TEDGlobal 2012
Shyam Sankar: The rise of human-computer cooperation
Shyam Sankar: O aumento da cooperação humano-computador
Filmed:
Readability: 6.3
947,418 views
Usando apenas força bruta computacional não se consegue resolver os problemas do mundo. O inovador de minagem de dados Shyam Sankar explica como resolver grandes problemas (como apanhar terroristas ou identificar grandes tendências escondidas) não é uma questão de encontrar o algoritmo certo, mas sim a relação simbiótica certa entre a computação e a criatividade humana.
Shyam Sankar - Data Intelligence Agent
An advocate of human-computer symbiosis, Shyam Sankar looks for clues in big and disparate data sets. Full bio
An advocate of human-computer symbiosis, Shyam Sankar looks for clues in big and disparate data sets. Full bio
Double-click the English transcript below to play the video.
00:16
I'd like to tell you about two games of chess.
0
512
2556
Gostaria de vos falar sobre dois jogos de xadrez.
00:18
The first happened in 1997, in which Garry Kasparov,
1
3068
3864
O primeiro aconteceu em 1997, no qual Garry Kasparov,
00:22
a human, lost to Deep Blue, a machine.
2
6932
3716
um humano, perdeu para o Deep Blue, uma máquina.
00:26
To many, this was the dawn of a new era,
3
10648
2240
Para muitos, isto era o amanhecer de uma nova era
00:28
one where man would be dominated by machine.
4
12888
2779
na qual o homem seria dominado pela máquina.
00:31
But here we are, 20 years on, and the greatest change
5
15667
3334
Mas aqui estamos nós, 20 anos depois, e a maior mudança
00:34
in how we relate to computers is the iPad,
6
19001
2690
na maneira como lidamos com os computadores é o iPad,
00:37
not HAL.
7
21691
2045
e não o HAL.
00:39
The second game was a freestyle chess tournament
8
23736
2648
O segundo jogo foi um torneio de xadrez freestyle
00:42
in 2005, in which man and machine could enter together
9
26384
2969
em 2005, no qual homem e máquina podiam participar juntos
00:45
as partners, rather than adversaries, if they so chose.
10
29353
4666
como parceiros, em vez de adversários, se assim o desejassem.
00:49
At first, the results were predictable.
11
34019
1851
No início, os resultados eram previsíveis.
00:51
Even a supercomputer was beaten by a grandmaster
12
35870
2497
Até um supercomputador era batido
por um grão-mestre
por um grão-mestre
00:54
with a relatively weak laptop.
13
38367
2312
com um portátil relativamente fraco.
00:56
The surprise came at the end. Who won?
14
40679
2985
A surpresa veio no final. Quem ganhou?
00:59
Not a grandmaster with a supercomputer,
15
43664
2776
Não um grão-mestre com um supercomputador,
01:02
but actually two American amateurs
16
46440
1493
mas sim por dois amadores Americanos
01:03
using three relatively weak laptops.
17
47933
3822
usando três portáteis relativamente fracos.
01:07
Their ability to coach and manipulate their computers
18
51755
2596
A capacidade de utilizar e manipular os seus computadores
01:10
to deeply explore specific positions
19
54351
2435
para explorar profundamente posições científicas específicas
01:12
effectively counteracted the superior chess knowledge
20
56786
2390
foi eficaz para combater o conhecimento superior do xadrez
01:15
of the grandmasters and the superior computational power
21
59176
2609
do grão-mestre e do poder computacional superior
01:17
of other adversaries.
22
61785
1909
de outros adversários.
01:19
This is an astonishing result: average men,
23
63694
2905
Isto é um resultado espantoso: homens comuns,
01:22
average machines beating the best man, the best machine.
24
66599
4081
máquinas comuns derrotando o melhor homem,
a melhor máquina.
a melhor máquina.
01:26
And anyways, isn't it supposed to be man versus machine?
25
70680
3199
Então, mas não era suposto ser homem contra a máquina?
01:29
Instead, it's about cooperation, and the right type of cooperation.
26
73879
4152
Pelo contrário, é tudo cooperação, e o tipo certo de cooperação.
01:33
We've been paying a lot of attention to Marvin Minsky's
27
78031
2857
Nós prestamos muita atenção à visão de Marvin Minsky
01:36
vision for artificial intelligence over the last 50 years.
28
80888
3242
para a inteligência artificial nos últimos 50 anos.
