TED2009
Tim Berners-Lee: The next web
Tim Berners-Lee apie kitokį internetą
Filmed:
Readability: 3.8
1,638,798 views
Prieš 20 metų Tim Berners-Lee išrado pasaulinį tinklą (WWW). Kitas jo jau kuriamas projektas tai tinklas atviriem susietiems duomenims, kuris galėtų padaryti su skaičiais tą patį, ką pasaulinis tinklas padarė su žodžiais, paveikslais ir vaizdo klipais: išlaisvinti duomenis ir performuoti taip, kaip mes jais naudojamės
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
Laikas bėga.
00:20
It's actually almost 20 years ago
1
2000
2000
Iš tikro jau praėjo beveik 20 metų
00:22
when I wanted to reframe the way we use information,
2
4000
4000
nuo tada, kai aš panorau performuoti informacijos naudojimą,
00:26
the way we work together: I invented the World Wide Web.
3
8000
3000
darbą kartu -- aš išradau internetą.
00:29
Now, 20 years on, at TED,
4
11000
3000
Štai dabar, po 20 metų, TED konferencijoje,
00:32
I want to ask your help in a new reframing.
5
14000
4000
aš norėčiau paprašyti jūsų pagalbos naujoje reformacijoje.
00:37
So going back to 1989,
6
19000
4000
Taigi, grįžtant į 1989,
00:41
I wrote a memo suggesting the global hypertext system.
7
23000
3000
aš parašiau raštą siūlydamas pasaulinę hiperteksto sistemą.
00:44
Nobody really did anything with it, pretty much.
8
26000
3000
Niekas iš tikro nieko nedarė su ja, daugiau ar mažiau.
00:47
But 18 months later -- this is how innovation happens --
9
29000
4000
Bet, praėjus 18 mėnesių -- štai kaip vyksta naujovės --
00:51
18 months later, my boss said I could do it on the side,
10
33000
4000
praėjus 18 mėnesių, mano vadovas tarė, jog aš galiu tuo užsiimti kaip papildoma veikla,
00:55
as a sort of a play project,
11
37000
2000
kaip kokiu tai žaidimu,
00:57
kick the tires of a new computer we'd got.
12
39000
2000
išbandyti naują kompiuterį, kurį gavom.
00:59
And so he gave me the time to code it up.
13
41000
3000
Ir taip jis davė šiek tiek laiko programavimui.
01:02
So I basically roughed out what HTML should look like:
14
44000
5000
Taigi, iš esmės aš apmečiau kaip turėtų atrodyti HTML,
01:07
hypertext protocol, HTTP;
15
49000
3000
hiperteksto protokolas -- HTTP --
01:10
the idea of URLs, these names for things
16
52000
3000
URL idėja -- tie pavadinimai dalykų,
01:13
which started with HTTP.
17
55000
2000
kurie prasidėjo su HTTP.
01:15
I wrote the code and put it out there.
18
57000
2000
Aš parašiau kodą ir paskelbiau jį.
01:17
Why did I do it?
19
59000
2000
Kodėl aš taip padariau?
01:19
Well, it was basically frustration.
20
61000
2000
Na, tai buvo paprasčiausiai įniršis.
01:21
I was frustrated -- I was working as a software engineer
21
63000
4000
Aš buvau nusivylęs -- dirbau programinės įrangos inžinieriu
01:25
in this huge, very exciting lab,
22
67000
2000
toje didelėje, įdomioje laboratorijoje,
01:27
lots of people coming from all over the world.
23
69000
2000
kur buvo daug žmonių susirinkusių iš viso pasaulio.
01:29
They brought all sorts of different computers with them.
24
71000
3000
Jie atsivežė visų tipų skirtingus kompiuterius.
01:32
They had all sorts of different data formats,
25
74000
3000
Jie turėjo visų tipų skirtingus duomenų formatus.
01:35
all sorts, all kinds of documentation systems.
26
77000
2000
Visų tipų, visų rūšių dokumentacijos sistemas.
01:37
So that, in all that diversity,
27
79000
3000
Taigi jei, tarp tos visos įvairovės,
01:40
if I wanted to figure out how to build something
28
82000
2000
aš norėjau išsiaiškinti kaip kažką sukurti
01:42
out of a bit of this and a bit of this,
29
84000
2000
šiek tiek iš šito ir šiek tiek iš kito,
01:44
everything I looked into, I had to connect to some new machine,
30
86000
4000
viską ką aš tyrinėjau, turėjau prijungti prie kokio nors naujo kompiuterio,
01:48
I had to learn to run some new program,
31
90000
2000
turėjau išmokti paleisti naują programą,
01:50
I would find the information I wanted in some new data format.
32
92000
5000
kad galėčiau atrasti norimą informaciją kokiu nors nauju formatu.
01:55
And these were all incompatible.
33
97000
2000
Ir jie visi buvo nesuderinami.
01:57
It was just very frustrating.
34
99000
2000
Tai tiesiog labai erzino.
01:59
The frustration was all this unlocked potential.
35
101000
2000
Tas susierzinimas buvo dėl viso to užrakinto potencialo.
02:01
In fact, on all these discs there were documents.
36
103000
3000
Iš tikro, visuose šituose diskuose buvo dokumentai.
02:04
So if you just imagined them all
37
106000
3000
Taigi, jei tik jūs įsivaizduotumėt juos
02:07
being part of some big, virtual documentation system in the sky,
38
109000
5000
esant viena dalelyte didelės, virtualios dokumentacijos, sistemos danguje,
02:12
say on the Internet,
39
114000
2000
tarkim internete,
02:14
then life would be so much easier.
40
116000
2000
gyvenimas tikrai būtų lengvesnis.
02:16
Well, once you've had an idea like that it kind of gets under your skin
41
118000
4000
Na, kartą susidūrus su tokia idėja, ji tarsi ima erzinti iš vidaus
02:20
and even if people don't read your memo --
42
122000
2000
ir net jeigu žmonės neskaito tavo raštų --
02:22
actually he did, it was found after he died, his copy.
