TEDGlobal 2012
Shyam Sankar: The rise of human-computer cooperation
Σίαμ Σανκάρ: Η εξέλιξη της συνεργασίας ανθρώπου και ρομπότ
Filmed:
Readability: 6.3
947,418 views
Η υπολογιστική δύναμη από μόνη της δε μπορεί να λύσει τα προβλήματα του κόσμου. Ο καινοτόμος στο χώρο της εξόρυξης δεδομένων Σίαμ Σανκάρ εξηγεί γιατί η επίλυση μεγάλων προβλημάτων (όπως η σύλληψη τρομοκρατών και η ανακάλυψη μεγάλων κρυφών τάσεων) δεν εξαρτάται από την ανακάλυψη του κατάλληλου αλγόριθμου αλλά από την επίτευξη μιας συμβιωτικής σχέσης μεταξύ των υπολογιστών και της ανθρώπινης δημιουργικότητας.
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
Θέλω να σας μιλήσω για δύο παρτίδες σκάκι.
00:18
The first happened in 1997, in which Garry Kasparov,
1
3068
3864
Η πρώτη έγινε το 1997, κατά την οποία
ο Γκάρυ Κασπάροβ, ένας άνθρωπος,
ο Γκάρυ Κασπάροβ, ένας άνθρωπος,
00:22
a human, lost to Deep Blue, a machine.
2
6932
3716
έχασε από το Ντίπ Μπλού, μια μηχανή.
00:26
To many, this was the dawn of a new era,
3
10648
2240
Για πολλούς, αυτή ήταν
η αρχή μιας νεας εποχής,
η αρχή μιας νεας εποχής,
00:28
one where man would be dominated by machine.
4
12888
2779
μιας εποχής όπου ο άνθρωπος
θα εξουσιαζόταν από τη μηχανή.
θα εξουσιαζόταν από τη μηχανή.
00:31
But here we are, 20 years on, and the greatest change
5
15667
3334
Και φτάσαμε 20 χρόνια μετά,
η μεγαλύτερη εξέλιξη
η μεγαλύτερη εξέλιξη
00:34
in how we relate to computers is the iPad,
6
19001
2690
στη σχέση μας με τους υπολογιστές
είναι το iPad, όχι το κομπιούτερ HAL.
είναι το iPad, όχι το κομπιούτερ HAL.
00:37
not HAL.
7
21691
2045
00:39
The second game was a freestyle chess tournament
8
23736
2648
Η δεύτερη παρτίδα ήταν ένα τουρνουά
σκακιού ελεύθερου τύπου το 2005,
σκακιού ελεύθερου τύπου το 2005,
00:42
in 2005, in which man and machine could enter together
9
26384
2969
όπου μπορούσαν να συμμετέχουν
άνθρωπος και μηχανή ως συνεργάτες,
άνθρωπος και μηχανή ως συνεργάτες,
00:45
as partners, rather than adversaries, if they so chose.
10
29353
4666
αν το επέλεγαν,
και όχι ως ανταγωνιστές.
και όχι ως ανταγωνιστές.
Αρχικά το αποτέλεσμα ήταν προβλέψιμο:
ακόμα και ένας υπερυπολογιστής
ακόμα και ένας υπερυπολογιστής
00:49
At first, the results were predictable.
11
34019
1851
00:51
Even a supercomputer was beaten by a grandmaster
12
35870
2497
ηττήθηκε από έναν μάστερ του είδους,
με ένα σχετικά αδύναμο λάπτοπ.
με ένα σχετικά αδύναμο λάπτοπ.
00:54
with a relatively weak laptop.
13
38367
2312
00:56
The surprise came at the end. Who won?
14
40679
2985
Η έκπληξη ήρθε στο τέλος, ποιος κέρδισε;
00:59
Not a grandmaster with a supercomputer,
15
43664
2776
Όχι ένας κορυφαίος σκακιστής
με έναν υπερυπολογιστή,
με έναν υπερυπολογιστή,
01:02
but actually two American amateurs
16
46440
1493
αλλά δύο Αμερικανοί ερασιτέχνες
με τρία σχετικά αδύναμα λάπτοπ.
με τρία σχετικά αδύναμα λάπτοπ.
01:03
using three relatively weak laptops.
17
47933
3822
01:07
Their ability to coach and manipulate their computers
18
51755
2596
Η ικανότητά τους να χειρίζονται
τους υπολογιστές τους
τους υπολογιστές τους
01:10
to deeply explore specific positions
19
54351
2435
και να εξετάζουν σε βάθος
συγκεκριμένες θέσεις,
συγκεκριμένες θέσεις,
01:12
effectively counteracted the superior chess knowledge
20
56786
2390
αντιστάθμισαν αποτελεσματικά
την ανώτερη σκακιστική γνώση των σκακιστών
την ανώτερη σκακιστική γνώση των σκακιστών
01:15
of the grandmasters and the superior computational power
21
59176
2609
και τη δύναμη των υπερυπολογιστών
άλλων αντιπάλων.
άλλων αντιπάλων.
01:17
of other adversaries.
22
61785
1909
01:19
This is an astonishing result: average men,
23
63694
2905
Είναι ένα εκπληκτικό αποτέλεσμα:
άνθρωποι και μηχανές μετρίων ικανοτήτων,
άνθρωποι και μηχανές μετρίων ικανοτήτων,
01:22
average machines beating the best man, the best machine.
24
66599
4081
νίκησαν τον καλύτερο παίκτη
και την καλύτερη μηχανή.
και την καλύτερη μηχανή.
01:26
And anyways, isn't it supposed to be man versus machine?
25
70680
3199
Υποτίθεται ότι θα ήταν αναμέτρηση
ανθρώπου εναντίον μηχανής, σωστά;
ανθρώπου εναντίον μηχανής, σωστά;
01:29
Instead, it's about cooperation, and the right type of cooperation.
26
73879
4152
Αντ' αυτού, ήταν μια συνεργασία,
και μάλιστα ο σωστός τρόπος συνεργασίας.
και μάλιστα ο σωστός τρόπος συνεργασίας.
01:33
We've been paying a lot of attention to Marvin Minsky's
27
78031
2857
Έχουμε δώσει πολλή σημασία
στο όραμα του Μάρβιν Μίνσκι
στο όραμα του Μάρβιν Μίνσκι
01:36
vision for artificial intelligence over the last 50 years.
28
80888
3242
για την τεχνητή νοημοσύνη
τα τελευταία 50 χρόνια.
