TEDGlobal 2012
Shyam Sankar: The rise of human-computer cooperation
シャム・サンカー：人間とコンピューターの協力関係のはじまり
Filmed:
Readability: 6.3
947,418 views
コンピューターによる力任せの計算だけでは世界を悩ます問題を解決する事はできません。例えばテロリストを捕まえたり、目には見えない兆候を見つけたりといった難しい問題の解決は、正しいアルゴリズムの発見によってではなく、コンピューターの計算能力と人間の創造力を正しい共益関係にすることによってもたらされるとシャム・サンカーは語ります。
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
2つのチェスの試合をご紹介します
00:18
The first happened in 1997, in which Garry Kasparov,
1
3068
3864
１つ目は1997年
ガルリ・カスパロフ（世界王者）が
ガルリ・カスパロフ（世界王者）が
00:22
a human, lost to Deep Blue, a machine.
2
6932
3716
ディープブルーという
コンピューターに敗れました
コンピューターに敗れました
00:26
To many, this was the dawn of a new era,
3
10648
2240
多くの人にとってこれは
新たな時代の幕開けでした
新たな時代の幕開けでした
00:28
one where man would be dominated by machine.
4
12888
2779
機械が人間を支配するような時代です
00:31
But here we are, 20 years on, and the greatest change
5
15667
3334
それから20年が経った現在
コンピューターとの付き合い方は
コンピューターとの付き合い方は
00:34
in how we relate to computers is the iPad,
6
19001
2690
かなり改善され
iPad に象徴される時代になりました
iPad に象徴される時代になりました
00:37
not HAL.
7
21691
2045
HALではありませんでした
00:39
The second game was a freestyle chess tournament
8
23736
2648
2つ目の試合は2005年の
「フリースタイル」のトーナメント
「フリースタイル」のトーナメント
00:42
in 2005, in which man and machine could enter together
9
26384
2969
人間とコンピューターが
対戦するだけでなく
対戦するだけでなく
00:45
as partners, rather than adversaries, if they so chose.
10
29353
4666
人間とコンピューターが
組んで参加しても良いものです
組んで参加しても良いものです
00:49
At first, the results were predictable.
11
34019
1851
出だしの結果は予想通りで
00:51
Even a supercomputer was beaten by a grandmaster
12
35870
2497
スーパーコンピューターでさえ
人間のチャンピオンと
人間のチャンピオンと
00:54
with a relatively weak laptop.
13
38367
2312
性能の劣るラップトップが組んだ
ペアに敗れました
ペアに敗れました
00:56
The surprise came at the end. Who won?
14
40679
2985
大番狂わせは最終戦でした
00:59
Not a grandmaster with a supercomputer,
15
43664
2776
優勝者はチャンピオンと
スーパーコンピューターのペアではなく
スーパーコンピューターのペアではなく
01:02
but actually two American amateurs
16
46440
1493
実は２人のアメリカの―
01:03
using three relatively weak laptops.
17
47933
3822
アマチュアと３台の平凡な
ラップトップのチームでした
ラップトップのチームでした
01:07
Their ability to coach and manipulate their computers
18
51755
2596
２人はコンピュータを駆使して
臨機応変に様々な手を
臨機応変に様々な手を
01:10
to deeply explore specific positions
19
54351
2435
探し出すように
手法を採ることができたので
手法を採ることができたので
01:12
effectively counteracted the superior chess knowledge
20
56786
2390
人間のチャンピオンの知識や
01:15
of the grandmasters and the superior computational power
21
59176
2609
対戦相手のコンピュータの
優れた計算能力をも―
優れた計算能力をも―
01:17
of other adversaries.
22
61785
1909
凌駕したのです
01:19
This is an astonishing result: average men,
23
63694
2905
平凡な人間と平凡なマシンが
組んだチームが
組んだチームが
01:22
average machines beating the best man, the best machine.
24
66599
4081
最強の人も最高のマシンも
打ち負かしたことは実に驚くべき結果です
打ち負かしたことは実に驚くべき結果です
01:26
And anyways, isn't it supposed to be man versus machine?
25
70680
3199
さて 人間にとって
機械は競争相手なんでしょうか？
機械は競争相手なんでしょうか？
01:29
Instead, it's about cooperation, and the right type of cooperation.
26
73879
4152
いいえ 競争相手ではなく協力者―
正しい形での協力が大切です
正しい形での協力が大切です
01:33
We've been paying a lot of attention to Marvin Minsky's
27
78031
2857
これまでの50年間 人工知能については
01:36
vision for artificial intelligence over the last 50 years.
28
80888
3242
マーヴィン・ミンスキーが描いた見方が重視されてきました
01:40
It's a sexy vision, for sure. Many have embraced it.
