TEDGlobal 2012
Shyam Sankar: The rise of human-computer cooperation
Shyam Sankar: Uspon suradnje čovjeka i stroja
Filmed:
Readability: 6.3
947,418 views
Čista snaga računala ne može samostalno riješiti probleme svijeta. Inovator pretraživanja podataka, Shyam Sankar objašnjava zašto rješavanje velikih problema (poput hvatanja terorista ili otkrivanja velikih skrivenih trendova), nije pitanje nalaženja pravog algoritma, već prave simbiotske veze između računanja i ljudske kreativnosti.
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
Želim vam pričati o dvije partije šaha.
00:18
The first happened in 1997, in which Garry Kasparov,
1
3068
3864
Prva se dogodila 1997., u kojoj
je Garry Kasparov,
je Garry Kasparov,
00:22
a human, lost to Deep Blue, a machine.
2
6932
3716
čovjek, izgubio od Deep Bluea, stroja.
00:26
To many, this was the dawn of a new era,
3
10648
2240
Za mnoge, ovo je bilo svitanje nove ere,
00:28
one where man would be dominated by machine.
4
12888
2779
one u kojoj će stroj dominirati
nad čovjekom.
nad čovjekom.
00:31
But here we are, 20 years on, and the greatest change
5
15667
3334
No, evo nas 20 godina poslije
i najveća promjena
i najveća promjena
00:34
in how we relate to computers is the iPad,
6
19001
2690
u našem pogledu na računala je iPad,
00:37
not HAL.
7
21691
2045
ne HAL.
00:39
The second game was a freestyle chess tournament
8
23736
2648
Druga partija je bilo natjecanje u šahu
slobodnog stila
slobodnog stila
00:42
in 2005, in which man and machine could enter together
9
26384
2969
2005., u kojoj su se računalo i čovjek
mogli prijaviti zajedno
mogli prijaviti zajedno
00:45
as partners, rather than adversaries, if they so chose.
10
29353
4666
kao partneri, a ne protivnici, ako
bi tako odabrali.
bi tako odabrali.
00:49
At first, the results were predictable.
11
34019
1851
Na startu, rezultati su bili
predvidljivi.
predvidljivi.
00:51
Even a supercomputer was beaten by a grandmaster
12
35870
2497
Čak je i velemajstor s relativno slabim
laptopom
laptopom
00:54
with a relatively weak laptop.
13
38367
2312
pobijedio super računalo.
00:56
The surprise came at the end. Who won?
14
40679
2985
Iznenađenje je stiglo na kraju.
Tko je pobijedio?
Tko je pobijedio?
00:59
Not a grandmaster with a supercomputer,
15
43664
2776
Nije velemajstor sa super računalom,
01:02
but actually two American amateurs
16
46440
1493
već dva američka amatera
01:03
using three relatively weak laptops.
17
47933
3822
koristeći tri relativno slaba laptopa.
01:07
Their ability to coach and manipulate their computers
18
51755
2596
Njihova sposobnost da manipuliraju svojim
računalima
računalima
01:10
to deeply explore specific positions
19
54351
2435
tako da dublje istraže određene pozicije
01:12
effectively counteracted the superior chess knowledge
20
56786
2390
efektivno je kontrirala superiornom
znanju šaha
znanju šaha
01:15
of the grandmasters and the superior computational power
21
59176
2609
velemajstora i superiornu moć računanja
01:17
of other adversaries.
22
61785
1909
ostalih protivnika.
01:19
This is an astonishing result: average men,
23
63694
2905
To je zapanjujuć rezultat:
prosječni ljudi,
prosječni ljudi,
01:22
average machines beating the best man, the best machine.
24
66599
4081
prosječni strojevi, pobjeđuju najbolje
ljude, najbolje strojeve.
ljude, najbolje strojeve.
01:26
And anyways, isn't it supposed to be man versus machine?
25
70680
3199
I uostalom, ne bi li trebalo biti čovjek
protiv stroja?
protiv stroja?
01:29
Instead, it's about cooperation, and the right type of cooperation.
26
73879
4152
Umjesto toga, radi se o suradnji, i to
pravoj vrsti suradnje.
pravoj vrsti suradnje.
01:33
We've been paying a lot of attention to Marvin Minsky's
27
78031
2857
Pridavali smo dosta pažnje viziji
Marvina Minskya
Marvina Minskya
01:36
vision for artificial intelligence over the last 50 years.
28
80888
3242
o umjetnoj inteligenciji tijekom
zadnjih 50 godina.
zadnjih 50 godina.
01:40
It's a sexy vision, for sure. Many have embraced it.
29
84130
2262
Ta vizija je seksi i
mnogi su je prihvatili.
mnogi su je prihvatili.
01:42
It's become the dominant school of thought in computer science.
30
86392
2753
Postala je dominantna misao u
računalnim znanostima.
računalnim znanostima.
