я бы хотел рассказать
о двух шахматных матчах.
о двух шахматных матчах.
00:18
The first happened in 1997, in which Garry Kasparov,
1
3068
3864
Первый был сыгран в 1997 году,
и в нем Гарри Каспаров,
и в нем Гарри Каспаров,
00:22
a human, lost to Deep Blue, a machine.
2
6932
3716
человек, проиграл Дип Блю, компьютеру.
00:26
To many, this was the dawn of a new era,
3
10648
2240
Для многих это было рассветом новой эры,
00:28
one where man would be dominated by machine.
4
12888
2779
в которой машины
господствуют над людьми.
господствуют над людьми.
00:31
But here we are, 20 years on, and the greatest change
5
15667
3334
Но вот мы здесь, 20 лет спустя,
и самое большое изменение
и самое большое изменение
00:34
in how we relate to computers is the iPad,
6
19001
2690
в отношениях с компьютерами — это iPad,
00:37
not HAL.
7
21691
2045
но не HAL.
00:39
The second game was a freestyle chess tournament
8
23736
2648
Второй матч, в турнире
по шахматам в вольном стиле,
по шахматам в вольном стиле,
00:42
in 2005, in which man and machine could enter together
9
26384
2969
прошёл в 2005-м, и в нем человек
мог по желанию
мог по желанию
00:45
as partners, rather than adversaries, if they so chose.
10
29353
4666
использовать машину в качестве партнёра,
а не соперника.
а не соперника.
00:49
At first, the results were predictable.
11
34019
1851
Сначала результаты были предсказуемыми.
00:51
Even a supercomputer was beaten by a grandmaster
12
35870
2497
Даже суперкомпьютер
был побит гроссмейстером
был побит гроссмейстером
00:54
with a relatively weak laptop.
13
38367
2312
с относительно слабым ноутбуком.
00:56
The surprise came at the end. Who won?
14
40679
2985
Но сюрприз был в конце. Кто победил?
00:59
Not a grandmaster with a supercomputer,
15
43664
2776
Не гроссмейстер с суперкомпьютером,
01:02
but actually two American amateurs
16
46440
1493
а фактически двое американских любителей
01:03
using three relatively weak laptops.
17
47933
3822
с тремя относительно слабыми ноутбуками.
01:07
Their ability to coach and manipulate their computers
18
51755
2596
Их способность тренировать
свои компьютеры и манипулировать ими
свои компьютеры и манипулировать ими
01:10
to deeply explore specific positions
19
54351
2435
для глубокого исследования
специфических позиций
специфических позиций
01:12
effectively counteracted the superior chess knowledge
20
56786
2390
эффективно противостояла
превосходящим шахматным
превосходящим шахматным
01:15
of the grandmasters and the superior computational power
21
59176
2609
знаниям гроссмейстеров и выдающейся
01:17
of other adversaries.
22
61785
1909
вычислительной способности их соперников.
01:19
This is an astonishing result: average men,
23
63694
2905
Это ошеломительный результат:
обычные люди
обычные люди
01:22
average machines beating the best man, the best machine.
24
66599
4081
и средние компьютеры обыгрывают
лучшего игрока и лучший компьютер.
лучшего игрока и лучший компьютер.
01:26
And anyways, isn't it supposed to be man versus machine?
25
70680
3199
И, вообще, разве не предполагалась
схватка человека с компьютером?
схватка человека с компьютером?
01:29
Instead, it's about cooperation, and the right type of cooperation.
26
73879
4152
Вместо этого получилось сотрудничество,
и правильное сотрудничество.
и правильное сотрудничество.
01:33
We've been paying a lot of attention to Marvin Minsky's
27
78031
2857
За последние 50 лет
концепции Марвина Минского
концепции Марвина Минского
01:36
vision for artificial intelligence over the last 50 years.
28
80888
3242
касательно искусственного интеллекта
уделялось много внимания.
уделялось много внимания.
01:40
It's a sexy vision, for sure. Many have embraced it.
29
84130
2262
Очень соблазнительная концепция,
однозначно. Многие её восприняли.
однозначно. Многие её восприняли.
01:42
It's become the dominant school of thought in computer science.
30
86392
2753
Она стала доминирующей
школой мысли в компьютерной науке.
школой мысли в компьютерной науке.
01:45
But as we enter the era of big data, of network systems,
31
89145
3072
Но по мере вхождения в эру
большого количества данных, сетевых систем,
большого количества данных, сетевых систем,
01:48
of open platforms, and embedded technology,
32
92217
2698
открытых платформ и встроенных технологий,
01:50
I'd like to suggest it's time to reevaluate an alternative vision
33
94915
3392
я бы предположил, что настало время
переоценить альтернативную версию,
переоценить альтернативную версию,
01:54
that was actually developed around the same time.
34
98307
3070
которую, в общем-то, разработали
почти в то же самое время.
почти в то же самое время.
