TED2010
Tim Berners-Lee: The year open data went worldwide
Tims Berners-Lī: Gads, kad atvērtie dati devās pasaulē
Filmed:
Readability: 4
771,473 views
TED2009, Tims Berners-Lī pieprasīja "dodiet mums neapstrādātus datus!" — lai valdības, zinātnieki un dažādas iestādes padarītu savus datus brīvi pieejamus tīmeklī. TED University 2010. gadā viņš demonstrē dažus no interesantākajiem rezultātiem, kad dati tiek saistīti savā starpā.
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.
00:15
Last year here at TED
0
0
2000
Pagājušogad šeit, TED,
00:17
I asked you to give me your data,
1
2000
2000
es lūdzu jūs dot man savus datus,
00:19
to put your data on the web, on the basis
2
4000
2000
izlikt savus datus tīmeklī, pamatojoties uz to,
00:21
that if people put data onto the web --
3
6000
3000
ka, ja ļaudis izliks datus tīmeklī —
00:24
government data, scientific data, community data,
4
9000
3000
valdības datus, zinātniskus datus, sabiedrības datus,
00:27
whatever it is -- it will be used by other people
5
12000
2000
lai kas tas arī būtu — šos datus izmantos citi ļaudis,
00:29
to do wonderful things, in ways
6
14000
2000
lai paveiktu brīnišķīgas lietas,
00:31
that they never could have imagined.
7
16000
2000
veidos, kādi jums nekad nebūtu ienākuši prātā.
00:33
So, today I'm back just to show you a few things,
8
18000
3000
Un tā, šodien esmu atgriezies, lai parādītu jums dažas lietas,
00:36
to show you, in fact, there is
9
21000
2000
lai parādītu jums, ka patiesībā
00:38
an open data movement afoot,
10
23000
5000
ir radusies atvērto datu kustība,
00:43
now, around the world.
11
28000
2000
tagad, visā pasaulē.
00:45
The cry of "Raw data now!"
12
30000
2000
Sauciens "Dodiet mums neapstrādātus datus!",
00:47
which I made people make in the auditorium,
13
32000
2000
kuru es liku ļaudīm auditorijā teikt,
00:49
was heard around the world.
14
34000
2000
tika sadzirdēts visā pasaulē.
00:51
So, let's roll the video.
15
36000
3000
Apskatīsim video.
00:54
A classic story, the first one which lots of people picked up,
16
39000
3000
Klasisks gadījums, pirmais, kuru daudzi cilvēki pamanīja,
00:57
was when in March -- on March 10th in fact, soon after TED --
17
42000
3000
bija, kad martā, — patiesībā, 10. martā, drīz pēc TED —
01:00
Paul Clarke, in the U.K. government,
18
45000
3000
Pols Klārks no Lielbritānijas valdības
01:03
blogged, "Oh, I've just got some raw data. Here it is,
19
48000
2000
blogoja, "Man ir neapstrādāti dati. Lūk, te tie ir,
01:05
it's about bicycle accidents."
20
50000
3000
tie ir par velosipēdu negadījumiem."
01:08
Two days it took the Times Online
21
53000
3000
Times Online vajadzēja divas dienas,
01:11
to make a map, a mashable map --
22
56000
2000
lai pagatavotu karti, sastiķētu karti —
01:13
we call these things mash-ups --
23
58000
2000
mēs saucam šīs lietas par sastiķējumiem —
01:15
a mashed-up user interface that allows you to go in there
24
60000
2000
sastiķēta lietotāja saskarne, kas ļauj jums to atvērt,
01:17
and have a look and find out whether your bicycle
25
62000
2000
un apskatīt, un izpētīt to, vai jūsu ikdienas
01:19
route to work was affected.
26
64000
2000
velosipēdista ceļš līdz darbavietai ir apdraudēts.
01:21
Here's more data, traffic survey data,
27
66000
2000
Lūk, vēl dati, satiksmes novērojumu dati,
01:23
again, put out by the U.K. government,
28
68000
2000
kurus arī publicēja Lielbritānijas valdība,
01:25
and because they put it up using the Linked Data standards,
29
70000
3000
un tā kā viņi tos izvietoja saskaņā ar saistīto datu standartiem,
01:28
then a user could just make a map,
30
73000
2000
tad lietotājs var apskatīt tos kartē,
01:30
just by clicking.
