TED2009
Tim Berners-Lee: The next web
Tim Berners-Lee: Web seterusnya
Filmed:
Readability: 3.8
1,638,798 views
20 tahun yang lalu, Tim Berners-Lee mencipta World Wide Web. Untuk projek seterusnya, dia sedang membina sebuah web yang terbuka dan dapat mengaitkan data-data seperti perkataan, gambar, video: berkongsi data dan merangka semula cara kita menggunakan data.
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
Masa berlalu dengan cepat.
00:20
It's actually almost 20 years ago
1
2000
2000
Ia sebenarnya hampir
20 tahun yang lalu
20 tahun yang lalu
00:22
when I wanted to reframe the way we use information,
2
4000
4000
apabila saya mahu merangka semula
cara kita menggunakan maklumat,
cara kita menggunakan maklumat,
00:26
the way we work together: I invented the World Wide Web.
3
8000
3000
cara kita bekerjasama:
Saya yang mencipta World Wide Web.
Saya yang mencipta World Wide Web.
00:29
Now, 20 years on, at TED,
4
11000
3000
Kini, 20 tahun kemudian,
di TED,
di TED,
00:32
I want to ask your help in a new reframing.
5
14000
4000
Saya ingin meminta bantuan anda
dalam perangkaan semula yang baru.
dalam perangkaan semula yang baru.
00:37
So going back to 1989,
6
19000
4000
Jadi,
kembali ke tahun 1989,
kembali ke tahun 1989,
00:41
I wrote a memo suggesting the global hypertext system.
7
23000
3000
Saya menulis memo yang mencadangkan
sistem hyperteks global.
sistem hyperteks global.
00:44
Nobody really did anything with it, pretty much.
8
26000
3000
Tiada orang yang melakukan apa-apa.
00:47
But 18 months later -- this is how innovation happens --
9
29000
4000
Tapi 18 bulan kemudian -
ini adalah bagaimana inovasi berlaku -
ini adalah bagaimana inovasi berlaku -
00:51
18 months later, my boss said I could do it on the side,
10
33000
4000
18 bulan kemudian, bos saya kata,
saya boleh melakukannya
saya boleh melakukannya
00:55
as a sort of a play project,
11
37000
2000
sebagai satu bentuk
projek bermain-main
projek bermain-main
00:57
kick the tires of a new computer we'd got.
12
39000
2000
dengan menggunakan
komputer baru kami.
komputer baru kami.
00:59
And so he gave me the time to code it up.
13
41000
3000
Dia memberikan saya masa
untuk mengekodnya.
untuk mengekodnya.
01:02
So I basically roughed out what HTML should look like:
14
44000
5000
Jadi,
saya sediakan draf HTML:
saya sediakan draf HTML:
01:07
hypertext protocol, HTTP;
15
49000
3000
protokol hiperteks,
HTTP;
HTTP;
01:10
the idea of URLs, these names for things
16
52000
3000
idea URL, nama-nama ini
untuk perkara-perkara
untuk perkara-perkara
01:13
which started with HTTP.
17
55000
2000
yang bermula dengan HTTP.
01:15
I wrote the code and put it out there.
18
57000
2000
Saya menulis kodnya
dan mendedahkannya.
dan mendedahkannya.
01:17
Why did I do it?
19
59000
2000
Mengapa saya melakukannya?
01:19
Well, it was basically frustration.
20
61000
2000
Ia kerana kekecewaan.
01:21
I was frustrated -- I was working as a software engineer
21
63000
4000
Saya kecewa - Saya bekerja sebagai
seorang jurutera perisian
seorang jurutera perisian
01:25
in this huge, very exciting lab,
22
67000
2000
di dalam makmal besar
yang sangat menarik,
yang sangat menarik,
01:27
lots of people coming from all over the world.
23
69000
2000
di mana ramai orang
datang dari seluruh dunia.
datang dari seluruh dunia.
01:29
They brought all sorts of different computers with them.
24
71000
3000
Mereka membawa bermacam-macam
komputer bersama mereka.
komputer bersama mereka.
01:32
They had all sorts of different data formats,
25
74000
3000
Mereka mempunyai pelbagai
format data yang berbeza,
format data yang berbeza,
01:35
all sorts, all kinds of documentation systems.
26
77000
2000
pelbagai jenis sistem dokumentasi.
01:37
So that, in all that diversity,
27
79000
3000
Jadi,
dalam kepelbagaian itu,
dalam kepelbagaian itu,
01:40
if I wanted to figure out how to build something
28
82000
2000
jika saya mahu memikirkan
bagaimana untuk membina sesuatu
bagaimana untuk membina sesuatu
01:42
out of a bit of this and a bit of this,
29
84000
2000
daripada sedikit ini
dan sedikit ini,
dan sedikit ini,
01:44
everything I looked into, I had to connect to some new machine,
30
86000
4000
semua yang saya mahu, saya terpaksa
menyambung kepada mesin-mesin baru,
menyambung kepada mesin-mesin baru,
01:48
I had to learn to run some new program,
31
90000
2000
Saya terpaksa belajar
program baru,
program baru,
01:50
I would find the information I wanted in some new data format.
32
92000
5000
data yang saya mahu berada
dalam format data yang baru,
dalam format data yang baru,
01:55
And these were all incompatible.
33
97000
2000
dan semua ini tidak serasi.
01:57
It was just very frustrating.
34
99000
2000
Ia sangat mengecewakan.
01:59
The frustration was all this unlocked potential.
35
101000
2000
Terdapat potensi yang belum dicungkil.
02:01
In fact, on all these discs there were documents.
36
103000
3000
Sebenarnya, semua cakera ini
mengandungi banyak dokumen.
mengandungi banyak dokumen.
02:04
So if you just imagined them all
37
106000
3000
Jadi, jika anda
membayangkan semua ini
membayangkan semua ini
02:07
being part of some big, virtual documentation system in the sky,
38
109000
5000
sebagai sebahagian daripada
sistem dokumentasi maya di langit,
sistem dokumentasi maya di langit,
02:12
say on the Internet,
39
114000
2000
katakan, di Internet,
02:14
then life would be so much easier.
40
116000
2000
maka konsep ini akan
menjadi lebih mudah.
menjadi lebih mudah.
02:16
Well, once you've had an idea like that it kind of gets under your skin
41
118000
4000
Apabila anda telah mempunyai idea seperti itu,
anda berasa tersinggung
anda berasa tersinggung
02:20
and even if people don't read your memo --
42
122000
2000
kerana orang lain
tidak membaca memo anda.
tidak membaca memo anda.
02:22
actually he did, it was found after he died, his copy.
43
124000
3000
Sebenarnya, dia membacanya.
Salinannya ditemui selepas dia meninggal dunia.