43
124000
3000
iš tikro jis perskaitė, tai buvo atrasta po jo mirties, jo kopija.
02:25
He had written, "Vague, but exciting," in pencil, in the corner.
44
127000
3000
Pieštuku kampe jo buvo parašyta "Miglotas, bet jaudinantis".
02:28
(Laughter)
45
130000
2000
(Juokas)
02:30
But in general it was difficult -- it was really difficult to explain
46
132000
4000
Bet iš tikro tai buvo sudėtinga -- tai buvo tikrai sudėtinga paaiškinti
02:34
what the web was like.
47
136000
2000
kaip iš tikro atrodo tas internetas.
02:36
It's difficult to explain to people now that it was difficult then.
48
138000
2000
Sudėtinga paaiškinti žmonėms ir dabar, kad tai buvo sudėtinga tada.
02:38
But then -- OK, when TED started, there was no web
49
140000
3000
Bet tada -- Taip, kai prasidėjo TED, interneto nebuvo
02:41
so things like "click" didn't have the same meaning.
50
143000
3000
todėl tokie dalykai kaip spragtelėti neturėjo tos pačios reikšmės.
02:44
I can show somebody a piece of hypertext,
51
146000
2000
Galiu parodyti kam nors gabalėlį hiperteksto,
02:46
a page which has got links,
52
148000
2000
puslapį, kuris turi nuorodas,
02:48
and we click on the link and bing -- there'll be another hypertext page.
53
150000
4000
ir tada mes spragtelime ant nuorodos, spragt -- turime kitą puslapį su nuorodomis.
02:52
Not impressive.
54
154000
2000
Nieko įspūdingo.
02:54
You know, we've seen that -- we've got things on hypertext on CD-ROMs.
55
156000
3000
Žinote, mes jau tai matėm -- turime dalykus su nuorodomis kompaktiniuose diskuose.
02:57
What was difficult was to get them to imagine:
56
159000
3000
Kas buvo sudėtinga, tai priversti juost įsivaizduoti.
03:00
so, imagine that that link could have gone
57
162000
4000
Taigi, įsivaizduokite, kad jūsų nuorodos galėtų virtualiai patekti
03:04
to virtually any document you could imagine.
58
166000
2000
į bet kokį dokumentą kokį tik galite įsivaizduoti.
03:07
Alright, that is the leap that was very difficult for people to make.
59
169000
4000
Gerai, tai buvo šuolis, kurį žmonėms buvo sudėtinga pasiekti.
03:11
Well, some people did.
60
173000
2000
Na, kai kuriems tai pavyko.
03:13
So yeah, it was difficult to explain, but there was a grassroots movement.
61
175000
3000
Nors taip, tai buvo sudėtinga paaiškinti, bet tai buvo paprastų žmonių judėjimas.
03:17
And that is what has made it most fun.
62
179000
4000
Ir tai buvo būtent tai, kas suteikė daugiausiai džiaugsmo.
03:21
That has been the most exciting thing,
63
183000
2000
Tai buvo pats nuostabiausias dalykas:
03:23
not the technology, not the things people have done with it,
64
185000
2000
ne technologija, ne technologijos dėka žmonių sukurti dalykai,
03:25
but actually the community, the spirit of all these people
65
187000
2000
bet bendruomenė, visų žmonių dvasia
03:27
getting together, sending the emails.
66
189000
2000
susirinkus visiems drauge, siunčiant laiškus.
03:29
That's what it was like then.
67
191000
2000
Tai štai kaip buvo tada.
03:31
Do you know what? It's funny, but right now it's kind of like that again.
68
193000
3000
Ar žinot kas? Juokinga, bet šiuo metu tai kažkas tokio panašaus vyksta ir vėl.
03:34
I asked everybody, more or less, to put their documents --
69
196000
2000
Aš paprašiau kiekvieno, daugiau mažiau, patalpinti savo dokumentus --
03:36
I said, "Could you put your documents on this web thing?"
70
198000
3000
Aš pasakiau, "Ar galite patalpinti savo dokumentus tame tinklo dalyke?"
03:39
And you did.
71
201000
3000
Ir jūs patalpinot.
03:42
Thanks.
72
204000
1000
Dėkui.
03:43
It's been a blast, hasn't it?
73
205000
2000
Tai buvo žybtelėjimas, negi ne?
03:45
I mean, it has been quite interesting
74
207000
2000
Turiu omeny, tai buvo gana įdomu,
03:47
because we've found out that the things that happen with the web
75
209000
2000
nes mes atradom, kad tie dalykai nutikę su tinklu
03:49
really sort of blow us away.
76
211000
2000
iš tikro mus nubloškė kažkur labai toli.
03:51
They're much more than we'd originally imagined
77
213000
2000
Tai kažkas daug daugiau nei mes iš tikro įsivaizdavom,
03:53
when we put together the little, initial website
78
215000
2000
kai kartu sulipdėm pradinį tinklapį
03:55
that we started off with.
79
217000
2000
pradėdami nuo to.
03:57
Now, I want you to put your data on the web.
80
219000
3000
Dabar, aš norėčiau, kad jūs sudėtumėt savo informaciją į tinklą.
04:00
Turns out that there is still huge unlocked potential.
81
222000
4000
Ir pasirodo, kad dar yra daug neatvertų galimybių.
04:04
There is still a huge frustration
82
226000
2000
Dar yra daug įtūžio,
04:06
that people have because we haven't got data on the web as data.
83
228000
4000
kuris kyla žmonėms, nes duomenys tinkle dar nėra pasiekiami kaip duomenys.
04:10
What do you mean, "data"? What's the difference -- documents, data?
84
232000
2000
Ką aš turiu omeny, sakydamas duomenys? Koks skirtumas -- dokumentai, duomenys?
04:12
Well, documents you read, OK?
85
234000
3000
Dokumentus jūs skaitot, taip?
04:15
More or less, you read them, you can follow links from them, and that's it.