01:57
I'm talking about J.C.R. Licklider's human-computer symbiosis,
35
101377
3332
Я говорю о симбиозе
человек-компьютер Дж. К. Р. Ликлайдера,
человек-компьютер Дж. К. Р. Ликлайдера,
02:00
perhaps better termed "intelligence augmentation," I.A.
36
104709
3808
возможно, более удачно названное
«Усилением интеллекта», УИ.
«Усилением интеллекта», УИ.
02:04
Licklider was a computer science titan who had a profound
37
108517
2640
Ликлайдер был титаном
компьютерной науки, оказавшим
компьютерной науки, оказавшим
02:07
effect on the development of technology and the Internet.
38
111157
3006
существенное влияние
на развитие технологии и Интернета.
на развитие технологии и Интернета.
02:10
His vision was to enable man and machine to cooperate
39
114163
2868
Его концепция предполагала
сотрудничество человека и компьютера
сотрудничество человека и компьютера
02:12
in making decisions, controlling complex situations
40
117031
3590
в принятии решений,
управлении сложными ситуациями
управлении сложными ситуациями
02:16
without the inflexible dependence
41
120621
1770
без жёсткой зависимости
02:18
on predetermined programs.
42
122391
2533
от заранее предопределённых установок.
02:20
Note that word "cooperate."
43
124924
2498
Обратите внимание на слово «сотрудничать».
02:23
Licklider encourages us not to take a toaster
44
127422
2747
Ликлайдер не воодушевляет нас взять тостер
02:26
and make it Data from "Star Trek,"
45
130169
2284
и сделать его
мистером Дэйта из «Стар Трэка»,
мистером Дэйта из «Стар Трэка»,
02:28
but to take a human and make her more capable.
46
132453
3535
а взять человека
и дать ему больше возможностей.
и дать ему больше возможностей.
02:31
Humans are so amazing -- how we think,
47
135988
1911
Люди так изумительны — то, как мы мыслим,
02:33
our non-linear approaches, our creativity,
48
137899
2618
наши нестандартные подходы,
наша способность творить,
наша способность творить,
02:36
iterative hypotheses, all very difficult if possible at all
49
140517
2131
плодить гипотезы — всё это очень трудно,
02:38
for computers to do.
50
142648
1345
а может и вовсе невозможно для компьютера.
02:39
Licklider intuitively realized this, contemplating humans
51
143993
2452
Ликлайдер интуитивно осознал это,
созерцая, как люди
созерцая, как люди
02:42
setting the goals, formulating the hypotheses,
52
146445
2327
ставят цели, формулируют гипотезы,
02:44
determining the criteria, and performing the evaluation.
53
148772
3376
определяют критерии и выполняют оценку.
02:48
Of course, in other ways, humans are so limited.
54
152148
1775
Конечно, с другой стороны,
люди так ограничены.
люди так ограничены.
02:49
We're terrible at scale, computation and volume.
55
153923
3235
Мы слабы в измерениях,
вычислениях и по объёмам данных.
вычислениях и по объёмам данных.
02:53
We require high-end talent management
56
157158
1836
Нужен высококлассный
отдел управления талантами,
отдел управления талантами,
02:54
to keep the rock band together and playing.
57
158994
2064
чтобы заставить играть рок-группу
и удержать её вместе.
и удержать её вместе.
02:56
Licklider foresaw computers doing all the routinizable work
58
161058
2204
Ликлайдер предвидел, что компьютеры
будут делать всю рутинную работу,
будут делать всю рутинную работу,
02:59
that was required to prepare the way for insights and decision making.
59
163262
3276
требующуюся для проникновения
в суть и принятия решений.
в суть и принятия решений.
03:02
Silently, without much fanfare,
60
166538
2224
Потихоньку, без лишних фанфар,
03:04
this approach has been compiling victories beyond chess.
61
168762
3354
этот подход стал одерживать победы
вне шахматных полей.
вне шахматных полей.
03:08
Protein folding, a topic that shares the incredible expansiveness of chess —
62
172116
3356
Фолдинг белка, тема, которую объединяет
с шахматами невероятная разветвлённость вариантов:
с шахматами невероятная разветвлённость вариантов:
03:11
there are more ways of folding a protein than there are atoms in the universe.
63
175472
3042
способов сворачивания белка существует
больше, чем атомов во вселенной.
больше, чем атомов во вселенной.
03:14
This is a world-changing problem with huge implications
64
178514
2353
Это мироизменяющая проблема с огромными
03:16
for our ability to understand and treat disease.
65
180867
2308
перспективами для понимания и лечения болезней.
03:19
And for this task, supercomputer field brute force simply isn't enough.
66
183175
4248
И грубой электронной силы суперкомпьютера
недостаточно для этой задачи.
недостаточно для этой задачи.
03:23
Foldit, a game created by computer scientists,
67
187423
2384
«Foldit», игра, созданная компьютерными учёными,
03:25
illustrates the value of the approach.
68
189807
2502
демонстрирует ценность данного подхода.
