TED2009
Tim Berners-Lee: The next web
팀 버너스리, 차세대 웹
Filmed:
Readability: 3.8
1,638,798 views
20년 전 팀 버너스리는 월드와이드웹을 발명했다. 그의 다음 프로젝트는 페이지 단위를 넘어 개별 데이터 단위로 서로 연결된 열린 웹을 만드는 것이다. 이는 웹이 단어, 그림, 동영상으로 발전했듯이 데이터를 공유하고 사용하는 방식을 새롭게 틀을 짜는 것이기도 하다.
Tim Berners-Lee - Inventor
Tim Berners-Lee invented the World Wide Web. He leads the World Wide Web Consortium (W3C), overseeing the Web's standards and development. Full bio
Tim Berners-Lee invented the World Wide Web. He leads the World Wide Web Consortium (W3C), overseeing the Web's standards and development. Full bio
Double-click the English transcript below to play the video.
00:18
Time flies.
0
0
2000
시간이 금방 가는군요
00:20
It's actually almost 20 years ago
1
2000
2000
거의 20년이 넘은 것 같습니다.
00:22
when I wanted to reframe the way we use information,
2
4000
4000
당시 저는 우리가 정보를 다루는 방식에 새로운 틀을 짜보고 싶었습니다.
00:26
the way we work together: I invented the World Wide Web.
3
8000
3000
그래서 고안해 냈던 것이 월드와이드웹(WWW)이었죠.
00:29
Now, 20 years on, at TED,
4
11000
3000
이제 20년이 흘렀고 여기 TED에서 한가지 부탁을 드리고 싶습니다.
00:32
I want to ask your help in a new reframing.
5
14000
4000
그 틀을 다시한번 새로이 짜보자는 것입니다.
00:37
So going back to 1989,
6
19000
4000
1989년 저는 하이퍼텍스트 컨셉을
00:41
I wrote a memo suggesting the global hypertext system.
7
23000
3000
메모지 위에다 고안해 봤습니다.
00:44
Nobody really did anything with it, pretty much.
8
26000
3000
그런 아이디어가 정말 실현 가능할거라곤 아무도 생각 못했죠.
00:47
But 18 months later -- this is how innovation happens --
9
29000
4000
그런데 그게 18달 뒤엔 정말 되더라구요. 혁신이란게 대개 그렇듯 말입니다.
00:51
18 months later, my boss said I could do it on the side,
10
33000
4000
제 상관이 사이드잡으로 한번 해보라더군요.
00:55
as a sort of a play project,
11
37000
2000
그냥 재미로 하는 프로젝트로요.
00:57
kick the tires of a new computer we'd got.
12
39000
2000
새로 받은 컴퓨터도 있겠다,
00:59
And so he gave me the time to code it up.
13
41000
3000
시간도 허락 받았겠다,
01:02
So I basically roughed out what HTML should look like:
14
44000
5000
그래서 여러분들이 현재 아시는 바 html이라는 것의 초안을 만들게 됐습니다.
01:07
hypertext protocol, HTTP;
15
49000
3000
그걸 주고 받는 통신 규약인 HTTP도요.
01:10
the idea of URLs, these names for things
16
52000
3000
어떤 정보의 위치를 담는 주소의 개념으로 URL이라는 것도 생각해 냈습니다.
01:13
which started with HTTP.
17
55000
2000
잘 아시다시피 http://로 시작하죠.
01:15
I wrote the code and put it out there.
18
57000
2000
프로그램 코드를 만들기 시작했습니다.
01:17
Why did I do it?
19
59000
2000
왜 제가 여기에 관심을 가졌나 하면,
01:19
Well, it was basically frustration.
20
61000
2000
사실 기본적으로 좌절감 때문입니다.
01:21
I was frustrated -- I was working as a software engineer
21
63000
4000
그땐 소프트웨어 엔지니어로 일할때였는데
01:25
in this huge, very exciting lab,
22
67000
2000
뭐 연구실은 크고 재미 있었죠.
01:27
lots of people coming from all over the world.
23
69000
2000
세계 각지에서 온 정말 많은 사람과 일하게 되었죠.
01:29
They brought all sorts of different computers with them.
24
71000
3000
그런데 이사람들 출신들이 다른 만큼 쓰는 컴퓨터들도 다 다르더라구요.
01:32
They had all sorts of different data formats,
25
74000
3000
데이터 포맷도 제 각각이었구요.
01:35
all sorts, all kinds of documentation systems.
26
77000
2000
문서화 시스템도 제 마음대로였구요.
01:37
So that, in all that diversity,
27
79000
3000
다양성 하나 만큼은 끝내줬습니다.
01:40
if I wanted to figure out how to build something
28
82000
2000
뭔가 만들려고 조금 알려고하거나
01:42
out of a bit of this and a bit of this,
29
84000
2000
알려 줄려고 하면
01:44
everything I looked into, I had to connect to some new machine,
30
86000
4000
전부다 들여다 보려고 새 컴퓨터에 연결한 뒤
01:48
I had to learn to run some new program,
31
90000
2000
그 프로그램의 동작 방법을 익히고
01:50
I would find the information I wanted in some new data format.
32
92000
5000
정보를 찾아 새 데이터 포맷으로 만들어야 했습니다.
01:55
And these were all incompatible.
33
97000
2000
그렇게까지 해도 모자랐죠.
01:57
It was just very frustrating.
34
99000
2000
그러니 좌절 할 수 밖에 없었습니다.
01:59
The frustration was all this unlocked potential.
35
101000
2000
하지만 그 좌절이 모든 가능성들을 열어주게 되었죠.
02:01
In fact, on all these discs there were documents.
36
103000
3000
사실 과거 모든 문서들은 하드디스크에만 있었습니다.
02:04
So if you just imagined them all
37
106000
3000
한번 상상해 보십시오.
02:07
being part of some big, virtual documentation system in the sky,
38
109000
5000
하늘 위에 엄청 큰 가상 문서 시스템이 있다면 어떨까요.
02:12
say on the Internet,
39
114000
2000
인터넷 처럼요.
02:14
then life would be so much easier.
40
116000
2000
삶이 훨씬 쉬워지지 않을까요?
02:16
Well, once you've had an idea like that it kind of gets under your skin
41
118000
4000
음, 이런 종류의 상상이란 대체로 한번 심어놓으면 계속 발전하곤 합니다.