86
237000
3000
Daugiau mažiau jūs juos skaitot, jūs galit sekti nuorodas juose, ir tiek.
04:18
Data -- you can do all kinds of stuff with a computer.
87
240000
2000
Duomenys -- kompiuterio pagalba su jais galite padaryti labai skirtingus dalykus.
04:20
Who was here or has otherwise seen Hans Rosling's talk?
88
242000
6000
Kas buvot čia arba kas matėt Hans Rosting kalbą?
04:26
One of the great -- yes a lot of people have seen it --
89
248000
4000
Viena įspūdingiausių -- taip, daug žmonių ją matė --
04:30
one of the great TED Talks.
90
252000
2000
viena įspūdingiausių TED kalbų.
04:32
Hans put up this presentation
91
254000
2000
Hans paruošė pristatymą,
04:34
in which he showed, for various different countries, in various different colors --
92
256000
5000
kurioje jis parodė, kelioms skirtingoms šalims, keliomis skirtingomis spalvomis --
04:39
he showed income levels on one axis
93
261000
3000
jis parodė pajamų lygius vienoje ašyje,
04:42
and he showed infant mortality, and he shot this thing animated through time.
94
264000
3000
ir parodė vaikų mirtingumą, ir jis tai parodė animuotai laiko eigoje.
04:45
So, he'd taken this data and made a presentation
95
267000
4000
Taigi, jis paėmė šituos duomenis ir padarė pristatymą,
04:49
which just shattered a lot of myths that people had
96
271000
3000
kuris tiesiog išsklaidė daugybę mitų, kuriuos žmonės turėjo
04:52
about the economics in the developing world.
97
274000
4000
kalbėdami apie ekonomiką išsivysčiusiame pasaulyje.
04:56
He put up a slide a little bit like this.
98
278000
2000
Jis parodė maždaug tokią skaidrę.
04:58
It had underground all the data
99
280000
2000
Po savimi ji turėjo visus duomenis:
05:00
OK, data is brown and boxy and boring,
100
282000
3000
taip, duomenys yra pilki ir kampuoti, ir nuobodūs,
05:03
and that's how we think of it, isn't it?
101
285000
2000
ir tai būtent taip, kaip mes ir galvojam, negi ne?
05:05
Because data you can't naturally use by itself
102
287000
3000
Nes būtent duomenų jūs negalite natūraliai naudoti kaipo tokius.
05:08
But in fact, data drives a huge amount of what happens in our lives
103
290000
4000
Nors iš tikro, duomenys labai plačiai parodo kas nutinka mūsų gyvenime
05:12
and it happens because somebody takes that data and does something with it.
104
294000
3000
ir taip yra dėl to, kad kažkas paima tuos duomenis ir padaro ką nors su jais.
05:15
In this case, Hans had put the data together
105
297000
2000
Šituo atveju, Hans sudėjo duomenis kartu,
05:17
he had found from all kinds of United Nations websites and things.
106
299000
5000
jis juos rado ir paėmė iš visokių Jungtinių Tautų puslapių.
05:22
He had put it together,
107
304000
2000
Jis juos sudėjo kartu,
05:24
combined it into something more interesting than the original pieces
108
306000
3000
sukombinavo juos į kažką įdomesnio negu prieš tai
05:27
and then he'd put it into this software,
109
309000
5000
ir tada jis sudėjo juos į programinę įrangą,
05:32
which I think his son developed, originally,
110
314000
2000
kurią, manau, išplėtojo jo sūnus,
05:34
and produces this wonderful presentation.
111
316000
3000
ir sukūrė tą nuostabų pristatymą,
05:37
And Hans made a point
112
319000
2000
Ir Hans pažymėjo
05:39
of saying, "Look, it's really important to have a lot of data."
113
321000
4000
tardamas, "Žiūrėkit, tai tikrai labai svarbu turėti daug duomenų."
05:43
And I was happy to see that at the party last night
114
325000
3000
Ir aš buvau laimingas matydamas, kad vakar naktį vakarėlyje
05:46
that he was still saying, very forcibly, "It's really important to have a lot of data."
115
328000
4000
jis vis dar primygtinai kartojo, "Tai labai svarbu, turėti daug duomenų."
05:50
So I want us now to think about
116
332000
2000
Taigi, aš norėčiau dabar, kad mes kartu pagalvotume
05:52
not just two pieces of data being connected, or six like he did,
117
334000
4000
ne tik apie du gabalus duomenų, kurie sujungiami, ar apie šešis, kaip kad jis padarė,
05:56
but I want to think about a world where everybody has put data on the web
118
338000
5000
bet aš norėčiau pagalvoti apie pasaulį, kuriame kiekvienas sudėjo savo duomenis internete
06:01
and so virtually everything you can imagine is on the web
119
343000
2000
ir virtualiai viskas, ką jūs įsivaizduojate, yra internete.
06:03
and then calling that linked data.
120
345000
2000
Ir pavadinti visa tai susietais duomenimis.
06:05
The technology is linked data, and it's extremely simple.
121
347000
2000
Technologija yra susieti duomenys, ir tai labai paprasta.
06:07
If you want to put something on the web there are three rules:
122
349000
4000
Jeigu nori ką nors patalpinti internete, yra trys taisyklės:
06:11
first thing is that those HTTP names --
123
353000
3000
pirmas dalykas kad tie HTTP vardai --
06:14
those things that start with "http:" --
124
356000
2000
tie dalykai, kurie prasideda "http:" --
06:16
we're using them not just for documents now,
125
358000
4000
mes juos naudojam ne tik dokumentams dabar,
06:20
we're using them for things that the documents are about.
126
362000
2000
mes juos naudojam tiems dalykams, kurie pasakoja apie ką yra duomenys.
06:22
We're using them for people, we're using them for places,
127
364000
2000
Mes juos naudojame žmonėms, naudojame vietoms,
06:24
we're using them for your products, we're using them for events.
128
366000
4000
mes naudojam juos jūsų produktams, naudojam įvykiams.
