TEDGlobal 2012
Shyam Sankar: The rise of human-computer cooperation
שיאם סנקר: העליה של שיתוף הפעולה בין אדם למחשב
Filmed:
Readability: 6.3
947,418 views
כוח מיחשוב גולמי לבדו לא יכול לפתור את בעיות העולם. שיאם סנקר חדשן בתחום כריית מידע מסביר מדוע פיתרון בעיות קשות (כמו תפיסת מחבלים או זיהוי נטיות גדולות סמויות) אינו שאלה של מציאת האלגוריתם הנכון, אלא ישום מערכת היחסים הסימביוטית הנכונה בין מיחשוב ויצירתיות אנושית.
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
אני אספר לכם על שני משחקי שחמט
00:18
The first happened in 1997, in which Garry Kasparov,
1
3068
3864
הראשון התנהל ב-1997 כשגארי קספארוב
00:22
a human, lost to Deep Blue, a machine.
2
6932
3716
בן אדם, הפסיד ל-"דיפ בלו" מכונה.
00:26
To many, this was the dawn of a new era,
3
10648
2240
עבור רבים זה היה השחר של עידן חדש,
00:28
one where man would be dominated by machine.
4
12888
2779
שבו האדם יישלט על ידי המכונה
00:31
But here we are, 20 years on, and the greatest change
5
15667
3334
אבל, הנה כאן אחנו, 20 שנה מאוחר יותר, והשינוי הגדול
00:34
in how we relate to computers is the iPad,
6
19001
2690
כיצד אנו מתייחסים למחשבים הוא ה-אייפד
00:37
not HAL.
7
21691
2045
לא האל
00:39
The second game was a freestyle chess tournament
8
23736
2648
המשחק השני היה במסגרת טורניר שח
00:42
in 2005, in which man and machine could enter together
9
26384
2969
ב-2005, שבו האדם והמכונה יוכלו להיכנס
00:45
as partners, rather than adversaries, if they so chose.
10
29353
4666
כבני זוג, ולא כיריבים, אם הם יבחרו בכך.
00:49
At first, the results were predictable.
11
34019
1851
בתחילה התוצאות היו צפויות.
00:51
Even a supercomputer was beaten by a grandmaster
12
35870
2497
אפילו מחשב העל הובס על ידי הרב-אמן
00:54
with a relatively weak laptop.
13
38367
2312
בעזרת מחשב נייד חלש יחסית
00:56
The surprise came at the end. Who won?
14
40679
2985
ההפתעה הגיעה בסוף. מי זכה?
00:59
Not a grandmaster with a supercomputer,
15
43664
2776
לא רב האמן עם מחשב העל
01:02
but actually two American amateurs
16
46440
1493
אלא דווקא 2 חובבים אמריקאים
01:03
using three relatively weak laptops.
17
47933
3822
שהתמשו בשלושה מחשבים נידים חלשים.
01:07
Their ability to coach and manipulate their computers
18
51755
2596
יכולתם להדריך ולהפעיל מניפולציות על המחשבים שלהם
01:10
to deeply explore specific positions
19
54351
2435
כדי לחקור לעומק מצבים ספציפיים
01:12
effectively counteracted the superior chess knowledge
20
56786
2390
פעלו ביעילות נגד הידע הנעלה בשחמט
01:15
of the grandmasters and the superior computational power
21
59176
2609
של רבי האמן הגדולים וכוחו הנעלה של מחשב העל
01:17
of other adversaries.
22
61785
1909
של היריבים האחרים.
01:19
This is an astonishing result: average men,
23
63694
2905
זוהי תוצאה מדהימה: אדם ממוצע,
01:22
average machines beating the best man, the best machine.
24
66599
4081
מכשירים ממוצעים גוברים על האנשים הטובים ביותר, והמכונה הטובה ביותר.
01:26
And anyways, isn't it supposed to be man versus machine?
25
70680
3199
ובכל אופן, זה לא אמור להיות האדם נגד המכונה?
01:29
Instead, it's about cooperation, and the right type of cooperation.
26
73879
4152
במקום זה, זה עניין של שיתוף-פעולה והסוג הנכון של שיתוף פעולה
01:33
We've been paying a lot of attention to Marvin Minsky's
27
78031
2857
הקדשנו תשומת לב רבה לחזונו של מרווין מינסקי
01:36
vision for artificial intelligence over the last 50 years.
28
80888
3242
אודות אינטליגנציה מלאכותית ב-50 השנים האחרונות
01:40
It's a sexy vision, for sure. Many have embraced it.
29
84130
2262
זה חזון מושך, לבטח, רבים אימצו אותו
01:42
It's become the dominant school of thought in computer science.
30
86392
2753
הוא הפך לאסכולה הדומיננטית במדעי המחשב.
