TEDGlobal 2012
Shyam Sankar: The rise of human-computer cooperation
Shyam Sankar: L'auge de la cooperació humà-ordinador
Filmed:
Readability: 6.3
947,418 views
La força computacional bruta no pot resoldre els problemes del món. Shyam Sankar, innovador en la recerca de data explica per què resoldre grans problemes (com trobar terroristes o identificar grans tendències ocultes) no es qüestió de trobar l'algoritme adequat, sinó de trobar la correcta relació simbiòtica entre la computació i la creativitat humana.
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
M'agradaria parlar-vos sobre dues partides d'escacs.
00:18
The first happened in 1997, in which Garry Kasparov,
1
3068
3864
La primera va tindre lloc en 1997, en la qual Garry Kasparov,
00:22
a human, lost to Deep Blue, a machine.
2
6932
3716
un humà, va perdre contra Deep Blue, una màquina.
00:26
To many, this was the dawn of a new era,
3
10648
2240
Per a molts aquest va ser l'alba d'una nova era,
00:28
one where man would be dominated by machine.
4
12888
2779
en la qual l'home seria dominat per la màquina.
00:31
But here we are, 20 years on, and the greatest change
5
15667
3334
Però ací estem, 20 anys després, i el gran canvi
00:34
in how we relate to computers is the iPad,
6
19001
2690
en com ens relacionem amb els ordinadors és l'iPad,
00:37
not HAL.
7
21691
2045
no HAL.
00:39
The second game was a freestyle chess tournament
8
23736
2648
La segona partida va ser un torneig d'escacs d'estil lliure
00:42
in 2005, in which man and machine could enter together
9
26384
2969
en 2005, en el qual un home i una màquina podien participar junts
00:45
as partners, rather than adversaries, if they so chose.
10
29353
4666
com a companys, en comptes de contrincants, si així ho desitjaven.
00:49
At first, the results were predictable.
11
34019
1851
Al començament els resultats van ser predictibles.
00:51
Even a supercomputer was beaten by a grandmaster
12
35870
2497
Fins i tot un superordinador va ser vençut per un gran mestre
00:54
with a relatively weak laptop.
13
38367
2312
amb un ordinador portàtil relativament poc potent.
00:56
The surprise came at the end. Who won?
14
40679
2985
La sorpresa va ser el final. Qui va guanyar?
00:59
Not a grandmaster with a supercomputer,
15
43664
2776
No va ser un gran mestre amb un superordinador,
01:02
but actually two American amateurs
16
46440
1493
sinó dos aficionats americans
01:03
using three relatively weak laptops.
17
47933
3822
usant tres portàtils relativament poc potents.
01:07
Their ability to coach and manipulate their computers
18
51755
2596
La seua habilitat per a entrenar i manipular els seus ordinadors
01:10
to deeply explore specific positions
19
54351
2435
per a explorar en profunditat posicions específiques
01:12
effectively counteracted the superior chess knowledge
20
56786
2390
va contrarestar eficaçment els coneixements superiors
01:15
of the grandmasters and the superior computational power
21
59176
2609
dels grans mestres i el superior poder computacional
01:17
of other adversaries.
22
61785
1909
d'altres adversaris.
01:19
This is an astonishing result: average men,
23
63694
2905
Aquest és un resultat sorprenent: homes normals,
01:22
average machines beating the best man, the best machine.
24
66599
4081
màquines normals derrotant al millor home, a la millor màquina.
01:26
And anyways, isn't it supposed to be man versus machine?
25
70680
3199
De tota manera, no es tractava d'home contra màquina?
01:29
Instead, it's about cooperation, and the right type of cooperation.
26
73879
4152
En comptes d'això, és tracta de cooperació, i el tipus correcte de cooperació.
01:33
We've been paying a lot of attention to Marvin Minsky's
27
78031
2857
Hem prestat molta atenció a la visió de Marvin Minsky
01:36
vision for artificial intelligence over the last 50 years.
28
80888
3242
de la intel·ligència artificial durant els últims 50 anys.
01:40
It's a sexy vision, for sure. Many have embraced it.
29
84130
2262
És una visió molt atractiva, és clar. Molts l'han adoptat.
01:42
It's become the dominant school of thought in computer science.
30
86392
2753
S'ha convertit en la forma de pensament predominant a l'enginyeria informàtica.