06:28
All kinds of conceptual things, they have names now that start with HTTP.
129
370000
4000
Visiems konceptualiems dalykams, kurie turi vardus prasidedančius HTTP.
06:32
Second rule, if I take one of these HTTP names and I look it up
130
374000
5000
Antra taisyklė, jei aš paimu vieną iš HTTP vardų ir jo paieškau,
06:37
and I do the web thing with it and I fetch the data
131
379000
2000
ir padarau su juo šiokius tokiu internetinius dalykus ir aš atveriu duomenis
06:39
using the HTTP protocol from the web,
132
381000
2000
naudodamas HTTP protokolą iš interneto,
06:41
I will get back some data in a standard format
133
383000
3000
aš grįšiu prie duomenų standartiniu formatu,
06:44
which is kind of useful data that somebody might like to know
134
386000
5000
kas yra kaip ir naudingi duomenys, kuriuos galbūt kažkas norėtų žinoti
06:49
about that thing, about that event.
135
391000
2000
apie kažkokį dalyką, kažkokį įvykį.
06:51
Who's at the event? Whatever it is about that person,
136
393000
2000
Kas dalyvauja įvykyje? Kad ir kas bebūtų apie tą žmogų,
06:53
where they were born, things like that.
137
395000
2000
kur jis gimė, ir panašūs dalykai.
06:55
So the second rule is I get important information back.
138
397000
2000
Taigi, antroji taisyklė, aš galiu atgauti svarbią informaciją.
06:57
Third rule is that when I get back that information
139
399000
4000
Trečioji taisyklė tai, kad kai aš atgaunu tą informaciją
07:01
it's not just got somebody's height and weight and when they were born,
140
403000
3000
tai ne tik gauti kažkieno ūgį ir svorį ir ne tik sužinoti kada jie gimė,
07:04
it's got relationships.
141
406000
2000
tai turėti santykius.
07:06
Data is relationships.
142
408000
2000
Duomenys yra santykiai.
07:08
Interestingly, data is relationships.
143
410000
2000
Įdomiai, duomenys yra santykiai.
07:10
This person was born in Berlin; Berlin is in Germany.
144
412000
4000
Tas asmuo gimė Berlyne, Berlynas yra Vokietijoje.
07:14
And when it has relationships, whenever it expresses a relationship
145
416000
3000
Ir kai tik duomenys turi santykius, kai tik tai išreiškiama santykiais,
07:17
then the other thing that it's related to
146
419000
3000
tada kitas dalykas, kad tai būtų susieta su
07:20
is given one of those names that starts HTTP.
147
422000
4000
vienais iš tų vardų, kurie prasideda HTTP.
07:24
So, I can go ahead and look that thing up.
148
426000
2000
Taigi, aš galiu judėti pirmyn ir vis ką nors pažiūrėti įdėmiau.
07:26
So I look up a person -- I can look up then the city where they were born; then
149
428000
3000
Aš paieškau žmogaus -- aš tada galiu pasižiūrėti, kokiame mieste jis gimė,
07:29
I can look up the region it's in, and the town it's in,
150
431000
3000
galiu pasižiūrėti regioną, kuriame jis yra, ir miestą,
07:32
and the population of it, and so on.
151
434000
3000
ir tada gyventojų skaičių ir t.t.
07:35
So I can browse this stuff.
152
437000
2000
Taigi aš galiu naršyti po šituos dalykus.
07:37
So that's it, really.
153
439000
2000
Taigi, kaip ir viskas, tikrai.
07:39
That is linked data.
154
441000
2000
Tai yra susieti duomenys.
07:41
I wrote an article entitled "Linked Data" a couple of years ago
155
443000
3000
Prieš keletą metų aš parašiau straipsnį pavadinimu "Susieti duomenys"
07:44
and soon after that, things started to happen.
156
446000
4000
ir gana greit po to, viskas pradėjo judėti.
07:48
The idea of linked data is that we get lots and lots and lots
157
450000
4000
Susietų duomenų idėja yra ta, kad mes gaunam daugybę, daugybę ir daugybę
07:52
of these boxes that Hans had,
158
454000
2000
tokių dėžučių kurias Hans turėjo,
07:54
and we get lots and lots and lots of things sprouting.
159
456000
2000
ir mes gauname dar daugiau ir daugiau atsišakojančių dalykų.
07:56
It's not just a whole lot of other plants.
160
458000
3000
Tai ne tik visuma tų kitų augalų.
07:59
It's not just a root supplying a plant,
161
461000
2000
Tai ne tik šaknys, išlaikančios augalą,
08:01
but for each of those plants, whatever it is --
162
463000
3000
bet kiekvienam šitam augalui, kad ir kas tai yra --
08:04
a presentation, an analysis, somebody's looking for patterns in the data --
163
466000
3000
pristatymas, analizė, kažkas ieško struktūrų raštų duomenyse--
08:07
they get to look at all the data
164
469000
3000
jie turi peržvelgti visus tuos duomenis
08:10
and they get it connected together,
165
472000
2000
ir jie turi juos visus kartu apjungti,
08:12
and the really important thing about data
166
474000
2000
ir vienas labai svarbus dalykas apie duomenis
08:14
is the more things you have to connect together, the more powerful it is.
167
476000
2000
tai kuo daugiau dalykų apjungi kartu, tuo didesnė jėga slypi tame.
08:16
So, linked data.
168
478000
2000
Taigi, susieti duomenys.
08:18
The meme went out there.
169
480000
2000
Tas pats nutiko ir čia.
08:20
And, pretty soon Chris Bizer at the Freie Universitat in Berlin
170
482000
4000
Ir gana greitai Chris Bize, Berlyne, Freie Universitete,
08:24
who was one of the first people to put interesting things up,
171
486000
2000
kuris buvo vienas pirmųjų žmonių iškėlęs įdomius dalykus,
08:26
he noticed that Wikipedia --
172
488000
2000
jis pastebėjo, kad Vikipedija --
08:28
you know Wikipedia, the online encyclopedia
173
490000
3000
žinote Vikipediją, internetinę enciklopediją
08:31
with lots and lots of interesting documents in it.
