TED2009
Tim Berners-Lee: The next web
טים ברנרס-לי על רשת האינטרנט הבאה
Filmed:
Readability: 3.8
1,638,798 views
לפני 20 שנה, טים ברנרס-לי המציא את רשת האינטרנט העולמית. בפרויקט החדש שלו הוא בונה רשת אינטרנט לנתונים מקושרים ופתוחים, אשר תעשה למספרים מה שהאינטרנט עשה למילים, לתמונות ולוידאו, יתירו את הנתונים שלנו וישנו את האופן בו אנו משתמשים בהם יחדיו.
Tim Berners-Lee - Inventor
Tim Berners-Lee invented the World Wide Web. He leads the World Wide Web Consortium (W3C), overseeing the Web's standards and development. Full bio
Tim Berners-Lee invented the World Wide Web. He leads the World Wide Web Consortium (W3C), overseeing the Web's standards and development. Full bio
Double-click the English transcript below to play the video.
00:18
Time flies.
0
0
2000
הזמן טס.
00:20
It's actually almost 20 years ago
1
2000
2000
כמעט לפני 20 שנה,
00:22
when I wanted to reframe the way we use information,
2
4000
4000
כאשר רציתי לשנות את הדרך בה אנו עושים שימוש במידע,
00:26
the way we work together: I invented the World Wide Web.
3
8000
3000
הדרך בה אנו עובדים ביחד -- המצאתי את רשת האינטרנט העולמית (www).
00:29
Now, 20 years on, at TED,
4
11000
3000
עכשיו, 20 שנה מאוחר יותר, ב-TED,
00:32
I want to ask your help in a new reframing.
5
14000
4000
אני רוצה לבקש את עזרתכם בביצוע שינוי חדש.
00:37
So going back to 1989,
6
19000
4000
אם נחזור ל-1989,
00:41
I wrote a memo suggesting the global hypertext system.
7
23000
3000
כתבתי תזכיר המציע את מערכת ההיפרטקסט הגלובלית.
00:44
Nobody really did anything with it, pretty much.
8
26000
3000
אף אחד לא עשה עם זה כמעט כלום.
00:47
But 18 months later -- this is how innovation happens --
9
29000
4000
אך 18 חודשים מאוחר יותר -- כך חדשנות מתרחשת --
00:51
18 months later, my boss said I could do it on the side,
10
33000
4000
הבוס שלי הציע שאנסה לממש את המערכת כעבודה צדדית,
00:55
as a sort of a play project,
11
37000
2000
במעין פרויקט ניסויי,
00:57
kick the tires of a new computer we'd got.
12
39000
2000
כדי לקחת סיבוב על המחשב החדש שלנו.
00:59
And so he gave me the time to code it up.
13
41000
3000
הוא נתן לי את הזמן לכתיבת תוכנית הפרויקט.
01:02
So I basically roughed out what HTML should look like:
14
44000
5000
אז -- פשוט כתבתי את הסקיצה של איך HTML אמור להיות,
01:07
hypertext protocol, HTTP;
15
49000
3000
פרוטוקול היפרטקסט -- HTTP --
01:10
the idea of URLs, these names for things
16
52000
3000
הרעיון של קישורים -- השמות לדברים
01:13
which started with HTTP.
17
55000
2000
שהתחילו ב-HTTP.
01:15
I wrote the code and put it out there.
18
57000
2000
כתבתי את הקוד ופרסמתי אותו.
01:17
Why did I do it?
19
59000
2000
למה עשיתי זאת?
01:19
Well, it was basically frustration.
20
61000
2000
בעיקר בגלל התסכול.
01:21
I was frustrated -- I was working as a software engineer
21
63000
4000
הייתי מתוסכל -- עבדתי כמהנדס תוכנה
01:25
in this huge, very exciting lab,
22
67000
2000
במעבדה עצומה ומאוד מלהיבה,
01:27
lots of people coming from all over the world.
23
69000
2000
עם המון אנשים מכל רחבי העולם.
01:29
They brought all sorts of different computers with them.
24
71000
3000
הם הביאו עימם כל מיני סוגים של מחשבים.
01:32
They had all sorts of different data formats,
25
74000
3000
היו להם כל מיני סוגים של נתונים.
01:35
all sorts, all kinds of documentation systems.
26
77000
2000
כל מיני סוגים של מערכות תיעוד.
01:37
So that, in all that diversity,
27
79000
3000
כך שבתוך כל הגיוון הזה,
01:40
if I wanted to figure out how to build something
28
82000
2000
אם רציתי להבין כיצד לבנות משהו
01:42
out of a bit of this and a bit of this,
29
84000
2000
מזה וקצת מזה,
01:44
everything I looked into, I had to connect to some new machine,
30
86000
4000
לאן שלא הבטתי, הייתי צריך להתחבר לאיזו מכונה חדשה,
01:48
I had to learn to run some new program,
31
90000
2000
ללמוד לתפעל כמה תוכנות חדשות,
01:50
I would find the information I wanted in some new data format.
32
92000
5000
את המידע שהזדקקתי לו ניתן היה למצוא רק באיזה פורמט נתונים חדש.
01:55
And these were all incompatible.
33
97000
2000
וכל אלה לא התאימו זה לזה.
01:57
It was just very frustrating.
34
99000
2000
זה היה פשוט מתסכל.
01:59
The frustration was all this unlocked potential.
35
101000
2000
התסכול היה על כל הפוטנציאל המבוזבז הזה.
02:01
In fact, on all these discs there were documents.
36
103000
3000
למעשה, בכל הדיסקים היו מסמכים.
02:04
So if you just imagined them all
37
106000
3000
כך שאם רק דמיינת אותם
02:07
being part of some big, virtual documentation system in the sky,
38
109000
5000
מהווים חלק ממערכת תיעוד וירטואלית גדולה שם בשמיים,
02:12
say on the Internet,
39
114000
2000
נאמר על גבי האינטרנט,
02:14
then life would be so much easier.