29
84130
2262
これは多くの人が受け容れてきた魅力的な説で
01:42
It's become the dominant school of thought in computer science.
30
86392
2753
コンピューター・サイエンスにおいては主流の見方です
01:45
But as we enter the era of big data, of network systems,
31
89145
3072
しかしビッグ・データや
オープン・プラットフォームや
オープン・プラットフォームや
01:48
of open platforms, and embedded technology,
32
92217
2698
ネットや組込み技術が
使われるような時代においては
使われるような時代においては
01:50
I'd like to suggest it's time to reevaluate an alternative vision
33
94915
3392
別の見方をもう一度評価すべきと主張したいのです
01:54
that was actually developed around the same time.
34
98307
3070
それはミンスキーの見方と
同じ頃に生まれていた―
同じ頃に生まれていた―
01:57
I'm talking about J.C.R. Licklider's human-computer symbiosis,
35
101377
3332
J.C.R.リックライダーが提唱し
今では―
今では―
02:00
perhaps better termed "intelligence augmentation," I.A.
36
104709
3808
「知能増幅」（IA）と呼ばれる
人間とコンピューターの共益関係です
人間とコンピューターの共益関係です
02:04
Licklider was a computer science titan who had a profound
37
108517
2640
リックライダーはコンピューター・サイエンスの巨人で
02:07
effect on the development of technology and the Internet.
38
111157
3006
計算技術とインターネットの発展に大いに貢献しました
02:10
His vision was to enable man and machine to cooperate
39
114163
2868
彼の見方は意思決定や
複雑な事象に対応する制御を
複雑な事象に対応する制御を
02:12
in making decisions, controlling complex situations
40
117031
3590
融通のきかない事前に定義された
プログラムだけに頼るのではなく
プログラムだけに頼るのではなく
02:16
without the inflexible dependence
41
120621
1770
人間と機械が協力して
02:18
on predetermined programs.
42
122391
2533
行うというものです
02:20
Note that word "cooperate."
43
124924
2498
キーワードは「協力」です
02:23
Licklider encourages us not to take a toaster
44
127422
2747
リックライダーはトースターから
02:26
and make it Data from "Star Trek,"
45
130169
2284
頭脳明晰なアンドロイドを作るのではなく
02:28
but to take a human and make her more capable.
46
132453
3535
人間の能力をより広げることを唱えました
02:31
Humans are so amazing -- how we think,
47
135988
1911
人間が持つ思考方式や
非線形アプローチや
非線形アプローチや
02:33
our non-linear approaches, our creativity,
48
137899
2618
創造力や反復仮説は
非常に驚くべき能力です
非常に驚くべき能力です
02:36
iterative hypotheses, all very difficult if possible at all
49
140517
2131
コンピューターで
仮に万一実現できるとしても
仮に万一実現できるとしても
02:38
for computers to do.
50
142648
1345
非常に難しい分野です
02:39
Licklider intuitively realized this, contemplating humans
51
143993
2452
人間は 目標を設定し 仮説を作り
02:42
setting the goals, formulating the hypotheses,
52
146445
2327
評価方法を設定し
評価できるという違いを
評価できるという違いを
02:44
determining the criteria, and performing the evaluation.
53
148772
3376
リックライダーは直感的に認識していました
02:48
Of course, in other ways, humans are so limited.
54
152148
1775
もちろん 一方で人間は多くの
02:49
We're terrible at scale, computation and volume.
55
153923
3235
限界があり
拡張性 計算能力 処理量では弱いものです
拡張性 計算能力 処理量では弱いものです
02:53
We require high-end talent management
56
157158
1836
ロック・バンドが
協力し演奏活動を
協力し演奏活動を
02:54
to keep the rock band together and playing.
57
158994
2064
続けるには 高度な
タレントマネジメントが必要です
タレントマネジメントが必要です
02:56
Licklider foresaw computers doing all the routinizable work
58
161058
2204
リックライダーは 洞察と意思決定に必要な―
02:59
that was required to prepare the way for insights and decision making.
59
163262
3276
定型化できる準備は コンピュータが
全て行うようになると見通していました
全て行うようになると見通していました
03:02
Silently, without much fanfare,
60
166538
2224
静かに目立たないところで
03:04
this approach has been compiling victories beyond chess.
61
168762
3354
このアプローチがチェスに留まらず
勝利を積み上げていきました
勝利を積み上げていきました
03:08
Protein folding, a topic that shares the incredible expansiveness of chess —
62
172116
3356
タンパク質の折り畳み構造は
チェスと同様非常に奥深いものです
チェスと同様非常に奥深いものです
03:11
there are more ways of folding a protein than there are atoms in the universe.