31
75000
2000
vienkārši uzklikšķinot.
01:32
Does this data affect things? Well, let's get back to 2008.
32
77000
2000
Vai šie dati ietekmē notikumus? Labi, atgriezīsimies 2008. gadā.
01:34
Look at Zanesville, Ohio.
33
79000
3000
Apskatiet Zeinsvillu Ohaio štatā.
01:37
Here's a map a lawyer made. He put on it the water plant,
34
82000
3000
Te ir karte, ko pagatavoja kāds advokāts. Viņš tajā ievietoja ūdens sūkņu staciju,
01:40
and which houses are there,
35
85000
2000
un mājas, kas tur atrodas,
01:42
which houses have been connected to the water.
36
87000
2000
un kurām no tām ir pieslēgums ūdensvadam.
01:44
And he got, from other data sources,
37
89000
2000
Un no citiem avotiem viņš ieguva
01:46
information to show
38
91000
3000
informāciju, lai parādītu,
01:49
which houses are occupied by white people.
39
94000
2000
kurās no mājām dzīvo baltādainie.
01:51
Well, there was too much of a correlation, he felt,
40
96000
3000
Viņš juta, ka ir pārāk liela saistība
01:54
between which houses were occupied by white people
41
99000
3000
starp to, kurās mājās dzīvo baltādainie,
01:57
and which houses had water, and the judge was not impressed either.
42
102000
3000
un kurās ir ūdens, un arī tiesnesis nebija īpaši iepriecināts.
02:00
The judge was not impressed to the tune of 10.9 million dollars.
43
105000
3000
Tiesnesis nebija iepriecināts 10,9 miljonu dolāru apmērā.
02:03
That's the power of taking one piece of data,
44
108000
2000
Tas, lūk, ir spēks, ko gūst, ņemot vienus datus,
02:05
another piece of data, putting it together,
45
110000
3000
ņemot vēl citus datus, apvienojot tos,
02:08
and showing the result.
46
113000
2000
un parādot rezultātu.
02:10
Let's look at some data from the U.K. now.
47
115000
2000
Apskatīsim kādus datus no Lielbritānijas.
02:12
This is U.K. government data, a completely independent site,
48
117000
2000
Šie ir Lielbritānijas valdības dati, pilnīgi neatkarīga mājas lapa,
02:14
Where Does My Money Go.
49
119000
2000
"Kur paliek mana nauda".
02:16
It allows anybody to go there and burrow down.
50
121000
2000
Tā ļauj ikvienam doties tur un rakties dziļumā.
02:18
You can burrow down by a particular type of spending,
51
123000
2000
Jūs varat rakties dziļumā pēc konkrēta izdevumu tipa,
02:20
or you can go through all the different regions and compare them.
52
125000
4000
vai jūs varat iet cauri visiem dažādajiem apgabaliem un salīdzināt tos.
02:24
So, that's happening in the U.K. with U.K. government data.
53
129000
3000
Tas, lūk, notiek Lielbritānijā ar valdības datiem.
02:27
Yes, certainly you can do it over here.
54
132000
2000
Jā, protams, jūs varat tā darboties arī šeit.
02:29
Here's a site which allows you to look at recovery spending
55
134000
3000
Lūk, mājas lapa, kas ļauj jums apskatīt ekonomikas atlabšanas izdevumus
02:32
in California.
56
137000
2000
Kalifornijā.
02:34
Take an arbitrary example, Long Beach, California,
57
139000
2000
Piemēram, Longbīčā, Kalifornijā,
02:36
you can go and have a look at what recovery money they've been spending
58
141000
3000
jūs varat apskatīt, kādi atgūšanās tēriņi tur ir izdoti
02:39
on different things such as energy.
59
144000
3000
dažādiem mērķiem, piemēram, enerģijai.
02:42
In fact, this is the graph of the number of data sets
60
147000
3000
Te jūs redzat grafiku, kas attēlo datu kopu skaitu,
02:45
in the repositories of data.gov,
61
150000
2000
kas pieejams krātuvēs data.gov
02:47
and data.gov.uk.
62
152000
2000
un data.gov.uk.
02:49
And I'm delighted to see a great competition
63
154000
2000
Un es esmu iepriecināts redzēt varenu sacensību
02:51
between the U.K. in blue, and the U.S. in red.