01:45
But as we enter the era of big data, of network systems,
31
89145
3072
Però conforme ens endinsem en l'era de molta informació, de sistemes en xarxa,
01:48
of open platforms, and embedded technology,
32
92217
2698
de plataformes obertes, i de la tecnologia integrada,
01:50
I'd like to suggest it's time to reevaluate an alternative vision
33
94915
3392
m'agradaria suggerir què és moment de re-avaluar una visió alternativa
01:54
that was actually developed around the same time.
34
98307
3070
que es va desenvolupar aproximadament al mateix temps.
01:57
I'm talking about J.C.R. Licklider's human-computer symbiosis,
35
101377
3332
Em refereixo a la simbiosi humà-ordinador de J.C.R. Licklider,
02:00
perhaps better termed "intelligence augmentation," I.A.
36
104709
3808
potser millor anomenada "augment de la intel·ligència", A.I.
02:04
Licklider was a computer science titan who had a profound
37
108517
2640
Licklider va ser un tità de l'enginyeria informàtica que tingué un profund
02:07
effect on the development of technology and the Internet.
38
111157
3006
efecte en el desenvolupament de la tecnologia i d'Internet.
02:10
His vision was to enable man and machine to cooperate
39
114163
2868
La seua visió era la de permetre a l'home i la màquina cooperar
02:12
in making decisions, controlling complex situations
40
117031
3590
en la presa de decisions, controlant situacions complicades
02:16
without the inflexible dependence
41
120621
1770
sense la dependència inflexible
02:18
on predetermined programs.
42
122391
2533
dels programes predeterminats.
02:20
Note that word "cooperate."
43
124924
2498
Atenció a la paraula "cooperar".
02:23
Licklider encourages us not to take a toaster
44
127422
2747
Licklider no ens anima a agafar una torradora
02:26
and make it Data from "Star Trek,"
45
130169
2284
i transformar-la en Data de "Star Trek",
02:28
but to take a human and make her more capable.
46
132453
3535
sinò a agafar un humà i fer-la més capaç.
02:31
Humans are so amazing -- how we think,
47
135988
1911
Els humans són meravellosos -- com pensem,
02:33
our non-linear approaches, our creativity,
48
137899
2618
els aproximaments no-linears, la creativitat,
02:36
iterative hypotheses, all very difficult if possible at all
49
140517
2131
les hipòtesis iteratives, tot molt difícil o impossible
02:38
for computers to do.
50
142648
1345
d'aconseguir pels ordinadors.
02:39
Licklider intuitively realized this, contemplating humans
51
143993
2452
Licklider se'n va adonar intuïtivament, contemplant els humans
02:42
setting the goals, formulating the hypotheses,
52
146445
2327
marcant-se objectius, formulant hipòtesis,
02:44
determining the criteria, and performing the evaluation.
53
148772
3376
determinant els criteris, i realitzant l'avaluació.
02:48
Of course, in other ways, humans are so limited.
54
152148
1775
És clar, en altres aspectes, els humans són molt limitats.
02:49
We're terrible at scale, computation and volume.
55
153923
3235
Som terribles amb escales, computació i volum.
02:53
We require high-end talent management
56
157158
1836
Necessitem un maneig superior dels nostres talents
02:54
to keep the rock band together and playing.
57
158994
2064
per tal de fer el millor treball possible.
02:56
Licklider foresaw computers doing all the routinizable work
58
161058
2204
Licklider va preveure els ordinadors fent tot el treball rutinari
02:59
that was required to prepare the way for insights and decision making.
59
163262
3276
necessari per a obrir pas a la perspicàcia i la presa de decisions.
03:02
Silently, without much fanfare,
60
166538
2224
Silenciosament, sense molta fanfàrria,
03:04
this approach has been compiling victories beyond chess.
61
168762
3354
aquest apropament ha guanyat moltes victòries més enllà dels escacs.
03:08
Protein folding, a topic that shares the incredible expansiveness of chess —
62
172116
3356
El plegament de proteïnes, un tema que comparteix la increïble expansió dels escacs --
03:11
there are more ways of folding a protein than there are atoms in the universe.
63
175472
3042
n'hi ha més formes de plegar una proteïna que àtoms a l'univers.
