TED2009
Tim Berners-Lee: The next web
Тім Бернерс-Лі про майбутнє вебу
Filmed:
Readability: 3.8
1,638,798 views
20 років тому, Тім Бернерс-Лі винайшов Всесвітню Павутину. Своїм новим проектом він будує веб відкритих, пов'язаних даних, який міг би зробити із числами те, що веб зробив із словами, зображеннями, відео: звільнив наші дані та змінив те, як ми їх використовуємо.
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
Час летить.
00:20
It's actually almost 20 years ago
1
2000
2000
Фактично вже майже 20 років минуло відтоді,
00:22
when I wanted to reframe the way we use information,
2
4000
4000
як я, бажаючи змінити те, як ми використовуємо інформацію,
00:26
the way we work together: I invented the World Wide Web.
3
8000
3000
як ми працюємо разом — відколи я винайшов всесвітню павутину.
00:29
Now, 20 years on, at TED,
4
11000
3000
Зараз, 20 років потому, на TED,
00:32
I want to ask your help in a new reframing.
5
14000
4000
я прошу вас допомогти здійснити нову зміну.
00:37
So going back to 1989,
6
19000
4000
Отже, повертаючись до 1989 року,
00:41
I wrote a memo suggesting the global hypertext system.
7
23000
3000
коли я запропонував глобальну систему гіпертексту.
00:44
Nobody really did anything with it, pretty much.
8
26000
3000
Ніхто по суті не звернув на неї уваги.
00:47
But 18 months later -- this is how innovation happens --
9
29000
4000
Але через 18 місяців — ось як відбуваються інновації —
00:51
18 months later, my boss said I could do it on the side,
10
33000
4000
через 18 місяців мій керівник сказав, що я можу займатися цим на стороні,
00:55
as a sort of a play project,
11
37000
2000
як проектом для забави,
00:57
kick the tires of a new computer we'd got.
12
39000
2000
випробувати новий комп'ютер, який ми отримали.
00:59
And so he gave me the time to code it up.
13
41000
3000
Тож він дав мені час написати це.
01:02
So I basically roughed out what HTML should look like:
14
44000
5000
Тож я згубша накидав, як має виглядати HTML,
01:07
hypertext protocol, HTTP;
15
49000
3000
протокол гіпертексту — HTTP —
01:10
the idea of URLs, these names for things
16
52000
3000
ідею адрес URL — цих імен для всього,
01:13
which started with HTTP.
17
55000
2000
що починається із HTTP.
01:15
I wrote the code and put it out there.
18
57000
2000
Я написав код і виклав його.
01:17
Why did I do it?
19
59000
2000
Чому я це зробив?
01:19
Well, it was basically frustration.
20
61000
2000
Ну, в основному через розчарування.
01:21
I was frustrated -- I was working as a software engineer
21
63000
4000
Я був розчарований — я працював розробником програмного забезпечення
01:25
in this huge, very exciting lab,
22
67000
2000
у великій, захоплюючій лабораторії,
01:27
lots of people coming from all over the world.
23
69000
2000
багато людей приїжджали сюди з усіх куточків світу.
01:29
They brought all sorts of different computers with them.
24
71000
3000
Вони привозили з собою різноманітні комп'ютери.
01:32
They had all sorts of different data formats,
25
74000
3000
Вони використовували різноманітні формати даних.
01:35
all sorts, all kinds of documentation systems.
26
77000
2000
Різноманітні системи документування.
01:37
So that, in all that diversity,
27
79000
3000
Тому, у всій цій різноманітності,
01:40
if I wanted to figure out how to build something
28
82000
2000
якщо я хотів дізнатися, як зробити щось
01:42
out of a bit of this and a bit of this,
29
84000
2000
з частинки цього і частинки цього,
01:44
everything I looked into, I had to connect to some new machine,
30
86000
4000
все, на що я дивився, я був змушений під'єднати до якоїсь нової машини,
01:48
I had to learn to run some new program,
31
90000
2000
я був змушений навчитися запускати якусь нову програму,
01:50
I would find the information I wanted in some new data format.
32
92000
5000
і я б знайшов інформацію, яку хотів, у якомусь новому форматі даних.
01:55
And these were all incompatible.
33
97000
2000
І всі вони були несумісними.
01:57
It was just very frustrating.
34
99000
2000
Я був просто дуже розчарований.
01:59
The frustration was all this unlocked potential.
35
101000
2000
Розчарування полягало у всіх цих прихованих можливостях.
02:01
In fact, on all these discs there were documents.
36
103000
3000
Фактично, на всіх цих дисках були документи.
02:04
So if you just imagined them all
37
106000
3000
Тому, якщо уявити собі, що всі вони
02:07
being part of some big, virtual documentation system in the sky,
38
109000
5000
є частиною певної великої, віртуальної системи документування десь в небі,
02:12
say on the Internet,
39
114000
2000
чи в інтернеті,
02:14
then life would be so much easier.
40
116000
2000
тоді життя стало б настільки простішим.
02:16
Well, once you've had an idea like that it kind of gets under your skin
41
118000
4000
Що ж, якщо вже така ідея залізла тобі в голову, то вона вже там засідає надовго,
02:20
and even if people don't read your memo --
42
122000
2000
і навіть якщо люди не читають твоїх пропозицій —
02:22
actually he did, it was found after he died, his copy.