02:20
and even if people don't read your memo --
42
122000
2000
남들이 관심을 가져주지 않아도 말이죠.
02:22
actually he did, it was found after he died, his copy.
43
124000
3000
근데 알고보니 제 상사는 제 생각이 담긴 메모에 코멘트를 남겼더군요.
02:25
He had written, "Vague, but exciting," in pencil, in the corner.
44
127000
3000
사후에 발견됐는데, 코멘트를 남겨뒀더라구요. "명확하진않지만, 멋짐"
02:28
(Laughter)
45
130000
2000
(웃음소리)
02:30
But in general it was difficult -- it was really difficult to explain
46
132000
4000
과정이 쉽진 않았습니다. 웹이 무엇인지 설명하는 건
02:34
what the web was like.
47
136000
2000
정말 쉽지 않았습니다.
02:36
It's difficult to explain to people now that it was difficult then.
48
138000
2000
웹이 보편화된 지금도 어려운데 과거에는 뭐 말할필요도 없죠.
02:38
But then -- OK, when TED started, there was no web
49
140000
3000
1984년 그러니까 TED가 시작될 때(역자주:1984)에는 웹이 없었고
02:41
so things like "click" didn't have the same meaning.
50
143000
3000
당시만 해도 클릭을 한다는 행위가 갖는 의미가 지금하고는 많이 달랐습니다.
02:44
I can show somebody a piece of hypertext,
51
146000
2000
사람들에게 링크를 클릭하면 다른 문서로
02:46
a page which has got links,
52
148000
2000
넘어가고 그 안에서 또 링크를 클릭하면
02:48
and we click on the link and bing -- there'll be another hypertext page.
53
150000
4000
또 뿅하고 다른 문서로 넘어가는 그런 하이퍼텍스트를 보여줄순 있었겠죠.
02:52
Not impressive.
54
154000
2000
하지만 뭐가 신기했겠어요.
02:54
You know, we've seen that -- we've got things on hypertext on CD-ROMs.
55
156000
3000
그런거야 이미 CD-ROM에 있는 하이퍼텍스트를 에서 많이 봐왔는데요.
02:57
What was difficult was to get them to imagine:
56
159000
3000
문제는 사람들이 상상하도록 하는 것이었죠.
03:00
so, imagine that that link could have gone
57
162000
4000
클릭 한번으로 지구상 어떤 문서든
03:04
to virtually any document you could imagine.
58
166000
2000
볼 수 있도록 연결할 수 있다고 한번 상상해 보세요.
03:07
Alright, that is the leap that was very difficult for people to make.
59
169000
4000
사람들에게는 이런 상상을 한다는 것 자체가 바로 가장 큰 어려움이었습니다.
03:11
Well, some people did.
60
173000
2000
몇몇 사람들은 여기에 성공했죠.
03:13
So yeah, it was difficult to explain, but there was a grassroots movement.
61
175000
3000
설명하기 어렵지만 밑으로 부터의 풀뿌리 변화였습니다.
03:17
And that is what has made it most fun.
62
179000
4000
풀뿌리. 바로 이게 웹이 재미있어 질 수 있는 이유였죠.
03:21
That has been the most exciting thing,
63
183000
2000
정말 신나는 일이었어요.
03:23
not the technology, not the things people have done with it,
64
185000
2000
기술이 중요한게 아니라, 사람이 그 기술가지고 뭘 하느냐가 중요한게 아니라
03:25
but actually the community, the spirit of all these people
65
187000
2000
밑으로부터의 변화에 참여하는 사람들이 함께 모여 보여주는 정신.
03:27
getting together, sending the emails.
66
189000
2000
이메일을 주고받고, 또 커뮤니티를 이루고..
03:29
That's what it was like then.
67
191000
2000
그런 혼이 살아 있었던 겁니다.
03:31
Do you know what? It's funny, but right now it's kind of like that again.
68
193000
3000
근데 재밌는 건, 웬지 요즘 그때와 비슷한 분위기가 나타나고 있단 겁니다.
03:34
I asked everybody, more or less, to put their documents --
69
196000
2000
만나는 사람마다 부탁을 했어요. 문서 가진거 있음 좀 올려 달라구요.
03:36
I said, "Could you put your documents on this web thing?"
70
198000
3000
"내가 WWW란걸 만들었는데, 여기 니꺼 문서좀 올려주면 안될까?" 하며 말입니다.
03:39
And you did.
71
201000
3000
그리고, 여러분들은 그렇게 해주셨습니다.
03:42
Thanks.
72
204000
1000
감사합니다.
03:43
It's been a blast, hasn't it?
73
205000
2000
20년 사이에 정말 뻥 터졌잖아요?
03:45
I mean, it has been quite interesting
74
207000
2000
제말은 정말 흥미로웠단 이야기입니다.
03:47
because we've found out that the things that happen with the web
75
209000
2000
맞잖아요? 지금껏 웹에서 일어난 일들을 한번 돌이켜 보세요.
03:49
really sort of blow us away.
76
211000
2000
너무나도 놀라운 일이죠.
03:51
They're much more than we'd originally imagined
77
213000
2000
이런 현상은 저희가 서로에게 문서를 올려달라며 서로에게
03:53
when we put together the little, initial website
78
215000
2000
부탁해가면서 처음 웹을 고안했을 때 기대했던 것보다
03:55
that we started off with.
79
217000
2000
훨씬 컸어요.
03:57
Now, I want you to put your data on the web.
80
219000
3000
이제, 저는 여러분들께도 데이터를 웹에 올려주시길 부탁드립니다.
04:00
Turns out that there is still huge unlocked potential.
81
222000
4000
웹에는 여전히 커다란 잠재력이 있습니다만
04:04
There is still a huge frustration
82
226000
2000
여전히 커다란 좌절감이 존재합니다.
04:06
that people have because we haven't got data on the web as data.
83
228000
4000
현재 웹에 널려있는 정보가 대체로 "문서"이지 "데이터"가 아니기 때문입니다.
04:10
What do you mean, "data"? What's the difference -- documents, data?
84
232000
2000
데이터가 뭘 말하는거죠? 문서랑 데이터 차이가 뭔데요?
04:12
Well, documents you read, OK?
85
234000
3000
문서는 우리가 읽을수 있는겁니다, 이해되죠?
04:15
More or less, you read them, you can follow links from them, and that's it.
86
237000
3000
어쨋거나, 읽을수 있고, 링크를 따라갈수도 있죠. 그거면 됩니다.