03:14
This is a world-changing problem with huge implications
64
178514
2353
Aquest és un problema fonamental amb grans implicacions
03:16
for our ability to understand and treat disease.
65
180867
2308
per a la nostra habilitat de comprendre i tractar les malalties.
03:19
And for this task, supercomputer field brute force simply isn't enough.
66
183175
4248
I per a aquesta tasca, la força bruta d'un superordinador no és suficient.
03:23
Foldit, a game created by computer scientists,
67
187423
2384
Foldit, un joc creat per enginyers informàtics,
03:25
illustrates the value of the approach.
68
189807
2502
il·lustra el valor d'aquesta aproximació.
03:28
Non-technical, non-biologist amateurs play a video game
69
192309
3041
Aficionats sense coneixements tècnics o de biologia juguen a un videojoc
03:31
in which they visually rearrange the structure of the protein,
70
195350
3073
en el que canvien visualment l'estructura de la proteïna,
03:34
allowing the computer to manage the atomic forces
71
198423
1499
deixant a l'ordinador el maneig de les forces atòmiques
03:35
and interactions and identify structural issues.
72
199922
2957
i les interaccions i la identificació de problemes estructurals.
03:38
This approach beat supercomputers 50 percent of the time
73
202879
3023
Aquesta aproximació supera als superordinadors un 50 per cent de les vegades,
03:41
and tied 30 percent of the time.
74
205902
2584
i empata un 30 per cent de les vegades.
03:44
Foldit recently made a notable and major scientific discovery
75
208486
3137
Recentment, Foldit ha fet un descobriment científic molt important
03:47
by deciphering the structure of the Mason-Pfizer monkey virus.
76
211623
3160
desxifrant l'estructura del virus del mico Mason-Pfizer
03:50
A protease that had eluded determination for over 10 years
77
214783
3015
Una proteasa que no ha pogut ser determinada en 10 anys
03:53
was solved was by three players in a matter of days,
78
217798
2626
va ser resolta per tres jugadors en qüestió de dies,
03:56
perhaps the first major scientific advance
79
220424
2025
potser el primer avanç científic important
03:58
to come from playing a video game.
80
222449
2323
com a resultat de jugar un videojoc.
04:00
Last year, on the site of the Twin Towers,
81
224772
2181
L'any passat, al lloc on estaven les Torres Bessones,
04:02
the 9/11 memorial opened.
82
226953
1473
es va inaugurar el monument a l'11-S.
04:04
It displays the names of the thousands of victims
83
228426
2721
Mostra els noms dels milers de víctimes
04:07
using a beautiful concept called "meaningful adjacency."
84
231147
3063
usant un bell concepte anomenat "adjacència significativa".
04:10
It places the names next to each other based on their
85
234210
2166
Posa els noms un al costat de l'altre basant-se en la
04:12
relationships to one another: friends, families, coworkers.
86
236376
2213
relació entre ells: amics, família, companys.
04:14
When you put it all together, it's quite a computational
87
238589
3028
Quan el poses tot junt, és un bon repte computacional:
04:17
challenge: 3,500 victims, 1,800 adjacency requests,
88
241617
4223
3,500 víctimes, 1,800 adjacències significatives,
04:21
the importance of the overall physical specifications
89
245840
3092
la importància de les especificacions físiques globals
04:24
and the final aesthetics.
90
248932
2137
i l'acabat estètic.
04:26
When first reported by the media, full credit for such a feat
91
251069
2615
Quan la premsa va informar per primera vegada, tot el crèdit per aquesta gesta
04:29
was given to an algorithm from the New York City
92
253684
1892
se la va emportar un algoritme de la firma de disseny novaiorquesa
04:31
design firm Local Projects. The truth is a bit more nuanced.
93
255576
4001
Local Projects. La veritat és un poc més complicada.
04:35
While an algorithm was used to develop the underlying framework,
94
259577
2871
Si bé es va utilitzar un algoritme per a desenvolupar l'estructura subjacent
04:38
humans used that framework to design the final result.
95
262448
3008
els humans van fer ús d'aquesta estructura per dissenyar el resultat final.
