TED2009
Tim Berners-Lee: The next web
Tim Berners-Lee e a próxima Web
Filmed:
Readability: 3.8
1,638,798 views
Há 20 anos, Tim Berners-Lee inventou a Word Wide Web. Em seu próximo projeto, ele está construindo uma rede que vai vincular os dados, que fará aos números o mesmo que a Web fez com as palavras, imagens e videos: Libere seus dados e reestruture a forma de utilizá-los.
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
O tempo voa.
00:20
It's actually almost 20 years ago
1
2000
2000
Há quase 20 anos
00:22
when I wanted to reframe the way we use information,
2
4000
4000
quando procurava mudar a forma de usarmos a informação,
00:26
the way we work together: I invented the World Wide Web.
3
8000
3000
a forma de trabalharmos em conjunto, eu inventei a Web.
00:29
Now, 20 years on, at TED,
4
11000
3000
Agora, 20 anos depois, aqui no TED,
00:32
I want to ask your help in a new reframing.
5
14000
4000
Eu peço ajuda a vocês em uma nova reestrutura.
00:37
So going back to 1989,
6
19000
4000
Vamos voltar para 1989,
00:41
I wrote a memo suggesting the global hypertext system.
7
23000
3000
Eu sugeri o sistema global de hipertexto.
00:44
Nobody really did anything with it, pretty much.
8
26000
3000
Ninguém realmente fez algo de bom com ele.
00:47
But 18 months later -- this is how innovation happens --
9
29000
4000
Mas, 18 anos depois. É como a inovação acontece.
00:51
18 months later, my boss said I could do it on the side,
10
33000
4000
Meu chefe disse que eu poderia trabalhar em paralelo,
00:55
as a sort of a play project,
11
37000
2000
com se fosse um hobby,
00:57
kick the tires of a new computer we'd got.
12
39000
2000
aproveitando um novo computador que tinhamos.
00:59
And so he gave me the time to code it up.
13
41000
3000
E então me arrumou um time para codificar.
01:02
So I basically roughed out what HTML should look like:
14
44000
5000
Basicamente rabisquei o que o HTML deveria ser,
01:07
hypertext protocol, HTTP;
15
49000
3000
protocolo de hipertexto, HTTP.
01:10
the idea of URLs, these names for things
16
52000
3000
a idéia de URLs, nomes para as coisas
01:13
which started with HTTP.
17
55000
2000
que rodam com HTTP.
01:15
I wrote the code and put it out there.
18
57000
2000
Eu escrevi o código e coloquei ali.
01:17
Why did I do it?
19
59000
2000
Por que eu fiz isso?
01:19
Well, it was basically frustration.
20
61000
2000
Bem, era um frustração só.
01:21
I was frustrated -- I was working as a software engineer
21
63000
4000
Eu era frustrado. Eu trabalhava como engenheiro de software
01:25
in this huge, very exciting lab,
22
67000
2000
nesse laboratório imenso,
01:27
lots of people coming from all over the world.
23
69000
2000
com várias pessoas de todo lugar.
01:29
They brought all sorts of different computers with them.
24
71000
3000
Trouxeram todo tipo de computador.
01:32
They had all sorts of different data formats,
25
74000
3000
Tinham todo tipo de dado em diferentes formatos.
01:35
all sorts, all kinds of documentation systems.
26
77000
2000
Toda uma forma diferente de documentar.
01:37
So that, in all that diversity,
27
79000
3000
E então, nessa diversidade toda,
01:40
if I wanted to figure out how to build something
28
82000
2000
para descobrir como construir algo
01:42
out of a bit of this and a bit of this,
29
84000
2000
sem um pouco disso e com um pouco daquilo,
01:44
everything I looked into, I had to connect to some new machine,
30
86000
4000
com tudo que eu vi. Tive que conectar maquinas diferentes,
01:48
I had to learn to run some new program,
31
90000
2000
Eu tive que aprender a rodar novos programas,
01:50
I would find the information I wanted in some new data format.
32
92000
5000
Eu procurei a informação em diversos formatos.
01:55
And these were all incompatible.
33
97000
2000
E eram todos incompatíveis.
01:57
It was just very frustrating.
34
99000
2000
Foi muito frustrante.
01:59
The frustration was all this unlocked potential.
35
101000
2000
A frustração era por conta das infinitas possibilidades.
02:01
In fact, on all these discs there were documents.
36
103000
3000
De fato, em todos esses discos havia documentos.
02:04
So if you just imagined them all
37
106000
3000
Então se imaginar tudo isso
02:07
being part of some big, virtual documentation system in the sky,
38
109000
5000
sendo parte de algo maior, um sistema de documentos virtuais,
02:12
say on the Internet,
39
114000
2000
por exemplo, na Internet,
02:14
then life would be so much easier.
40
116000
2000
então a vida seria mais fácil.
02:16
Well, once you've had an idea like that it kind of gets under your skin
41
118000
4000
Bem, quando você tem uma idéia dessas, ela te arrepia
02:20
and even if people don't read your memo --
42
122000
2000
mesmo quando ninguém lê o que você escreve.