40
116000
2000
אז החיים היו הרבה יותר קלים.
02:16
Well, once you've had an idea like that it kind of gets under your skin
41
118000
4000
ובכן, מהרגע שיש לך רעיון כזה, הוא תופס אותך
02:20
and even if people don't read your memo --
42
122000
2000
ואפילו אם לא קראו את התזכיר שלך --
02:22
actually he did, it was found after he died, his copy.
43
124000
3000
בעצם הוא קרא, זה התגלה לאחר מותו, העותק שלו.
02:25
He had written, "Vague, but exciting," in pencil, in the corner.
44
127000
3000
הוא כתב "מעורפל, אך מלהיב" בעיפרון, בפינה.
02:28
(Laughter)
45
130000
2000
(צחוק)
02:30
But in general it was difficult -- it was really difficult to explain
46
132000
4000
אך בגדול זה היה קשה -- היה ממש קשה להסביר
02:34
what the web was like.
47
136000
2000
מהו בדיוק האינטרנט.
02:36
It's difficult to explain to people now that it was difficult then.
48
138000
2000
קשה להסביר לאנשים כיום עד כמה קשה זה היה אז.
02:38
But then -- OK, when TED started, there was no web
49
140000
3000
אבל אז.... אוקיי, כאשר TED החל, לא היה אינטרנט
02:41
so things like "click" didn't have the same meaning.
50
143000
3000
לכן לדברים כמו קליק לא היתה אותה משמעות.
02:44
I can show somebody a piece of hypertext,
51
146000
2000
אני יכול להראות למישהו קטע של היפרטקסט,
02:46
a page which has got links,
52
148000
2000
עמוד המכיל קישורים,
02:48
and we click on the link and bing -- there'll be another hypertext page.
53
150000
4000
ואנו מקליקים על הקישור וזבנג -- הנה לו עמוד נוסף.
02:52
Not impressive.
54
154000
2000
לא מרשים במיוחד.
02:54
You know, we've seen that -- we've got things on hypertext on CD-ROMs.
55
156000
3000
אתם יודעים, ראינו את זה -- יש לנו דברים בהיפרטקסט על תקליטורים.
02:57
What was difficult was to get them to imagine:
56
159000
3000
מה שהיה קשה זה לגרום להם לדמיין
03:00
so, imagine that that link could have gone
57
162000
4000
שהקישור הזה יכול היה ללכת
03:04
to virtually any document you could imagine.
58
166000
2000
לכל מסמך שניתן לדמיין.
03:07
Alright, that is the leap that was very difficult for people to make.
59
169000
4000
זו הקפיצה שהיתה קשה להרבה אנשים לבצע.
03:11
Well, some people did.
60
173000
2000
טוב, כמה אנשים כן הצליחו.
03:13
So yeah, it was difficult to explain, but there was a grassroots movement.
61
175000
3000
ובכל זאת, היה קשה להסביר זאת, אך היתה תנועה מתחת לפני-השטח.
03:17
And that is what has made it most fun.
62
179000
4000
וזה היה מה שהפך זאת להנאה גדולה.
03:21
That has been the most exciting thing,
63
183000
2000
זה היה הדבר המרגש ביותר,
03:23
not the technology, not the things people have done with it,
64
185000
2000
לא הטכנולוגיה, לא הדברים שאנשים עשו עם זה,
03:25
but actually the community, the spirit of all these people
65
187000
2000
אלא הקהילה עצמה, הרוח של האנשים
03:27
getting together, sending the emails.
66
189000
2000
שהתכנסו ביחד, שלחו אי-מיילים.
03:29
That's what it was like then.
67
191000
2000
כך זה היה אז.
03:31
Do you know what? It's funny, but right now it's kind of like that again.
68
193000
3000
אתם יודעים מה? זה מצחיק, אבל עכשיו שוב זה אותו הדבר.
03:34
I asked everybody, more or less, to put their documents --
69
196000
2000
ביקשתי מכולם, פחות או יותר, לשים את מסמכיהם --
03:36
I said, "Could you put your documents on this web thing?"
70
198000
3000
שאלתי, "האם תוכלו לשים את מסמכיכם ברשת הזו?"
03:39
And you did.
71
201000
3000
ואתם ביצעתם.
03:42
Thanks.
72
204000
1000
תודה.
03:43
It's been a blast, hasn't it?
73
205000
2000
זה היה פיצוץ, לא?
03:45
I mean, it has been quite interesting
74
207000
2000
כלומר, זה היה די מעניין
03:47
because we've found out that the things that happen with the web
75
209000
2000
מאחר ומצאנו שהדברים שקורים עם הרשת
03:49
really sort of blow us away.
76
211000
2000
פשוט מדהימים אותנו.
03:51
They're much more than we'd originally imagined
77
213000
2000
הם הרבה יותר ממה שדמייננו בהתחלה
03:53
when we put together the little, initial website
78
215000
2000
כאשר יצרנו את האתר הראשון
03:55
that we started off with.
79
217000
2000
שהתחלנו איתו.
03:57
Now, I want you to put your data on the web.
80
219000
3000
כעת, ברצוני שתעלו את הנתונים שלכם לרשת.
04:00
Turns out that there is still huge unlocked potential.
81
222000
4000
מתברר שיש עדיין המון פוטנציאל לא ממומש.
04:04
There is still a huge frustration
82
226000
2000
עדיין קיים תיסכול גדול
04:06
that people have because we haven't got data on the web as data.
83
228000
4000
אצל אנשים מפני שאין לנו נתונים ברשת בתור נתונים.
04:10
What do you mean, "data"? What's the difference -- documents, data?
84
232000
2000
מה פירוש נתונים? מה ההבדל -- מסמכים, נתונים?
04:12
Well, documents you read, OK?
85
234000
3000
מסמכים קוראים, נכון?
04:15
More or less, you read them, you can follow links from them, and that's it.
