TEDGlobal 2012
Shyam Sankar: The rise of human-computer cooperation
Shyam Sankar: Der Aufbruch der Mensch-Maschine-Kooperation
Filmed:
Readability: 6.3
947,418 views
Rohe Computergewalt alleine kann die Probleme dieser Welt nicht lösen. Datamining Vorreiter Shyam Sankar erklärt warum große Probleme zu lösen (wie Terroristen zu fangen oder verdeckte Trends zu identifizieren) keine Frage des richtigen Algorithmus ist, sondern eher der richtigen symbiotischen Beziehung zwischen Rechenleistung und menschlicher Kreativität.
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
Ich möchte von zwei Schachspielen erzählen.
00:18
The first happened in 1997, in which Garry Kasparov,
1
3068
3864
Das erste fand 1997 statt: Garry Kasparow,
00:22
a human, lost to Deep Blue, a machine.
2
6932
3716
ein Mensch, verlor gegen Deep Blue, eine Maschine.
00:26
To many, this was the dawn of a new era,
3
10648
2240
Für viele war das der Beginn einer neuen Ära,
00:28
one where man would be dominated by machine.
4
12888
2779
in der Maschinen herrschen.
00:31
But here we are, 20 years on, and the greatest change
5
15667
3334
Heute ist die größte Veränderung
00:34
in how we relate to computers is the iPad,
6
19001
2690
in unserer Beziehung zu Computern
00:37
not HAL.
7
21691
2045
nicht HAL, sondern das iPad.
00:39
The second game was a freestyle chess tournament
8
23736
2648
Das zweite Spiel war ein Freestyle-Turnier
00:42
in 2005, in which man and machine could enter together
9
26384
2969
2005, bei dem Mensch und Maschine
00:45
as partners, rather than adversaries, if they so chose.
10
29353
4666
als Partner statt als Gegner spielen konnten.
00:49
At first, the results were predictable.
11
34019
1851
Anfangs waren die Ergebnisse klar.
00:51
Even a supercomputer was beaten by a grandmaster
12
35870
2497
Selbst ein Supercomputer
wurde von einem Großmeister
wurde von einem Großmeister
00:54
with a relatively weak laptop.
13
38367
2312
mit einem einfachen Laptop geschlagen.
00:56
The surprise came at the end. Who won?
14
40679
2985
Die Überraschung kam zum Schluss.
Wer gewann?
Wer gewann?
00:59
Not a grandmaster with a supercomputer,
15
43664
2776
Kein Großmeister mit einem Supercomputer,
01:02
but actually two American amateurs
16
46440
1493
sondern zwei amerikanische Amateure,
01:03
using three relatively weak laptops.
17
47933
3822
die drei einfache Laptops benutzten.
01:07
Their ability to coach and manipulate their computers
18
51755
2596
Ihrer Fähigkeit, ihre Computer so auszureizen,
01:10
to deeply explore specific positions
19
54351
2435
um bestimmte Stellungen intensiv zu erforschen,
01:12
effectively counteracted the superior chess knowledge
20
56786
2390
waren weder das Wissen der Großmeister
01:15
of the grandmasters and the superior computational power
21
59176
2609
noch die Rechnerleistung der Supercomputer
01:17
of other adversaries.
22
61785
1909
anderer Gegener gewachsen.
01:19
This is an astonishing result: average men,
23
63694
2905
Ein erstaunliches Ergebnis:
Durchschnittliche Menschen
Durchschnittliche Menschen
01:22
average machines beating the best man, the best machine.
24
66599
4081
mit durchschnittlicher Technik schlagen
die besten Menschen und die beste Maschine.
die besten Menschen und die beste Maschine.
01:26
And anyways, isn't it supposed to be man versus machine?
25
70680
3199
Heißt es nicht eigentlich Mensch gegen Maschine?
01:29
Instead, it's about cooperation, and the right type of cooperation.
26
73879
4152
Stattdessen geht es um die richtige Zusammenarbeit.
01:33
We've been paying a lot of attention to Marvin Minsky's
27
78031
2857
In den letzten 50 Jahren war
große Aufmerksamkeit
große Aufmerksamkeit
01:36
vision for artificial intelligence over the last 50 years.
28
80888
3242
auf Marvin Minskys Vision
der künstlichen Intelligenz (KI) gerichtet.
der künstlichen Intelligenz (KI) gerichtet.
01:40
It's a sexy vision, for sure. Many have embraced it.
29
84130
2262
Sie wurde zur dominierenden Denkrichtung
in der Informatik.
in der Informatik.
01:42
It's become the dominant school of thought in computer science.
30
86392
2753
Sie wurde zur dominierenden Denkrichtung
in der Informatik.
in der Informatik.
01:45
But as we enter the era of big data, of network systems,
31
89145
3072
Angesichts der großen Daten,
der Netzwerk-Systeme,
der Netzwerk-Systeme,
01:48
of open platforms, and embedded technology,
32
92217
2698
Plattformen und eingebetteter Technologie
01:50
I'd like to suggest it's time to reevaluate an alternative vision
33
94915
3392
wird es Zeit, eine andere Vision
wieder zu beleben,
wieder zu beleben,
01:54
that was actually developed around the same time.