01:45
But as we enter the era of big data, of network systems,
31
89145
3072
No, kako ulazimo u doba velikih podataka,
mrežnih sustava,
mrežnih sustava,
01:48
of open platforms, and embedded technology,
32
92217
2698
otvorenih platformi
i ugrađene tehnologije,
i ugrađene tehnologije,
01:50
I'd like to suggest it's time to reevaluate an alternative vision
33
94915
3392
volio bih predložiti da je vrijeme za
revaluaciju alternativnih vizija
revaluaciju alternativnih vizija
01:54
that was actually developed around the same time.
34
98307
3070
koje su razvijene u isto doba.
01:57
I'm talking about J.C.R. Licklider's human-computer symbiosis,
35
101377
3332
Govorim o simbiozi računala i čovjeka
J. C. R. Licklidera,
J. C. R. Licklidera,
02:00
perhaps better termed "intelligence augmentation," I.A.
36
104709
3808
možda bolje nazvanom
"proširenjem inteligencije".
"proširenjem inteligencije".
02:04
Licklider was a computer science titan who had a profound
37
108517
2640
Licklider je bio titan računalnih znanosti
i imao je znatan
i imao je znatan
02:07
effect on the development of technology and the Internet.
38
111157
3006
utjecaj na razvoj tehnologije i interneta.
02:10
His vision was to enable man and machine to cooperate
39
114163
2868
Njegova vizija je bila omogućiti suradnju
čovjeka i stroja
čovjeka i stroja
02:12
in making decisions, controlling complex situations
40
117031
3590
u donošenju odluka, kontroli kompleksnih
situacija
situacija
02:16
without the inflexible dependence
41
120621
1770
bez fleksibilne ovisnosti
02:18
on predetermined programs.
42
122391
2533
o predprogramiranim programima
02:20
Note that word "cooperate."
43
124924
2498
Primijetite riječ "suradnja".
02:23
Licklider encourages us not to take a toaster
44
127422
2747
Licklider nas ohrabruje da
ne uzimamo toster
ne uzimamo toster
02:26
and make it Data from "Star Trek,"
45
130169
2284
i napravimo Datu iz "Star Treka",
02:28
but to take a human and make her more capable.
46
132453
3535
već da uzmemo čovjeka i napravimo
ga sposobnijim.
ga sposobnijim.
02:31
Humans are so amazing -- how we think,
47
135988
1911
Ljudi su čudesni -- kako mislimo,
02:33
our non-linear approaches, our creativity,
48
137899
2618
naši nelinearni pristupi,
naša kreativnost,
naša kreativnost,
02:36
iterative hypotheses, all very difficult if possible at all
49
140517
2131
stalne hipoteze, vrlo
teške ako uopće moguće
teške ako uopće moguće
02:38
for computers to do.
50
142648
1345
za obradu računalom.
02:39
Licklider intuitively realized this, contemplating humans
51
143993
2452
Licklider to intuitivno shvaća
promatrajući ljude
promatrajući ljude
02:42
setting the goals, formulating the hypotheses,
52
146445
2327
kako postavljaju ciljeve,
postavljaju hipoteze,
postavljaju hipoteze,
02:44
determining the criteria, and performing the evaluation.
53
148772
3376
određuju kriterije i obavljaju procjene.
02:48
Of course, in other ways, humans are so limited.
54
152148
1775
Za neke stvari ljudi su vrlo ograničeni.
02:49
We're terrible at scale, computation and volume.
55
153923
3235
Užasni smo u mjerenju, računanju i
veličini.
veličini.
02:53
We require high-end talent management
56
157158
1836
Trebamo vrhunsko upravljanje talentima
02:54
to keep the rock band together and playing.
57
158994
2064
kako bi rock bend opstao i nastavio
svirati.
svirati.
02:56
Licklider foresaw computers doing all the routinizable work
58
161058
2204
Licklider je predvidio da će računala
obavljati sav rutinski posao
obavljati sav rutinski posao
02:59
that was required to prepare the way for insights and decision making.
59
163262
3276
potreban za pripremu dolaska do uvida
i donošenje odluka.
i donošenje odluka.
03:02
Silently, without much fanfare,
60
166538
2224
Tiho, bez mnogo galame,
03:04
this approach has been compiling victories beyond chess.
61
168762
3354
ovaj pristup je sakupljao pobjede i
dalje od šaha.
dalje od šaha.
03:08
Protein folding, a topic that shares the incredible expansiveness of chess —
62
172116
3356
Savijanje proteina, tema koja dijeli
nevjerojatnu širinu šaha --
nevjerojatnu širinu šaha --
03:11
there are more ways of folding a protein than there are atoms in the universe.
63
175472
3042
postoji više načina za savijanje proteina
nego atoma u svemiru.
nego atoma u svemiru.