86
237000
3000
פחות או יותר, קוראים אותם, ניתן להגיע לקישורים באמצעותם וזהו.
04:18
Data -- you can do all kinds of stuff with a computer.
87
240000
2000
נתונים -- ניתן לעשות כל מיני דברים עם מחשב.
04:20
Who was here or has otherwise seen Hans Rosling's talk?
88
242000
6000
מי היה כאן וראה את הרצאתו של הנס רוזלינג?
04:26
One of the great -- yes a lot of people have seen it --
89
248000
4000
אחת הגדולות -- הרבה אנשים צפו בה --
04:30
one of the great TED Talks.
90
252000
2000
אחת מהרצאות ה-TED הגדולות.
04:32
Hans put up this presentation
91
254000
2000
הנס העלה מצגת זו
04:34
in which he showed, for various different countries, in various different colors --
92
256000
5000
בה הוא הראה, עבור מדינות שונות, בצבעים שונים --
04:39
he showed income levels on one axis
93
261000
3000
הוא הראה רמות הכנסה על ציר אחד
04:42
and he showed infant mortality, and he shot this thing animated through time.
94
264000
3000
והראה תמותת תינוקות והוא צילם את זה באנימציה לאורך זמן.
04:45
So, he'd taken this data and made a presentation
95
267000
4000
ומהנתונים האלה הוא הכין מצגת שפשוט
04:49
which just shattered a lot of myths that people had
96
271000
3000
ניפצה הרבה מיתוסים שהיו לאנשים
04:52
about the economics in the developing world.
97
274000
4000
על הכלכלות של מדינות מתפתחות.
04:56
He put up a slide a little bit like this.
98
278000
2000
הוא שם שקופית שדומה קצת לזו.
04:58
It had underground all the data
99
280000
2000
מוסתרים בה כל הנתונים.
05:00
OK, data is brown and boxy and boring,
100
282000
3000
נתונים הם חומים, קובייתיים ומשעממים,
05:03
and that's how we think of it, isn't it?
101
285000
2000
וכך אנו חושבים עליהם, נכון?
05:05
Because data you can't naturally use by itself
102
287000
3000
מכיוון שלא ניתן להשתמש בנתונים כמות שהם.
05:08
But in fact, data drives a huge amount of what happens in our lives
103
290000
4000
אבל האמת היא שנתונים הם הכוח המניע מאחורי הרבה דברים שמתרחשים בחיינו
05:12
and it happens because somebody takes that data and does something with it.
104
294000
3000
וזה קורה היות ומישהו לוקח את הנתונים ועושה איתם משהו.
05:15
In this case, Hans had put the data together
105
297000
2000
במקרה זה, הנס שם את הנתונים
05:17
he had found from all kinds of United Nations websites and things.
106
299000
5000
שהוא מצא בכל מיני אתרים של או"ם וכאלו, ביחד.
05:22
He had put it together,
107
304000
2000
הוא שם אותם ביחד,
05:24
combined it into something more interesting than the original pieces
108
306000
3000
עיצב אותם למשהו יותר מעניין מאשר המרכיבים המקוריים
05:27
and then he'd put it into this software,
109
309000
5000
ואז הכניס את כל זה לתוכנה זו,
05:32
which I think his son developed, originally,
110
314000
2000
שלפי דעתי בנו פיתח אותה במקור,
05:34
and produces this wonderful presentation.
111
316000
3000
ויצר את המצגת הנפלאה הזו.
05:37
And Hans made a point
112
319000
2000
והנס הדגיש נקודה אחת
05:39
of saying, "Look, it's really important to have a lot of data."
113
321000
4000
באומרו, "תראו, זה באמת חשוב שיש הרבה נתונים."
05:43
And I was happy to see that at the party last night
114
325000
3000
שמחתי לראות שבמסיבה אמש
05:46
that he was still saying, very forcibly, "It's really important to have a lot of data."
115
328000
4000
הוא עדיין טען בלהט שזה מאוד חשוב שיש הרבה נתונים.
05:50
So I want us now to think about
116
332000
2000
לכן אני רוצה שנחשוב עכשיו
05:52
not just two pieces of data being connected, or six like he did,
117
334000
4000
לא רק אודות שני חלקי נתונים שמתחברים, או שישה כפי שהוא עשה,
05:56
but I want to think about a world where everybody has put data on the web
118
338000
5000
אלא אני רוצה לחשוב על עולם בו כל אחד צריך להעלות נתונים לרשת
06:01
and so virtually everything you can imagine is on the web
119
343000
2000
וכך, בסוף, כל דבר שניתן לדמיין יהיה ברשת,
06:03
and then calling that linked data.
120
345000
2000
ואז נקרא לזה נתונים מקושרים -- linked data.
06:05
The technology is linked data, and it's extremely simple.
121
347000
2000
הטכנולוגיה היא נתונים מקושרים, וזה פשוט ביותר.
06:07
If you want to put something on the web there are three rules:
122
349000
4000
אם מעלים משהו לרשת, ישנם שלושה חוקים:
06:11
first thing is that those HTTP names --
123
353000
3000
חוק ראשון הוא שאותם שמות HTTP --
06:14
those things that start with "http:" --
124
356000
2000
אותם דברים שמתחילים ב-":http" --
06:16
we're using them not just for documents now,
125
358000
4000
אנו משתמשים בהם עכשיו לא רק למסמכים, אלא אנו משתמשים בהם
06:20
we're using them for things that the documents are about.
126
362000
2000
עבור דברים שהמסמכים מתארים.
06:22
We're using them for people, we're using them for places,
127
364000
2000
אנו משתמשים בהם בשביל אנשים, בשביל מקומות,
06:24
we're using them for your products, we're using them for events.
128
366000
4000
בשביל המוצרים שלכם, בשביל מאורעות.
06:28
All kinds of conceptual things, they have names now that start with HTTP.
129
370000
4000
כל מיני דברים הנוגעים לתפיסה, יש להם עכשיו שמות המתחילים ב-HTTP.