43
124000
3000
насправді він прочитав, його копія знайшлася вже після його смерті.
02:25
He had written, "Vague, but exciting," in pencil, in the corner.
44
127000
3000
Він написав «Туманно, але захоплююче», олівцем, в кутку.
02:28
(Laughter)
45
130000
2000
(Сміх)
02:30
But in general it was difficult -- it was really difficult to explain
46
132000
4000
Але загалом було складно — було складно пояснити
02:34
what the web was like.
47
136000
2000
що таке веб.
02:36
It's difficult to explain to people now that it was difficult then.
48
138000
2000
Важко поянити людям зараз, що це було важко зробити тоді.
02:38
But then -- OK, when TED started, there was no web
49
140000
3000
Але потім — добре, коли стартував TED, вебу не було
02:41
so things like "click" didn't have the same meaning.
50
143000
3000
тому такі речі як клік означали не те, що зараз.
02:44
I can show somebody a piece of hypertext,
51
146000
2000
Я можу показати комусь трохи гіпертексту,
02:46
a page which has got links,
52
148000
2000
сторінку із лінками на ній,
02:48
and we click on the link and bing -- there'll be another hypertext page.
53
150000
4000
і ми клікаємо по лінку і оп — ось ще одна сторінка гіпертексту.
02:52
Not impressive.
54
154000
2000
Не вражає.
02:54
You know, we've seen that -- we've got things on hypertext on CD-ROMs.
55
156000
3000
Знаєте, ми це вже бачили — ми мали гіпертестові документи на CD-ROM.
02:57
What was difficult was to get them to imagine:
56
159000
3000
Було важко змусити уявити.
03:00
so, imagine that that link could have gone
57
162000
4000
Отже, уявіть що цей лінк веде
03:04
to virtually any document you could imagine.
58
166000
2000
до будь-якого документу, який ви тільки можете уявити.
03:07
Alright, that is the leap that was very difficult for people to make.
59
169000
4000
Добре, саме цей стрибок людям зробити було важко.
03:11
Well, some people did.
60
173000
2000
Ну, дехто розумів.
03:13
So yeah, it was difficult to explain, but there was a grassroots movement.
61
175000
3000
Хоча так, пояснити це було важко, але внизу був рух.
03:17
And that is what has made it most fun.
62
179000
4000
Але саме тому це було так цікаво.
03:21
That has been the most exciting thing,
63
183000
2000
Саме це було найбільш захоплюючим,
03:23
not the technology, not the things people have done with it,
64
185000
2000
не технологія, не те, що люди зробили із нею,
03:25
but actually the community, the spirit of all these people
65
187000
2000
але сама спільнота, дух всіх цих людей,
03:27
getting together, sending the emails.
66
189000
2000
що збиралися разом, відсилали мейли.
03:29
That's what it was like then.
67
191000
2000
Так це виглядало тоді.
03:31
Do you know what? It's funny, but right now it's kind of like that again.
68
193000
3000
Знаєте що? Смішно, але зараз все виглядає приблизно так само.
03:34
I asked everybody, more or less, to put their documents --
69
196000
2000
Я просив кожного, більше чи менше, викласти їхні документи —
03:36
I said, "Could you put your documents on this web thing?"
70
198000
3000
я казав: «Чи не могли б ви викласти свої документи в цей веб?»
03:39
And you did.
71
201000
3000
І ви виклали.
03:42
Thanks.
72
204000
1000
Дякую.
03:43
It's been a blast, hasn't it?
73
205000
2000
Це був прорив, чи не так?
03:45
I mean, it has been quite interesting
74
207000
2000
Я маю на увазі, було досить цікаво
03:47
because we've found out that the things that happen with the web
75
209000
2000
тому що ми виявили, що речі, які відбуваються із вебом,
03:49
really sort of blow us away.
76
211000
2000
вони нас справді вражають.
03:51
They're much more than we'd originally imagined
77
213000
2000
Вони перевершують все, що ми колись уявляли,
03:53
when we put together the little, initial website
78
215000
2000
збираючи докупи першу веб-сторінку
03:55
that we started off with.
79
217000
2000
з якої починали.
03:57
Now, I want you to put your data on the web.
80
219000
3000
Тепер, я хочу, щоб ви виклали свої дані в веб.
04:00
Turns out that there is still huge unlocked potential.
81
222000
4000
Виявляється, що ще дуже великий потенціал є прихованим.
04:04
There is still a huge frustration
82
226000
2000
Все ще великим є розчарування
04:06
that people have because we haven't got data on the web as data.
83
228000
4000
людей через те, що вони не мають даних у вебі як даних.
04:10
What do you mean, "data"? What's the difference -- documents, data?
84
232000
2000
Що ви розумієте під даними? Яка різниця — документи, дані?
04:12
Well, documents you read, OK?
85
234000
3000
Документи ви читаєте, так?
04:15
More or less, you read them, you can follow links from them, and that's it.
86
237000
3000
Більше чи менше, ви їх читаєте, ви можете перейти з них по лінках, і це все.