03:28
Non-technical, non-biologist amateurs play a video game
69
192309
3041
Любители, не биологи, не техники,
играют в видео-игру,
играют в видео-игру,
03:31
in which they visually rearrange the structure of the protein,
70
195350
3073
в которой они визуально
перестраивают структуру протеина,
перестраивают структуру протеина,
03:34
allowing the computer to manage the atomic forces
71
198423
1499
позволяя компьютеру
управлять атомными силами
управлять атомными силами
03:35
and interactions and identify structural issues.
72
199922
2957
и взаимодействиями и определять
структурные составляющие.
структурные составляющие.
03:38
This approach beat supercomputers 50 percent of the time
73
202879
3023
Этот подход выигрывает у суперкомпьютера
в половине случаев,
в половине случаев,
03:41
and tied 30 percent of the time.
74
205902
2584
и одерживает ничью в ещё 30%.
03:44
Foldit recently made a notable and major scientific discovery
75
208486
3137
«Foldit» недавно сделала крупное
и значительное научное открытие,
и значительное научное открытие,
03:47
by deciphering the structure of the Mason-Pfizer monkey virus.
76
211623
3160
расшифровав структуру
обезьяньего вируса Мэйсона-Пфайзера.
обезьяньего вируса Мэйсона-Пфайзера.
03:50
A protease that had eluded determination for over 10 years
77
214783
3015
Протеаза, которая ускользала
от определения более 10 лет,
от определения более 10 лет,
03:53
was solved was by three players in a matter of days,
78
217798
2626
была рассчитана
тремя игроками за несколько дней,
тремя игроками за несколько дней,
03:56
perhaps the first major scientific advance
79
220424
2025
что, пожалуй, стало
первым большим научным прорывом,
первым большим научным прорывом,
03:58
to come from playing a video game.
80
222449
2323
возникшим в результате видео-игры.
04:00
Last year, on the site of the Twin Towers,
81
224772
2181
В прошлом году на месте башен-близнецов
04:02
the 9/11 memorial opened.
82
226953
1473
открылся мемориал 9/11.
04:04
It displays the names of the thousands of victims
83
228426
2721
На нем отображаются имена тысяч жертв
04:07
using a beautiful concept called "meaningful adjacency."
84
231147
3063
с использованием
красивой концепции «значимой смежности».
красивой концепции «значимой смежности».
04:10
It places the names next to each other based on their
85
234210
2166
Она располагает имена друг за другом,
04:12
relationships to one another: friends, families, coworkers.
86
236376
2213
основываясь на их взаимоотношениях:
друзья, семьи, сотрудники.
друзья, семьи, сотрудники.
04:14
When you put it all together, it's quite a computational
87
238589
3028
Если собрать всё это вместе,
получается как раз вычислительная задача:
получается как раз вычислительная задача:
04:17
challenge: 3,500 victims, 1,800 adjacency requests,
88
241617
4223
3 500 жертв, 1 800 запросов смежности,
04:21
the importance of the overall physical specifications
89
245840
3092
влияние общих физических характеристик
04:24
and the final aesthetics.
90
248932
2137
и конечная эстетика.
04:26
When first reported by the media, full credit for such a feat
91
251069
2615
Как впервые сообщили СМИ,
этот подвиг был доверен
этот подвиг был доверен
04:29
was given to an algorithm from the New York City
92
253684
1892
алгоритму из нью-йоркской
дизайнерской фирмы
дизайнерской фирмы
04:31
design firm Local Projects. The truth is a bit more nuanced.
93
255576
4001
«Local Projects».
На самом деле всё немного запутанней.
На самом деле всё немного запутанней.
04:35
While an algorithm was used to develop the underlying framework,
94
259577
2871
В то время как алгоритм был использован
для наброски каркасного эскиза,
для наброски каркасного эскиза,
04:38
humans used that framework to design the final result.
95
262448
3008
люди использовали этот эскиз
для создания конечного результата.
для создания конечного результата.
04:41
So in this case, a computer had evaluated millions
96
265456
2225
Таким образом, в этом случае
компьютер производил оценку
компьютер производил оценку
04:43
of possible layouts, managed a complex relational system,
97
267681
3335
миллионов возможных вариантов размещения,
управлял сложной системой связей,
управлял сложной системой связей,
04:46
and kept track of a very large set of measurements
98
271016
2414
и следил за очень большим набором
04:49
and variables, allowing the humans to focus
99
273430
2410
величин и переменных,
позволяя людям сосредоточиться
позволяя людям сосредоточиться
04:51
on design and compositional choices.
100
275840
2802
на макетных и композиционных решениях.
04:54
So the more you look around you,
101
278642
1036
И если оглянуться вокруг, мы увидим,
04:55
the more you see Licklider's vision everywhere.
102
279678
1962
как повсюду
воплощается концепция Ликлайдера.
воплощается концепция Ликлайдера.
04:57
Whether it's augmented reality in your iPhone or GPS in your car,
103
281640
3304
Будь то дополненная реальность
в вашем iPhone или GPS в вашем авто,
в вашем iPhone или GPS в вашем авто,
05:00
human-computer symbiosis is making us more capable.
