Jennifer Golbeck: The curly fry conundrum: Why social media "likes" say more than you might think

376,892 views ・ 2014-04-03

TED


A videó lejátszásához kattintson duplán az alábbi angol feliratokra.

Fordító: Gergő Nagy Lektor: Patay Ágnes
00:12
If you remember that first decade of the web,
0
12738
1997
Ha még emlékeznek, az első évtizedében
00:14
it was really a static place.
1
14735
2255
a világháló egy statikus hely volt.
00:16
You could go online, you could look at pages,
2
16990
2245
Olyan honlapokat kereshettünk fel,
00:19
and they were put up either by organizations
3
19235
2513
amiket vagy különböző szervezetek
00:21
who had teams to do it
4
21748
1521
szakembergárdái kezeltek,
00:23
or by individuals who were really tech-savvy
5
23269
2229
vagy olyan személyek, akik addigra már
00:25
for the time.
6
25498
1737
rendelkeztek informatikai jártassággal.
00:27
And with the rise of social media
7
27235
1575
Aztán a közösségi oldalak és hálózatok megjelenésével
00:28
and social networks in the early 2000s,
8
28810
2399
a 2000-es évek elején
00:31
the web was completely changed
9
31209
2149
a világháló teljesen megváltozott.
00:33
to a place where now the vast majority of content
10
33358
3608
Olyan hellyé vált, ahol a látott tartalmak többségét
00:36
we interact with is put up by average users,
11
36966
3312
átlagos felhasználók teszik fel,
00:40
either in YouTube videos or blog posts
12
40278
2697
YouTube-videók, vagy blogbejegyzések formájában,
00:42
or product reviews or social media postings.
13
42975
3315
termékismertetőként vagy közösségi oldalak posztjaiként.
00:46
And it's also become a much more interactive place,
14
46290
2347
A világháló közben sokkal interaktívabb is lett.
00:48
where people are interacting with others,
15
48637
2637
Az emberek információt cserélnek másokkal,
00:51
they're commenting, they're sharing,
16
51274
1696
hozzászólnak, megosztanak,
00:52
they're not just reading.
17
52970
1614
nem csak olvasnak.
00:54
So Facebook is not the only place you can do this,
18
54584
1866
Mindezt nem csak a Facebookon tehetik,
00:56
but it's the biggest,
19
56450
1098
de az a legnagyobb oldal.
00:57
and it serves to illustrate the numbers.
20
57548
1784
Az adatok szerint
00:59
Facebook has 1.2 billion users per month.
21
59332
3477
a Facebooknak havonta 1,2 milliárd felhasználója van.
01:02
So half the Earth's Internet population
22
62809
1930
A Föld internethasználóinak a fele
01:04
is using Facebook.
23
64739
1653
használja a Facebookot.
01:06
They are a site, along with others,
24
66392
1932
Egy olyan oldalt, pár másikkal együtt,
01:08
that has allowed people to create an online persona
25
68324
3219
amely különösebb technikai hozzáértés nélkül
teszi lehetővé egy online személyiség létrehozását.
01:11
with very little technical skill,
26
71543
1782
01:13
and people responded by putting huge amounts
27
73325
2476
Így az emberek óriási mennyiségű
01:15
of personal data online.
28
75801
1983
személyes adatot töltenek rá fel online.
01:17
So the result is that we have behavioral,
29
77784
2543
Végeredményben tehát emberek százmillióinak
a viselkedéséről, preferenciáiról, demográfiai jellemzőiről
01:20
preference, demographic data
30
80327
1986
01:22
for hundreds of millions of people,
31
82313
2101
rendelkezünk adatokkal,
ami példátlan a történelemben.
01:24
which is unprecedented in history.
32
84414
2026
01:26
And as a computer scientist, what this means is that
33
86440
2560
Így ma számítástechnikával foglalkozó kutatóként
01:29
I've been able to build models
34
89000
1664
olyan modelleket alkothatok,
01:30
that can predict all sorts of hidden attributes
35
90664
2322
melyek fel tudják fedni mindannyiuk rejtett tulajdonságait
01:32
for all of you that you don't even know
36
92986
2284
anélkül, hogy Önök tudnák,
01:35
you're sharing information about.