04:18
Data -- you can do all kinds of stuff with a computer.
87
240000
2000
Дані — ви можете робити все що завгодно, маючи комп'ютер.
04:20
Who was here or has otherwise seen Hans Rosling's talk?
88
242000
6000
Хто був тут чи в інший спосіб бачив виступ Ханса Рослінга?
04:26
One of the great -- yes a lot of people have seen it --
89
248000
4000
Один із найкращих — так, багато людей його бачили, —
04:30
one of the great TED Talks.
90
252000
2000
один із найкращих виступів на TED.
04:32
Hans put up this presentation
91
254000
2000
Ханс зробив презентацію,
04:34
in which he showed, for various different countries, in various different colors --
92
256000
5000
у якій показав для різних країн, у різних кольорах —
04:39
he showed income levels on one axis
93
261000
3000
він поклав розмір доходів по одній осі
04:42
and he showed infant mortality, and he shot this thing animated through time.
94
264000
3000
і він показав дитячу смертність, і зробив це все як анімацію в часі.
04:45
So, he'd taken this data and made a presentation
95
267000
4000
Отож, він взяв ці дані і зробив презентацію,
04:49
which just shattered a lot of myths that people had
96
271000
3000
яка похитнула багато міфів, що були в людей
04:52
about the economics in the developing world.
97
274000
4000
про економіки у світі, що розвивається.
04:56
He put up a slide a little bit like this.
98
278000
2000
Він показав слайд, схожий на цей.
04:58
It had underground all the data
99
280000
2000
На ньому під землею лежать дані.
05:00
OK, data is brown and boxy and boring,
100
282000
3000
ОК, дані коричневі, квадратні і нудні,
05:03
and that's how we think of it, isn't it?
101
285000
2000
ми ж саме так про них думаємо, хіба ні?
05:05
Because data you can't naturally use by itself
102
287000
3000
Тому що самі по собі дані ми не можемо використати.
05:08
But in fact, data drives a huge amount of what happens in our lives
103
290000
4000
Але насправді дані визначають багато з того, що відбувається у нашому житті,
05:12
and it happens because somebody takes that data and does something with it.
104
294000
3000
і стається так тому, що хтось взяв ті дані і зробив щось із ними.
05:15
In this case, Hans had put the data together
105
297000
2000
В нашому випадку, Ханс зібрав дані докупи,
05:17
he had found from all kinds of United Nations websites and things.
106
299000
5000
він знайшов їх на веб-сторінках ООН і так далі.
05:22
He had put it together,
107
304000
2000
Він зібрав їх докупи,
05:24
combined it into something more interesting than the original pieces
108
306000
3000
об'єднав у щось цікавіше, ніж було до того,
05:27
and then he'd put it into this software,
109
309000
5000
потім ввів їх у програмне забезпечення,
05:32
which I think his son developed, originally,
110
314000
2000
написане, думаю, його сином,
05:34
and produces this wonderful presentation.
111
316000
3000
і створив цю прекрасну презентацію.
05:37
And Hans made a point
112
319000
2000
І Ханс висловив думку
05:39
of saying, "Look, it's really important to have a lot of data."
113
321000
4000
«Бачите, дуже важливо мати багато даних.»
05:43
And I was happy to see that at the party last night
114
325000
3000
І я був радий, що вчора вночі на вечірці
05:46
that he was still saying, very forcibly, "It's really important to have a lot of data."
115
328000
4000
він продовжував говорити, з притиском: «Дуже важливо мати багато даних.»
05:50
So I want us now to think about
116
332000
2000
Тому я хочу, щоб ми зараз подумали
05:52
not just two pieces of data being connected, or six like he did,
117
334000
4000
не просто про два джерела даних, чи шість, як він зробив,
05:56
but I want to think about a world where everybody has put data on the web
118
338000
5000
я хочу подумати про світ, у якому кожен виклав свої дані у веб
06:01
and so virtually everything you can imagine is on the web
119
343000
2000
і тому практично все, що ви тільки можете уявити, є у вебі.
06:03
and then calling that linked data.
120
345000
2000
І називається це пов'язаними даними.
06:05
The technology is linked data, and it's extremely simple.
121
347000
2000
Пов'язані дані є технологією, причому дуже простою.
06:07
If you want to put something on the web there are three rules:
122
349000
4000
Якщо ви хочете викласти щось в веб, то є три правила:
06:11
first thing is that those HTTP names --
123
353000
3000
то, по-перше, вам потрібні ці HTTP імена —
06:14
those things that start with "http:" --
124
356000
2000
все що починається із http: —
06:16
we're using them not just for documents now,
125
358000
4000
ми їх зараз використовуємо не лише для документів,
06:20
we're using them for things that the documents are about.
126
362000
2000
ми використовуємо їх для всього, про що у документах йдеться.
06:22
We're using them for people, we're using them for places,
127
364000
2000
Ми використовуємо їх для людей, ми використовуємо їх для місцевостей,
06:24
we're using them for your products, we're using them for events.
128
366000
4000
ми використовуємо їх для ваших товарів, ми використовуємо їх для подій.
06:28
All kinds of conceptual things, they have names now that start with HTTP.
129
370000
4000
Для всіх концептуальних речей, всі вони мають імена, що починаються із HTTP.