04:18
Data -- you can do all kinds of stuff with a computer.
87
240000
2000
데이터는 사람뿐 아니라 컴퓨터로도 처리할 수 있는 정보입니다.
04:20
Who was here or has otherwise seen Hans Rosling's talk?
88
242000
6000
여기 혹시 Hans Rosling의 TED 발표 보신분 계신가요?
04:26
One of the great -- yes a lot of people have seen it --
89
248000
4000
정말 많은 분들이 보셨네요. 제 생각엔
04:30
one of the great TED Talks.
90
252000
2000
최고의 TEDtalk 중의 하나입니다.
04:32
Hans put up this presentation
91
254000
2000
Hans의 PT에 이런 게 나오죠.
04:34
in which he showed, for various different countries, in various different colors --
92
256000
5000
다양한 국가에 각각의 색깔을 입히고
04:39
he showed income levels on one axis
93
261000
3000
한축에는 소득 수준을, 또 다른 한 축에는 영아 사망률을 표시했습니다.
04:42
and he showed infant mortality, and he shot this thing animated through time.
94
264000
3000
그리고 시간이 흐르면서 변화하는 모습을 애니메이션으로 보여줬습니다.
04:45
So, he'd taken this data and made a presentation
95
267000
4000
그렇게 그는 데이터를 가지고 새로운 형식의 발표자료를 만들었고,
04:49
which just shattered a lot of myths that people had
96
271000
3000
바로 이게 사람들이 가졌던 편견을 깨뜨렸습니다.
04:52
about the economics in the developing world.
97
274000
4000
개발 도상국의 경제 현실에 대한 편견을요.
04:56
He put up a slide a little bit like this.
98
278000
2000
그는 슬라이드 한 장을 이런식으로 보여줍니다.
04:58
It had underground all the data
99
280000
2000
이건 전부 데이터를 가지고 수행되는겁니다.
05:00
OK, data is brown and boxy and boring,
100
282000
3000
사실 데이터는 딱딱하고 재미없고 진부합니다.
05:03
and that's how we think of it, isn't it?
101
285000
2000
우린 데이터에 대해 이렇게 생각합니다. 그렇지 않나요?
05:05
Because data you can't naturally use by itself
102
287000
3000
왜냐하면 저걸 직접 사용할일이 별로 없었으니까요.
05:08
But in fact, data drives a huge amount of what happens in our lives
103
290000
4000
그치만 사실은, 데이터는 알게 모르게 우리 삶 속에 어마어마한 영향을 끼칩니다.
05:12
and it happens because somebody takes that data and does something with it.
104
294000
3000
왜냐하면 누군가는 그 데이터를 가지고 무엇인가를 하기때문이죠.
05:15
In this case, Hans had put the data together
105
297000
2000
이번 경우는, 한스는 데이터를 하나로 모았습니다.
05:17
he had found from all kinds of United Nations websites and things.
106
299000
5000
한스는 UN의 수많은 웹사이트 전부를 다 뒤져 정보를 찾아내고는
05:22
He had put it together,
107
304000
2000
그 데이터들을 한데 모았습니다.
05:24
combined it into something more interesting than the original pieces
108
306000
3000
그리고는 그 정보 조각들을 잘 조립해 훨씬 흥미로운 행태로 가공해
05:27
and then he'd put it into this software,
109
309000
5000
프로그램에 입력하고 돌린 거죠.
05:32
which I think his son developed, originally,
110
314000
2000
아마 그분 아들이 개발한 프로그램일거예요.
05:34
and produces this wonderful presentation.
111
316000
3000
그랬더니 멋진 발표자료가 만들어졌습니다.
05:37
And Hans made a point
112
319000
2000
한스의 논지는
05:39
of saying, "Look, it's really important to have a lot of data."
113
321000
4000
데이터의 양이 중요하다는 것이었어요.
05:43
And I was happy to see that at the party last night
114
325000
3000
어제 밤 파티에서 그를 보았는데요.
05:46
that he was still saying, very forcibly, "It's really important to have a lot of data."
115
328000
4000
여전히 강조 하더군요. 데이터의 양이 엄청나게 중요하다고요.
05:50
So I want us now to think about
116
332000
2000
같이 한번 생각해봅시다.
05:52
not just two pieces of data being connected, or six like he did,
117
334000
4000
단지 두 조각의 데이터 혹은 그가 했듯이 여섯 조각의 데이터가 연결되는것이 아니라
05:56
but I want to think about a world where everybody has put data on the web
118
338000
5000
누구나 데이터를 웹에 올리고 연결하는 생각을 해보자는 겁니다.
06:01
and so virtually everything you can imagine is on the web
119
343000
2000
실질적으로 우리가 상상할수 있는 거의 모든 것이 웹에 존재하게 되겠죠.
06:03
and then calling that linked data.
120
345000
2000
데이터가 모두 연결되는 것입니다.
06:05
The technology is linked data, and it's extremely simple.
121
347000
2000
이런걸더러 "Linked Data"라고 하는데, 간단합니다.
06:07
If you want to put something on the web there are three rules:
122
349000
4000
웹에 무언가를 올린다고 생각해볼까요? 여기엔 세 가지 규칙이 있습니다.
06:11
first thing is that those HTTP names --
123
353000
3000
첫번째 규칙은 바로
06:14
those things that start with "http:" --
124
356000
2000
그러니까 HTTP: 으로 시작하는 주소가 있다는 겁니다.
06:16
we're using them not just for documents now,
125
358000
4000
요즘은 오직 웹페이지 문서에만 HTTP 주소가 필요한게 아닙니다.
06:20
we're using them for things that the documents are about.
126
362000
2000
최근엔 문서를 뛰어넘어 문서가 다루는 "실체"에도 주소가 생기기 시작했습니다.
06:22
We're using them for people, we're using them for places,
127
364000
2000
우린 HTTP주소를 사람에도 장소에도, 심지어 사람에도 사용합니다.
06:24
we're using them for your products, we're using them for events.
128
366000
4000
그리고 또 상품에도, 행사에도 사용하고 있죠.
06:28
All kinds of conceptual things, they have names now that start with HTTP.
129
370000
4000
심지어는 추상적인 개념에까지도 HTTP로 시작하는 주소가 있습니다.
06:32
Second rule, if I take one of these HTTP names and I look it up
130
374000
5000
두번째 규칙은 예를 들면 이런 것입니다. 사람들은 정보를 검색합니다.