174
493000
2000
su daugybę įdomių dokumentų.
08:33
Well, in those documents, there are little squares, little boxes.
175
495000
4000
Na, tuose dokumentuose, yra maži kvadratai, mažos dėžutės.
08:37
And in most information boxes, there's data.
176
499000
3000
Ir didžiojoje tų informacijos dėžučių yra duomenys.
08:40
So he wrote a program to take the data, extract it from Wikipedia,
177
502000
4000
Taigi jis parašė programą paimti duomenims, ištraukti juos iš Vikipedijos,
08:44
and put it into a blob of linked data
178
506000
2000
ir sudėti į susietų duomenų gniužulą
08:46
on the web, which he called dbpedia.
179
508000
3000
internete, kurį jis pavadino dbpedia.
08:49
Dbpedia is represented by the blue blob in the middle of this slide
180
511000
4000
Dbpedia yra pavaizduota tuo dideliu mėlynu gniužulu šios skaidrės viduryje
08:53
and if you actually go and look up Berlin,
181
515000
2000
ir jeigu jūs iš tikro nueitumėt ir paieškotumėt Berlyno,
08:55
you'll find that there are other blobs of data
182
517000
2000
jūs atrastumėt, kad ten yra kiti duomenų gniužulai,
08:57
which also have stuff about Berlin, and they're linked together.
183
519000
3000
kurie turi tam tikrų ką nors apie Berlyną, ir jie yra sujungti tarpusavyje.
09:00
So if you pull the data from dbpedia about Berlin,
184
522000
3000
Taigi, jei jūs ištrauktumėt duomenis iš dbpedia apie Berlyną,
09:03
you'll end up pulling up these other things as well.
185
525000
2000
pasibaigtų taip, kad jūs taip pat ištrauktumėt ir tuos kitus dalykus.
09:05
And the exciting thing is it's starting to grow.
186
527000
3000
Ir labiausiai jaudinantis dalykas, kad tai pradeda augti.
09:08
This is just the grassroots stuff again, OK?
187
530000
2000
Tai tik paprastų žmonių darbas ir vėl, taip?
09:10
Let's think about data for a bit.
188
532000
3000
Pagalvokim apie duomenis truputį.
09:13
Data comes in fact in lots and lots of different forms.
189
535000
3000
Duomenys iš tikro ateina įvairiausiomis formomis.
09:16
Think of the diversity of the web. It's a really important thing
190
538000
3000
Pagalvokit apie interneto įvairialypiškumą, tai tikrai labai svarbus dalykas,
09:19
that the web allows you to put all kinds of data up there.
191
541000
3000
kad internetas leidžia sudėti įvairiausio plauko duomenis čia pat.
09:22
So it is with data. I could talk about all kinds of data.
192
544000
2000
Taigi tiek apie duomenis. Galėčiau kalbėti apie įvairiausio tipo duomenis.
09:25
We could talk about government data, enterprise data is really important,
193
547000
4000
Galėtume kalbėti apie vyriausybės duomenis, įmonių duomenis, kurie tikrai labai svarbūs,
09:29
there's scientific data, there's personal data,
194
551000
3000
yra moksliniai duomenys, asmeniniai duomenys,
09:32
there's weather data, there's data about events,
195
554000
2000
yra orų duomenys, apie įvykius,
09:34
there's data about talks, and there's news and there's all kinds of stuff.
196
556000
4000
duomenys apie kalbas, ir yra naujienos apie įvairiausius dalykus.
09:38
I'm just going to mention a few of them
197
560000
3000
Aš tik paminėsiu kelis iš jų,
09:41
so that you get the idea of the diversity of it,
198
563000
2000
kad pagautumėt idėją apie jų įvairovę,
09:43
so that you also see how much unlocked potential.
199
565000
4000
kad pamatytumėt kiek dar daug neišnaudoto potencialo.
09:47
Let's start with government data.
200
569000
2000
Taigi, pradėkim apie savivaldybės duomenis.
09:49
Barack Obama said in a speech,
201
571000
2000
Barack Obama teigė savo kalboje,
09:51
that he -- American government data would be available on the Internet
202
573000
5000
kad -- Amerikos vyriausybės duomenys turėtų būt prieinami Internete
09:56
in accessible formats.
203
578000
2000
prieinamais formatais.
09:58
And I hope that they will put it up as linked data.
204
580000
2000
Ir aš tikiuosi, kad jie paskelbs tai kaip susietus duomenis.
10:00
That's important. Why is it important?
205
582000
2000
Tai labai svarbu. Kodėl tai svarbu?
10:02
Not just for transparency, yeah transparency in government is important,
206
584000
3000
Ne tik dėl skaidrumo, nors taip, skaidrumas vyriausybėje yra svarbus,
10:05
but that data -- this is the data from all the government departments
207
587000
3000
bet dėl duomenų -- tai duomenys iš visų vyriausybės departamentų.
10:08
Think about how much of that data is about how life is lived in America.
208
590000
5000
Pagalvokit kiek daug iš tų duomenų yra apie tai, kaip gyvenimas yra gyvenamas Amerikoje.
10:13
It's actual useful. It's got value.
209
595000
2000
Tai iš tikro naudinga. Tai turi vertės.
10:15
I can use it in my company.
210
597000
2000
Aš galiu naudoti juos savo kompanijoje.
10:17
I could use it as a kid to do my homework.
211
599000
2000
Aš galiu naudoji juos būdamas vaikas savo namų darbams atlikti.
10:19
So we're talking about making the place, making the world run better
212
601000
3000
Taigi, mes kalbame kaip padaryti pasaulio veikimą geresniu,
10:22
by making this data available.
213
604000
2000
padarant šiuos duomenis prieinamus.
