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

שיאם סנקר: העליה של שיתוף הפעולה בין אדם למחשב

Filmed:
947,418 views

כוח מיחשוב גולמי לבדו לא יכול לפתור את בעיות העולם. שיאם סנקר חדשן בתחום כריית מידע מסביר מדוע פיתרון בעיות קשות (כמו תפיסת מחבלים או זיהוי נטיות גדולות סמויות) אינו שאלה של מציאת האלגוריתם הנכון, אלא ישום מערכת היחסים הסימביוטית הנכונה בין מיחשוב ויצירתיות אנושית.
- 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 gamesמשחקים of chessשַׁחְמָט.
0
512
2556
אני אספר לכם על שני משחקי שחמט
00:18
The first happenedקרה in 1997, in whichאיזה Garryגארי Kasparovקספארוב,
1
3068
3864
הראשון התנהל ב-1997 כשגארי קספארוב
00:22
a humanבן אנוש, lostאבד to Deepעָמוֹק Blueכָּחוֹל, a machineמְכוֹנָה.
2
6932
3716
בן אדם, הפסיד ל-"דיפ בלו" מכונה.
00:26
To manyרב, this was the dawnשַׁחַר of a newחָדָשׁ eraתְקוּפָה,
3
10648
2240
עבור רבים זה היה השחר של עידן חדש,
00:28
one where man would be dominatedנשלט by machineמְכוֹנָה.
4
12888
2779
שבו האדם יישלט על ידי המכונה
00:31
But here we are, 20 yearsשנים on, and the greatestהגדול ביותר changeשינוי
5
15667
3334
אבל, הנה כאן אחנו, 20 שנה מאוחר יותר, והשינוי הגדול
00:34
in how we relateמתייחס to computersמחשבים is the iPadiPad,
6
19001
2690
כיצד אנו מתייחסים למחשבים הוא ה-אייפד
00:37
not HALHAL.
7
21691
2045
לא האל
00:39
The secondשְׁנִיָה gameמִשְׂחָק was a freestyleחופשי chessשַׁחְמָט tournamentטורניר
8
23736
2648
המשחק השני היה במסגרת טורניר שח
00:42
in 2005, in whichאיזה man and machineמְכוֹנָה could enterלהיכנס togetherיַחַד
9
26384
2969
ב-2005, שבו האדם והמכונה יוכלו להיכנס
00:45
as partnersשותפים, ratherבמקום than adversariesיריבים, if they so choseבחר.
10
29353
4666
כבני זוג, ולא כיריבים, אם הם יבחרו בכך.
00:49
At first, the resultsתוצאות were predictableצָפוּי.
11
34019
1851
בתחילה התוצאות היו צפויות.
00:51
Even a supercomputerמחשב was beatenמוּכֶּה by a grandmasterגרנדמאסטר
12
35870
2497
אפילו מחשב העל הובס על ידי הרב-אמן
00:54
with a relativelyיחסית weakחלש laptopמחשב נייד.
13
38367
2312
בעזרת מחשב נייד חלש יחסית
00:56
The surpriseהַפתָעָה cameבא at the endסוֹף. Who wonזכית?
14
40679
2985
ההפתעה הגיעה בסוף. מי זכה?
00:59
Not a grandmasterגרנדמאסטר with a supercomputerמחשב,
15
43664
2776
לא רב האמן עם מחשב העל
01:02
but actuallyלמעשה two Americanאֲמֶרִיקָאִי amateursחובבים
16
46440
1493
אלא דווקא 2 חובבים אמריקאים
01:03
usingמבנה יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוני threeשְׁלוֹשָׁה relativelyיחסית weakחלש laptopsמחשבים ניידים.
17
47933
3822
שהתמשו בשלושה מחשבים נידים חלשים.
01:07
Theirשֶׁלָהֶם abilityיְכוֹלֶת to coachמְאַמֵן and manipulateלְתַפְעֵל theirשֶׁלָהֶם computersמחשבים
18
51755
2596
יכולתם להדריך ולהפעיל מניפולציות על המחשבים שלהם
01:10
to deeplyבאופן מעמיק exploreלַחקוֹר specificספֵּצִיפִי positionsעמדות
19
54351
2435
כדי לחקור לעומק מצבים ספציפיים
01:12
effectivelyביעילות counteractedהתקבלה the superiorעליון chessשַׁחְמָט knowledgeיֶדַע
20
56786
2390
פעלו ביעילות נגד הידע הנעלה בשחמט
01:15
of the grandmastersסבתא and the superiorעליון computationalחישובית powerכּוֹחַ
21
59176
2609
של רבי האמן הגדולים וכוחו הנעלה של מחשב העל
01:17
of other adversariesיריבים.
22
61785
1909
של היריבים האחרים.
01:19
This is an astonishingמַפתִיעַ resultתוֹצָאָה: averageמְמוּצָע menגברים,
23
63694
2905
זוהי תוצאה מדהימה: אדם ממוצע,
01:22
averageמְמוּצָע machinesמכונה beatingהַכָּאָה the bestהטוב ביותר man, the bestהטוב ביותר machineמְכוֹנָה.
24
66599
4081
מכשירים ממוצעים גוברים על האנשים הטובים ביותר, והמכונה הטובה ביותר.
01:26
And anywaysבכל מקרה, isn't it supposedאמור to be man versusנגד machineמְכוֹנָה?
25
70680
3199
ובכל אופן, זה לא אמור להיות האדם נגד המכונה?
01:29
Insteadבמקום זאת, it's about cooperationשיתוף פעולה, and the right typeסוּג of cooperationשיתוף פעולה.
26
73879
4152
במקום זה, זה עניין של שיתוף-פעולה והסוג הנכון של שיתוף פעולה
01:33
We'veללא שם: יש לנו been payingמשלמים a lot of attentionתשומת הלב to Marvinמרווין Minsky'sמינסקי
27
78031
2857
הקדשנו תשומת לב רבה לחזונו של מרווין מינסקי
01:36
visionחָזוֹן for artificialמְלָאכוּתִי intelligenceאינטליגנציה over the last 50 yearsשנים.
28
80888
3242
אודות אינטליגנציה מלאכותית ב-50 השנים האחרונות
01:40
It's a sexyסֶקסִי visionחָזוֹן, for sure. Manyרב have embracedמחובקת it.
29
84130
2262
זה חזון מושך, לבטח, רבים אימצו אותו
01:42
It's becomeהפכו the dominantדוֹמִינָנטִי schoolבית ספר of thought in computerמַחשֵׁב scienceמַדָע.
30
86392
2753
הוא הפך לאסכולה הדומיננטית במדעי המחשב.
01:45
But as we enterלהיכנס the eraתְקוּפָה of bigגָדוֹל dataנתונים, of networkרֶשֶׁת systemsמערכות,
31
89145
3072
אבל כשאנו נכנסים לעידן הגדול של המידע, של מערכות תקשורת
01:48
of openלִפְתוֹחַ platformsפלטפורמות, and embeddedמוטבע technologyטֶכנוֹלוֹגִיָה,
32
92217
2698
של פלטפורמות פתוחות וטכנולוגיה משובצת
01:50
I'd like to suggestלְהַצִיעַ it's time to reevaluateלהעריך מחדש an alternativeחֲלוּפָה visionחָזוֹן
33
94915
3392
הייתי רוצה להציע שהגיע הזמן להעריך מחדש חזון אלטרנטיבי
01:54
that was actuallyלמעשה developedמפותח around the sameאותו time.
