Kenneth Cukier: Big data is better data

Překladatel: Kateřina Jabůrková Korektor: Karel Čížek

America's favorite pie is?

Který koláč je v Americe nejoblíbenější?

Audience: Apple. Kenneth Cukier: Apple. Of course it is.

Publikum: Jablečný Kenneth Cukier: Jablečný, samozřejmě.

How do we know it?

Jak to víme?

Because of data.

Díky datům.

You look at supermarket sales.

Podíváte se na prodej v obchodech.

You look at supermarket sales of 30-centimeter pies

Když se podíváte na 30 cm velké mražené koláče,

that are frozen, and apple wins, no contest.

jablečné jednoznačně vítězí. Bezpochyby.

The majority of the sales are apple.

Nejvíc se prodá jablečných koláčů.

But then supermarkets started selling

Jenže pak supermarkety začaly prodávat

smaller, 11-centimeter pies,

menší 11cm koláče

and suddenly, apple fell to fourth or fifth place.

a najednou se jablečné propadly na čtvrté nebo páté místo.

Why? What happened?

Proč? Co se stalo?

Okay, think about it.

Zamysleme se.

When you buy a 30-centimeter pie,

Když kupujete třiceticentimetrový koláč,

the whole family has to agree,

celá rodina se musí shodnout

and apple is everyone's second favorite.

a jablko je u všech druhé nejoblíbenější.

(Laughter)

(smích)

But when you buy an individual 11-centimeter pie,

Ale když si kupujete vlastní 11cm koláč,

you can buy the one that you want.

můžete si koupit ten, který chcete vy.

You can get your first choice.

Můžete mít váš nejoblíbenější.

You have more data.

Získáváte více dat.

You can see something

Zjistíte věci,

that you couldn't see

které nejsou patrné

when you only had smaller amounts of it.

s menším množstvím dat.

Now, the point here is that more data

Jde o to, že s více daty,

doesn't just let us see more,

nejenže vyzkoumáme víc z toho,

more of the same thing we were looking at.

co už sledujeme,

More data allows us to see new.

více dat nám umožní spatřit věci nově.

It allows us to see better.

Umožňuje nám to vidět věci lépe.

It allows us to see different.

Vidět věci jinak.

In this case, it allows us to see

V tomto případě nám umožňují zjistit,

what America's favorite pie is:

že nejoblíbenější koláč v Americe

not apple.

není jablečný.

Now, you probably all have heard the term big data.

Už jste asi slyšeli pojem velká data.

In fact, you're probably sick of hearing the term

Spíš se vám už dělá špatně,

big data.

když slyšíte termín velká data.

It is true that there is a lot of hype around the term,

Mluvit o velkých datech je v kurzu,

and that is very unfortunate,

což je velmi nešťastné,

because big data is an extremely important tool

protože velká data jsou extrémně důležitým nástrojem,

by which society is going to advance.

díky kterému společnost postoupí dál.

In the past, we used to look at small data

V minulosti jsme zkoumali malá data

and think about what it would mean

a přemýšleli, co znamenají

to try to understand the world,

pro naše porozumění světu

and now we have a lot more of it,

Teď jich máme mnohem více,

more than we ever could before.

více než kdykoli předtím.

What we find is that when we have

Když máme velké množství dat,

a large body of data, we can fundamentally do things

můžeme s nimi dělat věci,

that we couldn't do when we only had smaller amounts.

které jsme s menším množstvím nemohli dělat.

Big data is important, and big data is new,

Velká data jsou důležitá a nová.

and when you think about it,

A když se nad tím zamyslíte,

the only way this planet is going to deal

jediný způsob, jak se planeta vypořádá

with its global challenges —

se svými globálními problémy -

to feed people, supply them with medical care,

nakrmit lidi, dát jim zdravotní péči,

supply them with energy, electricity,

dát jim energii, elektřinu,

and to make sure they're not burnt to a crisp

zajistit, abychom se nespálili na uhel

because of global warming —

vlivem globálního oteplování -

is because of the effective use of data.

je efektivním využitím dat.