τα τελευταία 50 χρόνια.
Είναι σίγουρα ένα σέξι όραμα,
το ενστερνίστηκαν πολλοί.
το ενστερνίστηκαν πολλοί.
01:40
It's a sexy vision, for sure. Many have embraced it.
29
84130
2262
01:42
It's become the dominant school of thought in computer science.
30
86392
2753
Έγινε η επικρατούσα σχολή σκέψης
στο χώρο των υπολογιστών.
στο χώρο των υπολογιστών.
01:45
But as we enter the era of big data, of network systems,
31
89145
3072
Μπαίνοντας στην εποχή των μεγάλων
δεδομένων και διαδικτυακών συστημάτων,
δεδομένων και διαδικτυακών συστημάτων,
01:48
of open platforms, and embedded technology,
32
92217
2698
της ανοικτής πλατφόρμας
και της ενσωματωμένης τεχνολογίας,
και της ενσωματωμένης τεχνολογίας,
01:50
I'd like to suggest it's time to reevaluate an alternative vision
33
94915
3392
θα πρότεινα να επανεξετάσουμε
το εναλλακτικό όραμα
το εναλλακτικό όραμα
01:54
that was actually developed around the same time.
34
98307
3070
που αναπτύχθηκε περίπου την ίδια εποχή.
01:57
I'm talking about J.C.R. Licklider's human-computer symbiosis,
35
101377
3332
Αναφέρομαι στη θεωρία συμβίωσης
ανθρώπου-υπολογιστή του Τζ. Λικλάιντερ.
ανθρώπου-υπολογιστή του Τζ. Λικλάιντερ.
02:00
perhaps better termed "intelligence augmentation," I.A.
36
104709
3808
Ίσως είναι καλύτερα να την αποκαλέσουμε
«επαυξημένη νοημοσύνη».
«επαυξημένη νοημοσύνη».
02:04
Licklider was a computer science titan who had a profound
37
108517
2640
Ο Λικλάιντερ, τιτάνας του χώρου,
με τεράστια συμβολή στην ανάπτυξη
της τεχνολογίας και του διαδικτύου.
της τεχνολογίας και του διαδικτύου.
02:07
effect on the development of technology and the Internet.
38
111157
3006
02:10
His vision was to enable man and machine to cooperate
39
114163
2868
Όραμά του ήταν να επιτρέψει στον άνθρωπο
και στη μηχανή να συνεργαστούν
και στη μηχανή να συνεργαστούν
02:12
in making decisions, controlling complex situations
40
117031
3590
στη λήψη αποφάσεων και στον έλεγχο
πολύπλοκων καταστάσεων,
πολύπλοκων καταστάσεων,
02:16
without the inflexible dependence
41
120621
1770
χωρίς την άκαμπτη εξάρτηση
σε προκαθορισμένα προγράμματα.
σε προκαθορισμένα προγράμματα.
02:18
on predetermined programs.
42
122391
2533
02:20
Note that word "cooperate."
43
124924
2498
Σημειώστε ότι λέει «να συνεργαστούν».
02:23
Licklider encourages us not to take a toaster
44
127422
2747
Ο Λικλάιντερ δεν μας ενθαρρύνει
να μετατρέψουμε μια φρυγανιέρα
να μετατρέψουμε μια φρυγανιέρα
02:26
and make it Data from "Star Trek,"
45
130169
2284
στον διοικητή Ντάτα του Σταρ Τρεκ,
02:28
but to take a human and make her more capable.
46
132453
3535
αλλά να πάρουμε ένα ανθρώπινο ον
και να το κάνουμε πιο ικανό.
και να το κάνουμε πιο ικανό.
Είναι καταπληκτικό ον ο άνθρωπος:
02:31
Humans are so amazing -- how we think,
47
135988
1911
ο τρόπος σκέψης, η μη-γραμμική
προσέγγιση, η δημιουργικότητα,
προσέγγιση, η δημιουργικότητα,
02:33
our non-linear approaches, our creativity,
48
137899
2618
02:36
iterative hypotheses, all very difficult if possible at all
49
140517
2131
επαναληπτικές υποθέσεις, όλα πολύ δύσκολα
αν όχι αδύνατα, για έναν υπολογιστή.
αν όχι αδύνατα, για έναν υπολογιστή.
02:38
for computers to do.
50
142648
1345
02:39
Licklider intuitively realized this, contemplating humans
51
143993
2452
Ο Λικλάιντερ τα διαπίστωσε όλα αυτά
μελετώντας τους ανθρώπους,
βάζοντας στόχους, κάνοντας υποθέσεις,
βάζοντας στόχους, κάνοντας υποθέσεις,
02:42
setting the goals, formulating the hypotheses,
52
146445
2327
02:44
determining the criteria, and performing the evaluation.
53
148772
3376
καθορίζοντας κριτήρια
και κάνοντας εκτιμήσεις.
και κάνοντας εκτιμήσεις.
02:48
Of course, in other ways, humans are so limited.
54
152148
1775
Σε άλλα επίπεδα, οι άνθρωποι
είναι περιορισμένοι.
είναι περιορισμένοι.
02:49
We're terrible at scale, computation and volume.
55
153923
3235
Υστερούμε στις κλίμακες,
στους υπολογισμούς και στον όγκο.
στους υπολογισμούς και στον όγκο.
02:53
We require high-end talent management
56
157158
1836
Χρειάζεται διοικητικό ταλέντο
για να παραμείνει ενωμένο
και ενεργό ένα ροκ σχήμα.
και ενεργό ένα ροκ σχήμα.
02:54
to keep the rock band together and playing.
57
158994
2064
02:56
Licklider foresaw computers doing all the routinizable work
58
161058
2204
Ο Λικλάιντερ πρόβλεψε πως οι υπολογιστές
θα έκαναν την προεργασία
θα έκαναν την προεργασία
02:59
that was required to prepare the way for insights and decision making.
59
163262
3276
ώστε να υλοποιούνται
οράματα και αποφάσεις.
οράματα και αποφάσεις.
03:02
Silently, without much fanfare,
60
166538
2224
Σιωπηλά και ανεπαίσθητα,
03:04
this approach has been compiling victories beyond chess.
61
168762
3354
αυτή η προσέγγιση είχε
πολλές νίκες πέρα από το σκάκι.
πολλές νίκες πέρα από το σκάκι.
