TED2009
Tim Berners-Lee: The next web
Tim Berners-Lee over het volgende Web.
Filmed:
Readability: 3.8
1,638,798 views
20 jaar geleden vond Tim Berners-Lee het World Wide Web uit. Voor zijn volgende project bouwt hij een web voor open, gelinkte data dat voor getallen kan doen wat het Web deed voor woorden, plaatjes en video's: ontsluiten van onze data en zoeken naar een nieuw kader voor de manier waarop wij ze gebruiken,
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
De tijd vliegt.
00:20
It's actually almost 20 years ago
1
2000
2000
Het is nu bijna 20 jaar geleden,
00:22
when I wanted to reframe the way we use information,
2
4000
4000
dat ik zocht naar een nieuw kader voor de manier waarop wij informatie gebruiken,
00:26
the way we work together: I invented the World Wide Web.
3
8000
3000
de manier waarop we samenwerken -- ik vond het World Wide Web uit.
00:29
Now, 20 years on, at TED,
4
11000
3000
Nu, 20 jaar later, bij TED,
00:32
I want to ask your help in a new reframing.
5
14000
4000
wil ik jullie hulp bij nog een nieuw kader.
00:37
So going back to 1989,
6
19000
4000
Destijds in 1989
00:41
I wrote a memo suggesting the global hypertext system.
7
23000
3000
schreef ik een memo waarin ik het mondiale hypertextsysteem voorstelde.
00:44
Nobody really did anything with it, pretty much.
8
26000
3000
Maar niemand deed er echt veel mee.
00:47
But 18 months later -- this is how innovation happens --
9
29000
4000
Maar 18 maanden later -- zo gaat dat met innovatie --
00:51
18 months later, my boss said I could do it on the side,
10
33000
4000
18 maanden later zei mijn baas dat ik het naast mijn werk mocht doen,
00:55
as a sort of a play project,
11
37000
2000
als een soort speelproject,
00:57
kick the tires of a new computer we'd got.
12
39000
2000
om onze nieuwe computer wat uit te testen.
00:59
And so he gave me the time to code it up.
13
41000
3000
Hij gaf me de tijd om de software te schrijven.
01:02
So I basically roughed out what HTML should look like:
14
44000
5000
Dus ik zette in grote lijnen neer hoe HTML eruit moest zien,
01:07
hypertext protocol, HTTP;
15
49000
3000
hypertext protocol -- HTTP --
01:10
the idea of URLs, these names for things
16
52000
3000
het idee van URLs -- namen voor dingen
01:13
which started with HTTP.
17
55000
2000
die met HTTP beginnen.
01:15
I wrote the code and put it out there.
18
57000
2000
Ik schreef de programma's en bracht ze naar buiten.
01:17
Why did I do it?
19
59000
2000
Waarom ik dat deed?
01:19
Well, it was basically frustration.
20
61000
2000
Nou, vooral uit frustratie.
01:21
I was frustrated -- I was working as a software engineer
21
63000
4000
Ik was gefrustreerd -- ik werkte als software engineer
01:25
in this huge, very exciting lab,
22
67000
2000
in een enorm groot en opwindend lab,
01:27
lots of people coming from all over the world.
23
69000
2000
waar mensen van over de hele wereld werkten.
01:29
They brought all sorts of different computers with them.
24
71000
3000
Zij brachten allerlei verschillende computers mee.
01:32
They had all sorts of different data formats,
25
74000
3000
Met allerlei verschillende dataformaten.
01:35
all sorts, all kinds of documentation systems.
26
77000
2000
Allerlei soorten van documentatiesystemen.
01:37
So that, in all that diversity,
27
79000
3000
Als ik in die verscheidenheid
01:40
if I wanted to figure out how to build something
28
82000
2000
wilde uitvissen hoe je iets kon opbouwen
01:42
out of a bit of this and a bit of this,
29
84000
2000
uit een beetje van het een en een beetje van het ander,
01:44
everything I looked into, I had to connect to some new machine,
30
86000
4000
moest ik telkens verbinding zoeken met een nieuwe machine,
01:48
I had to learn to run some new program,
31
90000
2000
leren hoe ik een nieuw programma moest starten,
01:50
I would find the information I wanted in some new data format.
32
92000
5000
en dan vond ik de informatie die ik zocht in een nieuw dataformaat.
01:55
And these were all incompatible.
33
97000
2000
En die waren niet uitwisselbaar.
01:57
It was just very frustrating.
34
99000
2000
Dat was gewoon erg frustrerend.
01:59
The frustration was all this unlocked potential.
35
101000
2000
De frustratie betrof al dat ontsloten potentieel.
02:01
In fact, on all these discs there were documents.
36
103000
3000
Op al die discs stonden documenten.
02:04
So if you just imagined them all
37
106000
3000
Dus als je je kon voorstellen dat die allemaal
02:07
being part of some big, virtual documentation system in the sky,
38
109000
5000
onderdeel uit maakten van een groot, virtueel documentatiesysteem in de lucht,
02:12
say on the Internet,
39
114000
2000
op het Internet,
02:14
then life would be so much easier.
40
116000
2000
dan zou het leven zoveel eenvoudiger zijn.