63
175472
3042
宇宙の原子の数より
多くの折り畳み組み合わせがあります
多くの折り畳み組み合わせがあります
03:14
This is a world-changing problem with huge implications
64
178514
2353
立体構造は病気を理解し治療する上で
03:16
for our ability to understand and treat disease.
65
180867
2308
世界が変わる程の大きな意味を持つ研究分野です
03:19
And for this task, supercomputer field brute force simply isn't enough.
66
183175
4248
この問題を解くにはスーパーコンピューターの
力任せの計算だけでは足りません
力任せの計算だけでは足りません
03:23
Foldit, a game created by computer scientists,
67
187423
2384
コンピュータ科学者が作った
Folditというゲームが
Folditというゲームが
03:25
illustrates the value of the approach.
68
189807
2502
この協力アプローチの価値を表す
好例でしょう
好例でしょう
03:28
Non-technical, non-biologist amateurs play a video game
69
192309
3041
このゲームでは
技術者でも生物学者でもない素人が
技術者でも生物学者でもない素人が
03:31
in which they visually rearrange the structure of the protein,
70
195350
3073
立体表示されたタンパク質の構造を
組み替える作業をすることで
組み替える作業をすることで
03:34
allowing the computer to manage the atomic forces
71
198423
1499
コンピューターに原子間力や
03:35
and interactions and identify structural issues.
72
199922
2957
相互作用や構造上の問題解明を任せました
03:38
This approach beat supercomputers 50 percent of the time
73
202879
3023
このアプローチは
スーパーコンピューターの能力を
スーパーコンピューターの能力を
03:41
and tied 30 percent of the time.
74
205902
2584
50％のケースで上回り
30％で同等だとわかりました
30％で同等だとわかりました
03:44
Foldit recently made a notable and major scientific discovery
75
208486
3137
Folditは最近注目すべき大発見をしました
03:47
by deciphering the structure of the Mason-Pfizer monkey virus.
76
211623
3160
メイソン・ファイザー・サルウイルスの
分解酵素を解読したのです
分解酵素を解読したのです
03:50
A protease that had eluded determination for over 10 years
77
214783
3015
10年間も わからなかった構造を
03:53
was solved was by three players in a matter of days,
78
217798
2626
3人のゲーマーがほんの数日で解決してしまったのです
03:56
perhaps the first major scientific advance
79
220424
2025
ゲームをすることから生まれてくる
03:58
to come from playing a video game.
80
222449
2323
大きな科学技術を発展させる
おそらく最初の例です
おそらく最初の例です
04:00
Last year, on the site of the Twin Towers,
81
224772
2181
ツインタワーのあった場所に昨年
04:02
the 9/11 memorial opened.
82
226953
1473
9.11の記念碑ができました
04:04
It displays the names of the thousands of victims
83
228426
2721
この記念碑は「意味ある隣接関係」という
04:07
using a beautiful concept called "meaningful adjacency."
84
231147
3063
美しいコンセプトに基づいて
何千もの犠牲者の名前を表示しています
何千もの犠牲者の名前を表示しています
04:10
It places the names next to each other based on their
85
234210
2166
そこでは犠牲者の名が友人 家族 同僚など
04:12
relationships to one another: friends, families, coworkers.
86
236376
2213
人間関係に基づいて配置されています
04:14
When you put it all together, it's quite a computational
87
238589
3028
3,500もの名前と1,800もの関係の要請を考慮して
04:17
challenge: 3,500 victims, 1,800 adjacency requests,
88
241617
4223
関係を表現するのは
計算処理として大きな挑戦です
計算処理として大きな挑戦です
04:21
the importance of the overall physical specifications
89
245840
3092
全員の物理的な位置の制約と最終的な見た目の美しさを
04:24
and the final aesthetics.
90
248932
2137
両立する必要があります
04:26
When first reported by the media, full credit for such a feat
91
251069
2615
メディアに報道された当初
04:29
was given to an algorithm from the New York City
92
253684
1892
その功績はニューヨークのデザイン会社
04:31
design firm Local Projects. The truth is a bit more nuanced.
93
255576
4001
Local Projectsによる
アルゴリズムのものとされましたが
アルゴリズムのものとされましたが
04:35
While an algorithm was used to develop the underlying framework,
94
259577
2871
アルゴリズムを使って
デザインを可能にする枠組みを提供し
デザインを可能にする枠組みを提供し
04:38
humans used that framework to design the final result.
