TED2009
Tim Berners-Lee: The next web
تیم برنرز- لی درباره ی وب آینده
Filmed:
Readability: 3.8
1,638,798 views
20 سال قبل، تیم برنرز- لی وب جهانی را اختراع کرد. او برای پروژه ی آینده اش، وبی را برای داده های باز و مرتبط می سازد که می تواند همان کاری را برای اعداد انجام دهد که وب کنونی برای کلمات، تصاویر، ویدیو انجام می دهد: بازگشایی داده های ما و دوباره تنظیم کردن روشی که ما از آنها با هم استفاده می کنیم.
Tim Berners-Lee - Inventor
Tim Berners-Lee invented the World Wide Web. He leads the World Wide Web Consortium (W3C), overseeing the Web's standards and development. Full bio
Tim Berners-Lee invented the World Wide Web. He leads the World Wide Web Consortium (W3C), overseeing the Web's standards and development. Full bio
Double-click the English transcript below to play the video.
00:18
Time flies.
0
0
2000
زمان پرواز می کند.
00:20
It's actually almost 20 years ago
1
2000
2000
در حقیقت حدود 20 سال پیش بود
00:22
when I wanted to reframe the way we use information,
2
4000
4000
وقتی که می خواستم روشی را که ما از اطلاعات استفاده می کنیم را دوباره چارچوب بندی کنم.
00:26
the way we work together: I invented the World Wide Web.
3
8000
3000
روشی که ما با هم کار می کنیم: من وب جهانی را اختراع کردم.
00:29
Now, 20 years on, at TED,
4
11000
3000
الان، 20 سال بعد از آن ، در TED،
00:32
I want to ask your help in a new reframing.
5
14000
4000
می خواهم از شما کمک بگیرم برای یک چارچوب بندی جدیدی .
00:37
So going back to 1989,
6
19000
4000
پس به عقب برمی گردیم به سال 1989،
00:41
I wrote a memo suggesting the global hypertext system.
7
23000
3000
من یک یادداشت نوشتم و یک سیستم جهانی فرامتنی (hypertext) پیشنهاد کردم.
00:44
Nobody really did anything with it, pretty much.
8
26000
3000
کسی واقعا کاری برای آن نکرد بود ، تقریبا
00:47
But 18 months later -- this is how innovation happens --
9
29000
4000
ولی 18 ماه بعد--این است که چگونه اختراعی به وقوع می پیوندد--
00:51
18 months later, my boss said I could do it on the side,
10
33000
4000
18 ماه بعد، مدیر من گفت که من می توانم آن را در کنار کارهای دیگر انجام دهم،
00:55
as a sort of a play project,
11
37000
2000
به عنوان یک پروژه سرگرمی،
00:57
kick the tires of a new computer we'd got.
12
39000
2000
با استفاده از یک کامپیوتر جدیدی که داشتیم آماده کار شدم .
00:59
And so he gave me the time to code it up.
13
41000
3000
و او به من فرصت آن را داد تا آن را رمز گذاری و برنامه نویسی کنم.
01:02
So I basically roughed out what HTML should look like:
14
44000
5000
خُب من HTML را شبیه چیزی که باید باشه در آوردم:
01:07
hypertext protocol, HTTP;
15
49000
3000
پروتکل فرامتنی، HTTP
01:10
the idea of URLs, these names for things
16
52000
3000
ایده ی URL، این اسامی برای چیزهایی
01:13
which started with HTTP.
17
55000
2000
که با HTTP شروع شدند
01:15
I wrote the code and put it out there.
18
57000
2000
من برنامه رو نوشتم و آنجا گذاشتم
01:17
Why did I do it?
19
59000
2000
چرا من این کار را کردم؟
01:19
Well, it was basically frustration.
20
61000
2000
خوب، اساسا این ناامیدی بود
01:21
I was frustrated -- I was working as a software engineer
21
63000
4000
من ناامید بودم -- به عنوان یک مهندس نرم افزار کار می کردم
01:25
in this huge, very exciting lab,
22
67000
2000
در یک آزمایشگاه بسیار بزرگ و خیلی جالب
01:27
lots of people coming from all over the world.
23
69000
2000
بسیاری از افراد از سراسر جهان آمده بودند
01:29
They brought all sorts of different computers with them.
24
71000
3000
آنها با خودشان همه نوع کامپیوترهای مختلفی را آوردند
01:32
They had all sorts of different data formats,
25
74000
3000
آنها همه نوع فرمتهای داده ها را داشتند
01:35
all sorts, all kinds of documentation systems.
26
77000
2000
همه نوع، همه جور سیستمهای اسناد ومدارک
01:37
So that, in all that diversity,
27
79000
3000
بنابراین، دروسط اون همه تنوع
01:40
if I wanted to figure out how to build something
28
82000
2000
اگر می خواستم بدونم که چه جوری می شه چیزی را ساخت
01:42
out of a bit of this and a bit of this,
29
84000
2000
از کمی از این و کمی از آن ،
01:44
everything I looked into, I had to connect to some new machine,
30
86000
4000
و هرچیزی را که بررسی می کردم، مجبور بودم به بعضی از ماشینهای جدید وصل بشوم
01:48
I had to learn to run some new program,
31
90000
2000
مجبور بودم یاد بگیرم که بعضی از برنامه های جدید را اجرا کنم
01:50
I would find the information I wanted in some new data format.
32
92000
5000
اطلاعاتی را که می خواستم در بعضی از فرمتهای داده های جدید پیدا می کردم
01:55
And these were all incompatible.
33
97000
2000
و تمام اینها با هم ناسازگار بودند
01:57
It was just very frustrating.
34
99000
2000
این واقعا خیلی ناامید کننده بود.
01:59
The frustration was all this unlocked potential.
35
101000
2000
ناامیدیی که تمام این پتانسیل فقل نشده بود
02:01
In fact, on all these discs there were documents.
36
103000
3000
در واقع، بر روی تمام آن دیسکها، سندها و مدارکی وجود داشت
02:04
So if you just imagined them all
37
106000
3000
خوب اگر شما فقط همه ی آنها را تصور کنید
02:07
being part of some big, virtual documentation system in the sky,
38
109000
5000
که قسمتی از یک سیستم بزرگ و مجازی سندها و مدارک در آسمان باشند
02:12
say on the Internet,
39
114000
2000
بگیم مثلا بر روی اینترنت
02:14
then life would be so much easier.