01:40
It's a sexy vision, for sure. Many have embraced it.
29
84130
2262
É uma visão muito sexy, com certeza. Muitos a adotaram.
01:42
It's become the dominant school of thought in computer science.
30
86392
2753
Tornou-se a escola de pensamento predominante na ciência computacional.
01:45
But as we enter the era of big data, of network systems,
31
89145
3072
Mas ao entrarmos na era de "big data", de sistemas de rede,
01:48
of open platforms, and embedded technology,
32
92217
2698
de plataformas abertas e tecnologias integradas,
01:50
I'd like to suggest it's time to reevaluate an alternative vision
33
94915
3392
eu gostaria de sugerir que está na hora de reavaliar uma visão alternativa
01:54
that was actually developed around the same time.
34
98307
3070
que na verdade foi desenvolvida por volta da mesma altura.
01:57
I'm talking about J.C.R. Licklider's human-computer symbiosis,
35
101377
3332
Estou a falar da simbiose humano-computador de J.C.R. Licklider
02:00
perhaps better termed "intelligence augmentation," I.A.
36
104709
3808
talvez melhor referida como "inteligência aumentada", I.A.
02:04
Licklider was a computer science titan who had a profound
37
108517
2640
Licklider era um titã da ciência computacional que teve um profundo
02:07
effect on the development of technology and the Internet.
38
111157
3006
efeito no desenvolvimento tecnológico e da Internet.
02:10
His vision was to enable man and machine to cooperate
39
114163
2868
A sua visão era permitir que homem e máquina cooperassem
02:12
in making decisions, controlling complex situations
40
117031
3590
a tomar decisões, controlar situções complexas
02:16
without the inflexible dependence
41
120621
1770
sem a dependência inflexível
02:18
on predetermined programs.
42
122391
2533
em programas predeterminados.
02:20
Note that word "cooperate."
43
124924
2498
Reparem na palavra "cooperar."
02:23
Licklider encourages us not to take a toaster
44
127422
2747
Licklider encoraja-nos não a pegar numa torradeira
02:26
and make it Data from "Star Trek,"
45
130169
2284
e torná-la no Data do "Star Trek",
02:28
but to take a human and make her more capable.
46
132453
3535
mas sim pegar num humano e torná-lo mais capaz.
02:31
Humans are so amazing -- how we think,
47
135988
1911
Os humanos são tão espantosos -- a maneira como pensamos,
02:33
our non-linear approaches, our creativity,
48
137899
2618
as nossas abordagens não-lineares, a nossa criatividade,
02:36
iterative hypotheses, all very difficult if possible at all
49
140517
2131
hipóteses iterativas, tudo muito difícil, se possível sequer
02:38
for computers to do.
50
142648
1345
que seja feito por um computador.
02:39
Licklider intuitively realized this, contemplating humans
51
143993
2452
Licklider apercebeu-se disto, contemplando os humanos
02:42
setting the goals, formulating the hypotheses,
52
146445
2327
a definir os objectivos, formular as hipóteses,
02:44
determining the criteria, and performing the evaluation.
53
148772
3376
determinar os critérios, e efetuar a avaliação.
02:48
Of course, in other ways, humans are so limited.
54
152148
1775
É claro que de noutros aspetos,
os humanos são muito limitados.
os humanos são muito limitados.
02:49
We're terrible at scale, computation and volume.
55
153923
3235
Somos terríveis em escala, computação e volume.
02:53
We require high-end talent management
56
157158
1836
Precisamos da melhor gestão de talento
02:54
to keep the rock band together and playing.
57
158994
2064
para conseguirmos vingar.
02:56
Licklider foresaw computers doing all the routinizable work
58
161058
2204
Licklider previu os computadores a fazerem todo o trabalho serializável
02:59
that was required to prepare the way for insights and decision making.
59
163262
3276
que era necessário para preparar o caminho para outras reflexões e decisões.
03:02
Silently, without much fanfare,
60
166538
2224
Silenciosamente, sem muita fanfarra,
03:04
this approach has been compiling victories beyond chess.
61
168762
3354
esta abordagem tem vindo a ter umas quantas vitórias para além do xadrez.
03:08
Protein folding, a topic that shares the incredible expansiveness of chess —
62
172116
3356
Dobragem de proteínas, um assunto que partilha a imensa expansividade do xadrez ---
03:11
there are more ways of folding a protein than there are atoms in the universe.
63
175472
3042
há mais maneiras de dobrar uma proteína do que há átomos no universo.
