TED2009
Tim Berners-Lee: The next web
Tim Berners-Lee o sieci Web następnej generacji
Filmed:
Readability: 3.8
1,638,798 views
Dwadzieścia lat temu Tim Berners-Lee stworzył World Wide Web. Jego następny projekt to otwarta sieć powiązanych ze sobą danych, które będą dla liczb tym, czym WWW jest dla słów, grafiki, zdjęć i wideo – ich uwolnieniem i nowym sposobem wspólnego wykorzystywania.
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
Ależ ten czas biegnie.
00:20
It's actually almost 20 years ago
1
2000
2000
To już prawie 20 lat
00:22
when I wanted to reframe the way we use information,
2
4000
4000
od momentu, kiedy postanowiłem zmienić sposób, w jaki korzystamy z informacji
00:26
the way we work together: I invented the World Wide Web.
3
8000
3000
jak współpracujemy ze sobą – i wynalazłem World Wide Web.
00:29
Now, 20 years on, at TED,
4
11000
3000
Teraz – 20 lat później – tutaj, na TED
00:32
I want to ask your help in a new reframing.
5
14000
4000
proszę was o pomoc w dokonaniu następnej zmiany.
00:37
So going back to 1989,
6
19000
4000
Wróćmy do roku 1989,
00:41
I wrote a memo suggesting the global hypertext system.
7
23000
3000
kiedy napisałem notatkę proponującą stworzenie globalnego systemu hipertekstowego.
00:44
Nobody really did anything with it, pretty much.
8
26000
3000
Nikt się wtedy tym nie zainteresował.
00:47
But 18 months later -- this is how innovation happens --
9
29000
4000
Ale 18 miesięcy później – tak to jest z wynalazkami
00:51
18 months later, my boss said I could do it on the side,
10
33000
4000
– 18 miesięcy później mój szef powiedział, że mógłbym zająć się tym na boku,
00:55
as a sort of a play project,
11
37000
2000
taki projekt dla zabawy,
00:57
kick the tires of a new computer we'd got.
12
39000
2000
żeby sprawdzić nowy komputer, który dostaliśmy.
00:59
And so he gave me the time to code it up.
13
41000
3000
Dał mi czas na napisanie kodu.
01:02
So I basically roughed out what HTML should look like:
14
44000
5000
Więc naszkicowałem jak powinien wyglądać HTML,
01:07
hypertext protocol, HTTP;
15
49000
3000
protokół hipertekstu HTTP,
01:10
the idea of URLs, these names for things
16
52000
3000
koncepcja adresów URL – to te nazwy różnych rzeczy
01:13
which started with HTTP.
17
55000
2000
zaczynające się od HTTP.
01:15
I wrote the code and put it out there.
18
57000
2000
Napisałem kod, po czym go opublikowałem.
01:17
Why did I do it?
19
59000
2000
Czemu zająłem się tym?
01:19
Well, it was basically frustration.
20
61000
2000
Przede wszystkim z powodu frustracji.
01:21
I was frustrated -- I was working as a software engineer
21
63000
4000
Byłem sfrustrowany: pracowałem jako inżynier oprogramowania
01:25
in this huge, very exciting lab,
22
67000
2000
w tym wielkim, niezwykle fascynującym laboratorium,
01:27
lots of people coming from all over the world.
23
69000
2000
gdzie przybywało mnóstwo ludzi z całego świata.
01:29
They brought all sorts of different computers with them.
24
71000
3000
Przywozili ze sobą najróżniejsze komputery.
01:32
They had all sorts of different data formats,
25
74000
3000
Korzystali z najrozmaitszych formatów danych,
01:35
all sorts, all kinds of documentation systems.
26
77000
2000
wszelkiego rodzaju systemów dokumentacji.
01:37
So that, in all that diversity,
27
79000
3000
Przez to, przez całą tę różnorodność,
01:40
if I wanted to figure out how to build something
28
82000
2000
gdy chciałem odkryć sposób złożenia czegoś
01:42
out of a bit of this and a bit of this,
29
84000
2000
z fragmentów z różnych źródeł,
01:44
everything I looked into, I had to connect to some new machine,
30
86000
4000
czymkolwiek się zajmowałem, musiałem korzystać z coraz to nowego komputera
01:48
I had to learn to run some new program,
31
90000
2000
i nauczyć się pracować z jakimś nowym programem,
01:50
I would find the information I wanted in some new data format.
32
92000
5000
a informacje, których potrzebowałem, były w coraz to innym formacie.
01:55
And these were all incompatible.
33
97000
2000
I wszystko to było niekompatybilne.
01:57
It was just very frustrating.
34
99000
2000
To było po prostu bardzo frustrujące.
01:59
The frustration was all this unlocked potential.
35
101000
2000
Frustrujące było uwięzienie całego tego potencjału.
02:01
In fact, on all these discs there were documents.
36
103000
3000
W rzeczywistości na tych wszystkich dyskach znajdowały się dokumenty.
02:04
So if you just imagined them all
37
106000
3000
Więc gdybyście sobie spróbowali wyobrazić je wszystkie
02:07
being part of some big, virtual documentation system in the sky,
38
109000
5000
jako części wielkiego wirtualnego systemu dokumentacji w chmurach,
02:12
say on the Internet,
39
114000
2000
powiedzmy w Internecie,
02:14
then life would be so much easier.
40
116000
2000
życie byłoby znacznie prostsze.
02:16
Well, once you've had an idea like that it kind of gets under your skin
41
118000
4000
Cóż, jeśli już wpadniecie na pomysł tego rodzaju, nie uwolnicie się już od niego,
02:20
and even if people don't read your memo --
42
122000
2000
i nawet jeśli nikt nie czyta waszych notatek służbowych
02:22
actually he did, it was found after he died, his copy.