03:08
Protein folding, a topic that shares the incredible expansiveness of chess —
62
172116
3356
Η αναδίπλωση πρωτεΐνης μοιράζεται
την απίστευτη επεκτατικότητα του σκακιού:
την απίστευτη επεκτατικότητα του σκακιού:
03:11
there are more ways of folding a protein than there are atoms in the universe.
63
175472
3042
υπάρχουν περισσότεροι συνδυασμοί
απ' ό,τι άτομα στο σύμπαν.
απ' ό,τι άτομα στο σύμπαν.
03:14
This is a world-changing problem with huge implications
64
178514
2353
Αυτό το βαρυσήμαντο θέμα επηρεάζει άμεσα
την ικανότητά μας να καταλάβουμε
και να θεραπεύσουμε ασθένειες.
και να θεραπεύσουμε ασθένειες.
03:16
for our ability to understand and treat disease.
65
180867
2308
03:19
And for this task, supercomputer field brute force simply isn't enough.
66
183175
4248
Για να γίνει αυτό η ωμή δύναμη
των υπερυπολογιστών δεν φτάνει.
των υπερυπολογιστών δεν φτάνει.
Το παιχνίδι Foldit, δημιούργημα
επιστημόνων πληροφορικής,
επιστημόνων πληροφορικής,
03:23
Foldit, a game created by computer scientists,
67
187423
2384
03:25
illustrates the value of the approach.
68
189807
2502
επεξηγεί την αξία της προσέγγισης.
03:28
Non-technical, non-biologist amateurs play a video game
69
192309
3041
Ερασιτέχνες, μη-τεχνικοί ή βιολόγοι,
παίζουν ένα βιντεοπαιχνίδι
παίζουν ένα βιντεοπαιχνίδι
03:31
in which they visually rearrange the structure of the protein,
70
195350
3073
στο οποίο οπτικά ανασυνθέτουν
τη δομή της πρωτεΐνης,
τη δομή της πρωτεΐνης,
ενώ ο υπολογιστής ελέγχει
ατομικές δυνάμεις, αντιδράσεις
ατομικές δυνάμεις, αντιδράσεις
03:34
allowing the computer to manage the atomic forces
71
198423
1499
03:35
and interactions and identify structural issues.
72
199922
2957
και δομική συμβατότητα.
03:38
This approach beat supercomputers 50 percent of the time
73
202879
3023
Αυτή η προσέγγιση νικάει
τους υπερυπολογιστές στο 50%
τους υπερυπολογιστές στο 50%
03:41
and tied 30 percent of the time.
74
205902
2584
και έρχεται σε ισοπαλία
στο 30% των περιπτώσεων.
στο 30% των περιπτώσεων.
03:44
Foldit recently made a notable and major scientific discovery
75
208486
3137
Το Foldit αποτέλεσε πρόσφατα μια αξιόλογη
και σημαντική επιστημονική ανακάλυψη
και σημαντική επιστημονική ανακάλυψη
03:47
by deciphering the structure of the Mason-Pfizer monkey virus.
76
211623
3160
αποκρυπτογραφώντας τη δομή
του ιού Μέισον Πφάιζερ (MPMV).
του ιού Μέισον Πφάιζερ (MPMV).
03:50
A protease that had eluded determination for over 10 years
77
214783
3015
Η υπόθεση της πρωτεϊνάσης
που για 10 χρόνια ήταν ανεξιχνίαστη,
που για 10 χρόνια ήταν ανεξιχνίαστη,
03:53
was solved was by three players in a matter of days,
78
217798
2626
και λύθηκε από τρεις παίκτες
σε λίγες μόνο μέρες,
σε λίγες μόνο μέρες,
03:56
perhaps the first major scientific advance
79
220424
2025
ήταν η σημαντικότερη επιστημονική πρόοδος
03:58
to come from playing a video game.
80
222449
2323
που έχει προέλθει ποτέ από βιντεοπαιχνίδι.
Πέρυσι, στο σημείο των Δίδυμων Πύργων,
άνοιξε το μνημείο της 11ης Σεπτεμβρίου.
άνοιξε το μνημείο της 11ης Σεπτεμβρίου.
04:00
Last year, on the site of the Twin Towers,
81
224772
2181
04:02
the 9/11 memorial opened.
82
226953
1473
04:04
It displays the names of the thousands of victims
83
228426
2721
Εκεί εκτίθενται τα ονόματα
των χιλιάδων θυμάτων
των χιλιάδων θυμάτων
04:07
using a beautiful concept called "meaningful adjacency."
84
231147
3063
κάτω από μία υπέροχη ιδέα που λέγεται
«μια γειτνίαση με νόημα».
«μια γειτνίαση με νόημα».
04:10
It places the names next to each other based on their
85
234210
2166
Τοποθετεί τα ονόματα σε σειρά
βασιζόμενη στις μεταξύ τους σχέσεις:
φίλοι, οικογένειες, συνάδερφοι.
φίλοι, οικογένειες, συνάδερφοι.
04:12
relationships to one another: friends, families, coworkers.
86
236376
2213
04:14
When you put it all together, it's quite a computational
87
238589
3028
Συνολικά πρόκειται για μια
σημαντική υπολογιστική πρόκληση:
σημαντική υπολογιστική πρόκληση:
04:17
challenge: 3,500 victims, 1,800 adjacency requests,
88
241617
4223
3.500 θύματα, 1.800 αιτήματα γειτνίασης,
04:21
the importance of the overall physical specifications
89
245840
3092
η σπουδαιότητα του συνόλου
των φυσικών προδιαγραφών,
των φυσικών προδιαγραφών,
04:24
and the final aesthetics.
90
248932
2137
και η τελική αισθητική.
04:26
When first reported by the media, full credit for such a feat
91
251069
2615
Όταν πρωτοαναφέρθηκε στα ΜΜΕ,
τα εύσημα γι' αυτόν τον άθλο
τα εύσημα γι' αυτόν τον άθλο
04:29
was given to an algorithm from the New York City
92
253684
1892
δόθηκαν στον αλγόριθμο της εταιρείας
Local Projects από τη Νέα Υόρκη.
Local Projects από τη Νέα Υόρκη.
04:31
design firm Local Projects. The truth is a bit more nuanced.
93
255576
4001
Η αλήθεια είναι πιο πολύπλοκη.
04:35
While an algorithm was used to develop the underlying framework,
94
259577
2871
Ο αλγόριθμος χρησιμοποιήθηκε σαν πλαίσιο,
04:38
humans used that framework to design the final result.