104
284944
2970
симбиоз человек-компьютер
даёт нам больше возможностей.
даёт нам больше возможностей.
05:03
So if you want to improve human-computer symbiosis,
105
287914
1655
И если вы хотите усовершенствовать этот симбиоз,
05:05
what can you do?
106
289569
1429
что вы можете сделать?
05:06
You can start by designing the human into the process.
107
290998
2452
Вы можете начать
со вписывания человека в этот процесс.
со вписывания человека в этот процесс.
05:09
Instead of thinking about what a computer will do to solve the problem,
108
293450
2204
Вместо размышления на тему, что сделает
компьютер для решения некой проблемы,
компьютер для решения некой проблемы,
05:11
design the solution around what the human will do as well.
109
295654
3869
разработайте также варианты того,
какую работу выполнит человек.
какую работу выполнит человек.
05:15
When you do this, you'll quickly realize that you spent
110
299523
1937
Когда вы это сделаете, вы сразу поймёте,
05:17
all of your time on the interface between man and machine,
111
301460
2879
что всё своё время уделяете
интерфейсу между человеком и машиной,
интерфейсу между человеком и машиной,
05:20
specifically on designing away the friction in the interaction.
112
304339
3099
особенно стараясь сгладить
возможные трения в процессе взаимодействия.
возможные трения в процессе взаимодействия.
05:23
In fact, this friction is more important than the power
113
307438
2766
По сути, это трение
является более определяющим
является более определяющим
05:26
of the man or the power of the machine
114
310204
2052
для общей эффективности,
нежели по отдельности
нежели по отдельности
05:28
in determining overall capability.
115
312256
1931
способности человека или мощь машины.
05:30
That's why two amateurs with a few laptops
116
314187
1977
Вот почему
двое любителей с двумя ноутбуками
двое любителей с двумя ноутбуками
05:32
handily beat a supercomputer and a grandmaster.
117
316164
2456
легко победили
суперкомпьютер и гроссмейстера.
суперкомпьютер и гроссмейстера.
05:34
What Kasparov calls process is a byproduct of friction.
118
318620
3005
Как сказал Каспаров, процесс
является побочным продуктом трения.
является побочным продуктом трения.
05:37
The better the process, the less the friction.
119
321625
2401
Чем лучше процесс, тем меньше трение.
05:39
And minimizing friction turns out to be the decisive variable.
120
324026
4256
И снижение трения
становится решающей переменной.
становится решающей переменной.
05:44
Or take another example: big data.
121
328282
2243
Или взять другой пример:
большой объем данных.
большой объем данных.
05:46
Every interaction we have in the world is recorded
122
330525
1906
Каждое наше взаимодействие
с окружающим миром
с окружающим миром
05:48
by an ever growing array of sensors: your phone,
123
332431
3059
записывается всё большим количеством
датчиков: ваш телефон,
датчиков: ваш телефон,
05:51
your credit card, your computer. The result is big data,
124
335490
2373
ваша кредитка, ваш компьютер.
Результат — большое количество данных,
Результат — большое количество данных,
05:53
and it actually presents us with an opportunity
125
337863
1742
и оно фактически даёт нам возможность
05:55
to more deeply understand the human condition.
126
339605
2662
глубже понять состояние человека.
05:58
The major emphasis of most approaches to big data
127
342267
2305
Большинство подходов к большим объёмам данных
06:00
focus on, "How do I store this data? How do I search
128
344572
2215
сосредоточивается на том,
«Где хранить? Как искать?
«Где хранить? Как искать?
06:02
this data? How do I process this data?"
129
346787
2276
Как обрабатывать эти данные?»
06:04
These are necessary but insufficient questions.
130
349063
2204
Эти вопросы необходимы,
но этого недостаточно.
но этого недостаточно.
06:07
The imperative is not to figure out how to compute,
131
351267
2471
Необходимо выяснить
не только то, как вычислять,
не только то, как вычислять,
06:09
but what to compute. How do you impose human intuition
132
353738
2184
но и что вычислять.
Как вы наложите человеческую интуицию
Как вы наложите человеческую интуицию
06:11
on data at this scale?
133
355922
1791
на данные в этом масштабе?
06:13
Again, we start by designing the human into the process.
134
357713
3499
Опять же, мы начинаем
вписывать в процесс человека.
вписывать в процесс человека.
06:17
When PayPal was first starting as a business, their biggest
135
361212
2812
Когда PayPal только начинался
как бизнес, их главнейшей проблемой
как бизнес, их главнейшей проблемой
06:19
challenge was not, "How do I send money back and forth online?"
136
364024
2804
было не
«Как слать деньги онлайн вперёд и назад?»
«Как слать деньги онлайн вперёд и назад?»
06:22
It was, "How do I do that without being defrauded by organized crime?"
137
366828
3872
Вопрос звучал «Как делать это,
не став жертвой мошенничества?»
не став жертвой мошенничества?»