02:22
actually he did, it was found after he died, his copy.
43
124000
3000
Na realidade leu. Foi encontrada após sua morte, uma cópia.
02:25
He had written, "Vague, but exciting," in pencil, in the corner.
44
127000
3000
Onde escreveu "Vago, mas excitante", a lápis, no cantinho.
02:28
(Laughter)
45
130000
2000
(Risos)
02:30
But in general it was difficult -- it was really difficult to explain
46
132000
4000
Mas no geral foi difícil. Foi realmente difícil explicar
02:34
what the web was like.
47
136000
2000
com era a Web.
02:36
It's difficult to explain to people now that it was difficult then.
48
138000
2000
É difícil explicar às pessoas agora o que era difícil explicar.
02:38
But then -- OK, when TED started, there was no web
49
140000
3000
Mas então -- OK, quando começou o TED, não havia Web
02:41
so things like "click" didn't have the same meaning.
50
143000
3000
e coisas como clicar não tinham o mesmo significado.
02:44
I can show somebody a piece of hypertext,
51
146000
2000
Eu posso mostrar a alguém um pedaço de hipertexto,
02:46
a page which has got links,
52
148000
2000
uma página que tem links,
02:48
and we click on the link and bing -- there'll be another hypertext page.
53
150000
4000
e nós clicamos no link e "bing". Ta lá outra página de hipertexto.
02:52
Not impressive.
54
154000
2000
Nada impressionante.
02:54
You know, we've seen that -- we've got things on hypertext on CD-ROMs.
55
156000
3000
Nós temos coisas em hipertexto nos CD-ROMs.
02:57
What was difficult was to get them to imagine:
56
159000
3000
Foi difícil fazê-los imaginar.
03:00
so, imagine that that link could have gone
57
162000
4000
Então, imagine que o link poderia ter direcionado
03:04
to virtually any document you could imagine.
58
166000
2000
virtualmente para qualquer tipo de documento.
03:07
Alright, that is the leap that was very difficult for people to make.
59
169000
4000
Está bem, é um passo muito difícil para as pessoas.
03:11
Well, some people did.
60
173000
2000
Mas algumas pessoas deram esse passo.
03:13
So yeah, it was difficult to explain, but there was a grassroots movement.
61
175000
3000
Ainda assim, foi difícil explicar, mas houve uma popularização
03:17
And that is what has made it most fun.
62
179000
4000
E isso é o que o tornou mais divertido.
03:21
That has been the most exciting thing,
63
183000
2000
Tem sido a parte mais excitante,
03:23
not the technology, not the things people have done with it,
64
185000
2000
não a tecnologia, nem as coisas que as pessoas fizeram com isso,
03:25
but actually the community, the spirit of all these people
65
187000
2000
mas a comunidade, o espírito de todas essas pessoas
03:27
getting together, sending the emails.
66
189000
2000
se juntando, enviando emails.
03:29
That's what it was like then.
67
191000
2000
Foi o que aconteceu.
03:31
Do you know what? It's funny, but right now it's kind of like that again.
68
193000
3000
Sabem o que mais? É engraçado, mas agora mesmo está se repetindo.
03:34
I asked everybody, more or less, to put their documents --
69
196000
2000
Eu perguntei a todos, mais ou menos, para colocar seus documentos.
03:36
I said, "Could you put your documents on this web thing?"
70
198000
3000
Eu disse, "Poderiam colocar seus documentos nessa tal Web?"
03:39
And you did.
71
201000
3000
E, colocaram.
03:42
Thanks.
72
204000
1000
Obrigado.
03:43
It's been a blast, hasn't it?
73
205000
2000
Tem sido o máximo, não?
03:45
I mean, it has been quite interesting
74
207000
2000
Quero dizer, foi realmente interessante
03:47
because we've found out that the things that happen with the web
75
209000
2000
porque descobrimos que as coisas que acontecem na Web
03:49
really sort of blow us away.
76
211000
2000
realmente nos levam longe.
03:51
They're much more than we'd originally imagined
77
213000
2000
Elas são muito mais que havíamos imaginado
03:53
when we put together the little, initial website
78
215000
2000
do que quando nós juntamos o site inicial
03:55
that we started off with.
79
217000
2000
no qual começamos.
03:57
Now, I want you to put your data on the web.
80
219000
3000
Agora, Eu quero que vocês coloquem seus dados na Web.
04:00
Turns out that there is still huge unlocked potential.
81
222000
4000
Perceba que ainda existe essa enorme possibilidade.
04:04
There is still a huge frustration
82
226000
2000
Ainda existe uma grande frustração
04:06
that people have because we haven't got data on the web as data.
83
228000
4000
que as pessoas tem porque não tem os dados na Web como dados.
04:10
What do you mean, "data"? What's the difference -- documents, data?
84
232000
2000
O que você quer dizer com dados? Qual a diferença? Documentos, dados?
04:12
Well, documents you read, OK?
85
234000
3000
Documentos vocês podem ler, OK?
04:15
More or less, you read them, you can follow links from them, and that's it.