95
262448
3008
βάσει του οποίου οι άνθρωποι
σχεδίασαν το τελικό αποτέλεσμα.
σχεδίασαν το τελικό αποτέλεσμα.
Ο υπολογιστής λοιπόν αξιολόγησε
εκατομμύρια πιθανές διατάξεις,
εκατομμύρια πιθανές διατάξεις,
04:41
So in this case, a computer had evaluated millions
96
265456
2225
04:43
of possible layouts, managed a complex relational system,
97
267681
3335
διαχειρίστηκε ένα πολύπλοκο
τρόπο συσχετίσεων,
τρόπο συσχετίσεων,
04:46
and kept track of a very large set of measurements
98
271016
2414
παρακολούθησε ένα μεγάλο
αριθμό μετρήσεων και μεταβλητών,
αριθμό μετρήσεων και μεταβλητών,
04:49
and variables, allowing the humans to focus
99
273430
2410
ώστε οι άνθρωποι να εστιάσουν
στις επιλογές σχεδιασμού και σύνθεσης.
στις επιλογές σχεδιασμού και σύνθεσης.
04:51
on design and compositional choices.
100
275840
2802
04:54
So the more you look around you,
101
278642
1036
Κοιτώντας γύρω μας,
04:55
the more you see Licklider's vision everywhere.
102
279678
1962
βλέπουμε το όραμα του Λικλάιντερ παντού.
04:57
Whether it's augmented reality in your iPhone or GPS in your car,
103
281640
3304
Είτε στην επαυξημένη πραγματικότητα
στο iPhone, είτε στο GPS,
στο iPhone, είτε στο GPS,
05:00
human-computer symbiosis is making us more capable.
104
284944
2970
η συμβίωση ανθρώπου-υπολογιστή
μας κάνει πιο ικανούς.
μας κάνει πιο ικανούς.
05:03
So if you want to improve human-computer symbiosis,
105
287914
1655
Πώς μπορείτε να βελτιώσετε
αυτή τη συμβίωση;
αυτή τη συμβίωση;
05:05
what can you do?
106
289569
1429
05:06
You can start by designing the human into the process.
107
290998
2452
Αρχίστε βάζοντας
τον άνθρωπο στη διαδικασία.
τον άνθρωπο στη διαδικασία.
05:09
Instead of thinking about what a computer will do to solve the problem,
108
293450
2204
Μην αναρωτηθείτε πώς
ο υπολογιστής θα βρει τη λύση,
ο υπολογιστής θα βρει τη λύση,
05:11
design the solution around what the human will do as well.
109
295654
3869
αλλά σχεδιάστε τη λύση γύρω
από τη συμβολή του ανθρώπου.
από τη συμβολή του ανθρώπου.
05:15
When you do this, you'll quickly realize that you spent
110
299523
1937
Κάνοντάς το, θα καταλάβετε
ότι ξοδέψατε όλο το χρόνο σας
ότι ξοδέψατε όλο το χρόνο σας
05:17
all of your time on the interface between man and machine,
111
301460
2879
εξετάζοντας τη διεπαφή ανθρώπου-μηχανής,
05:20
specifically on designing away the friction in the interaction.
112
304339
3099
κυρίως προσπαθώντας να μειώσετε
την τριβή της αλληλοεπίδρασης.
την τριβή της αλληλοεπίδρασης.
05:23
In fact, this friction is more important than the power
113
307438
2766
Η τριβή όμως είναι πιο σημαντική
από την ανθρώπινη δύναμη
από την ανθρώπινη δύναμη
05:26
of the man or the power of the machine
114
310204
2052
ή τη μηχανική δύναμη στο να προσδιορίσει
τη συνολική ικανότητα.
τη συνολική ικανότητα.
05:28
in determining overall capability.
115
312256
1931
Γι' αυτό δύο ερασιτέχνες με λίγα λάπτοπ
05:30
That's why two amateurs with a few laptops
116
314187
1977
ξεπέρασαν έναν κορυφαίο σκακιστή
και έναν υπερυπολογιστή.
και έναν υπερυπολογιστή.
05:32
handily beat a supercomputer and a grandmaster.
117
316164
2456
05:34
What Kasparov calls process is a byproduct of friction.
118
318620
3005
Αυτό που ο Κασπάροβ αποκαλεί μέθοδο,
είναι ένα υποπροϊόν τριβής.
είναι ένα υποπροϊόν τριβής.
05:37
The better the process, the less the friction.
119
321625
2401
Όσο καλύτερη η μέθοδος,
τόσο λιγότερη η τριβή.
τόσο λιγότερη η τριβή.
05:39
And minimizing friction turns out to be the decisive variable.
120
324026
4256
Η μείωση της τριβής είναι τελικά
η αποφασιστική μεταβλητή.
η αποφασιστική μεταβλητή.
05:44
Or take another example: big data.
121
328282
2243
Ένα άλλο παράδειγμα:
μεγάλος όγκος δεδομένων.
μεγάλος όγκος δεδομένων.
05:46
Every interaction we have in the world is recorded
122
330525
1906
Κάθε διάδρασή μας στον κόσμο
καταγράφεται από μια διαρκώς
αυξανόμενη σειρά αισθητήρων:
αυξανόμενη σειρά αισθητήρων:
05:48
by an ever growing array of sensors: your phone,
123
332431
3059
τηλέφωνα, πιστωτικές κάρτες, υπολογιστές.
05:51
your credit card, your computer. The result is big data,
124
335490
2373
Αυτός ο μεγάλος όγκος δεδομένων,
05:53
and it actually presents us with an opportunity
125
337863
1742
μας δίνει τη δυνατότητα
να καταλάβουμε καλύτερα
να καταλάβουμε καλύτερα
05:55
to more deeply understand the human condition.
126
339605
2662
την ανθρώπινη κατάσταση.
Η επικρατέστερη προσέγγιση
μεγάλου όγκου δεδομένων εστιάζει στο:
μεγάλου όγκου δεδομένων εστιάζει στο:
05:58
The major emphasis of most approaches to big data
127
342267
2305
06:00
focus on, "How do I store this data? How do I search
128
344572
2215
«Πώς αποθηκεύω αυτά τα δεδομένα;
Πώς τα ψάχνω; Πώς τα επεξεργάζομαι;»
Πώς τα ψάχνω; Πώς τα επεξεργάζομαι;»
06:02
this data? How do I process this data?"
129
346787
2276
06:04
These are necessary but insufficient questions.