06:32
Second rule, if I take one of these HTTP names and I look it up
130
374000
5000
Друге правило — якщо я беру одне із цих HTTP імен, переходжу по ньому,
06:37
and I do the web thing with it and I fetch the data
131
379000
2000
отримую дані
06:39
using the HTTP protocol from the web,
132
381000
2000
з вебу з допомогою HTTP протоколу,
06:41
I will get back some data in a standard format
133
383000
3000
то я отримую дані у стандартному форматі,
06:44
which is kind of useful data that somebody might like to know
134
386000
5000
і це потрібні комусь корисні дані,
06:49
about that thing, about that event.
135
391000
2000
про річ, про подію.
06:51
Who's at the event? Whatever it is about that person,
136
393000
2000
Хто бере участь в події? Будь-що про цих осіб,
06:53
where they were born, things like that.
137
395000
2000
місце народження, все таке.
06:55
So the second rule is I get important information back.
138
397000
2000
Отже друге правило — я отримую важливу інформацію.
06:57
Third rule is that when I get back that information
139
399000
4000
Третє правило — отримана інформація
07:01
it's not just got somebody's height and weight and when they were born,
140
403000
3000
говорить не лише про чиюсь висоту чи вагу чи де хтось народився,
07:04
it's got relationships.
141
406000
2000
вона несе у собі зв'язки.
07:06
Data is relationships.
142
408000
2000
Дані — це зв'язки.
07:08
Interestingly, data is relationships.
143
410000
2000
Цікаво, дані — це зв'язки.
07:10
This person was born in Berlin; Berlin is in Germany.
144
412000
4000
Оцей народився у Берліні, Берлін це Німеччина.
07:14
And when it has relationships, whenever it expresses a relationship
145
416000
3000
І коли є зв'язки, коли дані передають зв'язки,
07:17
then the other thing that it's related to
146
419000
3000
тоді те інше, з чим у нас є зв'язок,
07:20
is given one of those names that starts HTTP.
147
422000
4000
отримує назву, яка починається із HTTP.
07:24
So, I can go ahead and look that thing up.
148
426000
2000
Тож я можу перейти і подивитися.
07:26
So I look up a person -- I can look up then the city where they were born; then
149
428000
3000
Отже, я шукаю людину — я можу подивитися, в якому місті вона народилася,
07:29
I can look up the region it's in, and the town it's in,
150
431000
3000
можу подивитися, в якому регіоні це місто знаходиться,
07:32
and the population of it, and so on.
151
434000
3000
кількість його населення, і так далі.
07:35
So I can browse this stuff.
152
437000
2000
Я можу переглядати все це.
07:37
So that's it, really.
153
439000
2000
Оце й усе, власне.
07:39
That is linked data.
154
441000
2000
Це і є пов'язані дані.
07:41
I wrote an article entitled "Linked Data" a couple of years ago
155
443000
3000
Я написав статтю «Пов'язані дані» кілька років тому,
07:44
and soon after that, things started to happen.
156
446000
4000
і за деякий час почався рух.
07:48
The idea of linked data is that we get lots and lots and lots
157
450000
4000
Ідея пов'язаних даних у тому, що ми маємо дуже-дуже-дуже багато
07:52
of these boxes that Hans had,
158
454000
2000
таких коробок, як в Ханса,
07:54
and we get lots and lots and lots of things sprouting.
159
456000
2000
і у нас дуже-дуже-дуже багато рослин проростає.
07:56
It's not just a whole lot of other plants.
160
458000
3000
І це не лише просто собі рослини.
07:59
It's not just a root supplying a plant,
161
461000
2000
Це не лише корінь, який живить рослину,
08:01
but for each of those plants, whatever it is --
162
463000
3000
але кожна із цих рослин, щоб вона не означала —
08:04
a presentation, an analysis, somebody's looking for patterns in the data --
163
466000
3000
презентацію, аналіз, хтось шукає закономірності у даних —
08:07
they get to look at all the data
164
469000
3000
кожна із них опрацьовує всі дані,
08:10
and they get it connected together,
165
472000
2000
і всі вони пов'язані між собою.
08:12
and the really important thing about data
166
474000
2000
І що у даних є справді важливим, так це те,
08:14
is the more things you have to connect together, the more powerful it is.
167
476000
2000
що чим більше їх об'єднується, тим потужнішими вони стають.
08:16
So, linked data.
168
478000
2000
Отже, пов'язані дані.
08:18
The meme went out there.
169
480000
2000
Я написав пропозицію.
08:20
And, pretty soon Chris Bizer at the Freie Universitat in Berlin
170
482000
4000
І досить швидко Кріс Біцер із Фрає Універсітат у Берліні,
08:24
who was one of the first people to put interesting things up,
171
486000
2000
один із перших, хто зробив щось цікаве,
08:26
he noticed that Wikipedia --
172
488000
2000
він помітив, що Вікіпедія —
08:28
you know Wikipedia, the online encyclopedia
173
490000
3000
ви знаєте Вікіпедію, онлайн-енциклопедію,
08:31
with lots and lots of interesting documents in it.
174
493000
2000
яка має в собі багато цікавих документів.