06:26
Why so challenging? Because while computers can learn
138
370700
2088
Почему это так трудно? Потому что,
хотя компьютеры и могут научиться
хотя компьютеры и могут научиться
06:28
to detect and identify fraud based on patterns,
139
372788
3144
выявлять и распознавать обман,
основываясь на заданной схеме,
основываясь на заданной схеме,
06:31
they can't learn to do that based on patterns
140
375932
1479
они не могут сделать этого,
основываясь на схеме, которую
основываясь на схеме, которую
06:33
they've never seen before, and organized crime
141
377411
2116
им никто не задавал,
а организованная преступность
а организованная преступность
06:35
has a lot in common with this audience: brilliant people,
142
379527
2709
имеет много общего с этой аудиторией:
блестящие люди,
блестящие люди,
06:38
relentlessly resourceful, entrepreneurial spirit — (Laughter) —
143
382236
3640
неустанно изобретательные,
с духом предпринимательства — (Смех)
с духом предпринимательства — (Смех)
06:41
and one huge and important difference: purpose.
144
385876
2712
и лишь одно большое и важное различие:
цели.
цели.
06:44
And so while computers alone can catch all but the cleverest
145
388588
2832
И пока компьютеры в одиночку могут
поймать всех, кроме умнейших мошенников,
поймать всех, кроме умнейших мошенников,
06:47
fraudsters, catching the cleverest is the difference
146
391420
2253
поимка умнейших является различием
06:49
between success and failure.
147
393673
2545
между успехом и провалом.
06:52
There's a whole class of problems like this, ones with
148
396218
2221
Есть целый класс проблем
подобных этой, ситуаций
подобных этой, ситуаций
06:54
adaptive adversaries. They rarely if ever present with a
149
398439
2575
с приспосабливающимся противником.
Они крайне редко следуют
Они крайне редко следуют
06:56
repeatable pattern that's discernable to computers.
150
401014
2736
повторяющейся схеме,
улавливаемой компьютером.
улавливаемой компьютером.
06:59
Instead, there's some inherent component of innovation or disruption,
151
403750
3993
Вместо этого, в них обязательно присутствует
какая-нибудь примесь новизны, нарушения шаблона,
какая-нибудь примесь новизны, нарушения шаблона,
07:03
and increasingly these problems are buried in big data.
152
407743
2735
и всё чаще эти проблемы
погребены в большом объёме данных.
погребены в большом объёме данных.
07:06
For example, terrorism. Terrorists are always adapting
153
410478
2500
Например, терроризм.
Террористы постоянно приспосабливаются
Террористы постоянно приспосабливаются
07:08
in minor and major ways to new circumstances, and despite
154
412978
2052
в мелочах и по-крупному к новым
обстоятельствам, и, невзирая на то,
обстоятельствам, и, невзирая на то,
07:10
what you might see on TV, these adaptations,
155
415030
3094
что вы можете увидеть по ТВ,
эти приспособления,
эти приспособления,
07:14
and the detection of them, are fundamentally human.
156
418124
2293
и их распознавание принципиально
ложатся на плечи людей.
ложатся на плечи людей.
07:16
Computers don't detect novel patterns and new behaviors,
157
420417
3117
Компьютеры не выявляют
новые схемы и непривычное поведение,
новые схемы и непривычное поведение,
07:19
but humans do. Humans, using technology, testing hypotheses,
158
423534
3235
но люди — да. Люди используют технологи,
проверяют гипотезы,
проверяют гипотезы,
07:22
searching for insight by asking machines to do things for them.
159
426769
4620
ищут понимание путём
задания задач своим машинам.
задания задач своим машинам.
07:27
Osama bin Laden was not caught by artificial intelligence.
160
431389
2320
Осама бин Ладен был пойман
не искусственным интеллектом.
не искусственным интеллектом.
07:29
He was caught by dedicated, resourceful, brilliant people
161
433709
2553
Он был пойман целеустремлёнными,
изобретательными, блестящими людьми
изобретательными, блестящими людьми
07:32
in partnerships with various technologies.
162
436262
4269
совместно с различными технологиями.
07:36
As appealing as it might sound, you cannot algorithmically
163
440531
2818
Но как бы привлекательно
это ни звучало, невозможно
это ни звучало, невозможно
07:39
data mine your way to the answer.
164
443349
1601
вычислить истину путём алгоритма.
07:40
There is no "Find Terrorist" button, and the more data
165
444950
2855
Нет такой кнопки «Найти террориста».
07:43
we integrate from a vast variety of sources
166
447805
2302
И чем больше данных мы собираем
из огромного количества источников
из огромного количества источников
07:46
across a wide variety of data formats from very
167
450107
2133
разного формата
из совершенно различных систем,
из совершенно различных систем,
07:48
disparate systems, the less effective data mining can be.
168
452240
3309
тем меньше эффективность поиска решения.
07:51
Instead, people will have to look at data
169
455549
2024
Людям же достаточно посмотреть на данные
07:53
and search for insight, and as Licklider foresaw long ago,
170
457573
3456
и найти догадку.