86
237000
3000
Mais ou menos, vocês os lêem, vocês podem seguir os links dele, e é isso ai.
04:18
Data -- you can do all kinds of stuff with a computer.
87
240000
2000
Dados. Vocês podem fazer todo tipo de coisa com um computador.
04:20
Who was here or has otherwise seen Hans Rosling's talk?
88
242000
6000
Quem aqui viu a palestra do Hans Rosling?
04:26
One of the great -- yes a lot of people have seen it --
89
248000
4000
Um dos melhores. Muita gente viu.
04:30
one of the great TED Talks.
90
252000
2000
uma das melhores palestras do TED.
04:32
Hans put up this presentation
91
254000
2000
Hans os colocou nessa apresentação
04:34
in which he showed, for various different countries, in various different colors --
92
256000
5000
que ele mostrou, para vários países diferente, em várias cores.
04:39
he showed income levels on one axis
93
261000
3000
Mostrou níveis de renda em um eixo
04:42
and he showed infant mortality, and he shot this thing animated through time.
94
264000
3000
e mostrou mortalidade infantil, e tudo isso animado no tempo.
04:45
So, he'd taken this data and made a presentation
95
267000
4000
Então, ele obteve os dados e fez uma apresentação
04:49
which just shattered a lot of myths that people had
96
271000
3000
que derrubou vários mitos que as pessoas tinham
04:52
about the economics in the developing world.
97
274000
4000
sobre economia no mundo em desenvolvimento.
04:56
He put up a slide a little bit like this.
98
278000
2000
Ele colocou na tela algo como isso.
04:58
It had underground all the data
99
280000
2000
tinha por baixo todos os dados
05:00
OK, data is brown and boxy and boring,
100
282000
3000
OK, dado é sem graça e chato,
05:03
and that's how we think of it, isn't it?
101
285000
2000
e é assim que nós pensamos, não é?
05:05
Because data you can't naturally use by itself
102
287000
3000
Porque vocês não podem usar os dados sozinhos
05:08
But in fact, data drives a huge amount of what happens in our lives
103
290000
4000
Mas de fato, os dados ditam boa parte do que acontece em nossas vidas
05:12
and it happens because somebody takes that data and does something with it.
104
294000
3000
e isso acontece porque alguém os pegou e fez algo com eles.
05:15
In this case, Hans had put the data together
105
297000
2000
Nesse caso, o Hans juntou os dados
05:17
he had found from all kinds of United Nations websites and things.
106
299000
5000
que achou em sites que tinha a ver com as Nações Unidas.
05:22
He had put it together,
107
304000
2000
Ele juntou tudo isso,
05:24
combined it into something more interesting than the original pieces
108
306000
3000
combinando em algo mais interessante que as partes originais
05:27
and then he'd put it into this software,
109
309000
5000
e depois colocou dentro desse software,
05:32
which I think his son developed, originally,
110
314000
2000
que eu acho que seu filho desenvolveu, originalmente,
05:34
and produces this wonderful presentation.
111
316000
3000
e produziu essa maravilhosa apresentação.
05:37
And Hans made a point
112
319000
2000
E o Hans fez questão
05:39
of saying, "Look, it's really important to have a lot of data."
113
321000
4000
de dizer, "Olhem, é realmente importante ter muitos dados."
05:43
And I was happy to see that at the party last night
114
325000
3000
E eu fui feliz em ver essa parte na noite passada
05:46
that he was still saying, very forcibly, "It's really important to have a lot of data."
115
328000
4000
na qual ele ainda dizia, enfático, "É realmente importante ter muitos dados."
05:50
So I want us now to think about
116
332000
2000
Eu quero que paremos para pensar
05:52
not just two pieces of data being connected, or six like he did,
117
334000
4000
não apenas em duas peças conectadas, ou seis como ele fez,
05:56
but I want to think about a world where everybody has put data on the web
118
338000
5000
mas pensem em um mundo onde todo mundo coloca dados na Web
06:01
and so virtually everything you can imagine is on the web
119
343000
2000
e tudo que você possa imaginar esteja na Web.
06:03
and then calling that linked data.
120
345000
2000
e então chamem isso de dados vinculados.
06:05
The technology is linked data, and it's extremely simple.
121
347000
2000
A tecnologia está no dado vinculado, e é extremamente simples.
06:07
If you want to put something on the web there are three rules:
122
349000
4000
Se vocês quiserem colocar algo na Web por três anos
06:11
first thing is that those HTTP names --
123
353000
3000
a primeira coisa é que aqueles nomes HTTP.
06:14
those things that start with "http:" --
124
356000
2000
aquelas coisas que começam com http:
06:16
we're using them not just for documents now,
125
358000
4000
agora nós as utilizamos não apenas para documentos,
06:20
we're using them for things that the documents are about.
126
362000
2000
utilizamos para fazer o mesmo que os documentos fazem.
06:22
We're using them for people, we're using them for places,
127
364000
2000
utilizamos para pessoas, para lugares,
06:24
we're using them for your products, we're using them for events.
128
366000
4000
utilizamos em nossos produtos, utilizamos para eventos.