34
98307
3070
שהתפתח בערך באותו זמן.
01:57
I'm talkingשִׂיחָה about J.C.R. Licklider'sשל ליקלידר human-computerמחשב אנושי symbiosisסִימבִּיוֹזָה,
35
101377
3332
אני מדבר על הסימביוזה בין אדם למחשב של ג'יי סי אר ליקלידר
02:00
perhapsאוּלַי better termedכינה "intelligenceאינטליגנציה augmentationהגדלה," I.A.
36
104709
3808
שיותר טוב לכנות אותה "ריבוד אינטיליגנציה".
02:04
Lickliderליקליידר was a computerמַחשֵׁב scienceמַדָע titanעֲנָק who had a profoundעָמוֹק
37
108517
2640
ליקלידר היה ענק מחשבים שהיתה לו השפעה
02:07
effectהשפעה on the developmentהתפתחות of technologyטֶכנוֹלוֹגִיָה and the Internetאינטרנט.
38
111157
3006
עמוקה על התפתחות הטכנולוגיה והאינטרנט.
02:10
His visionחָזוֹן was to enableלְאַפשֵׁר man and machineמְכוֹנָה to cooperateלְשַׁתֵף פְּעוּלָה
39
114163
2868
החזון שלו היה לאפשר לאדם ולמכונה לשתף פעולה
02:12
in makingהֲכָנָה decisionsהחלטות, controllingשליטה complexמורכב situationsמצבים
40
117031
3590
בקבלת החלטות, בפיקוח על מצבים מסובכים
02:16
withoutלְלֹא the inflexibleנוּקשֶׁה dependenceתלות
41
120621
1770
ללא התלות הנוקשה
02:18
on predeterminedקָבוּעַ מִרֹאשׁ programsתוכניות.
42
122391
2533
בתוכניות קבועות מראש.
02:20
Noteהערה that wordמִלָה "cooperateלְשַׁתֵף פְּעוּלָה."
43
124924
2498
שימו לב למילה "לשתף פעולה."
02:23
Lickliderליקליידר encouragesמעודד את us not to take a toasterטוֹסטֶר
44
127422
2747
ליקלידר מעודד אותנו לא לקחת מצנם
02:26
and make it Dataנתונים from "Starכוכב Trekמַסָע,"
45
130169
2284
ולהפכו לדאטה מ"מסע בין כוכבים,"
02:28
but to take a humanבן אנוש and make her more capableבעל יכולת.
46
132453
3535
אלא לקחת בן-אדם ולעשותו יותר מוכשר.
02:31
Humansבני אנוש are so amazingמדהים -- how we think,
47
135988
1911
בני אדם הם כה מדהימים--כיצד אנו חושבים,
02:33
our non-linearלֹא קָוִי approachesגישות, our creativityיְצִירָתִיוּת,
48
137899
2618
הגישות שאינן חד-ממדיות, היצירתיות שלנו,
02:36
iterativeאיטרטיבי hypothesesהיפותזות, all very difficultקָשֶׁה if possibleאפשרי at all
49
140517
2131
ההיפותיזות הנישנות, כל אלה הם דברים קשים מאד אם בכלל אפשריים
02:38
for computersמחשבים to do.
50
142648
1345
לביצוע על ידי מחשבים.
02:39
Lickliderליקליידר intuitivelyבאופן אינטואיטיבי realizedהבין this, contemplatingשוקל humansבני אנוש
51
143993
2452
ליקלידר הבין זאת באופן אינטואיטיבי, מתוך התבוננות באנשים
02:42
settingהגדרה the goalsמטרות, formulatingגיבוש the hypothesesהיפותזות,
52
146445
2327
לקבוע את המטרות, לנסח את ההיפותיזות,
02:44
determiningקביעת the criteriaקריטריונים, and performingמְבַצֵעַ the evaluationהַעֲרָכָה.
53
148772
3376
לקבוע את הקריטריונים, ולבצע את ההערכה.
02:48
Of courseקוּרס, in other waysדרכים, humansבני אנוש are so limitedמוגבל.
54
152148
1775
כמובן, שבדברים אחרים בני-האדם הם מוגבלים מאד
02:49
We're terribleנורא at scaleסוּלָם, computationחישוב and volumeכֶּרֶך.
55
153923
3235
אנחנו נוראים בנושאי קנה מידה, חישוב ונפח.
02:53
We requireלִדרוֹשׁ high-endhigh-end talentכִּשָׁרוֹן managementהַנהָלָה
56
157158
1836
אנחנו דורשים כשרונות ניהול ברמה גבוהה
02:54
to keep the rockסלע bandלְהִתְאַגֵד togetherיַחַד and playingמשחק.
57
158994
2064
כדי לשמור שלהקת רוק תופיע יחד.
02:56
Lickliderליקליידר foresawתחזית computersמחשבים doing all the routinizableניתן לבצע work
58
161058
2204
ליקלידר חזה מחשבים שעושים את כל העבודה השיגרתית
02:59
that was requiredנדרש to prepareהכן the way for insightsתובנות and decisionהַחְלָטָה makingהֲכָנָה.
59
163262
3276
שהיתה נחוצה כדי להכין את הדרך לקבלת תובנות וקבלת החלטות.
03:02
Silentlyחֶרֶשׁ, withoutלְלֹא much fanfareתְרוּעַת חֲצוֹורוֹת,
60
166538
2224
בשקט, בלי הרבה מהומה,
03:04
this approachגִישָׁה has been compilingהידור victoriesהניצחונות beyondמעבר chessשַׁחְמָט.
61
168762
3354
גישה זו יצרה נצחונות מעבר לשחמט.
03:08
Proteinחֶלְבּוֹן foldingמִתקַפֵּל, a topicנוֹשֵׂא that sharesמניות the incredibleמדהים expansivenessהרחבה of chessשַׁחְמָט
62
172116
3356
קיפול חלבונים, נושא שחולק את התרחבות המדהימה של שחמט -
03:11
there are more waysדרכים of foldingמִתקַפֵּל a proteinחֶלְבּוֹן than there are atomsאטומים in the universeעוֹלָם.
63
175472
3042
קיימות יותר דרכים לקיפול חלבונים מאשר יש אטומים ביקום.
03:14
This is a world-changingמשתנה בעולם problemבְּעָיָה with hugeעָצוּם implicationsהשלכות
64
178514
2353
זוהי בעיה של משתנת עולם עם השלכות עצומות
03:16
for our abilityיְכוֹלֶת to understandמבין and treatטיפול diseaseמַחֲלָה.
65
180867
2308
עבור היכולת שלנו להבין ולטפל במחלה.
03:19
And for this taskמְשִׁימָה, supercomputerמחשב fieldשדה bruteפְּרָאִי forceכּוֹחַ simplyבפשטות isn't enoughמספיק.