01:45
But as we enter the era of big data, of network systems,
31
89145
3072
אבל כשאנו נכנסים לעידן הגדול של המידע, של מערכות תקשורת
01:48
of open platforms, and embedded technology,
32
92217
2698
של פלטפורמות פתוחות וטכנולוגיה משובצת
01:50
I'd like to suggest it's time to reevaluate an alternative vision
33
94915
3392
הייתי רוצה להציע שהגיע הזמן להעריך מחדש חזון אלטרנטיבי
01:54
that was actually developed around the same time.
34
98307
3070
שהתפתח בערך באותו זמן.
01:57
I'm talking about J.C.R. Licklider's human-computer symbiosis,
35
101377
3332
אני מדבר על הסימביוזה בין אדם למחשב של ג'יי סי אר ליקלידר
02:00
perhaps better termed "intelligence augmentation," I.A.
36
104709
3808
שיותר טוב לכנות אותה "ריבוד אינטיליגנציה".
02:04
Licklider was a computer science titan who had a profound
37
108517
2640
ליקלידר היה ענק מחשבים שהיתה לו השפעה
02:07
effect on the development of technology and the Internet.
38
111157
3006
עמוקה על התפתחות הטכנולוגיה והאינטרנט.
02:10
His vision was to enable man and machine to cooperate
39
114163
2868
החזון שלו היה לאפשר לאדם ולמכונה לשתף פעולה
02:12
in making decisions, controlling complex situations
40
117031
3590
בקבלת החלטות, בפיקוח על מצבים מסובכים
02:16
without the inflexible dependence
41
120621
1770
ללא התלות הנוקשה
02:18
on predetermined programs.
42
122391
2533
בתוכניות קבועות מראש.
02:20
Note that word "cooperate."
43
124924
2498
שימו לב למילה "לשתף פעולה."
02:23
Licklider encourages us not to take a toaster
44
127422
2747
ליקלידר מעודד אותנו לא לקחת מצנם
02:26
and make it Data from "Star Trek,"
45
130169
2284
ולהפכו לדאטה מ"מסע בין כוכבים,"
02:28
but to take a human and make her more capable.
46
132453
3535
אלא לקחת בן-אדם ולעשותו יותר מוכשר.
02:31
Humans are so amazing -- how we think,
47
135988
1911
בני אדם הם כה מדהימים--כיצד אנו חושבים,
02:33
our non-linear approaches, our creativity,
48
137899
2618
הגישות שאינן חד-ממדיות, היצירתיות שלנו,
02:36
iterative hypotheses, all very difficult if possible at all
49
140517
2131
ההיפותיזות הנישנות, כל אלה הם דברים קשים מאד אם בכלל אפשריים
02:38
for computers to do.
50
142648
1345
לביצוע על ידי מחשבים.
02:39
Licklider intuitively realized this, contemplating humans
51
143993
2452
ליקלידר הבין זאת באופן אינטואיטיבי, מתוך התבוננות באנשים
02:42
setting the goals, formulating the hypotheses,
52
146445
2327
לקבוע את המטרות, לנסח את ההיפותיזות,
02:44
determining the criteria, and performing the evaluation.
53
148772
3376
לקבוע את הקריטריונים, ולבצע את ההערכה.
02:48
Of course, in other ways, humans are so limited.
54
152148
1775
כמובן, שבדברים אחרים בני-האדם הם מוגבלים מאד
02:49
We're terrible at scale, computation and volume.
55
153923
3235
אנחנו נוראים בנושאי קנה מידה, חישוב ונפח.
02:53
We require high-end talent management
56
157158
1836
אנחנו דורשים כשרונות ניהול ברמה גבוהה
02:54
to keep the rock band together and playing.
57
158994
2064
כדי לשמור שלהקת רוק תופיע יחד.
02:56
Licklider foresaw computers doing all the routinizable work
58
161058
2204
ליקלידר חזה מחשבים שעושים את כל העבודה השיגרתית
02:59
that was required to prepare the way for insights and decision making.
59
163262
3276
שהיתה נחוצה כדי להכין את הדרך לקבלת תובנות וקבלת החלטות.
03:02
Silently, without much fanfare,
60
166538
2224
בשקט, בלי הרבה מהומה,
03:04
this approach has been compiling victories beyond chess.
61
168762
3354
גישה זו יצרה נצחונות מעבר לשחמט.
03:08
Protein folding, a topic that shares the incredible expansiveness of chess —
62
172116
3356
קיפול חלבונים, נושא שחולק את התרחבות המדהימה של שחמט -
03:11
there are more ways of folding a protein than there are atoms in the universe.
63
175472
3042
קיימות יותר דרכים לקיפול חלבונים מאשר יש אטומים ביקום.
03:14
This is a world-changing problem with huge implications
64
178514
2353
זוהי בעיה של משתנת עולם עם השלכות עצומות
03:16
for our ability to understand and treat disease.
