TEDGlobal 2012
Shyam Sankar: The rise of human-computer cooperation
شيام سانكار: تزايد التعاون بين الإنسان والحاسوب
Filmed:
Readability: 6.3
947,418 views
القوة الحاسوبية الصرفة وحدها لا تستطيع حل مشاكل العالم.يشرح خبير استخراج البيانات المبتكر شيام سانكار كيف أن حل المشاكل الكبرى ( مثل القبض على الإرهابيين،أو استكشاف اتجاهات كبيرة خفية) ليست مسألة إيجاد القاعدة الخوارزمية الصحيحة، بل إيجاد بل العلاقة التكافلية الصحيحة بين الحاسوب و الإبداع البشري.
Shyam Sankar - Data Intelligence Agent
An advocate of human-computer symbiosis, Shyam Sankar looks for clues in big and disparate data sets. Full bio
An advocate of human-computer symbiosis, Shyam Sankar looks for clues in big and disparate data sets. Full bio
Double-click the English transcript below to play the video.
00:16
I'd like to tell you about two games of chess.
0
512
2556
أود أن أروي لكم عن مباريتين في الشطرنج.
00:18
The first happened in 1997, in which Garry Kasparov,
1
3068
3864
الأولى حدثت عام 1997 حيثُ خسر غاري كاسباروف
00:22
a human, lost to Deep Blue, a machine.
2
6932
3716
الإنسان أمام ديب بلو - آلة.
00:26
To many, this was the dawn of a new era,
3
10648
2240
بالنسبة للكثيرين، كان هذا بمثابة فجر لعهد جديد،
00:28
one where man would be dominated by machine.
4
12888
2779
حيث تسيطر الآلة على الإنسان.
00:31
But here we are, 20 years on, and the greatest change
5
15667
3334
ولكن هانحن ، بعد 20 عاما ،وأعظم تغيير
00:34
in how we relate to computers is the iPad,
6
19001
2690
من حيث إرتباطنا بأجهزة الكمبيوتر هو الــ آي باد،
00:37
not HAL.
7
21691
2045
وليس هال.
00:39
The second game was a freestyle chess tournament
8
23736
2648
كانت اللعبة الثانية مباراة حرة للشطرنج
00:42
in 2005, in which man and machine could enter together
9
26384
2969
عام 2005 حيث استطاع الإنسان والآلة المشاركة سويا
00:45
as partners, rather than adversaries, if they so chose.
10
29353
4666
كشركاء عوضا عن خصوم -إن اختاروا ذلك.
00:49
At first, the results were predictable.
11
34019
1851
في البداية، كانت النتائج متوقعة.
00:51
Even a supercomputer was beaten by a grandmaster
12
35870
2497
حتى الحاسوب العملاق تعرض للهزيمة من قبل الخبير الكبير
00:54
with a relatively weak laptop.
13
38367
2312
الذي كان معه جهاز محمول ضعيف نسبياً.
00:56
The surprise came at the end. Who won?
14
40679
2985
المفاجئة كانت في النهاية. من فاز؟
00:59
Not a grandmaster with a supercomputer,
15
43664
2776
ليس الخبير الكبير ومعه الحاسوب العملاق،
01:02
but actually two American amateurs
16
46440
1493
ولكن في الواقع هاويان أمريكيان
01:03
using three relatively weak laptops.
17
47933
3822
يستخدمان ثلاثة أجهزة محمولة ضعيفة نسبيا.
01:07
Their ability to coach and manipulate their computers
18
51755
2596
قدرتهما على التدريب ومعالجة أجهزتهما
01:10
to deeply explore specific positions
19
54351
2435
لاستكشاف متعمق لمواضع معينة
01:12
effectively counteracted the superior chess knowledge
20
56786
2390
تصدت بفعالية للمعرفة المتفوقة للشطرنج
01:15
of the grandmasters and the superior computational power
21
59176
2609
للخبراء الكبار والقوة الحاسوبية المتفوقة
01:17
of other adversaries.
22
61785
1909
لخصوم الآخرين.
01:19
This is an astonishing result: average men,
23
63694
2905
هذه نتيجة مدهشة : رجل عادي
01:22
average machines beating the best man, the best machine.
24
66599
4081
وأجهزة عادية يغلبون أفضل رجل، أفضل جهاز.
01:26
And anyways, isn't it supposed to be man versus machine?
25
70680
3199
وعلى أي حال، أليس من المفترض أن يكون الرجل ضد الجهاز؟
01:29
Instead, it's about cooperation, and the right type of cooperation.
26
73879
4152
عوضاً عن ذلك، فالأمر عبارة عن تعاون ،نوع صحيح من التعاون.
01:33
We've been paying a lot of attention to Marvin Minsky's
27
78031
2857
كنا نعطي الكثير من الاهتمام إلى رؤية مارفن منسكي
01:36
vision for artificial intelligence over the last 50 years.
28
80888
3242
للذكاء الاصطناعي على مدى الـ 50 سنة الماضية.
01:40
It's a sexy vision, for sure. Many have embraced it.
