TEDGlobal 2012
Shyam Sankar: The rise of human-computer cooperation
شیام سانکار: عصر همکاری انسان و کامپیوتر
Filmed:
Readability: 6.3
947,418 views
قدرت محاسباتی کامپیوتری صرف و بدون انعطاف نمی تواند مشکلات جهان را حل کند. شیام سانکار، مبتکر در زمینه‌ی تجزیه و تحلیل اطلاعات، توضیح می دهد که چرا حل کردن مشکلات بزرگ (مانند دستگیر کردن تروریست ها یا شناسایی جنبش‌های بزرگ پنهان) نه تنها با پیدا کردن الگوریتم مناسب، بلکه با رابطه‌ی همکاری میان نیروی محاسباتی کامپیوتری و خلاقیت انسان صورت می‌گیرد.
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
می خواهم با شما درباره ی دو مسابقه ی شطرنج صحبت کنم.
00:18
The first happened in 1997, in which Garry Kasparov,
1
3068
3864
اولین مسابقه در سال ۱۹۹۷ برگزار شد، که در آن گری کاسپاروف،
00:22
a human, lost to Deep Blue, a machine.
2
6932
3716
یک انسان، در برابر یک برنامه‌ی کامپیوتری به اسم «دیپ بلو» شکست خورد.
00:26
To many, this was the dawn of a new era,
3
10648
2240
برای خیلی از مردم، این اتفاق طلوع یک عصر جدید بود،
00:28
one where man would be dominated by machine.
4
12888
2779
که در آن ماشین ها بر انسان ها حکمرانی می کنند.
00:31
But here we are, 20 years on, and the greatest change
5
15667
3334
اما هم اکنون ۲۰ سال سپری شده است، و بزرگ ترین تغییری که رخ داده است،
00:34
in how we relate to computers is the iPad,
6
19001
2690
در نحوه ی برقراری ارتباط ما با کامپیوتر ها از طریق آی پد است،
00:37
not HAL.
7
21691
2045
نه "هال". (برنامه ی هوشمند کامپیوتری در فیلم "ادیسه ی فضایی")
00:39
The second game was a freestyle chess tournament
8
23736
2648
بازی شطرنج دوم یک مسابقه ی شطرنج آزاد در سال ۲۰۰۵ بود،
00:42
in 2005, in which man and machine could enter together
9
26384
2969
که در آن انسان و برنامه های کامپیوتری می توانستند اگر می خواستند،
00:45
as partners, rather than adversaries, if they so chose.
10
29353
4666
به جای حریف، به عنوان همکار همدیگر با هم در بازی شرکت کنند.
00:49
At first, the results were predictable.
11
34019
1851
در ابتدا، نتایج قابل پیش بینی بودند.
00:51
Even a supercomputer was beaten by a grandmaster
12
35870
2497
حتی یک ابرکامپیوتر توسط یک استاد بزرگ به کمک یک لپ تاپ نسبتا ضعیف شکست می خورد.
00:54
with a relatively weak laptop.
13
38367
2312
حتی یک ابرکامپیوتر توسط یک استاد بزرگ به کمک یک لپ تاپ نسبتا ضعیف شکست می خورد.
00:56
The surprise came at the end. Who won?
14
40679
2985
اما در نهایت اتفاق عجیبی افتاد. چه کسی برنده شد؟
00:59
Not a grandmaster with a supercomputer,
15
43664
2776
نه یک استاد بزرگ شطرنج با یک ابرکامپیوتر،
01:02
but actually two American amateurs
16
46440
1493
بلکه دو شطرنج باز غیر حرفه ای آمریکایی
01:03
using three relatively weak laptops.
17
47933
3822
با استفاده از سه لپ تاپ نسبتا ضعیف.
01:07
Their ability to coach and manipulate their computers
18
51755
2596
توانایی آن ها در مدیریت و تسلط بر کامپیوتر هایشان
01:10
to deeply explore specific positions
19
54351
2435
برای تجزیه و تحلیل عمیق موقعیت های به خصوص،
01:12
effectively counteracted the superior chess knowledge
20
56786
2390
دانش برتر شطرنج استادان بزرگ و قدرت های برتر محاسبه ای کامپیوتری حریفان را شکست داد.
01:15
of the grandmasters and the superior computational power
21
59176
2609
دانش برتر شطرنج استادان بزرگ و قدرت های برتر محاسبه ای کامپیوتری حریفان را شکست داد.
01:17
of other adversaries.
22
61785
1909
دانش برتر شطرنج استادان بزرگ و قدرت های برتر محاسبه ای کامپیوتری حریفان را شکست داد.
01:19
This is an astonishing result: average men,
23
63694
2905
این یک نتیجه گیری شگفت انگیز است: انسان های معمولی،
01:22
average machines beating the best man, the best machine.
24
66599
4081
و کامپیوتر های معمولی، برترین اساتید شطرنج و ابرکامپیوتر ها را شکست می دهند.
01:26
And anyways, isn't it supposed to be man versus machine?
25
70680
3199
و در هر صورت، این به معنای نبرد انسان ها علیه ماشین ها نیست،
01:29
Instead, it's about cooperation, and the right type of cooperation.
26
73879
4152
بلکه، این یک نوع اتحاد است، یک نوع مناسب از اتحاد.
01:33
We've been paying a lot of attention to Marvin Minsky's
27
78031
2857
ما در ۵۰ سال اخیر تمرکز خود را روی دیدگاه ماروین مینسکی نسبت به هوش مصنوعی (متخصص نابغه‌ی هوش مصنوعی) متمرکز کرده ایم.
01:36
vision for artificial intelligence over the last 50 years.
28
80888
3242
ما در ۵۰ سال اخیر تمرکز خود را روی دیدگاه ماروین مینسکی نسبت به هوش مصنوعی (متخصص نابغه‌ی هوش مصنوعی) متمرکز کرده ایم.
01:40
It's a sexy vision, for sure. Many have embraced it.
29
84130
2262
این دیدگاه فوق العاده جالب است. خیلی ها از آن استقبال کرده اند.
01:42
It's become the dominant school of thought in computer science.