43
124000
3000
– on w rzeczywistości przeczytał: znaleziono po jego śmierci egzemplarz, który dostał.
02:25
He had written, "Vague, but exciting," in pencil, in the corner.
44
127000
3000
Napisał ołówkiem w rogu: „Mętne ale fascynujące”.
02:28
(Laughter)
45
130000
2000
(Śmiech)
02:30
But in general it was difficult -- it was really difficult to explain
46
132000
4000
Choć generalnie trudno, naprawdę trudno, było wytłumaczyć
02:34
what the web was like.
47
136000
2000
jak ma wyglądać Web.
02:36
It's difficult to explain to people now that it was difficult then.
48
138000
2000
Trudno to wytłumaczyć komuś dzisiaj, a co dopiero wtedy.
02:38
But then -- OK, when TED started, there was no web
49
140000
3000
Wtedy: kiedy ruszył TED, nie było WWW,
02:41
so things like "click" didn't have the same meaning.
50
143000
3000
więc takie rzeczy jak kliknięcie nie miały tego znaczenia, co dziś.
02:44
I can show somebody a piece of hypertext,
51
146000
2000
Mogę pokazać komuś fragment hipertekstu,
02:46
a page which has got links,
52
148000
2000
stronę, która zawiera linki,
02:48
and we click on the link and bing -- there'll be another hypertext page.
53
150000
4000
klikamy link i bach – mamy następną stronę hipertekstową.
02:52
Not impressive.
54
154000
2000
Mało imponujące.
02:54
You know, we've seen that -- we've got things on hypertext on CD-ROMs.
55
156000
3000
Wiecie: już to znamy, mamy różne rzeczy z hipertekstem na CD-ROM-ach.
02:57
What was difficult was to get them to imagine:
56
159000
3000
Trudne było sprawienie, żeby sobie wyobrazili...
03:00
so, imagine that that link could have gone
57
162000
4000
wyobrazili, że ten link może prowadzić
03:04
to virtually any document you could imagine.
58
166000
2000
do praktycznie każdego dokumentu, o jakim można sobie pomyśleć.
03:07
Alright, that is the leap that was very difficult for people to make.
59
169000
4000
Dobrze. To jest ten skok, który był dla niektórych bardzo trudny do wykonania.
03:11
Well, some people did.
60
173000
2000
Cóż... a niektórym się udał.
03:13
So yeah, it was difficult to explain, but there was a grassroots movement.
61
175000
3000
Owszem, było to trudne do wyjaśnienia, ale pojawił się spontaniczny oddolny ruch.
03:17
And that is what has made it most fun.
62
179000
4000
I właśnie to było źródło największej radości.
03:21
That has been the most exciting thing,
63
183000
2000
To był najbardziej ekscytujący element:
03:23
not the technology, not the things people have done with it,
64
185000
2000
nie technika, nie jak ludzie ją wykorzystywali,
03:25
but actually the community, the spirit of all these people
65
187000
2000
ale właśnie społeczność, duch tych wszystkich ludzi
03:27
getting together, sending the emails.
66
189000
2000
zbierających się razem, wysyłających e-maile.
03:29
That's what it was like then.
67
191000
2000
Tak wtedy było.
03:31
Do you know what? It's funny, but right now it's kind of like that again.
68
193000
3000
I wiecie co? To zabawne, ale właśnie teraz znowu dzieje się coś takiego.
03:34
I asked everybody, more or less, to put their documents --
69
196000
2000
Poprosiłem wszystkich, powiedzmy, żeby umieścili swoje dokumenty...
03:36
I said, "Could you put your documents on this web thing?"
70
198000
3000
powiedziałem „Czy moglibyście umieścić swoje dokumenty w tej pajęczynie WWW?”
03:39
And you did.
71
201000
3000
I wy to zrobiliście.
03:42
Thanks.
72
204000
1000
Dziękuję.
03:43
It's been a blast, hasn't it?
73
205000
2000
To było niesamowite, nie sądzicie?
03:45
I mean, it has been quite interesting
74
207000
2000
To znaczy: było to bardzo interesujące,
03:47
because we've found out that the things that happen with the web
75
209000
2000
ponieważ zobaczyliśmy, że rzeczy dziejące się z WWW
03:49
really sort of blow us away.
76
211000
2000
naprawdę powalają.
03:51
They're much more than we'd originally imagined
77
213000
2000
Mają dużo większą skalę niż sobie początkowo wyobrażaliśmy,
03:53
when we put together the little, initial website
78
215000
2000
gdy tworzyliśmy pierwszą witrynę www,
03:55
that we started off with.
79
217000
2000
z którą wystartowaliśmy.
03:57
Now, I want you to put your data on the web.
80
219000
3000
Teraz chcę, żebyście umieścili w WWW swoje dane.
04:00
Turns out that there is still huge unlocked potential.
81
222000
4000
Wygląda na to, że nadal uwięziony jest olbrzymi potencjał.
04:04
There is still a huge frustration
82
226000
2000
Nadal powody do frustracji
04:06
that people have because we haven't got data on the web as data.
83
228000
4000
ma wiele osób, ponieważ nie mamy w pajęczynie WWW danych jako danych.
04:10
What do you mean, "data"? What's the difference -- documents, data?
84
232000
2000
Co to znaczy danych? Co za różnica – dokumenty, dane?
04:12
Well, documents you read, OK?
85
234000
3000
Dokumenty są do czytania, tak?
04:15
More or less, you read them, you can follow links from them, and that's it.