29
84130
2262
إنها رؤية مثيرة بالطبع. تبناها الكثيرون.
01:42
It's become the dominant school of thought in computer science.
30
86392
2753
أصبحت مدرسة الفكر المسيطرة في علوم الحاسب.
01:45
But as we enter the era of big data, of network systems,
31
89145
3072
ولكن مع دخولنا عصر البيانات الكبيرة و أنظمة الشبكات ،
01:48
of open platforms, and embedded technology,
32
92217
2698
والمنصات المفتوحة والتكنولوجيا المضمنة،
01:50
I'd like to suggest it's time to reevaluate an alternative vision
33
94915
3392
أود اقتراح أنه حان الوقت لإعادة تقييم رؤية بديلة
01:54
that was actually developed around the same time.
34
98307
3070
والتي في الواقع طُورَت في الوقت نفسه تقريبا.
01:57
I'm talking about J.C.R. Licklider's human-computer symbiosis,
35
101377
3332
إني أتحدث عن رؤية جوزيف كارل روبنت ليكليدر لتعايش الإنسان مع الكمبيوتر،
02:00
perhaps better termed "intelligence augmentation," I.A.
36
104709
3808
والتي يطلق عليها "زيادة الذكاء"،
02:04
Licklider was a computer science titan who had a profound
37
108517
2640
كان ليكليدر خبيرا في علوم الحاسب وكان لديه
02:07
effect on the development of technology and the Internet.
38
111157
3006
أثر عميق على تطور التكنولوجيا والإنترنت.
02:10
His vision was to enable man and machine to cooperate
39
114163
2868
رؤيته كانت لتمكين الإنسان والآلة من التعاون
02:12
in making decisions, controlling complex situations
40
117031
3590
في صنع القرارات والتحكم في المواقف المعقدة
02:16
without the inflexible dependence
41
120621
1770
من دون الاعتماد غير المرن
02:18
on predetermined programs.
42
122391
2533
على البرامج المحددة مسبقا.
02:20
Note that word "cooperate."
43
124924
2498
لاحظوا كلمة "تعاون."
02:23
Licklider encourages us not to take a toaster
44
127422
2747
يشجعنا ليكليدر ألا نأخذ محمصة
02:26
and make it Data from "Star Trek,"
45
130169
2284
ونجعلها بيانات من "ستار تريك"
02:28
but to take a human and make her more capable.
46
132453
3535
ولكن أن نأخذ إنسانا ونجعله أكثر كفاءة.
02:31
Humans are so amazing -- how we think,
47
135988
1911
البشر مذهلون جداً - طريقة تفكيرنا،
02:33
our non-linear approaches, our creativity,
48
137899
2618
ونهجنا غير الخطّي ، وإبداعنا،
02:36
iterative hypotheses, all very difficult if possible at all
49
140517
2131
والفرضيات المتكررة، جميعها صعبة إن لم تكن مستحيلة التنفيذ
02:38
for computers to do.
50
142648
1345
على أجهزة الكمبيوتر.
02:39
Licklider intuitively realized this, contemplating humans
51
143993
2452
لاحظ ليكليدر ذلك بشكل حدسي، البشر المتفكرون
02:42
setting the goals, formulating the hypotheses,
52
146445
2327
يحددون الأهداف ويصيغون الفرضيات،
02:44
determining the criteria, and performing the evaluation.
53
148772
3376
ويحددون المعايير ويجرون التقييم.
02:48
Of course, in other ways, humans are so limited.
54
152148
1775
بالطبع البشر قدراتهم محدودة ، من نواحي أخرى.
02:49
We're terrible at scale, computation and volume.
55
153923
3235
نحن سيئون في القياس والحساب والأحجام.
02:53
We require high-end talent management
56
157158
1836
نتطلب إدارة مواهب متطورة
02:54
to keep the rock band together and playing.
57
158994
2064
لمتابعة سير العمل.
02:56
Licklider foresaw computers doing all the routinizable work
58
161058
2204
تنبأ ليكليدر بأن أجهزة الحاسب تستطيع عمل جميع الأعمال الروتينية
02:59
that was required to prepare the way for insights and decision making.
59
163262
3276
المطلوبة لإعداد الطريق للأفكار وصناعة القرارات.
03:02
Silently, without much fanfare,
60
166538
2224
بهدوء، ودون ضجة إعلامية،
03:04
this approach has been compiling victories beyond chess.
61
168762
3354
استطاع هذا النهج حصد انتصارات عديدة أبعد من لعبة الشطرنج.
03:08
Protein folding, a topic that shares the incredible expansiveness of chess —
62
172116
3356
عملية طي البروتين -موضوع يشارك لعبة الشطرنج التوسعية المذهلة
03:11
there are more ways of folding a protein than there are atoms in the universe.
63
175472
3042
هنالك طرق لطي البروتين أكثرمن عدد الذرات المتواجدة في الكون.
03:14
This is a world-changing problem with huge implications
64
178514
2353
هذه مشكلة مغيرة للعالم ذات تداعيات ضخمة
03:16
for our ability to understand and treat disease.