37
95270
2202
hogy valaha is információt osztottak meg róluk.
01:37
As scientists, we use that to help
38
97472
2382
Kutatóként ezek felhasználásával
01:39
the way people interact online,
39
99854
2114
segíthetjük az emberek online információcseréjét.
01:41
but there's less altruistic applications,
40
101968
2499
Ám léteznek kevésbé önzetlen alkalmazási módok is.
01:44
and there's a problem in that users don't really
41
104467
2381
Probléma, hogy a felhasználók nem igazán értik
01:46
understand these techniques and how they work,
42
106848
2470
ezeket az eljárásokat, a működésüket,
01:49
and even if they did, they don't have a lot of control over it.
43
109318
3128
vagy ha mégis, akkor se nagyon szólhatnak bele.
01:52
So what I want to talk to you about today
44
112446
1490
Ezért ma arról fogok beszélni,
01:53
is some of these things that we're able to do,
45
113936
2702
hogy mi az a néhány dolog, amit megtehetünk.
01:56
and then give us some ideas of how we might go forward
46
116638
2763
Utána adok néhány előremutató ötletet arra,
01:59
to move some control back into the hands of users.
47
119401
2769
hogy miként adhatunk vissza több irányítási jogot a felhasználónak.
02:02
So this is Target, the company.
48
122170
1586
Tehát van ez a cég, a Target.
02:03
I didn't just put that logo
49
123756
1324
Nem véletlenül tettem a logót
02:05
on this poor, pregnant woman's belly.
50
125080
2170
szegény kismama hasára.
02:07
You may have seen this anecdote that was printed
51
127250
1840
Talán már hallották a történetet,
02:09
in Forbes magazine where Target
52
129090
2061
ami a Forbes magazinban jelent meg.
02:11
sent a flyer to this 15-year-old girl
53
131151
2361
A Target szórólapot küldött ennek a 15 éves lánynak
02:13
with advertisements and coupons
54
133512
1710
cumisüvegek, pelenkák és kiságyak
02:15
for baby bottles and diapers and cribs
55
135222
2554
reklámjaival és kuponjaival.
02:17
two weeks before she told her parents
56
137776
1684
Két héttel azelőtt, hogy szüleinek beszélt volna terhességéről.
02:19
that she was pregnant.
57
139460
1864
02:21
Yeah, the dad was really upset.
58
141324
2704
Persze az apja eléggé ideges lett.
02:24
He said, "How did Target figure out
59
144028
1716
Kíváncsi volt, a Target miből jöhetett rá
02:25
that this high school girl was pregnant
60
145744
1824
középiskolás lányának a terhességére,
02:27
before she told her parents?"
61
147568
1960
mielőtt az saját szüleinek elmondta volna.
02:29
It turns out that they have the purchase history
62
149528
2621
Kiderült, hogy fogyasztók százezreinek
02:32
for hundreds of thousands of customers
63
152149
2301
a vásárlási előzményei állnak a rendelkezésükre,
02:34
and they compute what they call a pregnancy score,
64
154450
2730
és ebből számolnak egy úgynevezett terhességi pontszámot.
02:37
which is not just whether or not a woman's pregnant,
65
157180
2332
Ez nem csak a terhességet mondja meg,
02:39
but what her due date is.
66
159512
1730
hanem azt is, mikorra várható a baba.
02:41
And they compute that
67
161242
1304
És mindezt nem az olyan
02:42
not by looking at the obvious things,
68
162546
1768
nyilvánvaló dolgokból számolják,
02:44
like, she's buying a crib or baby clothes,
69
164314
2512
mint mondjuk a kiságyak vagy a babaruhák megtekintése,
02:46
but things like, she bought more vitamins
70
166826
2943
hanem abból, hogy egy nő például több vitamint vásárol, mint általában
02:49
than she normally had,
71
169769
1717
02:51
or she bought a handbag
72
171486
1464
vagy olyan kézitáskát vesz,
02:52
that's big enough to hold diapers.
73
172950
1711
ami elég nagy pelenkák szállítására.