30
86392
2753
این دیدگاه یکی از برجسته ترین مکاتب فکری در زمینه ی علوم کامپیوتری شده است.
01:45
But as we enter the era of big data, of network systems,
31
89145
3072
اما همچنان که ما به عصر عظیم اطلاعات، و عصر سیستم های شبکه ای، و سیستم عامل های باز،
01:48
of open platforms, and embedded technology,
32
92217
2698
و تکنولوژی های کاربردی وارد می شویم،
01:50
I'd like to suggest it's time to reevaluate an alternative vision
33
94915
3392
می خواهم پیشنهاد کنم که در مورد دیدگاه دیگری که در همان زمان در حال انتشار بود تجدید نظر کنید.
01:54
that was actually developed around the same time.
34
98307
3070
می خواهم پیشنهاد کنم که در مورد دیدگاه دیگری که در همان زمان در حال انتشار بود تجدید نظر کنید.
01:57
I'm talking about J.C.R. Licklider's human-computer symbiosis,
35
101377
3332
من در مورد نظریه ی همزیستی انسان و کامپیوتر جی.سی.آر. لیکلایدر صحبت می کنم،
02:00
perhaps better termed "intelligence augmentation," I.A.
36
104709
3808
که شاید بهتر باشد آن را "بسط دادن هوش" بنامیم.
02:04
Licklider was a computer science titan who had a profound
37
108517
2640
لیکلایدر یک استاد تمام عیار علوم کامپیوتری بود
02:07
effect on the development of technology and the Internet.
38
111157
3006
که تاثیر عمیقی بر روی گسترش تکنولوژی و اینترنت داشت.
02:10
His vision was to enable man and machine to cooperate
39
114163
2868
دیدگاه او در رابطه با توانایی همکاری انسان و ماشین با هم در گرفتن تصمیمات،
02:12
in making decisions, controlling complex situations
40
117031
3590
و کنترل موقعیت های دشوار بدون کمترین وابستگی به برنامه های پیش تنظیم شده بود.
02:16
without the inflexible dependence
41
120621
1770
و کنترل موقعیت های دشوار بدون کمترین وابستگی به برنامه های پیش تنظیم شده بود.
02:18
on predetermined programs.
42
122391
2533
و کنترل موقعیت های دشوار بدون کمترین وابستگی به برنامه های پیش تنظیم شده بود.
02:20
Note that word "cooperate."
43
124924
2498
به کلمه‌ی "همکاری" دقت کنید.
02:23
Licklider encourages us not to take a toaster
44
127422
2747
لیکلایدر ما را تشویق نمی کند که یک توستر را طوری دستکاری کنیم
02:26
and make it Data from "Star Trek,"
45
130169
2284
که از "استار تِرک" اطلاعات بگیرد، (یک سریال تلویزیونی علمی-تخیلی)
02:28
but to take a human and make her more capable.
46
132453
3535
بلکه باید انسان را توانمند تر کنیم.
02:31
Humans are so amazing -- how we think,
47
135988
1911
انسان ها شگفت انگیز هستند -- حداقل خود ما این طور فکر می کنیم،
02:33
our non-linear approaches, our creativity,
48
137899
2618
روش های غیر مستقیم ما، خلاقیت ما،
02:36
iterative hypotheses, all very difficult if possible at all
49
140517
2131
فرضیه های بی پایان، همه‌ی چیز هایی که حتی اگر برای کامپیوتر ها ممکن باشند فوق العاده دشوار هستند.
02:38
for computers to do.
50
142648
1345
فرضیه های بی پایان، همه‌ی چیز هایی که حتی اگر برای کامپیوتر ها ممکن باشند فوق العاده دشوار هستند.
02:39
Licklider intuitively realized this, contemplating humans
51
143993
2452
لیکلایدر به طور شهودی این قضیه را درک کرد،
02:42
setting the goals, formulating the hypotheses,
52
146445
2327
انسان های متفکری که اهداف را برنامه ریزی می کنند، فرضیه ها را جمع آوری می کنند،
02:44
determining the criteria, and performing the evaluation.
53
148772
3376
معیار ها را مشخص می کنند، و عمل قضاوت را انجام می دهند.
02:48
Of course, in other ways, humans are so limited.
54
152148
1775
البته، از لحاظ بسیاری جنبه های دیگر، انسان ها فوق العاده محدود هستند.
02:49
We're terrible at scale, computation and volume.
55
153923
3235
ما از لحاظ اندازه گیری، مقایسه و کنترل حجم اطلاعات فوق العاده ضعیف عمل می کنیم.
02:53
We require high-end talent management
56
157158
1836
ما به یک مدیریت بسیار قوی توانایی ها احتیاج داریم،
02:54
to keep the rock band together and playing.
57
158994
2064
تا کارها را هماهنگ کنیم و این پیچیدگی ها را حل کنیم.
02:56
Licklider foresaw computers doing all the routinizable work
58
161058
2204
لیکلایدر ساخته شدن کامپیوترهایی را پیش بینی کرده بود که تمام کارهای متداولی را
02:59
that was required to prepare the way for insights and decision making.
59
163262
3276
که برای درک موقعیت و گرفتن تصمیمات لازم بود انجام می دادند.
03:02
Silently, without much fanfare,
60
166538
2224
بدون هیچ گونه سر و صدا و جلب توجهی،
03:04
this approach has been compiling victories beyond chess.
61
168762
3354
این ایده دستاورد های بسیاری فراتر از شطرنج داشت.
03:08
Protein folding, a topic that shares the incredible expansiveness of chess —
62
172116
3356
"تا کردن پروتئین ها"، موضوعی به مراتب مهم تر از شطرنج است --
03:11
there are more ways of folding a protein than there are atoms in the universe.
63
175472
3042
تعداد روش های تا کردن یک پروتئین از تعداد اتم های موجود در جهان هم بیشتر است.
03:14
This is a world-changing problem with huge implications
64
178514
2353
این یک مبحث فوق العاده مهم با تاثیر های گسترده بر روی توانایی ما برای شناسایی و درمان بیماری ها است.
03:16
for our ability to understand and treat disease.