06:32
Second rule, if I take one of these HTTP names and I look it up
130
374000
5000
חוק שני: אם לוקחים אחד משמות ה-HTTP האלה ומחפשים אותו
06:37
and I do the web thing with it and I fetch the data
131
379000
2000
וגולשים אליו ומביאים את הנתונים
06:39
using the HTTP protocol from the web,
132
381000
2000
בעזרת פרוטוקול ה-HTTP מהרשת,
06:41
I will get back some data in a standard format
133
383000
3000
יגיעו אליי נתונים בפורמט סטנדרטי
06:44
which is kind of useful data that somebody might like to know
134
386000
5000
שזה מידע שימושי שאולי מישהו ירצה לדעת אודות דבר מסויים,
06:49
about that thing, about that event.
135
391000
2000
אודות אירוע מסויים.
06:51
Who's at the event? Whatever it is about that person,
136
393000
2000
מי נמצא באירוע? כל דבר על אדם מסויים,
06:53
where they were born, things like that.
137
395000
2000
היכן מישהו נולד, דברים כאלה.
06:55
So the second rule is I get important information back.
138
397000
2000
כך שהחוק השני הוא שמקבלים חזרה מידע חשוב.
06:57
Third rule is that when I get back that information
139
399000
4000
חוק שלישי הוא שכאשר מקבלים חזרה אותו מידע,
07:01
it's not just got somebody's height and weight and when they were born,
140
403000
3000
זה לא רק גובה ומשקל של מישהו ותאריך הלידה שלו,
07:04
it's got relationships.
141
406000
2000
אלא שיש לו גם קשרים.
07:06
Data is relationships.
142
408000
2000
נתונים זה קשרים.
07:08
Interestingly, data is relationships.
143
410000
2000
באופן מעניין, נתונים זה קשרים.
07:10
This person was born in Berlin; Berlin is in Germany.
144
412000
4000
אדם זה נולד בברלין, ברלין זה גרמניה.
07:14
And when it has relationships, whenever it expresses a relationship
145
416000
3000
וכאשר יש לו קשרים, כאשר הוא מבטא קשרים,
07:17
then the other thing that it's related to
146
419000
3000
הדבר שמקושר אליו
07:20
is given one of those names that starts HTTP.
147
422000
4000
מקבל שם שמתחיל ב-HTTP.
07:24
So, I can go ahead and look that thing up.
148
426000
2000
כך ניתן להתקדם ולחפש את הדבר ההוא.
07:26
So I look up a person -- I can look up then the city where they were born; then
149
428000
3000
אני מחפש אדם -- אחר-כך ניתן לחפש את העיר בה הוא נולד.
07:29
I can look up the region it's in, and the town it's in,
150
431000
3000
ניתן לחפש את האזור שהוא נמצא בו ואת העיר,
07:32
and the population of it, and so on.
151
434000
3000
ואת האוכלוסיה שלה וכך הלאה.
07:35
So I can browse this stuff.
152
437000
2000
ניתן לדפדף בתוך כל החומר הזה.
07:37
So that's it, really.
153
439000
2000
אז זהו זה, באמת.
07:39
That is linked data.
154
441000
2000
אלה הם נתונים מקושרים.
07:41
I wrote an article entitled "Linked Data" a couple of years ago
155
443000
3000
כתבתי מאמר שכותרתו "נתונים מקושרים" לפני כמה שנים
07:44
and soon after that, things started to happen.
156
446000
4000
ומייד לאחר-מכן, דברים החלו לקרות.
07:48
The idea of linked data is that we get lots and lots and lots
157
450000
4000
הרעיון בנתונים מקושרים הוא שאנו מקבלים המון, המון
07:52
of these boxes that Hans had,
158
454000
2000
תיבות כמו שהיו להנס,
07:54
and we get lots and lots and lots of things sprouting.
159
456000
2000
ומקבלים המון, המון דברים שמסתעפים מזה.
07:56
It's not just a whole lot of other plants.
160
458000
3000
זה לא רק המון צמחים חדשים לגמרי.
07:59
It's not just a root supplying a plant,
161
461000
2000
זה לא רק שורש שמצמיח צמח,
08:01
but for each of those plants, whatever it is --
162
463000
3000
אלא שלכל אחד מהצמחים, מה שזה לא יהיה --
08:04
a presentation, an analysis, somebody's looking for patterns in the data --
163
466000
3000
מצגת, אנליזה, מישהו שמחפש תבניות של נתונים --
08:07
they get to look at all the data
164
469000
3000
מקבלים מבט לתוך כלל הנתונים
08:10
and they get it connected together,
165
472000
2000
ומקבלים אותם מקושרים ביחד.
08:12
and the really important thing about data
166
474000
2000
והדבר הבאמת חשוב בקשר לנתונים
08:14
is the more things you have to connect together, the more powerful it is.
167
476000
2000
הוא שככל שיש יותר דברים שצריכים לקשרם ביחד,
08:16
So, linked data.
168
478000
2000
עוצמתם גבוהה יותר. וכך גם הנתונים המקושרים.
08:18
The meme went out there.
169
480000
2000
העיקרון פרץ כאן החוצה.
08:20
And, pretty soon Chris Bizer at the Freie Universitat in Berlin
170
482000
4000
די מהר, כריס ביצר מאוניברסיטת פריאיי בברלין
08:24
who was one of the first people to put interesting things up,
171
486000
2000
שהיה אחד הראשונים שהעלה דברים מעניינים לרשת,
08:26
he noticed that Wikipedia --
172
488000
2000
שם לב שויקיפדיה --
08:28
you know Wikipedia, the online encyclopedia
173
490000
3000
אתם יודעים ויקיפדיה, האנציקלופדיה המקוונת
08:31
with lots and lots of interesting documents in it.
174
493000
2000
המכילה המון מסמכים מעניינים.
08:33
Well, in those documents, there are little squares, little boxes.