130
349063
2204
Είναι αναγκαίες αλλά ανεπαρκείς ερωτήσεις.
06:07
The imperative is not to figure out how to compute,
131
351267
2471
Το ζητούμενο δεν είναι να καταλάβουμε
το πώς, αλλά το τι να υπολογίσουμε.
το πώς, αλλά το τι να υπολογίσουμε.
06:09
but what to compute. How do you impose human intuition
132
353738
2184
Πώς επιβάλλεις την ανθρώπινη διαίσθηση
σε δεδομένα τέτοιας κλίμακας;
σε δεδομένα τέτοιας κλίμακας;
06:11
on data at this scale?
133
355922
1791
06:13
Again, we start by designing the human into the process.
134
357713
3499
Και πάλι, ξεκινάμε ενσωματώνοντας
στη διαδικασία τον άνθρωπο.
στη διαδικασία τον άνθρωπο.
06:17
When PayPal was first starting as a business, their biggest
135
361212
2812
Όταν πρωτοξεκίνησε το Paypal,
η μεγαλύτερη πρόκληση δεν ήταν:
η μεγαλύτερη πρόκληση δεν ήταν:
06:19
challenge was not, "How do I send money back and forth online?"
136
364024
2804
«Πώς στέλνω και λαμβάνω
χρήματα στο διαδίκτυο;», αλλά:
χρήματα στο διαδίκτυο;», αλλά:
06:22
It was, "How do I do that without being defrauded by organized crime?"
137
366828
3872
«Πώς θα αποφύγω την εξαπάτηση
από το οργανωμένο έγκλημα;»
από το οργανωμένο έγκλημα;»
06:26
Why so challenging? Because while computers can learn
138
370700
2088
Είναι πρόκληση γιατί οι υπολογιστές
μαθαίνουν να βρίσκουν
μαθαίνουν να βρίσκουν
06:28
to detect and identify fraud based on patterns,
139
372788
3144
και να αναγνωρίζουν την απάτη
βάσει μοτίβων,
βάσει μοτίβων,
06:31
they can't learn to do that based on patterns
140
375932
1479
δε μπορούν να αναγνωρίσουν νέα μοτίβα
που δεν έχουν ξανασυναντήσει.
που δεν έχουν ξανασυναντήσει.
06:33
they've never seen before, and organized crime
141
377411
2116
Το οργανωμένο έγκλημα έχει
πολλά κοινά με εσάς:
πολλά κοινά με εσάς:
06:35
has a lot in common with this audience: brilliant people,
142
379527
2709
πανέξυπνα άτομα, εξαιρετικά
πολυμήχανοι, επιχειρηματικά μυαλά,
πολυμήχανοι, επιχειρηματικά μυαλά,
06:38
relentlessly resourceful, entrepreneurial spirit — (Laughter) —
143
382236
3640
(Γέλια)
06:41
and one huge and important difference: purpose.
144
385876
2712
και μια τεράστια και σημαντική
διαφορά: το σκοπό.
διαφορά: το σκοπό.
06:44
And so while computers alone can catch all but the cleverest
145
388588
2832
Αν ο υπολογιστής μπορεί να πιάσει όλους
εκτός από τον πιο έξυπνο απατεώνα,
εκτός από τον πιο έξυπνο απατεώνα,
06:47
fraudsters, catching the cleverest is the difference
146
391420
2253
όταν τελικά τον πιάσει, περνάει
από την αποτυχία στην επιτυχία.
από την αποτυχία στην επιτυχία.
06:49
between success and failure.
147
393673
2545
06:52
There's a whole class of problems like this, ones with
148
396218
2221
Υπάρχει ένα πλήθος τέτοιων προβλημάτων
με προσαρμοστικούς αντιπάλους.
με προσαρμοστικούς αντιπάλους.
06:54
adaptive adversaries. They rarely if ever present with a
149
398439
2575
Σπάνια ή ποτέ εμφανίζουν
κάποιο κοινό μοτίβο
κάποιο κοινό μοτίβο
06:56
repeatable pattern that's discernable to computers.
150
401014
2736
που μπορεί να διακρίνει ο υπολογιστής.
06:59
Instead, there's some inherent component of innovation or disruption,
151
403750
3993
Αντί γι' αυτό, έχουν στοιχεία
καινοτομίας ή διάσπασης,
καινοτομίας ή διάσπασης,
και συνήθως αυτά τα προβλήματα
θάβονται κάτω από όγκο δεδομένων.
θάβονται κάτω από όγκο δεδομένων.
07:03
and increasingly these problems are buried in big data.
152
407743
2735
07:06
For example, terrorism. Terrorists are always adapting
153
410478
2500
Για παράδειγμα, η τρομοκρατία
που πάντα προσαρμόζεται
που πάντα προσαρμόζεται
07:08
in minor and major ways to new circumstances, and despite
154
412978
2052
σε αλλαγές με ασήμαντους
ή σημαντικούς τρόπους,
ή σημαντικούς τρόπους,
07:10
what you might see on TV, these adaptations,
155
415030
3094
και παρά τα όσα βλέπετε στην τηλεόραση,
αυτές οι προσαρμογές και η ανίχνευσή τους
είναι θεμελιωδώς ανθρώπινες.
είναι θεμελιωδώς ανθρώπινες.
07:14
and the detection of them, are fundamentally human.
156
418124
2293
07:16
Computers don't detect novel patterns and new behaviors,
157
420417
3117
Οι υπολογιστές δεν ανιχνεύουν νέα μοτίβα
ή συμπεριφορές όπως οι άνθρωποι,
ή συμπεριφορές όπως οι άνθρωποι,
07:19
but humans do. Humans, using technology, testing hypotheses,
158
423534
3235
που χρησιμοποιούν την τεχνολογία,
κάνουν υποθέσεις, ψάχνουν στοιχεία,
κάνουν υποθέσεις, ψάχνουν στοιχεία,
07:22
searching for insight by asking machines to do things for them.
159
426769
4620
ζητώντας από τις μηχανές
να βοηθήσουν σε κάποια πράγματα.
να βοηθήσουν σε κάποια πράγματα.
07:27
Osama bin Laden was not caught by artificial intelligence.
160
431389
2320
Η τεχνητή νοημοσύνη δεν έπιασε
τον Οσάμα Μπιν Λάντεν,
τον Οσάμα Μπιν Λάντεν,
07:29
He was caught by dedicated, resourceful, brilliant people
161
433709
2553
τον έπιασαν αποφασισμένοι,
πολυμήχανοι, έξυπνοι άνθρωποι,
πολυμήχανοι, έξυπνοι άνθρωποι,
07:32
in partnerships with various technologies.