65
180867
2308
این یک مبحث فوق العاده مهم با تاثیر های گسترده بر روی توانایی ما برای شناسایی و درمان بیماری ها است.
03:19
And for this task, supercomputer field brute force simply isn't enough.
66
183175
4248
و برای این کار، قدرت بدون انعطاف ابررایانه ها به تنهایی به هیچ عنوان کافی نیست.
03:23
Foldit, a game created by computer scientists,
67
187423
2384
"فولد ایت"، یک بازی که توسط دانشمندان رشته ی کامپیوتر طراحی شده است،
03:25
illustrates the value of the approach.
68
189807
2502
ارزش این ایده را نشان می دهد.
03:28
Non-technical, non-biologist amateurs play a video game
69
192309
3041
افرادی غیر حرفه ای که نه متخصص کامپیوتر هستند و نه بیولوژیست یک بازی کامپیوتری انجام می دهند
03:31
in which they visually rearrange the structure of the protein,
70
195350
3073
که در آن، ساختار ظاهری پروتئین را بازچینی می کنند،
03:34
allowing the computer to manage the atomic forces
71
198423
1499
و به کامپیوتر اجازه می دهند تا محاسبه ی نیرو های بین اتمی و کنش و واکنش میان آن ها
03:35
and interactions and identify structural issues.
72
199922
2957
را انجام دهد و آن را از لحاظ ساختاری بررسی کند.
03:38
This approach beat supercomputers 50 percent of the time
73
202879
3023
این ایده در ۵۰ درصد زمانی که ابرکامپیوتر ها این کار را انجام می دادند، این کار را انجام داد
03:41
and tied 30 percent of the time.
74
205902
2584
و در مجموع ۳۰ درصد در زمان صرفه جویی شد.
03:44
Foldit recently made a notable and major scientific discovery
75
208486
3137
"فولد ایت" اخیرا یک کشف علمی بزرگ و قابل توجه
03:47
by deciphering the structure of the Mason-Pfizer monkey virus.
76
211623
3160
از طریق رمزگشایی ساختار ویروس میسون-پی فایزر میمون داشته است.
03:50
A protease that had eluded determination for over 10 years
77
214783
3015
پروتیزی که (نوعی آنزیم) برای بیش از ۱۰ سال غیر قابل شناسایی بود
03:53
was solved was by three players in a matter of days,
78
217798
2626
توسط سه بازیکن در طی چند روز حل شد،
03:56
perhaps the first major scientific advance
79
220424
2025
شاید این اولین دستاورد بزرگ علمی به دست آمده از یک بازی رایانه ای باشد.
03:58
to come from playing a video game.
80
222449
2323
شاید این اولین دستاورد بزرگ علمی به دست آمده از یک بازی رایانه ای باشد.
04:00
Last year, on the site of the Twin Towers,
81
224772
2181
سال پیش، در مکانی که برج های دوقلو قرار داشتند،
04:02
the 9/11 memorial opened.
82
226953
1473
یادبود ۱۱ سپتامبر نصب شد.
04:04
It displays the names of the thousands of victims
83
228426
2721
در آن نام هزاران قربانی آن حادثه با قاعده ی زیبایی به نام "رابطه ی معنادار" نمایش داده شده بود.
04:07
using a beautiful concept called "meaningful adjacency."
84
231147
3063
در آن نام هزاران قربانی آن حادثه با قاعده ی زیبایی به نام "رابطه ی معنادار" نمایش داده شده بود.
04:10
It places the names next to each other based on their
85
234210
2166
در آن نام افراد بنا بر رابطه شان با یکدیگر در کنار هم قرار گرفته بود:
04:12
relationships to one another: friends, families, coworkers.
86
236376
2213
دوست، نسبت فامیلی، همکار.
04:14
When you put it all together, it's quite a computational
87
238589
3028
زمانی که به کل آن نگاه می کردید، یک چالش محاسباتی پیچیده وجود داشت:
04:17
challenge: 3,500 victims, 1,800 adjacency requests,
88
241617
4223
۳,۵۰۰ قربانی، ۱,۸۰۰ رابطه میان آن ها را می طلبید،
04:21
the importance of the overall physical specifications
89
245840
3092
اهمیت مشخصات فیزیکی کلی
04:24
and the final aesthetics.
90
248932
2137
و زیبایی کار نهایی.
04:26
When first reported by the media, full credit for such a feat
91
251069
2615
زمانی که برای اولین بار از رسانه اعلام شد، اطلاعات کامل برای چنین چالشی
04:29
was given to an algorithm from the New York City
92
253684
1892
به یک الگوریتم از نیویورک سیتی طراحی شده توسط شرکت "پروژه های محلی" داده شد.
04:31
design firm Local Projects. The truth is a bit more nuanced.
93
255576
4001
اما حقیقت در اصل کمی متفاوت است.
04:35
While an algorithm was used to develop the underlying framework,
94
259577
2871
وقتی یک الگوریتم برای توسعه‌ی چارچوب کار مورد استفاده قرار می گیرد،
04:38
humans used that framework to design the final result.
95
262448
3008
انسان ها از آن برای طراحی جواب نهایی استفاده می کنند.
04:41
So in this case, a computer had evaluated millions
96
265456
2225
در این مورد، یک کامپیوتر میلیون ها حالت ممکن را بررسی کرده،
04:43
of possible layouts, managed a complex relational system,
97
267681
3335
یک سیستم پیچیده‌ی ارتباطی را مدیریت کرده،
04:46
and kept track of a very large set of measurements
98
271016
2414
و یک مجموعه ی عظیم از اندازه گیری ها و متغیرها را جمع آوری می کند،
04:49
and variables, allowing the humans to focus
99
273430
2410
و به انسان اجازه می دهد تا بر روی جنبه های طراحی و هنری کار متمرکز شود.
04:51
on design and compositional choices.
100
275840
2802
و به انسان اجازه می دهد تا بر روی جنبه های طراحی و هنری کار متمرکز شود.
04:54
So the more you look around you,
101
278642
1036
بنابراین هر اندازه شما به پیرامون خود دقت کنید،
04:55
the more you see Licklider's vision everywhere.