03:14
This is a world-changing problem with huge implications
64
178514
2353
Isto é um problema que muda o mundo e com enormes implicações
03:16
for our ability to understand and treat disease.
65
180867
2308
na nossa capacidade de compreender e tratar doenças.
03:19
And for this task, supercomputer field brute force simply isn't enough.
66
183175
4248
E para esse fim, um supercomputador de força bruta simplesmente não é suficiente.
03:23
Foldit, a game created by computer scientists,
67
187423
2384
Foldit, um jogo criado por engenheiros informáticos,
03:25
illustrates the value of the approach.
68
189807
2502
ilustra o valor da abordagem.
03:28
Non-technical, non-biologist amateurs play a video game
69
192309
3041
Amadores não técnicos e não biólogos jogam um jogo
03:31
in which they visually rearrange the structure of the protein,
70
195350
3073
no qual reorganizam visualmente a estrutura da proteína,
03:34
allowing the computer to manage the atomic forces
71
198423
1499
permitindo que o computador lide com as forças atómicas
03:35
and interactions and identify structural issues.
72
199922
2957
e as interações e identifique problemas estruturais.
03:38
This approach beat supercomputers 50 percent of the time
73
202879
3023
Esta abordagem derrotou supercomputadores 50 por cento das vezes
03:41
and tied 30 percent of the time.
74
205902
2584
e empatou 30 por cento das vezes.
03:44
Foldit recently made a notable and major scientific discovery
75
208486
3137
O Foldit fez recentemente uma grande e notável descoberta científica
03:47
by deciphering the structure of the Mason-Pfizer monkey virus.
76
211623
3160
ao decifrar a estrutura do vírus Mason-Pfizer em macacos.
03:50
A protease that had eluded determination for over 10 years
77
214783
3015
Uma protease que escapou determinação por mais de 10 anos
03:53
was solved was by three players in a matter of days,
78
217798
2626
foi resolvida por três jogadores numa questão de dias,
03:56
perhaps the first major scientific advance
79
220424
2025
talvez o maior avanço científico a alguma vez
03:58
to come from playing a video game.
80
222449
2323
vir de jogar um vídeo-jogo.
04:00
Last year, on the site of the Twin Towers,
81
224772
2181
No ano passado, no local das Torres Gémeas,
04:02
the 9/11 memorial opened.
82
226953
1473
abriu um memorial do 11 de Setembro.
04:04
It displays the names of the thousands of victims
83
228426
2721
Ele apresenta os nomes de milhares de vítimas
04:07
using a beautiful concept called "meaningful adjacency."
84
231147
3063
usando um belo conceito chamado "adjacência significativa".
04:10
It places the names next to each other based on their
85
234210
2166
Ela coloca um nome próximo do outro baseado na sua
04:12
relationships to one another: friends, families, coworkers.
86
236376
2213
relação um com o outro: amigos, família, colegas de trabalho.
04:14
When you put it all together, it's quite a computational
87
238589
3028
Quando juntamos tudo, é um grande desafio
04:17
challenge: 3,500 victims, 1,800 adjacency requests,
88
241617
4223
computacional: 3,500 vítimas, 1,800 pedidos de adjacência,
04:21
the importance of the overall physical specifications
89
245840
3092
a importância das especificações físicas gerais
04:24
and the final aesthetics.
90
248932
2137
e a estética final.
04:26
When first reported by the media, full credit for such a feat
91
251069
2615
Quando foi reportado pelos media, os louros de tal feito
04:29
was given to an algorithm from the New York City
92
253684
1892
foram atribuídos a um algoritmo da firma de design
04:31
design firm Local Projects. The truth is a bit more nuanced.
93
255576
4001
de New York City: Local Projects. A verdade tem uma pequena nuance.
04:35
While an algorithm was used to develop the underlying framework,
94
259577
2871
Embora um algoritmo tenha sido usado para desenvolver a infrastrutura subjacente,
04:38
humans used that framework to design the final result.
95
262448
3008
humanos usaram essa estrutura para desenhar o resultado final.
04:41
So in this case, a computer had evaluated millions
96
265456
2225
Por isso neste caso, um computador avaliou milhões
04:43
of possible layouts, managed a complex relational system,
97
267681
3335
de possíveis distribuições, geriu um sistema relacional complexo,
04:46
and kept track of a very large set of measurements
98
271016
2414
e um grande conjunto de medições
04:49
and variables, allowing the humans to focus
99
273430
2410
e variáveis, permitindo que os humanos se concentrassem
04:51
on design and compositional choices.