04:41
So in this case, a computer had evaluated millions
96
265456
2225
Així que en aquest cas, un ordinador havia avaluat milions
04:43
of possible layouts, managed a complex relational system,
97
267681
3335
de combinacions possibles, organitzat un complex sistema relacional,
04:46
and kept track of a very large set of measurements
98
271016
2414
i es va fer càrrec d'un gran nombre de mesures i variables
04:49
and variables, allowing the humans to focus
99
273430
2410
permetent als humans concentrar-se
04:51
on design and compositional choices.
100
275840
2802
en el disseny i les eleccions de la composició.
04:54
So the more you look around you,
101
278642
1036
Així que quant més mires al teu voltant,
04:55
the more you see Licklider's vision everywhere.
102
279678
1962
més veus com la visió de Licklider està tot arreu.
04:57
Whether it's augmented reality in your iPhone or GPS in your car,
103
281640
3304
Ja siga realitat augmentada al teu iPhone o el GPS al teu cotxe,
05:00
human-computer symbiosis is making us more capable.
104
284944
2970
la simbiosi humà-ordinador ens fa més capaços.
05:03
So if you want to improve human-computer symbiosis,
105
287914
1655
I si vols millorar la simbiosi humà-ordinador,
05:05
what can you do?
106
289569
1429
què pots fer?
05:06
You can start by designing the human into the process.
107
290998
2452
Pots començar incloent l'humà en el procés de disseny.
05:09
Instead of thinking about what a computer will do to solve the problem,
108
293450
2204
En comptes de pensar què pot fer un ordinador per resoldre el problema,
05:11
design the solution around what the human will do as well.
109
295654
3869
dissenya la solució al voltant del que l'humà farà també.
05:15
When you do this, you'll quickly realize that you spent
110
299523
1937
Quan ho fas, te n'adones ràpidament que has invertit
05:17
all of your time on the interface between man and machine,
111
301460
2879
tot el teu temps treballant en la interfície entre home i màquina,
05:20
specifically on designing away the friction in the interaction.
112
304339
3099
específicament dissenyant com llevar la fricció en la interacció.
05:23
In fact, this friction is more important than the power
113
307438
2766
De fet, aquesta fricció és més important que la capacitat
05:26
of the man or the power of the machine
114
310204
2052
de l'home o la potència de la màquina
05:28
in determining overall capability.
115
312256
1931
a l'hora de determinar la capacitat global.
05:30
That's why two amateurs with a few laptops
116
314187
1977
Eixa és la raó per què dos aficionats amb uns pocs portàtils
05:32
handily beat a supercomputer and a grandmaster.
117
316164
2456
guanyen fàcilment un superordinador i un gran mestre.
05:34
What Kasparov calls process is a byproduct of friction.
118
318620
3005
Allò que Kasparov anomena procés és un subproducte de la fricció.
05:37
The better the process, the less the friction.
119
321625
2401
Quant millor siga el procés, menor serà la fricció.
05:39
And minimizing friction turns out to be the decisive variable.
120
324026
4256
I minimitzar la fricció resulta ser una variable decisiva.
05:44
Or take another example: big data.
121
328282
2243
O prenem un altre exemple: gran quantitat d'informació.
05:46
Every interaction we have in the world is recorded
122
330525
1906
Tota interacció que tenim al món és gravada
05:48
by an ever growing array of sensors: your phone,
123
332431
3059
per gran quantitat de sensors: el teu telèfon,
05:51
your credit card, your computer. The result is big data,
124
335490
2373
la targeta de crèdit, l'ordinador. El resultat és una gran quantitat d'informació,
05:53
and it actually presents us with an opportunity
125
337863
1742
que ens presenta una oportunitat de
05:55
to more deeply understand the human condition.
126
339605
2662
comprendre la condició humana profundament.
05:58
The major emphasis of most approaches to big data
127
342267
2305
L'èmfasi en la majoria d'acostaments a grans quantitats de data
06:00
focus on, "How do I store this data? How do I search
128
344572
2215
es centren en, "Com puc emmagatzemar aquesta data? Com puc buscar
06:02
this data? How do I process this data?"
129
346787
2276
en aquesta data? Com processo aquesta data?"
06:04
These are necessary but insufficient questions.
130
349063
2204
Aquestes són preguntes necessàries però insuficients.
06:07
The imperative is not to figure out how to compute,
131
351267
2471
L'imperatiu no és esbrinar com computar, sinó
06:09
but what to compute. How do you impose human intuition
132
353738
2184
què computar. Com pots imposar la intuïció humana
06:11
on data at this scale?
