TED2009
Tim Berners-Lee: The next web
Tim Berners-Lee e il Web prossimo venturo
Filmed:
Readability: 3.8
1,638,798 views
20 anni fa, TIm Berners-Lee inventò il World Wide Web. Per il suo prossimo progetto, sta lavorando alla creazione di un web pensato in funzione di dati condivisi e interconessi che potrebbe rappresentare per i numeri ciò che il Web è stato per le parole, le immagini e i video: rendere accessibili i dati riformulando il modo in cui li usiamo.
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
Il tempo vola
00:20
It's actually almost 20 years ago
1
2000
2000
È stato quasi 20 anni fa
00:22
when I wanted to reframe the way we use information,
2
4000
4000
che ho deciso di ripensare il modo in cui usiamo le informazioni.
00:26
the way we work together: I invented the World Wide Web.
3
8000
3000
il modo in cui lavoriamo insieme -- ho inventato il World Wide Web.
00:29
Now, 20 years on, at TED,
4
11000
3000
Ora, vent'anni dopo, a TED,
00:32
I want to ask your help in a new reframing.
5
14000
4000
Voglio chiedere il vostro aiuto per un nuovo cambio di prospettiva.
00:37
So going back to 1989,
6
19000
4000
Dunque, tornando al 1989,
00:41
I wrote a memo suggesting the global hypertext system.
7
23000
3000
Scrissi un memorandum in cui proponevo il sistema ipertestuale globale.
00:44
Nobody really did anything with it, pretty much.
8
26000
3000
Nessuno ci fece molto caso al momento.
00:47
But 18 months later -- this is how innovation happens --
9
29000
4000
Ma 18 mesi dopo -- così succede con le innovazioni --
00:51
18 months later, my boss said I could do it on the side,
10
33000
4000
18 mesi dopo, il mio capo disse che potevo occuparmi di quel progetto
00:55
as a sort of a play project,
11
37000
2000
ma come progetto secondario,
00:57
kick the tires of a new computer we'd got.
12
39000
2000
per rodare un nuovo computer che avevamo preso.
00:59
And so he gave me the time to code it up.
13
41000
3000
E mi diede il tempo di scrivere il programma.
01:02
So I basically roughed out what HTML should look like:
14
44000
5000
Così buttai giù una bozza di come doveva essere l'HTML,
01:07
hypertext protocol, HTTP;
15
49000
3000
il protocollo ipertestuale -- HTTP --
01:10
the idea of URLs, these names for things
16
52000
3000
l'idea degli URL -- questi nomi per le cose --
01:13
which started with HTTP.
17
55000
2000
che iniziavano con HTTP.
01:15
I wrote the code and put it out there.
18
57000
2000
Scrissi il programma e misi il codice a disposizione di tutti.
01:17
Why did I do it?
19
59000
2000
Perché l'ho fatto?
01:19
Well, it was basically frustration.
20
61000
2000
Beh, è stata fondamentalmente frustrazione.
01:21
I was frustrated -- I was working as a software engineer
21
63000
4000
Ero frustrato -- lavoravo come software engineer
01:25
in this huge, very exciting lab,
22
67000
2000
in questo laboratorio enorme, davvero stimolante
01:27
lots of people coming from all over the world.
23
69000
2000
pieno di persone che arrivavano da ogni parte del mondo.
01:29
They brought all sorts of different computers with them.
24
71000
3000
Che lavoravano con ogni sorta di computer, diversi tra loro
01:32
They had all sorts of different data formats,
25
74000
3000
Che utilizzavano ogni sorta di formato per i dati
01:35
all sorts, all kinds of documentation systems.
26
77000
2000
Ogni sorta, ogni tipo di sistema di documentazione.
01:37
So that, in all that diversity,
27
79000
3000
Perciò, con tutte queste differenze,
01:40
if I wanted to figure out how to build something
28
82000
2000
se volevo trovare il modo di fare qualcosa
01:42
out of a bit of this and a bit of this,
29
84000
2000
prendendo una cosa da una parte e una cosa dall'altra,
01:44
everything I looked into, I had to connect to some new machine,
30
86000
4000
qualsiasi cosa volessi approfondire, dovevo connettermi a una nuova macchina,
01:48
I had to learn to run some new program,
31
90000
2000
imparare a far funzionare un nuovo programma,
01:50
I would find the information I wanted in some new data format.
32
92000
5000
e alla fine trovavo le informazioni che volevo in qualche nuovo formato di dati.
01:55
And these were all incompatible.
33
97000
2000
Ed erano tutti incompatibili tra loro.
01:57
It was just very frustrating.
34
99000
2000
Era davvero molto frustrante.
01:59
The frustration was all this unlocked potential.
35
101000
2000
La frustrazione era tutto questo potenziale inesplorato.
02:01
In fact, on all these discs there were documents.
36
103000
3000
In effetti, su tutti i dischi c'erano documenti.
02:04
So if you just imagined them all
37
106000
3000
Quindi se riuscivi a immaginarli
02:07
being part of some big, virtual documentation system in the sky,
38
109000
5000
come parte di un grande, sistema virtuale di documentazione da qualche parte,
02:12
say on the Internet,
39
114000
2000
magari su Internet,
02:14
then life would be so much easier.
40
116000
2000
la vita sarebbe stata più semplice per tutti.