102
279678
1962
بیشتر نتایج دیدگاه لیکلایدر را می بینید.
04:57
Whether it's augmented reality in your iPhone or GPS in your car,
103
281640
3304
این نتایج می توانند بهبود میزان طبیعی جلوه کردن در آیفون یا جی پی اس خودروی شما باشند،
05:00
human-computer symbiosis is making us more capable.
104
284944
2970
همزیستی مسالمت آمیز انسان و کامپیوتر ما را تواناتر می کند.
05:03
So if you want to improve human-computer symbiosis,
105
287914
1655
بنابراین اگر بخواهیم این همزیستی را گسترش دهیم،
05:05
what can you do?
106
289569
1429
چه کاری می توانیم انجام دهیم ؟
05:06
You can start by designing the human into the process.
107
290998
2452
ما می توانیم با طراحی نقش انسان در این مسیر شروع کنیم.
05:09
Instead of thinking about what a computer will do to solve the problem,
108
293450
2204
به جای این که به این فکر کنیم که چه کامپیوتری می تواند مشکل را حل کند،
05:11
design the solution around what the human will do as well.
109
295654
3869
باید جواب را بر مبنای چیزی که انسان می تواند انجام دهد طراحی کنیم .
05:15
When you do this, you'll quickly realize that you spent
110
299523
1937
اگر این کار را انجام دهیم، به سرعت متوجه می شویم که تمام وقتمان را
05:17
all of your time on the interface between man and machine,
111
301460
2879
بر روی نحوه‌ی برقراری ارتباط بین انسان و کامپیوتر صرف کرده ایم،
05:20
specifically on designing away the friction in the interaction.
112
304339
3099
مخصوصا بر روی برطرف کردن تضادهای موجود در نحوه ی برقراری ارتباط.
05:23
In fact, this friction is more important than the power
113
307438
2766
در حقیقت، این تضادها مهم تر از قدرت انسان یا ماشین در تعیین توانایی کلی این دو هستند.
05:26
of the man or the power of the machine
114
310204
2052
در حقیقت، این تضادها مهم تر از قدرت انسان یا ماشین در تعیین توانایی کلی این دو هستند.
05:28
in determining overall capability.
115
312256
1931
در حقیقت، این تضادها مهم تر از قدرت انسان یا ماشین در تعیین توانایی کلی این دو هستند.
05:30
That's why two amateurs with a few laptops
116
314187
1977
این موضوع دلیل این است که چرا دو شطرنج باز غیرحرفه ای با چند لپ تاپ
05:32
handily beat a supercomputer and a grandmaster.
117
316164
2456
به راحتی یک ابرکامپیوتر و یک استادبزرگ شطرنج را شکست دادند.
05:34
What Kasparov calls process is a byproduct of friction.
118
318620
3005
چیزی که کاسپاروف به آن تضاد می گوید محصول نامطلوب این روند است.
05:37
The better the process, the less the friction.
119
321625
2401
هر قدر این روند بهتر باشد، این تضاد ها کمتر می شوند.
05:39
And minimizing friction turns out to be the decisive variable.
120
324026
4256
و کاهش تضاد ها باعث می شود مقدار تعیین کننده را مشخص کنیم.
05:44
Or take another example: big data.
121
328282
2243
یک مثال دیگر می زنم: حجم عظیم اطلاعات.
05:46
Every interaction we have in the world is recorded
122
330525
1906
هر گونه عملی که در دنیا انجام می دهیم توسط مجموعه ی در حال گسترشی از سنسور ها ثبت می شود:
05:48
by an ever growing array of sensors: your phone,
123
332431
3059
هر گونه عملی که در دنیا انجام می دهیم توسط مجموعه ی در حال گسترشی از سنسور ها ثبت می شود:
05:51
your credit card, your computer. The result is big data,
124
335490
2373
تلفن همراه شما، کارت اعتباری شما، کامپیوتر شما. در نتیجه حجم عظیمی از اطلاعات گردآوری می شود،
05:53
and it actually presents us with an opportunity
125
337863
1742
و در حقیقت این اطلاعات به ما این شانس را می دهند
05:55
to more deeply understand the human condition.
126
339605
2662
تا شرایط انسان را بهتر و عمیق تر درک کنیم.
05:58
The major emphasis of most approaches to big data
127
342267
2305
مورد حائز اهمیت در غالب روش های انجام شده روی حجم عظیم اطلاعات تمرکز بر روی این سوالات است،
06:00
focus on, "How do I store this data? How do I search
128
344572
2215
"چگونه این اطلاعات را ذخیره کنم ؟ چگونه در میان این اطلاعات جست و جو کنم ؟
06:02
this data? How do I process this data?"
129
346787
2276
چگونه این اطلاعات را تجزیه و تحلیل کنم ؟"
06:04
These are necessary but insufficient questions.
130
349063
2204
این ها پرسش هایی لازم ولی ناکافی هستند.
06:07
The imperative is not to figure out how to compute,
131
351267
2471
چیزی که نیاز داریم بدانیم این نیست که بفهمیم چگونه محاسبه کنیم،
06:09
but what to compute. How do you impose human intuition
132
353738
2184
بلکه این است که چه چیزی را محاسبه کنیم. این که شما چگونه ادراک انسانی را بر این حجم اطلاعات مسلط می کنید ؟
06:11
on data at this scale?
133
355922
1791
بلکه این است که چه چیزی را محاسبه کنیم. این که شما چگونه ادراک انسانی را بر این حجم اطلاعات مسلط می کنید ؟
06:13
Again, we start by designing the human into the process.
134
357713
3499
مجددا، ما با طراحی جایگاه انسان در این روند شروع می کنیم.
06:17
When PayPal was first starting as a business, their biggest
135
361212
2812
وقتی شرکت "پِی پال" (شرکت پرداخت اینترنتی مشهور) اولین عمل اقتصادی خود را شروع کرد،
06:19
challenge was not, "How do I send money back and forth online?"