34
98307
3070
die etwa zur gleichen Zeit entstand.
01:57
I'm talking about J.C.R. Licklider's human-computer symbiosis,
35
101377
3332
Ich meine Lickliders Mensch-Maschine-Symbiose
02:00
perhaps better termed "intelligence augmentation," I.A.
36
104709
3808
oder "Intelligence Augmentation" (IA).
02:04
Licklider was a computer science titan who had a profound
37
108517
2640
Licklider hatte einen großen Einfluss
02:07
effect on the development of technology and the Internet.
38
111157
3006
auf die Entwicklung der Technologie
und das Internet.
und das Internet.
02:10
His vision was to enable man and machine to cooperate
39
114163
2868
Seine Vision war, die Mensch-Computer-Kooperation
02:12
in making decisions, controlling complex situations
40
117031
3590
bei Entscheidungen und Kontrolle komplexer Situationen zu ermöglichen
02:16
without the inflexible dependence
41
120621
1770
ohne jegliche Abhängigkeit von
vorgegebenen Programmen.
vorgegebenen Programmen.
02:18
on predetermined programs.
42
122391
2533
ohne jegliche Abhängigkeit von
vorgegebenen Programmen.
vorgegebenen Programmen.
02:20
Note that word "cooperate."
43
124924
2498
Die Betonung liegt auf "kooperieren".
02:23
Licklider encourages us not to take a toaster
44
127422
2747
Er meinte nicht, einen Toaster zu benutzen,
02:26
and make it Data from "Star Trek,"
45
130169
2284
um Daten von "Star Trek" zu generieren,
02:28
but to take a human and make her more capable.
46
132453
3535
sondern Menschen leistungsfähiger zu machen.
02:31
Humans are so amazing -- how we think,
47
135988
1911
Der Mensch ist unglaublich – wie er denkt,
02:33
our non-linear approaches, our creativity,
48
137899
2618
seine nichtlinearen Gedankengänge, Kreativität,
– all das kann ein Computer
– all das kann ein Computer
02:36
iterative hypotheses, all very difficult if possible at all
49
140517
2131
seine nichtlinearen Gedankengänge, Kreativität,
– all das kann ein Computer
– all das kann ein Computer
02:38
for computers to do.
50
142648
1345
nur mit großen Schwierigkeiten.
02:39
Licklider intuitively realized this, contemplating humans
51
143993
2452
Licklider erkannte das intuitiv, während er Menschen
02:42
setting the goals, formulating the hypotheses,
52
146445
2327
bei der Formulierung von Zielen und Hypothesen
02:44
determining the criteria, and performing the evaluation.
53
148772
3376
und der Auswertung von Erhebungen beobachtete.
02:48
Of course, in other ways, humans are so limited.
54
152148
1775
Natürlich sind Menschen andererseits begrenzt.
02:49
We're terrible at scale, computation and volume.
55
153923
3235
Wir machen Fehler bei Maßstab,
Berechnungen und Umfang.
Berechnungen und Umfang.
02:53
We require high-end talent management
56
157158
1836
Wir benötigen ein talentiertes Management,
02:54
to keep the rock band together and playing.
57
158994
2064
um Rockbands zum Spielen zu bringen
02:56
Licklider foresaw computers doing all the routinizable work
58
161058
2204
Licklider erkannte, Computer können
die notwendige Routinearbeit tun,
die notwendige Routinearbeit tun,
02:59
that was required to prepare the way for insights and decision making.
59
163262
3276
um Einsichten und
Entscheidungen vorzubereiten.
Entscheidungen vorzubereiten.
03:02
Silently, without much fanfare,
60
166538
2224
um Einsichten und
Entscheidungen vorzubereiten.
Entscheidungen vorzubereiten.
03:04
this approach has been compiling victories beyond chess.
61
168762
3354
Dieser Ansatz ist nicht nur im Schach sehr erfolgreich.
03:08
Protein folding, a topic that shares the incredible expansiveness of chess —
62
172116
3356
Proteinfaltung ist wie ein Schachspiel:
03:11
there are more ways of folding a protein than there are atoms in the universe.
63
175472
3042
es gibt zahllose Möglichkeiten,
ein Protein zu falten.
ein Protein zu falten.
03:14
This is a world-changing problem with huge implications
64
178514
2353
Dies ist ein Problem
mit großen Auswirkungen
mit großen Auswirkungen
03:16
for our ability to understand and treat disease.
65
180867
2308
auf unsere Fähigkeit,
Krankheiten zu behandeln.
Krankheiten zu behandeln.
03:19
And for this task, supercomputer field brute force simply isn't enough.
66
183175
4248
Die rohe Gewalt eines Computers ist nicht genug.
03:23
Foldit, a game created by computer scientists,
67
187423
2384
Foldit, ein Wissenschaftsspiel,
03:25
illustrates the value of the approach.
68
189807
2502
illustriert den Wert dieses Ansatzes.
