How we can find ourselves in data | Giorgia Lupi

112,053 views ・ 2017-05-04

TED


لطفا برای پخش فیلم روی زیرنویس انگلیسی زیر دوبار کلیک کنید.

Translator: Foroogh Razavi Reviewer: Masoud Motamedifar
00:12
This is what my last week looked like.
0
12580
2880
هفته‌ی پیش من به این شکل گذشت.
00:16
What I did,
1
16500
1696
چه کار کردم،
00:18
who I was with,
2
18220
1816
با چه کسانی بودم،
00:20
the main sensations I had for every waking hour ...
3
20060
3120
احساسات غالب من در هر ساعت بیداری چه بود ...
00:23
If the feeling came as I thought of my dad
4
23900
2496
آیا ریشه‌ی این احساسات فکر کردن به پدرم بود،
00:26
who recently passed away,
5
26420
1776
که به تازگی از دستش دادم؟
00:28
or if I could have just definitely avoided the worries and anxieties.
6
28220
4056
یا این که آیا می‌توانستم ازاحساس نگرانی و اضطراب خود جلوگیری کنم.
00:32
And if you think I'm a little obsessive,
7
32300
1936
و اگر فکر می‌کنید من زیادی وسواسی هستم،
00:34
you're probably right.
8
34260
1856
احتمالاً حق دارید.
00:36
But clearly, from this visualization,
9
36140
2256
ولی قطعاً از این تصویر،
00:38
you can learn much more about me than from this other one,
10
38420
3296
به شناخت بهتری ازمن می‌رسید، تا این یکی
00:41
which are images you're probably more familiar with
11
41740
2976
که تصویرهایی دارد که شما احتمالاً بیشتر با آنها آشنا هستید
00:44
and which you possibly even have on your phone right now.
12
44740
2816
و شاید حتی همین الان روی موبایل خود دارید.
00:47
Bar charts for the steps you walked,
13
47580
2216
نمودار میله‌ای تعداد قدم‌هایتان
00:49
pie charts for the quality of your sleep --
14
49820
2376
نمودار دایره‌ای کیفیت خوابتان،
00:52
the path of your morning runs.
15
52220
1720
مسیر دویدن صبحگاهی شما.
00:55
In my day job, I work with data.
16
55100
2296
من در کار روزانه‌ام با داده کار می‌کنم.
00:57
I run a data visualization design company,
17
57420
2496
مدیر شرکتی هستم که کارش به تصویر کشیدن داده است،
00:59
and we design and develop ways to make information accessible
18
59940
3336
و ما راه‌هایی را طراحی می‌کنیم تا اطلاعات را
01:03
through visual representations.
19
63300
2096
به صورت تصویری ارائه دهیم.
01:05
What my job has taught me over the years
20
65420
3016
آنچه شغل من در طول این سالها به من آموخت
01:08
is that to really understand data and their true potential,
21
68460
4216
این بود که برای درک داده‌ها و قابلیت واقعی‌شان،
01:12
sometimes we actually have to forget about them
22
72700
3096
گاهی لازم است ظاهر آنها را کنار بگذاریم
01:15
and see through them instead.
23
75820
1760
و در عوض معنای واقعی آنها را ببینیم.
01:18
Because data are always just a tool we use to represent reality.
24
78260
3576
چون داده‌ها همیشه تنها ابزاری برای نشان دادن واقعیت هستند.
01:21
They're always used as a placeholder for something else,
25
81860
2856
همیشه به عنوان جایگزین چیز دیگری استفاده می‌شود،
01:24
but they are never the real thing.
26
84740
2176
اما هیچ وقت اصل مطلب نیستند.
01:26
But let me step back for a moment
27
86940
1936
ولی بگذارید برای یک لحظه به عقب برگردم،
01:28
to when I first understood this personally.
28
88900
2480
به اولین باری که شخصاً این موضوع را فهمیدم.
01:32
In 1994, I was 13 years old.
29
92100
3336
در سال ۱۹۹۴ من ۱۳ ساله بودم.
01:35
I was a teenager in Italy.
30
95460
1936
نوجوانی درایتالیا.
01:37
I was too young to be interested in politics,
31
97420
2616
جوان‌تر از آن بودم که به سیاست علاقه داشته باشم،
01:40
but I knew that a businessman, Silvio Berlusconi,
32
100060
2496
ولی می‌دانستم تاجری به نام سیلویو برلوسکنی،
01:42
was running for president for the moderate right.