08:33
Well, in those documents, there are little squares, little boxes.
175
495000
4000
Так-от, ці документи мають маленькі квадратики, маленькі поля.
08:37
And in most information boxes, there's data.
176
499000
3000
І у багатьох інформаційних полях є дані.
08:40
So he wrote a program to take the data, extract it from Wikipedia,
177
502000
4000
Тож він написав програму, яка бере ці дані, витягує їх із Вікіпедії,
08:44
and put it into a blob of linked data
178
506000
2000
і викладає їх у бульбашку пов'язаних даних
08:46
on the web, which he called dbpedia.
179
508000
3000
у вебі, яку назвав Дібіпедією.
08:49
Dbpedia is represented by the blue blob in the middle of this slide
180
511000
4000
Дібіпедія зображена блакитною бульбашкою в центрі слайду
08:53
and if you actually go and look up Berlin,
181
515000
2000
і якщо ви будете шукати Берлін,
08:55
you'll find that there are other blobs of data
182
517000
2000
то знайдете інші бульбашки даних,
08:57
which also have stuff about Berlin, and they're linked together.
183
519000
3000
які теж мають щось про Берлін, і вони пов'язані між собою.
09:00
So if you pull the data from dbpedia about Berlin,
184
522000
3000
Тому якщо ви витягуєте дані з Дібіпедії про Берлін,
09:03
you'll end up pulling up these other things as well.
185
525000
2000
ви витягнете також і ту іншу інформацію.
09:05
And the exciting thing is it's starting to grow.
186
527000
3000
Захоплює те, що ця річ росте.
09:08
This is just the grassroots stuff again, OK?
187
530000
2000
Це лише рух внизу, ок?
09:10
Let's think about data for a bit.
188
532000
3000
Давайте трохи подумаємо про дані.
09:13
Data comes in fact in lots and lots of different forms.
189
535000
3000
Дані надходять у різноманітних формах.
09:16
Think of the diversity of the web. It's a really important thing
190
538000
3000
Подумайте про різноманітність вебу, важливо,
09:19
that the web allows you to put all kinds of data up there.
191
541000
3000
що веб дозволяє викладати всі типи даних.
09:22
So it is with data. I could talk about all kinds of data.
192
544000
2000
Там є дані. Я можу говорити про всі типи даних.
09:25
We could talk about government data, enterprise data is really important,
193
547000
4000
Ми можемо говорити про урядові дані, корпоративні дані є дуже важливими,
09:29
there's scientific data, there's personal data,
194
551000
3000
є наукові дані, є особисті дані,
09:32
there's weather data, there's data about events,
195
554000
2000
є дані про погоду, є про події,
09:34
there's data about talks, and there's news and there's all kinds of stuff.
196
556000
4000
є дані про виступи, є новини і таке інше.
09:38
I'm just going to mention a few of them
197
560000
3000
Я зараз пройдуся по кількох із них,
09:41
so that you get the idea of the diversity of it,
198
563000
2000
щоб ви зрозуміли ідею їх різноманітності,
09:43
so that you also see how much unlocked potential.
199
565000
4000
щоб ви теж побачили цей прихований потенціал.
09:47
Let's start with government data.
200
569000
2000
Почнемо із урядових даних.
09:49
Barack Obama said in a speech,
201
571000
2000
Барак Обама сказав, у промові,
09:51
that he -- American government data would be available on the Internet
202
573000
5000
що він — американські урядові дані будуть викладені в інтернеті
09:56
in accessible formats.
203
578000
2000
у доступних форматах.
09:58
And I hope that they will put it up as linked data.
204
580000
2000
І я сподіваюся, що вони викладуть їх як пов'язані дані.
10:00
That's important. Why is it important?
205
582000
2000
Це важливо. Чому це важливо?
10:02
Not just for transparency, yeah transparency in government is important,
206
584000
3000
Не лише для прозорості, так, прозорість є важливою у діяльності уряду,
10:05
but that data -- this is the data from all the government departments
207
587000
3000
але ці дані — це дані зі всіх урядових підрозділів.
10:08
Think about how much of that data is about how life is lived in America.
208
590000
5000
Подумайте, скільки серед них даних про те, як влаштоване життя у Америці.
10:13
It's actual useful. It's got value.
209
595000
2000
Ці дані справді корисні. Вони мають цінність.
10:15
I can use it in my company.
210
597000
2000
Я можу їх використати у своїй компанії.
10:17
I could use it as a kid to do my homework.
211
599000
2000
Дитиною я б міг використати їх для виконання домашнього завдання.
10:19
So we're talking about making the place, making the world run better
212
601000
3000
Тож ми говоримо, що світ стане кращим,
10:22
by making this data available.
213
604000
2000
якщо ці дані стануть доступними.
10:24
In fact if you're responsible -- if you know about some data
214
606000
4000
Фактично, якщо ви є відповідальними — якщо знаєте про якісь дані
10:28
in a government department, often you find that
215
610000
2000
в урядовому підрозділі, то часто виявляється,
10:30
these people, they're very tempted to keep it --
216
612000
3000
що ці люди дуже схильні залишити їх у себе.
10:33
Hans calls it database hugging.
217
615000
3000
Ханс називає це обніманням бази даних.