06:28
All kinds of conceptual things, they have names now that start with HTTP.
129
370000
4000
Todo tipo de conceito, agora tem nomes que começam com HTTP.
06:32
Second rule, if I take one of these HTTP names and I look it up
130
374000
5000
Segunda regra, se eu pegar um desses nomes HTTP
06:37
and I do the web thing with it and I fetch the data
131
379000
2000
colocar algo na Web com ele e buscar os dados
06:39
using the HTTP protocol from the web,
132
381000
2000
da Web usando o protocolo HTTP,
06:41
I will get back some data in a standard format
133
383000
3000
Eu receberei alguns dados em um formato padronizado
06:44
which is kind of useful data that somebody might like to know
134
386000
5000
que é um tipo de dado que alguém talvez saiba
06:49
about that thing, about that event.
135
391000
2000
sobre aquilo, sobre aquele fato.
06:51
Who's at the event? Whatever it is about that person,
136
393000
2000
Quem está no fato? Qualquer que seja ele é sobre aquele pessoa,
06:53
where they were born, things like that.
137
395000
2000
onde nasceram, coisas desse tipo.
06:55
So the second rule is I get important information back.
138
397000
2000
Então a segunda regra é que eu recebo informação importante.
06:57
Third rule is that when I get back that information
139
399000
4000
A terceira regra é que quando eu recebo a informação
07:01
it's not just got somebody's height and weight and when they were born,
140
403000
3000
não é apenas saber a altura e peso de alguém e onde nasceram,
07:04
it's got relationships.
141
406000
2000
é ter seus relacionamentos.
07:06
Data is relationships.
142
408000
2000
Dados são relacionamentos.
07:08
Interestingly, data is relationships.
143
410000
2000
Curiosamente, dados são relacionamentos.
07:10
This person was born in Berlin; Berlin is in Germany.
144
412000
4000
Esta pessoa nasceu em Berlim, Berlim é na Alemanha.
07:14
And when it has relationships, whenever it expresses a relationship
145
416000
3000
E quando tem relacionamentos, qualquer que seja expressa uma relação.
07:17
then the other thing that it's related to
146
419000
3000
Então a outra coisa a que está relacionado
07:20
is given one of those names that starts HTTP.
147
422000
4000
é dado um desses nomes que iniciam o HTTP.
07:24
So, I can go ahead and look that thing up.
148
426000
2000
Então, eu posso ir adiante e procurar aquilo.
07:26
So I look up a person -- I can look up then the city where they were born; then
149
428000
3000
Então eu procuro por uma pessoa. Eu posso visitar a cidade onde nasceu
07:29
I can look up the region it's in, and the town it's in,
150
431000
3000
Eu posso visitar a região dela, e a vila onde ela fica,
07:32
and the population of it, and so on.
151
434000
3000
e a população de lá, e assim por diante.
07:35
So I can browse this stuff.
152
437000
2000
Eu posso navegar por tudo isso.
07:37
So that's it, really.
153
439000
2000
Na verdade, é isso ai.
07:39
That is linked data.
154
441000
2000
Isso são os dados vinculados.
07:41
I wrote an article entitled "Linked Data" a couple of years ago
155
443000
3000
Eu escrevi um artigo chamado "Dados Vinculados" alguns anos atrás
07:44
and soon after that, things started to happen.
156
446000
4000
e logo depois, as coisas começaram a acontecer.
07:48
The idea of linked data is that we get lots and lots and lots
157
450000
4000
A idéia de dados vinculados é que nós ficamos com um monte
07:52
of these boxes that Hans had,
158
454000
2000
dessas caixas do Hans,
07:54
and we get lots and lots and lots of things sprouting.
159
456000
2000
e ficamos com um monte dessas coisas brotando.
07:56
It's not just a whole lot of other plants.
160
458000
3000
Não é apenas um série de outras plantas.
07:59
It's not just a root supplying a plant,
161
461000
2000
Não é apenas uma raiz de uma planta,
08:01
but for each of those plants, whatever it is --
162
463000
3000
mas para cada uma das plantas, qualquer que seja.
08:04
a presentation, an analysis, somebody's looking for patterns in the data --
163
466000
3000
Uma apresentação, uma análise, a procura por padrões nos dados.
08:07
they get to look at all the data
164
469000
3000
Eles obtêm todos os dados
08:10
and they get it connected together,
165
472000
2000
e os conectam,
08:12
and the really important thing about data
166
474000
2000
e a coisa mais importante sobre os dados
08:14
is the more things you have to connect together, the more powerful it is.
167
476000
2000
é que quanto mais você tem para conectar, mais poderosos eles são.
08:16
So, linked data.
168
478000
2000
Então, dados vinculados.
08:18
The meme went out there.
169
480000
2000
O significado veio de lá.
08:20
And, pretty soon Chris Bizer at the Freie Universitat in Berlin
170
482000
4000
E, tão logo Chis Spitzer* da Universidade Freie em Berlim
08:24
who was one of the first people to put interesting things up,
171
486000
2000
que foi uma das primeiras pessoas a colocar coisas interessantes,
08:26
he noticed that Wikipedia --
172
488000
2000
ele notou que a Wikipedia.