03:28
Non-technical, non-biologist amateurs play a video game
69
192309
3041
Amateure müssen die Struktur eines Proteins
03:31
in which they visually rearrange the structure of the protein,
70
195350
3073
visuell neu ordnen,
während sie dem Computer
während sie dem Computer
03:34
allowing the computer to manage the atomic forces
71
198423
1499
erlauben, die atomaren Kräfte und
03:35
and interactions and identify structural issues.
72
199922
2957
Wechselwirkungen zu verwalten
und Probleme zu identifizieren.
und Probleme zu identifizieren.
03:38
This approach beat supercomputers 50 percent of the time
73
202879
3023
Dieser Ansatz übertraf
in 50 % der Fälle die Supercomputer
in 50 % der Fälle die Supercomputer
03:41
and tied 30 percent of the time.
74
205902
2584
und war in 30 % der Fälle gleichwertig.
03:44
Foldit recently made a notable and major scientific discovery
75
208486
3137
Foldit machte kürzlich eine große Entdeckung
03:47
by deciphering the structure of the Mason-Pfizer monkey virus.
76
211623
3160
bei der Entzifferung
des Mason-Pfizer-Affen-Virus.
des Mason-Pfizer-Affen-Virus.
03:50
A protease that had eluded determination for over 10 years
77
214783
3015
Eine Protease, die der Bestimmung über 10 Jahre auswich,
03:53
was solved was by three players in a matter of days,
78
217798
2626
wurde von drei Spielern
in ein paar Tagen gelöst,
in ein paar Tagen gelöst,
03:56
perhaps the first major scientific advance
79
220424
2025
vielleicht der erste bedeutende Fortschritt,
03:58
to come from playing a video game.
80
222449
2323
der aus einem Videospiel hervorging.
04:00
Last year, on the site of the Twin Towers,
81
224772
2181
Letztes Jahr wurde
die 9/11-Gedenkstätte eröffnet.
die 9/11-Gedenkstätte eröffnet.
04:02
the 9/11 memorial opened.
82
226953
1473
Letztes Jahr wurde
die 9/11-Gedenkstätte eröffnet.
die 9/11-Gedenkstätte eröffnet.
04:04
It displays the names of the thousands of victims
83
228426
2721
Es zeigt die Namen tausender Opfer
und nutzt
und nutzt
04:07
using a beautiful concept called "meaningful adjacency."
84
231147
3063
das schöne Konzept "bedeutungsvoller Nähe".
04:10
It places the names next to each other based on their
85
234210
2166
Es platziert die Namen in Relation zu Beziehungen:
04:12
relationships to one another: friends, families, coworkers.
86
236376
2213
Freunde, Familien, Kollegen.
04:14
When you put it all together, it's quite a computational
87
238589
3028
Eine riesige technische Herausforderung
04:17
challenge: 3,500 victims, 1,800 adjacency requests,
88
241617
4223
3.500 Opfer, 1.800 Nähe-Anfragen,
04:21
the importance of the overall physical specifications
89
245840
3092
die Wichtigkeit der physischen Spezifikationen
04:24
and the final aesthetics.
90
248932
2137
und das endgültige Aussehen.
04:26
When first reported by the media, full credit for such a feat
91
251069
2615
Zuerst wurde diese Leistung
04:29
was given to an algorithm from the New York City
92
253684
1892
dem Algorithmus der New Yorker Designfirma
04:31
design firm Local Projects. The truth is a bit more nuanced.
93
255576
4001
Local Projects zugesprochen.
Die Wahrheit ist komplexer.
Die Wahrheit ist komplexer.
04:35
While an algorithm was used to develop the underlying framework,
94
259577
2871
Ein Algorithmus wurde verwendet,
um das Bezugssystem zu entwickeln,
um das Bezugssystem zu entwickeln,
04:38
humans used that framework to design the final result.
95
262448
3008
Menschen nutzten dieses System,
um die Endergebnisse zu gestalten.
um die Endergebnisse zu gestalten.
04:41
So in this case, a computer had evaluated millions
96
265456
2225
In diesem Fall hat der Computer
also Millionen möglicher
also Millionen möglicher
04:43
of possible layouts, managed a complex relational system,
97
267681
3335
Anordnungen berechnet,
ein komplexes Beziehungssystem bearbeitet
ein komplexes Beziehungssystem bearbeitet
04:46
and kept track of a very large set of measurements
98
271016
2414
und eine große Anzahl
von Meßwerten und Variablen
von Meßwerten und Variablen
04:49
and variables, allowing the humans to focus
99
273430
2410
berücksichtigt, was den Menschen ermöglichte,
04:51
on design and compositional choices.
100
275840
2802
sich auf Design- und
Kompositionsfragen zu fokussieren.
Kompositionsfragen zu fokussieren.
04:54
So the more you look around you,
101
278642
1036
Je mehr man sich umschaut,
04:55
the more you see Licklider's vision everywhere.
102
279678
1962
desto mehr sieht man Lickliders Vision.
04:57
Whether it's augmented reality in your iPhone or GPS in your car,
103
281640
3304
Ob Augmented Reality in Ihrem iPhone oder GPS,
05:00
human-computer symbiosis is making us more capable.