10:36
You hug your database, you don't want to let it go
218
618000
2000
Ви обнімаєте свою базу даних, ви не хочете її відпускати,
10:38
until you've made a beautiful website for it.
219
620000
2000
поки не зробите прекрасну веб-сторінку для неї.
10:40
Well, I'd like to suggest that rather --
220
622000
2000
Що ж, я хочу запропонувати —
10:42
yes, make a beautiful website,
221
624000
2000
так, зробіть гарну веб-сторінку,
10:44
who am I to say don't make a beautiful website?
222
626000
2000
чи я комусь казав не робити гарну веб-сторінку?
10:46
Make a beautiful website, but first
223
628000
3000
Зробіть гарну веб-сторінку, але спершу
10:49
give us the unadulterated data,
224
631000
3000
дайте нам чисті дані,
10:52
we want the data.
225
634000
2000
ми хочемо дані.
10:54
We want unadulterated data.
226
636000
2000
Ми хочемо чисті дані.
10:56
OK, we have to ask for raw data now.
227
638000
3000
Добре, ми змушені просити про необроблені дані зараз.
10:59
And I'm going to ask you to practice that, OK?
228
641000
2000
І я попрошу вас потренуватися у цьому, добре?
11:01
Can you say "raw"?
229
643000
1000
Скажіть «необроблені».
11:02
Audience: Raw.
230
644000
1000
Аудиторія: "Необроблені".
11:03
Tim Berners-Lee: Can you say "data"?
231
645000
1000
Тім Бернерс-Лі: Можете стазати «дані»?
11:04
Audience: Data.
232
646000
1000
Аудиторія: Дані.
11:05
TBL: Can you say "now"?
233
647000
1000
ТБЛ: Можете сказати «зараз»?
11:06
Audience: Now!
234
648000
1000
Аудиторія: Зараз!
11:07
TBL: Alright, "raw data now"!
235
649000
2000
ТБЛ: Добре, необроблені дані зараз!
11:09
Audience: Raw data now!
236
651000
2000
Аудиторія: Необроблені дані зараз!
11:11
Practice that. It's important because you have no idea the number of excuses
237
653000
4000
Тренуйтеся у цьому. Це важливо, бо ви собі не уявляєте, скільки відмовок
11:15
people come up with to hang onto their data
238
657000
2000
люди видумують, щоб далі висіти на своїх даних
11:17
and not give it to you, even though you've paid for it as a taxpayer.
239
659000
4000
і не віддавати їх вам, навіть якщо ви заплатили за них як платники податків.
11:21
And it's not just America. It's all over the world.
240
663000
2000
Таке не лише в Америці. Таке відбувається по всьому світу.
11:23
And it's not just governments, of course -- it's enterprises as well.
241
665000
3000
І не лише з урядами, звісно, — з корпораціями те саме.
11:26
So I'm just going to mention a few other thoughts on data.
242
668000
3000
Тож я згадаю тільки кілька інших думок про дані.
11:29
Here we are at TED, and all the time we are very conscious
243
671000
5000
Зараз ми на TED, і ми постійно свідомі
11:34
of the huge challenges that human society has right now --
244
676000
5000
тих серйозних викликів, які стоять перед людською спільнотою саме зараз, —
11:39
curing cancer, understanding the brain for Alzheimer's,
245
681000
3000
лікування раку, розуміня мозку для лікування хвороби Альцгеймера,
11:42
understanding the economy to make it a little bit more stable,
246
684000
3000
розуміння економіки для внесення у неї трохи більше стабільності,
11:45
understanding how the world works.
247
687000
2000
розуміння як працює світ.
11:47
The people who are going to solve those -- the scientists --
248
689000
2000
Люди, які збираються вирішити їх — науковці —
11:49
they have half-formed ideas in their head,
249
691000
2000
мають напівсформовані ідеї у голові.
11:51
they try to communicate those over the web.
250
693000
3000
Вони стараються обговорити їх через веб.
11:54
But a lot of the state of knowledge of the human race at the moment
251
696000
3000
Але велика кількість знань людської раси на даний момент
11:57
is on databases, often sitting in their computers,
252
699000
3000
знаходиться у базах даних, які часто знаходяться на їхніх комп'ютерах
12:00
and actually, currently not shared.
253
702000
3000
і, фактично, до них немає спільного доступу.
12:03
In fact, I'll just go into one area --
254
705000
3000
Я зупинюся тільки на одній сфері —
12:06
if you're looking at Alzheimer's, for example,
255
708000
2000
якщо подивитися на хворобу Альцгеймера, наприклад,
12:08
drug discovery -- there is a whole lot of linked data which is just coming out
256
710000
3000
пошук ліків — тут велика кількість пов'язаних даних виникає,
12:11
because scientists in that field realize
257
713000
2000
бо науковці у цій сфері зрозуміли,
12:13
this is a great way of getting out of those silos,
258
715000
3000
що це хороший спосіб подолати перепони,
12:16
because they had their genomics data in one database
259
718000
4000
бо вони мають дані про гени в одній базі даних
12:20
in one building, and they had their protein data in another.
260
722000
3000
в одній будівлі, а дані про білки — в іншій.
