ABOUT THE SPEAKER
Shyam Sankar - Data Intelligence Agent
An 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.

More profile about the speaker
Shyam Sankar | Speaker | TED.com
TEDGlobal 2012

Shyam Sankar: The rise of human-computer cooperation

Σίαμ Σανκάρ: Η εξέλιξη της συνεργασίας ανθρώπου και ρομπότ

Filmed:
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.
- Data Intelligence Agent
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 gamesΠαιχνίδια of chessσκάκι.
0
512
2556
Θέλω να σας μιλήσω για δύο παρτίδες σκάκι.
00:18
The first happenedσυνέβη in 1997, in whichοι οποίες GarryΓκάρι KasparovΟ Κασπάροβ,
1
3068
3864
Η πρώτη έγινε το 1997, κατά την οποία
ο Γκάρυ Κασπάροβ, ένας άνθρωπος,
00:22
a humanο άνθρωπος, lostχαμένος to DeepΒαθύ BlueΜπλε, a machineμηχανή.
2
6932
3716
έχασε από το Ντίπ Μπλού, μια μηχανή.
00:26
To manyΠολλά, this was the dawnαυγή of a newνέος eraεποχή,
3
10648
2240
Για πολλούς, αυτή ήταν
η αρχή μιας νεας εποχής,
00:28
one where man would be dominatedκυριαρχούσε by machineμηχανή.
4
12888
2779
μιας εποχής όπου ο άνθρωπος
θα εξουσιαζόταν από τη μηχανή.
00:31
But here we are, 20 yearsχρόνια on, and the greatestμεγαλύτερη changeαλλαγή
5
15667
3334
Και φτάσαμε 20 χρόνια μετά,
η μεγαλύτερη εξέλιξη
00:34
in how we relateσχετίζομαι to computersΥπολογιστές is the iPadiPad,
6
19001
2690
στη σχέση μας με τους υπολογιστές
είναι το iPad, όχι το κομπιούτερ HAL.
00:37
not HALHAL.
7
21691
2045
00:39
The secondδεύτερος gameπαιχνίδι was a freestyleελεύθερη κολύμβηση chessσκάκι tournamentτουρνουά
8
23736
2648
Η δεύτερη παρτίδα ήταν ένα τουρνουά
σκακιού ελεύθερου τύπου το 2005,
00:42
in 2005, in whichοι οποίες man and machineμηχανή could enterεισαγω togetherμαζί
9
26384
2969
όπου μπορούσαν να συμμετέχουν
άνθρωπος και μηχανή ως συνεργάτες,
00:45
as partnersσυνεργάτες, ratherμάλλον than adversariesαντίπαλοι, if they so choseεπέλεξε.
10
29353
4666
αν το επέλεγαν,
και όχι ως ανταγωνιστές.
Αρχικά το αποτέλεσμα ήταν προβλέψιμο:
ακόμα και ένας υπερυπολογιστής
00:49
At first, the resultsΑποτελέσματα were predictableαναμενόμενος.
11
34019
1851
00:51
Even a supercomputerυπερυπολογιστής was beatenχτυπημένος by a grandmasterGrandmaster
12
35870
2497
ηττήθηκε από έναν μάστερ του είδους,
με ένα σχετικά αδύναμο λάπτοπ.
00:54
with a relativelyσχετικά weakαδύναμος laptopΦΟΡΗΤΟΣ ΥΠΟΛΟΓΙΣΤΗΣ.
13
38367
2312
00:56
The surpriseέκπληξη cameήρθε at the endτέλος. Who wonΚέρδισε?
14
40679
2985
Η έκπληξη ήρθε στο τέλος, ποιος κέρδισε;
00:59
Not a grandmasterGrandmaster with a supercomputerυπερυπολογιστής,
15
43664
2776
Όχι ένας κορυφαίος σκακιστής
με έναν υπερυπολογιστή,
01:02
but actuallyπράγματι two AmericanΑμερικανική amateursερασιτέχνες
16
46440
1493
αλλά δύο Αμερικανοί ερασιτέχνες
με τρία σχετικά αδύναμα λάπτοπ.
01:03
usingχρησιμοποιώντας threeτρία relativelyσχετικά weakαδύναμος laptopsφορητούς υπολογιστές.
17
47933
3822
01:07
TheirΤους abilityικανότητα to coachπροπονητής and manipulateχειραγωγώ theirδικα τους computersΥπολογιστές
18
51755
2596
Η ικανότητά τους να χειρίζονται
τους υπολογιστές τους
01:10
to deeplyκατα ΒΑΘΟΣ exploreεξερευνώ specificειδικός positionsθέσεις
19
54351
2435
και να εξετάζουν σε βάθος
συγκεκριμένες θέσεις,
01:12
effectivelyαποτελεσματικά counteractedεξισορροπηθεί the superiorανώτερος chessσκάκι knowledgeη γνώση
20
56786
2390
αντιστάθμισαν αποτελεσματικά
την ανώτερη σκακιστική γνώση των σκακιστών
01:15
of the grandmastersγκρανμέτρ and the superiorανώτερος computationalυπολογιστική powerεξουσία
21
59176
2609
και τη δύναμη των υπερυπολογιστών
άλλων αντιπάλων.
01:17
of other adversariesαντίπαλοι.
22
61785
1909
01:19
This is an astonishingεκπληκτικός resultαποτέλεσμα: averageμέση τιμή menάνδρες,
23
63694
2905
Είναι ένα εκπληκτικό αποτέλεσμα:
άνθρωποι και μηχανές μετρίων ικανοτήτων,
01:22
averageμέση τιμή machinesμηχανές beatingχτύπημα the bestκαλύτερος man, the bestκαλύτερος machineμηχανή.
24
66599
4081
νίκησαν τον καλύτερο παίκτη
και την καλύτερη μηχανή.
01:26
And anywaysτέλος πάντων, isn't it supposedυποτιθεμένος to be man versusεναντίον machineμηχανή?
25
70680
3199
Υποτίθεται ότι θα ήταν αναμέτρηση
ανθρώπου εναντίον μηχανής, σωστά;
01:29
InsteadΑντίθετα, it's about cooperationσυνεργασία, and the right typeτύπος of cooperationσυνεργασία.
26
73879
4152
Αντ' αυτού, ήταν μια συνεργασία,
και μάλιστα ο σωστός τρόπος συνεργασίας.
01:33
We'veΈχουμε been payingδικαιούχος a lot of attentionπροσοχή to MarvinMarvin Minsky'sMinsky του
27
78031
2857
Έχουμε δώσει πολλή σημασία
στο όραμα του Μάρβιν Μίνσκι
01:36
visionόραμα for artificialτεχνητός intelligenceνοημοσύνη over the last 50 yearsχρόνια.
28
80888
3242
για την τεχνητή νοημοσύνη
τα τελευταία 50 χρόνια.
Είναι σίγουρα ένα σέξι όραμα,
το ενστερνίστηκαν πολλοί.
01:40
It's a sexyλάγνος visionόραμα, for sure. ManyΠολλά have embracedαγκάλιασε it.
29
84130
2262
01:42
It's becomeγίνομαι the dominantκυρίαρχο schoolσχολείο of thought in computerυπολογιστή scienceεπιστήμη.
30
86392
2753
Έγινε η επικρατούσα σχολή σκέψης
στο χώρο των υπολογιστών.