02:16
Well, once you've had an idea like that it kind of gets under your skin
41
118000
4000
Beh, quando ti viene un'idea simile, è qualcosa che ti entra sotto pelle
02:20
and even if people don't read your memo --
42
122000
2000
e anche se la gente non legge i tuoi memorandum --
02:22
actually he did, it was found after he died, his copy.
43
124000
3000
in realtà il mio capo lo lesse, dopo la sua morte, la sua copia fu trovata.
02:25
He had written, "Vague, but exciting," in pencil, in the corner.
44
127000
3000
Aveva scritto, "Vago, ma eccitante" a matita, in un angolino.
02:28
(Laughter)
45
130000
2000
(Risata)
02:30
But in general it was difficult -- it was really difficult to explain
46
132000
4000
Ma in generale, era difficile -- molto difficile spiegare
02:34
what the web was like.
47
136000
2000
come sarebbe stato il Web.
02:36
It's difficult to explain to people now that it was difficult then.
48
138000
2000
Ed è difficile far capire oggi alla gente quanto era difficile spiegarlo.
02:38
But then -- OK, when TED started, there was no web
49
140000
3000
Ma .. -- OK, quando è nato TED, il web non esisteva
02:41
so things like "click" didn't have the same meaning.
50
143000
3000
quindi cose tipo "cliccare" non avevano lo stesso significato.
02:44
I can show somebody a piece of hypertext,
51
146000
2000
Potevo far vedere a qualcuno un brano di ipertesto,
02:46
a page which has got links,
52
148000
2000
una pagina con dei link,
02:48
and we click on the link and bing -- there'll be another hypertext page.
53
150000
4000
clicchiamo sul link e bing, ecco che appare una nuova pagina di ipertesto.
02:52
Not impressive.
54
154000
2000
Niente di speciale.
02:54
You know, we've seen that -- we've got things on hypertext on CD-ROMs.
55
156000
3000
Lo avevamo già visto -- avevamo documenti ipertestuali su CD-ROM.
02:57
What was difficult was to get them to imagine:
56
159000
3000
La cosa difficile era far arrivare gli altri a immaginare
03:00
so, imagine that that link could have gone
57
162000
4000
Quindi, immaginate che quel link avrebbe potuto farvi arrivare
03:04
to virtually any document you could imagine.
58
166000
2000
praticamente a qualunque documento immaginabile.
03:07
Alright, that is the leap that was very difficult for people to make.
59
169000
4000
Ok, questo è lo scarto che per i più era veramente difficile da fare.
03:11
Well, some people did.
60
173000
2000
Beh, qualcuno ci riusciva.
03:13
So yeah, it was difficult to explain, but there was a grassroots movement.
61
175000
3000
Ed anche se era difficile da spiegare, si creò comunque un movimento spontaneo dal basso.
03:17
And that is what has made it most fun.
62
179000
4000
E questo fu ciò che lo rese più divertente.
03:21
That has been the most exciting thing,
63
183000
2000
Questa è stata la cosa più eccitante,
03:23
not the technology, not the things people have done with it,
64
185000
2000
non la tecnologia, non cosa le persone ne hanno fatto,
03:25
but actually the community, the spirit of all these people
65
187000
2000
ma la comunità, lo spirito di tutte queste persone
03:27
getting together, sending the emails.
66
189000
2000
che si riunivano, si scambiavano email.
03:29
That's what it was like then.
67
191000
2000
Ecco com'erano le cose allora.
03:31
Do you know what? It's funny, but right now it's kind of like that again.
68
193000
3000
E sapete una cosa? E' strano, ma in questo momento, le cose stanno tornando ad essere di nuovo come allora.
03:34
I asked everybody, more or less, to put their documents --
69
196000
2000
Ho chiesto più o meno a tutti, di mettere a disposizione i propri documenti --
03:36
I said, "Could you put your documents on this web thing?"
70
198000
3000
Ho detto, "Potreste caricare i vostri documenti su questa cosa, sul web?"
03:39
And you did.
71
201000
3000
E, lo avete fatto.
03:42
Thanks.
72
204000
1000
Grazie.
03:43
It's been a blast, hasn't it?
73
205000
2000
È stato spettacoloso, vero?
03:45
I mean, it has been quite interesting
74
207000
2000
Voglio dire, è stata una cosa molto interessante
03:47
because we've found out that the things that happen with the web
75
209000
2000
perché abbiamo scoperto che le cose che vengono fuori dal Web
03:49
really sort of blow us away.
76
211000
2000
in qualche modo ci spiazzano.
03:51
They're much more than we'd originally imagined
77
213000
2000
Vanno ben oltre quello che immaginavamo all'inizio
03:53
when we put together the little, initial website
78
215000
2000
quando abbiamo messo insieme il sito web
03:55
that we started off with.
79
217000
2000
dal quale siamo partiti.
03:57
Now, I want you to put your data on the web.
80
219000
3000
Ora, voglio che voi carichiate i vostri dati sul web.
04:00
Turns out that there is still huge unlocked potential.
81
222000
4000
Vedrete che c'è ancora un enorme potenziale inesplorato.
04:04
There is still a huge frustration
82
226000
2000
C'è ancora un'enorme frustrazione
04:06
that people have because we haven't got data on the web as data.
83
228000
4000
perché i dati al momento non sono sul web in forma di dati.
04:10
What do you mean, "data"? What's the difference -- documents, data?
84
232000
2000
Che vuol dire dati? Dati, documenti -- che differenza c'è?