133
355922
1791
a la data a aquesta escala?
06:13
Again, we start by designing the human into the process.
134
357713
3499
De nou, comencem per integrar l'humà en el procés de disseny.
06:17
When PayPal was first starting as a business, their biggest
135
361212
2812
Quan PayPal estava començant com a negoci, el seu major repte
06:19
challenge was not, "How do I send money back and forth online?"
136
364024
2804
no va ser, "Com envie diners d'un costat a l'altre online?"
06:22
It was, "How do I do that without being defrauded by organized crime?"
137
366828
3872
Va ser, "Com ho faig sense ser defraudat pel crim organitzat?"
06:26
Why so challenging? Because while computers can learn
138
370700
2088
Per què tan complicat? Perquè mentre que els ordinadors
06:28
to detect and identify fraud based on patterns,
139
372788
3144
poden aprendre a detectar i identificar frau basant-se en patrons,
06:31
they can't learn to do that based on patterns
140
375932
1479
no poden aprendre a fer això basant-se en patrons
06:33
they've never seen before, and organized crime
141
377411
2116
que no han vist mai, i el crim organitzat
06:35
has a lot in common with this audience: brilliant people,
142
379527
2709
té molt en comú con aquest públic: gent brillant,
06:38
relentlessly resourceful, entrepreneurial spirit — (Laughter) —
143
382236
3640
incansables i enginyosos, amb un esperit emprenedor —(rialles)—
06:41
and one huge and important difference: purpose.
144
385876
2712
i una gran diferència molt important: intencionalitat.
06:44
And so while computers alone can catch all but the cleverest
145
388588
2832
Així mentre que els ordinadors poden agafar a tots excepte als
06:47
fraudsters, catching the cleverest is the difference
146
391420
2253
defraudadors més llestos, agafar als més llestos és la diferència
06:49
between success and failure.
147
393673
2545
entre l'èxit i el fracàs.
06:52
There's a whole class of problems like this, ones with
148
396218
2221
N'hi han molts problemes com aquest, amb adversaris
06:54
adaptive adversaries. They rarely if ever present with a
149
398439
2575
adaptatius. Rarament apareixen amb un patró
06:56
repeatable pattern that's discernable to computers.
150
401014
2736
repetible que els ordinadors puguen detectar.
06:59
Instead, there's some inherent component of innovation or disruption,
151
403750
3993
En comptes d'això, n'hi ha un component inherent d'innovació o disrupció,
07:03
and increasingly these problems are buried in big data.
152
407743
2735
i cada vegada més aquest problemes són soterrats dins grans quantitats de data.
07:06
For example, terrorism. Terrorists are always adapting
153
410478
2500
Per exemple, el terrorisme. Els terroristes sempre s'adapten
07:08
in minor and major ways to new circumstances, and despite
154
412978
2052
en menor o major mesura a les noves circumstàncies, malgrat el que
07:10
what you might see on TV, these adaptations,
155
415030
3094
pugueu veure a la TV, aquestes adaptacions,
07:14
and the detection of them, are fundamentally human.
156
418124
2293
i la seua detecció, són fonamentalment humanes.
07:16
Computers don't detect novel patterns and new behaviors,
157
420417
3117
Els ordinadors no detecten patrons i comportaments nous,
07:19
but humans do. Humans, using technology, testing hypotheses,
158
423534
3235
els humans ho fan. Els humans, mitjançant la tecnologia, provant hipòtesis,
07:22
searching for insight by asking machines to do things for them.
159
426769
4620
busquen inspiració demanant a les màquines que facen coses per ells.
07:27
Osama bin Laden was not caught by artificial intelligence.
160
431389
2320
Osama bin Laden no va ser atrapat per una intel·ligència artificial.
07:29
He was caught by dedicated, resourceful, brilliant people
161
433709
2553
Va ser atrapat per persones dedicades, enginyoses i brillants
07:32
in partnerships with various technologies.
162
436262
4269
en associació amb diverses tecnologies.
07:36
As appealing as it might sound, you cannot algorithmically
163
440531
2818
Pot sonar atractiu, però no pots rebuscar algorítmicament
07:39
data mine your way to the answer.
164
443349
1601
en la data per arribar a la resposta.