06:37
and I do the web thing with it and I fetch the data
131
379000
2000
웹에서 자기가 원하는 정보를 담고있는 HTTP주소를 찾는 거죠.
06:39
using the HTTP protocol from the web,
132
381000
2000
HTTP라는 약속 프로토콜(규약)을 통해서 말입니다.
06:41
I will get back some data in a standard format
133
383000
3000
주소를 찾아가 약속과 형식에 따라 저장된 정보를 얻어 온다는 것이죠.
06:44
which is kind of useful data that somebody might like to know
134
386000
5000
행사든 물건이든 뭐가 됐든 우리에게 유용한 정보가 프로토콜(규약)에 따라 저장되어 있고
06:49
about that thing, about that event.
135
391000
2000
우리는 그 정보를 얻어 오는 겁니다.
06:51
Who's at the event? Whatever it is about that person,
136
393000
2000
예를 들어 누가 행사에 오는지, 그 사람이 누군지
06:53
where they were born, things like that.
137
395000
2000
어디서 태어났는지, 뭐 그런것들이요.
06:55
So the second rule is I get important information back.
138
397000
2000
다시 말해서 두번째 규칙은 내가 중요한 정보를 얻어 온다는 것입니다.
06:57
Third rule is that when I get back that information
139
399000
4000
세번째 규칙은 우리가 그 정보를 얻어 올 때
07:01
it's not just got somebody's height and weight and when they were born,
140
403000
3000
그냥 단순히 그사람의 키나, 몸무게, 사는곳만 가지고 오는게 아니라
07:04
it's got relationships.
141
406000
2000
정보들 사이의 관계도 가지고 온다는거죠.
07:06
Data is relationships.
142
408000
2000
데이터는 "관계"입니다.
07:08
Interestingly, data is relationships.
143
410000
2000
흥미롭게도 데이터는 "관계"입니다.
07:10
This person was born in Berlin; Berlin is in Germany.
144
412000
4000
어떤 사람이 베를린에서 태어났다 칩시다. 베를린은 독일에 있죠.
07:14
And when it has relationships, whenever it expresses a relationship
145
416000
3000
그러면 이 두 정보는 관계가 있는 거죠. 그리고 관계를 표현할때면 언제든지,
07:17
then the other thing that it's related to
146
419000
3000
관계가 있는 두 대상 사이를
07:20
is given one of those names that starts HTTP.
147
422000
4000
HTTP로 시작하는 주소로 연결한다는 것이죠.
07:24
So, I can go ahead and look that thing up.
148
426000
2000
그러면 그 관계를 연결된 주소를 따라 추적할 수 있겠죠.
07:26
So I look up a person -- I can look up then the city where they were born; then
149
428000
3000
그런식으로 누군가를 찾아보고, 태어난 도시를 또 찾아보고,
07:29
I can look up the region it's in, and the town it's in,
150
431000
3000
어느 지역에 있는지 찾아보고, 그 지역 어느 동넨지 보고,
07:32
and the population of it, and so on.
151
434000
3000
인구는 얼마나 되는지, 등등등.
07:35
So I can browse this stuff.
152
437000
2000
이런 것들을 검색해볼수 있는거죠.
07:37
So that's it, really.
153
439000
2000
사실은 이게 답니다. 정말로요.
07:39
That is linked data.
154
441000
2000
이게 "Linked Data"입니다.
07:41
I wrote an article entitled "Linked Data" a couple of years ago
155
443000
3000
몇년 전 저는 "Linked Data"라는 제목의 글을 쓴 적이 있습니다.
07:44
and soon after that, things started to happen.
156
446000
4000
그러자 곧바로 뭔가 일이 터지기 시작하더군요.
07:48
The idea of linked data is that we get lots and lots and lots
157
450000
4000
Linked Data라는 것은, 마치 한스가 썼던 데이터가 그랬듯,
07:52
of these boxes that Hans had,
158
454000
2000
엄청 나게 만은 정보들이 서로 연결되고
07:54
and we get lots and lots and lots of things sprouting.
159
456000
2000
거기에 따라 엄청 많은 새로운 의미가 싹틈을 뜻합니다.
07:56
It's not just a whole lot of other plants.
160
458000
3000
싹튼다고 해서 그냥 풀같은 것이 아닙니다.
07:59
It's not just a root supplying a plant,
161
461000
2000
풀의 줄기를 지지하는 뿌리만 같은 것도 아닙니다.
08:01
but for each of those plants, whatever it is --
162
463000
3000
모든 풀 속에서 사람들은 정보를 찾고
08:04
a presentation, an analysis, somebody's looking for patterns in the data --
163
466000
3000
그 안에서 패턴을 찾아냅니다. PT일수도 있고, 문서일수도, 분석자료일 수도 있습니다.
08:07
they get to look at all the data
164
469000
3000
사람들은 데이터 전체를 보고
08:10
and they get it connected together,
165
472000
2000
그 많은 데이터들 않에서 의미있는 연결을 만들어 냅니다.
08:12
and the really important thing about data
166
474000
2000
결국 정보를 다루면서 우리가 주목해야 할 것은
08:14
is the more things you have to connect together, the more powerful it is.
167
476000
2000
여러분이 연결을 많이 만들면 만들수록 더욱 파워풀해진다는 것입니다.
08:16
So, linked data.
168
478000
2000
이게 Linked Data입니다.
08:18
The meme went out there.
169
480000
2000
이런 일도 있었습니다.
08:20
And, pretty soon Chris Bizer at the Freie Universitat in Berlin
170
482000
4000
베를린에 Freie대학에 있는 Chris Bizer라는 사람이 있습니다.
08:24
who was one of the first people to put interesting things up,
171
486000
2000
인터넷을 가지고 장난을 치기 시작한 최초의 사람들 중 하나죠.
08:26
he noticed that Wikipedia --
172
488000
2000
그는 위키피디아를 주목했습니다.
08:28
you know Wikipedia, the online encyclopedia
173
490000
3000
여러분들이 알다시피 위키피디아는
08:31
with lots and lots of interesting documents in it.
174
493000
2000
흥미로운 문서들을 엄청 많이 담고 있는 온라인 백과사전입니다.
08:33
Well, in those documents, there are little squares, little boxes.
175
495000
4000
근데 자세히 들어보면 안에 작은 네모 상자들이 많은 걸 볼 수 있을 겁니다.