Salinannya ditemui selepas dia meninggal dunia.
02:25
He had written, "Vague, but exciting," in pencil, in the corner.
44
127000
3000
Dia menulis,
"Tidak jelas, tapi menarik."
"Tidak jelas, tapi menarik."
02:28
(Laughter)
45
130000
2000
(Gelak ketawa)
02:30
But in general it was difficult -- it was really difficult to explain
46
132000
4000
Tapi secara umumnya, adalah sangat sukar
untuk menerangkan konsep web.
untuk menerangkan konsep web.
02:34
what the web was like.
47
136000
2000
Tapi secara umumnya, adalah sangat sukar
untuk menerangkan konsep web.
untuk menerangkan konsep web.
02:36
It's difficult to explain to people now that it was difficult then.
48
138000
2000
Agak sukar untuk menerangkannya sekarang,
apalagi dulu.
apalagi dulu.
02:38
But then -- OK, when TED started, there was no web
49
140000
3000
Apabila TED baru dimulakan,
web belum wujud
web belum wujud
02:41
so things like "click" didn't have the same meaning.
50
143000
3000
maka perkara seperti "klik"
tidak mempunyai makna yang sama.
tidak mempunyai makna yang sama.
02:44
I can show somebody a piece of hypertext,
51
146000
2000
Saya boleh menunjukkan
sebuah hiperteks,
sebuah hiperteks,
02:46
a page which has got links,
52
148000
2000
sebuah laman
yang mengandungi pautan.
yang mengandungi pautan.
02:48
and we click on the link and bing -- there'll be another hypertext page.
53
150000
4000
Klik pada pautan dan
laman hiperteks yang lain akan muncul.
laman hiperteks yang lain akan muncul.
02:52
Not impressive.
54
154000
2000
Tidak menarik.
02:54
You know, we've seen that -- we've got things on hypertext on CD-ROMs.
55
156000
3000
Kita telah melihat itu --
terdapat hiperteks dalam CD-ROM.
terdapat hiperteks dalam CD-ROM.
02:57
What was difficult was to get them to imagine:
56
159000
3000
Apa yang sukar ialah,
membolehkan mereka membayangkannya:
membolehkan mereka membayangkannya:
03:00
so, imagine that that link could have gone
57
162000
4000
Bayangkan bahawa
pautan itu boleh sampai ke
pautan itu boleh sampai ke
03:04
to virtually any document you could imagine.
58
166000
2000
mana-mana dokumen yang
anda dapat bayangkan.
anda dapat bayangkan.
03:07
Alright, that is the leap that was very difficult for people to make.
59
169000
4000
Orang ramai sangat sukar
membayangkannya.
membayangkannya.
03:11
Well, some people did.
60
173000
2000
Tapi, sesetengah orang
dapat melakukannya.
dapat melakukannya.
03:13
So yeah, it was difficult to explain, but there was a grassroots movement.
61
175000
3000
Adalah sukar untuk menerangkannya,
tapi terdapat sebuah gerakan akar umbi.
tapi terdapat sebuah gerakan akar umbi.
03:17
And that is what has made it most fun.
62
179000
4000
Itulah yang menjadikannya
sangat menyeronokkan.
sangat menyeronokkan.
03:21
That has been the most exciting thing,
63
183000
2000
Ia perkara yang paling menarik.
03:23
not the technology, not the things people have done with it,
64
185000
2000
bukan teknologi, bukan perkara
yang dilakukan dengannya,
yang dilakukan dengannya,
03:25
but actually the community, the spirit of all these people
65
187000
2000
tapi komuniti ini,
semangat orang-orang ini
semangat orang-orang ini
03:27
getting together, sending the emails.
66
189000
2000
bersama-sama menghantar e-mel.
03:29
That's what it was like then.
67
191000
2000
Itulah yang berlaku
pada masa itu.
pada masa itu.
03:31
Do you know what? It's funny, but right now it's kind of like that again.
68
193000
3000
Ia lucu, tapi sekarang
keadaannya adalah serupa.
keadaannya adalah serupa.
03:34
I asked everybody, more or less, to put their documents --
69
196000
2000
Saya minta semua orang
masukkan dokumen mereka -
masukkan dokumen mereka -
03:36
I said, "Could you put your documents on this web thing?"
70
198000
3000
Saya tanya, "Bolehkah anda letakkan
dokumen anda ke dalam web ini?"
dokumen anda ke dalam web ini?"
03:39
And you did.
71
201000
3000
Dan anda lakukannya.
03:42
Thanks.
72
204000
1000
Terima kasih.
03:43
It's been a blast, hasn't it?
73
205000
2000
Ia telah meletus, bukan?
03:45
I mean, it has been quite interesting
74
207000
2000
Ia agak menarik
03:47
because we've found out that the things that happen with the web
75
209000
2000
kerana kita telah mendapati bahawa
apa yang berlaku dalam web membuat kita teruja.
apa yang berlaku dalam web membuat kita teruja.
03:49
really sort of blow us away.
76
211000
2000
kerana kita telah mendapati bahawa
apa yang berlaku dalam web membuat kita teruja.
apa yang berlaku dalam web membuat kita teruja.
03:51
They're much more than we'd originally imagined
77
213000
2000
Banyak perkara yang
tidak terbayang berlaku
tidak terbayang berlaku
03:53
when we put together the little, initial website
78
215000
2000
kerana pada mulanya kita cuma
mahu masukkan beberapa dokumen.
mahu masukkan beberapa dokumen.
03:55
that we started off with.
79
217000
2000
kerana pada mulanya kita cuma
mahu masukkan beberapa dokumen.
mahu masukkan beberapa dokumen.
03:57
Now, I want you to put your data on the web.
80
219000
3000
Sekarang, saya mahu anda
masukkan data anda ke dalam web.
masukkan data anda ke dalam web.
04:00
Turns out that there is still huge unlocked potential.
81
222000
4000
Sebenarnya, masih terdapat
banyak potensi yang belum dicungkil.
banyak potensi yang belum dicungkil.
04:04
There is still a huge frustration
82
226000
2000
Orang ramai masih
sangat kecewa
sangat kecewa
04:06
that people have because we haven't got data on the web as data.
83
228000
4000
kerana kita belum mendapatkan data
yang kita mahu daripada web.
yang kita mahu daripada web.
04:10
What do you mean, "data"? What's the difference -- documents, data?
84
232000
2000
Apakah perbezaan
"dokumen" dan "data"?
"dokumen" dan "data"?
04:12
Well, documents you read, OK?
85
234000
3000
Anda membaca dokumen, OK?
04:15
More or less, you read them, you can follow links from them, and that's it.