03:14
This is a world-changing problem with huge implications
64
178514
2353
Ovo je svjetski problem s velikim
značajem
značajem
03:16
for our ability to understand and treat disease.
65
180867
2308
za našu sposobnost liječenja bolesti.
03:19
And for this task, supercomputer field brute force simply isn't enough.
66
183175
4248
Za ovaj zadatak, sirova snaga super
računala jednostavno nije dovoljna.
računala jednostavno nije dovoljna.
03:23
Foldit, a game created by computer scientists,
67
187423
2384
Foldit, igra koju su razvili računalni
znanstvenici,
znanstvenici,
03:25
illustrates the value of the approach.
68
189807
2502
prikazuje vrijednost pristupa.
03:28
Non-technical, non-biologist amateurs play a video game
69
192309
3041
Amateri koji nisu tehničari niti biolozi
igraju igru
igraju igru
03:31
in which they visually rearrange the structure of the protein,
70
195350
3073
u kojoj vizualno preslaguju strukturu
proteina,
proteina,
03:34
allowing the computer to manage the atomic forces
71
198423
1499
dopuštajući računalu da upravlja snagama
atoma,
atoma,
03:35
and interactions and identify structural issues.
72
199922
2957
interakcijama i da prepoznaje probleme
u strukturi.
u strukturi.
03:38
This approach beat supercomputers 50 percent of the time
73
202879
3023
Ovaj pristup pobjeđuje super računalo
u 50% slučajeva
u 50% slučajeva
03:41
and tied 30 percent of the time.
74
205902
2584
i igra nerješeno s njim u 30%.
03:44
Foldit recently made a notable and major scientific discovery
75
208486
3137
Foldit je nedavno napravio značajno
i veliko znanstveno otkriće
i veliko znanstveno otkriće
03:47
by deciphering the structure of the Mason-Pfizer monkey virus.
76
211623
3160
dešifrirajući strukturu Mason-Pfizer
majmunskog virusa.
majmunskog virusa.
03:50
A protease that had eluded determination for over 10 years
77
214783
3015
Proteaze koje su izmicale otkriću
10 godina
10 godina
03:53
was solved was by three players in a matter of days,
78
217798
2626
riješila su tri igrača u nekoliko dana,
03:56
perhaps the first major scientific advance
79
220424
2025
možda prvo veliko znanstveno otkriće
03:58
to come from playing a video game.
80
222449
2323
koje dolazi iz igranja video igara.
04:00
Last year, on the site of the Twin Towers,
81
224772
2181
Prošle godine, na mjestu
srušenih blizanaca,
srušenih blizanaca,
04:02
the 9/11 memorial opened.
82
226953
1473
otvorio se spomenik za 9/11.
04:04
It displays the names of the thousands of victims
83
228426
2721
Prikazuje imena tisuća žrtava
04:07
using a beautiful concept called "meaningful adjacency."
84
231147
3063
koristeći predivan koncept zvan
"značajno susjedstvo."
"značajno susjedstvo."
04:10
It places the names next to each other based on their
85
234210
2166
Postavlja imena jedno pored drugoga
na temelju
na temelju
04:12
relationships to one another: friends, families, coworkers.
86
236376
2213
njihovih međusobnih veza: prijatelja,
obitelji, suradnika.
obitelji, suradnika.
04:14
When you put it all together, it's quite a computational
87
238589
3028
Kada spojite sve zajedno, popriličan je
računalni izazov:
računalni izazov:
04:17
challenge: 3,500 victims, 1,800 adjacency requests,
88
241617
4223
3500 žrtava, 1800 zahtjeva za susjedstvo,
04:21
the importance of the overall physical specifications
89
245840
3092
važnost sveukupnih fizičkih odredbi
04:24
and the final aesthetics.
90
248932
2137
i završne estetike.
04:26
When first reported by the media, full credit for such a feat
91
251069
2615
Kada su mediji prvi puta javili to, cijela
zasluga je
zasluga je
04:29
was given to an algorithm from the New York City
92
253684
1892
dana algoritmu iz New Yorške
04:31
design firm Local Projects. The truth is a bit more nuanced.
93
255576
4001
dizajnerske tvrtke Local Projects. Istina
je ponešto drugačija.
je ponešto drugačija.
04:35
While an algorithm was used to develop the underlying framework,
94
259577
2871
Dok je korišten algoritam za razvoj
osnovnog okvira,
osnovnog okvira,
04:38
humans used that framework to design the final result.
95
262448
3008
ljudi su koristili taj okvir za dizajn
završnog rezultata.
završnog rezultata.