08:28
you know Wikipedia, the online encyclopedia
173
490000
3000
A Wikipedia, aquela enciclopédia online
08:31
with lots and lots of interesting documents in it.
174
493000
2000
que tem um monte de documentos interessantes.
08:33
Well, in those documents, there are little squares, little boxes.
175
495000
4000
Bem, nesses documentos, tem pequenos quadrados, pequenas caixas.
08:37
And in most information boxes, there's data.
176
499000
3000
E na maioria das caixas, existem dados.
08:40
So he wrote a program to take the data, extract it from Wikipedia,
177
502000
4000
Ele então escreveu um programa obter os dados, extrair da Wikipedia,
08:44
and put it into a blob of linked data
178
506000
2000
e colocar em forma de dados vinculados
08:46
on the web, which he called dbpedia.
179
508000
3000
na web, que ele chamou de DBpedia.
08:49
Dbpedia is represented by the blue blob in the middle of this slide
180
511000
4000
DBpedia é representada por esse balão azul no meio desse slide
08:53
and if you actually go and look up Berlin,
181
515000
2000
e se vocês realmente procurarem Berlim,
08:55
you'll find that there are other blobs of data
182
517000
2000
irão ver que existem outros dados
08:57
which also have stuff about Berlin, and they're linked together.
183
519000
3000
que também tem a ver com Berlim, e eles estão conectados.
09:00
So if you pull the data from dbpedia about Berlin,
184
522000
3000
Assim se você puxar dados de Berlim do DBpedia,
09:03
you'll end up pulling up these other things as well.
185
525000
2000
irá acabar puxando essas outras coisas também.
09:05
And the exciting thing is it's starting to grow.
186
527000
3000
E a parte excitante é que está começando a crescer.
09:08
This is just the grassroots stuff again, OK?
187
530000
2000
Isso novamente é apenas o começo, OK?
09:10
Let's think about data for a bit.
188
532000
3000
Deixe-me pensar sobre os dados por um momento.
09:13
Data comes in fact in lots and lots of different forms.
189
535000
3000
Dados vem, de fato, em um monte de formas diferentes
09:16
Think of the diversity of the web. It's a really important thing
190
538000
3000
Pense na diversidade da web, é importante
09:19
that the web allows you to put all kinds of data up there.
191
541000
3000
que a web deixe você colocar todo tipo de dado lá.
09:22
So it is with data. I could talk about all kinds of data.
192
544000
2000
Por isso, com os dados. Eu diria todo tipo de dados.
09:25
We could talk about government data, enterprise data is really important,
193
547000
4000
Diríamos dados do governo, de empresas é realmente importante,
09:29
there's scientific data, there's personal data,
194
551000
3000
tem dados científicos, os dados pessoais,
09:32
there's weather data, there's data about events,
195
554000
2000
dados de meterologia, tem dados sobre acontecimentos,
09:34
there's data about talks, and there's news and there's all kinds of stuff.
196
556000
4000
dados sobre palestras, notícias e todo tipo de coisa.
09:38
I'm just going to mention a few of them
197
560000
3000
Estou apenas mencionando alguns deles
09:41
so that you get the idea of the diversity of it,
198
563000
2000
para que você tenham idéia da diversidade,
09:43
so that you also see how much unlocked potential.
199
565000
4000
para que vejam quantas possibilidades.
09:47
Let's start with government data.
200
569000
2000
Vamos começar com dados do governo.
09:49
Barack Obama said in a speech,
201
571000
2000
Barack Obama disse, em um discurso,
09:51
that he -- American government data would be available on the Internet
202
573000
5000
que os dados do governo americano estariam disponíveis na internet
09:56
in accessible formats.
203
578000
2000
em formatos acessíveis.
09:58
And I hope that they will put it up as linked data.
204
580000
2000
E eu espero que eles coloquem em forma de dados vinculados.
10:00
That's important. Why is it important?
205
582000
2000
É importante. Por que é importante?
10:02
Not just for transparency, yeah transparency in government is important,
206
584000
3000
Não só pela transparência, pois transparência no governo é importante,
10:05
but that data -- this is the data from all the government departments
207
587000
3000
mas os dados de todos os departamentos do governo
10:08
Think about how much of that data is about how life is lived in America.
208
590000
5000
Imagine quanto desses dados falam do modo de vida na América.
10:13
It's actual useful. It's got value.
209
595000
2000
É útil. Tem valor.
10:15
I can use it in my company.
210
597000
2000
Eu posso usar na minha empresa.
10:17
I could use it as a kid to do my homework.
211
599000
2000
Uma criança poderia usar na sua lição de casa.
10:19
So we're talking about making the place, making the world run better
212
601000
3000
Estamos falando de fazer um mundo melhor
10:22
by making this data available.
213
604000
2000
ao deixar esse dados disponíveis.