So what is new about big data? What is the big deal?

Co nového přináší velká data? Proč ten poprask?

Well, to answer that question, let's think about

Pro odpověď se zamysleme nad tím,

what information looked like,

jak informace v minulosti

physically looked like in the past.

vypadaly fyzicky.

In 1908, on the island of Crete,

V roce 1908 na ostrově Kréta

archaeologists discovered a clay disc.

archeologové objevili hliněný disk.

They dated it from 2000 B.C., so it's 4,000 years old.

Byl vyroben 2 tisíce let před Kristem, je 4 tisíce let starý.

Now, there's inscriptions on this disc,

Na tom disku jsou nápisy,

but we actually don't know what it means.

o kterých nevíme co znamenají.

It's a complete mystery, but the point is that

Je to záhada. Podstatné ale je to,

this is what information used to look like

jak informace vypadaly

4,000 years ago.

před 4 tisíci lety.

This is how society stored

Tak společnost uchovávala

and transmitted information.

a přenášela informace.

Now, society hasn't advanced all that much.

Současná společnost zase tak moc nepokročila.

We still store information on discs,

Pořád skladujeme informace na discích,

but now we can store a lot more information,

ale můžeme informací uchovat

more than ever before.

mnohem více než kdy dříve.

Searching it is easier. Copying it easier.

Je snazší jejich hledání, kopírování,

Sharing it is easier. Processing it is easier.

sdílení i zpracování - vše je jednodušší.

And what we can do is we can reuse this information

Také můžeme tyto informace využít

for uses that we never even imagined

způsoby nepředstavitelnými v době,

when we first collected the data.

kdy jsme data začali sbírat.

In this respect, the data has gone

V tomto ohledu se data proměnila

from a stock to a flow,

ze soupisu na tok,

from something that is stationary and static

z něčeho, co je nehybné a stálé,

to something that is fluid and dynamic.

na něco tekutého a dynamického.

There is, if you will, a liquidity to information.

Mají tak trochu tekutou povahu.

The disc that was discovered off of Crete

Disk, který byl objeven na Krétě,

that's 4,000 years old, is heavy,

starý 4 tisíce let, je těžký,

it doesn't store a lot of information,

neobsahuje mnoho informací

and that information is unchangeable.

a tyto informace jsou neměnné.

By contrast, all of the files

Naproti tomu všechny soubory,

které vzal Edward Snowden

that Edward Snowden took

z Národní bezpečnostní agentury Spojených států,

from the National Security Agency in the United States

fits on a memory stick

se vejdou na flash disk

velikosti nehtu.

the size of a fingernail,

and it can be shared at the speed of light.

A mohou být sdílena rychlostí světla.

More data. More.

Více dat. Více.

Jedním z důvodů, proč máme dnes na světě tolik dat,

Now, one reason why we have so much data in the world today

is we are collecting things

je to, že sledujeme věci,

that we've always collected information on,

o kterých jsme vždy informace měli,

but another reason why is we're taking things

ale druhým důvodem je, že sledujeme věci,

that have always been informational

které vždy nesly informace,

ale nebyly převedeny do datového formátu

but have never been rendered into a data format

and we are putting it into data.

ale teď o nich data ukládáme.

Například taková poloha.

Think, for example, the question of location.

Vezměte si třeba Martina Luthera.

Take, for example, Martin Luther.

If we wanted to know in the 1500s

Kdybychom kolem roku 1500 chtěli vědět,

where Martin Luther was,

kde se Martin Luther nachází,

museli bychom jej stále sledovat,

we would have to follow him at all times,

maybe with a feathery quill and an inkwell,

možná s brkem a kalamářem

a zapisovat to.

and record it,

but now think about what it looks like today.

Ale zamyslete se, jak to funguje dnes.