33
102580
2560
کاندیدای رئیس جمهوری حزب میانه‌رو راست است.
01:45
We lived in a very liberal town,
34
105940
2016
ما درشهری بسیار لیبرال زندگی می‌کردیم،
01:47
and my father was a politician for the Democratic Party.
35
107980
3296
و پدر من سیاستمداری دموکرات بود.
01:51
And I remember that no one thought that Berlusconi could get elected --
36
111300
4336
به یاد می‌آورم که هیچ کس فکر نمی‌کرد برلوسکنی انتخاب شود --
01:55
that was totally not an option.
37
115660
1760
این اصلاً شدنی نبود.
01:58
But it happened.
38
118380
1216
ولی اتفاق افتاد.
01:59
And I remember the feeling very vividly.
39
119620
2536
جو را به خوبی به یاد می‌آورم.
02:02
It was a complete surprise,
40
122180
1856
کاملاً غافلگیر شده بودیم،
02:04
as my dad promised that in my town he knew nobody who voted for him.
41
124060
5040
چون پدرم قسم می‌خورد هیچ کس را در شهر ما نمی‌شناسد که به او رأی داده باشد.
02:10
This was the first time
42
130540
1496
این اولین باری بود که
02:12
when the data I had gave me a completely distorted image of reality.
43
132060
4560
داده‌هایی که داشتم، تصویری تحریف‌شده از واقعیت به من می‌داد.
02:17
My data sample was actually pretty limited and skewed,
44
137100
3296
در واقع، نمونه‌ی آماری من بسیار محدود و یک طرفه بود
02:20
so probably it was because of that, I thought, I lived in a bubble,
45
140420
3736
پس شاید به این علت بود که در یک حباب زندگی می‌کردم
02:24
and I didn't have enough chances to see outside of it.
46
144180
2600
و فرصتی برای دیدن بیرون آن را نداشتم.
02:27
Now, fast-forward to November 8, 2016
47
147900
3776
حال جلو بزنیم به ۸ نوامبر ۲۰۱۶،
02:31
in the United States.
48
151700
1200
در آمریکا.
02:33
The internet polls,
49
153780
1296
نظرسنجی‌های اینترنتی،
02:35
statistical models,
50
155100
1376
مدل‌های آماری،
02:36
all the pundits agreeing on a possible outcome for the presidential election.
51
156500
4816
و همه کارشناسان در مورد نتیجه‌ی احتمالی انتخابات ریاست جمهوری توافق داشتند.
02:41
It looked like we had enough information this time,
52
161340
2616
این بار به نظر می‌رسید اطلاعات کافی در دست داریم،
02:43
and many more chances to see outside the closed circle we lived in --
53
163980
4096
و خیلی بیشتر می‌توانیم بیرون دایره‌‌ی بسته‌ای را که در آن زندگی می‌کنیم ببینیم--
02:48
but we clearly didn't.
54
168100
1320
ولی گویا این طور نبود.
02:49
The feeling felt very familiar.
55
169860
2096
احساس کاملاً آشنایی بود،
02:51
I had been there before.
56
171980
1480
قبلاً آن را تجربه کرده بودم.
02:54
I think it's fair to say the data failed us this time --
57
174180
2856
فکرمی‌کنم عادلانه باشد که بگوییم این بار داده شکست خورده است،
02:57
and pretty spectacularly.
58
177060
1856
شکستی سنگین.
02:58
We believed in data,
59
178940
1696
ما به داده اطمینان داشتیم
03:00
but what happened,
60
180660
1416
ولی آنچه که
03:02
even with the most respected newspaper,
61
182100
2696
حتی برای معتبرترین روزنامه اتفاق افتاد،
03:04
is that the obsession to reduce everything to two simple percentage numbers
62
184820
4696
میل افراطی به این بود که همه چیز در دو عدد ساده خلاصه شود
03:09
to make a powerful headline
63
189540
1976
تا تیتری قدرتمند ایجاد شود
03:11
made us focus on these two digits
64
191540
2056
این باعث شد فقط این دو عدد را ببینیم
03:13
and them alone.
65
193620
1200
و تنها به آنها توجه کنیم.