07:40
There is no "Find Terrorist" button, and the more data
165
444950
2855
No n'hi ha un botó de "Cercar terrorista", i quant més data
07:43
we integrate from a vast variety of sources
166
447805
2302
integrem d'una gran quantitat de fonts
07:46
across a wide variety of data formats from very
167
450107
2133
d'entre una àmplia varietat de formats de data d'entre sistemes
07:48
disparate systems, the less effective data mining can be.
168
452240
3309
molt diferents, menys efectiva serà la cerca de data.
07:51
Instead, people will have to look at data
169
455549
2024
En comptes d'això, la gent tindrà que mirar la data
07:53
and search for insight, and as Licklider foresaw long ago,
170
457573
3456
i cercar inspiració, i com Licklider va preveure fa molt de temps,
07:56
the key to great results here is the right type of cooperation,
171
461029
2685
la clau per obtindre grans resultats és l'adequat tipus de cooperació,
07:59
and as Kasparov realized,
172
463714
1524
i com Kasparov va aprendre,
08:01
that means minimizing friction at the interface.
173
465238
3031
això significa minimitzar la fricció de la interfície.
08:04
Now this approach makes possible things like combing
174
468269
2758
Aquest apropament fa possible coses com el rastreig
08:06
through all available data from very different sources,
175
471027
3386
de tota la data disponible en diverses fonts,
08:10
identifying key relationships and putting them in one place,
176
474413
2792
identificar les relacions clau i posar-les en un sol lloc,
08:13
something that's been nearly impossible to do before.
177
477205
2928
el qual ha estat quasi impossible de fer fins ara.
08:16
To some, this has terrifying privacy and civil liberties
178
480133
1942
Per alguns, açò té implicacions terribles per la privacitat
08:17
implications. To others it foretells of an era of greater
179
482075
3410
i les llibertats civils. Per altres precedeix una era de major
08:21
privacy and civil liberties protections,
180
485485
1909
protecció de la privacitat i les llibertats civils,
08:23
but privacy and civil liberties are of fundamental importance.
181
487394
2936
però la privacitat i les llibertats civils són d'una importància fonamental.
08:26
That must be acknowledged, and they can't be swept aside,
182
490330
2193
Açò s'ha de tenir en compte, i no es pot donar de costat,
08:28
even with the best of intents.
183
492523
2530
fins i tot amb la millor de les intencions.
08:30
So let's explore, through a couple of examples, the impact
184
495053
2518
Així que explorem, mitjançant un par d'exemples, l'impacte
08:33
that technologies built to drive human-computer symbiosis
185
497571
2406
que les tecnologies creades per dirigir la simbiosi humà-ordinador
08:35
have had in recent time.
186
499977
2919
han tingut en temps recents.
08:38
In October, 2007, U.S. and coalition forces raided
187
502896
3416
En Octubre de 2007, les forces de la coalició assaltaren
08:42
an al Qaeda safe house in the city of Sinjar
188
506312
2416
un refugi d'Al Qaeda en la ciutat de Sinjar
08:44
on the Syrian border of Iraq.
189
508728
1934
en la frontera de Síria amb Iraq.
08:46
They found a treasure trove of documents:
190
510662
2376
Van trobar un botí de documents:
08:48
700 biographical sketches of foreign fighters.
191
513038
2335
700 apunts biogràfics de lluitadors estrangers.
08:51
These foreign fighters had left their families in the Gulf,
192
515373
2584
Aquests lluitadors estrangers havien deixat les seues famílies al Golf,
08:53
the Levant and North Africa to join al Qaeda in Iraq.
193
517957
3146
el Llevant i el nord d'Àfrica per unir-se a Al Qaeda en Iraq.
08:57
These records were human resource forms.
194
521103
1616
Aquests documents eren sol·licituds de recursos humans.
08:58
The foreign fighters filled them out as they joined the organization.
195
522719
2855
Els lluitadors estrangers les emplenaren com si s'estigueren unint a l'organització.
09:01
It turns out that al Qaeda, too,
196
525574
1211
Va i resulta que Al Qaeda tampoc
09:02
is not without its bureaucracy. (Laughter)
197
526785
2597
es lliura de la burocràcia. (Rialles)
09:05
They answered questions like, "Who recruited you?"
198
529382
2098
Van respondre preguntes com, "Qui t'ha reclutat?"