You know that somewhere,

Víte, že někde,

probably in a telecommunications carrier's database,

pravděpodobně v databázi operátora,

there is a spreadsheet or at least a database entry

je tabulka nebo alespoň záznam v databázi,

that records your information

který zaznamenávaná informace o tom, kde jste kdy byli.

of where you've been at all times.

If you have a cell phone,

Máte-li mobilní telefon, který má GPS,

and that cell phone has GPS, but even if it doesn't have GPS,

- ale i když GPS nemá - může zaznamenávat polohu.

it can record your information.

In this respect, location has been datafied.

V tomto ohledu byla poloha převedena do formy dat.

Now think, for example, of the issue of posture,

Teď si vezměte třeba takové držení těla,

the way that you are all sitting right now,

způsob, jakým teď všichni sedíte,

the way that you sit,

jak sedíte vy,

the way that you sit, the way that you sit.

vy a vy.

It's all different, and it's a function of your leg length

Liší se to vlivem délky vašich nohou,

and your back and the contours of your back,

vašich zad a jejich tvaru.

and if I were to put sensors, maybe 100 sensors

Kdybych do všech vašich židlí

into all of your chairs right now,

nyní dal třeba 100 senzorů,

I could create an index that's fairly unique to you,

mohl bych vytvořit záznam unikátní pro každého z vás,

sort of like a fingerprint, but it's not your finger.

něco jako otisk prstu, ale nejde o váš prst.

So what could we do with this?

Co bychom s tím mohli udělat?

Researchers in Tokyo are using it

Vědci v Tokiu jej využívají

jako možné opatření proti krádeži aut.

as a potential anti-theft device in cars.

The idea is that the carjacker sits behind the wheel,

Jde o to, že zloděj usedne za volant,

snaží se odjet, ale auto pozná,

tries to stream off, but the car recognizes

že za volantem sedí neoprávněný řidič

that a non-approved driver is behind the wheel,

and maybe the engine just stops, unless you

a auto třeba vypne motor,

type in a password into the dashboard

dokud na palubní desce nezadáte správné heslo,

to say, "Hey, I have authorization to drive." Great.

čímž řeknete: „Hele, jsem oprávněný to řídit.“ Paráda.

What if every single car in Europe

Co kdyby každé auto v Evropě

had this technology in it?

mělo takovou technologii?

What could we do then?

Co bychom dělali pak?

Maybe, if we aggregated the data,

Možná, kdybychom dali data dohromady,

maybe we could identify telltale signs

možná bychom mohli rozpoznat signály,

that best predict that a car accident

které by předvídaly,

is going to take place in the next five seconds.

že se v příštích 5 sekundách stane dopravní nehoda.

And then what we will have datafied

Tak bychom mohli pomocí dat

is driver fatigue,

odhalit únavu řidiče

and the service would be when the car senses

a když by auto poznalo,

that the person slumps into that position,

že se řidič sune do určité pozice,

automaticky to rozezná a spustí uvnitř poplach,

automatically knows, hey, set an internal alarm

that would vibrate the steering wheel, honk inside

může to být vibrace volantu nebo klakson v autě,

to say, "Hey, wake up,

a tím řekne: „Hele, vzbuď se,

pay more attention to the road."

dávej pozor na cestu!“

These are the sorts of things we can do

Tyhle věci můžeme udělat,

when we datafy more aspects of our lives.

když převedeme na data více aspektů našeho života.

So what is the value of big data?

Jaká je tedy hodnota velkých dat?

Well, think about it.

Inu, zamysleme se.

Máte více informací.

You have more information.

You can do things that you couldn't do before.

Můžete dělat věci, které jste předtím nemohli.

One of the most impressive areas

Jednou z nejpůsobivějších oblastí,

where this concept is taking place

kde se tento koncept uplatňuje

is in the area of machine learning.

je v oblasti strojového učení.

Machine learning is a branch of artificial intelligence,

Strojové učení je odvětví umělé inteligence,

which itself is a branch of computer science.

které patří do počítačových věd.