95
262448
3008
人間がこの枠組みの上で
最終的なデザインを描いたのです
最終的なデザインを描いたのです
04:41
So in this case, a computer had evaluated millions
96
265456
2225
この場合コンピューターは何百万もの
04:43
of possible layouts, managed a complex relational system,
97
267681
3335
可能なレイアウトを評価し
複雑な関係性をやりくりし
複雑な関係性をやりくりし
04:46
and kept track of a very large set of measurements
98
271016
2414
膨大な形状や多様性のデータを管理して
04:49
and variables, allowing the humans to focus
99
273430
2410
逐一提示し
人間が構成を選択しながら
人間が構成を選択しながら
04:51
on design and compositional choices.
100
275840
2802
人間はデザインや構成にだけ
集中できるようにしたのです
集中できるようにしたのです
04:54
So the more you look around you,
101
278642
1036
周りを見れば見るほど
04:55
the more you see Licklider's vision everywhere.
102
279678
1962
リックライダーの予見した世界になっています
04:57
Whether it's augmented reality in your iPhone or GPS in your car,
103
281640
3304
それがiPhoneの拡張現実であれ
カーナビであれ
カーナビであれ
05:00
human-computer symbiosis is making us more capable.
104
284944
2970
人間とコンピューターの共益関係は
我々の能力を拡張しています
我々の能力を拡張しています
05:03
So if you want to improve human-computer symbiosis,
105
287914
1655
その協力関係を更に発展させるために
05:05
what can you do?
106
289569
1429
何ができるでしょうか？
05:06
You can start by designing the human into the process.
107
290998
2452
人間の関与をプロセスに組み込んでデザインしましょう
05:09
Instead of thinking about what a computer will do to solve the problem,
108
293450
2204
コンピュータを前提とした解決方法ではなく
05:11
design the solution around what the human will do as well.
109
295654
3869
人間の役割を考慮に入れて解決策をデザインするのです
05:15
When you do this, you'll quickly realize that you spent
110
299523
1937
実際に やってみると
作業時間のほとんどが
作業時間のほとんどが
05:17
all of your time on the interface between man and machine,
111
301460
2879
人間と機械間のインターフェイスの開発に
費やされたとわかります
費やされたとわかります
05:20
specifically on designing away the friction in the interaction.
112
304339
3099
特に両者間の摩擦が減るように
デザインするのに時間がかかります
デザインするのに時間がかかります
05:23
In fact, this friction is more important than the power
113
307438
2766
人間や機械のそれぞれの能力が
どの程度優れているがではなく
どの程度優れているがではなく
05:26
of the man or the power of the machine
114
310204
2052
この摩擦の大小こそが
最終的な能力を
最終的な能力を
05:28
in determining overall capability.
115
312256
1931
より大きく左右します
05:30
That's why two amateurs with a few laptops
116
314187
1977
数台のPCと素人が
スーパーコンピューターとチャンピオンを
スーパーコンピューターとチャンピオンを
05:32
handily beat a supercomputer and a grandmaster.
117
316164
2456
たやすく打ち負かした理由もここにあります
05:34
What Kasparov calls process is a byproduct of friction.
118
318620
3005
カスパロフが呼ぶように
プロセスには摩擦がつきものです
プロセスには摩擦がつきものです
05:37
The better the process, the less the friction.
119
321625
2401
プロセスがよければ
摩擦は減ります
摩擦は減ります
05:39
And minimizing friction turns out to be the decisive variable.
120
324026
4256
そして摩擦をいかに軽減できるかが
結果を握ります
結果を握ります
05:44
Or take another example: big data.
121
328282
2243
他の例で言えば
例えばビッグデータ
例えばビッグデータ
05:46
Every interaction we have in the world is recorded
122
330525
1906
世界中の我々の行動は
電話端末や
電話端末や
05:48
by an ever growing array of sensors: your phone,
123
332431
3059
クレジットカードやコンピュータなどの
増え続けるセンサー網で
増え続けるセンサー網で
05:51
your credit card, your computer. The result is big data,
124
335490
2373
集め記録されます
その結果がビッグデータです
その結果がビッグデータです
05:53
and it actually presents us with an opportunity
125
337863
1742
それは人間の実態を
05:55
to more deeply understand the human condition.
126
339605
2662
より深く理解できるような機会を
我々に与えてくれます
我々に与えてくれます
05:58
The major emphasis of most approaches to big data
127
342267
2305
ビッグデータへのほとんどのアプローチは
06:00
focus on, "How do I store this data? How do I search
128
344572
2215
「どうデータを保管し 検索し 処理するか？」に
06:02
this data? How do I process this data?"
129
346787
2276
焦点がおかれています
06:04
These are necessary but insufficient questions.