08:37
And in most information boxes, there's data.
176
499000
3000
그 상자들 안엔 대개 한뭉치 데이터들이 들어있죠.
08:40
So he wrote a program to take the data, extract it from Wikipedia,
177
502000
4000
Bizer는 위키피디아의 그 상자들로부터 데이터를 추출하는 프로그램을 짰습니다.
08:44
and put it into a blob of linked data
178
506000
2000
그리곤 그 데이터들을 다른 링크데이터 뭉치에 연결시켰죠.
08:46
on the web, which he called dbpedia.
179
508000
3000
그것을 그는 Dbpedia라 불렀습니다.
08:49
Dbpedia is represented by the blue blob in the middle of this slide
180
511000
4000
Dbpedia는 이 슬라이드 중간에 파란 뭉치로 표현되었습니다.
08:53
and if you actually go and look up Berlin,
181
515000
2000
거기 가서 베를린을 뒤져볼까요?
08:55
you'll find that there are other blobs of data
182
517000
2000
다시 여러개의 정보 뭉치가 떠오릅니다.
08:57
which also have stuff about Berlin, and they're linked together.
183
519000
3000
베를린과 관련된 다른 정보가 있다는 거죠. 다 연결되어 있습니다.
09:00
So if you pull the data from dbpedia about Berlin,
184
522000
3000
베를린을 찾았더니 베를린과 관련된 다른 정보들도
09:03
you'll end up pulling up these other things as well.
185
525000
2000
감자 덩쿨처럼 다 따라 나온다는 것이죠.
09:05
And the exciting thing is it's starting to grow.
186
527000
3000
재미있는 것은 이 덩쿨이 자라기 시작했단 겁니다.
09:08
This is just the grassroots stuff again, OK?
187
530000
2000
풀뿌리로 말입니다. 신기하지 않나요?
09:10
Let's think about data for a bit.
188
532000
3000
데이터에 대해 조금만 더 생각해 봅시다.
09:13
Data comes in fact in lots and lots of different forms.
189
535000
3000
데이터에는 종류가 많습니다.
09:16
Think of the diversity of the web. It's a really important thing
190
538000
3000
웹의 다양성에 대해 생각해 보세요. 그림, 글, 차트, 표, 그래프 등등
09:19
that the web allows you to put all kinds of data up there.
191
541000
3000
웹은 그 모든 형태의 데이터들을 담고 있습니다.
09:22
So it is with data. I could talk about all kinds of data.
192
544000
2000
데이터를 떼어놓곤 웹을 생각할 수 없습니다.
09:25
We could talk about government data, enterprise data is really important,
193
547000
4000
정부의 데이터, 기업의 데이터는 매우 중요합니다.
09:29
there's scientific data, there's personal data,
194
551000
3000
과학적 데이터도 있고 개인적 데이터도 있습니다.
09:32
there's weather data, there's data about events,
195
554000
2000
기후 데이터도 있고 사건들에 대한 데이터도 있습니다.
09:34
there's data about talks, and there's news and there's all kinds of stuff.
196
556000
4000
이야기(Talk)에 대한 데이터도 있고, 뉴스도 있고, 데이터는 모든 형태를 망라합니다.
09:38
I'm just going to mention a few of them
197
560000
3000
여기서는 그중 몇 가지만 다뤄보죠.
09:41
so that you get the idea of the diversity of it,
198
563000
2000
그럼으로써 여러분들도 데이터의 다양성에 대해 생각해보고
09:43
so that you also see how much unlocked potential.
199
565000
4000
또한 여기에 열마나 큰 잠재력이 숨어 있는지를 볼 수 있을 겁니다.
09:47
Let's start with government data.
200
569000
2000
정부 데이터 부터 시작해 보겠습니다.
09:49
Barack Obama said in a speech,
201
571000
2000
버락 오바마가 연설 중에 이야기했습니다.
09:51
that he -- American government data would be available on the Internet
202
573000
5000
인터넷을 통해 액세스 할 수 있도록 미국 정부의 데이터를
09:56
in accessible formats.
203
578000
2000
공개하겠다고 말입니다.
09:58
And I hope that they will put it up as linked data.
204
580000
2000
저는 그게 Link Data와 같은 모습이 되길 바랍니다.
10:00
That's important. Why is it important?
205
582000
2000
이건 중요한 일입니다. 왜 중요할까요?
10:02
Not just for transparency, yeah transparency in government is important,
206
584000
3000
투명성 때문만은 아닙니다. 네, 정부의 투명성은 중요하지요.
10:05
but that data -- this is the data from all the government departments
207
587000
3000
하지만 여기에서 데이터란 정부의 모든 기관으로부터의 데이터입니다.
10:08
Think about how much of that data is about how life is lived in America.
208
590000
5000
미국인이 어떤 삶을 사는지를 말해 주는 중요한 정보가 얼마나 많겠어요.
10:13
It's actual useful. It's got value.
209
595000
2000
그것은 실제로 유용합니다. 가치가 있지요.
10:15
I can use it in my company.
210
597000
2000
회사에서도 참고할 수 있습니다.
10:17
I could use it as a kid to do my homework.
211
599000
2000
제 연구를 위한 심부름꾼으로 쓸 수도 있겠죠.
10:19
So we're talking about making the place, making the world run better
212
601000
3000
한마디로 어떻게 하면 데이터를 열어놓음으로서
10:22
by making this data available.
213
604000
2000
세상을 좀 더 살기 좋게 만드느냐 하는 것이죠.
10:24
In fact if you're responsible -- if you know about some data
214
606000
4000
하지만 현실은, 대부분 정부에서 근무하는 대부분의 공무원들은
10:28
in a government department, often you find that
215
610000
2000
대체로 정보를 공개하기보다는
10:30
these people, they're very tempted to keep it --
216
612000
3000
가급적이면 안에다가 가둬 두고 싶어하는 경향이 있습니다.
10:33
Hans calls it database hugging.
217
615000
3000
한스는 그것을 데이터베이스 끌어안기(hugging)라고 부릅니다.
10:36
You hug your database, you don't want to let it go
218
618000
2000
데이터를 끌어 안고는 내보내지를 않는 거죠.
10:38
until you've made a beautiful website for it.
219
620000
2000
어지간히 예쁜 웹사이트가 준비 될 때 까지는 말입니다.