The general idea is that instead of

Hlavní myšlenkou je, že místo toho,

instructing a computer what do do,

že řekneme počítači, co má dělat,

we are going to simply throw data at the problem

jednoduše mu dáme všechna data související s problémem

and tell the computer to figure it out for itself.

a řekneme mu, aby problém vyřešil sám.

And it will help you understand it

Lépe to pochopíte,

by seeing its origins.

když víte, jak to vzniklo.

In the 1950s, a computer scientist

V 50. letech Arthur Samuel, počítačový vědec v IBM,

at IBM named Arthur Samuel liked to play checkers,

rád hrál piškvorky,

so he wrote a computer program

takže napsal počítačový program,

so he could play against the computer.

aby mohl hrát s počítačem.

He played. He won.

Hrál.

A vyhrál.

He played. He won.

Hrál.

A vyhrál.

He played. He won,

Hrál a vyhrál.

because the computer only knew

Protože počítač uměl jen tahy,

what a legal move was.

které ho naučil.

Arthur Samuel knew something else.

Arthur Samuel uměl něco jiného.

Arthur Samuel knew strategy.

Arthur Samuel znal strategii.

So he wrote a small sub-program alongside it

Takže napsal podprogram,

operating in the background, and all it did

který běžel na pozadí

was score the probability

a po každém tahu

that a given board configuration would likely lead

počítal pravděpodobnost,

s jakou uspořádání na hracím poli

to a winning board versus a losing board

povede k vítěznému tahu nebo prohře.

after every move.

He plays the computer. He wins.

Takže hraje s počítačem. A vyhrává.

He plays the computer. He wins.

Hraje s počítačem a vyhrává.

He plays the computer. He wins.

Hraje s počítačem a vyhrává.

And then Arthur Samuel leaves the computer

Pak Arthur Samuel nechá počítač,

to play itself.

aby si hrál sám.

It plays itself. It collects more data.

Hraje si sám. Sbírá více dat.

Sbírá informace. Zvýší spolehlivost svého odhadu.

It collects more data. It increases the accuracy of its prediction.

And then Arthur Samuel goes back to the computer

Pak se Arthur Samuel vrátí k počítači

and he plays it, and he loses,

a hraje s ním. A prohraje.

and he plays it, and he loses,

Hraje s ním a prohraje,

and he plays it, and he loses,

hraje s ním a prohraje.

and Arthur Samuel has created a machine

A tak Arthur Samuel vytvořil stroj,

that surpasses his ability in a task that he taught it.

který překonal jeho schopnosti v úloze, kterou jej naučil.

And this idea of machine learning

Myšlenka strojového učení

is going everywhere.

je přítomná všude.

How do you think we have self-driving cars?

Odkud myslíte, že máme auta, která se sama řídí?

Are we any better off as a society

Vede si naše společnost lépe díky tomu,

enshrining all the rules of the road into software?

že všechna pravidla silničního provozu nasypeme do softwaru? Ne.

No. Memory is cheaper. No.

Paměť je levnější? Ne.

Algoritmy jsou rychlejší? Ne. Procesory jsou lepší? Ne.

Algorithms are faster. No. Processors are better. No.

All of those things matter, but that's not why.

Na tom vše záleží, ale to není ten důvod.

It's because we changed the nature of the problem.

Je to proto, že jsme změnili povahu problému.

We changed the nature of the problem from one

Z problému, kde jsme se zevrubně

in which we tried to overtly and explicitly

a doslovně snažili

vysvětlit počítači jak má jezdit,

explain to the computer how to drive

na úkol, kdy mu řekneme:

to one in which we say,

"Here's a lot of data around the vehicle.

„Tady máš spoustu dat z okolí vozu.

You figure it out.

Vyřeš to.

Uvědom si, že toto je semafor,

You figure it out that that is a traffic light,

na tom semaforu je červená a ne zelená,

that that traffic light is red and not green,

that that means that you need to stop

že to znamená, že bys měl zastavit

and not go forward."

a nepokračovat dál.“

Strojové učení je základem mnoha věcí,

Machine learning is at the basis

of many of the things that we do online:

které využíváme online:

search engines,

vyhledávače,

algoritmus personalizace v Amazonu,

Amazon's personalization algorithm,

computer translation,

počítačový překlad,

voice recognition systems.

systém rozpoznání hlasu.