09:07
"What's your hometown?" "What occupation do you seek?"
199
531480
2854
"Quin és el teu lloc de naixement?" "Què tipus de treball busques?"
09:10
In that last question, a surprising insight was revealed.
200
534334
3169
En l'ultima pregunta se'n van adonar d'una cosa sorprenent.
09:13
The vast majority of foreign fighters
201
537503
2400
La gran majoria dels lluitadors estrangers
09:15
were seeking to become suicide bombers for martyrdom --
202
539903
2400
volien ser terroristes suïcides i ser màrtirs --
09:18
hugely important, since between 2003 and 2007, Iraq
203
542303
4338
de gran importància, ja que entre 2003 i 2007, Iraq
09:22
had 1,382 suicide bombings, a major source of instability.
204
546641
4244
va tindre 1,382 atemptats suïcides, una gran font d'inestabilitat.
09:26
Analyzing this data was hard. The originals were sheets
205
550885
2058
Analitzar la data va ser difícil. Els originals eren fulles de paper
09:28
of paper in Arabic that had to be scanned and translated.
206
552943
2742
en Àrab que va haver de ser escanejat i traduït.
09:31
The friction in the process did not allow for meaningful
207
555685
2192
La fricció en el procés no permetia l'obtenció de
09:33
results in an operational time frame using humans, PDFs
208
557877
3350
resultats significatius en un espai de temps raonable usant solament
09:37
and tenacity alone.
209
561227
2218
humans, PDFs i tenacitat.
09:39
The researchers had to lever up their human minds
210
563445
1953
Els investigadors van haver de complementar les seues ments humanes
09:41
with technology to dive deeper, to explore non-obvious
211
565398
2345
amb tecnologia per tal d'aprofundir, d'explorar hipòtesis
09:43
hypotheses, and in fact, insights emerged.
212
567743
3218
no tradicionals, i el fet és que els resultats van emergir.
09:46
Twenty percent of the foreign fighters were from Libya,
213
570961
2644
El 20% dels lluitadors estrangers eren de Líbia,
09:49
50 percent of those from a single town in Libya,
214
573605
2968
50% dels quals eren d'una sola població de Líbia,
09:52
hugely important since prior statistics put that figure at
215
576573
2450
immensament important ja que estadístiques prèvies estimaven
09:54
three percent. It also helped to hone in on a figure
216
579023
2383
un 3%. També va ajudar a descobrir una figura
09:57
of rising importance in al Qaeda, Abu Yahya al-Libi,
217
581406
2977
de creixent importància en Al Qaeda, Abu Yahya al-Libi,
10:00
a senior cleric in the Libyan Islamic fighting group.
218
584383
2631
un clèric d'alt rang en el grup libi de lluita islàmica.
10:02
In March of 2007, he gave a speech, after which there was
219
587014
2664
En Març de 2007 va donar un discurs, després del qual va haver
10:05
a surge in participation amongst Libyan foreign fighters.
220
589678
3466
un increment en la participació dels lluitadors estrangers de Líbia.
10:09
Perhaps most clever of all, though, and least obvious,
221
593144
3106
Potser el més intel·ligent de tot, i el menys obvi,
10:12
by flipping the data on its head, the researchers were
222
596250
2073
mirant la data des d'una altra perspectiva, els investigadors
10:14
able to deeply explore the coordination networks in Syria
223
598323
2900
van ser capaços d'explorar les xarxes de coordinació en Síria
10:17
that were ultimately responsible for receiving and
224
601223
2517
que eren les responsables de rebre i transportar
10:19
transporting the foreign fighters to the border.
225
603740
2464
els lluitadors estrangers a la frontera.
10:22
These were networks of mercenaries, not ideologues,
226
606204
2633
Eren xarxes de mercenaris, no d'ideòlegs,
10:24
who were in the coordination business for profit.
227
608837
2398
que estaven en el negoci de la coordinació pels diners.
10:27
For example, they charged Saudi foreign fighters
228
611235
1904
Per exemple, cobraven els lluitadors estrangers saudís
10:29
substantially more than Libyans, money that would have
229
613139
2199
substancialment més que als libis, diners que d'altra manera
10:31
otherwise gone to al Qaeda.
230
615338
2320
haurien anat a parar a Al Qaeda.