65
180867
2308
עבור היכולת שלנו להבין ולטפל במחלה.
03:19
And for this task, supercomputer field brute force simply isn't enough.
66
183175
4248
ועבור משימה זו, כוח גס של מחשב-על פשוט אינו מספיק.
03:23
Foldit, a game created by computer scientists,
67
187423
2384
פולדיט, משחק שנוצר על-ידי מדעני מחשב,
03:25
illustrates the value of the approach.
68
189807
2502
מדגים את הערך של הגישה.
03:28
Non-technical, non-biologist amateurs play a video game
69
192309
3041
חובבים שאינם אנשים טכניים, ואינם ביולוגים משחקים במשחק וידאו
03:31
in which they visually rearrange the structure of the protein,
70
195350
3073
שבו הם באופן חזותי מסדרים מחדש את המבנה של החלבונים,
03:34
allowing the computer to manage the atomic forces
71
198423
1499
תוך מתן אפשרות למחשב לנהל את הכוחות האטומים
03:35
and interactions and identify structural issues.
72
199922
2957
ואינטראקציות שמזהות בעיות מבניות.
03:38
This approach beat supercomputers 50 percent of the time
73
202879
3023
גישה זו היכתה את מחשבי העל ב-50% מהזמן
03:41
and tied 30 percent of the time.
74
205902
2584
והישוותה 30 אחוז מהזמן.
03:44
Foldit recently made a notable and major scientific discovery
75
208486
3137
לפולדיט היתה לאחרונה תגלית מדעית בולטת וחשובה
03:47
by deciphering the structure of the Mason-Pfizer monkey virus.
76
211623
3160
על-ידי פיענוח המבנה של ווירוס הקוף מייסון-פייזר.
03:50
A protease that had eluded determination for over 10 years
77
214783
3015
פרוטאז שהתחמק מהגדרה מעל 10 שנים
03:53
was solved was by three players in a matter of days,
78
217798
2626
נפתר על ידי שלושה שחקנים בתקופה של ימים,
03:56
perhaps the first major scientific advance
79
220424
2025
אולי ההתקדמות מדעית הגדולה הראשונה
03:58
to come from playing a video game.
80
222449
2323
שהגיעה ממשחק וידאו.
04:00
Last year, on the site of the Twin Towers,
81
224772
2181
בשנה שעברה, באתר של מגדלי התאומים,
04:02
the 9/11 memorial opened.
82
226953
1473
אנדרטת 9/11 נפתחה.
04:04
It displays the names of the thousands of victims
83
228426
2721
היא מציגה את שמות של אלפי הקורבנות
04:07
using a beautiful concept called "meaningful adjacency."
84
231147
3063
כשהם משתמשים באמצעות רעיון יפה בשם "קירבה משמעותית".
04:10
It places the names next to each other based on their
85
234210
2166
היא מציבה את השמות אחד ליד השני בהתבסס על
04:12
relationships to one another: friends, families, coworkers.
86
236376
2213
הקשרים שביניהם: חברים, משפחות, חברים לעבודה.
04:14
When you put it all together, it's quite a computational
87
238589
3028
כאשר אתם שמים את כל זה יחד , זהו ממש אתגר
04:17
challenge: 3,500 victims, 1,800 adjacency requests,
88
241617
4223
חישבו: 3,500 קורבנות, 1,800, בקשות קירבה,
04:21
the importance of the overall physical specifications
89
245840
3092
החשיבות של המפרט הפיזי הכולל
04:24
and the final aesthetics.
90
248932
2137
והאסתטיקה הסופית.
04:26
When first reported by the media, full credit for such a feat
91
251069
2615
כאשר זה דווח לראשונה במדיה, ניתן מלוא הקרדיט עבור מבצע כזה
04:29
was given to an algorithm from the New York City
92
253684
1892
לאלגוריתם מ"לוקאל פרוג'קס" חברת עיצוב פרוייקטים
04:31
design firm Local Projects. The truth is a bit more nuanced.
93
255576
4001
מקומיים מהעיר ניו-יורק. האמת מעט יותר מגוונת.
04:35
While an algorithm was used to develop the underlying framework,
94
259577
2871
בעוד נעשה שימוש באלגוריתם כדי לפתח את המסגרת הבסיסית,
04:38
humans used that framework to design the final result.
95
262448
3008
בני אדם השתמשו במסגרת בסיסית זו כדי לעצב את התוצאה הסופית.
04:41
So in this case, a computer had evaluated millions
96
265456
2225
כך, שבמקרה זה, המחשב העריך מיליוני
04:43
of possible layouts, managed a complex relational system,
97
267681
3335
פריסות אפשריות, ניהל מערכת מורכבת של יחסי קירבה,
04:46
and kept track of a very large set of measurements
98
271016
2414
ועקב אחרי קבוצה גדולה מאוד של מידות
04:49
and variables, allowing the humans to focus
99
273430
2410
ומשתנים, כשהוא מאפשר לבני-האדם להתמקד
04:51
on design and compositional choices.