136
364024
2804
بزرگ ترین دغدغه ی آن ها این نبود که، "چگونه می توانم به صورت اینترنتی پولی را واریز و دریافت کنم ؟"
06:22
It was, "How do I do that without being defrauded by organized crime?"
137
366828
3872
بلکه این بود که "چگونه این کار را بدون کلاهبرداری هکر ها انجام دهم ؟"
06:26
Why so challenging? Because while computers can learn
138
370700
2088
چرا این مسئله تا این حد چالش برانگیز است ؟ زیرا با این که کامپیوتر ها
06:28
to detect and identify fraud based on patterns,
139
372788
3144
توانایی یادگیری تشخیص و شناسایی کلاهبرداری را بر اساس الگو های از پیش داده شده را دارند،
06:31
they can't learn to do that based on patterns
140
375932
1479
اما توانایی انجام این کار را در مورد الگو هایی که پیش از این ندیده اند ندارند،
06:33
they've never seen before, and organized crime
141
377411
2116
و هکر ها هم مانند شما انسان هایی باهوش، فوق العاده توانمند، صاحب روحی کارآفرین - (خنده ی حاضرین) -
06:35
has a lot in common with this audience: brilliant people,
142
379527
2709
و هکر ها هم مانند شما انسان هایی باهوش، فوق العاده توانمند، صاحب روحی کارآفرین - (خنده ی حاضرین) -
06:38
relentlessly resourceful, entrepreneurial spirit — (Laughter) —
143
382236
3640
و هکر ها هم مانند شما انسان هایی باهوش، فوق العاده توانمند، صاحب روحی کارآفرین - (خنده ی حاضرین) -
06:41
and one huge and important difference: purpose.
144
385876
2712
و یک تفاوت مهم و خیلی بزرگ هستند : هدف.
06:44
And so while computers alone can catch all but the cleverest
145
388588
2832
و با این که کامپیوتر ها می توانند مچ همه ی کلاهبردار ها به غیر از باهوش ترینشان را بگیرند ،
06:47
fraudsters, catching the cleverest is the difference
146
391420
2253
و با این که کامپیوتر ها می توانند مچ همه ی کلاهبردار ها به غیر از باهوش ترینشان را بگیرند ،
06:49
between success and failure.
147
393673
2545
به دام انداختن باهوش ترین فرد تفاوت میان پیروزی و شکست است.
06:52
There's a whole class of problems like this, ones with
148
396218
2221
انواع زیادی از این نوع مشکلات وجود دارند، دشمنان تغییرپذیر.
06:54
adaptive adversaries. They rarely if ever present with a
149
398439
2575
آن ها به ندرت از روش های تکراری که توسط کامپیوتر ها قابل شناسایی باشند استفاده می کنند.
06:56
repeatable pattern that's discernable to computers.
150
401014
2736
آن ها به ندرت از روش های تکراری که توسط کامپیوتر ها قابل شناسایی باشند استفاده می کنند.
06:59
Instead, there's some inherent component of innovation or disruption,
151
403750
3993
در عوض، یک سری ویژگی های اصلی مربوط به نوآوری یا خرابکاری وجود دارند،
07:03
and increasingly these problems are buried in big data.
152
407743
2735
و این مشکلات به تدریج در حجم عظیم اطلاعات مدفون می شوند.
07:06
For example, terrorism. Terrorists are always adapting
153
410478
2500
به عنوان مثال، تروریسم. تروریست ها همیشه خودشان را در همه گونه شرایطی با محیط وفق می دهند،
07:08
in minor and major ways to new circumstances, and despite
154
412978
2052
به عنوان مثال، تروریسم. تروریست ها همیشه خودشان را در همه گونه شرایطی با محیط وفق می دهند،
07:10
what you might see on TV, these adaptations,
155
415030
3094
و علیرغم چیزی ممکن است در تلویزیون ببینید، این گونه وفق دادن ها،
07:14
and the detection of them, are fundamentally human.
156
418124
2293
و تشخیص آنان، در اصل توسط انسان صورت می گیرد.
07:16
Computers don't detect novel patterns and new behaviors,
157
420417
3117
کامپیوتر ها نمی توانند الگو ها و رفتار های جدید را تشخیص دهند، اما انسان ها می توانند.
07:19
but humans do. Humans, using technology, testing hypotheses,
158
423534
3235
انسان ها، با استفاده از تکنولوژی، احتمالات مختلف را بررسی می کنند،
07:22
searching for insight by asking machines to do things for them.
159
426769
4620
با کمک برنامه های کامپیوتری به دنبال دیدگاه های جدید می گردند.
07:27
Osama bin Laden was not caught by artificial intelligence.
160
431389
2320
اسامه بن لادن توسط هوش مصنوعی پیدا نشد.
07:29
He was caught by dedicated, resourceful, brilliant people
161
433709
2553
او توسط افرادی باهوش، توانمند و زحمتکش
07:32
in partnerships with various technologies.
162
436262
4269
و با کمک تکنولوژی های مختلف دستگیر شد.
07:36
As appealing as it might sound, you cannot algorithmically
163
440531
2818
علیرغم این که این مسئله ممکن است جذاب به نظر برسد،
07:39
data mine your way to the answer.
164
443349
1601
شما نمی توانید به صورت الگوریتمی به جواب برسید.
07:40
There is no "Find Terrorist" button, and the more data
165
444950
2855
هیچ دکمه‌ی "تروریست را پیدا کن"ی وجود ندارد، و ما هر چقدر اطلاعات از منابع اطلاعاتی مختلف
07:43
we integrate from a vast variety of sources
166
447805
2302
هیچ دکمه‌ی "تروریست را پیدا کن"ی وجود ندارد، و ما هر چقدر اطلاعات از منابع اطلاعاتی مختلف
07:46
across a wide variety of data formats from very
167
450107
2133
در قالب های متنوعی از اطلاعات از سیستم ها کاملا ناهمخوان اطلاعات جمع آوری کنیم،
07:48
disparate systems, the less effective data mining can be.
168
452240
3309
کمتر می توانیم به صورت موثر به اطلاعات دسترسی پیدا کنیم.