66
183175
4248
ועבור משימה זו, כוח גס של מחשב-על פשוט אינו מספיק.
03:23
Folditקפל את זה, a gameמִשְׂחָק createdשנוצר by computerמַחשֵׁב scientistsמדענים,
67
187423
2384
פולדיט, משחק שנוצר על-ידי מדעני מחשב,
03:25
illustratesממחישה the valueערך of the approachגִישָׁה.
68
189807
2502
מדגים את הערך של הגישה.
03:28
Non-technicalלא טכני, non-biologistשאינו ביולוג amateursחובבים playלְשַׂחֵק a videoוִידֵאוֹ gameמִשְׂחָק
69
192309
3041
חובבים שאינם אנשים טכניים, ואינם ביולוגים משחקים במשחק וידאו
03:31
in whichאיזה they visuallyחזותית rearrangeלסדר מחדש the structureמִבְנֶה of the proteinחֶלְבּוֹן,
70
195350
3073
שבו הם באופן חזותי מסדרים מחדש את המבנה של החלבונים,
03:34
allowingמְאַפשֶׁר the computerמַחשֵׁב to manageלנהל the atomicאָטוֹמִי forcesכוחות
71
198423
1499
תוך מתן אפשרות למחשב לנהל את הכוחות האטומים
03:35
and interactionsאינטראקציות and identifyלזהות structuralמִבנִי issuesנושאים.
72
199922
2957
ואינטראקציות שמזהות בעיות מבניות.
03:38
This approachגִישָׁה beatלהיות ב supercomputersמחשבי-על 50 percentאָחוּז of the time
73
202879
3023
גישה זו היכתה את מחשבי העל ב-50% מהזמן
03:41
and tiedקָשׁוּר 30 percentאָחוּז of the time.
74
205902
2584
והישוותה 30 אחוז מהזמן.
03:44
Folditקפל את זה recentlyלאחרונה madeעָשׂוּי a notableיַקִיר and majorגדול scientificמַדָעִי discoveryתַגלִית
75
208486
3137
לפולדיט היתה לאחרונה תגלית מדעית בולטת וחשובה
03:47
by decipheringפִּעַנוּחַ the structureמִבְנֶה of the Mason-Pfizerמייסון-פייזר monkeyקוֹף virusוִירוּס.
76
211623
3160
על-ידי פיענוח המבנה של ווירוס הקוף מייסון-פייזר.
03:50
A proteaseפרוטאז that had eludedחמק determinationנחישות for over 10 yearsשנים
77
214783
3015
פרוטאז שהתחמק מהגדרה מעל 10 שנים
03:53
was solvedנפתרה was by threeשְׁלוֹשָׁה playersשחקנים in a matterחוֹמֶר of daysימים,
78
217798
2626
נפתר על ידי שלושה שחקנים בתקופה של ימים,
03:56
perhapsאוּלַי the first majorגדול scientificמַדָעִי advanceלְקַדֵם
79
220424
2025
אולי ההתקדמות מדעית הגדולה הראשונה
03:58
to come from playingמשחק a videoוִידֵאוֹ gameמִשְׂחָק.
80
222449
2323
שהגיעה ממשחק וידאו.
04:00
Last yearשָׁנָה, on the siteאֲתַר of the Twinתְאוֹם Towersמגדלים,
81
224772
2181
בשנה שעברה, באתר של מגדלי התאומים,
04:02
the 9/11 memorialזִכָּרוֹן openedנפתח.
82
226953
1473
אנדרטת 9/11 נפתחה.
04:04
It displaysמציג the namesשמות of the thousandsאלפים of victimsקורבנות
83
228426
2721
היא מציגה את שמות של אלפי הקורבנות
04:07
usingמבנה יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוני a beautifulיפה conceptמוּשָׂג calledשקוראים לו "meaningfulבעל משמעות adjacencyסדירות."
84
231147
3063
כשהם משתמשים באמצעות רעיון יפה בשם "קירבה משמעותית".
04:10
It placesמקומות the namesשמות nextהַבָּא to eachכל אחד other basedמבוסס on theirשֶׁלָהֶם
85
234210
2166
היא מציבה את השמות אחד ליד השני בהתבסס על
04:12
relationshipsיחסים to one anotherאַחֵר: friendsחברים, familiesמשפחות, coworkersעמיתים לעבודה.
86
236376
2213
הקשרים שביניהם: חברים, משפחות, חברים לעבודה.
04:14
When you put it all togetherיַחַד, it's quiteדַי a computationalחישובית
87
238589
3028
כאשר אתם שמים את כל זה יחד , זהו ממש אתגר
04:17
challengeאתגר: 3,500 victimsקורבנות, 1,800 adjacencyסדירות requestsבקשות,
88
241617
4223
חישבו: 3,500 קורבנות, 1,800, בקשות קירבה,
04:21
the importanceחֲשִׁיבוּת of the overallבאופן כללי physicalגוּפָנִי specificationsמפרטים
89
245840
3092
החשיבות של המפרט הפיזי הכולל
04:24
and the finalסופי aestheticsאֶסתֵטִיקָה.
90
248932
2137
והאסתטיקה הסופית.
04:26
When first reportedדיווח by the mediaכְּלֵי תִקְשׁוֹרֶת, fullמלא creditאַשׁרַאי for suchכגון a featמַעֲלָל
91
251069
2615
כאשר זה דווח לראשונה במדיה, ניתן מלוא הקרדיט עבור מבצע כזה
04:29
was givenנָתוּן to an algorithmאַלגוֹרִיתְם from the Newחָדָשׁ Yorkיורק Cityעִיר
92
253684
1892
לאלגוריתם מ"לוקאל פרוג'קס" חברת עיצוב פרוייקטים
04:31
designלְעַצֵב firmמוּצָק Localמְקוֹמִי Projectsפרוייקטים. The truthאֶמֶת is a bitbit more nuancedניואנס.
93
255576
4001
מקומיים מהעיר ניו-יורק. האמת מעט יותר מגוונת.
04:35
While an algorithmאַלגוֹרִיתְם was used to developלְפַתֵחַ the underlyingבְּסִיסִי frameworkמִסגֶרֶת,
94
259577
2871
בעוד נעשה שימוש באלגוריתם כדי לפתח את המסגרת הבסיסית,
04:38
humansבני אנוש used that frameworkמִסגֶרֶת to designלְעַצֵב the finalסופי resultתוֹצָאָה.
95
262448
3008
בני אדם השתמשו במסגרת בסיסית זו כדי לעצב את התוצאה הסופית.
04:41
So in this caseמקרה, a computerמַחשֵׁב had evaluatedהעריך millionsמיליונים
96
265456
2225
כך, שבמקרה זה, המחשב העריך מיליוני
04:43
of possibleאפשרי layoutsפריסות, managedמנוהל a complexמורכב relationalרלציוני systemמערכת,
97
267681
3335
פריסות אפשריות, ניהל מערכת מורכבת של יחסי קירבה,
04:46
and keptשמר trackמַסלוּל of a very largeגָדוֹל setמַעֲרֶכֶת of measurementsמידות
98
271016
2414
ועקב אחרי קבוצה גדולה מאוד של מידות
04:49
and variablesמשתנים, allowingמְאַפשֶׁר the humansבני אנוש to focusמוֹקֵד
99
273430
2410
ומשתנים, כשהוא מאפשר לבני-האדם להתמקד
04:51
on designלְעַצֵב and compositionalקומפוזיציה choicesבחירות.