100
275840
2802
no design e na escolha composicional.
04:54
So the more you look around you,
101
278642
1036
Por isso quanto mais olhamos à nossa volta,
04:55
the more you see Licklider's vision everywhere.
102
279678
1962
mais vemos a visão de Licklider por todo o lado.
04:57
Whether it's augmented reality in your iPhone or GPS in your car,
103
281640
3304
Quer seja em realidade aumentada no teu iPhone ou GPS no teu carro,
05:00
human-computer symbiosis is making us more capable.
104
284944
2970
a simbiose entre humano e computador está a tornar-nos mais capazes.
05:03
So if you want to improve human-computer symbiosis,
105
287914
1655
Por isso se quiserem melhorar a simbiose humano-computador,
05:05
what can you do?
106
289569
1429
o que podem fazer?
05:06
You can start by designing the human into the process.
107
290998
2452
Podem começar por incluir o humano no desenho do processo.
05:09
Instead of thinking about what a computer will do to solve the problem,
108
293450
2204
Em vez de pensar no que o computador fará para resolver o problema,
05:11
design the solution around what the human will do as well.
109
295654
3869
desenhe a solução à volta do que o humano poderá fazer também.
05:15
When you do this, you'll quickly realize that you spent
110
299523
1937
Quando fizer isto, rapidamente chegará à conclusão que passou
05:17
all of your time on the interface between man and machine,
111
301460
2879
o seu tempo todo na interface entre homem e máquina,
05:20
specifically on designing away the friction in the interaction.
112
304339
3099
especificamente desenhando maneiras de eliminar a fricção da interação.
05:23
In fact, this friction is more important than the power
113
307438
2766
De facto, esta fricção é mais importante que o poder
05:26
of the man or the power of the machine
114
310204
2052
do homem ou o poder da máquina
05:28
in determining overall capability.
115
312256
1931
no que toca a determinar a capacidade total.
05:30
That's why two amateurs with a few laptops
116
314187
1977
Por isso é que dois amadores com alguns portáteis
05:32
handily beat a supercomputer and a grandmaster.
117
316164
2456
prontamente derrotaram um supercomputador e um grão-mestre.
05:34
What Kasparov calls process is a byproduct of friction.
118
318620
3005
O que o Kasparov chama de processo é um produto da fricção.
05:37
The better the process, the less the friction.
119
321625
2401
Quanto melhor o processo, menor a fricção.
05:39
And minimizing friction turns out to be the decisive variable.
120
324026
4256
E minimizar a fricção torna-se a variável decisiva.
05:44
Or take another example: big data.
121
328282
2243
Ou outro exemplo: big data.
05:46
Every interaction we have in the world is recorded
122
330525
1906
Todas as interações que temos no mundo são gravadas
05:48
by an ever growing array of sensors: your phone,
123
332431
3059
por um número sempre crescente de sensores: o seu telemóvel,
05:51
your credit card, your computer. The result is big data,
124
335490
2373
o seu cartão de crédito, o seu computador. O resultado é big data,
05:53
and it actually presents us with an opportunity
125
337863
1742
e na verdade proporciona-nos uma oportunidade
05:55
to more deeply understand the human condition.
126
339605
2662
de compreender melhor a condição humana.
05:58
The major emphasis of most approaches to big data
127
342267
2305
A maior ênfase da maioria das abordagens à big data
06:00
focus on, "How do I store this data? How do I search
128
344572
2215
concentra-se no, "Como é que vou guardar estes dados? Como é que vou pesquisar
06:02
this data? How do I process this data?"
129
346787
2276
nestes dados? Como é que eu processo estes dados?"
06:04
These are necessary but insufficient questions.
130
349063
2204
Estas são perguntas necessárias mas insuficientes.
06:07
The imperative is not to figure out how to compute,
131
351267
2471
A imperativa não é perceber como computar,
06:09
but what to compute. How do you impose human intuition
132
353738
2184
mas sim o que computar. Como se impõe a intuição humana
06:11
on data at this scale?
133
355922
1791
nos dados a esta escala?
06:13
Again, we start by designing the human into the process.
134
357713
3499
Mais uma vez, começamos por desenhar o humano no processo.
06:17
When PayPal was first starting as a business, their biggest
135
361212
2812
Quando a PayPal estava a começar o seu maior
06:19
challenge was not, "How do I send money back and forth online?"
