ABOUT THE SPEAKER

Kenneth Cukier - Data Editor of The Economist
Kenneth Cukier is the Data Editor of The Economist. From 2007 to 2012 he was the Tokyo correspondent, and before that, the paper’s technology correspondent in London, where his work focused on innovation, intellectual property and Internet governance. Kenneth is also the co-author of Big Data: A Revolution That Will Transform How We Live, Work, and Think with Viktor Mayer-Schönberger in 2013, which was a New York Times Bestseller and translated into 16 languages.

Why you should listen

As Data Editor of The Economist and co-author of Big Data: A Revolution That Will Transform How We Live, Work, and Think, Kenneth Cukier has spent years immersed in big data, machine learning -- and the impact of both. What's the future of big data-driven technology and design? To find out, watch this talk.

More profile about the speaker
Kenneth Cukier | Speaker | TED.com

TEDSalon Berlin 2014

Kenneth Cukier: Big data is better data

케네스 쿠키어 (Kenneth Cukier): 빅데이터, 더 나은 데이터

Filmed: 2014-06-23

Readability: 4.1

1,663,038 views

무인자동차는 단지 시작에 불과합니다. 빅데이터가 만드는 기술과 세상은 어떨까요? 이 흥미로운 과학 강연에서, 케네스 쿠키어는 기계 학습 이후와 인간의 지식 그 이후를 보여줍니다.

Kenneth Cukier - Data Editor of The Economist
Kenneth Cukier is the Data Editor of The Economist. From 2007 to 2012 he was the Tokyo correspondent, and before that, the paper’s technology correspondent in London, where his work focused on innovation, intellectual property and Internet governance. Kenneth is also the co-author of Big Data: A Revolution That Will Transform How We Live, Work, and Think with Viktor Mayer-Schönberger in 2013, which was a New York Times Bestseller and translated into 16 languages. Full bio

Double-click the English transcript below to play the video.

00:12

America's미국의 favorite특히 잘하는 pie파이 is?

0

787

3845

미국인들이 가장 좋아하는 파이는?

00:16

Audience청중: Apple사과.
Kenneth케네스 Cukier쿠키에: Apple사과. Of course코스 it is.

1

4632

3506

청중: 사과요.
케네스 쿠키어: 당연히 사과죠.

00:20

How do we know it?

2

8138

1231

어떻게 알았을까요?

00:21

Because of data데이터.

3

9369

2753

데이터가 있으니까 알죠.

00:24

You look at supermarket슈퍼마켓 sales매상.

4

12122

2066

슈퍼마켓의 매출을 보면 됩니다.

00:26

You look at supermarket슈퍼마켓
sales매상 of 30-centimeter-센티미터 pies파이

5

14188

2866

30 센치 크기의
냉동 파이 매출을 보면

00:29

that are frozen겨울 왕국, and apple사과 wins이기다, no contest대회.

6

17054

4075

사과 파이가 선두입니다.
경쟁이 안 되죠.

00:33

The majority과반수 of the sales매상 are apple사과.

7

21129

5180

대부분의 매출이 사과 파이입니다.

00:38

But then supermarkets슈퍼마켓 started시작한 selling판매

8

26309

2964

하지만 슈퍼마켓들이 11센치의
작은파이들을 판매하기 시작했고,

00:41

smaller더 작은, 11-centimeter-센티미터 pies파이,

9

29273

2583

00:43

and suddenly갑자기, apple사과 fell되다 to fourth네번째 or fifth다섯 place장소.

10

31856

4174

그러자 사과 파이는
4번째, 5번째로 추락했죠.

00:48

Why? What happened일어난?

11

36030

2875

왜요? 무슨 일이 일어난 걸까요?

00:50

Okay, think about it.

12

38905

2818

생각해봅시다.

00:53

When you buy사다 a 30-centimeter-센티미터 pie파이,

13

41723

3848

30센치 파이를 살 때는

00:57

the whole완전한 family가족 has to agree동의하다,

14

45571

2261

가족 전원이 동의를 해야 합니다.

00:59

and apple사과 is everyone's모두의 second둘째 favorite특히 잘하는.

15

47832

3791

그리고 사과는 모두가 두 번째로
좋아하는 파이였던 겁니다.

01:03

(Laughter웃음)

16

51623

1935

(웃음)

01:05

But when you buy사다 an individual개인 11-centimeter-센티미터 pie파이,

17

53558

3615

하지만 개인이 먹을
11센치 파이를 살 때는

01:09

you can buy사다 the one that you want.

18

57173

3745

자기가 원하는 것을 살 수 있어요.

01:12

You can get your first choice선택.

19

60918

4015

자기가 가장 원하는 것을
살 수 있는 것이죠.

01:16

You have more data데이터.

20

64933

1641

자료가 더 많아진 겁니다.

01:18

You can see something

21

66574

1554

여러분은 적은 양의 데이터였을 때는
볼 수 없는 뭔가를 볼 수 있죠.

01:20

that you couldn't할 수 없었다 see

22

68128

1132

01:21

when you only had smaller더 작은 amounts금액 of it.

23

69260

3953

01:25

Now, the point포인트 here is that more data데이터

24

73213

2475

여기서의 요점은 더 많은 데이터가 단지

01:27

doesn't just let us see more,

25

75688

2283

우리가 보는 같은 것에서 더 많은 것만을
보여주는 것이 아니라는 겁니다.

01:29

more of the same같은 thing we were looking at.

26

77971

1854

01:31

More data데이터 allows허락하다 us to see new새로운.

27

79825

3613

더 많은 데이터는
새로운 걸 볼 수 있게 해주죠.

01:35

It allows허락하다 us to see better.

28

83438

3094

우리가 더 잘 보게 해주고,
우리가 다른 것을 보게 해주고,

01:38

It allows허락하다 us to see different다른.

29

86532

3656

01:42

In this case케이스, it allows허락하다 us to see

30

90188

3173

이 경우에는, 미국인들이 가장 좋아하는
파이가 사과가 아니란 걸 알려줍니다.