86
237000
3000
Mniej więcej. Czytacie je, korzystacie z linków, żeby przejść gdzie indziej – tak to wygląda.
04:18
Data -- you can do all kinds of stuff with a computer.
87
240000
2000
Dane – z nimi można robić najróżniejsze rzeczy na komputerach.
04:20
Who was here or has otherwise seen Hans Rosling's talk?
88
242000
6000
Kto widział tu lub gdzieś indziej prezentację Hansa Roslinga?
04:26
One of the great -- yes a lot of people have seen it --
89
248000
4000
Jedna z wspaniałych – tak, wiele osób widziało
04:30
one of the great TED Talks.
90
252000
2000
– jedna z wspaniałych TED Talks.
04:32
Hans put up this presentation
91
254000
2000
Hans stworzył tę prezentację,
04:34
in which he showed, for various different countries, in various different colors --
92
256000
5000
w której przedstawił – dotyczące wielu różnych krajów, posługując się wieloma kolorami
04:39
he showed income levels on one axis
93
261000
3000
– przedstawił na jednej osi wysokość dochodów,
04:42
and he showed infant mortality, and he shot this thing animated through time.
94
264000
3000
przedstawił śmiertelność niemowląt i zrobił animację zmian z biegiem czasu.
04:45
So, he'd taken this data and made a presentation
95
267000
4000
Tak więc, wziął te dane i stworzył prezentację,
04:49
which just shattered a lot of myths that people had
96
271000
3000
która zburzyła wiele rozpowszechnionych wśród ludzi mitów
04:52
about the economics in the developing world.
97
274000
4000
dotyczących gospodarek krajów rozwijających się.
04:56
He put up a slide a little bit like this.
98
278000
2000
Pokazał slajd trochę podobny do tego.
04:58
It had underground all the data
99
280000
2000
Pod ziemią są wszystkie dane.
05:00
OK, data is brown and boxy and boring,
100
282000
3000
OK. Dane są jak nudne brązowe skrzynki.
05:03
and that's how we think of it, isn't it?
101
285000
2000
Tak o nich myślimy, prawda?
05:05
Because data you can't naturally use by itself
102
287000
3000
Ponieważ nie możemy oczywiście używać po prostu samych danych.
05:08
But in fact, data drives a huge amount of what happens in our lives
103
290000
4000
Ale w rzeczywistości dane kierują olbrzymią liczbą zdarzeń w naszym życiu,
05:12
and it happens because somebody takes that data and does something with it.
104
294000
3000
a dzieje się tak, ponieważ ktoś bierze te dane i coś z nimi robi.
05:15
In this case, Hans had put the data together
105
297000
2000
W tym przypadku Hans zebrał razem dane,
05:17
he had found from all kinds of United Nations websites and things.
106
299000
5000
które znalazł w różnych witrynach ONZ i gdzie indziej.
05:22
He had put it together,
107
304000
2000
Zebrał je razem,
05:24
combined it into something more interesting than the original pieces
108
306000
3000
połączył w coś ciekawszego niż elementy źródłowe,
05:27
and then he'd put it into this software,
109
309000
5000
a następnie wrzucił do tego oprogramowania
05:32
which I think his son developed, originally,
110
314000
2000
stworzonego, jak mi się wydaje, przez jego syna.
05:34
and produces this wonderful presentation.
111
316000
3000
I powstała ta wspaniała prezentacja.
05:37
And Hans made a point
112
319000
2000
Przy tym Hans nie omieszkał
05:39
of saying, "Look, it's really important to have a lot of data."
113
321000
4000
zauważyć „Spójrzcie, naprawdę ważne jest posiadanie dużej ilości danych”.
05:43
And I was happy to see that at the party last night
114
325000
3000
A ja się bardzo ucieszyłem, kiedy na przyjęciu zeszłej nocy
05:46
that he was still saying, very forcibly, "It's really important to have a lot of data."
115
328000
4000
nadal mówił, bardzo dobitnie, „Naprawdę ważne jest posiadanie dużej ilości danych”.
05:50
So I want us now to think about
116
332000
2000
Chciałbym żebyście sobie teraz wyobrazili
05:52
not just two pieces of data being connected, or six like he did,
117
334000
4000
nie zaledwie dwa połączone zestawy danych, ani sześć wykorzystanych przez niego,
05:56
but I want to think about a world where everybody has put data on the web
118
338000
5000
ale wyobraźcie sobie świat, gdzie każdy umieścił dane w sieci WWW,
06:01
and so virtually everything you can imagine is on the web
119
343000
2000
dzięki czemu w zasadzie wszystko, co możemy sobie wyobrazić, jest tam.
06:03
and then calling that linked data.
120
345000
2000
A następnie nazwijmy to powiązanymi danymi.
06:05
The technology is linked data, and it's extremely simple.
121
347000
2000
Ta technologia nosi nazwę „powiązane dane”. Jest ona niezwykle prosta.
06:07
If you want to put something on the web there are three rules:
122
349000
4000
Jeśli chcecie opublikować coś w WWW, są trzy reguły:
06:11
first thing is that those HTTP names --
123
353000
3000
po pierwsze: te nazwy HTTP,
06:14
those things that start with "http:" --
124
356000
2000
to wszystko zaczynające się od http z dwukropkiem,
06:16
we're using them not just for documents now,
125
358000
4000
stosujemy je teraz nie tylko dla dokumentów,
06:20
we're using them for things that the documents are about.
126
362000
2000
używamy ich dla rzeczy, o których mówią dokumenty.
06:22
We're using them for people, we're using them for places,
127
364000
2000
Stosujemy je dla osób, stosujemy dla miejsc,
06:24
we're using them for your products, we're using them for events.