136
364024
2804
desafio não era, "Como é que eu envio e recebo dinheiro online?"
06:22
It was, "How do I do that without being defrauded by organized crime?"
137
366828
3872
mas sim, "Como é que eu faço isso sem ser burlado pelo crime organizado?"
06:26
Why so challenging? Because while computers can learn
138
370700
2088
Porquê tão difícil? Porque enquanto os computadores
conseguem aprender
conseguem aprender
06:28
to detect and identify fraud based on patterns,
139
372788
3144
a detetar e identificar fraudes baseando-se em padrões
06:31
they can't learn to do that based on patterns
140
375932
1479
eles não conseguem aprender a fazê-lo baseando-se em padrões
06:33
they've never seen before, and organized crime
141
377411
2116
que nunca viram antes, e o crime organizado
06:35
has a lot in common with this audience: brilliant people,
142
379527
2709
tem muito em comum com esta plateia: pessoas brilhantes,
06:38
relentlessly resourceful, entrepreneurial spirit — (Laughter) —
143
382236
3640
com imensos recursos, espirito empreendedor -- (Risos) --
06:41
and one huge and important difference: purpose.
144
385876
2712
e uma grande e importante diferença: um propósito.
06:44
And so while computers alone can catch all but the cleverest
145
388588
2832
E enquanto os computadores por si só conseguem apanhar todos exceto os burlões
06:47
fraudsters, catching the cleverest is the difference
146
391420
2253
mais espertos, apanhar estes últimos é a diferença
06:49
between success and failure.
147
393673
2545
entre o sucesso e o falhanço.
06:52
There's a whole class of problems like this, ones with
148
396218
2221
Há uma classe inteira de problemas como este,
06:54
adaptive adversaries. They rarely if ever present with a
149
398439
2575
com adversários que se adaptam. Eles raramente se apresentam com
06:56
repeatable pattern that's discernable to computers.
150
401014
2736
um padrão repetido que seja detetável pelos computadores.
06:59
Instead, there's some inherent component of innovation or disruption,
151
403750
3993
Em vez disso, há uma componente inerente de inovação ou ruptura,
07:03
and increasingly these problems are buried in big data.
152
407743
2735
e estes problemas estão cada vez mais enterrados em big data.
07:06
For example, terrorism. Terrorists are always adapting
153
410478
2500
Por exemplo, terrorismo. Os terroristas estão sempre a adaptar-se
07:08
in minor and major ways to new circumstances, and despite
154
412978
2052
de grandes e pequenas maneiras a novas circunstâncias, e apesar
07:10
what you might see on TV, these adaptations,
155
415030
3094
do que podem ter visto na TV, estas adaptações,
07:14
and the detection of them, are fundamentally human.
156
418124
2293
e a sua detecção, são fundamentalmente humanas.
07:16
Computers don't detect novel patterns and new behaviors,
157
420417
3117
Os computadores não detectam novos padrões e novos comportamentos,
07:19
but humans do. Humans, using technology, testing hypotheses,
158
423534
3235
mas os humanos conseguem. Humanos, usando tecnologias, testando hipóteses
07:22
searching for insight by asking machines to do things for them.
159
426769
4620
procurando por conhecimento pedindo a máquinas que façam coisas para eles.
07:27
Osama bin Laden was not caught by artificial intelligence.
160
431389
2320
O Osama bin Laden não foi apanhado por inteligência artificial.
07:29
He was caught by dedicated, resourceful, brilliant people
161
433709
2553
Ele foi apanhado por pessoas dedicadas e brilhantes
07:32
in partnerships with various technologies.
162
436262
4269
em parcerias com variadas tecnologias.
07:36
As appealing as it might sound, you cannot algorithmically
163
440531
2818
Embora soe bastante atrativo, não se consegue "minar"
07:39
data mine your way to the answer.
164
443349
1601
algoritmicamente o caminho até uma resposta.
07:40
There is no "Find Terrorist" button, and the more data
165
444950
2855
Não há botão de "Encontrar Terrorista", e quanto mais dados
07:43
we integrate from a vast variety of sources
166
447805
2302
integramos de uma vasta variedade de fontes
07:46
across a wide variety of data formats from very
167
450107
2133
envolvendo uma grande variedade de formatos de dados de
07:48
disparate systems, the less effective data mining can be.