86
237000
3000
Anda membacanya;
anda boleh mengikuti pautannya.
anda boleh mengikuti pautannya.
04:18
Data -- you can do all kinds of stuff with a computer.
87
240000
2000
Data pula, anda boleh lakukan
banyak perkara dengan komputer.
banyak perkara dengan komputer.
04:20
Who was here or has otherwise seen Hans Rosling's talk?
88
242000
6000
Siapakah di sini yang telah
melihat ceramah Hans Rosling?
melihat ceramah Hans Rosling?
04:26
One of the great -- yes a lot of people have seen it --
89
248000
4000
Salah satu yang bagus -
Ya, banyak orang telah melihatnya.
Ya, banyak orang telah melihatnya.
04:30
one of the great TED Talks.
90
252000
2000
Salah satu ceramah TED yang bagus.
04:32
Hans put up this presentation
91
254000
2000
Hans memberikan persembahan ini.
04:34
in which he showed, for various different countries, in various different colors --
92
256000
5000
Dia menunjukkan negara-negara
yang diwakili warna-warna yang berbeza,
yang diwakili warna-warna yang berbeza,
04:39
he showed income levels on one axis
93
261000
3000
tahap pendapatan
pada satu paksi
pada satu paksi
04:42
and he showed infant mortality, and he shot this thing animated through time.
94
264000
3000
dan kematian bayi
dengan menggunakan animasi.
dengan menggunakan animasi.
04:45
So, he'd taken this data and made a presentation
95
267000
4000
Jadi, dia mengambil data ini
dan membuat persembahan
dan membuat persembahan
04:49
which just shattered a lot of myths that people had
96
271000
3000
yang membuka mata orang ramai
04:52
about the economics in the developing world.
97
274000
4000
tentang ekonomi di negara-negara
yang sedang membangun.
yang sedang membangun.
04:56
He put up a slide a little bit like this.
98
278000
2000
Dia menggunakan slaid
seperti ini.
seperti ini.
04:58
It had underground all the data
99
280000
2000
Semua data berada
di bawah tanah.
di bawah tanah.
05:00
OK, data is brown and boxy and boring,
100
282000
3000
Data berwarna coklat, berbentuk kotak
dan membosankan.
dan membosankan.
05:03
and that's how we think of it, isn't it?
101
285000
2000
Itulah bagaimana kita fikirkannya, bukan?
05:05
Because data you can't naturally use by itself
102
287000
3000
Ini kerana anda tidak hanya
menggunakan data semata-mata.
menggunakan data semata-mata.
05:08
But in fact, data drives a huge amount of what happens in our lives
103
290000
4000
Sebenarnya, data mendorong banyak perkara
yang berlaku dalam kehidupan kita
yang berlaku dalam kehidupan kita
05:12
and it happens because somebody takes that data and does something with it.
104
294000
3000
dan ia berlaku kerana seseorang mengambil data
dan melakukan sesuatu dengannya.
dan melakukan sesuatu dengannya.
05:15
In this case, Hans had put the data together
105
297000
2000
Dalam kes ini,
Hans telah mengumpulkan data
Hans telah mengumpulkan data
05:17
he had found from all kinds of United Nations websites and things.
106
299000
5000
yang diperoleh daripada pelbagai perkara
dan laman web Bangsa-bangsa Bersatu.
dan laman web Bangsa-bangsa Bersatu.
05:22
He had put it together,
107
304000
2000
Dia telah mengumpulkan semua data
05:24
combined it into something more interesting than the original pieces
108
306000
3000
dan menggabungkannya menjadi sesuatu
yang lebih menarik daripada data asal.
yang lebih menarik daripada data asal.
05:27
and then he'd put it into this software,
109
309000
5000
Kemudian, dia memasukkannya
ke dalam perisian ini,
ke dalam perisian ini,
05:32
which I think his son developed, originally,
110
314000
2000
yang dikembangkan oleh anaknya,
05:34
and produces this wonderful presentation.
111
316000
3000
dan menghasilkan
persembahan yang menarik ini.
persembahan yang menarik ini.
05:37
And Hans made a point
112
319000
2000
Hans kata,
05:39
of saying, "Look, it's really important to have a lot of data."
113
321000
4000
"Adalah sangat penting untuk
mempunyai banyak data."
mempunyai banyak data."
05:43
And I was happy to see that at the party last night
114
325000
3000
Semasa di parti malam tadi,
saya gembira melihat
saya gembira melihat
05:46
that he was still saying, very forcibly, "It's really important to have a lot of data."
115
328000
4000
bahawa dia masih menegaskan,
"Adalah sangat penting untuk mempunyai banyak data."
"Adalah sangat penting untuk mempunyai banyak data."
05:50
So I want us now to think about
116
332000
2000
Jadi, saya mahu kita
bukan saja berfikir tentang
bukan saja berfikir tentang
05:52
not just two pieces of data being connected, or six like he did,
117
334000
4000
2 jenis data yang berkaitan,
atau 6 seperti yang dikatakannya,
atau 6 seperti yang dikatakannya,
05:56
but I want to think about a world where everybody has put data on the web
118
338000
5000
tapi saya mahu melihat dunia di mana
semua orang telah masukkan data ke dalam web
semua orang telah masukkan data ke dalam web
06:01
and so virtually everything you can imagine is on the web
119
343000
2000
agar semua yang anda boleh bayangkan
berada dalam web
berada dalam web
06:03
and then calling that linked data.
120
345000
2000
dan kemudian memanggilnya
data berkaitan.
data berkaitan.
06:05
The technology is linked data, and it's extremely simple.
121
347000
2000
Teknologi ini data berkaitan;
ia amat mudah.
ia amat mudah.
06:07
If you want to put something on the web there are three rules:
122
349000
4000
Jika anda ingin masukkan sesuatu ke dalam web,
terdapat 3 peraturan:
terdapat 3 peraturan:
06:11
first thing is that those HTTP names --
123
353000
3000
Peraturan pertama ialah,
06:14
those things that start with "http:" --
124
356000
2000
bagi perkara-perkara yang
bermula dengan "http:",
bermula dengan "http:",
06:16
we're using them not just for documents now,
125
358000
4000
sekarang, kita bukan saja
menggunakannya untuk dokumen,
menggunakannya untuk dokumen,
06:20
we're using them for things that the documents are about.
126
362000
2000
kita juga menggunakannya untuk perkara
yang berkaitan dengan dokumen,
yang berkaitan dengan dokumen,
06:22
We're using them for people, we're using them for places,
127
364000
2000
orang ramai, tempat,
produk anda, dan peristiwa.
produk anda, dan peristiwa.
06:24
we're using them for your products, we're using them for events.
128
366000
4000
orang ramai, tempat,
produk anda, dan peristiwa.
produk anda, dan peristiwa.