128
366000
4000
dla produktów, dla wydarzeń.
06:28
All kinds of conceptual things, they have names now that start with HTTP.
129
370000
4000
Wszystko, czemu odpowiadają jakieś pojęcia, ma teraz nazwę zaczynającą się od http.
06:32
Second rule, if I take one of these HTTP names and I look it up
130
374000
5000
Druga zasada: gdy wezmę jedną z tych nazw HTTP i sprawdzę ją
06:37
and I do the web thing with it and I fetch the data
131
379000
2000
i zrobię z nią to, co normalnie robimy w WWW, pobiorę dane
06:39
using the HTTP protocol from the web,
132
381000
2000
przy użyciu protokołu HTTP z sieci,
06:41
I will get back some data in a standard format
133
383000
3000
uzyskam jakieś dane w standardowym formacie,
06:44
which is kind of useful data that somebody might like to know
134
386000
5000
to znaczy jakieś użyteczne dane, które może ktoś chce poznać,
06:49
about that thing, about that event.
135
391000
2000
dotyczące tego czegoś, tego wydarzenia.
06:51
Who's at the event? Whatever it is about that person,
136
393000
2000
Kto bierze udział w tym wydarzeniu? Cokolwiek dotyczy danej osoby,
06:53
where they were born, things like that.
137
395000
2000
miejsce urodzenia i tym podobne.
06:55
So the second rule is I get important information back.
138
397000
2000
Tak więc druga zasada mówi, że dostaję ważne informacje.
06:57
Third rule is that when I get back that information
139
399000
4000
Trzecia zasada mówi, że gdy dostaję te informacje,
07:01
it's not just got somebody's height and weight and when they were born,
140
403000
3000
będą tam nie tylko czyjeś wzrost i waga i data urodzenia.
07:04
it's got relationships.
141
406000
2000
Będą tam relacje.
07:06
Data is relationships.
142
408000
2000
Dane to relacje.
07:08
Interestingly, data is relationships.
143
410000
2000
Ciekawa sprawa, że dane to relacje.
07:10
This person was born in Berlin; Berlin is in Germany.
144
412000
4000
Ta osoba urodziła się w Berlinie, Berlin jest w Niemczech.
07:14
And when it has relationships, whenever it expresses a relationship
145
416000
3000
A gdy są tam relacje, zawsze gdy wyrażona jest relacja,
07:17
then the other thing that it's related to
146
419000
3000
inne rzeczy będące w tej relacji
07:20
is given one of those names that starts HTTP.
147
422000
4000
występują pod jedną z tych nazw zaczynających się od HTTP.
07:24
So, I can go ahead and look that thing up.
148
426000
2000
Więc mogę śmiało do tej rzeczy przejść i zapoznać się z nią.
07:26
So I look up a person -- I can look up then the city where they were born; then
149
428000
3000
Sprawdzam informacje o osobie – mogę sprawdzić gdzie się urodziła,
07:29
I can look up the region it's in, and the town it's in,
150
431000
3000
mogę sprawdzić w jakim regionie i w jakim mieście
07:32
and the population of it, and so on.
151
434000
3000
i tamtejszą populację i tak dalej.
07:35
So I can browse this stuff.
152
437000
2000
Czyli mogę przeglądać to wszystko.
07:37
So that's it, really.
153
439000
2000
I tak to wygląda, naprawdę.
07:39
That is linked data.
154
441000
2000
To są powiązane dane.
07:41
I wrote an article entitled "Linked Data" a couple of years ago
155
443000
3000
Napisałem kilka lat temu artykuł „Powiązane dane”
07:44
and soon after that, things started to happen.
156
446000
4000
i wkrótce potem zaczęło się dziać.
07:48
The idea of linked data is that we get lots and lots and lots
157
450000
4000
Idea powiązanych danych polega na tym, że posiadamy masę, olbrzymią masę
07:52
of these boxes that Hans had,
158
454000
2000
takich skrzynek, jakie miał Hans,
07:54
and we get lots and lots and lots of things sprouting.
159
456000
2000
i mamy olbrzymią masę wyrastających pędów.
07:56
It's not just a whole lot of other plants.
160
458000
3000
To nie jest zwykła wielka liczba odrębnych roślin.
07:59
It's not just a root supplying a plant,
161
461000
2000
To nie jest zwykły korzeń wspierający roślinę,
08:01
but for each of those plants, whatever it is --
162
463000
3000
ale w przypadku każdej z tych roślin, cokolwiek to jest
08:04
a presentation, an analysis, somebody's looking for patterns in the data --
163
466000
3000
– prezentacja, analiza, poszukiwanie wzorców w danych
08:07
they get to look at all the data
164
469000
3000
– trzeba patrzeć na wszystkie dane
08:10
and they get it connected together,
165
472000
2000
i połączyć je razem.
08:12
and the really important thing about data
166
474000
2000
Naprawdę ważna sprawa dotycząca danych
08:14
is the more things you have to connect together, the more powerful it is.
167
476000
2000
polega na tym, że im więcej ich połączymy, tym większe dają możliwości.
08:16
So, linked data.
168
478000
2000
Czyli powiązane dane.
08:18
The meme went out there.
169
480000
2000
Ujawnił się tu mem.
08:20
And, pretty soon Chris Bizer at the Freie Universitat in Berlin
170
482000
4000
I wkrótce Chris Bizer z Freie Universität w Berlinie,
08:24
who was one of the first people to put interesting things up,
171
486000
2000
jeden z pierwszych, którzy opublikowali ciekawe rzeczy,
08:26
he noticed that Wikipedia --
172
488000
2000
zauważył że Wikipedia...
