TED2010
Tim Berners-Lee: The year open data went worldwide
Tim Berners-Lee: Rok w którym świat ujrzał otwarte dane
Filmed:
Readability: 4
771,473 views
Na TED2009 Tim Berners-Lee domagał się „surowych, nieobrobionych danych natychmiast” – aby rządy, instytucje naukowe i inne organizacje otworzyły dostęp do swoich danych, publikując je w WWW. Na TED University w 2010 roku pokazuje kilka interesujących przykładów możliwości, jakie daje łączenie danych.
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.
00:15
Last year here at TED
0
0
2000
W zeszłym roku tutaj na TED
00:17
I asked you to give me your data,
1
2000
2000
prosiłem o dane, które macie:
00:19
to put your data on the web, on the basis
2
4000
2000
abyście umieścili te dane w WWW,
00:21
that if people put data onto the web --
3
6000
3000
ponieważ jeśli umieścimy dane w sieci –
00:24
government data, scientific data, community data,
4
9000
3000
dane rządowe, naukowe, społecznościowe,
00:27
whatever it is -- it will be used by other people
5
12000
2000
wszelkiego rodzaju – inni ich użyją
00:29
to do wonderful things, in ways
6
14000
2000
do wspaniałych celów, robiąc rzeczy,
00:31
that they never could have imagined.
7
16000
2000
o jakich wcześniej nawet nie marzyli.
00:33
So, today I'm back just to show you a few things,
8
18000
3000
Dziś wróciłem, aby pokazać kilka rzeczy,
00:36
to show you, in fact, there is
9
21000
2000
aby pokazać, że naprawdę
00:38
an open data movement afoot,
10
23000
5000
zwolennicy otwartych danych działają
00:43
now, around the world.
11
28000
2000
na całym świecie.
00:45
The cry of "Raw data now!"
12
30000
2000
Okrzyk „surowe dane, teraz!”,
00:47
which I made people make in the auditorium,
13
32000
2000
do którego zachęciłem widownię,
00:49
was heard around the world.
14
34000
2000
usłyszano na całym świecie.
00:51
So, let's roll the video.
15
36000
3000
Teraz obejrzyjmy wideo.
00:54
A classic story, the first one which lots of people picked up,
16
39000
3000
Znana historia, pierwsza szeroko nagłośniona:
00:57
was when in March -- on March 10th in fact, soon after TED --
17
42000
3000
w marcu, dokładnie 10 marca, krótko po TED
01:00
Paul Clarke, in the U.K. government,
18
45000
3000
Paul Clarke z brytyjskiej administracji
01:03
blogged, "Oh, I've just got some raw data. Here it is,
19
48000
2000
napisał na blogu: „Mam trochę surowych danych. Oto one.
01:05
it's about bicycle accidents."
20
50000
3000
Dotyczą wypadków rowerowych.”
01:08
Two days it took the Times Online
21
53000
3000
Dwa dni później Times Online
01:11
to make a map, a mashable map --
22
56000
2000
miał gotową mapę –
01:13
we call these things mash-ups --
23
58000
2000
nazywamy takie coś mash-up –
01:15
a mashed-up user interface that allows you to go in there
24
60000
2000
interfejs użytkownika pozwala
01:17
and have a look and find out whether your bicycle
25
62000
2000
sprawdzić, czy trasa jazdy rowerem
01:19
route to work was affected.
26
64000
2000
do pracy, jest niebezpieczna.
01:21
Here's more data, traffic survey data,
27
66000
2000
Mamy więcej danych o ruchu drogowym
01:23
again, put out by the U.K. government,
28
68000
2000
również dzięki brytyjskiej administracji.
01:25
and because they put it up using the Linked Data standards,
29
70000
3000
Ponieważ zastosowali standardy łączonych danych,
01:28
then a user could just make a map,
30
73000
2000
użytkownik może utworzyć mapę,
01:30
just by clicking.
31
75000
2000
po prostu klikając.
01:32
Does this data affect things? Well, let's get back to 2008.
32
77000
2000
Czy te dane coś dają? Cofnijmy się do 2008 roku.
01:34
Look at Zanesville, Ohio.
33
79000
3000
Przenieśmy się do Zanesville w stanie Ohio.
01:37
Here's a map a lawyer made. He put on it the water plant,
34
82000
3000
Mapa zrobiona przez prawnika: wodociągi,
01:40
and which houses are there,
35
85000
2000
widzimy które domy...
01:42
which houses have been connected to the water.
36
87000
2000
które domy są podłączone do wodociągów.
01:44
And he got, from other data sources,
37
89000
2000
A z innych źródeł uzyskał
01:46
information to show
38
91000
3000
informacje o tym,
01:49
which houses are occupied by white people.
39
94000
2000
w których domach mieszkają biali amerykanie.
01:51
Well, there was too much of a correlation, he felt,
40
96000
3000
Pomyślał, że jest podejrzana korelacja
01:54
between which houses were occupied by white people
41
99000
3000
między zamieszkiwaniem domu przez białych ludzi
01:57
and which houses had water, and the judge was not impressed either.
