Susan Etlinger: What do we do with all this big data?

سوزان اتلینگر: با این حجم وسیع اطلاعات چه می کنیم؟

Translator: Ali Hosseini Reviewer: soheila Jafari

Technology has brought us so much:

تکنولوژی دست آوردهای زیادی داشته است:

the moon landing, the Internet,

سفر به کره ماه، اینترنت،

the ability to sequence the human genome.

توانمندی در دست کاری ژنتیک انسان

But it also taps into a lot of our deepest fears,

اما خیلی از ترسهای قدیمی ما را نیز تازه می کند،

and about 30 years ago,

در حدود ۳۰ سال پیش

the culture critic Neil Postman wrote a book

منتقد فرهنگی، نیل پُستمن، کتابی نوشت

called "Amusing Ourselves to Death,"

به نام «زندگی در عیش، مردن در خوشی»

which lays this out really brilliantly.

که این موضوع را به خوبی بیان می کند.

And here's what he said,

او این مساله را با

comparing the dystopian visions

مقایسه تصورات جورج اورول و آلدوس هاکسلی

of George Orwell and Aldous Huxley.

از ناکجا آباد بیان می کند.

He said, Orwell feared we would become

او می گوید، اورول می ترسید که ما

a captive culture.

به لحاظ فرهنگی اسیر شویم.

Huxley feared we would become a trivial culture.

هاکسی می ترسید که ما به لحاظ فرهنگی بی محتوا شویم.

Orwell feared the truth would be

اورول می ترسید که حقیقت

concealed from us,

از ما پنهان شود.

and Huxley feared we would be drowned

و هاکسلی می ترسید که ما

in a sea of irrelevance.

در دریای حاشیه ها غرق شویم.

In a nutshell, it's a choice between

به صورت کلی، این یک انتخاب بین این است که

Big Brother watching you

«برادر بزرگ» بر شما نظارت کند

and you watching Big Brother.

یا شما بر «برادر بزرگ» نظارت کنید.

(Laughter)

(خنده حضار)

But it doesn't have to be this way.

اما لزومی ندارد که اینگونه بماند.

We are not passive consumers of data and technology.

ما مصرف کنندگان مطیع داده و فناوری نیستیم.

We shape the role it plays in our lives

ما نقش آن را در زندگی خود شکل می دهیم

and the way we make meaning from it,

و به آن معنا می دهیم،

but to do that,

ولی برای انجام این کار،

we have to pay as much attention to how we think

باید به همان میزان به نحوه فکر کردنمان اهمیت بدهیم،

as how we code.

که به نحوه کد نوشتنمان اهمیت می دهیم.

We have to ask questions, and hard questions,

ما باید سوال بپرسیم، سوالهای سخت،

to move past counting things

تا از شمارش عبور کنیم،

to understanding them.

و به ادراک و فهم اطلاعات برسیم.

We're constantly bombarded with stories

ما دائما با داستانهای مختلفی درباره این که

about how much data there is in the world,

چقدر داده در جهان وجود دارد بمباران می شویم،

but when it comes to big data

اما وقتی صحبت از داده های بزرگ

and the challenges of interpreting it,

و چالش تفسیر آن می شود،

size isn't everything.

اندازه همه چیز نیست.

There's also the speed at which it moves,

سرعت جابجایی آن نیز مطرح است،

and the many varieties of data types,

و تنوع اشکال مختلف داده،

and here are just a few examples:

اینجا فقط چند نمونه را می گویم:

images,

تصاویر،

text,

متن،

video,

ویدیو،

audio.

صوت.

And what unites this disparate types of data

و چیزی که این داده ها را به هم مربوط می سازد

is that they're created by people

این است که همه آنها توسط آدمها تولید شده اند

and they require context.

و همه آنها مفهوم دارند.

Now, there's a group of data scientists

بسیار خوب، گروهی از دانشمندان

out of the University of Illinois-Chicago,

در دانشگاه ایلینویز-شیکاگو وجود دارند،

and they're called the Health Media Collaboratory,

که به آنان «کارگروه سلامت رسانه» می گویند،

and they've been working with the Centers for Disease Control

و با مراکز کنترل بیماری ها کار می کنند

to better understand

تا درک بهتری داشته باشند از گفتگوی

how people talk about quitting smoking,

مردم در رابطه با ترک دود( سیگار)،

how they talk about electronic cigarettes,

درباره سیگارهای الکترونیکی،

and what they can do collectively

و این که کلا چه کاری می توان انجام داد،

to help them quit.

که به ترک سیگار کمک شود.