104
284944
2970
Mensch-Computer-Symbiose macht uns leistungsfähiger.
05:03
So if you want to improve human-computer symbiosis,
105
287914
1655
Was kann man tun, um diese Symbiose
05:05
what can you do?
106
289569
1429
zu verbessern?
05:06
You can start by designing the human into the process.
107
290998
2452
Man kann den Mensch
in den Prozess designen.
in den Prozess designen.
05:09
Instead of thinking about what a computer will do to solve the problem,
108
293450
2204
Anstatt zu denken, wie Computer
das Problem lösen wird,
das Problem lösen wird,
05:11
design the solution around what the human will do as well.
109
295654
3869
entwirft man die Lösung
um die Möglichkeiten des Menschen.
um die Möglichkeiten des Menschen.
05:15
When you do this, you'll quickly realize that you spent
110
299523
1937
Es wird schnell klar,
dass man seine ganze Zeit
dass man seine ganze Zeit
05:17
all of your time on the interface between man and machine,
111
301460
2879
in die Schnittstelle zwischen
Mensch und Maschine investiert,
Mensch und Maschine investiert,
05:20
specifically on designing away the friction in the interaction.
112
304339
3099
insbesondere, um die Reibung
in der Interaktion zu umgehen.
in der Interaktion zu umgehen.
05:23
In fact, this friction is more important than the power
113
307438
2766
Tatsächlich ist diese Reibung wichtiger als
05:26
of the man or the power of the machine
114
310204
2052
die Leistung des Menschen oder der Maschine
05:28
in determining overall capability.
115
312256
1931
für die Bestimmung der Leistungsfähigkeit.
05:30
That's why two amateurs with a few laptops
116
314187
1977
Daher konnten zwei Amateure mit Laptops
05:32
handily beat a supercomputer and a grandmaster.
117
316164
2456
einfach das Duo Supercomputer-Großmeister schlagen.
05:34
What Kasparov calls process is a byproduct of friction.
118
318620
3005
Kasparow sagt, Prozess sei
ein Nebenprodukt der Reibung.
ein Nebenprodukt der Reibung.
05:37
The better the process, the less the friction.
119
321625
2401
Je besser der Prozess,
desto weniger Reibungsverlust.
desto weniger Reibungsverlust.
05:39
And minimizing friction turns out to be the decisive variable.
120
324026
4256
Die Minimierung der Reibung
ist die entscheidende Variable.
ist die entscheidende Variable.
05:44
Or take another example: big data.
121
328282
2243
Oder ein anderes Beispiel: große Datenmengen.
05:46
Every interaction we have in the world is recorded
122
330525
1906
Jede Interaktion wird von
05:48
by an ever growing array of sensors: your phone,
123
332431
3059
immer mehr Sensoren aufgezeichnet: Ihr Telefon,
05:51
your credit card, your computer. The result is big data,
124
335490
2373
Ihre Kreditkarte, Ihr Computer.
Es sind viele Daten
Es sind viele Daten
05:53
and it actually presents us with an opportunity
125
337863
1742
und wir bekommen dadurch die Gelegenheit,
05:55
to more deeply understand the human condition.
126
339605
2662
unser Dasein genauer zu verstehen.
05:58
The major emphasis of most approaches to big data
127
342267
2305
Der Schwerpunkt der meisten Ansätze bei Datenmengen
06:00
focus on, "How do I store this data? How do I search
128
344572
2215
besteht in: "Wie kann ich diese Daten speichern,
durchsuchen und verarbeiten?
durchsuchen und verarbeiten?
06:02
this data? How do I process this data?"
129
346787
2276
besteht in: "Wie kann ich diese Daten speichern,
durchsuchen und verarbeiten?
durchsuchen und verarbeiten?
06:04
These are necessary but insufficient questions.
130
349063
2204
Notwendige, aber unzureichende Fragen.
06:07
The imperative is not to figure out how to compute,
131
351267
2471
Entscheidend ist nicht nur
zu wissen "wie",
zu wissen "wie",
06:09
but what to compute. How do you impose human intuition
132
353738
2184
sondern "was" man berechnet.
Wie ist unsere Intuition
Wie ist unsere Intuition
06:11
on data at this scale?
133
355922
1791
in Daten dieser Größenordnung zu bringen?
06:13
Again, we start by designing the human into the process.
134
357713
3499
Wir fangen an, das Menschliche
in dem Prozess zu gestalten.
in dem Prozess zu gestalten.
06:17
When PayPal was first starting as a business, their biggest
135
361212
2812
Wenn PayPal anfing, war
ihre größte Herausforderung nicht,
ihre größte Herausforderung nicht,
06:19
challenge was not, "How do I send money back and forth online?"
136
364024
2804
wie man Geld online hin- und herschickt.
06:22
It was, "How do I do that without being defrauded by organized crime?"
137
366828
3872
Es war, wie man es macht,
ohne betrogen zu werden.
ohne betrogen zu werden.
06:26
Why so challenging? Because while computers can learn
138
370700
2088
Warum ist das so schwierig?