175
495000
4000
ובכן, באותם מסמכים, ישנם ריבועים קטנים, תיבות קטנות.
08:37
And in most information boxes, there's data.
176
499000
3000
וברוב תיבות המידע נמצאים נתונים.
08:40
So he wrote a program to take the data, extract it from Wikipedia,
177
502000
4000
הוא כתב תוכנית שתיקח את הנתונים, תשלוף אותם מויקיפדיה,
08:44
and put it into a blob of linked data
178
506000
2000
ותשים אותם בתרשים של נתונים מקושרים
08:46
on the web, which he called dbpedia.
179
508000
3000
ברשת, והוא קרא לזה dbpedia.
08:49
Dbpedia is represented by the blue blob in the middle of this slide
180
511000
4000
Dbpedia מוצגת באמצעות העיגול הכחול במרכז השקופית
08:53
and if you actually go and look up Berlin,
181
515000
2000
ואם ממש ניגשים ומחפשים את ברלין,
08:55
you'll find that there are other blobs of data
182
517000
2000
נמצא שישנם עיגולים נוספים של נתונים
08:57
which also have stuff about Berlin, and they're linked together.
183
519000
3000
שגם להם יש חומר על ברלין, והם מקושרים יחד.
09:00
So if you pull the data from dbpedia about Berlin,
184
522000
3000
אם שולפים את הנתונים מ-dbpedia על ברלין,
09:03
you'll end up pulling up these other things as well.
185
525000
2000
נגיע לכך שנשלוף גם את הדברים האחרים.
09:05
And the exciting thing is it's starting to grow.
186
527000
3000
ומה שמרגש בכל הסיפור הוא שזה מתחיל לגדול.
09:08
This is just the grassroots stuff again, OK?
187
530000
2000
זה שוב אותו חומר בסיסי.
09:10
Let's think about data for a bit.
188
532000
3000
בואו נחשוב רגע על נתונים.
09:13
Data comes in fact in lots and lots of different forms.
189
535000
3000
נתונים מגיעים בעצם בהמון צורות שונות.
09:16
Think of the diversity of the web. It's a really important thing
190
538000
3000
תחשבו על המגוון שיש ברשת, זה דבר באמת חשוב
09:19
that the web allows you to put all kinds of data up there.
191
541000
3000
שהרשת מאפשרת לנו להעלות כל מיני נתונים.
09:22
So it is with data. I could talk about all kinds of data.
192
544000
2000
יכולתי לדבר על כל סוגי הנתונים.
09:25
We could talk about government data, enterprise data is really important,
193
547000
4000
יכולתי לדבר על נתונים של ממשלה, נתוני חברות חשובים מאוד,
09:29
there's scientific data, there's personal data,
194
551000
3000
יש נתונים מדעיים, יש נתונים אישיים,
09:32
there's weather data, there's data about events,
195
554000
2000
יש נתוני מזג-אויר, יש נתונים על אירועים,
09:34
there's data about talks, and there's news and there's all kinds of stuff.
196
556000
4000
יש נתוני הרצאות, יש נתוני חדשות וכל מיני דברים אחרים.
09:38
I'm just going to mention a few of them
197
560000
3000
אזכיר רק כמה מהם
09:41
so that you get the idea of the diversity of it,
198
563000
2000
כך שתקבלו מושג על הגיוון שלהם,
09:43
so that you also see how much unlocked potential.
199
565000
4000
כדי שתוכלו להרגיש את מידת הפוטנציאל העצור שקיים.
09:47
Let's start with government data.
200
569000
2000
נתחיל עם נתוני ממשלה.
09:49
Barack Obama said in a speech,
201
571000
2000
ברק אובאמה אמר, בנאומו,
09:51
that he -- American government data would be available on the Internet
202
573000
5000
שנתוני ממשל אמריקאי יהיו זמינים באינטרנט
09:56
in accessible formats.
203
578000
2000
בפורמטים נגישים.
09:58
And I hope that they will put it up as linked data.
204
580000
2000
אני מקוה שהם ישימו אותם כנתונים מקושרים.
10:00
That's important. Why is it important?
205
582000
2000
זה חשוב. מדוע זה חשוב?
10:02
Not just for transparency, yeah transparency in government is important,
206
584000
3000
לא רק בגלל שקיפות. אכן שקיפות של ממשל היא חשובה,
10:05
but that data -- this is the data from all the government departments
207
587000
3000
אבל אלה נתונים מכל משרדי הממשלה.
10:08
Think about how much of that data is about how life is lived in America.
208
590000
5000
תחשבו כמה מהנתונים האלה נוגעים לאופן בו אנו חיים בארה"ב.
10:13
It's actual useful. It's got value.
209
595000
2000
למעשה הנתונים מועילים. יש להם ערך.
10:15
I can use it in my company.
210
597000
2000
אני יכול להשתמש בהם בחברה שלי.
10:17
I could use it as a kid to do my homework.
211
599000
2000
אני יכול להשתמש בהם בתור ילד להכנת שיעורי בית.
10:19
So we're talking about making the place, making the world run better
212
601000
3000
כך שאנו מדברים על להפוך את העולם שיפעל טוב יותר
10:22
by making this data available.
213
604000
2000
על-ידי זה שנהפוך את הנתונים האלה לזמינים.
10:24
In fact if you're responsible -- if you know about some data
214
606000
4000
אם אתם יודעים שקיימים נתונים מסויימים במשרד ממשלתי,
10:28
in a government department, often you find that
215
610000
2000
לעיתים קרובות אתם מגלים
10:30
these people, they're very tempted to keep it --
216
612000
3000
שאנשים אלה, אוהבים לשמור אותם --
10:33
Hans calls it database hugging.
217
615000
3000
הנס קורא לזה לחבק את הנתונים.
10:36
You hug your database, you don't want to let it go
218
618000
2000
מחבקים את הנתונים ולא משחררים אותם
10:38
until you've made a beautiful website for it.
219
620000
2000
עד שיוצרים בשבילם אתר יפה.