Researchers recently have looked at

Vědci nyní řeší otázky biopsií,

the question of biopsies,

cancerous biopsies,

rakovinových biopsií.

and they've asked the computer to identify

Požádali počítač,

by looking at the data and survival rates

aby zjistil z dat a statistik o přežití,

to determine whether cells are actually

jestli jsou buňky skutečně zhoubné nebo ne.

cancerous or not,

and sure enough, when you throw the data at it,

Když dostal data pomocí algoritmu strojového učení,

through a machine-learning algorithm,

počítač byl schopný identifikovat 12 znaků nejlépe určujících,

the machine was able to identify

the 12 telltale signs that best predict

zda buňky z biopsie rakoviny prsu jsou skutečně zhoubné.

that this biopsy of the breast cancer cells

are indeed cancerous.

The problem: The medical literature

Problém byl, že odborná lékařská literatura uváděla jenom 9 z nich.

only knew nine of them.

Three of the traits were ones

Tři z těchto znaků lidé nehledali, ale stroj je našel.

that people didn't need to look for,

but that the machine spotted.

Now, there are dark sides to big data as well.

Velká data mají i své stinné stránky.

It will improve our lives, but there are problems

Mohou zlepšit naše životy, ale jsou zde věci, o kterých musíme vědět.

that we need to be conscious of,

and the first one is the idea

První je možnost, že můžeme být potrestáni za předpovědi;

that we may be punished for predictions,

that the police may use big data for their purposes,

že policie může využít velká data pro své účely

a little bit like "Minority Report."

tak trochu jako ve filmu Minority report.

Now, it's a term called predictive policing,

Říká se tomu prediktivní kontrola nebo algoritmová kriminologie

or algorithmic criminology,

a základem je, že když vezmeme hodně dat,

and the idea is that if we take a lot of data,

for example where past crimes have been,

třeba kde se staly zločiny v minulosti, víte, kam poslat hlídky.

we know where to send the patrols.

That makes sense, but the problem, of course,

To dává smysl, ale problémem je, že se to nezastaví u údajů o poloze,

is that it's not simply going to stop on location data,

it's going to go down to the level of the individual.

ale dojde i na údaje o osobách.

Why don't we use data about the person's

Proč nevyužít údaje o výsledcích ze střední školy?

high school transcript?

Maybe we should use the fact that

Možná bychom měli využít data o tom, zda lidé mají práci, data o dluzích

they're unemployed or not, their credit score,

their web-surfing behavior,

nebo co dělají na internetu; zda ponocují.

whether they're up late at night.

Jejich fitness náramky (fitbit), přečtou jejich biochemické údaje

Their Fitbit, when it's able to identify biochemistries,

will show that they have aggressive thoughts.

a zjistí, zda mají agresivní myšlenky.

Můžeme mít algoritmy, které jsou schopny předpovědět,

We may have algorithms that are likely to predict

what we are about to do,

co se chystáme udělat

and we may be held accountable

a my můžeme být zodpovědní už před tím, než začneme jednat.

before we've actually acted.

Privacy was the central challenge

Soukromí bylo výzvou v éře malých dat.

in a small data era.

In the big data age,

V éře velkých dat bude výzvou ochrana svobodné vůle,

the challenge will be safeguarding free will,

moral choice, human volition,

ochrana morální volby, lidské vůle, lidského jednání.

human agency.

There is another problem:

Pak je zde další problém.

Big data is going to steal our jobs.

Velká data nám vezmou práci.

Big data and algorithms are going to challenge

V 21. století velká data a algoritmy

white collar, professional knowledge work

vyzvou na souboj bílé límečky a odbornou práci,

in the 21st century

in the same way that factory automation

stejně jako automatizace ve výrobě a výrobní linky

and the assembly line

změnily práci modrých límečků ve 20. století.

challenged blue collar labor in the 20th century.