The interesting thing is, if you want to understand

نکته جالب این است که اگر بخواهیم درک کنیم

how people talk about smoking,

که مردم چطور درباره دود حرف می زنند،

first you have to understand

ابتدا باید بفهمیم که

what they mean when they say "smoking."

منظور آنها وقتی می گویند «دود» چیست.

And on Twitter, there are four main categories:

و در توییتر، ۴ دسته بندی اصلی وجود دارد:

number one, smoking cigarettes;

شماره یک: دود سیگار؛

number two, smoking marijuana;

شماره دو: دود ماریجوانا (علف)

number three, smoking ribs;

شماره سه: کباب دودی

and number four, smoking hot women.

شماره سه: با دخترهای خوشگل اشنا شوید.(دود کردن دخترها)

(Laughter)

(خنده حضار)

So then you have to think about, well,

پس بعد باید درباره این فکر کنید که،

how do people talk about electronic cigarettes?

چطور راجع به سیگارهای الکترونیکی صحبت می شود؟

And there are so many different ways

و مردم به اشکال مختلفی این کار را

that people do this, and you can see from the slide

انجام می دهند، که می توانید در اسلاید ببینید که

it's a complex kind of a query.

بسیار پیچیده است.

And what it reminds us is that

و آنچه که به یاد ما می آورد این است که

language is created by people,

زبان توسط افراد ایجاد می شود،

and people are messy and we're complex

و افراد درهم و برهم و پیچیده اند

and we use metaphors and slang and jargon

و ما از ضرب المثل وکنایه و هجو استفاده می کنیم

and we do this 24/7 in many, many languages,

و این کار را هر روز و هر ساعت، به زبانهای مختلف انجام می دهیم.

and then as soon as we figure it out, we change it up.

و بعد به محض اینکه کارمان با آن تمام می شود، تغییرش می دهیم.

So did these ads that the CDC put on,

مانند کاری که تبلیغات شرکت CDC انجام داد.

these television ads that featured a woman

تبلیغاتی تلویزیونی که زنی را نشان می داد

with a hole in her throat and that were very graphic

با یک سوراخ روی گلویش، با تصویری واضح

and very disturbing,

و بسیار ناراحت کننده،

did they actually have an impact

آیا واقعا تاثیری بر روی

on whether people quit?

ترک سیگار داشت؟

And the Health Media Collaboratory respected the limits of their data,

و «کارگروه سلامت رسانه» با احترام به محدودیت اطلاعاتشان،

but they were able to conclude

نتیجه گیری کرد که

that those advertisements — and you may have seen them —

این گونه تبلیغات - که شما ممکن است دیده باشید -

that they had the effect of jolting people

مردم را درگیر به یک

into a thought process

فرآیند فکری می کنند

that may have an impact on future behavior.

که ممکن است بر رفتار آنها در آینده اثر بگذارد.

And what I admire and appreciate about this project,

و آنچه که من در ارتباط با این پروژه تحسین می کنم،

aside from the fact, including the fact

به جز این حقیقت که

that it's based on real human need,

بر اساس نیاز واقعی انسان است،

is that it's a fantastic example of courage

این است که این یک مثال فوق العاده از «شجاعت»

in the face of a sea of irrelevance.

در مواجهه با «دریایی از حاشیه ها» است.

And so it's not just big data that causes

و خب تنها حجم عظیم اطلاعات نیستند که باعث می شوند

challenges of interpretation, because let's face it,

چالش هایی در تفسیر رخ دهد٬ زیرا بگذارید با آن روبرو شویم٬

we human beings have a very rich history

ما انسان ها تاریخی غنی داریم

of taking any amount of data, no matter how small,

از گرفتن هر حجمی از اطلاعات٬ هرچند کوچک٬

and screwing it up.

و نهایتاً خراب کردن آن.

So many years ago, you may remember

خب چندین سال پیش شما ممکن است به یاد داشته باشید

that former President Ronald Reagan

که رئیس جمهور سابق رونالد ریگان

was very criticized for making a statement

شدیدا بخاطر صحبتش درباره

that facts are stupid things.

«احمقانه بودن حقایق» انتقاد شد.

And it was a slip of the tongue, let's be fair.

بیایید منصف باشیم چون اون از دستش در رفت.

He actually meant to quote John Adams' defense

در حقیقت منظورش نقلی قولی از دفاعیه جان آدامز بود

of British soldiers in the Boston Massacre trials

درباره سربازان بریتانیایی در محاکمه «قتل عام بوستون»

that facts are stubborn things.

که حقایق مطالبی سرسخت هستند.