Obwohl Computer lernen können,
Obwohl Computer lernen können,
06:28
to detect and identify fraud based on patterns,
139
372788
3144
Betrug nach Mustern zu erkennen,
06:31
they can't learn to do that based on patterns
140
375932
1479
können sie das nicht
anhand von Mustern lernen,
anhand von Mustern lernen,
06:33
they've never seen before, and organized crime
141
377411
2116
die sie noch nie gesehen haben;
die organisierte Kriminalität
die organisierte Kriminalität
06:35
has a lot in common with this audience: brilliant people,
142
379527
2709
hat viel mit diesem Publikum gemeinsam: geniale Leute,
06:38
relentlessly resourceful, entrepreneurial spirit — (Laughter) —
143
382236
3640
sehr kompetent und mit Unternehmergeist
(Gelächter) –
(Gelächter) –
06:41
and one huge and important difference: purpose.
144
385876
2712
und mit einem Unterschied: die Absicht.
06:44
And so while computers alone can catch all but the cleverest
145
388588
2832
Computer erwischen alle außer die Schlausten.
06:47
fraudsters, catching the cleverest is the difference
146
391420
2253
Das Fangen der Cleversten macht den Unterschied
06:49
between success and failure.
147
393673
2545
zwischen Erfolg und Niederlage.
06:52
There's a whole class of problems like this, ones with
148
396218
2221
Es gibt eine Reihe solcher Probleme, manche mit
06:54
adaptive adversaries. They rarely if ever present with a
149
398439
2575
lernfähigen Gegnern.
Sie zeigen sich selten
Sie zeigen sich selten
06:56
repeatable pattern that's discernable to computers.
150
401014
2736
mit einem reproduzierbaren Muster,
das man erkennen kann.
das man erkennen kann.
06:59
Instead, there's some inherent component of innovation or disruption,
151
403750
3993
Stattdessen werden mit innewohnender
Innovation und Störungen
Innovation und Störungen
07:03
and increasingly these problems are buried in big data.
152
407743
2735
diese Probleme unter Datenmengen begraben.
07:06
For example, terrorism. Terrorists are always adapting
153
410478
2500
Z.B. Terrorismus. Terroristen passen sich immer
07:08
in minor and major ways to new circumstances, and despite
154
412978
2052
den neuen Bedingungen an und trotz allem
07:10
what you might see on TV, these adaptations,
155
415030
3094
was Sie im Fernsehen sehen,
sind diese Anpassungen
sind diese Anpassungen
07:14
and the detection of them, are fundamentally human.
156
418124
2293
und ihre Erkennung im Wesentlichen menschlich.
07:16
Computers don't detect novel patterns and new behaviors,
157
420417
3117
Computer erkennen keine
neuen Muster und Verhaltensweisen,
neuen Muster und Verhaltensweisen,
07:19
but humans do. Humans, using technology, testing hypotheses,
158
423534
3235
aber Menschen schon –
wir nutzen Technologie, testen Hypothesen,
wir nutzen Technologie, testen Hypothesen,
07:22
searching for insight by asking machines to do things for them.
159
426769
4620
und suchen nach Erkenntnissen,
indem wir Maschinen Aufgaben geben.
indem wir Maschinen Aufgaben geben.
07:27
Osama bin Laden was not caught by artificial intelligence.
160
431389
2320
Bin Laden wurde nicht von KI erwischt.
07:29
He was caught by dedicated, resourceful, brilliant people
161
433709
2553
Er wurde von engagierten, kompetenten Menschen
07:32
in partnerships with various technologies.
162
436262
4269
gefangen, die bestimmte Technologien verwendeten.
07:36
As appealing as it might sound, you cannot algorithmically
163
440531
2818
Egal wie reizvoll das klingt, man kann nicht
07:39
data mine your way to the answer.
164
443349
1601
durch Analysieren von Daten zur Antwort kommen.
07:40
There is no "Find Terrorist" button, and the more data
165
444950
2855
Es gibt keinen "Finde den Terrorist"-Knopf. Je mehr Daten
07:43
we integrate from a vast variety of sources
166
447805
2302
wir aus einer Vielzahl an Quellen integrieren
07:46
across a wide variety of data formats from very
167
450107
2133
mit einer großen Bandbreite
an Datenformaten, von sehr
an Datenformaten, von sehr
07:48
disparate systems, the less effective data mining can be.
168
452240
3309
ungleichen Systemen, desto
weniger effektiv ist Datenanalyse.
weniger effektiv ist Datenanalyse.
07:51
Instead, people will have to look at data
169
455549
2024
Stattdessen werden Menschen
die Daten untersuchen müssen
die Daten untersuchen müssen
07:53
and search for insight, and as Licklider foresaw long ago,
170
457573
3456
und nach der Erkenntnis suchen müssen.
Wie Licklider vorhersah, die richtige Kooperation
Wie Licklider vorhersah, die richtige Kooperation
07:56
the key to great results here is the right type of cooperation,
171
461029
2685
ist der Schlüssel für hervorragende Ergebnisse
07:59
and as Kasparov realized,
172
463714
1524
und wie Kasparow erkannte,
08:01
that means minimizing friction at the interface.