10:24
In fact if you're responsible -- if you know about some data
214
606000
4000
De fato se for responsável. Se você encontrar dados
10:28
in a government department, often you find that
215
610000
2000
no governo, quase sempre irá achar
10:30
these people, they're very tempted to keep it --
216
612000
3000
essas pessoas, elas são tentadas a retê-los.
10:33
Hans calls it database hugging.
217
615000
3000
O Hans chama isso de abraço no banco de dados.
10:36
You hug your database, you don't want to let it go
218
618000
2000
Você abraça seu banco, você não quer que vá embora
10:38
until you've made a beautiful website for it.
219
620000
2000
até que você faça um belo site para ele.
10:40
Well, I'd like to suggest that rather --
220
622000
2000
Bem, eu sugiro que ao invés disso,
10:42
yes, make a beautiful website,
221
624000
2000
quero dizer, sim, faça um site lindo.
10:44
who am I to say don't make a beautiful website?
222
626000
2000
Quem sou eu pra dizer para não fazer um belo site?
10:46
Make a beautiful website, but first
223
628000
3000
Faça um belo site, mas primeiro
10:49
give us the unadulterated data,
224
631000
3000
nos dê os dados inalterados,
10:52
we want the data.
225
634000
2000
nós queremos os dados.
10:54
We want unadulterated data.
226
636000
2000
Nós queremos os dados inalterados.
10:56
OK, we have to ask for raw data now.
227
638000
3000
OK, nós vamos pedir os dados agora.
10:59
And I'm going to ask you to practice that, OK?
228
641000
2000
e estou pedindo para vocês praticarem, OK?
11:01
Can you say "raw"?
229
643000
1000
Digam "puros".
11:02
Audience: Raw.
230
644000
1000
Platéia: Puros.
11:03
Tim Berners-Lee: Can you say "data"?
231
645000
1000
Tim: Podem dizer "dados"?
11:04
Audience: Data.
232
646000
1000
Platéia: Dados.
11:05
TBL: Can you say "now"?
233
647000
1000
Tim: Podem dizer "agora"?
11:06
Audience: Now!
234
648000
1000
Platéia: Agora!
11:07
TBL: Alright, "raw data now"!
235
649000
2000
Tim: Vamos lá, dados puros agora!
11:09
Audience: Raw data now!
236
651000
2000
Platéia: Dados puros agora!
11:11
Practice that. It's important because you have no idea the number of excuses
237
653000
4000
Pratique isso. É importante porque vocês não têm idéia das desculpas
11:15
people come up with to hang onto their data
238
657000
2000
que as pessoas inventam para não liberarem os dados
11:17
and not give it to you, even though you've paid for it as a taxpayer.
239
659000
4000
e não fornecem, mesmo que você já tenha pago o imposto para tê-las.
11:21
And it's not just America. It's all over the world.
240
663000
2000
e isso não é só na América. Acontece no mundo todo.
11:23
And it's not just governments, of course -- it's enterprises as well.
241
665000
3000
e não é apenas no governo, é claro. Em empresas também.
11:26
So I'm just going to mention a few other thoughts on data.
242
668000
3000
Eu vou mencionar algums pensamentos sobre os dados.
11:29
Here we are at TED, and all the time we are very conscious
243
671000
5000
Estamos aqui no TED, e todo o tempo muito conscientes
11:34
of the huge challenges that human society has right now --
244
676000
5000
do grande desafio que a sociedade tem agora.
11:39
curing cancer, understanding the brain for Alzheimer's,
245
681000
3000
Cura do câncer, entendimento da doença de Alzheimer,
11:42
understanding the economy to make it a little bit more stable,
246
684000
3000
compreensão de como ter uma economia mais estável,
11:45
understanding how the world works.
247
687000
2000
saber como o mundo funciona.
11:47
The people who are going to solve those -- the scientists --
248
689000
2000
As pessoas que resolvem isso, os cientistas,
11:49
they have half-formed ideas in their head,
249
691000
2000
tem apenas parte das idéias na cabeça,
11:51
they try to communicate those over the web.
250
693000
3000
eles tentam comunicá-las pela internet.
11:54
But a lot of the state of knowledge of the human race at the moment
251
696000
3000
Mas boa parte do conhecimento da humanidade nesse momento
11:57
is on databases, often sitting in their computers,
252
699000
3000
está nos bancos de dados, nos computadores deles,
12:00
and actually, currently not shared.
253
702000
3000
e realmente, não está compartilhado.
12:03
In fact, I'll just go into one area --
254
705000
3000
Na verdade, vou entrar em uma área.
12:06
if you're looking at Alzheimer's, for example,
255
708000
2000
Se você procurar por Alzheimer, por exemplo,
12:08
drug discovery -- there is a whole lot of linked data which is just coming out
256
710000
3000
buscar por drogas. Há um volume completo de dados sendo disponibilizados
12:11
because scientists in that field realize
257
713000
2000
porque os cientistas dessa área entendem
12:13
this is a great way of getting out of those silos,
258
715000
3000
que é uma ótima forma de tirar daqueles prédios,
12:16
because they had their genomics data in one database
259
718000
4000
porque eles tinham dados de genoma em um banco
12:20
in one building, and they had their protein data in another.