65
180867
2308
على قدرتنا على فهم ومعالجة الأمراض.
03:19
And for this task, supercomputer field brute force simply isn't enough.
66
183175
4248
ولهذه المهمة، القوة الغاشمة لمجال الحاسوب العملاق ببساطة لا تكفي
03:23
Foldit, a game created by computer scientists,
67
187423
2384
"فولدت" ،هي لعبة صنعها علماء الحاسب،
03:25
illustrates the value of the approach.
68
189807
2502
توضح قيمة هذا النهج.
03:28
Non-technical, non-biologist amateurs play a video game
69
192309
3041
هواة غير تقنيين ولا متخصصين في البيولوجيا يلعبون لعبة فيديو
03:31
in which they visually rearrange the structure of the protein,
70
195350
3073
حيث يعيدون بصرياً ترتيب بنية البروتين،
03:34
allowing the computer to manage the atomic forces
71
198423
1499
والسماح للحاسب بإدارة القوات الذرية
03:35
and interactions and identify structural issues.
72
199922
2957
والتفاعلات وتحديد المسائل الهيكلية.
03:38
This approach beat supercomputers 50 percent of the time
73
202879
3023
هذا النهج تغلب على الحاسوب العملاق بنسبة 50% من الوقت
03:41
and tied 30 percent of the time.
74
205902
2584
وتعادل بنسبة 30% من الوقت.
03:44
Foldit recently made a notable and major scientific discovery
75
208486
3137
فولدت اكتشفت حديثا اكتشافا بارزا ومهما
03:47
by deciphering the structure of the Mason-Pfizer monkey virus.
76
211623
3160
عن طريق فك رموز هيكل فيروس القردة ميسون-فايزر.
03:50
A protease that had eluded determination for over 10 years
77
214783
3015
الأنزيم البروتيني الذي استعصى لأكثر من 10 سنوات
03:53
was solved was by three players in a matter of days,
78
217798
2626
تم حله من قبل ثلاثة لاعبين في غضون عدة أيام،
03:56
perhaps the first major scientific advance
79
220424
2025
قد يكون أول إكتشاف علمي
03:58
to come from playing a video game.
80
222449
2323
يأتي من خلال لعب لعبة فيديو.
04:00
Last year, on the site of the Twin Towers,
81
224772
2181
العام الماضي ،في موقع برجي مركز التجارة العالمي
04:02
the 9/11 memorial opened.
82
226953
1473
أفتتح النصب التذكاري لـ 9/11.
04:04
It displays the names of the thousands of victims
83
228426
2721
يظهر أسماء آلاف الضحايا
04:07
using a beautiful concept called "meaningful adjacency."
84
231147
3063
مستخدما مفهوما جميلا يدعى "الجوار ذا معنى."
04:10
It places the names next to each other based on their
85
234210
2166
يضع الأسماء بجانب بعض بناء على
04:12
relationships to one another: friends, families, coworkers.
86
236376
2213
علاقتهم ببعض: أصدقاء أو عوائل أو زملاء.
04:14
When you put it all together, it's quite a computational
87
238589
3028
عندما نضع كل ذلك مع بعض فهو تحدي حاسوبي كبير:
04:17
challenge: 3,500 victims, 1,800 adjacency requests,
88
241617
4223
3,500 ضحية و 1,800 طلبات جوار
04:21
the importance of the overall physical specifications
89
245840
3092
وأهمية المواصفات الجسدية الشاملة
04:24
and the final aesthetics.
90
248932
2137
والجماليات النهائية.
04:26
When first reported by the media, full credit for such a feat
91
251069
2615
عندما تم إعلان ذلك لأول مرة من قبل وسائل الإعلام،
تم إعطاء كامل الفضل لهذا الإنجاز
تم إعطاء كامل الفضل لهذا الإنجاز
04:29
was given to an algorithm from the New York City
92
253684
1892
إلى خوارزمية من مدينة نيو يورك
04:31
design firm Local Projects. The truth is a bit more nuanced.
93
255576
4001
من شركة تصميم مشاريع محلية .الحقيقة أكثر تفصيلا من ذلك.
04:35
While an algorithm was used to develop the underlying framework,
94
259577
2871
في حين أنه تم استخدام خوارزمية لوضع الإطار الأساسي،
04:38
humans used that framework to design the final result.
95
262448
3008
استخدم الإنسان ذلك الإطار لتصميم العمل النهائي.
04:41
So in this case, a computer had evaluated millions
96
265456
2225
ففي هذه الحالة، قام الكمبيوتر بتقييم ملايين
04:43
of possible layouts, managed a complex relational system,
97
267681
3335
التخطيطات المحتملة وإدارة نظام ترابطي معقد،
04:46
and kept track of a very large set of measurements
98
271016
2414
ومتابعة مجموعة كبيرة من القياسات
04:49
and variables, allowing the humans to focus
99
273430
2410
والمتغيرات بحيث سمحت للبشر بالتركيز
04:51
on design and compositional choices.