И, как и предвидел Ликлайдер
И, как и предвидел Ликлайдер
07:56
the key to great results here is the right type of cooperation,
171
461029
2685
ключом к получению хороших результатов
является правильный тип взаимодействия.
является правильный тип взаимодействия.
07:59
and as Kasparov realized,
172
463714
1524
И, в понимании Каспарова,
08:01
that means minimizing friction at the interface.
173
465238
3031
это означает
уменьшить трение в интерфейсе.
уменьшить трение в интерфейсе.
08:04
Now this approach makes possible things like combing
174
468269
2758
Так вот, этот подход делает возможным
такие вещи как —
такие вещи как —
08:06
through all available data from very different sources,
175
471027
3386
прочёсывание всех доступных данных
из самых разных источников
из самых разных источников
08:10
identifying key relationships and putting them in one place,
176
474413
2792
для определения ключевых закономерностей
и сведения их воедино.
и сведения их воедино.
08:13
something that's been nearly impossible to do before.
177
477205
2928
То, что невозможно было сделать раньше.
08:16
To some, this has terrifying privacy and civil liberties
178
480133
1942
Кто-то считает, что это очень плохо скажется
на личной и общественной свободах.
на личной и общественной свободах.
08:17
implications. To others it foretells of an era of greater
179
482075
3410
Другие предвещают эру более надёжной
08:21
privacy and civil liberties protections,
180
485485
1909
защиты личной и социальной свобод.
08:23
but privacy and civil liberties are of fundamental importance.
181
487394
2936
Но личная и социальная свободы
имеют принципиальное значение.
имеют принципиальное значение.
08:26
That must be acknowledged, and they can't be swept aside,
182
490330
2193
Они должны быть признаны
и не могут игнорироваться
и не могут игнорироваться
08:28
even with the best of intents.
183
492523
2530
даже исходя из самых лучших намерений.
08:30
So let's explore, through a couple of examples, the impact
184
495053
2518
Итак, давайте исследуем
на нескольких примерах воздействие,
на нескольких примерах воздействие,
08:33
that technologies built to drive human-computer symbiosis
185
497571
2406
которое технологии привносят
в человеко-компьютерный симбиоз
в человеко-компьютерный симбиоз
08:35
have had in recent time.
186
499977
2919
на сегодняшний день.
08:38
In October, 2007, U.S. and coalition forces raided
187
502896
3416
В октябре 2007,
США и силы коалиции обыскали
США и силы коалиции обыскали
08:42
an al Qaeda safe house in the city of Sinjar
188
506312
2416
конспиративную квартиру
Аль-Каиды в городе Синджар
Аль-Каиды в городе Синджар
08:44
on the Syrian border of Iraq.
189
508728
1934
на Сирийской границе Ирака.
08:46
They found a treasure trove of documents:
190
510662
2376
Они нашли драгоценные документы:
08:48
700 biographical sketches of foreign fighters.
191
513038
2335
700 биографических очерков
иностранных боевиков.
иностранных боевиков.
08:51
These foreign fighters had left their families in the Gulf,
192
515373
2584
Эти иностранные боевики оставили
свои семьи в Персидском заливе,
свои семьи в Персидском заливе,
08:53
the Levant and North Africa to join al Qaeda in Iraq.
193
517957
3146
Леванте и Северной Африке, чтобы
присоединиться к Аль-Каиде в Ираке.
присоединиться к Аль-Каиде в Ираке.
08:57
These records were human resource forms.
194
521103
1616
Эти записи были опросными анкетами.
08:58
The foreign fighters filled them out as they joined the organization.
195
522719
2855
Иностранные боевики заполняли их
при вступлении в организацию.
при вступлении в организацию.
09:01
It turns out that al Qaeda, too,
196
525574
1211
Оказывается, что и в Аль-Каиде тоже
09:02
is not without its bureaucracy. (Laughter)
197
526785
2597
не обошлось без бюрократии. (Смех)
09:05
They answered questions like, "Who recruited you?"
198
529382
2098
Они ответили такие вопросы, как:
«Кто вас завербовал?»,
«Кто вас завербовал?»,
09:07
"What's your hometown?" "What occupation do you seek?"
199
531480
2854
«Какой ваш родной город?»,
«Какую работу вы ищете?».
«Какую работу вы ищете?».
09:10
In that last question, a surprising insight was revealed.
200
534334
3169
Последний вопрос
раскрыл удивительные подробности.
раскрыл удивительные подробности.
09:13
The vast majority of foreign fighters
201
537503
2400
Большое число иностранных боевиков
09:15
were seeking to become suicide bombers for martyrdom --
202
539903
2400
хотели стать смертниками-мучениками,
09:18
hugely important, since between 2003 and 2007, Iraq
203
542303
4338
что особенно важно, т.к.
приблизительно с 2003-2007 года в Ираке
приблизительно с 2003-2007 года в Ираке
09:22
had 1,382 suicide bombings, a major source of instability.