02:54
And by themselves, those purchases don't seem
74
174661
1910
Ezek a vásárlások önmagukban nem tűnnek sokatmondónak,
02:56
like they might reveal a lot,
75
176571
2469
de ez olyan viselkedésminta,
02:59
but it's a pattern of behavior that,
76
179040
1978
03:01
when you take it in the context of thousands of other people,
77
181018
3117
mely több ezer másik emberével együtt
03:04
starts to actually reveal some insights.
78
184135
2757
már valóban árulkodhat bizonyos dolgokról.
03:06
So that's the kind of thing that we do
79
186892
1793
Ezt tesszük tehát olyankor,
03:08
when we're predicting stuff about you on social media.
80
188685
2567
amikor közösségi oldalakon meghatározunk Önökről dolgokat.
03:11
We're looking for little patterns of behavior that,
81
191252
2796
Megkeressük az apró viselkedésmintákat,
03:14
when you detect them among millions of people,
82
194048
2682
melyekből, emberek millióinak adatai alapján,
03:16
lets us find out all kinds of things.
83
196730
2706
mindenféle dolgok derülhetnek ki.
03:19
So in my lab and with colleagues,
84
199436
1747
A laborunkban a kollégáimmal együtt
03:21
we've developed mechanisms where we can
85
201183
1777
kifejlesztettünk néhány módszert,
03:22
quite accurately predict things
86
202960
1560
melyekkel elég pontosan kiszámítható
03:24
like your political preference,
87
204520
1725
például a politikai preferencia,
03:26
your personality score, gender, sexual orientation,
88
206245
3752
a személyiségteszt eredménye, a nem, a szexuális irányultság,
03:29
religion, age, intelligence,
89
209997
2873
a vallás, az életkor, az intelligencia.
03:32
along with things like
90
212870
1394
Emellett az is,
03:34
how much you trust the people you know
91
214264
1937
hogy mennyire bízunk az ismerőseinkben,
03:36
and how strong those relationships are.
92
216201
1804
és milyen erősek ezek a kapcsolataink.
03:38
We can do all of this really well.
93
218005
1785
Mindezek egész jól kimutathatóak.
03:39
And again, it doesn't come from what you might
94
219790
2197
És ismétlem, ez nem az Önök által
03:41
think of as obvious information.
95
221987
2102
nyilvánvalónak gondolt adatoknak köszönhető.
03:44
So my favorite example is from this study
96
224089
2281
A kedvenc példám egy tanulmányból származik,
03:46
that was published this year
97
226370
1240
ami idén jelent meg
03:47
in the Proceedings of the National Academies.
98
227610
1795
a "Proceedings of the National Academies"-ben.
03:49
If you Google this, you'll find it.
99
229405
1285
A Google-lal megtalálhatják.
03:50
It's four pages, easy to read.
100
230690
1872
Négy oldal, könnyen olvasható.
03:52
And they looked at just people's Facebook likes,
101
232562
3003
Ebben csak az emberek Facebookon adott lájkjait vizsgálták,
03:55
so just the things you like on Facebook,
102
235565
1920
csak, ami a Facebook-on tetszik Önöknek.
03:57
and used that to predict all these attributes,
103
237485
2138
Majd ezeket használták az említett jellemzők,
03:59
along with some other ones.
104
239623
1645
és néhány másik kiszámításához.
04:01
And in their paper they listed the five likes
105
241268
2961
A tanulmányban felsoroltak öt olyan oldalt,
04:04
that were most indicative of high intelligence.
106
244229
2787
melyek lájkolása a leginkább összefüggött az intelligencia magas szintjével.
04:07
And among those was liking a page
107
247016
2324
Ezek közül az egyik
04:09
for curly fries. (Laughter)
108
249340
1905
a kunkori sült krumpli rajongói oldala volt. (Nevetés)
04:11
Curly fries are delicious,
109
251245
2093
A kunkori sült krumpli finom,
04:13
but liking them does not necessarily mean
110
253338
2530
de az érte való rajongás még nem feltétlenül jelenti,
04:15
that you're smarter than the average person.
111
255868
2080
hogy okosabbak is vagyunk az átlagnál.
04:17
So how is it that one of the strongest indicators
112
257948
3207
Hogy is lehet az intelligenciánk
04:21
of your intelligence
113
261155
1570
egyik legerősebb indikátora
04:22
is liking this page
114
262725
1447
ennek az oldalnak a lájkolása,
04:24
when the content is totally irrelevant
115
264172
2252
mikor a tartalomnak semmi köze
04:26
to the attribute that's being predicted?