100
275840
2802
על העיצוב והאפשרויות של הקומפוזיציות.
04:54
So the more you look around you,
101
278642
1036
כך שככל שאתם מסתכלים יותר סביבכם,
04:55
the more you see Licklider's vision everywhere.
102
279678
1962
אתם רואים את חזונו של ליקלידר בכל מקום.
04:57
Whether it's augmented reality in your iPhone or GPS in your car,
103
281640
3304
בין אם זה יש המציאות המרובדת שלכם באייפון או בג'י פי אס שבמכוניתכם,
05:00
human-computer symbiosis is making us more capable.
104
284944
2970
סימביוזה של אדם-מחשב מקנה לנו יותר יכולת.
05:03
So if you want to improve human-computer symbiosis,
105
287914
1655
כך, שאם רוצים לשפר סימביוזת אדם-מחשב,
05:05
what can you do?
106
289569
1429
מה ניתן לעשות?
05:06
You can start by designing the human into the process.
107
290998
2452
אפשר להתחיל מתכנון שישלב את האדם לתוך התהליך.
05:09
Instead of thinking about what a computer will do to solve the problem,
108
293450
2204
במקום לחשוב על מה שהמחשב יעשה כדי לפתור את הבעיה,
05:11
design the solution around what the human will do as well.
109
295654
3869
לתכנן את הפיתרון סביב מה שהאדם יעשה גם כן.
05:15
When you do this, you'll quickly realize that you spent
110
299523
1937
כאשר תעשו זאת, תבינו עד מהרה שביליתם את
05:17
all of your time on the interface between man and machine,
111
301460
2879
כל זמנכם בממשק בין אדם למכונה,
05:20
specifically on designing away the friction in the interaction.
112
304339
3099
באופן ספציפי בתכנון סילוק החיכוך שבאינטראקציה.
05:23
In fact, this friction is more important than the power
113
307438
2766
למעשה, חיכוך זה חשוב יותר מאשר כוחו
05:26
of the man or the power of the machine
114
310204
2052
של האדם, או כוחה של המכונה
05:28
in determining overall capability.
115
312256
1931
בקביעת היכולת הכוללת.
05:30
That's why two amateurs with a few laptops
116
314187
1977
זו הסיבה ששני חובבים עם מספר מחשבים נישאים
05:32
handily beat a supercomputer and a grandmaster.
117
316164
2456
ניצחו בקלות מחשב-על ורב-אמן.
05:34
What Kasparov calls process is a byproduct of friction.
118
318620
3005
מה שקספרוב קורא לו תהליך הוא תוצר-לוואי של חיכוך.
05:37
The better the process, the less the friction.
119
321625
2401
ככל שהתהליך טוב יותר, כך יש פחות החיכוך.
05:39
And minimizing friction turns out to be the decisive variable.
120
324026
4256
וצמצום החיכוך יתברר כמשתנה המכריע.
05:44
Or take another example: big data.
121
328282
2243
או קבלו דוגמה נוספת: מידע רב.
05:46
Every interaction we have in the world is recorded
122
330525
1906
כל אינטראקציה שיש לנו בעולם נרשמת
05:48
by an ever growing array of sensors: your phone,
123
332431
3059
על ידי מערך הולך וגדל של חיישנים: הטלפון שלך,
05:51
your credit card, your computer. The result is big data,
124
335490
2373
כרטיס האשראי שלך, המחשב שלך. התוצאה היא הרבה מידע,
05:53
and it actually presents us with an opportunity
125
337863
1742
וזה למעשה נותן לנו ההזדמנות
05:55
to more deeply understand the human condition.
126
339605
2662
להבין יותר לעומק את המצב האנושי.
05:58
The major emphasis of most approaches to big data
127
342267
2305
הדגש העיקרי של רוב הגישות למידע רב
06:00
focus on, "How do I store this data? How do I search
128
344572
2215
מתמקד על, "כיצד ניתן לאחסן נתונים אלה? כיצד מחפשים
06:02
this data? How do I process this data?"
129
346787
2276
נתונים אלה? כיצד אני מעבד נתונים אלה?"
06:04
These are necessary but insufficient questions.
130
349063
2204
אלו שאלות הכרחיות אך לא מספיקות.
06:07
The imperative is not to figure out how to compute,
131
351267
2471
מה שחיוני הוא לא איך להבין כיצד לחשב,
06:09
but what to compute. How do you impose human intuition
132
353738
2184
אלא מה לחשב כיצד באפשרותך לכפות את האינטואיציה האנושית
06:11
on data at this scale?