02:16
Well, once you've had an idea like that it kind of gets under your skin
41
118000
4000
Als je ooit zo'n idee hebt gekregen, dan gaat het onder je huid zitten
02:20
and even if people don't read your memo --
42
122000
2000
en zelfs als niemand jouw memo leest --
02:22
actually he did, it was found after he died, his copy.
43
124000
3000
hij las het wel, men vond zijn exemplaar na zijn dood terug.
02:25
He had written, "Vague, but exciting," in pencil, in the corner.
44
127000
3000
Hij had er in een hoekje met potlood bij geschreven: "Vaag, maar opwindend"
02:28
(Laughter)
45
130000
2000
(Gelach)
02:30
But in general it was difficult -- it was really difficult to explain
46
132000
4000
Maar in het algemeen was het lastig -- het was heel lastig om uit te leggen
02:34
what the web was like.
47
136000
2000
hoe het web eruit zou zien.
02:36
It's difficult to explain to people now that it was difficult then.
48
138000
2000
Het is nu lastig uit te leggen aan mensen dat het toen lastig was.
02:38
But then -- OK, when TED started, there was no web
49
140000
3000
Maar toen -- OK, toen TED begon, bestond er nog geen web,
02:41
so things like "click" didn't have the same meaning.
50
143000
3000
dus termen als klikken betekenden iets anders.
02:44
I can show somebody a piece of hypertext,
51
146000
2000
Ik kan iemand een stukje hypertext laten zien,
02:46
a page which has got links,
52
148000
2000
een pagina met links,
02:48
and we click on the link and bing -- there'll be another hypertext page.
53
150000
4000
en we klikken op een link en boink -- daar is een andere hypertextpagina.
02:52
Not impressive.
54
154000
2000
Niet indrukwekkend.
02:54
You know, we've seen that -- we've got things on hypertext on CD-ROMs.
55
156000
3000
Wij kenden dat wel -- wij kenden toen hypertext op CD-ROMs.
02:57
What was difficult was to get them to imagine:
56
159000
3000
Het was moeilijk voor te stellen
03:00
so, imagine that that link could have gone
57
162000
4000
dat die link zou leiden
03:04
to virtually any document you could imagine.
58
166000
2000
naar praktisch elk document dat je je kon voorstellen.
03:07
Alright, that is the leap that was very difficult for people to make.
59
169000
4000
Dat was de sprong die veel mensen moeilijk konden maken.
03:11
Well, some people did.
60
173000
2000
Maar sommigen wel.
03:13
So yeah, it was difficult to explain, but there was a grassroots movement.
61
175000
3000
Het was lastig om uit te leggen, maar toch was er een beweging vanuit de basis.
03:17
And that is what has made it most fun.
62
179000
4000
En dat heeft voor het meeste plezier gezorgd.
03:21
That has been the most exciting thing,
63
183000
2000
Dat was het meest opwindende,
03:23
not the technology, not the things people have done with it,
64
185000
2000
niet de technologie, niet de dingen die mensen ermee konden doen,
03:25
but actually the community, the spirit of all these people
65
187000
2000
maar de gemeenschap zelf, de geest van al die mensen
03:27
getting together, sending the emails.
66
189000
2000
die samenkwamen, e-mails verstuurden.
03:29
That's what it was like then.
67
191000
2000
Zo was het toen.
03:31
Do you know what? It's funny, but right now it's kind of like that again.
68
193000
3000
Weet je wat? Het is grappig dat het nu weer zo gaat.
03:34
I asked everybody, more or less, to put their documents --
69
196000
2000
Ik vroeg zo'n beetje iedereen om hun documenten --
03:36
I said, "Could you put your documents on this web thing?"
70
198000
3000
Ik vroeg: "Kun je jouw documenten op dit web-ding te zetten?"
03:39
And you did.
71
201000
3000
En dat deed je dan.
03:42
Thanks.
72
204000
1000
Dank je.
03:43
It's been a blast, hasn't it?
73
205000
2000
Het is wel een explosie geweest, hè?
03:45
I mean, it has been quite interesting
74
207000
2000
Ik bedoel, het is nogal interessant geweest,
03:47
because we've found out that the things that happen with the web
75
209000
2000
omdat we hebben ontdekt dat wat er met het web gebeurt
03:49
really sort of blow us away.
76
211000
2000
ons echt verbaast.
03:51
They're much more than we'd originally imagined
77
213000
2000
Het is veel meer dan we ons ooit hebben voorgesteld
03:53
when we put together the little, initial website
78
215000
2000
toen we de eerste website maakten
03:55
that we started off with.
79
217000
2000
waar we mee begonnen zijn.
03:57
Now, I want you to put your data on the web.
80
219000
3000
Ik wil nu dat jullie je data op het web zetten.
04:00
Turns out that there is still huge unlocked potential.
81
222000
4000
Er blijkt nog steeds een enorm onvermoed potentieel te bestaan.
04:04
There is still a huge frustration
82
226000
2000
Er is nog steeds veel frustratie
04:06
that people have because we haven't got data on the web as data.
83
228000
4000
bij mensen, omdat we de data op het web niet als data hebben.
04:10
What do you mean, "data"? What's the difference -- documents, data?
84
232000
2000
Hoezo data? Wat is het verschil -- documenten, data?
04:12
Well, documents you read, OK?
85
234000
3000
Documenten lees je, OK?