06:28
All kinds of conceptual things, they have names now that start with HTTP.
129
370000
4000
Kini, pelbagai jenis konsep
mempunyai nama yang bermula dengan HTTP.
mempunyai nama yang bermula dengan HTTP.
06:32
Second rule, if I take one of these HTTP names and I look it up
130
374000
5000
Peraturan kedua, jika saya mengambil
sebuah nama HTTP,
sebuah nama HTTP,
06:37
and I do the web thing with it and I fetch the data
131
379000
2000
membuat pencarian di web,
dan mengambil data dengan
dan mengambil data dengan
06:39
using the HTTP protocol from the web,
132
381000
2000
menggunakan protokol HTTP
daripada web,
daripada web,
06:41
I will get back some data in a standard format
133
383000
3000
Saya akan mendapat beberapa data
dalam format yang standard
dalam format yang standard
06:44
which is kind of useful data that somebody might like to know
134
386000
5000
iaitu data yang berguna tentang
sesuatu atau peristiwa
sesuatu atau peristiwa
06:49
about that thing, about that event.
135
391000
2000
yang ingin diketahui seseorang.
06:51
Who's at the event? Whatever it is about that person,
136
393000
2000
Siapa berada di situ?
Apa-apa saja tentang orang itu,
Apa-apa saja tentang orang itu,
06:53
where they were born, things like that.
137
395000
2000
di mana mereka dilahirkan,
perkara-perkara seperti itu.
perkara-perkara seperti itu.
06:55
So the second rule is I get important information back.
138
397000
2000
Jadi peraturan kedua ialah,
saya mendapat maklumat penting.
saya mendapat maklumat penting.
06:57
Third rule is that when I get back that information
139
399000
4000
Peraturan ketiga ialah,
apabila saya mendapat maklumat itu
apabila saya mendapat maklumat itu
07:01
it's not just got somebody's height and weight and when they were born,
140
403000
3000
ia bukan saja ketinggian, berat badan,
kelahiran, tapi semuanya berkaitan.
kelahiran, tapi semuanya berkaitan.
07:04
it's got relationships.
141
406000
2000
ia bukan saja ketinggian, berat badan,
kelahiran, tapi semuanya berkaitan.
kelahiran, tapi semuanya berkaitan.
07:06
Data is relationships.
142
408000
2000
Data-data adalah
saling berkaitan.
saling berkaitan.
07:08
Interestingly, data is relationships.
143
410000
2000
Agak menarik,
data-data adalah saling berkaitan.
data-data adalah saling berkaitan.
07:10
This person was born in Berlin; Berlin is in Germany.
144
412000
4000
Orang ini dilahirkan di Berlin;
Berlin terletak di Jerman.
Berlin terletak di Jerman.
07:14
And when it has relationships, whenever it expresses a relationship
145
416000
3000
Apabila ia saling berkaitan,
apabila ia menunjukkan perkaitan
apabila ia menunjukkan perkaitan
07:17
then the other thing that it's related to
146
419000
3000
maka perkara lain
yang berkaitan dengannya
yang berkaitan dengannya
07:20
is given one of those names that starts HTTP.
147
422000
4000
diberikan sebuah nama
yang bermula dengan HTTP.
yang bermula dengan HTTP.
07:24
So, I can go ahead and look that thing up.
148
426000
2000
Jadi, saya boleh
meneruskan pencarian.
meneruskan pencarian.
07:26
So I look up a person -- I can look up then the city where they were born; then
149
428000
3000
Jika saya mencari seseorang, saya boleh mencari bandar di mana mereka dilahirkan,
07:29
I can look up the region it's in, and the town it's in,
150
431000
3000
Jika saya mencari seseorang, saya boleh mencari bandar di mana mereka dilahirkan,
07:32
and the population of it, and so on.
151
434000
3000
kawasan dan pekan itu,
populasi dan sebagainya.
populasi dan sebagainya.
07:35
So I can browse this stuff.
152
437000
2000
Jadi, saya boleh
melihat semua ini.
melihat semua ini.
07:37
So that's it, really.
153
439000
2000
Memang begitu.
07:39
That is linked data.
154
441000
2000
Itulah data berkaitan.
07:41
I wrote an article entitled "Linked Data" a couple of years ago
155
443000
3000
Beberapa tahun yang lalu,
saya menulis artikel yang bertajuk "Data Berkaitan"
saya menulis artikel yang bertajuk "Data Berkaitan"
07:44
and soon after that, things started to happen.
156
446000
4000
dan tidak lama selepas itu,
banyak perkara mula berlaku.
banyak perkara mula berlaku.
07:48
The idea of linked data is that we get lots and lots and lots
157
450000
4000
Idea data berkaitan ialah,
kita mendapat banyak
kita mendapat banyak
07:52
of these boxes that Hans had,
158
454000
2000
kotak-kotak seperti
yang Hans ada,
yang Hans ada,
07:54
and we get lots and lots and lots of things sprouting.
159
456000
2000
dan kita mendapat
banyak percambahan.
banyak percambahan.
07:56
It's not just a whole lot of other plants.
160
458000
3000
Ia bukan saja
banyak tumbuhan yang lain.
banyak tumbuhan yang lain.
07:59
It's not just a root supplying a plant,
161
461000
2000
Ia bukan saja satu akar
untuk satu tumbuhan,
untuk satu tumbuhan,
08:01
but for each of those plants, whatever it is --
162
463000
3000
tapi bagi setiap satu tumbuhan,
apa-apa saja,
apa-apa saja,
08:04
a presentation, an analysis, somebody's looking for patterns in the data --
163
466000
3000
persembahan, analisis,
seseorang yang mencari corak data,
seseorang yang mencari corak data,
08:07
they get to look at all the data
164
469000
3000
mereka dapat
melihat semua data
melihat semua data
08:10
and they get it connected together,
165
472000
2000
dan mengaitkannya.
08:12
and the really important thing about data
166
474000
2000
Apa yang sangat penting
tentang data ialah,
tentang data ialah,
08:14
is the more things you have to connect together, the more powerful it is.
167
476000
2000
semakin banyak data yang dikaitkan,
ia semakin bernilai.
ia semakin bernilai.
08:16
So, linked data.
168
478000
2000
Jadi,
data berkaitan.
data berkaitan.
08:18
The meme went out there.
169
480000
2000
Ia tersebar.