130
349063
2204
この観点は必要ですが
これでは不十分です
これでは不十分です
06:07
The imperative is not to figure out how to compute,
131
351267
2471
必要なのは「どう」処理するかではなく
06:09
but what to compute. How do you impose human intuition
132
353738
2184
「何を」処理し
この大規模なデータに対して
この大規模なデータに対して
06:11
on data at this scale?
133
355922
1791
「人間の直観をどう生かすか」です
06:13
Again, we start by designing the human into the process.
134
357713
3499
ここでも 人間をプロセスに組み込みます
06:17
When PayPal was first starting as a business, their biggest
135
361212
2812
PayPalがビジネスを始めた当時
彼らの最大の課題は
彼らの最大の課題は
06:19
challenge was not, "How do I send money back and forth online?"
136
364024
2804
「ネット上で どうお金をやり取りするか？」ではなく
06:22
It was, "How do I do that without being defrauded by organized crime?"
137
366828
3872
「組織的な詐欺行為をどう回避するか？」でした
06:26
Why so challenging? Because while computers can learn
138
370700
2088
なぜそれほど難しいか？
コンピューターは
コンピューターは
06:28
to detect and identify fraud based on patterns,
139
372788
3144
過去のパターンに基づいて
詐欺を検知できるようになりますが
詐欺を検知できるようになりますが
06:31
they can't learn to do that based on patterns
140
375932
1479
未知のパターンから
06:33
they've never seen before, and organized crime
141
377411
2116
詐欺を検知できるようにはなりません
06:35
has a lot in common with this audience: brilliant people,
142
379527
2709
犯罪組織と皆さんは似ています
06:38
relentlessly resourceful, entrepreneurial spirit — (Laughter) —
143
382236
3640
優秀で 機知に富んでいて
やってやろうという気概に満ちている（笑）
やってやろうという気概に満ちている（笑）
06:41
and one huge and important difference: purpose.
144
385876
2712
ただ １つ大きな違いがあって
それは「目的」です
それは「目的」です
06:44
And so while computers alone can catch all but the cleverest
145
388588
2832
コンピューターだけでも
詐欺のほとんどが見抜けられますが
詐欺のほとんどが見抜けられますが
06:47
fraudsters, catching the cleverest is the difference
146
391420
2253
最もずる賢い詐欺師を
捕まえられるかどうかが
捕まえられるかどうかが
06:49
between success and failure.
147
393673
2545
成功と失敗を分けるのです
06:52
There's a whole class of problems like this, ones with
148
396218
2221
このような問題はたくさんあります
06:54
adaptive adversaries. They rarely if ever present with a
149
398439
2575
常に新たな手を使う敵は
コンピューターが認識できるような
コンピューターが認識できるような
06:56
repeatable pattern that's discernable to computers.
150
401014
2736
手口の知られたパターンで
現れることはめったになく
現れることはめったになく
06:59
Instead, there's some inherent component of innovation or disruption,
151
403750
3993
敵は常に革新・刷新を行っており
ビッグデータに埋もれてしまって
ビッグデータに埋もれてしまって
07:03
and increasingly these problems are buried in big data.
152
407743
2735
そうした問題が
どんどん増えていっています
どんどん増えていっています
07:06
For example, terrorism. Terrorists are always adapting
153
410478
2500
例えばテロです
テロリストは大小様々な方法で
テロリストは大小様々な方法で
07:08
in minor and major ways to new circumstances, and despite
154
412978
2052
環境に適応し身を隠します
07:10
what you might see on TV, these adaptations,
155
415030
3094
テレビで見るのと違って
テロリストが潜伏するのも
テロリストが潜伏するのも
07:14
and the detection of them, are fundamentally human.
156
418124
2293
それを発見するのも
根本的に人間です
根本的に人間です
07:16
Computers don't detect novel patterns and new behaviors,
157
420417
3117
コンピューターは新手のパターンや
未知の行動を探知できません
未知の行動を探知できません
07:19
but humans do. Humans, using technology, testing hypotheses,
158
423534
3235
人間ならできます
人間が技術を使い
仮説を用いて
人間が技術を使い
仮説を用いて
07:22
searching for insight by asking machines to do things for them.
159
426769
4620
機械の助けを借りながら
真相を洞察するのです
真相を洞察するのです
07:27
Osama bin Laden was not caught by artificial intelligence.
160
431389
2320
ビン・ラディンを捕えたのは
07:29
He was caught by dedicated, resourceful, brilliant people
161
433709
2553
人工知能ではなく
07:32
in partnerships with various technologies.
162
436262
4269
様々な技術に助けられた
優秀で 機略に富む 懸命な人々でした
優秀で 機略に富む 懸命な人々でした
07:36
As appealing as it might sound, you cannot algorithmically
163
440531
2818
実現できればいいのですが
データから自動的に答えを
データから自動的に答えを
07:39
data mine your way to the answer.