01:45

what America's미국의 favorite특히 잘하는 pie파이 is:

31

93361

2913

01:48

not apple사과.

32

96274

2542

01:50

Now, you probably아마 all have heard들었던 the term기간 big큰 data데이터.

33

98816

3614

다들 빅데이터라는 말을
들어보셨을 겁니다.

01:54

In fact것, you're probably아마 sick고약한 of hearing듣기 the term기간

34

102430

2057

사실, 그, 빅데이터라는 단어에
식상하셨을거예요.

01:56

big큰 data데이터.

35

104487

1630

01:58

It is true참된 that there is a lot of hype마약 중독 around the term기간,

36

106117

3330

빅데이터가
구설수에 오르는 건 사실이지만,

02:01

and that is very unfortunate불행한 사람,

37

109447

2332

굉장히 안타깝게 생각합니다.

02:03

because big큰 data데이터 is an extremely매우 important중대한 tool수단

38

111779

3046

왜냐하면 빅데이터는 사회의 발전에 있어서
굉장히 중요한 도구이기 때문입니다.

02:06

by which어느 society사회 is going to advance전진.

39

114825

3734

02:10

In the past과거, we used to look at small작은 data데이터

40

118559

3561

과거에, 우리는 소량의 자료를 보며

02:14

and think about what it would mean

41

122120

1704

세상을 이해하려 노력하는 게
무엇을 의미하는지 생각했습니다.

02:15

to try to understand알다 the world세계,

42

123824

1496

02:17

and now we have a lot more of it,

43

125320

1991

지금 우리는 그 어느 때보다도

02:19

more than we ever could before.

44

127311

2722

많은 자료를 가지고 있습니다.

02:22

What we find is that when we have

45

130033

1877

방대한 양의 자료가 있으면

02:23

a large큰 body신체 of data데이터, we can fundamentally근본적으로 do things

46

131910

2724

근본적으로 더 적은 자료로는

02:26

that we couldn't할 수 없었다 do when we
only had smaller더 작은 amounts금액.

47

134634

3276

할 수 없었던 것들을
할 수 있다는 것을 깨달았습니다.

02:29

Big큰 data데이터 is important중대한, and big큰 data데이터 is new새로운,

48

137910

2641

빅데이터는 중요하고,
빅데이터는 새롭습니다.

02:32

and when you think about it,

49

140551

1777

여러분이 생각해 보시면, 기아와
의료 지원, 전력 공급,

02:34

the only way this planet행성 is going to deal거래

50

142328

2216

02:36

with its global글로벌 challenges도전 —

51

144544

1789

02:38

to feed먹이 people, supply공급 them with medical의료 care케어,

52

146333

3537

02:41

supply공급 them with energy에너지, electricity전기,

53

149870

2810

02:44

and to make sure they're not burnt탄 to a crisp상쾌한

54

152680

1789

기상변화로그들이 고통받는 문제와 같은
세계적인 난관들을 해쳐나갈 수 있었던

02:46

because of global글로벌 warming따뜻하게 함 —

55

154469

1238

02:47

is because of the effective유효한 use of data데이터.

56

155707

4195

유일한 방법은 데이터를 효과적으로
사용했기 때문이죠.

02:51

So what is new새로운 about big큰
data데이터? What is the big큰 deal거래?

57

159902

3870

그러면 빅 데이터가
새롭고 중요한 이유는 뭘까요?

02:55

Well, to answer대답 that question문제, let's think about

58

163772

2517

글쎄요, 그 질문에 대답 하기 위해,

02:58

what information정보 looked보았다 like,

59

166289

1896

과거에는 정보라는 것이 물리적으로
어떤 형태였는지 알아보죠.

03:00

physically육체적으로 looked보았다 like in the past과거.

60

168185

3034

03:03

In 1908, on the island섬 of Crete크레타 섬,

61

171219

3611

1908년에, 크레테 섬에서,

03:06

archaeologists고고학자 discovered발견 된 a clay점토 disc디스크.

62

174830

4735

고고학자들이 진흙 접시를
하나 발견했습니다.

03:11

They dated날짜가있는 it from 2000 B.C., so it's 4,000 years연령 old늙은.

63

179565

4059

기원전2000년의 접시로 추정했으니
4000년 정도 됐겠네요.

03:15

Now, there's inscriptions비문 on this disc디스크,

64

183624

2004

그 접시에 뭔가 새겨진 게 있었는데요,

03:17

but we actually사실은 don't know what it means방법.

65

185628

1327

뭘 의미하는 지는 모릅니다.
완전히 미지의 것이지만,

03:18

It's a complete완전한 mystery신비, but the point포인트 is that

66

186955

2098

요점은, 4000년 전에는 정보가
이런 형태였다는 사실입니다.

03:21

this is what information정보 used to look like

67

189053

1928

03:22

4,000 years연령 ago...전에.

68

190981

2089

03:25

This is how society사회 stored저장된

69

193070

2548

그 사회는 정보를 이런 형태로
저장하고 전파한 것입니다.

03:27

and transmitted전송 된 information정보.

70

195618

3524

03:31

Now, society사회 hasn't~하지 않았다. advanced많은 all that much.

71

199142

4160

아직 사회는 그리
많이 발달하진 않았어요.

03:35

We still store저장 information정보 on discs디스크,

72

203302

3474

우리는 지금도 여전히
디스크에 정보를 저장해요.

03:38

but now we can store저장 a lot more information정보,

73

206776

3184

하지만 이전의 그 어느때 보다
훨씬 더 많은 양을 저장할 수 있죠.

03:41

more than ever before.

74

209960

1260

03:43

Searching수색 it is easier더 쉬운. Copying사자 it easier더 쉬운.

75

211220

3093

수색하는 것이 더 쉽고,
복사하는 것도 더 쉽고,

03:46

Sharing나누는 it is easier더 쉬운. Processing가공 it is easier더 쉬운.

76

214313

3500

공유하기도 더 쉽고,
처리도 더 쉬워졌습니다.