08:28
you know Wikipedia, the online encyclopedia
173
490000
3000
Znacie Wikipedię, encyklopedię internetową,
08:31
with lots and lots of interesting documents in it.
174
493000
2000
zawierającą całą masę interesujących dokumentów.
08:33
Well, in those documents, there are little squares, little boxes.
175
495000
4000
A w tych dokumentach są małe pola, małe ramki.
08:37
And in most information boxes, there's data.
176
499000
3000
A w większości tych pól informacyjnych są dane.
08:40
So he wrote a program to take the data, extract it from Wikipedia,
177
502000
4000
Napisał więc program wydobywający te dane z Wikipedii
08:44
and put it into a blob of linked data
178
506000
2000
i wstawiający je do bąbli powiązanych danych
08:46
on the web, which he called dbpedia.
179
508000
3000
znajdującego się w WWW. Nazwał to DBpedia.
08:49
Dbpedia is represented by the blue blob in the middle of this slide
180
511000
4000
DBpedia to niebieski bąbel na środku tego slajdu.
08:53
and if you actually go and look up Berlin,
181
515000
2000
Jeśli faktycznie sprawdzicie informacje o Berlinie,
08:55
you'll find that there are other blobs of data
182
517000
2000
zobaczycie tam inne bąble danych,
08:57
which also have stuff about Berlin, and they're linked together.
183
519000
3000
które również zawierają coś o Berlinie i są powiązane razem.
09:00
So if you pull the data from dbpedia about Berlin,
184
522000
3000
Więc jeśli wyciągniecie z DBpedii dane dotyczące Berlina,
09:03
you'll end up pulling up these other things as well.
185
525000
2000
wyciągniecie również te inne rzeczy.
09:05
And the exciting thing is it's starting to grow.
186
527000
3000
I fascynujące jest, że to zaczyna się rozrastać.
09:08
This is just the grassroots stuff again, OK?
187
530000
2000
To znowu spontaniczna oddolna inicjatywa, tak?
09:10
Let's think about data for a bit.
188
532000
3000
Pomyślmy chwilę o danych.
09:13
Data comes in fact in lots and lots of different forms.
189
535000
3000
Dane występują w najrozmaitszych postaciach.
09:16
Think of the diversity of the web. It's a really important thing
190
538000
3000
Pomyślcie o zróżnicowaniu WWW. To bardzo ważne,
09:19
that the web allows you to put all kinds of data up there.
191
541000
3000
że WWW umożliwia zamieszczanie danych wszelkich rodzajów.
09:22
So it is with data. I could talk about all kinds of data.
192
544000
2000
Tak wygląda sprawa z danymi. Mógłbym opowiadać o najróżniejszych rodzajach danych.
09:25
We could talk about government data, enterprise data is really important,
193
547000
4000
Moglibyśmy rozmawiać o danych rządowych, dane przedsiębiorstw są naprawdę ważne,
09:29
there's scientific data, there's personal data,
194
551000
3000
są dane naukowe, są dane osobowe,
09:32
there's weather data, there's data about events,
195
554000
2000
są dane meteorologiczne, dane o wydarzeniach,
09:34
there's data about talks, and there's news and there's all kinds of stuff.
196
556000
4000
dane o prezentacjach i przemówieniach, wiadomości i cała reszta.
09:38
I'm just going to mention a few of them
197
560000
3000
Wspomnę tylko o kilku rodzajach,
09:41
so that you get the idea of the diversity of it,
198
563000
2000
abyście uchwycili stopień ich zróżnicowania,
09:43
so that you also see how much unlocked potential.
199
565000
4000
a ponadto dostrzegli ile potencjału jest uwięzione.
09:47
Let's start with government data.
200
569000
2000
Zacznijmy od danych rządowych.
09:49
Barack Obama said in a speech,
201
571000
2000
Barack Obama powiedział w swoim wystąpieniu,
09:51
that he -- American government data would be available on the Internet
202
573000
5000
że on... że dane rządu amerykańskiego zostaną udostępnione w Internecie
09:56
in accessible formats.
203
578000
2000
w formatach zapewniających powszechną dostępność.
09:58
And I hope that they will put it up as linked data.
204
580000
2000
A ja mam nadzieję, że opublikują je jako powiązane dane.
10:00
That's important. Why is it important?
205
582000
2000
To ważne. Dlaczego ważne?
10:02
Not just for transparency, yeah transparency in government is important,
206
584000
3000
Nie tylko dla przejrzystości. Jasne, przejrzystość działań rządu jest ważna,
10:05
but that data -- this is the data from all the government departments
207
587000
3000
ale te dane – to są dane z wszystkich departamentów rządowych.
10:08
Think about how much of that data is about how life is lived in America.
208
590000
5000
Pomyślcie ile z tych danych mówi o tym, jak się żyje w Ameryce.
10:13
It's actual useful. It's got value.
209
595000
2000
Są one naprawdę użyteczne. Wartościowe.
10:15
I can use it in my company.
210
597000
2000
Mogę je wykorzystać w swojej firmie.
10:17
I could use it as a kid to do my homework.
211
599000
2000
Gdybym był dzieckiem, mógłbym z nich korzystać przy odrabianiu pracy domowej.
10:19
So we're talking about making the place, making the world run better
212
601000
3000
Mówimy więc o sprawianiu, by świat był lepszy,
10:22
by making this data available.
213
604000
2000
dzięki udostępnieniu tych danych.