08:20
And, pretty soon Chris Bizer at the Freie Universitat in Berlin
170
482000
4000
Kemudian,
Chris Bizer dari Freie Universitat, Berlin,
Chris Bizer dari Freie Universitat, Berlin,
08:24
who was one of the first people to put interesting things up,
171
486000
2000
salah seorang yang masukkan
data yang menarik,
data yang menarik,
08:26
he noticed that Wikipedia --
172
488000
2000
dia mendapati bahawa Wikipedia -
08:28
you know Wikipedia, the online encyclopedia
173
490000
3000
anda tahu Wikipedia,
ensiklopedia dalam talian
ensiklopedia dalam talian
08:31
with lots and lots of interesting documents in it.
174
493000
2000
yang mengandungi
banyak dokumen yang menarik.
banyak dokumen yang menarik.
08:33
Well, in those documents, there are little squares, little boxes.
175
495000
4000
Dalam dokumen tersebut,
terdapat kotak-kotak kecil.
terdapat kotak-kotak kecil.
08:37
And in most information boxes, there's data.
176
499000
3000
Dalam kebanyakan kotak maklumat,
terdapat data.
terdapat data.
08:40
So he wrote a program to take the data, extract it from Wikipedia,
177
502000
4000
Dia menulis sebuah program
untuk mengambil data dari Wikipedia,
untuk mengambil data dari Wikipedia,
08:44
and put it into a blob of linked data
178
506000
2000
dan menyimpan data berkaitan
08:46
on the web, which he called dbpedia.
179
508000
3000
ke dalam web;
dia memanggilnya dbpedia.
dia memanggilnya dbpedia.
08:49
Dbpedia is represented by the blue blob in the middle of this slide
180
511000
4000
Dbpedia diwakili oleh bulatan biru
dalam slaid ini.
dalam slaid ini.
08:53
and if you actually go and look up Berlin,
181
515000
2000
Jika anda membuat pencarian
tentang Berlin,
tentang Berlin,
08:55
you'll find that there are other blobs of data
182
517000
2000
anda akan menemui
data-data lain
data-data lain
08:57
which also have stuff about Berlin, and they're linked together.
183
519000
3000
yang mempunyai maklumat tentang Berlin,
dan ia telah dikaitkan.
dan ia telah dikaitkan.
09:00
So if you pull the data from dbpedia about Berlin,
184
522000
3000
Jadi, jika anda mengambil data
dari dbpedia tentang Berlin,
dari dbpedia tentang Berlin,
09:03
you'll end up pulling up these other things as well.
185
525000
2000
anda juga akan mengambil
maklumat lain.
maklumat lain.
09:05
And the exciting thing is it's starting to grow.
186
527000
3000
Apa yang menarik ialah,
ia mula berkembang.
ia mula berkembang.
09:08
This is just the grassroots stuff again, OK?
187
530000
2000
Ini hanyalah
bahagian akar umbi.
bahagian akar umbi.
09:10
Let's think about data for a bit.
188
532000
3000
Mari kita berfikir lebih banyak
tentang data.
tentang data.
09:13
Data comes in fact in lots and lots of different forms.
189
535000
3000
Data berada dalam
bentuk-bentuk yang berbeza.
bentuk-bentuk yang berbeza.
09:16
Think of the diversity of the web. It's a really important thing
190
538000
3000
Fikirkan kepelbagaian web.
Ia sangat penting
Ia sangat penting
09:19
that the web allows you to put all kinds of data up there.
191
541000
3000
bahawa anda dapat masukkan
pelbagai jenis data ke dalam web.
pelbagai jenis data ke dalam web.
09:22
So it is with data. I could talk about all kinds of data.
192
544000
2000
Begitu juga dengan data.
Saya boleh jelaskan semua jenis data.
Saya boleh jelaskan semua jenis data.
09:25
We could talk about government data, enterprise data is really important,
193
547000
4000
Kita boleh bercakap tentang data kerajaan,
data syarikat adalah sangat penting,
data syarikat adalah sangat penting,
09:29
there's scientific data, there's personal data,
194
551000
3000
terdapat data saintifik,
data peribadi,
data peribadi,
09:32
there's weather data, there's data about events,
195
554000
2000
data cuaca,
data tentang peristiwa,
data tentang peristiwa,
09:34
there's data about talks, and there's news and there's all kinds of stuff.
196
556000
4000
data tentang ceramah,
berita dan sebagainya.
berita dan sebagainya.
09:38
I'm just going to mention a few of them
197
560000
3000
Saya akan jelaskan
beberapa daripadanya
beberapa daripadanya
09:41
so that you get the idea of the diversity of it,
198
563000
2000
agar anda mendapat
idea kepelbagaian itu,
idea kepelbagaian itu,
09:43
so that you also see how much unlocked potential.
199
565000
4000
agar anda juga melihat
potensi yang belum dicungkil.
potensi yang belum dicungkil.
09:47
Let's start with government data.
200
569000
2000
Mari kita mulakan dengan
data kerajaan.
data kerajaan.
09:49
Barack Obama said in a speech,
201
571000
2000
Barack Obama berkata
dalam sebuah ucapan,
dalam sebuah ucapan,
09:51
that he -- American government data would be available on the Internet
202
573000
5000
bahawa data kerajaan Amerika
akan tersedia di Internet
akan tersedia di Internet
09:56
in accessible formats.
203
578000
2000
dalam format
yang boleh diakses.
yang boleh diakses.
09:58
And I hope that they will put it up as linked data.
204
580000
2000
Saya harap mereka akan masukkannya
sebagai data berkaitan.
sebagai data berkaitan.
10:00
That's important. Why is it important?
205
582000
2000
Itu adalah penting.
Kenapa?
Kenapa?
10:02
Not just for transparency, yeah transparency in government is important,
206
584000
3000
Bukan saja untuk ketelusan,
ya, ketelusan kerajaan adalah penting,
ya, ketelusan kerajaan adalah penting,
10:05
but that data -- this is the data from all the government departments
207
587000
3000
ini ialah data daripada
semua jabatan kerajaan.
semua jabatan kerajaan.
10:08
Think about how much of that data is about how life is lived in America.
208
590000
5000
Fikirkan berapa banyak data itu
adalah tentang kehidupan di Amerika.
adalah tentang kehidupan di Amerika.
10:13
It's actual useful. It's got value.
209
595000
2000
Ia sangat berguna.
Ia bernilai.
Ia bernilai.
10:15
I can use it in my company.
210
597000
2000
Saya boleh menggunakannya
dalam syarikat saya.
dalam syarikat saya.
10:17
I could use it as a kid to do my homework.
211
599000
2000
Sebagai pelajar, saya boleh menggunakannya
untuk membuat kerja rumah saya.
untuk membuat kerja rumah saya.
10:19
So we're talking about making the place, making the world run better
212
601000
3000
Jadi, kita bercakap tentang
menjadikan dunia ini lebih baik
menjadikan dunia ini lebih baik
10:22
by making this data available.
213
604000
2000
dengan cara membolehkan
data ini diakses.
data ini diakses.