03:49

And what we can do is we can reuse재사용 this information정보

77

217813

2766

우리가 이제 할 수 있는 것은

데이터를 처음 수집했을 때는
상상하지 못한 방법으로

03:52

for uses용도 that we never even imagined상상 한

78

220579

1834

03:54

when we first collected모은 the data데이터.

79

222413

3195

이 정보를 다시
사용할 수 있다는 겁니다.

03:57

In this respect존경, the data데이터 has gone지나간

80

225608

2252

이러한 관점에서,

03:59

from a stock스톡 to a flow흐름,

81

227860

3532

데이터는 저장된 것에서 흐름으로,

04:03

from something that is stationary변화 없는 and static공전

82

231392

3938

고정되고 변하지 않는 것에서

04:07

to something that is fluid유동체 and dynamic동적.

83

235330

3609

움직이고 변화하는
유동적인 것으로 바뀌었습니다.

04:10

There is, if you will, a liquidity유동성 to information정보.

84

238939

4023

여기에 정보의
유동성이 있는 것입니다.

04:14

The disc디스크 that was discovered발견 된 off of Crete크레타 섬

85

242962

3474

크레테 섬에서 발견된 접시는

04:18

that's 4,000 years연령 old늙은, is heavy무거운,

86

246436

3764

4,000년이나 지났고, 무거웠으며,

04:22

it doesn't store저장 a lot of information정보,

87

250200

1962

정보의 양도 많지 않았고,

04:24

and that information정보 is unchangeable변할 수없는.

88

252162

3116

이를 바꿀 수도 없었죠.

04:27

By contrast대조, all of the files파일들

89

255278

4011

이와는 대조적으로

미국 국가안보국에서
에드워드 스노든이 빼낸 모든 파일은

04:31

that Edward에드워드 Snowden스노 든 took~했다

90

259289

1861

04:33

from the National내셔널 Security보안
Agency대리점 in the United유나이티드 States주

91

261150

2621

04:35

fits맞다 on a memory기억 stick스틱

92

263771

2419

손톱만한 메모리 스틱에

04:38

the size크기 of a fingernail손톱,

93

266190

3010

다 들어갔고,

04:41

and it can be shared공유 된 at the speed속도 of light빛.

94

269200

4745

빛의 속도로 공유할 수 있었습니다.

04:45

More data데이터. More.

95

273945

5255

더 많은 자료는 계속 늘어갑니다.

04:51

Now, one reason이유 why we have
so much data데이터 in the world세계 today오늘

96

279200

1974

오늘날 세계에 데이터가
넘쳐나는 이유 중 하나는

04:53

is we are collecting수집 things

97

281174

1432

정보를 제공 받은 자료들을
항상, 언제다 모으기 때문이고요,

04:54

that we've우리는 always collected모은 information정보 on,

98

282606

3280

04:57

but another다른 reason이유 why is we're taking취득 things

99

285886

2656

또 다른 이유는

정보로써 가치는 있지만 자료의 형태로
가공되지 못했던 것을 이제는

05:00

that have always been informational정보의

100

288542

2812

05:03

but have never been rendered렌더링 된 into a data데이터 format체재

101

291354

2486

05:05

and we are putting퍼팅 it into data데이터.

102

293840

2419

자료의 형태로 가공할 수 있게
되었기 때문입니다.

05:08

Think, for example예, the question문제 of location위치.

103

296259

3308

에를 들어,
위치에 대한 질문을 생각해보죠.

05:11

Take, for example예, Martin남자 이름 Luther루터.

104

299567

2249

마틴 루터를 예로 들어 볼게요.

05:13

If we wanted to know in the 1500s

105

301816

1597

1500년 경에 마틴 루터의
위치를 파악하려면,

05:15

where Martin남자 이름 Luther루터 was,

106

303413

2667

05:18

we would have to follow따르다 him at all times타임스,

107

306080

2092

항상 그의 꽁무니를 쫓아다니면서

05:20

maybe with a feathery깃털이있는 quill깃 and an inkwell잉크 그릇,

108

308172

2137

펜과 잉크병을 들고,
기록을 해야만했죠.

05:22

and record기록 it,

109

310309

1676

05:23

but now think about what it looks외모 like today오늘.

110

311985

2183

하지만 지금의 모습은 어떤지
생각해 보세요.

05:26

You know that somewhere어딘가에,

111

314168

2122

여러분들의 위치를 실시간으로
기록하는 스프레드시트나 아니면

05:28

probably아마 in a telecommunications통신 carrier's항공사의 database데이터 베이스,

112

316290

2446

05:30

there is a spreadsheet스프레드 시트 or at least가장 작은 a database데이터 베이스 entry기입

113

318736

3036

최소한 데이터베이스 입력 형태로
통신사 데이터베이스라던가,

05:33

that records기록들 your information정보

114

321772

2088

05:35

of where you've been at all times타임스.

115

323860

2063

어딘가에는 아마 있을 겁니다.
휴대전화를 가지고 있고,

05:37

If you have a cell세포 phone전화,

116

325923

1360

05:39

and that cell세포 phone전화 has GPSGPS,
but even if it doesn't have GPSGPS,

117

327283

2847

그 전화에 GPS가 있다면,
아니 없다고 하더라도,

05:42

it can record기록 your information정보.

118

330130

2385

여러분의 정보를 기록할 수 있습니다.

05:44

In this respect존경, location위치 has been datafied데이터가있는.

119

332515

4084

즉, 이제 위치는
데이터화가 되었다는 말이죠.

05:48

Now think, for example예, of the issue발행물 of posture자세,

120

336599

4601

이제 자세를
예로 들어 보겠습니다.

05:53

the way that you are all sitting좌석 right now,

121

341200

1285

여러분들이 앉아있는 자세요.

05:54

the way that you sit앉다,

122

342485

2030

이 분의 자세와, 저 분의 자세, 또
저쪽 분의 자세는 모두 다릅니다.