04:41
So in this case, a computer had evaluated millions
96
265456
2225
Dakle u ovom slučaju, računalo je
procijenilo
procijenilo
04:43
of possible layouts, managed a complex relational system,
97
267681
3335
milijune mogućih rasporeda, upravljalo
kompleksnim sustavom odnosa,
kompleksnim sustavom odnosa,
04:46
and kept track of a very large set of measurements
98
271016
2414
i pratilo vrlo velik set mjera
04:49
and variables, allowing the humans to focus
99
273430
2410
i varijabli, dopuštajući ljudima da
se usmjere
se usmjere
04:51
on design and compositional choices.
100
275840
2802
na dizajn i kompozicijske izbore.
04:54
So the more you look around you,
101
278642
1036
Što više gledate,
04:55
the more you see Licklider's vision everywhere.
102
279678
1962
sve više vidite Lickliderovu viziju.
04:57
Whether it's augmented reality in your iPhone or GPS in your car,
103
281640
3304
Bilo da je proširena stvarnost u vašem
iPhoneu ili GPS-u u autu,
iPhoneu ili GPS-u u autu,
05:00
human-computer symbiosis is making us more capable.
104
284944
2970
simbioza čovjeka i računala nas čini
sposobnijima.
sposobnijima.
05:03
So if you want to improve human-computer symbiosis,
105
287914
1655
Dakle, ako želite poboljšati tu simbiozu,
05:05
what can you do?
106
289569
1429
što možete napraviti?
05:06
You can start by designing the human into the process.
107
290998
2452
Možete početi stavljanjem čovjeka
u proces.
u proces.
05:09
Instead of thinking about what a computer will do to solve the problem,
108
293450
2204
Umjesto da razmišljate što računalo može
napraviti da riješi problem,
napraviti da riješi problem,
05:11
design the solution around what the human will do as well.
109
295654
3869
stvorite rješenje oko onoga što će i
čovjek napraviti.
čovjek napraviti.
05:15
When you do this, you'll quickly realize that you spent
110
299523
1937
Kada ovo napravite, brzo ćete shvatiti da
05:17
all of your time on the interface between man and machine,
111
301460
2879
ste potrošili svo vrijeme na sučelju
između čovjeka i stroja,
između čovjeka i stroja,
05:20
specifically on designing away the friction in the interaction.
112
304339
3099
posebno na uklanjanju trvenja
u interakciji.
u interakciji.
05:23
In fact, this friction is more important than the power
113
307438
2766
Ustvari, to trvenje je važnije nego snaga
05:26
of the man or the power of the machine
114
310204
2052
čovjeka ili stroja
05:28
in determining overall capability.
115
312256
1931
za sveukupnu sposobnost.
05:30
That's why two amateurs with a few laptops
116
314187
1977
To je razlog zašto dva amatera s laptopima
05:32
handily beat a supercomputer and a grandmaster.
117
316164
2456
mogu pobijediti super računalo
i velemajstora.
i velemajstora.
05:34
What Kasparov calls process is a byproduct of friction.
118
318620
3005
Ono što Kasparov zove procesom,
je nusprodukt trvenja.
je nusprodukt trvenja.
05:37
The better the process, the less the friction.
119
321625
2401
Što je bolji proces, manje je trvenja.
05:39
And minimizing friction turns out to be the decisive variable.
120
324026
4256
Smanjenje trvenja je, čini se,
odlučujuća varijabla.
odlučujuća varijabla.
05:44
Or take another example: big data.
121
328282
2243
Ili uzmite drugi primjer: veliki podaci.
05:46
Every interaction we have in the world is recorded
122
330525
1906
Svaka interakcija koju imamo u svijetu
05:48
by an ever growing array of sensors: your phone,
123
332431
3059
je snimljena vječno rastućim
brojem senzora: vaš mobitel,
brojem senzora: vaš mobitel,
05:51
your credit card, your computer. The result is big data,
124
335490
2373
vaša kreditna kartica, vaše računalo.
Rezultat su
Rezultat su
05:53
and it actually presents us with an opportunity
125
337863
1742
veliki podaci,
i daju nam priliku
i daju nam priliku
05:55
to more deeply understand the human condition.
126
339605
2662
da dublje razumijemo ljudsko stanje.
05:58
The major emphasis of most approaches to big data
127
342267
2305
Najveći naglasak na većini ovih pristupa
06:00
focus on, "How do I store this data? How do I search
128
344572
2215
je fokus na "Kako spremim ove
podatke?
podatke?
06:02
this data? How do I process this data?"
129
346787
2276
Kako ih pretražujem?
Kako ih obrađujem?"
Kako ih obrađujem?"
06:04
These are necessary but insufficient questions.
130
349063
2204
Ovo su važna ali nedovoljna pitanja.
06:07
The imperative is not to figure out how to compute,
131
351267
2471
Imperativ nije na shvaćanju kako računati,
06:09
but what to compute. How do you impose human intuition
132
353738
2184
nego što računati. Kako umetnuti ljudsku
06:11
on data at this scale?
133
355922
1791
intuiciju u tolikim podacima?
06:13
Again, we start by designing the human into the process.