100
275840
2802
على خيارات التصميم والتركيب.
04:54
So the more you look around you,
101
278642
1036
فكلما نظرت حولك
04:55
the more you see Licklider's vision everywhere.
102
279678
1962
كلما رأيت رؤية ليكليدر في كل مكان.
04:57
Whether it's augmented reality in your iPhone or GPS in your car,
103
281640
3304
سواء كانت حقيقة مدمجة في الآي فون الخاص بك أو
في نظام الجي بي أس في سيارتك،
في نظام الجي بي أس في سيارتك،
05:00
human-computer symbiosis is making us more capable.
104
284944
2970
تعايش الإنسان مع الكمبيوتر تجعلنا أكثر قدرة.
05:03
So if you want to improve human-computer symbiosis,
105
287914
1655
إذا كنت تريد تحسين تعايش الإنسان مع الكمبيوتر،
05:05
what can you do?
106
289569
1429
ماذا يمكنك أن تفعل؟
05:06
You can start by designing the human into the process.
107
290998
2452
تستطيع البدء بإدخال الإنسان بالعملية.
05:09
Instead of thinking about what a computer will do to solve the problem,
108
293450
2204
عوضا عن التفكير بما سيفعله الحاسب لحل المشكلة،
05:11
design the solution around what the human will do as well.
109
295654
3869
صمم الحل حول ما سيفعله الإنسان أيضا.
05:15
When you do this, you'll quickly realize that you spent
110
299523
1937
عندما تفعل ذلك ،ستلاحظ بسرعة أنك أمضيت
05:17
all of your time on the interface between man and machine,
111
301460
2879
كل وقتك على الواجهة بين الإنسان والآلة،
05:20
specifically on designing away the friction in the interaction.
112
304339
3099
وعلى وجه التحديد تصميم البعد عن الاحتكاك في التفاعل.
05:23
In fact, this friction is more important than the power
113
307438
2766
في الواقع، هذا الاحتكاك أكثر أهمية من قوة
05:26
of the man or the power of the machine
114
310204
2052
الإنسان أو قوة الآلة
05:28
in determining overall capability.
115
312256
1931
في تحديد القدرة الإجمالية.
05:30
That's why two amateurs with a few laptops
116
314187
1977
لهذا السبب استطاع اثنان من الهواة مع عدد محدود من الأجهزة المحمولة
05:32
handily beat a supercomputer and a grandmaster.
117
316164
2456
بسهولة أن يغلبوا الحاسوب العملاق والخبير الكبير.
05:34
What Kasparov calls process is a byproduct of friction.
118
318620
3005
ما يدعوه كاسبروف عملية هو نتيجة ثانوية للاحتكاك.
05:37
The better the process, the less the friction.
119
321625
2401
كلما كانت العملية أفضل، كان الاحتكاك أقل.
05:39
And minimizing friction turns out to be the decisive variable.
120
324026
4256
وقد تبين أن تقليل الاحتكاك هو العامل الحاسم.
05:44
Or take another example: big data.
121
328282
2243
أو خذ مثالا آخرا: البيانات الكبيرة.
05:46
Every interaction we have in the world is recorded
122
330525
1906
كل تفاعل موجود في العالم مسجّل
05:48
by an ever growing array of sensors: your phone,
123
332431
3059
من طرف مجموعة مجسات متكاثرة : هاتفك،
05:51
your credit card, your computer. The result is big data,
124
335490
2373
بطاقتك الاتمانية، كمبيوترك. النتيجة هي بيانات كبيرة،
05:53
and it actually presents us with an opportunity
125
337863
1742
وهي بالحقيقة تقدم لنا فرصة
05:55
to more deeply understand the human condition.
126
339605
2662
لفهم دقيق أكثر لوضع الإنسان.
05:58
The major emphasis of most approaches to big data
127
342267
2305
التركيز الأكبر لأغلب التوجهات للبيانات الكبيرة
06:00
focus on, "How do I store this data? How do I search
128
344572
2215
تركز على ، "كيف أخزن هذه البيانات ؟ وكيف أبحث
06:02
this data? How do I process this data?"
129
346787
2276
في هذه البيانات؟ كيف أعالج هذه البيانات؟
06:04
These are necessary but insufficient questions.
130
349063
2204
هذه أسئلة مهمة ولكن غير كافية.
06:07
The imperative is not to figure out how to compute,
131
351267
2471
الضروري ليس أن نعرف كيف نعالج،
06:09
but what to compute. How do you impose human intuition
132
353738
2184
ولكن ماذا تعالج. كيف يمكن أن توظف حدس اللإنسان
06:11
on data at this scale?
133
355922
1791
على بيانات بهذا المستوى؟
06:13
Again, we start by designing the human into the process.
134
357713
3499
مرة أخرى، نبدأ بتوظيف الإنسان داخل العملية.
06:17
When PayPal was first starting as a business, their biggest
135
361212
2812
عندما بدأت شركة "بي بال"، كان أكبر
06:19
challenge was not, "How do I send money back and forth online?"