05:56

the way that you sit앉다, the way that you sit앉다.

123

344515

2771

05:59

It's all different다른, and it's a function기능 of your leg다리 length길이

124

347286

2077

이는 다리 길이와 등, 또 등의 굽어진
정도에 따른 함수와 같거든요.

06:01

and your back and the contours등고선 of your back,

125

349363

2093

06:03

and if I were to put sensors센서,
maybe 100 sensors센서

126

351456

2531

만약 여러분이 지금 앉아있는 의자에

수많은 센서를 단다고 한다면,

06:05

into all of your chairs의자 right now,

127

353987

1766

06:07

I could create몹시 떠들어 대다 an index색인 that's fairly꽤 unique독특한 to you,

128

355753

3600

개개인에 맞는 상수들을
다 만들 수 있었을 겁니다.

06:11

sort종류 of like a fingerprint지문, but it's not your finger손가락.

129

359353

4409

손가락은 아니지만,
지문과 비슷하겠군요.

06:15

So what could we do with this?

130

363762

2969

이걸로 뭘 할 수 있을까요?

06:18

Researchers연구원 in Tokyo도쿄 are using~을 사용하여 it

131

366731

2397

도쿄의 연구자들은 이를 통해

06:21

as a potential가능성 anti-theft도난 방지 device장치 in cars자동차.

132

369128

4388

자동차 도난 방지기를
만드는 것을 모색하고 있습니다.

06:25

The idea생각 is that the carjacker자동차 경주 sits앉아있다 behind뒤에 the wheel바퀴,

133

373516

2924

원리는 이렇습니다.
자동차 도둑이 운전석에 앉아서

06:28

tries시도하다 to stream흐름 off, but the car차 recognizes인정하다

134

376440

2104

차를 움직이려고 하지만
자동차가 운전석에 앉은 사람이

06:30

that a non-approved비 승인 된 driver운전사 is behind뒤에 the wheel바퀴,

135

378544

2362

인증된 운전자가 아님을 인식하고

06:32

and maybe the engine엔진 just stops정지, unless~ 않는 한 you

136

380906

2164

엔진을 끄거나 할 겁니다.

06:35

type유형 in a password암호 into the dashboard계기반

137

383070

3177

그 사람이
비밀번호를 입력하거나 해서

06:38

to say, "Hey, I have authorization권한 부여 to drive드라이브." Great.

138

386247

4658

자신이 허가받았다는 것을
알리지 않는 한 말이죠.

좋아요.

06:42

What if every...마다 single단일 car차 in Europe유럽

139

390905

2553

유럽에 있는 모든 차량에
이 기술이 적용되었다면 어떨까요?

06:45

had this technology과학 기술 in it?

140

393458

1457

06:46

What could we do then?

141

394915

3165

그러면 무엇을 할 수 있을까요?

06:50

Maybe, if we aggregated집합 the data데이터,

142

398080

2240

데이터를 모아 5초 후의 자동차사고를
예측할 수 있는 조짐을 알아낼 수 있죠.

06:52

maybe we could identify식별하다 telltale경렴 signs표지판

143

400320

3814

06:56

that best베스트 predict예측하다 that a car차 accident사고

144

404134

2709

06:58

is going to take place장소 in the next다음 것 five다섯 seconds초.

145

406843

5893

07:04

And then what we will have datafied데이터가있는

146

412736

2557

또 운전자의 피로를 데이터로 만들어서
운전자가 그 상태에 접어들게 되면

07:07

is driver운전사 fatigue피로,

147

415293

1783

07:09

and the service서비스 would be when the car차 senses감각

148

417076

2334

07:11

that the person사람 slumps슬럼프 into that position위치,

149

419410

3437

차량이 이를 감지하고 자동적으로
내부 알람을 작동시키는 거죠.

07:14

automatically자동으로 knows알고있다, hey, set세트 an internal내부의 alarm경보

150

422847

3994

07:18

that would vibrate떨리다 the steering조타 wheel바퀴, honk울리다 inside내부

151

426841

2025

운전대가 진동한다던지, 내부에서,
"정신차려! 도로를 봐야지!"하는

07:20

to say, "Hey, wake일어나 다 up,

152

428866

1721

07:22

pay지불 more attention주의 to the road도로."

153

430587

1904

경보가 울리게 하는 것처럼요.

07:24

These are the sorts종류 of things we can do

154

432491

1853

우리의 삶을 더 분석할 수 있다면
이런 일들이 가능해집니다.

07:26

when we datafy데이터 more aspects상들 of our lives삶.

155

434344

2821

07:29

So what is the value값 of big큰 data데이터?

156

437165

3675

그렇다면 빅데이터는
어떤 가치를 가지고 있을까요?

07:32

Well, think about it.

157

440840

2190

자, 생각해 보세요.

07:35

You have more information정보.

158

443030

2412

더 많은 정보가 있으면
전엔 할 수 없었던 일들을 할 수 있어요.

07:37

You can do things that you couldn't할 수 없었다 do before.

159

445442

3341

07:40

One of the most가장 impressive인상적인 areas지역

160

448783

1676

이런 일이 일어나는 가장 인상적인 분야 중
하나는 바로 기계 학습의 영역입니다.

07:42

where this concept개념 is taking취득 place장소

161

450459

1729

07:44

is in the area지역 of machine기계 learning배우기.

162

452188

3307

07:47

Machine기계 learning배우기 is a branch분기 of artificial인공의 intelligence지성,

163

455495

3077

기계학습은 인공지능의 한 분야인데,

07:50

which어느 itself그 자체 is a branch분기 of computer컴퓨터 science과학.

164

458572

3378

인공지능은
컴퓨터 공학의 일부입니다.

07:53

The general일반 idea생각 is that instead대신에 of

165

461950

1543

쉽게 말하자면

07:55

instructing지시 a computer컴퓨터 what do do,

166

463493

2117

컴퓨터에게 지시를 내리는 대신에

07:57

we are going to simply간단히 throw던지다 data데이터 at the problem문제

167

465610

2620

데이터와 문제를 주고

08:00

and tell the computer컴퓨터 to figure그림 it out for itself그 자체.