168
452240
3309
sistemas bastante diferentes, menos efetivo se torna o processo de minar os dados.
07:51
Instead, people will have to look at data
169
455549
2024
Em vez disso, as pessoas terão que olhar para a informação
07:53
and search for insight, and as Licklider foresaw long ago,
170
457573
3456
e procurar soluções, e como Licklider previu há muito tempo,
07:56
the key to great results here is the right type of cooperation,
171
461029
2685
a chave para grandes resultados aqui é o tipo certo de cooperação,
07:59
and as Kasparov realized,
172
463714
1524
e como Kasparov se apercebeu,
08:01
that means minimizing friction at the interface.
173
465238
3031
isso significa minimizar a fricção na interface.
08:04
Now this approach makes possible things like combing
174
468269
2758
Com esta abordagem torna-se possível coisas como combinar
08:06
through all available data from very different sources,
175
471027
3386
toda a informação disponível de fontes diferentes,
08:10
identifying key relationships and putting them in one place,
176
474413
2792
identificando relações chave e colocando-as no mesmo sítio,
08:13
something that's been nearly impossible to do before.
177
477205
2928
algo que era quase impossível de fazer antes.
08:16
To some, this has terrifying privacy and civil liberties
178
480133
1942
Para alguns, isto tem terríveis implicações a nível de privacidade
08:17
implications. To others it foretells of an era of greater
179
482075
3410
e liberdade civil. Para outros isto antevê uma era de maior
08:21
privacy and civil liberties protections,
180
485485
1909
privacidade e proteção das liberdades civis,
08:23
but privacy and civil liberties are of fundamental importance.
181
487394
2936
mas a privacidade e as liberdades civis são de uma importância fundamental.
08:26
That must be acknowledged, and they can't be swept aside,
182
490330
2193
Isso tem que ser reconhecido, e elas não podem ser afastadas
08:28
even with the best of intents.
183
492523
2530
nem com a melhor das intenções.
08:30
So let's explore, through a couple of examples, the impact
184
495053
2518
Por isso vamos explorar, através de um par de exemplos, o impacto
08:33
that technologies built to drive human-computer symbiosis
185
497571
2406
que as tecnologias construídas para criar a simbiose humano-computador
08:35
have had in recent time.
186
499977
2919
tiveram nos últimos tempos.
08:38
In October, 2007, U.S. and coalition forces raided
187
502896
3416
Em Outubro, 2007, os E.U.A. e forças de coligação invadiram
08:42
an al Qaeda safe house in the city of Sinjar
188
506312
2416
uma casa segura da al-Qaeda na cidade de Sinjar
08:44
on the Syrian border of Iraq.
189
508728
1934
na fronteira entre o Iraque e a Síria.
08:46
They found a treasure trove of documents:
190
510662
2376
Encontraram um tesouro de documentação:
08:48
700 biographical sketches of foreign fighters.
191
513038
2335
700 biografias de lutadores estrangeiros.
08:51
These foreign fighters had left their families in the Gulf,
192
515373
2584
Estes terroristas tinham deixado as suas famílias no Golfo,
08:53
the Levant and North Africa to join al Qaeda in Iraq.
193
517957
3146
no Levante e no Norte de África para se juntarem à al-Qaeda no Iraque.
08:57
These records were human resource forms.
194
521103
1616
Estes registos eram formulários de recursos humanos.
08:58
The foreign fighters filled them out as they joined the organization.
195
522719
2855
Os terroristas preenchiam-nas à medida que se juntavam à organização.
09:01
It turns out that al Qaeda, too,
196
525574
1211
Parece que nem a al-Qaeda,
09:02
is not without its bureaucracy. (Laughter)
197
526785
2597
escapa à burocracia. (Risos)
09:05
They answered questions like, "Who recruited you?"
198
529382
2098
Eles respondiam a perguntas como, "Quem o recrutou?"
09:07
"What's your hometown?" "What occupation do you seek?"
199
531480
2854
"Qual é a sua cidade natal?" "Que ocupação procura?"
09:10
In that last question, a surprising insight was revealed.
200
534334
3169
Essa última questão revelou-se uma surpresa.
09:13
The vast majority of foreign fighters
201
537503
2400
A grande maioria dos terroristas estrangeiros
09:15
were seeking to become suicide bombers for martyrdom --
202
539903
2400
procuravam tornar-se bombistas suicidas e mártires --
09:18
hugely important, since between 2003 and 2007, Iraq
203
542303
4338
extremamente importante, visto que entre 2003 e 2007, o Iraque
09:22
had 1,382 suicide bombings, a major source of instability.