12:23
Now, they are sticking it onto -- linked data --
261
725000
3000
Зараз вони з'єднують ці дані — пов'язані дані —
12:26
and now they can ask the sort of question, that you probably wouldn't ask,
262
728000
3000
і зараз вони можуть задати питання, які ви б, мабуть, не задали,
12:29
I wouldn't ask -- they would.
263
731000
2000
я б не задав, — але вони б задали.
12:31
What proteins are involved in signal transduction
264
733000
2000
Які білки задіяні у передаванні сигналів
12:33
and also related to pyramidal neurons?
265
735000
2000
і також пов'язані із пірамідальними нейронами?
12:35
Well, you take that mouthful and you put it into Google.
266
737000
3000
Що ж, ви берете ці страшні слова і вводите у Google.
12:38
Of course, there's no page on the web which has answered that question
267
740000
3000
Звичайно, немає сторінки у вебі, яка відповідала б на це питання,
12:41
because nobody has asked that question before.
268
743000
2000
бо ніхто не задавав таке питання до цього.
12:43
You get 223,000 hits --
269
745000
2000
Ви отримали 223 000 результатів —
12:45
no results you can use.
270
747000
2000
і жодного, який можна використати.
12:47
You ask the linked data -- which they've now put together --
271
749000
3000
Ви шукаєте серед пов'язаних даних — які вони вже зібрали докупи —
12:50
32 hits, each of which is a protein which has those properties
272
752000
4000
32 результати, кожен із яких є білком із зазначеними властивостями,
12:54
and you can look at.
273
756000
2000
і ви можете подивитися на них.
12:56
The power of being able to ask those questions, as a scientist --
274
758000
3000
Можливість поставити такі запитання, для науковця —
12:59
questions which actually bridge across different disciplines --
275
761000
2000
питання, які фактично пов'язують різні дисципліни —
13:01
is really a complete sea change.
276
763000
3000
це справді величезна трансформація.
13:04
It's very very important.
277
766000
2000
Це дуже, дуже важливо.
13:06
Scientists are totally stymied at the moment --
278
768000
2000
Науковці в даний момент загнані в кут —
13:08
the power of the data that other scientists have collected is locked up
279
770000
5000
сила даних, зібраних іншими науковцями, є закритою
13:13
and we need to get it unlocked so we can tackle those huge problems.
280
775000
3000
і нам потрібно її відкрити для того, щоб розв'язати ці великі проблеми.
13:16
Now if I go on like this, you'll think that all the data comes from huge institutions
281
778000
4000
І якщо я продовжуватиму в цьому ж дусі, то ви подумаєте, що усі дані надходять із здоровенних інституцій,
13:20
and has nothing to do with you.
282
782000
3000
і нічого не залежить від вас.
13:23
But, that's not true.
283
785000
2000
Але це неправда.
13:25
In fact, data is about our lives.
284
787000
2000
Насправді, дані — це наше життя.
13:27
You just -- you log on to your social networking site,
285
789000
3000
Ви просто — ви заходите на сайт своєї соціальної мережі,
13:30
your favorite one, you say, "This is my friend."
286
792000
2000
своєї улюбленої, кажете: «Це мій друг.»
13:32
Bing! Relationship. Data.
287
794000
3000
Бам! Зв'язок. Дані.
13:35
You say, "This photograph, it's about -- it depicts this person. "
288
797000
3000
Ви кажете: «Ця фотографія, вона про — на ній зображена ця особа.»
13:38
Bing! That's data. Data, data, data.
289
800000
3000
Бам! Це дані. Дані, дані, дані.
13:41
Every time you do things on the social networking site,
290
803000
2000
Щоразу, коли ви робите щось у соціальній мережі,
13:43
the social networking site is taking data and using it -- re-purposing it --
291
805000
4000
сайт соцмережі бере у вас дані і використовує їх — переосмислює їх —
13:47
and using it to make other people's lives more interesting on the site.
292
809000
4000
і використовує їх, щоб зробити життя інших людей цікавішим на сайті.
13:51
But, when you go to another linked data site --
293
813000
2000
Проте, коли ви йдете на інший сайт із пов'язаними даними —
13:53
and let's say this is one about travel,
294
815000
3000
і давайте візьмемо цей про подорожі,
13:56
and you say, "I want to send this photo to all the people in that group,"
295
818000
3000
і кажете: «Я хочу відіслати це фото всім людям з цієї групи»,
13:59
you can't get over the walls.
296
821000
2000
ви не можете здолати стіни.
14:01
The Economist wrote an article about it, and lots of people have blogged about it --
297
823000
2000
The Economist написав статтю про це, багато людей написали про це у своїх блогах —
14:03
tremendous frustration.
298
825000
1000
жахливе розчарування.
14:04
The way to break down the silos is to get inter-operability
299
826000
2000
Розбити стіни можна, лише внісши взаємосумісність
14:06
between social networking sites.
300
828000
2000
у сайти соціальних мереж.
14:08
We need to do that with linked data.
301
830000
2000
Нам треба це зробити з допомогою пов'язаних даних.
14:10
One last type of data I'll talk about, maybe it's the most exciting.
302
832000
3000
Ще один вид даних, про які я хочу поговорити, можливо найбільш захоплюючий.