168

468230

3206

스스로 알아내게 만드는 겁니다.

08:03

And it will help you understand알다 it

169

471436

1777

그 기원으로 거슬러 올라가보면

08:05

by seeing봄 its origins태생.

170

473213

3552

이해에 도움이 될 거예요.

08:08

In the 1950s, a computer컴퓨터 scientist과학자

171

476765

2388

1950년경에,

IBM의 컴퓨터 학자인
아서 사무엘은 첵커 게임을 즐겼어요.

08:11

at IBMIBM named명명 된 Arthur아서 Samuel사무엘 liked좋아했다 to play놀이 checkers체커,

172

479153

3592

08:14

so he wrote쓴 a computer컴퓨터 program프로그램

173

482745

1402

그래서, 컴퓨터 프로그램을 짜서

08:16

so he could play놀이 against반대 the computer컴퓨터.

174

484147

2813

컴퓨터를 상대로 게임을 했죠.

08:18

He played연주 한. He won원.

175

486960

2711

게임을 했더니 이기고,

08:21

He played연주 한. He won원.

176

489671

2103

게임을 했더니 또 이기고,

08:23

He played연주 한. He won원,

177

491774

3015

계속해서 이겼죠.

08:26

because the computer컴퓨터 only knew알고 있었다

178

494789

1778

왜냐하면 컴퓨터는 단지

08:28

what a legal적법한 move움직임 was.

179

496567

2227

게임규칙만 알았지만

08:30

Arthur아서 Samuel사무엘 knew알고 있었다 something else그밖에.

180

498794

2087

아서 사무엘은
그 이상을 알았기 때문이죠.

08:32

Arthur아서 Samuel사무엘 knew알고 있었다 strategy병법.

181

500881

4629

사무엘은 전략이라는 걸
알고 있었던 겁니다.

08:37

So he wrote쓴 a small작은 sub-program서브 프로그램 alongside나란히 it

182

505510

2396

그래서 그는
보조 프로그램을 개발했어요.

08:39

operating운영중인 in the background배경, and all it did

183

507906

1974

그 프로그램은 안에서 작동하면서
주어진 게임의 형국에서 움직일 때마다

08:41

was score점수 the probability개연성

184

509880

1817

08:43

that a given주어진 board판 configuration구성 would likely아마도 lead리드

185

511697

2563

08:46

to a winning승리 board판 versus대 a losing지는 board판

186

514260

2910

이길 형국과 질 형국으로
나아갈 확률만을 계산했습니다.

08:49

after every...마다 move움직임.

187

517170

2508

08:51

He plays연극 the computer컴퓨터. He wins이기다.

188

519678

3150

그래도 컴퓨터랑 게임을 하면 이기고,

08:54

He plays연극 the computer컴퓨터. He wins이기다.

189

522828

2508

컴퓨터랑 게임을 하면, 또 이기고

08:57

He plays연극 the computer컴퓨터. He wins이기다.

190

525336

3731

컴퓨터랑 게임을 하면,
계속해서 이겼죠.

09:01

And then Arthur아서 Samuel사무엘 leaves이파리 the computer컴퓨터

191

529067

2277

그러고 나서
아서 사무엘은 컴퓨터가

09:03

to play놀이 itself그 자체.

192

531344

2227

혼자 게임을 하도록 놔뒀습니다.

09:05

It plays연극 itself그 자체. It collects수집하다 more data데이터.

193

533571

3509

스스로 게임을 하면서
더 많은 데이터를 모았죠.

09:09

It collects수집하다 more data데이터. It increases증가
the accuracy정확성 of its prediction예측.

194

537080

4309

자료가 많아질수록
예측의 정확도는 높아졌습니다.

09:13

And then Arthur아서 Samuel사무엘 goes간다 back to the computer컴퓨터

195

541389

2104

그리고 난 다음에, 사무엘이 컴퓨터와
다시 게임을 했고, 그는 졌습니다.

09:15

and he plays연극 it, and he loses잃다,

196

543493

2318

09:17

and he plays연극 it, and he loses잃다,

197

545811

2069

그는 게임을 하고, 지고

09:19

and he plays연극 it, and he loses잃다,

198

547880

2047

게임을하고 또 졌습니다.

09:21

and Arthur아서 Samuel사무엘 has created만들어진 a machine기계

199

549927

2599

마침내 자신이 가르친 일에 대해서

09:24

that surpasses능가하다 his ability능력 in a task태스크 that he taught가르쳤다 it.

200

552526

6288

본인의 능력을 초과하는
기계를 만들어 낸겁니다.

09:30

And this idea생각 of machine기계 learning배우기

201

558814

2498

그리고 이 기계학습의 개념은

09:33

is going everywhere어디에나.

202

561312

3927

여러 곳으로 전파 되죠.

09:37

How do you think we have self-driving자가 운전 cars자동차?

203

565239

3149

어떻게 무인자동차가
나왔다고 생각하세요?

09:40

Are we any better off as a society사회

204

568388

2137

소프트웨어에 길에 대한
모든 규칙을 모셔놓은 것이 더 나은

09:42

enshrining모신 all the rules규칙들 of the road도로 into software소프트웨어?

205

570525

3285

사회로 가는 길일까요?

09:45

No. Memory기억 is cheaper싼. No.

206

573810

2598

아닙니다. 기억장치가
더 싸기 때문도 아닙니다.

09:48

Algorithms알고리즘 are faster더 빠른. No. Processors프로세서 are better. No.

207

576408

3994

알고리즘이 더 빨라져서도 아니고.
프로세서가 더 나아서도 아닙니다.

09:52

All of those things matter문제, but that's not why.

208

580402

2772

이 모든 것들이 중요하긴 하지만
근본적인 이유는 아닙니다.

09:55

It's because we changed변경된 the nature자연 of the problem문제.

209

583174

3141

이유는 우리가 문제의 성격을
바꾸었기 때문입니다.