10:24
In fact if you're responsible -- if you know about some data
214
606000
4000
Prawdę mówiąc, jeśli jesteście odpowiedzialni – jeśli wiecie o jakiś danych
10:28
in a government department, often you find that
215
610000
2000
posiadanych przez jakiś departament rządowy, często widzicie,
10:30
these people, they're very tempted to keep it --
216
612000
3000
że ci ludzie odczuwają wielką pokusę, żeby je zatrzymać dla siebie.
10:33
Hans calls it database hugging.
217
615000
3000
Hans nazywa to niewypuszczaniem baz danych z objęć.
10:36
You hug your database, you don't want to let it go
218
618000
2000
Ściskacie swoją bazę w ramionach, nie chcecie jej puścić,
10:38
until you've made a beautiful website for it.
219
620000
2000
dopóki nie przygotujecie dla niej pięknej witryny www.
10:40
Well, I'd like to suggest that rather --
220
622000
2000
Ale ja sugeruję, żeby raczej...
10:42
yes, make a beautiful website,
221
624000
2000
Owszem, zróbcie piękną witrynę,
10:44
who am I to say don't make a beautiful website?
222
626000
2000
jakże ja mógłbym powiedzieć „nie róbcie pięknej witryny”?
10:46
Make a beautiful website, but first
223
628000
3000
Zróbcie piękną witrynę, ale najpierw
10:49
give us the unadulterated data,
224
631000
3000
dajcie nam dane bez domieszek.
10:52
we want the data.
225
634000
2000
Chcemy danych.
10:54
We want unadulterated data.
226
636000
2000
Chcemy danych bez domieszek.
10:56
OK, we have to ask for raw data now.
227
638000
3000
OK. Musimy poprosić o czyste dane natychmiast.
10:59
And I'm going to ask you to practice that, OK?
228
641000
2000
Przećwiczmy to teraz, dobrze?
11:01
Can you say "raw"?
229
643000
1000
Powiedzcie „czyste”.
11:02
Audience: Raw.
230
644000
1000
Widownia: Czyste.
11:03
Tim Berners-Lee: Can you say "data"?
231
645000
1000
Tim Berners-Lee: Powiedzcie „dane”.
11:04
Audience: Data.
232
646000
1000
Widownia: Dane.
11:05
TBL: Can you say "now"?
233
647000
1000
TBL: Powiedzcie „natychmiast”.
11:06
Audience: Now!
234
648000
1000
Widownia: Natychmiast!
11:07
TBL: Alright, "raw data now"!
235
649000
2000
TBL: Dobrze, czyste dane natychmiast!
11:09
Audience: Raw data now!
236
651000
2000
Widownia: Czyste dane natychmiast!
11:11
Practice that. It's important because you have no idea the number of excuses
237
653000
4000
Ćwiczcie to. To ważne, bo nie macie pojęcia ile wymówek
11:15
people come up with to hang onto their data
238
657000
2000
mają ludzie, żeby zatrzymać swoje dane przy sobie
11:17
and not give it to you, even though you've paid for it as a taxpayer.
239
659000
4000
i nie dać ich Wam, choć zapłaciliście za nie jako podatnicy.
11:21
And it's not just America. It's all over the world.
240
663000
2000
I nie jest tak tylko w Ameryce. Jest tak na całym świecie.
11:23
And it's not just governments, of course -- it's enterprises as well.
241
665000
3000
I nie dotyczy to tylko rządów oczywiście – z firmami jest tak samo.
11:26
So I'm just going to mention a few other thoughts on data.
242
668000
3000
Teraz przedstawię kilka innych myśli dotyczących danych.
11:29
Here we are at TED, and all the time we are very conscious
243
671000
5000
Jesteśmy tu na TED i cały czas mamy wielką świadomość
11:34
of the huge challenges that human society has right now --
244
676000
5000
olbrzymich wyzwań, przed którymi stoi teraz ludzkość:
11:39
curing cancer, understanding the brain for Alzheimer's,
245
681000
3000
leczenie raka, poznanie mózgu w celu leczenia choroby Alzheimera,
11:42
understanding the economy to make it a little bit more stable,
246
684000
3000
zrozumienie działania gospodarki, by uczynić ją trochę bardziej stabilną,
11:45
understanding how the world works.
247
687000
2000
odkrycie jak działa świat.
11:47
The people who are going to solve those -- the scientists --
248
689000
2000
Ludzie, którzy rozwiążą te problemy, naukowcy
11:49
they have half-formed ideas in their head,
249
691000
2000
mają w głowach częściowo ukształtowane idee,
11:51
they try to communicate those over the web.
250
693000
3000
które próbują przedstawić światu za pośrednictwem WWW.
11:54
But a lot of the state of knowledge of the human race at the moment
251
696000
3000
Ale masa wiedzy gatunku ludzkiego obecnie
11:57
is on databases, often sitting in their computers,
252
699000
3000
znajduje się w bazach danych, często w komputerach tych naukowców,
12:00
and actually, currently not shared.
253
702000
3000
i tak naprawdę nie jest obecnie udostępniana innym.
12:03
In fact, I'll just go into one area --
254
705000
3000
Prawdę mówiąc, przedstawię tylko jeden obszar:
12:06
if you're looking at Alzheimer's, for example,
255
708000
2000
jeśli przyjrzymy się na przykład chorobie Alzheimera,
12:08
drug discovery -- there is a whole lot of linked data which is just coming out
256
710000
3000
poszukiwaniu leków – mamy olbrzymią ilość powiązanych danych
12:11
because scientists in that field realize
257
713000
2000
ponieważ naukowcy zajmujący się tą dziedziną zdają sobie sprawę,
12:13
this is a great way of getting out of those silos,
258
715000
3000
że jest to znakomity sposób na ucieczkę z tych silosów,
12:16
because they had their genomics data in one database
259
718000
4000
gdzie mają dane genomiczne w jednej bazie danych
12:20
in one building, and they had their protein data in another.