173
465238
3031
bedeutete das, den Reibungsverlust
an der Schnittstelle zu minimieren.
an der Schnittstelle zu minimieren.
08:04
Now this approach makes possible things like combing
174
468269
2758
Dieser Ansatz ermöglicht jetzt Dinge wie alle
08:06
through all available data from very different sources,
175
471027
3386
verfügbaren Daten der unterschiedlichen
Quellen zu durchkämmen,
Quellen zu durchkämmen,
08:10
identifying key relationships and putting them in one place,
176
474413
2792
um Schlüsselbeziehungen zu identifizieren
und sie zu sammeln,
und sie zu sammeln,
08:13
something that's been nearly impossible to do before.
177
477205
2928
etwas das vorher nahezu unmöglich war.
08:16
To some, this has terrifying privacy and civil liberties
178
480133
1942
Für einige hat dies furchteinflößende Auswirkungen
auf private und bürgerliche Rechte.
auf private und bürgerliche Rechte.
08:17
implications. To others it foretells of an era of greater
179
482075
3410
Für einige hat dies furchteinflössende Auswirkungen
auf private und bürgerliche Rechte.
auf private und bürgerliche Rechte.
08:21
privacy and civil liberties protections,
180
485485
1909
Für andere ist es eine Ära von stärkerem
privatem und gesellschaftlichem Schutz.
privatem und gesellschaftlichem Schutz.
08:23
but privacy and civil liberties are of fundamental importance.
181
487394
2936
Für andere ist es eine Ära von stärkerem
privatem und gesellschaftlichem Schutz.
privatem und gesellschaftlichem Schutz.
08:26
That must be acknowledged, and they can't be swept aside,
182
490330
2193
Aber diese Rechte sind von fundamentaler Bedeutung.
08:28
even with the best of intents.
183
492523
2530
Man kann das nicht einfach bei Seite wischen.
08:30
So let's explore, through a couple of examples, the impact
184
495053
2518
Also lasst uns die Auswirkungen untersuchen,
08:33
that technologies built to drive human-computer symbiosis
185
497571
2406
die Technologien zum Betrieb
von Mensch-Maschine-Symbiosen
von Mensch-Maschine-Symbiosen
08:35
have had in recent time.
186
499977
2919
in jüngster Zeit gehabt haben.
08:38
In October, 2007, U.S. and coalition forces raided
187
502896
3416
Im Oktober 2007 haben US- und Koalitionsstreitkräfte
08:42
an al Qaeda safe house in the city of Sinjar
188
506312
2416
ein sicheres Al-Qaida Haus in der Stadt Sinjar
08:44
on the Syrian border of Iraq.
189
508728
1934
an der Grenze zu Syrien und Irak gestürmt.
08:46
They found a treasure trove of documents:
190
510662
2376
Sie fanden eine Fundgrube von Dokumenten:
08:48
700 biographical sketches of foreign fighters.
191
513038
2335
700 biografische Skizzen ausländischer Kämpfer.
08:51
These foreign fighters had left their families in the Gulf,
192
515373
2584
SIe hatten ihre Familien im Golf, der Levante
08:53
the Levant and North Africa to join al Qaeda in Iraq.
193
517957
3146
und Nordafrika zurück gelassen,
um sich Al-Qaida im Irak anzuschließen.
um sich Al-Qaida im Irak anzuschließen.
08:57
These records were human resource forms.
194
521103
1616
Diese Aufzeichnungen waren menschliche Bezugsformate.
08:58
The foreign fighters filled them out as they joined the organization.
195
522719
2855
Die Kämpfer füllten sie aus,
als sie der Organisation beitraten.
als sie der Organisation beitraten.
09:01
It turns out that al Qaeda, too,
196
525574
1211
Es zeigt sich, dass auch Al-Qaida
09:02
is not without its bureaucracy. (Laughter)
197
526785
2597
nicht ohne Bürokratie auskam.
(Gelächter)
(Gelächter)
09:05
They answered questions like, "Who recruited you?"
198
529382
2098
Fragen wie: "Wer hat dich rekrutiert?",
09:07
"What's your hometown?" "What occupation do you seek?"
199
531480
2854
"Was ist deine Heimatstadt?",
"Welche Tätigkeit suchst du?"
"Welche Tätigkeit suchst du?"
09:10
In that last question, a surprising insight was revealed.
200
534334
3169
Die letztere verrät einen überraschenden Einblick.
09:13
The vast majority of foreign fighters
201
537503
2400
Die große Mehrheit wollte
09:15
were seeking to become suicide bombers for martyrdom --
202
539903
2400
Selbstmordattentäter werden –
09:18
hugely important, since between 2003 and 2007, Iraq
203
542303
4338
sehr wichtig, denn zwischen
2003 und 2007 gab es im Irak
2003 und 2007 gab es im Irak
09:22
had 1,382 suicide bombings, a major source of instability.
204
546641
4244
1.382 Selbstmordattentate,
eine Hauptursache für Instabilität.
eine Hauptursache für Instabilität.
09:26
Analyzing this data was hard. The originals were sheets
205
550885
2058
Die Analyse dieser Daten war schwierig.