04:15
More or less, you read them, you can follow links from them, and that's it.
86
237000
3000
Je leest ze, je kunt links erop volgen, maar dat is het wel zo'n beetje.
04:18
Data -- you can do all kinds of stuff with a computer.
87
240000
2000
Met data kun je allerlei dingen doen met een computer.
04:20
Who was here or has otherwise seen Hans Rosling's talk?
88
242000
6000
Wie heeft hier of op een andere manier de talk van Hans Rosling gezien?
04:26
One of the great -- yes a lot of people have seen it --
89
248000
4000
Een van de beste -- ja, een hoop mensen hebben hem gezien --
04:30
one of the great TED Talks.
90
252000
2000
één van de beste TED-talks.
04:32
Hans put up this presentation
91
254000
2000
Hans toonde in zijn presentatie
04:34
in which he showed, for various different countries, in various different colors --
92
256000
5000
voor een aantal verschillende landen, in verschillende kleuren --
04:39
he showed income levels on one axis
93
261000
3000
hij toonde inkomensniveaus op één as
04:42
and he showed infant mortality, and he shot this thing animated through time.
94
264000
3000
en hij toonde de kindersterfte, en hij liet zien hoe die zich in de tijd bewoog.
04:45
So, he'd taken this data and made a presentation
95
267000
4000
Hij had die data en maakte een presentatie
04:49
which just shattered a lot of myths that people had
96
271000
3000
die een hoop mythes vernielde waarin mensen geloofden
04:52
about the economics in the developing world.
97
274000
4000
over de economie in de ontwikkelingslanden.
04:56
He put up a slide a little bit like this.
98
278000
2000
Hij toonde een dia die een beetje op deze lijkt.
04:58
It had underground all the data
99
280000
2000
Deze was gebaseerd op alle data.
05:00
OK, data is brown and boxy and boring,
100
282000
3000
OK, data is bruin, hoekig en saai,
05:03
and that's how we think of it, isn't it?
101
285000
2000
en dat vinden wij ervan, hè?
05:05
Because data you can't naturally use by itself
102
287000
3000
Want data kun je niet altijd afzonderlijk gebruiken.
05:08
But in fact, data drives a huge amount of what happens in our lives
103
290000
4000
Maar toch wordt enorm veel in ons leven door data gestuurd,
05:12
and it happens because somebody takes that data and does something with it.
104
294000
3000
doordat iemand die data pakt en er iets mee doet.
05:15
In this case, Hans had put the data together
105
297000
2000
In dit geval had Hans data samengevoegd,
05:17
he had found from all kinds of United Nations websites and things.
106
299000
5000
die hij had gevonden op websites van de Verenigde Naties en zo.
05:22
He had put it together,
107
304000
2000
Hij had ze samen
05:24
combined it into something more interesting than the original pieces
108
306000
3000
gecombineerd in iets dat veel interessanter was dan de afzonderlijke stukjes,
05:27
and then he'd put it into this software,
109
309000
5000
en daarna liet hij er software op los,
05:32
which I think his son developed, originally,
110
314000
2000
die zijn zoon had ontwikkeld, geloof ik,
05:34
and produces this wonderful presentation.
111
316000
3000
en produceerde deze schitterende presentatie.
05:37
And Hans made a point
112
319000
2000
En wat Hans daarmee
05:39
of saying, "Look, it's really important to have a lot of data."
113
321000
4000
wilde zeggen was: "Kijk, het is heel belangrijk om veel data te hebben."
05:43
And I was happy to see that at the party last night
114
325000
3000
En ik was blij dat hij gisteravond op het feest
05:46
that he was still saying, very forcibly, "It's really important to have a lot of data."
115
328000
4000
nog steeds heel stellig zei: "Het is echt belangrijk om veel data te hebben."
05:50
So I want us now to think about
116
332000
2000
Dus ik wil graag dat we nu denken aan
05:52
not just two pieces of data being connected, or six like he did,
117
334000
4000
niet slechts twee data-stromen die verbonden worden, of zes zoals hij,
05:56
but I want to think about a world where everybody has put data on the web
118
338000
5000
maar ik wil denken aan een wereld waar iedereen data op het web plaatst
06:01
and so virtually everything you can imagine is on the web
119
343000
2000
waardoor zowat alles wat je je kunt voorstellen, op het web staat.
06:03
and then calling that linked data.
120
345000
2000
En dat noemen we dan gelinkte data.
06:05
The technology is linked data, and it's extremely simple.
121
347000
2000
De technologie is gelinkte data, en het is doodeenvoudig.
06:07
If you want to put something on the web there are three rules:
122
349000
4000
Als je iets op het web wilt plaatsten, gelden er drie regels:
06:11
first thing is that those HTTP names --
123
353000
3000
ten eerste die HTTP-namen --
06:14
those things that start with "http:" --
124
356000
2000
wat begint met "http:" --
06:16
we're using them not just for documents now,
125
358000
4000
we gebruiken die nu niet alleen voor documenten,
06:20
we're using them for things that the documents are about.
126
362000
2000
maar we gebruiken ze voor dingen waar de documenten over gaan.
06:22
We're using them for people, we're using them for places,
127
364000
2000
We gebruiken ze voor mensen, voor plaatsen,
06:24
we're using them for your products, we're using them for events.