260
722000
3000
w jednym budynku a dane proteomiczne gdzie indziej.
12:23
Now, they are sticking it onto -- linked data --
261
725000
3000
Teraz składają jedne z drugimi – powiązane dane
12:26
and now they can ask the sort of question, that you probably wouldn't ask,
262
728000
3000
– i mogą zadawać pytania, jakich Wy prawdopodobnie byście nie zadali.
12:29
I wouldn't ask -- they would.
263
731000
2000
Ja bym nie zadał – a oni tak.
12:31
What proteins are involved in signal transduction
264
733000
2000
Jakie białka biorą udział w przenoszeniu sygnałów
12:33
and also related to pyramidal neurons?
265
735000
2000
a ponadto są związane z neuronami układu piramidowego?
12:35
Well, you take that mouthful and you put it into Google.
266
737000
3000
Spróbujcie wrzucić takie mądre pytanie do Google.
12:38
Of course, there's no page on the web which has answered that question
267
740000
3000
Oczywiście nie ma w WWW żadnej strony z odpowiedzią na nie,
12:41
because nobody has asked that question before.
268
743000
2000
ponieważ nikt go wcześniej nie zadał.
12:43
You get 223,000 hits --
269
745000
2000
Dostaniemy 223 000 trafień
12:45
no results you can use.
270
747000
2000
i żadnego przydatnego wyniku.
12:47
You ask the linked data -- which they've now put together --
271
749000
3000
Gdy zapytacie powiązane dane, które oni złożyli razem:
12:50
32 hits, each of which is a protein which has those properties
272
752000
4000
mamy 32 trafienia, z których każde odpowiada białku mającemu te właściwości
12:54
and you can look at.
273
756000
2000
i możemy to wszystko przejrzeć.
12:56
The power of being able to ask those questions, as a scientist --
274
758000
3000
Możliwość zadawania takich pytań przez naukowców,
12:59
questions which actually bridge across different disciplines --
275
761000
2000
pytań przekraczających granice dyscyplin,
13:01
is really a complete sea change.
276
763000
3000
to niesamowity przełom.
13:04
It's very very important.
277
766000
2000
To coś bardzo ważnego.
13:06
Scientists are totally stymied at the moment --
278
768000
2000
Naukowcy są obecnie zupełnie skrępowani:
13:08
the power of the data that other scientists have collected is locked up
279
770000
5000
masa danych zgromadzonych przez innych naukowców jest uwięziona.
13:13
and we need to get it unlocked so we can tackle those huge problems.
280
775000
3000
Musimy je uwolnić, aby móc poradzić sobie z tymi wielkimi problemami.
13:16
Now if I go on like this, you'll think that all the data comes from huge institutions
281
778000
4000
Gdybyśmy poszli dalej tym tropem, moglibyście sobie pomyśleć, że wszystkie dane pochodzą z wielkich instytucji
13:20
and has nothing to do with you.
282
782000
3000
i nie mają nic wspólnego z Wami.
13:23
But, that's not true.
283
785000
2000
Jednak to nieprawda.
13:25
In fact, data is about our lives.
284
787000
2000
Tak naprawdę, dane dotyczą naszego życia.
13:27
You just -- you log on to your social networking site,
285
789000
3000
Zwyczajnie logujecie się do serwisu społecznościowego,
13:30
your favorite one, you say, "This is my friend."
286
792000
2000
swojego ulubionego, i stwierdzacie „To jest mój znajomy”.
13:32
Bing! Relationship. Data.
287
794000
3000
Bach! Relacja. Dane.
13:35
You say, "This photograph, it's about -- it depicts this person. "
288
797000
3000
Stwierdzacie „To zdjęcie przedstawia... jest na nim ta osoba”.
13:38
Bing! That's data. Data, data, data.
289
800000
3000
Bach! To dane. Dane, dane, dane.
13:41
Every time you do things on the social networking site,
290
803000
2000
Zawsze gdy robicie coś w serwisie społecznościowym,
13:43
the social networking site is taking data and using it -- re-purposing it --
291
805000
4000
ten serwis bierze te dane i ich używa – robi z nich coś nowego
13:47
and using it to make other people's lives more interesting on the site.
292
809000
4000
– i używa by dostarczyć ciekawszych wrażeń innym, którzy z niego korzystają.
13:51
But, when you go to another linked data site --
293
813000
2000
Ale gdy przechodzicie do innego serwisu z powiązanymi danymi,
13:53
and let's say this is one about travel,
294
815000
3000
powiedzmy dotyczącego podróży,
13:56
and you say, "I want to send this photo to all the people in that group,"
295
818000
3000
i stwierdzacie „Chcę wysłać to zdjęcie do wszystkich ludzi w tej grupie”,
13:59
you can't get over the walls.
296
821000
2000
nie pokonacie murów.
14:01
The Economist wrote an article about it, and lots of people have blogged about it --
297
823000
2000
The Economist opublikował artykuł o tym, również wiele osób pisało o tym w blogach:
14:03
tremendous frustration.
298
825000
1000
ogromna frustracja.
14:04
The way to break down the silos is to get inter-operability
299
826000
2000
Sposobem na zburzenie tych silosów jest interoperacyjność
14:06
between social networking sites.
300
828000
2000
serwisów społecznościowych.
14:08
We need to do that with linked data.
301
830000
2000
Musimy to zrobić, stosując powiązane dane.
14:10
One last type of data I'll talk about, maybe it's the most exciting.