14:13
Before I came down here, I looked it up on OpenStreetMap
303
835000
3000
Перед тим, як прийти сюди, я заглянув на OpenStreetMap.
14:16
The OpenStreetMap's a map, but it's also a Wiki.
304
838000
2000
OpenStreetMap — це карта, але це також і вікі.
14:18
Zoom in and that square thing is a theater -- which we're in right now --
305
840000
3000
Наблизіть і ви побачите, що отой квадрат — це театр, в якому ми зараз —
14:21
The Terrace Theater. It didn't have a name on it.
306
843000
2000
The Terrace Theater. Він без назви.
14:23
So I could go into edit mode, I could select the theater,
307
845000
2000
Тож я можу перейти в режим редагування, можу вибрати театр,
14:25
I could add down at the bottom the name, and I could save it back.
308
847000
5000
я можу додати внизу назву, і можу зберегти її.
14:30
And now if you go back to the OpenStreetMap. org,
309
852000
3000
І зараз, якщо ви зайдете на OpenStreetMap.org,
14:33
and you find this place, you will find that The Terrace Theater has got a name.
310
855000
3000
і знайдете це місце, то побачите, що The Terrace Theater отримав назву.
14:36
I did that. Me!
311
858000
2000
Я зробив це. Я!
14:38
I did that to the map. I just did that!
312
860000
2000
Я зробив це на карті. Я щойно це зробив!
14:40
I put that up on there. Hey, you know what?
313
862000
2000
Я виклав це туди. Гей, знаєте що?
14:42
If I -- that street map is all about everybody doing their bit
314
864000
3000
Якщо я — суть цієї карти у тому, що кожен робить свій внесок,
14:45
and it creates an incredible resource
315
867000
3000
і вона є надзвичайним ресурсом,
14:48
because everybody else does theirs.
316
870000
3000
тому що інші роблять так само.
14:51
And that is what linked data is all about.
317
873000
3000
І в цьому суть пов'язаних даних.
14:54
It's about people doing their bit
318
876000
3000
У людях, що роблять свій внесок,
14:57
to produce a little bit, and it all connecting.
319
879000
3000
і все це є пов'язаним.
15:00
That's how linked data works.
320
882000
3000
Так пов'язані дані працюють.
15:03
You do your bit. Everybody else does theirs.
321
885000
4000
Зробіть свій внесок. Кожен інший зробить свій.
15:07
You may not have lots of data which you have yourself to put on there
322
889000
4000
Ви можете не мати багато даних, які можете викласти,
15:11
but you know to demand it.
323
893000
3000
але ви пам'ятаєте їх вимагати.
15:14
And we've practiced that.
324
896000
2000
Ми тренувалися в цьому.
15:16
So, linked data -- it's huge.
325
898000
4000
Отже, пов'язані дані — величезна тема.
15:20
I've only told you a very small number of things
326
902000
3000
Я розказав тільки малу частину.
15:23
There are data in every aspect of our lives,
327
905000
2000
Дані є у кожному аспекті нашого життя,
15:25
every aspect of work and pleasure,
328
907000
3000
кожному аспекті праці і задоволення,
15:28
and it's not just about the number of places where data comes,
329
910000
3000
і суть не просто в кількості джерел походження цих даних,
15:31
it's about connecting it together.
330
913000
3000
суть у поєднанні їх докупи.
15:34
And when you connect data together, you get power
331
916000
3000
І коли ви поєднуєте дані докупи, ви отримуєте силу,
15:37
in a way that doesn't happen just with the web, with documents.
332
919000
3000
якої не було тоді, коли був лише веб, лише документи.
15:40
You get this really huge power out of it.
333
922000
4000
Ви отримуєте могутню силу із цього.
15:44
So, we're at the stage now
334
926000
3000
Отже, ми зараз є на етапі,
15:47
where we have to do this -- the people who think it's a great idea.
335
929000
4000
коли нам потрібно це зробити — людям, які вважають, що це велика ідея.
15:51
And all the people -- and I think there's a lot of people at TED who do things because --
336
933000
3000
І всі люди — а я думаю тут на TED є багато людей, які роблять щось тому, що —
15:54
even though there's not an immediate return on the investment
337
936000
2000
навіть якщо немає миттєвого повернення інвестицій,
15:56
because it will only really pay off when everybody else has done it --
338
938000
3000
бо це насправді окупиться тільки тоді, коли всі це зроблять, —
15:59
they'll do it because they're the sort of person who just does things
339
941000
4000
вони це роблять тому, що вони є такими людьми, які просто роблять щось,
16:03
which would be good if everybody else did them.
340
945000
3000
що принесе користь за умови, що всі це зроблять.
16:06
OK, so it's called linked data.
341
948000
2000
Тож це пов'язані дані.
16:08
I want you to make it.
342
950000
2000
Я хочу це зробити.
16:10
I want you to demand it.
343
952000
2000
Я хочу це вимагати.
16:12
And I think it's an idea worth spreading.
344
954000
2000
І я думаю, що це ідея, варта поширення.
16:14
Thanks.
345
956000
1000
Дякую.
16:15
(Applause)
346
957000
3000
(Оплески)
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