But I actually think there's

اما من واقعاً فکر می کنم

a bit of accidental wisdom in what he said,

تصادفاً مقداری از ذکاوت در آن چه گفت وجود دارد٬

because facts are stubborn things,

چرا که واقعاً حقایق محکمند،

but sometimes they're stupid, too.

اما برخی اوقات احمقانه هم هستند.

I want to tell you a personal story

می خواهم داستانی شخصی را برایتان بگویم

about why this matters a lot to me.

که چرا اینقدر این مسأله برایم مهم است.

I need to take a breath.

بگذارید نفسی تازه کنم.

My son Isaac, when he was two,

پسرم ایزاک٬ در دو سالگی

was diagnosed with autism,

مبتلا به اوتیسم شد٬

and he was this happy, hilarious,

و او مرد کوچک خوشحال، بشاش،

loving, affectionate little guy,

دوست داشتنی و خونگرم بود

but the metrics on his developmental evaluations,

اما مقیاس های ارزیابی رشد او،

which looked at things like the number of words —

که به مواردی چون تعداد کلمات نگاه می کرد

at that point, none —

و در آن زمان،

communicative gestures and minimal eye contact,

نبود علائم روشنی از ارتباط و حداقل تماس چشمی

put his developmental level

سطح رشد او را

at that of a nine-month-old baby.

برابر با کودکی 9 ماهه قرار داد.

And the diagnosis was factually correct,

و تشخیص بیماری در حقیقت درست بود٬

but it didn't tell the whole story.

اما تمام ماجرا را بیان نمی کرد.

And about a year and a half later,

و یکسال و نیم بعد٬

when he was almost four,

وقتی که پسرم ۴ ساله بود٬

I found him in front of the computer one day

روزی دیدم پسرم جلوی کامپیوتر نشسته

running a Google image search on women,

و جستجوی تصویری را درباره کلمه «زنان» انجام می دهد٬

spelled "w-i-m-e-n."

در حالی که یک حرف از کلمه را اشتباه هجی کرده بود.

And I did what any obsessed parent would do,

و من کاری را کردم که هر مادر حساسی انجام می داد٬

which is immediately started hitting the "back" button

و فوراً کلید عقبگرد را زدم

to see what else he'd been searching for.

تا ببینم او درباره چه چیزهایی جستجو می کرده است.

And they were, in order: men,

و آن ها به ترتیب: مردان٬

school, bus and computer.

مدرسه٬ اتوبوس و کامپیوتر بودند.

And I was stunned,

و من شگفت زده شدم٬

because we didn't know that he could spell,

چون ما نمی دانستیم که او می تواند هجی کند٬

much less read, and so I asked him,

یا بخواند، و خب از او پرسیدم،

"Isaac, how did you do this?"

«ایزاک٬ چطور این کار رو کردی؟»

And he looked at me very seriously and said,

او خیلی جدی به من نگاه کرد و گفت٬

"Typed in the box."

«تو این کادر جستجو نوشتم.»

He was teaching himself to communicate,

او به خودش یاد می داد تا ارتباط برقرار کند٬

but we were looking in the wrong place,

اما ما در مسیر غلطی بودیم٬

and this is what happens when assessments

و این چیزی است که اتفاق می افتد وقتی ارزیابی ها

and analytics overvalue one metric —

و تحلیل ها یک ویژگی را بیشتر اهمیت می دهند

in this case, verbal communication —

که در این مورد ارتباط کلامی بود

and undervalue others, such as creative problem-solving.

و بقیه را نادیده می گیرد٬ مانند حل خلاق مسائل.

Communication was hard for Isaac,

برقراری ارتباط برای ایزاک سخت بود٬

and so he found a workaround

و او راهی میانبر را پیدا کرد

to find out what he needed to know.

تا بفهمد که چه چیزی را نیاز دارد که بداند.

And when you think about it, it makes a lot of sense,

وقتی درباره آن فکر میکنید٬ منطقی است،

because forming a question

زیرا طرح یک سؤال

is a really complex process,

فرآیندی کاملاً پیچیده است٬

but he could get himself a lot of the way there

اما او توانست خود را در این مسیر

by putting a word in a search box.

با گذاشتن کلمه را در کادر جستجو، قرار دهد.

And so this little moment

و خب این اتفاق کوتاه

had a really profound impact on me

اثر واقعاً عمیقی بر من

and our family

و خانواده ام گذاشت.

because it helped us change our frame of reference

چرا که کمک کرد تا چارچوب نگاهمان را

for what was going on with him,

درباره وضعیت پسرم تغییر دهیم٬

and worry a little bit less and appreciate

و اندکی از نگرانی خود بکاهیم

his resourcefulness more.