128
366000
4000
voor jullie producten en voor gebeurtenissen.
06:28
All kinds of conceptual things, they have names now that start with HTTP.
129
370000
4000
Allerlei conceptuele zaken krijgen namen die beginnen met HTTP.
06:32
Second rule, if I take one of these HTTP names and I look it up
130
374000
5000
Ten tweede, als ik zo'n HTTP-naam neem en die opzoek
06:37
and I do the web thing with it and I fetch the data
131
379000
2000
op het web en de data ophaal
06:39
using the HTTP protocol from the web,
132
381000
2000
met het HTTP-protocol van het web,
06:41
I will get back some data in a standard format
133
383000
3000
krijg ik wat data terug in een standaardformaat.
06:44
which is kind of useful data that somebody might like to know
134
386000
5000
Dat is zinvolle data die iemand graag wil weten
06:49
about that thing, about that event.
135
391000
2000
over dat ding, over die gebeurtenis.
06:51
Who's at the event? Whatever it is about that person,
136
393000
2000
Wie is er aanwezig? Van alles over die persoon,
06:53
where they were born, things like that.
137
395000
2000
waar hij geboren is, van die dingen.
06:55
So the second rule is I get important information back.
138
397000
2000
Dus regel twee is: ik krijg belangrijke informatie terug.
06:57
Third rule is that when I get back that information
139
399000
4000
De derde regel is: als ik die informatie ontvang,
07:01
it's not just got somebody's height and weight and when they were born,
140
403000
3000
gaat het niet alleen over de lengte en gewicht van iemand en waar hij is geboren,
07:04
it's got relationships.
141
406000
2000
het gaat om de verbanden.
07:06
Data is relationships.
142
408000
2000
Data betekent verbanden.
07:08
Interestingly, data is relationships.
143
410000
2000
Interessant, data betekent verbanden.
07:10
This person was born in Berlin; Berlin is in Germany.
144
412000
4000
Deze persoon is geboren in Berlijn, Berlijn is Duitsland.
07:14
And when it has relationships, whenever it expresses a relationship
145
416000
3000
En als het verbanden heeft, als die een verband weergeeft,
07:17
then the other thing that it's related to
146
419000
3000
dan is het andere ding waarmee het is verbonden
07:20
is given one of those names that starts HTTP.
147
422000
4000
weergegeven in zo'n naam die start met HTTP.
07:24
So, I can go ahead and look that thing up.
148
426000
2000
Dus ik kan mijn gang gaan en dat ding opzoeken.
07:26
So I look up a person -- I can look up then the city where they were born; then
149
428000
3000
Dus ik zoek een persoon -- ik kan zijn geboortestad erbij zoeken,
07:29
I can look up the region it's in, and the town it's in,
150
431000
3000
dan de regio daarvan, en de gemeente waar die bij hoort,
07:32
and the population of it, and so on.
151
434000
3000
en het aantal inwoners daarvan enzovoorts.
07:35
So I can browse this stuff.
152
437000
2000
Zo kan ik door de data bladeren.
07:37
So that's it, really.
153
439000
2000
Dat is het werkelijk.
07:39
That is linked data.
154
441000
2000
Dat zijn gelinkte data.
07:41
I wrote an article entitled "Linked Data" a couple of years ago
155
443000
3000
Ik schreef een paar jaar geleden een artikel met de naam "Gelinkte data"
07:44
and soon after that, things started to happen.
156
446000
4000
en snel daarna gebeurde er al wat.
07:48
The idea of linked data is that we get lots and lots and lots
157
450000
4000
Het idee achter gelinkte data is dat we een hele hoop
07:52
of these boxes that Hans had,
158
454000
2000
van die vakjes krijgen die Hans had,
07:54
and we get lots and lots and lots of things sprouting.
159
456000
2000
en zo krijgen we een kiem naar een hele hoop dingen.
07:56
It's not just a whole lot of other plants.
160
458000
3000
Niet alleen een hele hoop andere planten.
07:59
It's not just a root supplying a plant,
161
461000
2000
Het is niet alleen een wortel die een plant voortbrengt,
08:01
but for each of those plants, whatever it is --
162
463000
3000
maar voor elk van die planten, of wat dan ook --
08:04
a presentation, an analysis, somebody's looking for patterns in the data --
163
466000
3000
een presentatie, een analyse, zoekt iemand naar patronen in die data --
08:07
they get to look at all the data
164
469000
3000
ze kunnen alle data bekijken
08:10
and they get it connected together,
165
472000
2000
en met elkaar verbinden.
08:12
and the really important thing about data
166
474000
2000
En het belangrijkste over data
08:14
is the more things you have to connect together, the more powerful it is.
167
476000
2000
is: hoe meer je ze verbindt, hoe krachtiger ze worden.
08:16
So, linked data.
168
478000
2000
Dus, gelinkte data.
08:18
The meme went out there.
169
480000
2000
De meme kwam naar buiten.
08:20
And, pretty soon Chris Bizer at the Freie Universitat in Berlin
170
482000
4000
En al vrij snel merkte Chris Bizer van de Freie Universität in Berlijn,
08:24
who was one of the first people to put interesting things up,
171
486000
2000
een van de eersten die interessante data aanbracht,
08:26
he noticed that Wikipedia --
172
488000
2000
dat Wikipedia --
08:28
you know Wikipedia, the online encyclopedia
173
490000
3000
je kent Wikipedia, de online encyclopedie
08:31
with lots and lots of interesting documents in it.