64
156000
2000
starp Lielbritāniju (zilā krāsā) un ASV (sarkanā).
02:53
How can you use this stuff?
65
158000
2000
Kā jus varat izmantot šo padarīšanu?
02:55
Well, for example, if you have lots of data about places
66
160000
3000
Piemēram, ja jums ir daudz specifisku datu par dažādām vietām,
02:58
you can take, from a postcode --
67
163000
2000
jūs varat ņemt pēc pasta koda —
03:00
which is like a zip plus four --
68
165000
2000
tas ir kā pasta indekss un vēl četras zīmes —
03:02
for a specific group of houses, you can make paper,
69
167000
3000
konkrētai māju grupai, jūs varat uztaisīt avīzi,
03:05
print off a paper which has got very, very
70
170000
2000
izdrukāt avīzi, kurā ir ļoti, ļoti
03:07
specific things about the bus stops,
71
172000
2000
specifiskas lietas par autobusu pieturām,
03:09
the things specifically near you.
72
174000
2000
lietām tieši jūsu apkaimē.
03:11
On a larger scale, this is a mash-up
73
176000
3000
Plašākā mērogā, te ir sastiķēti
03:14
of the data which was released about the Afghan elections.
74
179000
3000
dati, kas bija pieejami no vēlēšanām Afganistānā.
03:17
It allows you to set your own criteria
75
182000
2000
Te ir iespējams uzstādīt savus nosacījumus,
03:19
for what sort of things you want to look at.
76
184000
2000
kādas lietas jūs vēlaties apskatīt.
03:21
The red circles are polling stations,
77
186000
2000
Sarkanie apļi ir vēlēšanu iecirkņi,
03:23
selected by your criteria.
78
188000
2000
altasīti pēc jūsu nosacījumiem.
03:25
And then you can select also other things on the map
79
190000
2000
Un tad jūs varat iezīmēt kartē arī citas lietas,
03:27
to see what other factors, like the threat level.
80
192000
2000
lai apskatītu kādus citus faktorus, kā, piemēram, draudu līmeni.
03:29
So, that was government data.
81
194000
3000
Tie tātad bija valdību dati.
03:32
I also talked about community-generated data -- in fact I edited some.
82
197000
2000
Es arī runāju par sabiedrības ģenerētiem datiem — patiesībā, es dažus no tiem papildināju.
03:34
This is the wiki map, this is the Open Street Map.
83
199000
2000
Šī ir "Wiki" karte, šī ir OpenStreetMap ielu karte.
03:36
"Terrace Theater" I actually put
84
201000
2000
"Terrace Theater" patiesībā es norādīju
03:38
on the map because it wasn't on the map before TED last year.
85
203000
3000
kartē, jo tas tur nebija pirms TED pagājušogad.
03:41
I was not the only person editing the open street map.
86
206000
3000
Es nebiju vienīgais, kurš papildināja atvērto ielu karti.
03:44
Each flash on this visualization --
87
209000
2000
Katrs uzplaiksnījums šajā vizualizācijā —
03:46
put together by ITO World --
88
211000
2000
ko izveidoja ITO World —
03:48
shows an edit in 2009
89
213000
2000
parāda papildinājumu 2009. gadā,
03:50
made to the Open Street Map.
90
215000
2000
veiktu OpenStreetMap kartē.
03:52
Let's now spin the world during the same year.
91
217000
3000
Tagad pagriezīsim pasauli šī paša gada laikā.
03:55
Every flash is an edit. Somebody somewhere
92
220000
2000
Katrs uzplaiksnījums ir papildinājums. Kāds kaut kur
03:57
looking at the Open Street Map, and realizing it could be better.
93
222000
3000
skatījies uz OpenStreetMap karti un sapratis, ka tā var tikt uzlabota.
04:00
You can see Europe is ablaze with updates.
94
225000
3000
Jūs varat redzēt, ka Eiropa ir papildinājumu liesmās.
04:03
Some places, perhaps not as much as they should be.
95
228000
3000
Dažas vietas varbūt ne tik ļoti, kā tām vajadzētu būt.
04:06
Here focusing in on Haiti.
96
231000
2000
Pievēršam uzmanību Haiti.