04:12
Well, documents you read, OK?
85
234000
3000
I documenti li leggiamo, OK?
04:15
More or less, you read them, you can follow links from them, and that's it.
86
237000
3000
Più o meno, i documenti si leggono, si possono seguire i link tra uno e l'altro ed è tutto.
04:18
Data -- you can do all kinds of stuff with a computer.
87
240000
2000
Con i dati -- puoi fare un sacco di cose se hai un computer.
04:20
Who was here or has otherwise seen Hans Rosling's talk?
88
242000
6000
Chi di voi era presente o ha comunque visto il talk di Hans Rosling?
04:26
One of the great -- yes a lot of people have seen it --
89
248000
4000
Uno dei più belli -- si molti di voi l'hanno visto --
04:30
one of the great TED Talks.
90
252000
2000
uno dei migliori TED Talks.
04:32
Hans put up this presentation
91
254000
2000
Hans ha fatto vedere una presentazione
04:34
in which he showed, for various different countries, in various different colors --
92
256000
5000
in cui mostrava, per vari paesi e in colori differenti --
04:39
he showed income levels on one axis
93
261000
3000
i livelli di reddito su un asse
04:42
and he showed infant mortality, and he shot this thing animated through time.
94
264000
3000
e i livelli della mortalità infantile, animando il tutto su una scala temporale.
04:45
So, he'd taken this data and made a presentation
95
267000
4000
Dunque, Hans ha preso questi dati e ha fatto una presentazione
04:49
which just shattered a lot of myths that people had
96
271000
3000
che ha infranto molti dei miti che la gente ha
04:52
about the economics in the developing world.
97
274000
4000
sull'economia dei paesi in via di sviluppo.
04:56
He put up a slide a little bit like this.
98
278000
2000
Ha fatto vedere una slide simile a questa.
04:58
It had underground all the data
99
280000
2000
Ad essa sottostavano tutta una serie di dati
05:00
OK, data is brown and boxy and boring,
100
282000
3000
OK, i dati sono noiose scatole marroni,
05:03
and that's how we think of it, isn't it?
101
285000
2000
ed è così che ce li immaginiamo, no?
05:05
Because data you can't naturally use by itself
102
287000
3000
Perchè i dati di per sé non sono di immediata applicazione
05:08
But in fact, data drives a huge amount of what happens in our lives
103
290000
4000
Ma in realtà, i dati determinano tantissime cose nelle nostre vite
05:12
and it happens because somebody takes that data and does something with it.
104
294000
3000
e ciò accade perchè c'è qualcuno che prende quei dati e ne fa qualcosa.
05:15
In this case, Hans had put the data together
105
297000
2000
In questo caso, Hans aveva messo insieme i dati
05:17
he had found from all kinds of United Nations websites and things.
106
299000
5000
che aveva raccolto da ogni sorta di sito delle Nazioni Unite.
05:22
He had put it together,
107
304000
2000
Lui aveva raccolto i dati,
05:24
combined it into something more interesting than the original pieces
108
306000
3000
li aveva combinati in una cosa più interessante delle singole parti
05:27
and then he'd put it into this software,
109
309000
5000
e li aveva poi inseriti in un software,
05:32
which I think his son developed, originally,
110
314000
2000
che credo abbia sviluppato suo figlio, originariamente,
05:34
and produces this wonderful presentation.
111
316000
3000
e ha fatto questa presentazione meravigliosa.
05:37
And Hans made a point
112
319000
2000
E Hans ha insistito
05:39
of saying, "Look, it's really important to have a lot of data."
113
321000
4000
nel dire, "Guardate, è davvero importante avere molti dati."
05:43
And I was happy to see that at the party last night
114
325000
3000
E io sono stato felice di vedere che al rinfresco l'altra sera
05:46
that he was still saying, very forcibly, "It's really important to have a lot of data."
115
328000
4000
lui lo ripeteva, con enfasi, "E' davvero importante avere molti dati."
05:50
So I want us now to think about
116
332000
2000
Quindi voglio che ora noi tutti pensiamo
05:52
not just two pieces of data being connected, or six like he did,
117
334000
4000
non a due semplici tipologie di dati messi in relazione, o a sei, come ha fatto lui,
05:56
but I want to think about a world where everybody has put data on the web
118
338000
5000
ma voglio pensare a un mondo in cui tutti abbiano caricato dati sul web
06:01
and so virtually everything you can imagine is on the web
119
343000
2000
e dunque praticamente qualunque cosa possiate immaginare sia sul web.
06:03
and then calling that linked data.
120
345000
2000
e chiamare il tutto dati linkati.
06:05
The technology is linked data, and it's extremely simple.
121
347000
2000
La tecnologia è quella dei dati linkati, ed è estremamente semplice.
06:07
If you want to put something on the web there are three rules:
122
349000
4000
Se volete mettere qualcosa sul web, ci sono tre regole
06:11
first thing is that those HTTP names --
123
353000
3000
la prima cosa sono quei nomi HTTP --
06:14
those things that start with "http:" --
124
356000
2000
quelle cose che iniziano con http: --
06:16
we're using them not just for documents now,
125
358000
4000
ora non li useremo più solo per i documenti,
06:20
we're using them for things that the documents are about.
126
362000
2000
ma li useremo per indicare anche cose di cui parlano i documenti.
06:22
We're using them for people, we're using them for places,
127
364000
2000
Li useremo per le persone, li useremo per i luoghi,
06:24
we're using them for your products, we're using them for events.