10:24
In fact if you're responsible -- if you know about some data
214
606000
4000
Jika anda tahu tentang data-data
10:28
in a government department, often you find that
215
610000
2000
di jabatan kerajaan,
anda akan mendapati bahawa
anda akan mendapati bahawa
10:30
these people, they're very tempted to keep it --
216
612000
3000
mereka suka menyimpannya -
10:33
Hans calls it database hugging.
217
615000
3000
Hans memanggilnya
"memeluk pangkalan data".
"memeluk pangkalan data".
10:36
You hug your database, you don't want to let it go
218
618000
2000
Anda memeluk pangkalan data anda,
enggan melepaskannya
enggan melepaskannya
10:38
until you've made a beautiful website for it.
219
620000
2000
sehingga anda telah membuat laman web
yang cantik untuknya.
yang cantik untuknya.
10:40
Well, I'd like to suggest that rather --
220
622000
2000
Saya ingin mencadangkan
bahawa daripada --
bahawa daripada --
10:42
yes, make a beautiful website,
221
624000
2000
ya, membuat laman web
yang cantik,
yang cantik,
10:44
who am I to say don't make a beautiful website?
222
626000
2000
siapa saya untuk katakan
jangan buat begitu?
jangan buat begitu?
10:46
Make a beautiful website, but first
223
628000
3000
Membuat laman web yang cantik,
tapi sebelum itu
tapi sebelum itu
10:49
give us the unadulterated data,
224
631000
3000
memberi kami data mentah.
10:52
we want the data.
225
634000
2000
Kita mahu data itu.
10:54
We want unadulterated data.
226
636000
2000
Kita mahu data mentah.
10:56
OK, we have to ask for raw data now.
227
638000
3000
OK, Kita akan meminta
data mentah sekarang.
data mentah sekarang.
10:59
And I'm going to ask you to practice that, OK?
228
641000
2000
Saya akan minta anda
berlatih sekarang.
berlatih sekarang.
11:01
Can you say "raw"?
229
643000
1000
Boleh anda kata
"mentah"?
"mentah"?
11:02
Audience: Raw.
230
644000
1000
Hadirin:
Mentah.
Mentah.
11:03
Tim Berners-Lee: Can you say "data"?
231
645000
1000
TBL:
Boleh anda kata "data"?
Boleh anda kata "data"?
11:04
Audience: Data.
232
646000
1000
Hadirin:
Data.
Data.
11:05
TBL: Can you say "now"?
233
647000
1000
TBL:
Boleh anda kata "sekarang"?
Boleh anda kata "sekarang"?
11:06
Audience: Now!
234
648000
1000
Hadirin:
Sekarang!
Sekarang!
11:07
TBL: Alright, "raw data now"!
235
649000
2000
TBL:
Baiklah, "Data mentah sekarang!"
Baiklah, "Data mentah sekarang!"
11:09
Audience: Raw data now!
236
651000
2000
Hadirin:
"Data mentah sekarang!"
"Data mentah sekarang!"
11:11
Practice that. It's important because you have no idea the number of excuses
237
653000
4000
Lakukannya. Ia penting kerana
anda tidak tahu alasan-alasan
anda tidak tahu alasan-alasan
11:15
people come up with to hang onto their data
238
657000
2000
yang diberikan untuk
tidak memberikan data
tidak memberikan data
11:17
and not give it to you, even though you've paid for it as a taxpayer.
239
659000
4000
kepada anda, walaupun anda telah
membayarnya sebagai pembayar cukai.
membayarnya sebagai pembayar cukai.
11:21
And it's not just America. It's all over the world.
240
663000
2000
Bukan saja di Amerika,
ia berlaku di seluruh dunia.
ia berlaku di seluruh dunia.
11:23
And it's not just governments, of course -- it's enterprises as well.
241
665000
3000
Bukan saja kerajaan,
syarikat-syarikat pun begitu.
syarikat-syarikat pun begitu.
11:26
So I'm just going to mention a few other thoughts on data.
242
668000
3000
Saya akan bercakap lagi
tentang data.
tentang data.
11:29
Here we are at TED, and all the time we are very conscious
243
671000
5000
Kita berada di TED,
selama ini kita sedar tentang
selama ini kita sedar tentang
11:34
of the huge challenges that human society has right now --
244
676000
5000
cabaran-cabaran besar manusia:
11:39
curing cancer, understanding the brain for Alzheimer's,
245
681000
3000
Merawat kanser,
memahami otak pesakit Alzheimer,
memahami otak pesakit Alzheimer,
11:42
understanding the economy to make it a little bit more stable,
246
684000
3000
memahami ekonomi untuk
menjadikannya lebih stabil,
menjadikannya lebih stabil,
11:45
understanding how the world works.
247
687000
2000
memahami bagaimana dunia berfungsi.
11:47
The people who are going to solve those -- the scientists --
248
689000
2000
Ahli-ahli sains yang akan
selesaikan semua ini
selesaikan semua ini
11:49
they have half-formed ideas in their head,
249
691000
2000
mempunyai idea-idea
yang belum sempurna,
yang belum sempurna,
11:51
they try to communicate those over the web.
250
693000
3000
mereka cuba berkomunikasi
tentangnya di web.
tentangnya di web.
11:54
But a lot of the state of knowledge of the human race at the moment
251
696000
3000
Tapi pada masa ini,
banyak pengetahuan manusia
banyak pengetahuan manusia
11:57
is on databases, often sitting in their computers,
252
699000
3000
berada dalam pangkalan data,
tersimpan dalam komputer mereka,
tersimpan dalam komputer mereka,
12:00
and actually, currently not shared.
253
702000
3000
dan sebenarnya,
pada masa ini ia tidak dikongsi.
pada masa ini ia tidak dikongsi.
12:03
In fact, I'll just go into one area --
254
705000
3000
Saya hanya akan bercakap
dari satu segi.
dari satu segi.
12:06
if you're looking at Alzheimer's, for example,
255
708000
2000
Jika anda membuat pencarian
tentang Alzheimer,
tentang Alzheimer,
12:08
drug discovery -- there is a whole lot of linked data which is just coming out
256
710000
3000
penemuan ubat, banyak data berkaitan
yang akan tersenarai
yang akan tersenarai
12:11
because scientists in that field realize
257
713000
2000
kerana ahli-ahli sains dalam
bidang itu sedar bahawa
bidang itu sedar bahawa
12:13
this is a great way of getting out of those silos,
258
715000
3000
ini ialah cara yang baik
untuk berkongsi data,
untuk berkongsi data,
12:16
because they had their genomics data in one database
259
718000
4000
kerana dulu data genomik disimpan dalam
sebuah pangkalan data,
sebuah pangkalan data,
12:20
in one building, and they had their protein data in another.