40
116000
2000
در آن صورت، زندگی خیلی بیشتر آسانتر می شه
02:16
Well, once you've had an idea like that it kind of gets under your skin
41
118000
4000
خوب، وقتی که یه ایده ای داری که وارد وجودت می شه
02:20
and even if people don't read your memo --
42
122000
2000
و حتی اگه مردم یادداشتهای تو رو نخونن
02:22
actually he did, it was found after he died, his copy.
43
124000
3000
در واقع او این کار را کرده بود، بعد از فوتش پیدا شد، کپی آن
02:25
He had written, "Vague, but exciting," in pencil, in the corner.
44
127000
3000
نوشته شده بود با مداد در گوشه ، " نامعلوم، ولی جالب"
02:28
(Laughter)
45
130000
2000
(خنده حضار)
02:30
But in general it was difficult -- it was really difficult to explain
46
132000
4000
ولی در مجموع مشکل بود-- خیلی مشکل بود که توضیح بدهی
02:34
what the web was like.
47
136000
2000
که وب به چه شکل بود
02:36
It's difficult to explain to people now that it was difficult then.
48
138000
2000
الان مشکل است که به مردم توضیح بدهی که ان موقع مشکل و سخت بوده است
02:38
But then -- OK, when TED started, there was no web
49
140000
3000
ولی بعد-- خوب، وقتی TED شروع شد، وبی وجود نداشت
02:41
so things like "click" didn't have the same meaning.
50
143000
3000
بنابراین چیزهایی مثل "کلیک" مفهومی مثل مفهوم الان نداشت
02:44
I can show somebody a piece of hypertext,
51
146000
2000
من می توانم به کسی یک قطعه ای از فرامتن را نشان بدهم
02:46
a page which has got links,
52
148000
2000
یک صفحه ی دارای لینکها
02:48
and we click on the link and bing -- there'll be another hypertext page.
53
150000
4000
و وقتی که روی یک لینک، کلیک می کنیم-- یک صفحه ی فرامتنی دیگر باز می شود
02:52
Not impressive.
54
154000
2000
اصلا جالب نیست
02:54
You know, we've seen that -- we've got things on hypertext on CD-ROMs.
55
156000
3000
می دونید که ما آن را دیده ایم-- بر روی CD-ROM ها چیزهای فرامتنی داشته ایم
02:57
What was difficult was to get them to imagine:
56
159000
3000
چیزی که مشکل بود این بود که چه طور آنها را تصور کنیم
03:00
so, imagine that that link could have gone
57
162000
4000
خوب، تصور اینکه آن لینک می تونه در واقع بره به
03:04
to virtually any document you could imagine.
58
166000
2000
هر سندی که شما می تونید تصور می کنید
03:07
Alright, that is the leap that was very difficult for people to make.
59
169000
4000
بسیار خوب، این پرشی است که انجام آن برای افراد بسیار مشکل است
03:11
Well, some people did.
60
173000
2000
خوب، بعضی افراد انجام دادند
03:13
So yeah, it was difficult to explain, but there was a grassroots movement.
61
175000
3000
بله، خیلی مشکل است که توضیح بدهی، ولی یک حرکت اساسی و مردمی وجود داشت
03:17
And that is what has made it most fun.
62
179000
4000
که آن را چیزی را که میساخت برای سرگرمی بود.
03:21
That has been the most exciting thing,
63
183000
2000
و این بیشترین چیز هیجانی آن است
03:23
not the technology, not the things people have done with it,
64
185000
2000
نه فناوری، نه چیزهایی که افراد با آنها کار را انجام داده اند
03:25
but actually the community, the spirit of all these people
65
187000
2000
بلکه در واقع اجتماع، روحیه ی همه ی این افراد
03:27
getting together, sending the emails.
66
189000
2000
با هم شده، ایمیل ها فرستاده شده
03:29
That's what it was like then.
67
191000
2000
این است چیزی که شبیه آن بود
03:31
Do you know what? It's funny, but right now it's kind of like that again.
68
193000
3000
می دانید چی؟ خنده دار است ولی همین الان این تقریبا شبیه آن موقع شده است دوباره
03:34
I asked everybody, more or less, to put their documents --
69
196000
2000
من از همه پرسیدم، کمتر و بیشتر، سندها و مدارک خود را بگذارند--
03:36
I said, "Could you put your documents on this web thing?"
70
198000
3000
من گفتم "می شه سندها و مدارک خودتان را بروی این وب بگذارید؟"
03:39
And you did.
71
201000
3000
و شما انجام دادید
03:42
Thanks.
72
204000
1000
ممنون
03:43
It's been a blast, hasn't it?
73
205000
2000
این یک معرکه بود. نبود؟
03:45
I mean, it has been quite interesting
74
207000
2000
منظورم این است، این خیلی جالب بود
03:47
because we've found out that the things that happen with the web
75
209000
2000
به دلیل اینکه متوجه شدیم که چیزهایی که بر روی وب در حال روی دادن است
03:49
really sort of blow us away.
76
211000
2000
واقعا هوش از کله ادم می پراند!
03:51
They're much more than we'd originally imagined
77
213000
2000
آنها بسیار بیشتراز چیزهایی بودند که ما در اصل تصور می کردیم
03:53
when we put together the little, initial website
78
215000
2000
وقتی کم کم در کنار هم قرار دادیم، وب سایت اولیه ای
03:55
that we started off with.
79
217000
2000
که ما با آن شروع کردیم
03:57
Now, I want you to put your data on the web.
80
219000
3000
الان، من از شما می خواهم که داده های خود را بر روی وب قرار دهید
04:00
Turns out that there is still huge unlocked potential.
81
222000
4000
معلوم می شود که پتانسیل عظیم قفل نشده ای که وجود دارد.
04:04
There is still a huge frustration
82
226000
2000
هنوز مردم نا امیدی زیادی دارند به دلیل اینکه ما داده ها را بر روی وب به عنوان داده نگرفتیم.
04:06
that people have because we haven't got data on the web as data.
83
228000
4000
هنوز مردم نا امیدی زیادی دارند به دلیل اینکه ما داده ها را بر روی وب به عنوان داده نگرفتیم.
04:10
What do you mean, "data"? What's the difference -- documents, data?
84
232000
2000
منظور از "داده" چیست؟ چه تفاوتی بین داده و سند و مدارک وجود دارد؟
04:12
Well, documents you read, OK?
85
234000
3000
خوب، سند و مدارک را شما می خوانی، خوب؟
04:15
More or less, you read them, you can follow links from them, and that's it.
86
237000
3000
کم و بیش، شما آنها را می خوانید، لینکهایی را دنبال می کنید از آنها، و این است.