100
275840
2802
על העיצוב והאפשרויות של הקומפוזיציות.
04:54
So the more you look around you,
101
278642
1036
כך שככל שאתם מסתכלים יותר סביבכם,
04:55
the more you see Licklider'sשל ליקלידר visionחָזוֹן everywhereבכל מקום.
102
279678
1962
אתם רואים את חזונו של ליקלידר בכל מקום.
04:57
Whetherהאם it's augmentedמוּגבָּר realityמְצִיאוּת in your iPhoneiPhone or GPSג'י.פי. אס in your carאוטו,
103
281640
3304
בין אם זה יש המציאות המרובדת שלכם באייפון או בג'י פי אס שבמכוניתכם,
05:00
human-computerמחשב אנושי symbiosisסִימבִּיוֹזָה is makingהֲכָנָה us more capableבעל יכולת.
104
284944
2970
סימביוזה של אדם-מחשב מקנה לנו יותר יכולת.
05:03
So if you want to improveלְשַׁפֵּר human-computerמחשב אנושי symbiosisסִימבִּיוֹזָה,
105
287914
1655
כך, שאם רוצים לשפר סימביוזת אדם-מחשב,
05:05
what can you do?
106
289569
1429
מה ניתן לעשות?
05:06
You can startהַתחָלָה by designingתִכנוּן the humanבן אנוש into the processתהליך.
107
290998
2452
אפשר להתחיל מתכנון שישלב את האדם לתוך התהליך.
05:09
Insteadבמקום זאת of thinkingחושב about what a computerמַחשֵׁב will do to solveלִפְתוֹר the problemבְּעָיָה,
108
293450
2204
במקום לחשוב על מה שהמחשב יעשה כדי לפתור את הבעיה,
05:11
designלְעַצֵב the solutionפִּתָרוֹן around what the humanבן אנוש will do as well.
109
295654
3869
לתכנן את הפיתרון סביב מה שהאדם יעשה גם כן.
05:15
When you do this, you'llאתה quicklyבִּמְהִירוּת realizeלִהַבִין that you spentמוּתַשׁ
110
299523
1937
כאשר תעשו זאת, תבינו עד מהרה שביליתם את
05:17
all of your time on the interfaceמִמְשָׁק betweenבֵּין man and machineמְכוֹנָה,
111
301460
2879
כל זמנכם בממשק בין אדם למכונה,
05:20
specificallyבאופן ספציפי on designingתִכנוּן away the frictionחיכוך in the interactionאינטראקציה.
112
304339
3099
באופן ספציפי בתכנון סילוק החיכוך שבאינטראקציה.
05:23
In factעוּבדָה, this frictionחיכוך is more importantחָשׁוּב than the powerכּוֹחַ
113
307438
2766
למעשה, חיכוך זה חשוב יותר מאשר כוחו
05:26
of the man or the powerכּוֹחַ of the machineמְכוֹנָה
114
310204
2052
של האדם, או כוחה של המכונה
05:28
in determiningקביעת overallבאופן כללי capabilityיכולת.
115
312256
1931
בקביעת היכולת הכוללת.
05:30
That's why two amateursחובבים with a fewמְעַטִים laptopsמחשבים ניידים
116
314187
1977
זו הסיבה ששני חובבים עם מספר מחשבים נישאים
05:32
handilyבקלות beatלהיות ב a supercomputerמחשב and a grandmasterגרנדמאסטר.
117
316164
2456
ניצחו בקלות מחשב-על ורב-אמן.
05:34
What Kasparovקספארוב callsשיחות processתהליך is a byproductמוּצָר לְוָאִי of frictionחיכוך.
118
318620
3005
מה שקספרוב קורא לו תהליך הוא תוצר-לוואי של חיכוך.
05:37
The better the processתהליך, the lessפָּחוּת the frictionחיכוך.
119
321625
2401
ככל שהתהליך טוב יותר, כך יש פחות החיכוך.
05:39
And minimizingמזעור frictionחיכוך turnsפונה out to be the decisiveמַכרִיעַ variableמִשְׁתַנֶה.
120
324026
4256
וצמצום החיכוך יתברר כמשתנה המכריע.
05:44
Or take anotherאַחֵר exampleדוגמא: bigגָדוֹל dataנתונים.
121
328282
2243
או קבלו דוגמה נוספת: מידע רב.
05:46
Everyכֹּל interactionאינטראקציה we have in the worldעוֹלָם is recordedמוּקלָט
122
330525
1906
כל אינטראקציה שיש לנו בעולם נרשמת
05:48
by an ever growingגָדֵל arrayמַעֲרָך of sensorsחיישנים: your phoneטלפון,
123
332431
3059
על ידי מערך הולך וגדל של חיישנים: הטלפון שלך,
05:51
your creditאַשׁרַאי cardכַּרְטִיס, your computerמַחשֵׁב. The resultתוֹצָאָה is bigגָדוֹל dataנתונים,
124
335490
2373
כרטיס האשראי שלך, המחשב שלך. התוצאה היא הרבה מידע,
05:53
and it actuallyלמעשה presentsמתנות us with an opportunityהִזדַמְנוּת
125
337863
1742
וזה למעשה נותן לנו ההזדמנות
05:55
to more deeplyבאופן מעמיק understandמבין the humanבן אנוש conditionמַצָב.
126
339605
2662
להבין יותר לעומק את המצב האנושי.
05:58
The majorגדול emphasisדָגֵשׁ of mostרוב approachesגישות to bigגָדוֹל dataנתונים
127
342267
2305
הדגש העיקרי של רוב הגישות למידע רב
06:00
focusמוֹקֵד on, "How do I storeחֲנוּת this dataנתונים? How do I searchחפש
128
344572
2215
מתמקד על, "כיצד ניתן לאחסן נתונים אלה? כיצד מחפשים
06:02
this dataנתונים? How do I processתהליך this dataנתונים?"
129
346787
2276
נתונים אלה? כיצד אני מעבד נתונים אלה?"
06:04
These are necessaryנחוץ but insufficientלא מספיק questionsשאלות.
130
349063
2204
אלו שאלות הכרחיות אך לא מספיקות.
06:07
The imperativeהֶכְרֵחִי is not to figureדמות out how to computeלְחַשֵׁב,
131
351267
2471
מה שחיוני הוא לא איך להבין כיצד לחשב,
06:09
but what to computeלְחַשֵׁב. How do you imposeלֶאֱכוֹף humanבן אנוש intuitionאינטואיציה
132
353738
2184
אלא מה לחשב כיצד באפשרותך לכפות את האינטואיציה האנושית
06:11
on dataנתונים at this scaleסוּלָם?
133
355922
1791
על מידע בקנה מידה זה?