133
355922
1791
על מידע בקנה מידה זה?
06:13
Again, we start by designing the human into the process.
134
357713
3499
שוב, אנחנו מתחילים על-ידי תכנון הכנסת האדם לתהליך.
06:17
When PayPal was first starting as a business, their biggest
135
361212
2812
כאשר "פיי-פאל" החלה את דרכה כעסק, האתגר הגדול ביותר
06:19
challenge was not, "How do I send money back and forth online?"
136
364024
2804
שלהם היה לא, "כיצד שולחים כסף הלוך ושוב באינטרנט?"
06:22
It was, "How do I do that without being defrauded by organized crime?"
137
366828
3872
אלא היה, "כיצד עושים זאת מבלי להיות מרומים על-ידי פשע מאורגן?"
06:26
Why so challenging? Because while computers can learn
138
370700
2088
מדוע כל כך מאתגר? כי בעוד שמחשבים יכולים ללמוד
06:28
to detect and identify fraud based on patterns,
139
372788
3144
לאתר ולזהות הונאות שמבוססות על דפוסים,
06:31
they can't learn to do that based on patterns
140
375932
1479
הם לא יכולים ללמוד לעשות זאת בהתבסס על תבניות
06:33
they've never seen before, and organized crime
141
377411
2116
שהם לא ראו לפני כן, ולארגון פשע
06:35
has a lot in common with this audience: brilliant people,
142
379527
2709
יש הרבה מן המשותף עם קהל זה: אנשים מבריקים,
06:38
relentlessly resourceful, entrepreneurial spirit — (Laughter) —
143
382236
3640
עזי-רוח ורבי תושייה, חדורים ברוח יזמות — (צחוק) —
06:41
and one huge and important difference: purpose.
144
385876
2712
והבדל עצום, וחשוב אחד: המטרה.
06:44
And so while computers alone can catch all but the cleverest
145
388588
2832
וכך בעוד שמחשבים לבדם יכולים לתפוס הכל פרט לפיקחות
06:47
fraudsters, catching the cleverest is the difference
146
391420
2253
שבהונאות, לתפוס את הפיקחים ביותר עושה את ההבדל
06:49
between success and failure.
147
393673
2545
בין הצלחה לכישלון.
06:52
There's a whole class of problems like this, ones with
148
396218
2221
יש מחלקה שלמה של בעיות כמו זו, אחדות מהן עם
06:54
adaptive adversaries. They rarely if ever present with a
149
398439
2575
יריבים סתגלתנים. הם לעתים רחוקות, אם בכלל, מציגים
06:56
repeatable pattern that's discernable to computers.
150
401014
2736
תבנית שחוזרת על עצמה שמוכרת למחשבים.
06:59
Instead, there's some inherent component of innovation or disruption,
151
403750
3993
במקום זה, יש כמה רכיבים אינהרנטים של חדשנות או שיבוש,
07:03
and increasingly these problems are buried in big data.
152
407743
2735
ובמידה גוברת והולכת בעיות אלו נקברות בתוך ים של נתונים.
07:06
For example, terrorism. Terrorists are always adapting
153
410478
2500
לדוגמה, טרור. המחבלים תמיד מסגלים עצמם
07:08
in minor and major ways to new circumstances, and despite
154
412978
2052
בדרכים קטנות וגדולות לנסיבות חדשות, ולמרות
07:10
what you might see on TV, these adaptations,
155
415030
3094
מה שאתם רואים בטלוויזיה, התאמות אלו,
07:14
and the detection of them, are fundamentally human.
156
418124
2293
וזיהויין, הן אנושיות מיסודן.
07:16
Computers don't detect novel patterns and new behaviors,
157
420417
3117
המחשבים לא מזהים דפוסים והתנהגויות חדשות,
07:19
but humans do. Humans, using technology, testing hypotheses,
158
423534
3235
אבל בני-האדם כן. בני אדם, באמצעות טכנולוגיה, ניסויים ווהיפותיזות,
07:22
searching for insight by asking machines to do things for them.
159
426769
4620
מחפשים את התובנה על ידי כך שהם מבקשים ממכונות לעשות דברים עבורם.
07:27
Osama bin Laden was not caught by artificial intelligence.
160
431389
2320
אוסמה בין לאדן לא נתפס על ידי בינה מלאכותית.
07:29
He was caught by dedicated, resourceful, brilliant people
161
433709
2553
הוא נתפס על ידי אנשים דבקים במטרה, מבריקים ובעלי תושיה
07:32
in partnerships with various technologies.
162
436262
4269
בשותפות עם טכנולוגיות שונות.
07:36
As appealing as it might sound, you cannot algorithmically
163
440531
2818
ככל שזה נשמע מפתה, אינך יכול באופן אלגוריתמי
07:39
data mine your way to the answer.