04:18
Data -- you can do all kinds of stuff with a computer.
87
240000
2000
داده -- شما می توانید همه کارهای مختلفی را با کامپیوتر انجام دهید.
04:20
Who was here or has otherwise seen Hans Rosling's talk?
88
242000
6000
چه کسی آنجا بود یا سخنرانی هانس رسلینگ (Hans Rosling) را دیده؟
04:26
One of the great -- yes a lot of people have seen it --
89
248000
4000
یکی از بهترینها-- بله تعداد بسیار زیادی از مردم آن را دیده اند--
04:30
one of the great TED Talks.
90
252000
2000
یکی از بهترین سخنرانی های TED
04:32
Hans put up this presentation
91
254000
2000
هنس (Hans) این ارایه را قرار داد
04:34
in which he showed, for various different countries, in various different colors --
92
256000
5000
که او در آن، برای کشورهای مختلف، رنگ های مختلف نشان داد،
04:39
he showed income levels on one axis
93
261000
3000
سطح درآمد را در یک محور نشان داد
04:42
and he showed infant mortality, and he shot this thing animated through time.
94
264000
3000
و اومرگ و میر نوزادان را نشان داد ، و او این چیز را به صورت متحرک در طول زمان نشان داد.
04:45
So, he'd taken this data and made a presentation
95
267000
4000
بنابراین، او این داده ها را گرفته و یک ارائه ساخته است
04:49
which just shattered a lot of myths that people had
96
271000
3000
که بسیاری از افسانه هایی که مردم دارند را درهم شکست
04:52
about the economics in the developing world.
97
274000
4000
در مورد اقتصاد در جهان در حال توسعه.
04:56
He put up a slide a little bit like this.
98
278000
2000
او یک اسلاید کمی شبیه به این قرار داد.
04:58
It had underground all the data
99
280000
2000
این منبع تمام داده ها بود
05:00
OK, data is brown and boxy and boring,
100
282000
3000
خوب، داده ها قهوه ای، جعبه مانند و خسته کننده است،
05:03
and that's how we think of it, isn't it?
101
285000
2000
و این است چیزی که ما از آن فکر می کنم، نه؟
05:05
Because data you can't naturally use by itself
102
287000
3000
چونکه شما نمی توانید به طور طبیعی به خودی خود از آن استفاده کنید
05:08
But in fact, data drives a huge amount of what happens in our lives
103
290000
4000
اما در واقع، داده ها همواره از مقدار زیادی از آنچه اتفاق می افتد در زندگی ما
05:12
and it happens because somebody takes that data and does something with it.
104
294000
3000
و آن اتفاق می افتد استخراج می شوند ، زیرا کسی داده ها را گرفته و کاری با آن انجام داده است.
05:15
In this case, Hans had put the data together
105
297000
2000
در این مورد، هنس داده ها را با هم قرار داده بود
05:17
he had found from all kinds of United Nations websites and things.
106
299000
5000
او داده ها را از همه ی انواع وب سایت های سازمان ملل متحد و چیزهای دیگر پیدا کرده
05:22
He had put it together,
107
304000
2000
او آن را باهم قرار داده بود
05:24
combined it into something more interesting than the original pieces
108
306000
3000
ترکیب می کرد آن را به چیزی جالب تر از قطعات اصلی
05:27
and then he'd put it into this software,
109
309000
5000
و پس آن را در این نرم افزار قرار داده بود
05:32
which I think his son developed, originally,
110
314000
2000
که من فکر می کنم پسرش، در اصل، کدش را نوشته بود
05:34
and produces this wonderful presentation.
111
316000
3000
و این ارائه فوق العاده را تولید کرده است
05:37
And Hans made a point
112
319000
2000
و هانس به نکته ای اشاره کرد
05:39
of saying, "Look, it's really important to have a lot of data."
113
321000
4000
گفت: نگاه کن، واقعا مهم است که داده زیادی داشته باشی
05:43
And I was happy to see that at the party last night
114
325000
3000
و من خوشحال بودم که ببینیم که در مهمانی شب گذشته
05:46
that he was still saying, very forcibly, "It's really important to have a lot of data."
115
328000
4000
که او بسیار قاطع گفت، واقعا مهم است که بسیاری داده داشته باشی
05:50
So I want us now to think about
116
332000
2000
بنابراین از خودمان می خواهم که فکر کنیم درباره ی
05:52
not just two pieces of data being connected, or six like he did,
117
334000
4000
نه تنها از دو قطعه داده ها متصل شود، یا شش قطعه مانند کاری که او انجام داد
05:56
but I want to think about a world where everybody has put data on the web
118
338000
5000
اما من می خواهم در مورد جهان که در آن همه داده ها بر روی وب قرار داده فکر می کنم
06:01
and so virtually everything you can imagine is on the web
119
343000
2000
و تقریبا همه چیزی که می توانید تصور کنید بر روی وب است
06:03
and then calling that linked data.
120
345000
2000
و سپس داده های مرتبط را فراخوانی کنید
06:05
The technology is linked data, and it's extremely simple.
121
347000
2000
فن آوری، داده های مرتبط است، و بسیار ساده است
06:07
If you want to put something on the web there are three rules:
122
349000
4000
اگر می خواهید چیزی بر روی وب قراربدهید، سه قانون وجود دارد
06:11
first thing is that those HTTP names --
123
353000
3000
اولین، چیزهایی است با نام HTTP -
06:14
those things that start with "http:" --
124
356000
2000
آن چیزهایی است که با "HTTP:" شروع می شود --
06:16
we're using them not just for documents now,
125
358000
4000
ما ازآنها الان تنها برای اسناد و مدارک استفاده نمی کنیم
06:20
we're using them for things that the documents are about.
126
362000
2000
ما ازآنها برای چیزهایی استفاده می کنیم که اسناد و مدارک در موردشان است
06:22
We're using them for people, we're using them for places,
127
364000
2000
ما از آنها برای افراد و مکان ها استفاده می کنیم
06:24
we're using them for your products, we're using them for events.
128
366000
4000
ما ار آنها برای محصولات استفاده می کنیم، برای رویدادها و حوادث
06:28
All kinds of conceptual things, they have names now that start with HTTP.