03:15
In an effort to simplify the message
66
195380
2056
برای این که پیام را ساده کنیم
03:17
and draw a beautiful, inevitable red and blue map,
67
197460
3416
و نمودار قرمز و آبی زیبا و اجتناب ناپذیری بکشیم،
03:20
we lost the point completely.
68
200900
1880
نکته اصلی را به کلی فراموش کردیم.
03:23
We somehow forgot that there were stories --
69
203260
2136
فراموش کردیم که داستان‌هایی هست --
03:25
stories of human beings behind these numbers.
70
205420
2360
داستان‌هایی از آدمیزادها در پشت این اعداد هست.
03:29
In a different context,
71
209060
1576
در موقعیت دیگری
03:30
but to a very similar point,
72
210660
1656
دقیقاً همین نکته را مشاهده کردم.
03:32
a peculiar challenge was presented to my team by this woman.
73
212340
3896
وقتی که زنی تیم من را به چالش عجیبی دعوت کرد.
03:36
She came to us with a lot of data,
74
216260
2376
او با کلی داده به سراغ ما آمد
03:38
but ultimately she wanted to tell one of the most humane stories possible.
75
218660
4416
ولی در نهایت می‌خواست یکی از انسانی‌ترین داستان‌های ممکن را تعریف کند.
03:43
She's Samantha Cristoforetti.
76
223100
1696
اسمش سامانتا کریستوفورتی است.
03:44
She has been the first Italian woman astronaut,
77
224820
2576
او اولین فضانورد زن ایتالیایی است،
03:47
and she contacted us before being launched
78
227420
2496
او قبل از این با ما تماس گرفت
03:49
on a six-month-long expedition to the International Space Station.
79
229940
3896
که سفری شش ماهه به ایستگاه فضایی بین‌المللی را شروع کند
03:53
She told us, "I'm going to space,
80
233860
2216
به ما گفت «من عازم فضا هستم،
03:56
and I want to do something meaningful with the data of my mission
81
236100
3096
و می‌خواهم با داده های مأموریتم کار معناداری انجام دهم
03:59
to reach out to people."
82
239220
1240
تا به مردم خدمتی کنم.»
04:01
A mission to the International Space Station
83
241420
2536
با مأموریتی به ایستگاه بین المللی فضایی
04:03
comes with terabytes of data
84
243980
2096
حجم ترابایتی از داده بدست می‌آید
04:06
about anything you can possibly imagine --
85
246100
2376
در مورد هرچه که فکرش را بکنید.
04:08
the orbits around Earth,
86
248500
1496
مدارهای گردش حول زمین،
04:10
the speed and position of the ISS
87
250020
2096
سرعت و موقعیت ایستگاه بین المللی فضایی
04:12
and all of the other thousands of live streams from its sensors.
88
252140
3680
و هزاران اطلاعات زنده دریافتی ازسنسورهای آن.
04:16
We had all of the hard data we could think of --
89
256660
2896
ما تمامی دادهای خام را داشتیم،
04:19
just like the pundits before the election --
90
259580
2416
درست مانند کارشناسان، قبل از انتخابات--
04:22
but what is the point of all these numbers?
91
262020
2976
اما فایده‌ی این همه عدد چه بود؟
04:25
People are not interested in data for the sake of it,
92
265020
2736
مردم به داده‌ی تنها علاقه‌ای ندارند،
04:27
because numbers are never the point.
93
267780
1855
چون اعداد هیچ‌گاه اصل مطلب نیستند.
04:29
They're always the means to an end.
94
269659
1961
همیشه ابزاری هستند برای رسیدن به هدف.
04:32
The story we needed to tell
95
272659
1777
داستانی که ما باید می‌گفتیم
04:34
is that there is a human being in a teeny box
96
274460
2496
این بود که انسانی در جعبه‌ای کوچک
04:36
flying in space above your head,
97
276980
2256
درفضای بالای سر شما درحال پرواز است،
04:39
and that you can actually see her with your naked eye on a clear night.
98
279260
4096
و اگر شبی هوا صاف باشد شما می‌توانید با چشم غیر مسلح او را ببینید.
04:43
So we decided to use data to create a connection
99
283380
3096
پس تصمیم گرفتیم با استفاده از داده‌ها ارتباطی ایجاد کنیم
04:46
between Samantha and all of the people looking at her from below.
100
286500
4056
بین سامانتا وتمام مردمی که از پایین به او نگاه می‌کردند.