116
266424
2527
a kideríteni kívánt tulajdonsághoz?
04:28
And it turns out that we have to look at
117
268951
1584
Aztán rájöttünk, hogy egy csomó
04:30
a whole bunch of underlying theories
118
270535
1618
idevonatkozó elméletet kell számba vennünk,
04:32
to see why we're able to do this.
119
272153
2569
ha meg szeretnénk érteni ennek okait.
04:34
One of them is a sociological theory called homophily,
120
274722
2913
Az egyik a homofília szociológiai elmélete,
04:37
which basically says people are friends with people like them.
121
277635
3092
mely szerint főként a hozzánk hasonlóakkal barátkozunk.
04:40
So if you're smart, you tend to be friends with smart people,
122
280727
2014
Ha okos vagy, inkább az okosokkal barátkozol,
04:42
and if you're young, you tend to be friends with young people,
123
282741
2630
ha fiatal vagy, inkább a fiatalokkal barátkozol.
04:45
and this is well established
124
285371
1627
Ez már évszázadok óta
04:46
for hundreds of years.
125
286998
1745
ismert jelenség.
04:48
We also know a lot
126
288743
1232
Arról is sokat tudunk,
04:49
about how information spreads through networks.
127
289975
2550
hogy az információ miként terjed a hálózatokon keresztül.
04:52
It turns out things like viral videos
128
292525
1754
Kiderült, hogy a vírusvideók,
04:54
or Facebook likes or other information
129
294279
2406
a lájkok a Facebookon vagy más információk
04:56
spreads in exactly the same way
130
296685
1888
pont úgy terjednek,
04:58
that diseases spread through social networks.
131
298573
2454
mint a betegségek a társadalmi hálózatokban.
05:01
So this is something we've studied for a long time.
132
301027
1791
Szóval már hosszú ideje foglalkozunk ezzel.
05:02
We have good models of it.
133
302818
1576
Jó modelljeink vannak.
05:04
And so you can put those things together
134
304394
2157
Így összerakhatjuk a dolgokat,
05:06
and start seeing why things like this happen.
135
306551
3088
és elkezdhetjük megfigyelni, hogy miért történnek ezek a dolgok.
05:09
So if I were to give you a hypothesis,
136
309639
1814
Feltevésem szerint lehetséges,
05:11
it would be that a smart guy started this page,
137
311453
3227
hogy egy intelligens fickó indította az oldalt,
05:14
or maybe one of the first people who liked it
138
314680
1939
vagy hogy valamelyik legelső lájkolónak volt magas az IQ-ja.
05:16
would have scored high on that test.
139
316619
1736
05:18
And they liked it, and their friends saw it,
140
318355
2288
És ők lájkolták, ezt látták az ismerőseik,
05:20
and by homophily, we know that he probably had smart friends,
141
320643
3122
akik a homofília elve szerint bizonyára szintén okosak voltak,
05:23
and so it spread to them, and some of them liked it,
142
323765
3056
így az eljutott hozzájuk, majd közülük szintén lájkolták páran,
05:26
and they had smart friends,
143
326821
1189
szintén okos ismerősökkel,
05:28
and so it spread to them,
144
328010
807
05:28
and so it propagated through the network
145
328817
1973
így továbbjutott.
Aztán szétterjedt a hálón
05:30
to a host of smart people,
146
330790
2569
egy sor okos ember közvetítésével.
05:33
so that by the end, the action
147
333359
2056
Míg végül
05:35
of liking the curly fries page
148
335415
2544
a kunkori sült krumpli rajongói oldalának a kedvelése
05:37
is indicative of high intelligence,
149
337959
1615
a magas intelligenciaszint jele lett.
05:39
not because of the content,
150
339574
1803
Nem a tartalom miatt,
05:41
but because the actual action of liking
151
341377
2522
hanem mert a lájkolásból
05:43
reflects back the common attributes
152
343899
1900
a többi lájkolóval közös
05:45
of other people who have done it.
153
345799
2468
tulajdonságok létezését mutatja.