164
443349
1601
導きだすことはできません
07:40
There is no "Find Terrorist" button, and the more data
165
444950
2855
「テロリストを見つける」なんてボタンはありませんし
07:43
we integrate from a vast variety of sources
166
447805
2302
多種多様な情報源から
幅広い形式のデータを
幅広い形式のデータを
07:46
across a wide variety of data formats from very
167
450107
2133
集めれば集めるほどに
07:48
disparate systems, the less effective data mining can be.
168
452240
3309
そこから意味のある知識や情報を
引き出すことは難しくなります
引き出すことは難しくなります
07:51
Instead, people will have to look at data
169
455549
2024
そうならないように
人間がまずデータを見て
人間がまずデータを見て
07:53
and search for insight, and as Licklider foresaw long ago,
170
457573
3456
洞察を行うのです
リックライダーがずいぶん前に予見していたように
リックライダーがずいぶん前に予見していたように
07:56
the key to great results here is the right type of cooperation,
171
461029
2685
大きな結果は正しい協力から生まれます
07:59
and as Kasparov realized,
172
463714
1524
またカスパロフの認識どおり
08:01
that means minimizing friction at the interface.
173
465238
3031
協力するにはインターフェイスの摩擦を
最小化する必要があります
最小化する必要があります
08:04
Now this approach makes possible things like combing
174
468269
2758
これが実行できれば
08:06
through all available data from very different sources,
175
471027
3386
様々な出所からのデータを
あますところなく集めて解析して
あますところなく集めて解析して
08:10
identifying key relationships and putting them in one place,
176
474413
2792
重要な関連性を特定し
そのデータだけを抽出できます
そのデータだけを抽出できます
08:13
something that's been nearly impossible to do before.
177
477205
2928
以前なら不可能だったことです
08:16
To some, this has terrifying privacy and civil liberties
178
480133
1942
これがプライバシーや自由への脅威となるか
08:17
implications. To others it foretells of an era of greater
179
482075
3410
反対に それらがより強固に
保護される時代をもたらすか
保護される時代をもたらすか
08:21
privacy and civil liberties protections,
180
485485
1909
などと捉え方はそれぞれですが
08:23
but privacy and civil liberties are of fundamental importance.
181
487394
2936
プライバシーや自由は基本的で重要なものです
08:26
That must be acknowledged, and they can't be swept aside,
182
490330
2193
それは強く意識されなければなりませんし
08:28
even with the best of intents.
183
492523
2530
どんな理由があっても切り捨てることはできません
08:30
So let's explore, through a couple of examples, the impact
184
495053
2518
それでは
人間とコンピューターの共益関係を
人間とコンピューターの共益関係を
08:33
that technologies built to drive human-computer symbiosis
185
497571
2406
最大限に活かすように
作られた技術の影響を示す
作られた技術の影響を示す
08:35
have had in recent time.
186
499977
2919
最近のいくつかの事例を見てみましょう
08:38
In October, 2007, U.S. and coalition forces raided
187
502896
3416
2007年10月
米軍と同盟国の連合軍が
シリアとの国境に位置し
米軍と同盟国の連合軍が
シリアとの国境に位置し
08:42
an al Qaeda safe house in the city of Sinjar
188
506312
2416
イラクの町 シンジャールにある
08:44
on the Syrian border of Iraq.
189
508728
1934
アル・カーイダのアジトを急襲しました
08:46
They found a treasure trove of documents:
190
510662
2376
そこで貴重な書類の山を掘り当てました
08:48
700 biographical sketches of foreign fighters.
191
513038
2335
それは700人分もの
外国人兵士の略歴でした
外国人兵士の略歴でした
08:51
These foreign fighters had left their families in the Gulf,
192
515373
2584
湾岸や地中海東側沿岸 そして
08:53
the Levant and North Africa to join al Qaeda in Iraq.
193
517957
3146
アフリカの国々に家族を残し
アル・カーイダ兵に志願した人々です
アル・カーイダ兵に志願した人々です
08:57
These records were human resource forms.
194
521103
1616
略歴書類は
まるで職歴質問集で
まるで職歴質問集で
08:58
The foreign fighters filled them out as they joined the organization.
195
522719
2855
兵達は入隊時に質問事項に回答していました
09:01
It turns out that al Qaeda, too,
196
525574
1211
アル・カーイダでさえも
09:02
is not without its bureaucracy. (Laughter)
197
526785
2597
お役所みたいな形があるわけですね
（笑）
（笑）
09:05
They answered questions like, "Who recruited you?"
198
529382
2098
質問は
「誰に誘われたのか？」
「誰に誘われたのか？」
09:07
"What's your hometown?" "What occupation do you seek?"