04:50
We designed and developed what we called "Friends in Space,"
101
290580
3176
ما چیزی را طراحی و تولید کردیم به نام "دوستان در فضا"،
04:53
a web application that simply lets you say "hello" to Samantha
102
293780
4656
اپلیکیشنی که به شما امکان می‌داد به سامانتا سلام کنید
04:58
from where you are,
103
298460
1256
از هر جایی که هستید،
04:59
and "hello" to all the people who are online at the same time
104
299740
3536
و همچنین به هر کسی که همزمان آنلاین بود
05:03
from all over the world.
105
303300
1520
ازسرتاسر دنیا.
05:05
And all of these "hellos" left visible marks on the map
106
305460
3456
و تمام این «سلام‌ها» به شکل نقطه‌ای روی نقشه دیده می‌شد
05:08
as Samantha was flying by
107
308940
2016
همان طور سامانتا از آنجا می‌گذشت
05:10
and as she was actually waving back every day at us
108
310980
3376
و در واقع با استفاده از توییتر ایستگاه بین المللی فضایی
05:14
using Twitter from the ISS.
109
314380
1680
برایمان دست تکان می‌داد.
05:16
This made people see the mission's data from a very different perspective.
110
316700
4976
این باعث شد مردم داده‌های این مأموریت را از زاویه‌ای بسیار متفاوت ببینند.
05:21
It all suddenly became much more about our human nature and our curiosity,
111
321700
4696
حالا پدیده‌ای شده بود درباره‌ی طبیعت انسان و کنجکاوی او،
05:26
rather than technology.
112
326420
1656
به جای تکنولوژی.
05:28
So data powered the experience,
113
328100
2336
پس داده آزمایش ما را تقویت کرد،
05:30
but stories of human beings were the drive.
114
330460
2400
اما نیروی محرک آن داستان انسان‌ها بود.
05:34
The very positive response of its thousands of users
115
334660
3336
واکنش خیلی مثبت هزاران کاربر
05:38
taught me a very important lesson --
116
338020
1936
درس بزرگی به من داد--
05:39
that working with data means designing ways
117
339980
2856
این که کار کردن با داده یعنی طراحی روش‌هایی
05:42
to transform the abstract and the uncountable
118
342860
2736
برای تبدیل مفاهیم انتزاعی و غیر قابل درک
05:45
into something that can be seen, felt and directly reconnected
119
345620
4016
به چیزی که قابل دیدن و حس کردن باشد
05:49
to our lives and to our behaviors,
120
349660
2296
و با زندگی و رفتار ما ارتباط پیدا کند
05:51
something that is hard to achieve
121
351980
1856
چیزی که به دست آوردنش سخت است
05:53
if we let the obsession for the numbers and the technology around them
122
353860
3896
اگر اجازه دهیم تعصب ما روی اعداد و تکنولو‌‌ژی وابسته به آن،
05:57
lead us in the process.
123
357780
1280
ما را هدایت کند.
06:00
But we can do even more to connect data to the stories they represent.
124
360420
4896
اما برای ایجاد ارتباط بین داده و داستان‌های مربوط به آن می‌شود فراتر هم رفت
06:05
We can remove technology completely.
125
365340
2656
میشود تکنولوژی را کاملاً حذف کرد.
06:08
A few years ago, I met this other woman,
126
368020
2256
چند سال پیش، با زن دیگری آشنا شدم،
06:10
Stefanie Posavec --
127
370300
1376
به نام استفانی پوساوک--
06:11
a London-based designer who shares with me the passion and obsession about data.
128
371700
5816
طراحی اهل لندن که در مورد علاقه‌ی شدیدش به داده با من صحبت کرد.
06:17
We didn't know each other,
129
377540
1336
ما یکدیگر را نمی‌شناختیم،
06:18
but we decided to run a very radical experiment,
130
378900
3256
اما تصمیم گرفتیم به کمک هم آزمایشی بنیادی انجام دهیم،
06:22
starting a communication using only data,
131
382180
2536
شروع کنیم به برقراری ارتباط تنها از طریق داده
06:24
no other language,
132
384740
1336
بدون هیچ زبان دیگری.
06:26
and we opted for using no technology whatsoever to share our data.
133
386100
4616
قرار گذاشتیم از هیچ گونه تکنولوژی برای به اشتراک گذاری داده استفاده نکنیم.