و تدبیر او را قدر بدانیم.

Facts are stupid things.

حقایق احمقانه هستند.

And they're vulnerable to misuse,

و آنها در معرض سوء استفاده

willful or otherwise.

استفاده خودسرانه و ... هستند.

I have a friend, Emily Willingham, who's a scientist,

من دوستی به نام امیلی ویلینگتون که دانشمند است دارم٬

and she wrote a piece for Forbes not long ago

اندکی پیش متنی را برای «فوربس» نوشت

entitled "The 10 Weirdest Things

به عنوان «۱۰ چیز بسیار عجیب

Ever Linked to Autism."

مرتبط با اوتیسم»

It's quite a list.

لیست جالبی بود.

The Internet, blamed for everything, right?

اینترنت در همه چیز مقصر است٬ درسته؟

And of course mothers, because.

و همچنین مادران.

And actually, wait, there's more,

و خب چیزهای دیگری هم هستند٬

there's a whole bunch in the "mother" category here.

گروه بزرگی از موارد مرتبط با «مادر» اینجاست.

And you can see it's a pretty rich and interesting list.

و شما می بینید که این لیستی بلند بالا و جالب است.

I'm a big fan of

من که به شخصه، طرفدار

being pregnant near freeways, personally.

«زن باردار که نزدیک بزرگ راه زندگی می کند» هستم.

The final one is interesting,

آخری بسیار عجیب است.

because the term "refrigerator mother"

به خاطر عبارت «مادر یخچالی»

was actually the original hypothesis

که عملاً فرضیه ای اساسی

for the cause of autism,

برای دلیل اوتیسم است،

and that meant somebody who was cold and unloving.

و این یعنی کسی که سرد و غیردوست داشتنی است.

And at this point, you might be thinking,

و در اینجا، شما ممکن است فکر کنید،

"Okay, Susan, we get it,

«خب سوزان ما فهمیدیم

you can take data, you can make it mean anything."

میتونی اطلاعات رو هرجوری تفسیر کنی»

And this is true, it's absolutely true,

و این درسته٬ کاملاً درسته٬

but the challenge is that

اما چالش این است که

we have this opportunity

ما این فرصت را داریم

to try to make meaning out of it ourselves,

تا معنایی مناسب را از آن استخراج کنیم٬

because frankly, data doesn't create meaning. We do.

چرا که صریح بگم٬ اطلاعات معنایی ندارند٬ بلکه ما معنا می سازیم.

So as businesspeople, as consumers,

پس به عنوان تاجر٬ مصرف کننده٬

as patients, as citizens,

بیمار٬ شهروند و ...

we have a responsibility, I think,

فکر می کنم که همه ما مسئولیم٬

to spend more time

تا زمان بیشتری بگذاریم

focusing on our critical thinking skills.

بر تمرکز روی توانایی تفکر تشخیصی مان.

Why?

چرا؟

Because at this point in our history, as we've heard

زیرا در نقطه از تاریخ٬ همانطور که شنیدیم

many times over,

بارها و بارها٬

we can process exabytes of data

می توانیم میلیاردها گیگا داده را پردازش کنیم

at lightning speed,

با سرعت نور،

and we have the potential to make bad decisions

و ما بالقوه ممکن است تصمیماتی بد بگیریم

far more quickly, efficiently,

آن هم بسیار سریع و در لحظه

and with far greater impact than we did in the past.

و اثری به مراتب بزرگتر نسبت به گذشته٬

Great, right?

بزرگ٬ نه؟

And so what we need to do instead

پس آنچه که ما باید به جایش انجام دهیم

is spend a little bit more time

اندکی صرف وقت بیشتر است

on things like the humanities

روی مسائلی همچون انسانیت٬

and sociology, and the social sciences,

جامعه شناسی و علوم اجتماعی٬

rhetoric, philosophy, ethics,

سخنوری٬ فلسفه٬ اخلاق٬

because they give us context that is so important

چون آنها زمینه ای را در اختیار ما می گذارند که

for big data, and because

برای داده های بزرگ بسیار مهم هستند٬

they help us become better critical thinkers.

و چون به ما کمک می کنند تا متفکرین بهتری شویم.

Because after all, if I can spot

چون به هرترتیب٬ اگر بتوانم

a problem in an argument, it doesn't much matter

مشکلی را در یک بحث مشخص کنم٬ مهم نیست که

whether it's expressed in words or in numbers.

در قالب کلمات و یا ارقام مطرح شود.