162
436262
4269
που συνεργάστηκαν με διάφορες τεχνολογίες.
07:36
As appealing as it might sound, you cannot algorithmically
163
440531
2818
Είναι ελκυστική ιδέα, αλλά δεν μπορεί
ένας αλγόριθμος να βρει
την απάντηση σε όγκο δεδομένων.
την απάντηση σε όγκο δεδομένων.
07:39
data mine your way to the answer.
164
443349
1601
07:40
There is no "Find Terrorist" button, and the more data
165
444950
2855
Δεν υπάρχει κουμπί «Ανεύρεση Τρομοκράτη»,
και όσο περισσότερα δεδομένα
μαζεύουμε από τεράστιο όγκο πηγών,
μαζεύουμε από τεράστιο όγκο πηγών,
07:43
we integrate from a vast variety of sources
166
447805
2302
07:46
across a wide variety of data formats from very
167
450107
2133
και σε ποικίλες μορφές,
από πολύ ανόμοια συστήματα,
από πολύ ανόμοια συστήματα,
07:48
disparate systems, the less effective data mining can be.
168
452240
3309
τόσο δυσκολότερη γίνεται
η ανίχνευση πληροφοριών.
η ανίχνευση πληροφοριών.
Αντί γι' αυτό, πρέπει βλέποντας
τα δεδομένα να βρούμε έμπνευση.
τα δεδομένα να βρούμε έμπνευση.
07:51
Instead, people will have to look at data
169
455549
2024
07:53
and search for insight, and as Licklider foresaw long ago,
170
457573
3456
Όπως προέβλεψε ο Λικλάιντερ
πριν από πολλά χρόνια,
πριν από πολλά χρόνια,
07:56
the key to great results here is the right type of cooperation,
171
461029
2685
η σωστή συνεργασία είναι το κλειδί
της αποτελεσματικότητας,
της αποτελεσματικότητας,
07:59
and as Kasparov realized,
172
463714
1524
και όπως έμαθε ο Κασπάρωφ, αυτό σημαίνει
μείωση της τριβής στη διεπαφή.
μείωση της τριβής στη διεπαφή.
08:01
that means minimizing friction at the interface.
173
465238
3031
08:04
Now this approach makes possible things like combing
174
468269
2758
Αυτή η προσέγγιση
καθιστά δυνατό το «χτένισμα»
καθιστά δυνατό το «χτένισμα»
08:06
through all available data from very different sources,
175
471027
3386
όλων των διαθέσιμων δεδομένων
από πολύ διαφορετικές πηγές,
από πολύ διαφορετικές πηγές,
08:10
identifying key relationships and putting them in one place,
176
474413
2792
το συσχετισμό τους
και τους συνδυασμούς μεταξύ τους,
και τους συνδυασμούς μεταξύ τους,
08:13
something that's been nearly impossible to do before.
177
477205
2928
κάτι που ήταν σχεδόν αδύνατον μέχρι τώρα.
08:16
To some, this has terrifying privacy and civil liberties
178
480133
1942
Για κάποιους αυτό προσβάλλει
την ιδιωτικότητα
την ιδιωτικότητα
08:17
implications. To others it foretells of an era of greater
179
482075
3410
και την ελευθερία του πολίτη,
ενώ για άλλους αυξάνει την ιδιωτικότητα
και προστατεύει τις ελευθερίες του πολίτη.
και προστατεύει τις ελευθερίες του πολίτη.
08:21
privacy and civil liberties protections,
180
485485
1909
08:23
but privacy and civil liberties are of fundamental importance.
181
487394
2936
Η ιδιωτικότητα και η πολιτική ελευθερία
έχουν τεράστια σημασία,
έχουν τεράστια σημασία,
08:26
That must be acknowledged, and they can't be swept aside,
182
490330
2193
πρέπει να τηρηθούν και όχι
να παραμεριστούν για κανένα λόγο.
να παραμεριστούν για κανένα λόγο.
08:28
even with the best of intents.
183
492523
2530
Ας ερευνήσουμε, λοιπόν,
με κάποια παραδείγματα,
με κάποια παραδείγματα,
08:30
So let's explore, through a couple of examples, the impact
184
495053
2518
τον αντίκτυπο που είχαν οι τεχνολογίες
με σκοπό τη συμβίωση ανθρώπου-υπολογιστή
με σκοπό τη συμβίωση ανθρώπου-υπολογιστή
08:33
that technologies built to drive human-computer symbiosis
185
497571
2406
08:35
have had in recent time.
186
499977
2919
τα τελευταία χρόνια.
08:38
In October, 2007, U.S. and coalition forces raided
187
502896
3416
Τον Οκτώβριο του 2007,
οι ΗΠΑ και οι συμμαχικές δυνάμεις
οι ΗΠΑ και οι συμμαχικές δυνάμεις
08:42
an al Qaeda safe house in the city of Sinjar
188
506312
2416
εισέβαλαν σε ένα καταφύγιο
της Αλ Κάιντα στην πόλη Σιντζάρ
της Αλ Κάιντα στην πόλη Σιντζάρ
08:44
on the Syrian border of Iraq.
189
508728
1934
στα συριακά σύνορα του Ιράκ.
08:46
They found a treasure trove of documents:
190
510662
2376
Βρήκαν ένα θησαυρό εγγράφων:
700 βιογραφικά προφίλ ξένων μαχητών,
που είχαν αφήσει τις οικογένειές τους
που είχαν αφήσει τις οικογένειές τους
08:48
700 biographical sketches of foreign fighters.
191
513038
2335
08:51
These foreign fighters had left their families in the Gulf,
192
515373
2584
στον Κόλπο, τη Μέση Ανατολή
και τη Βόρεια Αφρική
και τη Βόρεια Αφρική
08:53
the Levant and North Africa to join al Qaeda in Iraq.
193
517957
3146
για να ενταχθούν στην Αλ Κάιντα στο Ιράκ.
08:57
These records were human resource forms.
194
521103
1616
Αυτά τα έγγραφα ήταν φόρμες
που οι μαχητές είχαν συμπληρώσει
που οι μαχητές είχαν συμπληρώσει
08:58
The foreign fighters filled them out as they joined the organization.
195
522719
2855
όταν μπήκαν στην οργάνωση.