260
722000
3000
dan data protein disimpan
dalam pangkalan data yang lain.
dalam pangkalan data yang lain.
12:23
Now, they are sticking it onto -- linked data --
261
725000
3000
Kini, mereka mewujudkan
data berkaitan
data berkaitan
12:26
and now they can ask the sort of question, that you probably wouldn't ask,
262
728000
3000
dan mereka boleh tanya soalan
yang anda dan saya
yang anda dan saya
12:29
I wouldn't ask -- they would.
263
731000
2000
tidak akan tanya,
tapi mereka akan tanya.
tapi mereka akan tanya.
12:31
What proteins are involved in signal transduction
264
733000
2000
Apakah protein yang terlibat dalam
transduksi isyarat
transduksi isyarat
12:33
and also related to pyramidal neurons?
265
735000
2000
dan juga berkaitan dengan
neuron piramid?
neuron piramid?
12:35
Well, you take that mouthful and you put it into Google.
266
737000
3000
Anda ambil solan itu dan
membuat pencarian di Google.
membuat pencarian di Google.
12:38
Of course, there's no page on the web which has answered that question
267
740000
3000
Semestinya, tiada laman web
yang mempunyai jawapan
yang mempunyai jawapan
12:41
because nobody has asked that question before.
268
743000
2000
kerana tiada orang
pernah tanya soalan itu.
pernah tanya soalan itu.
12:43
You get 223,000 hits --
269
745000
2000
Anda akan mendapat
223,000 hasil carian,
223,000 hasil carian,
12:45
no results you can use.
270
747000
2000
tapi tiada hasil
yang berguna.
yang berguna.
12:47
You ask the linked data -- which they've now put together --
271
749000
3000
Anda mencuba data berkaitan;
ia telah diwujudkan,
ia telah diwujudkan,
12:50
32 hits, each of which is a protein which has those properties
272
752000
4000
32 hasil carian, setiap satu ialah protein
yang mempunyai ciri-ciri tersebut.
yang mempunyai ciri-ciri tersebut.
12:54
and you can look at.
273
756000
2000
Anda boleh membacanya.
12:56
The power of being able to ask those questions, as a scientist --
274
758000
3000
Berupaya menanya soalan-soalan itu,
sebagai seorang saintis,
sebagai seorang saintis,
12:59
questions which actually bridge across different disciplines --
275
761000
2000
soalan-soalan yang dapat merapatkan
bidang-bidang yang berbeza,
bidang-bidang yang berbeza,
13:01
is really a complete sea change.
276
763000
3000
ialah perubahan
yang sangat besar.
yang sangat besar.
13:04
It's very very important.
277
766000
2000
Ia sangat penting.
13:06
Scientists are totally stymied at the moment --
278
768000
2000
Ahli-ahli sains betul-betul
tersentap pada masa ini.
tersentap pada masa ini.
13:08
the power of the data that other scientists have collected is locked up
279
770000
5000
Ahli-ahli sains menyimpan
data-data yang telah dikumpulkan.
data-data yang telah dikumpulkan.
13:13
and we need to get it unlocked so we can tackle those huge problems.
280
775000
3000
Kita perlu berkongsi data-data ini
agar kita boleh selesaikan masalah tersebut.
agar kita boleh selesaikan masalah tersebut.
13:16
Now if I go on like this, you'll think that all the data comes from huge institutions
281
778000
4000
Anda mungkin berfikir bahawa
semua data berasal daripada institusi besar
semua data berasal daripada institusi besar
13:20
and has nothing to do with you.
282
782000
3000
dan ia tidak berkaitan
dengan anda.
dengan anda.
13:23
But, that's not true.
283
785000
2000
Tapi,
itu tidak benar.
itu tidak benar.
13:25
In fact, data is about our lives.
284
787000
2000
Sebenarnya, data berkaitan dengan
kehidupan kita.
kehidupan kita.
13:27
You just -- you log on to your social networking site,
285
789000
3000
Anda log masuk ke
laman rangkaian sosial,
laman rangkaian sosial,
13:30
your favorite one, you say, "This is my friend."
286
792000
2000
anda kata,
"Ini kawan saya."
"Ini kawan saya."
13:32
Bing! Relationship. Data.
287
794000
3000
Bing!
Perkaitan. Data.
Perkaitan. Data.
13:35
You say, "This photograph, it's about -- it depicts this person. "
288
797000
3000
Anda kata, "Gambar ini tentang..."
Ia menggambarkan orang ini.
Ia menggambarkan orang ini.
13:38
Bing! That's data. Data, data, data.
289
800000
3000
Bing! Itulah data.
Data, data, data.
Data, data, data.
13:41
Every time you do things on the social networking site,
290
803000
2000
Setiap kali anda melakukan sesuatu
di laman rangkaian sosial,
di laman rangkaian sosial,
13:43
the social networking site is taking data and using it -- re-purposing it --
291
805000
4000
laman rangkaian sosial akan mengambil data
dan menggunakannya
dan menggunakannya
13:47
and using it to make other people's lives more interesting on the site.
292
809000
4000
untuk membuat kehidupan orang lain
lebih menarik di laman web.
lebih menarik di laman web.
13:51
But, when you go to another linked data site --
293
813000
2000
Tapi, apabila anda pergi
ke laman web yang lain,
ke laman web yang lain,
13:53
and let's say this is one about travel,
294
815000
3000
katakan,
ini adalah tentang perjalanan,
ini adalah tentang perjalanan,
13:56
and you say, "I want to send this photo to all the people in that group,"
295
818000
3000
dan anda kata, "Saya mahu hantar gambar ini
kepada semua orang dalam kumpulan itu,"
kepada semua orang dalam kumpulan itu,"
13:59
you can't get over the walls.
296
821000
2000
tapi anda tidak dapat
melepasi semua dinding ini.
melepasi semua dinding ini.
14:01
The Economist wrote an article about it, and lots of people have blogged about it --
297
823000
2000
Economist ada satu artikel tentangnya;
ramai orang menulis blog tentangnya.
ramai orang menulis blog tentangnya.
14:03
tremendous frustration.
298
825000
1000
kekecewaan yang amat besar.
14:04
The way to break down the silos is to get inter-operability
299
826000
2000
Cara untuk mengatasinya ialah,
wujudkan kebolehkendalian
wujudkan kebolehkendalian
14:06
between social networking sites.
300
828000
2000
antara laman web
rangkaian sosial.
rangkaian sosial.
14:08
We need to do that with linked data.
301
830000
2000
Kita perlu buat begitu
dengan data yang berkaitan.
dengan data yang berkaitan.
14:10
One last type of data I'll talk about, maybe it's the most exciting.