10:40
Well, I'd like to suggest that rather --
220
622000
2000
ובכן, הייתי רוצה להציע במקום --
10:42
yes, make a beautiful website,
221
624000
2000
בסדר, תבנו אתר יפה,
10:44
who am I to say don't make a beautiful website?
222
626000
2000
מי אני שאגיד לא לבנות אתר יפה?
10:46
Make a beautiful website, but first
223
628000
3000
תבנו אתר יפה, אבל קודם
10:49
give us the unadulterated data,
224
631000
3000
תתנו לנו נתונים טהורים.
10:52
we want the data.
225
634000
2000
אנו רוצים את הנתונים האלה.
10:54
We want unadulterated data.
226
636000
2000
אנו רוצים נתונים טהורים.
10:56
OK, we have to ask for raw data now.
227
638000
3000
טוב, מעכשיו עלינו לבקש נתונים גולמיים.
10:59
And I'm going to ask you to practice that, OK?
228
641000
2000
אני אבקשכם להתאמן על זה, טוב?
11:01
Can you say "raw"?
229
643000
1000
תגידו "גולמי".
11:02
Audience: Raw.
230
644000
1000
קהל: גולמי.
11:03
Tim Berners-Lee: Can you say "data"?
231
645000
1000
טים ברנרס-לי: האם תוכלו לומר "נתונים"?
11:04
Audience: Data.
232
646000
1000
קהל: נתונים.
11:05
TBL: Can you say "now"?
233
647000
1000
ט.ב.ל.: האם תוכלו לומר "עכשיו"?
11:06
Audience: Now!
234
648000
1000
קהל: עכשיו!
11:07
TBL: Alright, "raw data now"!
235
649000
2000
ט.ב.ל.: טוב, נתונים גולמיים עכשיו!
11:09
Audience: Raw data now!
236
651000
2000
קהל: נתונים גולמיים עכשיו!
11:11
Practice that. It's important because you have no idea the number of excuses
237
653000
4000
תתאמנו על זה. זה חשוב מכיוון שאין לכם מושג כמה תירוצים
11:15
people come up with to hang onto their data
238
657000
2000
אנשים ממציאים כדי להחזיק בנתונים שלהם
11:17
and not give it to you, even though you've paid for it as a taxpayer.
239
659000
4000
ולא לתת לכם אותם, אף על-פי ששילמתם עבורם בתור משלמי-מיסים.
11:21
And it's not just America. It's all over the world.
240
663000
2000
וזה לא רק בארה"ב. ככה זה בכל העולם.
11:23
And it's not just governments, of course -- it's enterprises as well.
241
665000
3000
אלו לא רק ממשלות, אלא גם חברות.
11:26
So I'm just going to mention a few other thoughts on data.
242
668000
3000
לכן אני הולך להעלות עוד כמה מחשבות על נתונים.
11:29
Here we are at TED, and all the time we are very conscious
243
671000
5000
אנחנו כאן ב-TED, מודעים כל הזמן
11:34
of the huge challenges that human society has right now --
244
676000
5000
לאתגרים העצומים העומדים בפני החברה האנושית ממש עכשיו --
11:39
curing cancer, understanding the brain for Alzheimer's,
245
681000
3000
ריפוי סרטן, הבנת המוח בהקשר של אלצהיימר,
11:42
understanding the economy to make it a little bit more stable,
246
684000
3000
הבנת הכלכלה כדי להפכה לקצת יותר יציבה,
11:45
understanding how the world works.
247
687000
2000
הבנה של כיצד העולם פועל.
11:47
The people who are going to solve those -- the scientists --
248
689000
2000
האנשים שהולכים לפתור את כל זה -- המדענים --
11:49
they have half-formed ideas in their head,
249
691000
2000
יש להם רעיונות מגובשים-למחצה בראשם,
11:51
they try to communicate those over the web.
250
693000
3000
הם מנסים להעבירם לאחרים דרך הרשת.
11:54
But a lot of the state of knowledge of the human race at the moment
251
696000
3000
אבל חלק גדול מהידע של האנושות נכון לעכשיו
11:57
is on databases, often sitting in their computers,
252
699000
3000
נמצא בבסיסי נתונים, הנמצאים בדרך-כלל במחשביהם,
12:00
and actually, currently not shared.
253
702000
3000
ולמעשה אינם שיתופיים זה עם זה.
12:03
In fact, I'll just go into one area --
254
705000
3000
בעצם, רק אכנס לתחום אחד --
12:06
if you're looking at Alzheimer's, for example,
255
708000
2000
לדוגמא, אם מחפשים אלצהיימר,
12:08
drug discovery -- there is a whole lot of linked data which is just coming out
256
710000
3000
גילוי תרופות -- יש המון נתונים מקושרים שמתגלים
12:11
because scientists in that field realize
257
713000
2000
מאחר ומדענים בתחום זה מבינים
12:13
this is a great way of getting out of those silos,
258
715000
3000
שזוהי דרך נהדרת להוציאם מתוך המצבורים שלהם,
12:16
because they had their genomics data in one database
259
718000
4000
מאחר והיו נתוני גנום בבסיס נתונים אחד
12:20
in one building, and they had their protein data in another.
260
722000
3000
בתוך בניין מסויים, ונתוני הפרוטיאינים באחר.
12:23
Now, they are sticking it onto -- linked data --
261
725000
3000
כעת הם מדביקים אותם אחד על השני -- נתונים מקושרים --
12:26
and now they can ask the sort of question, that you probably wouldn't ask,
262
728000
3000
ועכשיו הם יכולים לשאול שאלה שככל הנראה אתם
12:29
I wouldn't ask -- they would.
263
731000
2000
וגם אני לא היינו שואלים.
12:31
What proteins are involved in signal transduction
264
733000
2000
איזה פרוטיאינים קשורים בהעברת אותות
12:33
and also related to pyramidal neurons?
265
735000
2000
וגם קשורים בניורוני פירמידה?