136
364024
2804
تحدي لديهم ليس "كيف أحول المال عن طريق الانترنت ؟"
06:22
It was, "How do I do that without being defrauded by organized crime?"
137
366828
3872
ولكن " كيف أفعل ذلك من غير احتيال جرائم منظمة؟"
06:26
Why so challenging? Because while computers can learn
138
370700
2088
لماذا يبدو تحديا كبيرا؟ لأن بينما الكمبيوترات قادرة على تعلُم
06:28
to detect and identify fraud based on patterns,
139
372788
3144
اكتشاف و معرفة احتيال مبني على أنماط
06:31
they can't learn to do that based on patterns
140
375932
1479
لاتستطيع تعلم نفس الشيء على أنماط
06:33
they've never seen before, and organized crime
141
377411
2116
لم يسبق لها رؤيتها، والجرائم المنظمة
06:35
has a lot in common with this audience: brilliant people,
142
379527
2709
لها عوامل مشتركة مع الحضورهنا : أناس رائعين
06:38
relentlessly resourceful, entrepreneurial spirit — (Laughter) —
143
382236
3640
لديهم امكانيات قوية و روح ريادة الأعمال -(ضحك)
06:41
and one huge and important difference: purpose.
144
385876
2712
و اختلاف كبير ومهم : الهدف
06:44
And so while computers alone can catch all but the cleverest
145
388588
2832
ولمدة كانت الحواسيب قادرة على اصطياد كل شيء إلا
06:47
fraudsters, catching the cleverest is the difference
146
391420
2253
المحتالين الأكثر ذكاءاً، اصطياد الأذكى هو الاختلاف
06:49
between success and failure.
147
393673
2545
بين النجاح والفشل
06:52
There's a whole class of problems like this, ones with
148
396218
2221
هناك مستوى كامل من مشكلات كهذه، مشكلات مع
06:54
adaptive adversaries. They rarely if ever present with a
149
398439
2575
الخصوم المتكيفين. هم من النادر جداً ان يواجهوا
06:56
repeatable pattern that's discernable to computers.
150
401014
2736
نمط متكرر ملحوظ لأجهزة الكمبيوتر
06:59
Instead, there's some inherent component of innovation or disruption,
151
403750
3993
على العكس، هناك بعض العناصر المتأصلة للابتكار أوالتخريب
07:03
and increasingly these problems are buried in big data.
152
407743
2735
وبشكل متزايد هذه المشكلات تكون مدفونة في بيانات كبيرة
07:06
For example, terrorism. Terrorists are always adapting
153
410478
2500
على سبيل المثال، الارهاب. الارهابيون دائماً يتكيفون
07:08
in minor and major ways to new circumstances, and despite
154
412978
2052
بطرق بسيطة أو كبيرة لظروف مختلفة، وبخلاف
07:10
what you might see on TV, these adaptations,
155
415030
3094
ما تراه على التلفاز، هذه التكيفات
07:14
and the detection of them, are fundamentally human.
156
418124
2293
والقدرة على كشفهم هي بشكل اساسي إنساني.
07:16
Computers don't detect novel patterns and new behaviors,
157
420417
3117
أجهزة الكمبيوتر لا تكتشف أنماط جديدة وسلوكيات جديدة،
07:19
but humans do. Humans, using technology, testing hypotheses,
158
423534
3235
ولكن البشر يفعلون. البشر، باستخدام التكنولوجيا ،اختبار الفرضيات
07:22
searching for insight by asking machines to do things for them.
159
426769
4620
يبحثون عن تبصر من خلال طلبهم من الأجهزة أن تفعل أشياء لهم
07:27
Osama bin Laden was not caught by artificial intelligence.
160
431389
2320
أسامة بن لادن لم يُقبض عليه باستخدام الذكاء الصناعي
07:29
He was caught by dedicated, resourceful, brilliant people
161
433709
2553
بل قبض عليه أناس مخلصين ذوي امكانيات و أذكياء
07:32
in partnerships with various technologies.
162
436262
4269
بالمشاركة مع تكنولوجيات مختلفة.
07:36
As appealing as it might sound, you cannot algorithmically
163
440531
2818
بقدر ماهو مغري، لا تقدر بطريقة خوارزمية
07:39
data mine your way to the answer.
164
443349
1601
أن تستخرج البيانات لتجد الحل
07:40
There is no "Find Terrorist" button, and the more data
165
444950
2855
ليس هناك زر " اعثر على ارهابي" ، وكلما كثرت البيانات
07:43
we integrate from a vast variety of sources
166
447805
2302
التي ندمجها من مصادر كثيرة متنوعة
07:46
across a wide variety of data formats from very
167
450107
2133
خلال أشكال واسعة و مختلفة من أشكال البيانات من
07:48
disparate systems, the less effective data mining can be.
168
452240
3309
من أنظمة مختلفة ، كلما قلت فاعلية تنقيب البيانات.