06:13
Again, we startהַתחָלָה by designingתִכנוּן the humanבן אנוש into the processתהליך.
134
357713
3499
שוב, אנחנו מתחילים על-ידי תכנון הכנסת האדם לתהליך.
06:17
When PayPalPayPal was first startingהחל as a businessעֵסֶק, theirשֶׁלָהֶם biggestהגדול ביותר
135
361212
2812
כאשר "פיי-פאל" החלה את דרכה כעסק, האתגר הגדול ביותר
06:19
challengeאתגר was not, "How do I sendלִשְׁלוֹחַ moneyכֶּסֶף back and forthהָלְאָה onlineבאינטרנט?"
136
364024
2804
שלהם היה לא, "כיצד שולחים כסף הלוך ושוב באינטרנט?"
06:22
It was, "How do I do that withoutלְלֹא beingלהיות defraudedהונאה by organizedמְאוּרגָן crimeפֶּשַׁע?"
137
366828
3872
אלא היה, "כיצד עושים זאת מבלי להיות מרומים על-ידי פשע מאורגן?"
06:26
Why so challengingמאתגר? Because while computersמחשבים can learnלִלמוֹד
138
370700
2088
מדוע כל כך מאתגר? כי בעוד שמחשבים יכולים ללמוד
06:28
to detectלזהות and identifyלזהות fraudהונאה basedמבוסס on patternsדפוסי,
139
372788
3144
לאתר ולזהות הונאות שמבוססות על דפוסים,
06:31
they can't learnלִלמוֹד to do that basedמבוסס on patternsדפוסי
140
375932
1479
הם לא יכולים ללמוד לעשות זאת בהתבסס על תבניות
06:33
they'veהם כבר never seenלראות before, and organizedמְאוּרגָן crimeפֶּשַׁע
141
377411
2116
שהם לא ראו לפני כן, ולארגון פשע
06:35
has a lot in commonמשותף with this audienceקהל: brilliantמַברִיק people,
142
379527
2709
יש הרבה מן המשותף עם קהל זה: אנשים מבריקים,
06:38
relentlesslyללא הרף resourcefulבַּעַל תוּשִׁיָה, entrepreneurialיזמית spiritרוּחַ — (Laughterצחוק) —
143
382236
3640
עזי-רוח ורבי תושייה, חדורים ברוח יזמות — (צחוק) —
06:41
and one hugeעָצוּם and importantחָשׁוּב differenceהֶבדֵל: purposeמַטָרָה.
144
385876
2712
והבדל עצום, וחשוב אחד: המטרה.
06:44
And so while computersמחשבים aloneלבד can catchלתפוס all but the cleverestחכמה
145
388588
2832
וכך בעוד שמחשבים לבדם יכולים לתפוס הכל פרט לפיקחות
06:47
fraudstersהרמאים, catchingמִדַבֵּק the cleverestחכמה is the differenceהֶבדֵל
146
391420
2253
שבהונאות, לתפוס את הפיקחים ביותר עושה את ההבדל
06:49
betweenבֵּין successהַצלָחָה and failureכישלון.
147
393673
2545
בין הצלחה לכישלון.
06:52
There's a wholeכֹּל classמעמד of problemsבעיות like this, onesיחידות with
148
396218
2221
יש מחלקה שלמה של בעיות כמו זו, אחדות מהן עם
06:54
adaptiveהסתגלות adversariesיריבים. They rarelyלעתים רחוקות if ever presentמתנה with a
149
398439
2575
יריבים סתגלתנים. הם לעתים רחוקות, אם בכלל, מציגים
06:56
repeatableהָדִיר patternתַבְנִית that's discernableניתן להבחין to computersמחשבים.
150
401014
2736
תבנית שחוזרת על עצמה שמוכרת למחשבים.
06:59
Insteadבמקום זאת, there's some inherentטָבוּעַ componentרְכִיב of innovationחדשנות or disruptionהפרעה,
151
403750
3993
במקום זה, יש כמה רכיבים אינהרנטים של חדשנות או שיבוש,
07:03
and increasinglyיותר ויותר these problemsבעיות are buriedקבור in bigגָדוֹל dataנתונים.
152
407743
2735
ובמידה גוברת והולכת בעיות אלו נקברות בתוך ים של נתונים.
07:06
For exampleדוגמא, terrorismטֵרוֹר. Terroristsטרוריסטים are always adaptingהסתגלות
153
410478
2500
לדוגמה, טרור. המחבלים תמיד מסגלים עצמם
07:08
in minorקַטִין and majorגדול waysדרכים to newחָדָשׁ circumstancesנסיבות, and despiteלמרות
154
412978
2052
בדרכים קטנות וגדולות לנסיבות חדשות, ולמרות
07:10
what you mightאולי see on TVטֵלֶוִיזִיָה, these adaptationsהסתגלויות,
155
415030
3094
מה שאתם רואים בטלוויזיה, התאמות אלו,
07:14
and the detectionאיתור of them, are fundamentallyבִּיסוֹדוֹ humanבן אנוש.
156
418124
2293
וזיהויין, הן אנושיות מיסודן.
07:16
Computersמחשבים don't detectלזהות novelרוֹמָן patternsדפוסי and newחָדָשׁ behaviorsהתנהגויות,
157
420417
3117
המחשבים לא מזהים דפוסים והתנהגויות חדשות,
07:19
but humansבני אנוש do. Humansבני אנוש, usingמבנה יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוני technologyטֶכנוֹלוֹגִיָה, testingבדיקה hypothesesהיפותזות,
158
423534
3235
אבל בני-האדם כן. בני אדם, באמצעות טכנולוגיה, ניסויים ווהיפותיזות,
07:22
searchingמחפש for insightתוֹבָנָה by askingשואל machinesמכונה to do things for them.
159
426769
4620
מחפשים את התובנה על ידי כך שהם מבקשים ממכונות לעשות דברים עבורם.
07:27
Osamaאוסאמה binפַּח Ladenעָמוּס was not caughtנתפס by artificialמְלָאכוּתִי intelligenceאינטליגנציה.
160
431389
2320
אוסמה בין לאדן לא נתפס על ידי בינה מלאכותית.
07:29
He was caughtנתפס by dedicatedמוּקדָשׁ, resourcefulבַּעַל תוּשִׁיָה, brilliantמַברִיק people
161
433709
2553
הוא נתפס על ידי אנשים דבקים במטרה, מבריקים ובעלי תושיה
07:32
in partnershipsשותפויות with variousשׁוֹנִים technologiesטכנולוגיות.
162
436262
4269
בשותפות עם טכנולוגיות שונות.
07:36
As appealingמושך as it mightאולי soundנשמע, you cannotלא יכול algorithmicallyאלגוריתמית
163
440531
2818
ככל שזה נשמע מפתה, אינך יכול באופן אלגוריתמי
07:39
dataנתונים mineשלי your way to the answerתשובה.
164
443349
1601
לכרות מידע בדרך אל התשובה.