01:45
But as we enterεισαγω the eraεποχή of bigμεγάλο dataδεδομένα, of networkδίκτυο systemsσυστήματα,
31
89145
3072
Μπαίνοντας στην εποχή των μεγάλων
δεδομένων και διαδικτυακών συστημάτων,
01:48
of openΆνοιξε platformsπλατφόρμες, and embeddedενσωματωμένο technologyτεχνολογία,
32
92217
2698
της ανοικτής πλατφόρμας
και της ενσωματωμένης τεχνολογίας,
01:50
I'd like to suggestπροτείνω it's time to reevaluateαξιολογήσει εκ νέου an alternativeεναλλακτική λύση visionόραμα
33
94915
3392
θα πρότεινα να επανεξετάσουμε
το εναλλακτικό όραμα
01:54
that was actuallyπράγματι developedαναπτηγμένος around the sameίδιο time.
34
98307
3070
που αναπτύχθηκε περίπου την ίδια εποχή.
01:57
I'm talkingομιλία about J.C.R. Licklider'sΤου Licklider human-computerανθρώπου-υπολογιστή symbiosisσυμβίωση,
35
101377
3332
Αναφέρομαι στη θεωρία συμβίωσης
ανθρώπου-υπολογιστή του Τζ. Λικλάιντερ.
02:00
perhapsίσως better termedπου ονομάζεται "intelligenceνοημοσύνη augmentationαύξηση," I.A.
36
104709
3808
Ίσως είναι καλύτερα να την αποκαλέσουμε
«επαυξημένη νοημοσύνη».
02:04
LickliderLicklider was a computerυπολογιστή scienceεπιστήμη titanΤιτάν who had a profoundβαθύς
37
108517
2640
Ο Λικλάιντερ, τιτάνας του χώρου,
με τεράστια συμβολή στην ανάπτυξη
της τεχνολογίας και του διαδικτύου.
02:07
effectαποτέλεσμα on the developmentανάπτυξη of technologyτεχνολογία and the InternetΣτο διαδίκτυο.
38
111157
3006
02:10
His visionόραμα was to enableεπιτρέπω man and machineμηχανή to cooperateσυνεργάζονται
39
114163
2868
Όραμά του ήταν να επιτρέψει στον άνθρωπο
και στη μηχανή να συνεργαστούν
02:12
in makingκατασκευή decisionsαποφάσεων, controllingέλεγχος complexσυγκρότημα situationsκαταστάσεις
40
117031
3590
στη λήψη αποφάσεων και στον έλεγχο
πολύπλοκων καταστάσεων,
02:16
withoutχωρίς the inflexibleάκαμπτη dependenceΕΞΑΡΤΗΣΗ
41
120621
1770
χωρίς την άκαμπτη εξάρτηση
σε προκαθορισμένα προγράμματα.
02:18
on predeterminedπροκαθορισμένο programsπρογράμματα.
42
122391
2533
02:20
NoteΣημείωση that wordλέξη "cooperateσυνεργάζονται."
43
124924
2498
Σημειώστε ότι λέει «να συνεργαστούν».
02:23
LickliderLicklider encouragesενθαρρύνει us not to take a toasterτοστιέρα
44
127422
2747
Ο Λικλάιντερ δεν μας ενθαρρύνει
να μετατρέψουμε μια φρυγανιέρα
02:26
and make it DataΔεδομένα from "StarΑστέρι TrekΟδοιπορικό,"
45
130169
2284
στον διοικητή Ντάτα του Σταρ Τρεκ,
02:28
but to take a humanο άνθρωπος and make her more capableικανός.
46
132453
3535
αλλά να πάρουμε ένα ανθρώπινο ον
και να το κάνουμε πιο ικανό.
Είναι καταπληκτικό ον ο άνθρωπος:
02:31
HumansΟι άνθρωποι are so amazingφοβερο -- how we think,
47
135988
1911
ο τρόπος σκέψης, η μη-γραμμική
προσέγγιση, η δημιουργικότητα,
02:33
our non-linearμη-γραμμική approachesπροσεγγίσεις, our creativityδημιουργικότητα,
48
137899
2618
02:36
iterativeεπαναληπτική hypothesesυποθέσεις, all very difficultδύσκολος if possibleδυνατόν at all
49
140517
2131
επαναληπτικές υποθέσεις, όλα πολύ δύσκολα
αν όχι αδύνατα, για έναν υπολογιστή.
02:38
for computersΥπολογιστές to do.
50
142648
1345
02:39
LickliderLicklider intuitivelyδιαισθητικά realizedσυνειδητοποίησα this, contemplatingτο ενδεχόμενο humansτου ανθρώπου
51
143993
2452
Ο Λικλάιντερ τα διαπίστωσε όλα αυτά
μελετώντας τους ανθρώπους,
βάζοντας στόχους, κάνοντας υποθέσεις,
02:42
settingσύνθεση the goalsστόχους, formulatingδιαμόρφωση the hypothesesυποθέσεις,
52
146445
2327
02:44
determiningκαθορίζοντας the criteriaκριτήρια, and performingτην εκτέλεση the evaluationαξιολόγηση.
53
148772
3376
καθορίζοντας κριτήρια
και κάνοντας εκτιμήσεις.
02:48
Of courseσειρά μαθημάτων, in other waysτρόπους, humansτου ανθρώπου are so limitedπεριωρισμένος.
54
152148
1775
Σε άλλα επίπεδα, οι άνθρωποι
είναι περιορισμένοι.
02:49
We're terribleτρομερός at scaleκλίμακα, computationυπολογισμός and volumeΕνταση ΗΧΟΥ.
55
153923
3235
Υστερούμε στις κλίμακες,
στους υπολογισμούς και στον όγκο.
02:53
We requireαπαιτώ high-endhigh-end talentταλέντο managementδιαχείριση
56
157158
1836
Χρειάζεται διοικητικό ταλέντο
για να παραμείνει ενωμένο
και ενεργό ένα ροκ σχήμα.
02:54
to keep the rockβράχος bandζώνη togetherμαζί and playingπαιχνίδι.
57
158994
2064
02:56
LickliderLicklider foresawπροέβλεψε computersΥπολογιστές doing all the routinizableroutinizable work
58
161058
2204
Ο Λικλάιντερ πρόβλεψε πως οι υπολογιστές
θα έκαναν την προεργασία
02:59
that was requiredαπαιτείται to prepareπροετοιμασία the way for insightsπληροφορίες and decisionαπόφαση makingκατασκευή.
59
163262
3276
ώστε να υλοποιούνται
οράματα και αποφάσεις.
03:02
SilentlyΣιωπηλά, withoutχωρίς much fanfareΦιλαρμονική,
60
166538
2224
Σιωπηλά και ανεπαίσθητα,
03:04
this approachπλησιάζω has been compilingκατάρτιση victoriesνίκες beyondπέρα chessσκάκι.
61
168762
3354
αυτή η προσέγγιση είχε
πολλές νίκες πέρα από το σκάκι.
03:08
ProteinΠρωτεΐνη foldingπτυσσόμενος, a topicθέμα that sharesμερίδια the incredibleαπίστευτος expansivenessexpansiveness of chessσκάκι
62
172116
3356
Η αναδίπλωση πρωτεΐνης μοιράζεται
την απίστευτη επεκτατικότητα του σκακιού:
03:11
there are more waysτρόπους of foldingπτυσσόμενος a proteinπρωτεΐνη than there are atomsάτομα in the universeσύμπαν.
63
175472
3042
υπάρχουν περισσότεροι συνδυασμοί
απ' ό,τι άτομα στο σύμπαν.
03:14
This is a world-changingπαγκόσμια αλλαγή problemπρόβλημα with hugeτεράστιος implicationsεπιπτώσεις
64
178514
2353
Αυτό το βαρυσήμαντο θέμα επηρεάζει άμεσα
την ικανότητά μας να καταλάβουμε
και να θεραπεύσουμε ασθένειες.
03:16
for our abilityικανότητα to understandκαταλαβαίνουν and treatκέρασμα diseaseασθένεια.