Vezměte si laboratorního technika,

Think about a lab technician

který v mikroskopu zkoumá biopsii a určuje,

who is looking through a microscope

at a cancer biopsy

zda jde o rakovinu nebo ne.

and determining whether it's cancerous or not.

The person went to university.

Ten člověk chodil na univerzitu, koupil si dům,

The person buys property.

He or she votes.

chodí k volbám, je platným členem společnosti.

He or she is a stakeholder in society.

And that person's job,

Ale práce tohoto člověka, stejně jako celé řady

as well as an entire fleet

of professionals like that person,

jemu podobných odborníků, se radikálně změní

is going to find that their jobs are radically changed

or actually completely eliminated.

nebo dokonce přestane být vůbec potřeba.

Now, we like to think

Rádi bychom si mysleli,

that technology creates jobs over a period of time

že technologie vytvoří jiná pracovní místa,

after a short, temporary period of dislocation,

po krátkém, dočasném období změn

and that is true for the frame of reference

a pro období, ve kterém žijeme, je to pravda,

with which we all live, the Industrial Revolution,

v průmyslové revoluci se přesně to stalo.

because that's precisely what happened.

But we forget something in that analysis:

Ale zapomínáme na to,

There are some categories of jobs

že některé typy prací

that simply get eliminated and never come back.

jednoduše zmizely a nikdy se nevrátily.

The Industrial Revolution wasn't very good

Průmyslová revoluce nebyla moc dobrá,

if you were a horse.

když jste byli kůň.

Takže musíme být opatrní

So we're going to need to be careful

a využívat velká data pro naše potřeby,

and take big data and adjust it for our needs,

our very human needs.

naše lidské potřeby.

Musíme technologii vládnout, ne jí sloužit.

We have to be the master of this technology,

not its servant.

We are just at the outset of the big data era,

Jsme právě na prahu éry velkých dat a upřímně,

and honestly, we are not very good

zacházení se všemi údaji, které nyní sbíráme, nám moc nejde.

at handling all the data that we can now collect.

It's not just a problem for the National Security Agency.

Není to jen problém NSA. (Národní bezpečnostní agentury)

Businesses collect lots of data, and they misuse it too,

I firmy sbírají mnoho údajů a také je zneužívají,

and we need to get better at this, and this will take time.

musíme se s tím naučit zacházet, což zabere nějaký čas.

It's a little bit like the challenge that was faced

Je to trochu jako výzva,

by primitive man and fire.

které čelili pralidé s ohněm.

This is a tool, but this is a tool that,

Je to užitečný nástroj,

unless we're careful, will burn us.

ale když si nedáme pozor, popálí nás.

Big data is going to transform how we live,

Velká data změní to, jak žijeme,

jak pracujeme a jak myslíme.

how we work and how we think.

It is going to help us manage our careers

Pomohou nám lépe řídit naše kariéry

and lead lives of satisfaction and hope

a žít spokojený život

v naději, štěstí a zdraví.

and happiness and health,

but in the past, we've often looked at information technology

Ale v minulosti jsme se často dívali na informační technologie

and our eyes have only seen the T,

a viděli jsme jen to T

the technology, the hardware,

- technologii, hardware,

because that's what was physical.

protože to bylo fyzické.

We now need to recast our gaze at the I,

Nyní zaostříme na I

the information,

- informace,

které jsou méně zjevné,

which is less apparent,

but in some ways a lot more important.

ale v řadě věcí důležitější.

Humanity can finally learn from the information

Lidstvo se konečně může učit z informací,

that it can collect,

které může sbírat

as part of our timeless quest

na nekonečné cestě

to understand the world and our place in it,

k porozumění světu a našemu místu v něm.

and that's why big data is a big deal.

Proto jsou velká data tak důležitá.

(potlesk)

(Applause)