199
531480
2854
「出身はどこか？」
「希望の職種は何か？」といったものでした
「希望の職種は何か？」といったものでした
09:10
In that last question, a surprising insight was revealed.
200
534334
3169
そして最後の質問から驚くべき真相が現れました
09:13
The vast majority of foreign fighters
201
537503
2400
それら外国人兵のほとんどが
09:15
were seeking to become suicide bombers for martyrdom --
202
539903
2400
自爆テロによる殉死を望んでいたのです
09:18
hugely important, since between 2003 and 2007, Iraq
203
542303
4338
2003年から2007年にかけて
イラクでは1,382件の自爆テロ行為があり
イラクでは1,382件の自爆テロ行為があり
09:22
had 1,382 suicide bombings, a major source of instability.
204
546641
4244
情勢を不安定にしている大きな要因でした
殉死願望は 非常に重要な真相です
殉死願望は 非常に重要な真相です
09:26
Analyzing this data was hard. The originals were sheets
205
550885
2058
データの分析は困難でした
まず
まず
09:28
of paper in Arabic that had to be scanned and translated.
206
552943
2742
原本はアラビア語で
用紙のスキャンと翻訳が必要でした
用紙のスキャンと翻訳が必要でした
09:31
The friction in the process did not allow for meaningful
207
555685
2192
このプロセスでは
摩擦が大きかったので
摩擦が大きかったので
09:33
results in an operational time frame using humans, PDFs
208
557877
3350
人間が根気づよくPDFを
読み続ける程度では
作戦に間に合う時間内に
読み続ける程度では
作戦に間に合う時間内に
09:37
and tenacity alone.
209
561227
2218
有意義な結果を
出せそうにありませんでした
出せそうにありませんでした
09:39
The researchers had to lever up their human minds
210
563445
1953
調査員達は
明らかになっていない―
明らかになっていない―
09:41
with technology to dive deeper, to explore non-obvious
211
565398
2345
仮説を探るべく
技術でテコ入れして
技術でテコ入れして
09:43
hypotheses, and in fact, insights emerged.
212
567743
3218
深く思考する必要がありました
そして ある真相を明らかにしました
そして ある真相を明らかにしました
09:46
Twenty percent of the foreign fighters were from Libya,
213
570961
2644
外国人兵の20%はリビア出身でした
09:49
50 percent of those from a single town in Libya,
214
573605
2968
その内半分はとあるひとつの町出身でした
重大な発見です
重大な発見です
09:52
hugely important since prior statistics put that figure at
215
576573
2450
これはそれまでの統計では3%という数字でした
09:54
three percent. It also helped to hone in on a figure
216
579023
2383
またこのデータは
リビアの武装グループの
リビアの武装グループの
09:57
of rising importance in al Qaeda, Abu Yahya al-Libi,
217
581406
2977
アル・カーイダ内で地位が高まる
指導者アブ・ヤハ・アルリビに
指導者アブ・ヤハ・アルリビに
10:00
a senior cleric in the Libyan Islamic fighting group.
218
584383
2631
狙いを絞ることに
ひと役買いました
ひと役買いました
10:02
In March of 2007, he gave a speech, after which there was
219
587014
2664
2007年に彼が演説を行ったのち
10:05
a surge in participation amongst Libyan foreign fighters.
220
589678
3466
リビア出身の兵士が急増していたのです
10:09
Perhaps most clever of all, though, and least obvious,
221
593144
3106
さらに 最もずる賢く
全く目立たないものでしたが
全く目立たないものでしたが
10:12
by flipping the data on its head, the researchers were
222
596250
2073
調査員達は分析方法を
がらりと変えることで
がらりと変えることで
10:14
able to deeply explore the coordination networks in Syria
223
598323
2900
シリアの紹介グループを深く探ることができました
10:17
that were ultimately responsible for receiving and
224
601223
2517
そのグループこそが外国人兵士の
10:19
transporting the foreign fighters to the border.
225
603740
2464
受け入れと国境への移動を担っていました
10:22
These were networks of mercenaries, not ideologues,
226
606204
2633
グループは宗教的イデオロギーの元に集まったのでなく
10:24
who were in the coordination business for profit.
227
608837
2398
お金のための傭兵紹介サービスでした
10:27
For example, they charged Saudi foreign fighters
228
611235
1904
例えば リビア兵に比べて
お金の取れる
お金の取れる
10:29
substantially more than Libyans, money that would have
229
613139
2199
サウジ兵から高額な紹介料を
巻き上げていました
巻き上げていました
10:31
otherwise gone to al Qaeda.