129
370000
4000
همه نوع چیزهای مفهومی، آنها دارای اسامی هستند که با HTTP شروع می شود
06:32
Second rule, if I take one of these HTTP names and I look it up
130
374000
5000
قانون دوم، اگر من یکی از این نام های HTTP را در نظر بگیرم وآن را جستجو کنم
06:37
and I do the web thing with it and I fetch the data
131
379000
2000
و انجام بدهم وب و اینها را با آن و داده ها را واکشی کنم
06:39
using the HTTP protocol from the web,
132
381000
2000
با استفاده از پروتکل HTTP از وب
06:41
I will get back some data in a standard format
133
383000
3000
من تقریبا داده ها در یک قالب استاندارد خواهم گرفت
06:44
which is kind of useful data that somebody might like to know
134
386000
5000
که نوعی از داده های مفید است که ممکن است کسی بخواهد بداند
06:49
about that thing, about that event.
135
391000
2000
در مورد آن چیز، درباره ی آن رویداد
06:51
Who's at the event? Whatever it is about that person,
136
393000
2000
چه کسی در این مراسم است؟ هر آنچه را که در مورد آن شخص است
06:53
where they were born, things like that.
137
395000
2000
جایی که آنها متولد شدند، چیزهایی شبیه به آن
06:55
So the second rule is I get important information back.
138
397000
2000
بنابراین قانون دوم این است که اطلاعات مهم را بازپس بگیرم
06:57
Third rule is that when I get back that information
139
399000
4000
قانون سوم این است که زمانی که من اطلاعات را بازپس گرفتم
07:01
it's not just got somebody's height and weight and when they were born,
140
403000
3000
نه تنها قد و وزن کسی است و وقتی که آنها متولد شدند
07:04
it's got relationships.
141
406000
2000
آن روابطی است که به وجود آمده است
07:06
Data is relationships.
142
408000
2000
داده ها روابط است
07:08
Interestingly, data is relationships.
143
410000
2000
جالب توجه است، داده ها روابط است
07:10
This person was born in Berlin; Berlin is in Germany.
144
412000
4000
این شخص در برلین متولد شد، و برلین در آلمان است
07:14
And when it has relationships, whenever it expresses a relationship
145
416000
3000
و هنگامی که آن روابط وجود دارند، هر زمان که بیانگر یک رابطه باشند
07:17
then the other thing that it's related to
146
419000
3000
سپس چیز دیگری که آن را مرتبط می کند
07:20
is given one of those names that starts HTTP.
147
422000
4000
یکی از آن اسامی داده می شود که با HTTP شروع می شود
07:24
So, I can go ahead and look that thing up.
148
426000
2000
بنابراین، من می توانم پیش برویم وآن چیز را جستجو کنم
07:26
So I look up a person -- I can look up then the city where they were born; then
149
428000
3000
بنابراین من جستجو می کنم یک فرد را - سپس می توانم شهری را که در آن متولد شده جستجو کنم؛ و پس از آن
07:29
I can look up the region it's in, and the town it's in,
150
431000
3000
منطقه ای که از آن است را جستجو کنم، و سپس شهری که در آن منطقه قرار دارد
07:32
and the population of it, and so on.
151
434000
3000
و جمعیت آن، و غیره
07:35
So I can browse this stuff.
152
437000
2000
بنابراین من می توانم این مسائل را مرور کنم
07:37
So that's it, really.
153
439000
2000
خُب همین است، واقعا
07:39
That is linked data.
154
441000
2000
این داده های مرتبط است
07:41
I wrote an article entitled "Linked Data" a couple of years ago
155
443000
3000
من چند سال پیش مقاله ای نوشتم تحت عنوان: داده های مرتبط
07:44
and soon after that, things started to happen.
156
446000
4000
و خیلی زود پس از آن، همه چیز شروع شد به اتفاق افتادن
07:48
The idea of linked data is that we get lots and lots and lots
157
450000
4000
ایده ی داده های مرتبط است که ما می گیریم تعداد بسیار بسیار بسیار زیادی از
07:52
of these boxes that Hans had,
158
454000
2000
این جعبه هایی که هنس داشت
07:54
and we get lots and lots and lots of things sprouting.
159
456000
2000
و ما به تعداد بسیار بسیار و بسیارزیادی از چیزهایی که درحال جوانه زدن هستند.
07:56
It's not just a whole lot of other plants.
160
458000
3000
این فقط تعداد زیادی از گیاهان نیست .
07:59
It's not just a root supplying a plant,
161
461000
2000
این فقط یک ریشه که یک گیاه را نگه می دارد نیست
08:01
but for each of those plants, whatever it is --
162
463000
3000
بلکه برای هر یک از این گیاهان، هر آنچه در آن است--
08:04
a presentation, an analysis, somebody's looking for patterns in the data --
163
466000
3000
ارائه، تجزیه و تحلیل، کسی به دنبال الگوهای موجود در داده ها
08:07
they get to look at all the data
164
469000
3000
آنها به دنبال تمام داده ها نگاه بندازند
08:10
and they get it connected together,
165
472000
2000
و آنها آن را متصل به هم کنند،
08:12
and the really important thing about data
166
474000
2000
و چیزی که واقعا در مورد داده ها مهم است
08:14
is the more things you have to connect together, the more powerful it is.
167
476000
2000
این است که هر چه شما چیزهای بیشتری برای ارتباط با یکدیگر داشته باشید، قوی تر خواهد بود
08:16
So, linked data.
168
478000
2000
بنابراین، داده های مرتبط
08:18
The meme went out there.
169
480000
2000
ایده از آنجا بیرون رفت
08:20
And, pretty soon Chris Bizer at the Freie Universitat in Berlin
170
482000
4000
و خیلی زود کریس بیزر در دانشگاه فرییر در برلین
08:24
who was one of the first people to put interesting things up,
171
486000
2000
که یکی از اولین کسانی که چیزهای جالب را انجام می داد
08:26
he noticed that Wikipedia --
172
488000
2000
وی متوجه شد که ویکیپدیا--
08:28
you know Wikipedia, the online encyclopedia
173
490000
3000
شما ویکیپدیا، دانشنامه آنلاین را میشناسید
08:31
with lots and lots of interesting documents in it.
174
493000
2000
با مقدار زیادی از اسناد جالب، که در آن است
08:33
Well, in those documents, there are little squares, little boxes.
175
495000
4000
خب، در آن اسناد، مربع های کوچک، جعبه های کوچک وجود دارد
08:37
And in most information boxes, there's data.
176
499000
3000
و در بیشتر جعبه های اطلاعات، داده هایی وجود دارد
08:40
So he wrote a program to take the data, extract it from Wikipedia,
177
502000
4000
خُب او برنامه ای را نوشت که داده های را بگیرد ، آنها را از ویکیپدیا استخراج کرد،
08:44
and put it into a blob of linked data
178
506000
2000
و آن را به یک حبابی از داده های مرتبط تبدیل کرد
08:46
on the web, which he called dbpedia.