09:01
It turns out that al Qaeda, too,
196
525574
1211
Τελικά και η Αλ Κάιντα έχει γραφειοκρατία.
09:02
is not without its bureaucracy. (Laughter)
197
526785
2597
(Γέλια)
09:05
They answered questions like, "Who recruited you?"
198
529382
2098
Απαντούσαν ερωτήσεις όπως:
«Ποιος σας επιστράτευσε;»
«Ποιος σας επιστράτευσε;»
09:07
"What's your hometown?" "What occupation do you seek?"
199
531480
2854
«Από ποια πόλη κατάγεστε;»
«Τι δουλειά ψάχνετε;»
«Τι δουλειά ψάχνετε;»
09:10
In that last question, a surprising insight was revealed.
200
534334
3169
Και η τελευταία ερώτηση
ήταν και η αποκαλυπτικότερη.
ήταν και η αποκαλυπτικότερη.
09:13
The vast majority of foreign fighters
201
537503
2400
Οι περισσότεροι από τους ξένους μαχητές
09:15
were seeking to become suicide bombers for martyrdom --
202
539903
2400
ήθελαν να γίνουν βομβιστές αυτοκτονίας
και να θυσιαστούν.
και να θυσιαστούν.
09:18
hugely important, since between 2003 and 2007, Iraq
203
542303
4338
Αυτό που έχει τεράστια σημασία
είναι ότι την περίοδο 2003-2007 στο Ιράκ
είναι ότι την περίοδο 2003-2007 στο Ιράκ
09:22
had 1,382 suicide bombings, a major source of instability.
204
546641
4244
έγιναν 1.382 βομβισμοί αυτοκτονίας,
που προκάλεσαν μεγάλη αστάθεια.
που προκάλεσαν μεγάλη αστάθεια.
Η ανάλυση των πληροφοριών
ήταν δύσκολη, ήταν στα Αραβικά,
ήταν δύσκολη, ήταν στα Αραβικά,
09:26
Analyzing this data was hard. The originals were sheets
205
550885
2058
09:28
of paper in Arabic that had to be scanned and translated.
206
552943
2742
έπρεπε να σαρωθούν και να μεταφραστούν.
09:31
The friction in the process did not allow for meaningful
207
555685
2192
Η διαδικασία δεν επέτρεπε να βγουν
αποτελέσματα έγκαιρα,
αποτελέσματα έγκαιρα,
09:33
results in an operational time frame using humans, PDFs
208
557877
3350
χρησιμοποιώντας μόνο ανθρώπους,
.pdf και αποφασιστικότητα.
.pdf και αποφασιστικότητα.
09:37
and tenacity alone.
209
561227
2218
Οι άνθρωποι-ερευνητές χρειαζόντουσαν
τη βοήθεια της τεχνολογίας
τη βοήθεια της τεχνολογίας
09:39
The researchers had to lever up their human minds
210
563445
1953
09:41
with technology to dive deeper, to explore non-obvious
211
565398
2345
για να μπορέσουν να φτάσουν
πιο βαθειά, σε μη φανερές θεωρίες.
πιο βαθειά, σε μη φανερές θεωρίες.
09:43
hypotheses, and in fact, insights emerged.
212
567743
3218
Και κατάφεραν να ερμηνεύσουν τα δεδομένα:
09:46
Twenty percent of the foreign fighters were from Libya,
213
570961
2644
20% των ξένων μαχητών ήταν από τη Λιβύη,
50% από αυτούς από την ίδια πόλη -
50% από αυτούς από την ίδια πόλη -
09:49
50 percent of those from a single town in Libya,
214
573605
2968
09:52
hugely important since prior statistics put that figure at
215
576573
2450
αυτό είχε τεράστια σημασία, αφού
προηγούμενες στατιστικές είχαν δείξει 3%.
προηγούμενες στατιστικές είχαν δείξει 3%.
09:54
three percent. It also helped to hone in on a figure
216
579023
2383
Βρήκαν επίσης ένα γεγονός
τεράστιας σημασίας για την Αλ Κάιντα:
τεράστιας σημασίας για την Αλ Κάιντα:
09:57
of rising importance in al Qaeda, Abu Yahya al-Libi,
217
581406
2977
ο Άμπου Γιάχια Αλ-Λίμπι, ανώτερος κληρικός
στη Λυβική Μαχόμενη Ισλαμική Ομάδα,
στη Λυβική Μαχόμενη Ισλαμική Ομάδα,
10:00
a senior cleric in the Libyan Islamic fighting group.
218
584383
2631
10:02
In March of 2007, he gave a speech, after which there was
219
587014
2664
τον Μάρτιο του 2007 έκανε μια ομιλία
και ακολούθησε ένα κύμα κατατάξεων.
και ακολούθησε ένα κύμα κατατάξεων.
10:05
a surge in participation amongst Libyan foreign fighters.
220
589678
3466
Ίσως το πιο έξυπνο, και λιγότερο φανερό
ήταν που, αναποδογυρίζοντας τα στοιχεία,
ήταν που, αναποδογυρίζοντας τα στοιχεία,
10:09
Perhaps most clever of all, though, and least obvious,
221
593144
3106
10:12
by flipping the data on its head, the researchers were
222
596250
2073
οι ερευνητές μπόρεσαν να μάθουν
για τα δίκτυα οργάνωσης στη Συρία,
για τα δίκτυα οργάνωσης στη Συρία,
10:14
able to deeply explore the coordination networks in Syria
223
598323
2900
10:17
that were ultimately responsible for receiving and
224
601223
2517
υπεύθυνα για την υποδοχή και μεταφορά
των ξένων μαχητών στα σύνορα.
των ξένων μαχητών στα σύνορα.
10:19
transporting the foreign fighters to the border.
225
603740
2464
Αυτά ήταν δίκτυα μισθοφόρων
και όχι ιδεαλιστών,
και όχι ιδεαλιστών,
10:22
These were networks of mercenaries, not ideologues,
226
606204
2633
10:24
who were in the coordination business for profit.
227
608837
2398
που συντόνιζαν το δίκτυο για το κέρδος.
10:27
For example, they charged Saudi foreign fighters
228
611235
1904
Για παράδειγμα χρέωναν τους Σαουδάραβες
10:29
substantially more than Libyans, money that would have
229
613139
2199
πολύ περισσότερα από ό,τι τους Λίβυους,
λεφτά που προορίζονταν για την Αλ Κάιντα.
λεφτά που προορίζονταν για την Αλ Κάιντα.