09:58

We changed변경된 the nature자연 of the problem문제 from one

210

586315

1530

컴퓨터에게 운전하는 법을 과도하고 자세하게
설명하려했던 것을 다음처럼 바꾸었죠:

09:59

in which어느 we tried시도한 to overtly명백히 and explicitly명시 적으로

211

587845

2245

10:02

explain설명 to the computer컴퓨터 how to drive드라이브

212

590090

2581

10:04

to one in which어느 we say,

213

592671

1316

10:05

"Here's여기에 a lot of data데이터 around the vehicle차량.

214

593987

1876

"여기 차량에 대한 많은
자료가 있어. 네가 알아서 잘 해봐.

10:07

You figure그림 it out.

215

595863

1533

10:09

You figure그림 it out that that is a traffic교통 light빛,

216

597396

1867

저게 신호등인지도 알아내고,

10:11

that that traffic교통 light빛 is red빨간 and not green녹색,

217

599263

2081

저 신호등이 초록색이 아니라
빨간색인 것도 직접 알아내야해.

10:13

that that means방법 that you need to stop

218

601344

2014

그건 앞으로 가라는 게 아니라
멈추라는 말인 것도 말이야."

10:15

and not go forward앞으로."

219

603358

3083

10:18

Machine기계 learning배우기 is at the basis기초

220

606441

1518

기계학습은 인터넷에서
많은 것들의 기반입니다.

10:19

of many많은 of the things that we do online온라인:

221

607959

1991

10:21

search수색 engines엔진,

222

609950

1857

그 중에는 검색엔진이나 아마존의
개인화 알고리즘, 컴퓨터 번역,

10:23

Amazon's아마존 personalization개인화 algorithm연산,

223

611807

3801

10:27

computer컴퓨터 translation번역,

224

615608

2212

10:29

voice목소리 recognition인식 systems시스템.

225

617820

4290

그리고 음성 인식 시스템들이 있죠.

10:34

Researchers연구원 recently요새 have looked보았다 at

226

622110

2835

연구자들은 최근에 암세포
조직 검사를 살펴보고 있습니다.

10:36

the question문제 of biopsies생검,

227

624945

3195

10:40

cancerous암이있는 biopsies생검,

228

628140

2767

10:42

and they've그들은 asked물었다 the computer컴퓨터 to identify식별하다

229

630907

2315

컴퓨터가 데이터와 생존율로
세포들이 실제로 암세포인지를 판별했죠.

10:45

by looking at the data데이터 and survival활착 rates요금

230

633222

2471

10:47

to determine결정 whether인지 어떤지 cells세포들 are actually사실은

231

635693

4667

10:52

cancerous암이있는 or not,

232

640360

2544

10:54

and sure enough충분히, when you throw던지다 the data데이터 at it,

233

642904

1778

당연히 데이터를 주면
기계학습 알고리즘을 통해

10:56

through...을 통하여 a machine-learning기계 학습 algorithm연산,

234

644682

2047

10:58

the machine기계 was able할 수 있는 to identify식별하다

235

646729

1877

유방암 조직의 검사가 암인지를 예측할
수 있는 12개의 조짐을 판별할 수 있었죠.

11:00

the 12 telltale경렴 signs표지판 that best베스트 predict예측하다

236

648606

2262

11:02

that this biopsy생검 of the breast유방 cancer암 cells세포들

237

650868

3299

11:06

are indeed과연 cancerous암이있는.

238

654167

3218

11:09

The problem문제: The medical의료 literature문학

239

657385

2498

문제는 의학 저서에는 단지
9개만이 알려저 있다는 겁니다.

11:11

only knew알고 있었다 nine아홉 of them.

240

659883

2789

11:14

Three세 of the traits형질 were ones그들

241

662672

1800

사람은 살펴볼 필요가 없었던 3가지
특성을 기계가 포착한 겁니다.

11:16

that people didn't need to look for,

242

664472

2975

11:19

but that the machine기계 spotted더럽혀진.

243

667447

5531

11:24

Now, there are dark어두운 sides양쪽 to big큰 data데이터 as well.

244

672978

5925

자, 빅데이터의
어두운 면도 있습니다.

11:30

It will improve돌리다 our lives삶, but there are problems문제들

245

678903

2074

빅데이터는 우리의 삶을
나아지게 만들 겁니다.

11:32

that we need to be conscious의식이있는 of,

246

680977

2640

하지만 문제점이 있다는 사실도
우리는 알고 있어야 합니다.

첫 번째는

11:35

and the first one is the idea생각

247

683617

2623

우리가 예측에 의해 처벌을
받을 수도 있다는 개념입니다.

11:38

that we may할 수있다 be punished처벌 된 for predictions예측,

248

686240

2686

11:40

that the police경찰 may할 수있다 use big큰 data데이터 for their그들의 purposes목적,

249

688926

3870

경찰이 영화, "마이너리티 리포트"처럼

자신들의 목적을 위해 빅데이터를
사용할 수도 있다는 겁니다.

11:44

a little bit비트 like "Minority소수 Report보고서."

250

692796

2351

11:47

Now, it's a term기간 called전화 한 predictive예측적인 policing치안,

251

695147

2441

이를 예측 치안,
또는 논리 범죄학 이라고 합니다.

11:49

or algorithmic알고리즘의 criminology범죄학,

252

697588

2363

11:51

and the idea생각 is that if we take a lot of data데이터,

253

699951

2036

과거에 범죄가 일어난 지역에
데이터를 많이 모은다면

11:53

for example예 where past과거 crimes범죄 have been,

254

701987

2159

11:56

we know where to send보내다 the patrols순찰.

255

704146

2543

어디로 순찰을 보내야할 지
알 수 있다는 겁니다.

11:58

That makes~을 만든다 sense감각, but the problem문제, of course코스,

256

706689

2115

맞는 말이죠. 하지만 문제는,

12:00

is that it's not simply간단히 going to stop on location위치 data데이터,

257

708804

4544

단순히
위치 자료에만 머무는 것이 아니라

12:05

it's going to go down to the level수평 of the individual개인.