65
180867
2308
03:19
And for this taskέργο, supercomputerυπερυπολογιστής fieldπεδίο bruteωμής forceδύναμη simplyαπλά isn't enoughαρκετά.
66
183175
4248
Για να γίνει αυτό η ωμή δύναμη
των υπερυπολογιστών δεν φτάνει.
Το παιχνίδι Foldit, δημιούργημα
επιστημόνων πληροφορικής,
03:23
FolditFoldit, a gameπαιχνίδι createdδημιουργήθηκε by computerυπολογιστή scientistsΕπιστήμονες,
67
187423
2384
03:25
illustratesαπεικονίζει the valueαξία of the approachπλησιάζω.
68
189807
2502
επεξηγεί την αξία της προσέγγισης.
03:28
Non-technicalΜη τεχνικές, non-biologistμη-βιολόγος amateursερασιτέχνες playπαίζω a videoβίντεο gameπαιχνίδι
69
192309
3041
Ερασιτέχνες, μη-τεχνικοί ή βιολόγοι,
παίζουν ένα βιντεοπαιχνίδι
03:31
in whichοι οποίες they visuallyοπτικά rearrangeαναδιάταξη the structureδομή of the proteinπρωτεΐνη,
70
195350
3073
στο οποίο οπτικά ανασυνθέτουν
τη δομή της πρωτεΐνης,
ενώ ο υπολογιστής ελέγχει
ατομικές δυνάμεις, αντιδράσεις
03:34
allowingεπιτρέποντας the computerυπολογιστή to manageδιαχειρίζονται the atomicατομικός forcesδυνάμεις
71
198423
1499
03:35
and interactionsαλληλεπιδράσεις and identifyαναγνωρίζω structuralκατασκευαστικός issuesθέματα.
72
199922
2957
και δομική συμβατότητα.
03:38
This approachπλησιάζω beatΡυθμός supercomputersυπερυπολογιστές 50 percentτοις εκατό of the time
73
202879
3023
Αυτή η προσέγγιση νικάει
τους υπερυπολογιστές στο 50%
03:41
and tiedδεμένα 30 percentτοις εκατό of the time.
74
205902
2584
και έρχεται σε ισοπαλία
στο 30% των περιπτώσεων.
03:44
FolditFoldit recentlyπρόσφατα madeέκανε a notableαξιοσημείωτος and majorμείζων scientificεπιστημονικός discoveryανακάλυψη
75
208486
3137
Το Foldit αποτέλεσε πρόσφατα μια αξιόλογη
και σημαντική επιστημονική ανακάλυψη
03:47
by decipheringαποκρυπτογράφηση the structureδομή of the Mason-PfizerMason-Pfizer monkeyΠίθηκος virusιός.
76
211623
3160
αποκρυπτογραφώντας τη δομή
του ιού Μέισον Πφάιζερ (MPMV).
03:50
A proteaseπρωτεάσης that had eludedξεφύγει determinationπροσδιορισμός for over 10 yearsχρόνια
77
214783
3015
Η υπόθεση της πρωτεϊνάσης
που για 10 χρόνια ήταν ανεξιχνίαστη,
03:53
was solvedλυθεί was by threeτρία playersΠαίκτες in a matterύλη of daysημέρες,
78
217798
2626
και λύθηκε από τρεις παίκτες
σε λίγες μόνο μέρες,
03:56
perhapsίσως the first majorμείζων scientificεπιστημονικός advanceπροκαταβολή
79
220424
2025
ήταν η σημαντικότερη επιστημονική πρόοδος
03:58
to come from playingπαιχνίδι a videoβίντεο gameπαιχνίδι.
80
222449
2323
που έχει προέλθει ποτέ από βιντεοπαιχνίδι.
Πέρυσι, στο σημείο των Δίδυμων Πύργων,
άνοιξε το μνημείο της 11ης Σεπτεμβρίου.
04:00
Last yearέτος, on the siteιστοσελίδα of the TwinΜε δύο μονά κρεβάτια TowersΠύργοι,
81
224772
2181
04:02
the 9/11 memorialμνημείο openedάνοιξε.
82
226953
1473
04:04
It displaysοθόνες the namesονόματα of the thousandsχιλιάδες of victimsθύματα
83
228426
2721
Εκεί εκτίθενται τα ονόματα
των χιλιάδων θυμάτων
04:07
usingχρησιμοποιώντας a beautifulπανεμορφη conceptέννοια calledπου ονομάζεται "meaningfulμε νοημα adjacencyγειτνίαση."
84
231147
3063
κάτω από μία υπέροχη ιδέα που λέγεται
«μια γειτνίαση με νόημα».
04:10
It placesθέσεις the namesονόματα nextεπόμενος to eachκαθε other basedμε βάση on theirδικα τους
85
234210
2166
Τοποθετεί τα ονόματα σε σειρά
βασιζόμενη στις μεταξύ τους σχέσεις:
φίλοι, οικογένειες, συνάδερφοι.
04:12
relationshipsσχέσεις to one anotherαλλο: friendsοι φιλοι, familiesοικογένειες, coworkersσυνεργάτες.
86
236376
2213
04:14
When you put it all togetherμαζί, it's quiteαρκετά a computationalυπολογιστική
87
238589
3028
Συνολικά πρόκειται για μια
σημαντική υπολογιστική πρόκληση:
04:17
challengeπρόκληση: 3,500 victimsθύματα, 1,800 adjacencyγειτνίαση requestsαιτήσεων,
88
241617
4223
3.500 θύματα, 1.800 αιτήματα γειτνίασης,
04:21
the importanceσημασια of the overallΣυνολικά physicalφυσικός specificationsπροδιαγραφές
89
245840
3092
η σπουδαιότητα του συνόλου
των φυσικών προδιαγραφών,
04:24
and the finalτελικός aestheticsαισθητική.
90
248932
2137
και η τελική αισθητική.
04:26
When first reportedέχουν αναφερθεί by the mediaμεσο ΜΑΖΙΚΗΣ ΕΝΗΜΕΡΩΣΗΣ, fullγεμάτος creditπίστωση for suchτέτοιος a featfeat
91
251069
2615
Όταν πρωτοαναφέρθηκε στα ΜΜΕ,
τα εύσημα γι' αυτόν τον άθλο
04:29
was givenδεδομένος to an algorithmαλγόριθμος from the NewΝέα YorkΥόρκη CityΠόλη
92
253684
1892
δόθηκαν στον αλγόριθμο της εταιρείας
Local Projects από τη Νέα Υόρκη.
04:31
designσχέδιο firmεταιρεία LocalΤοπική ProjectsΈργα. The truthαλήθεια is a bitκομμάτι more nuancedλεπτή.
93
255576
4001
Η αλήθεια είναι πιο πολύπλοκη.
04:35
While an algorithmαλγόριθμος was used to developαναπτύσσω the underlyingυποκείμενο frameworkδομή,
94
259577
2871
Ο αλγόριθμος χρησιμοποιήθηκε σαν πλαίσιο,
04:38
humansτου ανθρώπου used that frameworkδομή to designσχέδιο the finalτελικός resultαποτέλεσμα.
95
262448
3008
βάσει του οποίου οι άνθρωποι
σχεδίασαν το τελικό αποτέλεσμα.
Ο υπολογιστής λοιπόν αξιολόγησε
εκατομμύρια πιθανές διατάξεις,
04:41
So in this caseπερίπτωση, a computerυπολογιστή had evaluatedαξιολογούνται millionsεκατομμύρια
96
265456
2225
04:43
of possibleδυνατόν layoutsδιατάξεις, managedδιαχειρίζεται a complexσυγκρότημα relationalσχεσιακή systemΣύστημα,
97
267681
3335
διαχειρίστηκε ένα πολύπλοκο
τρόπο συσχετίσεων,
04:46
and keptδιατηρούνται trackπίστα of a very largeμεγάλο setσειρά of measurementsΜετρήσεις
98
271016
2414
παρακολούθησε ένα μεγάλο
αριθμό μετρήσεων και μεταβλητών,
04:49
and variablesμεταβλητές, allowingεπιτρέποντας the humansτου ανθρώπου to focusΣυγκεντρώνω
99
273430
2410
ώστε οι άνθρωποι να εστιάσουν
στις επιλογές σχεδιασμού και σύνθεσης.