204
546641
4244
было совершено 1382 взрыва смертников
(основной источник нестабильности).
(основной источник нестабильности).
09:26
Analyzing this data was hard. The originals were sheets
205
550885
2058
Анализировать эти данные было трудно,
т.к. оригиналами были
т.к. оригиналами были
09:28
of paper in Arabic that had to be scanned and translated.
206
552943
2742
листы бумаги на арабском, которые
нужно было отсканировать и перевести.
нужно было отсканировать и перевести.
09:31
The friction in the process did not allow for meaningful
207
555685
2192
«Трение» в процессе не позволяло
получить значимые результаты
получить значимые результаты
09:33
results in an operational time frame using humans, PDFs
208
557877
3350
в отведённые сроки используя
одних лишь людей, PDF-файлы
одних лишь людей, PDF-файлы
09:37
and tenacity alone.
209
561227
2218
и упорство.
09:39
The researchers had to lever up their human minds
210
563445
1953
Исследователям нужно было
усилить свои людские умы технологией,
усилить свои людские умы технологией,
09:41
with technology to dive deeper, to explore non-obvious
211
565398
2345
чтобы копнуть глубже
и исследовать неочевидные гипотезы,
и исследовать неочевидные гипотезы,
09:43
hypotheses, and in fact, insights emerged.
212
567743
3218
таким образом открывая новые идеи.
09:46
Twenty percent of the foreign fighters were from Libya,
213
570961
2644
20% иностранных боевиков были из Ливии,
09:49
50 percent of those from a single town in Libya,
214
573605
2968
50% из них из одного городка в Ливии,
09:52
hugely important since prior statistics put that figure at
215
576573
2450
что важно, т.к. до этого
в статистике была цифра 3%.
в статистике была цифра 3%.
09:54
three percent. It also helped to hone in on a figure
216
579023
2383
Это также помогло обратить внимание
09:57
of rising importance in al Qaeda, Abu Yahya al-Libi,
217
581406
2977
на растущую значимость в Аль-Каиде
такой фигуры как Абу Яхья аль-Либи
такой фигуры как Абу Яхья аль-Либи
10:00
a senior cleric in the Libyan Islamic fighting group.
218
584383
2631
старшего священника
Ливийской Исламской боевой группы.
Ливийской Исламской боевой группы.
10:02
In March of 2007, he gave a speech, after which there was
219
587014
2664
В марте 2007 года он выступил с речью,
после которой наблюдался
после которой наблюдался
10:05
a surge in participation amongst Libyan foreign fighters.
220
589678
3466
интенсивный прирост
новых участников из ливийских боевиков.
новых участников из ливийских боевиков.
10:09
Perhaps most clever of all, though, and least obvious,
221
593144
3106
Возможно самое умное из всего этого,
хотя и наименее очевидное,
хотя и наименее очевидное,
10:12
by flipping the data on its head, the researchers were
222
596250
2073
переворачиванием данных
с ног на голову исследователи смогли
с ног на голову исследователи смогли
10:14
able to deeply explore the coordination networks in Syria
223
598323
2900
глубоко исследовать
сети взаимодействий в Сирии,
сети взаимодействий в Сирии,
10:17
that were ultimately responsible for receiving and
224
601223
2517
которые были в конечном счёте
ответственны за получение
ответственны за получение
10:19
transporting the foreign fighters to the border.
225
603740
2464
и транспортировку
иностранных боевиков на границу.
иностранных боевиков на границу.
10:22
These were networks of mercenaries, not ideologues,
226
606204
2633
Это были сети наёмников, а не идеологов,
10:24
who were in the coordination business for profit.
227
608837
2398
которые координировали свои дела
для получения прибыли.
для получения прибыли.
10:27
For example, they charged Saudi foreign fighters
228
611235
1904
К примеру, в основном они нанимали
больше саудовских боевиков,
больше саудовских боевиков,
10:29
substantially more than Libyans, money that would have
229
613139
2199
чем ливийских. Ведь деньги, в ином случае
10:31
otherwise gone to al Qaeda.
230
615338
2320
ушли бы в Аль-Каиду.
10:33
Perhaps the adversary would disrupt their own network
231
617658
2045
Возможно, противник нарушил бы свои сети
10:35
if they knew they cheating would-be jihadists.
232
619703
3035
если бы знал,
что обманывают будущих джихадистов.
что обманывают будущих джихадистов.
10:38
In January, 2010, a devastating 7.0 earthquake struck Haiti,
233
622738
3745
В январе 2010 года по Гаити ударило
разрушительное землетрясение,
разрушительное землетрясение,
10:42
third deadliest earthquake of all time, left one million people,
234
626483
2916
третье в списке самых смертоносных землетрясений
за все времена, оставившее один миллион людей,
за все времена, оставившее один миллион людей,
10:45
10 percent of the population, homeless.
235
629399
2584
10% всего населения, без домов.