07:51
Instead, people will have to look at data
169
455549
2024
در عوض، مردم مجبور خواهند بود به دنبال اطلاعات بگردند و دنبال دیدگاه ها بگردند،
07:53
and search for insight, and as Licklider foresaw long ago,
170
457573
3456
و همان طور که لیکلایدر خیلی پیش از این پیش بینی کرده بود،
07:56
the key to great results here is the right type of cooperation,
171
461029
2685
کلید دستیابی به نتیجه های مطلوب در نوع مناسبی از همکاری است،
07:59
and as Kasparov realized,
172
463714
1524
و همان طور که کاسپاروف متوجه شد،
08:01
that means minimizing friction at the interface.
173
465238
3031
این به معنای به حداقل رساندن تضاد ها است.
08:04
Now this approach makes possible things like combing
174
468269
2758
این روش کار هایی را مانند جست و جو در میان اطلاعات به دست آمده از منابع مختلف،
08:06
through all available data from very different sources,
175
471027
3386
این روش کار هایی را مانند جست و جو در میان اطلاعات به دست آمده از منابع مختلف،
08:10
identifying key relationships and putting them in one place,
176
474413
2792
شناسایی روابط کلیدی و جمع آوری آن ها را ممکن می سازد،
08:13
something that's been nearly impossible to do before.
177
477205
2928
چیزی که تا پیش از این تقریبا غیر ممکن می نمود.
08:16
To some, this has terrifying privacy and civil liberties
178
480133
1942
به نظر بعضی از افراد، این اتفاق عواقب وحشتناکی برای امنیت اطلاعات و آزادی های اجتماعی دارد.
08:17
implications. To others it foretells of an era of greater
179
482075
3410
برای باقی افراد این اتفاق آینده ای با امنیت اطلاعات و آزادی های اجتماعی بالاتر را تضمین می کند،
08:21
privacy and civil liberties protections,
180
485485
1909
برای باقی افراد این اتفاق آینده ای با امنیت اطلاعات و آزادی های اجتماعی بالاتر را تضمین می کند،
08:23
but privacy and civil liberties are of fundamental importance.
181
487394
2936
اما امنیت اطلاعات و آزادی های اجتماعی از مهم ترین ارزش ها هستند.
08:26
That must be acknowledged, and they can't be swept aside,
182
490330
2193
باید عواقب این اتفاق شناسایی شود، و این عواقب چیزی نیست که بتوان از کنار آن ها گذشت،
08:28
even with the best of intents.
183
492523
2530
حتی در صورتی که هیچ قصد بدی نداشته باشید.
08:30
So let's explore, through a couple of examples, the impact
184
495053
2518
اجازه بدهید در چند مثال تاثیری که تکنولوژی هایی که برای برقراری روابط انسان و کامپیوتر ساخته شده اند در چند وقت اخیر داشته اند بررسی کنیم،
08:33
that technologies built to drive human-computer symbiosis
185
497571
2406
اجازه بدهید در چند مثال تاثیری که تکنولوژی هایی که برای برقراری روابط انسان و کامپیوتر ساخته شده اند در چند وقت اخیر داشته اند بررسی کنیم،
08:35
have had in recent time.
186
499977
2919
اجازه بدهید در چند مثال تاثیری که تکنولوژی هایی که برای برقراری روابط انسان و کامپیوتر ساخته شده اند در چند وقت اخیر داشته اند بررسی کنیم،
08:38
In October, 2007, U.S. and coalition forces raided
187
502896
3416
در اکتبر ۲۰۰۷، نیرو های نظامی آمریکا و نیرو های متفق به یک خانه ی تیمی القاعده در شهر سینجار
08:42
an al Qaeda safe house in the city of Sinjar
188
506312
2416
در اکتبر ۲۰۰۷، نیرو های نظامی آمریکا و نیرو های متفق به یک خانه ی تیمی القاعده در شهر سینجار
08:44
on the Syrian border of Iraq.
189
508728
1934
در مرز عراق با سوریه حمله کردند.
08:46
They found a treasure trove of documents:
190
510662
2376
آن ها یک گنجینه‌ی مدفون از اسناد را کشف کردند:
08:48
700 biographical sketches of foreign fighters.
191
513038
2335
۷۰۰ شرح زندگی رزمندگان خارجی.
08:51
These foreign fighters had left their families in the Gulf,
192
515373
2584
این رزمندگان خارجی خانواده هایشان را در خلیج مکزیک،
08:53
the Levant and North Africa to join al Qaeda in Iraq.
193
517957
3146
کشور های مجاور دریای مدیترانه و آفریقای شمالی رها کرده بودند تا به القاعده در عراق ملحق شوند.
08:57
These records were human resource forms.
194
521103
1616
این اسناد مربوط به اطلاعات افراد بود.
08:58
The foreign fighters filled them out as they joined the organization.
195
522719
2855
رزمندگان خارجی پیش از ملحق شدن به سازمان این فرم ها را پر می کردند.
09:01
It turns out that al Qaeda, too,
196
525574
1211
پس نتیجه می گیریم که حتی القاعده،
09:02
is not without its bureaucracy. (Laughter)
197
526785
2597
کاغذبازی های اداری خودش را دارد. (خنده ی حاضرین)
09:05
They answered questions like, "Who recruited you?"
198
529382
2098
آن ها به پرسش هایی مانند، "چه کسی تو را استخدام کرده است ؟"
09:07
"What's your hometown?" "What occupation do you seek?"
199
531480
2854
"شهر محل زندگیت کجاست ؟" "برای سازمان می خواهی چه کاری انجام بدهی ؟" جواب می دادند.
09:10
In that last question, a surprising insight was revealed.
200
534334
3169
در آخرین پرسش، یک دیدگاه شگفت انگیز کشف شد.
09:13
The vast majority of foreign fighters
201
537503
2400
غالب رزمندگان خارجی
09:15
were seeking to become suicide bombers for martyrdom --
202
539903
2400
می خواستند عملیات بمب گذاری انتحاری انجام دهند --
09:18
hugely important, since between 2003 and 2007, Iraq
203
542303
4338
این نکته خیلی مهم است، زیرا در بازه ی زمانی سال ۲۰۰۳ تا ۲۰۰۷،
09:22
had 1,382 suicide bombings, a major source of instability.