04:51
on designσχέδιο and compositionalσυνθετική choicesεπιλογές.
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'sΤου Licklider visionόραμα everywhereπαντού.
102
279678
1962
βλέπουμε το όραμα του Λικλάιντερ παντού.
04:57
WhetherΑν it's augmentedαυξήθηκε realityπραγματικότητα in your iPhoneiPhone or GPSGPS in your carαυτοκίνητο,
103
281640
3304
Είτε στην επαυξημένη πραγματικότητα
στο iPhone, είτε στο GPS,
05:00
human-computerανθρώπου-υπολογιστή symbiosisσυμβίωση is makingκατασκευή us more capableικανός.
104
284944
2970
η συμβίωση ανθρώπου-υπολογιστή
μας κάνει πιο ικανούς.
05:03
So if you want to improveβελτιώσει human-computerανθρώπου-υπολογιστή symbiosisσυμβίωση,
105
287914
1655
Πώς μπορείτε να βελτιώσετε
αυτή τη συμβίωση;
05:05
what can you do?
106
289569
1429
05:06
You can startαρχή by designingσχέδιο the humanο άνθρωπος into the processεπεξεργάζομαι, διαδικασία.
107
290998
2452
Αρχίστε βάζοντας
τον άνθρωπο στη διαδικασία.
05:09
InsteadΑντίθετα of thinkingσκέψη about what a computerυπολογιστή will do to solveλύσει the problemπρόβλημα,
108
293450
2204
Μην αναρωτηθείτε πώς
ο υπολογιστής θα βρει τη λύση,
05:11
designσχέδιο the solutionλύση around what the humanο άνθρωπος will do as well.
109
295654
3869
αλλά σχεδιάστε τη λύση γύρω
από τη συμβολή του ανθρώπου.
05:15
When you do this, you'llθα το κάνετε quicklyγρήγορα realizeσυνειδητοποιώ that you spentξόδεψε
110
299523
1937
Κάνοντάς το, θα καταλάβετε
ότι ξοδέψατε όλο το χρόνο σας
05:17
all of your time on the interfaceδιεπαφή betweenμεταξύ man and machineμηχανή,
111
301460
2879
εξετάζοντας τη διεπαφή ανθρώπου-μηχανής,
05:20
specificallyειδικά on designingσχέδιο away the frictionτριβής in the interactionΑΛΛΗΛΕΠΙΔΡΑΣΗ.
112
304339
3099
κυρίως προσπαθώντας να μειώσετε
την τριβή της αλληλοεπίδρασης.
05:23
In factγεγονός, this frictionτριβής is more importantσπουδαίος than the powerεξουσία
113
307438
2766
Η τριβή όμως είναι πιο σημαντική
από την ανθρώπινη δύναμη
05:26
of the man or the powerεξουσία of the machineμηχανή
114
310204
2052
ή τη μηχανική δύναμη στο να προσδιορίσει
τη συνολική ικανότητα.
05:28
in determiningκαθορίζοντας overallΣυνολικά capabilityικανότητα.
115
312256
1931
Γι' αυτό δύο ερασιτέχνες με λίγα λάπτοπ
05:30
That's why two amateursερασιτέχνες with a fewλίγοι laptopsφορητούς υπολογιστές
116
314187
1977
ξεπέρασαν έναν κορυφαίο σκακιστή
και έναν υπερυπολογιστή.
05:32
handilyεπιδέξια beatΡυθμός a supercomputerυπερυπολογιστής and a grandmasterGrandmaster.
117
316164
2456
05:34
What KasparovΟ Κασπάροβ callsκλήσεις processεπεξεργάζομαι, διαδικασία is a byproductυποπροϊόν of frictionτριβής.
118
318620
3005
Αυτό που ο Κασπάροβ αποκαλεί μέθοδο,
είναι ένα υποπροϊόν τριβής.
05:37
The better the processεπεξεργάζομαι, διαδικασία, the lessπιο λιγο the frictionτριβής.
119
321625
2401
Όσο καλύτερη η μέθοδος,
τόσο λιγότερη η τριβή.
05:39
And minimizingελαχιστοποίηση frictionτριβής turnsστροφές out to be the decisiveαποφασιστική variableμεταβλητή.
120
324026
4256
Η μείωση της τριβής είναι τελικά
η αποφασιστική μεταβλητή.
05:44
Or take anotherαλλο exampleπαράδειγμα: bigμεγάλο dataδεδομένα.
121
328282
2243
Ένα άλλο παράδειγμα:
μεγάλος όγκος δεδομένων.
05:46
EveryΚάθε interactionΑΛΛΗΛΕΠΙΔΡΑΣΗ we have in the worldκόσμος is recordedέχει καταγραφεί
122
330525
1906
Κάθε διάδρασή μας στον κόσμο
καταγράφεται από μια διαρκώς
αυξανόμενη σειρά αισθητήρων:
05:48
by an ever growingκαλλιέργεια arrayπαράταξη of sensorsΑισθητήρες: your phoneτηλέφωνο,
123
332431
3059
τηλέφωνα, πιστωτικές κάρτες, υπολογιστές.
05:51
your creditπίστωση cardκάρτα, your computerυπολογιστή. The resultαποτέλεσμα is bigμεγάλο dataδεδομένα,
124
335490
2373
Αυτός ο μεγάλος όγκος δεδομένων,
05:53
and it actuallyπράγματι presentsπαρουσιάζει us with an opportunityευκαιρία
125
337863
1742
μας δίνει τη δυνατότητα
να καταλάβουμε καλύτερα
05:55
to more deeplyκατα ΒΑΘΟΣ understandκαταλαβαίνουν the humanο άνθρωπος conditionκατάσταση.
126
339605
2662
την ανθρώπινη κατάσταση.
Η επικρατέστερη προσέγγιση
μεγάλου όγκου δεδομένων εστιάζει στο:
05:58
The majorμείζων emphasisέμφαση of mostπλέον approachesπροσεγγίσεις to bigμεγάλο dataδεδομένα
127
342267
2305
06:00
focusΣυγκεντρώνω on, "How do I storeκατάστημα this dataδεδομένα? How do I searchΨάξιμο
128
344572
2215
«Πώς αποθηκεύω αυτά τα δεδομένα;
Πώς τα ψάχνω; Πώς τα επεξεργάζομαι;»
06:02
this dataδεδομένα? How do I processεπεξεργάζομαι, διαδικασία this dataδεδομένα?"
129
346787
2276
06:04
These are necessaryΑΠΑΡΑΙΤΗΤΗ but insufficientανεπαρκής questionsερωτήσεις.
130
349063
2204
Είναι αναγκαίες αλλά ανεπαρκείς ερωτήσεις.
06:07
The imperativeεπιτακτικός is not to figureεικόνα out how to computeυπολογίζω,
131
351267
2471
Το ζητούμενο δεν είναι να καταλάβουμε
το πώς, αλλά το τι να υπολογίσουμε.
06:09
but what to computeυπολογίζω. How do you imposeεπιβάλει humanο άνθρωπος intuitionδιαίσθηση
132
353738
2184
Πώς επιβάλλεις την ανθρώπινη διαίσθηση
σε δεδομένα τέτοιας κλίμακας;
06:11
on dataδεδομένα at this scaleκλίμακα?