07:40
There is no "Find Terroristמְחַבֵּל" buttonלַחְצָן, and the more dataנתונים
165
444950
2855
אין לחצן "מצא מחבל" וככל שאנו מצליבים
07:43
we integrateלשלב from a vastעָצוּם varietyמגוון of sourcesמקורות
166
447805
2302
יותר מידע ממגוון רחב של מקורות
07:46
acrossלְרוֹחָב a wideרָחָב varietyמגוון of dataנתונים formatsפורמטים from very
167
450107
2133
לרוחב מגוון רחב של תבניות מידע
07:48
disparateמְפוּרָד systemsמערכות, the lessפָּחוּת effectiveיָעִיל dataנתונים miningכְּרִיָה can be.
168
452240
3309
במערכות שונות לגמרי, כך כריית הנתונים תהיה פחות יעילה.
07:51
Insteadבמקום זאת, people will have to look at dataנתונים
169
455549
2024
במקום זה, אנשים יצטרכו להסתכל על המידע
07:53
and searchחפש for insightתוֹבָנָה, and as Lickliderליקליידר foresawתחזית long agoלִפנֵי,
170
457573
3456
ולחפש תובנה, וכפי שליקלידר חזה לפני זמן רב,
07:56
the keyמַפְתֵחַ to great resultsתוצאות here is the right typeסוּג of cooperationשיתוף פעולה,
171
461029
2685
המפתח לתוצאות מצוינות כאן נמצא בסוג הנכון של שיתוף פעולה,
07:59
and as Kasparovקספארוב realizedהבין,
172
463714
1524
וכפי שקספרוב הבין,
08:01
that meansאומר minimizingמזעור frictionחיכוך at the interfaceמִמְשָׁק.
173
465238
3031
פירוש הדבר הוא צמצום החיכוך בממשק.
08:04
Now this approachגִישָׁה makesעושה possibleאפשרי things like combingסְרִיקָה
174
468269
2758
כעת גישה זו מאפשרת דברים כמו סריקת
08:06
throughדרך all availableזמין dataנתונים from very differentשונה sourcesמקורות,
175
471027
3386
כל הנתונים הזמינים ממקורות שונים מאוד,
08:10
identifyingזיהוי keyמַפְתֵחַ relationshipsיחסים and puttingלשים them in one placeמקום,
176
474413
2792
זיהוי קשרי גומלין עיקריים ולרכז אותם במקום אחד,
08:13
something that's been nearlyכמעט impossibleבלתי אפשרי to do before.
177
477205
2928
משהו שהיה כמעט בלתי אפשרי לעשות לפני כן.
08:16
To some, this has terrifyingמפחיד privacyפְּרָטִיוּת and civilאֶזרָחִי libertiesחירויות
178
480133
1942
בעיני אחדים, יש לכך השלכות מבהילות בנושאים של חרות פרטית ואזרחית
08:17
implicationsהשלכות. To othersאחרים it foretellsforetells of an eraתְקוּפָה of greaterגדול יותר
179
482075
3410
בעיני אחרים זה מנבא תקופה של יותר
08:21
privacyפְּרָטִיוּת and civilאֶזרָחִי libertiesחירויות protectionsהגנות,
180
485485
1909
הגנות על חרויות פרטיות ואזרחיות,
08:23
but privacyפְּרָטִיוּת and civilאֶזרָחִי libertiesחירויות are of fundamentalבסיסי importanceחֲשִׁיבוּת.
181
487394
2936
אבל חרויות פרטיות ואזרחיות הינן בעלות חשיבות בסיסית.
08:26
That mustצריך be acknowledgedהודה, and they can't be sweptנסחף asideבַּצַד,
182
490330
2193
בזה חייבים להודות, ולא ניתן לטאטא אותן הצידה,
08:28
even with the bestהטוב ביותר of intentsכוונות.
183
492523
2530
אפילו עם הטובות שבכוונות.
08:30
So let's exploreלַחקוֹר, throughדרך a coupleזוּג of examplesדוגמאות, the impactפְּגִיעָה
184
495053
2518
אז בואו ונבחן בעזרת כמה דוגמאות. את ההשפעה
08:33
that technologiesטכנולוגיות builtבנוי to driveנהיגה human-computerמחשב אנושי symbiosisסִימבִּיוֹזָה
185
497571
2406
שהיתה לטכנולוגיות שנבנו לאחרונה כדי להריץ
08:35
have had in recentלאחרונה time.
186
499977
2919
סימביוזת אדם-מחשב.
08:38
In Octoberאוֹקְטוֹבֶּר, 2007, U.S. and coalitionקוֹאָלִיצִיָה forcesכוחות raidedפשטו
187
502896
3416
באוקטובר, 2007, ארצות הברית וכוחות הקואליציה פשטו על
08:42
an alאל Qaedaקאעידה safeבטוח houseבַּיִת in the cityעִיר of Sinjarסינג'אר
188
506312
2416
בית מוגן של אל קאעידה בעיר סינז'אר
08:44
on the Syrianסורי borderגבול of Iraqעִירַאק.
189
508728
1934
על הגבול הסורי של עיראק.
08:46
They foundמצאתי a treasureאוֹצָר troveחורבן of documentsמסמכים:
190
510662
2376
הם מצאו אוצר של אוסף מסמכים:
08:48
700 biographicalבִּיוֹגְרָפִי sketchesסקיצות of foreignזָר fightersלוחמים.
191
513038
2335
700 סקיצות ביוגרפיות של לוחמים זרים.
08:51
These foreignזָר fightersלוחמים had left theirשֶׁלָהֶם familiesמשפחות in the Gulfמפרץ,
192
515373
2584
לוחמים זרים אלה עזבו את משפחותיהם במפרץ,
08:53
the Levantלבנט and Northצָפוֹן Africaאַפְרִיקָה to joinלְהִצְטַרֵף alאל Qaedaקאעידה in Iraqעִירַאק.
193
517957
3146
בלבנט, ובצפון אפריקה כדי להצטרף לאל-קאעידה בעיראק.
08:57
These recordsרשומות were humanבן אנוש resourceמַשׁאָב formsטפסים.
194
521103
1616
רשומות אלו היו טפסים של משאבי אנוש.
08:58
The foreignזָר fightersלוחמים filledמְמוּלָא them out as they joinedהצטרף the organizationאִרגוּן.
195
522719
2855
הלוחמים הזרים מילאו אותם כשהצטרפו לארגון.
09:01
It turnsפונה out that alאל Qaedaקאעידה, too,
196
525574
1211
מתברר כי אל קאעידה, גם היא,
09:02
is not withoutלְלֹא its bureaucracyבִּירוֹקרַטִיָה. (Laughterצחוק)
197
526785
2597
אינה נטולת בירוקרטיה. (צחוק)
09:05
They answeredענה questionsשאלות like, "Who recruitedגויסו you?"
198
529382
2098
הם ענו על שאלות כמו, "מי גייס אותך?"
09:07
"What's your hometownעיר הולדתו?" "What occupationכיבוש do you seekלְחַפֵּשׂ?"
199
531480
2854
"מהי עיר מולדתך?" "איזו תעסוקה אתה מחפש?"
09:10
In that last questionשְׁאֵלָה, a surprisingמַפתִיעַ insightתוֹבָנָה was revealedגילה.