134
357713
3499
Ponovo, počinjemo stavljanjem
čovjeka u proces.
čovjeka u proces.
06:17
When PayPal was first starting as a business, their biggest
135
361212
2812
Kad je PayPal počinjao svoj posao, njihov
najveći izazov
najveći izazov
06:19
challenge was not, "How do I send money back and forth online?"
136
364024
2804
nije bio "Kako šaljem novac
tamo - amo preko mreže?"
tamo - amo preko mreže?"
06:22
It was, "How do I do that without being defrauded by organized crime?"
137
366828
3872
Bio je "Kako da to napravim bez da me
prevari organizirani kriminal?"
prevari organizirani kriminal?"
06:26
Why so challenging? Because while computers can learn
138
370700
2088
Zašto je toliki izazov? Jer, dok računala
06:28
to detect and identify fraud based on patterns,
139
372788
3144
mogu naučiti prepoznati prevaru na temelju
uzoraka,
uzoraka,
06:31
they can't learn to do that based on patterns
140
375932
1479
ne mogu to napraviti na temelju uzoraka
06:33
they've never seen before, and organized crime
141
377411
2116
koje nisu nikada vidjeli,
a organizirani kriminal
a organizirani kriminal
06:35
has a lot in common with this audience: brilliant people,
142
379527
2709
ima mnogo toga zajedničkog s ovom
publikom: briljantni ljudi,
publikom: briljantni ljudi,
06:38
relentlessly resourceful, entrepreneurial spirit — (Laughter) —
143
382236
3640
neumoro snalažljivi, poduzetnički duh --
(Smijeh) --
(Smijeh) --
06:41
and one huge and important difference: purpose.
144
385876
2712
i jedna ključna razlika: svrha.
06:44
And so while computers alone can catch all but the cleverest
145
388588
2832
I dok računala sama mogu uhvatiti sve osim
najpametnijih
najpametnijih
06:47
fraudsters, catching the cleverest is the difference
146
391420
2253
prevaranata, hvatanje najpametnijih je
razlika
razlika
06:49
between success and failure.
147
393673
2545
između uspjeha i neuspjeha.
06:52
There's a whole class of problems like this, ones with
148
396218
2221
Postoji mnogo ovakvih problema, onih s
06:54
adaptive adversaries. They rarely if ever present with a
149
398439
2575
prilagodljivim protivnicima.
Rijetko, ako ikad
Rijetko, ako ikad
06:56
repeatable pattern that's discernable to computers.
150
401014
2736
ponavljaju uzorak primjetan računalima.
06:59
Instead, there's some inherent component of innovation or disruption,
151
403750
3993
Umjesto, postoji nasljedna sastavnica
inovacije ili remećenja,
inovacije ili remećenja,
07:03
and increasingly these problems are buried in big data.
152
407743
2735
i taj rastući broj problema je zakopan u
velikim podacima.
velikim podacima.
07:06
For example, terrorism. Terrorists are always adapting
153
410478
2500
Na primjer, terorizam. Teroristi se uvijek
prilagode
prilagode
07:08
in minor and major ways to new circumstances, and despite
154
412978
2052
na bolje ili lošije načine novim
okolnostima
okolnostima
07:10
what you might see on TV, these adaptations,
155
415030
3094
i unatoč viđenom na TV-u, ove prilagodbe,
07:14
and the detection of them, are fundamentally human.
156
418124
2293
i njihovo primjećivanje,
su temeljno ljudske.
su temeljno ljudske.
07:16
Computers don't detect novel patterns and new behaviors,
157
420417
3117
Računala ne raspoznaju nove uzorke ili
ponašanja,
ponašanja,
07:19
but humans do. Humans, using technology, testing hypotheses,
158
423534
3235
ali ljudi da. Ljudi, koristeći
tehnologiju, testirajući hipoteze,
tehnologiju, testirajući hipoteze,
07:22
searching for insight by asking machines to do things for them.
159
426769
4620
tražeći uvide traženjem strojeva da urade
nešto za njih.
nešto za njih.
07:27
Osama bin Laden was not caught by artificial intelligence.
160
431389
2320
Osamu bin Ladena nije uhvatila
umjetna inteligencija.
umjetna inteligencija.
07:29
He was caught by dedicated, resourceful, brilliant people
161
433709
2553
Uhvatili su ga predani, snalažljivi,
genijalni ljudi
genijalni ljudi
07:32
in partnerships with various technologies.
162
436262
4269
u partnerstvu s raznim tehnologijama.
07:36
As appealing as it might sound, you cannot algorithmically
163
440531
2818
Koliko god zvučalo primamljivo, ne možete
algoritamski
algoritamski
07:39
data mine your way to the answer.
164
443349
1601
iskopati svoj put do odgovora.