174
493000
2000
met een hele hoop interessante documenten er in.
08:33
Well, in those documents, there are little squares, little boxes.
175
495000
4000
In die documenten staan kleine vierkantjes, kleine vakjes.
08:37
And in most information boxes, there's data.
176
499000
3000
En in de meeste informatievakjes staan data.
08:40
So he wrote a program to take the data, extract it from Wikipedia,
177
502000
4000
Hij schreef een programma om de data uit Wikipedia te filteren,
08:44
and put it into a blob of linked data
178
506000
2000
en ze in een blob van gelinkte data op het web
08:46
on the web, which he called dbpedia.
179
508000
3000
te verzamelen, die hij dbpedia noemde.
08:49
Dbpedia is represented by the blue blob in the middle of this slide
180
511000
4000
Dbpedia is vertegenwoordigd door de blauwe blob middenin deze dia
08:53
and if you actually go and look up Berlin,
181
515000
2000
en als je daarin Berlijn opzoekt,
08:55
you'll find that there are other blobs of data
182
517000
2000
ontdek je dat er andere datablobs bestaan
08:57
which also have stuff about Berlin, and they're linked together.
183
519000
3000
die ook wat over Berlijn hebben, en ze zijn onderling gelinkt.
09:00
So if you pull the data from dbpedia about Berlin,
184
522000
3000
Dus als je de data van dbpedia betrekt over Berlijn,
09:03
you'll end up pulling up these other things as well.
185
525000
2000
kom je ook op die anderen dingen terecht.
09:05
And the exciting thing is it's starting to grow.
186
527000
3000
En het boeiende is dat ze beginnen te groeien.
09:08
This is just the grassroots stuff again, OK?
187
530000
2000
Dit is weer die beweging vanuit de basis, OK?
09:10
Let's think about data for a bit.
188
532000
3000
Laten we even aan de data denken.
09:13
Data comes in fact in lots and lots of different forms.
189
535000
3000
Data verschijnen in heel veel verschillende vormen.
09:16
Think of the diversity of the web. It's a really important thing
190
538000
3000
Denk aan de verscheidenheid van het web, het is erg belangrijk
09:19
that the web allows you to put all kinds of data up there.
191
541000
3000
dat je op het web allerlei data kunt plaatsen.
09:22
So it is with data. I could talk about all kinds of data.
192
544000
2000
Zo gaat het met data. Ik zou allerlei soorten data kunnen noemen.
09:25
We could talk about government data, enterprise data is really important,
193
547000
4000
Je hebt data van de overheid, belangrijke bedrijfsdata,
09:29
there's scientific data, there's personal data,
194
551000
3000
er bestaan wetenschappelijke data, persoonlijke data,
09:32
there's weather data, there's data about events,
195
554000
2000
weerkundige data, en over gebeurtenissen,
09:34
there's data about talks, and there's news and there's all kinds of stuff.
196
556000
4000
data over gesprekken, nieuws, van alles.
09:38
I'm just going to mention a few of them
197
560000
3000
Ik noem er maar een paar
09:41
so that you get the idea of the diversity of it,
198
563000
2000
zodat je een idee krijgt van de verscheidenheid,
09:43
so that you also see how much unlocked potential.
199
565000
4000
en inziet hoeveel wat er mogelijk is.
09:47
Let's start with government data.
200
569000
2000
Laten we beginnen met overheidsgegevens.
09:49
Barack Obama said in a speech,
201
571000
2000
Barack Obama zei in een speech,
09:51
that he -- American government data would be available on the Internet
202
573000
5000
dat hij -- Amerikaanse overheidsdata horen op internet te staan
09:56
in accessible formats.
203
578000
2000
in toegankelijke formaten.
09:58
And I hope that they will put it up as linked data.
204
580000
2000
En ik hoop dat ze ze erop zetten als linked data.
10:00
That's important. Why is it important?
205
582000
2000
Dat is belangrijk. Waarom?
10:02
Not just for transparency, yeah transparency in government is important,
206
584000
3000
Niet alleen voor transparantie, de overheid moet transparant zijn,
10:05
but that data -- this is the data from all the government departments
207
587000
3000
maar die data -- de data van alle overheidsinstellingen.
10:08
Think about how much of that data is about how life is lived in America.
208
590000
5000
Denk eraan hoeveel data handelen over het dagelijks leven in Amerika.
10:13
It's actual useful. It's got value.
209
595000
2000
Het is handig. Het heeft waarde.
10:15
I can use it in my company.
210
597000
2000
Ik kan ze in mijn bedrijf gebruiken.
10:17
I could use it as a kid to do my homework.
211
599000
2000
Een kind zou ze bij het huiswerk kunnen gebruiken.
10:19
So we're talking about making the place, making the world run better
212
601000
3000
Dus door deze data te ontsluiten, maken we
10:22
by making this data available.
213
604000
2000
het leven makkelijker.
10:24
In fact if you're responsible -- if you know about some data
214
606000
4000
Als je verantwoordelijk bent -- als je kennis hebt van wat data
10:28
in a government department, often you find that
215
610000
2000
in een overheidsinstelling, merk je vaak dat
10:30
these people, they're very tempted to keep it --
216
612000
3000
deze mensen in de verleiding komen om ze voor zich te houden --
10:33
Hans calls it database hugging.