05:48
So this is pretty complicated stuff, right?
154
348267
2897
Ugye milyen bonyolultan hangzik?
05:51
It's a hard thing to sit down and explain
155
351164
2199
Nehéz csak úgy leülni, és elmagyarázni
05:53
to an average user, and even if you do,
156
353363
2848
egy átlagos felhasználónak.
De, ha sikerül is, mit kezdhet ezzel egy átlagos felhasználó?
05:56
what can the average user do about it?
157
356211
2188
05:58
How do you know that you've liked something
158
358399
2048
Miből tudható, hogy olyat lájkoltunk,
06:00
that indicates a trait for you
159
360447
1492
ami egy olyan tulajdonságunkról árulkodik,
06:01
that's totally irrelevant to the content of what you've liked?
160
361939
3545
melynek semmi köze a lájkolt tartalomhoz?
06:05
There's a lot of power that users don't have
161
365484
2546
Sok lehetőség van az adatok felhasználásának ellenőrzésére,
06:08
to control how this data is used.
162
368030
2230
amivel a felhasználók nem rendelkeznek.
06:10
And I see that as a real problem going forward.
163
370260
3112
A jövőre vonatkozóan ezt komoly problémának látom.
06:13
So I think there's a couple paths
164
373372
1977
Úgy vélem, van egy pár irány,
06:15
that we want to look at
165
375349
1001
ami felé indulhatunk,
06:16
if we want to give users some control
166
376350
1910
ha a felhasználóknak ellenőrzést akarunk biztosítani,
06:18
over how this data is used,
167
378260
1740
hogyan használják fel ezeket az adatokat.
06:20
because it's not always going to be used
168
380000
1940
Mert ezeket nem mindig
06:21
for their benefit.
169
381940
1381
az ő érdekükben használják.
06:23
An example I often give is that,
170
383321
1422
Gyakran hozom fel példaként,
06:24
if I ever get bored being a professor,
171
384743
1646
hogy ha majd megunom a tanítást,
06:26
I'm going to go start a company
172
386389
1653
indítani fogok egy céget,
06:28
that predicts all of these attributes
173
388042
1454
amely meghatározza a tulajdonságokat:
06:29
and things like how well you work in teams
174
389496
1602
milyen hatékonyak csapatban,
06:31
and if you're a drug user, if you're an alcoholic.
175
391098
2671
fogyasztanak-e kábítószert, alkoholisták-e.
06:33
We know how to predict all that.
176
393769
1440
Ismerjük a módját.
06:35
And I'm going to sell reports
177
395209
1761
Az elemzéseket olyan HR cégeknek
06:36
to H.R. companies and big businesses
178
396970
2100
és nagyvállalatoknak fogom eladni,
06:39
that want to hire you.
179
399070
2273
melyek Önöket szeretnék alkalmazni.
06:41
We totally can do that now.
180
401343
1177
Akár ma is megtehetnénk.
06:42
I could start that business tomorrow,
181
402520
1788
Akár holnap indíthatnám a boltot,
06:44
and you would have absolutely no control
182
404308
2052
és Önöknek semmi beleszólása nem lenne,
06:46
over me using your data like that.
183
406360
2138
hogyan használnám az adataikat.
06:48
That seems to me to be a problem.
184
408498
2292
Ezt problémának érzem.
06:50
So one of the paths we can go down
185
410790
1910
Az egyik lehetséges irány
06:52
is the policy and law path.
186
412700
2032
a politika és a jog útja.
06:54
And in some respects, I think that that would be most effective,
187
414732
3046
Szerintem sok szempontból ez lenne a leghatékonyabb,
06:57
but the problem is we'd actually have to do it.
188
417778
2756
ám a gond, hogy ezt tényleg végre kell hajtani.
07:00
Observing our political process in action
189
420534
2780
A politikai folyamatok alakulását figyelve
07:03
makes me think it's highly unlikely
190
423314
2379
azt hiszem, nagyon valószínűtlen,
07:05
that we're going to get a bunch of representatives
191
425693
1597
hogy jó pár képviselőt rávegyünk,
07:07
to sit down, learn about this,
192
427290
1986
üljenek le, tájékozódjanak minderről,
07:09
and then enact sweeping changes
193
429276
2106
majd gyökeresen változtassanak az USA
07:11
to intellectual property law in the U.S.