128
366000
4000
li useremo per i vostri prodotti, li useremo per gli eventi.
06:28
All kinds of conceptual things, they have names now that start with HTTP.
129
370000
4000
Ogni sorta di concetto, ha ora un nome che inizia con HTTP.
06:32
Second rule, if I take one of these HTTP names and I look it up
130
374000
5000
Seconda regola, se prendo uno di questi nomi HTTP e lo cerco
06:37
and I do the web thing with it and I fetch the data
131
379000
2000
e vado sul web, e recupero i dati corrispondenti
06:39
using the HTTP protocol from the web,
132
381000
2000
usando il protocollo HTTP dal web,
06:41
I will get back some data in a standard format
133
383000
3000
ne ricaverò dei dati in un formato standard
06:44
which is kind of useful data that somebody might like to know
134
386000
5000
che potrebbero essere dati utili, che potrebbero interessare a qualcuno
06:49
about that thing, about that event.
135
391000
2000
a proposito di questo o di quell'altro evento.
06:51
Who's at the event? Whatever it is about that person,
136
393000
2000
Chi c'era a quell'evento? Qualunque cosa riguardi una di quelle persone,
06:53
where they were born, things like that.
137
395000
2000
dove è nata, o cose simili.
06:55
So the second rule is I get important information back.
138
397000
2000
Quindi la seconda regola è che posso ricavare informazioni importanti.
06:57
Third rule is that when I get back that information
139
399000
4000
La terza è che quando ricavo tali informazioni
07:01
it's not just got somebody's height and weight and when they were born,
140
403000
3000
non avrò solo l'altezza, il peso o la data di nascita di qualcuno,
07:04
it's got relationships.
141
406000
2000
ma otterrò relazioni.
07:06
Data is relationships.
142
408000
2000
I dati sono relazioni.
07:08
Interestingly, data is relationships.
143
410000
2000
È interessante, i dati sono relazioni.
07:10
This person was born in Berlin; Berlin is in Germany.
144
412000
4000
La tal persona è nata a Berlino, Berlino è in Germania.
07:14
And when it has relationships, whenever it expresses a relationship
145
416000
3000
E quando ci sono delle relazioni, ogni volta che c'è una relazione
07:17
then the other thing that it's related to
146
419000
3000
l'altro dato a cui è relazionato
07:20
is given one of those names that starts HTTP.
147
422000
4000
riceve anch'esso uno di quei nomi che iniziano con HTTP.
07:24
So, I can go ahead and look that thing up.
148
426000
2000
Quindi posso continuare e consultare questo nuovo dato.
07:26
So I look up a person -- I can look up then the city where they were born; then
149
428000
3000
Così [se] cerco una persona -- posso vedere la città in cui è nata
07:29
I can look up the region it's in, and the town it's in,
150
431000
3000
posso vedere la regione in cui si trova, in che città,
07:32
and the population of it, and so on.
151
434000
3000
quale sia la popolazione di questa città, e così via.
07:35
So I can browse this stuff.
152
437000
2000
Così posso scorrere tutte queste informazioni.
07:37
So that's it, really.
153
439000
2000
È tutto qui, davvero.
07:39
That is linked data.
154
441000
2000
Questi sono i dati linkati.
07:41
I wrote an article entitled "Linked Data" a couple of years ago
155
443000
3000
Ho scritto un articolo intitolato "Dati Linkati" un paio di anni fa
07:44
and soon after that, things started to happen.
156
446000
4000
e poco dopo, hanno cominciato a succedere un po' di cose.
07:48
The idea of linked data is that we get lots and lots and lots
157
450000
4000
L'idea dei dati linkati è che si possano avere molte, moltissime
07:52
of these boxes that Hans had,
158
454000
2000
di queste scatole che ha utilizzato Hans,
07:54
and we get lots and lots and lots of things sprouting.
159
456000
2000
e dunque molte, moltissime altre cose che ne germogliano.
07:56
It's not just a whole lot of other plants.
160
458000
3000
E non si tratta solo di una popolazione di nuove piante.
07:59
It's not just a root supplying a plant,
161
461000
2000
Non è solo una radice che nutre una pianta,
08:01
but for each of those plants, whatever it is --
162
463000
3000
ma per ognuna di quelle piante, di qualunque tipo essa sia --
08:04
a presentation, an analysis, somebody's looking for patterns in the data --
163
466000
3000
una presentazione, un'analisi, qualcuno che cerchi dei pattern nei dati --
08:07
they get to look at all the data
164
469000
3000
[chi la fa] guarda tutti i dati
08:10
and they get it connected together,
165
472000
2000
e li connette tra loro,
08:12
and the really important thing about data
166
474000
2000
E la cosa davvero importante dei dati
08:14
is the more things you have to connect together, the more powerful it is.
167
476000
2000
è che più cose devi connettere le une alle altre, più i dati diventano potenti.
08:16
So, linked data.
168
478000
2000
Quindi, dati linkati.
08:18
The meme went out there.
169
480000
2000
Il meme si è diffuso là fuori.
08:20
And, pretty soon Chris Bizer at the Freie Universitat in Berlin
170
482000
4000
E, abbastanza presto, Chris Bizer alla Freie Universitat di Berlino
08:24
who was one of the first people to put interesting things up,
171
486000
2000
che è stato uno dei primi a mettere insieme qualcosa d'interessante,
08:26
he noticed that Wikipedia --
172
488000
2000
ha notato che Wikipedia --
08:28
you know Wikipedia, the online encyclopedia
173
490000
3000
sapete, Wikipedia, l'enciclopedia online
08:31
with lots and lots of interesting documents in it.