10:24
In fact if you're responsible -- if you know about some data
214
606000
4000
Iš tikro, jei jūs esate atsakingi -- jei jūs žinote apie kažkokius duomenis
10:28
in a government department, often you find that
215
610000
2000
vyriausybės departamente, dažnai jūs atrandat, kad
10:30
these people, they're very tempted to keep it --
216
612000
3000
tie žmonės, jie labai linkę pasilikti tai sau. --
10:33
Hans calls it database hugging.
217
615000
3000
Hans vadina tai duomenų bazės spaudimu.
10:36
You hug your database, you don't want to let it go
218
618000
2000
Tu apsikabini savo duomenų bazę, tu nenori paleisti jos
10:38
until you've made a beautiful website for it.
219
620000
2000
iki sukuri jai nuostabų tinklapį.
10:40
Well, I'd like to suggest that rather --
220
622000
2000
Na, aš norėčiau pasiūlyti geriau jau --
10:42
yes, make a beautiful website,
221
624000
2000
taip, padarykit gražų tinklapį,
10:44
who am I to say don't make a beautiful website?
222
626000
2000
kas aš toks, kad sakyčiau nedarykit gražaus tinklapio?
10:46
Make a beautiful website, but first
223
628000
3000
Taip, padarykit gražų tinklapį, tik pirmiau
10:49
give us the unadulterated data,
224
631000
3000
pasidalinkit savo grynais duomenimis,
10:52
we want the data.
225
634000
2000
mes norime tų duomenų.
10:54
We want unadulterated data.
226
636000
2000
Mes norime nešlifuotų duomenų.
10:56
OK, we have to ask for raw data now.
227
638000
3000
Taip, mes turime paprašyti neapdorotų duomenų dabar.
10:59
And I'm going to ask you to practice that, OK?
228
641000
2000
Ir aš dabar ketinu paprašyti jūsų pabandyti tai, gerai?
11:01
Can you say "raw"?
229
643000
1000
Sakykit "neapdorotų".
11:02
Audience: Raw.
230
644000
1000
Publika: Neapdorotų.
11:03
Tim Berners-Lee: Can you say "data"?
231
645000
1000
Tim-Berners-Lee: Galite pasakyti "duomenų"?
11:04
Audience: Data.
232
646000
1000
Publika: Duomenų.
11:05
TBL: Can you say "now"?
233
647000
1000
TBL: Galite pasakyti "dabar"?
11:06
Audience: Now!
234
648000
1000
Publika: Dabar!
11:07
TBL: Alright, "raw data now"!
235
649000
2000
TBL: Gerai, neapdorotų duomenų dabar!
11:09
Audience: Raw data now!
236
651000
2000
Publika: Neapdorotų duomenų dabar!
11:11
Practice that. It's important because you have no idea the number of excuses
237
653000
4000
Praktikuokite tai. Tai svarbu, jūs net neįsivaizduojate kiek daug priežasčių
11:15
people come up with to hang onto their data
238
657000
2000
žmonės suranda, kad galėtų likti apsikabinę savo duomenis
11:17
and not give it to you, even though you've paid for it as a taxpayer.
239
659000
4000
ir jais nepasidalinti su jumis, net jeigu jūs sumokėjote už juos kaip mokesčių mokėtojas.
11:21
And it's not just America. It's all over the world.
240
663000
2000
Ir tai ne tik Amerika. Tai visame pasaulyje.
11:23
And it's not just governments, of course -- it's enterprises as well.
241
665000
3000
Ir tai ne tik vyriausybės, žinoma -- tai taip pat ir įmonės.
11:26
So I'm just going to mention a few other thoughts on data.
242
668000
3000
Taigi aš tik ketinu pasidalinti tik keliomis kitomis mintimis apie duomenis.
11:29
Here we are at TED, and all the time we are very conscious
243
671000
5000
Štai mes esam čia, TED, ir visą šį laiką mes suvokiam
11:34
of the huge challenges that human society has right now --
244
676000
5000
apie didžiulius iššūkius, su kuriais žmonija susiduria šiuo metu --
11:39
curing cancer, understanding the brain for Alzheimer's,
245
681000
3000
vėžio gydymas, smegenų darbo suvokimas dėl Alzhaimerio,
11:42
understanding the economy to make it a little bit more stable,
246
684000
3000
ekonomikos suvokimas siekiant ją padaryti labiau stabilesne,
11:45
understanding how the world works.
247
687000
2000
pasaulio suvokimas, kaip jis veikia.
11:47
The people who are going to solve those -- the scientists --
248
689000
2000
Žmonės, kurie bando tai išspręsti -- mokslininkai --
11:49
they have half-formed ideas in their head,
249
691000
2000
jie turi pusiau suformuotas idėjas savo galvose,
11:51
they try to communicate those over the web.
250
693000
3000
jie bando perduoti tai internetu.
11:54
But a lot of the state of knowledge of the human race at the moment
251
696000
3000
Bet dauguma žmonijos žinių būvis šiuo metu
11:57
is on databases, often sitting in their computers,
252
699000
3000
yra duomenų bazėse, dažnai esantys tiesiog kompiuteriuose,
12:00
and actually, currently not shared.
253
702000
3000
ir dažnai, dabartiniu metu neskirtas dalintis.
12:03
In fact, I'll just go into one area --
254
705000
3000
Iš tikro, aš dabar tiesiog įlįsiu į vieną sritį --
12:06
if you're looking at Alzheimer's, for example,
255
708000
2000
jei jūs žvelgiate į Alzheimerį, pavyzdžiui,
12:08
drug discovery -- there is a whole lot of linked data which is just coming out
256
710000
3000
vaistų atradimas -- yra daugybė susietų duomenų, kurie dar tik ateina,
12:11
because scientists in that field realize
257
713000
2000
nes šios krypties mokslininkai dar tik suvokia,
12:13
this is a great way of getting out of those silos,
258
715000
3000
kad tai nuostabus būdas išlįsti iš siloso,
12:16
because they had their genomics data in one database
259
718000
4000
nes jie turėjo savo genomikos duomenis vienoje duomenų bazėje,
12:20
in one building, and they had their protein data in another.