194
431382
2157
szellemi tulajdonra vonatkozó szabályozásán,
07:13
so users control their data.
195
433539
2461
hogy a felhasználók rendelkezzenek az adataikkal.
07:16
We could go the policy route,
196
436000
1304
Követhetjük a politikai utat, és
07:17
where social media companies say,
197
437304
1479
a közösségi média cégek azt mondják:
07:18
you know what? You own your data.
198
438783
1402
"Rendben, Ön rendelkezik az adataival.
07:20
You have total control over how it's used.
199
440185
2489
Teljes beleszólása van a felhasználásukba."
07:22
The problem is that the revenue models
200
442674
1848
A probléma, hogy a legtöbb szolgáltató
07:24
for most social media companies
201
444522
1724
üzleti modellje valamilyen módon
07:26
rely on sharing or exploiting users' data in some way.
202
446246
4031
a felhasználók adatainak a megosztásán vagy felhasználásán alapul.
07:30
It's sometimes said of Facebook that the users
203
450277
1833
Néha mondják a Facebookról,
07:32
aren't the customer, they're the product.
204
452110
2528
hogy a felhasználó nem vásárló, hanem ő a termék.
07:34
And so how do you get a company
205
454638
2714
Hogyan lehet akkor rávenni egy céget arra,
07:37
to cede control of their main asset
206
457352
2558
hogy a fő bevételi forrása feletti rendelkezést
07:39
back to the users?
207
459910
1249
visszaadja a felhasználóknak?
07:41
It's possible, but I don't think it's something
208
461159
1701
Lehetséges, de nem hiszem,
07:42
that we're going to see change quickly.
209
462860
2320
hogy ez gyorsan fog változni.
07:45
So I think the other path
210
465180
1500
Úgy vélem, a másik irány,
07:46
that we can go down that's going to be more effective
211
466680
2288
ami célravezetőbb lehet,
07:48
is one of more science.
212
468968
1508
a több tudomány.
07:50
It's doing science that allowed us to develop
213
470476
2510
A tudomány, mellyel fejleszthetővé váltak ezek az,
07:52
all these mechanisms for computing
214
472986
1750
elsősorban személyes adatokat
07:54
this personal data in the first place.
215
474736
2052
használó eljárások.
07:56
And it's actually very similar research
216
476788
2106
Ez pedig nagyon hasonló kutatás,
07:58
that we'd have to do
217
478894
1438
amit el kellene végeznünk
08:00
if we want to develop mechanisms
218
480332
2386
az olyan eszközök kifejlesztéséhez,
08:02
that can say to a user,
219
482718
1421
melyek felhívhatják
a felhasználó figyelmét tevékenységének kockázataira.
08:04
"Here's the risk of that action you just took."
220
484139
2229
08:06
By liking that Facebook page,
221
486368
2080
Egy Facebook-oldal lájkolásával
08:08
or by sharing this piece of personal information,
222
488448
2535
vagy egy személyes információ megosztásával
08:10
you've now improved my ability
223
490983
1502
most növelik annak az esélyét,
08:12
to predict whether or not you're using drugs
224
492485
2086
hogy megmondhassam, használnak-e drogokat,
08:14
or whether or not you get along well in the workplace.
225
494571
2862
vagy jól érzik-e magukat a munkahelyükön.
08:17
And that, I think, can affect whether or not
226
497433
1848
Ez pedig hatással lehet annak eldöntésére,
08:19
people want to share something,
227
499281
1510
hogy megosztunk-e valamit vagy sem,
08:20
keep it private, or just keep it offline altogether.
228
500791
3239
nyilvánossá tesszük-e, vagy fel se rakjuk a netre.
08:24
We can also look at things like
229
504030
1563
Foglalkozhatunk a feltöltött adatok
08:25
allowing people to encrypt data that they upload,
230
505593
2728
titkosításának a lehetőségével is,
hisz azok így láthatatlanná és értéktelenné válnak
08:28
so it's kind of invisible and worthless
231
508321
1855
08:30
to sites like Facebook
232
510176
1431
a velük rendelkező, Facebookhoz hasonló oldalak
08:31
or third party services that access it,
233
511607
2629
vagy egy harmadik fél szolgáltatásai számára,
08:34
but that select users who the person who posted it
234
514236
3247
de a felhasználó által kiválasztott személyek
08:37
want to see it have access to see it.