200
534334
3169
בשאלה אחרונה זו, נחשפה תובנה מפתיעה.
09:13
The vastעָצוּם majorityרוֹב of foreignזָר fightersלוחמים
201
537503
2400
הרוב הגדול של הלוחמים זרים
09:15
were seekingמחפש to becomeהפכו suicideהִתאַבְּדוּת bombersמפציצים for martyrdomמָוֶת הַקְדוֹשִׁים --
202
539903
2400
ביקשו להיות מחבלים מתאבדים ולמות מות קדושים-
09:18
hugelyהַרבֵּה מְאוֹד importantחָשׁוּב, sinceמאז betweenבֵּין 2003 and 2007, Iraqעִירַאק
203
542303
4338
חשוב ביותר, מאז 2003 ל- 2007 בערך, היו בעיראק
09:22
had 1,382 suicideהִתאַבְּדוּת bombingsפיצוצים, a majorגדול sourceמָקוֹר of instabilityחוסר יציבות.
204
546641
4244
1,382, פיגועי התאבדות, מקור עיקריי לאי יציבות.
09:26
Analyzingניתוח this dataנתונים was hardקָשֶׁה. The originalsמסמכי מקור were sheetsגיליונות
205
550885
2058
ניתוח נתונים אלה היה קשה. המקור היו גליונות
09:28
of paperעיתון in Arabicעֲרָבִית that had to be scannedסרק and translatedמְתוּרגָם.
206
552943
2742
נייר בערבית שהיה צריך לסרוק ולתרגם.
09:31
The frictionחיכוך in the processתהליך did not allowלהתיר for meaningfulבעל משמעות
207
555685
2192
החיכוך בתהליך לא איפשר לקבל תוצאות
09:33
resultsתוצאות in an operationalמִבצָעִי time frameמִסגֶרֶת usingמבנה יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוני humansבני אנוש, PDFsקובצי PDF
208
557877
3350
משמעותיות במסגרת זמן תפעולי באמצעות בני-האדם, מסמכי Pdf
09:37
and tenacityעַקשָׁנוּת aloneלבד.
209
561227
2218
ונחישות בלבד.
09:39
The researchersחוקרים had to leverמָנוֹף up theirשֶׁלָהֶם humanבן אנוש mindsמוחות
210
563445
1953
החוקרים נאלצו להתאמץ כדי להתעלות במחשבתם האנושית
09:41
with technologyטֶכנוֹלוֹגִיָה to diveלִצְלוֹל deeperעמוק יותר, to exploreלַחקוֹר non-obviousלא ברור
211
565398
2345
עם הטכנולוגיה כדי לצלול עמוק יותר, כדי לחקור השערות
09:43
hypothesesהיפותזות, and in factעוּבדָה, insightsתובנות emergedיצא.
212
567743
3218
שאינן מובנות מאליהן, ולמעשה, צצו תובנות.
09:46
Twentyעשרים percentאָחוּז of the foreignזָר fightersלוחמים were from Libyaלוב,
213
570961
2644
עשרים אחוז של הלוחמים הזרים היו מלוב.
09:49
50 percentאָחוּז of those from a singleיחיד townהעיר in Libyaלוב,
214
573605
2968
50 אחוז מאלה היו מעיר אחת בלוב,
09:52
hugelyהַרבֵּה מְאוֹד importantחָשׁוּב sinceמאז priorקוֹדֵם statisticsסטָטִיסטִיקָה put that figureדמות at
215
576573
2450
חשוב עד מאוד מפני שבסטטיסטיקה הקודמת המספר היה
09:54
threeשְׁלוֹשָׁה percentאָחוּז. It alsoגַם helpedעזר to honeלְחַדֵד in on a figureדמות
216
579023
2383
שלושה אחוזים. זה סייע להתמקד בדמות
09:57
of risingעוֹלֶה importanceחֲשִׁיבוּת in alאל Qaedaקאעידה, Abuאבו Yahyaיחיא al-Libiאל-ליבי,
217
581406
2977
שחשיבותה עולה באל קאעידה, אבו יחיא אל-ליבי,
10:00
a seniorבָּכִיר clericאיש דת in the Libyanלוב Islamicהאסלאמית fightingלְחִימָה groupקְבוּצָה.
218
584383
2631
איש דת בכיר בקבוצת הלחימה האסלאמית הלובית.
10:02
In Marchמרץ of 2007, he gaveנתן a speechנְאוּם, after whichאיזה there was
219
587014
2664
במרץ 2007, הוא נשא נאום, שלאחריו היה
10:05
a surgeלְהִתְנַחְשֵׁל in participationהִשׁתַתְפוּת amongstבֵּין Libyanלוב foreignזָר fightersלוחמים.
220
589678
3466
פרץ ההשתתפות בקרב לוחמים זרים לובים.
10:09
Perhapsאוּלַי mostרוב cleverחכם of all, thoughאם כי, and leastהכי פחות obviousברור,
221
593144
3106
אולי החכם ביותר, אבל, הפחות מובן מאליו,
10:12
by flippingמרפרף the dataנתונים on its headרֹאשׁ, the researchersחוקרים were
222
596250
2073
על-ידי היפוך הנתונים , החוקרים
10:14
ableיכול to deeplyבאופן מעמיק exploreלַחקוֹר the coordinationתֵאוּם networksרשתות in Syriaסוּריָה
223
598323
2900
יכלו לחקור לעומק רשתות תיאום בסוריה
10:17
that were ultimatelyבסופו של דבר responsibleאחראי for receivingקבלה and
224
601223
2517
שהיו אחראיות בסופו של דבר לקבלה,
10:19
transportingהובלה the foreignזָר fightersלוחמים to the borderגבול.
225
603740
2464
והובלה של לוחמים זרים אל הגבול.
10:22
These were networksרשתות of mercenariesשכירי חרב, not ideologuesאידיאולוגים,
226
606204
2633
אלו היו רשתות של שכירי-חרב, לא אידיאולוגים,
10:24
who were in the coordinationתֵאוּם businessעֵסֶק for profitרווח.
227
608837
2398
שהיו בעסקי התיאום למטרות רווח.
10:27
For exampleדוגמא, they chargedטעון Saudiסעודיה foreignזָר fightersלוחמים
228
611235
1904
לדוגמה, הם חייבו לוחמים זרים סעודים
10:29
substantiallyבאופן משמעותי more than Libyansלובאים, moneyכֶּסֶף that would have
229
613139
2199
באופן משמעותי יותר מאשר את הלובים, בכסף
10:31
otherwiseאחרת goneנעלם to alאל Qaedaקאעידה.
230
615338
2320
שאחרת הלך לאל קאעידה.
10:33
Perhapsאוּלַי the adversaryיָרִיב would disruptלְשַׁבֵּשׁ theirשֶׁלָהֶם ownשֶׁלוֹ networkרֶשֶׁת
231
617658
2045
אולי היריב היה משבש את הרשת שלהם
10:35
if they knewידע they cheatingרַמָאוּת would-beיהיה jihadistsג'יהאדיסטים.
232
619703
3035
אם הם הו יודעים שהם מרמים אנשי ג'יהאד עתידיים.