04:08
The map of Port au-Prince at the end
97
233000
2000
Portoprensas karte 2009. gada beigās
04:10
of 2009 was not all it could be,
98
235000
2000
nebija gluži tas, kas tā varētu būt,
04:12
not as good as the map of California.
99
237000
2000
nebija tik pilnīga kā Kalifornijas karte.
04:14
Fortunately, just after the earthquake,
100
239000
3000
Par laimi, uzreiz pēc zemestrīces,
04:17
GeoEye, a commercial company,
101
242000
2000
GeoEye, komercuzņēmums,
04:19
released satellite imagery
102
244000
2000
publicēja pavadoņu uzņemtus attēlus
04:21
with a license, which allowed
103
246000
2000
ar licenci, kas ļāva
04:23
the open-source community to use it.
104
248000
2000
atvērtā koda sabiedrībai tos izmantot.
04:25
This is January, in time lapse,
105
250000
2000
Šis ir janvāris, rādot paātrināti,
04:27
of people editing ... that's the earthquake.
106
252000
2000
kā ļaudis to papildina … šī ir zemestrīce.
04:29
After the earthquake, immediately,
107
254000
2000
Uzreiz pēc zemestrīces
04:31
people all over the world, mappers
108
256000
2000
cilvēki visā pasaulē, karšu speciālisti,
04:33
who wanted to help, and could,
109
258000
2000
kas vēlējās palīdzēt, un varēja,
04:35
looked at that imagery, built the map, quickly building it up.
110
260000
3000
apskatīja šos attēlus, izveidoja karti, ātri to saliekot kopā.
04:38
We're focusing now on Port-au-Prince.
111
263000
1000
Mēs tagad tuvinām Portoprensu.
04:39
The light blue is refugee camps these volunteers had spotted from the [satellite images].
112
264000
4000
Gaiši zilā krāsā ir bēgļu nometnes, kuras šie brīvprātīgie bija pamanījuši attēlos.
04:43
So, now we have, immediately, a real-time map
113
268000
2000
Un tā, mums tagad ir reālā laika karte,
04:45
showing where there are refugee camps --
114
270000
2000
kas rāda, kur atrodas bēgļu nometnes —
04:47
rapidly became the best map
115
272000
2000
tā zibenīgi kļuva par labāko karti,
04:49
to use if you're doing relief work in Port-au-Prince.
116
274000
3000
ko lietot, ja tu darbojies palīdzības misijā Portoprensā.
04:52
Witness the fact that it's here on this Garmin device
117
277000
2000
Ievērojiet, ka tā ir te, uz šīs Garmin iekārtas,
04:54
being used by rescue team in Haiti.
118
279000
2000
ko izmanto glābēju grupa Haiti.
04:56
There's the map showing,
119
281000
3000
Lūk, karte, kurā,
04:59
on the left-hand side,
120
284000
2000
kreisajā pusē,
05:01
that hospital -- actually that's a hospital ship.
121
286000
2000
redzama šī slimnīca — patiesībā, tas ir slimnīcas kuģis.
05:03
This is a real-time map that shows blocked roads,
122
288000
3000
Šī ir reālā laika karte, kur redzami bloķētie ceļi,
05:06
damaged buildings, refugee camps --
123
291000
2000
bojātās ēkas, bēgļu nometnes --
05:08
it shows things that are needed [for rescue and relief work].
124
293000
2000
tā rāda lietas, kuras ir nepieciešamas glābšanai un palīdzībai.
05:10
So, if you've been involved in that at all,
125
295000
2000
Tāpēc, ja jūs esat tajā visā kaut kā iesaistīti,
05:12
I just wanted to say: Whatever you've been doing,
126
297000
2000
es vienkārši gribēju jums pateikt: lai ko jūs būtu darījuši,
05:14
whether you've just been chanting, "Raw data now!"
127
299000
2000
vai jūs tikai saucāt "Dodiet mums neapstrādātus datus!",
05:16
or you've been putting government or scientific data online,
128
301000
3000
vai jūs tīmeklī izvietojāt valsts vai zinātniskos datus,
05:19
I just wanted to take this opportunity to say: Thank you very much,
129
304000
2000
es vienkārši gribēju izmantot šo iespēju, lai pateiktu: Liels jums paldies,
05:21
and we have only just started!
130
306000
3000
un mēs esam tikai tik tikko sākuši!
05:24
(Applause)
131
309000
2000
(Aplausi)
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