10:33
Perhaps the adversary would disrupt their own network
231
617658
2045
L'adversari potser interrompria la seva pròpia xarxa
10:35
if they knew they cheating would-be jihadists.
232
619703
3035
si saberen que estaven estafant els jihadistes en potència.
10:38
In January, 2010, a devastating 7.0 earthquake struck Haiti,
233
622738
3745
En Gener de 2012 un terratrèmol devastador de 7.0 va sacsejar Haiti,
10:42
third deadliest earthquake of all time, left one million people,
234
626483
2916
el tercer terratrèmol més devastador de tots els temps, va deixar
10:45
10 percent of the population, homeless.
235
629399
2584
un milió de persones, un 10% de la població, sense casa.
10:47
One seemingly small aspect of the overall relief effort
236
631983
3137
Un efecte aparentment menor de l'ajuda humanitària
10:51
became increasingly important as the delivery of food
237
635120
2176
va ser molt important quan el lliurament de menjar
10:53
and water started rolling.
238
637296
2160
i aigua va començar.
10:55
January and February are the dry months in Haiti,
239
639456
1458
Gener i Febrer són mesos secs en Haití,
10:56
yet many of the camps had developed standing water.
240
640914
2942
però molts dels camps de refugiats tenien problemes d'aigua estancada.
10:59
The only institution with detailed knowledge of Haiti's
241
643856
2122
L'única institució amb coneixements detallats de les
11:01
floodplains had been leveled
242
645978
1297
zones inundades va ser destruïda al terratrèmol
11:03
in the earthquake, leadership inside.
243
647275
3008
amb els seus líders dins.
11:06
So the question is, which camps are at risk,
244
650283
2575
Doncs la pregunta es, què camps estan en perill,
11:08
how many people are in these camps, what's the
245
652858
1921
quanta gent n'hi ha en aquests camps, quina és la
11:10
timeline for flooding, and given very limited resources
246
654779
2311
cronologia de la inundació, i donats els recursos i les infraestructures
11:12
and infrastructure, how do we prioritize the relocation?
247
657090
3384
limitades, com prioritzem el trasllat?
11:16
The data was incredibly disparate. The U.S. Army had
248
660474
2344
La data era increïblement dispar. L'exèrcit dels EE.UU
11:18
detailed knowledge for only a small section of the country.
249
662818
2929
tenia detalls limitats d'una petita porció del país.
11:21
There was data online from a 2006 environmental risk
250
665747
2511
N'hi havia data online d'una conferència de riscs mediambientals
11:24
conference, other geospatial data, none of it integrated.
251
668258
2664
de 2006, i altra data geoespacial, cap d'elles integrades.
11:26
The human goal here was to identify camps for relocation
252
670922
2958
L'objectiu humà era identificar els camps pel trasllat
11:29
based on priority need.
253
673880
2395
prioritzant per necessitat.
11:32
The computer had to integrate a vast amount of geospacial
254
676275
2440
L'ordinador va haver d'integrar una gran quantitat d'informació geoespacial,
11:34
information, social media data and relief organization
255
678715
2584
data dels medis socials i informació de l'organització
11:37
information to answer this question.
256
681299
3480
d'ajuda per respondre aquesta pregunta.
11:40
By implementing a superior process, what was otherwise
257
684779
2415
Implementant un procés superior, que haguera implicat
11:43
a task for 40 people over three months became
258
687194
2608
a 40 persones durant tres mesos, es va convertir
11:45
a simple job for three people in 40 hours,
259
689802
3176
en un simple treball per 3 persones en 40 hores,
11:48
all victories for human-computer symbiosis.
260
692978
2628
són tot victòries per la simbiosi humà-ordinador.
11:51
We're more than 50 years into Licklider's vision
261
695606
2054
Ja han passat més de 50 anys des de la visió del futur
11:53
for the future, and the data suggests that we should be
262
697660
2242
de Licklider, i la data suggereix que hauríem d'estar
11:55
quite excited about tackling this century's hardest problems,
263
699902
3030
molt emocionats per tractar els problemes més difícils del segle
11:58
man and machine in cooperation together.
264
702932
2947
home i màquina cooperant junts.
12:01
Thank you. (Applause)
265
705879
2197
Gràcies. (Aplaudiments)
12:03
(Applause)
266
708076
2505
(Aplaudiments)
Reviewed by Fran Ontanaya
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