07:51
Instead, people will have to look at data
169
455549
2024
على العكس، اُناس سوف يتوجب عليهم النظر في البيانات
07:53
and search for insight, and as Licklider foresaw long ago,
170
457573
3456
والبحث عن دلالات ،وكما تنبأ لكليدر منذ مدة طويلة،
07:56
the key to great results here is the right type of cooperation,
171
461029
2685
المفتاح لنتائج باهرة هنا هو النوع الجيد من التعاون،
07:59
and as Kasparov realized,
172
463714
1524
ومثلما أدرك كاسباروف،
08:01
that means minimizing friction at the interface.
173
465238
3031
هذا يعني تخفيف الاحتكاك في الواجهات.
08:04
Now this approach makes possible things like combing
174
468269
2758
الآن هذا التوجه يجعل أمور ممكنة مثل البحث
08:06
through all available data from very different sources,
175
471027
3386
في بيانات المتوفرة من مصادر مختلفة،
08:10
identifying key relationships and putting them in one place,
176
474413
2792
التعرف على علاقات مهمة ووضعها في مكان واحد،
08:13
something that's been nearly impossible to do before.
177
477205
2928
شيء لطالما كان أقرب للمستحيل أن يُفعَل سابقاً.
08:16
To some, this has terrifying privacy and civil liberties
178
480133
1942
للبعض، لهذا الأمر تداعيات مخيفة على الخصوصية و الحريات المدنية.
08:17
implications. To others it foretells of an era of greater
179
482075
3410
بالنسبة للبعض الآخر، فهذا ينبأ بعصر
08:21
privacy and civil liberties protections,
180
485485
1909
حيث تكون الخصوصية و الحريات المدنية محمية بشكل أكبر،
08:23
but privacy and civil liberties are of fundamental importance.
181
487394
2936
ولكن الخصوصية والحريات المدنية أمور ذات أهمية أساسية.
08:26
That must be acknowledged, and they can't be swept aside,
182
490330
2193
هذا الشيء يجب أن يُعترف به ولا يُهمّش،
08:28
even with the best of intents.
183
492523
2530
حتى مع النوايا الجيدة.
08:30
So let's explore, through a couple of examples, the impact
184
495053
2518
إذا دعونا نستكشف، من خلال بعض الأمثلة، الأثر
08:33
that technologies built to drive human-computer symbiosis
185
497571
2406
الذي قامت به التكنولوجيات لدفع التعايش بين الإنسان والحاسوب
08:35
have had in recent time.
186
499977
2919
من وقت قريب.
08:38
In October, 2007, U.S. and coalition forces raided
187
502896
3416
في أكتوبر 2007، داهمت الولايات المتحدة وقوات التحالف
08:42
an al Qaeda safe house in the city of Sinjar
188
506312
2416
البيت الآمن للقاعدة في مدينة سنجار
08:44
on the Syrian border of Iraq.
189
508728
1934
على الحدود السورية للعراق.
08:46
They found a treasure trove of documents:
190
510662
2376
وجدوا كنزا من الوثائق:
08:48
700 biographical sketches of foreign fighters.
191
513038
2335
700 من نسخ لسير ذاتية لمقاتلين أجانب .
08:51
These foreign fighters had left their families in the Gulf,
192
515373
2584
هؤلاء المقاتلون الأجانب قد تركوا عائلاتهم في الخليج
08:53
the Levant and North Africa to join al Qaeda in Iraq.
193
517957
3146
الشام وشمال أفريقيا للالتحاق بالقاعدة في العراق.
08:57
These records were human resource forms.
194
521103
1616
هذه السجلات كانت استمارات موارد بشرية.
08:58
The foreign fighters filled them out as they joined the organization.
195
522719
2855
المقاتلون الأجانب قاموا بتعبئتها عندما انضموا للمنظمة.
09:01
It turns out that al Qaeda, too,
196
525574
1211
تبين أن القاعدة ،أيضاً،
09:02
is not without its bureaucracy. (Laughter)
197
526785
2597
ليست خالية من البيروقراطية. (ضحك)
09:05
They answered questions like, "Who recruited you?"
198
529382
2098
قاموا بالإجابة على أسئلة من قبيل :، "من قام بتوظيفك؟"
09:07
"What's your hometown?" "What occupation do you seek?"
199
531480
2854
"ما هي بلدتك؟" "ماهي المهنة التي تريدها؟"
09:10
In that last question, a surprising insight was revealed.
200
534334
3169
في السؤال الأخير، تم الكشف عن حقيقة مدهشة.
09:13
The vast majority of foreign fighters
201
537503
2400
الأغلبية الساحقة من المقاتلين الأجانب
09:15
were seeking to become suicide bombers for martyrdom --
202
539903
2400
كانوا يريدون أن يصبحوا انتحاريين جهاديين--
09:18
hugely important, since between 2003 and 2007, Iraq
203
542303
4338
والأمر مهم لدرجة كبيرة،بين عامي 2003 و 2007 تعرض
09:22
had 1,382 suicide bombings, a major source of instability.
204
546641
4244
العراق لأزيد من 1328 عملية تفجير انتحاري،
وهي أحد العوامل المهمة لعدم الاستقرار هناك.