179
508000
3000
بر روی وب، که آن را dbpedia نامید
08:49
Dbpedia is represented by the blue blob in the middle of this slide
180
511000
4000
Dbpedia توسط حباب آبی در وسط این اسلاید نشان داده شده
08:53
and if you actually go and look up Berlin,
181
515000
2000
و اگر شما واقعا بروید و به کلمه "برلین" نگاه کنید
08:55
you'll find that there are other blobs of data
182
517000
2000
حباب های دیگری از داده ها را پیدا می کنید
08:57
which also have stuff about Berlin, and they're linked together.
183
519000
3000
که همچنین چیزهایی در مورد برلین دارند، و آنها در ارتباط با یکدیگرهستند
09:00
So if you pull the data from dbpedia about Berlin,
184
522000
3000
بنابراین اگر داده ها را از dbpedia در مورد برلین بکشید
09:03
you'll end up pulling up these other things as well.
185
525000
2000
شما در نهایت همه ی چیزهای دیگر را همراه آن می کشید
09:05
And the exciting thing is it's starting to grow.
186
527000
3000
و نکته هیجان انگیز این است که آن شروع به رشد می کند
09:08
This is just the grassroots stuff again, OK?
187
530000
2000
این تنها یک حرکت مردمیست ، دوباره ، بسیار خوب؟
09:10
Let's think about data for a bit.
188
532000
3000
بیایید در مورد داده ها کمی فکر می کنم
09:13
Data comes in fact in lots and lots of different forms.
189
535000
3000
داده ها می آید در واقع از اشکال بسیار بسیار مختلفی می آیند
09:16
Think of the diversity of the web. It's a really important thing
190
538000
3000
به تنوع وب فکر کنید. این چیز واقعا مهمی است
09:19
that the web allows you to put all kinds of data up there.
191
541000
3000
که وب به شما اجازه می دهد تا همه انواع داده ها را در آن قرار دهید
09:22
So it is with data. I could talk about all kinds of data.
192
544000
2000
پس آن با داده ها است. من می توانستم در مورد همه انواع داده ها صحبت کنم
09:25
We could talk about government data, enterprise data is really important,
193
547000
4000
ما می تواند در مورد داده های دولت صحبت می کنید، داده های سازمانی است که واقعا مهم است
09:29
there's scientific data, there's personal data,
194
551000
3000
داده های علمی، داده ها وجود دارد شخصی وجود دارد
09:32
there's weather data, there's data about events,
195
554000
2000
اطلاعات آب و هوا وجود دارد، اطلاعات در مورد رویدادها وجود دارد
09:34
there's data about talks, and there's news and there's all kinds of stuff.
196
556000
4000
داده هایی در مورد سخنرانی ها وجود دارد، در مورد اخبار و همه نوع ازاین موارد
09:38
I'm just going to mention a few of them
197
560000
3000
من فقط به ذکر تعداد کمی از آنها بسنده می کنم
09:41
so that you get the idea of the diversity of it,
198
563000
2000
به طوری که شما می توانید ایده در تنوع آن را دریابید
09:43
so that you also see how much unlocked potential.
199
565000
4000
بنابراین، شما می بینید که چقدر پتانسیل باز وجود دارد
09:47
Let's start with government data.
200
569000
2000
بیایید از داده های دولت شروع کنیم
09:49
Barack Obama said in a speech,
201
571000
2000
باراک اوباما در یک سخنرانی گفت
09:51
that he -- American government data would be available on the Internet
202
573000
5000
که او - اطلاعات دولت آمریکا بر روی اینترنت در دسترس خواهد بود
09:56
in accessible formats.
203
578000
2000
در فرمت های قابل دسترس
09:58
And I hope that they will put it up as linked data.
204
580000
2000
و من امیدوارم که آنها آن را به صورت داده های مرتبط قرار دهند
10:00
That's important. Why is it important?
205
582000
2000
این مهم است. چرا مهم است؟
10:02
Not just for transparency, yeah transparency in government is important,
206
584000
3000
نه فقط برای شفافیت، البته شفافیت در دولت مهم است
10:05
but that data -- this is the data from all the government departments
207
587000
3000
اما داده ها - این داده هایی از همه ادارات دولتی است
10:08
Think about how much of that data is about how life is lived in America.
208
590000
5000
فکر کنید در مورد اینکه چقدراز این داده ها در مورد چگونگی زندگی در آمریکا است
10:13
It's actual useful. It's got value.
209
595000
2000
این واقعی مفید است. این ارزشمند است
10:15
I can use it in my company.
210
597000
2000
من می توانم ازآنها در شرکتم استفاده کنم
10:17
I could use it as a kid to do my homework.
211
599000
2000
من می توانم آن را به عنوان یک بچه برای انجام مشق شب استفاده کنم
10:19
So we're talking about making the place, making the world run better
212
601000
3000
بنابراین ما در مورد ساختن موقعیت، ساختن جهان برای بهتر اداره شدن صحبت می کنیم
10:22
by making this data available.
213
604000
2000
با قابل دسترس گذاشتن این داده ها
10:24
In fact if you're responsible -- if you know about some data
214
606000
4000
در واقع اگر شما مسئول باشید- اگر شما در مورد برخی از داده ها بدانید
10:28
in a government department, often you find that
215
610000
2000
در بخش دولتی، اغلب شما می فهمید که
10:30
these people, they're very tempted to keep it --
216
612000
3000
این افراد، تمایل دارند که آنها را با وسوسه بسیاری نگه دارند
10:33
Hans calls it database hugging.
217
615000
3000
هنس آن را بغل کردن پایگاه داده می نامد
10:36
You hug your database, you don't want to let it go
218
618000
2000
شما پایگاه داده خود را در آغوش می گیرید، نمی خواهم که بگذارید که آن برود
10:38
until you've made a beautiful website for it.
219
620000
2000
تا زمانی که شما یک وب سایت زیبا برای آن می سازید
10:40
Well, I'd like to suggest that rather --
220
622000
2000
خب، من می خواهم پیشنهاد بدهم که به جای
10:42
yes, make a beautiful website,
221
624000
2000
بله، ساختن یک وب سایت زیبا
10:44
who am I to say don't make a beautiful website?
222
626000
2000
من که هستم که بگویم یک وب سایت زیبا را نسازید؟
10:46
Make a beautiful website, but first
223
628000
3000
یک وب سایت زیبا بسازید، اما در ابتدا
10:49
give us the unadulterated data,
224
631000
3000
اطلاعات خالص را به ما بدهید
10:52
we want the data.