217
615000
3000
Hans noemt dat databaseknuffelen.
10:36
You hug your database, you don't want to let it go
218
618000
2000
Je knuffelt je database, want je wilt ze niet afstaan
10:38
until you've made a beautiful website for it.
219
620000
2000
tot je er een mooie website voor gemaakt hebt.
10:40
Well, I'd like to suggest that rather --
220
622000
2000
Maar ik stel voor dat je beter --
10:42
yes, make a beautiful website,
221
624000
2000
ja, maak een mooie website,
10:44
who am I to say don't make a beautiful website?
222
626000
2000
wie ben ik om je af te raden een mooie website te maken?
10:46
Make a beautiful website, but first
223
628000
3000
Maak gerust een mooie website, maar geef ons
10:49
give us the unadulterated data,
224
631000
3000
eerst de onbewerkte data,
10:52
we want the data.
225
634000
2000
wij willen de data.
10:54
We want unadulterated data.
226
636000
2000
Wij willen onbewerkte data.
10:56
OK, we have to ask for raw data now.
227
638000
3000
Oké, we moeten nu vragen om ruwe data.
10:59
And I'm going to ask you to practice that, OK?
228
641000
2000
En ik ga jullie vragen om dat te oefenen, oké?
11:01
Can you say "raw"?
229
643000
1000
Zeg "ruwe".
11:02
Audience: Raw.
230
644000
1000
Publiek: Ruwe.
11:03
Tim Berners-Lee: Can you say "data"?
231
645000
1000
Tim Berners-Lee: Kunnen jullie "data" zeggen?
11:04
Audience: Data.
232
646000
1000
Publiek: Data.
11:05
TBL: Can you say "now"?
233
647000
1000
TBL: Kunnen jullie "nu" zeggen?
11:06
Audience: Now!
234
648000
1000
Publiek: Nu!
11:07
TBL: Alright, "raw data now"!
235
649000
2000
TBL: Goed, ruwe data nu!
11:09
Audience: Raw data now!
236
651000
2000
Publiek: Ruwe data nu!
11:11
Practice that. It's important because you have no idea the number of excuses
237
653000
4000
Oefen dat. Dat is belangrijk want je weet niet wat voor smoesjes
11:15
people come up with to hang onto their data
238
657000
2000
mensen bedenken om hun data vast te houden
11:17
and not give it to you, even though you've paid for it as a taxpayer.
239
659000
4000
en niet aan jou te geven, hoewel je er als belastingbetaler voor betaald hebt.
11:21
And it's not just America. It's all over the world.
240
663000
2000
En niet alleen in Amerika. Over de hele wereld.
11:23
And it's not just governments, of course -- it's enterprises as well.
241
665000
3000
En niet alleen overheden, natuurlijk -- voor bedrijven geldt hetzelfde.
11:26
So I'm just going to mention a few other thoughts on data.
242
668000
3000
Hier zijn nog een paar gedachten over data.
11:29
Here we are at TED, and all the time we are very conscious
243
671000
5000
We zijn hier bij TED, en we zijn ons continue bewust
11:34
of the huge challenges that human society has right now --
244
676000
5000
van de enorme uitdagingen voor de mensheid tegenwoordig --
11:39
curing cancer, understanding the brain for Alzheimer's,
245
681000
3000
kanker genezen, begrijpen wat er in de hersenen gebeurt bij Alzheimer,
11:42
understanding the economy to make it a little bit more stable,
246
684000
3000
begrijpen hoe we de economie wat stabieler kunnen maken,
11:45
understanding how the world works.
247
687000
2000
begrijpen hoe de wereld werkt.
11:47
The people who are going to solve those -- the scientists --
248
689000
2000
De mensen die ze gaan oplossen -- de wetenschappers --
11:49
they have half-formed ideas in their head,
249
691000
2000
hebben onvoltooide ideeën in hun hoofd,
11:51
they try to communicate those over the web.
250
693000
3000
die ze via het web proberen te delen.
11:54
But a lot of the state of knowledge of the human race at the moment
251
696000
3000
Maar tegenwoordig zit veel van de kennis van de mensheid
11:57
is on databases, often sitting in their computers,
252
699000
3000
in databases op hun computers,
12:00
and actually, currently not shared.
253
702000
3000
en wordt ze op dit moment niet gedeeld met anderen.
12:03
In fact, I'll just go into one area --
254
705000
3000
Ik ga in op één gebied --
12:06
if you're looking at Alzheimer's, for example,
255
708000
2000
als je bijvoorbeeld op zoek bent naar medicijnen
12:08
drug discovery -- there is a whole lot of linked data which is just coming out
256
710000
3000
tegen Alzheimer -- er is net veel gelinkte data daarover gepubliceerd,
12:11
because scientists in that field realize
257
713000
2000
omdat wetenschappers op dat terrein zich realiseren
12:13
this is a great way of getting out of those silos,
258
715000
3000
dat dit een geweldige manier is om uit die silo's te komen,
12:16
because they had their genomics data in one database
259
718000
4000
want ze hadden hun erfelijkheidsdata in de ene database
12:20
in one building, and they had their protein data in another.