204
546641
4244
teve 1,382 ataques suicidas, uma grande fonte de instabilidade.
09:26
Analyzing this data was hard. The originals were sheets
205
550885
2058
Analisar esta informação foi difícil. Os originais eram folhas
09:28
of paper in Arabic that had to be scanned and translated.
206
552943
2742
de papel em Árabe que tinham de ser digitalizadas e traduzidas.
09:31
The friction in the process did not allow for meaningful
207
555685
2192
A fricção no processo não permitiu resultados
09:33
results in an operational time frame using humans, PDFs
208
557877
3350
significativos em tempo operacional usando apenas humanos, PDFs
09:37
and tenacity alone.
209
561227
2218
e persistência.
09:39
The researchers had to lever up their human minds
210
563445
1953
Os investigadores tiveram que alavancar as suas mentes
09:41
with technology to dive deeper, to explore non-obvious
211
565398
2345
com tecnologia para investigar mais, explorar hipóteses
09:43
hypotheses, and in fact, insights emerged.
212
567743
3218
não-óbvias, e de fato, surgiram resultados.
09:46
Twenty percent of the foreign fighters were from Libya,
213
570961
2644
Vinte por-cento dos terroristas vinham da Líbia,
09:49
50 percent of those from a single town in Libya,
214
573605
2968
50% dos quais de uma única cidade na Líbia,
09:52
hugely important since prior statistics put that figure at
215
576573
2450
extremamente importante visto que as estatísticas anteriores colocam
09:54
three percent. It also helped to hone in on a figure
216
579023
2383
esse número nos 3%. Também ajudaram encontrar uma figura
09:57
of rising importance in al Qaeda, Abu Yahya al-Libi,
217
581406
2977
de importância crescente na al-Qaeda, Abu Yahya al-Libi,
10:00
a senior cleric in the Libyan Islamic fighting group.
218
584383
2631
um importante membro do grupo Líbia-Islão.
10:02
In March of 2007, he gave a speech, after which there was
219
587014
2664
Em Março de 2007, ele fez um discurso, depois do qual houve
10:05
a surge in participation amongst Libyan foreign fighters.
220
589678
3466
um grande aumento no recrutamento de terroristas.
10:09
Perhaps most clever of all, though, and least obvious,
221
593144
3106
Talvez mais inteligente de todos no entanto, e o menos óbvio,
10:12
by flipping the data on its head, the researchers were
222
596250
2073
virando os dados sobre si mesmos, os investigadores foram
10:14
able to deeply explore the coordination networks in Syria
223
598323
2900
capazes de explorar com profundidade as redes de coordenação na Síria
10:17
that were ultimately responsible for receiving and
224
601223
2517
que eram responsáveis por receber e transportar
10:19
transporting the foreign fighters to the border.
225
603740
2464
os terroristas para a fronteira.
10:22
These were networks of mercenaries, not ideologues,
226
606204
2633
Estas redes eram de mercenários, não de ideologistas,
10:24
who were in the coordination business for profit.
227
608837
2398
que estavam no negócio da coordenação por dinheiro.
10:27
For example, they charged Saudi foreign fighters
228
611235
1904
Por exemplo, eles cobravam aos terroristas da Arábia Saudita
10:29
substantially more than Libyans, money that would have
229
613139
2199
muito mais do que aos da Líbia, dinheiro que de outra forma
10:31
otherwise gone to al Qaeda.
230
615338
2320
iria parar à al-Qaeda.
10:33
Perhaps the adversary would disrupt their own network
231
617658
2045
Talvez o adversário perturbaria a sua própria rede
10:35
if they knew they cheating would-be jihadists.
232
619703
3035
se soubesse que estão a enganar os novos membros da Jihad.
10:38
In January, 2010, a devastating 7.0 earthquake struck Haiti,
233
622738
3745
Em Janeiro de 2010, um terramoto devastador de 7.0 atingiu o Haiti,
10:42
third deadliest earthquake of all time, left one million people,
234
626483
2916
o terceiro terramoto mais mortal de todos os tempos, deixou um milhão de pessoas,
10:45
10 percent of the population, homeless.
235
629399
2584
10% da população, sem abrigo.