164
443349
1601
לכרות מידע בדרך אל התשובה.
07:40
There is no "Find Terrorist" button, and the more data
165
444950
2855
אין לחצן "מצא מחבל" וככל שאנו מצליבים
07:43
we integrate from a vast variety of sources
166
447805
2302
יותר מידע ממגוון רחב של מקורות
07:46
across a wide variety of data formats from very
167
450107
2133
לרוחב מגוון רחב של תבניות מידע
07:48
disparate systems, the less effective data mining can be.
168
452240
3309
במערכות שונות לגמרי, כך כריית הנתונים תהיה פחות יעילה.
07:51
Instead, people will have to look at data
169
455549
2024
במקום זה, אנשים יצטרכו להסתכל על המידע
07:53
and search for insight, and as Licklider foresaw long ago,
170
457573
3456
ולחפש תובנה, וכפי שליקלידר חזה לפני זמן רב,
07:56
the key to great results here is the right type of cooperation,
171
461029
2685
המפתח לתוצאות מצוינות כאן נמצא בסוג הנכון של שיתוף פעולה,
07:59
and as Kasparov realized,
172
463714
1524
וכפי שקספרוב הבין,
08:01
that means minimizing friction at the interface.
173
465238
3031
פירוש הדבר הוא צמצום החיכוך בממשק.
08:04
Now this approach makes possible things like combing
174
468269
2758
כעת גישה זו מאפשרת דברים כמו סריקת
08:06
through all available data from very different sources,
175
471027
3386
כל הנתונים הזמינים ממקורות שונים מאוד,
08:10
identifying key relationships and putting them in one place,
176
474413
2792
זיהוי קשרי גומלין עיקריים ולרכז אותם במקום אחד,
08:13
something that's been nearly impossible to do before.
177
477205
2928
משהו שהיה כמעט בלתי אפשרי לעשות לפני כן.
08:16
To some, this has terrifying privacy and civil liberties
178
480133
1942
בעיני אחדים, יש לכך השלכות מבהילות בנושאים של חרות פרטית ואזרחית
08:17
implications. To others it foretells of an era of greater
179
482075
3410
בעיני אחרים זה מנבא תקופה של יותר
08:21
privacy and civil liberties protections,
180
485485
1909
הגנות על חרויות פרטיות ואזרחיות,
08:23
but privacy and civil liberties are of fundamental importance.
181
487394
2936
אבל חרויות פרטיות ואזרחיות הינן בעלות חשיבות בסיסית.
08:26
That must be acknowledged, and they can't be swept aside,
182
490330
2193
בזה חייבים להודות, ולא ניתן לטאטא אותן הצידה,
08:28
even with the best of intents.
183
492523
2530
אפילו עם הטובות שבכוונות.
08:30
So let's explore, through a couple of examples, the impact
184
495053
2518
אז בואו ונבחן בעזרת כמה דוגמאות. את ההשפעה
08:33
that technologies built to drive human-computer symbiosis
185
497571
2406
שהיתה לטכנולוגיות שנבנו לאחרונה כדי להריץ
08:35
have had in recent time.
186
499977
2919
סימביוזת אדם-מחשב.
08:38
In October, 2007, U.S. and coalition forces raided
187
502896
3416
באוקטובר, 2007, ארצות הברית וכוחות הקואליציה פשטו על
08:42
an al Qaeda safe house in the city of Sinjar
188
506312
2416
בית מוגן של אל קאעידה בעיר סינז'אר
08:44
on the Syrian border of Iraq.
189
508728
1934
על הגבול הסורי של עיראק.
08:46
They found a treasure trove of documents:
190
510662
2376
הם מצאו אוצר של אוסף מסמכים:
08:48
700 biographical sketches of foreign fighters.
191
513038
2335
700 סקיצות ביוגרפיות של לוחמים זרים.
08:51
These foreign fighters had left their families in the Gulf,
192
515373
2584
לוחמים זרים אלה עזבו את משפחותיהם במפרץ,
08:53
the Levant and North Africa to join al Qaeda in Iraq.
193
517957
3146
בלבנט, ובצפון אפריקה כדי להצטרף לאל-קאעידה בעיראק.
08:57
These records were human resource forms.
194
521103
1616
רשומות אלו היו טפסים של משאבי אנוש.
08:58
The foreign fighters filled them out as they joined the organization.
195
522719
2855
הלוחמים הזרים מילאו אותם כשהצטרפו לארגון.
09:01
It turns out that al Qaeda, too,
196
525574
1211
מתברר כי אל קאעידה, גם היא,
09:02
is not without its bureaucracy. (Laughter)
197
526785
2597
אינה נטולת בירוקרטיה. (צחוק)
09:05
They answered questions like, "Who recruited you?"