وهي أحد العوامل المهمة لعدم الاستقرار هناك.
09:26
Analyzing this data was hard. The originals were sheets
205
550885
2058
تحليل هذه البيانات كان صعبا. فالنسخ الأصلية
09:28
of paper in Arabic that had to be scanned and translated.
206
552943
2742
كانت مكتوبة بالعربية، التي كان علينا تفحصها وترجمتها .
09:31
The friction in the process did not allow for meaningful
207
555685
2192
الاحتكاك في هذه العملية لم يسمح لنا
09:33
results in an operational time frame using humans, PDFs
208
557877
3350
بالوصول لنتائج ذات مغزى في الحيز الزمني العملي، بالاستعانة بالإنسان ، ال PDF
09:37
and tenacity alone.
209
561227
2218
والمثابرة وحدها.
09:39
The researchers had to lever up their human minds
210
563445
1953
بل كان على الباحثين أن يقرنوا عصارة تفكيرهم
09:41
with technology to dive deeper, to explore non-obvious
211
565398
2345
بالتكنولوجيا للغوص بشكل أعمق ، واستكشاف الفرضيات
09:43
hypotheses, and in fact, insights emerged.
212
567743
3218
غير الواضحة، وبالفعل ظهرت مجموعة من الحقائق.
09:46
Twenty percent of the foreign fighters were from Libya,
213
570961
2644
20 في المائة من المقاتلين الأجانب جاؤوا من ليبيا،
09:49
50 percent of those from a single town in Libya,
214
573605
2968
50 في المائة منهم جاؤوا من مدينة واحدة في ليبيا،
09:52
hugely important since prior statistics put that figure at
215
576573
2450
والأمر الهام جدا هنا ، أنه في احصائيات سابقة كان هذا الرقم
09:54
three percent. It also helped to hone in on a figure
216
579023
2383
في حدود 3 في المائة. والفضل راجع في ارتفاع هذا العدد
09:57
of rising importance in al Qaeda, Abu Yahya al-Libi,
217
581406
2977
وتنامي أهمية القاعدة؛ إلى أبو يحيى الليبي ،
10:00
a senior cleric in the Libyan Islamic fighting group.
218
584383
2631
رجل دين بارز في الجماعة الإسلامية المقاتلة الليبية.
10:02
In March of 2007, he gave a speech, after which there was
219
587014
2664
في مارس 2007، ألقى خطابا، ارتفعت بعده
10:05
a surge in participation amongst Libyan foreign fighters.
220
589678
3466
مشاركة الليبيين ضمن المقاتلين الأجانب.
10:09
Perhaps most clever of all, though, and least obvious,
221
593144
3106
ربما يكون الأمر الأكثر ذكاء، وبالمقابل، الأقل بديهية ،
10:12
by flipping the data on its head, the researchers were
222
596250
2073
عن طريق تقليب البيانات رأسا على عقب، أن الباحثين
10:14
able to deeply explore the coordination networks in Syria
223
598323
2900
كانوا قادرين على استكشاف شبكات الربط في سوريا
10:17
that were ultimately responsible for receiving and
224
601223
2517
التي كانت مسؤولة بالنهاية عن استقبال
10:19
transporting the foreign fighters to the border.
225
603740
2464
ونقل المقاتلين الأجانب إلى الحدود.
10:22
These were networks of mercenaries, not ideologues,
226
606204
2633
كانت تلك عبارة عن شبكات مرتزقة و ليست شبكات ايديولجية،
10:24
who were in the coordination business for profit.
227
608837
2398
الذين دخلوا في الخط على أساس العمل من أجل الربح.
10:27
For example, they charged Saudi foreign fighters
228
611235
1904
فكانوا على سبيل المثال، يطلبون مالا من المقاتلين الأجانب السعوديين
10:29
substantially more than Libyans, money that would have
229
613139
2199
أكثر بكثير من الليبيين ،ذلك المال الذي كان
10:31
otherwise gone to al Qaeda.
230
615338
2320
ليذهب للقاعدة إن لم يأخذوه هم.
10:33
Perhaps the adversary would disrupt their own network
231
617658
2045
ربما كان الخصم ليعطلوا شبكاتهم الخاصة
10:35
if they knew they cheating would-be jihadists.
232
619703
3035
لو كانوا يعلمون أن من يخونهم هم من الجهاديين .
10:38
In January, 2010, a devastating 7.0 earthquake struck Haiti,
233
622738
3745
في عام 2010 ، ضرب زلزال مدمر بقوة 7 درجات جزيرة هايتي،
10:42
third deadliest earthquake of all time, left one million people,
234
626483
2916
ثالث أخطر زلزال مميت عرفه التاريخ، خلف مليونا،
10:45
10 percent of the population, homeless.
235
629399
2584
أي 10 في المائة من مجموع سكان البلاد، بلا مأوى.