10:47
One seemingly small aspect of the overall relief effort
236
631983
3137
Один, казалось бы, небольшой аспект
общих усилий по оказанию помощи
общих усилий по оказанию помощи
10:51
became increasingly important as the delivery of food
237
635120
2176
становился всё более важным
по мере нарушения
по мере нарушения
10:53
and water started rolling.
238
637296
2160
доставки еды и воды.
10:55
January and February are the dry months in Haiti,
239
639456
1458
Январь и Февраль на Гаити —
это самые сухие месяцы,
это самые сухие месяцы,
10:56
yet many of the camps had developed standing water.
240
640914
2942
и в это время,
во многих лагерях вода застоялась.
во многих лагерях вода застоялась.
10:59
The only institution with detailed knowledge of Haiti's
241
643856
2122
Единственное учреждение, обладающее
детальным знанием пойм Гаити,
детальным знанием пойм Гаити,
11:01
floodplains had been leveled
242
645978
1297
было разрушено в результате землетрясения
11:03
in the earthquake, leadership inside.
243
647275
3008
вместе со своим руководством.
11:06
So the question is, which camps are at risk,
244
650283
2575
Итак, вопрос был в том,
какие лагеря в опасности,
какие лагеря в опасности,
11:08
how many people are in these camps, what's the
245
652858
1921
сколько людей в этих лагерях,
11:10
timeline for flooding, and given very limited resources
246
654779
2311
каково время затопления,
и как организовать переселение
и как организовать переселение
11:12
and infrastructure, how do we prioritize the relocation?
247
657090
3384
имея ограниченные ресурсы.
11:16
The data was incredibly disparate. The U.S. Army had
248
660474
2344
Данные были невероятно разрозненные.
Армия США
Армия США
11:18
detailed knowledge for only a small section of the country.
249
662818
2929
обладала детальным знанием
лишь небольшой части страны.
лишь небольшой части страны.
11:21
There was data online from a 2006 environmental risk
250
665747
2511
В интернете были данные с конференции
по экологическим рискам 2006 года
по экологическим рискам 2006 года
11:24
conference, other geospatial data, none of it integrated.
251
668258
2664
и другие геопространственные данные.
Но ничто из этого не было объединено.
Но ничто из этого не было объединено.
11:26
The human goal here was to identify camps for relocation
252
670922
2958
Задачей для человека здесь стало
определение лагеря для перемещения
определение лагеря для перемещения
11:29
based on priority need.
253
673880
2395
на основе приоритета потребностей.
11:32
The computer had to integrate a vast amount of geospacial
254
676275
2440
Компьютеру же предстояло объединить
огромное количество геопространственной информации,
огромное количество геопространственной информации,
11:34
information, social media data and relief organization
255
678715
2584
данных средств массовой информации
и организаций по оказанию помощи
и организаций по оказанию помощи
11:37
information to answer this question.
256
681299
3480
для получения ответа на этот вопрос.
11:40
By implementing a superior process, what was otherwise
257
684779
2415
Осуществление улучшенного процесса,
который в ином случае
который в ином случае
11:43
a task for 40 people over three months became
258
687194
2608
потребовал бы трёх месяцев работы 40 человек,
11:45
a simple job for three people in 40 hours,
259
689802
3176
стало простым заданием
для трёх человек и 40 часов
для трёх человек и 40 часов
11:48
all victories for human-computer symbiosis.
260
692978
2628
и в итоге победой
человеко-компьютерного симбиоза.
человеко-компьютерного симбиоза.
11:51
We're more than 50 years into Licklider's vision
261
695606
2054
Сейчас мы, находясь более 50 лет
в концепции будушего Ликлайдера
в концепции будушего Ликлайдера
11:53
for the future, and the data suggests that we should be
262
697660
2242
и данные предполагают, что мы должны быть
11:55
quite excited about tackling this century's hardest problems,
263
699902
3030
очень рады тому, что можем решить
труднейшие задачи этого века
труднейшие задачи этого века
11:58
man and machine in cooperation together.
264
702932
2947
силами сотрудничества человека и машины.
12:01
Thank you. (Applause)
265
705879
2197
Спасибо. (Аплодисменты)
12:03
(Applause)
266
708076
2505
(Аплодисменты)
ABOUT THE SPEAKER
Shyam Sankar - Data Intelligence AgentAn advocate of human-computer symbiosis, Shyam Sankar looks for clues in big and disparate data sets.
Why you should listen
Shyam Sankar is a Director at Palantir Technologies, a secretive Silicon Valley company where he oversees deployments of the company's core technology, which helps law enforcement teams and corporations analyze giant, unrelated databases for clues to potential ... anything. Palantir technologies has been used to find missing children, to detect banking fraud, and to uncover the Shadow Network, a cyber-spy ring that stooped so low as to hack the Dalai Lama's email.
As part of his work, Sankar thinks deeply about the place where human and machine intelligence meet. While artificial intelligence (AI) is the dominant paradigm, he is an advocate of JCR Licklider's "intelligence augmentation" (IA) approach, where algorithms and brains work together to solve problems.
Shyam Sankar | Speaker | TED.com