225
634000
2000
ما داده ها را می خواهیم
10:54
We want unadulterated data.
226
636000
2000
ما داده های مخلوط نشده را می خواهیم
10:56
OK, we have to ask for raw data now.
227
638000
3000
خوب، ما هم اکنون برای داده های خام درخواست می کنیم
10:59
And I'm going to ask you to practice that, OK?
228
641000
2000
و من قصد دارم از شما بخواهم که به آن عمل کنید، خوب؟
11:01
Can you say "raw"?
229
643000
1000
آیا می شود بگویید "خام"؟
11:02
Audience: Raw.
230
644000
1000
حضار: خام
11:03
Tim Berners-Lee: Can you say "data"?
231
645000
1000
تیم برنرز لی: می شود بگویید "داده"؟
11:04
Audience: Data.
232
646000
1000
حضار: داده
11:05
TBL: Can you say "now"?
233
647000
1000
می شود بگویید "الان"؟
11:06
Audience: Now!
234
648000
1000
حضار: الان
11:07
TBL: Alright, "raw data now"!
235
649000
2000
بسیار خوب، داده های خام الان
11:09
Audience: Raw data now!
236
651000
2000
حضار:داده های خام الان
11:11
Practice that. It's important because you have no idea the number of excuses
237
653000
4000
تمرین کنید. این مهم است زیرا شما هیچ ایده ندارید از تعدادی عذر و بهانه
11:15
people come up with to hang onto their data
238
657000
2000
افراد می آیند تا خود را بر روی داده های خود را آویزان کنند
11:17
and not give it to you, even though you've paid for it as a taxpayer.
239
659000
4000
و آن را به شما نمی دهد، حتی اگر شما پول آن را به عنوان مالیات دهنده پرداخت کرده باشید
11:21
And it's not just America. It's all over the world.
240
663000
2000
و این فقط در امریکا نیست. در سراسر جهان است
11:23
And it's not just governments, of course -- it's enterprises as well.
241
665000
3000
و این نه فقط در مورد دولت ها است، بلکه- در مورد شرکتها نیز است
11:26
So I'm just going to mention a few other thoughts on data.
242
668000
3000
خوب من فقط به ذکر چند ایده ی دیگر بر روی داده می پردازم
11:29
Here we are at TED, and all the time we are very conscious
243
671000
5000
در اینجا ما در TED، و تمام وقتهای دیگر از چالش های بزرگی که جامعه بشری در حال حاضروجود دارد بسیار آگاه هستیم--
11:34
of the huge challenges that human society has right now --
244
676000
5000
در اینجا ما در TED، و تمام وقتهای دیگر از چالش های بزرگی که جامعه بشری در حال حاضروجود دارد بسیار آگاه هستیم--
11:39
curing cancer, understanding the brain for Alzheimer's,
245
681000
3000
درمان سرطان، درک کارکرد مغز در بیماری آلزایمر
11:42
understanding the economy to make it a little bit more stable,
246
684000
3000
درک اقتصاد که آن را کمی با ثبات تر کنیم
11:45
understanding how the world works.
247
687000
2000
درک جهان که چگونه کار می کند.
11:47
The people who are going to solve those -- the scientists --
248
689000
2000
افرادی که در حال حل کردن آنها هستند - دانشمندان -
11:49
they have half-formed ideas in their head,
249
691000
2000
آنها نیمه شکل ایده ها را در ذهن خود دارند،
11:51
they try to communicate those over the web.
250
693000
3000
آنها سعی می کنند که ارتباط برقرار کنند با بقیه در سراسر وب
11:54
But a lot of the state of knowledge of the human race at the moment
251
696000
3000
اما بسیاری از حالتهای دانش بشری در حال حاضر
11:57
is on databases, often sitting in their computers,
252
699000
3000
بر روی پایگاه های داده است، اغلب در رایانه ها هست،
12:00
and actually, currently not shared.
253
702000
3000
و در واقع، در حال حاضر به اشتراک گزارده نشده اند.
12:03
In fact, I'll just go into one area --
254
705000
3000
در حقیقت ، من فقط می خواهم به این نکته اشاره کنم--
12:06
if you're looking at Alzheimer's, for example,
255
708000
2000
اگر شما به دنبال درک آلزایمرهستید، برای مثال
12:08
drug discovery -- there is a whole lot of linked data which is just coming out
256
710000
3000
کشف مواد مخدر - مقدار زیادی از داده های مرتبط وجود دارد که مد حال ارسال شدن هستند.
12:11
because scientists in that field realize
257
713000
2000
زیرا دانشمندان در این زمینه متوجه شدند
12:13
this is a great way of getting out of those silos,
258
715000
3000
این یک راه بسیار خوبی است که از این سیلوها- انباره های اطلاعاتی بیرون بیاید
12:16
because they had their genomics data in one database
259
718000
4000
چرا که آنها اطلاعات ژنتیک خود را در یک پایگاه داده
12:20
in one building, and they had their protein data in another.
260
722000
3000
در یک ساختمان، و داده های پروتئین خود را در دیگری داشتند
12:23
Now, they are sticking it onto -- linked data --
261
725000
3000
در حال حاضر، آنها به این داده ها چسبیده اند-- داده های مرتبط--
12:26
and now they can ask the sort of question, that you probably wouldn't ask,
262
728000
3000
و اکنون آنها می توانند از سوالی را بپرسند، که شما احتمالا آن را نمی پرسیدید
12:29
I wouldn't ask -- they would.
263
731000
2000
من نمی پرسیدم - آنها می پرسیدند
12:31
What proteins are involved in signal transduction
264
733000
2000
چه پروتئین های درگیر انتقال سیگنال هستند
12:33
and also related to pyramidal neurons?
265
735000
2000
و همچنین به نورون های هرمی ارتباط دارند؟
12:35
Well, you take that mouthful and you put it into Google.
266
737000
3000
خوب، آن جمله را عینا برداشته و درجستجوی گوگل قرار می دهید
12:38
Of course, there's no page on the web which has answered that question
267
740000
3000
البته، هیچ صفحه بر روی وب نیست که به این سؤال پاسخ داده باشد
12:41
because nobody has asked that question before.
268
743000
2000
چرا که هیچ کسی این سوال را قبلا نپرسیده است
12:43
You get 223,000 hits --
269
745000
2000
شما 223.000 مورد جستجو می گیرید
12:45
no results you can use.