133
355922
1791
06:13
Again, we startαρχή by designingσχέδιο the humanο άνθρωπος into the processεπεξεργάζομαι, διαδικασία.
134
357713
3499
Και πάλι, ξεκινάμε ενσωματώνοντας
στη διαδικασία τον άνθρωπο.
06:17
When PayPalPayPal was first startingεκκίνηση as a businessεπιχείρηση, theirδικα τους biggestμέγιστος
135
361212
2812
Όταν πρωτοξεκίνησε το Paypal,
η μεγαλύτερη πρόκληση δεν ήταν:
06:19
challengeπρόκληση was not, "How do I sendστείλετε moneyχρήματα back and forthΕμπρός onlineσε απευθείας σύνδεση?"
136
364024
2804
«Πώς στέλνω και λαμβάνω
χρήματα στο διαδίκτυο;», αλλά:
06:22
It was, "How do I do that withoutχωρίς beingνα εισαι defraudedαπάτη by organizedδιοργάνωσε crimeέγκλημα?"
137
366828
3872
«Πώς θα αποφύγω την εξαπάτηση
από το οργανωμένο έγκλημα;»
06:26
Why so challengingπροκλητική? Because while computersΥπολογιστές can learnμαθαίνω
138
370700
2088
Είναι πρόκληση γιατί οι υπολογιστές
μαθαίνουν να βρίσκουν
06:28
to detectανιχνεύουν and identifyαναγνωρίζω fraudαπάτη basedμε βάση on patternsσχέδια,
139
372788
3144
και να αναγνωρίζουν την απάτη
βάσει μοτίβων,
06:31
they can't learnμαθαίνω to do that basedμε βάση on patternsσχέδια
140
375932
1479
δε μπορούν να αναγνωρίσουν νέα μοτίβα
που δεν έχουν ξανασυναντήσει.
06:33
they'veέχουν never seenείδα before, and organizedδιοργάνωσε crimeέγκλημα
141
377411
2116
Το οργανωμένο έγκλημα έχει
πολλά κοινά με εσάς:
06:35
has a lot in commonκοινός with this audienceακροατήριο: brilliantλαμπρός people,
142
379527
2709
πανέξυπνα άτομα, εξαιρετικά
πολυμήχανοι, επιχειρηματικά μυαλά,
06:38
relentlesslyαδυσώπητα resourcefulπολυμήχανος, entrepreneurialεπιχειρηματική spiritπνεύμα — (LaughterΤο γέλιο) —
143
382236
3640
(Γέλια)
06:41
and one hugeτεράστιος and importantσπουδαίος differenceδιαφορά: purposeσκοπός.
144
385876
2712
και μια τεράστια και σημαντική
διαφορά: το σκοπό.
06:44
And so while computersΥπολογιστές aloneμόνος can catchσύλληψη all but the cleverestπιο έξυπνος
145
388588
2832
Αν ο υπολογιστής μπορεί να πιάσει όλους
εκτός από τον πιο έξυπνο απατεώνα,
06:47
fraudstersΟι απατεώνες, catchingελκυστικός the cleverestπιο έξυπνος is the differenceδιαφορά
146
391420
2253
όταν τελικά τον πιάσει, περνάει
από την αποτυχία στην επιτυχία.
06:49
betweenμεταξύ successεπιτυχία and failureαποτυχία.
147
393673
2545
06:52
There's a wholeολόκληρος classτάξη of problemsπροβλήματα like this, onesαυτές with
148
396218
2221
Υπάρχει ένα πλήθος τέτοιων προβλημάτων
με προσαρμοστικούς αντιπάλους.
06:54
adaptiveπροσαρμοστικό adversariesαντίπαλοι. They rarelyσπάνια if ever presentπαρόν with a
149
398439
2575
Σπάνια ή ποτέ εμφανίζουν
κάποιο κοινό μοτίβο
06:56
repeatableΕπαναλήψιμες patternπρότυπο that's discernableορατή to computersΥπολογιστές.
150
401014
2736
που μπορεί να διακρίνει ο υπολογιστής.
06:59
InsteadΑντίθετα, there's some inherentσυμφυής componentσυστατικό of innovationκαινοτομία or disruptionαναστάτωση,
151
403750
3993
Αντί γι' αυτό, έχουν στοιχεία
καινοτομίας ή διάσπασης,
και συνήθως αυτά τα προβλήματα
θάβονται κάτω από όγκο δεδομένων.
07:03
and increasinglyόλο και περισσότερο these problemsπροβλήματα are buriedθάβονται in bigμεγάλο dataδεδομένα.
152
407743
2735
07:06
For exampleπαράδειγμα, terrorismτρομοκρατία. TerroristsΟι τρομοκράτες are always adaptingπροσαρμογή
153
410478
2500
Για παράδειγμα, η τρομοκρατία
που πάντα προσαρμόζεται
07:08
in minorανήλικος and majorμείζων waysτρόπους to newνέος circumstancesπεριστάσεις, and despiteπαρά
154
412978
2052
σε αλλαγές με ασήμαντους
ή σημαντικούς τρόπους,
07:10
what you mightθα μπορούσε see on TVΤΗΛΕΌΡΑΣΗ, these adaptationsπροσαρμογές,
155
415030
3094
και παρά τα όσα βλέπετε στην τηλεόραση,
αυτές οι προσαρμογές και η ανίχνευσή τους
είναι θεμελιωδώς ανθρώπινες.
07:14
and the detectionανίχνευση of them, are fundamentallyθεμελιωδώς humanο άνθρωπος.
156
418124
2293
07:16
ComputersΥπολογιστές don't detectανιχνεύουν novelμυθιστόρημα patternsσχέδια and newνέος behaviorsσυμπεριφορές,
157
420417
3117
Οι υπολογιστές δεν ανιχνεύουν νέα μοτίβα
ή συμπεριφορές όπως οι άνθρωποι,
07:19
but humansτου ανθρώπου do. HumansΟι άνθρωποι, usingχρησιμοποιώντας technologyτεχνολογία, testingδοκιμές hypothesesυποθέσεις,
158
423534
3235
που χρησιμοποιούν την τεχνολογία,
κάνουν υποθέσεις, ψάχνουν στοιχεία,
07:22
searchingερευνητικός for insightδιορατικότητα by askingζητώντας machinesμηχανές to do things for them.
159
426769
4620
ζητώντας από τις μηχανές
να βοηθήσουν σε κάποια πράγματα.
07:27
OsamaΟ Οσάμα binαποθήκη LadenΦορτωμένο was not caughtπου αλιεύονται by artificialτεχνητός intelligenceνοημοσύνη.
160
431389
2320
Η τεχνητή νοημοσύνη δεν έπιασε
τον Οσάμα Μπιν Λάντεν,
07:29
He was caughtπου αλιεύονται by dedicatedαφιερωμένη, resourcefulπολυμήχανος, brilliantλαμπρός people
161
433709
2553
τον έπιασαν αποφασισμένοι,
πολυμήχανοι, έξυπνοι άνθρωποι,
07:32
in partnershipsεταιρικές σχέσεις with variousδιάφορος technologiesτεχνολογίες.
162
436262
4269
που συνεργάστηκαν με διάφορες τεχνολογίες.
07:36
As appealingελκυστικό as it mightθα μπορούσε soundήχος, you cannotδεν μπορώ algorithmicallyαλγοριθμικά
163
440531
2818
Είναι ελκυστική ιδέα, αλλά δεν μπορεί
ένας αλγόριθμος να βρει
την απάντηση σε όγκο δεδομένων.
07:39
dataδεδομένα mineδικος μου your way to the answerαπάντηση.