12:35
Well, you take that mouthful and you put it into Google.
266
737000
3000
ניקח את זה ונקליד בגוגל.
12:38
Of course, there's no page on the web which has answered that question
267
740000
3000
ברור שאין אף עמוד ברשת שענה על שאלה זו
12:41
because nobody has asked that question before.
268
743000
2000
מאחר ואף אחד לא שאל אותה קודם.
12:43
You get 223,000 hits --
269
745000
2000
מקבלים 223,000 תוצאות --
12:45
no results you can use.
270
747000
2000
אין תוצאות שניתן להשתמש בהם.
12:47
You ask the linked data -- which they've now put together --
271
749000
3000
שואלים את הנתונים המקושרים -- שאותם הם הרכיבו --
12:50
32 hits, each of which is a protein which has those properties
272
752000
4000
32 תוצאות, כאשר בכל אחת מהן פרוטאין בעל התכונות הנ"ל
12:54
and you can look at.
273
756000
2000
ושניתן להביט בו.
12:56
The power of being able to ask those questions, as a scientist --
274
758000
3000
הכוח בלהיות מסוגל לשאול שאלות הללו, בתור מדען --
12:59
questions which actually bridge across different disciplines --
275
761000
2000
שאלות שבעצם מגשרות בין תחומים שונים --
13:01
is really a complete sea change.
276
763000
3000
זה השינוי ב-'ה' הידיעה.
13:04
It's very very important.
277
766000
2000
הוא מאוד חשוב.
13:06
Scientists are totally stymied at the moment --
278
768000
2000
כיום המדענים תקועים --
13:08
the power of the data that other scientists have collected is locked up
279
770000
5000
העוצמה של הנתונים שנאספו על-ידי מדענים אחרים עדיין סגורה ונעולה.
13:13
and we need to get it unlocked so we can tackle those huge problems.
280
775000
3000
אנו צריכים לשחרר אותה כדי שנוכל להתמודד עם הבעיות העצומות.
13:16
Now if I go on like this, you'll think that all the data comes from huge institutions
281
778000
4000
אם אמשיך כך, תחשבו שכל הנתונים באים מגופים ענקיים
13:20
and has nothing to do with you.
282
782000
3000
ושאין לזה קשר אליכם.
13:23
But, that's not true.
283
785000
2000
אבל זה לא נכון.
13:25
In fact, data is about our lives.
284
787000
2000
למעשה, נתונים נוגעים לחיינו.
13:27
You just -- you log on to your social networking site,
285
789000
3000
אנו מתחברים לאתר של מפגשים חברתיים שלנו,
13:30
your favorite one, you say, "This is my friend."
286
792000
2000
זה שאהוב עלינו, ואומרים, "זהו חברי".
13:32
Bing! Relationship. Data.
287
794000
3000
טראח! קשר. נתונים.
13:35
You say, "This photograph, it's about -- it depicts this person. "
288
797000
3000
אנו אומרים, " זהו צילום. הוא מראה אדם."
13:38
Bing! That's data. Data, data, data.
289
800000
3000
טראח! זה נתונים. נתונים, נתונים, נתונים.
13:41
Every time you do things on the social networking site,
290
803000
2000
בכל פעם שעושים משהו באתר של מפגשים חברתיים,
13:43
the social networking site is taking data and using it -- re-purposing it --
291
805000
4000
האתר נוטל נתונים ומשתמש בהם -- נותן להם משמעות חדשה --
13:47
and using it to make other people's lives more interesting on the site.
292
809000
4000
ומשתמש בהם כדי להפוך חיי אנשים אחרים ליותר מעניינים.
13:51
But, when you go to another linked data site --
293
813000
2000
אבל, כאשר ניגשים לאתר אחר של נתונים מקושרים --
13:53
and let's say this is one about travel,
294
815000
3000
ונאמר שהוא בעניין של נסיעות,
13:56
and you say, "I want to send this photo to all the people in that group,"
295
818000
3000
ואומרים, "אנו רוצים לשלוח תצלום זה לכל האנשים בקבוצה ההיא,"
13:59
you can't get over the walls.
296
821000
2000
לא ניתן לעבור את החומות.
14:01
The Economist wrote an article about it, and lots of people have blogged about it --
297
823000
2000
המגזין אקונומיסט פירסם מאמר על זה והמון אנשים כתבו על זה בבלוגים --
14:03
tremendous frustration.
298
825000
1000
תיסכול אדיר.
14:04
The way to break down the silos is to get inter-operability
299
826000
2000
הדרך לשבור את המצבורים היא לעורר פעילות הדדית
14:06
between social networking sites.
300
828000
2000
בין אתרי מפגשים חברתיים.
14:08
We need to do that with linked data.
301
830000
2000
אנו צריכים לעשות זאת עם נתונים מקושרים.
14:10
One last type of data I'll talk about, maybe it's the most exciting.
302
832000
3000
סוג אחרון של נתונים שאדבר עליהם, הם אולי המעניינים ביותר.
14:13
Before I came down here, I looked it up on OpenStreetMap
303
835000
3000
לפני שהגעתי לכאן, נכנסתי ל-OpenStreetMap.
14:16
The OpenStreetMap's a map, but it's also a Wiki.
304
838000
2000
ה-OpenStreetMap זו מפה, אבל היא גם ויקי.
14:18
Zoom in and that square thing is a theater -- which we're in right now --
305
840000
3000
נתקרב ונראה שאותו ריבוע הוא אולם -- שבו אנו נמצאים כעת --
14:21
The Terrace Theater. It didn't have a name on it.
306
843000
2000
אולם "טרס". לפני זה לא היה לו שם.
14:23
So I could go into edit mode, I could select the theater,
307
845000
2000
אז, יכולתי להיכנס במצב של עריכה, לבחור אולם,
14:25
I could add down at the bottom the name, and I could save it back.
308
847000
5000
ויכולתי להוסיף בתחתית את השם ויכולתי לשמור.