230
615338
2320
取られなければ アル・カーイダが
手にしたであろうお金でした
手にしたであろうお金でした
10:33
Perhaps the adversary would disrupt their own network
231
617658
2045
聖戦の兵士が詐取されていることを
10:35
if they knew they cheating would-be jihadists.
232
619703
3035
アル・カーイダが知ったら
自軍側のグループを解消したことでしょう
自軍側のグループを解消したことでしょう
10:38
In January, 2010, a devastating 7.0 earthquake struck Haiti,
233
622738
3745
2010年1月マグニチュード7.0の
壊滅的な地震がハイチを襲いました
壊滅的な地震がハイチを襲いました
10:42
third deadliest earthquake of all time, left one million people,
234
626483
2916
死者の数は観測史上 3番目で
人口の10%にあたる
人口の10%にあたる
10:45
10 percent of the population, homeless.
235
629399
2584
100万人が家を失いました
10:47
One seemingly small aspect of the overall relief effort
236
631983
3137
支援活動全体から見れば
小さなことに見える１要素が
小さなことに見える１要素が
10:51
became increasingly important as the delivery of food
237
635120
2176
食料や水の配給が始まると
10:53
and water started rolling.
238
637296
2160
次第に重要な要素となりました
10:55
January and February are the dry months in Haiti,
239
639456
1458
１月と２月はハイチの乾期ですが
10:56
yet many of the camps had developed standing water.
240
640914
2942
多くの避難所では
水が溜まっていきました
水が溜まっていきました
10:59
The only institution with detailed knowledge of Haiti's
241
643856
2122
ハイチの氾濫原を詳細に把握している
11:01
floodplains had been leveled
242
645978
1297
唯一の機関は
11:03
in the earthquake, leadership inside.
243
647275
3008
指揮系統もろとも
地震で倒壊していました
地震で倒壊していました
11:06
So the question is, which camps are at risk,
244
650283
2575
ここで知りたいのは
どの避難所の危険度が高く
どの避難所の危険度が高く
11:08
how many people are in these camps, what's the
245
652858
1921
それぞれ何人が避難生活をしており
11:10
timeline for flooding, and given very limited resources
246
654779
2311
洪水はいつ起こるのか
ということです
ということです
11:12
and infrastructure, how do we prioritize the relocation?
247
657090
3384
非常に限られた資源とインフラの下で
避難所移転の順序をどう決めるのか？
避難所移転の順序をどう決めるのか？
11:16
The data was incredibly disparate. The U.S. Army had
248
660474
2344
データは信じられないほど
バラバラでした
バラバラでした
11:18
detailed knowledge for only a small section of the country.
249
662818
2929
米軍が詳細な情報を持っていたのは
限られた地域のみでした
限られた地域のみでした
11:21
There was data online from a 2006 environmental risk
250
665747
2511
2006年環境リスク会議のデータも
他の地理データも
他の地理データも
11:24
conference, other geospatial data, none of it integrated.
251
668258
2664
ネット上で
バラバラに存在していました
バラバラに存在していました
11:26
The human goal here was to identify camps for relocation
252
670922
2958
ここでの目標は危険度に基づいて移転する
11:29
based on priority need.
253
673880
2395
避難所の優先順位をつけることでした
11:32
The computer had to integrate a vast amount of geospacial
254
676275
2440
そのためにコンピューターは膨大な
11:34
information, social media data and relief organization
255
678715
2584
地理情報やソーシャル・メディアの情報
支援機関からの情報を
支援機関からの情報を
11:37
information to answer this question.
256
681299
3480
まとめなければなりませんでした
11:40
By implementing a superior process, what was otherwise
257
684779
2415
この解決に
より優れたプロセスを
創造したことで
より優れたプロセスを
創造したことで
11:43
a task for 40 people over three months became
258
687194
2608
40人がかりで３ヶ月はかかったであろう作業を
11:45
a simple job for three people in 40 hours,
259
689802
3176
たった３人が40時間で終えてしまいました
11:48
all victories for human-computer symbiosis.
260
692978
2628
人間とコンピューターとの共益関係の成果です
11:51
We're more than 50 years into Licklider's vision
261
695606
2054
リックライダーの予見から50年以上経った今
11:53
for the future, and the data suggests that we should be
262
697660
2242
これまでのデータからすれば
11:55
quite excited about tackling this century's hardest problems,
263
699902
3030
人間とコンピュータが協力して
今世紀の最も難しい問題の数々に
今世紀の最も難しい問題の数々に
11:58
man and machine in cooperation together.
264
702932
2947
取り組めば 大きな成果を期待できるのです
12:01
Thank you. (Applause)
265
705879
2197
ありがとうございました
12:03
(Applause)
266
708076
2505
（拍手）
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