10:40
Well, I'd like to suggest that rather --
220
622000
2000
제가 여기서 하고 싶은 말은..
10:42
yes, make a beautiful website,
221
624000
2000
예쁜 웹사이트를 만드는 건 좋습니다.
10:44
who am I to say don't make a beautiful website?
222
626000
2000
예쁜 웹사이트 만드는 걸 가지고 누가 뭐라 하나요?
10:46
Make a beautiful website, but first
223
628000
3000
예쁜 웹사이트를 만드세요, 하지만 첫번째로
10:49
give us the unadulterated data,
224
631000
3000
가공되지 않은 데이터를 공개하라는 것입니다.
10:52
we want the data.
225
634000
2000
우리는 그 데이터를 원합니다.
10:54
We want unadulterated data.
226
636000
2000
우리는 순수한 데이터를 원합니다.
10:56
OK, we have to ask for raw data now.
227
638000
3000
네, 우리는 생짜(raw) 데이터를 요구해야 합니다.
10:59
And I'm going to ask you to practice that, OK?
228
641000
2000
한번 연습해보도록 하지요, 괜찮겠죠?
11:01
Can you say "raw"?
229
643000
1000
"생짜(raw)" 이라고 이야기해보세요.
11:02
Audience: Raw.
230
644000
1000
"생짜(raw)"
11:03
Tim Berners-Lee: Can you say "data"?
231
645000
1000
"데이터"라고 해보실래요?
11:04
Audience: Data.
232
646000
1000
"데이터"
11:05
TBL: Can you say "now"?
233
647000
1000
"당장" 이라고 해보실래요?
11:06
Audience: Now!
234
648000
1000
"당장!"
11:07
TBL: Alright, "raw data now"!
235
649000
2000
좋습니다, "지금 당장 생짜 데이터를!"
11:09
Audience: Raw data now!
236
651000
2000
"지금 당장 생짜 데이터를!"
11:11
Practice that. It's important because you have no idea the number of excuses
237
653000
4000
우리는 요구해야 합니다. 정부가 데이터를 공개하지 않고 안에다 가둬놓기 위해
11:15
people come up with to hang onto their data
238
657000
2000
대는 이유는 정말이지 엄청나게 많습니다.
11:17
and not give it to you, even though you've paid for it as a taxpayer.
239
659000
4000
여러분은 세금을 내고 있다는 점을 명심하세요.
11:21
And it's not just America. It's all over the world.
240
663000
2000
미국만 그런것도 아니죠. 전세계가 그래요
11:23
And it's not just governments, of course -- it's enterprises as well.
241
665000
3000
그리고 정부만 그런것도 아니에요, 산업쪽도 마찬가지죠.
11:26
So I'm just going to mention a few other thoughts on data.
242
668000
3000
그래서 데이터에 대한 제 생각을 몇가지 더 얘기해 볼까 합니다.
11:29
Here we are at TED, and all the time we are very conscious
243
671000
5000
여기 TED에서 우리는, 현재 인류가 당면한
11:34
of the huge challenges that human society has right now --
244
676000
5000
수많은 도전과 과제에 대해 늘 의식합니다.
11:39
curing cancer, understanding the brain for Alzheimer's,
245
681000
3000
암을 정복하기 위해 암을 공부하고, 알츠하이머 극복을 위해 뇌를 연구합니다.
11:42
understanding the economy to make it a little bit more stable,
246
684000
3000
좀 더 안정적인 경제를 위해 경제를 이야기하기도 합니다.
11:45
understanding how the world works.
247
687000
2000
세상이 어떻게 굴러가는지 이해하려 애쓴다는 거죠.
11:47
The people who are going to solve those -- the scientists --
248
689000
2000
하지만 이런 문제를 해결하기 위해 애쓰는 많은 과학자들은
11:49
they have half-formed ideas in their head,
249
691000
2000
사실 아이디어의 반쪽밖에는 가지고 있지 않습니다.
11:51
they try to communicate those over the web.
250
693000
3000
그래서 웹을 통해 나머지 반을 다른 이들과 나누고 싶어 합니다.
11:54
But a lot of the state of knowledge of the human race at the moment
251
696000
3000
하지만 인류가 현재 가지고 있는 대다수의 지식들은 아직까지
11:57
is on databases, often sitting in their computers,
252
699000
3000
데이터베이스나 컴퓨터 안에 틀어박혀
12:00
and actually, currently not shared.
253
702000
3000
효과적으로 공유가 안되고 있습니다.
12:03
In fact, I'll just go into one area --
254
705000
3000
하지만 이런 사례도 있습니다.
12:06
if you're looking at Alzheimer's, for example,
255
708000
2000
알츠하이머의 경우가 그런데,
12:08
drug discovery -- there is a whole lot of linked data which is just coming out
256
710000
3000
최근들어 많은 연구 결과들과 데이터들이 연결데이터로 묶여 나오고 있습니다.
12:11
because scientists in that field realize
257
713000
2000
왜냐하면 이 분야의 많은 과학자들이
12:13
this is a great way of getting out of those silos,
258
715000
3000
연구실에 데이터를 가둬 놓는 게 좋을 게 없다는걸 깨닫기 시작했기 때문입니다.
12:16
because they had their genomics data in one database
259
718000
4000
어떤 건물 어떤 컴퓨터 안에 있는 유전정보가 있고
12:20
in one building, and they had their protein data in another.
260
722000
3000
또 다른 건물 다른 컴퓨터 안엔 단백질에 관한 데이터가 있어 서로 엮으니 낫다는 거죠.
12:23
Now, they are sticking it onto -- linked data --
261
725000
3000
정보들이 서로 링크로 엮이고 있습니다. 데이터가 링크되고 있습니다.
12:26
and now they can ask the sort of question, that you probably wouldn't ask,
262
728000
3000
그래서 이제 예전이라면 던지지 못했을 새로운 질문을 던질 수 있게 됩니다.
12:29
I wouldn't ask -- they would.
263
731000
2000
저나 여러분이 던지지 못했던 그런 새로운 질문 말입니다.
12:31
What proteins are involved in signal transduction
264
733000
2000
어떤 단백질이 "신호 형질 변환"에 연루되어 있는지.
12:33
and also related to pyramidal neurons?
265
735000
2000
또 어떤 단백질이 "피라미드 뉴런"과 관련이 있는지 따위의 질문들 말입니다.
12:35
Well, you take that mouthful and you put it into Google.