164
443349
1601
07:40
There is no "Find TerroristΤρομοκράτης" buttonκουμπί, and the more dataδεδομένα
165
444950
2855
Δεν υπάρχει κουμπί «Ανεύρεση Τρομοκράτη»,
και όσο περισσότερα δεδομένα
μαζεύουμε από τεράστιο όγκο πηγών,
07:43
we integrateενσωματώνουν from a vastαπέραντος varietyποικιλία of sourcesπηγές
166
447805
2302
07:46
acrossαπέναντι a wideευρύς varietyποικιλία of dataδεδομένα formatsμορφές from very
167
450107
2133
και σε ποικίλες μορφές,
από πολύ ανόμοια συστήματα,
07:48
disparateανόμοιος systemsσυστήματα, the lessπιο λιγο effectiveαποτελεσματικός dataδεδομένα miningεξόρυξη can be.
168
452240
3309
τόσο δυσκολότερη γίνεται
η ανίχνευση πληροφοριών.
Αντί γι' αυτό, πρέπει βλέποντας
τα δεδομένα να βρούμε έμπνευση.
07:51
InsteadΑντίθετα, people will have to look at dataδεδομένα
169
455549
2024
07:53
and searchΨάξιμο for insightδιορατικότητα, and as LickliderLicklider foresawπροέβλεψε long agoπριν,
170
457573
3456
Όπως προέβλεψε ο Λικλάιντερ
πριν από πολλά χρόνια,
07:56
the keyκλειδί to great resultsΑποτελέσματα here is the right typeτύπος of cooperationσυνεργασία,
171
461029
2685
η σωστή συνεργασία είναι το κλειδί
της αποτελεσματικότητας,
07:59
and as KasparovΟ Κασπάροβ realizedσυνειδητοποίησα,
172
463714
1524
και όπως έμαθε ο Κασπάρωφ, αυτό σημαίνει
μείωση της τριβής στη διεπαφή.
08:01
that meansπου σημαίνει minimizingελαχιστοποίηση frictionτριβής at the interfaceδιεπαφή.
173
465238
3031
08:04
Now this approachπλησιάζω makesκάνει possibleδυνατόν things like combingχτένισμα
174
468269
2758
Αυτή η προσέγγιση
καθιστά δυνατό το «χτένισμα»
08:06
throughδιά μέσου all availableδιαθέσιμος dataδεδομένα from very differentδιαφορετικός sourcesπηγές,
175
471027
3386
όλων των διαθέσιμων δεδομένων
από πολύ διαφορετικές πηγές,
08:10
identifyingτον εντοπισμό keyκλειδί relationshipsσχέσεις and puttingβάζοντας them in one placeθέση,
176
474413
2792
το συσχετισμό τους
και τους συνδυασμούς μεταξύ τους,
08:13
something that's been nearlyσχεδόν impossibleαδύνατο to do before.
177
477205
2928
κάτι που ήταν σχεδόν αδύνατον μέχρι τώρα.
08:16
To some, this has terrifyingφοβερός privacyπροστασίας προσωπικών δεδομένων and civilεμφύλιος libertiesελευθεριών
178
480133
1942
Για κάποιους αυτό προσβάλλει
την ιδιωτικότητα
08:17
implicationsεπιπτώσεις. To othersοι υπολοιποι it foretellsπρολέγει of an eraεποχή of greaterμεγαλύτερη
179
482075
3410
και την ελευθερία του πολίτη,
ενώ για άλλους αυξάνει την ιδιωτικότητα
και προστατεύει τις ελευθερίες του πολίτη.
08:21
privacyπροστασίας προσωπικών δεδομένων and civilεμφύλιος libertiesελευθεριών protectionsπροστασίες,
180
485485
1909
08:23
but privacyπροστασίας προσωπικών δεδομένων and civilεμφύλιος libertiesελευθεριών are of fundamentalθεμελιώδης importanceσημασια.
181
487394
2936
Η ιδιωτικότητα και η πολιτική ελευθερία
έχουν τεράστια σημασία,
08:26
That mustπρέπει be acknowledgedαναγνώρισε, and they can't be sweptσάρωσε asideκατά μέρος,
182
490330
2193
πρέπει να τηρηθούν και όχι
να παραμεριστούν για κανένα λόγο.
08:28
even with the bestκαλύτερος of intentsπροθέσεις.
183
492523
2530
Ας ερευνήσουμε, λοιπόν,
με κάποια παραδείγματα,
08:30
So let's exploreεξερευνώ, throughδιά μέσου a coupleζευγάρι of examplesπαραδείγματα, the impactεπίπτωση
184
495053
2518
τον αντίκτυπο που είχαν οι τεχνολογίες
με σκοπό τη συμβίωση ανθρώπου-υπολογιστή
08:33
that technologiesτεχνολογίες builtχτισμένο to driveοδηγώ human-computerανθρώπου-υπολογιστή symbiosisσυμβίωση
185
497571
2406
08:35
have had in recentπρόσφατος time.
186
499977
2919
τα τελευταία χρόνια.
08:38
In OctoberΟκτώβριος, 2007, U.S. and coalitionσυνασπισμός forcesδυνάμεις raidedέφοδο
187
502896
3416
Τον Οκτώβριο του 2007,
οι ΗΠΑ και οι συμμαχικές δυνάμεις
08:42
an alal QaedaΚάιντα safeασφαλής houseσπίτι in the cityπόλη of SinjarSinjar
188
506312
2416
εισέβαλαν σε ένα καταφύγιο
της Αλ Κάιντα στην πόλη Σιντζάρ
08:44
on the SyrianΣυρίας borderσύνορο of IraqΙράκ.
189
508728
1934
στα συριακά σύνορα του Ιράκ.
08:46
They foundβρέθηκαν a treasureθησαυρός trovetrove of documentsέγγραφα:
190
510662
2376
Βρήκαν ένα θησαυρό εγγράφων:
700 βιογραφικά προφίλ ξένων μαχητών,
που είχαν αφήσει τις οικογένειές τους
08:48
700 biographicalΒιογραφικό sketchesσκίτσα of foreignξένο fightersμαχητές.
191
513038
2335
08:51
These foreignξένο fightersμαχητές had left theirδικα τους familiesοικογένειες in the GulfΚόλπος,
192
515373
2584
στον Κόλπο, τη Μέση Ανατολή
και τη Βόρεια Αφρική
08:53
the LevantΛεβάντε and NorthΒόρεια AfricaΑφρική to joinΣυμμετοχή alal QaedaΚάιντα in IraqΙράκ.
193
517957
3146
για να ενταχθούν στην Αλ Κάιντα στο Ιράκ.
08:57
These recordsαρχεία were humanο άνθρωπος resourceπόρος formsμορφές.
194
521103
1616
Αυτά τα έγγραφα ήταν φόρμες
που οι μαχητές είχαν συμπληρώσει
08:58
The foreignξένο fightersμαχητές filledγέματο them out as they joinedεντάχθηκαν the organizationοργάνωση.
195
522719
2855
όταν μπήκαν στην οργάνωση.
09:01
It turnsστροφές out that alal QaedaΚάιντα, too,
196
525574
1211
Τελικά και η Αλ Κάιντα έχει γραφειοκρατία.
09:02
is not withoutχωρίς its bureaucracyγραφειοκρατία. (LaughterΤο γέλιο)
197
526785
2597
(Γέλια)
09:05
They answeredαπάντησε questionsερωτήσεις like, "Who recruitedπροσλαμβάνονται you?"
198
529382
2098
Απαντούσαν ερωτήσεις όπως:
«Ποιος σας επιστράτευσε;»
09:07
"What's your hometownιδιαίτερη πατρίδα?" "What occupationκατοχή do you seekψάχνω?"