198
529382
2098
הם ענו על שאלות כמו, "מי גייס אותך?"
09:07
"What's your hometown?" "What occupation do you seek?"
199
531480
2854
"מהי עיר מולדתך?" "איזו תעסוקה אתה מחפש?"
09:10
In that last question, a surprising insight was revealed.
200
534334
3169
בשאלה אחרונה זו, נחשפה תובנה מפתיעה.
09:13
The vast majority of foreign fighters
201
537503
2400
הרוב הגדול של הלוחמים זרים
09:15
were seeking to become suicide bombers for martyrdom --
202
539903
2400
ביקשו להיות מחבלים מתאבדים ולמות מות קדושים-
09:18
hugely important, since between 2003 and 2007, Iraq
203
542303
4338
חשוב ביותר, מאז 2003 ל- 2007 בערך, היו בעיראק
09:22
had 1,382 suicide bombings, a major source of instability.
204
546641
4244
1,382, פיגועי התאבדות, מקור עיקריי לאי יציבות.
09:26
Analyzing this data was hard. The originals were sheets
205
550885
2058
ניתוח נתונים אלה היה קשה. המקור היו גליונות
09:28
of paper in Arabic that had to be scanned and translated.
206
552943
2742
נייר בערבית שהיה צריך לסרוק ולתרגם.
09:31
The friction in the process did not allow for meaningful
207
555685
2192
החיכוך בתהליך לא איפשר לקבל תוצאות
09:33
results in an operational time frame using humans, PDFs
208
557877
3350
משמעותיות במסגרת זמן תפעולי באמצעות בני-האדם, מסמכי Pdf
09:37
and tenacity alone.
209
561227
2218
ונחישות בלבד.
09:39
The researchers had to lever up their human minds
210
563445
1953
החוקרים נאלצו להתאמץ כדי להתעלות במחשבתם האנושית
09:41
with technology to dive deeper, to explore non-obvious
211
565398
2345
עם הטכנולוגיה כדי לצלול עמוק יותר, כדי לחקור השערות
09:43
hypotheses, and in fact, insights emerged.
212
567743
3218
שאינן מובנות מאליהן, ולמעשה, צצו תובנות.
09:46
Twenty percent of the foreign fighters were from Libya,
213
570961
2644
עשרים אחוז של הלוחמים הזרים היו מלוב.
09:49
50 percent of those from a single town in Libya,
214
573605
2968
50 אחוז מאלה היו מעיר אחת בלוב,
09:52
hugely important since prior statistics put that figure at
215
576573
2450
חשוב עד מאוד מפני שבסטטיסטיקה הקודמת המספר היה
09:54
three percent. It also helped to hone in on a figure
216
579023
2383
שלושה אחוזים. זה סייע להתמקד בדמות
09:57
of rising importance in al Qaeda, Abu Yahya al-Libi,
217
581406
2977
שחשיבותה עולה באל קאעידה, אבו יחיא אל-ליבי,
10:00
a senior cleric in the Libyan Islamic fighting group.
218
584383
2631
איש דת בכיר בקבוצת הלחימה האסלאמית הלובית.
10:02
In March of 2007, he gave a speech, after which there was
219
587014
2664
במרץ 2007, הוא נשא נאום, שלאחריו היה
10:05
a surge in participation amongst Libyan foreign fighters.
220
589678
3466
פרץ ההשתתפות בקרב לוחמים זרים לובים.
10:09
Perhaps most clever of all, though, and least obvious,
221
593144
3106
אולי החכם ביותר, אבל, הפחות מובן מאליו,
10:12
by flipping the data on its head, the researchers were
222
596250
2073
על-ידי היפוך הנתונים , החוקרים
10:14
able to deeply explore the coordination networks in Syria
223
598323
2900
יכלו לחקור לעומק רשתות תיאום בסוריה
10:17
that were ultimately responsible for receiving and
224
601223
2517
שהיו אחראיות בסופו של דבר לקבלה,
10:19
transporting the foreign fighters to the border.
225
603740
2464
והובלה של לוחמים זרים אל הגבול.
10:22
These were networks of mercenaries, not ideologues,
226
606204
2633
אלו היו רשתות של שכירי-חרב, לא אידיאולוגים,
10:24
who were in the coordination business for profit.
227
608837
2398
שהיו בעסקי התיאום למטרות רווח.
10:27
For example, they charged Saudi foreign fighters
228
611235
1904
לדוגמה, הם חייבו לוחמים זרים סעודים
10:29
substantially more than Libyans, money that would have
229
613139
2199
באופן משמעותי יותר מאשר את הלובים, בכסף
10:31
otherwise gone to al Qaeda.
230
615338
2320
שאחרת הלך לאל קאעידה.
10:33
Perhaps the adversary would disrupt their own network
231
617658
2045
אולי היריב היה משבש את הרשת שלהם
10:35
if they knew they cheating would-be jihadists.