07:40
There is no "Find Terrorist" button, and the more data
165
444950
2855
Ne postoji gumb "nađi terorista",
a što više podataka
a što više podataka
07:43
we integrate from a vast variety of sources
166
447805
2302
integriramo iz iznimnog broja izvora
07:46
across a wide variety of data formats from very
167
450107
2133
preko širokog spektra formata podataka iz
07:48
disparate systems, the less effective data mining can be.
168
452240
3309
različitih sustava, to kopanje može biti
manje učinkovito.
manje učinkovito.
07:51
Instead, people will have to look at data
169
455549
2024
Umjesto toga, ljudi moraju gledati podatke
07:53
and search for insight, and as Licklider foresaw long ago,
170
457573
3456
i tražiti uvide, i kako je Licklider
davno predvidio,
davno predvidio,
07:56
the key to great results here is the right type of cooperation,
171
461029
2685
ključ sjajnih rezultata je prava
vrsta suradnje,
vrsta suradnje,
07:59
and as Kasparov realized,
172
463714
1524
i kako je Kasparov shvatio,
08:01
that means minimizing friction at the interface.
173
465238
3031
to znači smanjivati trvenje na sučelju.
08:04
Now this approach makes possible things like combing
174
468269
2758
Ovaj pristup omogućava stvari poput
pročešljavanja
pročešljavanja
08:06
through all available data from very different sources,
175
471027
3386
svih mogućih podataka iz
drugačijih izvora,
drugačijih izvora,
08:10
identifying key relationships and putting them in one place,
176
474413
2792
prepoznati ključne veze i stavljati ih
na jedno mjesto,
na jedno mjesto,
08:13
something that's been nearly impossible to do before.
177
477205
2928
nešto što je ranije bilo nemoguće izvesti.
08:16
To some, this has terrifying privacy and civil liberties
178
480133
1942
Za neke, ovo ima užasan utjecaj na
08:17
implications. To others it foretells of an era of greater
179
482075
3410
privatnost i građanska prava. Drugima,
predskazuje doba veće privatnosti
predskazuje doba veće privatnosti
08:21
privacy and civil liberties protections,
180
485485
1909
i zaštite građanskih prava,
08:23
but privacy and civil liberties are of fundamental importance.
181
487394
2936
no privatnost i građanska prava su od
ključne važnosti.
ključne važnosti.
08:26
That must be acknowledged, and they can't be swept aside,
182
490330
2193
To mora biti obznanjeno i ne smiju biti
stavljeni sa strane,
stavljeni sa strane,
08:28
even with the best of intents.
183
492523
2530
čak ni iz najboljih namjera.
08:30
So let's explore, through a couple of examples, the impact
184
495053
2518
Dakle, istražujmo kroz nekoliko primjera,
utjecaj koji
utjecaj koji
08:33
that technologies built to drive human-computer symbiosis
185
497571
2406
su tehnologije, napravljene da služe
simbiozi računala i čovjeka,
simbiozi računala i čovjeka,
08:35
have had in recent time.
186
499977
2919
imale u zadnje vrijeme.
08:38
In October, 2007, U.S. and coalition forces raided
187
502896
3416
U listopadu, 2007., SAD i
koalicijske snage su pretresli
koalicijske snage su pretresli
08:42
an al Qaeda safe house in the city of Sinjar
188
506312
2416
sigurnu kuću Al Qaede u gradu Sinjaru
08:44
on the Syrian border of Iraq.
189
508728
1934
na sirijskoj granici s Irakom.
08:46
They found a treasure trove of documents:
190
510662
2376
Našli su bogatstvo dokumenata:
08:48
700 biographical sketches of foreign fighters.
191
513038
2335
700 biografskih skica stranih boraca.
08:51
These foreign fighters had left their families in the Gulf,
192
515373
2584
Ti strani borci su ostavili svoje obitelji
u Zaljevu,
u Zaljevu,
08:53
the Levant and North Africa to join al Qaeda in Iraq.
193
517957
3146
Levantu i sjevernoj Africi da bi se
pridružili Al Qaedi u Iraku.
pridružili Al Qaedi u Iraku.
08:57
These records were human resource forms.
194
521103
1616
Ovi zapisi su formulari kadrovske.
08:58
The foreign fighters filled them out as they joined the organization.
195
522719
2855
Strani borci su ih ispunjavali kako su se
pridruživali organizaciji.
pridruživali organizaciji.
09:01
It turns out that al Qaeda, too,
196
525574
1211
Čini se kako ni Al Qaeda
09:02
is not without its bureaucracy. (Laughter)
197
526785
2597
nije bez birokracije. (Smijeh)
09:05
They answered questions like, "Who recruited you?"
198
529382
2098
Odgovarali su na pitanja poput:
"Tko te unovačio?
"Tko te unovačio?
09:07
"What's your hometown?" "What occupation do you seek?"
199
531480
2854
Gdje ti je rodni grad?