10:38
In Januaryיָנוּאָר, 2010, a devastatingהרסנית 7.0 earthquakeרעידת אדמה struckהיכה Haitiהאיטי,
233
622738
3745
בינואר, 2010, פגעה בהאיטי רעידת אדמה הרסנית של 7.0 ,
10:42
thirdשְׁלִישִׁי deadliestקטלני earthquakeרעידת אדמה of all time, left one millionמִילִיוֹן people,
234
626483
2916
רעידת האדמה הקטלנית השלישית בכל הזמנים, שהותירה מיליון אנשים,
10:45
10 percentאָחוּז of the populationאוּכְלוֹסִיָה, homelessחֲסַר בַּיִת.
235
629399
2584
10 אחוזים מהאוכלוסייה, ללא קורת גג.
10:47
One seeminglyלִכאוֹרָה smallקָטָן aspectאספקט of the overallבאופן כללי reliefהֲקָלָה effortמַאֲמָץ
236
631983
3137
היבט אחד, קטן לכאורה, של המאמץ הכולל
10:51
becameהפכתי increasinglyיותר ויותר importantחָשׁוּב as the deliveryמְסִירָה of foodמזון
237
635120
2176
נעשה בהדרגה חשוב כשמשלוחי מזון
10:53
and waterמַיִם startedהתחיל rollingגִלגוּל.
238
637296
2160
ומים, החלו להתגלגל.
10:55
Januaryיָנוּאָר and Februaryפברואר are the dryיָבֵשׁ monthsחודשים in Haitiהאיטי,
239
639456
1458
ינואר ופברואר הם חודשי יובש בהאיטי,
10:56
yetעדיין manyרב of the campsמחנות had developedמפותח standingעוֹמֵד waterמַיִם.
240
640914
2942
אולם רבים מהמחנות פיתחו מים עומדים.
10:59
The only institutionמוֹסָד with detailedמְפוֹרָט knowledgeיֶדַע of Haiti'sהאיטי
241
643856
2122
המוסד היחיד עם ידע נרחב בנושא הצפת נהרות
11:01
floodplainsשטפונות had been leveledמְפוּלָס
242
645978
1297
בהאיטי נהרס כליל
11:03
in the earthquakeרעידת אדמה, leadershipמַנהִיגוּת insideבְּתוֹך.
243
647275
3008
ברעידת אדמה, יחד האנשים בתוכו.
11:06
So the questionשְׁאֵלָה is, whichאיזה campsמחנות are at riskלְהִסְתָכֵּן,
244
650283
2575
כך שהשאלה היא, אילו מחנות נמצאים בסיכון,
11:08
how manyרב people are in these campsמחנות, what's the
245
652858
1921
כמה אנשים יש במחנות אלה, מהו
11:10
timelineציר זמן for floodingשִׁיטָפוֹן, and givenנָתוּן very limitedמוגבל resourcesאֶמְצָעִי
246
654779
2311
ציר הזמן עבור שטפונות, ובאין די משאבים
11:12
and infrastructureתַשׁתִית, how do we prioritizeלתעדף the relocationרילוקיישן?
247
657090
3384
ותשתיות, כיצד נקבע סדרי עדיפויות למיקום מחדש?
11:16
The dataנתונים was incrediblyבצורה מדהימה disparateמְפוּרָד. The U.S. Armyצָבָא had
248
660474
2344
הנתונים היה מאוד שונים. לצבא ארצות הברית היה
11:18
detailedמְפוֹרָט knowledgeיֶדַע for only a smallקָטָן sectionסָעִיף of the countryמדינה.
249
662818
2929
ידע נרחב רק עבור קטע קטן של המדינה.
11:21
There was dataנתונים onlineבאינטרנט from a 2006 environmentalסְבִיבָתִי riskלְהִסְתָכֵּן
250
665747
2511
היה מידע מקוון מכנס סיכון סביבתי מ- 2006,
11:24
conferenceוְעִידָה, other geospatialגיאו-מרחבי dataנתונים, noneאף אחד of it integratedמְשׁוּלָב.
251
668258
2664
ללא שום נתונים גאו-מרחביים אחרים.
11:26
The humanבן אנוש goalמטרה here was to identifyלזהות campsמחנות for relocationרילוקיישן
252
670922
2958
המטרה האנושית כאן היתה לזהות מחנות לשם העברתם למיקום חדש
11:29
basedמבוסס on priorityעדיפות need.
253
673880
2395
שמבוססת על צורכי עדיפות.
11:32
The computerמַחשֵׁב had to integrateלשלב a vastעָצוּם amountכמות of geospacialהגיאו-ספייס
254
676275
2440
על המחשב היה לשלב כמות אדירה של מידע גיאו-מרחבי,
11:34
informationמֵידָע, socialחֶברָתִי mediaכְּלֵי תִקְשׁוֹרֶת dataנתונים and reliefהֲקָלָה organizationאִרגוּן
255
678715
2584
מידע ממדיה חברתית ומידע מארגוני סיוע
11:37
informationמֵידָע to answerתשובה this questionשְׁאֵלָה.
256
681299
3480
כדי לענות על שאלה זו.
11:40
By implementingיישום a superiorעליון processתהליך, what was otherwiseאחרת
257
684779
2415
על-ידי יישום תהליך-על, שבמקרים אחרים
11:43
a taskמְשִׁימָה for 40 people over threeשְׁלוֹשָׁה monthsחודשים becameהפכתי
258
687194
2608
היה משימה ל-40 אנשים במשך שלושה חודשים של פעילות
11:45
a simpleפָּשׁוּט jobעבודה for threeשְׁלוֹשָׁה people in 40 hoursשעות,
259
689802
3176
הפך למשימה פשוטה עבור שלושה אנשים ב- 40 שעות,
11:48
all victoriesהניצחונות for human-computerמחשב אנושי symbiosisסִימבִּיוֹזָה.
260
692978
2628
כל אלה ניצחונות לסימביוזת אדם-מחשב.
11:51
We're more than 50 yearsשנים into Licklider'sשל ליקלידר visionחָזוֹן
261
695606
2054
אנחנו רחוקים כעת יותר מ- 50 שנה מחזונו לעתיד של ליקלידר,
11:53
for the futureעתיד, and the dataנתונים suggestsמציע that we should be
262
697660
2242
והנתונים מציעים שעלינו להיות
11:55
quiteדַי excitedנִרגָשׁ about tacklingהתמודדות this century'sשל המאה hardestהכי קשה problemsבעיות,
263
699902
3030
די נלהבים בשל העובדה שבהתמודדות עם הבעיות הקשות ביותר של המאה הזו,
11:58
man and machineמְכוֹנָה in cooperationשיתוף פעולה togetherיַחַד.
264
702932
2947
אדם ומחשב משתפים פעולה יחד.
12:01
Thank you. (Applauseתְשׁוּאוֹת)
265
705879
2197
תודה. (מחיאות כפיים)
12:03
(Applauseתְשׁוּאוֹת)
266
708076
2505
(מחיאות כפיים)
Translated by zeeva Livshitz
Reviewed by Ido Dekkers

▲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