10:47
One seemingly small aspect of the overall relief effort
236
631983
3137
أحد جوانب الإغاثة التي قد تبدو صغيرة بالنظر إلى المجهود الإغاثي الشامل
10:51
became increasingly important as the delivery of food
237
635120
2176
أصبح يكتسب أهمية متزايدة ، مثل توصيل الطعام
10:53
and water started rolling.
238
637296
2160
وتداول المياه.
10:55
January and February are the dry months in Haiti,
239
639456
1458
يناير و فبراير هما الشهران الأكثر جفافا في هايتي،
10:56
yet many of the camps had developed standing water.
240
640914
2942
ومع ذلك فالعديد من المخيمات كانت بها مياه راكدة.
10:59
The only institution with detailed knowledge of Haiti's
241
643856
2122
المؤسسة الوحيدة التي تملك معلومات مفصلة
11:01
floodplains had been leveled
242
645978
1297
عن سهول هايتي الفيضية، قد دمرت
11:03
in the earthquake, leadership inside.
243
647275
3008
بسبب الزلزال، مع مسؤوليها بداخلها.
11:06
So the question is, which camps are at risk,
244
650283
2575
إذن فالسؤال ، ماهي المخيمات الأكثر عرضة للخطر؟
11:08
how many people are in these camps, what's the
245
652858
1921
كم عدد الأشخاص في هذه المخيمات،
11:10
timeline for flooding, and given very limited resources
246
654779
2311
وماهي مواقيت الفيضانات، وبالنظر إلى الموارد والبنيات المحدودة جدا
11:12
and infrastructure, how do we prioritize the relocation?
247
657090
3384
كيف يمكننا تحديد أولوية نقل السكان؟
11:16
The data was incredibly disparate. The U.S. Army had
248
660474
2344
كانت البيانات متباينة بشكل لا يصدق.وكان الجيش الأمريكي
11:18
detailed knowledge for only a small section of the country.
249
662818
2929
يملك معلومات مفصلة فقط عن جزء صغير من البلاد.
11:21
There was data online from a 2006 environmental risk
250
665747
2511
كانت هناك بيانات على الانترنت من مؤتمر الأخطار
11:24
conference, other geospatial data, none of it integrated.
251
668258
2664
البيئية، بيانات جيو مكانية أخرى، ليست بالمتكاملة.
11:26
The human goal here was to identify camps for relocation
252
670922
2958
كان الهدف الإنساني هنا، أن نحدد أماكن لنقل الناس
11:29
based on priority need.
253
673880
2395
بناء على الاحتياجات ذات الأولوية .
11:32
The computer had to integrate a vast amount of geospacial
254
676275
2440
كان على الحاسوب أن يدمج مجموعات هائلة من المعلومات الجيومكانية
11:34
information, social media data and relief organization
255
678715
2584
معلومات من مواقع التواصل الاجتماعي ،معلومات إغاثية
11:37
information to answer this question.
256
681299
3480
للإجابة عن هذا السؤال.
11:40
By implementing a superior process, what was otherwise
257
684779
2415
من خلال تنفيذ عملية متفوقة، الأمر الذي كان
11:43
a task for 40 people over three months became
258
687194
2608
يتطلب عمل 40 شخصا طوال ثلاثة أشهر
11:45
a simple job for three people in 40 hours,
259
689802
3176
أصبح عملا بسيطا يتطلب ثلاثة أشخاص و 40 ساعة عمل،
11:48
all victories for human-computer symbiosis.
260
692978
2628
مما يعتبر تتويجا للتعاون بين الانسان و الحاسوب.
11:51
We're more than 50 years into Licklider's vision
261
695606
2054
مرت 50 سنة على رؤية ليكليدر
11:53
for the future, and the data suggests that we should be
262
697660
2242
عن المستقبل، والبيانات تقترح أن علينا أن نكون
11:55
quite excited about tackling this century's hardest problems,
263
699902
3030
متحمسين لمعالجة أصعب مشاكل هذا القرن،
11:58
man and machine in cooperation together.
264
702932
2947
بتعاون بين الإنسان و الحاسوب معا.
12:01
Thank you. (Applause)
265
705879
2197
شكراً. (تصفيق)
12:03
(Applause)
266
708076
2505
(تصفيق)
ABOUT THE SPEAKER
Shyam Sankar - Data Intelligence AgentAn advocate of human-computer symbiosis, Shyam Sankar looks for clues in big and disparate data sets.
Why you should listen
Shyam Sankar is a Director at Palantir Technologies, a secretive Silicon Valley company where he oversees deployments of the company's core technology, which helps law enforcement teams and corporations analyze giant, unrelated databases for clues to potential ... anything. Palantir technologies has been used to find missing children, to detect banking fraud, and to uncover the Shadow Network, a cyber-spy ring that stooped so low as to hack the Dalai Lama's email.
As part of his work, Sankar thinks deeply about the place where human and machine intelligence meet. While artificial intelligence (AI) is the dominant paradigm, he is an advocate of JCR Licklider's "intelligence augmentation" (IA) approach, where algorithms and brains work together to solve problems.
Shyam Sankar | Speaker | TED.com