204
546641
4244
عراق ۱٫۳۸۲ مورد عملیات بمب گذاری انتحاری داشته است، که این اصلی ترین عامل بی ثباتی این کشور است.
09:26
Analyzing this data was hard. The originals were sheets
205
550885
2058
تجزیه و تحلیل این اطلاعات دشوار بود. نسخه ی اصلی این اسناد برگه هایی به زبان عربی بودند که باید اسکن و ترجمه می شدند.
09:28
of paper in Arabic that had to be scanned and translated.
206
552943
2742
تجزیه و تحلیل این اطلاعات دشوار بود. نسخه ی اصلی این اسناد برگه هایی به زبان عربی بودند که باید اسکن و ترجمه می شدند.
09:31
The friction in the process did not allow for meaningful
207
555685
2192
تضاد های داخل این روش اجازه نمی داد تا نتایج معناداری در یک چارچوب مشخص زمانی با استفاده از منابع انسانی، پی دی اف
09:33
results in an operational time frame using humans, PDFs
208
557877
3350
تضاد های داخل این روش اجازه نمی داد تا نتایج معناداری در یک چارچوب مشخص زمانی با استفاده از منابع انسانی، پی دی اف
09:37
and tenacity alone.
209
561227
2218
و پشتکار صرف به دست آید.
09:39
The researchers had to lever up their human minds
210
563445
1953
محققان مجبور شدند برای تمرکز بیشتر ذهن های انسانیشان را با تکنولوژی ارتقاء دهند،
09:41
with technology to dive deeper, to explore non-obvious
211
565398
2345
برای این که فرضیه های ناملموس را بررسی کنند،
09:43
hypotheses, and in fact, insights emerged.
212
567743
3218
و در حقیقت، نتیجه گرفتند.
09:46
Twenty percent of the foreign fighters were from Libya,
213
570961
2644
۲۰ درصد رزمندگان خارجی تبعه ی لیبی بودند،
09:49
50 percent of those from a single town in Libya,
214
573605
2968
۵۰ درصد آن ها همگی از یک شهر لیبی آمده بودند،
09:52
hugely important since prior statistics put that figure at
215
576573
2450
این قضیه فوق العاده حائز اهمیت است چون احتمالات اولیه آن را ۳% حدس زده بود.
09:54
three percent. It also helped to hone in on a figure
216
579023
2383
همین طور این قضیه به جلب شدن توجه به سوی یکی از شخصیت های مهم القاعده، ابو یحیی اللیبی، یک روحانی قدیمی در گروه رزمی اسلامی لیبی کمک کرد.
09:57
of rising importance in al Qaeda, Abu Yahya al-Libi,
217
581406
2977
همین طور این قضیه به جلب شدن توجه به سوی یکی از شخصیت های مهم القاعده، ابو یحیی اللیبی، یک روحانی قدیمی در گروه رزمی اسلامی لیبی کمک کرد.
10:00
a senior cleric in the Libyan Islamic fighting group.
218
584383
2631
همین طور این قضیه به جلب شدن توجه به سوی یکی از شخصیت های مهم القاعده، ابو یحیی اللیبی، یک روحانی قدیمی در گروه رزمی اسلامی لیبی کمک کرد.
10:02
In March of 2007, he gave a speech, after which there was
219
587014
2664
در ماه مارس سال ۲۰۰۷، او یک سخنرانی ایراد کرد، که پس از آن افزایش چشمگیری در پیوستن رزمندگان لیبی به القاعده مشاهده شد.
10:05
a surge in participation amongst Libyan foreign fighters.
220
589678
3466
در ماه مارس سال ۲۰۰۷، او یک سخنرانی ایراد کرد، که پس از آن افزایش چشمگیری در پیوستن رزمندگان لیبی به القاعده مشاهده شد.
10:09
Perhaps most clever of all, though, and least obvious,
221
593144
3106
شاید از همه هوشمندانه تر، و اگرچه، ناملموس تر از همه،
10:12
by flipping the data on its head, the researchers were
222
596250
2073
محققان توانستند با ردیابی سرنخ اطلاعات،
10:14
able to deeply explore the coordination networks in Syria
223
598323
2900
شبکه های هماهنگ کننده ی سازمان را در سوریه که مسئول نهایی دریافت و انتقال رزمندگان خارجی به سوی مرزها بودند را به خوبی شناسایی کنند.
10:17
that were ultimately responsible for receiving and
224
601223
2517
شبکه های هماهنگ کننده ی سازمان را در سوریه که مسئول نهایی دریافت و انتقال رزمندگان خارجی به سوی مرزها بودند را به خوبی شناسایی کنند.
10:19
transporting the foreign fighters to the border.
225
603740
2464
شبکه های هماهنگ کننده ی سازمان را در سوریه که مسئول نهایی دریافت و انتقال رزمندگان خارجی به سوی مرزها بودند را به خوبی شناسایی کنند.
10:22
These were networks of mercenaries, not ideologues,
226
606204
2633
شبکه هایی از مزدوران - و نه متعصبان تندرو - وجود داشتند،
10:24
who were in the coordination business for profit.
227
608837
2398
که این کار هماهنگ کردن را به عنوان یک تجارت و برای پول انجام می دادند.
10:27
For example, they charged Saudi foreign fighters
228
611235
1904
به عنوان مثال، آن ها از رزمندگان عربستانی خیلی بیشتر از رزمندگان لیبیایی پول می گرفتند،
10:29
substantially more than Libyans, money that would have
229
613139
2199
به عنوان مثال، آن ها از رزمندگان عربستانی خیلی بیشتر از رزمندگان لیبیایی پول می گرفتند،
10:31
otherwise gone to al Qaeda.
230
615338
2320
پولی که در اصل باید به القاعده داده می شد.
10:33
Perhaps the adversary would disrupt their own network
231
617658
2045
شاید اگر دشمن می فهمید که شبکه های سازمان به جهادی ها (تروریست ها) خیانت می کند،
10:35
if they knew they cheating would-be jihadists.