302
832000
3000
Saya akan jelaskan data terakhir.
Mungkin ini yang paling menarik.
Mungkin ini yang paling menarik.
14:13
Before I came down here, I looked it up on OpenStreetMap
303
835000
3000
Sebelum saya datang ke sini,
saya membuat pencarian di OpenStreetMap.
saya membuat pencarian di OpenStreetMap.
14:16
The OpenStreetMap's a map, but it's also a Wiki.
304
838000
2000
OpenStreetMap ialah peta,
tapi ia seperti Wiki.
tapi ia seperti Wiki.
14:18
Zoom in and that square thing is a theater -- which we're in right now --
305
840000
3000
Zum masuk.
Segi empat itu ialah sebuah teater.
Segi empat itu ialah sebuah teater.
14:21
The Terrace Theater. It didn't have a name on it.
306
843000
2000
Teater Terrace.
Ia tidak dinamakan.
Ia tidak dinamakan.
14:23
So I could go into edit mode, I could select the theater,
307
845000
2000
Jadi, saya boleh masuk ke mod sunting
dan pilih teater ini,
dan pilih teater ini,
14:25
I could add down at the bottom the name, and I could save it back.
308
847000
5000
Saya boleh menamakannya,
dan saya boleh menyimpannya.
dan saya boleh menyimpannya.
14:30
And now if you go back to the OpenStreetMap. org,
309
852000
3000
Sekarang, jika anda
kembali ke OpenStreetMap.org
kembali ke OpenStreetMap.org
14:33
and you find this place, you will find that The Terrace Theater has got a name.
310
855000
3000
dan mencari tempat ini, anda akan dapati
Teater Terrace telah dinamakan.
Teater Terrace telah dinamakan.
14:36
I did that. Me!
311
858000
2000
Saya yang lakukannya.
Saya!
Saya!
14:38
I did that to the map. I just did that!
312
860000
2000
Saya yang lakukannya
pada peta itu!
pada peta itu!
14:40
I put that up on there. Hey, you know what?
313
862000
2000
Saya menamakan teater itu.
Hei, anda tahu?
Hei, anda tahu?
14:42
If I -- that street map is all about everybody doing their bit
314
864000
3000
Jika semua orang
lakukan bahagian mereka,
lakukan bahagian mereka,
14:45
and it creates an incredible resource
315
867000
3000
maka ia akan mewujudkan
banyak sumber
banyak sumber
14:48
because everybody else does theirs.
316
870000
3000
kerana semua orang
lakukan bahagian mereka.
lakukan bahagian mereka.
14:51
And that is what linked data is all about.
317
873000
3000
Itulah data berkaitan.
14:54
It's about people doing their bit
318
876000
3000
Orang ramai lakukan bahagian mereka
dan semua itu dikaitkan.
dan semua itu dikaitkan.
14:57
to produce a little bit, and it all connecting.
319
879000
3000
Orang ramai lakukan bahagian mereka
dan semua itu dikaitkan.
dan semua itu dikaitkan.
15:00
That's how linked data works.
320
882000
3000
Itulah bagaimana
data berkaitan berfungsi.
data berkaitan berfungsi.
15:03
You do your bit. Everybody else does theirs.
321
885000
4000
Anda lakukan bahagian anda.
Semua orang lakukan bahagian masing-masing.
Semua orang lakukan bahagian masing-masing.
15:07
You may not have lots of data which you have yourself to put on there
322
889000
4000
Mungkin data yang dimasukkan
ke dalam web adalah sedikit,
ke dalam web adalah sedikit,
15:11
but you know to demand it.
323
893000
3000
tapi anda tahu bagaimana
untuk mendapatkannya.
untuk mendapatkannya.
15:14
And we've practiced that.
324
896000
2000
Kita pernah melakukannya.
15:16
So, linked data -- it's huge.
325
898000
4000
Jadi,
terdapat banyak data berkaitan.
terdapat banyak data berkaitan.
15:20
I've only told you a very small number of things
326
902000
3000
Saya hanya beritahu anda
beberapa perkara.
beberapa perkara.
15:23
There are data in every aspect of our lives,
327
905000
2000
Terdapat data dalam
setiap aspek kehidupan kita,
setiap aspek kehidupan kita,
15:25
every aspect of work and pleasure,
328
907000
3000
setiap aspek tentang
kerja dan keseronokan.
kerja dan keseronokan.
15:28
and it's not just about the number of places where data comes,
329
910000
3000
Ia bukan tentang
sumber-sumber data,
sumber-sumber data,
15:31
it's about connecting it together.
330
913000
3000
ia tentang
mengaitkan semua sumber.
mengaitkan semua sumber.
15:34
And when you connect data together, you get power
331
916000
3000
Apabila anda mengaitkan data,
15:37
in a way that doesn't happen just with the web, with documents.
332
919000
3000
ia tidak hanya berguna dalam web
dan untuk dokumen,
dan untuk dokumen,
15:40
You get this really huge power out of it.
333
922000
4000
potensinya sangat besar.
15:44
So, we're at the stage now
334
926000
3000
Sekarang,
kita berada di peringkat
kita berada di peringkat
15:47
where we have to do this -- the people who think it's a great idea.
335
929000
4000
di mana kita perlu lakukannya.
15:51
And all the people -- and I think there's a lot of people at TED who do things because --
336
933000
3000
Ramai orang di TED
lakukan sesuatu
lakukan sesuatu
15:54
even though there's not an immediate return on the investment
337
936000
2000
walaupun ia tidak akan
datangkan kesan segera;
datangkan kesan segera;
15:56
because it will only really pay off when everybody else has done it --
338
938000
3000
ia hanya akan berkesan
apabila orang lain sudi lakukannya.
apabila orang lain sudi lakukannya.
15:59
they'll do it because they're the sort of person who just does things
339
941000
4000
Mereka lakukannya kerana
mereka ialah orang yang lakukan sesuatu
mereka ialah orang yang lakukan sesuatu
16:03
which would be good if everybody else did them.
340
945000
3000
yang akan datangkan kesan
jika orang lain juga lakukannya.
jika orang lain juga lakukannya.
16:06
OK, so it's called linked data.
341
948000
2000
Jadi,
inilah data berkaitan.
inilah data berkaitan.
16:08
I want you to make it.
342
950000
2000
Saya mahu anda lakukannya.
16:10
I want you to demand it.
343
952000
2000
Saya mahu anda menuntutnya.
16:12
And I think it's an idea worth spreading.
344
954000
2000
Saya rasa,
idea ini patut disebarkan.
idea ini patut disebarkan.
16:14
Thanks.
345
956000
1000
Terima kasih.
16:15
(Applause)
346
957000
3000
Tepukan
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