174
493000
2000
che contiene un sacco di documenti interessanti.
08:33
Well, in those documents, there are little squares, little boxes.
175
495000
4000
Ebbene, in quei documenti, ci sono delle piccole scatole, dei piccoli riquadri.
08:37
And in most information boxes, there's data.
176
499000
3000
E nella maggior parte di quei riquadri informativi, ci sono dei dati.
08:40
So he wrote a program to take the data, extract it from Wikipedia,
177
502000
4000
Così lui ha scritto un programma che estrapola quei dati da Wikipedia,
08:44
and put it into a blob of linked data
178
506000
2000
E li mette in un insieme di dati linkati sul web,
08:46
on the web, which he called dbpedia.
179
508000
3000
che ha chiamato Dbpedia.
08:49
Dbpedia is represented by the blue blob in the middle of this slide
180
511000
4000
Dbpedia è rappresentata dall'insieme blu nel mezzo di questa slide
08:53
and if you actually go and look up Berlin,
181
515000
2000
e se voi andate a cercare "Berlino",
08:55
you'll find that there are other blobs of data
182
517000
2000
scoprirete che vi sono altri insiemi di dati
08:57
which also have stuff about Berlin, and they're linked together.
183
519000
3000
i quali a loro volta contengono informazioni su Berlino, e sono interconnessi.
09:00
So if you pull the data from dbpedia about Berlin,
184
522000
3000
Così se recuperate alcuni dati di Dbpedia su Berlino,
09:03
you'll end up pulling up these other things as well.
185
525000
2000
finirete per recuperare anche tutte queste altre informazioni.
09:05
And the exciting thing is it's starting to grow.
186
527000
3000
E ciò che è eccitante è che la cosa sta iniziando a crescere:
09:08
This is just the grassroots stuff again, OK?
187
530000
2000
è di nuovo l'inizio di un movimento spontaneo, dal basso.
09:10
Let's think about data for a bit.
188
532000
3000
Fermiamoci a riflettere sui dati per un attimo.
09:13
Data comes in fact in lots and lots of different forms.
189
535000
3000
I dati si presentano in un sacco di forme differenti
09:16
Think of the diversity of the web. It's a really important thing
190
538000
3000
Riflettete sulla varietà del web, è una cosa davvero importante:
09:19
that the web allows you to put all kinds of data up there.
191
541000
3000
il web vi permette di caricare qualunque tipo di informazione.
09:22
So it is with data. I could talk about all kinds of data.
192
544000
2000
Così succede con i dati. Potrei riferirmi a qualunque tipo di dati.
09:25
We could talk about government data, enterprise data is really important,
193
547000
4000
Pensiamo ai dati governativi, anche i dati delle aziende sono molto importanti,
09:29
there's scientific data, there's personal data,
194
551000
3000
ci sono dati scientifici, dati personali,
09:32
there's weather data, there's data about events,
195
554000
2000
ci sono dati meteorologici, dati su eventi,
09:34
there's data about talks, and there's news and there's all kinds of stuff.
196
556000
4000
ci sono dati sulle conferenze, sulla cronaca e su ogni tipo di cose.
09:38
I'm just going to mention a few of them
197
560000
3000
Nominerò solo di alcuni di questi
09:41
so that you get the idea of the diversity of it,
198
563000
2000
per darvi un'idea della varietà,
09:43
so that you also see how much unlocked potential.
199
565000
4000
perchè anche voi possiate vedere quale sia il potenziale dietro tutto questo.
09:47
Let's start with government data.
200
569000
2000
Iniziamo coi dati governativi.
09:49
Barack Obama said in a speech,
201
571000
2000
Barack Obama, in un discorso, ha dichiarato,
09:51
that he -- American government data would be available on the Internet
202
573000
5000
che i dati del governo americano sarebbero stati resi disponibili su Internet
09:56
in accessible formats.
203
578000
2000
in formati accessibili.
09:58
And I hope that they will put it up as linked data.
204
580000
2000
E io spero proprio che li rendano disponibili come dati linkati.
10:00
That's important. Why is it important?
205
582000
2000
Questo è importante. Perchè è importante?
10:02
Not just for transparency, yeah transparency in government is important,
206
584000
3000
Non solo per questioni di trasparenza, certo, la trasparenza dei governi è importante,
10:05
but that data -- this is the data from all the government departments
207
587000
3000
ma quei dati -- sono i dati di tutti i dipartimenti del governo
10:08
Think about how much of that data is about how life is lived in America.
208
590000
5000
Pensate a quanti di quei dati sono legati a come si vive in America.
10:13
It's actual useful. It's got value.
209
595000
2000
Sono veramente utili. Hanno valore.
10:15
I can use it in my company.
210
597000
2000
Posso utilizzarli nella mia azienda.
10:17
I could use it as a kid to do my homework.
211
599000
2000
Se fossi un ragazzino, potrei utilizzarli per i miei compiti a casa.
10:19
So we're talking about making the place, making the world run better
212
601000
3000
Stiamo parlando di come far girare meglio il mondo
10:22
by making this data available.
213
604000
2000
rendendo accessibili questi dati.