260
722000
3000
em um prédio, e tinham os dados de proteínas em outro.
12:23
Now, they are sticking it onto -- linked data --
261
725000
3000
Agora, estão colocando eles como dados vinculados.
12:26
and now they can ask the sort of question, that you probably wouldn't ask,
262
728000
3000
E agora eles podem fazer algumas perguntas que vocês não fariam,
12:29
I wouldn't ask -- they would.
263
731000
2000
Eu não ia perguntar. Eles deveriam.
12:31
What proteins are involved in signal transduction
264
733000
2000
Quais proteínas fazem parte da transdução de sinal.
12:33
and also related to pyramidal neurons?
265
735000
2000
e quais estão relacionadas aos neurônios piramidais?
12:35
Well, you take that mouthful and you put it into Google.
266
737000
3000
Bem, você pega tudo isso e coloca no Google.
12:38
Of course, there's no page on the web which has answered that question
267
740000
3000
É claro, não existe uma página que irá responder a isso
12:41
because nobody has asked that question before.
268
743000
2000
porque ninguém perguntou isso antes.
12:43
You get 223,000 hits --
269
745000
2000
O resultado é 223.000 páginas.
12:45
no results you can use.
270
747000
2000
Nenhuma delas pode ser usada.
12:47
You ask the linked data -- which they've now put together --
271
749000
3000
Ao perguntar aos dados vinculados, que agora estão conectados,
12:50
32 hits, each of which is a protein which has those properties
272
752000
4000
32 resultados. Cada um deles uma proteína com essas propriedades
12:54
and you can look at.
273
756000
2000
e você pode observá-las.
12:56
The power of being able to ask those questions, as a scientist --
274
758000
3000
O poder de fazer esse tipo de perguntar, como um cientista.
12:59
questions which actually bridge across different disciplines --
275
761000
2000
Questões que passam por diferentes disciplinas.
13:01
is really a complete sea change.
276
763000
3000
É realmente uma mudança completa.
13:04
It's very very important.
277
766000
2000
É extremamente importante.
13:06
Scientists are totally stymied at the moment --
278
768000
2000
Os cientistas estão travados nesse momento.
13:08
the power of the data that other scientists have collected is locked up
279
770000
5000
O poder dos dados que outros cientistas coletaram está bloqueado
13:13
and we need to get it unlocked so we can tackle those huge problems.
280
775000
3000
e precisamos liberá-los para que possamos lidar com esses problemas.
13:16
Now if I go on like this, you'll think that all the data comes from huge institutions
281
778000
4000
Se continuar assim, pensarão que todos os dados vêm de grandes instituições
13:20
and has nothing to do with you.
282
782000
3000
e não tem nada que possa ser feito.
13:23
But, that's not true.
283
785000
2000
Mas, não é verdade.
13:25
In fact, data is about our lives.
284
787000
2000
Na verdade, os dados são sobre nossas vidas.
13:27
You just -- you log on to your social networking site,
285
789000
3000
Apenas logue no seu site de rede social,
13:30
your favorite one, you say, "This is my friend."
286
792000
2000
no seu favorito, e diga, "Esse é meu amigo."
13:32
Bing! Relationship. Data.
287
794000
3000
Bing! Relacionamento. Dados.
13:35
You say, "This photograph, it's about -- it depicts this person. "
288
797000
3000
Diz, "Essa foto tem a ver com essa pessoa."
13:38
Bing! That's data. Data, data, data.
289
800000
3000
Bing! São os dados. Dados, dados, dados.
13:41
Every time you do things on the social networking site,
290
803000
2000
Cada vez que você mexe no site da rede social,
13:43
the social networking site is taking data and using it -- re-purposing it --
291
805000
4000
o site da rede social está usando os dados e dando outro propósito a eles
13:47
and using it to make other people's lives more interesting on the site.
292
809000
4000
para que a vida das outras pessoas no site fique mais interessante.
13:51
But, when you go to another linked data site --
293
813000
2000
Mas, quando você vai até outro site através de um link.
13:53
and let's say this is one about travel,
294
815000
3000
Digamos para um site de turismo,
13:56
and you say, "I want to send this photo to all the people in that group,"
295
818000
3000
e você diz, "Eu quero enviar essa foto para todos do grupo".
13:59
you can't get over the walls.
296
821000
2000
Você não consegue.
14:01
The Economist wrote an article about it, and lots of people have blogged about it --
297
823000
2000
Na revista The Economist tem um artigo sobre isso, varias pessoas dizendo
14:03
tremendous frustration.
298
825000
1000
que é uma frustração terrível.
14:04
The way to break down the silos is to get inter-operability
299
826000
2000
A forma de passar por isso seria a interoperabilidade
14:06
between social networking sites.
300
828000
2000
entre os sites das redes sociais.
14:08
We need to do that with linked data.
301
830000
2000
Precisamos fazer isso com dados vinculados.
14:10
One last type of data I'll talk about, maybe it's the most exciting.
302
832000
3000
O último tipo de dado que vou falar, talvez seja o mais excitante.