10:31
otherwise gone to al Qaeda.
230
615338
2320
10:33
Perhaps the adversary would disrupt their own network
231
617658
2045
Ίσως ο εχθρός να έστηνε δικό του δίκτυο,
αν ήξερε ότι έκλεβαν τα νέα μέλη.
αν ήξερε ότι έκλεβαν τα νέα μέλη.
10:35
if they knew they cheating would-be jihadists.
232
619703
3035
Τον Ιανουάριο 2010, ένας καταστρεπτικός
σεισμός των 7 Ρίχτερ έπληξε την Αϊτή.
σεισμός των 7 Ρίχτερ έπληξε την Αϊτή.
10:38
In January, 2010, a devastating 7.0 earthquake struck Haiti,
233
622738
3745
10:42
third deadliest earthquake of all time, left one million people,
234
626483
2916
Ο τρίτος πιο θανατηφόρος ανά τους αιώνες,
άφησε ένα εκατομμύριο,
το 10% του πληθυσμού, άστεγους.
το 10% του πληθυσμού, άστεγους.
10:45
10 percent of the population, homeless.
235
629399
2584
10:47
One seemingly small aspect of the overall relief effort
236
631983
3137
Ένα φαινομενικά ασήμαντο στοιχείο
της προσπάθειας διάσωσης
της προσπάθειας διάσωσης
10:51
became increasingly important as the delivery of food
237
635120
2176
απέκτησε διαστάσεις με την άφιξη
τροφίμων και νερού.
τροφίμων και νερού.
10:53
and water started rolling.
238
637296
2160
Τον Ιανουάριο και Φεβρουάριο
δε βρέχει στην Αϊτή,
δε βρέχει στην Αϊτή,
10:55
January and February are the dry months in Haiti,
239
639456
1458
10:56
yet many of the camps had developed standing water.
240
640914
2942
εντούτοις πολλοί καταυλισμοί
απέκτησαν λιμνάζοντα νερά.
απέκτησαν λιμνάζοντα νερά.
10:59
The only institution with detailed knowledge of Haiti's
241
643856
2122
Ο μόνος οργανισμός με λεπτομερή γνώση
για πλημμύρες στην Αϊτή
για πλημμύρες στην Αϊτή
11:01
floodplains had been leveled
242
645978
1297
11:03
in the earthquake, leadership inside.
243
647275
3008
είχε ισοπεδωθεί στο σεισμό,
μέχρι και την ηγεσία του.
μέχρι και την ηγεσία του.
11:06
So the question is, which camps are at risk,
244
650283
2575
Ποιοι από τους καταυλισμούς κινδύνευαν;
Πόσα άτομα βρίσκονταν σε αυτούς;
Πόσα άτομα βρίσκονταν σε αυτούς;
11:08
how many people are in these camps, what's the
245
652858
1921
Πόσο χρόνο είχαν στη διάθεσή τους;
11:10
timeline for flooding, and given very limited resources
246
654779
2311
Και δεδομένων των ελάχιστων
πόρων και υποδομών
πόρων και υποδομών
11:12
and infrastructure, how do we prioritize the relocation?
247
657090
3384
με ποιες προτεραιότητες
θα γινόταν η μετεγκατάσταση;
θα γινόταν η μετεγκατάσταση;
11:16
The data was incredibly disparate. The U.S. Army had
248
660474
2344
Είχαν λίγα στοιχεία, ο στρατός των ΗΠΑ
είχε χάρτες μικρού ποσοστού της χώρας.
είχε χάρτες μικρού ποσοστού της χώρας.
11:18
detailed knowledge for only a small section of the country.
249
662818
2929
Υπήρχαν κάποια στοιχεία στο διαδίκτυο
από περιβαλλοντική έρευνα του 2006,
από περιβαλλοντική έρευνα του 2006,
11:21
There was data online from a 2006 environmental risk
250
665747
2511
11:24
conference, other geospatial data, none of it integrated.
251
668258
2664
δεν υπήρχαν στοιχεία γεωεπισκόπησης.
11:26
The human goal here was to identify camps for relocation
252
670922
2958
Οι άνθρωποι έπρεπε να βρουν
τους καταυλισμούς για μετακίνηση,
τους καταυλισμούς για μετακίνηση,
11:29
based on priority need.
253
673880
2395
με βάση τις ανάγκες και προτεραιότητες.
11:32
The computer had to integrate a vast amount of geospacial
254
676275
2440
Το κομπιούτερ έπρεπε να αναλύσει
πολλά στοιχεία γεωεπισκόπησης,
πολλά στοιχεία γεωεπισκόπησης,
11:34
information, social media data and relief organization
255
678715
2584
διαδικτυακά στοιχεία και στοιχεία
από τους οργανισμούς ανακούφισης
από τους οργανισμούς ανακούφισης
11:37
information to answer this question.
256
681299
3480
για να απαντήσουν αυτές τις ερωτήσεις.
11:40
By implementing a superior process, what was otherwise
257
684779
2415
Κάποιες διεργασίες που θα χρειάζονταν
40 ανθρώπους σε τρεις μήνες,
40 ανθρώπους σε τρεις μήνες,
11:43
a task for 40 people over three months became
258
687194
2608
έγιναν μια απλή δουλειά
για τρία άτομα σε 40 ώρες,
για τρία άτομα σε 40 ώρες,
11:45
a simple job for three people in 40 hours,
259
689802
3176
11:48
all victories for human-computer symbiosis.
260
692978
2628
οι άνθρωποι και τα κομπιούτερ
σε συνεργασία.
σε συνεργασία.
11:51
We're more than 50 years into Licklider's vision
261
695606
2054
50 χρόνια μετά το όραμα
του Λίνκλαϊντερ για το μέλλον,
του Λίνκλαϊντερ για το μέλλον,
11:53
for the future, and the data suggests that we should be
262
697660
2242
οι ενδείξεις επιτρέπουν να χαρούμε
11:55
quite excited about tackling this century's hardest problems,
263
699902
3030
ότι στον αιώνα μας θα λύνουμε
τα σοβαρότερα προβλήματα
τα σοβαρότερα προβλήματα
11:58
man and machine in cooperation together.
264
702932
2947
δουλεύοντας μαζί σε συνεργασία,
άνθρωποι και μηχανές.
άνθρωποι και μηχανές.
12:01
Thank you. (Applause)
265
705879
2197
Ευχαριστώ.
(Χειροκρότημα)
12:03
(Applause)
266
708076
2505
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