266
737000
3000
이런 질문들을 적어서 구글에 올려놓으면 해결이 될까요?
12:38
Of course, there's no page on the web which has answered that question
267
740000
3000
물론 그런 질문에 대답했던 웹페이지는 지금까지는 없었습니다.
12:41
because nobody has asked that question before.
268
743000
2000
왜냐하면 아무도 전에는 그런 질문을 한 사람이 없었으니까요.
12:43
You get 223,000 hits --
269
745000
2000
여러분이 올린 그 질문의 조회수가 223,000회가 된다 칩시다.
12:45
no results you can use.
270
747000
2000
그래도 쓸만한 대답은 나오지 않습니다.
12:47
You ask the linked data -- which they've now put together --
271
749000
3000
하지만 Linked Data의 경우라면 얘기가 다릅니다.
12:50
32 hits, each of which is a protein which has those properties
272
752000
4000
32번의 조회만으로 여러분은 어떤 단백질이 어떤 형질을 가졌는지 알게 됩니다.
12:54
and you can look at.
273
756000
2000
금새 확인이 됩니다.
12:56
The power of being able to ask those questions, as a scientist --
274
758000
3000
분야와 학제를 가로질러 이런 질문을 할 수 있다는 것은
12:59
questions which actually bridge across different disciplines --
275
761000
2000
과학자들에게 있어서는 정말 엄청난 혜택입니다.
13:01
is really a complete sea change.
276
763000
3000
거대한 혁명이죠.
13:04
It's very very important.
277
766000
2000
엄청나게 중요합니다.
13:06
Scientists are totally stymied at the moment --
278
768000
2000
과학자들은 지금 너무나도 난처한 상황에 있습니다.
13:08
the power of the data that other scientists have collected is locked up
279
770000
5000
다른 과학자들이 수집해놓은 데이터의 힘은 봉인되어 있습니다.
13:13
and we need to get it unlocked so we can tackle those huge problems.
280
775000
3000
우리가 이 봉인을 풀어 냈을 때에야 비로소 우리는 당면한 큰 문제들을 해결할 수 있을 겁니다.
13:16
Now if I go on like this, you'll think that all the data comes from huge institutions
281
778000
4000
제가 이렇게 얘기한다면, 그런 정보들이야 다 큰 조직에서 나오는 거고
13:20
and has nothing to do with you.
282
782000
3000
여러분과는 별 상관이 없는 일이라 여기실지도 모르겠습니다.
13:23
But, that's not true.
283
785000
2000
하지만 그렇지 않습니다.
13:25
In fact, data is about our lives.
284
787000
2000
사실, 데이터는 우리의 삶입니다.
13:27
You just -- you log on to your social networking site,
285
789000
3000
여러분이 소셜웹사이트에 로긴했다 쳐봅시다.
13:30
your favorite one, you say, "This is my friend."
286
792000
2000
친구를 발견하고는 "내 친구"라고 코멘트를 남깁니다.
13:32
Bing! Relationship. Data.
287
794000
3000
짠! 관계가 생겼네요. 데이터입니다.
13:35
You say, "This photograph, it's about -- it depicts this person. "
288
797000
3000
여러분들은 이야기 합니다. '이 사진은 이 사람을 묘사한 것 이다.'
13:38
Bing! That's data. Data, data, data.
289
800000
3000
짠! 데이터가 생겼네요. 데이터, 데이터.
13:41
Every time you do things on the social networking site,
290
803000
2000
여러분이 소셜웹사이트에서 뭔가를 클릭하고 적을 때마다
13:43
the social networking site is taking data and using it -- re-purposing it --
291
805000
4000
그 소셜웹사이트는 여러분이 입력한 그 데이터를 받아서 여러가지 방식으로 연결합니다.
13:47
and using it to make other people's lives more interesting on the site.
292
809000
4000
그렇게 해서 그 데이터가 그 사이트에 접속하는 다른 사람들 경험을 더 풍부하게 하는 거죠.
13:51
But, when you go to another linked data site --
293
813000
2000
하지만, 여러분들이 다른 소셜 웹사이트에 가서
13:53
and let's say this is one about travel,
294
815000
3000
예를들어 여러분이 여행갔다온 얘기를 하고싶다고 쳐봅시다.
13:56
and you say, "I want to send this photo to all the people in that group,"
295
818000
3000
여행 사진을 여기저기 사이트에 흩어진 친구들에게 공유하고 싶겠지만
13:59
you can't get over the walls.
296
821000
2000
벽때문에 불가능합니다.
14:01
The Economist wrote an article about it, and lots of people have blogged about it --
297
823000
2000
"이코노미스트"에도 같은 기사가 난 적이 있습니다. 블로그 글도 많이 뜨더군요.
14:03
tremendous frustration.
298
825000
1000
짜증난다고 말입니다.
14:04
The way to break down the silos is to get inter-operability
299
826000
2000
이 벽을 넘는 방법은 소셜네트워크 사이트 상호간에
14:06
between social networking sites.
300
828000
2000
서로 데이터를 나눌 수 있도록 길을 트는 것입니다.
14:08
We need to do that with linked data.
301
830000
2000
Linked Data로 말입니다.
14:10
One last type of data I'll talk about, maybe it's the most exciting.
302
832000
3000
마지막 예를 한번 들어보겠습니다. 사실 이게 가장 흥미로워요.
14:13
Before I came down here, I looked it up on OpenStreetMap
303
835000
3000
오늘 제가 여기 올때 OpenStreetMap을 통해 지도를 좀 검색해 봤습니다.
14:16
The OpenStreetMap's a map, but it's also a Wiki.
304
838000
2000
OpenStreetMap은 지도인 동시에 위키이기도 합니다.
14:18
Zoom in and that square thing is a theater -- which we're in right now --
305
840000
3000
확대하니까 네모난 건물이 보이네요. 지금 우리가 앉아있는 극장입니다.
14:21
The Terrace Theater. It didn't have a name on it.
306
843000
2000
원래 극장 이름이 "테라스 극장"인데, 화면엔 안뜨네요.
14:23
So I could go into edit mode, I could select the theater,
307
845000
2000
그래서 저는 편집모드로 들어가 극장을 선택했습니다.
14:25
I could add down at the bottom the name, and I could save it back.
308
847000
5000
밑에 이름을 입력하고는 저장했죠.