14:13
Before I came down here, I looked it up on OpenStreetMap
303
835000
3000
Antes de chegar lá, eu procurei no OpenStreetMap
14:16
The OpenStreetMap's a map, but it's also a Wiki.
304
838000
2000
É um mapa do OpenStreetMap, mas também é um Wiki.
14:18
Zoom in and that square thing is a theater -- which we're in right now --
305
840000
3000
Aumentando naquele quadrado que é um teatro. Vamos lá.
14:21
The Terrace Theater. It didn't have a name on it.
306
843000
2000
É o teatro "O Terraço". Aqui não tem um nome.
14:23
So I could go into edit mode, I could select the theater,
307
845000
2000
Vou para modo de edição, eu posso selecionar o teatro,
14:25
I could add down at the bottom the name, and I could save it back.
308
847000
5000
Eu posso adicionar logo abaixo do nome, e eu posso voltar atrás.
14:30
And now if you go back to the OpenStreetMap. org,
309
852000
3000
e agora se vocês forem no OpenStreetMap.org
14:33
and you find this place, you will find that The Terrace Theater has got a name.
310
855000
3000
e encontrar esse lugar, verão que o teatro "O Terraço" tem um nome.
14:36
I did that. Me!
311
858000
2000
Eu fiz isso!
14:38
I did that to the map. I just did that!
312
860000
2000
Fiz isso no mapa. Apenas isso!
14:40
I put that up on there. Hey, you know what?
313
862000
2000
Eu coloquei ali. Sabe uma coisa?
14:42
If I -- that street map is all about everybody doing their bit
314
864000
3000
Aquele mapa mostra cada um fazendo a sua parte
14:45
and it creates an incredible resource
315
867000
3000
e cria algo inacreditável
14:48
because everybody else does theirs.
316
870000
3000
pois cada um faz sua parte.
14:51
And that is what linked data is all about.
317
873000
3000
É isso que são os dados vinculados.
14:54
It's about people doing their bit
318
876000
3000
É sobre as pessoas fazendo sua parte
14:57
to produce a little bit, and it all connecting.
319
879000
3000
para produzir uma pequena parte, e tudo conecta.
15:00
That's how linked data works.
320
882000
3000
É assim que os dados vinculados funcionam.
15:03
You do your bit. Everybody else does theirs.
321
885000
4000
Faça sua parte. Cada um faz a sua parte.
15:07
You may not have lots of data which you have yourself to put on there
322
889000
4000
Você não deve ter muitos dados pra colocar lá
15:11
but you know to demand it.
323
893000
3000
mas você sabe como exigir por eles.
15:14
And we've practiced that.
324
896000
2000
E nós praticamos isso.
15:16
So, linked data -- it's huge.
325
898000
4000
Dados vinculados são ótimos!
15:20
I've only told you a very small number of things
326
902000
3000
Eu disse poucas coisas a vocês
15:23
There are data in every aspect of our lives,
327
905000
2000
que existem dados em tudo na nossa vida,
15:25
every aspect of work and pleasure,
328
907000
3000
em cada parte do trabalho e no prazer,
15:28
and it's not just about the number of places where data comes,
329
910000
3000
e não tem a ver com o número de lugares de onde vem os dados,
15:31
it's about connecting it together.
330
913000
3000
tem a ver com conectá-los.
15:34
And when you connect data together, you get power
331
916000
3000
E quando vocês conectam os dados, tem o poder
15:37
in a way that doesn't happen just with the web, with documents.
332
919000
3000
de um jeito que não é só na Web, com os documentos.
15:40
You get this really huge power out of it.
333
922000
4000
Vocês tem realmente um grande poder com eles.
15:44
So, we're at the stage now
334
926000
3000
Estamos em um estágio
15:47
where we have to do this -- the people who think it's a great idea.
335
929000
4000
onde temos que fazer isso. As pessoas que acreditam nessa idéia.
15:51
And all the people -- and I think there's a lot of people at TED who do things because --
336
933000
3000
E todos vocês. E acho que tem muita gente no TED que faz acontecer.
15:54
even though there's not an immediate return on the investment
337
936000
2000
Embora não haja um retorno imediato do investimento
15:56
because it will only really pay off when everybody else has done it --
338
938000
3000
porque só haverá retorno quando todos tiverem feito sua parte.
15:59
they'll do it because they're the sort of person who just does things
339
941000
4000
Farão isso porque são pessoas que fazem acontecer
16:03
which would be good if everybody else did them.
340
945000
3000
e como seria bom se todos fizessem.
16:06
OK, so it's called linked data.
341
948000
2000
OK, esses são os dados vinculados.
16:08
I want you to make it.
342
950000
2000
Eu quero vocês envolvidos.
16:10
I want you to demand it.
343
952000
2000
Eu quero que vocês exijam eles.
16:12
And I think it's an idea worth spreading.
344
954000
2000
Acho que essa idéia que vai pegar.
16:14
Thanks.
345
956000
1000
Obrigado.
16:15
(Applause)
346
957000
3000
(Aplausos)
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