Koju poziciju tražiš?"
Koju poziciju tražiš?"
09:10
In that last question, a surprising insight was revealed.
200
534334
3169
U tom zadnjem pitanju otkriven je
iznenađujuć uvid.
iznenađujuć uvid.
09:13
The vast majority of foreign fighters
201
537503
2400
Velika većina stranih boraca
09:15
were seeking to become suicide bombers for martyrdom --
202
539903
2400
je htjela biti bombaš samoubojica zbog
mučeništva --
mučeništva --
09:18
hugely important, since between 2003 and 2007, Iraq
203
542303
4338
vrlo važno, između 2003. i 2007., u Iraku
se dogodilo
se dogodilo
09:22
had 1,382 suicide bombings, a major source of instability.
204
546641
4244
1.382 samoubilačkih bombaških napada,
velik izvor nestabilnosti.
velik izvor nestabilnosti.
09:26
Analyzing this data was hard. The originals were sheets
205
550885
2058
Analiza podataka je bila teška. Originali
su bili
su bili
09:28
of paper in Arabic that had to be scanned and translated.
206
552943
2742
na arapskom i morali su biti
skenirani i prevedeni.
skenirani i prevedeni.
09:31
The friction in the process did not allow for meaningful
207
555685
2192
Trvenje u procesu nije dozvoljavalo važne
09:33
results in an operational time frame using humans, PDFs
208
557877
3350
rezultate u operativnom vremenu samo
korištenjem ljudi, PDF-ova
korištenjem ljudi, PDF-ova
09:37
and tenacity alone.
209
561227
2218
i ustrajnošću.
09:39
The researchers had to lever up their human minds
210
563445
1953
Istraživači su morali poduprijeti svoje
umove
umove
09:41
with technology to dive deeper, to explore non-obvious
211
565398
2345
tehnologijom kako bi zaronili dublje,
istražili
istražili
09:43
hypotheses, and in fact, insights emerged.
212
567743
3218
ne očite hipoteze i, ustvari,
dobili su rezultate.
dobili su rezultate.
09:46
Twenty percent of the foreign fighters were from Libya,
213
570961
2644
20% stranih boraca je bilo iz Libije,
09:49
50 percent of those from a single town in Libya,
214
573605
2968
50% njih je iz istog grada u Libiji,
09:52
hugely important since prior statistics put that figure at
215
576573
2450
vrlo važno s obzirom da prijašnja
statistika taj
statistika taj
09:54
three percent. It also helped to hone in on a figure
216
579023
2383
broj određuje na 3%. Također je pomoglo u
približavanju
približavanju
09:57
of rising importance in al Qaeda, Abu Yahya al-Libi,
217
581406
2977
osobi rastuće važnosti u Al Qaedi,
Abu Yahya al-Libiju,
Abu Yahya al-Libiju,
10:00
a senior cleric in the Libyan Islamic fighting group.
218
584383
2631
starijem kleriku u libijskoj islamskoj
borbenoj grupi.
borbenoj grupi.
10:02
In March of 2007, he gave a speech, after which there was
219
587014
2664
U ožujku 2007., održao je govor
nakon kojeg se dogodio
nakon kojeg se dogodio
10:05
a surge in participation amongst Libyan foreign fighters.
220
589678
3466
snažan rast prijava među libijskim
borcima.
borcima.
10:09
Perhaps most clever of all, though, and least obvious,
221
593144
3106
Možda najpametnije od svega, iako najmanje
očito,
očito,
10:12
by flipping the data on its head, the researchers were
222
596250
2073
okretanjem podataka naopako,
istraživači su
istraživači su
10:14
able to deeply explore the coordination networks in Syria
223
598323
2900
mogli dublje istražiti koordinacijske
mreže u Siriji
mreže u Siriji
10:17
that were ultimately responsible for receiving and
224
601223
2517
koje su bile odgovorne za prihvat
10:19
transporting the foreign fighters to the border.
225
603740
2464
i transport stranih boraca na granicu.
10:22
These were networks of mercenaries, not ideologues,
226
606204
2633
To su bile mreže plaćenika, ne ideologa,
10:24
who were in the coordination business for profit.
227
608837
2398
koji su u koordinacijskom poslu
bili zbog profita.
bili zbog profita.
10:27
For example, they charged Saudi foreign fighters
228
611235
1904
Na primjer, naplaćivali su
saudijskim borcima,
saudijskim borcima,
10:29
substantially more than Libyans, money that would have
229
613139
2199
značajno više nego libijskim, novac koji
10:31
otherwise gone to al Qaeda.
230
615338
2320
bi inače išao Al Qaedi.
10:33
Perhaps the adversary would disrupt their own network
231
617658
2045
Možda bi protivnici prekinuli
vlastitu mrežu
vlastitu mrežu
10:35
if they knew they cheating would-be jihadists.