232
619703
3035
خود، آن شبکه ها را نابود می کرد.
10:38
In January, 2010, a devastating 7.0 earthquake struck Haiti,
233
622738
3745
در ژانویه ی ۲۰۱۰، در هایتی یک زلزله ی ۷ ریشتری ویران کننده رخ داد،
10:42
third deadliest earthquake of all time, left one million people,
234
626483
2916
سومین زمین لرزه ی مرگبار تمام دوران، که یک میلیون نفر، یعنی ۱۰ درصد جمعیت کشور را بی خانمان کرد.
10:45
10 percent of the population, homeless.
235
629399
2584
سومین زمین لرزه ی مرگبار تمام دوران، که یک میلیون نفر، یعنی ۱۰ درصد جمعیت کشور را بی خانمان کرد.
10:47
One seemingly small aspect of the overall relief effort
236
631983
3137
یکی از جنبه های به ظاهر کوچک تلاش های امدادی تامین غذا و آب بود.
10:51
became increasingly important as the delivery of food
237
635120
2176
یکی از جنبه های به ظاهر کوچک تلاش های امدادی تامین غذا و آب بود.
10:53
and water started rolling.
238
637296
2160
یکی از جنبه های به ظاهر کوچک تلاش های امدادی تامین غذا و آب بود.
10:55
January and February are the dry months in Haiti,
239
639456
1458
ژانویه و فوریه ماه های خشک هایتی هستند،
10:56
yet many of the camps had developed standing water.
240
640914
2942
هنوز خیلی از اردوگاه ها به دنبال افزایش ذخیره ی آبشان بودند.
10:59
The only institution with detailed knowledge of Haiti's
241
643856
2122
تنها مرکز تحقیقاتی مطلع از زمین های آب گیر هایتی در زمین لرزه ویران شده بود، در حالی که دانشمند مربوطه درون آن بود.
11:01
floodplains had been leveled
242
645978
1297
تنها مرکز تحقیقاتی مطلع از زمین های آب گیر هایتی در زمین لرزه ویران شده بود، در حالی که دانشمند مربوطه درون آن بود.
11:03
in the earthquake, leadership inside.
243
647275
3008
تنها مرکز تحقیقاتی مطلع از زمین های آب گیر هایتی در زمین لرزه ویران شده بود، در حالی که دانشمند مربوطه درون آن بود.
11:06
So the question is, which camps are at risk,
244
650283
2575
اما سوال این جاست، کدام اردوگاه ها در معرض خطر هستند،
11:08
how many people are in these camps, what's the
245
652858
1921
چند نفر در این اردوگاه ها هستند،
11:10
timeline for flooding, and given very limited resources
246
654779
2311
برنامه ی زمان بندی آب گیری ها چگونه است،
11:12
and infrastructure, how do we prioritize the relocation?
247
657090
3384
و این که با منابع و زیربنا های محدود، چگونه انتقال افراد را اولویت بندی کنیم ؟
11:16
The data was incredibly disparate. The U.S. Army had
248
660474
2344
اطلاعات فوق العاده ناهمخوان بود.
11:18
detailed knowledge for only a small section of the country.
249
662818
2929
ارتش آمریکا تنها اطلاعات مربوط به بخش کوچکی از کشور را داشت.
11:21
There was data online from a 2006 environmental risk
250
665747
2511
اطلاعاتی مربوط به یک سخنرانی مربوط به حفظ محیط زیست در سال ۲۰۰۶ بر روی اینترنت بود،
11:24
conference, other geospatial data, none of it integrated.
251
668258
2664
باقی اطلاعات مربوط به زمین شناسی منطقه بود، و به هیچ عنوان یکپارچه نشده بود.
11:26
The human goal here was to identify camps for relocation
252
670922
2958
هدف انسان در این جا شناسایی اردوگاه های نیازمند به نقل مکان،
11:29
based on priority need.
253
673880
2395
بر اساس اولویت نیاز آن ها بود.
11:32
The computer had to integrate a vast amount of geospacial
254
676275
2440
کامپیوتر مجبور بود حجم عظیمی از اطلاعات مربوط یه زمین شناسی منطقه ای،
11:34
information, social media data and relief organization
255
678715
2584
رسانه ی گروهی و سازمان امدادی را برای پاسخ دادن به این پرسش یکپارچه کند.
11:37
information to answer this question.
256
681299
3480
رسانه ی گروهی و سازمان امدادی را برای پاسخ دادن به این پرسش یکپارچه کند.
11:40
By implementing a superior process, what was otherwise
257
684779
2415
با عمل کردن به یک روش بهتر،
11:43
a task for 40 people over three months became
258
687194
2608
که بدون این روش این کار توسط ۴۰ نفر به مدت سه ماه انجام می شد،
11:45
a simple job for three people in 40 hours,
259
689802
3176
توسط سه نفر در عرض ۴۰ ساعت انجام شد،
11:48
all victories for human-computer symbiosis.
260
692978
2628
و این پیروزی متعلق به همکاری انسان و کامپیوتر است.
11:51
We're more than 50 years into Licklider's vision
261
695606
2054
ما حدود ۵۰ سال است که از دیدگاه لیکلایدر به آینده استفاده می کنیم،
11:53
for the future, and the data suggests that we should be
262
697660
2242
و تجربه نشان می دهد که انسان ها و ماشین ها باید با همکاری یکدیگر به حل کردن دشوار ترین مشکلات این قرن بپردازند،
11:55
quite excited about tackling this century's hardest problems,
263
699902
3030
و تجربه نشان می دهد که انسان ها و ماشین ها باید با همکاری یکدیگر به حل کردن دشوار ترین مشکلات این قرن بپردازند،
11:58
man and machine in cooperation together.
264
702932
2947
و تجربه نشان می دهد که انسان ها و ماشین ها باید با همکاری یکدیگر به حل کردن دشوار ترین مشکلات این قرن بپردازند،
12:01
Thank you. (Applause)
265
705879
2197
سپاسگزارم. (تشویق حاضرین)
12:03
(Applause)
266
708076
2505
(تشویق حاضرین)
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