42
102000
3000
a podłączeniem domu do wodociągu – i sąd też tak uznał.
02:00
The judge was not impressed to the tune of 10.9 million dollars.
43
105000
3000
Sąd ocenił wartość tej korelacji na 10,9 miliona dolarów.
02:03
That's the power of taking one piece of data,
44
108000
2000
Takie możliwości daje nam połączenie
02:05
another piece of data, putting it together,
45
110000
3000
jednego zestawu danych z innym
02:08
and showing the result.
46
113000
2000
i przedstawienie wyniku.
02:10
Let's look at some data from the U.K. now.
47
115000
2000
Teraz o danych z Wielkiej Brytanii.
02:12
This is U.K. government data, a completely independent site,
48
117000
2000
To brytyjskie dane rządowe w niezależnej witrynie
02:14
Where Does My Money Go.
49
119000
2000
o nazwie „Na co idą moje pieniądze”,
02:16
It allows anybody to go there and burrow down.
50
121000
2000
dzięki której każdy może to przeanalizować.
02:18
You can burrow down by a particular type of spending,
51
123000
2000
Można sprawdzić według rodzaju wydatków
02:20
or you can go through all the different regions and compare them.
52
125000
4000
albo porównać różne części kraju.
02:24
So, that's happening in the U.K. with U.K. government data.
53
129000
3000
Tak jest w Wielkiej Brytanii z danymi rządowymi.
02:27
Yes, certainly you can do it over here.
54
132000
2000
Tak. Tu też macie takie możliwości.
02:29
Here's a site which allows you to look at recovery spending
55
134000
3000
To witryna prezentująca wydatki na
02:32
in California.
56
137000
2000
ożywienie gospodarki w Kalifornii.
02:34
Take an arbitrary example, Long Beach, California,
57
139000
2000
Wybierzmy jakiś przykład: Long Beach.
02:36
you can go and have a look at what recovery money they've been spending
58
141000
3000
Możemy zobaczyć, na co idą pieniądze z programu stymulacyjnego.
02:39
on different things such as energy.
59
144000
3000
Na przykład na energetykę.
02:42
In fact, this is the graph of the number of data sets
60
147000
3000
To jest wykres liczby zbiorów danych
02:45
in the repositories of data.gov,
61
150000
2000
dostępnych w data.gov
02:47
and data.gov.uk.
62
152000
2000
i data.gov.uk.
02:49
And I'm delighted to see a great competition
63
154000
2000
Bardzo cieszy mnie rywalizacja między
02:51
between the U.K. in blue, and the U.S. in red.
64
156000
2000
Wielką Brytanią (niebieski) i USA (czerwony).
02:53
How can you use this stuff?
65
158000
2000
Jak możemy to wykorzystać?
02:55
Well, for example, if you have lots of data about places
66
160000
3000
Na przykład: jeśli macie dużo danych o miejscach,
02:58
you can take, from a postcode --
67
163000
2000
możecie na podstawie kodu pocztowego,
03:00
which is like a zip plus four --
68
165000
2000
przypominającego amerykański ZIP + 4,
03:02
for a specific group of houses, you can make paper,
69
167000
3000
wybrać okolicę i zrobić gazetę,
03:05
print off a paper which has got very, very
70
170000
2000
wydrukować gazetę z bardzo
03:07
specific things about the bus stops,
71
172000
2000
konkretnymi informacjami o przystankach
03:09
the things specifically near you.
72
174000
2000
i innych rzeczach w swojej okolicy.
03:11
On a larger scale, this is a mash-up
73
176000
3000
Coś większego: to mash-up
03:14
of the data which was released about the Afghan elections.
74
179000
3000
z danymi dotyczącymi wyborów w Afganistanie.
03:17
It allows you to set your own criteria
75
182000
2000
Możecie tu wybrać kryteria
03:19
for what sort of things you want to look at.
76
184000
2000
poszukiwanych informacji.
03:21
The red circles are polling stations,
77
186000
2000
Czerwone kółka to lokale wyborcze
03:23
selected by your criteria.
78
188000
2000
wybrane według podanych kryteriów.
03:25
And then you can select also other things on the map
79
190000
2000
Następnie możecie zobaczyć na mapie
03:27
to see what other factors, like the threat level.
80
192000
2000
inne informacje, np. poziom zagrożenia,
03:29
So, that was government data.
81
194000
3000
To były dane rządowe.
03:32
I also talked about community-generated data -- in fact I edited some.
82
197000
2000
Mówiłem też o danych społeczności – sam coś dodałem –
03:34
This is the wiki map, this is the Open Street Map.
83
199000
2000
to wiki-mapa: OpenStreetMap.
03:36
"Terrace Theater" I actually put
84
201000
2000
Terrace Theater, który umieściłem
03:38
on the map because it wasn't on the map before TED last year.
85
203000
3000
na mapie, bo nie było go tam przed zeszłorocznym TED.
03:41
I was not the only person editing the open street map.
86
206000
3000
Nie tylko ja edytowałem OpenStreetMap.