260
722000
3000
viename pastate, ir jie turėjo savo baltymų duomenis kitoje.
12:23
Now, they are sticking it onto -- linked data --
261
725000
3000
Dabar, jie tiesiog lipdo juos vienus ant kitų -- susieti duomenys --
12:26
and now they can ask the sort of question, that you probably wouldn't ask,
262
728000
3000
ir jie dabar gali paklausti tokių klausimų, kurių jūs turbūt neklaustumėt,
12:29
I wouldn't ask -- they would.
263
731000
2000
Aš irgi neklausčiau - jie paklaustų.
12:31
What proteins are involved in signal transduction
264
733000
2000
Kokie baltymai yra įtraukti į signalų perdavimą
12:33
and also related to pyramidal neurons?
265
735000
2000
ir tai pat yra susieti su piramidiniais neuronais?
12:35
Well, you take that mouthful and you put it into Google.
266
737000
3000
Taigi, tu paimti tai ir įvedi Google paieškos lauką.
12:38
Of course, there's no page on the web which has answered that question
267
740000
3000
Žinoma, nėra jokio puslapio internete, kuris atsakytų į šį klausimą,
12:41
because nobody has asked that question before.
268
743000
2000
nes niekas dar nepaklausė tokio klausimo prieš tai.
12:43
You get 223,000 hits --
269
745000
2000
Gauni 223 000 paieškų --
12:45
no results you can use.
270
747000
2000
jokių rezultatų, kuriuos galėtum panaudoti.
12:47
You ask the linked data -- which they've now put together --
271
749000
3000
Tu paklausi susietų duomenų -- kuriuos jie dabar susiejo kartu --
12:50
32 hits, each of which is a protein which has those properties
272
752000
4000
32 paieškos, kiekviena apie proteiną, kuris turi tas savybes
12:54
and you can look at.
273
756000
2000
ir tu gali pasižiūrėti į jas.
12:56
The power of being able to ask those questions, as a scientist --
274
758000
3000
Galia, turėti galimybę paklausti tokius klausimus, kaip mokslininkui --
12:59
questions which actually bridge across different disciplines --
275
761000
2000
klausimus kurie iš tikro jungia kelias skirtingas disciplinas --
13:01
is really a complete sea change.
276
763000
3000
tai tikrai visapusiškas pasikeitimas iš didžiosios raidės.
13:04
It's very very important.
277
766000
2000
Tai labai labai svarbu.
13:06
Scientists are totally stymied at the moment --
278
768000
2000
Mokslininkai yra tikrai trukdomi šiuo metu --
13:08
the power of the data that other scientists have collected is locked up
279
770000
5000
duomenų, kuriuos surinko kiti mokslininkai, galia yra užrakinta
13:13
and we need to get it unlocked so we can tackle those huge problems.
280
775000
3000
ir mums reikia juos gauti atrakintus, kad galėtume išspręsti tas didžiules problemas.
13:16
Now if I go on like this, you'll think that all the data comes from huge institutions
281
778000
4000
Taigi, jei aš ir toliau tęsiu, kaip dabar, jūs pagalvosit, kad visi duomenys ateina iš didžiųjų institucijų
13:20
and has nothing to do with you.
282
782000
3000
ir neturi nieko bendra su jumis.
13:23
But, that's not true.
283
785000
2000
Bet tai netiesa.
13:25
In fact, data is about our lives.
284
787000
2000
Iš tikro, duomenys yra apie mūsų gyvenimus.
13:27
You just -- you log on to your social networking site,
285
789000
3000
Jūs tik -- jūs prisijungiate prie socialinio tinklo tinklapio,
13:30
your favorite one, you say, "This is my friend."
286
792000
2000
jūsų mėgstamiausio, jūs tariate, "Tai mano draugas."
13:32
Bing! Relationship. Data.
287
794000
3000
Bam! Santykis. Duomenys.
13:35
You say, "This photograph, it's about -- it depicts this person. "
288
797000
3000
Jūs tariate, "Tai fotografija, tai apie -- tai vaizduoja šį asmenį."
13:38
Bing! That's data. Data, data, data.
289
800000
3000
Bam! Tai duomenys. Duomenys, duomenys, duomenys.
13:41
Every time you do things on the social networking site,
290
803000
2000
Kiekvieną kartą jūs darote kažką socialiniame tinklapyje,
13:43
the social networking site is taking data and using it -- re-purposing it --
291
805000
4000
socialinis tinklapis ima jūsų duomenis ir juos vartoja -- priskiria kitus tikslus --
13:47
and using it to make other people's lives more interesting on the site.
292
809000
4000
ir naudoja juos kitų žmonių gyvenimus padaryti įdomesniais tame puslapyje.
13:51
But, when you go to another linked data site --
293
813000
2000
Bet kai jūs nueinate į kitą susietų duomenų puslapį --
13:53
and let's say this is one about travel,
294
815000
3000
ir tarkim tai apie keliones,
13:56
and you say, "I want to send this photo to all the people in that group,"
295
818000
3000
ir jūs sakote, "Aš noriu nusiųsti šitą fotografiją visai tai žmonių grupei,"
13:59
you can't get over the walls.
296
821000
2000
jūs negalite pereiti sienų.
14:01
The Economist wrote an article about it, and lots of people have blogged about it --
297
823000
2000
The Economist parašė straipsnį apie tai, ir daug žmonių paskelbė tai savo tinklaraščiuose --
14:03
tremendous frustration.
298
825000
1000
milžiniškas įtūžis.
14:04
The way to break down the silos is to get inter-operability
299
826000
2000
Būdas sulaužyti tą silosą yra sukurti visapusišką bendradarbiavimą
14:06
between social networking sites.
300
828000
2000
tarp socialinių tinklapių.
14:08
We need to do that with linked data.
301
830000
2000
Mums reikia tai padaryti su susietais duomenimis.
14:10
One last type of data I'll talk about, maybe it's the most exciting.