270
747000
2000
ولی نتیجتا از هیچ کدام نمی توانیداستفاده کنید
12:47
You ask the linked data -- which they've now put together --
271
749000
3000
ازداده های مرتبط بپرسید - که اکنون ماآنها را با جم جمع کردیم--
12:50
32 hits, each of which is a protein which has those properties
272
752000
4000
32 نتیجه ی جستجو، که هر یک از آنها یک پروتئین است که آن خواص را دارا است
12:54
and you can look at.
273
756000
2000
و شما می توانید به آن نگاه کنید، نتیجه بخش است
12:56
The power of being able to ask those questions, as a scientist --
274
758000
3000
به عنوان یک دانشمند قدرت داشتن برای پرسیدن این پرسشها در واقع یک تغییر اساسی و کیفی است،پرسش هایی که در واقع پلی میان رشته های مختلف هستند.
12:59
questions which actually bridge across different disciplines --
275
761000
2000
به عنوان یک دانشمند قدرت داشتن برای پرسیدن این پرسشها در واقع یک تغییر اساسی و کیفی است،پرسش هایی که در واقع پلی میان رشته های مختلف هستند.
13:01
is really a complete sea change.
276
763000
3000
به عنوان یک دانشمند قدرت داشتن برای پرسیدن این پرسشها در واقع یک تغییر اساسی و کیفی است،پرسش هایی که در واقع پلی میان رشته های مختلف هستند.
13:04
It's very very important.
277
766000
2000
بسیار بسیار مهم است
13:06
Scientists are totally stymied at the moment --
278
768000
2000
دانشمندان در حال حاضر کاملا به مانع خورده اند
13:08
the power of the data that other scientists have collected is locked up
279
770000
5000
قدرت داده هایی که دیگر دانشمندان جمع آوری کرده اند، قفل شده است
13:13
and we need to get it unlocked so we can tackle those huge problems.
280
775000
3000
و ما باید قفل ها را باز کنیم تا بتوانیم با این مشکلات بزرگ مقابله کنیم
13:16
Now if I go on like this, you'll think that all the data comes from huge institutions
281
778000
4000
حالا اگر من مثل این مورد ادامه دهم، شما فکر می کنید که اگر تمام داده ها از مؤسسات بزرگ بیرون بیاید شما کاری با آن نمیتوانید بکنید.
13:20
and has nothing to do with you.
282
782000
3000
حالا اگر من مثل این مورد ادامه دهم، شما فکر می کنید که اگر تمام داده ها از مؤسسات بزرگ بیرون بیاید شما کاری با آن نمیتوانید بکنید.
13:23
But, that's not true.
283
785000
2000
اما، این درست نیست
13:25
In fact, data is about our lives.
284
787000
2000
در حقیقت ، داده ها در مورد زندگی ما است
13:27
You just -- you log on to your social networking site,
285
789000
3000
شما فقط - شما به سایت های شبکه های اجتماعی خود وارد شوید
13:30
your favorite one, you say, "This is my friend."
286
792000
2000
یکی ازآن سایتهایی مورد علاقه خود، شما می گویید: این دوست من است
13:32
Bing! Relationship. Data.
287
794000
3000
بینگ! ارتباط. داده
13:35
You say, "This photograph, it's about -- it depicts this person. "
288
797000
3000
شما می گویید: این عکس، در مورد -- این شخص است
13:38
Bing! That's data. Data, data, data.
289
800000
3000
بینگ! داده ها است. داده ها، داده ها، داده ها
13:41
Every time you do things on the social networking site,
290
803000
2000
هر بار شما چیزهایی را در سایت های شبکه های اجتماعی انجام می دهید
13:43
the social networking site is taking data and using it -- re-purposing it --
291
805000
4000
سایت های شبکه اجتماعی در حال گرفتن داده ها و استفاده از آن هستند
13:47
and using it to make other people's lives more interesting on the site.
292
809000
4000
و با استفاده از آن زندگی مردم دیگر را بر روی سایت جالب تر می کنند
13:51
But, when you go to another linked data site --
293
813000
2000
اما، هنگامی که شما به سایت داده های مرتبط می روید
13:53
and let's say this is one about travel,
294
815000
3000
و اجازه دهید که این یکی در مورد سفرباشد مثلا
13:56
and you say, "I want to send this photo to all the people in that group,"
295
818000
3000
و به شما می گویید: من می خواهم این عکس را به همه افراد در آن گروه ارسال کنم
13:59
you can't get over the walls.
296
821000
2000
شما نمی توانید از دیوارها عبور کنید
14:01
The Economist wrote an article about it, and lots of people have blogged about it --
297
823000
2000
مجله اکونومیست یک مقاله در مورد آن نوشت، و تعداد زیادی از مردم در مورد آن وب بلاگ نویسی کردند
14:03
tremendous frustration.
298
825000
1000
سرخوردگی فوق العاده ای
14:04
The way to break down the silos is to get inter-operability
299
826000
2000
راه شکسته شدن سیلوها - انبارهای اطلاعاتی این است که آنها را بین عملیاتی
14:06
between social networking sites.
300
828000
2000
بین سایت های شبکه های اجتماعی نماییم (که بتوانند با هم ارتباط داشته باشند)
14:08
We need to do that with linked data.
301
830000
2000
برای انجام این کارما نیازمندیم با داده های مرتبط کار کنیم
14:10
One last type of data I'll talk about, maybe it's the most exciting.
302
832000
3000
یکی از آخرین نوع داده ها که در مورد آن صحبت خواهم کرد، شاید هیجان انگیز ترین است
14:13
Before I came down here, I looked it up on OpenStreetMap
303
835000
3000
قبل از اینکه من اینجا بیام، به نقشه مجانی جهانی OpenStreetMap نگاه کردم
14:16
The OpenStreetMap's a map, but it's also a Wiki.
304
838000
2000
OpenStreetMap یک نقشه است، اما یک ویکی نیز است
14:18
Zoom in and that square thing is a theater -- which we're in right now --
305
840000
3000
آن را بزرگ نمایی کردم و چیزی که شبیه مربع است آمفی تئاتر است - جایی که ما الان در آن هستیم
14:21
The Terrace Theater. It didn't have a name on it.
306
843000
2000
تئاتر تراس. نامی روی آن نبود.
14:23
So I could go into edit mode, I could select the theater,
307
845000
2000
بنابراین من می توانستم به حالت ویرایش برم و تئاتر را انتخاب کنم
14:25
I could add down at the bottom the name, and I could save it back.