199
531480
2854
«Από ποια πόλη κατάγεστε;»
«Τι δουλειά ψάχνετε;»
09:10
In that last questionερώτηση, a surprisingεκπληκτικός insightδιορατικότητα was revealedαποκάλυψε.
200
534334
3169
Και η τελευταία ερώτηση
ήταν και η αποκαλυπτικότερη.
09:13
The vastαπέραντος majorityη πλειοψηφία of foreignξένο fightersμαχητές
201
537503
2400
Οι περισσότεροι από τους ξένους μαχητές
09:15
were seekingαναζητώντας to becomeγίνομαι suicideαυτοκτονία bombersβομβαρδιστικά for martyrdomτο μαρτύριο --
202
539903
2400
ήθελαν να γίνουν βομβιστές αυτοκτονίας
και να θυσιαστούν.
09:18
hugelyεξαιρετικά importantσπουδαίος, sinceΑπό betweenμεταξύ 2003 and 2007, IraqΙράκ
203
542303
4338
Αυτό που έχει τεράστια σημασία
είναι ότι την περίοδο 2003-2007 στο Ιράκ
09:22
had 1,382 suicideαυτοκτονία bombingsβομβιστικές επιθέσεις, a majorμείζων sourceπηγή of instabilityαστάθεια.
204
546641
4244
έγιναν 1.382 βομβισμοί αυτοκτονίας,
που προκάλεσαν μεγάλη αστάθεια.
Η ανάλυση των πληροφοριών
ήταν δύσκολη, ήταν στα Αραβικά,
09:26
AnalyzingΑνάλυση this dataδεδομένα was hardσκληρά. The originalsπρωτότυπα were sheetsφύλλα
205
550885
2058
09:28
of paperχαρτί in ArabicΑραβικά that had to be scannedσάρωση and translatedμεταφραστεί.
206
552943
2742
έπρεπε να σαρωθούν και να μεταφραστούν.
09:31
The frictionτριβής in the processεπεξεργάζομαι, διαδικασία did not allowεπιτρέπω for meaningfulμε νοημα
207
555685
2192
Η διαδικασία δεν επέτρεπε να βγουν
αποτελέσματα έγκαιρα,
09:33
resultsΑποτελέσματα in an operationalεπιχειρήσεων time frameπλαίσιο usingχρησιμοποιώντας humansτου ανθρώπου, PDFsΑρχεία PDF
208
557877
3350
χρησιμοποιώντας μόνο ανθρώπους,
.pdf και αποφασιστικότητα.
09:37
and tenacityεπιμονή aloneμόνος.
209
561227
2218
Οι άνθρωποι-ερευνητές χρειαζόντουσαν
τη βοήθεια της τεχνολογίας
09:39
The researchersερευνητές had to leverμοχλός up theirδικα τους humanο άνθρωπος mindsμυαλά
210
563445
1953
09:41
with technologyτεχνολογία to diveκατάδυση deeperβαθύτερη, to exploreεξερευνώ non-obviousμη προφανή
211
565398
2345
για να μπορέσουν να φτάσουν
πιο βαθειά, σε μη φανερές θεωρίες.
09:43
hypothesesυποθέσεις, and in factγεγονός, insightsπληροφορίες emergedπροέκυψε.
212
567743
3218
Και κατάφεραν να ερμηνεύσουν τα δεδομένα:
09:46
TwentyΕίκοσι percentτοις εκατό of the foreignξένο fightersμαχητές were from LibyaΛιβύη,
213
570961
2644
20% των ξένων μαχητών ήταν από τη Λιβύη,
50% από αυτούς από την ίδια πόλη -
09:49
50 percentτοις εκατό of those from a singleμονόκλινο townπόλη in LibyaΛιβύη,
214
573605
2968
09:52
hugelyεξαιρετικά importantσπουδαίος sinceΑπό priorπριν statisticsστατιστική put that figureεικόνα at
215
576573
2450
αυτό είχε τεράστια σημασία, αφού
προηγούμενες στατιστικές είχαν δείξει 3%.
09:54
threeτρία percentτοις εκατό. It alsoεπίσης helpedβοήθησα to honeακόνι in on a figureεικόνα
216
579023
2383
Βρήκαν επίσης ένα γεγονός
τεράστιας σημασίας για την Αλ Κάιντα:
09:57
of risingαυξανόμενες importanceσημασια in alal QaedaΚάιντα, AbuAbu YahyaYahya al-Libiαλ-Λίμπυ,
217
581406
2977
ο Άμπου Γιάχια Αλ-Λίμπι, ανώτερος κληρικός
στη Λυβική Μαχόμενη Ισλαμική Ομάδα,
10:00
a seniorαρχαιότερος clericκληρικός in the LibyanΛιβύης IslamicΙσλαμική fightingμαχητικός groupομάδα.
218
584383
2631
10:02
In MarchΜάρτιος of 2007, he gaveέδωσε a speechομιλία, after whichοι οποίες there was
219
587014
2664
τον Μάρτιο του 2007 έκανε μια ομιλία
και ακολούθησε ένα κύμα κατατάξεων.
10:05
a surgeκύμα in participationσυμμετοχή amongstμεταξύ των LibyanΛιβύης foreignξένο fightersμαχητές.
220
589678
3466
Ίσως το πιο έξυπνο, και λιγότερο φανερό
ήταν που, αναποδογυρίζοντας τα στοιχεία,
10:09
PerhapsΊσως mostπλέον cleverέξυπνος of all, thoughαν και, and leastελάχιστα obviousφανερός,
221
593144
3106
10:12
by flippingρίχνεις the dataδεδομένα on its headκεφάλι, the researchersερευνητές were
222
596250
2073
οι ερευνητές μπόρεσαν να μάθουν
για τα δίκτυα οργάνωσης στη Συρία,
10:14
ableικανός to deeplyκατα ΒΑΘΟΣ exploreεξερευνώ the coordinationσυντονισμός networksδικτύων in SyriaΣυρία
223
598323
2900
10:17
that were ultimatelyτελικά responsibleυπεύθυνος for receivingλήψη and
224
601223
2517
υπεύθυνα για την υποδοχή και μεταφορά
των ξένων μαχητών στα σύνορα.
10:19
transportingμεταφορά the foreignξένο fightersμαχητές to the borderσύνορο.
225
603740
2464
Αυτά ήταν δίκτυα μισθοφόρων
και όχι ιδεαλιστών,
10:22
These were networksδικτύων of mercenariesμισθοφόροι, not ideologuesιδεολόγοι,
226
606204
2633
10:24
who were in the coordinationσυντονισμός businessεπιχείρηση for profitκέρδος.
227
608837
2398
που συντόνιζαν το δίκτυο για το κέρδος.
10:27
For exampleπαράδειγμα, they chargedφορτισμένα SaudiΣαουδική Αραβία foreignξένο fightersμαχητές
228
611235
1904
Για παράδειγμα χρέωναν τους Σαουδάραβες
10:29
substantiallyουσιαστικά more than LibyansΛίβυοι, moneyχρήματα that would have
229
613139
2199
πολύ περισσότερα από ό,τι τους Λίβυους,
λεφτά που προορίζονταν για την Αλ Κάιντα.
10:31
otherwiseσε διαφορετική περίπτωση goneχαμένος to alal QaedaΚάιντα.
230
615338
2320
10:33
PerhapsΊσως the adversaryαντίπαλος would disruptαναστατώνω theirδικα τους ownτα δικά networkδίκτυο
231
617658
2045
Ίσως ο εχθρός να έστηνε δικό του δίκτυο,
αν ήξερε ότι έκλεβαν τα νέα μέλη.
10:35
if they knewήξερε they cheatingεξαπατηση would-beεπίδοξοι jihadistsτζιχαντιστές.