232
619703
3035
da su znali da varaju buduće džihadiste.
10:38
In January, 2010, a devastating 7.0 earthquake struck Haiti,
233
622738
3745
U siječnju 2010., razorni potres od 7.0
po Richteru je pogodio Haiti,
po Richteru je pogodio Haiti,
10:42
third deadliest earthquake of all time, left one million people,
234
626483
2916
treći najsmrtonosniji potres ikad je
ostavio milijun ljudi,
ostavio milijun ljudi,
10:45
10 percent of the population, homeless.
235
629399
2584
10% stanovništva, bez krova nad glavom.
10:47
One seemingly small aspect of the overall relief effort
236
631983
3137
Jedan mali aspekt cjelokupnog pokušaja
olakšanja
olakšanja
10:51
became increasingly important as the delivery of food
237
635120
2176
je postajao sve važniji kako su hrana i
10:53
and water started rolling.
238
637296
2160
voda počeli stizati.
10:55
January and February are the dry months in Haiti,
239
639456
1458
Siječanj i veljača su suhi
mjeseci na Haitiju,
mjeseci na Haitiju,
10:56
yet many of the camps had developed standing water.
240
640914
2942
no mnogi kampovi su bili poplavljeni.
10:59
The only institution with detailed knowledge of Haiti's
241
643856
2122
Jedina institucija s detaljnim znanjem o
11:01
floodplains had been leveled
242
645978
1297
poplavnim područjima Haitija je
sravljena sa zemljom
sravljena sa zemljom
11:03
in the earthquake, leadership inside.
243
647275
3008
u potresu zajedno s vodstvom.
11:06
So the question is, which camps are at risk,
244
650283
2575
Pitanje je koji su kampovi rizični,
11:08
how many people are in these camps, what's the
245
652858
1921
koliko ljudi ima u tim kampovima, koji je
11:10
timeline for flooding, and given very limited resources
246
654779
2311
raspored plavljenja i uz vrlo
ograničene resurse
ograničene resurse
11:12
and infrastructure, how do we prioritize the relocation?
247
657090
3384
i infrastrukturu,
kako prioritizirati premještaj?
kako prioritizirati premještaj?
11:16
The data was incredibly disparate. The U.S. Army had
248
660474
2344
Podaci su bili vrlo različiti.
Američka vojska je
Američka vojska je
11:18
detailed knowledge for only a small section of the country.
249
662818
2929
imala detaljno znanje za samo mali dio
države.
države.
11:21
There was data online from a 2006 environmental risk
250
665747
2511
Postoje podaci na mreži s konferencije o
okolišnom riziku iz 2006.,
okolišnom riziku iz 2006.,
11:24
conference, other geospatial data, none of it integrated.
251
668258
2664
drugi geospacijalni podaci, ništa
nije integrirano.
nije integrirano.
11:26
The human goal here was to identify camps for relocation
252
670922
2958
Ljudski cilj je bio prepoznati kampove za
relokaciju
relokaciju
11:29
based on priority need.
253
673880
2395
na temelju prioritetnih potreba.
11:32
The computer had to integrate a vast amount of geospacial
254
676275
2440
Računalo je trebalo integrirati
iznimnu količinu geospacijalnih
iznimnu količinu geospacijalnih
11:34
information, social media data and relief organization
255
678715
2584
informacija, podataka s društvenih mreža i
podataka organizacije za humanitarnu pomoć
podataka organizacije za humanitarnu pomoć
11:37
information to answer this question.
256
681299
3480
kako bi odgovorilo na ovo pitanje.
11:40
By implementing a superior process, what was otherwise
257
684779
2415
Primjenjujući superiorni proces,
zadatak
zadatak
11:43
a task for 40 people over three months became
258
687194
2608
za 40 ljudi kroz 3 mjeseca je postao
11:45
a simple job for three people in 40 hours,
259
689802
3176
jednostavan posao za troje
ljudi u 40 sati,
ljudi u 40 sati,
11:48
all victories for human-computer symbiosis.
260
692978
2628
sve pobjede za simbiozu
čovjeka i računala.
čovjeka i računala.
11:51
We're more than 50 years into Licklider's vision
261
695606
2054
Više smo od 50 godina u Lickliderovoj
viziji
viziji
11:53
for the future, and the data suggests that we should be
262
697660
2242
budućnosti, i podaci govore
da bismo trebali biti
da bismo trebali biti
11:55
quite excited about tackling this century's hardest problems,
263
699902
3030
poprilično uzbuđeni oko savladavanja
najtežih problema ovog stoljeća,
najtežih problema ovog stoljeća,
11:58
man and machine in cooperation together.
264
702932
2947
čovjek i stroj u zajedničkoj suradnji.
12:01
Thank you. (Applause)
265
705879
2197
Hvala vam.
12:03
(Applause)
266
708076
2505
(Pljesak)
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