10:24
In fact if you're responsible -- if you know about some data
214
606000
4000
Di fatto se voi stessi siete responsabili -- se siete a conoscenza di dati
10:28
in a government department, often you find that
215
610000
2000
in un particolare dipartimento governativo, spesso scoprite
10:30
these people, they're very tempted to keep it --
216
612000
3000
che queste persone, sono molto tentate di tenerseli --
10:33
Hans calls it database hugging.
217
615000
3000
Hans lo chiama "Tenersi stretto il database".
10:36
You hug your database, you don't want to let it go
218
618000
2000
Ci si tiene stretto il proprio database, non lo si lascia andare
10:38
until you've made a beautiful website for it.
219
620000
2000
finchè non è stato fatto un bel sito web per l'accesso.
10:40
Well, I'd like to suggest that rather --
220
622000
2000
Beh, io vorrei suggerire invece --
10:42
yes, make a beautiful website,
221
624000
2000
si, fate un bel sito web,
10:44
who am I to say don't make a beautiful website?
222
626000
2000
chi sono io per dirvi di non fare un bel sito web?
10:46
Make a beautiful website, but first
223
628000
3000
Fate un bel sito, ma prima
10:49
give us the unadulterated data,
224
631000
3000
dateci i dati non adulterati,
10:52
we want the data.
225
634000
2000
vogliamo i dati.
10:54
We want unadulterated data.
226
636000
2000
Vogliamo dati non adulterati.
10:56
OK, we have to ask for raw data now.
227
638000
3000
Ok, dobbiamo richiedere i dati nudi e crudi adesso.
10:59
And I'm going to ask you to practice that, OK?
228
641000
2000
E io vi chiederò di allenarvi a chiederli, OK?
11:01
Can you say "raw"?
229
643000
1000
Dite "nudi e crudi."
11:02
Audience: Raw.
230
644000
1000
Audience: Nudi e crudi
11:03
Tim Berners-Lee: Can you say "data"?
231
645000
1000
Tim Berners-Lee: Potete dire "dati"?
11:04
Audience: Data.
232
646000
1000
Audience: Dati.
11:05
TBL: Can you say "now"?
233
647000
1000
TBL: Potete dire "ora"?
11:06
Audience: Now!
234
648000
1000
L'audience: "Ora!"
11:07
TBL: Alright, "raw data now"!
235
649000
2000
TBL: Bene, dati nudi e crudi ora!
11:09
Audience: Raw data now!
236
651000
2000
L'audience: Dati nudi e crudi ora!
11:11
Practice that. It's important because you have no idea the number of excuses
237
653000
4000
Ripetetelo: è importante perchè non avete idea della quantità di scuse
11:15
people come up with to hang onto their data
238
657000
2000
che la gente si inventa per tenersi stretti i propri dati
11:17
and not give it to you, even though you've paid for it as a taxpayer.
239
659000
4000
e non darveli, anche se li avete già pagati con le vostre tasse.
11:21
And it's not just America. It's all over the world.
240
663000
2000
E non è solo in America. È così in tutto il mondo.
11:23
And it's not just governments, of course -- it's enterprises as well.
241
665000
3000
E non sono solo i governi, certo -- [ma] anche le aziende.
11:26
So I'm just going to mention a few other thoughts on data.
242
668000
3000
Vi parlerò solo di un altro paio di riflessioni sui dati.
11:29
Here we are at TED, and all the time we are very conscious
243
671000
5000
Siamo qui al TED, e abbiamo ben presenti
11:34
of the huge challenges that human society has right now --
244
676000
5000
le grandi sfide che la società umana deve affrontare in questo momento --
11:39
curing cancer, understanding the brain for Alzheimer's,
245
681000
3000
curare il cancro, capire il funzionamento del cervello per [curare] l'Alzheimer,
11:42
understanding the economy to make it a little bit more stable,
246
684000
3000
capire l'economia per renderla un pochino più stabile,
11:45
understanding how the world works.
247
687000
2000
capire come funziona il mondo.
11:47
The people who are going to solve those -- the scientists --
248
689000
2000
Le persone che risolveranno questi problemi -- gli scienziati --
11:49
they have half-formed ideas in their head,
249
691000
2000
hanno in mente idee sviluppate solo in parte,
11:51
they try to communicate those over the web.
250
693000
3000
e cercano di comunicarsele attraverso il web.
11:54
But a lot of the state of knowledge of the human race at the moment
251
696000
3000
Ma molto del sapere umano in questo momento
11:57
is on databases, often sitting in their computers,
252
699000
3000
è nei database, che spesso risiedono nei loro computer,
12:00
and actually, currently not shared.
253
702000
3000
e in realtà, al momento, non è condiviso.
12:03
In fact, I'll just go into one area --
254
705000
3000
Per spiegarmi, approfondirò un tema --
12:06
if you're looking at Alzheimer's, for example,
255
708000
2000
se pensate al morbo di Alzheimer, per esempio,
12:08
drug discovery -- there is a whole lot of linked data which is just coming out
256
710000
3000
la scoperta dei medicinali -- c'è una gran quantità di dati linkati che stanno venendo a galla
12:11
because scientists in that field realize
257
713000
2000
perché gli scenziati in quel campo si sono resi conto
12:13
this is a great way of getting out of those silos,
258
715000
3000
che è un buon modo per uscire da questi silos,
12:16
because they had their genomics data in one database
259
718000
4000
perché hanno i loro dati sui genomi in un certo database
12:20
in one building, and they had their protein data in another.