232
619703
3035
Τον Ιανουάριο 2010, ένας καταστρεπτικός
σεισμός των 7 Ρίχτερ έπληξε την Αϊτή.
10:38
In JanuaryΙανουάριος, 2010, a devastatingκαταστροφικά 7.0 earthquakeσεισμός struckχτύπησε HaitiΑϊτή,
233
622738
3745
10:42
thirdτρίτος deadliestθανατηφόρα earthquakeσεισμός of all time, left one millionεκατομμύριο people,
234
626483
2916
Ο τρίτος πιο θανατηφόρος ανά τους αιώνες,
άφησε ένα εκατομμύριο,
το 10% του πληθυσμού, άστεγους.
10:45
10 percentτοις εκατό of the populationπληθυσμός, homelessάστεγοι.
235
629399
2584
10:47
One seeminglyφαινομενικώς smallμικρό aspectάποψη of the overallΣυνολικά reliefανακούφιση effortπροσπάθεια
236
631983
3137
Ένα φαινομενικά ασήμαντο στοιχείο
της προσπάθειας διάσωσης
10:51
becameέγινε increasinglyόλο και περισσότερο importantσπουδαίος as the deliveryδιανομή of foodτροφή
237
635120
2176
απέκτησε διαστάσεις με την άφιξη
τροφίμων και νερού.
10:53
and waterνερό startedξεκίνησε rollingκυλιομένος.
238
637296
2160
Τον Ιανουάριο και Φεβρουάριο
δε βρέχει στην Αϊτή,
10:55
JanuaryΙανουάριος and FebruaryΦεβρουάριος are the dryξηρός monthsμήνες in HaitiΑϊτή,
239
639456
1458
10:56
yetΑκόμη manyΠολλά of the campsστρατόπεδα had developedαναπτηγμένος standingορθοστασία waterνερό.
240
640914
2942
εντούτοις πολλοί καταυλισμοί
απέκτησαν λιμνάζοντα νερά.
10:59
The only institutionΊδρυμα with detailedλεπτομερείς knowledgeη γνώση of Haiti'sΤης Αϊτής
241
643856
2122
Ο μόνος οργανισμός με λεπτομερή γνώση
για πλημμύρες στην Αϊτή
11:01
floodplainsπλημμυρικές περιοχές had been leveledισοπέδωσε
242
645978
1297
11:03
in the earthquakeσεισμός, leadershipηγεσία insideμέσα.
243
647275
3008
είχε ισοπεδωθεί στο σεισμό,
μέχρι και την ηγεσία του.
11:06
So the questionερώτηση is, whichοι οποίες campsστρατόπεδα are at riskκίνδυνος,
244
650283
2575
Ποιοι από τους καταυλισμούς κινδύνευαν;
Πόσα άτομα βρίσκονταν σε αυτούς;
11:08
how manyΠολλά people are in these campsστρατόπεδα, what's the
245
652858
1921
Πόσο χρόνο είχαν στη διάθεσή τους;
11:10
timelineΧρονολόγιο for floodingπλημμύρα, and givenδεδομένος very limitedπεριωρισμένος resourcesπόροι
246
654779
2311
Και δεδομένων των ελάχιστων
πόρων και υποδομών
11:12
and infrastructureυποδομή, how do we prioritizeπροτεραιότητα the relocationμετεγκατάσταση?
247
657090
3384
με ποιες προτεραιότητες
θα γινόταν η μετεγκατάσταση;
11:16
The dataδεδομένα was incrediblyαπίστευτα disparateανόμοιος. The U.S. ArmyΣτρατού had
248
660474
2344
Είχαν λίγα στοιχεία, ο στρατός των ΗΠΑ
είχε χάρτες μικρού ποσοστού της χώρας.
11:18
detailedλεπτομερείς knowledgeη γνώση for only a smallμικρό sectionΕνότητα of the countryΧώρα.
249
662818
2929
Υπήρχαν κάποια στοιχεία στο διαδίκτυο
από περιβαλλοντική έρευνα του 2006,
11:21
There was dataδεδομένα onlineσε απευθείας σύνδεση from a 2006 environmentalπεριβάλλοντος riskκίνδυνος
250
665747
2511
11:24
conferenceδιάσκεψη, other geospatialγεω-χωρικών δεδομένων dataδεδομένα, noneκανένας of it integratedολοκληρωμένο.
251
668258
2664
δεν υπήρχαν στοιχεία γεωεπισκόπησης.
11:26
The humanο άνθρωπος goalστόχος here was to identifyαναγνωρίζω campsστρατόπεδα for relocationμετεγκατάσταση
252
670922
2958
Οι άνθρωποι έπρεπε να βρουν
τους καταυλισμούς για μετακίνηση,
11:29
basedμε βάση on priorityπροτεραιότητα need.
253
673880
2395
με βάση τις ανάγκες και προτεραιότητες.
11:32
The computerυπολογιστή had to integrateενσωματώνουν a vastαπέραντος amountποσό of geospacialgeospacial
254
676275
2440
Το κομπιούτερ έπρεπε να αναλύσει
πολλά στοιχεία γεωεπισκόπησης,
11:34
informationπληροφορίες, socialκοινωνικός mediaμεσο ΜΑΖΙΚΗΣ ΕΝΗΜΕΡΩΣΗΣ dataδεδομένα and reliefανακούφιση organizationοργάνωση
255
678715
2584
διαδικτυακά στοιχεία και στοιχεία
από τους οργανισμούς ανακούφισης
11:37
informationπληροφορίες to answerαπάντηση this questionερώτηση.
256
681299
3480
για να απαντήσουν αυτές τις ερωτήσεις.
11:40
By implementingυλοποίηση a superiorανώτερος processεπεξεργάζομαι, διαδικασία, what was otherwiseσε διαφορετική περίπτωση
257
684779
2415
Κάποιες διεργασίες που θα χρειάζονταν
40 ανθρώπους σε τρεις μήνες,
11:43
a taskέργο for 40 people over threeτρία monthsμήνες becameέγινε
258
687194
2608
έγιναν μια απλή δουλειά
για τρία άτομα σε 40 ώρες,
11:45
a simpleαπλός jobδουλειά for threeτρία people in 40 hoursώρες,
259
689802
3176
11:48
all victoriesνίκες for human-computerανθρώπου-υπολογιστή symbiosisσυμβίωση.
260
692978
2628
οι άνθρωποι και τα κομπιούτερ
σε συνεργασία.
11:51
We're more than 50 yearsχρόνια into Licklider'sΤου Licklider visionόραμα
261
695606
2054
50 χρόνια μετά το όραμα
του Λίνκλαϊντερ για το μέλλον,
11:53
for the futureμελλοντικός, and the dataδεδομένα suggestsπροτείνει that we should be
262
697660
2242
οι ενδείξεις επιτρέπουν να χαρούμε
11:55
quiteαρκετά excitedερεθισμένος about tacklingη αντιμετώπιση της this century'sτου αιώνα hardestπιο δύσκολο problemsπροβλήματα,
263
699902
3030
ότι στον αιώνα μας θα λύνουμε
τα σοβαρότερα προβλήματα
11:58
man and machineμηχανή in cooperationσυνεργασία togetherμαζί.
264
702932
2947
δουλεύοντας μαζί σε συνεργασία,
άνθρωποι και μηχανές.
12:01
Thank you. (ApplauseΧειροκροτήματα)
265
705879
2197
Ευχαριστώ.
(Χειροκρότημα)
12:03
(ApplauseΧειροκροτήματα)
266
708076
2505
Translated by Maria Pericleous
Reviewed by Stefanos Reppas

▲Back to top

ABOUT THE SPEAKER
Shyam Sankar - Data Intelligence Agent
An 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.

More profile about the speaker
Shyam Sankar | Speaker | TED.com