And this means

و این یعنی

teaching ourselves to find those confirmation biases

به خود یاد یاد دهیم تا آن تعصبات را پیدا کنیم

and false correlations

و ارتباطات غلط را تشخیص دهیم

and being able to spot a naked emotional appeal

و بتوانیم نظر احساسی را شناسایی کنیم

from 30 yards,

از فاصله ای دور

because something that happens after something

چرا که چیزی بعد از چیز دیگری اتفاق می افتد

doesn't mean it happened because of it, necessarily,

لزوما دلیل رخ داد آن نیست٬

and if you'll let me geek out on you for a second,

و اگر بگذارید تا من برای لحظه ای شما را به هیجان ببرم

the Romans called this "post hoc ergo propter hoc,"

رومی ها به این می گفتند: «post hoc ergo propter hoc...»

after which therefore because of which.

به این معنا که هر چیزی علت چیز دیگری است.

And it means questioning disciplines like demographics.

و این یعنی اصول را مثل سرشماری بپرسید.

Why? Because they're based on assumptions

چرا؟ چون آن ها بر مبنای فرضیاتی هستند

about who we all are based on our gender

درباره این که همه ما طبق جنسیت

and our age and where we live

سن و محل زندگی٬ چه کسانی هستیم

as opposed to data on what we actually think and do.

برخلاف اطلاعاتی درباره آن چه ما واقعاً فکر می کنیم و انجام می دهیم.

And since we have this data,

و از آنجا که این اطلاعات را داریم٬

we need to treat it with appropriate privacy controls

ما لازم است تا با کنترل های مناسب حیطه شخصی نگاه کنیم

and consumer opt-in,

و هم چنین بحث انتخاب مصرف کننده

and beyond that, we need to be clear

و فراتر از این٬ لازم است تا درباره

about our hypotheses,

فرضیاتمان واضح صحبت کنیم٬

the methodologies that we use,

و همچنین روش های مورد استفاده

and our confidence in the result.

و اطمینانمان به نتایج.

As my high school algebra teacher used to say,

همانطور که معلم جبر من در دبیرستان همیشه می گفت٬

show your math,

ریاضی خودت رو نشون بده٬

because if I don't know what steps you took,

چرا که اگر من ندانم که چه گام هایی را تا الآن برداشتی٬

I don't know what steps you didn't take,

نخواهم فهمید که چه گام هایی را برنداشته ای٬

and if I don't know what questions you asked,

و اگر ندانم چه سوالاتی را پرسیده ای٬

I don't know what questions you didn't ask.

نخواهم فهمید کدام را نپرسیده ای.

And it means asking ourselves, really,

و این یعنی از خودمان بپرسیم٬

the hardest question of all:

سخت ترین سوال ممکن را:

Did the data really show us this,

آیا اطلاعات واقعاً این را نشان دادند

or does the result make us feel

یا نتایج به ما احساس بیشتری از

more successful and more comfortable?

موفقیت و راحتی می دهند؟

So the Health Media Collaboratory,

خوب کارگروه سلامت رسانه٬

at the end of their project, they were able

در انتهای پروژه خود٬ توانستند

to find that 87 percent of tweets

دریابند که حدود ۸۷ درصد توییت ها

about those very graphic and disturbing

درباره صحنه های واضح و ناراحت کننده

anti-smoking ads expressed fear,

در تبلیغات علیه سیگار منجر به ترس می شود٬

but did they conclude

اما آیا آنها نتیجه گرفتند

that they actually made people stop smoking?

که توانستند واقعاً جلوی مردم را از کشیدن سیگار بگیرند؟

No. It's science, not magic.

نه٬ این علم است و نه جادو.

So if we are to unlock

اگر ما قدرت اطلاعات را

the power of data,

آزاد کنیم

we don't have to go blindly into

کورکورانه به مسیری نمی رویم که

Orwell's vision of a totalitarian future,

دید اورول از آینده اسیری٬

or Huxley's vision of a trivial one,

یا نگاه هاکسی درباره بی محتوایی٬

or some horrible cocktail of both.

یا ترکیبی وحشتناکی از هر دو‌ باشد.

What we have to do

آنچه باید بکنیم

is treat critical thinking with respect

احترام به تفکر تشخیصی است

and be inspired by examples

و الهام از نمونه های واقعی است

like the Health Media Collaboratory,

مانند کارگروه سلامت رسانه٬

and as they say in the superhero movies,

و همانطور که در فیلم های ابرقهرمانی می گویند

let's use our powers for good.

از قدرتمان در کارهای خوب استفاده کنیم.

Thank you.

ممنون.

(Applause)

(تشویق)