258

713348

2959

개인 수준에까지 이를 것이라는 겁니다.

12:08

Why don't we use data데이터 about the person's명

259

716307

2250

개인의 고등학교 성적표에 대한 자료를
사용하는 건 어떨까요?

12:10

high높은 school학교 transcript성적 증명서?

260

718557

2228

12:12

Maybe we should use the fact것 that

261

720785

1561

사람들의 고용 상태나, 신용점수,
인터넷 이용 행적, 또는

12:14

they're unemployed한가한 or not, their그들의 credit신용 score점수,

262

722346

2028

12:16

their그들의 web-surfing웹 서핑 behavior행동,

263

724374

1552

12:17

whether인지 어떤지 they're up late늦은 at night.

264

725926

1878

밤에 자지않고 깨어있는 지의
상태 등을 써야할 지도 모르죠.

12:19

Their그들의 FitbitFitbit, when it's able할 수 있는
to identify식별하다 biochemistries생화학,

265

727804

3161

Fitbit이 신체 생리를 알 수 있다면

12:22

will show보여 주다 that they have aggressive적극적인 thoughts생각들.

266

730965

4236

사람들이 공격적인 생각을
하고 있는지 보여줄 겁니다.

12:27

We may할 수있다 have algorithms알고리즘 that are likely아마도 to predict예측하다

267

735201

2221

우리가 취할 행동을 예상하는 알고리즘을

12:29

what we are about to do,

268

737422

1633

가질 수도 있을 것이고,

12:31

and we may할 수있다 be held개최 된 accountable책임감있는

269

739055

1244

행동을 취하기도 전에 그것에 대해
책임을 져야할 지도 모릅니다.

12:32

before we've우리는 actually사실은 acted행동 한.

270

740299

2590

12:34

Privacy은둔 was the central본부 challenge도전

271

742889

1732

자료가 적을 당시에는
사생활 보호가 쟁점이었습니다.

12:36

in a small작은 data데이터 era연대.

272

744621

2880

12:39

In the big큰 data데이터 age나이,

273

747501

2149

빅데이터 시대에는

12:41

the challenge도전 will be safeguarding보호 free비어 있는 will,

274

749650

4523

자유의지, 도덕적 선택, 인간의 의지,
또 선택을 보호하는 게 쟁점이 됩니다.

12:46

moral사기 choice선택, human인간의 volition의지,

275

754173

3779

12:49

human인간의 agency대리점.

276

757952

3068

12:54

There is another다른 problem문제:

277

762540

2225

또 다른 문제가 있어요.

12:56

Big큰 data데이터 is going to steal훔치다 our jobs일자리.

278

764765

3556

빅데이터 때문에
일자리는 줄어들 겁니다.

13:00

Big큰 data데이터 and algorithms알고리즘 are going to challenge도전

279

768321

3512

빅데이터와 알고리즘은

21세기의 전문 지식분야의 일에
종사하고 있는

13:03

white화이트 collar칼라, professional직업적인 knowledge지식 work

280

771833

3061

13:06

in the 21st성 century세기

281

774894

1653

화이트 칼라에
도전장을 내밀 것입니다.

13:08

in the same같은 way that factory공장 automation오토메이션

282

776547

2434

20세기에
공장 자동화와 생산 라인이

13:10

and the assembly어셈블리 line선

283

778981

2189

블루 칼라 노동자들에게
도전한 것처럼 말이죠.

13:13

challenged도전 한 blue푸른 collar칼라 labor노동 in the 20th일 century세기.

284

781170

3026

13:16

Think about a lab랩 technician기술자

285

784196

2092

현미경으로 암 조직검사를 살펴보고 암인지를
판별하는 실험실의 연구자를 떠올려보세요.

13:18

who is looking through...을 통하여 a microscope현미경

286

786288

1409

13:19

at a cancer암 biopsy생검

287

787697

1624

13:21

and determining결정 whether인지 어떤지 it's cancerous암이있는 or not.

288

789321

2637

대학도 나왔고, 부동산도 사고,
투표도 하고, 또 사회의 구성원이죠.

13:23

The person사람 went갔다 to university대학.

289

791958

1972

13:25

The person사람 buys구입하다 property재산.

290

793930

1430

13:27

He or she votes투표하다.

291

795360

1741

13:29

He or she is a stakeholder이해 관계자 in society사회.

292

797101

3666

13:32

And that person's명 job일,

293

800767

1394

그 직업군 뿐만 아니라, 비슷한
직종에 있는 모든 사람들은,

13:34

as well as an entire완전한 fleet함대

294

802161

1609

13:35

of professionals전문가 like that person사람,

295

803770

1969

13:37

is going to find that their그들의 jobs일자리 are radically본래 changed변경된

296

805739

3150

자신들의 직업이 엄청나게 변하거나,
완전히 사라지는 것을 보게 될 겁니다.

13:40

or actually사실은 completely완전히 eliminated제거 된.

297

808889

2357

13:43

Now, we like to think

298

811246

1284

우리는 단기의 손실 후, 장기간에 걸쳐
기술은 일자리를 만든다고 알고 있죠.

13:44

that technology과학 기술 creates창조하다 jobs일자리 over a period기간 of time

299

812530

3187

13:47

after a short짧은, temporary일시적인 period기간 of dislocation탈구,

300

815717

3465

13:51

and that is true참된 for the frame틀 of reference참고

301

819182

1941

그리고 우리가 겪은 산업혁명기간 동안이
이랬기에 맞다고 생각이라고 할 수 있죠.

13:53

with which어느 we all live살고 있다, the Industrial산업 Revolution혁명,

302

821123

2142

13:55

because that's precisely정확하게 what happened일어난.

303

823265

2328

하지만 그 분석에서,
우리가 잊은 게 있습니다.