Die Originale waren
Die Originale waren
09:28
of paper in Arabic that had to be scanned and translated.
206
552943
2742
auf Arabisch, die eingescannt
und übersetzt werden mussten.
und übersetzt werden mussten.
09:31
The friction in the process did not allow for meaningful
207
555685
2192
Der Reibungsverlust in diesem Prozess
hätte keine bedeutenden
hätte keine bedeutenden
09:33
results in an operational time frame using humans, PDFs
208
557877
3350
Ergebnisse innerhalb des operativen Zeitrahmens ermöglicht,
09:37
and tenacity alone.
209
561227
2218
wenn nur Menschen, PDFs und
Beharrlichkeit genutzt worden wären.
Beharrlichkeit genutzt worden wären.
09:39
The researchers had to lever up their human minds
210
563445
1953
Die Forscher mussten ihren menschlichen Verstand um
09:41
with technology to dive deeper, to explore non-obvious
211
565398
2345
Technologie ergänzen, um tiefer
einzutauchen, um nicht offensichtliche
einzutauchen, um nicht offensichtliche
09:43
hypotheses, and in fact, insights emerged.
212
567743
3218
Hypothesen zu erforschen und
es ergaben sich tatsächlich Erkenntnisse.
es ergaben sich tatsächlich Erkenntnisse.
09:46
Twenty percent of the foreign fighters were from Libya,
213
570961
2644
20 % der ausländischen Kämpfer waren aus Libyen,
09:49
50 percent of those from a single town in Libya,
214
573605
2968
50 % davon stammten aus derselben Stadt,
09:52
hugely important since prior statistics put that figure at
215
576573
2450
enorm wichtig, da frühere Statistiken diesen Anteil mit
09:54
three percent. It also helped to hone in on a figure
216
579023
2383
3 % angaben. Es half auch dabei,
sich auf eine Person
sich auf eine Person
09:57
of rising importance in al Qaeda, Abu Yahya al-Libi,
217
581406
2977
von zunehmender Bedeutung
zu konzentrieren, Abu Yahya al-Libi,
zu konzentrieren, Abu Yahya al-Libi,
10:00
a senior cleric in the Libyan Islamic fighting group.
218
584383
2631
ein hochrangiger Geistlicher innerhalb
der libyschen islamischen Kampfgruppe.
der libyschen islamischen Kampfgruppe.
10:02
In March of 2007, he gave a speech, after which there was
219
587014
2664
Im März 2007 hielt er eine Rede, nach der es einen
10:05
a surge in participation amongst Libyan foreign fighters.
220
589678
3466
Beteiligungsanstieg unter
libyschen ausländischen Kämpfern gab.
libyschen ausländischen Kämpfern gab.
10:09
Perhaps most clever of all, though, and least obvious,
221
593144
3106
Vielleicht am cleversten und wenig offensichtlich,
10:12
by flipping the data on its head, the researchers were
222
596250
2073
dadurch, dass die Daten auf den Kopf
gestellt werden, sind die Forscher in der Lage,
gestellt werden, sind die Forscher in der Lage,
10:14
able to deeply explore the coordination networks in Syria
223
598323
2900
die Koordinierungsnetzwerke
in Syrien zu erforschen,
in Syrien zu erforschen,
10:17
that were ultimately responsible for receiving and
224
601223
2517
diese waren letztlich dafür
verantwortlich, die ausländischen
verantwortlich, die ausländischen
10:19
transporting the foreign fighters to the border.
225
603740
2464
Kämpfer aufzunehmen und
zur Grenze zu transportieren.
zur Grenze zu transportieren.
10:22
These were networks of mercenaries, not ideologues,
226
606204
2633
Das waren Netzwerke von Söldnern,
nicht von Ideologien,
nicht von Ideologien,
10:24
who were in the coordination business for profit.
227
608837
2398
sie waren wegen des Profits
im Koordinierungsnetzwerk.
im Koordinierungsnetzwerk.
10:27
For example, they charged Saudi foreign fighters
228
611235
1904
Sie berechneten zum Beispiel
den saudischen ausländischen Kämpfern
den saudischen ausländischen Kämpfern
10:29
substantially more than Libyans, money that would have
229
613139
2199
wesentlich mehr als den Libyern,
Geld das ansonsten
Geld das ansonsten
10:31
otherwise gone to al Qaeda.
230
615338
2320
an Al-Qaida gegangen wäre.
10:33
Perhaps the adversary would disrupt their own network
231
617658
2045
Vielleicht würde der Gegner
das eigene Netzwerk zerstören,
das eigene Netzwerk zerstören,
10:35
if they knew they cheating would-be jihadists.
232
619703
3035
wenn sie wüssten, dass sie von angeblichen
Dschihadisten betrogen werden.
Dschihadisten betrogen werden.
10:38
In January, 2010, a devastating 7.0 earthquake struck Haiti,
233
622738
3745
Im Januar 2010 traf ein verheerendes Erdbeben Haiti,
10:42
third deadliest earthquake of all time, left one million people,
234
626483
2916
das dritttödlichste Erdbeben aller Zeiten,
eine Million Menschen,
eine Million Menschen,
10:45
10 percent of the population, homeless.