260
722000
3000
in het ene gebouw, en de data over eiwitten stond in een andere.
12:23
Now, they are sticking it onto -- linked data --
261
725000
3000
Nu plakken ze deze aan elkaar -- gelinkte data --
12:26
and now they can ask the sort of question, that you probably wouldn't ask,
262
728000
3000
en nu kunnen ze de vragen stellen, die jullie waarschijnlijk niet zouden stellen,
12:29
I wouldn't ask -- they would.
263
731000
2000
ik alvast niet -- maar zij wel.
12:31
What proteins are involved in signal transduction
264
733000
2000
Welke eiwitten spelen een rol bij de signaaloverdracht
12:33
and also related to pyramidal neurons?
265
735000
2000
die ook verband houden met piramidecellen?
12:35
Well, you take that mouthful and you put it into Google.
266
737000
3000
Met zo'n mond vol kun je op Google zoeken.
12:38
Of course, there's no page on the web which has answered that question
267
740000
3000
Natuurlijk is er geen pagina op het web die zo'n vraag beantwoordt
12:41
because nobody has asked that question before.
268
743000
2000
omdat nog niemand die vraag gesteld heeft.
12:43
You get 223,000 hits --
269
745000
2000
Je vindt 223.000 hits --
12:45
no results you can use.
270
747000
2000
maar geen bruikbare resultaten.
12:47
You ask the linked data -- which they've now put together --
271
749000
3000
Stel je hem aan gelinkte data -- die ze nu samengevoegd hebben --
12:50
32 hits, each of which is a protein which has those properties
272
752000
4000
32 hits, allemaal eiwitten met die kenmerken
12:54
and you can look at.
273
756000
2000
die je kunt bekijken.
12:56
The power of being able to ask those questions, as a scientist --
274
758000
3000
De kracht om als wetenschapper dat soort vragen te kunnen stellen --
12:59
questions which actually bridge across different disciplines --
275
761000
2000
vragen die meerdere disciplines overspannen --
13:01
is really a complete sea change.
276
763000
3000
is echt een doorbraak.
13:04
It's very very important.
277
766000
2000
Het is heel belangrijk.
13:06
Scientists are totally stymied at the moment --
278
768000
2000
Wetenschappers worden zwaar belemmerd op dit moment --
13:08
the power of the data that other scientists have collected is locked up
279
770000
5000
de kracht van de data die andere wetenschappers hebben verzameld, zit opgesloten
13:13
and we need to get it unlocked so we can tackle those huge problems.
280
775000
3000
en we moeten die ontsluiten zodat we die enorme problemen kunnen aanpakken.
13:16
Now if I go on like this, you'll think that all the data comes from huge institutions
281
778000
4000
Als ik zo doorga, denken jullie dat alle data afkomstig is van enorme instellingen
13:20
and has nothing to do with you.
282
782000
3000
en dat jullie er niets mee te maken hebben.
13:23
But, that's not true.
283
785000
2000
Maar dat is niet zo.
13:25
In fact, data is about our lives.
284
787000
2000
In feite gaan data over onze levens.
13:27
You just -- you log on to your social networking site,
285
789000
3000
Gewoon -- je logt aan op de sociale netwerksite
13:30
your favorite one, you say, "This is my friend."
286
792000
2000
van je voorkeur en je zegt: "Dit is mijn vriend."
13:32
Bing! Relationship. Data.
287
794000
3000
Bing! Een relatie. Data.
13:35
You say, "This photograph, it's about -- it depicts this person. "
288
797000
3000
Je zegt: "Deze foto is over -- het stelt deze persoon voor."
13:38
Bing! That's data. Data, data, data.
289
800000
3000
Bing! Dat is data. Data, data data.
13:41
Every time you do things on the social networking site,
290
803000
2000
Elke keer dat je iets doet op een sociale netwerksite,
13:43
the social networking site is taking data and using it -- re-purposing it --
291
805000
4000
ontvangt deze site data en gebruikt die -- herbenut die --
13:47
and using it to make other people's lives more interesting on the site.
292
809000
4000
en gebruikt die om het leven van anderen interessanter te maken op de site.
13:51
But, when you go to another linked data site --
293
813000
2000
Maar als je naar een andere site met gelinkte data gaat --
13:53
and let's say this is one about travel,
294
815000
3000
latten we zeggen eentje over reizen,
13:56
and you say, "I want to send this photo to all the people in that group,"
295
818000
3000
en je zegt: "Ik wil deze foto naar alle mensen in die groep sturen,"
13:59
you can't get over the walls.
296
821000
2000
dan loop je tegen muren aan.
14:01
The Economist wrote an article about it, and lots of people have blogged about it --
297
823000
2000
The Economist schreef er een artikel over, en heel veel mensen hebben erover geblogd --
14:03
tremendous frustration.
298
825000
1000
enorme frustratie.
14:04
The way to break down the silos is to get inter-operability
299
826000
2000
De manier om de silo's af te breken, is om sociale netwerksites
14:06
between social networking sites.
300
828000
2000
onderling te laten samenwerken.
14:08
We need to do that with linked data.
301
830000
2000
Dat moeten we doen met gelinkte data.
14:10
One last type of data I'll talk about, maybe it's the most exciting.
302
832000
3000
Een laatste type data waar ik het over zal hebben, is misschien het boeiendste.