06:30
In fact, our only means of communication
134
390740
2896
در واقع، تنها وسیله‌ی ارتباطی ما
06:33
would be through the old-fashioned post office.
135
393660
2856
ارسال نامه از اداره پست بود.
06:36
For "Dear Data," every week for one year,
136
396540
2456
ما به مدت یک سال هر هفته،
06:39
we used our personal data to get to know each other --
137
399020
3456
از داده‌های شخصی‌مان استفاده کردیم تا یکدیگر را بشناسیم --
06:42
personal data around weekly shared mundane topics,
138
402500
3656
داده‌های شخصی در مورد موضوعات روزمره‌ی هر هفته،
06:46
from our feelings
139
406180
1216
از احساساتمان گرفته
06:47
to the interactions with our partners,
140
407420
1856
تا برخوردهایی که با شرکایمان داشتیم،
06:49
from the compliments we received to the sounds of our surroundings.
141
409300
3160
از تحسین‌هایی که شنیدیم تا صدای محیط اطرافمان.
06:53
Personal information that we would then manually hand draw
142
413300
3536
اطلاعات شخصی که به صورت دستی می‌کشیدیم
06:56
on a postcard-size sheet of paper
143
416860
2496
روی کاغذی به اندازه کارت پستال
06:59
that we would every week send from London to New York,
144
419380
2936
که هر هفته از لندن می‌فرستادیم
07:02
where I live,
145
422340
1256
به نیویورک، محل زندگی من.
07:03
and from New York to London, where she lives.
146
423620
2200
و از نیویورک به لندن، جایی که او زندگی می‌کند.
07:06
The front of the postcard is the data drawing,
147
426300
3696
روی کارت پستال داده کشیده شده
07:10
and the back of the card
148
430020
1296
و طبیعتاً پشتش
07:11
contains the address of the other person, of course,
149
431340
2429
آدرس گیرنده هست،
07:13
and the legend for how to interpret our drawing.
150
433793
2640
و همچنین راهنمای خواندن داده‌ها.
07:17
The very first week into the project,
151
437460
2016
هفته‌ی اول این پروژه،
07:19
we actually chose a pretty cold and impersonal topic.
152
439500
3056
موضوعی نسبتاً غیر شخصی را انتخاب کردیم.
07:22
How many times do we check the time in a week?
153
442580
3200
این که چند بار در هفته ساعت را چک می‌کنیم؟
07:26
So here is the front of my card,
154
446540
1936
این جلوی کارت پستال من هست،
07:28
and you can see that every little symbol
155
448500
1976
همان طور که می‌بینید، هر علامت کوچک
07:30
represents all of the times that I checked the time,
156
450500
3416
دفعاتی را نشان می‌دهد که من ساعت را چک کردم،
07:33
positioned for days and different hours chronologically --
157
453940
3376
که بر اساس روز و ساعت به ترتیب قرار گرفته است--
07:37
nothing really complicated here.
158
457340
2040
هیچ چیز پیچیده‌ای اینجا نیست.
07:40
But then you see in the legend
159
460020
1576
اما در راهنمای پشت کارت می‌بینید
07:41
how I added anecdotal details about these moments.
160
461620
3456
جزئیاتی به هر کدام از این لحظات اضافه کرده‌ام.
07:45
In fact, the different types of symbols indicate why I was checking the time --
161
465100
4576
در واقع، علائم مختلف نشان می‌دهد برای چه ساعت را چک کرده‌ام
07:49
what was I doing?
162
469700
1216
چه کار می‌کرده‌ام؟
07:50
Was I bored? Was I hungry?
163
470940
1696
حوصله‌ام سر رفته بود؟ گرسنه بودم؟
07:52
Was I late?
164
472660
1216
دیرم شده بود؟
07:53
Did I check it on purpose or just casually glance at the clock?
165
473900
3216
با هدف ساعت را نگاه کردم یا فقط نگاهی به ساعت انداختم؟
07:57
And this is the key part --
166
477140
2256
و این قسمت اصلی آزمایش هست
07:59
representing the details of my days and my personality
167
479420
3696
که جزئیات زندگی و شخصیت من را
08:03
through my data collection.
168
483140
1936
از طریق داده‌هایم نشان می‌دهد.
08:05
Using data as a lens or a filter to discover and reveal, for example,
169
485100
4696
استفاده از داده به عنوان لنز یا فیلتری برای نگاه به زندگی، مثلاً
08:09
my never-ending anxiety for being late,
170
489820
2176
نشان داد من دائماً نگران دیر کردن هستم،
08:12
even though I'm absolutely always on time.