260
722000
3000
in un certo palazzo, e hanno i dati sulle proteine in un altro
12:23
Now, they are sticking it onto -- linked data --
261
725000
3000
E ora, li stanno appiccicando gli uni agli altri -- dati linkati --
12:26
and now they can ask the sort of question, that you probably wouldn't ask,
262
728000
3000
e possono porre il tipo di domanda, che voi probabilmente non fareste,
12:29
I wouldn't ask -- they would.
263
731000
2000
che io non la farei -- [ma] loro si.
12:31
What proteins are involved in signal transduction
264
733000
2000
Quali proteine sono coinvolte nella trasduzione dei segnali
12:33
and also related to pyramidal neurons?
265
735000
2000
e sono anche collegate ai neuroni piramidali?
12:35
Well, you take that mouthful and you put it into Google.
266
737000
3000
Beh, se prendete queste quattro parole e le inserite in Google
12:38
Of course, there's no page on the web which has answered that question
267
740000
3000
Di certo non trovate una pagina che risponda a questa domanda
12:41
because nobody has asked that question before.
268
743000
2000
perché nessuno ha mai fatto questa domanda.
12:43
You get 223,000 hits --
269
745000
2000
Ottenete 223000 risultati --
12:45
no results you can use.
270
747000
2000
ma nessuno che sia di una qualche utilità.
12:47
You ask the linked data -- which they've now put together --
271
749000
3000
Se fate la stessa domanda ai dati linkati -- che ora loro hanno assemblato --
12:50
32 hits, each of which is a protein which has those properties
272
752000
4000
ottenete 32 risultati, ognuno delle quali è una proteina con quelle proprietà
12:54
and you can look at.
273
756000
2000
e che potete andare a vedere.
12:56
The power of being able to ask those questions, as a scientist --
274
758000
3000
Poter porre domande di questo genere, come scienziato --
12:59
questions which actually bridge across different disciplines --
275
761000
2000
domande che coinvolgono discipline differenti --
13:01
is really a complete sea change.
276
763000
3000
è un vero cambiamento con la C maiuscola.
13:04
It's very very important.
277
766000
2000
È molto, molto importante.
13:06
Scientists are totally stymied at the moment --
278
768000
2000
Gli scienziati hanno le mani legate al momento --
13:08
the power of the data that other scientists have collected is locked up
279
770000
5000
la potenzialità dei dati che altri scienziati hanno raccolto è inaccessibile
13:13
and we need to get it unlocked so we can tackle those huge problems.
280
775000
3000
e noi dobbiamo rendere i dati accessibili per poter affrontare questi enormi problemi.
13:16
Now if I go on like this, you'll think that all the data comes from huge institutions
281
778000
4000
Ora, se continuo così, penserete che tutti i dati provengano da grosse istituzioni
13:20
and has nothing to do with you.
282
782000
3000
e non abbiano nulla a che fare con voi.
13:23
But, that's not true.
283
785000
2000
Ma questo non è vero
13:25
In fact, data is about our lives.
284
787000
2000
Infatti, i dati riguardano le nostre vite
13:27
You just -- you log on to your social networking site,
285
789000
3000
Quando fate log-in nel vostro sito di social networking,
13:30
your favorite one, you say, "This is my friend."
286
792000
2000
nel vostro preferito, e dite, "Questo è mio amico".
13:32
Bing! Relationship. Data.
287
794000
3000
Bing! Relazione. Dato.
13:35
You say, "This photograph, it's about -- it depicts this person. "
288
797000
3000
Dite, "questa fotografia ritrae questa persona."
13:38
Bing! That's data. Data, data, data.
289
800000
3000
Bing! Quello è un dato. Dati, dati, dati.
13:41
Every time you do things on the social networking site,
290
803000
2000
Ogni volta che fate qualcosa sul vostro social network,
13:43
the social networking site is taking data and using it -- re-purposing it --
291
805000
4000
il sito sta ricavando dei dati e li sta usando -- li sta riutilizzando --
13:47
and using it to make other people's lives more interesting on the site.
292
809000
4000
e li sta usando per rendere più interessanti le vite delle altre persone sul sito.
13:51
But, when you go to another linked data site --
293
813000
2000
Ma quando andate su un altro sito di dati linkati --
13:53
and let's say this is one about travel,
294
815000
3000
e diciamo che si tratta di un sito di viaggi,
13:56
and you say, "I want to send this photo to all the people in that group,"
295
818000
3000
e dite: "Voglio inviare questa foto a tutte le persone di quel gruppo,"
13:59
you can't get over the walls.
296
821000
2000
non riuscite a superare i muri virtuali.
14:01
The Economist wrote an article about it, and lots of people have blogged about it --
297
823000
2000
L'Economist ne ha parlato in un articolo, e molte persone hanno scritto nei propri blog sull'argomento --
14:03
tremendous frustration.
298
825000
1000
una frustrazione tremenda.
14:04
The way to break down the silos is to get inter-operability
299
826000
2000
Il modo per distruggere i silos è ottenere l'interoperabilità
14:06
between social networking sites.
300
828000
2000
tra i siti di social networking.
14:08
We need to do that with linked data.
301
830000
2000
Dobbiamo farlo attraverso i dati linkati.
14:10
One last type of data I'll talk about, maybe it's the most exciting.