235
517483
2670
láthatják őket.
08:40
This is all super exciting research
236
520153
2166
Ezek nagyon izgalmas kutatások
08:42
from an intellectual perspective,
237
522319
1620
intellektuális szemszögből nézve,
08:43
and so scientists are going to be willing to do it.
238
523939
1859
épp ezért foglalkoznak velük szívesen a tudósok,
08:45
So that gives us an advantage over the law side.
239
525798
3610
ami előnyt jelent számunkra a jogi lehetőséghez képest.
08:49
One of the problems that people bring up
240
529408
1725
Az egyik gyakran felmerülő kérdés,
08:51
when I talk about this is, they say,
241
531133
1595
hogy mi történne,
08:52
you know, if people start keeping all this data private,
242
532728
2646
ha az emberek elkezdenék titokban tartani az adataikat.
08:55
all those methods that you've been developing
243
535374
2113
A tulajdonságaik beazonosítására kidolgozott eljárásaim befuccsolnának.
08:57
to predict their traits are going to fail.
244
537487
2653
09:00
And I say, absolutely, and for me, that's success,
245
540140
3520
Valóban. És én ezt sikernek tartom.
09:03
because as a scientist,
246
543660
1786
Mert tudósként,
09:05
my goal is not to infer information about users,
247
545446
3688
nem a felhasználókról akarok információkra következtetni,
09:09
it's to improve the way people interact online.
248
549134
2767
hanem az online kommunikációs módokat szeretném fejleszteni.
09:11
And sometimes that involves inferring things about them,
249
551901
3218
Ehhez persze sokszor rájuk vonatkozó dolgokra kell következtetnem,
09:15
but if users don't want me to use that data,
250
555119
3022
de ha a felhasználók nem akarják, hogy használjam az adatokat,
09:18
I think they should have the right to do that.
251
558141
2038
szerintem ehhez joguk kell, hogy legyen.
09:20
I want users to be informed and consenting
252
560179
2651
Szeretném, hogy a felhasználók tájékozottak legyenek,
09:22
users of the tools that we develop.
253
562830
2112
és elfogadnák a kifejlesztett eszközeinket.
09:24
And so I think encouraging this kind of science
254
564942
2952
Úgy gondolom tehát, hogy ösztönözni kell ezeket a kutatásokat,
09:27
and supporting researchers
255
567894
1346
és támogatni azokat a kutatókat,
09:29
who want to cede some of that control back to users
256
569240
3023
akik több ellenőrzést adnának vissza a felhasználóknak
09:32
and away from the social media companies
257
572263
2311
és kevesebbet a közösségi média cégeinek.
09:34
means that going forward, as these tools evolve
258
574574
2671
Ahogy ezek az eszközök a jövőben fejlődni
09:37
and advance,
259
577245
1476
és tökéletesedni fognak,
09:38
means that we're going to have an educated
260
578721
1414
úgy egy képzett és kompetens
09:40
and empowered user base,
261
580135
1694
felhasználói bázis is kialakul majd.
09:41
and I think all of us can agree
262
581829
1100
Azt hiszem, egyetérthetünk abban,
09:42
that that's a pretty ideal way to go forward.
263
582929
2564
hogy ez egy egész elfogadható jövőkép.
09:45
Thank you.
264
585493
2184
Köszönöm!
09:47
(Applause)
265
587677
3080
(Taps)
Erről a weboldalról

Ez az oldal olyan YouTube-videókat mutat be, amelyek hasznosak az angol nyelvtanuláshoz. A világ minden tájáról származó, kiváló tanárok által tartott angol leckéket láthatsz. Az egyes videók oldalán megjelenő angol feliratokra duplán kattintva onnan játszhatja le a videót. A feliratok a videó lejátszásával szinkronban gördülnek. Ha bármilyen észrevétele vagy kérése van, kérjük, lépjen kapcsolatba velünk ezen a kapcsolatfelvételi űrlapon.

https://forms.gle/WvT1wiN1qDtmnspy7