232
619703
3035
אם הם הו יודעים שהם מרמים אנשי ג'יהאד עתידיים.
10:38
In January, 2010, a devastating 7.0 earthquake struck Haiti,
233
622738
3745
בינואר, 2010, פגעה בהאיטי רעידת אדמה הרסנית של 7.0 ,
10:42
third deadliest earthquake of all time, left one million people,
234
626483
2916
רעידת האדמה הקטלנית השלישית בכל הזמנים, שהותירה מיליון אנשים,
10:45
10 percent of the population, homeless.
235
629399
2584
10 אחוזים מהאוכלוסייה, ללא קורת גג.
10:47
One seemingly small aspect of the overall relief effort
236
631983
3137
היבט אחד, קטן לכאורה, של המאמץ הכולל
10:51
became increasingly important as the delivery of food
237
635120
2176
נעשה בהדרגה חשוב כשמשלוחי מזון
10:53
and water started rolling.
238
637296
2160
ומים, החלו להתגלגל.
10:55
January and February are the dry months in Haiti,
239
639456
1458
ינואר ופברואר הם חודשי יובש בהאיטי,
10:56
yet many of the camps had developed standing water.
240
640914
2942
אולם רבים מהמחנות פיתחו מים עומדים.
10:59
The only institution with detailed knowledge of Haiti's
241
643856
2122
המוסד היחיד עם ידע נרחב בנושא הצפת נהרות
11:01
floodplains had been leveled
242
645978
1297
בהאיטי נהרס כליל
11:03
in the earthquake, leadership inside.
243
647275
3008
ברעידת אדמה, יחד האנשים בתוכו.
11:06
So the question is, which camps are at risk,
244
650283
2575
כך שהשאלה היא, אילו מחנות נמצאים בסיכון,
11:08
how many people are in these camps, what's the
245
652858
1921
כמה אנשים יש במחנות אלה, מהו
11:10
timeline for flooding, and given very limited resources
246
654779
2311
ציר הזמן עבור שטפונות, ובאין די משאבים
11:12
and infrastructure, how do we prioritize the relocation?
247
657090
3384
ותשתיות, כיצד נקבע סדרי עדיפויות למיקום מחדש?
11:16
The data was incredibly disparate. The U.S. Army had
248
660474
2344
הנתונים היה מאוד שונים. לצבא ארצות הברית היה
11:18
detailed knowledge for only a small section of the country.
249
662818
2929
ידע נרחב רק עבור קטע קטן של המדינה.
11:21
There was data online from a 2006 environmental risk
250
665747
2511
היה מידע מקוון מכנס סיכון סביבתי מ- 2006,
11:24
conference, other geospatial data, none of it integrated.
251
668258
2664
ללא שום נתונים גאו-מרחביים אחרים.
11:26
The human goal here was to identify camps for relocation
252
670922
2958
המטרה האנושית כאן היתה לזהות מחנות לשם העברתם למיקום חדש
11:29
based on priority need.
253
673880
2395
שמבוססת על צורכי עדיפות.
11:32
The computer had to integrate a vast amount of geospacial
254
676275
2440
על המחשב היה לשלב כמות אדירה של מידע גיאו-מרחבי,
11:34
information, social media data and relief organization
255
678715
2584
מידע ממדיה חברתית ומידע מארגוני סיוע
11:37
information to answer this question.
256
681299
3480
כדי לענות על שאלה זו.
11:40
By implementing a superior process, what was otherwise
257
684779
2415
על-ידי יישום תהליך-על, שבמקרים אחרים
11:43
a task for 40 people over three months became
258
687194
2608
היה משימה ל-40 אנשים במשך שלושה חודשים של פעילות
11:45
a simple job for three people in 40 hours,
259
689802
3176
הפך למשימה פשוטה עבור שלושה אנשים ב- 40 שעות,
11:48
all victories for human-computer symbiosis.
260
692978
2628
כל אלה ניצחונות לסימביוזת אדם-מחשב.
11:51
We're more than 50 years into Licklider's vision
261
695606
2054
אנחנו רחוקים כעת יותר מ- 50 שנה מחזונו לעתיד של ליקלידר,
11:53
for the future, and the data suggests that we should be
262
697660
2242
והנתונים מציעים שעלינו להיות
11:55
quite excited about tackling this century's hardest problems,
263
699902
3030
די נלהבים בשל העובדה שבהתמודדות עם הבעיות הקשות ביותר של המאה הזו,
11:58
man and machine in cooperation together.
264
702932
2947
אדם ומחשב משתפים פעולה יחד.
12:01
Thank you. (Applause)
265
705879
2197
תודה. (מחיאות כפיים)
12:03
(Applause)
266
708076
2505
(מחיאות כפיים)
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