03:44
Each flash on this visualization --
87
209000
2000
Każdy błysk na tej wizualizacji
03:46
put together by ITO World --
88
211000
2000
zrobionej przez ITO World
03:48
shows an edit in 2009
89
213000
2000
pokazuje edycję jakichś danych
03:50
made to the Open Street Map.
90
215000
2000
w OpenStreetMap w 2009 r.
03:52
Let's now spin the world during the same year.
91
217000
3000
Poobracajmy kulę ziemską z tamtego roku.
03:55
Every flash is an edit. Somebody somewhere
92
220000
2000
Każdy błysk to edycja. Ktoś, gdzieś,
03:57
looking at the Open Street Map, and realizing it could be better.
93
222000
3000
patrząc na tę mapę, zauważył coś do poprawienia.
04:00
You can see Europe is ablaze with updates.
94
225000
3000
Europa jest w płomieniach nowych danych.
04:03
Some places, perhaps not as much as they should be.
95
228000
3000
Gdzie indziej aktywność jest zbyt mała.
04:06
Here focusing in on Haiti.
96
231000
2000
Przyjrzyjmy się Haiti.
04:08
The map of Port au-Prince at the end
97
233000
2000
Mapa Port au-Prince z końca 2009
04:10
of 2009 was not all it could be,
98
235000
2000
była daleka od doskonałości,
04:12
not as good as the map of California.
99
237000
2000
gorsza od mapy Kalifornii.
04:14
Fortunately, just after the earthquake,
100
239000
3000
Na szczęście tuż po trzęsieniu ziemii
04:17
GeoEye, a commercial company,
101
242000
2000
firma GeoEye
04:19
released satellite imagery
102
244000
2000
opublikowała zdjęcia satelitarne
04:21
with a license, which allowed
103
246000
2000
na licencji umożliwiającej ich użycie
04:23
the open-source community to use it.
104
248000
2000
przez społeczność open-source.
04:25
This is January, in time lapse,
105
250000
2000
To jest styczeń:
04:27
of people editing ... that's the earthquake.
106
252000
2000
ludzie edytują, mamy trzęsienie ziemi.
04:29
After the earthquake, immediately,
107
254000
2000
Zaraz po trzęsieniu ziemii
04:31
people all over the world, mappers
108
256000
2000
ludzie z całego świata, kartografowie
04:33
who wanted to help, and could,
109
258000
2000
chcący – i potrafiący – pomóc,
04:35
looked at that imagery, built the map, quickly building it up.
110
260000
3000
oglądając te zdjęcia, tworzą mapę, szybko wzbogacają.
04:38
We're focusing now on Port-au-Prince.
111
263000
1000
Pokażmy teraz Port au-Prince.
04:39
The light blue is refugee camps these volunteers had spotted from the [satellite images].
112
264000
4000
To niebieskie to obozy, które zauważyli ci ochotnicy.
04:43
So, now we have, immediately, a real-time map
113
268000
2000
I mamy mapę aktualizowaną na bieżąco,
04:45
showing where there are refugee camps --
114
270000
2000
pokazującą, gdzie są obozy uchodźców.
04:47
rapidly became the best map
115
272000
2000
Wkrótce była to najlepsza mapa
04:49
to use if you're doing relief work in Port-au-Prince.
116
274000
3000
dla niosących pomoc w Port au-Prince.
04:52
Witness the fact that it's here on this Garmin device
117
277000
2000
Zobaczcie ją na tym urządzeniu Garmina
04:54
being used by rescue team in Haiti.
118
279000
2000
używanym przez ekipę ratunkową.
04:56
There's the map showing,
119
281000
3000
Haiti: na mapie widać
04:59
on the left-hand side,
120
284000
2000
po lewej stronie
05:01
that hospital -- actually that's a hospital ship.
121
286000
2000
szpital – statek szpitalny, mówiąc dokładnie.
05:03
This is a real-time map that shows blocked roads,
122
288000
3000
Mapa aktualizowana na bieżąco – widać zablokowane drogi,
05:06
damaged buildings, refugee camps --
123
291000
2000
uszkodzone budynki, obozy uchodźców.
05:08
it shows things that are needed [for rescue and relief work].
124
293000
2000
Informacje potrzebne do działania.
05:10
So, if you've been involved in that at all,
125
295000
2000
A więc: jeśli braliście w tym udział,
05:12
I just wanted to say: Whatever you've been doing,
126
297000
2000
chciałem powiedzieć, że cokolwiek robiliście –
05:14
whether you've just been chanting, "Raw data now!"
127
299000
2000
czy tylko krzyczeliście „surowe dane, teraz!”,
05:16
or you've been putting government or scientific data online,
128
301000
3000
czy publikowaliście dane rządowe lub naukowe w sieci.
05:19
I just wanted to take this opportunity to say: Thank you very much,
129
304000
2000
Chciałbym, korzystając z okazji, bardzo Wam podziękować.
05:21
and we have only just started!
130
306000
3000
A to dopiero początek.
05:24
(Applause)
131
309000
2000
(Brawa)
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