14:30
And now if you go back to the OpenStreetMap. org,
309
852000
3000
וכעת אם תלכו ל-OpenStreetMap. org,
14:33
and you find this place, you will find that The Terrace Theater has got a name.
310
855000
3000
ותמצאו את המקום, תגלו שלאולם "טרס" יש שם.
14:36
I did that. Me!
311
858000
2000
אני עשיתי זאת. אני!
14:38
I did that to the map. I just did that!
312
860000
2000
אני עשיתי זאת במפה. פשוט עשיתי זאת!
14:40
I put that up on there. Hey, you know what?
313
862000
2000
אני שמתי את זה שם. אתם יודעים מה?
14:42
If I -- that street map is all about everybody doing their bit
314
864000
3000
אותה מפת כבישים היא אודות כל אחד שעושה את חלקו הקטן
14:45
and it creates an incredible resource
315
867000
3000
וזה יוצר משאב מדהים
14:48
because everybody else does theirs.
316
870000
3000
מפני שכולם עושים את חלקם.
14:51
And that is what linked data is all about.
317
873000
3000
זו בדיוק המשמעות של נתונים מקושרים.
14:54
It's about people doing their bit
318
876000
3000
זה על אנשים שעושים את חלקם הקטן
14:57
to produce a little bit, and it all connecting.
319
879000
3000
כדי ליצור משהו קטן, וזה הכל מקושר.
15:00
That's how linked data works.
320
882000
3000
זה איך שנתונים מקושרים עובדים.
15:03
You do your bit. Everybody else does theirs.
321
885000
4000
אתה עושה את חלקך הקטן. כולם עושים את שלהם.
15:07
You may not have lots of data which you have yourself to put on there
322
889000
4000
אולי אין לך הרבה נתונים שאתה צריך לשים שם
15:11
but you know to demand it.
323
893000
3000
אבל אתה יודע לדרוש אותם.
15:14
And we've practiced that.
324
896000
2000
התאמננו על זה.
15:16
So, linked data -- it's huge.
325
898000
4000
נתונים מקושרים -- זה משהו ענק.
15:20
I've only told you a very small number of things
326
902000
3000
סיפרתי לכם רק מעט מכל זה.
15:23
There are data in every aspect of our lives,
327
905000
2000
נתונים קיימים בכל היבט של חיינו,
15:25
every aspect of work and pleasure,
328
907000
3000
בכל היבט של עבודתנו והנאתנו,
15:28
and it's not just about the number of places where data comes,
329
910000
3000
וזה לא רק עניין של מספר המקורות שמהם הנתונים מגיעים,
15:31
it's about connecting it together.
330
913000
3000
אלא זה גם עניין של לקשר ביניהם.
15:34
And when you connect data together, you get power
331
916000
3000
וכאשר מקשרים ביניהם, מתקבלת עוצמה
15:37
in a way that doesn't happen just with the web, with documents.
332
919000
3000
שלא מתקבלת רק מרשת, או ממסמכים.
15:40
You get this really huge power out of it.
333
922000
4000
ממש מפיקים הרבה עוצמה מהנתונים.
15:44
So, we're at the stage now
334
926000
3000
כך שכעת אנו נמצאים בשלב
15:47
where we have to do this -- the people who think it's a great idea.
335
929000
4000
שבו עלינו לעשות זאת -- האנשים הסבורים שזה רעיון גדול.
15:51
And all the people -- and I think there's a lot of people at TED who do things because --
336
933000
3000
ואני סבור שיש הרבה אנשים ב-TED שפועלים בגלל --
15:54
even though there's not an immediate return on the investment
337
936000
2000
אף על-פי שאין תמורה מיידית על ההשקעה
15:56
because it will only really pay off when everybody else has done it --
338
938000
3000
מאחר וזה יחזיר את ההשקעה רק כאשר כולם יעשו זאת --
15:59
they'll do it because they're the sort of person who just does things
339
941000
4000
הם יעשו זאת מכיוון שהם מסוג אותם האנשים שפשוט עושים דברים
16:03
which would be good if everybody else did them.
340
945000
3000
שיהיו מועילים רק אם כולם יעשו אותם.
16:06
OK, so it's called linked data.
341
948000
2000
טוב, זה מה שקרוי נתונים מקושרים.
16:08
I want you to make it.
342
950000
2000
אני רוצה שאתם תייצרו אותם.
16:10
I want you to demand it.
343
952000
2000
אני רוצה שתדרשו אותם.
16:12
And I think it's an idea worth spreading.
344
954000
2000
ואני סבור שזה רעיון ששווה להפיץ.
16:14
Thanks.
345
956000
1000
תודה.
16:15
(Applause)
346
957000
3000
(מחיאות כפיים)
ABOUT THE SPEAKER
Tim Berners-Lee - InventorTim Berners-Lee invented the World Wide Web. He leads the World Wide Web Consortium (W3C), overseeing the Web's standards and development.
Why you should listen
In the 1980s, scientists at CERN were asking themselves how massive, complex, collaborative projects -- like the fledgling LHC -- could be orchestrated and tracked. Tim Berners-Lee, then a contractor, answered by inventing the World Wide Web. This global system of hypertext documents, linked through the Internet, brought about a massive cultural shift ushered in by the new tech and content it made possible: AOL, eBay, Wikipedia, TED.com...
Berners-Lee is now director of the World Wide Web Consortium (W3C), which maintains standards for the Web and continues to refine its design. Recently he has envisioned a "Semantic Web" -- an evolved version of the same system that recognizes the meaning of the information it carries. He's the 3Com Founders Professor of Engineering in the School of Engineering with a joint appointment in the Department of Electrical Engineering and Computer Science at the Laboratory for Computer Science and Artificial Intelligence (CSAIL) at the MIT, where he also heads the Decentralized Information Group (DIG). He is also a Professor in the Electronics and Computer Science Department at the University of Southampton, UK.
Tim Berners-Lee | Speaker | TED.com