14:13
Before I came down here, I looked it up on OpenStreetMap
303
835000
3000
De weg hiernaar toe, heb ik opgezocht op OpenStreetMap.
14:16
The OpenStreetMap's a map, but it's also a Wiki.
304
838000
2000
OpenStreetMap is een kaart, maar ook een Wiki.
14:18
Zoom in and that square thing is a theater -- which we're in right now --
305
840000
3000
Zoom in en dat vierkantje is een theater -- waar we nu zijn --
14:21
The Terrace Theater. It didn't have a name on it.
306
843000
2000
The Terrace Theater. Er stond nog geen naam op.
14:23
So I could go into edit mode, I could select the theater,
307
845000
2000
Ik kon in de wijzigmodus het theater selecteren,
14:25
I could add down at the bottom the name, and I could save it back.
308
847000
5000
de naam eraan toevoegen en dan opslaan.
14:30
And now if you go back to the OpenStreetMap. org,
309
852000
3000
En als je nu terug gaat naar OpenStreetMap.org,
14:33
and you find this place, you will find that The Terrace Theater has got a name.
310
855000
3000
en deze plek opzoekt, zul je zien dat The Terrace Theater nu een naam heeft.
14:36
I did that. Me!
311
858000
2000
Ik deed dat. Ik!
14:38
I did that to the map. I just did that!
312
860000
2000
Ik deed dat op de kaart. Ik deed dat gewoon!
14:40
I put that up on there. Hey, you know what?
313
862000
2000
Ik heb het erop gezet. Hé, weet je wat?
14:42
If I -- that street map is all about everybody doing their bit
314
864000
3000
Als ik -- het gaat erom dat iedereen zijn steentje bijdraagt
14:45
and it creates an incredible resource
315
867000
3000
en zo vormt zich een onvoorstelbare bron,
14:48
because everybody else does theirs.
316
870000
3000
want iedereen doet wat.
14:51
And that is what linked data is all about.
317
873000
3000
En dit is waar gelinkte data om gaat.
14:54
It's about people doing their bit
318
876000
3000
Het gaat om mensen die op hun manier
14:57
to produce a little bit, and it all connecting.
319
879000
3000
een klein beetje doen, en losse eindjes aan elkaar knopen.
15:00
That's how linked data works.
320
882000
3000
Zo werkt gelinkte data.
15:03
You do your bit. Everybody else does theirs.
321
885000
4000
Jij doet wat. Iedereen doet wat.
15:07
You may not have lots of data which you have yourself to put on there
322
889000
4000
Jij hebt dan misschien niet veel data om erop te zetten
15:11
but you know to demand it.
323
893000
3000
maar je weet het op te eisen.
15:14
And we've practiced that.
324
896000
2000
En dat hebben we geoefend.
15:16
So, linked data -- it's huge.
325
898000
4000
Dus gelinkte data -- het is groots.
15:20
I've only told you a very small number of things
326
902000
3000
Ik heb je maar een paar dingen verteld.
15:23
There are data in every aspect of our lives,
327
905000
2000
Er zit data in elk onderdeel van ons leven,
15:25
every aspect of work and pleasure,
328
907000
3000
elk onderdeel van het werk en plezier,
15:28
and it's not just about the number of places where data comes,
329
910000
3000
en het gaat niet om de hoeveelheid plekken waar de de data vandaan komt,
15:31
it's about connecting it together.
330
913000
3000
het gaat om het verbinden.
15:34
And when you connect data together, you get power
331
916000
3000
En als je data onderling verbindt, ontstaat kracht
15:37
in a way that doesn't happen just with the web, with documents.
332
919000
3000
op een manier die niet ontstaat met het web, met documenten.
15:40
You get this really huge power out of it.
333
922000
4000
Er ontstaat een enorme kracht uit.
15:44
So, we're at the stage now
334
926000
3000
Dus ik sta nu op het podium
15:47
where we have to do this -- the people who think it's a great idea.
335
929000
4000
waar we dit moeten doen -- mensen vinden dit een geweldig idee.
15:51
And all the people -- and I think there's a lot of people at TED who do things because --
336
933000
3000
En alle mensen -- en ik denk dat er veel mensen op TED zijn die daarom wat doen --
15:54
even though there's not an immediate return on the investment
337
936000
2000
zelfs zonder onmiddellijke return on investment,
15:56
because it will only really pay off when everybody else has done it --
338
938000
3000
want het levert pas wat op als iedereen mee doet --
15:59
they'll do it because they're the sort of person who just does things
339
941000
4000
ze zullen het doen omdat ze het type mens zijn dat gewoon die dingen doet,
16:03
which would be good if everybody else did them.
340
945000
3000
die goed zouden zijn als verder iedereen ze deed.
16:06
OK, so it's called linked data.
341
948000
2000
OK, dus het heet gelinkte data.
16:08
I want you to make it.
342
950000
2000
Ik wil graag dat jullie het maken.
16:10
I want you to demand it.
343
952000
2000
Ik wil graag dat jullie het vereisen.
16:12
And I think it's an idea worth spreading.
344
954000
2000
En ik denk dat het idee de moeite waard is.
16:14
Thanks.
345
956000
1000
Dank u.
16:15
(Applause)
346
957000
3000
(Applaus)
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