13:57

But we forget잊다 something in that analysis분석:

304

825593

2333

13:59

There are some categories카테고리 of jobs일자리

305

827926

1830

어떤 직업들은 없어지고나서
다시 생기진 않았습니다.

14:01

that simply간단히 get eliminated제거 된 and never come back.

306

829756

3420

14:05

The Industrial산업 Revolution혁명 wasn't아니었다. very good

307

833176

2004

여러분이 말이었다면

14:07

if you were a horse말.

308

835180

4002

산업혁명은 결코
좋은 게 아니었을 겁니다.

14:11

So we're going to need to be careful꼼꼼한

309

839182

2055

우리는 주의를 많이 기울여야 하고,

14:13

and take big큰 data데이터 and adjust맞추다 it for our needs필요,

310

841237

3514

빅데이터를 우리 인간의 필요에 맞게
조정해야 할 것입니다.

14:16

our very human인간의 needs필요.

311

844751

3185

14:19

We have to be the master석사 of this technology과학 기술,

312

847936

1954

우리는 이 기술의 노예가 아니라
주인이 되어야만 합니다.

14:21

not its servant하인.

313

849890

1656

14:23

We are just at the outset시초 of the big큰 data데이터 era연대,

314

851546

2958

빅데이터 시대는 이제 막 시작됐고,
솔직히 우리는 현재의 자료를 다루는 것도

14:26

and honestly정직하게, we are not very good

315

854504

3150

14:29

at handling손질 all the data데이터 that we can now collect수집.

316

857654

4207

제대로 못하고 있습니다.

14:33

It's not just a problem문제 for
the National내셔널 Security보안 Agency대리점.

317

861861

3330

국가안보국만의 문제가 아닙니다.

14:37

Businesses사업 collect수집 lots of
data데이터, and they misuse오용 it too,

318

865191

3038

기업들도 많은 자료를 모아서
오용하고 있습니다.

14:40

and we need to get better at
this, and this will take time.

319

868229

3667

이를 더 잘해야 하는데
시간이 좀 걸리긴 할 겁니다.

14:43

It's a little bit비트 like the challenge도전 that was faced직면 한

320

871896

1822

원시인이 불을 처음 봤을 때의
어려움과 비슷하다고 할 수 있겠네요.

14:45

by primitive원어 man and fire불.

321

873718

2407

14:48

This is a tool수단, but this is a tool수단 that,

322

876125

1885

빅데이터는 도구이지만

14:50

unless~ 않는 한 we're careful꼼꼼한, will burn화상 us.

323

878010

3559

조심하지 않으면
데일 위험이 있는 도구입니다.

14:56

Big큰 data데이터 is going to transform변환 how we live살고 있다,

324

884008

3120

빅데이터는 우리가 살고, 일하고,

14:59

how we work and how we think.

325

887128

2801

생각하는 방식을 바꿔놓을 겁니다.

15:01

It is going to help us manage꾸리다 our careers직업

326

889929

1889

빅데이터는 우리의 경력 관리에
도움을 주고, 만족스럽고 희망찬,

15:03

and lead리드 lives삶 of satisfaction만족함 and hope기대

327

891818

3634

그리고 행복하고 건강한 삶으로
우리를 이끌어 줄 겁니다.

15:07

and happiness행복 and health건강,

328

895452

2992

15:10

but in the past과거, we've우리는 often자주
looked보았다 at information정보 technology과학 기술

329

898444

3306

하지만 과거에 우리는
정보 기술을 종종 떠올렸습니다.

15:13

and our eyes눈 have only seen본 the T,

330

901750

2208

우리의 눈은 기술과 제품에만
눈을 뒀습니다.

15:15

the technology과학 기술, the hardware하드웨어,

331

903958

1686

15:17

because that's what was physical물리적 인.

332

905644

2262

물질적인 것이니까요.

15:19

We now need to recast개주 our gaze응시하다 at the I,

333

907906

2924

이제는 정보로 눈을 돌려야 할 때죠.
덜 가시적이지만

15:22

the information정보,

334

910830

1380

15:24

which어느 is less적게 apparent명백한,

335

912210

1373

어떤 의미에서는 더욱 중요한 것이죠.

15:25

but in some ways길 a lot more important중대한.

336

913583

4109

15:29

Humanity인류 can finally마침내 learn배우다 from the information정보

337

917692

3465

세상과 그 안에서의
우리의 위치를 이해하는

15:33

that it can collect수집,

338

921157

2418

무한한 탐험의 일부로써

15:35

as part부품 of our timeless영원한 quest탐구

339

923575

2115

인류는 마침내 우리가
수집할 수 있는 정보로부터

15:37

to understand알다 the world세계 and our place장소 in it,

340

925690

3159

많은 것을 배울 수 있습니다.

15:40

and that's why big큰 data데이터 is a big큰 deal거래.

341

928849

5631

그리고 이게 빅데이터가
중요한 관건인 이유입니다.

(박수)

15:46

(Applause박수 갈채)

342

934480

3568

Translated by Kyo young Chu
Reviewed by Jeong-Lan Kinser

ABOUT THE SPEAKER

Kenneth Cukier - Data Editor of The Economist
Kenneth Cukier is the Data Editor of The Economist. From 2007 to 2012 he was the Tokyo correspondent, and before that, the paper’s technology correspondent in London, where his work focused on innovation, intellectual property and Internet governance. Kenneth is also the co-author of Big Data: A Revolution That Will Transform How We Live, Work, and Think with Viktor Mayer-Schönberger in 2013, which was a New York Times Bestseller and translated into 16 languages.

Why you should listen

As Data Editor of The Economist and co-author of Big Data: A Revolution That Will Transform How We Live, Work, and Think, Kenneth Cukier has spent years immersed in big data, machine learning -- and the impact of both. What's the future of big data-driven technology and design? To find out, watch this talk.

More profile about the speaker
Kenneth Cukier | Speaker | TED.com

THE ORIGINAL VIDEO ON TED.COM

케네스 쿠키어 (Kenneth Cukier): 빅데이터, 더 나은 데이터 | TED Talk | TED.com