10:47
One seemingly small aspect of the overall relief effort
236
631983
3137
Um aspeto aparentemente pequeno do esforço comunitário
10:51
became increasingly important as the delivery of food
237
635120
2176
tornou-se cada vez mais importante à medida que a entrega de comida
10:53
and water started rolling.
238
637296
2160
e água começou.
10:55
January and February are the dry months in Haiti,
239
639456
1458
Janeiro e Fevereiro são meses secos no Haiti,
10:56
yet many of the camps had developed standing water.
240
640914
2942
no entanto muitos dos campos tinham água estagnada.
10:59
The only institution with detailed knowledge of Haiti's
241
643856
2122
A única instituição com conhecimento detalhado da inundação de planícies
11:01
floodplains had been leveled
242
645978
1297
do Haiti tinha sido destruída
11:03
in the earthquake, leadership inside.
243
647275
3008
no terramoto, com os líderes lá dentro.
11:06
So the question is, which camps are at risk,
244
650283
2575
Por isso a questão é, que campos estão em risco
11:08
how many people are in these camps, what's the
245
652858
1921
quantas pessoas estão nesses campos, qual a estimativa
11:10
timeline for flooding, and given very limited resources
246
654779
2311
de tempo para a inundação e, dados recursos e infrastruturas
11:12
and infrastructure, how do we prioritize the relocation?
247
657090
3384
muito limitadas, como damos prioridade à realocação?
11:16
The data was incredibly disparate. The U.S. Army had
248
660474
2344
Os dados eram incrivelmente diferentes. O exército dos E.U.A. tinha
11:18
detailed knowledge for only a small section of the country.
249
662818
2929
conhecimento detalhado para apenas uma pequena secção do país.
11:21
There was data online from a 2006 environmental risk
250
665747
2511
Havia informação online de uma conferência ambiental de 2006,
11:24
conference, other geospatial data, none of it integrated.
251
668258
2664
outras informações geo-espaciais, nada integrado.
11:26
The human goal here was to identify camps for relocation
252
670922
2958
O objetivo humano era identificar campos para a realocação
11:29
based on priority need.
253
673880
2395
das pessoas baseada em necessidade prioritária.
11:32
The computer had to integrate a vast amount of geospacial
254
676275
2440
O computador teve que integrar uma grande quantidade de
11:34
information, social media data and relief organization
255
678715
2584
informação geoespacial, informação dos media social e das organizações de ajuda humanitária
11:37
information to answer this question.
256
681299
3480
para responder a esta questão.
11:40
By implementing a superior process, what was otherwise
257
684779
2415
Através da implementação de um processo superior, que seria de outra forma
11:43
a task for 40 people over three months became
258
687194
2608
um trabalho para 40 pessoas em 3 meses tornou-se
11:45
a simple job for three people in 40 hours,
259
689802
3176
numa simples tarefa para 3 pessoas em 40 horas,
11:48
all victories for human-computer symbiosis.
260
692978
2628
tudo vitórias para a simbiose entre humano e computador.
11:51
We're more than 50 years into Licklider's vision
261
695606
2054
Mais de 50 anos depois da visão de Licklider
11:53
for the future, and the data suggests that we should be
262
697660
2242
para o futuro, e os dados sugerem que devíamos estar
11:55
quite excited about tackling this century's hardest problems,
263
699902
3030
bastante entusiasmados em atacar os problemas mais difíceis do século,
11:58
man and machine in cooperation together.
264
702932
2947
em parceria de homem e maquina.
12:01
Thank you. (Applause)
265
705879
2197
Obrigado. (Aplauso)
12:03
(Applause)
266
708076
2505
(Aplauso)
ABOUT THE SPEAKER
Shyam Sankar - Data Intelligence AgentAn advocate of human-computer symbiosis, Shyam Sankar looks for clues in big and disparate data sets.
Why you should listen
Shyam Sankar is a Director at Palantir Technologies, a secretive Silicon Valley company where he oversees deployments of the company's core technology, which helps law enforcement teams and corporations analyze giant, unrelated databases for clues to potential ... anything. Palantir technologies has been used to find missing children, to detect banking fraud, and to uncover the Shadow Network, a cyber-spy ring that stooped so low as to hack the Dalai Lama's email.
As part of his work, Sankar thinks deeply about the place where human and machine intelligence meet. While artificial intelligence (AI) is the dominant paradigm, he is an advocate of JCR Licklider's "intelligence augmentation" (IA) approach, where algorithms and brains work together to solve problems.
Shyam Sankar | Speaker | TED.com