302
832000
3000
Parlerò di un ultimo tipo di dati, forse è il più eccitante.
14:13
Before I came down here, I looked it up on OpenStreetMap
303
835000
3000
Prima di arrivare qui, ho fatto una ricerca su OpenStreetMap
14:16
The OpenStreetMap's a map, but it's also a Wiki.
304
838000
2000
OpenStreetMap è una mappa, ma è anche una Wiki.
14:18
Zoom in and that square thing is a theater -- which we're in right now --
305
840000
3000
Zoomate e quel quadrato è un teatro -- quello in cui ci troviamo ora --
14:21
The Terrace Theater. It didn't have a name on it.
306
843000
2000
Il Terrace Theater. Non aveva un nome sulla mappa.
14:23
So I could go into edit mode, I could select the theater,
307
845000
2000
Così sono entrato in modalità di editing, ho selezionato il teatro,
14:25
I could add down at the bottom the name, and I could save it back.
308
847000
5000
ho aggiunto il nome in basso, e l'ho salvato.
14:30
And now if you go back to the OpenStreetMap. org,
309
852000
3000
E ora se tornate su OpenStreetMap.org
14:33
and you find this place, you will find that The Terrace Theater has got a name.
310
855000
3000
e trovate questo posto, scoprirete che il Terrace Theater ha un nome.
14:36
I did that. Me!
311
858000
2000
L'ho fatto proprio io!
14:38
I did that to the map. I just did that!
312
860000
2000
L'ho fatto sulla mappa. L'ho appena fatto!
14:40
I put that up on there. Hey, you know what?
313
862000
2000
Ce l'ho messo io. Ehi, sapete una cosa?
14:42
If I -- that street map is all about everybody doing their bit
314
864000
3000
Se io -- quella mappa è tutta fatta di singoli contributi
14:45
and it creates an incredible resource
315
867000
3000
e crea una risorsa incredibile
14:48
because everybody else does theirs.
316
870000
3000
perché ognuno fa la propria parte.
14:51
And that is what linked data is all about.
317
873000
3000
E i dati linkati consistono proprio in questo.
14:54
It's about people doing their bit
318
876000
3000
Stiamo parlando di persone che fanno la propria parte
14:57
to produce a little bit, and it all connecting.
319
879000
3000
per aggiungere una piccola porzione, e connettere il tutto.
15:00
That's how linked data works.
320
882000
3000
Così funzionano i dati linkati.
15:03
You do your bit. Everybody else does theirs.
321
885000
4000
Tu fai la tua parte. Tutti gli altri fanno la loro.
15:07
You may not have lots of data which you have yourself to put on there
322
889000
4000
Magari non avete non molti dati vostri da inserire
15:11
but you know to demand it.
323
893000
3000
ma sapete come chiederli.
15:14
And we've practiced that.
324
896000
2000
Abbiamo fatto pratica prima.
15:16
So, linked data -- it's huge.
325
898000
4000
Quindi, dati linkati -- sono una cosa di enorme portata.
15:20
I've only told you a very small number of things
326
902000
3000
Vi ho raccontato solo pochissime cose
15:23
There are data in every aspect of our lives,
327
905000
2000
I dati sono in ogni aspetto della nostra esistenza,
15:25
every aspect of work and pleasure,
328
907000
3000
in ogni aspetto del lavoro e del tempo libero,
15:28
and it's not just about the number of places where data comes,
329
910000
3000
e non stiamo parlando solo del numero di posti da cui arrivano i dati,
15:31
it's about connecting it together.
330
913000
3000
stiamo parlando di connetterli gli uni agli altri.
15:34
And when you connect data together, you get power
331
916000
3000
E quando connetti i dati, ottieni un potere
15:37
in a way that doesn't happen just with the web, with documents.
332
919000
3000
in un modo che non succede semplicemente con il web, coi documenti.
15:40
You get this really huge power out of it.
333
922000
4000
Fai venir fuori questa immensa potenzialità.
15:44
So, we're at the stage now
334
926000
3000
Così, siamo arrivati al punto
15:47
where we have to do this -- the people who think it's a great idea.
335
929000
4000
in cui è è necessario agire --- le persone che pensano sia una grande idea
15:51
And all the people -- and I think there's a lot of people at TED who do things because --
336
933000
3000
E tutte le persone -- e credo che ve ne siano molte al TED che agiscono per una ragione --
15:54
even though there's not an immediate return on the investment
337
936000
2000
anche se non vi è un immediato ritorno sull'investimento
15:56
because it will only really pay off when everybody else has done it --
338
938000
3000
perché il ritorno arriverà quando ognuno avrà fatto la propria parte --
15:59
they'll do it because they're the sort of person who just does things
339
941000
4000
ci saranno persone che lo faranno perchè sono il tipo di persone che fanno le cose
16:03
which would be good if everybody else did them.
340
945000
3000
che rendono se tutti le fanno.
16:06
OK, so it's called linked data.
341
948000
2000
Ok, quindi si chiamano dati linkati.
16:08
I want you to make it.
342
950000
2000
Voglio che voi li produciate.
16:10
I want you to demand it.
343
952000
2000
Voglio che voi li esigiate.
16:12
And I think it's an idea worth spreading.
344
954000
2000
E credo che sia un'idea che meriti di essere diffusa.
16:14
Thanks.
345
956000
1000
Grazie
16:15
(Applause)
346
957000
3000
(Applausi)
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