302
832000
3000
Vienas paskutinių duomenų tipų apie kuriuos aš norėčiau pakalbėt, galbūt vienas labiausiai jaudinančių.
14:13
Before I came down here, I looked it up on OpenStreetMap
303
835000
3000
Prieš atvykdamas čia, aš žvilgtelėjau į OpenStreetMap.
14:16
The OpenStreetMap's a map, but it's also a Wiki.
304
838000
2000
OpenStreetMap yra žemėlapis, bet taip pat ir Wiki.
14:18
Zoom in and that square thing is a theater -- which we're in right now --
305
840000
3000
Priartinkime ir tas kvadratinis dalykas yra teatras -- kuriame mes dabar ir esame --
14:21
The Terrace Theater. It didn't have a name on it.
306
843000
2000
Terasos Teatras. Jis neturėjo pavadinimo.
14:23
So I could go into edit mode, I could select the theater,
307
845000
2000
Taigi, aš galėjau įeiti į redagavimo būseną, galėjau pasirinkti teatrą.
14:25
I could add down at the bottom the name, and I could save it back.
308
847000
5000
Aš galėjau pridėti prie pabaigos vardą ir aš galėjau išsaugoti.
14:30
And now if you go back to the OpenStreetMap. org,
309
852000
3000
Ir dabar jei jūs nueinate į OpenStreetMap.org,
14:33
and you find this place, you will find that The Terrace Theater has got a name.
310
855000
3000
ir jūs surandate šią vietą, jūs pamatysite, kad Terasos Teatras turi pavadinimą.
14:36
I did that. Me!
311
858000
2000
Aš padariau tai. Aš!
14:38
I did that to the map. I just did that!
312
860000
2000
Aš padariau tai žemėlapyje. Aš tiesiog tai padariau!
14:40
I put that up on there. Hey, you know what?
313
862000
2000
Aš uždėjau jį ten. Ei, ar žinot ką?
14:42
If I -- that street map is all about everybody doing their bit
314
864000
3000
Jeigu aš -- tas žemėlapis yra kuriamas visiems prisidedant po truputį
14:45
and it creates an incredible resource
315
867000
3000
ir tai sukuria nepakartojamą šaltinį,
14:48
because everybody else does theirs.
316
870000
3000
nes kiekvienas daro savo.
14:51
And that is what linked data is all about.
317
873000
3000
Ir tai yra tai, kas yra susieti duomenys.
14:54
It's about people doing their bit
318
876000
3000
Tai apie žmones, kurie daro savo dalelę,
14:57
to produce a little bit, and it all connecting.
319
879000
3000
kad padarytų šiek tiek, ir visa tai sujungiama.
15:00
That's how linked data works.
320
882000
3000
Štai kaip veikia susieti duomenys.
15:03
You do your bit. Everybody else does theirs.
321
885000
4000
Jūs padarote savo dalį. Kiekvienas padaro savo dalį.
15:07
You may not have lots of data which you have yourself to put on there
322
889000
4000
Jūs nebūtinai turite turėti daugybę duomenų, kuriuos padėtumėt ten,
15:11
but you know to demand it.
323
893000
3000
bet jūs žinote, kaip to pareikalauti.
15:14
And we've practiced that.
324
896000
2000
Ir mes jau šiek tiek repetavom.
15:16
So, linked data -- it's huge.
325
898000
4000
Taigi, susieti duomenys -- tai milžiniška.
15:20
I've only told you a very small number of things
326
902000
3000
Aš jums pasakiau tik labai mažą dalelę.
15:23
There are data in every aspect of our lives,
327
905000
2000
Duomenys yra kiekviename jūsų gyvenimo aspekte,
15:25
every aspect of work and pleasure,
328
907000
3000
kiekviename darbo ir malonumo aspekte,
15:28
and it's not just about the number of places where data comes,
329
910000
3000
ir tai ne tik apie vietų skaičių, iš kur duomenys ateina,
15:31
it's about connecting it together.
330
913000
3000
tai apie sujungimą kartu.
15:34
And when you connect data together, you get power
331
916000
3000
Ir kai jūs sujungiate duomenis kartu, jūs gaunate jėgos
15:37
in a way that doesn't happen just with the web, with documents.
332
919000
3000
būdu, kurios nesukurtumėt tik internetu, su dokumentais.
15:40
You get this really huge power out of it.
333
922000
4000
Jūs gaunate tikrai milžiniškos galios iš to.
15:44
So, we're at the stage now
334
926000
3000
Taigi, mes dabar esame tokiam etape,
15:47
where we have to do this -- the people who think it's a great idea.
335
929000
4000
kur mes turime padaryti tai -- žmonės, kurie galvojate, kad tai nuostabi idėja.
15:51
And all the people -- and I think there's a lot of people at TED who do things because --
336
933000
3000
Ir visi žmonės -- ir man atrodo, kad TED yra žmonių, kurie daro dalykus, nes --
15:54
even though there's not an immediate return on the investment
337
936000
2000
net jeigu nėra skubių įplaukų,
15:56
because it will only really pay off when everybody else has done it --
338
938000
3000
nes visa tai atsipirks kai tik visi kiti tai bus padarę --
15:59
they'll do it because they're the sort of person who just does things
339
941000
4000
jie visi daro tai, nes jie toks tipas žmonių, kurie tiesiog daro dalykus,
16:03
which would be good if everybody else did them.
340
945000
3000
kurie būtų geri, jei visi tai būtų padarę.
16:06
OK, so it's called linked data.
341
948000
2000
Gerai, taigi tai vadinama susieti duomenys.
16:08
I want you to make it.
342
950000
2000
Aš norėčiau, kad jūs tai padarytumėt.
16:10
I want you to demand it.
343
952000
2000
Aš norėčiau, kad jūs jų pareikalautumėt.
16:12
And I think it's an idea worth spreading.
344
954000
2000
Ir aš manau, kad tai idėja, kurią verta skleisti.
16:14
Thanks.
345
956000
1000
Dėkui.
16:15
(Applause)
346
957000
3000
(Plojimai)
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