308
847000
5000
من می توانستم در پایین نام را اضافه کنم، و آن را ذخیره کنم
14:30
And now if you go back to the OpenStreetMap. org,
309
852000
3000
و حالا اگر شما برگردید به OpenStreetMap.org
14:33
and you find this place, you will find that The Terrace Theater has got a name.
310
855000
3000
و این مکان را پیدا کنید، تئاتر تراس را پیدا می کنید که نامی گرفته است
14:36
I did that. Me!
311
858000
2000
آن کار را من انجام دادم
14:38
I did that to the map. I just did that!
312
860000
2000
من این کار را در روی نقشه انجام دادم. همین الان این کار را انجام دادم
14:40
I put that up on there. Hey, you know what?
313
862000
2000
من آن را آنجا قرار دادم، شما می دانید چه؟
14:42
If I -- that street map is all about everybody doing their bit
314
864000
3000
اگر من - آن نقشه خیابان در مورد همه افرادی است که مقدار جزئی انجام می دهند
14:45
and it creates an incredible resource
315
867000
3000
و آن یک منبع فوق العاده را ایجاد می کند
14:48
because everybody else does theirs.
316
870000
3000
زیرا بقیه سهم خودشان را انجام می دهند
14:51
And that is what linked data is all about.
317
873000
3000
و این همان چیزی است که داده های مرتبط در رابطه با آن است
14:54
It's about people doing their bit
318
876000
3000
این در مورد افرادی است که سهم اندک خود را انجام می دهند
14:57
to produce a little bit, and it all connecting.
319
879000
3000
برای تولید بسیار اندک، و همه ی آن به هم متصل هستند
15:00
That's how linked data works.
320
882000
3000
این چگونگی کار داده های مرتبط است
15:03
You do your bit. Everybody else does theirs.
321
885000
4000
شما سهم اندک خود را انجام بدهید. هر کسی دیگری سهم اندک خود را انجام می دهد
15:07
You may not have lots of data which you have yourself to put on there
322
889000
4000
شما ممکن است مقدار زیادی از داده ها را نداشته باشید که باید خودتان آنجا قرار دهید
15:11
but you know to demand it.
323
893000
3000
اما شما می دانید که آن را درخواست کنید.
15:14
And we've practiced that.
324
896000
2000
و ما آن را تمرین کرده ایم.
15:16
So, linked data -- it's huge.
325
898000
4000
بنابراین، داده های مرتبط - بسیار بزرگ و کلان است
15:20
I've only told you a very small number of things
326
902000
3000
من فقط تعداد بسیار کمی از چیزها را گفتم
15:23
There are data in every aspect of our lives,
327
905000
2000
داده ها در هر جنبه ای از زندگی ما وجود دارند،
15:25
every aspect of work and pleasure,
328
907000
3000
هر جنبه ای از کار و لذت و تفریح،
15:28
and it's not just about the number of places where data comes,
329
910000
3000
و این نه فقط در مورد تعدادی از مکان هایی است که داده ها می آید
15:31
it's about connecting it together.
330
913000
3000
این درباره اتصال آنها به همدیگر است
15:34
And when you connect data together, you get power
331
916000
3000
و هنگامی که شما داده ها را به یکدیگر ارتباط می دهید، به شما قدرت می دهد
15:37
in a way that doesn't happen just with the web, with documents.
332
919000
3000
در راهی که اتفاق نمی افتاد فقط با وب، با اسناد و مدارک
15:40
You get this really huge power out of it.
333
922000
4000
شما واقعا قدرت عظیمی از آن دریافت می کنید
15:44
So, we're at the stage now
334
926000
3000
خُب، ما الان دراین مرحله هستیم
15:47
where we have to do this -- the people who think it's a great idea.
335
929000
4000
جایی که ما باید این کار را انجام دهیم - افرادی که فکر می کنند این یک ایده بزرگ است.
15:51
And all the people -- and I think there's a lot of people at TED who do things because --
336
933000
3000
و همه مردم - و من فکر می کنم بسیاری از افراد در TED هستند که کارهایی را انجام می دهند به دلیل -
15:54
even though there's not an immediate return on the investment
337
936000
2000
حتی اگر بازگشت فوری در سرمایه گذاری وجود نداشته باشد
15:56
because it will only really pay off when everybody else has done it --
338
938000
3000
چونکه در واقع تنها زمانی نتیجه بخش می شود که بقیه آن را انجام دهند -
15:59
they'll do it because they're the sort of person who just does things
339
941000
4000
آنها آن را انجام خواهند داد چون آنها افرادی هستند که فقط کارهایی خوبی را انجام می دهند که دیگران آن را قبلا انجام داده اند.
16:03
which would be good if everybody else did them.
340
945000
3000
آنها آن را انجام خواهند داد چون آنها افرادی هستند که فقط کارهایی خوبی را انجام می دهند که دیگران آن را قبلا انجام داده اند.
16:06
OK, so it's called linked data.
341
948000
2000
خوب، این داده های مرتبط نامیده می شود.
16:08
I want you to make it.
342
950000
2000
من از شما می خواهم که آن را بسازید
16:10
I want you to demand it.
343
952000
2000
من از شما می خواهم که آن را بخواهید.
16:12
And I think it's an idea worth spreading.
344
954000
2000
و من فکر می کنم این ایده ای است که ارزش گسترش آن را دارد.
16:14
Thanks.
345
956000
1000
ممنون
16:15
(Applause)
346
957000
3000
(تشویق حضار)
ABOUT THE SPEAKER
Tim Berners-Lee - InventorTim Berners-Lee invented the World Wide Web. He leads the World Wide Web Consortium (W3C), overseeing the Web's standards and development.
Why you should listen
In the 1980s, scientists at CERN were asking themselves how massive, complex, collaborative projects -- like the fledgling LHC -- could be orchestrated and tracked. Tim Berners-Lee, then a contractor, answered by inventing the World Wide Web. This global system of hypertext documents, linked through the Internet, brought about a massive cultural shift ushered in by the new tech and content it made possible: AOL, eBay, Wikipedia, TED.com...
Berners-Lee is now director of the World Wide Web Consortium (W3C), which maintains standards for the Web and continues to refine its design. Recently he has envisioned a "Semantic Web" -- an evolved version of the same system that recognizes the meaning of the information it carries. He's the 3Com Founders Professor of Engineering in the School of Engineering with a joint appointment in the Department of Electrical Engineering and Computer Science at the Laboratory for Computer Science and Artificial Intelligence (CSAIL) at the MIT, where he also heads the Decentralized Information Group (DIG). He is also a Professor in the Electronics and Computer Science Department at the University of Southampton, UK.
Tim Berners-Lee | Speaker | TED.com