171
492020
2200
با این که همیشه دقیقاً به موقع می‌رسم.
08:16
Stefanie and I spent one year collecting our data manually
172
496020
4096
من و استفانی یک سال داده‌هایمان را به صورت دستی جمع‌آوری کردیم
08:20
to force us to focus on the nuances that computers cannot gather --
173
500140
4496
تا روی جزئیاتی تمرکز کنیم که کامپیوترها نمی‌توانند پیدا کنند
08:24
or at least not yet --
174
504660
1536
یا حداقل هنوز نمی‌توانند--
08:26
using data also to explore our minds and the words we use,
175
506220
3496
ما با استفاده از داده ذهن و کلماتمان را هم بررسی کردیم،
08:29
and not only our activities.
176
509740
1936
نه فقط کارهایمان را.
08:31
Like at week number three,
177
511700
1416
مثلاً هفته سوم،
08:33
where we tracked the "thank yous" we said and were received,
178
513140
3816
تعداد دفعاتی را شمردیم که تشکر کردیم یا کسی از ما تشکر کرد
08:36
and when I realized that I thank mostly people that I don't know.
179
516980
4656
و من متوجه شدم بیشتر از کسانی تشکر می‌کنم که نمی‌شناسمشان.
08:41
Apparently I'm a compulsive thanker to waitresses and waiters,
180
521660
4336
ظاهراً من از آنهایی هستم که بی اختیار از پیشخدمت‌ها تشکر می‌کنند.
08:46
but I definitely don't thank enough the people who are close to me.
181
526020
3160
ولی قطعاً به قدر کافی از کسانی که به من نزدیک هستند تشکر نمی‌کنم.
08:50
Over one year,
182
530820
1256
در طول یک سال،
08:52
the process of actively noticing and counting these types of actions
183
532100
4496
توجه کردن به این نوع فعالیت‌ها و شمردنشان
08:56
became a ritual.
184
536620
1296
تبدیل به رسمی نهادینه شد.
08:57
It actually changed ourselves.
185
537940
2056
در حقیقت ما را تغییر داد.
09:00
We became much more in tune with ourselves,
186
540020
2696
بعد از آن ما خیلی بیشتر با خودمان هماهنگ شدیم،
09:02
much more aware of our behaviors and our surroundings.
187
542740
3120
خیلی بیشتر نسبت به رفتار و محیط اطرافمان آگاه شدیم.
09:06
Over one year, Stefanie and I connected at a very deep level
188
546500
2976
من و استفانی بعد از یک سال ارتباطی عمیق پیدا کردیم،
09:09
through our shared data diary,
189
549500
2016
از طریق داده‌هایی که به اشتراک گذاشتیم.
09:11
but we could do this only because we put ourselves in these numbers,
190
551540
4296
تنها با خلاصه کردن خودمان در این اعداد و اضافه کردن
09:15
adding the contexts of our very personal stories to them.
191
555860
3976
شرایط داستان‌های شخصی‌مان به آنها توانستیم این قدر به هم نزدیک شویم.
09:19
It was the only way to make them truly meaningful
192
559860
2456
این تنها راهی بود که می‌توانستیم به اعداد
09:22
and representative of ourselves.
193
562340
2200
معنا و مفهومی واقعی بدهیم.
09:26
I am not asking you to start drawing your personal data,
194
566300
3096
از شما نمی‌خواهم داده‌های شخصی‌تان را نقاشی کنید،
09:29
or to find a pen pal across the ocean.
195
569420
2856
یا شروع به نامه نگاری با دوستی در آن سر اقیانوس‌ها بکنید.
09:32
But I'm asking you to consider data --
196
572300
2576
بلکه می‌خواهم داده، یعنی
09:34
all kind of data --
197
574900
1456
هر نوعی از داده را به عنوان
09:36
as the beginning of the conversation
198
576380
1776
شروع مکالمه در نظر بگیرید،
09:38
and not the end.
199
578180
1200
و نه پایان آن.
09:39
Because data alone will never give us a solution.
200
579900
3176
چون داده به تنهایی هیچ وقت موقعیت را مشخص نمی‌کند.