14:30
And now if you go back to the OpenStreetMap. org,
309
852000
3000
만일 여러분이 지금 OpenStreetMap.org에 들어간다면
14:33
and you find this place, you will find that The Terrace Theater has got a name.
310
855000
3000
"The Terrace Theater"라고 제가 입력한 이름이 뜨는 걸 보실 수 있습니다.
14:36
I did that. Me!
311
858000
2000
제가 입력한겁니다.
14:38
I did that to the map. I just did that!
312
860000
2000
제가 그 지도에 이름을 붙였습니다. 제가 그랬습니다!
14:40
I put that up on there. Hey, you know what?
313
862000
2000
제가 거기에 이름을 붙였습니다. 놀라운건 바로 이런 겁니다.
14:42
If I -- that street map is all about everybody doing their bit
314
864000
3000
그 지도에 나온 정보란 죄다 저같은 사람들이 하나 둘씩 입력해 만들었단 거죠.
14:45
and it creates an incredible resource
315
867000
3000
이렇게 해서 쌓이는 정보의 보고는 정말 엄청납니다.
14:48
because everybody else does theirs.
316
870000
3000
모두가 자기 역량 안에서 더할 수 있는 걸 더했기에 가능했죠.
14:51
And that is what linked data is all about.
317
873000
3000
이런 게 바로 Linked Data입니다.
14:54
It's about people doing their bit
318
876000
3000
사람들이 각자 자기 몫을 공유하는 거죠.
14:57
to produce a little bit, and it all connecting.
319
879000
3000
작은 것들이 쌓이면서 서서히 다 연결됩니다.
15:00
That's how linked data works.
320
882000
3000
이것이 Linked Data가 동작하는 방식입니다.
15:03
You do your bit. Everybody else does theirs.
321
885000
4000
저는 저대로 여러분은 여러분대로 각자 자기 몫만큼 기여하는거죠.
15:07
You may not have lots of data which you have yourself to put on there
322
889000
4000
여러분이 가진 정보가 어디엔가 올려놓을만큼 많지 않을 수도 있습니다.
15:11
but you know to demand it.
323
893000
3000
하지만 여전히 정보를 요구할 수는 있습니다.
15:14
And we've practiced that.
324
896000
2000
우리는 이런 걸 충분히 해봤습니다.
15:16
So, linked data -- it's huge.
325
898000
4000
정보를 엮는다는 것은 그래서 생각보다 엄청난 것입니다.
15:20
I've only told you a very small number of things
326
902000
3000
지금 제가 말씀 드린 내용은 일부에 지나지 않습니다.
15:23
There are data in every aspect of our lives,
327
905000
2000
우리의 삶 주위엔 어디에든 정보가 있습니다.
15:25
every aspect of work and pleasure,
328
907000
3000
일할 때에도, 놀 때에도 정보가 있습니다.
15:28
and it's not just about the number of places where data comes,
329
910000
3000
정보가 발생하는 출처의 양이 많고 적고가 중요한게 아닙니다.
15:31
it's about connecting it together.
330
913000
3000
중요한 건 정보가 연결된다는 것이지요.
15:34
And when you connect data together, you get power
331
916000
3000
정보가 유의미하게 연결되면 그건 곧 "힘"이 됩니다.
15:37
in a way that doesn't happen just with the web, with documents.
332
919000
3000
문서 단위나 페이지 단위로 링크했던 기존의 웹과는 다른 방식으로 말입니다.
15:40
You get this really huge power out of it.
333
922000
4000
조각단위 정보가 연결될 때 우리가 얻는 힘은 막대합니다.
15:44
So, we're at the stage now
334
926000
3000
지금이 때입니다.
15:47
where we have to do this -- the people who think it's a great idea.
335
929000
4000
널려있는 모든 조각난 정보와 데이터를 연결하고 엮어낼 때입니다.
15:51
And all the people -- and I think there's a lot of people at TED who do things because --
336
933000
3000
자기 몫의 정보를 공유하는 사람들이 있습니다. TED에도 많으리라 생각합니다.
15:54
even though there's not an immediate return on the investment
337
936000
2000
즉각적인 보상이 없더라도 자기 몫의 기여를 해내는 사람들이 있습니다.
15:56
because it will only really pay off when everybody else has done it --
338
938000
3000
남들도 참여하지 않으면 내게 돌아오는 보상이 많지 않음에도 불구하고
15:59
they'll do it because they're the sort of person who just does things
339
941000
4000
그저 훗날 자기 같은 사람이 많아졌을 때 모두에게 돌아갈 이익을 위해
16:03
which would be good if everybody else did them.
340
945000
3000
묵묵히 정보를 공유하는 사람들이 있습니다.
16:06
OK, so it's called linked data.
341
948000
2000
이런 사람들이 만들어내는 것이 Linked Data입니다.
16:08
I want you to make it.
342
950000
2000
여러분들도 하세요.
16:10
I want you to demand it.
343
952000
2000
정보가 없으면 요청하세요.
16:12
And I think it's an idea worth spreading.
344
954000
2000
저는 이 아이디어가 퍼질만한 가치가 있다고 믿습니다.
16:14
Thanks.
345
956000
1000
감사합니다.
16:15
(Applause)
346
957000
3000
(박수)
ABOUT THE SPEAKER
Tim Berners-Lee - InventorTim Berners-Lee invented the World Wide Web. He leads the World Wide Web Consortium (W3C), overseeing the Web's standards and development.
Why you should listen
In the 1980s, scientists at CERN were asking themselves how massive, complex, collaborative projects -- like the fledgling LHC -- could be orchestrated and tracked. Tim Berners-Lee, then a contractor, answered by inventing the World Wide Web. This global system of hypertext documents, linked through the Internet, brought about a massive cultural shift ushered in by the new tech and content it made possible: AOL, eBay, Wikipedia, TED.com...
Berners-Lee is now director of the World Wide Web Consortium (W3C), which maintains standards for the Web and continues to refine its design. Recently he has envisioned a "Semantic Web" -- an evolved version of the same system that recognizes the meaning of the information it carries. He's the 3Com Founders Professor of Engineering in the School of Engineering with a joint appointment in the Department of Electrical Engineering and Computer Science at the Laboratory for Computer Science and Artificial Intelligence (CSAIL) at the MIT, where he also heads the Decentralized Information Group (DIG). He is also a Professor in the Electronics and Computer Science Department at the University of Southampton, UK.
Tim Berners-Lee | Speaker | TED.com