235
629399
2584
10 Prozent der Bevölkerung wurden obdachlos.
10:47
One seemingly small aspect of the overall relief effort
236
631983
3137
Ein anscheinend kleiner Aspekt
der allgemeinen Hilfsmaßnahmen
der allgemeinen Hilfsmaßnahmen
10:51
became increasingly important as the delivery of food
237
635120
2176
wurde immer wichtiger
als die Ausgabe von Essen
als die Ausgabe von Essen
10:53
and water started rolling.
238
637296
2160
und Wasser ins Rollen kam.
10:55
January and February are the dry months in Haiti,
239
639456
1458
Januar und Februar sind in Haiti trocken,
10:56
yet many of the camps had developed standing water.
240
640914
2942
dennoch hatte sich in einigen Camps
stehendes Wasser gebildet.
stehendes Wasser gebildet.
10:59
The only institution with detailed knowledge of Haiti's
241
643856
2122
Die einzige Einrichtung
mit detailliertem Wissen über Haitis
mit detailliertem Wissen über Haitis
11:01
floodplains had been leveled
242
645978
1297
Überschwemmungsgebiete wurde
11:03
in the earthquake, leadership inside.
243
647275
3008
beim Erdbeben plattgemacht,
Führungspersonen inklusive.
Führungspersonen inklusive.
11:06
So the question is, which camps are at risk,
244
650283
2575
Die Frage ist also,
welche Camps gefährdet sind,
welche Camps gefährdet sind,
11:08
how many people are in these camps, what's the
245
652858
1921
wie viele Menschen in
diesen Camps sind, was der
diesen Camps sind, was der
11:10
timeline for flooding, and given very limited resources
246
654779
2311
Zeitrahmen des Flutens ist und,
wegen der begrenzten Ressourcen
wegen der begrenzten Ressourcen
11:12
and infrastructure, how do we prioritize the relocation?
247
657090
3384
und der Infrastruktur,
wie priorisieren wir die Umverteilung?
wie priorisieren wir die Umverteilung?
11:16
The data was incredibly disparate. The U.S. Army had
248
660474
2344
Die Daten waren unglaublich ungleich.
Das US-Militär verfügte
Das US-Militär verfügte
11:18
detailed knowledge for only a small section of the country.
249
662818
2929
über detailliertes Wissen über
einen kleinen Bereich des Landes.
einen kleinen Bereich des Landes.
11:21
There was data online from a 2006 environmental risk
250
665747
2511
Es waren Daten online verfügbar
von einer Umweltrisiko-Konferenz
von einer Umweltrisiko-Konferenz
11:24
conference, other geospatial data, none of it integrated.
251
668258
2664
von 2006, andere raumbezogene Daten,
keine davon integriert.
keine davon integriert.
11:26
The human goal here was to identify camps for relocation
252
670922
2958
Das menschliche Ziel war hier,
Camps für Umsiedlung zu identifizieren,
Camps für Umsiedlung zu identifizieren,
11:29
based on priority need.
253
673880
2395
basierend auf vorrangigem Bedarf.
11:32
The computer had to integrate a vast amount of geospacial
254
676275
2440
Der Computer musste eine große Menge
an raumbezogener
an raumbezogener
11:34
information, social media data and relief organization
255
678715
2584
Information integrieren,
Social Media-Daten und Informationen
Social Media-Daten und Informationen
11:37
information to answer this question.
256
681299
3480
der Hilfsorganisationen,
um diese Frage zu beantworten.
um diese Frage zu beantworten.
11:40
By implementing a superior process, what was otherwise
257
684779
2415
Indem ein verbesserter Prozess
eingeführt wird, was sonst
eingeführt wird, was sonst
11:43
a task for 40 people over three months became
258
687194
2608
eine Aufgabe für 40 Personen
über drei Monate war,
über drei Monate war,
11:45
a simple job for three people in 40 hours,
259
689802
3176
wurde zu einer einfachen Aufgabe
für drei Personen in 40 Stunden.
für drei Personen in 40 Stunden.
11:48
all victories for human-computer symbiosis.
260
692978
2628
Das alles sind Siege der Mensch-Computer-Symbiose.
11:51
We're more than 50 years into Licklider's vision
261
695606
2054
Wir befinden uns mehr als 50 Jahre in Lickliders Vision
11:53
for the future, and the data suggests that we should be
262
697660
2242
einer Zukunft und die Daten
deuten darauf hin, dass wir
deuten darauf hin, dass wir
11:55
quite excited about tackling this century's hardest problems,
263
699902
3030
begeistert darüber sein sollten, das schwierigste
Problem des Jahrhunderts zu lösen,
Problem des Jahrhunderts zu lösen,
11:58
man and machine in cooperation together.
264
702932
2947
Mensch und Maschine in Kooperation vereint.
12:01
Thank you. (Applause)
265
705879
2197
Danke.
(Applaus)
(Applaus)
12:03
(Applause)
266
708076
2505
(Applaus)
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