09:43
And this is why data failed us so badly --
201
583100
2696
و به خاطر همین است که داده به شدت شکست خورده است --
09:45
because we failed to include the right amount of context
202
585820
3376
چون شرایط آن به اندازه‌ی کافی در نظر گرفته نشده
09:49
to represent reality --
203
589220
1456
تا واقعیتی را نشان دهد --
09:50
a nuanced, complicated and intricate reality.
204
590700
3200
واقعیتی جزئی، پیچیده و ظریف.
09:54
We kept looking at these two numbers,
205
594780
2456
ما مدام به این دو عدد نگاه کردیم،
09:57
obsessing with them
206
597260
1496
فقط روی آنها تمرکز کردیم
09:58
and pretending that our world could be reduced
207
598780
2496
و تظاهر کردیم می‌شود دنیای اطرافمان را
10:01
to a couple digits and a horse race,
208
601300
2336
مثل مسابقه اسب سواری در چند عدد خلاصه کرد،
10:03
while the real stories,
209
603660
1256
درحالی که داستان‌های واقعی
10:04
the ones that really mattered,
210
604940
1456
آنهایی که واقعاً اهمیت داشتند،
10:06
were somewhere else.
211
606420
1416
جای دیگری بودند.
10:07
What we missed looking at these stories only through models and algorithms
212
607860
4416
آنچه با نگاه به این داستان‌ها تنها از طریق مدل و الگوریتم از آن غافل ماندیم
10:12
is what I call "data humanism."
213
612300
2520
چیزی است که من «انسان‌گرایی داده» می‌نامم
10:15
In the Renaissance humanism,
214
615380
2016
در رنسانس انسان‌گرایی،
10:17
European intellectuals
215
617420
1616
روشنفکران اروپایی
10:19
placed the human nature instead of God at the center of their view of the world.
216
619060
4920
به جای خدا، ذات انسان را در مرکز دیدگاه خود به دنیا قرار دادند.
10:24
I believe something similar needs to happen
217
624620
2216
من معتقدم در دنیای داده‌ها هم
10:26
with the universe of data.
218
626860
1776
چنین چیزی باید اتفاق بیافتد.
10:28
Now data are apparently treated like a God --
219
628660
2976
ظاهراً در حال حاضر با داده ها مثل خدایی رفتار می‌شود--
10:31
keeper of infallible truth for our present and our future.
220
631660
3280
که نگهدار حقیقت محظ در مورد گذشته و آینده‌ی ماست.
10:35
The experiences that I shared with you today
221
635660
2896
آنچه امروز با شما به اشتراک گذاشتم
10:38
taught me that to make data faithfully representative of our human nature
222
638580
5016
به من آموخت برای این که داده نماینده‌ی راستین ذات انسان شود
10:43
and to make sure they will not mislead us anymore,
223
643620
3416
و اطمینان حاصل شود که دیگر ما را گمراه نمی‌کند،
10:47
we need to start designing ways to include empathy, imperfection
224
647060
3696
باید راهی پیدا کنیم تا همدلی، نواقص
10:50
and human qualities
225
650780
1576
و ویژگی‌های انسانی را
10:52
in how we collect, process, analyze and display them.
226
652380
3720
در روش جمع‌آوری، پردازش، آنالیز و نمایش داده‌ها بگنجانیم.
10:57
I do see a place where, ultimately,
227
657100
2976
می‌توانم روزی را تصور کنم که
11:00
instead of using data only to become more efficient,
228
660100
3336
به جای استفاده از داده تنها برای کارایی بیشتر،
11:03
we will all use data to become more humane.
229
663460
2800
از آن برای انسان شدن بیشتر استفاده کنیم.
11:06
Thank you.
230
666700
1216
متشکرم.
11:07
(Applause)
231
667940
4441
(تشویق)
درباره این وب سایت

این سایت ویدیوهای یوتیوب را به شما معرفی می کند که برای یادگیری زبان انگلیسی مفید هستند. دروس انگلیسی را خواهید دید که توسط معلمان درجه یک از سراسر جهان تدریس می شود. روی زیرنویس انگلیسی نمایش داده شده در هر صفحه ویدیو دوبار کلیک کنید تا ویدیو از آنجا پخش شود. زیرنویس‌ها با پخش ویدیو همگام می‌شوند. اگر نظر یا درخواستی دارید، لطفا با استفاده از این فرم تماس با ما تماس بگیرید.

https://forms.gle/WvT1wiN1qDtmnspy7