302
832000
3000
Ostatni rodzaj danych, o których wspomnę, jest może najbardziej fascynujący.
14:13
Before I came down here, I looked it up on OpenStreetMap
303
835000
3000
Zanim tu dotarłem, obejrzałem to miejsce w OpenStreetMap.
14:16
The OpenStreetMap's a map, but it's also a Wiki.
304
838000
2000
OpenStreetMap to mapa, ale również wiki.
14:18
Zoom in and that square thing is a theater -- which we're in right now --
305
840000
3000
Powiększę obraz i to kwadratowe coś to teatr, w którym jesteśmy teraz.
14:21
The Terrace Theater. It didn't have a name on it.
306
843000
2000
The Terrace Theater. Nie było na nim nazwy.
14:23
So I could go into edit mode, I could select the theater,
307
845000
2000
Więc przełączyłem w tryb edycji, wybrałem ten teatr,
14:25
I could add down at the bottom the name, and I could save it back.
308
847000
5000
dodałem na dole nazwę i zapisałem.
14:30
And now if you go back to the OpenStreetMap. org,
309
852000
3000
I jeśli teraz wejdziecie na OpenStreetMap.org
14:33
and you find this place, you will find that The Terrace Theater has got a name.
310
855000
3000
i znajdziecie to miejsce, zobaczycie, że The Terrace Theater ma nazwę.
14:36
I did that. Me!
311
858000
2000
Ja to zrobiłem. Ja!
14:38
I did that to the map. I just did that!
312
860000
2000
Zrobiłem to na tej mapie. Właśnie to zrobiłem!
14:40
I put that up on there. Hey, you know what?
313
862000
2000
Wstawiłem to tam. I wiecie co?
14:42
If I -- that street map is all about everybody doing their bit
314
864000
3000
Jeśli ja... ta mapa to po prostu wykonywanie przez każdego swojego kawałka pracy,
14:45
and it creates an incredible resource
315
867000
3000
dzięki czemu powstają niesamowite zasoby,
14:48
because everybody else does theirs.
316
870000
3000
ponieważ inni też dorzucają coś swojego.
14:51
And that is what linked data is all about.
317
873000
3000
I to są właśnie powiązane dane.
14:54
It's about people doing their bit
318
876000
3000
To ludzie robiący coś samemu,
14:57
to produce a little bit, and it all connecting.
319
879000
3000
żeby dorzucić mały fragmencik, a wszystko jest ze sobą połączone.
15:00
That's how linked data works.
320
882000
3000
Tak działają powiązane dane.
15:03
You do your bit. Everybody else does theirs.
321
885000
4000
Ty robisz swój kawałek. Inni też robią swoje.
15:07
You may not have lots of data which you have yourself to put on there
322
889000
4000
Możecie nie mieć dużo własnych danych do opublikowania,
15:11
but you know to demand it.
323
893000
3000
ale wiecie, że macie ich żądać.
15:14
And we've practiced that.
324
896000
2000
To już przećwiczyliśmy.
15:16
So, linked data -- it's huge.
325
898000
4000
Czyli powiązane dane – to wielka sprawa.
15:20
I've only told you a very small number of things
326
902000
3000
Opowiedziałem wam tylko o małym wycinku.
15:23
There are data in every aspect of our lives,
327
905000
2000
Istnieją dane dotyczące każdego aspektu naszego życia,
15:25
every aspect of work and pleasure,
328
907000
3000
każdego aspektu pracy i zabawy,
15:28
and it's not just about the number of places where data comes,
329
910000
3000
nie chodzi tylko o liczbę miejsc, z których pochodzą dane,
15:31
it's about connecting it together.
330
913000
3000
chodzi o połączenie ich razem.
15:34
And when you connect data together, you get power
331
916000
3000
A gdy połączymy razem dane, mamy możliwości,
15:37
in a way that doesn't happen just with the web, with documents.
332
919000
3000
jakich nie daje samo WWW złożone z dokumentów.
15:40
You get this really huge power out of it.
333
922000
4000
To daje nam naprawdę olbrzymie możliwości.
15:44
So, we're at the stage now
334
926000
3000
A więc teraz jesteśmy na etapie,
15:47
where we have to do this -- the people who think it's a great idea.
335
929000
4000
gdy musimy to zrobić my – ludzie uważający, że to świetny pomysł.
15:51
And all the people -- and I think there's a lot of people at TED who do things because --
336
933000
3000
I wszystkie osoby – myślę, że na TED jest mnóstwo ludzi, którzy robią coś, ponieważ...
15:54
even though there's not an immediate return on the investment
337
936000
2000
...mimo że inwestycja nie zwróci się natychmiast,
15:56
because it will only really pay off when everybody else has done it --
338
938000
3000
ponieważ zyski pojawią się, tylko gdy wszyscy inni też to zrobią.
15:59
they'll do it because they're the sort of person who just does things
339
941000
4000
Zrobią to ponieważ są ludźmi, którzy po prostu robią rzeczy,
16:03
which would be good if everybody else did them.
340
945000
3000
które zrobione także przez wszystkich innych, przyniosą coś dobrego.
16:06
OK, so it's called linked data.
341
948000
2000
OK. A więc to są powiązane dane.
16:08
I want you to make it.
342
950000
2000
Chcę, żebyście je tworzyli.
16:10
I want you to demand it.
343
952000
2000
Chcę, żebyście ich żądali.
16:12
And I think it's an idea worth spreading.
344
954000
2000
I myślę, że to idea warta rozpowszechniania.
16:14
Thanks.
345
956000
1000
Dziękuję.
16:15
(Applause)
346
957000
3000
(Oklaski)
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